DE102022205784A1 - Determining a clutch temperature of a vehicle clutch using a neural network and determining a scaling factor therefor - Google Patents
Determining a clutch temperature of a vehicle clutch using a neural network and determining a scaling factor therefor Download PDFInfo
- Publication number
- DE102022205784A1 DE102022205784A1 DE102022205784.8A DE102022205784A DE102022205784A1 DE 102022205784 A1 DE102022205784 A1 DE 102022205784A1 DE 102022205784 A DE102022205784 A DE 102022205784A DE 102022205784 A1 DE102022205784 A1 DE 102022205784A1
- Authority
- DE
- Germany
- Prior art keywords
- clutch
- temperature
- vehicle
- neural network
- vehicle clutch
- 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 122
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000008878 coupling Effects 0.000 claims description 18
- 238000010168 coupling process Methods 0.000 claims description 18
- 238000005859 coupling reaction Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 7
- 238000007620 mathematical function Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 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
- F16D2500/304—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
- F16D2500/30404—Clutch temperature
- F16D2500/30405—Estimated 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
- F16D2500/308—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
- F16D2500/316—Other signal inputs not covered by the groups above
- F16D2500/3168—Temperature detection of any component of the control system
-
- 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
- F16D2500/502—Relating the clutch
- F16D2500/50296—Limit clutch wear
-
- 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 Bestimmen einer Kupplungstemperatur (KT1, KT2) einer Fahrzeugkupplung (K1, K2) mittels eines neuronalen Netzwerks (12), wobei das Verfahren die folgenden Schritte umfasst: Eingabe (BS1) zumindest eines Wertes (18a, 18b, 18c) zumindest eines Betriebsparameters der Fahrzeugkupplung (K1, K2) als Eingabedaten (20a) in das neuronale Netzwerk (12); Berechnen (BS2) einer Temperatur (T1) durch das neuronale Netzwerk (12), basierend auf den Eingabedaten (20a) und einem von dem neuronalen Netzwerk (12) gelernten Zusammenhang zwischen den Eingabedaten (20a) und der Temperatur (T1); und Anwenden (BS3) eines ermittelten Skalierfaktors (SF1, SF2) auf die Temperatur (T1), um die Kupplungstemperatur (KT1, KT2) der Fahrzeugkupplung (K1, K2) zu bestimmen. Offenbart wird ferner eine Steuereinrichtung (10) zur Bestimmung von Kupplungstemperaturen (KT1, KT2) einer Mehrzahl von Fahrzeugkupplungen (K1, K2) mit einem neuronalen Netzwerk (12).A method is disclosed for determining a clutch temperature (KT1, KT2) of a vehicle clutch (K1, K2) using a neural network (12), the method comprising the following steps: input (BS1) of at least one value (18a, 18b, 18c) at least one operating parameter of the vehicle clutch (K1, K2) as input data (20a) into the neural network (12); Calculating (BS2) a temperature (T1) by the neural network (12), based on the input data (20a) and a relationship between the input data (20a) and the temperature (T1) learned by the neural network (12); and applying (BS3) a determined scaling factor (SF1, SF2) to the temperature (T1) to determine the clutch temperature (KT1, KT2) of the vehicle clutch (K1, K2). Also disclosed is a control device (10) for determining clutch temperatures (KT1, KT2) of a plurality of vehicle clutches (K1, K2) using a neural network (12).
Description
Technisches GebietTechnical area
Die vorliegende Erfindung betrifft ein Verfahren zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks und das Ermitteln eines Skalierfaktors für die Kupplungstemperatur. Die Erfindung betrifft zudem eine zugehörige Steuereinrichtung zur Bestimmung einer Kupplungstemperatur einer Fahrzeugkupplung mit einem neuronalen Netzwerk und zur Anwendung eines ermittelten Skalierfaktors auf die Kupplungstemperatur.The present invention relates to a method for determining a clutch temperature of a vehicle clutch using a neural network and determining a scaling factor for the clutch temperature. The invention also relates to an associated control device for determining a clutch temperature of a vehicle clutch using a neural network and for applying a determined scaling factor to the clutch temperature.
Stand der TechnikState of the art
Die Temperatur einer Fahrzeugkupplung kann mittels eines klassischen regelbasierten mathematischen Modells berechnet werden. Hierfür kann auch maschinelles Lernen verwendet werden, beispielsweise ein neuronales Netz. Die Berechnung kann in einem Getriebesteuergerät stattfinden. Die auf dem Getriebesteuergerät zur Verfügung stehende Berechnungskapazität kann limitiert sein. Weitere neuronale Netze können für die Bestimmung weiterer Kupplungstemperaturen weiterer Fahrzeugkupplungen verwendet werden.The temperature of a vehicle clutch can be calculated using a classic rule-based mathematical model. Machine learning can also be used for this, for example a neural network. The calculation can take place in a transmission control unit. The calculation capacity available on the transmission control unit may be limited. Additional neural networks can be used to determine additional clutch temperatures of additional vehicle clutches.
Darstellung der ErfindungPresentation of the invention
Die Erfindung bezieht sich in einem ersten Aspekt auf ein Verfahren zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks.In a first aspect, the invention relates to a method for determining a clutch temperature of a vehicle clutch using a neural network.
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 dem Abtriebsdrehmoment des Motors und dem Antriebsdrehmoment 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 the output torque of the engine and the 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. 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. During the train nings of the neural network, the weights can be changed. 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 can 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 Berechung 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 neuronale Netzwerk kann mit Trainingsdaten trainiert werden, welche für eine von der Fahrzeugkupplung verschiedene weitere Fahrzeugkupplung gesammelt wurden. Die Trainingsdaten können historisch erfasste oder synthetisch erzeugte Daten sein. Die Trainingsdaten können anhand einer mathematischen Simulation, beispielsweise der Simulation eines Erwärmungsvorgangs der weiteren Fahrzeugkupplung, gesammelt werden. Alternativ oder zusätzlich können die Trainingsdaten bei einer Vermessung der weiteren Fahrzeugkupplung auf einem Prüfstand gesammelt werden. Alternativ oder zusätzlich können die Trainingsdaten während eines Betriebs der weiteren Fahrzeugkupplung gesammelt werden, beispielsweise während der Fahrt eines Fahrzeugs, in welchem die weitere Fahrzeugkupplung verbaut ist. Die Fahrzeugkupplung und die weitere Fahrzeugkupplung können zumindest eine gemeinsame Eigenschaft aufweisen, welche gemäß dem Skalierfaktor zwischen der Fahrzeugkupplung und der weiteren Fahrzeugkupplung skalierbar ist. Die Trainingsdaten können zumindest einen Wert zumindest eines Betriebsparameters der weiteren Fahrzeugkupplung als Eingabedaten und Werte für die Kupplungstemperatur der weiteren Fahrzeugkupplung als Ausgabedaten umfassen. Während des Trainiervorgangs kann das neuronale Netzwerk einen Zusammenhang zwischen den Eingabedaten und den Ausgabedaten lernen.The neural network can be trained with training data that was collected for a vehicle clutch that is different from the vehicle clutch. The training data can be historically recorded or synthetically generated data. The training data can be collected using a mathematical simulation, for example the simulation of a heating process of the additional vehicle clutch. Alternatively or additionally, the training data can be collected during a measurement of the additional vehicle clutch on a test stand. Alternatively or additionally, the training data can be collected during operation of the further vehicle clutch, for example while driving a vehicle in which the further vehicle clutch is installed. The vehicle clutch and the further vehicle clutch can have at least one common property, which is scalable according to the scaling factor between the vehicle clutch and the further vehicle clutch. The training data can include at least one value of at least one operating parameter of the further vehicle clutch as input data and values for the clutch temperature of the further vehicle clutch as output data. During the training process, the neural network can learn a relationship between the input data and the output data.
Das Verfahren umfasst den Schritt der Eingabe zumindest eines Wertes zumindest eines Betriebsparameters der Fahrzeugkupplung als Eingabedaten in das neuronale Netzwerk. 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 zumindest einen Betriebsparameters kann beispielsweise mittels einer Eingabevorrichtung an zumindest einen der Eingangsknoten des neuronalen Netzwerks übertragen werden. Alternativ kann der zumindest eine Wert des zumindest einen Betriebsparameters von einer Steuereinrichtung des Fahrzeugs über eine Datenschnittstelle an zumindest einen der Eingangsknoten des neuronalen Netzwerks übertragen werden. Der zumindest eine Wert des zumindest einen Betriebsparameters kann als Eingabedaten für die Verwendung des neuronalen Netzwerks zur Bestimmung der Kupplungstemperatur verwendet werden. Alternativ oder zusätzlich kann der zumindest eine Wert des zumindest einen Betriebsparameters als Eingabedaten für das Training des neuronalen Netzwerks verwendet werden.The method includes the step of entering at least one value of at least one operating parameter of the vehicle clutch as input data into 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 at least one operating parameter 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 value of the at least one operating parameter 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 value of the at least one operating parameter can be used as input data for using the neural network to determine the clutch temperature. Alternatively or additionally, the at least one value of the at least one operating parameter can be used as input data for training the neural network.
Das Verfahren umfasst ferner den Schritt des Berechnens einer Temperatur durch das neuronale Netzwerk. Das neuronale Netzwerk berechnet die Temperatur basierend auf den Eingabedaten und einem von dem neuronalen Netzwerk gelernten Zusammenhang zwischen einem zeitlichen Verlauf der Eingabedaten und der Temperatur. Die Eingabedaten können von dem neuronalen Netzwerk, beispielsweise auf den Zwischenknoten, gemäß dem gelernten Zusammenhang verarbeitet werden, um die Temperatur zu berechnen. Beim Lernen des Zusammenhangs kann von dem neuronalen Netzwerk die mathematische Gewichtung der Verbindungen der einzelnen Knoten geändert werden, um die Temperatur zu bestimmen.The method further includes the step of calculating a temperature by the neural network. The neural network calculates the temperature based on the input data and a relationship learned by the neural network between a time course of the input data and the temperature. The input data can be processed by the neural network, for example on the intermediate nodes, according to the learned context to calculate the temperature. When learning the connection, the neural network can change the mathematical weighting of the connections of the individual nodes to determine the temperature.
Das Verfahren umfasst ferner den Schritt des Anwendens eines ermittelten Skalierfaktors auf die berechnete Temperatur, um die Kupplungstemperatur der Fahrzeugkupplung zu bestimmen. Der Skalierfaktor kann basierend auf gemessenen Eigenschaften der Fahrzeugkupplung ermittelt werden. Alternativ oder zusätzlich kann der Skalierfaktor basierend auf berechneten Eigenschaften der Fahrzeugkupplung ermittelt werden. Der Skalierfaktor kann ein mathematischer Wert sein, welcher zu dem Wert der berechneten Temperatur addiert oder von diesem subtrahiert wird. Alternativ oder zusätzlich kann der Skalierfaktor ein mathematischer Faktor sein, mit welchem der Wert der berechneten Temperatur multipliziert beziehungsweise dividiert wird. Alternativ oder zusätzlich kann der Skalierfaktor eine mathematische Funktion sein, welche auf den Wert der berechneten Temperatur angewandt wird. Die mathematische Funktion kann beispielsweise linear, nicht-linear, mehrdimensional, proportional, progressiv, degressiv, logarithmisch und/oder exponentiell sein. Der Wert der berechneten Temperatur kann zumindest ein Parameter der mathematischen Funktion sein. Alternativ kann der Wert der berechneten Temperatur mathematisch vorverarbeitet werden. Dieser vorverarbeitete Wert der berechneten Temperatur kann zumindest ein Parameter der mathematischen Funktion sein. Der Skalierfaktor kann aus einer Kombination der obigen Beispiele bestehen. Beispielsweise kann der Skalierfaktor aus einer mathematischen Funktion und einem mathematischen Faktor bestehen, welche jeweils auf den Wert der berechneten Temperatur angewandt werden. Beispielsweise kann der Skalierfaktor aus zwei oder mehr mathematischen Funktionen bestehen, welche miteinander verknüpft sind.The method further includes the step of applying a determined scaling factor to the calculated temperature to determine the clutch temperature of the vehicle clutch. The scaling factor can be determined based on measured properties of the vehicle clutch. Alternatively or additionally, the scaling factor can be determined based on calculated properties of the vehicle clutch. The scaling factor may be a mathematical value that is added to or subtracted from the value of the calculated temperature. Alternatively or additionally The scaling factor can be a mathematical factor by which the value of the calculated temperature is multiplied or divided. Alternatively or additionally, the scaling factor may be a mathematical function applied to the value of the calculated temperature. The mathematical function can be, for example, linear, non-linear, multidimensional, proportional, progressive, degressive, logarithmic and/or exponential. The value of the calculated temperature can be at least one parameter of the mathematical function. Alternatively, the value of the calculated temperature can be pre-processed mathematically. This preprocessed value of the calculated temperature can be at least one parameter of the mathematical function. The scaling factor can be a combination of the above examples. For example, the scaling factor may consist of a mathematical function and a mathematical factor, each of which is applied to the value of the calculated temperature. For example, the scaling factor can consist of two or more mathematical functions that are linked to one another.
Die 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 determined clutch temperature 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.
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 wird die Kupplungstemperatur mittels des Skalierfaktors bestimmt. Hierdurch kann auf das Training eines weiteren neuronalen Netzwerks zur Bestimmung der Kupplungstemperatur der Fahrzeugkupplung verzichtet werden, wenn ein oder mehrere Betriebsparameter der Fahrzeugkupplung verändert werden. Weiterhin ist es nicht notwendig, den Skalierfaktor für jede von dem neuronalen Netzwerk berechnete Temperatur jeweils neu zu ermitteln. Der Skalierfaktor kann einmalig für die jeweilige Kupplung derart ermittelt werden, dass dieser auf alle von dem neuronalen Netzwerk berechneten Temperaturen angewandt werden kann, um die jeweilige Kupplungstemperatur der Fahrzeugkupplung zu bestimmen. Dadurch kann ebenfalls Berechnungskapazität eingespart 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, the coupling temperature is determined using the scaling factor. This means that there is no need to train another neural network to determine the clutch temperature of the vehicle clutch if one or more operating parameters of the vehicle clutch are changed. Furthermore, it is not necessary to re-determine the scaling factor for each temperature calculated by the neural network. The scaling factor can be determined once for the respective clutch in such a way that it can be applied to all temperatures calculated by the neural network in order to determine the respective clutch temperature of the vehicle clutch. This can also save calculation capacity.
Zur Bestimmung der Kupplungstemperatur weiterer Fahrzeugkupplungen kann das bereits trainierte neuronale Netzwerk verwendet werden. Für die weiteren Fahrzeugkupplungen muss lediglich ein weiterer Skalierfaktor bestimmt werden, welcher auf die von dem neuronalen Netzwerk berechnete Temperatur angewandt wird, um die Kupplungstemperaturen weiterer Fahrzeugkupplungen bestimmen zu können. Auf das Training und die Ausführung weiterer neuronaler Netze zur Bestimmung weiterer Kupplungstemperaturen kann somit verzichtet werden. Hierdurch kann die zur Bestimmung der Kupplungstemperaturen mehrerer Fahrzeugkupplungen benötigte Berechnungskapazität geringgehalten werden. Insbesondere wird es damit ermöglicht, die Bestimmung der Kupplungstemperaturen mehrerer Fahrzeugkupplungen auf einem Getriebesteuergerät auszuführen, ohne dabei die Berechnungskapazität des Getriebesteuergeräts unverhältnismäßig stark zu beanspruchen. Weitere Berechnungen auf dem Getriebesteuergerät sind somit trotz der Bestimmung mehrerer Kupplungstemperaturen möglich. Schließlich kann die Bestimmung der Kupplungstemperaturen mittels des Skalierfaktors aufgrund des geringen Berechnungsaufwands in Echtzeit durchgeführt und die bestimmten Kupplungstemperaturen an weitere Komponenten der Fahrzeugsteuerung in Echtzeit übermittelt werden. Die Sicherheit des Fahrzeugs wird dadurch erhöht.The already trained neural network can be used to determine the clutch temperature of other vehicle clutches. For the other vehicle clutches, only a further scaling factor needs to be determined, which is applied to the temperature calculated by the neural network in order to be able to determine the clutch temperatures of further vehicle clutches. The training and execution of additional neural networks to determine additional clutch temperatures can therefore be dispensed with. This allows the calculation capacity required to determine the clutch temperatures of several vehicle clutches to be kept low. In particular, this makes it possible to determine the clutch temperatures of several vehicle clutches on a transmission control unit without placing a disproportionate strain on the calculation capacity of the transmission control unit. Further calculations on the transmission control unit are therefore possible despite the determination of several clutch temperatures. Finally, the determination of the clutch temperatures can be carried out in real time using the scaling factor due to the low calculation effort and the determined clutch temperatures can be transmitted to other components of the vehicle control system in real time. This increases the safety of the vehicle.
Nach einer Ausführungsform wird der Skalierfaktor basierend auf einem Zusammenhang zwischen der von dem neuronalen Netzwerk berechneten Temperatur und einer gemessenen Kupplungstemperatur der Fahrzeugkupplung ermittelt. Die gemessene Temperatur der Fahrzeugkupplung kann während und/oder nach an der Fahrzeugkupplung durchgeführten Versuchen, beispielsweise während einer Testphase derselben, gemessen werden. Alternativ oder zusätzlich kann die gemessene Temperatur während und/oder nach dem Betrieb der Fahrzeugkupplung gemessen werden. Die berechnete Temperatur kann von der gemessenen Temperatur abweichen. Mittels des Skalierfaktors kann diese Abweichung ausgeglichen werden. Alternativ kann die berechnete Temperatur mit einem Schwellenwert für die Temperatur der Fahrzeugkupplung verglichen werden. Je näher die berechnete Temperatur an dem Schwellenwert liegt, desto größer kann der Einfluss des Skalierfaktors auf die bestimmte Kupplungstemperatur sein. Das Bestimmen der Kupplungstemperatur kann somit an ein Temperaturverhalten der Fahrzeugkupplung angepasst werden.According to one embodiment, the scaling factor is determined based on a relationship between the temperature calculated by the neural network and a measured clutch temperature of the vehicle clutch. The measured temperature of the vehicle clutch can be measured during and/or after tests carried out on the vehicle clutch, for example during a test phase thereof. Alternatively or additionally, the measured temperature can be measured during and/or after operation of the vehicle clutch. The calculated temperature may differ from the measured temperature. This deviation can be compensated for using the scaling factor. Alternatively, the calculated temperature can be compared to a threshold value for the temperature of the vehicle clutch. The closer the calculated temperature is to the threshold value, the greater the influence of the scaling factor on the specific coupling temperature can be. Determining the clutch temperature can thus be adapted to the temperature behavior of the vehicle clutch.
Gemäß einer Ausführungsform wird der Skalierfaktor basierend auf zumindest einem berechneten Parameter der Fahrzeugkupplung ermittelt. Der berechnete Parameter kann anhand eines mathematischen Modells, beispielsweise eines Simulationsmodells der Fahrzeugkupplung, berechnet werden. Alternativ oder zusätzlich kann der berechnete Parameter basierend auf Betriebsdaten der Fahrzeugkupplung berechnet werden. According to one embodiment, the scaling factor is determined based on at least one calculated parameter of the vehicle clutch. The calculated parameter can be calculated using a mathematical model, for example a simulation model of the vehicle clutch. Alternatively or additionally, the calculated parameter can be calculated based on operating data of the vehicle clutch.
Der Parameter kann repräsentativ für physikalische Eigenschaften der Fahrzeugkupplung, wie beispielsweise eine Wärmeleitfähigkeit oder eine Masse der Fahrzeugkupplung, sein. Die Bestimmung der Kupplungstemperatur kann somit an verschiedene Verwendungen der Fahrzeugkupplung angepasst werden.The parameter can be representative of physical properties of the vehicle clutch, such as thermal conductivity or a mass of the vehicle clutch. The determination of the clutch temperature can therefore be adapted to different uses of the vehicle clutch.
Nach einer weiteren Ausführungsform wird der Skalierfaktor ferner in Abhängigkeit der bestimmten Kupplungstemperatur ermittelt. Die bestimmte Kupplungstemperatur kann beispielsweise mit einem Schwellenwert für die Temperatur der Fahrzeugkupplung verglichen werden. Je näher die bestimmte Kupplungstemperatur an dem Schwellenwert liegt, desto größer kann der Einfluss des Skalierfaktors auf die bestimmte Kupplungstemperatur sein. Beispielsweise kann der Skalierfaktor umso größer sein, desto näher die bestimmte Kupplungstemperatur an dem Schwellenwert liegt. Der Skalierfaktor kann somit an Veränderungen der Kupplungstemperatur angepasst werden.According to a further embodiment, the scaling factor is also determined depending on the specific clutch temperature. The determined clutch temperature can be compared, for example, with a threshold value for the temperature of the vehicle clutch. The closer the specific clutch temperature is to the threshold value, the greater the influence of the scaling factor on the specific clutch temperature can be. For example, the scaling factor can be greater the closer the specific clutch temperature is to the threshold value. The scaling factor can therefore be adapted to changes in the coupling temperature.
Gemäß einer Ausführungsform wird der Skalierfaktor in Abhängigkeit von zumindest einer strukturellen Eigenschaft der Fahrzeugkupplung ermittelt. Die strukturelle Eigenschaft kann beispielsweise eine geometrische Abmessung oder eine Materialzusammensetzung der Fahrzeugkupplung repräsentieren. Die strukturelle Eigenschaft kann repräsentativ für eine Wärmeleitfähigkeit beziehungsweise einen Aufheiz- oder Abkühlvorgang der Fahrzeugkupplung sein. Durch Berücksichtigung der strukturellen Eigenschaft kann die Kupplungstemperatur der Fahrzeugkupplung präziser bestimmt werden.According to one embodiment, the scaling factor is determined as a function of at least one structural property of the vehicle clutch. The structural property can, for example, represent a geometric dimension or a material composition of the vehicle coupling. The structural property can be representative of a thermal conductivity or a heating or cooling process of the vehicle clutch. By taking the structural property into account, the clutch temperature of the vehicle clutch can be determined more precisely.
Nach einer weiteren Ausführungsform wird die Kupplungstemperatur durch ein weiteres dazu ausgebildetes neuronales Netzwerk berechnet. Der Skalierfaktor wird basierend auf der berechneten Temperatur und der berechneten Kupplungstemperatur ermittelt. Das weitere neuronale Netzwerk kann mit den vorgenannten Parametern zur Ermittlung des Skalierfaktors als Eingabedaten und Werten für eine Kupplungstemperatur als Ausgabedaten trainiert werden. Alternativ oder zusätzlich kann das weitere neuronale Netzwerk mit zumindest einem Wert eines Betriebsparameters der Fahrzeugkupplung als Eingabedaten und Werten für eine Kupplungstemperatur als Ausgabedaten trainiert werden. Das weitere neuronale Netzwerk kann einen Zusammenhang zwischen den Eingabedaten und den Ausgabedaten lernen. Das weitere neuronale Netzwerk kann auf einem Getriebesteuergerät ausgeführt werden, auf welchem auch das neuronale Netzwerk zum Berechnen der Temperatur ausgeführt wird. Alternativ kann das weitere neuronale Netzwerk auf einer getrennt von dem Getriebesteuergerät ausgebildeten Steuereinrichtung ausgeführt werden. Die von dem weiteren neuronalen Netzwerk berechnete Kupplungstemperatur kann an das Getriebesteuergerät übertragen werden. Der Skalierfaktor kann auf dem Getriebesteuergerät ermittelt werden. Zur Ermittlung des Skalierfaktors können ferner die vorgenannten Parameter verwendet werden. Der mittels der Berechnung von zwei neuronalen Netzwerken ermittelte Skalierfaktor kann beispielsweise zur Bestimmung weiterer Kupplungstemperaturen verwendet werden.According to a further embodiment, the clutch temperature is calculated by a further neural network designed for this purpose. The scaling factor is determined based on the calculated temperature and the calculated coupling temperature. The further neural network can be trained with the aforementioned parameters for determining the scaling factor as input data and values for a clutch temperature as output data. Alternatively or additionally, the further neural network can be trained with at least one value of an operating parameter of the vehicle clutch as input data and values for a clutch temperature as output data. The further neural network can learn a connection between the input data and the output data. The further neural network can be executed on a transmission control unit on which the neural network for calculating the temperature is also executed. Alternatively, the further neural network can be executed on a control device designed separately from the transmission control unit. The clutch temperature calculated by the further neural network can be transmitted to the transmission control unit. The scaling factor can be determined on the transmission control unit. The aforementioned parameters can also be used to determine the scaling factor. The scaling factor determined by calculating two neural networks can be used, for example, to determine further coupling temperatures.
Gemäß einer weiteren Ausführungsform wird das Verfahren zum Bestimmen einer Kupplungstemperatur einer weiteren Fahrzeugkupplung angewandt. Die erste Temperatur wird als Kupplungstemperatur der weiteren Fahrzeugkupplung bestimmt. Beispielsweise können die Kupplungstemperatur der Fahrzeugkupplung und die weitere Kupplungstemperatur der weiteren Fahrzeugkupplung gemäß dem Skalierfaktor skalieren. Somit kann mittels eines neuronalen Netzwerks die Kupplungstemperatur zweier Fahrzeugkupplungen bestimmt werden. Der Rechenaufwand zur Bestimmung zweier Kupplungstemperaturen kann demnach verringert werden.According to a further embodiment, the method for determining a clutch temperature of a further vehicle clutch is used. The first temperature is determined as the clutch temperature of the further vehicle clutch. For example, the clutch temperature of the vehicle clutch and the further clutch temperature of the further vehicle clutch can scale according to the scaling factor. This means that the clutch temperature of two vehicle clutches can be determined using a neural network. The computational effort for determining two clutch temperatures can therefore be reduced.
Nach einer weiteren Ausführungsform wird das Verfahren zum Bestimmen einer Kupplungstemperatur einer weiteren Fahrzeugkupplung angewandt und umfasst ferner die Schritte: Ermitteln eines weiteren Skalierfaktors für die weitere Fahrzeugkupplung; und Anwenden des ermittelten weiteren Skalierfaktors auf die von dem neuronalen Netzwerk berechnete Temperatur oder auf die bestimmte Kupplungstemperatur, um die Kupplungstemperatur der weiteren Fahrzeugkupplung zu bestimmen. Der weitere Skalierfaktor kann gemäß den vorgenannten Ausführungsformen des Verfahrens ermittelt werden. Alternativ oder zusätzlich kann der weitere Skalierfaktor von dem ermittelten Skalierfaktor abhängig sein. Zur Bestimmung der Kupplungstemperatur der weiteren Fahrzeugkupplung muss somit lediglich der weitere Skalierfaktor bestimmt werden. Eine Berechnung der weiteren Kupplungstemperatur, beispielsweise durch ein neuronales Netzwerk, ist nicht notwendig. Der Rechenaufwand zur Bestimmung weiterer Kupplungstemperaturen kann demnach geringgehalten werden.According to a further embodiment, the method is used to determine a clutch temperature of a further vehicle clutch and further comprises the steps: determining a further scaling factor for the further vehicle clutch; and applying the determined further scaling factor to the temperature calculated by the neural network or to the determined clutch temperature in order to determine the clutch temperature of the further vehicle clutch. The further scaling factor can be determined according to the aforementioned embodiments of the method. Alternatively or additionally, the further scaling factor can be dependent on the determined scaling factor. To determine the clutch temperature of the additional vehicle clutch, only the additional scaling factor needs to be determined. A calculation of the further clutch temperature, for example by a neural network, is not necessary. The calculation effort for determining further clutch temperatures can therefore be kept low.
Bei einer Ausführungsform weist die weitere Fahrzeugkupplung eine weitere strukturelle Eigenschaft auf, welche mit der zumindest einen strukturellen Eigenschaft der Fahrzeugkupplung gemäß dem Skalierfaktor beziehungsweise dem weiteren Skalierfaktor skaliert. Beispielsweise kann es sich bei der strukturellen Eigenschaft um eine Masse der Fahrzeugkupplung handeln. Bei der weiteren strukturellen Eigenschaft kann es sich beispielsweise um eine Masse der weiteren Fahrzeugkupplung handeln, welche doppelt so groß ist wie die Masse der Fahrzeugkupplung. Die Masse der jeweiligen Fahrzeugkupplungen skaliert demnach mit einem Skalierfaktor von zwei. Alternativ kann es sich bei der strukturellen Eigenschaft beispielsweise um die Anzahl der Lamellen der Fahrzeugkupplung handeln. Bei der weiteren strukturellen Eigenschaft kann es sich beispielsweise um die Anzahl der Lamellen der der weiteren Fahrzeugkupplung handeln, welche dreimal so groß ist wie die Anzahl der Lamellen der Fahrzeugkupplung. Die Anzahl der Lamellen der jeweiligen Fahrzeugkupplungen skaliert demnach mit einem weiteren Skalierfaktor von drei. Die unterschiedlichen Temperaturen der einzelnen Fahrzeugkupplungen können demnach auf einfache Art und Weise anhand der jeweiligen Skalierfaktoren bestimmt werden.In one embodiment, the further vehicle coupling has a further structural characteristic shaft, which scales with the at least one structural property of the vehicle clutch according to the scaling factor or the further scaling factor. For example, the structural property may be a mass of the vehicle clutch. The further structural property can, for example, be a mass of the further vehicle coupling, which is twice as large as the mass of the vehicle coupling. The mass of the respective vehicle clutches therefore scales with a scaling factor of two. Alternatively, the structural property can be, for example, the number of plates of the vehicle clutch. The further structural property can be, for example, the number of plates of the additional vehicle clutch, which is three times as large as the number of plates of the vehicle clutch. The number of plates of the respective vehicle clutches therefore scales with a further scaling factor of three. The different temperatures of the individual vehicle clutches can therefore be determined in a simple manner using the respective scaling factors.
Gemäß einer weiteren Ausführungsform ist die zumindest eine strukturelle Eigenschaft beziehungsweise die zumindest eine weitere strukturelle Eigenschaft der Fahrzeugkupplung aus zumindest einem der folgenden ausgewählt: einem Material der Fahrzeugkupplung; einer Materialzusammensetzung der Fahrzeugkupplung; einem Wärmeleitkoeffizienten der Fahrzeugkupplung; einer Art der Fahrzeugkupplung; und einer Verwendung der Fahrzeugkupplung. Unter einer Art der Fahrzeugkupplung kann beispielsweise eine auf mechanischem Druck basierende beziehungsweise eine nach dem Prinzip einer Wirbelstrombremse arbeitende Fahrzeugkupplung verstanden werden. Unter einer Verwendung der Fahrzeugkupplung kann beispielsweise die Verwendung der Fahrzeugkupplung in einem Personenkraftwagen oder einem Lastkraftwagen verstanden werden. Die genannten strukturellen Eigenschaften können für den Ablauf eines Erwärmungs- beziehungsweise Abkühlprozesses der jeweiligen Fahrzeugkupplung repräsentativ sein.According to a further embodiment, the at least one structural property or the at least one further structural property of the vehicle clutch is selected from at least one of the following: a material of the vehicle clutch; a material composition of the vehicle clutch; a thermal conductivity coefficient of the vehicle clutch; a type of vehicle clutch; and using the vehicle clutch. A type of vehicle clutch can be understood to mean, for example, a vehicle clutch based on mechanical pressure or one that works on the principle of an eddy current brake. A use of the vehicle clutch can be understood to mean, for example, the use of the vehicle clutch in a passenger car or a truck. The structural properties mentioned can be representative of the heating or cooling process of the respective vehicle clutch.
Nach einer weiteren Ausführungsform wird der Skalierfaktor beziehungsweise der weitere Skalierfaktor von einem weiteren, dazu ausgebildeten neuronalen Netzwerk ermittelt. Das weitere neuronale Netzwerk kann mit den oben genannten Parametern zur Ermittlung des Skalierfaktors trainiert werden. Das weitere neuronale Netzwerk kann auf einem Getriebesteuergerät ausgeführt werden. Alternativ kann das neuronale Netzwerk auf einer von dem Getriebesteuergerät getrennten Steuereinrichtung ausgeführt werden. Der Skalierfaktor beziehungsweise der weitere Skalierfaktor kann an das Getriebesteuergerät übertragen werden. Mittels des weiteren neuronalen Netzwerks kann der Skalierfaktor beziehungsweise der weitere Skalierfaktor schneller bestimmt werden.According to a further embodiment, the scaling factor or the further scaling factor is determined by a further neural network designed for this purpose. The additional neural network can be trained with the above-mentioned parameters to determine the scaling factor. The additional neural network can be executed on a transmission control unit. Alternatively, the neural network can be executed on a control device that is separate from the transmission control unit. The scaling factor or the further scaling factor can be transmitted to the transmission control unit. Using the further neural network, the scaling factor or the further scaling factor can be determined more quickly.
Gemäß einer weiteren Ausführungsform umfasst das Verfahren ferner den Schritt des Bestimmens zumindest eines Eingangswerts, 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 zugeführten Leistung bestimmt. Das Verfahren umfasst gemäß dieser Ausführungsform ferner den Schritt der Eingabe des zumindest einen Eingangswerts als Eingabedaten in das neuronale Netzwerk.According to a further embodiment, the method further comprises the step of determining at least one 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. According to this embodiment, the method further comprises the step of entering the at least one input value as input data into the neural network.
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.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.
Der zumindest eine Eingangswert kann beispielsweise mittels einer Eingabevorrichtung an zumindest einen der Eingangsknoten des neuronalen Netzwerks übertragen werden. Alternativ kann der zumindest eine Eingangswert von einer Steuereinrichtung des Fahrzeugs über eine Datenschnittstelle an zumindest einen der Eingangsknoten des neuronalen Netzwerks übertragen werden. Der zumindest eine Eingangswert kann als Eingabedaten für die Verwendung des neuronalen Netzwerks zur Bestimmung der Kupplungstemperatur verwendet werden. Alternativ oder zusätzlich kann der zumindest eine Eingangswert als Eingabedaten für das Training des neuronalen Netzwerks verwendet werden.The at least one input value 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 input value 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 value can be used as input data for using the neural network to determine the clutch temperature. Alternatively or additionally, the at least one input value can be used as input data for training the neural network.
Bei dieser Ausführungsform basiert das Bestimmen der Kupplungstemperatur ferner auf einem zeitlichen Verlauf der Eingabedaten. Somit kann auch eine zeitliche Änderung der Eingabedaten von dem neuronalen Netzwerk berücksichtigt werden. Beispielsweise kann eine Abkühl- oder Aufheizphase der Fahrzeugkupplung erfasst und bei der Berechnung 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 bestimmt werden. Weiterhin wird der zeitliche Verlauf der Eingabedaten nicht von dem neuronalen Netzwerk selbst bestimmt, sondern diesem lediglich in Form des verarbeiteten Eingangswerts übermittelt. Der für die Berechnung der Temperatur benötigte Rechenaufwand wird dadurch verringert. Somit kann die Struktur des neuronalen Netzwerks weniger komplex ausgebildet werden. Deshalb kann auch der für das neuronale Netzwerk benötigte Speicherplatz reduziert werden.In this embodiment, determining the clutch temperature is also based on a time course of the input data. This means that a temporal change in the input data can also be taken into account by the neural network. For example, a cooling or heating phase of the vehicle clutch can be recorded and taken into account when calculating 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 can also be determined more precisely. Furthermore, the time course of the input data is not determined by the neural network itself, but is only transmitted to it in the form of the processed input value. This reduces the computational effort required to calculate the temperature. The structure of the neural network can therefore be made less complex. Therefore, the storage space required for the neural network can also be reduced.
Gemäß einer weiteren 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 der Fahrzeugkupplung kann es sich beispielsweise um die Kupplungsscheiben einer Fahrzeugkupplung handeln, welche zur Kraftübertragung 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 a further 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. Coupling elements of the vehicle clutch can be, for example, the clutch disks of a vehicle clutch, which can be connected to transmit power 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 zweiten Aspekt auf eine Steuereinrichtung zur Bestimmung von Kupplungstemperaturen einer Mehrzahl von Fahrzeugkupplungen. Die Steuereinrichtung umfasst ein computerlesbares Speichermedium, auf welchem ein neuronales Netzwerk gespeichert ist, welches zum Bestimmen zumindest einer Temperatur zumindest einer Fahrzeugkupplung aus der Mehrzahl der Fahrzeugkupplungen ausgebildet ist. Die Steuereinrichtung umfasst weiter eine Eingabevorrichtung zur Eingabe von Eingabedaten in das neuronale Netzwerk. Die Eingabedaten umfassen zumindest einen Wert zumindest eines Betriebsparameters der Fahrzeugkupplung. Ferner umfasst die Steuereinrichtung eine Ausgabevorrichtung zur Ausgabe der berechneten Temperatur durch das neuronale Netzwerk. Ferner umfasst die Steuereinrichtung eine Anwendungsvorrichtung zur Anwendung eines ermittelten Skalierfaktors auf die ausgegebene Temperatur, um eine Kupplungstemperatur der zumindest einen Fahrzeugkupplung aus der Mehrzahl von Fahrzeugkupplungen zu bestimmen.In a second aspect, the invention relates to a control device for determining clutch temperatures of a plurality of vehicle clutches. The control device comprises a computer-readable storage medium on which a neural network is stored, which is designed to determine at least one temperature of at least one vehicle clutch from the plurality of vehicle clutches. The control device further comprises an input device for inputting input data into the neural network. The input data includes at least one value of at least one operating parameter of the vehicle clutch. The control device further comprises an output device for outputting the calculated temperature by the neural network. Furthermore, the control device comprises an application device for applying a determined scaling factor to the output temperature in order to determine a clutch temperature of the at least one vehicle clutch from the plurality of vehicle clutches.
Nach einer Ausführungsform umfasst die Steuereinrichtung ferner eine Ermittlungsvorrichtung zur Ermittlung des Skalierfaktors für die zumindest eine Temperatur in Abhängigkeit von zumindest einer strukturellen Eigenschaft der zumindest einen Fahrzeugkupplung aus der Mehrzahl der Fahrzeugkupplungen.According to one embodiment, the control device further comprises a determination device for determining the scaling factor for the at least one temperature as a function of at least one structural property of the at least one vehicle clutch from the plurality of vehicle clutches.
Die genannten Vorrichtungen der Steuereinrichtung gemäß dem zweiten Aspekt können zum Empfangen, zur Verarbeitung und zur Weiterleitung von elektrischen Signalen ausgebildet sein. Die genannten Vorrichtungen der Steuereinrichtung gemäß dem zweiten Aspekt können zur Durchführung des Verfahrens gemäß dem ersten Aspekt ausgebildet sein. Analog kann das Verfahren gemäß dem ersten Aspekt von der Steuereinrichtung gemäß dem zweiten Aspekt durchgeführt werden. Die zu dem ersten Aspekt erläuterten Ausführungsformen, technischen Effekte und Vorteile gelten somit analog auch für die Steuereinrichtung nach dem zweiten Aspekt.The mentioned devices of the control device according to the second aspect can be designed to receive, process and forward electrical signals. The mentioned devices of the control device according to the second aspect can be designed to carry out the method according to the first aspect. Analogously, the method according to the first aspect can be carried out by the control device according to the second aspect. The embodiments, technical effects and advantages explained in the first aspect therefore also apply analogously to the control device according to the second aspect.
Kurze Beschreibung der ZeichnungenBrief description of the drawings
-
1 zeigt ein Ablaufdiagramm mit Schritten eines Verfahrens zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks und eines Skalierfaktors für die Kupplungstemperatur, nach einer Ausführungsform der Erfindung.1 shows a flowchart with steps of a method for determining a clutch temperature of a vehicle clutch using a neural network and a scaling factor for the clutch temperature, according to an embodiment of the invention. -
2 zeigt schematisch eine Steuereinrichtung zur Bestimmung einer Kupplungstemperatur einer Fahrzeugkupplung mit einem neuronalen Netzwerk und einem Skalierfaktor gemäß einer weiteren Ausführungsform der Erfindung.2 schematically shows a control device for determining a clutch temperature of a vehicle clutch with a neural network and a scaling factor according to a further embodiment of the invention. -
3a-3c zeigen verschiedene Möglichkeiten zur Bestimmung der Kupplungstemperatur weiterer Fahrzeugkupplungen mittels eines Skalierfaktors nach weiteren Ausführungsformen der Erfindung.3a-3c show various options for determining the clutch temperature of other vehicle clutches using a scaling factor according to further embodiments of the invention.
Detaillierte Beschreibung von AusführungsformenDetailed Description of Embodiments
In einem ersten Bestimmungsschritt BS1 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 first determination step BS1, 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 zweiten Bestimmungsschritt BS2 wird durch das neuronale Netzwerk eine Temperatur berechnet. Die Temperatur wird basierend auf den Eingabedaten und einem von dem neuronalen Netzwerk gelernten Zusammenhang zwischen den Eingabedaten und der Temperatur berechnet.In a second determination step BS2, a temperature is calculated by the neural network. The temperature is calculated based on the input data and a relationship between the input data and the temperature learned by the neural network.
Zur Berechnung der Temperatur 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 und über von dem neuronalen Netzwerk mathematisch gewichtete Verbindungen an Ausgangsknoten des neuronalen Netzwerks übertragen. Die mathematische Gewichtung der jeweiligen Verbindungen wurde von dem neuronalen Netzwerk während eines dem Bestimmungsverfahren zeitlich vorangehenden Trainingsvorgangs des neuronalen Netzwerks basierend auf einem Trainingsdatensatz angepasst. Auf zumindest einem Ausgangsknoten des neuronalen Netzwerks liegt am Ende der Verfahrensdurchführung ein Wert für die Temperatur vor.To calculate the temperature, 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 at the intermediate nodes and transmitted to output nodes of the neural network via connections mathematically weighted by the neural network. The mathematical weighting of the respective connections was adjusted by the neural network based on a training data set during a training process of the neural network that preceded the determination process. At the end of the method implementation, there is a value for the temperature on at least one output node of the neural network.
In einem dritten Bestimmungsschritt BS3 wird ein ermittelter Skalierfaktor auf die von dem neuronalen Netzwerk berechnete Temperatur angewandt, um die Kupplungstemperatur der Fahrzeugkupplung zu bestimmen.In a third determination step BS3, a determined scaling factor is applied to the temperature calculated by the neural network in order to determine the clutch temperature of the vehicle clutch.
Der Skalierfaktor wird im Ausführungsbeispiel der
Mittels des Skalierfaktors kann auf einfache Art und Weise die Kupplungstemperatur der Fahrzeugkupplung bestimmt werden. Ferner können auch die Kupplungstemperaturen weiterer Fahrzeugkupplungen basierend auf der von dem neuronalen Netzwerk berechneten Temperatur unter Verwendung eines Skalierfaktors bestimmt werden. Dadurch muss nicht für jede Fahrzeugkupplung ein weiteres neuronales Netzwerk trainiert werden, sondern es ist ausreichend, einen jeweiligen Skalierfaktor auf die berechnete Temperatur der Fahrzeugkupplung anzuwenden. Hierdurch kann Berechnungskapazität, beispielsweise auf einem Getriebesteuergerät, eingespart werden. Ferner kann die Bestimmung der Kupplungstemperaturen in Echtzeit erfolgen.Using the scaling factor, the clutch temperature of the vehicle clutch can be determined in a simple manner. Furthermore, the clutch temperatures of other vehicle clutches can also be determined based on the temperature calculated by the neural network using a scaling factor. This means that another neural network does not have to be trained for each vehicle clutch; instead, it is sufficient to apply a respective scaling factor to the calculated temperature of the vehicle clutch. This can save calculation capacity, for example on a transmission control unit. Furthermore, the clutch temperatures can be determined in real time.
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 Erfassungsvorrichtungen 22a, 22b, welche zeitlich aufeinanderfolgende Werte 24a, 24b beziehungsweise 24c, 24d für eine der Fahrzeugkupplung zugeführte Leistung erfassen. Bei den Erfassungsvorrichtung 22a, 22b handelt es sich um Tiefpass-Filter und bei den Werten 24a, 24b, 24c, 24d für eine der Fahrzeugkupplung zugeführte Leistung handelt es sich um eine der Fahrzeugkupplung während eines Schaltvorgangs beziehungsweise Gangwechsels zugeführte Schaltleistung. Die erfassten Werte 24a, 24b, 24c und 24d für die Schaltleistung werden von den Erfassungsvorrichtungen 22a, 22b an eine Bestimmungsvorrichtung 26 übertragen. Die Bestimmungsvorrichtung 26 bestimmt durch Verarbeiten der zeitlich aufeinanderfolgenden Werte 24a, 24b, 24c, 24d zumindest einen Mittelwert für die Schaltleistung. Der zumindest eine Mittelwert für die Schaltleistung wird von der Bestimmungsvorrichtung 26 als Eingangswert 28 an die Eingabevorrichtung 16 übertragen. Die Eingabevorrichtung 16 überträgt den Eingangswert 28 als Eingabedaten 20b an das neuronale Netzwerk 12.The
Aus den Eingabedaten 20a, 20b wird von dem neuronalen Netzwerk 12 eine Temperatur T1 der Fahrzeugkupplung berechnet. Die berechnete Temperatur T1 wird von einer Ausgabevorrichtung 30 an eine Anwendungsvorrichtung 32 ausgegeben. Die Anwendungsvorrichtung 32 wendet auf die berechnete Temperatur T1 einen ermittelten Skalierfaktor SF1 an. Der Skalierfaktor SF1 wird von einer Ermittlungsvorrichtung 34 basierend auf mehreren Parametern 36a, 36b der Fahrzeugkupplung ermittelt. Durch Anwenden des Skalierfaktors SF1 auf die berechnete Temperatur T1 wird die Kupplungstemperatur KT1 der Fahrzeugkupplung bestimmt. Die Kupplungstemperatur KT1 wird an weitere Komponenten der Fahrzeugkupplung übertragen. Die Ermittlungsvorrichtung 34 kann getrennt von der Steuereinrichtung 10 ausgebildet sein.The
Basierend auf der von dem neuronalen Netzwerk 12 berechneten Temperatur T1 können die Kupplungstemperaturen weiterer Fahrzeugkupplungen bestimmt werden, wie in den
Die
Die
Die
Die
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
- 22a, 22b22a, 22b
- ErfassungsvorrichtungenDetection devices
- 24a, 24b,24a, 24b,
- zeitlich aufeinanderfolgende Werte für eine der Fahrzeugkupplungsuccessive values for one of the vehicle clutches
- 24c, 24d24c, 24d
- zugeführte Leistungpower supplied
- 2626
- BestimmungsvorrichtungDetermination device
- 2828
- EingangswertInput value
- 3030
- AusgabevorrichtungDispensing device
- 3232
- AnwendungsvorrichtungApplication device
- 3434
- ErmittlungsvorrichtungDetection device
- 36a, 36b36a, 36b
- Parameter der FahrzeugkupplungVehicle clutch parameters
- SF1SF1
- erster Skalierfaktorfirst scaling factor
- SF2SF2
- zweiter Skalierfaktorsecond scaling factor
- T1T1
- berechnete Temperaturcalculated temperature
- KT1KT1
- erste Kupplungstemperaturfirst clutch temperature
- KT2KT2
- zweite Kupplungstemperatursecond clutch temperature
- K1K1
- erste Fahrzeugkupplungfirst vehicle clutch
- K2K2
- zweite Fahrzeugkupplungsecond vehicle clutch
- BS1BS1
- erster Bestimmungsschrittfirst determination step
- BS2BS2
- zweiter Bestimmungsschrittsecond determination step
- BS3BS3
- dritter Bestimmungsschrittthird determination step
Claims (15)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022205784.8A DE102022205784A1 (en) | 2022-06-08 | 2022-06-08 | Determining a clutch temperature of a vehicle clutch using a neural network and determining a scaling factor therefor |
PCT/EP2023/062326 WO2023237276A1 (en) | 2022-06-08 | 2023-05-10 | Determining a clutch temperature of a vehicle clutch by means of a neural network and ascertaining a scaling factor therefor |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022205784.8A DE102022205784A1 (en) | 2022-06-08 | 2022-06-08 | Determining a clutch temperature of a vehicle clutch using a neural network and determining a scaling factor therefor |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102022205784A1 true DE102022205784A1 (en) | 2023-12-14 |
Family
ID=86426045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102022205784.8A Pending DE102022205784A1 (en) | 2022-06-08 | 2022-06-08 | Determining a clutch temperature of a vehicle clutch using a neural network and determining a scaling factor therefor |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102022205784A1 (en) |
WO (1) | WO2023237276A1 (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 (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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
- 2022-06-08 DE DE102022205784.8A patent/DE102022205784A1/en active Pending
-
2023
- 2023-05-10 WO PCT/EP2023/062326 patent/WO2023237276A1/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 |
---|---|
WO2023237276A1 (en) | 2023-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
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 | |
EP2148182B1 (en) | Method of assessing the driving behavior of vehicles | |
EP2026157A1 (en) | Method and device for determining the lifespan of components in work operation | |
EP1163532A1 (en) | Method for identifying the condition of an energy accumulator | |
EP3876060B1 (en) | Method and computing unit for analyzing the reason for an anomalous state of a machine | |
DE102020212277A1 (en) | Method and device for determining a remaining service life based on a predictive diagnosis of components of an electric drive system using artificial intelligence methods | |
WO2019115127A1 (en) | Method and control device for assessing the damage to a load-carrying component | |
DE102010055660B4 (en) | PROCEDURE FOR REGULATING TORQUE CONVERTER SLIP IN A DRIVE TRAIN | |
DE102022205784A1 (en) | Determining a clutch temperature of a vehicle clutch using a neural network and determining a scaling factor therefor | |
DE10035005A1 (en) | Method and appliance for automatic control of gear ratio with continuously variable ratio change involves use of family of performance characteristics obtained from tests | |
WO2023232836A1 (en) | Determining the temperature of a vehicle clutch by means of a neural network using a geometric property of the vehicle clutch | |
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 | |
WO2023232553A1 (en) | Determining a clutch temperature of a vehicle clutch by means of on-demand activation of a neural network | |
WO2023232619A1 (en) | Determining a clutch temperature of a vehicle clutch by means of a neural network | |
EP3404591A1 (en) | Method and device for determining at least one appropriate operational state of an industrial installation, computer program product, drive system and industrial installation | |
DE102019120493A1 (en) | Method for providing a measuring function for a temperature measuring device and using a measuring function | |
EP3631402B1 (en) | Vehicle test stand and method for ascertaining a vehicle longitudinal acceleration | |
DE102019107242A1 (en) | Diagnostic method, diagnostic system and motor vehicle | |
DE102022213781B3 (en) | Adaptation of a clutch for a vehicle | |
EP4010770B1 (en) | Diagnosis of technical systems using principal components analysis (pca) | |
DE102021134294B4 (en) | Hybrid approach for estimating and monitoring friction and mass parameters in an electric drive system | |
DE10123652B4 (en) | Method for determining the temperature in a transmission | |
DE102017216755A1 (en) | Method for determining error propagation of control signals | |
EP3608737B1 (en) | Determining at least one reforming process indicator of a servo press |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified |