-
Die Erfindung betrifft ein Verfahren und eine entsprechende Vorrichtung zur Ermittlung, insbesondere zur Schätzung, des Füllstands eines Wischwasser-Behälters eines Fahrzeugs.
-
Ein (Kraft-) Fahrzeug weist typischerweise eine Wischanlage zur Reinigung von ein oder mehreren Scheiben, insbesondere von einer Windschutzscheibe und/oder von einer Heckscheibe, und/oder von ein oder mehreren Scheinwerfern und/oder von ein oder mehreren Sensoren des Fahrzeugs auf. Die Wischanlage umfasst einen Wischwasser-Behälter mit Wischwasser. Ferner umfasst die Wischanlage typischerweise einen Füllstandsensor, der eingerichtet ist, zu detektieren, wenn der Füllstand von Wischerwasser in dem Wischwasser-Behälter unter einen bestimmten Füllstand-Schwellenwert fällt.
-
Die Verwendung eines Füllstandsensors liefert einem Nutzer eines Fahrzeugs somit typischerweise nur die Information, ob der Füllstand höher oder niedriger als der bestimmte Füllstand-Schwellenwert ist. Der Nutzer des Fahrzeugs erhält meist keine Informationen über den tatsächlichen Füllstandwert des Wischwasser-Behälters.
-
Das vorliegende Dokument befasst sich mit der technischen Aufgabe, den tatsächlichen Füllstand eines Wischwasser-Behälters einer Wischanlage eines Fahrzeugs in effizienter und präziser Weise zu ermitteln, insbesondere zu schätzen.
-
Die Aufgabe wird jeweils durch die unabhängigen Ansprüche gelöst. Vorteilhafte Ausführungsformen werden u.a. in den abhängigen Ansprüchen beschrieben. Es wird darauf hingewiesen, dass zusätzliche Merkmale eines von einem unabhängigen Patentanspruch abhängigen Patentanspruchs ohne die Merkmale des unabhängigen Patentanspruchs oder nur in Kombination mit einer Teilmenge der Merkmale des unabhängigen Patentanspruchs eine eigene und von der Kombination sämtlicher Merkmale des unabhängigen Patentanspruchs unabhängige Erfindung bilden können, die zum Gegenstand eines unabhängigen Anspruchs, einer Teilungsanmeldung oder einer Nachanmeldung gemacht werden kann. Dies gilt in gleicher Weise für in der Beschreibung beschriebene technische Lehren, die eine von den Merkmalen der unabhängigen Patentansprüche unabhängige Erfindung bilden können.
-
Gemäß einem Aspekt wird eine Vorrichtung zur Ermittlung eines Schätzwertes für den Füllstand eines Wischwasser-Behälters einer Wischanlage eines (Kraft-) Fahrzeugs beschrieben. Die Vorrichtung ist eingerichtet, Betriebsdaten in Bezug auf den Betrieb der Wischanlage zu ermitteln.
-
Die Betriebsdaten können Messwerte für ein oder mehrere der folgenden Messgrößen anzeigen bzw. umfassen: den Befüll-Zeitpunkt, an dem der Wischwasser-Behälter (zuletzt) befüllt wurde; die Nutzungsdauer der Pumpe der Wischanlage, die ausgebildet ist, Wischwasser aus dem Wischwasser-Behälter zu pumpen (insbesondere die Nutzungsdauer für jeden einzelnen Pumpvorgang (seit dem Befüll-Zeitpunkt) und/oder die für alle Pumpvorgänge (seit dem Befüll-Zeitpunkt) kumulierte Nutzungsdauer); Zeitpunkte von ein oder mehreren zeitlich isolierten Pumpvorgängen der Pumpe (seit dem Befüll-Zeitpunkt); die von der Pumpe aufgenommene elektrische Leistung (insbesondere als Funktion der Zeit) während eines Pumpvorgangs; den zeitlichen Verlauf der Bordnetzspannung des elektrischen Bordnetzes des Fahrzeugs während eines Pumpvorgangs; und/oder die Umgebungstemperatur des Fahrzeugs und/oder des Wischwasser-Behälters, insbesondere den zeitlichen Verlauf der Umgebungstemperatur, seit dem Befüll-Zeitpunkt.
-
Die Betriebsdaten können somit anzeigen, wie die Wischanlage (seit dem letzten Befüll-Zeitpunkt) betrieben wurde (insbesondere in Bezug auf die Entnahmen von Wischwasser aus dem Wischwasser-Behälter).
