DE102022205676A1 - Determining a clutch temperature of a vehicle clutch using a neural network using a geometric property of the vehicle clutch - Google Patents
Determining a clutch temperature of a vehicle clutch using a neural network using a geometric property of the vehicle clutch Download PDFInfo
- Publication number
- DE102022205676A1 DE102022205676A1 DE102022205676.0A DE102022205676A DE102022205676A1 DE 102022205676 A1 DE102022205676 A1 DE 102022205676A1 DE 102022205676 A DE102022205676 A DE 102022205676A DE 102022205676 A1 DE102022205676 A1 DE 102022205676A1
- Authority
- DE
- Germany
- Prior art keywords
- clutch
- neural network
- vehicle
- vehicle clutch
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000012549 training Methods 0.000 claims abstract description 38
- 230000008878 coupling Effects 0.000 claims description 31
- 238000010168 coupling process Methods 0.000 claims description 31
- 238000005859 coupling reaction Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 7
- 229910000831 Steel Inorganic materials 0.000 description 6
- 239000010959 steel Substances 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D48/00—External control of clutches
- F16D48/06—Control by electric or electronic means, e.g. of fluid pressure
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/10—System to be controlled
- F16D2500/104—Clutch
- F16D2500/10406—Clutch position
- F16D2500/10412—Transmission line of a vehicle
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/30—Signal inputs
- F16D2500/302—Signal inputs from the actuator
- F16D2500/3022—Current
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/30—Signal inputs
- F16D2500/302—Signal inputs from the actuator
- F16D2500/3024—Pressure
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/30—Signal inputs
- F16D2500/304—Signal inputs from the clutch
- F16D2500/30402—Clutch friction coefficient
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/30—Signal inputs
- F16D2500/304—Signal inputs from the clutch
- F16D2500/30404—Clutch temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/30—Signal inputs
- F16D2500/304—Signal inputs from the clutch
- F16D2500/30406—Clutch slip
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/30—Signal inputs
- F16D2500/304—Signal inputs from the clutch
- F16D2500/3041—Signal inputs from the clutch from the input shaft
- F16D2500/30412—Torque of the input shaft
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/30—Signal inputs
- F16D2500/304—Signal inputs from the clutch
- F16D2500/3041—Signal inputs from the clutch from the input shaft
- F16D2500/30415—Speed of the input shaft
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/30—Signal inputs
- F16D2500/304—Signal inputs from the clutch
- F16D2500/3042—Signal inputs from the clutch from the output shaft
- F16D2500/30426—Speed of the output shaft
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/30—Signal inputs
- F16D2500/306—Signal inputs from the engine
- F16D2500/3065—Torque of the engine
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/30—Signal inputs
- F16D2500/308—Signal inputs from the transmission
- F16D2500/30802—Transmission oil properties
- F16D2500/30803—Oil temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/30—Signal inputs
- F16D2500/31—Signal inputs from the vehicle
- F16D2500/3107—Vehicle weight
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/50—Problem to be solved by the control system
- F16D2500/51—Relating safety
- F16D2500/5104—Preventing failures
- F16D2500/5106—Overheat protection
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/70—Details about the implementation of the control system
- F16D2500/704—Output parameters from the control unit; Target parameters to be controlled
- F16D2500/70422—Clutch parameters
- F16D2500/7043—Clutch temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/70—Details about the implementation of the control system
- F16D2500/706—Strategy of control
- F16D2500/70647—Neuronal network
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Mechanical Engineering (AREA)
- Hydraulic Clutches, Magnetic Clutches, Fluid Clutches, And Fluid Joints (AREA)
Abstract
Offenbart wird ein Verfahren zum Trainieren eines neuronalen Netzwerks (12), welches dazu ausgebildet ist, eine Kupplungstemperatur (KT) einer Fahrzeugkupplung zu bestimmen, wobei das Verfahren die folgenden Schritte aufweist: Bereitstellen (TS1) zumindest einer geometrischen Eingangsgröße (26), welche repräsentativ für eine geometrische Eigenschaft der Fahrzeugkupplung ist, als Eingabedaten (20b); Bereitstellen (TS2) zumindest eines Werts (18a, 18b, 18c) eines Betriebsparameters der Fahrzeugkupplung als Eingabedaten (20a); Bereitstellen (TS3) von Werten für die Kupplungstemperatur (KT) als Ausgabedaten; und Trainieren (TS4) des neuronalen Netzwerks (12) mit den Eingabedaten (20a, 20b) und den Ausgabedaten, um einen Zusammenhang der geometrischen Eigenschaft und des zumindest einen Betriebsparameters mit der Kupplungstemperatur (KT) zu lernen. Offenbart wird ferner ein Verfahren zum Bestimmen einer Kupplungstemperatur (KT) einer Fahrzeugkupplung mittels eines neuronalen Netzwerks (12) sowie eine Steuereinrichtung (10) zur Bestimmung einer Kupplungstemperatur (KT) einer Fahrzeugkupplung mit einem neuronalen Netzwerk (12), jeweils unter Verwendung einer geometrischen Eingangsgröße.Disclosed is a method for training a neural network (12), which is designed to determine a clutch temperature (KT) of a vehicle clutch, the method having the following steps: providing (TS1) at least one geometric input variable (26), which is representative for a geometric property of the vehicle clutch, as input data (20b); Providing (TS2) at least one value (18a, 18b, 18c) of an operating parameter of the vehicle clutch as input data (20a); Providing (TS3) values for the clutch temperature (KT) as output data; and training (TS4) the neural network (12) with the input data (20a, 20b) and the output data in order to learn a relationship between the geometric property and the at least one operating parameter and the clutch temperature (KT). Also disclosed is a method for determining a clutch temperature (KT) of a vehicle clutch using a neural network (12) and a control device (10) for determining a clutch temperature (KT) of a vehicle clutch with a neural network (12), each using a geometric input variable .
Description
Technisches GebietTechnical area
Die vorliegende Erfindung betrifft ein Verfahren zum Trainieren eines neuronalen Netzwerks, welches dazu ausgebildet ist, eine Kupplungstemperatur einer Fahrzeugkupplung unter Verwendung einer geometrischen Eigenschaft der Fahrzeugkupplung zu bestimmen. Die Erfindung betrifft zudem ein Verfahren zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks unter Verwendung einer geometrischen Eigenschaft der Fahrzeugkupplung. Die Erfindung betrifft ferner eine zugehörige Steuereinrichtung zur Bestimmung einer Kupplungstemperatur einer Fahrzeugkupplung mit einem neuronalen Netzwerk unter Verwendung einer geometrischen Eigenschaft der Fahrzeugkupplung.The present invention relates to a method for training a neural network which is designed to determine a clutch temperature of a vehicle clutch using a geometric property of the vehicle clutch. The invention also relates to a method for determining a clutch temperature of a vehicle clutch by means of a neural network using a geometric property of the vehicle clutch. The invention further relates to an associated control device for determining a clutch temperature of a vehicle clutch with a neural network using a geometric property of the vehicle clutch.
Stand der TechnikState of the art
Die Temperatur einer Fahrzeugkupplung kann mittels eines klassischen regelbasierten mathematischen Modells berechnet werden. Die Berechnung kann in einem Getriebesteuergerät stattfinden. Hierfür kann maschinelles Lernen verwendet werden, beispielsweise ein neuronales Netz. Die Bestimmung der für die Kupplungstemperatur maßgeblichen Parameter ist jedoch, insbesondere während eines Schaltvorgangs, sehr aufwändig beziehungsweise sehr ungenau, da diese nur indirekt bestimmt werden können.The temperature of a vehicle clutch can be calculated using a classic rule-based mathematical model. The calculation can take place in a transmission control unit. Machine learning can be used for this, for example a neural network. However, determining the parameters that are relevant for the clutch temperature, especially during a switching process, is very complex or very imprecise, since these can only be determined indirectly.
Darstellung der ErfindungPresentation of the invention
Die Erfindung bezieht sich in einem ersten Aspekt auf ein Verfahren zum Trainieren eines neuronalen Netzwerks, welches dazu ausgebildet ist, eine Kupplungstemperatur einer Fahrzeugkupplung zu bestimmen.In a first aspect, the invention relates to a method for training a neural network which is designed to determine a clutch temperature of a vehicle clutch.
Die Fahrzeugkupplung kann in einem motorgetriebenen Fahrzeug, wie beispielsweise einem Kraftfahrzeug, einem Kraftrad oder einem zumindest teilweise elektrisch angetriebenen Zweirad verbaut sein. Mittels der Fahrzeugkupplung kann eine von dem Motor des Fahrzeugs aufgebrachte Antriebskraft an eine Antriebsachse des Fahrzeugs übertragen werden. Die Fahrzeugkupplung kann zumindest zwei verschiedene Schaltzustände beziehungsweise Gänge aufweisen, welche durch ein vorgegebenes Verhältnis zwischen einem Abtriebsdrehmoment des Motors und einem Antriebsdrehmoments der Antriebsachse definiert sein können.The vehicle clutch can be installed in a motor-driven vehicle, such as a motor vehicle, a motorcycle or an at least partially electrically driven two-wheeler. By means of the vehicle clutch, a driving force applied by the engine of the vehicle can be transmitted to a drive axle of the vehicle. The vehicle clutch can have at least two different switching states or gears, which can be defined by a predetermined ratio between an output torque of the engine and a drive torque of the drive axle.
