-
Gebiet der Erfindung:
-
Die vorliegende Erfindung betrifft ein Steuergerät zum Schätzen eines Lastparameters eines Elektrofahrzeugs (Electric Vehicle, EV) und ein zugehöriges Verfahren.
-
Stand der Technik
-
Existierende Verfahren zur Detektion des Gewichts eines Fahrzeugs beruhen auf der Verwendung von Sensoren, um zusätzliche Parameter zu detektieren, was zusätzliche Kosten, Hardwareeinheiten und Komplexität erforderlich macht, und sie wurden für zweirädrige Elektrofahrzeuge und andere Fahrzeuge nicht angewandt.
-
Die Patentliteratur
US201 6355189 offenbart Systeme und Verfahren zur Detektion einer Fahrzeuglast und Reaktion. Eine Drehmoment-Drehzahl-Kennlinie oder andere Daten einer Last werden als Standard verwendet, um eine äußere Bedingung zu bestimmen, unter der ein Elektrofahrzeug betrieben wird, wie etwa Neigung oder keine Neigung, Gegenwind oder kein Gegenwind, hohe Temperatur oder niedrige Temperatur. Das System vergleicht erfasste Werte von tatsächlichem Drehmoment/Drehzahl von Lastdaten mit dem Standard. Basierend auf dem Vergleich bestimmt das System die äußere Bedingung (Bergauffahrt, Fahren mit Gegenwind, Betrieb bei hoher Temperatur) oder einen anormalen Betrieb des Antriebsstranges des Fahrzeugs, zum Beispiel zu niedrigen Reifendruck, erhöhte Reibung, Räder nicht richtig ausgerichtet. Basierend auf der Bestimmung führt das System eine Aktion aus, um eine maximale Drehmomentabgabe des Motors zu regeln, um die Temperatur der Fahrzeugbatterie zu steuern; um einen Windabweiser aufzurichten; um die maximale Geschwindigkeit des Fahrzeugs zu regeln, um die Gefahr zu verringern, die aus einem zu niedrigen Reifendruck, einer erhöhten Reibung des Antriebsstranges oder nicht richtig ausgerichteten Rädern resultiert; oder um eine Anzeige von anormalen Bedingungen auszulösen.
-
Kurze Beschreibung der beigefügten Zeichnungen
-
Eine Ausführungsform der Offenbarung wird unter Bezugnahme auf die folgende beigefügte Zeichnung beschrieben.
- 1 zeigt ein Blockschaltbild eines Steuergeräts zum Schätzen eines Lastparameters eines Elektrofahrzeugs (EV) gemäß einer Ausführungsform der vorliegenden Erfindung, und
- 2 veranschaulicht in Verfahren zum Schätzen eines Lastparameters des EV gemäß der vorliegenden Erfindung.
-
Detaillierte Beschreibung der Ausführungsformen
-
1 zeigt ein Blockschaltbild eines Steuergeräts zum Schätzen eines Lastparameters eines Elektrofahrzeugs (EV) gemäß einer Ausführungsform der vorliegenden Erfindung. Das EV 100 ist mit Komponenten ausgestattet, die wenigstens eine rotierende elektrische Maschine 104, um das EV 100 anzutreiben, und wenigstens ein Batteriepack 102, um die rotierende elektrische Maschine 104 und optional Nebenverbraucher des EV 100 mit elektrischer Energie zu versorgen, umfassen. Das Steuergerät 110 und Steuereinheiten der Komponenten sind durch einen Controller Area Network Bus (CAN-Bus) 106 (oder eine andere, ähnliche Netzwerkstruktur) des EV 100 verbunden. Das Steuergerät 110 ist dafür ausgelegt, charakteristische Parameter des EV 100 vom CAN 106 während einer Fahrt zu messen, und ist dadurch gekennzeichnet, dass das Steuergerät 110 dafür ausgelegt ist, wenigstens eine quasi-stationäre Zustandsbedingung des EV 100 basierend auf einem primären Parameter innerhalb der gemessenen charakteristischen Parameter zu detektieren und einen sekundären Parameter innerhalb der gemessenen charakteristischen Parameter und ein unbelastetes Gewicht des EV 100 durch ein Lastmodell 112 zu verarbeiten, um den Lastparameter 120 zu schätzen. Der Lastparameter 120 ist wenigstens einer, der aus einer Gruppe ausgewählt ist, die ein geschätztes Gewicht des EV 100 und einen Straßengradienten umfasst.
-
Das geschätzte Gewicht des EV 100 entspricht dem Gewicht des EV 100 unter Fahrbedingungen oder während einer Fahrt oder eines Fahrzyklus. Die Lastparameter 120 sind diejenigen Parameter, welche das Gewicht des EV 100 während des Fahrens beeinflussen. Anders ausgedrückt, die Lastparameter 120 definieren die Last, welche auf das EV 100 infolge der Nutzlast auf dem EV 100 und/oder infolge des Geländes, über welches das EV 100 gefahren wird, einwirkt. Ferner ist der quasi-stationäre Zustand (oder stationäre Zustand) eine Bedingung, welche das Fahren bei einem Geschwindigkeitswert innerhalb eines gewissen festgelegten Bereichs für eine Zeitdauer, oder sogar transiente Ereignisse wie das Beschleunigen von 0 % Drosselklappenöffnung bis zu einem gewissen Bereich der Drosselklappenöffnung (zum Beispiel von 0 bis 30 % Drosselklappenöffnung) als Rampe, umfasst, jedoch darauf beschränkt ist. Der quasi-stationäre Zustand ist ein Fenster zum Auslösen von Schätzungen unter Verwendung des Steuergeräts 110.
-
Gemäß der vorliegenden Erfindung umfasst das Steuergerät 110 unter anderem ein Speicherelement wie etwa einen Direktzugriffsspeicher (Random Access Memory, RAM) und/oder Nur-Lese-Speicher (Read Only Memory, ROM), einen Analog-Digital-Umsetzer (Analog-to-Digital Converter, ADC) und einen Digital-Analog-Umsetzer (Digital-to-Analog Converter, DAC), Taktgeber, Timer und wenigstens einen Prozessor (der in der Lage ist, maschinelles Lernen zu implementieren), die miteinander und mit anderen Komponenten über Kommunikationsbus-Kanäle verbunden sind. In dem Speicherelement sind Logik oder Anweisungen oder Programme oder Lastmodelle 112, Module und Schwellenwerte, Referenzwerte und Bedingungen vorgespeichert, auf welche der Prozessor entsprechend den definierten Routinen zugreift. Die inneren Komponenten des Steuergeräts 110 werden nicht erläutert, da sie zum Stand der Technik gehören, und sind nicht einschränkend zu verstehen. Das Steuergerät 100 kann außerdem Kommunikationseinheiten umfassen, um mit dem Cloud-Server über drahtlose oder drahtgebundene Mittel zu kommunizieren, wie etwa das Global System for Mobile Communications (GSM), 3G, 4G, 5G, Wi-Fi, Bluetooth, Ethernet, serielle Netzwerke und dergleichen.
-
Gemäß einer Ausführungsform der vorliegenden Erfindung ist das Steuergerät 110 eine interne Steuereinheit und/oder eine externe Steuereinheit. Die interne Steuereinheit ist eine Fahrzeugsteuereinheit (Vehicle Control Unit, VCU), eine Motorsteuereinheit (Motor Control Uni, MCU) und/oder eine Batterie-Steuereinheit (Battery Control Unit, BCU). Die externe Steuereinheit ist eine Steuereinheit, die eine externe Schnittstelle mit dem Steuergerät 110 über drahtgebundene oder drahtlose Mittel aufweist, wie etwa einen Universal Serial Bus (USB), Type-C, BluetoothTM, Wi-Fi usw. Die externe Steuereinheit ist aus einem Smartphone, einem tragbaren Computer, einem tragbaren Gerät, einer Cloud und dergleichen wählbar. Bei einer Ausführungsform schätzt die interne Steuereinheit die Lastparameter 120. Bei einer alternativen Ausführungsform schätzt die externe Steuereinheit, die eine Schnittstelle mit der internen Steuereinheit aufweist, die Lastparameter 120. Bei noch einer anderen Ausführungsform teilen die interne Steuereinheit und die externe Steuereinheit zusammen die Verarbeitungslast und schätzen den Lastparameter 120 des EV 100.
