DE19523111A1 - Einrichtung zur Regelung des Abstandes eines Kraftfahrzeuges zu einem vorausfahrenden Fahrzeug - Google Patents
Einrichtung zur Regelung des Abstandes eines Kraftfahrzeuges zu einem vorausfahrenden FahrzeugInfo
- Publication number
- DE19523111A1 DE19523111A1 DE19523111A DE19523111A DE19523111A1 DE 19523111 A1 DE19523111 A1 DE 19523111A1 DE 19523111 A DE19523111 A DE 19523111A DE 19523111 A DE19523111 A DE 19523111A DE 19523111 A1 DE19523111 A1 DE 19523111A1
- Authority
- DE
- Germany
- Prior art keywords
- speed
- distance
- vehicle
- network
- neural network
- 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.)
- Withdrawn
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K31/00—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator
- B60K31/0008—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator including means for detecting potential obstacles in vehicle path
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/06—Combustion engines, Gas turbines
- B60W2510/0638—Engine speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
- B60W2530/16—Driving resistance
Description
Die Erfindung bezieht sich auf eine Einrichtung zur Regelung des
Abstandes eines Kraftfahrzeuges zu einem vorausfahrenden Fahr
zeug.
Es sind derartige Abstandsregeleinrichtungen bekannt, bei denen
zur Regelung übliche Regelkreise mit herkömmlichen Reglern ver
wendet werden. Beispielhaft sei hier auf die in den Patent
schriften DE 42 09 047 C1 und US 4.703.429 beschriebenen Ab
standsregelungen hingewiesen.
Bei der Einregelung eines über ein Abstandsgesetz vorgegebenen
Sollabstandes ist es aufgrund des nichtlinearen Anteils des
Fahrzeugverhaltens der bei niedrigen Fahrgeschwindigkeiten zu
nehmend an Bedeutung gewinnt, schwierig, aus dem Abstand und der
Relativgeschwindigkeit direkt ein Stellsignal für den Antrieb
und die Bremse zu erzeugen. Zur Verbesserung dieser Situation
ist es bekannt, die Abstandsregelung mittels zweier kaskadenför
mig angeordneter Regelkreise vorzunehmen, wobei ein Abstandsre
gelkreis eine Sollbeschleunigungs- oder Sollgeschwindigkeitsin
formation an einen unterlagerten Regelkreis abgibt, der diese
Sollbeschleunigung bzw. Sollgeschwindigkeit durch Bestimmung
entsprechender Stellsignale für den Antrieb und/oder die Bremse
einregelt. Da die Einregelung einer Sollbeschleunigung bzw. ei
ner Sollgeschwindigkeit jedoch insbesondere bei sehr kleinen
Fahrgeschwindigkeiten bis hin zum Fahrzeugstillstand, z. B. wäh
rend Fahrphasen im sogenannten Stop-and-go-Verkehr bei Verwen
dung herkömmlicher Regler gleichfalls nur schwierig zu bewerk
stelligen ist, sind Genauigkeit und Verhalten der Abstandsrege
lung mit den zwei kaskadierten Regelkreisen meist nicht sehr zu
friedenstellend.
In der Offenlegungsschrift DE 40 01 493 A1 werden ein Verfahren
und eine Einrichtung zur selbsttätigen Steuerung von bewegbaren,
insbesondere selbstfahrenden, Fahrzeugen beschrieben. Bei diesem
Fahrzeugsteuerungssystem wird als Teil der Steuereinheit ein
neuronales Netzwerk verwendet, das ausgangsseitig das oder die
erforderlichen Steuersignale für Antriebs- und Bremseneinheiten
des Fahrzeugs abgibt, um Kollisionen mit erkannten Hindernissen
zu vermeiden und ein gewünschtes Fahr- und Bewegungsverhalten zu
erzeugen. Dabei führt das Fahrzeug in einer Lernphase aus einer
begrenzten Anzahl ausgewählter Situationen fremdgesteuert einen
Bewegungsablauf aus, und die dabei gewonnenen Sensor- und Aktua
tordaten werden der Netzwerkstruktur in der Lernphase wiederholt
unter lehrhafter Vorgabe des Bewegungsablaufzyklus eingegeben.
Als Bewegungsablaufzyklus ist dabei insbesondere an einen Fahr
zyklus längs einer von dem selbstfahrenden Fahrzeug zu befahren
den Bahn gedacht, in deren Umgebung sich Hindernisse befinden
können, die vom Fahrzeug umfahren werden sollen. Die Einhaltung
eines konstanten Abstands zu einem vorausfahrenden Fahrzeug wird
dort nicht angesprochen.
In der Offenlegungsschrift JP 4-71933 (A) ist eine Geschwindig
keitsregeleinrichtung offenbart, die ein neuronales Netzwerk
verwendet, dem über eine Vorverarbeitungsschaltung die vorgese
henen Eingangsdaten, insbesondere solche über den Abstand zu ei
nem vorausfahrenden Fahrzeug, über die Regeldifferenz und die
Beschleunigung sowie über den Lenkwinkel und das Drehmoment, zu
geführt sind und das ausgangsseitig wenigstens ein Stellsignal
für den Antriebsstrang des Fahrzeuges abgibt.
Es ist bekannt, daß durch Verwendung neuronaler Netzwerke, bei
spielsweise vom Typ eines Mehrschicht-Perceptrons, nichtlineare
funktionale Zusammenhänge durch entsprechendes Training beson
ders gut berücksichtigt werden können, wozu beispielsweise auf
W. Kinnebrock, "Neuronale Netze", Oldenburg-Verlag 1992 für wei
tere Details verwiesen wird.
Der Erfindung liegt als technisches Problem die Bereitstellung
einer Einrichtung der eingangs genannten Art zugrunde, mit wel
cher sich der Fahrzeugabstand sowohl bei hohen, als auch insbe
sondere bei sehr niedrigen Fahrgeschwindigkeiten mit relativ ho
her Genauigkeit und zufriedenstellendem Regelverhalten um einen
jeweils gewünschten Sollabstand regeln läßt.
Dieses Problem wird durch eine Einrichtung zur Regelung des
Fahrzeugabstandes mit den Merkmalen des Anspruchs 1 gelöst. Ins
besondere beinhaltet diese Einrichtung ein künstliches neurona
les Netzwerk im Abstandsreglerteil. Dem Netzwerk werden ein
gangsseitig Daten über die momentane Abstandsregeldifferenz so
wie je nach Bedarf weitere Eingangsgrößen zugeführt, woraus das
Netzwerk wenigstens ein Stellsignal für den Antriebsstrang
und/oder die Bremsanlage erzeugt. Das verwendete Netzwerk wird
zur Bewerkstelligung dieser Funktion anhand eines nichtlinearen
Fahrzeuglängsdynamikmodells unter Bewertung der abgegebenen
Stellsignale mittels eines vorgegebenen Gütefunktionals trai
niert. Das Training anhand eines solchen nichtlinearen Modells
gewährleistet, daß die besonders bei niedrigen Fahrgeschwindig
keiten bedeutsamen nichtlinearen Einflüsse des Fahrzeugverhal
tens in angemessenem Maß berücksichtigt werden, so daß das der
gestalt trainierte Netzwerk eine entsprechend hohe Genauigkeit
für die Abstandsregelung in allen realen Fahrsituationen bereit
zustellen vermag.
Bezüglich der Netztopologie ist in Weiterbildung der Erfindung
nach Anspruch 2 ein Netzwerk vom Typ eines Mehrschicht-Percept
rons mit einer der Anzahl von Eingangsgrößen entsprechenden Neu
ronenanzahl in der Eingangsschicht, mindestens einer versteckten
Schicht und einer höchstens so großen Anzahl von Neuronen in der
Ausgangsschicht wie die Anzahl anzusteuernder Stellglieder vor
gesehen. Das Netzwerk kann insbesondere vom Typ eines rein vor
wärtsverarbeitenden Mehrschicht-Perceptrons mit einem an
sich statischen Verhalten oder vom Typ eines modifizierten, auch
rückwärtsverarbeitende Verbindungen besitzenden Mehrschicht-Per
ceptrons sein, das als sogenanntes Elman-Netz bezeichnet wird
und dem dynamische Eigenschaften inhärent sind. Diese Netzwerk
struktur wird unter Eingabe von vorgegebenen Geschwindigkeits
profilen des vorausfahrenden Fahrzeugs anhand des nichtlinearen
Fahrzeugslängsdynamikmodells trainiert. Im realen Einsatz werden
dann dem trainierten Netzwerk als Eingangsdaten neben der Ab
standsregeldifferenz wenigstens die Relativgeschwindigkeit der
beiden Fahrzeuge und/oder ein oder mehrere Werte der fahrzu
standsspezifischen Größen Fahrgeschwindigkeit, Motordrehzahl und
Getriebeübersetzung zugeführt.
Ein bevorzugtes Gütefunktional für das Training des Netzwerkes
ist durch eine Weiterbildung der Erfindung nach Anspruch 3 gege
ben. Die von der Abstandsregeldifferenz und der Relativgeschwin
digkeit abhängigen Anteile stellen verlaufsoptimierende Anteile
dar, während der vom Stellsignal abhängige Anteil einen stelle
nergieminimierenden Anteil darstellt. Ein komfortables, weiches
Regelverhalten besonders in der Umgebung des stationären Zustan
des wird des weiteren durch eine bereichsabhängige Wahl von Pa
rameterwerten des Gütefunktionals gemäß Anspruch 9 gefördert.
Bei einer Weiterbildung der Erfindung nach Anspruch 4 besitzt
das künstliche neuronale Netzwerk ein einzelnes Neuron in der
Ausgangsschicht, dessen Ausgangssignal sowohl zur Ansteuerung
eines Stellglieds für den Antriebsstrang als auch eines solchen
für die Bremsanlage dient. Dies verhindert automatisch, daß das
jeweils eine Stellglied aktiviert wird, solange das andere noch
aktiv ist. Vorzugsweise erfolgt die Zuordnung des Netzwerkaus
gangssignales zu einem der beiden Stellglieder gemäß Anspruch 5
vorzeichenabhängig.
Eine Weiterbildung der Erfindung nach Anspruch 6 führt zu einer
Abstandsregelung mit erwünschten dynamischen Eigenschaften, in
dem dem Netzwerk dynamikinformative Größen eingangsseitig zuge
führt werden, so daß dem Netzwerk, selbst wenn es sich um ein an
sich statisches Netzwerk, z. B. vom Typ eines vorwärtsverarbei
tenden Mehrschicht-Perceptrons, handelt, die gewünschten dynami
schen Eigenschaften verliehen werden.
Durch die Berücksichtigung eines integralen Anteils der Ab
standsregeldifferenz zusätzlich zum Ausgangssignal des neurona
len Netzwerkes, wie dies in Weiterbildung der Erfindung nach An
spruch 7 vorgesehen ist, läßt sich die stationäre Genauigkeit
hinsichtlich der Abstandsregelabweichung verbessern.
Für die Erzielung zufriedenstellender Regelungseigenschaften ist
das Training des Netzwerkes anhand eines nichtlinearen Fahr
zeugdynamikmodells von Vorteil, das gemäß Anspruch 8 eine An
triebsmodellierung beinhaltet, bei der insbesondere die Abhän
gigkeit des Motormoments von Motordrehzahl und Drosselklappen
stellung, die Kennlinie eines verwendeten Drehmomentwandlers und
eines verwendeten Automatikgetriebes sowie der Bremsmoment- und
Fahrwiderstandseinfluß berücksichtigt werden.
Zum Training des neuronalen Netzwerks ist ein Trainingsverfahren
der von T. Hrycej in der Veröffentlichung "Model-Based Training
of Control Sequences in Neural Controllers", Neural Network
World 2/94, Seiten 173 bis 188 beschriebenen Art von Vorteil,
bei dem jedoch die Gradientenbildung zur Bestimmung der Informa
tion zur Gewichtsänderung nicht wie dort beschrieben analytisch,
sondern numerisch durchgeführt wird, wie in Anspruch 10 angege
ben.
Bevorzugte Ausführungsformen der Erfindung sind in den Zeichnun
gen dargestellt und werden nachfolgend beschrieben. Hierbei zei
gen:
Fig. 1 ein Blockschaltbild einer Einrichtung zur Regelung des
Abstands eines Kraftfahrzeuges zu einem vorausfahrenden
Fahrzeug mit einem ein künstliches neuronales Netzwerk
enthaltenden Abstandsregler,
Fig. 2 eine Darstellung der Struktur eines für die Einrichtung
von Fig. 1 verwendbaren künstlichen neuronalen Netzwer
kes vom Mehrschicht-Perceptrontyp mit zwei Ausgangs
schichtneuronen,
Fig. 3 in der linken Hälfte ein Blockschaltbild mit der Struk
tur eines in der Einrichtung von Fig. 1 verwendbaren
künstlichen neuronalen Netzwerkwerks mit einem einzel
nen Ausgangsschichtneuron und einer zur Netzwerkstruk
tur parallelen Abstandsregelabweichungs-Integrations
stufe und in der rechten Hälfte eine graphische Dar
stellung des Ausgangssignals der links gezeigten Anord
nung,
Fig. 4 eine Darstellung entsprechend Fig. 3, jedoch bei Ver
wendung eines sogenannten Elman-Netzwerks,
Fig. 5 ein Blockschaltbild zur Veranschaulichung des Lernvor
gangs für das in der Einrichtung von Fig. 1 verwendete
künstliche neuronale Netzwerk und
Fig. 6 ein Blockschaltbild zur Veranschaulichung des für das
Training des künstlichen neuronalen Netzwerks gemäß
Fig. 5 verwendeten, nichtlinearen Fahrzeuglängsdynamik
modells.
Die in Fig. 1 dargestellte Einrichtung zur Regelung des Abstands
eines Kraftfahrzeuges von einem vorausfahrenden Fahrzeug bein
haltet einen gestrichelt umrahmt angedeuteten Abstandsregler (1),
der ein künstliches neuronales Netzwerk (2) vom Typ eines Mehr
schicht-Perceptrons sowie eine Signalaufbereitungseinheit (3)
und optional ein den beiden letztgenannten Einheiten parallel
geschaltetes Integrierglied (4) umfaßt. Dem Abstandsregler (1)
ist ein Differenzbildungsglied (10) vorgeschaltet, dem einer
seits über eine sollabstandsbildende Einheit (18) ein Sollab
stand (dsoll) und andererseits der von einer entsprechenden Meß
einrichtung (9) erfaßte, momentane Istabstand (dist) zum voraus
fahrenden Fahrzeug zugeführt sind und welches daraus die Ab
stands-Regeldifferenz (dd) bildet. Die Regeldifferenz (dd) wird
sowohl dem künstlichen neuronalen Netzwerk (2) als auch der Si
gnalaufbereitungseinheit (3) zugeführt. Dem Integrierglied (4)
wird gleichfalls die Regeldifferenz (dd) zugeführt. Von der er
wähnten Meßeinrichtung (9) wird zusätzlich die Relativgeschwin
digkeit (vrel) zwischen, dem eigenen und dem vorausfahrenden Fahr
zeug erfaßt und sowohl dem künstlichen neuronalen Netzwerk (2)
als auch der Signalaufbereitungseinheit (3) zugeführt. Des wei
teren werden dem neuronalen Netz (2) über jeweils einen Eingang
die von einer weiteren Meßeinrichtung (5) erzeugten Informatio
nen bezüglich momentaner Fahrgeschwindigkeit (vist), Motordreh
zahl (nm) und Getriebeübersetzung (ig) des im Fahrzeug vorgesehe
nen Automatikgetriebes sowie optional die Fahrgeschwindigkeit
(v₂) des vorausfahrenden Fahrzeuges zugeführt. Damit erhält das
neuronale Netz (2) eine Information über den augenblicklichen
Arbeitspunkt des Regelkreises. Die zur Erfassung der genannten
Größen verwendeten Meßeinrichtung (5) umfaßt herkömmliche Kompo
nenten, die hier keiner weiteren Erörterung bedürfen.
Wird als künstliches neuronales Netzwerk (2) ein solches vom Typ
eines vorwärtsverarbeitenden Mehrschicht-Perceptrons verwendet,
so besitzt dieses selbst keine Dynamik, sondern repräsentiert
eine statische, nichtlineare Einheit zur Bestimmung des oder der
Ausgangssignale in Abhängigkeit von den Eingangsgrößen. Um dem
Abstandregler (1) erwünschte dynamische Eigenschaften zu verlei
hen, werden dem Netzwerk (2) zusätzlich zur Abstands-Regeldiffe
renz (dd), der Relativgeschwindigkeit (vrel) und den momentanen
Meßwerten (vist, nm, ig) der Meßeinrichtung (5) über einen oder
mehrere weitere Eingänge Werte von dynamikinformativen Größen
zugeführt, deren Generierung die Signalaufbereitungseinheit (3)
durchführt. Vorliegend werden dieser Signalaufbereitungseinheit
(3) die Signale bezüglich der Abstands-Regeldifferenz (dd) und
der Relativgeschwindigkeit (vrel) zugeführt, woraus sie sowohl
eine arithmetischen Mittelwert (ddm) für die Abstands-Regeldiffe
renz als auch einen arithmetischen Zeitmittelwert (vrelm) für die
Relativgeschwindigkeit über eine vorgebbare Anzahl von in voran
gegangenen Regelungszyklen ermittelten Abstandsregeldifferenz
werten und gemessenen Relativgeschwindigkeitswerten berechnet,
welche dem Netzwerk (2) zugeführt werden. Alternativ kann statt
des arithmetischen auch ein anderer Mittelwert verwendet werden,
beispielsweise ein solcher, bei dem die einzelnen Werte ver
schieden gewichtet sind. Das Netzwerk (2) erhält mit dieser Mit
telwertinformation sowohl eine Information über die zeitliche
Änderung der Abstandsregeldifferenz (dd) als auch eine Informa
tion über die zeitliche Änderung der Relativgeschwindigkeit
(vrel). Außerdem werden durch die Mittelwertbildung Störungen
verringert, die auf Meßrauschen zurückzuführen sind.
Der Abstandsregler (1) gibt zum einen ein Ausgangssignal für ei
ne antriebskraftregulierende Stellgliedeinheit (6) des Fahrzeug
antriebsstranges und zum anderen ein Stellsignal (db) für eine
Stellgliedeinheit (7) der Fahrzeugbremsanlage ab, wobei die
Stellsignale auch von einem einzigen Ausgangskanal des Abstands
reglers (1) bereitgestellt werden können, wie weiter unten er
läutert wird. Dem Ausgangssignal des neuronalen Netzwerks (2)
für das antriebskraftbestimmende Stellglied (6) wird zur Bereit
stellung des zugehörigen Stellsignals (dk) in einem Summierglied
(11) das Ausgangssignal des Integriergliedes (4) aufaddiert. Die
Ansteuerung der antriebskraftregulierenden Stellgliedeinheit
(6), d. h. die Einstellung einer Drosselklappe bzw. des Motormo
ments oder im Fall eines Dieselmotors des Einspritzpumpenhebels,
hat dann die geregelte Bereitstellung einer Antriebskraft (k)
für das Fahrzeug (8) zur Folge, wobei dieser Teil der Regelung
einer herkömmlichen Tempomatregelung funktionell analog ist. Zum
anderen ermöglicht die Abstandsregeleinrichtung durch entspre
chende Ansteuerung des Bremsanlagen-Stellgliedes (7) direkt
durch das als Stellsignal (db) dienende, zugehörige Netzwerkaus
gangssignal die Einstellung einer geschwindigkeitsregelnden
Bremskraft (b) für das Fahrzeug (8). Anhand einer Plausibili
tätsprüfung wird verhindert, daß unerwünschterweise gleichzeitig
beide Stellglieder (6, 7) aktiviert werden. Dabei wird jeweils
das eine vom Netzwerk (2) abgegebene Stellsignal unterdrückt,
solange das andere noch einen aktiven Betrieb bewirkt. Mit die
ser Möglichkeit eines zusätzlichen Bremssystemeingriffs läßt
sich in Verbindung mit der Verwendung des neuronalen Netzes (2)
auch im Bereich geringer Fahrgeschwindigkeiten bis nahe am Fahr
zeugstillstand, z. B. im Stop-and-go-Verkehr, wo sich das nicht
lineare Fahrverhalten stark auswirkt, eine sehr befriedigende
und zuverlässige Abstandsregelung erreichen.
Die Verwendung des zum neuronalen Netzwerk (2) parallel geschal
teten Integriergliedes (4) ermöglicht dabei eine verbesserte
stationäre Genauigkeit hinsichtlich der Abstandsregeldifferenz.
Hierbei können sowohl der Eingang als auch der Ausgang des Inte
griergliedes (4) begrenzt werden. In jedem Fall werden die Aus
gangssignale des verwendeten Netzwerks (2), die als Stellsignale
dienen, auf ein vorgegebenes Intervall, günstigerweise das nor
mierte Intervall zwischen 0 und 1 beschränkt, und dieses Inter
vall wird auf den Einstellbereich des zugehörigen Stellgliedes
(6, 7) skaliert. Entsprechend wird auch auf der Eingangsseite
vorgegangen, indem die von vorgegebenen Trainingsbeispielen für
das neuronale Netz (2) abgedeckten Eingangswertebereiche eben
falls auf ein begrenztes Intervall, z. B. demjenigen zwischen 0
und 1 oder zwischen -1 und +1, abgebildet werden.
In den Fig. 2 bis 4 sind Beispiele von neuronalen Netzen ge
zeigt, die sich in einer Abstandregeleinrichtung nach Art von
Fig. 1 verwenden lassen, wobei jeweils die Anzahl und Art von
Eingangs- und Ausgangssignalen in bzw. aus dem neuronalen Netz
werk passend zu wählen ist. Das künstliche neuronale Netzwerk
(2a) von Fig. 2 ist ein solches vom Typ eines vorwärtsverarbei
tenden Mehrschicht-Perceptrons, das eine Eingangsschicht (30)
mit drei Neuronen für die drei Eingangsgrößen Abstandsregeldif
ferenz (dd), Relativgeschwindigkeit (vrel) und Motordrehzahl
(nm), eine Ausgangsschicht (32) mit zwei Neuronen und eine zwi
schenliegende, versteckte Schicht (31) mit fünf Neuronen bein
haltet. Von den beiden Neuronen der Ausgangsschicht (32) erzeugt
das eine das Stellsignal (dk) für die antriebskraftbestimmende
Stellgliedeinheit (6) und das andere das Stellsignal (db) für
die Stellgliedeinheit (7) der Fahrzeugbremsanlage.