-
Die Vorrichtung ist ferner eingerichtet, den Schätzwert für den Füllstand des Wischwasser-Behälters auf Basis der Betriebsdaten unter Verwendung eines Maschinen-erlernten Schätzmodells zu ermitteln. Das Schätzmodell kann dabei ausgebildet sein, die Betriebsdaten als Eingangswerte (eines neuronalen Netzes) aufzunehmen und den Schätzwert des Füllstands als Ausgangswert (des neuronalen Netzes) bereitzustellen.
-
Durch die Verwendung eines Maschinen-erlernten Schätzmodells kann der Schätzwert des Wischwasser-Behälters einer Wischanlage eines Fahrzeugs in effizienter und präziser Weise ermittelt werden. Insbesondere kann die Wischwasser-Verbrauchskennlinie einer Wischanlage in präziser Weise erlernt werden (und durch ein Schätzmodell beschrieben werden). Die erlernte Verbrauchskennlinie kann dann zur genaueren Abschätzung des Wischwasser-Füllstandes verwendet werden.
-
Das Schätzmodell kann ein oder mehrere angelernte neuronale Netze umfassen. Alternativ oder ergänzend kann das Schätzmodell auf Basis von Trainingsdaten mit einer Vielzahl von Trainings-Datensätzen angelernt worden sein. Dabei kann ein Trainings-Datensatz Trainings-Betriebsdaten von ein oder mehreren Wischanlagen von ein oder mehreren Fahrzeugen umfassen. Des Weiteren kann ein Trainings-Datensatz passend zu den Trainings-Betriebsdaten des Trainings-Datensatzes Füllstand-Information in Bezug auf den tatsächlichen Füllstand des Wischwasser-Behälters der Wischanlage des Fahrzeugs (die mit dem Trainings-Betriebsdaten assoziiert sind) umfassen.
-
Die Füllstand-Information kann den Schwellenwert-Zeitpunkt umfassen bzw. anzeigen, an dem der Füllstand des Wischwasser-Behälters einen bestimmten Füllstand-Schwellenwert erreicht (z.B. an dem der Füllstandsensor des Wischwasser-Behälters auslöst). Alternativ oder ergänzend kann die Füllstand-Information einen Messwert des Füllstands des Wischwasser-Behälters umfassen bzw. anzeigen.
-
Durch das Sammeln einer Vielzahl von Trainings-Datensätzen während des Betriebs von ein oder mehreren Waschanlagen kann ein präzises und robustes Schätzmodell angelernt werden.
-
Die Vorrichtung kann eingerichtet sein, in Abhängigkeit von dem ermittelten Schätzwert für den Füllstand des Wischwasser-Behälters eine Maßnahme in Bezug auf den Wischwasser-Behälter zu bewirken. Die Maßnahme kann z.B. die Ausgabe eines Hinweises (in Bezug auf den geschätzten Füllstand) an einen Nutzer des Fahrzeugs umfassen.
-
Die Vorrichtung kann eingerichtet sein, auf Basis des Schätzwertes für den Füllstand des Wischwasser-Behälters zu bestimmen, dass ein Hinweis zum Befüllen des Wischwasser-Behälters ausgegeben werden sollte (z.B., weil der Füllstand einen bestimmen Pegel erreicht oder unterschritten hat, der sich ggf. von dem Füllstand-Schwellenwert des Füllstandsensors unterscheidet).
-
Des Weiteren kann die Vorrichtung eingerichtet sein, zu bestimmen, dass sich das Fahrzeug in einer Betriebssituation befindet oder befinden wird, die sich zum Befüllen des Wischwasser-Behälters eignet. Beispielhafte Betriebssituationen, die sich zum Befüllen des Behälters eignen sind: ein (Tank- oder Lade-) Vorgang zur Aufnahme eines Energieträgers für den Antrieb des Fahrzeugs und/oder ein Parkvorgang des Fahrzeugs.
-
Es kann dann, in Reaktion darauf (d.h. in Reaktion auf die erkannte Betriebssituation und in Reaktion auf die erkannte Notwendigkeit der Ausgabe eines Hinweises) bewirkt werden, dass der Hinweis zum Befüllen des Wischwasser-Behälters, insbesondere selektiv, in Vorbereitung zu und/oder während der Betriebssituation des Fahrzeugs ausgegeben wird. So kann der Nutzer in besonders komfortabler und zuverlässiger Weise veranlasst werden, den Wischwasser-Behälter zu befüllen.
-
Gemäß einem weiteren Aspekt wird eine Vorrichtung zum Anlernen und/oder zum Anpassen eines Maschinen-erlernten Schätzmodells beschrieben, wobei das Schätzmodell ausgebildet ist, auf Basis von Betriebsdaten einer Wischanlage eines Fahrzeugs einen Schätzwert des Füllstands eines Wischwasser-Behälters der Wischanlage zu ermitteln. Die Vorrichtung kann z.B. ein Fahrzeug-externer Server sein.
-
Die Vorrichtung ist eingerichtet, Trainingsdaten mit einer Vielzahl von Trainings-Datensätzen zu ermitteln. Dabei kann ein Trainings-Datensatz tatsächliche Betriebsdaten einer Wischanlage und damit assoziierte tatsächliche Füllstand-Information in Bezug auf den tatsächlichen Füllstand des Wischwasser-Behälters der Wischanlage umfassen. Trainings-Datensätze können von einer Vielzahl von unterschiedlichen Fahrzeugen bereitgestellt werden. Dabei kann zusammen mit den einzelnen Trainings-Datensätzen der jeweilige Fahrzeugtyp und/oder der jeweilige Typ der Wischanlage angegeben werden, um es zu ermöglichen, ein von dem Fahrzeugtyp und/oder dem Typ der Wischanlage abhängiges Schätzmodell zu ermitteln.
-
Des Weiteren ist die Vorrichtung eingerichtet, Parameter des Schätzmodells auf Basis der Trainingsdaten anzulernen und/oder anzupassen. Die Parameter können dabei Neuron-Parameter, insbesondere Gewichte und/oder Offsets, von Neuronen eines neuronalen Netzes des Schätzmodells umfassen. Es kann somit in effizienter Weise ein Schätzmodell zur präzisen Ermittlung des Füllstands eines Wischwasser-Behälters bereitgestellt werden.
-
Wie bereits oben dargelegt können die Betriebsdaten Messwerte in Bezug auf eine Menge von unterschiedlichen Messgrößen umfassen. Die Vorrichtung kann eingerichtet sein, die Menge von Messgrößen, die von dem Schätzmodell berücksichtigt werden, anzupassen. Insbesondere kann die Vorrichtung eingerichtet sein, auf Basis des angelernten Schätzmodells zu bestimmen, dass eine erste Messgröße aus der Menge von Messgrößen einen Einfluss auf den von dem Schätzmodell ermittelten Schätzwert hat, der kleiner als ein Einfluss-Schwellenwert ist. Mit anderen Worten, es kann erkannt werden, dass eine erste Messgröße keinen wesentlichen Einfluss auf den ermittelten Schätzwert hat.
-
In Reaktion darauf kann die erste Messgröße aus der Menge von Messgrößen, die von dem Schätzmodell berücksichtigt werden, entfernt werden. So kann die Effizienz der Ermittlung von Schätzwerten des Füllstands eines Wischwasser-Behälters weiter erhöht werden.
-
Gemäß einem weiteren Aspekt wird ein (Straßen-) Kraftfahrzeug (insbesondere ein Personenkraftwagen oder ein Lastkraftwagen oder ein Bus oder ein Motorrad) beschrieben, das die in diesem Dokument beschriebene Vorrichtung zur Ermittlung eines Schätzwertes des Füllstands eines Wischwasser-Behälters umfasst.
-
Gemäß einem Aspekt wird ein Verfahren zum Anlernen und/oder zum Anpassen eines Maschinen-erlernten Schätzmodells beschrieben, das ausgebildet ist, auf Basis von Betriebsdaten einer Wischanlage eines Fahrzeugs einen Schätzwert des Füllstands eines Wischwasser-Behälters der Wischanlage zu ermitteln. Das Verfahren umfasst, das Ermitteln von Trainingsdaten mit einer Vielzahl von Trainings-Datensätzen. Dabei kann ein Trainings-Datensatz tatsächliche Betriebsdaten einer Wischanlage und damit assoziierte tatsächliche Füllstand-Information in Bezug auf den tatsächlichen Füllstand des Wischwasser-Behälters der Wischanlage umfassen. Das Verfahren umfasst ferner das Anlernen und/oder das Anpassen von Parametern des Schätzmodells auf Basis der Trainingsdaten.
-
Gemäß einem weiteren Aspekt wird ein Verfahren zur Ermittlung eines Schätzwertes für einen Füllstand eines Wischwasser-Behälters einer Wischanlage eines Fahrzeugs beschrieben. Das Verfahren umfasst das Ermitteln von Betriebsdaten in Bezug auf den Betrieb der Wischanlage. Des Weiteren umfasst das Verfahren das Ermitteln des Schätzwertes für den Füllstand des Wischwasser-Behälters auf Basis der Betriebsdaten unter Verwendung eines Maschinen-erlernten Schätzmodells.
-
Gemäß einem weiteren Aspekt wird ein Software (SW) Programm beschrieben. Das SW Programm kann eingerichtet werden, um auf einem Prozessor (z.B. auf einem Steuergerät eines Fahrzeugs oder auf einer Fahrzeug-externen Einheit) ausgeführt zu werden, und um dadurch zumindest eines der in diesem Dokument beschriebenen Verfahren auszuführen.