Unter einer Kupplungstemperatur kann die Temperatur zumindest eines Kupplungselements verstanden werden, beispielsweise die Temperatur einer Kupplungsscheibe. Alternativ kann unter einer Kupplungstemperatur auch eine Temperatur der gesamten Fahrzeugkupplung verstanden werden, welche beispielsweise auf der Bestimmung eines Mittelwerts der einzelnen Temperaturen der Kupplungselemente basieren kann. Durch den Betrieb des Fahrzeugs kann sich die Temperatur der Fahrzeugkupplung ändern. Beispielsweise kann die Temperatur der Fahrzeugkupplung während eines Schaltvorgangs beziehungsweise eines Gangwechsels steigen. Steigt die Temperatur der Fahrzeugkupplung über einen kritischen Temperaturwert, kann dies zu Beschädigungen oder einem Ausfall der Fahrzeugkupplung führen. Die Bestimmung einer Kupplungstemperatur der Fahrzeugkupplung trägt daher zur Sicherheit des Fahrzeugs bei.A clutch temperature can be understood to mean the temperature of at least one clutch element, for example the temperature of a clutch disc. Alternatively, a clutch temperature can also be understood as a temperature of the entire vehicle clutch, which can be based, for example, on the determination of an average value of the individual temperatures of the clutch elements. Operating the vehicle may cause the temperature of the vehicle clutch to change. For example, the temperature of the vehicle clutch can increase during a gear shift or a gear change. If the temperature of the vehicle clutch rises above a critical temperature value, this can lead to damage or failure of the vehicle clutch. Determining a clutch temperature of the vehicle clutch therefore contributes to the safety of the vehicle.
Unter einem neuronalen Netzwerk kann ein mathematisches Modell verstanden werden, welches die Struktur der Neuronen im menschlichen Gehirn zumindest teilweise nachbildet. Das neuronale Netzwerk kann mithilfe eines Computers erstellt werden. Das neuronale Netzwerk kann Eingangsknoten, Ausgangsknoten und mehrere Zwischenknoten aufweisen, welche zwischen den Eingangsknoten und den Ausgangsknoten angeordnet sind. Die Eingangsknoten können beispielsweise Datenschnittstellen sein, über welche Eingabedaten in das neuronale Netzwerk eingegeben werden können. Die Ausgangsknoten können beispielsweise Datenschnittstellen sein, über welche Ausgabedaten aus dem neuronalen Netzwerk ausgegeben werden können. Die Eingangsknoten können mit den Zwischenknoten und die Zwischenknoten können miteinander verbunden sein. Die Zwischenknoten können mit den Ausgangsknoten verbunden sein. Die Eingabedaten können historische Daten sein, welche zu einem bestimmten Zeitpunkt erfasst wurden. Alternativ oder zusätzlich können die Eingabedaten synthetische Daten sein, welche durch Verarbeitung erfasster beziehungsweise gemessener Daten erzeugt wurden. Analog hierzu können die Ausgabedaten historische Daten beziehungsweise synthetische Daten sein.A neural network can be understood as a mathematical model that at least partially replicates the structure of the neurons in the human brain. The neural network can be created using a computer. The neural network may include input nodes, output nodes, and a plurality of intermediate nodes disposed between the input nodes and the output nodes. The input nodes can be, for example, data interfaces via which input data can be entered into the neural network. The output nodes can be, for example, data interfaces via which output data from the neural network can be output. The input nodes may be connected to the intermediate nodes and the intermediate nodes may be connected to each other. The intermediate nodes can be connected to the output nodes. The input data can be historical data collected at a specific point in time. Alternatively or additionally, the input data can be synthetic data that was generated by processing recorded or measured data. Analogously, the output data can be historical data or synthetic data.
Auf den Zwischenknoten kann Information zumindest temporär zwischengespeichert werden. Es kann vorgesehen sein, dass auf den Zwischenknoten zumindest eine Rechenoperation ausgeführt wird. Die Eingabedaten können von den Eingangsknoten über die Zwischenknoten zu den Ausgangsknoten übertragen werden. Während dieser Übertragung können die Eingabedaten mathematisch verarbeitet werden, beispielsweise zu den Ausgabedaten umgewandelt werden. Die Zwischenknoten des neuronalen Netzwerks können in einer oder mehreren Schichten beziehungsweise Ebenen angeordnet sein. Die Zwischenknoten können innerhalb einer Schicht miteinander verbunden sein. Zusätzlich können die Zwischenknoten einer Schicht mit den Zwischenknoten anderer Schichten verbunden sein. Die einzelnen Verbindungen der Eingangsknoten, der Zwischenknoten und der Ausgangsknoten können mit mathematischen Gewichtungen versehen sein. Je nach Zweck des neuronalen Netzwerks können die einzelnen Gewichtungen der Verbindungen unterschiedlich sein. Während des Trainings des neuronalen Netzwerks können die Gewichtungen verändert werden. Durch die Anpassung der mathematischen Gewichtungen der Verbindungen der einzelnen Knoten während des Trainings kann von dem neuronalen Netzwerk ein Zusammenhang zwischen den Eingabedaten und den Ausgabedaten gelernt werden. Während der Verwendung des neuronalen Netzwerks zu dem vorgesehenen Zweck kann der gelernte Zusammenhang von dem neuronalen Netzwerk auf eingegebene Eingabedaten angewandt werden, um Ausgabedaten gemäß dem vorgegebenen Verwendungszweck des neuronalen Netzwerks zu erzeugen.Information can be stored at least temporarily on the intermediate nodes. It can be provided that at least one arithmetic operation is carried out on the intermediate nodes. The input data can be transferred from the input nodes to the output nodes via the intermediate nodes. During this transfer, the input data can be processed mathematically, for example converted into the output data. The intermediate nodes of the neural network can be arranged in one or more layers or levels. The intermediate nodes can be connected to one another within a layer. In addition, the intermediate nodes of one layer can be connected to the intermediate nodes of other layers be the one. The individual connections of the input nodes, the intermediate nodes and the output nodes can be provided with mathematical weights. Depending on the purpose of the neural network, the individual weights of the connections can be different. The weights can be changed during training of the neural network. By adjusting the mathematical weights of the connections of the individual nodes during training, the neural network can learn a connection between the input data and the output data. While using the neural network for its intended purpose, the learned context from the neural network may be applied to input data to produce output data according to the intended purpose of using the neural network.
Zur Bestimmung einer Kupplungstemperatur kann beispielsweise ein Multi-Layer-Perceptron, MLP, als neuronales Netzwerk verwendet werden. Dieses neuronale Netzwerk weist zumindest eine Schicht von Zwischenknoten auf und verwendet zur Berechnung der Ausgabedaten zumindest eine nicht-lineare mathematische Funktion. Ein weiters beispielhaftes neuronales Netzwerk zur Bestimmung einer Kupplungstemperatur kann ein Fully Connected Layer, FCL, Netzwerk sein. Bei diesem neuronalen Netzwerk sind alle Eingangsknoten, Zwischenknoten und Ausgangsknoten miteinander verbunden. Ferner kann zur Bestimmung einer Kupplungstemperatur beispielsweise ein Convolutional Neural Network, CNN, verwendet werden, bei welchem die Zwischenknoten verschiedener Schichten zumindest teilweise in Form einer mathematischen Faltungsfunktion miteinander verbunden sind.To determine a clutch temperature, for example, a multi-layer perceptron, MLP, can be used as a neural network. This neural network has at least one layer of intermediate nodes and uses at least one non-linear mathematical function to calculate the output data. Another exemplary neural network for determining a clutch temperature can be a fully connected layer, FCL, network. In this neural network, all input nodes, intermediate nodes and output nodes are connected to each other. Furthermore, to determine a coupling temperature, a convolutional neural network, CNN, can be used, for example, in which the intermediate nodes of different layers are at least partially connected to one another in the form of a mathematical convolution function.
Das Verfahren weist den Schritt des Bereitstellens zumindest einer geometrischen Eingangsgröße als Eingabedaten auf. Die geometrische Eingangsgröße ist repräsentativ für eine geometrische Eigenschaft der Fahrzeugkupplung. Die zumindest eine geometrische Eingangsgröße kann ein historisch erfasster Wert, ein gemessener Wert beziehungsweise ein synthetischer Wert sein, welcher aus zumindest einem erfassten oder gemessenen Wert bestimmt wurde.The method has the step of providing at least one geometric input variable as input data. The geometric input variable is representative of a geometric property of the vehicle clutch. The at least one geometric input variable can be a historically recorded value, a measured value or a synthetic value which was determined from at least one recorded or measured value.
Unter einem Bereitstellen der zumindest einen geometrischen Eingangsgröße kann ein Bestimmen, das heißt ein Erfassen, ein Messen beziehungsweise ein synthetisches Erzeugen zumindest eines Wertes der geometrischen Eingangsgröße verstanden werden. Alternativ oder zusätzlich kann unter einem Bereitstellen ein Auswählen verstanden werden, ob ein Wert der geometrischen Eingangsgröße als Eingabedaten für das Training des neuronalen Netzwerks geeignet ist. Beispielsweise kann ein Wert einer geometrischen Eingangsgröße dann nicht als Eingabedaten für das Training des neuronalen Netzwerks geeignet sein, wenn dieser keinen beziehungsweise keinen ausreichenden Einfluss auf die Kupplungstemperatur hat. Alternativ oder zusätzlich kann ein Wert einer geometrischen Eingangsgröße dann nicht als Eingabedaten für das Training des neuronalen Netzwerks geeignet sein, wenn dieser, beispielsweise aufgrund seiner Datenstruktur, nicht von dem neuronalen Netzwerk verarbeitet werden kann.Providing the at least one geometric input variable can be understood as determining, that is, detecting, measuring or synthetically generating at least one value of the geometric input variable. Alternatively or additionally, providing can be understood to mean selecting whether a value of the geometric input variable is suitable as input data for training the neural network. For example, a value of a geometric input variable may not be suitable as input data for training the neural network if it has no or insufficient influence on the clutch temperature. Alternatively or additionally, a value of a geometric input variable may not be suitable as input data for training the neural network if it cannot be processed by the neural network, for example due to its data structure.
Alternativ oder zusätzlich kann unter einem Bereitstellen ein Vorverarbeiten einer geometrischen Eingangsgröße verstanden werden, sodass diese schneller beziehungsweise überhaupt von dem neuronalen Netzwerk verarbeitet werden kann. Beispielsweise kann eine geometrische Eingangsgröße in Form einer mehrdimensionalen Matrix vorliegen. Es kann jedoch vorgesehen sein, dass das zu trainierende neuronale Netzwerk dazu ausgebildet ist, eindimensionale Zahlenwerte zu verarbeiten. In diesem Fall muss die mehrdimensionale Matrix in eindimensionale Zahlenwerte zerlegt werden, bevor diese zum Trainieren des neuronalen Netzwerks verwendet werden kann. Ferner kann unter einem Bereitstellen auch ein Sortieren der Eingabedaten beziehungsweise ein Entfernen einer Teilmenge der Eingabedaten verstanden werden, um die für das Training des neuronalen Netzwerks verwendete Datenmenge zu reduzieren.Alternatively or additionally, providing can be understood as pre-processing a geometric input variable so that it can be processed faster or at all by the neural network. For example, a geometric input variable can be in the form of a multidimensional matrix. However, it can be provided that the neural network to be trained is designed to process one-dimensional numerical values. In this case, the multidimensional matrix must be broken down into one-dimensional numerical values before it can be used to train the neural network. Furthermore, providing can also be understood as sorting the input data or removing a subset of the input data in order to reduce the amount of data used for training the neural network.
Die zumindest eine geometrische Eingangsgröße kann beispielsweise mittels einer Eingabevorrichtung an zumindest einen der Eingangsknoten des neuronalen Netzwerks übertragen werden. Alternativ kann die zumindest eine geometrische Eingangsgröße von einer Steuereinrichtung des Fahrzeugs über eine Datenschnittstelle an zumindest einen der Eingangsknoten des neuronalen Netzwerks übertragen werden. Die zumindest eine Eingangsgröße kann als Eingabedaten für die Verwendung des neuronalen Netzwerks zur Bestimmung der Kupplungstemperatur verwendet werden.The at least one geometric input variable can be transmitted to at least one of the input nodes of the neural network, for example by means of an input device. Alternatively, the at least one geometric input variable can be transmitted from a control device of the vehicle via a data interface to at least one of the input nodes of the neural network. The at least one input variable can be used as input data for using the neural network to determine the clutch temperature.
Unter einer geometrischen Eigenschaft der Fahrzeugkupplung kann beispielsweise eine geometrische Abmessung der Fahrzeugkupplung, eine Oberflächenbeschaffenheit der Fahrzeugkupplung, eine Materialeigenschaft der Fahrzeugkupplung beziehungsweise ein aus den vorgenannten Eigenschaften der Fahrzeugkupplung inhärent hervorgehender Parameter, beispielsweise ein Wärmeleitkoeffizient der Fahrzeugkupplung, verstanden werden. Die geometrische Eingangsgröße kann in der physikalischen Einheit der jeweiligen geometrischen Eigenschaft der Fahrzeugkupplung angegeben werden. Alternativ oder zusätzlich kann die geometrische Eigenschaft der Fahrzeugkupplung basierend auf der geometrischen Eingangsgröße bestimmt werden.A geometric property of the vehicle clutch can be understood to mean, for example, a geometric dimension of the vehicle clutch, a surface quality of the vehicle clutch, a material property of the vehicle clutch or a parameter that arises inherently from the aforementioned properties of the vehicle clutch, for example a thermal conductivity coefficient of the vehicle clutch. The geometric input variable can be specified in the physical unit of the respective geometric property of the vehicle coupling. Alternatively or additionally, the geometric property of the vehicle coupling can be based can be determined on the geometric input size.
Das Verfahren weist ferner den Schritt des Bereitstellens zumindest eines Wertes eines Betriebsparameters der Fahrzeugkupplung als Eingabedaten für das Training des neuronalen Netzwerks auf. Der zumindest eine Wert des zumindest einen Betriebsparameters der Fahrzeugkupplung kann repräsentativ für eine der Fahrzeugkupplung zugeführte Leistung sein. Alternativ oder zusätzlich kann der zumindest eine Wert des zumindest einen Betriebsparameters der Fahrzeugkupplung repräsentativ für eine Kupplungstemperatur der Fahrzeugkupplung sein. Der zumindest eine Wert des Betriebsparameters kann ein historisch erfasster Wert, ein gemessener Wert beziehungsweise ein synthetischer Wert sein, welcher aus zumindest einem erfassten oder gemessenen Wert bestimmt wurde. Der zumindest eine Wert des zumindest einen Betriebsparameters kann in analoger Weise wie die geometrische Eingangsgröße bereitgestellt werden.The method further comprises the step of providing at least one value of an operating parameter of the vehicle clutch as input data for training the neural network. The at least one value of the at least one operating parameter of the vehicle clutch can be representative of a power supplied to the vehicle clutch. Alternatively or additionally, the at least one value of the at least one operating parameter of the vehicle clutch can be representative of a clutch temperature of the vehicle clutch. The at least one value of the operating parameter can be a historically recorded value, a measured value or a synthetic value which was determined from at least one recorded or measured value. The at least one value of the at least one operating parameter can be provided in a manner analogous to the geometric input variable.
Das Verfahren weist ferner den Schritt des Bereitstellens von Werten für die Kupplungstemperatur als Ausgabedaten des neuronalen Netzwerks auf. Die Werte für die Kupplungstemperatur können historisch erfasste Werte, gemessene Werte beziehungsweise synthetische Werte sein, welche aus zumindest einem erfassten oder gemessenen Wert bestimmt wurden. Die Werte für die Kupplungstemperatur können in analoger Weise wie die geometrische Eingangsgröße beziehungsweise der zumindest eine Wert des Betriebsparameters bereitgestellt werden. Die Werte für die Kupplungstemperatur können an die Ausgangsknoten des neuronalen Netzwerks übertragen werden, um als Ausgabedaten verwendet werden zu können.The method further comprises the step of providing values for the clutch temperature as output data of the neural network. The values for the clutch temperature can be historically recorded values, measured values or synthetic values, which were determined from at least one recorded or measured value. The values for the clutch temperature can be provided in a manner analogous to the geometric input variable or the at least one value of the operating parameter. The clutch temperature values can be transmitted to the output nodes of the neural network to be used as output data.
Das Verfahren weist ferner den Schritt des Trainierens des neuronalen Netzwerks mit den Eingabedaten und den Ausgabedaten auf, um einen Zusammenhang der geometrischen Eigenschaft und des zumindest einen Betriebsparameters mit der Kupplungstemperatur zu lernen. Die Eingabedaten können von dem neuronalen Netzwerk, beispielsweise auf den Zwischenknoten, verarbeitet werden, um die Ausgabedaten zu erhalten. Beim Verarbeiten der Eingabedaten kann von dem neuronalen Netzwerk die mathematische Gewichtung der Verbindungen der einzelnen Knoten geändert werden, um die Ausgabedaten zu erhalten. Auf diese Weise kann das neuronale Netzwerk den Zusammenhang der geometrischen Eigenschaft und des zumindest einen Betriebsparameters mit der Kupplungstemperatur lernen.The method further comprises the step of training the neural network with the input data and the output data in order to learn a relationship between the geometric property and the at least one operating parameter and the clutch temperature. The input data can be processed by the neural network, for example on the intermediate nodes, to obtain the output data. When processing the input data, the neural network can change the mathematical weighting of the connections of the individual nodes to obtain the output data. In this way, the neural network can learn the connection between the geometric property and the at least one operating parameter and the clutch temperature.
Das vorgeschlagene Verfahren ermöglicht das Bestimmen einer Kupplungstemperatur mittels eines neuronalen Netzwerks. Hierdurch kann auf die Verwendung von klassischen mathematischen Modellen verzichtet werden, welche im Allgemeinen sehr komplex und daher zeitaufwendig zu berechnen sind. Durch die Verwendung eines neuronalen Netzwerks kann somit einerseits die zum Bestimmen der Kupplungstemperatur benötigte Berechnungszeit reduziert werden. Ferner basiert das Bestimmen der Kupplungstemperatur auf einer geometrischen Eigenschaft der Fahrzeugkupplung. Somit kann auch eine Abhängigkeit der Kupplungstemperatur von der geometrischen Eigenschaft der Fahrzeugkupplung von dem neuronalen Netzwerk berücksichtigt werden. The proposed method enables a clutch temperature to be determined using a neural network. This makes it possible to avoid the use of classic mathematical models, which are generally very complex and therefore time-consuming to calculate. By using a neural network, the calculation time required to determine the clutch temperature can be reduced. Furthermore, determining the clutch temperature is based on a geometric property of the vehicle clutch. A dependence of the clutch temperature on the geometric properties of the vehicle clutch can therefore also be taken into account by the neural network.