-
Gemäß der vorliegenden Erfindung ist das Steuergerät 110 für EV 100 implementierbar, welche Zweiradfahrzeuge, Dreiradfahrzeuge wie etwa Autorikschas, Vierradfahrzeuge wie etwa Pkw und mehrrädrige Fahrzeuge implementierbar.
-
Die charakteristischen Parameter sind eine Kombination von primären Parametern und sekundären Parametern, welche wiederum eine Kombination von gemessenen Variablen und abgeleiteten Variablen des EV 100 sind. Zum Beispiel wird die Geschwindigkeit gemessen, und die Beschleunigung wird aus der Geschwindigkeit abgeleitet. Es wird nur ein Beispiel dargelegt, und dasselbe kann auch auf andere charakteristische Parameter bezogen werden, wie in der Technik bekannt. Ferner werden die gemessenen Variablen gegenüber den abgeleiteten bevorzugt, jedoch sind beide verwendbar, um die Schätzungsgenauigkeit des Lastmodells 112 zu verbessern.
-
Gemäß einer Ausführungsform der vorliegenden Erfindung ist der primäre Parameter wenigstens einer, der aus einer Gruppe ausgewählt ist, welche eine Fahrzeuggeschwindigkeit, eine Fahrzeugbeschleunigung und eine Drosselklappenposition umfasst. Der sekundäre Parameter ist wenigstens ausgewählt aus einem von der rotierenden elektrischen Maschine 104 aufgenommenen Phasenstrom, einem der rotierenden elektrischen Maschine 104 vom Batteriepack 102 zugeführten Batteriestrom, einem von der rotierenden elektrischen Maschine 104 ausgeübten Drehmoment, einer von der rotierenden elektrischen Maschine 104 aufgenommenen Leistung (elektrisch/mechanisch), einer Batterieleistung und Kombinationen davon. Der sekundäre Parameter ist weiterhin aus der Batteriespannung und dem Wirkungsgrad der rotierenden elektrischen Maschine 104 auswählbar. Insbesondere wird der primäre Parameter zur Bestimmung der quasi-stationären Zustandsbedingung verwendet, während der sekundäre Parameter im Lastmodell 112 verwendet wird. Die charakteristischen Parameter werden unter Verwendung jeweiliger Sensoren gemessen, die im EV 100 bereits verfügbar sind, wie etwa der Geschwindigkeitssensor 108, der Drosselklappenpositionssensor 116, Spannungs- und Stromsensoren 118 und dergleichen. Einige der charakteristischen Parameter werden entweder unter Verwendung der verfügbaren Sensorwert geschätzt oder modelliert, wie in der Technik bekannt.
-
Gemäß einer Ausführungsform der vorliegenden Erfindung werden die Lastparameter 120, nachdem sie bestimmt worden sind, vom Steuergerät 110 für wenigstens einen Zweck verwendet, der aus einer Gruppe ausgewählt ist, welche eine Schätzung der Reichweite des EV 100 für eine aktuelle Fahrt, eine Schätzung eines Missbrauchs des EV 100, eine Schätzung der Alterung von Teilen und Komponenten des EV 100, Ermöglichung von auf dem Energieverbrauch basierenden Zahlungsmodellen, Wahl optimaler Betriebspunkte zur Erzielung einer höheren Effizienz des EV 100 basierend auf dem geschätzten Gewicht, Ermöglichung einer besseren Beschleunigung und Fahrqualität beim Fahren über Gradienten, Verbesserung von Merkmalen der Hill-Hold-Funktion und der Berganfahrhilfe mit geschätztem Gradienten, Modulation und Verteilung einer optimalen Bremskraft basierend auf dem geschätzten Gewicht und dem Gradienten, Einstellung der Federung basierend auf dem geschätzten Gewicht, Einstellung des Reifendrucks basierend auf dem geschätzten Gewicht, Klassifikation der Nutzlast des EV 100, eine Koordination/Modulation des Drehmoments zwischen Rädern und dergleichen umfasst.
-
Einige der oben erwähnten Verwendungszwecke sind selbsterklärend, und einige von ihnen werden nun ausführlicher beschrieben. Die auf dem Energieverbrauch basierenden Zahlungsmodelle umfassen eine Gebührenberechnung nach der tatsächlich verbrauchten Energie und nicht nach der Zeit oder der zurückgelegten Entfernung. Die tatsächlich verbrauchte Energie wird von der Nutzlast auf dem EV 100 und dem Straßengradienten beeinflusst. Die Wahl optimaler Betriebspunkte umfasst zum Beispiel das Anpassen selektiver Drehmomentkennlinien für überlastete EVs100, um eine bessere Fahrleistung und Fahrqualität sicherzustellen. Die Modulation und Verteilung einer optimalen Bremskraft umfasst zum Beispiel das Einstellen der Bremskraft, die erforderlich ist, um die Bewegungsgröße wesentlich schwererer EVs 100 zu stoppen, welche vom Fall der Verwendung mit einem einzigen Fahrer verschieden ist; daher wird eine Einstellung der Bremskraft für unterschiedliche Gewichte und Gradienten vorgenommen, um das Fahrverhalten zu verbessern. Die Koordination/Modulation des Drehmoments zwischen Rädern entspricht Szenarien, wie etwa, wenn die Last auf dem EV 100 kleiner ist, und falls mehr als zwei rotierende elektrische Maschinen 104 auf dem EV 100 vorhanden sind, wird das Drehmoment zwischen den zwei rotierenden elektrischen Maschinen 104 auf eine solche Weise verteilt, dass jede in einem Bereich höchster Leistungsfähigkeit arbeitet, anstatt das beide mit demselben Drehmoment und in einem ineffizienten Betriebspunkt betrieben werden.
-
Gemäß einer Ausführungsform der vorliegenden Erfindung wird das Lastmodell 112 unter Verwendung eines Gaußschen Prozessmodells, eines linearen Modells, eines polynomialen Modells, eines Regressionsmodells, einer Parameterschätzung, einer Kurvenanpassung, eines kleinsten mittleren quadratischen Fehlers (Least Mean Square Error, LMSE), einer rekursiven Approximation nach der Methode der kleinsten Quadrate, einer Summe der Fehlerquadrate (Sum Squared Error, SSE), eines absoluten Fehlers, von Modellen des maschinellen Lernens (ML), von Modellen des Deep Learning (DL), von selbstlernenden Modellen oder einer Kombination davon, ohne darauf beschränkt zu sein, entwickelt und vortrainiert. Das Modell des ML ist wenigstens eines, das aus einer Gruppe ausgewählt ist, welche logistische Regression, lineare Regression, naiven Bayes, k-nächste Nachbarn, einen Entscheidungsbaum, Random Forest, Stützvektormaschinen, k-Means-Algorithmus (k-means clustering) usw. umfasst. In ähnlicher Weise ist das Modell des DL wenigstens eines, das aus einer Gruppe ausgewählt ist, welche ein mehrlagiges Perzeptron, faltungsneuronale Netze, rekurrente neuronale Netze usw. umfasst. Dies sind nur Beispiele, und die vorliegende Erfindung ist nicht auf diese beschränkt.
-
Gemäß einer Ausführungsform der vorliegenden Erfindung ist, wenn bestimmt wird, dass der Straßengradient null beträgt, das Steuergerät 110 dafür ausgelegt, das Gewicht des EV 100, insbesondere eines zweirädrigen Fahrzeugs, aus dem Lastmodell 112 während der wenigstens einen quasi-stationären Zustandsbedingung zu schätzen und die Fahrt basierend auf dem geschätzten Gewicht als Fahrt mit einem Fahrer oder mit zwei Fahrern zu klassifizieren. Die Klassifikation ist auch für andere Typen von Fahrzeugen, wie oben erwähnt, anwendbar.
-
Gemäß der vorliegenden Erfindung ändern sich bei einem beliebigen EV 100, wie etwa einem zweirädrigen Fahrzeug, bei Vorhandensein einer zusätzlichen Last oder während des Fahrens auf einem Gradienten (bergauf) die charakteristischen Parameter, wie etwa Phasenstrom, Drehmoment des Fahrzeugs, Beschleunigung, Leistung, Batteriestrom usw. Es existieren Variable des EV 100, welche eine erkennbare Wertdifferenz für Fälle aufweisen, welche die Last eines einzigen Fahrers auf dem EV 100, zwei Fahrer/einen schweren Fahrer/ Beladung mit Gepäck, das Fahren des EV 100 über einen Gradienten/eine Steigung umfassen. Die Werte von charakteristischen Parametern, wie etwa Beschleunigung, Leistung, Strom usw., sind bereits im CAN-Bus 106 des Fahrzeugs verfügbar. Das Lastmodell 112 verwendet diese charakteristischen Parameter, um einen Lastparameter zu bestimmen und dadurch zu klassifizieren, ob eine Nutzlast aus einem einzigen Fahrer, eine Nutzlast aus zwei Fahrern / eine Überlastung vorliegt, oder ob das EV 100 auf dem Gradienten gefahren wird. Die Schätzung und Vorhersage wird erst durchgeführt. nachdem das EV 100 den Betrieb begonnen hat und ausreichende Daten des CAN 106 für eine Analyse bei der Fahrt verfügbar sind.
-
Die Fahrt ist das Fahren zwischen einem Start des EV 100 (die Geschwindigkeit wird größer als 0 km/h) und dem Halt des EV 100 (Geschwindigkeit = 0 km/h). Das Steuergerät 110 führt eine Schätzung/Vorhersage durch, wenn sich das EV 100 in einer einem quasi-stationären Zustand entsprechenden Fahrbedingung befindet (was der Fall ist, wenn der Wert der Fahrzeuggeschwindigkeit für eine festgelegte Zeitdauer innerhalb einer definierten Schwankungsbreite liegt). Bei Vorhandensein des Gradienten wird die quasi-stationäre Zustandsbedingung vermerkt, und die Zeitdauer wird gemessen (um schließlich zu beurteilen, welcher Anteil des Fahrzyklus über den Gradienten verlief). Wenn kein Gradient erkannt wird, schätzt das Lastmodell 112 das Gewicht des EV 100 und verwendet dann diese Schätzung, um einen der Zwecke zu realisieren, wie etwa um eine Klassifizierung durchzuführen, um zu bestimmen, ob die Fahrt eine Fahrt mit einem einzigen Fahrer oder eine Fahrt mit zwei Fahrern war. Die Schätzungen werden bei jeder einzelnen Fahrt vorgenommen.
-
Gemäß der vorliegenden Erfindung wird eine Arbeitsweise des Steuergerätes 110 erläutert, und dies ist nicht als einschränkend zu verstehen. Es wird angenommen, dass das EV 100 ein Roller ist. Das unbeladene Gewicht (oder Leergewicht oder Trockengewicht) des Rollers ist bereits bekannt und wurde mit einem gewissen Toleranzband in das Steuergerät eingespeist. Wenn der Roller gefahren wird, etwa mit einem Fahrer und einem Sozius, empfängt das Steuergerät 110 das Eingangssignal von einem Geschwindigkeitssensor 108 und bestimmt die quasi-stationären Zustandsbedingungen, wie etwa eine Geschwindigkeit innerhalb eines vorbestimmten Bereichs und für eine vorbestimmte Zeit. Zum Beispiel wurde der Roller 10 Sekunden mit 30 km/h gefahren. Alternativ dazu wurde der Roller von 0 % Drosselklappenöffnung bis zu einem gewissen Bereich der Drosselklappenöffnung, etwa 30 %, über eine Rampe beschleunigt, wobei in diesem Fall die Drosselklappenposition als das charakteristische Merkmal zur Bestimmung der quasi-stationären Zustandsbedingung verwendet wird. Sobald der quasi-stationäre Zustand detektiert/bestätigt worden ist, verarbeitet das Steuergerät 110 die Phase/das Fenster, für die/das der quasi-stationäre Zustand aktiv/vorhanden ist. Die quasi-stationäre Zustandsbedingung ist möglicherweise in Teilen und nicht durchgehend aktiv; zum Beispiel wird die quasi-stationäre Zustandsbedingung in den ersten 10 Sekunden der Fahrt erkannt, dann in der fünften Minute, dann in der siebenten Minute usw. Falls der Straßengradient detektiert wird, welcher entweder auf einem geschätzten Wert oder einem Gradientensensor 114 basiert, wird derselbe vom Steuergerät 110 für jede Verarbeitung ausgeschlossen. Das Steuergerät 110 empfängt die Werte der charakteristischen Parameter während der quasi-stationären Zustandsbedingungen, bis die Anforderung betreffs ausreichender Daten erfüllt ist, und verarbeitet sie durch das Lastmodell 112. Die Lastparameter 120 werden geschätzt und dann für verschiedene Zwecke verwendet, wie etwa zum Schätzen der Alterung oder des Verschleißes der Komponenten, basierend darauf, ob das Fahrzeug überlastet ist oder aggressiv gefahren wird. Alternativ dazu wird das Gewicht zusammen mit der verbrauchten Energie verwendet, um dem Fahrer die Rechnung zu stellen, falls die Verwendung im Zusammenhang mit Motorrad-Taxis oder einem Mietsystem erfolgt. In einem anderen Beispiel, falls drei Fahrer auf dem Roller eines Mietsystems vorhanden waren, registriert das Steuergerät 110 diesen Vorfall und stellt dem angemeldeten Fahrer später eine Gebühr oder ein Bußgeld in Rechnung.
-
Bei einer Ausführungsform wird das Steuergerät 110 verwendet, um nur das Gewicht des EV 100 zu schätzen, und der Gradient wird unter Verwendung eines Gradientensensors 114 bestimmt. Die übrige Arbeitsweise und Funktionalität des Steuergeräts 110 bleiben dieselben. Der Gradientensensor ist in 1 dargestellt und wird verwendet, falls er benötigt wird. Dies besagt nicht und ist nicht so zu verstehen, dass der Gradientensensor 114 obligatorisch ist. Bei einer anderen Ausführungsform wird das Steuergerät 110 verwendet, um nur den Straßengradienten zu schätzen, und das Gewicht wird mit Gewichtssensoren (nicht dargestellt) bestimmt, die auf dem Sitz oder an anderen geeigneten Positionen des EV 100 angebracht sind. Die übrige Arbeitsweise und Funktionalität des Steuergeräts 110 bleiben dieselben. Dies besagt nicht und ist nicht so zu verstehen, dass der Gewichtssensor obligatorisch ist.
-
2 veranschaulicht in Verfahren zum Schätzen eines Lastparameters des EV gemäß der vorliegenden Erfindung. Das EV 100 ist mit Komponenten ausgestattet, die wenigstens eine rotierende elektrische Maschine 104, um das EV 100 anzutreiben, und wenigstens ein Batteriepack 102, um die rotierende elektrische Maschine 104 und Nebenverbraucher des EV 100 mit elektrischer Energie zu versorgen, umfassen. Das Steuergerät 110 und Steuereinheiten der Komponenten sind durch das Controller Area Network (CAN) 106 des EV 100 verbunden. Das Verfahren umfasst mehrere Schritte, von denen ein Schritt 202 das Messen charakteristischer Parameter vom CAN 106 während der Fahrt umfasst. Das Verfahren ist durch einen Schritt 204 gekennzeichnet, der das Detektieren wenigstens einer quasi-stationären Zustandsbedingung des EV 100 basierend auf dem primären Parameter innerhalb der charakteristischen Parameter umfasst. Die quasi-stationäre Zustandsbedingung wird basierend auf der Geschwindigkeit/Beschleunigung als charakteristischer Parameter oder auf der Drosselklappenposition oder auf beidem detektiert. Es ist auch möglich, irgendeinen anderen charakteristischen Parameter zu verwenden. Ein Schritt 206 umfasst das Verarbeiten eines sekundären Parameters von den gemessenen charakteristischen Parametern und des unbelasteten Gewichts des EV 100 durch das Lastmodell 112 und das Schätzen des Lastparameters 120. Der Lastparameter 120 ist wenigstens einer, der aus der Gruppe ausgewählt ist, die das geschätzte Gewicht des EV 100 und den Straßengradienten umfasst. Das Verfahren wird vom Steuergerät 110 ausgeführt und komplettiert die Beschreibung des Steuergeräts 110, die zu 1 gegeben wurde. Die charakteristischen Parameter umfassen die Kombination des primären Parameters und des sekundären Parameters.
-
Gemäß dem Verfahren ist der primäre Parameter wenigstens einer, der aus einer Gruppe ausgewählt ist, welche eine Fahrzeuggeschwindigkeit, eine Fahrzeugbeschleunigung und eine Drosselklappenposition umfasst. Der sekundäre Parameter ist wenigstens ausgewählt aus einem von der rotierenden elektrischen Maschine 104 aufgenommenen Phasenstrom, einem der rotierenden elektrischen Maschine 104 vom Batteriepack 102 zugeführten Batteriestrom, einem von der rotierenden elektrischen Maschine 104 ausgeübten Drehmoment, einer von der rotierenden elektrischen Maschine 104 aufgenommenen Leistung (elektrisch/mechanisch), einer Batterieleistung und Kombinationen davon. Der sekundäre Parameter ist weiterhin auswählbar aus der Batteriespannung und dem Wirkungsgrad der rotierenden elektrischen Maschine 104. Insbesondere wird der primäre Parameter zur Bestimmung der quasi-stationären Zustandsbedingung verwendet, während der sekundäre Parameter im Lastmodell 112 verwendet wird. Die charakteristischen Parameter werden unter Verwendung jeweiliger Sensoren abgeleitet oder gemessen, die im EV 100 bereits verfügbar sind, wie etwa der Geschwindigkeitssensor 108, der Drosselklappenpositionssensor 116, Spannungs- und Stromsensoren 118 und dergleichen.
-
Ferner werden gemäß Schritt 208 die Lastparameter 120, nachdem sie bestimmt worden sind, für wenigstens einen Zweck verwendet, der aus einer Gruppe ausgewählt ist, welche Schätzen der Reichweite des EV 100 für die aktuelle Fahrt, Schätzen eines Missbrauchs des EV 100, Schätzen der Alterung von Teilen und Komponenten des EV 100, Ermöglichen von auf dem Energieverbrauch basierenden Zahlungsmodellen, Wählen optimaler Betriebspunkte zur Erzielung einer höheren Effizienz des EV 100 basierend auf dem geschätzten Gewicht, Ermöglichen einer besseren Beschleunigung und Fahrqualität beim Fahren über Gradienten, Verbessern von Merkmalen der Hill-Hold-Funktion und der Berganfahrhilfe mit geschätztem Gradienten, Modulieren und Verteilen einer optimalen Bremskraft basierend auf dem geschätzten Gewicht und dem Gradienten, Einstellen der Federung basierend auf dem geschätzten Gewicht, Einstellen des Reifendrucks basierend auf dem geschätzten Gewicht, Klassifizieren der Nutzlast des EV 100, Koordination/Modulation des Drehmoments zwischen Rädern und dergleichen umfasst.
-
Das Lastmodell 112 wird unter Verwendung eines Gaußschen Prozessmodells, eines linearen Modells, eines polynomialen Modells, eines Regressionsmodells, einer Parameterschätzung, einer Kurvenanpassung, eines kleinsten mittleren quadratischen Fehlers (LMSE), einer rekursiven Approximation nach der Methode der kleinsten Quadrate, einer Summe der Fehlerquadrate (SSE), eines absoluten Fehlers, von Modellen des maschinellen Lernens (ML), von Modellen des Deep Learning (DL), von selbstlernenden Modellen oder einer Kombination davon, ohne darauf beschränkt zu sein, entwickelt und vortrainiert.
-
Gemäß dem Verfahren der vorliegenden Erfindung umfasst, wenn der Gradient null beträgt, das Verfahren das Schätzen des Gewichts des EV 100, insbesondere eines zweirädrigen Fahrzeugs, aus dem Lastmodell 112 während der wenigstens einen quasi-stationären Zustandsbedingung und das Klassifizieren der Fahrt basierend auf dem geschätzten Gewicht als Fahrt mit einem Fahrer oder mit zwei Fahrern. Das Verfahren ist auch für andere Typen von EVs 100, wie oben erläutert, anwendbar.
-
Gemäß einem anderen Verfahren wird, nachdem das EV 100 gestartet worden ist, der primäre Parameter des EV 100 von Steuergerät 110 zur Bestimmung der quasi-stationären Zustandsbedingung überwacht. Nachdem sie bestimmt worden ist, umfasst das Verfahren das Verarbeiten der sekundären Parameter durch das Lastmodell 112, um den Straßengradienten zu schätzen. Nachdem der Straßengradient bestimmt worden ist, umfasst das Verfahren zum Schätzen des Gewichts das Verarbeiten nur derjenigen Werte des charakteristischen Parameters, bei denen der Gradient null ist. Anders ausgedrückt, das Verfahren eliminiert oder verwirft die Werte der sekundären Parameter in der quasi-stationären Zustandsbedingung, wo der Gradient als von null verschieden und positiv detektiert wird. Das Vorhandensein eines Straßengradienten wird entweder durch das Lastmodell 112 oder durch den Gradientensensor 114 erkannt. Die verbleibenden Daten werden durch das Lastmodell 112 erfasst und verarbeitet, um die Nutzlast/das Gewicht des EV 100 zu schätzen. Nachdem das Gewicht geschätzt worden ist, umfasst das Verfahren das Klassifizieren der Nutzlast als einen einzigen Fahrer oder mehrere Fahrer, als eine der Optionen. Die verschiedenen Optionen wurden bereits oben in Verbindung mit der Verwendung der Lastparameter 120 erläutert.
-
Gemäß der vorliegenden Erfindung werden das Steuergerät 110 und ein Verfahren zur sensorlosen Vorhersage/Schätzung von Last/Gewicht und Gradient für EVs 100 offenbart. Das Steuergerät 110 schätzt die Nutzlast unter Verwendung von Variablen, die mit Antriebseinheiten des EV 100 in Zusammenhang stehen. Das Steuergerät 110 verwendet empirische Formeln, ein datenbasiertes Modell oder ein physikbasiertes Modell als Schätzer. Ferner verwendet das Steuergerät 100 einen Gewichtsschätzer zur genauen Vorhersage der Restkilometer durch das EV 100. Das Steuergerät 110 und das Verfahren passen außerdem die Steuerungsstrategie für die rotierende elektrische Maschine 104 für eine bessere Beurteilung der Fahrzeugdynamik und des Energieverbrauchs an, um Missbrauch zu vermeiden. Das Steuergerät 110 und das Verfahren ermöglichen außerdem, jede Art von Missbrauch durch Überlastung des EV 100 zu beurteilen und dem Benutzer anzuzeigen.
-
Das Steuergerät 110 und das Verfahren zielen darauf ab, die Nutzlast des Fahrzeugs (Anzahl der Fahrer, oder schwerer Fahrer/Gewicht), und ob das EV 100 über eine Steigung/einen Gradienten gefahren wird, ohne die Verwendung irgendwelcher zusätzlicher Sensoren am EV 100 zu identifizieren. Unter Verwendung vorhandener Werte von Variablen, die für Antriebsstrang-Systeme des EV 100 relevant sind (Daten, die bereits auf dem CAN-Bus 106 verfügbar sind), detektieren das Steuergerät und das Verfahren, ob sich ein einziger Fahrer/zwei Fahrer oder ein schwerer Fahrer auf dem EV 100 befindet. Die vorliegende Erfindung ermöglicht die Detektion der Anzahl der Fahrer des EV 100 und von Bedingungen des Fahrens über einen Gradienten ohne die Verwendung irgendwelcher zusätzlicher Sensoren, zusätzlicher Hardware oder von Modifikationen am EV 100. Das Steuergerät 100 und das Verfahren verwenden das Lastmodell 112 (einen Schätzer), welches bereits mit Offline-Daten trainiert worden ist. Daher werden das geschätzte Gewicht und der Straßengradient augenblicklich als Ausgangsgrößen bereitgestellt. Die für die Schätzung erforderlichen Eingangsgrößen sind bereits in der Steuereinheit der rotierenden elektrischen Maschine 104 verfügbar und benötigen kein Signal von irgendeinem selbstständigen Sensor oder von irgendeinem anderen Steuergerät 100 am EV 100. Die vorliegende Erfindung ist in den vorhandenen Steuergeräten 110 der EVs 100 oder über eine Cloud-Anwendung implementierbar und erfordert keine zusätzliche Hardware.
-
Es versteht sich, dass Ausführungsformen, die in der obigen Beschreibung erläutert wurden, nur der Veranschaulichung dienen und den Rahmen dieser Erfindung nicht einschränken. Viele solche Ausführungsformen und andere Modifikationen und Änderungen an den Ausführungsformen, die in der Beschreibung erläutert wurden, werden in Betracht gezogen. Der Rahmen der Erfindung wird nur durch den Schutzbereich der Ansprüche eingeschränkt.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
