DE102021200274B3

DE102021200274B3 - Verfahren und Vorrichtung zum Bereitstellen einer Bremsentemperatur mindestens einer Bremse eines Fahrzeugs

Info

Publication number: DE102021200274B3
Application number: DE102021200274.9A
Authority: DE
Inventors: Christopher Prohm; Gülce Cesur; Johannes Brandt von Fackh; Marc Hilbert; Paul-Richard Friesecke
Original assignee: Volkswagen AG
Current assignee: Volkswagen AG
Priority date: 2021-01-13
Filing date: 2021-01-13
Publication date: 2022-06-09
Anticipated expiration: 2041-01-14

Abstract

Die Erfindung betrifft ein Verfahren zum Bereitstellen einer Bremsentemperatur (20) mindestens einer Bremse eines Fahrzeugs (50), wobei eine Raddrehzahl (10) eines der mindestens einen Bremse zugeordneten Rades mittels eines Raddrehzahlsensors (2) erfasst wird, wobei ein Bremsdruck (11) der mindestens einen Bremse mittels eines Bremsdrucksensors (3) erfasst wird, wobei eine Umfeldtemperatur (12) geschätzt und/oder abgefragt und/oder mittels eines Umfeldsensors (5) erfasst wird, wobei die Bremsentemperatur (20) der mindestens einen Bremse mittels eines physikalischen Modells (6) unter Berücksichtigung der Umfeldtemperatur (12) geschätzt wird, wobei Werte von Koeffizientenfunktionen (9) des physikalischen Modells (6) ausgehend von der erfassten Raddrehzahl (10) und dem erfassten Bremsdruck (11) der mindestens einen Bremse mittels eines trainierten Maschinenlernverfahrens (7) geschätzt werden, und wobei die geschätzte Bremsentemperatur (20) der mindestens einen Bremse bereitgestellt wird. Ferner betrifft die Erfindung eine Vorrichtung (1) zum Bereitstellen einer Bremsentemperatur (20) mindestens einer Bremse eines Fahrzeugs (50) sowie ein Verfahren zum Steuern mindestens einer Bremse eines Fahrzeugs (50), eine Bremsensteuerung (60) für ein Fahrzeug (50) und ein Fahrzeug (50).

Description

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum Bereitstellen einer Bremsentemperatur mindestens einer Bremse eines Fahrzeugs. Ferner betrifft die Erfindung ein Verfahren zum Steuern mindestens einer Bremse eines Fahrzeugs und eine Bremsensteuerung für ein Fahrzeug und ein Fahrzeug.
Beim Steuern der Bremsen eines Fahrzeugs muss das wirkende Bremsmoment bekannt sein. Eine vom Fahrer angeforderte Bremsleistung wird bei Elektrofahrzeugen in der Regel auf einen drehmomentgesteuerten Elektromotor und ein bremsdruckgesteuertes Bremssystem verteilt. Während das Bremsmoment des Elektromotors bekannt ist, ist das zuverlässige Bestimmen eines hydraulischen Bremsmoments hingegen aufwändig. Zum Bestimmen des Bremsmoments wird ein aktueller Bremsbelagreibwert (engl. friction potential) benötigt. Der Bremsbelagreibwert einer Bremse ist durch eine Bremsscheibentemperatur und einen anliegenden Bremsdruck bestimmt. Die exakte Kenntnis der Bremsscheibentemperatur erlaubt das Schätzen des Bremsbelagreibwertes und in der Folge eine Erhöhung der Leistungsfähigkeit durch verbesserte Steuerstrategien in elektrischen Antriebssträngen. Unter Umständen sind Fahrzeuge mit Infrarotsensoren ausgestattet, mit denen die Bremsscheibentemperatur bestimmt werden kann. Diese Infrarotsensoren können jedoch ausfallen.
Aus der DE 10 2016 115 275 A1 ist eine Bremsendiagnoseeinrichtung bekannt. Die Einrichtung weist einen Sensor zum Erfassen einer aktuellen Temperatur einer Umgebung der Bremse auf, ferner einen Sensor zum Erfassen einer aktuellen Relativgeschwindigkeit zwischen einer Bremsscheibe und einem -belag, eine Einrichtung, die konfiguriert ist, eine aktuelle Normalkraft des Bremsbelags auf die -scheibe zu bestimmen, eine Speichereinrichtung, die konfiguriert ist, Parameter für eine Reibungskoeffizientenabschätzung abzuspeichern, eine Reibungskoeffizientenabschätzungseinheit, die konfiguriert ist, einen aktuellen Reibungskoeffizienten zwischen dem Bremsbelag und der -scheibe basierend auf der aktuellen Normalkraft, der aktuellen Relativgeschwindigkeit und einer aktuellen Temperatur einer Bremsscheibenreibfläche abzuschätzen, und eine Temperaturabschätzungseinheit, die konfiguriert ist, die aktuelle Temperatur der Bremsscheibenreibfläche basierend auf der aktuellen Normalkraft, der aktuellen Relativgeschwindigkeit, dem aktuellen Reibungskoeffizienten, Wärmekapazitäten der Bremsscheibe, einer Wärmeübertragung zwischen der Bremsscheibenreibfläche und einem Bremsscheibenkörper und der Umgebung der Bremse abzuschätzen, und eine Bremsscheibenreibflächentemperaturwarneinrichtung, die konfiguriert ist, ein Signal auszugeben, wenn die aktuelle Temperatur der Bremsscheibenreibfläche einen vorbestimmten Bremsscheibenreibflächentemperaturgrenzwert erreicht.
Aus der DE 10 2012 209 519 A1 ist ein Verfahren zur Sicherstellung der Bremswirkung einer Bremse, insbesondere eines Nutzfahrzeugs, im Fahrbetrieb bekannt, wobei die Bremse zumindest eine Bremsfläche und zumindest einen eine Reibfläche umfassenden Bremsbelag umfasst, wobei sich die Bremswirkung zwischen der Bremsfläche und der Reibfläche durch einen dort wirkenden Bremsdruck entfaltet, umfassend die Schritte: Erfassen der Bremswirkung der Bremse; Zuordnen der Bremswirkung einem Reibkennwert der Reibfläche in einer Berechnungseinheit; Gegenüberstellen des Reibkennwerts einer Grenz-Bremswirkung in einem Komparator, wobei bei Unterschreiten der Grenz-Bremswirkung ein Signal an die Bremse ausgegeben wird, welches mittelbar und/oder unmittelbar durch einen Druckaufbau einen Bremsdruck und eine Reibkraft zwischen der Bremsfläche und der Reibfläche bewirkt, wodurch der Reibkennwert der Reibfläche über die Grenz-Bremswirkung gebracht wird, dadurch dass der Bremsdruck und die Reibkraft an der Reibfläche und/oder der Bremsfläche einen Materialabtrag und/oder einen Wärmeeintrag erwirken, wodurch das Verhältnis von Bremsdruck zu Bremswirkung steigerbar ist.
Der Erfindung liegt die Aufgabe zu Grunde, ein Verfahren und eine Vorrichtung zum Bereitstellen einer Bremsentemperatur mindestens einer Bremse eines Fahrzeugs zu verbessern.
Die Aufgabe wird erfindungsgemäß durch Verfahren mit den Merkmalen des Patentanspruchs 1 und 6, eine Vorrichtung mit den Merkmalen des Patentanspruchs 7, eine Bremssteuerung mit den Merkmalen des Patentanspruchs 8 und ein Fahrzeug mit den Merkmalen des Patentanspruchs 9 gelöst. Vorteilhafte Ausgestaltungen der Erfindung ergeben sich aus den Unteransprüchen.
Insbesondere wird ein Verfahren zum Bereitstellen einer Bremsentemperatur mindestens einer Bremse eines Fahrzeugs zur Verfügung gestellt, wobei eine Raddrehzahl eines der mindestens einen Bremse zugeordneten Rades mittels eines Raddrehzahlsensors erfasst wird, wobei ein Bremsdruck der mindestens einen Bremse mittels eines Bremsdrucksensors erfasst wird, wobei eine Umfeldtemperatur geschätzt und/oder abgefragt und/oder mittels eines Umfeldsensors erfasst wird, wobei die Bremsentemperatur der mindestens einen Bremse mittels eines physikalischen Modells unter Berücksichtigung der Umfeldtemperatur geschätzt wird, wobei, insbesondere dynamische, Werte von Koeffizientenfunktionen des physikalischen Modells ausgehend von der erfassten Raddrehzahl und dem erfassten Bremsdruck der mindestens einen Bremse mittels eines trainierten Maschinenlernverfahrens geschätzt werden, und wobei die geschätzte Bremsentemperatur der mindestens einen Bremse bereitgestellt wird.
Ferner wird insbesondere eine Vorrichtung zum Bereitstellen einer Bremsentemperatur mindestens einer Bremse eines Fahrzeugs geschaffen, umfassend mindestens einen Raddrehzahlsensor, eingerichtet zum Erfassen einer Raddrehzahl eines der mindestens einen Bremse zugeordneten Rades, mindestens einen Bremsdrucksensor, eingerichtet zum Erfassen eines Bremsdrucks der mindestens einen Bremse, und eine Steuereinrichtung, wobei die Steuereinrichtung dazu eingerichtet ist, die Bremsentemperatur der mindestens einen Bremse mittels eines physikalischen Modells unter Berücksichtigung einer geschätzten und/oder abgefragten und/oder erfassten Umfeldtemperatur zu schätzen, und, insbesondere dynamische, Werte von Koeffizientenfunktionen des physikalischen Modells ausgehend von der erfassten Raddrehzahl und dem erfassten Bremsdruck der mindestens einen Bremse mittels eines trainierten Maschinenlernverfahrens zu schätzen, und die geschätzte Bremsentemperatur der mindestens einen Bremse bereitzustellen.
Das Verfahren und die Vorrichtung ermöglichen es, eine Bremsentemperatur der mindestens einen Bremse verbessert zu schätzen. Hierzu werden ein physikalisches Modell, welches insbesondere eine Wärmeerzeugung sowie einen Wärmeaustausch mit einem Umfeld der mindestens einen Bremse beschreibt, mit einem trainierten Maschinenlernverfahren kombiniert, sodass ein hybrides Modell entsteht. Hierdurch können die Vorteile einer physikalischen Modellierung, in der bekannte physikalische Vorgänge berücksichtigt werden, mit der Fähigkeit von Maschinenlernverfahren, komplexe Zusammenhänge zu lernen, kombiniert werden. Dies wird erreicht, indem Koeffizientenfunktionen des physikalischen Modells mittels eines trainierten Maschinenlernverfahrens geschätzt werden. Insbesondere werden Werte, insbesondere dynamische Werte, der Koeffizientenfunktionen des physikalischen Modells mittels des Maschinenlernverfahrens geschätzt. Dem Maschinenlernverfahren werden als Eingangsdaten zumindest eine erfasste Raddrehzahl eines der mindestens einen Bremse zugeordneten Rades und ein erfasster Bremsdruck der mindestens einen Bremse zugeführt. Das trainierte Maschinenlernmodell gibt als Ausgabe geschätzte Werte für die Koeffizientenfunktionen aus.