-
Gemäß einem weiteren Aspekt wird ein Speichermedium beschrieben. Das Speichermedium kann ein SW Programm umfassen, welches eingerichtet ist, um auf einem Prozessor ausgeführt zu werden, und um dadurch zumindest eines der in diesem Dokument beschriebenen Verfahren auszuführen.
-
Es ist zu beachten, dass die in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systeme sowohl alleine, als auch in Kombination mit anderen in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen verwendet werden können. Des Weiteren können jegliche Aspekte der in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen in vielfältiger Weise miteinander kombiniert werden. Insbesondere können die Merkmale der Ansprüche in vielfältiger Weise miteinander kombiniert werden.
-
Im Weiteren wird die Erfindung anhand von Ausführungsbeispielen näher beschrieben. Dabei zeigen
- 1a beispielhafte Komponenten eines Fahrzeugs;
- 1b eine beispielhafte Vorrichtung zur Ermittlung eines Schätzmodells für den Füllstand eines Wischwasser-Behälters;
- 2a ein beispielhaftes neuronales Netz;
- 2b ein beispielhaftes Neuron;
- 3a ein Ablaufdiagramm eines beispielhaften Verfahrens zum Anlernen eines Schätzmodells;
- 3b ein Ablaufdiagramm eines beispielhaften Verfahrens zur Ermittlung eines Schätzwertes des Füllstands eines Wischwasser-Behälters.
-
Wie eingangs dargelegt, befasst sich das vorliegende Dokument damit, den tatsächlichen Wert des Füllstands eines Wischwasser-Behälters einer Wischanlage eines Fahrzeugs in effizienter und präziser Weise zu schätzen. In diesem Zusammenhang zeigt 1a beispielhafte Komponenten eines Fahrzeugs 100 mit einer Wischanlage für eine Scheibe 109, z.B. für eine Windschutzscheibe, des Fahrzeugs 100. Die Scheibe 109 kann mit ein oder mehreren Wischern 108 abgewischt werden, die durch ein oder mehrere Aktoren (z.B. Motoren) angetrieben werden.
-
Auf die Scheibe 109 kann über eine Düse 102 Wischwasser 107 aus einem Wischwasser-Behälter 105 der Wischanlage aufgebracht werden. Das Wischwasser 107 kann mittels einer Pumpe 103 aus dem Wischwasser-Behälter 105 zu der Düse 102 gepumpt werden. An dem Wischwasser-Behälter 106 kann ein Füllstandsensor 106 angeordnet sein, der ausgebildet ist, zu detektieren, ob der Füllstand des Wischwasser-Behälters 105 größer oder kleiner als ein bestimmter Füllstand-Schwellenwert ist.
-
Das Fahrzeug 100 kann eine Steuer-Vorrichtung 101 aufweisen, die eingerichtet ist, die unterschiedlichen Komponenten 103, 104 der Wischanlage zu steuern. Insbesondere kann in Reaktion auf eine Anforderung zum Aufsprühen von Wischwasser auf die zu reinigende Scheibe 109 die Pumpe 103 veranlasst werden, Wischwasser 107 aus dem Wischwasser-Behälter 105 über die Düse 102 auf die Scheibe 109 zu sprühen.
-
Die Vorrichtung 101 kann ferner eingerichtet sein, auf Basis der Sensordaten des Füllstandsensors 106 zu ermitteln, ob der Füllstand des Wischwasser-Behälters 105 höher oder niedriger als der Füllstand-Schwellenwert ist. Der tatsächliche Wert des Füllstands kann typischerweise nicht allein basierend auf den Sensordaten des Füllstandsensors 106 ermittelt werden.
-
1b zeigt ein beispielhaftes System 150 mit einer Vielzahl von Fahrzeugen 100, die ausgebildet sind, Betriebsdaten 121 in Bezug auf die Wischanlage des jeweiligen Fahrzeugs 100 an eine Fahrzeug-externe Einheit 120, z.B. an einen Backend-Server, zu senden. Zu diesem Zweck können die einzelnen Fahrzeuge 100 jeweils eine Kommunikationseinheit 110 umfassen, die die Übertragung von Daten über eine (ggf. drahtlose) Kommunikationsverbindung, etwa 3G, 4G oder 5G, ermöglicht.
-
Die Betriebsdaten 121 für die Wischanlage eines Fahrzeugs 100 können anzeigen,
- • den Befüll-Zeitpunkt, an dem der Wischwasser-Behälter 105 (vollständig) mit Wischwasser 107 befüllt wurde;
- • den Schwellenwert-Zeitpunkt (im Anschluss an den Befüll-Zeitpunkt), an dem der Füllstandsensor 106 (erstmals) angezeigt hat, dass der Füllstand-Schwellenwert erreicht wurde;
- • die Dauer von ein oder mehreren Pumpvorgängen (zwischen dem Befüll-Zeitpunkt und dem Schwellenwert-Zeitpunkt), bei denen die Pumpe 103 betrieben wurde, um Wischwasser 107 aus dem Wischwasser-Behälter 105 zu pumpen;
- • den zeitlichen Verlauf der Bordnetzspannung des Fahrzeugs 100 während des Betriebs der Pumpe 103;
- • den zeitlichen Verlauf der elektrischen Leistung, die von der Pumpe 103 bei einem Pumpvorgang aufgenommen wurde; und/oder
- • ein oder mehrere Betriebsbedingungen der Wischanlage zwischen dem Befüll-Zeitpunkt und dem Schwellenwert-Zeitpunkt, wie z.B. die Umgebungstemperatur des Fahrzeugs 100 bzw. des Wischwasser-Behälters 105, die Temperatur des Antriebsmotors des Fahrzeugs 100, etc.
-
Die Betriebsdaten 121 für ein Fahrzeug 100 können zusammen mit Typinformation in Bezug auf den Typ des Fahrzeugs 100, insbesondere in Bezug auf den Typ der Wischanlage, bereitgestellt werden.
-
Die Fahrzeug-externe Einheit 120 kann eingerichtet sein, auf Basis der Betriebsdaten 121 von ein oder mehreren Fahrzeugen 100 ein maschinen-erlerntes Schätzmodell 122 zu ermitteln, das eingerichtet ist, auf Basis von Betriebsdaten 121 einer Wischanlage einen Schätzwert des Füllstands des Wischwasser-Behälters 105 der Wischanlage zu ermitteln. Das ermittelte Schätzmodell 122 kann den ein oder mehreren Fahrzeugen 100 bereitgestellt werden (z.B. über eine, ggf. drahtlose, Kommunikationsverbindung), um es den ein oder mehreren Fahrzeugen 100 zu ermöglichen, den tatsächlichen Wert des Füllstands des Wischwasser-Behälters 105 des jeweiligen Fahrzeugs 100 in präziser und effizienter Weise zu schätzen.
-
Das Schätzmodell 122 kann ein oder mehrere angelernte neuronale Netze umfassen. 2a und 2b zeigen beispielhafte Komponenten eines neuronalen Netzes 200, insbesondere eines Feedforward-Netzes. Das Netz 200 umfasst in dem dargestellten Beispiel zwei Eingangs-Neuronen bzw. Eingabe-Knoten 202, die zu einem bestimmten Zeitpunkt t jeweils einen aktuellen Wert einer Eingangsgröße als Eingangswert 201 aufnehmen. Die ein oder mehrere Eingangs-Knoten 202 sind Teil einer Eingangs-Schicht 211. Allgemein kann das Netz 200 ausgebildet sein, einen Eingangs-Datensatz mit ein oder mehreren Eingangswerten 201 aufzunehmen. Beispielsweise können Betriebsdaten 121 einer Wischanlage eines Fahrzeugs 100 als Eingangswerte 201 an das neuronale Netz 200 übergeben werden.
-
Das neuronale Netz 200 umfasst ferner Neuronen 220 in ein oder mehreren verdeckten Schichten 212 des neuronalen Netzes 200. Jedes der Neuronen 220 kann als Eingangswerte die einzelnen Ausgangswerte der Neuronen der vorhergehenden Schicht 212, 211 aufweisen (oder zumindest einen Teil davon). In jedem der Neuronen 220 erfolgt eine Verarbeitung, um in Abhängigkeit von den Eingangswerten einen Ausgangswert des Neurons 220 zu ermitteln. Die Ausgangswerte der Neuronen 220 der letzten verdeckten Schicht 212 können in einem Ausgangs-Neuron bzw. Ausgabe-Knoten 220 einer Ausgangs-Schicht 213 verarbeitet werden, um die ein oder mehreren Ausgangswerte 203 des neuronalen Netzes 200 zu ermitteln. Allgemein kann das Netz 200 ausgebildet sein, Ausgangsdaten mit ein oder mehreren Ausgangswerten 203 bereitzustellen. Beispielsweise kann der Schätzwert des Füllstands des Wischwasser-Behälters 105 der Wischanlage als Ausgangswert 203 bereitgestellt werden.