Beispielsweise kann es möglich sein, dass ein Aufheizen der Fahrzeugkupplung umso langsamer stattfindet, je größer die geometrische Ausdehnung der Fahrzeugkupplung ist. Alternativ kann es möglich sein, dass ein Aufheizen der Fahrzeugkupplung umso schneller stattfindet, je besser die Wärmeleiteigenschaften der für die Fahrzeugkupplung verwendeten Materialien sind. Die Kupplungstemperatur kann demnach außerdem präziser von dem neuronalen Netzwerk bestimmt werden. Weiterhin kann aufgrund der Berücksichtigung einer geometrischen Eigenschaft der Fahrzeugkupplung das trainierte neuronale Netzwerk auch für die Bestimmung einer Kupplungstemperatur anderer Fahrzeugkupplungen verwendet werden, welche eine ähnliche oder vergleichbare geometrische Eigenschaft aufweisen. Das neuronale Netzwerk muss somit nicht für jede Fahrzeugkupplung neu trainiert werden, um deren Kupplungstemperatur bestimmen zu können. Die Berücksichtigung einer geometrischen Eigenschaft der Fahrzeugkupplung ermöglicht somit die Verwendung des trainierten neuronalen Netzwerks zur Bestimmung einer Kupplungstemperatur für eine Vielzahl unterschiedlicher Fahrzeugkupplungen, sofern diese eine gemeinsame geometrische Eigenschaft aufweisen.For example, it may be possible for the vehicle clutch to heat up more slowly the larger the geometric expansion of the vehicle clutch. Alternatively, it may be possible that the vehicle clutch heats up faster, the better the heat conduction properties of the materials used for the vehicle clutch are. The clutch temperature can therefore also be determined more precisely by the neural network. Furthermore, due to the consideration of a geometric property of the vehicle clutch, the trained neural network can also be used to determine a clutch temperature of other vehicle clutches that have a similar or comparable geometric property. The neural network therefore does not have to be retrained for each vehicle clutch in order to be able to determine its clutch temperature. Taking into account a geometric property of the vehicle clutch thus enables the trained neural network to be used to determine a clutch temperature for a large number of different vehicle clutches, provided they have a common geometric property.
Nach einer Ausführungsform wird die geometrische Eingangsgröße in Abhängigkeit zumindest eines gemessenen Parameters der Fahrzeugkupplung bestimmt. Der zumindest eine gemessene Parameter kann einer der oben beschriebenen, eine geometrische Eigenschaft der Fahrzeugkupplung bezeichnenden Parameter sein. Alternativ oder zusätzlich kann der zumindest eine gemessene Parameter ein Betriebsparameter der Fahrzeugkupplung sein. Der gemessene Parameter der Fahrzeugkupplung kann für die geometrische Eingangsgröße repräsentativ sein. Der gemessene Parameter kann mathematisch verrechnet werden, beispielsweise gemäß einer physikalischen Formel, um die geometrische Eingangsgröße zu bestimmen. Der zumindest eine Parameter der Fahrzeugkupplung kann von einer dafür ausgebildeten Vorrichtung zur Verarbeitung von elektrischen Signalen gemessen werden. Der zumindest eine Parameter kann unter Berücksichtigung eines zeitlichen Verlaufs desselben gemessen werden. Alternativ oder zusätzlich kann der zumindest eine Parameter unter Berücksichtigung einer Temperaturabhängigkeit desselben gemessen werden. Durch Messung des zumindest einen Parameters kann auf besonders einfache Weise die geometrische Eingangsgröße in Abhängigkeit des Betriebszustands der Fahrzeugkupplung bestimmt werden.According to one embodiment, the geometric input variable is determined as a function of at least one measured parameter of the vehicle clutch. The at least one measured parameter can be one of the parameters described above that indicate a geometric property of the vehicle clutch. Alternatively or additionally, the at least one measured parameter can be an operating parameter of the vehicle clutch. The measured parameter of the vehicle clutch can be representative of the geometric input variable. The measured parameter can be calculated mathematically, for example according to a physical formula, to determine the geometric input variable. The at least one parameter of the vehicle clutch can be measured by a device designed for processing electrical signals become. The at least one parameter can be measured taking into account a time course of the same. Alternatively or additionally, the at least one parameter can be measured taking into account its temperature dependence. By measuring the at least one parameter, the geometric input variable can be determined in a particularly simple manner depending on the operating state of the vehicle clutch.
Gemäß einer weiteren Ausführungsform wird die geometrische Eingangsgröße in Abhängigkeit zumindest eines vorgegebenen Parameters der Fahrzeugkupplung bestimmt. Der zumindest eine vorgegebene Parameter kann einer der oben beschriebenen, eine geometrische Eigenschaft der Fahrzeugkupplung bezeichnenden Parameter sein. Alternativ oder zusätzlich kann der zumindest eine vorgegebene Parameter ein Betriebsparameter der Fahrzeugkupplung sein. Der vorgegebene Parameter der Fahrzeugkupplung kann für die geometrische Eingangsgröße repräsentativ sein. Der vorgegebene Parameter kann mathematisch verrechnet werden, beispielsweise gemäß einer physikalischen Formel, um die geometrische Eingangsgröße zu bestimmen. Der zumindest eine vorgegebene Parameter kann aufgrund struktureller Eigenschaften der Fahrzeugkupplung vorgegeben sein. Beispielweise kann ein maximal für die Fahrzeugkupplung zur Verfügung stehender Bauraum vorgegeben sein. Alternativ oder zusätzlich kann der zumindest eine vorgegebene Parameter aufgrund einer Art der Fahrzeugkupplung vorgegeben sein. Beispielsweise kann die Verwendung der Fahrzeugkupplung in einem Kraftfahrzeug oder einem Kraftrad vorgegeben sein. Der zumindest eine vorgegebene Parameter kann unter Berücksichtigung eines zeitlichen Verlaufs desselben vorgegeben sein. Alternativ oder zusätzlich kann der zumindest eine vorgegebene Parameter unter Berücksichtigung einer Temperaturabhängigkeit desselben vorgegeben sein. Durch Vorgeben des zumindest einen Parameters kann auf besonders einfache Weise die geometrische Eingangsgröße in Abhängigkeit einer Konstruktionsvorgabe beziehungsweise einer vorgegebenen Fahrzeugart bestimmt werden, in welcher die Fahrzeugkupplung verwendet wird.According to a further embodiment, the geometric input variable is determined as a function of at least one predetermined parameter of the vehicle clutch. The at least one predetermined parameter can be one of the parameters described above that indicate a geometric property of the vehicle clutch. Alternatively or additionally, the at least one predetermined parameter can be an operating parameter of the vehicle clutch. The specified parameter of the vehicle clutch can be representative of the geometric input variable. The specified parameter can be calculated mathematically, for example according to a physical formula, to determine the geometric input variable. The at least one predetermined parameter can be predetermined based on structural properties of the vehicle clutch. For example, a maximum installation space available for the vehicle clutch can be specified. Alternatively or additionally, the at least one predetermined parameter can be predetermined based on a type of vehicle clutch. For example, the use of the vehicle clutch can be specified in a motor vehicle or a motorcycle. The at least one predetermined parameter can be predetermined taking into account a time course of the same. Alternatively or additionally, the at least one predetermined parameter can be predetermined taking into account its temperature dependence. By specifying the at least one parameter, the geometric input variable can be determined in a particularly simple manner depending on a design specification or a predetermined type of vehicle in which the vehicle clutch is used.
Alternativ oder zusätzlich zu den obigen Ausführungsformen kann die geometrische Eingangsgröße in Abhängigkeit zumindest eines gemessenen Parameters und in Abhängigkeit zumindest eines vorgegebenen Parameters der Fahrzeugkupplung bestimmt werden. Die einzelnen Vorteile der jeweiligen Ausführungsformen können somit kombiniert werden.Alternatively or in addition to the above embodiments, the geometric input variable can be determined depending on at least one measured parameter and depending on at least one predetermined parameter of the vehicle clutch. The individual advantages of the respective embodiments can thus be combined.
Nach einer weiteren Ausführungsform wird die geometrische Eingangsgröße während des Trainierens des neuronalen Netzwerks zeitkontinuierlich bereitgestellt. Beispielsweise kann während der gesamten Dauer des Trainiervorgangs ein konstanter Wert der geometrischen Eingangsgröße für das Training des neuronalen Netzwerks bereitgestellt werden. Alternativ kann während der gesamten Dauer des Trainiervorgangs ein zeitabhängiger und/oder temperaturabhängiger Wert der geometrischen Eingangsgröße für das Training des neuronalen Netzwerks bereitgestellt werden. Durch die zeitkontinuierliche Bereitstellung der geometrischen Eingangsgröße wird das neuronale Netzwerk während der gesamten Trainingsdauer mit der geometrischen Eingangsgröße als Eingabedaten versorgt. Die geometrische Eingangsgröße kann somit während des gesamten Trainingsvorgangs des neuronalen Netzwerks zur Bestimmung einer Kupplungstemperatur berücksichtigt werden.According to a further embodiment, the geometric input variable is provided continuously during training of the neural network. For example, a constant value of the geometric input variable for training the neural network can be provided throughout the entire duration of the training process. Alternatively, a time-dependent and/or temperature-dependent value of the geometric input variable for training the neural network can be provided throughout the entire duration of the training process. By providing the geometric input variable over time, the neural network is supplied with the geometric input variable as input data throughout the entire training period. The geometric input variable can therefore be taken into account throughout the entire training process of the neural network to determine a clutch temperature.