Das in Fig. 3 dargestellte künstliche neuronale Netzwerk (2′)
ist ebenfalls ein solches vom Typ eines vorwärtsverarbeitenden
Mehrschicht-Perceptrons. Wie das Netzwerk von Fig. 2 enthält es
eine Eingangsschicht (30) aus drei Neuronen für die drei Ein
gangsgrößen Abstandsregeldifferenz (dd), Relativgeschwindigkeit
(vrel) und Motordrehzahl (nm) sowie eine versteckte Schicht (31)
mit fünf Neuronen. Im Gegensatz zum Netzwerk von Fig. 2 beinhal
tet es jedoch eine Ausgangsschicht (32′), die lediglich aus ei
nem einzigen Neuron besteht, dessen Ausgangssignal sowohl zur
Ansteuerung des antriebskraftbestimmenden Stellgliedes (6) als
auch des Bremsanlagen-Stellgliedes (7) dient. Hierbei wird das
Ausgangssignal in Abhängigkeit eines Schwellwertes, der vorlie
gend beispielhaft auf null festgesetzt wurde, an das antriebskr
aftbestimmende Stellglied (6) oder das Bremsanlagen-Stellglied
(7) weitergeleitet. Somit werden positive Ausgangssignale als
Stellsignal (dk) für den Antriebsstrang und negative Ausgangssi
gnale als Stellsignal (db) zur Ansteuerung der Bremse verwendet,
wie dies schematisch durch das Schaubild in der rechten Hälfte
von Fig. 3 wiedergegeben ist. Das Ausgangssignal wird hierbei
betragsmäßig auf das Intervall zwischen 0 und 1 begrenzt und je
nach Vorzeichen zur Anpassung an die beiden Stellglieder (6, 7)
mit unterschiedlichen Skalierungsfaktoren multipliziert. Die
vorzeichenabhängige Funktionsaufteilung des einzigen Ausgangssi
gnals dieses Netzwerks (2′) stellt automatisch sicher, daß stets
entweder nur das Stellsignal für den Antriebsstrang oder nur
dasjenige für die Bremsanlage aktiviert ist. In Fig. 3 ist des
weiteren das dem Netzwerk (2′) parallel geschaltete Integrier
glied (4) dargestellt, dessen Ausgangssignal in dem Summierglied
(11) zu demjenigen des Netzwerkes (2′) zur Bereitstellung des
einzigen Ausgangssignals des Abstandsreglers (1) aufaddiert
wird.
Bei dem in Fig. 4 dargestellten künstlichen neuronalen Netzwerk
(2′′) handelt es sich um ein modifiziertes Mehrschicht-Percept
ronnetzwerk in Form eines sogenannten Elman-Netzes. Zu jeder
versteckten Schicht, von denen das vorliegende Netz (2′′) gerade
eine enthält, gibt es bei einem solchen Netzwerk eine sogenannte
Kontextschicht (33), welche die gleiche Anzahl von Neuronen wie
die zugehörige versteckte Schicht aufweist. Die Netzgewichte der
rückwärtsverarbeitenden Verbindungen von der versteckten Schicht
(31′) zur zugehörigen Kontextschicht (33) werden fest vorgegeben
und während des Trainings nicht angepaßt. Diese Verbindungen
sind in Fig. 4 gestrichelt symbolisiert. Mit dieser Erweiterung
durch die Kontextschicht (33), die sich die alten Aktivierungen,
d. h. die Ausgangssignale der zugehörigen versteckten Schicht
(31′) vom vorherigen Regelzyklus merkt, wird aus dem zugrunde
liegenden, rein vorwärtsverarbeitenden Netzwerk ein dynamisches
Netzwerk. Das Ausgangssignal eines Neurons der Kontextschicht
(33) wird allen Neuronen der zugehörigen versteckten Schicht
(31′) zugeführt. Während des Trainings werden außer den Gewich
ten der vorwärtsgerichteten Verbindungen auch die Gewichte die
ser Verbindungen von der Kontextschicht (33) zur zugehörigen
versteckten Schicht (31′) angepaßt. Für weitere Details dieses
Netzwerktyp sei auf die Veröffentlichung von J. L. Elman
"Finding Structure in Time", Cognitive Science 14, Seite 179 bis
211, 1990 verwiesen.
Das Netzwerk (2′′) von Fig. 4 besitzt des weiteren eine Ein
gangsschicht (30′) mit sieben Neuronen für die Eingangsgrößen
Abstandsregeldifferenz (dd), Relativgeschwindigkeit (vrel), zeit
licher Relativgeschwindigkeits-Mittelwert (vrelm), eigene Fahrge
schwindigkeit (vist), Fahrgeschwindigkeit (v₂) des vorausfahren
den Fahrzeugs, Getriebeübersetzung (ig) und Motordrehzahl (nm)
sowie analog zum Netzwerk von Fig. 3 eine Ausgangsschicht (32′)
mit nur einem Neuron. Wie beim Netzwerk von Fig. 3 wird das Aus
gangssignal dieses einzelnen Neurons der Ausgangsschicht (32′)
mit vorzeichenabhängiger Signalaufteilung sowohl für das Stell
signal (dk) für den Antriebsstrang als auch für das Stellsignal
(db) für die Bremsanlage herangezogen, wie im Schaubild auf der
rechten Hälfte von Fig. 4 veranschaulicht. Bezüglich weiterer
Details der Verarbeitung dieses Signals sei auf die obigen Aus
führungen zu dem Beispiel von Fig. 3 verwiesen. Dabei ist auch
in Fig. 4 das zum Netzwerk (2′′) parallel geschaltete Integrier
glied (4) veranschaulicht, dessen Ausgangssignal in dem Summier
glied (11) zum einzigen Ausgangssignal des Netzwerks (2′′)
zwecks Bereitstellung des gemeinsamen Abstandsregler-Ausgangssi
gnals für die Stellglieder von Antriebsstrang und Bremsanlage
aufaddiert wird.
Vor Verwendung des künstlichen neuronalen Netzwerkes in der Ab
standsregeleinrichtung von Fig. 1 wird es jeweils mit einem
Trainingsverfahren trainiert, das eine Modifikation der oben er
wähnten Methode von T. Hrycej darstellt, indem die Gradienten
bildung zur Bestimmung der Information zur Gewichtsänderung
nicht analytisch, sondern numerisch durchgeführt wird. Das zum
Training verwendete Modell und die Formulierung eines geeigneten
Gütefunktionals beeinflussen neben der Festlegung einer geeigne
ten Netztopologie in hohem Maße den Erfolg des Lernvorgangs und
damit die Qualität des Abstandsreglers (1) mit dem neuronalen
Netzwerk (2). Ein besonders vorteilhafter Lernvorgang wird
nachfolgend anhand der Fig. 5 und 6 beschrieben, wobei insbe
sondere auf die sich aus dem besonderen Anwendungsfall der Ab
standsregelung ergebenden Besonderheiten eingegangen wird.
Wie in Fig. 5 dargestellt, wird der das künstliche neuronale
Netzwerk (2) enthaltende Abstandsregler (1) anhand von vorgege
benen Fahrgeschwindigkeitsprofilen (17) eines vorausfahrenden
Fahrzeuges trainiert, welche einem Differenzbildungsglied (15)
zugeführt werden. Zur Berechnung der Relativgeschwindigkeit
(vrel) wird dem Differenzbildungsglied (15) zusätzlich die momen
tane Fahrgeschwindigkeit (vist) des eigenen Fahrzeuges zugeführt,
wie sie von einem zum Training des Netzwerkes (2) verwendeten,
nichtlinearen Fahrzeuglängsdynamikmodell (14) bestimmt wird.
Dieses Modell (14) generiert außerdem weitere eingangsseitige
Informationen für das Netzwerk (2) in Form simulierter Meßgrö
ßenwerte für die Motordrehzahl (nm) und die Getriebeübersetzung
(ig), d. h. die vom Automatikgetriebe gewählte Gangstufe. Die mo
mentane Fahrgeschwindigkeit (vist) wird auch der sollabstandsbil
denden Einheit (18) zugeführt, die einen einzuregelnden Sollab
stand (dsoll) bestimmt. Aus der Relativgeschwindigkeit (vrel) wird
über ein Integrierglied (16) der Istabstand (dist) ermittelt und
dem Differenzbildungsglied (10) der Abstandsregeleinrichtung zu
geführt, welches die sich ergebende Abstandsregelabweichung (dd)
sowohl an das neuronale Netzwerk (2) als auch an die dem Netz
(2) vorgeschaltete Signalaufbereitungseinheit (3) und das optio
nal verwendete, zum Netzwerk (2) parallel geschaltete Integrier
glied (4) weiterleitet. Die Relativgeschwindigkeitsinformation
(vrel) wird dem neuronalen Netzwerk (2) und der Signalaufberei
tungseinheit (3) zugeführt. Das bzw. die vom Abstandsregler (1)
abgegebenen Ausgangssignale (dk, db) für die Ansteuerung des An
triebsstrangs bzw. der Bremsanlage werden dem Simulationsmodell
(14) eingangsseitig zugeführt.
In Fig. 6 ist die Realisierung dieses nichtlinearen Fahrzeug
längsdynamikmodells (14) näher dargestellt. Als Eingangsgrößen
werden dem Modell die von dem Antriebsstrang-Stellsignal (dk)
bestimmte Drosselklappenstellung (ks), das vom Bremsanlagen-
Stellsignal (db) bestimmte Bremsmoment (Mb), das in einer einfa
chen Form proportional zum Stellsignal (db) angenommen werden
kann, sowie ein externes Fahrwiderstandsmoment (Mext) zugeführt,
welches Luftwiderstandskräfte, Steigungskräfte und Rollwider
standskräfte berücksichtigt. Optional kann bei letzterem auch
der Kurvenwiderstand berücksichtigt werden. Das Modell beinhal
tet eine Antriebsstrangmodellierung, welche die Komponenten Mo
tor, Drehmomentwandler sowie Automatik- und Differentialgetriebe
einbezieht. Das nichtlineare Motorverhalten wird durch ein abge
legtes Kennfeld (20) beschrieben, welches das vom Motor erzeugte
Moment (Mm) in Abhängigkeit von der Motordrehzahl (nm) und der
Stellung (ks) des Gaspedals bzw. der Drosselklappe oder des Ein
spritzpumpenhebels bestimmt und empirisch ermittelt werden kann.
Der Drehmomentwandler teilt den Antriebsstrang in zwei Teile,
die durch getrennte Differentialgleichungen beschreibbar sind.
Die Motordynamik ist durch den Quotient der Differenz zwischen
dem vom Motor erzeugten Moment (Mm) und dem vom Wandlereingang,
d. h. der Pumpe, aufgenommenen Moment (Mp) dividiert durch das Mo
torträgheitsmoment bestimmt, woraus sich aus der zugehörigen
Differentialgleichung (21) die Motordrehzahl (nm) ermitteln läßt.
Unter Zuhilfenahme einer abgelegten Kennlinie (fw₂) für die Ab
hängigkeit des normierten Pumpenmoments vom Verhältnis von Tur
binen- zu Pumpendrehzahl läßt sich aus der Motordrehzahl (nm) und
der von einer automatikgetriebesimulierenden Einheit (26) er
zeugten Turbinendrehzahlinformation (nt) in einem nächsten
Schritt (22) das von der Pumpe aufgenommene Drehmoment (Mp) be
rechnen. Aus der Kenntnis des Pumpenmomentes (Mp), der Turbinen
drehzahl (nt) und der Motordrehzahl (nm) ergibt sich unter Zuhil
fenahme einer weiteren Drehmomentwandler-Kennlinie (fw₁), die die
Abhängigkeit des Verhältnisses von Turbinen- zu Pumpenmoment vom
Verhältnis von Turbinen- zu Pumpendrehzahl beschreibt, im näch
sten Schritt (23) das Turbinenmoment (Mt). Dieses Drehmoment (Mt)
am Drehmomentwandlerausgang geht multipliziert mit Getriebe- und
Hinterachsfaktoren abzüglich des Bremsmomentes (Mb) und des ex
ternen Fahrwiderstandsmomentes (Mext) in die Differentialglei
chung (24) zur Beschreibung der dynamischen Verhältnisse zwi
schen den Antriebsrädern und dem Wandlerausgang ein, welche die
Radwinkelbeschleunigung als Quotient des resultierenden Momentes
durch die Summe der verschiedenen Massenträgheitsmomentbeiträge
darstellt. Die daraus resultierende Radwinkelgeschwindigkeit (wr)
wird von einer entsprechenden Einheit (25) um die Hinterachs
übersetzung (ih) modifiziert und so der automatikgetriebesimulie
renden Einheit (26) als Eingangsinformation zugeführt. Im Fall
einer starren Wandlerüberbrückung genügt anstelle der Lösung der
Motor- und Antriebsrad-Differentialgleichungen die Lösung einer
einzigen Antriebsrad-Differentialgleichung.
Die Modellierung des Automatikgetriebes erfolgt anhand von
Schaltkennlinien für den Wechsel der Getriebeübersetzung in Ab
hängigkeit von der Fahrzeuggeschwindigkeit und der Drosselklap
penstellung. Übersteigt bei einem Gangneubestimmungszyklus die
Differenzgeschwindigkeit eine zum aktuellen Wertepaar von Dros
selklappenstellung und eingelegtem Gang gehörende Referenzge
schwindigkeit, so wird ein Hochschalten des Getriebes simuliert.
Analog dazu wird ein Wechsel in einen niedrigeren Gang simu
liert, wenn die Geschwindigkeit unter einen bestimmten anderen,
zum aktuellen Wertepaar von Drosselklappenstellung und eingeleg
tem Gang gehörigen Grenzwert absinkt. Aus dem gewählten Gang er
gibt sich dann jeweils ausgangsseitig die Turbinendrehzahl (nt)
sowie die momentane Getriebeübersetzung (ig), die als Eingangsin
formation der Einheit (24) zur Lösung der Antriebsraddifferenti
algleichung zugeführt wird. Die ermittelte Getriebeübersetzung
(ig) wird außerdem ebenso wie die momentane Motordrehzahl (nm)
und die sich aus der berechneten Radwinkelgeschwindigkeit (wr)
ergebende, momentane Fahrgeschwindigkeit (vist) als Ausgangsin
formation des nichtlinearen Fahrzeuglängsdynamikmodells (14) der
Eingangsseite des Reglers (1) zum Trainieren des künstlichen
neuronalen Netzes (2) zugeführt, wie wieder in Fig. 5 zu erken
nen.
Das Training des Netzes gemäß Fig. 5 beinhaltet zur Bewertung
des Regelungsverhaltens des künstlichen neuronalen Netzwerks (2)
ein Gütefunktional (G), welches sich als Summe aus einem ver
laufsoptimalen Anteil und einem die Stellenergie minimierenden
Anteil ergibt, wozu einer gütefunktionalbestimmenden Einheit
(12) die benötigten Eingangsinformationen zugeführt werden. Der
verlaufsoptimale Anteil des Gütefunktionals (G) besteht aus ei
ner Summe mit Summanden, die jeweils proportional zum Quadrat
bzw. zur vierten Potenz der Abstandsregeldifferenz (dd), der Re
lativgeschwindigkeit (vrel) und der Zeitableitung der Relativge
schwindigkeit (vrel) sind. Der die Stellenergie minimierende An
teil des Gütefunktionals (G) besteht aus einer Summe mit Summan
den, die proportional zum Quadrat und zur vierten Potenz der
Zeitableitung (uc) des vom Netz abgegebenen resultierenden
Stellsignals (uc) sind. Da wie oben gesagt durch Plausibili
tätsprüfung oder Verwendung nur eines Netzwerkausgangssignals
gewährleistet wird, daß jeweils höchstens eines der beiden ange
steuerten Stellglieder (6, 7) aktiviert wird, wird für das im
Gütefunktional (G) verwendete resultierende Stellsignal (uc) ent
weder das Antriebsstrangstellsignal (dk) oder das Bremsanlagen-
Stellsignal (db) verwendet, je nachdem, welches gerade aktiv
ist. Mit dem Gütefunktional (G) für die Abstandsregelung soll
ein weiches, komfortables Verhalten der Regelung in der Umgebung
des stationären Zustandes, in welchem die Abstandsregeldifferenz
(dd) und die Relativgeschwindigkeit (vrel) nahe bei null liegen,
erreicht werden. Hierzu werden zwei zusätzliche Parameter (kd,
kv) eingeführt, die auf null gesetzt werden, wenn die Werte für
die Relativgeschwindigkeit (vrel) und für die Abstandsregeldiffe
renz (dd) innerhalb eines vordefinierten Einzugsbereiches des
stationären Zustandes liegen. Außerhalb dieses Einzugsbereiches
werden die Parameter ungleich null gewählt, wobei günstige Werte
kd=kv=1 sind. Das Ausgangssignal (13) der gütefunktionalbestim
menden Einheit (12) enthält die Information zur Anpassung der
einzelnen Gewichtswerte zwischen den Neuronen im künstlichen
neuronalen Netzwerk (2). Den Ausgangsneuronen ist dabei eine li
neare Aktivierungsfunktion und den Eingangsneuronen das jewei
lige Eingangssignal zugeordnet. Den Neuronen der versteckten
Schicht wird eine sigmoide Aktivierungsfunktion zugewiesen. Mit
diesen Aktivierungsfunktionen läßt sich eine befriedigende Reg
lerempfindlichkeit über den gesamten Auswertebereich bereitstel
len, wobei, wie erwähnt, die Netzausgangssignale auf geeignete
Wertebereiche begrenzt und auf die Stellgliedwertebereiche ska
liert werden.
Als Lernvorgabe sind für das Training Fahrgeschwindigkeitsver
läufe (17) des vorausfahrenden Fahrzeugs vorgesehen, welche ram
penförmige Geschwindigkeitsänderungen mit dazwischenliegenden,
stückweise konstanten Geschwindigkeitsabschnitten beinhalten.
Dies dient dazu, mit dem neuronalen Training durch Anbieten ei
nes möglichst breiten Spektrums an Betriebszuständen einen mög
lichst universell einsetzbaren Abstandsregler zu generieren. Da
bei wird insbesondere beachtet, daß ein großer Geschwindigkeits
bereich mit besonderer Betonung des kritischen Bereiches sehr
kleiner Geschwindigkeiten abgedeckt wird, daß unterschiedliche
Beschleunigung- und Verzögerungswerte des vorausfahrenden Fahr
zeuges vorgegeben werden, daß ein ausgewogenes Verhältnis der
Anzahl von Beschleunigungs- und Verzögerungsvorgängen besteht,
daß stationäre Fahrzustände, d. h. Abschnitte konstanter Fahrge
schwindigkeit des vorausfahrenden Fahrzeuges, vorhanden sind und
daß die Geschwindigkeitsdifferenzen zwischen Phasen mit konstan
tem Fahrgeschwindigkeitsverlauf des vorausfahrenden Fahrzeuges
unterschiedlich groß sind. Ein vollständiger Trainingsvorgang
für den Abstandsregler (1) mit künstlichem neuronalem Netzwerk
(2) beinhaltet die Vorgabe mehrerer Fahrgeschwindigkeitsprofile
des vorausfahrenden Fahrzeuges und Anfangsbedingungen, wozu meh
rere simulierte Fahrmanöver mit jeweils unterschiedlichem Ver
lauf der Fahrgeschwindigkeit des vorausfahrenden Fahrzeuges aus
gewertet werden.
Es zeigt sich, daß sich mit der Regeleinrichtung nach Fig. 1 un
ter Verwendung des Abstandsreglers (1) mit dem wie oben be
schrieben strukturierten und trainierten künstlichen neuronalen
Netzwerk (2) eine sehr zuverlässige Einregelung des Abstandes zu
einem vorausfahrenden Fahrzeug, insbesondere auch im sehr nied
rigen Geschwindigkeitsbereich, erzielen läßt.
Claims (10)
1. Einrichtung zur Regelung des Abstandes eines Kraftfahrzeuges
zu einem vorausfahrenden Fahrzeug,
dadurch gekennzeichnet, daß
ein Abstandsregler (1) mit einem künstlichen neuronalen Netzwerk
(2) vorgesehen ist, dem eingangsseitig Daten über die momentane
Abstandsregeldifferenz (dd) zugeführt werden und das ausgangssei
tig ein Stellsignal (dk, db) für den Antriebsstrang und/oder die
Bremsanlage des Fahrzeugs abgibt, wobei es anhand eines nichtli
nearen Fahrzeuglängsdynamikmodells unter Bewertung der abgegebe
nen Stellsignale mittels eines vorgegebenen Gütefunktionals
(G) trainiert wird.
2. Einrichtung nach Anspruch 1, weiter
dadurch gekennzeichnet, daß
das künstlich neuronale Netzwerk (2) vom Typ eines Mehrschicht-
Perceptrons, insbesondere vom Typ eines vorwärtsverarbeitenden
Mehrschicht-Perceptrons oder vom Typ eines Elman-Netzwerkes,
ist, das aus einer der Anzahl von Eingangsgrößen entsprechenden
Neuronenanzahl in der Eingangsschicht, mindestens einer ver
steckten Schicht und einer höchstens so großen Anzahl von Neuro
nen in der Ausgangsschicht wie die Anzahl anzusteuernder Stell
glieder aufgebaut ist und unter Eingabe von, vorgegebenen Ge
schwindigkeitsprofilen des vorausfahrenden Fahrzeuges und An
fangsbedingungen trainiert wird und dem als Eingangsdaten neben
der Abstandsregeldifferenz (dd) wenigstens die Relativgeschwin
digkeit (vrel) und/oder wenigstens einer der momentanen Werte der
den Fahrzustand beschreibenden Größen Fahrgeschwindigkeit (vist),
Motordrehzahl (nm) und Getriebeübersetzung (ig) zugeführt werden.
3. Einrichtung nach Anspruch 1 oder 2, weiter
dadurch gekennzeichnet, daß
das Gütefunktional (G) als jeweilige Summanden einen Anteil, der
sich als Polynom mit geradzahligen Potenzen der Zeitableitung
der vom Abstandsregler (1) abgegebenen Stellsignale ausdrücken
läßt, einen Anteil, der sich als Polynom mit geradzahligen Po
tenzen der Abstandsregeldifferenz (dd) ausdrücken läßt, einen An
teil, der sich als Polynom mit geradzahligen Potenzen der Rela
tivgeschwindigkeit (vrel) ausdrücken läßt und/oder einen Anteil,
der sich als Polynom mit geradzahligen Potenzen der Zeitablei
tung der Relativgeschwindigkeit ausdrücken läßt, enthält.
4. Einrichtung nach einem der Ansprüche 1 bis 3, weiter
dadurch gekennzeichnet, daß
die Ausgangsschicht (32′) des künstlich neuronalen Netzes (2′)
aus einem einzelnen Neuron besteht, dessen Ausgangssignal in je
dem Zeitpunkt entweder das Stellsignal für den Antriebsstrang
oder für die Bremsanlage bildet.
5. Einrichtung nach Anspruch 4, weiter
dadurch gekennzeichnet, daß
das Ausgangssignal des einzelnen Neurons der Ausgangsschicht
(32′) des künstlich neuronalen Netzes vorzeichenabhängig einer
seits das Stellsignal (dk) für den Antriebsstrang und anderer
seits das Stellsignal (db) für die Bremsanlage bildet.
6. Einrichtung nach einem der Ansprüche 1 bis 5, weiter
dadurch gekennzeichnet, daß
dem künstlichen neuronalen Netz zusätzlich Informationen über
den zeitlichen Verlauf von Fahrzustand und/oder der Abstandsre
gelabweichung und/oder der Relativgeschwindigkeit zugeführt wer
den.
7. Einrichtung nach einem der Ansprüche 1 bis 6, weiter
dadurch gekennzeichnet, daß
das Stellsignal (dk, db) für den Antriebsstrang und/oder für die
Bremsanlage die Summe aus einem Anteil, der von der Ausgangs
schicht des künstlich neuronalen Netzes gebildet wird, und aus
einem Anteile der aus einer eingangs- und ausgangsseitig be
grenzten Integration der Abstandsregeldifferenz gebildet wird,
ist.
8. Einrichtung nach einem der Ansprüche 1 bis 7, weiter
dadurch gekennzeichnet, daß
das nichtlineare Fahrzeuglängsdynamikmodell eine Antriebsmodel
lierung mit folgenden Komponenten beinhaltet:
- - kennfeldbasierte Bestimmung des Motormomentes (Mm) in Abhän gigkeit von der Motordrehzahl (nm) und der Drosselklappenstel lung (ks),
- - kennfeldbasierte Drehmomentwandlersimulation mit Bestimmung des Pumpenmomentes (Mp) in Abhängigkeit von Motordrehzahl (nm) und Turbinendrehzahl (nt) sowie des Turbinenmomentes (Mt) in Abhängigkeit vom Pumpenmoment (Mp), von der Motordrehzahl (nm) und der Turbinendrehzahl (nt) und
- - kennfeldbasierte Automatikgetriebesimulation zur Bestimmung von Turbinendrehzahl (nt) und Getriebeübersetzung (ig) in Ab hängigkeit von der Drosselklappenstellung (ks) und der momen tanen Fahrgeschwindigkeit (vist), wobei zur Bestimmung der letzteren das berechnete Antriebsmoment um ein Bremsmoment (Mb) und ein externes Fahrwiderstandsmoment (Mext) reduziert wird.
9. Einrichtung nach einem der Ansprüche 1 bis 8, weiter
dadurch gekennzeichnet, daß
das Gütefunktional (G) in Abhängigkeit eines vordefinierten Ein
zugsbereiches des stationären Zustandes der Abstandsregelung
durch entsprechende Werteänderung von vorgebbaren Parametern (kd,
kv) bereichsabhängig vergrößert oder verkleinert wird.
10. Einrichtung nach einem der Ansprüche 1 bis 9, weiter
dadurch gekennzeichnet, daß
in der modellgestützten Trainingsphase bei der Bildung der In
formation zur Gewichtsänderung die Gradientenbildung numerisch
durchgeführt wird.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19523111A DE19523111A1 (de) | 1995-06-26 | 1995-06-26 | Einrichtung zur Regelung des Abstandes eines Kraftfahrzeuges zu einem vorausfahrenden Fahrzeug |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19523111A DE19523111A1 (de) | 1995-06-26 | 1995-06-26 | Einrichtung zur Regelung des Abstandes eines Kraftfahrzeuges zu einem vorausfahrenden Fahrzeug |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19523111A1 true DE19523111A1 (de) | 1997-01-02 |
Family
ID=7765244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19523111A Withdrawn DE19523111A1 (de) | 1995-06-26 | 1995-06-26 | Einrichtung zur Regelung des Abstandes eines Kraftfahrzeuges zu einem vorausfahrenden Fahrzeug |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE19523111A1 (de) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19632337A1 (de) * | 1996-08-10 | 1998-02-12 | Daimler Benz Ag | Verfahren und Einrichtung zur Regelung der Längsdynamik eines Kraftfahrzeuges |
DE19729952A1 (de) * | 1997-07-12 | 1999-01-14 | Opel Adam Ag | Kraftfahrzeug mit Sensor und Regeleinrichtung und Abstandssensor für Kraftfahrzeuge |
DE19736756A1 (de) * | 1997-08-23 | 1999-02-25 | Volkswagen Ag | Verfahren und Vorrichtung zur Abstandsregelung für ein Fahrzeug |
WO1999025580A1 (de) * | 1997-11-13 | 1999-05-27 | Siemens Aktiengesellschaft | Fahrtregelungssystem für fahrzeuge, insbesondere für kraftfahrzeuge |
EP0976628A2 (de) | 1998-07-29 | 2000-02-02 | Volkswagen Aktiengesellschaft | Verfahren und Einrichtung zum Betrieb einer Bremseinrichtung bei Kraftfahrzeugen |
DE19846820A1 (de) * | 1998-10-10 | 2000-04-20 | Daimler Chrysler Ag | Verfahren und Einrichtung zur Regelung der Längsdynamik eines Kraftfahrzeuges |
WO2002051661A1 (de) * | 2000-12-22 | 2002-07-04 | Robert Bosch Gmbh | Verfahren und vorrichtung zur bestimmung einer eine motorausgangsgrösse beeinflussenden grösse |
WO2004080746A1 (de) * | 2003-03-12 | 2004-09-23 | Robert Bosch Gmbh | Vorrichtung und verfahren zur geschwindigkeitsregelung eines kraftfahrzeugs |
DE10354322A1 (de) * | 2003-11-20 | 2005-06-23 | Bayerische Motoren Werke Ag | Verfahren und System zur Ermittlung der Fahrsituation |
DE102006042419A1 (de) * | 2006-09-09 | 2008-03-27 | Zf Friedrichshafen Ag | Vorausschauendes Fahren mit ACC |
DE102006060759A1 (de) * | 2006-12-21 | 2008-06-26 | Siemens Ag | Adaption der Bremscharakeristik |
US7957875B2 (en) | 2008-01-17 | 2011-06-07 | GM Global Technology Operations LLC | Method and apparatus for predicting braking system friction |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4703429A (en) * | 1984-07-20 | 1987-10-27 | Nissan Motor Company, Limited | System and method for controlling a vehicle speed of an automotive vehicle |
DE4001493A1 (de) * | 1990-01-19 | 1991-07-25 | Pietzsch Ibp Gmbh | Verfahren und einrichtung zur selbsttaetigen steuerung von bewegbaren geraeten |
JPH0471933A (ja) * | 1990-07-10 | 1992-03-06 | Toyota Motor Corp | 車両用走行制御装置 |
DE4209047C1 (de) * | 1992-03-20 | 1993-08-26 | Daimler-Benz Aktiengesellschaft, 7000 Stuttgart, De | |
DE4418085A1 (de) * | 1993-05-21 | 1994-11-24 | Toyota Motor Co Ltd | Laufsteuervorrichtung für Fahrzeuge und Alarmvorrichtung für Fahrzeuge |
-
1995
- 1995-06-26 DE DE19523111A patent/DE19523111A1/de not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4703429A (en) * | 1984-07-20 | 1987-10-27 | Nissan Motor Company, Limited | System and method for controlling a vehicle speed of an automotive vehicle |
DE4001493A1 (de) * | 1990-01-19 | 1991-07-25 | Pietzsch Ibp Gmbh | Verfahren und einrichtung zur selbsttaetigen steuerung von bewegbaren geraeten |
JPH0471933A (ja) * | 1990-07-10 | 1992-03-06 | Toyota Motor Corp | 車両用走行制御装置 |
DE4209047C1 (de) * | 1992-03-20 | 1993-08-26 | Daimler-Benz Aktiengesellschaft, 7000 Stuttgart, De | |
DE4418085A1 (de) * | 1993-05-21 | 1994-11-24 | Toyota Motor Co Ltd | Laufsteuervorrichtung für Fahrzeuge und Alarmvorrichtung für Fahrzeuge |
Non-Patent Citations (2)
Title |
---|
HRYCEJ, T.: Model-Based Training of Control Sequences in Neural Controllers. In: Neutral Network World 2/94, S. 173-188 * |
KINNEBROCK, W.: Neuronale Netze, Oldeburg-Verlag 1992 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19632337C2 (de) * | 1996-08-10 | 2000-12-14 | Daimler Chrysler Ag | Verfahren und Einrichtung zur Regelung der Längsdynamik eines Kraftfahrzeuges |
FR2752204A1 (fr) | 1996-08-10 | 1998-02-13 | Daimler Benz Ag | Procede et dispositif de regulation de la dynamique longitudinale d'un vehicule automobile |
DE19632337A1 (de) * | 1996-08-10 | 1998-02-12 | Daimler Benz Ag | Verfahren und Einrichtung zur Regelung der Längsdynamik eines Kraftfahrzeuges |
DE19729952A1 (de) * | 1997-07-12 | 1999-01-14 | Opel Adam Ag | Kraftfahrzeug mit Sensor und Regeleinrichtung und Abstandssensor für Kraftfahrzeuge |
DE19736756A1 (de) * | 1997-08-23 | 1999-02-25 | Volkswagen Ag | Verfahren und Vorrichtung zur Abstandsregelung für ein Fahrzeug |
US6240357B1 (en) | 1997-08-23 | 2001-05-29 | Volkswagen Ag | Method and arrangement for controlling vehicle spacing |
WO1999025580A1 (de) * | 1997-11-13 | 1999-05-27 | Siemens Aktiengesellschaft | Fahrtregelungssystem für fahrzeuge, insbesondere für kraftfahrzeuge |
US6301542B1 (en) | 1997-11-13 | 2001-10-09 | Siemens Aktiengesellschaft | Cruise control system for vehicles, in particular for motor vehicles |
US6246313B1 (en) | 1998-07-29 | 2001-06-12 | Volkswagen Ag | Method and device for operating a braking device in motor vehicles |
DE19834126B4 (de) * | 1998-07-29 | 2007-01-04 | Volkswagen Ag | Verfahren und Einrichtung zum Betrieb einer Bremseinrichtung bei Kraftfahrzeugen |
DE19834126A1 (de) * | 1998-07-29 | 2000-02-03 | Volkswagen Ag | Verfahren und Einrichtung zum Betrieb einer Bremseinrichtung bei Kraftfahrzeugen |
EP0976628A2 (de) | 1998-07-29 | 2000-02-02 | Volkswagen Aktiengesellschaft | Verfahren und Einrichtung zum Betrieb einer Bremseinrichtung bei Kraftfahrzeugen |
DE19846820A1 (de) * | 1998-10-10 | 2000-04-20 | Daimler Chrysler Ag | Verfahren und Einrichtung zur Regelung der Längsdynamik eines Kraftfahrzeuges |
WO2002051661A1 (de) * | 2000-12-22 | 2002-07-04 | Robert Bosch Gmbh | Verfahren und vorrichtung zur bestimmung einer eine motorausgangsgrösse beeinflussenden grösse |
WO2004080746A1 (de) * | 2003-03-12 | 2004-09-23 | Robert Bosch Gmbh | Vorrichtung und verfahren zur geschwindigkeitsregelung eines kraftfahrzeugs |
US7177748B2 (en) | 2003-03-12 | 2007-02-13 | Robert Bosch Gmbh | Device and method for controlling a motor vehicle travel speed |
DE10354322A1 (de) * | 2003-11-20 | 2005-06-23 | Bayerische Motoren Werke Ag | Verfahren und System zur Ermittlung der Fahrsituation |
US7386389B2 (en) | 2003-11-20 | 2008-06-10 | Beyerische Motoren Werke Aktiengesellschaft | Method and system for determining the driving situation |
DE10354322B4 (de) | 2003-11-20 | 2022-06-09 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und System zur Ermittlung der Fahrsituation |
DE102006042419A1 (de) * | 2006-09-09 | 2008-03-27 | Zf Friedrichshafen Ag | Vorausschauendes Fahren mit ACC |
DE102006060759A1 (de) * | 2006-12-21 | 2008-06-26 | Siemens Ag | Adaption der Bremscharakeristik |
US7957875B2 (en) | 2008-01-17 | 2011-06-07 | GM Global Technology Operations LLC | Method and apparatus for predicting braking system friction |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE10321825B4 (de) | Erzeugung von Lenk-Gefühl in Steer-By-Wire Systemen | |
EP0813987B1 (de) | Verfahren zur Abstandsregelung für ein Kraftfahrzeug | |
DE19632337C2 (de) | Verfahren und Einrichtung zur Regelung der Längsdynamik eines Kraftfahrzeuges | |
DE112012006465B4 (de) | Fahreigenschaftenabschätzvorrichtung und Fahrassistenzsystem | |
EP0870132B1 (de) | Schaltungsanordnung zum steuern eines fahrwerks- oder antriebssystems in einem kraftfahrzeug | |
DE19509178C2 (de) | Abstandsregelgerät für Fahrzeuge | |
DE10350392B4 (de) | Verfahren zum Steuern bzw. Regeln eines elektronischen Fahrzeug-Lenksystems | |
DE4101902C2 (de) | Steuereinrichtung zur Steuerung einer Fahrzeugkomponente | |
EP1607263B1 (de) | Verfahren und Vorrichtung zur Einstellung der auf eine Fahrpedaleinrichtung wirkenden Rückstellkraft | |
DE10346146B4 (de) | Verfahren zur Steuerung eines variablen Lenkverhältnisses | |
DE4209150A1 (de) | Konzentriertes steuersystem fuer kraftfahrzeuge | |
EP0984260B1 (de) | Verfahren zur Analyse und zur Beeinflussung des Fahrverhaltens von Kraftfahrzeugen | |
DE102019124700A1 (de) | Fahrsteuerungsvorrichtung für ein fahrzeug | |
DE19654769A1 (de) | Verfahren und Vorrichtung zur Fahrzeugsteuerung bzw. -regelung | |
DE102017010180B3 (de) | Verfahren und Vorrichtung zur Regelung einer Längsposition eines Fahrzeugs | |
WO2007031578A1 (de) | Verfahren und vorrichtung zum lenken eines kraftfahrzeugs | |
DE10345319A1 (de) | Voraussagende Geschwindigkeitssteuerung für ein Kraftfahrzeug | |
EP1037030A2 (de) | Verfahren zum Simulieren des Verhaltens eines Fahrzeugs auf einer Fahrbahn | |
DE102005016859A1 (de) | Vorrichtung und Verfahren zur Steuerung der Verzögerung eines Fahrzeugs | |
DE19649137B4 (de) | Verfahren zur Regelung des dynamischen Verhaltens eines Kraftfahrzeuges | |
DE102004001319B4 (de) | System und Verfahren einer Steer-by-wire-Regelung für Fahrzeuge durch Anwenden einer Mehrfach-Entkopplungs-Regelung | |
DE19523111A1 (de) | Einrichtung zur Regelung des Abstandes eines Kraftfahrzeuges zu einem vorausfahrenden Fahrzeug | |
DE4438148A1 (de) | Bremssteuereinrichtung für Kraftfahrzeuge | |
DE102015221626A1 (de) | Verfahren zur Ermittlung einer Fahrzeug-Trajektorie entlang einer Referenzkurve | |
DE102022112323A1 (de) | Vorhersage der treiberbefehle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8127 | New person/name/address of the applicant |
Owner name: DAIMLERCHRYSLER AG, 70567 STUTTGART, DE |
|
8130 | Withdrawal |