-
2b veranschaulicht die beispielhafte Signalverarbeitung innerhalb eines Neurons 220, insbesondere innerhalb der Neuronen 202 der ein oder mehreren verdeckten Schichten 212 und/oder der Ausgangs-Schicht 213. Die Eingangswerte 221 des Neurons 220 werden mit individuellen Gewichten 222 gewichtet, um in einer Summeneinheit 223 eine gewichtete Summe 224 der Eingangswerte 221 zu ermitteln (ggf. unter Berücksichtigung eines Bias bzw. Offsets 227). Durch eine Aktivierungsfunktion 225 kann die gewichtete Summe 224 auf einen Ausgangswert 226 des Neurons 220 abgebildet werden. Dabei kann durch die Aktivierungsfunktion 225 z.B. eine Begrenzung des Wertebereichs erfolgen. Für ein Neuron 220 kann z.B. eine Sigmoid-Funktion oder eine Tangens hyperbolicus (tanh)-Funktion oder eine Rectified Linear Unit (ReLU), z.B. f(x) = max(0, x) als Aktivierungsfunktion 225 verwendet werden. Ggf. kann der Wert der gewichteten Summe 224 mit einem Offset 227 verschoben werden.
-
Ein Neuron 220 weist somit Gewichte 222 und/oder ggf. einen Offset 227 als Neuron-Parameter auf. Die Neuron-Parameter der Neuronen 220 eines neuronalen Netzes 200 können in einer Trainingsphase angelernt werden, um zu bewirken, dass das neuronale Netz 200 (d.h. dass das, das neuronale Netz 200 umfassende, Schätzmodell) eine bestimmte Funktion approximiert und/oder ein bestimmtes Verhalten modelliert.
-
Das Anlernen eines neuronalen Netzes 200 kann z.B. anhand des Backpropagation-Algorithmus erfolgen. Zu diesem Zweck können in einer ersten Phase einer qten Epoche eines Lernalgorithmus für die Eingangswerte 201 an den ein oder mehreren Eingangs-Knoten 202 des neuronalen Netzes 200 entsprechende Ausgangswerte 203 an dem Ausgang der ein oder mehreren Ausgangs-Neuronen 220 ermittelt werden. Auf Basis der Ausgangswerte 203 kann der Fehlerwert einer Optimierungs- bzw. Fehlerfunktion ermittelt werden.
-
In einer zweiten Phase der qten Epoche des Lernalgorithmus erfolgt eine Rückpropagation des Fehlers bzw. des Fehlerwertes von dem Ausgang zum Eingang des neuronalen Netzes, um schichtweise die Neuron-Parameter der Neuronen 220 zu verändern. Dabei kann die ermittelte Fehlerfunktion am Ausgang partiell nach jedem einzelnen Neuron-Parameter des neuronalen Netzes 200 abgeleitet werden, um ein Ausmaß und/oder eine Richtung zur Anpassung der einzelnen Neuron-Parameter zu ermitteln. Dieser Lernalgorithmus kann iterativ für eine Vielzahl von Epochen wiederholt werden, bis ein vordefiniertes Konvergenz- und/oder Abbruchkriterium erreicht wird.
-
In dem vorliegenden Kontext können auf Basis der von ein oder mehreren Fahrzeugen 100 bereitgestellten Betriebsdaten 121 Trainingsdaten mit einer Vielzahl von Trainings-Datensätzen ermittelt werden. Die Trainingsdaten können dazu verwendet werden, ein Schätzmodell 122 mit ein oder mehreren neuronalen Netzen 200 anzulernen, um das Schätzmodell 122 zu befähigen, auf Basis von Betriebsdaten 121 eines Fahrzeugs 100 einen Schätzwert für den Füllstand des Wischwasser-Behälters 105 des Fahrzeugs 100 zu ermitteln.
-
Es wird somit ein System 150 und/oder eine Vorrichtung 101 beschrieben, die es ermöglichen, in effizienter Weise eine Abschätzung des Wischwasser-Füllstands durchzuführen. Dabei werden Betriebsdaten 121 einer Fahrzeugflotte gesammelt, z.B. in einer Datenbank 120.
-
Die Betriebsdaten 121 können (zeitlich) kontinuierliche und/oder (zeitlich) diskrete Werte umfassen, wie z.B.
- • den zeitlichen Verlauf der Bordnetzspannung während die Pumpe 103 lief;
- • die Dauer des Pumpvorgangs, ggf. inklusive eines absoluten Zeitstempels (damit kann z.B. der Einfluss der Pausen zwischen Pumpvorgängen berücksichtigt werden);
- • die Umgebungstemperatur;
- • die Motortemperatur;
- • der Befüll-Zeitpunkt des Nachfüllens des Wischwassertanks 105; und/oder
- • der Zeitpunkt des Unterschreitens des Rest-Füllstandpegels (basierend auf der Erkennung des Füllstandsensors 106).
-
Die in den einzelnen Fahrzeugen 100 gesammelten Betriebsdaten 121 werden an ein Backend-System 120 gesendet. Das Senden kann bspw. in einem periodischen Zeitintervall und/oder eventbasiert erfolgen. Ein Beispiel für ein Event ist das Unterschreiten des Rest-Füllstandpegels. Mit anderen Worten, die Betriebsdaten 121 für ein Fahrzeug 100 können an dem Schwellenwert-Zeitpunkt bereitgestellt werden, an dem von dem Füllstandsensor 106 (erstmalig nach einem Befüll-Zeitpunkt) erkannt wird, dass der Füllstand den Füllstand-Schwellenwert erreicht oder unterschreitet.
-
Die gesammelten Betriebsdaten 121 können um ein oder mehrere zusätzliche Eingangssignale erweitert werden, wie z.B. statische Fahrzeugmerkmale, etwa den Fahrzeugtyp, das Produktionsdatum, den Typ der verbauten Pumpe 103, etc. Basierend auf dieser Information kann eine Anpassung des zu ermittelnden Schätzmodells 122 an unterschiedliche Fahrzeugvarianten und/oder Fahrzeugtypen und/oder Wischanlage-Typen ermöglicht werden.
-
Mit Hilfe der gesammelten Betriebsdaten 121 einer Fahrzeugflotte kann mittels eines Machine-Learning Algorithmus ein Schätzmodell 122 trainiert werden, welches den Zusammenhang der Betriebsdaten 121 einer Wischanlage mit dem Füllstand des Tanks 105 bzw. mit dem Verbrauch des Wischwassers 107 abbildet. Ein Schätzmodell 122 kann z.B. durch ein oder mehrere künstliche neuronale Netze 200 realisiert werden.
-
Das Schätzmodell 122 kann, sobald neue Betriebsdaten 121 aus der Fahrzeugflotte bereitgestellt werden, erneut trainiert und/oder angepasst werden. Es kann somit ein wiederholtes Trainieren des Schätzmodells 122 durchgeführt werden. So kann die Güte des Schätzmodells 122 weiter verbessert werden.
-
Das jeweils aktuell trainierte Modell 122 kann von dem Backend-System 120 an die Fahrzeuge 100 verteilt werden. In einem Fahrzeug 100 können die Betriebsdaten 121, die zum Trainieren des Schätzmodells 122 genutzt wurden, gesammelt werden. Lokal im Fahrzeug 100 kann auf Basis des Modells 122 und auf Basis der Betriebsdaten 121 ein Schätzwert des Füllstands ermittelt werden. Alternativ kann die Ermittlung eines Schätzwertes in dem Backend-System 120 oder auf einem mobilen Endgerät (etwa auf einem Smartphone) erfolgen, wenn dort die aktuell im Fahrzeug 100 gesammelten Betriebsdaten 121 verfügbar sind.
-
Die Füllstandabschätzung kann dazu genutzt werden, dem Fahrer eines Fahrzeugs 100 bereits vor Erreichen des Restfüllstandes (d.h. des Füllstand-Schwellenwertes) darauf hinzuweisen, dass der Wischwasser-Behälter 105 nachgefüllt werden muss. Dieser Hinweis kann zu einem für den Fahrer günstigen Zeitpunkt ausgegeben werden, z.B. während eines Tankvorgangs an einer Tankstelle.
-
Im Rahmen des Antrainierens des Schätzmodells 122 können zumindest teilweise Messwerte in Bezug auf den tatsächlichen Füllstand von Wischwasser-Behältern 105 verwendet werden. Beispielsweise kann in einem (relativ kleinen) Anteil der Fahrzeuge 100 (bspw. 1 %) zusätzliche Sensorik verbaut sein, die genauere Messwerte über den aktuellen Füllstand des Wischwasser-Behälters 105 bereitstellt. Mit Hilfe dieser Messwerte ist es möglich, die Genauigkeit der Trainingsdaten und damit die Genauigkeit des antrainierten Schätzmodells 122 weiter zu erhöhen.
-
Es kann, z.B. von der Recheneinheit 120, überprüft werden, ob eine in den Betriebsdaten 121 bereitgestellte Messgröße für die Ermittlung des Füllstand-Schätzwertes relevant ist oder nicht. Die Menge von Messgrößen, die in den Betriebsdaten 121 bereitgestellt und/oder berücksichtigt werden, kann dann angepasst, z.B. reduziert oder erweitert, werden.
-
Mit anderen Worten, die von den Fahrzeugen 100 zu erfassenden Signale, d.h. Messgrößen, können ggf. verändert werden. Ggf. wird beim Trainieren des Schätzmodells 122 ersichtlich, dass ein bestimmtes Signal, d.h. eine bestimmte Messgröße, keine oder nur eine relativ geringe Auswirkung auf die Ermittlung des Schätzwertes hat. Es kann daraufhin von dem Backend-System 120 ein Steuerbefehl an die Fahrzeugflotte ausgehen, dieses Signal, d.h. diese Messgröße, nicht mehr zu erfassen. In entsprechender Weise kann ein Signal, d.h. eine Messgröße, im Nachhinein in die Datenerfassung mit aufgenommen werden.
-
3a zeigt ein Ablaufdiagramm eines (ggf. Computer-implementierten) Verfahrens 300 zum Anlernen und/oder zum Anpassen eines Maschinen-erlernten Schätzmodells 121, das ausgebildet ist, auf Basis von Betriebsdaten 121 einer Wischanlage eines Fahrzeugs 100 einen Schätzwert des Füllstands eines Wischwasser-Behälters 105 der Wischanlage zu ermitteln. Das Verfahren 300 kann durch eine Fahrzeug-externe Einheit 120, insbesondere durch einen Backend-Server, ausgeführt werden.
-
Das Verfahren 300 umfasst das Ermitteln 310 von Trainingsdaten mit einer Vielzahl von Trainings-Datensätzen. Die Trainings-Datensätze können von ein oder mehreren Fahrzeugen 100 bereitgestellt worden sein. Dabei kann ein Trainings-Datensatz tatsächliche Betriebsdaten 121 einer Wischanlage und damit assoziierte tatsächliche Füllstand-Information in Bezug auf den tatsächlichen Füllstand des Wischwasser-Behälters 105 der Wischanlage umfassen. Die tatsächlichen Betriebsdaten 121 für einen Trainings-Datensatz können sich dabei von einem Befüll-Zeitpunkt des jeweiligen Wischwasser-Behälters 105 bis zu dem Schwellenwert-Zeitpunkt erstrecken, an dem der Füllstandsensor 106 getriggert wird. Die tatsächliche Füllstand-Information kann den Schwellenwert-Zeitpunkt und/oder die Zeitdauer zwischen dem Befüll-Zeitpunkt und dem Schwellenwert-Zeitpunkt anzeigen.
-
Das Verfahren 300 umfasst ferner das Anlernen und/oder das Anpassen 302 von Parametern des Schätzmodells 121, insbesondere von Neuron-Parametern 223, 227 eines neuronalen Netzes 200, auf Basis der Trainingsdaten. So kann in effizienter Weise ein Schätzmodell 121 bereitgestellt werden, das eine präzise Schätzung des Füllstands eines Wischwasser-Behälters 105 ermöglicht.
-
3b zeigt ein Ablaufdiagramm eines beispielhaften (ggf. Computer-implementierten) Verfahrens 310 zur Ermittlung eines Schätzwertes für den Füllstand eines Wischwasser-Behälters 105 einer Wischanlage eines Fahrzeugs 100. Das Verfahren 310 kann durch eine Steuer-Vorrichtung 101 des Fahrzeugs 100, durch eine Fahrzeug-externe Einheit 120 (z.B. durch einen Backend-Server) und/oder durch ein elektronisches Anwendergerät (etwa ein Smartphone) eines Nutzers des Fahrzeugs 100 ausgeführt werden.
-
Das Verfahren 310 umfasst das Ermitteln 311 von Betriebsdaten 121 in Bezug auf den Betrieb der Wischanlage des Fahrzeugs 100. Mit anderen Worten, es können während des Betriebs der Wischanlage, insbesondere ausgehend von dem letzten Befüll-Zeitpunkt des Wischwasser-Behälters 105, Betriebsdaten 121 erfasst werden.
-
Des Weiteren umfasst das Verfahren 300 das Ermitteln 312 des Schätzwertes für den Füllstand des Wischwasser-Behälters 105 auf Basis der Betriebsdaten 121 unter Verwendung eines Maschinen-erlernten Schätzmodells 122. Das Schätzmodell 122 kann dabei anhand des in diesem Dokument beschriebenen Verfahrens 300 angelernt worden sein.
-
Die in diesem Dokument beschriebenen Maßnahmen ermöglichen es, den Füllstand eines Wischwasser-Behälters 105 in effizienter und präziser Weise zu ermitteln (auch ohne Verwendung eines Füllstandsensors 106).
-
Die vorliegende Erfindung ist nicht auf die gezeigten Ausführungsbeispiele beschränkt. Insbesondere ist zu beachten, dass die Beschreibung und die Figuren nur das Prinzip der vorgeschlagenen Verfahren, Vorrichtungen und Systeme veranschaulichen sollen.