Das mit den geschätzten Werten der Koeffizientenfunktionen ausgestattete physikalische Modell schätzt unter Berücksichtigung von einer Umfeldtemperatur, insbesondere einer Umfeldtemperatur in einem unmittelbaren Umfeld der mindestens einen Bremse, die Bremsentemperatur der mindestens einen Bremse.
Ein Vorteil des Verfahrens und der Vorrichtung ist, dass eine Struktur des physikalischen Modells vorgegeben werden kann. Hierdurch können dominierende physikalische Effekte direkt berücksichtigt werden und müssen nicht angelernt werden. Ferner arbeitet das physikalische Modell insbesondere mit einer begrenzten Anzahl von Parametern, wodurch sich eine benötigte Rechenleistung und ein Speicherbedarf reduzieren lassen. Darüber hinaus lässt sich durch die vorgegebene Struktur des physikalischen Modells ein Umfang von Trainingsdaten, die zum Trainieren des Maschinenlernverfahrens benötigt werden, reduzieren. Ferner ist das physikalische Modell stabil und konvergiert langfristig gegen die Umfeldtemperatur. Hierdurch ist auch das hybride Modell stabil. Weiter lässt sich das aus physikalischem Modell und Maschinenlernverfahren gebildete hybride Modell verbessert analysieren, beispielsweise können Schranken der geschätzten Bremsentemperatur berechnet werden. Die geschätzten Koeffizientenfunktionen lassen sich ebenfalls analysieren und erlauben eine Interpretation des Verhaltens des hybriden Modells.
Ein weiterer Vorteil ist, dass der einzige Modellzustand die Bremsentemperatur selbst ist. Im Gegensatz hierzu ist der Zustand beispielsweise in Long short-term memory (LSTM)- und Gated recurrent units (GRU)-Modellen, mit denen eine Bremsentemperatur ausschließlich mittels eines Maschinenlernverfahrens geschätzt werden kann, unbekannt („black box“) und kann nicht einfach extrahiert und gegebenenfalls zurückgesetzt werden. Solange die Bremsentemperatur bekannt ist, kann das hybride Modell grundsätzlich zurückgesetzt werden, sodass Probleme einer auftretenden Drift der geschätzten Bremsentemperatur abgemildert oder verhindert werden können.
Es ist insbesondere vorgesehen, dass das physikalische Modell einen Reibungsterm, einen Konvektions- und Wärmeleitungsterm und einen Strahlungsterm aufweist. Hierdurch können sämtliche bei der Erzeugung von Wärme und beim Wärmetransport auftretenden physikalischen Effekte berücksichtigt werden.
Eine Bremsentemperatur soll insbesondere eine Reibflächen- und/oder Bremsscheibentemperatur bezeichnen.
Ein Maschinenlernverfahren ist insbesondere ein künstliches Neuronales Netz. Das Maschinenlernverfahren ist bei Anwendung im Verfahren und in der Vorrichtung insbesondere vollständig trainiert. Beim Training ist insbesondere eine Bremsentemperatur als Grundwahrheit bekannt. Diese wurde beispielsweise mittels eines geeigneten Temperatursensors erfasst. Das künstliche Neuronale Netz ist insbesondere ein mehrschichtiges (feed-forward) Neuronales Netz. Grundsätzlich kann das Maschinenlernverfahren jedoch auch anders ausgestaltet sein.
Ein Fahrzeug ist insbesondere ein Kraftfahrzeug, insbesondere ein Elektro- oder Hybridfahrzeug. Ein Fahrzeug kann jedoch grundsätzlich auch ein anderes mit mindestens einer Bremse ausgestattetes Land-, Schienen-, Luft- oder Raumfahrzeug sein.
Teile der Vorrichtung, insbesondere die Steuereinrichtung, können einzeln oder zusammengefasst als eine Kombination von Hardware und Software ausgebildet sein, beispielsweise als Programmcode, der auf einem Mikrocontroller oder Mikroprozessor ausgeführt wird. Es kann jedoch auch vorgesehen sein, dass Teile einzeln oder zusammengefasst als anwendungsspezifische integrierte Schaltung (ASIC) und/oder als feldprogrammierbares Gatterfeld (FPGA) ausgebildet sind. Die Steuereinrichtung kann insbesondere mindestens eine Recheneinrichtung und mindestens einen Speicher (flüchtig und/oder nichtflüchtig) aufweisen.
Es ist vorgesehen, dass eine Bremsentemperatur der mindestens einen Bremse mittels mindestens eines Temperatursensors erfasst und bereitgestellt wird, wobei anstatt der erfassten Bremsentemperatur die geschätzte Bremsentemperatur bereitgestellt wird, wenn der mindestens eine Temperatursensor fehlerhaft arbeitet oder defekt ist. Bei der Vorrichtung ist entsprechend vorgesehen, dass die Vorrichtung mindestens einen Temperatursensor umfasst, wobei der mindestens eine Temperatursensor dazu eingerichtet ist, eine Bremsentemperatur der mindestens einen Bremse zu erfassen und bereitzustellen, wobei die Steuereinrichtung ferner dazu eingerichtet ist, die Bremsentemperatur zu schätzen und die geschätzte Bremsentemperatur auszugeben, wenn der Temperatursensor fehlerhaft arbeitet oder defekt ist. Hierdurch kann die geschätzte Bremsentemperatur als Rückfallebene verwendet werden, wenn der mindestens eine Temperatursensor ausfällt oder fehlerhaft arbeitet. Es kann vorgesehen sein, dass sowohl die mittels des mindestens einen Temperatursensors erfasste Bremsentemperatur als auch die geschätzte Bremsentemperatur bereitgestellt werden. Es kann jedoch auch vorgesehen sein, dass die geschätzte Bremsentemperatur nur dann bereitgestellt wird, wenn die erfasste Bremsentemperatur aufgrund eines Fehlers oder eines Defekts des mindestens einen Temperatursensors nicht zur Verfügung steht. Der mindestens eine Temperatursensor ist insbesondere als kontaklos arbeitender Infrarotsensor ausgebildet.
In einer Ausführungsform ist vorgesehen, dass das physikalische Modell als Differentialgleichungsmodell ausgedrückt ist, das mittels einer finiten Differenz approximiert wird. Beispielsweise kann das Differentialgleichungsmodell wie folgt formuliert sein: $\frac{d}{d t} T_{B r e m s e} = γ_{0} v p - γ_{1} (T_{B r e m s e} - T_{U m f e l d}) - γ_{4} (T_{B r e m s e}^{4} - T_{U m f e l d}^{4})$
Hierbei ist T_Bremse die aktuelle Bremsentemperatur, insbesondere eine aktuelle Bremsscheibentemperatur und/oder aktuelle Reibflächentemperatur, T_Umfeld ist eine Umfeldtemperatur, insbesondere die Umfeldtemperatur in unmittelbarer Nähe der Bremse bzw. der Bremsscheibe, v ist die erfasste Raddrehzahl, p ist der erfasste Bremsdruck (z.B. einer Bremsflüssigkeit) und γ_i sind Koeffizienten, die jeweils von physikalischen Einflussgrößen abhängen, wie beispielsweise von einer Masse, einer Oberfläche etc. Der erste Term auf der rechten Seite der Gleichung modelliert insbesondere den Temperatureintrag durch Dissipation von Bewegungsenergie, der zweite Term beschreibt insbesondere eine Abkühlung durch Konvektion und Wärmeleitung und der dritte Term beschreibt insbesondere eine Abkühlung durch Wärmestrahlung.
Die Ableitung nach der Zeit wird insbesondere durch eine finite Differenz erster Ordnung approximiert. Zusätzlich werden die Koeffizienten γ_i durch nicht-lineare Koeffizientenfunktionen ersetzt: $\begin{array}{l} T_{B r e m s e} (t + Δ t) \\ = T_{B r e m s e} (t) \\ + Δ t [α_{0} ƒ_{0} (x) - α_{1} ƒ_{1} (T_{B r e m s e} - T_{U m f e l d}) - α_{4} ƒ_{4} (x) (T_{B r e m s}^{4} - T_{U m f e l d}^{4})] \end{array}$
Hierbei ist t ein Zeitpunkt und Δt ein Zeitschritt. Das Produkt α_iƒ_i(x) ersetzt die ursprünglichen Koeffizienten γ_i. Die Funktionen ƒ_i(x) sind von einem Merkmalsvektor x abhängig. Das Gesamtmodell ist rekurrent, da eine nachfolgend geschätzte Bremsentemperatur von einer aktuellen Bremsentemperatur abhängt. Mittels des trainierten Maschinenlernverfahrens werden Werte der Koeffizientenfunktionen geschätzt, wobei dem trainierten Maschinenlernverfahren als Eingangsdaten der Merkmalsvektor x zugeführt wird. Der Merkmalsvektor x umfasst zumindest die erfasste Raddrehzahl eines der mindestens einen Bremse zugeordneten Rades und einen erfassten Bremsdruck der mindestens einen Bremse, für die die Bremsentemperatur geschätzt wird. Der Merkmalsvektor x ist insbesondere zeitabhängig, das heißt es werden stets aktuell erfasste Werte für die Raddrehzahl und den Bremsdruck verwendet. Hierdurch nehmen auch die Koeffizientenfunktionen dynamische Werte an.
Es kann alternativ auch vorgesehen sein, dass Verfahren höherer Ordnung oder auch implizite Verfahren verwendet werden. Ferner können auch neuronale Differentialgleichungen (neuronale ODEs) verwendet werden. Insbesondere bei schnellen Temperaturänderungen kann ein Runge-Kutta-Verfahren höherer Ordnung verwendet werden.
In einer Ausführungsform ist vorgesehen, dass die Koeffizientenfunktionen neben einer mittels des trainierten Maschinenlernverfahrens geschätzten Funktion einen jeweils vorgebbaren Vorfaktor umfassen. In der voranstehend gezeigten Gleichung lassen sich die Koeffizientenfunktionen aufteilen in die Funktionen ƒ_i(x), deren Werte mittels des trainierten Maschinenlernverfahrens geschätzt werden, und in die Vorfaktoren α_i, welche vorgegeben werden können. Die Vorfaktoren erlauben es, das hybride Modell auch nach dem Trainieren des Maschinenverfahrens anzupassen. Insbesondere können die Vorfaktoren dazu verwendet werden, um Effekte zu berücksichtigten, die durch eine Größen- und/oder Massenänderung des Bremssystems hervorgerufen werden. Beispielsweise sorgt eine Massenerhöhung von 50 % zu einer Änderung von γ_i um einen Faktor von 2/3. Durch die Vorfaktoren α_i kann eine Anpassung ohne erneutes Training des Maschinenlernverfahrens erfolgen.
In einer weiterbildenden Ausführungsform ist vorgesehen, dass das physikalische Modell mittels der erfassten Bremsentemperatur zurückgesetzt wird. Hierdurch kann die geschätzte Bremsentemperatur stets wieder auf die aktuell erfasste Bremsentemperatur zurückgesetzt werden. Dies kann insbesondere in regelmäßigen zeitlichen Abständen erfolgen. Hierdurch kann die Schätzung für die Bremsentemperatur verbessert werden. Bei einem regelmäßigen Zurücksetzen kann nach einem Ausfall oder einem Fehler des mindestens einen Temperatursensors eine verbessert geschätzte Bremsentemperatur bereitgestellt werden. Insbesondere kann hierdurch eine zeitliche Drift der geschätzten Bremstemperatur verringert oder vermieden werden.
In einer Ausführungsform ist vorgesehen, dass die Bremsentemperaturen für die Bremsen aller Räder des Fahrzeugs geschätzt werden. Hierzu werden jeweils eine Raddrehzahl für jedes der Räder und ein Bremsdruck für jede der Bremsen mittels entsprechender Sensoren erfasst. Das Maschinenlernmodell kann insbesondere derart ausgestaltet und trainiert sein, dass es die Bremstemperaturen sämtlicher Bremsen ausgehend von den jeweils erfassten Raddrehzahlen und Bremsdrücken schätzt. Die geschätzte Bremsentemperatur ist bei einem Fahrzeug mit vier gebremsten Rädern dann ein Vierervektor.
In einer Ausführungsform der Vorrichtung ist vorgesehen, dass die Vorrichtung mindestens einen Umfeldsensor umfasst, wobei der mindestens eine Umfeldsensor dazu eingerichtet ist, eine Umfeldtemperatur zu erfassen. Der mindestens eine Umfeldsensor ist insbesondere derart ausgebildet und angeordnet, dass die Umfeldtemperatur in der Nähe der mindestens einen Bremse, insbesondere einer Bremsscheibe und/oder einer Reibfläche, erfasst werden kann.
Weitere Merkmale zur Ausgestaltung der Vorrichtung ergeben sich aus der Beschreibung von Ausgestaltungen des Verfahrens. Die Vorteile der Vorrichtung sind hierbei jeweils die gleichen wie bei den Ausgestaltungen des Verfahrens.
Es wird ferner auch ein Verfahren zum Steuern mindestens einer Bremse eines Fahrzeugs zur Verfügung gestellt, wobei ein beim Steuern der mindestens einen Bremse berücksichtigter Bremsbelagreibwert ausgehend von einer mittels eines Verfahrens gemäß einer der beschriebenen Ausführungsformen bereitgestellten Bremsentemperatur der mindestens einen Bremse bestimmt wird.
Weiter wird auch eine Bremsensteuerung für ein Fahrzeug geschaffen, umfassend mindestens eine Vorrichtung gemäß einer der beschriebenen Ausführungsformen, wobei die Bremsensteuerung dazu eingerichtet ist, ein beim Steuern von mindestens einer Bremse berücksichtigten Bremsbelagreibwert ausgehend von einer mittels der Vorrichtung bereitgestellten Bremsentemperatur der mindestens einen Bremse zu bestimmen.
Es wird auch ein Fahrzeug geschaffen, umfassend mindestens eine Vorrichtung gemäß einer der beschriebenen Ausführungsformen und/oder mindestens eine Bremsensteuerung gemäß der beschriebenen Ausführungsform.
Nachfolgend wird die Erfindung anhand bevorzugter Ausführungsbeispiele unter Bezugnahme auf die Figuren näher erläutert. Hierbei zeigen:

1 eine schematische Darstellung einer Ausführungsform der Vorrichtung zum Bereitstellen einer Bremsentemperatur mindestens einer Bremse eines Fahrzeugs;
2 eine schematische Darstellung einer Funktion zum Bestimmen des Bremsbelagreibwertes einer Bremse;
3 eine schematische Darstellung eines Aufbaus eines Neuronalen Netzes zur Verdeutlichung des Verfahrens.

In 1 ist eine schematische Darstellung einer Ausführungsform der Vorrichtung 1 zum Bereitstellen einer Bremsentemperatur 20 mindestens einer Bremse eines Fahrzeugs 50 gezeigt.
Die Vorrichtung 1 umfasst einen Raddrehzahlsensor 2, einen Bremsdrucksensor 3 und eine Steuereinrichtung 4. Die Steuereinrichtung 4 umfasst insbesondere eine Recheneinrichtung (nicht gezeigt) und einen Speicher (nicht gezeigt), wobei die Recheneinrichtung zum Ausführen des Verfahrens zum Bereitstellen einer Bremsentemperatur notwendige Maßnahmen durchführt. Ferner kann die Vorrichtung 2 einen Umfeldsensor 5 umfassen. Das in dieser Offenbarung beschriebene Verfahren zum Bereitstellen einer Bremsentemperatur 20 mindestens einer Bremse eines Fahrzeugs 50 wird nachfolgend anhand der Vorrichtung 1 näher erläutert.
Der Raddrehzahlsensor 2 erfasst eine Raddrehzahl 10 eines der mindestens einen Bremse zugeordneten Rades. Die erfasste Raddrehzahl 10 wird der Steuereinrichtung 4 zugeführt. Der Bremsdrucksensor 3 erfasst einen Bremsdruck 11 der mindestens einen Bremse, beispielsweise indem ein Druck einer Bremsflüssigkeit erfasst wird. Der erfasste Bremsdruck 11 wird der Steuereinrichtung 4 zugeführt. Der Umfeldsensor 5 ist als Temperatursensor ausgebildet und erfasst eine Umfeldtemperatur 12 im Umfeld der Bremse. Die erfasste Umfeldtemperatur 12 wird ebenfalls der Steuereinrichtung 4 zugeführt. Alternativ oder zusätzlich kann die Umfeldtemperatur 12 auch abgefragt und/oder geschätzt werden. Das Abfragen kann beispielsweise bei einem Wetterdienst erfolgen. Das Schätzen kann beispielsweise ausgehend von einer Außentemperatur erfolgen, beispielsweise indem die Umfeldtemperatur 12 der Außentemperatur gleichgesetzt wird.
Die Steuereinrichtung 4 stellt ein physikalisches Modell 6 für eine thermisches Verhalten der Bremse bereit. Ferner stellt die Steuereinrichtung 4 ein trainiertes Maschinenlernmodell 7 in Form eines künstlichen Neuronalen Netzes 8 bereit. Hierzu führt die Steuereinrichtung 4, insbesondere die Recheneinrichtung, entsprechende Rechenoperationen aus. Alternativ oder zusätzlich können die Rechenoperationen auch mittels hartverdrahteter Logikbausteine ausgeführt werden. Das Neuronale Netz 8 kann beispielsweise wie das mit Bezug auf die 3 beschriebene Neuronale Netz 8 ausgebildet sein.
Es kann vorgesehen sein, dass das physikalische Modell 6 als Differentialgleichungsmodell ausgedrückt ist, das mittels einer finiten Differenz approximiert wird.
Mittels des physikalischen Modells 6 schätzt die Steuereinrichtung 4 die Bremsentemperatur 20 der mindestens einen Bremse unter Berücksichtigung der Umfeldtemperatur 12. Hierbei werden Werte von Koeffizientenfunktionen 9 des physikalischen Modells 6 ausgehend von der erfassten Raddrehzahl 10 und dem erfassten Bremsdruck 11 der mindestens einen Bremse mittels des trainierten Maschinenlernverfahrens 7 geschätzt. Insbesondere werden die Koeffizientenfunktionen 9 mittels des trainierten Neuronalen Netzes 8 geschätzt. Dem trainierten Neuronalen Netz 8 werden hierzu zumindest die erfasste Raddrehzahl 10 und der erfasste Bremsdruck 11 zugeführt.
Es kann vorgesehen sein, dass die Koeffizientenfunktionen 9 neben einer mittels des trainierten Maschinenlernverfahrens 7 geschätzten Funktion einen jeweils vorgebbaren Vorfaktor umfassen.
Die geschätzte Bremsentemperatur 20 der mindestens einen Bremse wird von der Steuereinrichtung 4 bereitgestellt, beispielsweise als entsprechendes Signal.
Die Vorrichtung 1 kann Teil einer Bremsensteuerung 60 des Fahrzeugs 50 sein. Die von der Vorrichtung 1 bereitgestellte Bremsentemperatur 20 kann beispielsweise einem Steuergerät 61 zugeführt werden, das dazu eingerichtet ist, ein beim Steuern der mindestens einen Bremse berücksichtigten Bremsbelagreibwert 21 ausgehend von der bereitgestellten Bremsentemperatur 20 der Bremse und dem erfassten Bremsdruck 11 zu bestimmen. Beispielsweise kann dies auf Grundlage der in der 2 schematisch gezeigten Kurve erfolgen. Die Bremsentemperatur 20 ist hierbei insbesondere eine Bremsscheiben- und/oder Reibflächentemperatur und wird in der Einheit K ausgedrückt. Der Bremsdruck 11 wird in der Einheit bar ausgedrückt und der Bremsbelagreibwert 21 (üblicherweise mit dem Formelzeichen µ bezeichnet) ist einheitslos.
Es ist vorgesehen, dass die Vorrichtung 1 mindestens einen Temperatursensor 13 aufweist, der dazu eingerichtet ist, eine Bremsentemperatur 22, insbesondere einer Reibfläche und/oder einer Bremsscheibe, der mindestens einen Bremse zu erfassen und bereitzustellen. Es ist vorgesehen, dass anstatt der erfassten Bremsentemperatur 22 die geschätzte Bremsentemperatur 20 bereitgestellt wird, wenn der mindestens eine Temperatursensor 13 fehlerhaft arbeitet oder defekt ist. Hierzu wird im Falle einer festgestellten Fehlfunktion oder eines Defektes des mindestens einen Temperatursensors 13 ein entsprechender Signalfluss von der erfassten Bremsentemperatur 22 zu der geschätzten Bremsentemperatur 20 umgeschaltet, beispielsweise mittels einer hierfür eingerichteten Umschalteinrichtung 14 der Vorrichtung 1.
Weiterbildend kann vorgesehen sein, dass das physikalische Modell 6 mittels der erfassten Bremsentemperatur 22 zurückgesetzt wird. Insbesondere kann das Zurücksetzen in regelmäßigen Abständen erfolgen, um einer Drift der geschätzten Bremsentemperatur 20 vorzubeugen.
Insbesondere ist vorgesehen, dass die Bremsentemperaturen 20 für die Bremsen aller Räder des Fahrzeugs 50 geschätzt werden. Insbesondere kann hierbei vorgesehen sein, dass die Bremstemperaturen 20 für die Räder in einem einzigen physikalischen Modell 6 geschätzt werden, sodass die geschätzte Bremsentemperatur 20 ein Vektor mit einer Anzahl von Einträgen entsprechend einer Anzahl von gebremsten Rädern ist. Beim schematisch gezeigten Fahrzeug 50 mit vier Rädern wäre dies ein Vierervektor.
In 3 ist eine schematische Darstellung eines Aufbaus eines Neuronalen Netzes 8 zur Verdeutlichung des Verfahrens gezeigt.
Es wird hierbei davon ausgegangen, dass das physikalische Modell mittels einer finiten Differenz approximiert wird, wie dies bereits voranstehend beschrieben und mittels der angegebenen Gleichung modelliert wurde. Werte der in der Gleichung auftretenden Funktionen ƒ_i(x) werden mittels eines mehrschichtigen (feed-forward) Neuronalen Netzes 8 geschätzt.
Das Neuronale Netz 8 erhält an einer Eingangsschicht 8-1 einen Merkmalsvektor x zugeführt. Dieser Merkmalsvektor x umfasst zumindest die erfasste Raddrehzahl und den erfassten Bremsdruck für jedes Rad, für das mittels des voranstehend beschriebenen Verfahrens die Bremstemperatur geschätzt werden soll. Der Merkmalsvektor x kann weitere Merkmale umfassen. Um einen Trainingsaufwand zu begrenzen, kann der Merkmalsvektor x alle polynomiellen Funktionen insbesondere bis zu zweiter Ordnung der individuellen Merkmale umfassen. Anders ausgedrückt können dem Neuronalen Netz 8 miteinander verknüpfte Merkmale als Eingangsdaten im Merkmalsvektor x zugeführt werden, z.B. ein Produkt aus der erfassten Raddrehzahl und dem erfassten Bremsdruck etc.
Weiter umfasst das Neuronale Netz 8 mehrere verborgene Schichten 8-2 und eine Ausgangsschicht 8-3. An der Ausgangsschicht 8-3 gibt das Neuronale Netz 8 die geschätzten Werte für die Koeffizientenfunktionen ƒ_i(x) aus. Der gezeigte Aufbau des Neuronalen Netzes 8 ist lediglich schematisch und kann insbesondere komplexer ausgestaltet sein. Insbesondere kann eine Anzahl und ein Aufbau der verborgenen Schichten 8-2 anders ausgestaltet sein.
Um die Stabilität des physikalischen Modells sicherzustellen, weist das Neuronale Netz 8 eine softplus-Funktion als finale Aktivierungsfunktion auf. Hierdurch sind die Ausgaben positiv, was sicherstellt, dass die verschiedenen Terme in dem physikalischen Modell jeweils die richtigen Vorzeichen beibehalten (insbesondere positiv für nicht-temperaturabhängige Terme und sonst negativ).
Während des Trainings des Neuronalen Netzes 8 ist die Bremsentemperatur, insbesondere eine Reibflächentemperatur und/oder Bremsscheibentemperatur, als Grundwahrheit bekannt, sodass die vom Neuronalen Netz 8 geschätzten Koeffizientenfunktionen bzw. geschätzten Funktionen ƒ_i(x) zum Anpassen des Neuronalen Netzes 8 ausgewertet werden können. Während des Trainings wird das Neuronale Netz 8 (zusammen bzw. gekoppelt mit dem physikalischen Modell) für eine vorgegebene Anzahl von Zeitschritten evaluiert.
Das Neuronale Netz 8 wird insbesondere trainiert, indem ein quadratischer Fehler zwischen der als Grundwahrheit bekannten Bremsentemperatur und der geschätzten Bremsentemperatur minimiert wird. Zusätzlich können Kostenterme berücksichtigt werden, um Veränderungen in den Funktionen ƒ_i(x) zu minimieren. Insbesondere wird die folgende Lossfunktion verwendet: $L = \sum_{i, t} {(T_{t r u e} (t) - T_{p r e d i c t e d, i} (t))}^{2} + {\sum_{i, t} (ƒ_{i} (t + Δ t) - ƒ_{i} (t))}^{2}$
Hierbei ist λ ein Gewichtungsfaktor. Bevorzugt wird beim Trainieren eine Curriculum-Lernstrategie (engl. curriculum learning strategy) verwendet, um einen stabilen Trainingsprozess zu erlangen. Insbesondere wird das Neuronale Netz 8 (zusammen mit dem physikalischen Modell) in einer Folge von einzelnen Zeitschritten, anschließend 200 Zeitschritten, 400 Zeitschritten und so weiter bis zu 16000 Zeitschritten evaluiert, bis jeweils eine Anpassung von Gewichten des Neuronalen Netzes 8 erfolgt.
Es kann vorgesehen sein, dem verwendeten Maschinenlernverfahren zusätzliche strukturelle Information hinzuzufügen, beispielsweise in Form einer L1-Regularisierung oder einer sonstigen Regularisierung. Hierdurch kann erreicht werden, dass die gelernten Komponenten größtenteils konstant bleiben oder dass die Variablen eines hinteren und eines vorderen Bremssystems nur eine begrenzte Interaktion miteinander haben. Erreicht werden kann dies beispielsweise mittels „Sparsity“ herstellenden Prioren für die Gewichtungen, beispielsweise mittels Laplace- oder Horseshoe-Prioren.
Das Verfahren und die Vorrichtung erlauben eine verbesserte Schätzung der Bremsentemperatur bei gleichzeitig verringertem Trainingsaufwand. Insbesondere erlaubt das hybride Modell aus physikalischem Modell und dem trainierten Maschinenlernverfahren einen Kompromiss zwischen Flexibilität und einem effizienten Training.
Bezugszeichenliste

1: Vorrichtung
2: Raddrehzahlsensor
3: Bremsdrucksensor
4: Steuereinrichtung
5: Umfeldsensor
6: physikalisches Modell
7: trainiertes Maschinenlernmodell
8: Neuronales Netz
8-1: Eingangsschicht
8-2: verborgende Schichten
8-3: Ausgangsschicht
9: Koeffizientenfunktionen
10: Raddrehzahl
11: Bremsdruck
12: Umfeldtemperatur
13: Temperatursensor
14: Umschalteinrichtung
20: geschätzte Bremsentemperatur
21: Bremsbelagreibwert
22: erfasste Bremsentemperatur
50: Fahrzeug
60: Bremsensteuerung
61: Steuergerät
fi: Funktion der Koeffizientenfunktion
x: Merkmalsvektor

Claims

Verfahren zum Bereitstellen einer Bremsentemperatur (20) mindestens einer Bremse eines Fahrzeugs (50), wobei eine Raddrehzahl (10) eines der mindestens einen Bremse zugeordneten Rades mittels eines Raddrehzahlsensors (2) erfasst wird, wobei ein Bremsdruck (11) der mindestens einen Bremse mittels eines Bremsdrucksensors (3) erfasst wird, wobei eine Umfeldtemperatur (12) geschätzt und/oder abgefragt und/oder mittels eines Umfeldsensors (5) erfasst wird, wobei die Bremsentemperatur (20) der mindestens einen Bremse mittels eines physikalischen Modells (6) unter Berücksichtigung der Umfeldtemperatur (12) geschätzt wird, wobei Werte von Koeffizientenfunktionen (9) des physikalischen Modells (6) ausgehend von der erfassten Raddrehzahl (10) und dem erfassten Bremsdruck (11) der mindestens einen Bremse mittels eines trainierten Maschinenlernverfahrens (7) geschätzt werden, und wobei die geschätzte Bremsentemperatur (20) der mindestens einen Bremse bereitgestellt wird, wobei eine Bremsentemperatur (22) der mindestens einen Bremse mittels mindestens eines Temperatursensors (13) erfasst und bereitgestellt wird, und wobei anstatt der erfassten Bremsentemperatur (22) die geschätzte Bremsentemperatur (20) bereitgestellt wird, wenn der mindestens eine Temperatursensor (13) fehlerhaft arbeitet oder defekt ist.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das physikalische Modell (6) als Differentialgleichungsmodell ausgedrückt ist, das mittels einer finiten Differenz approximiert wird.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Koeffizientenfunktionen (9) neben einem mittels des trainierten Maschinenlernverfahrens geschätzten Funktion (fi) einen jeweils vorgebbaren Vorfaktor umfassen.
Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass das physikalische Modell (6) mittels der erfassten Bremsentemperatur (22) zurückgesetzt wird.
Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die Bremsentemperaturen (20) für die Bremsen aller Räder des Fahrzeugs (50) geschätzt werden.
Verfahren zum Steuern mindestens einer Bremse eines Fahrzeugs (50), wobei ein beim Steuern der mindestens einen Bremse berücksichtigter Bremsbelagreibwert (21) ausgehend von einer mittels eines Verfahrens gemäß einem der Ansprüche 1 bis 5 bereitgestellten Bremsentemperatur (20,22) der mindestens einen Bremse bestimmt wird.
Vorrichtung (1) zum Bereitstellen einer Bremsentemperatur (20) mindestens einer Bremse eines Fahrzeugs (50), umfassend: mindestens einen Raddrehzahlsensor (2), eingerichtet zum Erfassen einer Raddrehzahl (10) eines der mindestens einen Bremse zugeordneten Rades, mindestens einen Bremsdrucksensor (3), eingerichtet zum Erfassen eines Bremsdrucks (11) der mindestens einen Bremse, mindestens einen Temperatursensor (13), eingerichtet zum Erfassen und Bereitstellen einer Bremsentemperatur (22) der mindestens einen Bremse, und eine Steuereinrichtung (4), wobei die Steuereinrichtung (4) dazu eingerichtet ist, die Bremsentemperatur (20) der mindestens einen Bremse mittels eines physikalischen Modells (6) unter Berücksichtigung einer geschätzten und/oder abgefragten und/oder erfassten Umfeldtemperatur (12) zu schätzen, und Werte von Koeffizientenfunktionen (9) des physikalischen Modells (6) ausgehend von der erfassten Raddrehzahl (10) und dem erfassten Bremsdruck (11) der mindestens einen Bremse mittels eines trainierten Maschinenlernverfahrens (7) zu schätzen, und die geschätzte Bremsentemperatur (20) der mindestens einen Bremse bereitzustellen, und wobei die Steuereinrichtung (4) ferner dazu eingerichtet ist, die Bremsentemperatur (20) zu schätzen und die geschätzte Bremsentemperatur (20) auszugeben, wenn der mindestens eine Temperatursensor (13) fehlerhaft arbeitet oder defekt ist.
Bremsensteuerung (60) für ein Fahrzeug (50), umfassend mindestens eine Vorrichtung (1) nach Anspruch 7, wobei die Bremsensteuerung (60) dazu eingerichtet ist, ein beim Steuern von mindestens einer Bremse berücksichtigten Bremsbelagreibwert (21) ausgehend von einer mittels der Vorrichtung (1) bereitgestellten Bremsentemperatur (20,22) der mindestens einen Bremse zu bestimmen.
Fahrzeug (50), umfassend mindestens eine Vorrichtung (1) nach Anspruch 7 und/oder mindestens eine Bremsensteuerung (60) nach Anspruch 8.