Gemäß einer weiteren Ausführungsform wird das neuronale Netzwerk ferner mittels zumindest eines bestimmten Eingangswerts trainiert, welcher für eine der Fahrzeugkupplung zugeführte Leistung repräsentativ ist. Der zumindest eine Eingangswert wird basierend auf einer Verarbeitung zeitlich aufeinanderfolgender Werte für die der Fahrzeugkupplung zugeführte Leistung bestimmt. Unter der der Fahrzeugkupplung zugeführten Leistung kann eine physikalische Leistung verstanden werden, also eine Energiemenge, welche der Fahrzeugkupplung während einer vorgegebenen Zeitspanne zugeführt wird. Beispielsweise kann es sich bei der der Fahrzeugkupplung zugeführten Leistung um eine der Fahrzeugkupplung während eines Schaltvorgangs beziehungsweise eines Gangwechsels derselben zugeführte Schaltleistung handeln. Die der Fahrzeugkupplung zugeführte Leistung kann für eine Änderung der Kupplungstemperatur der Fahrzeugkupplung repräsentativ sein.According to a further embodiment, the neural network is further trained using at least one specific input value, which is representative of a power supplied to the vehicle clutch. The at least one input value is determined based on processing successive values for the power supplied to the vehicle clutch. The power supplied to the vehicle clutch can be understood as a physical power, i.e. an amount of energy which is supplied to the vehicle clutch during a predetermined period of time. For example, the power supplied to the vehicle clutch can be a switching power supplied to the vehicle clutch during a switching process or a gear change. The power supplied to the vehicle clutch may be representative of a change in the clutch temperature of the vehicle clutch.
Die der Fahrzeugkupplung zugeführte Leistung kann in bestimmten Zeitabständen erfasst werden. Die einzelnen Werte für die der Fahrzeugkupplung zugeführten Leistung können beispielsweise entsprechend ihres Erfassungszeitpunkts in aufsteigender Reihenfolge angeordnet werden. Diese zeitlich aufeinanderfolgenden Werte für die der Fahrzeugkupplung zugeführte Leistung können mathematisch verarbeitet werden, beispielsweise mittels einer vorgegebenen Rechenoperation wie der Bildung eines Mittelwerts.The power supplied to the vehicle clutch can be recorded at certain time intervals. The individual values for the power supplied to the vehicle clutch can, for example, be arranged in ascending order according to their detection time. These temporally successive values for the power supplied to the vehicle clutch can be processed mathematically, for example by means of a predetermined arithmetic operation such as forming an average value.
Der zumindest eine bestimmte Eingangswert kann analog zu der geometrischen Eingangsgröße, den zumindest einen Wert des Betriebsparameters der Fahrzeugkupplung beziehungsweise den Werten für die Kupplungstemperatur bereitgestellt werden. Mittels des zumindest einen bestimmten Eingangswerts kann das neuronale Netzwerk ferner unter Berücksichtigung eines zeitlichen Verlaufs der der Fahrzeugkupplung zugeführten Leistung trainiert werden. Die der Fahrzeugkupplung zugeführte Leistung kann repräsentativ für eine Kupplungstemperatur der Fahrzeugkupplung sein.The at least one specific input value can be provided analogously to the geometric input variable, the at least one value of the operating parameter of the vehicle clutch or the values for the clutch temperature. Using the at least one specific input value, the neural network can also take into account a time course of the Power supplied to the vehicle clutch can be trained. The power supplied to the vehicle clutch may be representative of a clutch temperature of the vehicle clutch.
Die Erfindung bezieht sich in einem zweiten Aspekt auf ein Verfahren zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks. Das Verfahren weist die folgenden Schritte auf: Eingabe zumindest einer geometrischen Eingangsgröße, welche repräsentativ für eine geometrische Eigenschaft der Fahrzeugkupplung ist, als Eingabedaten in das neuronale Netzwerk; Eingabe zumindest eines Wertes zumindest eines Betriebsparameters der Fahrzeugkupplung als Eingabedaten in das neuronale Netzwerk; und Bestimmen einer Kupplungstemperatur durch das neuronale Netzwerk, basierend auf den Eingabedaten und einem von dem neuronalen Netzwerk gelernten Zusammenhang der Eingabedaten mit der Kupplungstemperatur. Das zu den Eingabedaten des Trainierverfahrens gemäß des ersten Aspekts Erläuterte gilt analog für die Eingabedaten des Bestimmungsverfahrens gemäß dem zweiten Aspekt.In a second aspect, the invention relates to a method for determining a clutch temperature of a vehicle clutch using a neural network. The method has the following steps: inputting at least one geometric input variable, which is representative of a geometric property of the vehicle clutch, as input data into the neural network; Entering at least one value of at least one operating parameter of the vehicle clutch as input data into the neural network; and determining a clutch temperature by the neural network based on the input data and a relationship of the input data to the clutch temperature learned by the neural network. What has been explained regarding the input data of the training method according to the first aspect applies analogously to the input data of the determination method according to the second aspect.
Die von dem neuronalen Netzwerk bestimmte Kupplungstemperatur kann von weiteren Komponenten der Fahrzeugsteuerung verwendet werden. Beispielsweise kann mit der bestimmten Kupplungstemperatur ein Ansteuerwert für eine Steuereinheit des Fahrzeugs, beispielsweise eine Getriebesteuerung für ein Automatikgetriebe, erzeugt werden. Der Ansteuerwert kann ferner auf einer Anzeigeeinheit des Fahrzeugs dargestellt werden. Alternativ oder zusätzlich kann der auf der Kupplungstemperatur basierende Ansteuerwert von einer Auswerteeinheit verarbeitet werden, welche beispielsweise der Überwachung der Fahrsicherheit des Fahrzeugs dient.The clutch temperature determined by the neural network can be used by other components of the vehicle control system. For example, the specific clutch temperature can be used to generate a control value for a control unit of the vehicle, for example a transmission control for an automatic transmission. The control value can also be displayed on a display unit of the vehicle. Alternatively or additionally, the control value based on the clutch temperature can be processed by an evaluation unit, which is used, for example, to monitor the driving safety of the vehicle.
Nach einer Ausführungsform kann das Bestimmungsverfahren ferner die folgenden Schritte aufweisen: Bestimmen zumindest eines Eingangswerts, welcher für eine der Fahrzeugkupplung zugeführte Leistung repräsentativ ist, wobei der zumindest eine Eingangswert basierend auf einer Verarbeitung zeitlich aufeinanderfolgender Werte für die der Fahrzeugkupplung zugeführten Leistung bestimmt wird; und Eingabe des zumindest einen Eingangswerts als Eingabedaten in das neuronale Netzwerk.According to one embodiment, the determination method may further comprise the following steps: determining at least one input value which is representative of a power supplied to the vehicle clutch, the at least one input value being determined based on a processing of temporally successive values for the power supplied to the vehicle clutch; and inputting the at least one input value as input data into the neural network.
Das Bestimmen der Kupplungstemperatur basiert bei dieser Ausführungsform auf einem zeitlichen Verlauf der der Fahrzeugkupplung zugeführten Leistung. Somit kann auch eine zeitliche Änderung der der Fahrzeugkupplung zugeführten Leistung von dem neuronalen Netzwerk berücksichtigt werden. Die der Fahrzeugkupplung zugeführte Leistung kann repräsentativ für eine Kupplungstemperatur der Fahrzeugkupplung sein. Beispielsweise kann eine Abkühl- oder Aufheizphase der Fahrzeugkupplung erfasst und bei der Bestimmung der Kupplungstemperatur berücksichtigt werden. Ferner kann beispielsweise das Überschreiten eines Grenzwerts für die Kupplungstemperatur beziehungsweise eine Abweichung von einem Normverhalten der Kupplungstemperatur während der Aufheiz- oder Abkühlphase berücksichtigt werden. Die Kupplungstemperatur kann demnach außerdem präziser von dem neuronalen Netzwerk bestimmt werden. Weiterhin wird der zeitliche Verlauf der der Fahrzeugkupplung zugeführten Leistung nicht von dem neuronalen Netzwerk selbst bestimmt, sondern diesem lediglich in Form des verarbeiteten Eingangswerts übermittelt. Somit wird die Struktur des neuronalen Netzwerks, trotz Berücksichtigung weiterer Eingangsdaten, nur geringfügig verändert. Der für die Bestimmung der Kupplungstemperatur benötigte Rechenaufwand kann dadurch geringgehalten werden. Deshalb kann auch der für das neuronale Netzwerk benötigte Speicherplatz reduziert werden.In this embodiment, determining the clutch temperature is based on a time course of the power supplied to the vehicle clutch. A temporal change in the power supplied to the vehicle clutch can therefore also be taken into account by the neural network. The power supplied to the vehicle clutch may be representative of a clutch temperature of the vehicle clutch. For example, a cooling or heating phase of the vehicle clutch can be recorded and taken into account when determining the clutch temperature. Furthermore, for example, the exceeding of a limit value for the clutch temperature or a deviation from a standard behavior of the clutch temperature during the heating or cooling phase can be taken into account. The clutch temperature can therefore also be determined more precisely by the neural network. Furthermore, the time course of the power supplied to the vehicle clutch is not determined by the neural network itself, but is only transmitted to it in the form of the processed input value. This means that the structure of the neural network is only slightly changed, despite taking additional input data into account. The computing effort required to determine the clutch temperature can thereby be kept low. Therefore, the storage space required for the neural network can also be reduced.
Das neuronale Netzwerk des zweiten Aspekts kann gemäß dem Verfahren zum Trainieren eines neuronalen Netzwerks nach dem ersten Aspekt trainiert werden. Somit können die technischen Effekte und Vorteile des ersten und des zweiten Aspekts kombiniert werden.The neural network of the second aspect can be trained according to the method for training a neural network according to the first aspect. The technical effects and advantages of the first and second aspects can thus be combined.
Gemäß einer Ausführungsform ist die geometrische Eigenschaft der Fahrzeugkupplung bezüglich zumindest eines Kupplungselements der Fahrzeugkupplung bestimmt und aus zumindest einem der folgenden ausgewählt ist: einer Wärmekapazität des Kupplungselements; einem Reibungskoeffizienten des Kupplungselements; einem Wärmeübertragungskoeffizienten des Kupplungselements; einer Art des Kupplungselements; einem Material des Kupplungselements; einer Masse des Kupplungselements; einer Wirkfläche des Kupplungselements; einem Querschnitt des Kupplungselements; einem Durchmesser des Kupplungselements; und einer Anzahl gleichwertiger Kupplungselemente. Unter einem Kupplungselement der Fahrzeugkupplung kann zum Beispiel eine der rotierbaren Kupplungsscheiben verstanden werden, welche im Betrieb der Fahrzeugkupplung zur Drehmomentübertragung in mechanische Wirkverbindung gebracht werden können. Die obigen geometrischen Eigenschaften können repräsentativ für eine Temperatur der Fahrzeugkupplung sein. Alternativ oder zusätzlich können die obigen geometrischen Eigenschaften repräsentativ für eine der Fahrzeugkupplung zugeführte Leistung sein. Aus den genannten geometrischen Eigenschaften kann somit auf besonders einfache Art eine Kupplungstemperatur von dem neuronalen Netzwerk bestimmt werden.According to one embodiment, the geometric property of the vehicle clutch is determined with respect to at least one clutch element of the vehicle clutch and is selected from at least one of the following: a heat capacity of the clutch element; a coefficient of friction of the coupling element; a heat transfer coefficient of the coupling element; a type of coupling element; a material of the coupling element; a mass of the coupling element; an effective surface of the coupling element; a cross section of the coupling element; a diameter of the coupling element; and a number of equivalent coupling elements. A coupling element of the vehicle clutch can be understood to mean, for example, one of the rotatable clutch disks, which can be brought into mechanical operative connection for torque transmission during operation of the vehicle clutch. The above geometric properties may be representative of a temperature of the vehicle clutch. Alternatively or additionally, the above geometric properties may be representative of power supplied to the vehicle clutch. A clutch temperature can therefore be determined by the neural network in a particularly simple manner from the geometric properties mentioned.
Nach einer Ausführungsform ist der zumindest eine Betriebsparameter der Fahrzeugkupplung aus zumindest einem der folgenden ausgewählt: einem Drehmoment einer Antriebsachse eines Fahrzeugmotors, welche mit der Fahrzeugkupplung in mechanischer Wirkverbindung steht; einer Drehzahldifferenz zwischen zwei rotierenden Kupplungselementen der Fahrzeugkupplung; einer Drehzahl eines rotierenden Kupplungselements der Fahrzeugkupplung; einem auf ein Kupplungselement der Fahrzeugkupplung wirkenden mechanischen Druck; einer Stromstärke eines durch ein Kupplungselement der Fahrzeugkupplung fließenden elektrischen Stroms; und einer Sumpftemperatur eines Fahrzeuggetriebes zu Beginn eines Schaltvorgangs der Fahrzeugkupplung. Bei Kupplungselementen kann es sich beispielsweise um die Kupplungsscheiben einer Fahrzeugkupplung handeln, welche zur Drehmomentübertragung von dem Motor an die Antriebsachse verbunden werden können. Die obigen Parameter können für eine der Fahrzeugkupplung zugeführte Leistung repräsentativ sein. Alternativ oder zusätzlich können die obigen Parameter für eine Kupplungstemperatur der Fahrzeugkupplung repräsentativ sein. Durch Verwendung zumindest eines dieser Parameter kann die Bestimmung der Kupplungstemperatur somit erleichtert werden.According to one embodiment, the at least one operating parameter of the vehicle clutch is selected from at least one of the following: a torque of a drive axle of a vehicle engine, which is in mechanical operative connection with the vehicle clutch; a speed difference between two rotating clutch elements of the vehicle clutch; a speed of a rotating clutch element of the vehicle clutch; a mechanical pressure acting on a coupling element of the vehicle clutch; a current intensity of an electric current flowing through a coupling element of the vehicle clutch; and a sump temperature of a vehicle transmission at the beginning of a shifting process of the vehicle clutch. Clutch elements can be, for example, the clutch disks of a vehicle clutch, which can be connected to transmit torque from the engine to the drive axle. The above parameters may be representative of power supplied to the vehicle clutch. Alternatively or additionally, the above parameters can be representative of a clutch temperature of the vehicle clutch. By using at least one of these parameters, the determination of the clutch temperature can be made easier.
Die Erfindung bezieht sich in einem dritten Aspekt auf eine Steuereinrichtung zur Bestimmung einer Kupplungstemperatur einer Fahrzeugkupplung. Die Steuereinrichtung umfasst ein computer-lesbares Speichermedium, auf welchem ein neuronales Netzwerk zum Bestimmen der Kupplungstemperatur gespeichert ist; eine Eingabevorrichtung zur Eingabe von Eingabedaten in das neuronale Netzwerk, wobei die Eingabedaten zumindest eine geometrische Eingangsgröße, welche repräsentativ für eine geometrische Eigenschaft der Fahrzeugkupplung ist, und zumindest einen Wert zumindest eines Betriebsparameters der Fahrzeugkupplung umfassen; und eine Ausgabevorrichtung zur Ausgabe der bestimmten Kupplungstemperatur durch das neuronale Netzwerk.In a third aspect, the invention relates to a control device for determining a clutch temperature of a vehicle clutch. The control device comprises a computer-readable storage medium on which a neural network for determining the clutch temperature is stored; an input device for inputting input data into the neural network, the input data comprising at least one geometric input variable which is representative of a geometric property of the vehicle clutch and at least one value of at least one operating parameter of the vehicle clutch; and an output device for outputting the determined clutch temperature by the neural network.
Die genannten Vorrichtungen der Steuereinrichtung gemäß dem dritten Aspekt können zum Empfangen, zur Verarbeitung und zur Weiterleitung von elektrischen Signalen ausgebildet sein. Die genannten Vorrichtungen der Steuereinrichtung gemäß dem dritten Aspekt können zur Durchführung des Verfahrens gemäß dem ersten Aspekt und/oder dem zweiten Aspekt ausgebildet sein. Analog kann das Verfahren gemäß dem ersten Aspekt beziehungsweise dem zweiten Aspekt von der Steuereinrichtung gemäß dem dritten Aspekt durchgeführt werden. Die zu dem ersten beziehungsweise dem zweiten Aspekt erläuterten Ausführungsformen, technischen Effekte und Vorteile gelten somit analog auch für die Steuereinrichtung nach dem dritten Aspekt.The mentioned devices of the control device according to the third aspect can be designed to receive, process and forward electrical signals. The mentioned devices of the control device according to the third aspect can be designed to carry out the method according to the first aspect and/or the second aspect. Analogously, the method according to the first aspect or the second aspect can be carried out by the control device according to the third aspect. The embodiments, technical effects and advantages explained for the first and second aspects therefore also apply analogously to the control device according to the third aspect.
Nach einer Ausführungsform ist das auf dem Speichermedium gespeicherte neuronale Netzwerk gemäß dem Verfahren nach dem ersten Aspekt trainiert worden. Die Kupplungstemperatur wird von dem neuronalen Netzwerk gemäß dem Verfahren nach dem zweiten Aspekt bestimmt. Die zu dem ersten, dem zweiten und dem dritten Aspekt erläuterten Ausführungsformen, technischen Effekte und Vorteile können somit kombiniert werden.According to one embodiment, the neural network stored on the storage medium has been trained according to the method according to the first aspect. The clutch temperature is determined by the neural network according to the method according to the second aspect. The embodiments, technical effects and advantages explained in the first, second and third aspects can thus be combined.
Kurze Beschreibung der ZeichnungenBrief description of the drawings
-
1 zeigt ein Ablaufdiagramm mit Schritten eines Verfahrens zum Trainieren eines neuronalen Netzwerks, welches dazu ausgebildet ist, eine Kupplungstemperatur einer Fahrzeugkupplung zu bestimmen, nach einer Ausführungsform der Erfindung.1 shows a flowchart with steps of a method for training a neural network, which is designed to determine a clutch temperature of a vehicle clutch, according to an embodiment of the invention. -
2 zeigt ein Ablaufdiagramm mit Schritten eines Verfahrens zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks, nach einer weiteren Ausführungsform der Erfindung.2 shows a flowchart with steps of a method for determining a clutch temperature of a vehicle clutch using a neural network, according to a further embodiment of the invention. -
3 zeigt schematisch eine Steuereinrichtung zur Bestimmung einer Kupplungstemperatur einer Fahrzeugkupplung mit einem neuronalen Netzwerk gemäß einer weiteren Ausführungsform der Erfindung.3 shows schematically a control device for determining a clutch temperature of a vehicle clutch with a neural network according to a further embodiment of the invention.
Detaillierte Beschreibung von AusführungsformenDetailed Description of Embodiments
In einem ersten Trainierschritt TS1 wird zumindest eine geometrische Eingangsgröße als Eingabedaten bereitgestellt. Die zumindest eine geometrische Eingangsgröße ist repräsentativ für eine geometrische Eigenschaft der Fahrzeugkupplung. Die zumindest eine geometrische Eingangsgröße wird im Ausführungsbeispiel der
In einer nicht dargestellten Ausführungsform wird die zumindest eine geometrische Eingangsgröße in Abhängigkeit eines gemessenen Durchmessers und einer gemessenen Anzahl der Kupplungsbeläge der Fahrzeugkupplung bestimmt. Ferner wird die zumindest eine geometrische Eingangsgröße in diesem Ausführungsbeispiel in Abhängigkeit eines vorgegebenen Reibwerts der Kupplungsbeläge bestimmt. Aus dem gemessenen Durchmesser, der Anzahl der Kupplungsbeläge und des vorgegebenen Reibwerts wird ein synthetischer Wert erzeugt, welcher für einen Reibung der Fahrzeugkupplung als geometrische Eigenschaft derselben repräsentativ ist.In an embodiment not shown, the at least one geometric input variable is determined as a function of a measured diameter and a measured number of clutch linings of the vehicle clutch. Furthermore, the at least one geometric input variable in this exemplary embodiment is determined depending on a predetermined coefficient of friction of the clutch linings. A synthetic value is generated from the measured diameter, the number of clutch linings and the specified coefficient of friction, which is representative of the friction of the vehicle clutch as a geometric property of the same.
In einem zweiten Trainierschritt TS2 wird zumindest ein Wert zumindest eines Betriebsparameters der Fahrzeugkupplung als Eingabedaten für das neuronale Netzwerk bereitgestellt. Der bereitgestellte Wert des zumindest einen Betriebsparameters wird hierbei an zumindest einen Eingangsknoten des neuronalen Netzwerks übertragen.In a second training step TS2, at least one value of at least one operating parameter of the vehicle clutch is provided as input data for the neural network. The provided value of the at least one operating parameter is transmitted to at least one input node of the neural network.
In einem dritten Trainierschritt TS3 werden Werte für eine Kupplungstemperatur als Ausgabedaten bereitgestellt. Diese Werte sind gemessene Werte für die Kupplungstemperatur. In einem nicht dargestellten Ausführungsbeispiel sind die Werte für die Kupplungstemperatur synthetisch erzeugt. Diese Werte werden an zumindest einen Ausgangsknoten des neuronalen Netzwerks übertragen.In a third training step TS3, values for a clutch temperature are provided as output data. These values are measured values for the clutch temperature. In an exemplary embodiment, not shown, the values for the clutch temperature are generated synthetically. These values are transmitted to at least one output node of the neural network.
In einem vierten Trainierschritt TS4 wird das neuronale Netzwerk mit den Eingabedaten und den Ausgabedaten trainiert, um einen Zusammenhang der geometrischen Eigenschaft und des zumindest einen Betriebsparameters mit der Kupplungstemperatur zu lernen. Basierend auf diesem von dem neuronalen Netzwerk gelernten Zusammenhang kann das trainierte neuronale Netzwerk verwendet werden, um eine Kupplungstemperatur der Fahrzeugkupplung während des Betriebs des Fahrzeugs zu bestimmen.In a fourth training step TS4, the neural network is trained with the input data and the output data in order to learn a connection between the geometric property and the at least one operating parameter and the clutch temperature. Based on this relationship learned by the neural network, the trained neural network can be used to determine a clutch temperature of the vehicle clutch during operation of the vehicle.
Zum Training werden die an die Eingangsknoten des neuronalen Netzwerks übertragenen Eingabedaten über von dem neuronalen Netzwerk mathematisch gewichtete Verbindungen an Zwischenknoten des neuronalen Netzwerks übertragen. Auf den Zwischenknoten werden die übertragenen Eingabedaten verarbeitet, um die auf den Ausgangsknoten bereitgestellten Ausgabedaten zu erhalten. Die Ausgangsknoten sind über von dem neuronalen Netzwerk mathematisch gewichtete Verbindungen mit den Zwischenknoten verbunden. Die mathematische Gewichtung der jeweiligen Verbindungen wird von dem neuronalen Netzwerk während des Trainingsvorgangs angepasst.For training, the input data transmitted to the input nodes of the neural network are transmitted to intermediate nodes of the neural network via connections mathematically weighted by the neural network. The transmitted input data is processed on the intermediate nodes to obtain the output data provided on the output nodes. The output nodes are connected to the intermediate nodes via connections mathematically weighted by the neural network. The mathematical weighting of the respective connections is adjusted by the neural network during the training process.
Durch das Trainieren des neuronalen Netzwerks mit der geometrischen Eingangsgröße wird die geometrische Eigenschaft der Fahrzeugkupplung bei der Bestimmung der Kupplungstemperatur berücksichtigt. Hierdurch kann das trainierte neuronale Netzwerk auch zur Bestimmung der Kupplungstemperatur weiterer Fahrzeugkupplungen verwendet werden, welche dieselbe oder eine vergleichbare geometrische Eigenschaft aufweisen. Somit muss nicht für jede Fahrzeugkupplung ein neues neuronales Netzwerk trainiert werden. Der Berechnungsaufwand zur Bestimmung der Kupplungstemperatur verschiedener Fahrzeugkupplungen kann daher verringert werden.By training the neural network with the geometric input variable, the geometric property of the vehicle clutch is taken into account when determining the clutch temperature. As a result, the trained neural network can also be used to determine the clutch temperature of other vehicle clutches that have the same or a comparable geometric property. This means that a new neural network does not have to be trained for every vehicle clutch. The calculation effort for determining the clutch temperature of various vehicle clutches can therefore be reduced.
In einem ersten Bestimmungsschritt BS1 wird zumindest eine geometrische Eingangsgröße als Eingabedaten in das neuronale Netzwerk eingegeben, welche repräsentativ für eine geometrische Eigenschaft der Fahrzeugkupplung ist. Die geometrische Eingangsgröße wird im Ausführungsbeispiel der
In einem zweiten Bestimmungsschritt BS2 wird zumindest ein Wert zumindest eines Betriebsparameters der Fahrzeugkupplung als Eingabedaten in das neuronale Netzwerk eingegeben. Der zumindest eine Wert des zumindest einen Betriebsparameters wird hierbei an zumindest einen Eingangsknoten des neuronalen Netzwerks übertragen.In a second determination step BS2, at least one value of at least one operating parameter of the vehicle clutch is entered into the neural network as input data. The at least one value of the at least one operating parameter is transmitted to at least one input node of the neural network.
In einem dritten Bestimmungsschritt BS3 wird durch das neuronale Netzwerk eine Kupplungstemperatur bestimmt. Die Kupplungstemperatur wird basierend auf den Eingabedaten und einem von dem neuronalen Netzwerk gelernten Zusammenhang der Eingabedaten mit der Kupplungstemperatur bestimmt. Die von dem neuronalen Netzwerk bestimmte Kupplungstemperatur wird an eine Getriebesteuerung des Fahrzeugs übertragen und von dieser verwendet.In a third determination step BS3, a clutch temperature is determined by the neural network. The clutch temperature is determined based on the input data and a relationship of the input data to the clutch temperature learned by the neural network. The clutch temperature determined by the neural network is transmitted to a transmission control of the vehicle and used by it.
Das zur Durchführung des Verfahrens der Ausführungsform der
Die Steuereinrichtung 10 umfasst ein computerlesbares Speichermedium 14, auf welchem das neuronale Netzwerk 12 gespeichert ist. Die Steuereinrichtung 10 umfasst ferner eine Eingabevorrichtung 16, welche zum Empfang von Werten 18a, 18b, 18c von Betriebsparametern der Fahrzeugkupplung ausgebildet ist. Die Eingabevorrichtung 16 überträgt die Werte 18a, 18b, 18c der Betriebsparameter der Fahrzeugkupplung als Eingabedaten 20a an das neuronale Netzwerk 12.The
Die Steuereinrichtung 10 umfasst ferner eine Bestimmungsvorrichtung 22 welche einen gemessenen Parameter 24a und einen vorgegebenen Parameter 24b der Fahrzeugkupplung empfängt. Der gemessene Parameter 24a und der vorgegebene Parameter 24b sind für eine geometrische Eigenschaft der Fahrzeugkupplung repräsentativ. Aus dem gemessenen Parameter 24a und dem vorgegebenen Parameter 24b bestimmt die Bestimmungsvorrichtung 22 eine geometrische Eingangsgröße 26, welche für die geometrische Eigenschaft der Fahrzeugkupplung repräsentativ ist. Analog zu den Ausführungsformen der
Die Steuereinrichtung 10 umfasst ferner Erfassungsvorrichtungen 28a, 28b, welche zeitlich aufeinanderfolgende Werte 30a, 30b, beziehungsweise 30c, 30d für eine der Fahrzeugkupplung zugeführte Leistung erfassen. Bei den Erfassungsvorrichtungen 28a, 28b handelt es sich um Tiefpass-Filter und bei den Werten 30a, 30b, 30c, 30d für eine der Fahrzeugkupplung zugeführte Leistung handelt es sich um eine der Fahrzeugkupplung während eines Schaltvorgangs beziehungsweise Gangwechsels zugeführte Schaltleistung. Die erfassten Werte 30a, 30b, 30c und 30d für die Schaltleistung werden von den Erfassungsvorrichtungen 28a, 28b an eine weitere Bestimmungsvorrichtung 32 übertragen. Die weitere Bestimmungsvorrichtung 32 bestimmt durch Verarbeiten der zeitlich aufeinanderfolgenden Werte 30a, 30b, 30c, 30d zumindest einen Mittelwert für die Schaltleistung. Der zumindest eine Mittelwert für die Schaltleistung wird von der Bestimmungsvorrichtung 32 als Eingangswert 34 an die Eingabevorrichtung 16 übertragen. Die Eingabevorrichtung 16 überträgt den Eingangswert 24 als Eingabedaten 20c an das neuronale Netzwerk 12.The
Aus den Eingabedaten 20a, 20b, 20c wird von dem neuronalen Netzwerk 12 eine Kupplungstemperatur KT der Fahrzeugkupplung bestimmt. Die bestimmte Kupplungstemperatur KT wird von dem neuronalen Netzwerk 12 an eine Ausgabevorrichtung 36 übertragen. Die Ausgabevorrichtung 30 überträgt die bestimmte Kupplungstemperatur KT an weitere Vorrichtungen der Fahrzeugsteuerung.A clutch temperature KT of the vehicle clutch is determined by the
Die in der
BezugszeichenReference symbols
- 1010
- SteuereinrichtungControl device
- 1212
- Neuronales NetzwerkNeural network
- 1414
- Speichermediumstorage medium
- 1616
- EingabevorrichtungInput device
- 18a, 18b, 18c18a, 18b, 18c
- Werte von BetriebsparameternValues of operating parameters
- 20a, 20b, 20c20a, 20b, 20c
- EingabedatenInput data
- 2222
- BestimmungsvorrichtungDetermination device
- 24a24a
- gemessener Parametermeasured parameter
- 24b24b
- vorgegebener Parameterspecified parameter
- 2626
- geometrische Eingangsgrößegeometric input size
- 28a, 28b28a, 28b
- ErfassungsvorrichtungenDetection devices
- 30a, 30b,30a, 30b,
- zeitlich aufeinanderfolgende Werte für eine der Fahrzeugkupplungsuccessive values for one of the vehicle clutches
- 30c, 30d30c, 30d
- zugeführte Leistungpower supplied
- 3232
- weitere Bestimmungsvorrichtungfurther determination device
- 3434
- EingangswertInput value
- 3636
- AusgabevorrichtungDispensing device
- KTKT
- KupplungstemperaturClutch temperature
- TS1TS1
- erster Trainierschrittfirst training step
- TS2TS2
- zweiter Trainierschrittsecond training step
- TS3TS3
- dritter Trainierschrittthird training step
- TS4TS4
- vierter Trainierschrittfourth training step
- BS1BS1
- erster Bestimmungsschrittfirst determination step
- BS2BS2
- zweiter Bestimmungsschrittsecond determination step
- BS3BS3
- dritter Bestimmungsschrittthird determination step
Claims (12)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022205676.0A DE102022205676A1 (en) | 2022-06-02 | 2022-06-02 | Determining a clutch temperature of a vehicle clutch using a neural network using a geometric property of the vehicle clutch |
PCT/EP2023/064479 WO2023232836A1 (en) | 2022-06-02 | 2023-05-31 | Determining the temperature of a vehicle clutch by means of a neural network using a geometric property of the vehicle clutch |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022205676.0A DE102022205676A1 (en) | 2022-06-02 | 2022-06-02 | Determining a clutch temperature of a vehicle clutch using a neural network using a geometric property of the vehicle clutch |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102022205676A1 true DE102022205676A1 (en) | 2023-12-07 |
Family
ID=86692861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102022205676.0A Pending DE102022205676A1 (en) | 2022-06-02 | 2022-06-02 | Determining a clutch temperature of a vehicle clutch using a neural network using a geometric property of the vehicle clutch |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102022205676A1 (en) |
WO (1) | WO2023232836A1 (en) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103967963B (en) | 2014-05-21 | 2016-08-17 | 合肥工业大学 | The measuring method of DCT wet clutch temperature based on neural network prediction |
US20190195292A1 (en) | 2017-12-22 | 2019-06-27 | Caterpillar Inc. | Clutch Local Peak Temperature Real Time Predictor and Applications |
DE102021118058A1 (en) | 2020-08-06 | 2022-02-10 | Toyota Jidosha Kabushiki Kaisha | FRICTION ENGAGEMENT ELEMENT TEMPERATURE ESTIMATION DEVICE |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010025518A1 (en) * | 2010-06-29 | 2011-12-29 | Voith Patent Gmbh | Method for controlling a functional value of a hydrodynamic component |
DE102018115426A1 (en) * | 2018-06-27 | 2020-01-02 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Control system for controlling an actuation behavior of a friction clutch and method for actuating a friction clutch |
DE102020206309B4 (en) * | 2020-05-19 | 2024-01-25 | Magna Pt B.V. & Co. Kg | Device and method for detecting and reducing spurious vibration in a vehicle |
-
2022
- 2022-06-02 DE DE102022205676.0A patent/DE102022205676A1/en active Pending
-
2023
- 2023-05-31 WO PCT/EP2023/064479 patent/WO2023232836A1/en unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103967963B (en) | 2014-05-21 | 2016-08-17 | 合肥工业大学 | The measuring method of DCT wet clutch temperature based on neural network prediction |
US20190195292A1 (en) | 2017-12-22 | 2019-06-27 | Caterpillar Inc. | Clutch Local Peak Temperature Real Time Predictor and Applications |
DE102021118058A1 (en) | 2020-08-06 | 2022-02-10 | Toyota Jidosha Kabushiki Kaisha | FRICTION ENGAGEMENT ELEMENT TEMPERATURE ESTIMATION DEVICE |
Also Published As
Publication number | Publication date |
---|---|
WO2023232836A1 (en) | 2023-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102016008987B4 (en) | Machine learning method and machine learning apparatus for learning failure conditions, and failure prediction apparatus and failure prediction system including the machine learning apparatus | |
DE102016009032B4 (en) | Machine learning unit, spindle replacement judgment apparatus, control, machine tool, production system and machine learning method capable of judging the necessity of a spindle replacement | |
DE602006000152T2 (en) | Machine tool with means for monitoring an abnormal ambient temperature change | |
DE102019128177A1 (en) | DEVICE AND METHOD FOR DETERMINING THE STATE | |
DE102017111976A1 (en) | ENGINE COOLING SYSTEMS AND METHOD | |
DE102019103824A1 (en) | FAULT FORECASTING DEVICE AND MECHANICAL LEARNING DEVICE | |
DE102007038890A1 (en) | Method and device for determining the service life of components in service | |
EP3876060B1 (en) | Method and computing unit for analyzing the reason for an anomalous state of a machine | |
DE102018121793A1 (en) | OPTIMIZING FUEL CONSUMPTION BY AIR PRO CYLINDER (APC) IN MPC-BASED DRIVE TRAVEL CONTROL | |
DE102018100455B4 (en) | Method for operating an extrusion plant and extrusion plant | |
DE102019114787A1 (en) | CONTROL IN STABLE OPERATION OF DRIVETRAIN BASED ON MODEL-PREDICTIVE CONTROL WITH STEPLESS GEARBOX | |
DE102022205676A1 (en) | Determining a clutch temperature of a vehicle clutch using a neural network using a geometric property of the vehicle clutch | |
DE102010055660B4 (en) | PROCEDURE FOR REGULATING TORQUE CONVERTER SLIP IN A DRIVE TRAIN | |
DE102020204952A1 (en) | ANOMALY DETECTION DEVICE, ANOMALY DETECTION SERVER, AND ANOMALY DETECTION METHOD | |
DE102022205784A1 (en) | Determining a clutch temperature of a vehicle clutch using a neural network and determining a scaling factor therefor | |
DE102020105403A1 (en) | Method for determining the degree of contamination of a filter element | |
DE102021119182A1 (en) | SERVO MOTOR INSTALLATION AND CONTROL METHOD | |
DE102022205678A1 (en) | Determining a clutch temperature of a vehicle clutch by means of demand-based activation of a neural network | |
DE102007020279A1 (en) | Drive engine operating method for drive train of vehicle, involves estimating load torque rates and determining load torque from estimated load torque rates, where each torque rate is assigned to drive train component | |
DE102022205677A1 (en) | Determining a clutch temperature of a vehicle clutch using a neural network | |
WO2021073996A1 (en) | Method for a model-based determination of model parameters | |
DE112019002515T5 (en) | CONDITION OR HEALTH MANAGEMENT OF A MOTION SYSTEM USING EXISTING SERVO DRIVE VARIABLES | |
EP4088077B1 (en) | Method and device for determining fouling in a heat exchanger | |
DE102022134209B3 (en) | Method, diagnostic device and system for monitoring operation of an internal combustion engine | |
DE10123652B4 (en) | Method for determining the temperature in a transmission |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication |