JP2020108330A - 車両の動作方法 - Google Patents

Abstract

【課題】複数の駆動ユニットを備えた車両において、エネルギー効率の最適化を目標とし、必要なトルクまたは必要な出力を駆動ユニット間で配分を行う車両の動作方法を提供する。【解決手段】車両のパワートレインは、少なくとも１つが電気機器として形成された複数の駆動ユニットおよび、電気機器として形成された駆動ユニットのためのエネルギー貯蔵システムを備える。パワートレインに対して要求されるトルクＭｄｅｍおよび、パワートレインを再現する物理モデルＭｏｄＰｈｙｓに基づき確定された使用すべき駆動ユニットに関する動作リミットＭ’ｍｉｎ，ＥＭ、Ｍ’ｍａｘ，ＥＭに対して、エネルギー貯蔵システムの充電状態およびまたは充電状態の変化ΔＳＯＣを考慮し、人工知能に基づく手法を用いパワートレインの最適な動作戦略Ｂを確定する。確定した動作戦略Ｂに従い、複数の駆動ユニットに必要なトルクまたは必要な出力の配分を行う。【選択図】図２

Description

本発明は、電気機器として形成された駆動ユニットを備えた車両の動作方法ならびに計算ユニット、車両、および動作方法を実施するためのコンピュータプログラムに関する。

内燃機関だけを備えた自動車と共に、内燃機関に加えて１つまたは複数の電気駆動ユニットを備えた自動車もますます多くなっている。このような車両は、いわゆるハイブリッド車両と呼ばれる。電気駆動部だけを備えた車両も存在している。

複数の駆動ユニットを備えた車両の場合、必要なトルクまたは必要な出力を駆動ユニット間で配分するための、できるだけ最適な動作戦略を見つけることが望ましい。これは、典型的にはエネルギー効率の最適化を目標として行われるのが望ましく、そのため、一般的にはエネルギー貯蔵システムも考慮されるべきである。エネルギー貯蔵システムの考慮は、電気駆動ユニットだけを備えた、例えば複数のエネルギー貯蔵ユニットを備えた、純粋に電気によって動作する車両の場合にも重要であり得る。

本発明により、独立形式請求項の特徴を有する、車両の動作方法、計算ユニット、車両、および動作方法を実施するためのコンピュータプログラムが提案される。有利な形態は、引用形式請求項および以下の説明の対象である。

本発明による方法は、少なくとも１つが電気機器として形成された複数の駆動ユニットを有するパワートレインと、電気機器として形成された駆動ユニットのためのエネルギー貯蔵システムとを備えた車両、または電気機器として形成された１つの駆動ユニットを有するパワートレインと、電気機器のための２つのエネルギー貯蔵ユニットを有するエネルギー貯蔵システムとを備えた車両の動作に用いられる。

車両としては、例えば１つの電気駆動ユニットまたは電気機器だけを備えた純粋に電気によって動作する車両が考慮され、しかし複数の、つまり少なくとも２つの電気駆動ユニットまたは電気機器を備えた純粋に電気によって動作する車両も考慮される。しかし、駆動ユニットとして内燃機関と１つまたは複数の電気機器とを備えたハイブリッド車両も同様に考慮される。特定の車両に基づくたくさんの変形形態のさらなる詳細または制限に関しては、さらに後の実施形態を参照されたい。さらにこの場合、ハイブリッド車両の具体的なトポロジーはさしあたって重要ではなく、つまり１つまたは複数の電気機器は、変速機の前および／もしくは後ろに、ならびに／または軸および／もしくは１つもしくは複数の車輪にも配置され得る。

駆動ユニットとはこの場合はとりわけ、車両の少なくとも１つの車輪を駆動するためのトルクをその車輪へ伝達し得るもののことである。それゆえに、電気機器の場合、モータとして動作可能な電気機器が考慮される。しかし、この場合にそのような電気機器が発電機としても動作可能である場合が有用である。

エネルギー貯蔵システムは、とりわけ、典型的には車両のために使用される１つまたは複数のエネルギー貯蔵ユニット、例えばバッテリーを、電気エネルギーを一時的に貯蔵して再び取り出すために有している。このようなエネルギー貯蔵システムは、とりわけ純粋に電気によって動作する車両の場合、燃料電池、または発電機によって電気エネルギーを生成するためだけに設けられた内燃機関（いわゆるレンジエクステンダー）も同様にエネルギー貯蔵ユニットとして有することができ、これらのエネルギー貯蔵ユニットにより、電気機器および／または別のバッテリーに電気エネルギーを供給し得る。

エネルギー貯蔵システム、つまりこの場合にはとりわけバッテリーの充電状態も可変の、言及したハイブリッド車両の場合にはとりわけ、必要なトルクを駆動ユニットに割り振る際に考慮され得る複数の自由度が存在する。とりわけ充電状態または充電状態の変化の自由度に基づいて、特に二酸化炭素の排出が削減され得る。例えば内燃機関を、低排出にとってできるだけ最適な負荷点で動作させることができる。内燃機関によってもたらされたトルクと要求されたトルクとを釣り合わせるために、電気機器を状況に応じて発電機としてまたはモータとして動作させることができ、つまりバッテリーが充電または放電される。

この観点において車両の動作を常にできるだけ効率的にするため、パワートレインおよび場合によってはエネルギー貯蔵システムを再現する物理モデルが使用され得る。この場合、例えば費用関数により、コンポーネントとしてそれぞれの駆動ユニットを有するパワートレインのための最も効率的な動作戦略が確定され得る。このような費用関数では、例えば、１つの特定のもしくは複数の充電状態を有するおよび／または充電状態の１つの特定の変化を有するバッテリーによって提供可能な出力を、内燃機関によって提供可能な出力と関係づけることができ、これに関し、適切に重み付けすることができる。

このような物理モデルは特に正確であり、これは、最適な動作戦略の解析計算も可能にする。ただしこれには高い計算能力およびしばしば長い計算時間が必要とされる。数値近似では精度が失われる。これはつまり、ことに自由度の数が増えるにつれてモデルが、したがって計算がますます複雑になるので、リアルタイムで計算するには不利であり得る。変化するシステム特性への適合は、一般的に不可能である。

様々なシナリオおよび状況が格納された様々なカードの使用も考えられ、これにより、できるだけ最高の動作戦略が選択され得る。しかしこの場合は、まさに複雑さが増すにつれ、実行する計算ユニット上での非常に高いメモリ要求量が必要である。変化するシステム特性への適合は、この場合も一般的に不可能である。

さらなる１つの可能性は、人工知能に基づく手法、例えばニューラルネットワークまたはいわゆるガウス過程モデルの使用である。このような人工知能に基づく手法またはモデルは、典型的には、複雑な数値解法を必要とせず、しかし学習でき、つまり変化するシステム特性にも適合できるまたは適合させ得る。ただしこのような手法の場合、モデルのハードリミットまたはリミット値およびクリティカルなシステム要求が、しばしばまったくまたは正しくは満たされないという難しさがある。このようなリミットとは、例えば、電気機器のトルクに関して技術的に引き起こされるリミットのことである。同様に、ハードリミットと、望ましいだけの（しかし必ずしも技術的に必要ではない）要求とを区別することも、時には困難であり得る。

加えてこのような手法は、新しい状況に対するロバスト性が低いという欠点を有する。例えば、動作戦略に影響を及ぼすが、人工知能または基礎になっているデータによって捕捉または再現されない走行状況が発生すると、信じ難い結果が得られる可能性があり、それどころかこの結果は、一部では物理的または技術的に実行不可能であり得る。

さらに、追加的な自由度は、人工知能のためのモデルへの入口の数も車両トポロジーおよび自由度の数に大きく左右されることを意味するので、非常に複雑になり得る。
そこで本発明の一態様によれば、パワートレインおよび場合によってはさらにエネルギー貯蔵システムを再現する物理モデルにより、パワートレインに対して要求されたトルクに基づいて（このトルクは、例えば運転者および／または運転者支援システムによって要求または設定され得る）、使用すべき駆動ユニットに関する動作リミットが確定される。この使用すべき駆動ユニットとは、動作に組み込まれるべき駆動ユニットのことである。つまり、すべての存在する駆動ユニットを使用する必要はない。１つの駆動ユニットだけを使用することもあり得る。

これに関し物理モデルは、とりわけ、構造に起因する個々の駆動ユニット間の連結（例えば、２つの駆動ユニットが変速機および／または回転軸を介して相互に連結されている場合）、場合によっては存在するクラッチ、個々の駆動ユニットのそれぞれ提供可能な最大のおよびさらに提供可能な最小のトルクを再現し、かつ存在する場合には、相応のギアおよびその変速比を有するパワートレイン内の変速機も再現する。とりわけ電気機器の場合に、例えば提供可能なトルクに関するリミットが影響を及ぼされ得るならば、または電気機器自体の技術的に引き起こされるリミットとは異なり得る、さらなるリミットが生じるならば、エネルギー貯蔵システムを場合によって考慮することは、重要であり得る。このような物理モデルでは、駆動ユニットの回転数および／または車両の速度も、さらにギアと関連させて、考慮され得る。

これによって確定されるべき、使用すべき駆動ユニットのための、とりわけ電気機器のための動作リミットとは、とりわけ、存在するなら内燃機関の可能なトルクを考慮した上で要求されたトルクの調達を可能にする、とりわけ、電気機器のトルクの上限および下限である。

さらに、人工知能に基づく手法（またはそのようなモデル）により、使用すべき駆動ユニットに関する確定された動作リミットと、エネルギー貯蔵システムの充電状態（これはこの場合、とりわけエネルギー貯蔵システムの１つまたは複数のバッテリーの充電状態のことである）および／またはこの充電状態の（場合によっては所望の）変化とを考慮して、パワートレインのための動作戦略が確定される。これはとりわけ、パワートレインおよびエネルギー貯蔵ユニットのエネルギー効率を最適化した上でまたはその最適化を目標として行われ、これはとりわけ、例えば二酸化炭素および／またはそのほかの有害物質のできるだけ少ない排出も含む。その後、この動作戦略に従ってパワートレインが動作され、これはとりわけ駆動ユニットの相応の制御を含む。

この動作戦略は、とりわけ、駆動ユニットへの、さらに場合によってはエネルギー貯蔵ユニットへの、必要なトルクのある特定の配分を含み、エネルギー貯蔵ユニットはこの場合、例えば充電され得る。

いわゆるＰ２ハイブリッドトポロジー、つまり電気駆動ユニットおよび内燃機関を備えたトポロジーのためのトルクのそのような配分を確定するための人工知能による手法またはＡＩ手法の一例は、必要なトルク、充電状態、および駆動ユニットの回転数のための入口を備え、ならびに電気機器の最適なトルクおよび確定されたコストのための出口を備えたニューラルネットワークである。入口および出口は、対応するニューロンを介して結び付けられている。ガウスモデルは、例えばニューラルネットワークと同じ入口および出口を使用し得る。

つまり提案した方法は、車両またはそのパワートレインの物理モデルを、人工知能に基づく手法と組み合わせている。物理モデルにより、物理的リミットが特に簡単かつ速く設定され得る一方で、それに基づいておよびこのリミット内で、人工知能によりできるだけ最高のまたは少なくとも１つのできるだけ良好な動作戦略を見つけることができ、この場合、物理的に不可能な状態はまったくまたは少なくともほとんど出てこない。

人工知能に基づく手法（ＡＩモデルまたはＡＩ手法とも言う）により確定されたパワートレインのための動作戦略は、パワートレインが動作戦略に従って動作される前に、物理モデルによって適合されることが好ましい。これは、物理モデルがもう一度使用されることを意味し、これにより、さらにある種のリミットが守られないことが望ましい場合に、または場合によってはクリティカルな状況を緩和するためにも、動作戦略が相応に適合または最適化される。

パワートレインのための動作戦略のパラメータの値、つまり例えばある特定の駆動ユニットが調達すべきトルクの割合が、一時的に記憶され、かつ／または人工知能に基づく手法の学習に使用されることが有利である。これはつまり、とりわけ物理モデルによる動作戦略の適合と組み合わせて行われる場合に、人工知能に基づく手法または基礎になっているもしくは使用されるモデルの特に簡単かつ効率的でさらに連続的な改善を可能にする。

既に言及したように、少なくとも２つの異なるギアをもつ変速機を有するパワートレインを備えた車両が使用されることが好ましい。この場合、パワートレインのための動作戦略が人工知能に基づく手法により、とりわけさらにその時々に使用されているギアを考慮して確定される。つまりこれにより、できるだけ最高の動作戦略を確定する際にもう１つの自由度が考慮され得る。

パワートレインのための動作戦略が人工知能に基づく手法により、さらに少なくとも１つの別のその時々に使用されていないギアのために、およびそれぞれのギアを考慮して、確定されることが好ましく、この場合、動作戦略または拡張された動作戦略は、ギアの設定も含む。つまりこれにより、その時々に使用または選択されているギアのために、上で説明したようにできるだけ最高の動作戦略が確定され得る。これに加えて、１つまたは複数のそのほかの、仮説として使用可能なギアのためにも同様に、それぞれ、できるだけ最高の動作戦略が確定され得る。この場合、これらそのほかの確定された動作戦略の１つが、特定の理由からその時々のギアのための動作戦略より優れているならば、このギアを切り替えることができ、またはマニュアルの変速機の場合は、ギア切り替えの指示を出すことができる。

既に言及したように、複数の駆動ユニットの１つが内燃機関として形成されたパワートレインを備えた車両が使用されることが特に好ましい。これは、とりわけ冒頭で既に言及したようなハイブリッド車両である。そのようなハイブリッド車両の場合、動作戦略の選択により、とりわけ駆動ユニットへのトルクの配分により、特に効果的に排出の節減または削減が達成され得る。例えば内燃機関を、低排出にとってできるだけ最適な負荷点で動作させることができる。内燃機関によってもたらされたトルクと要求されたトルクとを釣り合わせるために、電気機器を状況に応じて発電機としてまたはモータとして動作させることができ、つまりバッテリーが充電または放電される。

これに関し、パワートレインのための動作戦略が人工知能に基づく手法により、さらに内燃機関のその時々の回転数を考慮して確定される場合も有用であるが、なぜならこの場合、最適な負荷点への特に簡単な適合が可能だからである。

本発明のさらなる一態様によれば、電気機器として形成された１つの駆動ユニットを有するパワートレインと、電気機器のための２つの異なるエネルギー貯蔵ユニットを有するエネルギー貯蔵システムとを備えた車両の動作方法が。この場合、これらのエネルギー貯蔵ユニットは、上で既に言及したように、例えば２つのバッテリーか、または１つのバッテリーおよび１つの燃料電池もしくは１つのレンジエクステンダーであり得る。この場合、エネルギー貯蔵システムを再現する物理モデルにより、パワートレインに対して要求されたトルクに基づいて、使用すべきエネルギー貯蔵ユニットに関する動作リミットが確定される。その後、人工知能に基づく手法により、使用すべきエネルギー貯蔵ユニットに関する確定された動作リミットを考慮して、電気エネルギーを調達するためのエネルギー貯蔵ユニットのための動作戦略が確定される。その後、エネルギー貯蔵ユニットが動作戦略に従って動作される。

この場合の動作戦略は、ある特定のトルクが複数の駆動ユニットに配分されるのではなく、調達されるべき必要量の電気エネルギーが幾つかのエネルギー貯蔵ユニットに配分されるという相違点を除いて、前述の方法の場合と同じやり方で使用され得る。複数の駆動ユニットおよび複数のエネルギー貯蔵ユニットが設けられている場合に、両種の方法を相互に組み合わせ得ることは自明である。

本発明の第１の態様の有利な実施形態が、必要な変更を加えて、この態様にも適用される。
本発明による計算ユニット、例えば自動車の制御機器は、とりわけプログラム技術により、本発明による方法を実施するよう適応される。

電気機器として形成された１つの駆動ユニットまたは少なくとも１つが電気機器として形成された複数の駆動ユニットを有するパワートレインと、電気機器として形成された駆動ユニットのためのエネルギー貯蔵システムとを備え、および本発明による計算ユニットを備えた車両も、本発明の対象である。車両の好ましい形態および利点に関しては、方法についての前述の、この場合に相応に適用される実施形態を参照するようここで指摘しておく。

すべてのプロセスステップを実施するためのプログラムコードを有するコンピュータプログラムまたはコンピュータプログラム製品の形態での本発明による方法の実装も有利であるが、これは、とりわけ、実行する制御機器がさらなるタスクのために利用され、したがっていずれの場合においても存在する場合に、特に低コストとなるからである。コンピュータプログラムを提供するための適切なデータ媒体は、とりわけ磁気的、光学的、および電気的なメモリ、例えばハードディスク、フラッシュメモリ、ＥＥＰＲＯＭ、ＤＶＤなどである。コンピュータネットワーク（インターネット、イントラネットなど）を介したプログラムのダウンロードも可能である。

本発明のさらなる利点および形態は、本明細書および添付の図面から明らかである。
本発明を、例示的実施形態に基づいて図面に概略的に示しており、以下で図面を参照しながら説明する。

本発明による方法を実施可能な車両の概略図である。 好ましい一実施形態での本発明による方法のフローの概略図である。 さらなる好ましい一実施形態での本発明による方法のフローの概略図である。

図１では、本発明による方法を実施可能な、好ましい一実施形態での本発明による車両１００が概略的に示されている。
車両１００は、２つの軸１１０および１２０を有し、この場合、軸１２０が駆動可能な軸として、相応に駆動可能な車輪を備えて、パワートレイン１０１と結合している。車両１００またはパワートレイン１０１は、内燃機関として形成された駆動ユニット１３０と、電気機器として形成された駆動ユニット１４０とを有し、駆動ユニット１３０と１４０は、クラッチ１３１により、トルクが伝達されるように結合可能である。

さらに、バッテリーとして形成されたまたはバッテリーを有するエネルギー貯蔵システム１５０が設けられており、エネルギー貯蔵システム１５０は、電気機器１４０と電気的に結合している。パワートレイン１０１にはさらに変速機１６０が設けられており、変速機１６０により、幾つかのギアが調整または選択され得る。

さらに、制御機器として形成された計算ユニット１８０が設けられており、計算ユニット１８０により、駆動ユニットと、クラッチと、場合によっては変速機とが制御可能である。これに関し、複数の、その場合には相互に通信する計算ユニットを設けてもよいことは自明である。

したがって車両１００はハイブリッド車両である。これに関し、本発明は例として説明されている。冒頭で言及したように、車両またはトポロジーのそのほかの種類も使用し得ることは自明である。

図２では、好ましい一実施形態での本発明による方法のフローが概略的に示されている。これについてはまず、図１で例として示したような内燃機関および電気機器を備えたパワートレインの物理モデルＭｏｄ_Ｐｈｙｓが示されている。

この物理モデルＭｏｄ_Ｐｈｙｓでは、パワートレインが、例として電気機器の技術的に可能な最小トルクＭ_{ｍｉｎ，ＥＭ}、それに帰属する最大トルクＭ_{ｍａｘ，ＥＭ}、内燃機関の技術的に可能な最小トルクＭ_{ｍｉｎ，ＩＣＥ}、それに帰属する最大トルクＭ_{ｍａｘ，ＩＣＥ}、および要求されたトルクＭ_ｄｅｍによって再現および表示される。挙げた最大値および最小値は、例えば構造形式に起因して生じ、かつパラメータとしてセットされ得る。この最大値および最小値は、モデルではとりわけリミットとして作用する。冒頭で既に言及したように、エネルギー貯蔵システムも、それによりとりわけ電気機器のトルクに関するリミットが変わり得る場合には、一緒に考慮することが考えられる。

特に簡単かつ速く、そのほかのパワートレインまたは車両のトポロジーに適合させることもできるこの物理モデルＭｏｄ_Ｐｈｙｓに基づいて、この場合、要求されたトルクＭ_ｄｅｍに対し、使用すべき駆動ユニットに関する動作リミットが確定され得る。示した例ではこれらの動作リミットは、電気機器の最小トルクＭ’_{ｍｉｎ，ＥＭ}およびそれに帰属する最大トルクＭ’_{ｍａｘ，ＥＭ}であり、これらの動作リミットに基づいて、要求されたトルクＭ_ｄｅｍが、内燃機関のトルクのリミットを考慮して（とりあえず）満たされ得る。

例えば最小トルクＭ’_{ｍｉｎ，ＥＭ}は、要求されたトルクＭ_ｄｅｍと最大トルクＭ_{ｍａｘ，ＩＣＥ}の差として生じ、この差は、電気機器の可能な最小トルクＭ_{ｍｉｎ，ＥＭ}と電気機器の最大トルクＭ_{ｍａｘ，ＥＭ}の間の値に制限されている。

例えば正の要求されたトルクＭ_ｄｅｍに対しては、最大トルクＭ’_{ｍａｘ，ＥＭ}は、要求されたトルクＭ_ｄｅｍと最小トルクＭ_{ｍｉｎ，ＩＣＥ}の差として生じ、この差は、電気機器の可能な最小トルクＭ_{ｍｉｎ，ＥＭ}と電気機器の最大トルクＭ_{ｍａｘ，ＥＭ}の間の値に制限されている。

さらに例えば負の要求されたトルクＭ_ｄｅｍに対しては、最大トルクＭ’_{ｍａｘ，ＥＭ}は、要求されたトルクＭ_ｄｅｍとして生じ、このＭ_ｄｅｍは、電気機器の可能な最小トルクＭ_{ｍｉｎ，ＥＭ}と電気機器の最大トルクＭ_{ｍａｘ，ＥＭ}の間の値に制限されている。

これに関し、必要になるかもしれないエネルギー貯蔵システムの充電状態および／または必要になるかもしれない充電状態の変化も考慮することが考えられるが、なぜなら充電状態は、電気機器によって放出可能なトルクにも影響し得るからである。これに対して内燃機関には、トルクに関する技術的に引き起こされるリミットが適用されるのが典型的である。

その後、この動作リミットＭ’_{ｍｉｎ，ＥＭ}およびＭ’_{ｍａｘ，ＥＭ}ならびにエネルギー貯蔵システムの充電状態の（所望のおよび／または実際の）変化ΔＳＯＣ、内燃機関の（その時々の）回転数ｎ_ＩＣＥ、および要求されたトルクＭ_ｄｅｍが、ここではモデルＭｏｄ_ＡＩによって示された人工知能に基づく手法の枠内で、冒頭で既により詳しく説明したようにできるだけ最適な動作戦略Ｂを得るために処理または考慮され得る。

つまり物理モデルにより、モデルＭｏｄ_ＡＩまたは人工知能に基づく手法に（制限された）解空間を設定でき、したがって、万一の物理的または技術的に満たし得ない解は、既に最初から排除されるかまたは少なくともかなり起こりにくくなる。

こうして確定されたまたは得られた動作戦略Ｂは、とりわけ、要求されたトルクＭ_ｄｅｍの電気機器および内燃機関への配分を含む。これに関し、全体として例えば要求されたよりも高いトルクが生成され、しかしこの余分なトルクはエネルギー貯蔵システムまたは相応のバッテリーの充電に使用されるということも考えられる。

さらに、確定されたまたは得られた動作戦略Ｂは、例えばセーフティクリティカルな側面を考慮するため、物理モデルＭｏｄ_Ｐｈｙｓを使用してもう一度適合または修正することができ、それにより、例えば技術的に可能ではあるが、しかし望ましくない挙動が回避され得る。そのうえ動作戦略Ｂまたは内包されるパラメータの値は、モデルＭｏｄ_ＡＩのその後のトレーニングに使用するため、適合の前および／または後に、特性マップＫまたはそのほかのメモリユニットに保存され得る。

以下に、提案した手順をもう一度まとめ、さらに発展させた態様を説明する。人工知能による方法の部分、つまりモデルＭｏｄ_ＡＩは、電気機器および内燃機関の様々な適用シナリオの燃料効率結果に基づいて、とりわけ様々な走行サイクルに関しても、トレーニングされ得る。その後は、このトレーニングデータを有するモデルＭｏｄ_ＡＩが、電気機器と内燃機関の間の最適なトルク配分を決定するために使用され得るまたは使用されるべきである。

物理モデルおよび人工知能に基づくモデルから成る組み合わされた手法は、すべてのシナリオをカバーするために使用され得る。物理モデルは、走行要求を満たすため、システム内の電気機器の可能な最大および最小のトルクまたは対応する出力を決定するために使用されるべきである。

これに加え、人工知能に基づくモデルの結果を物理モデルに送り込むことができ、したがってそこでは、後でさらに説明するように、例えばギア選択の際の快適さの向上のような追加的な基準を考慮でき、かつクリティカルなシステム要求がチェックされ得る。例えば、人工知能に基づくモデルによって得られるような電気機器のトルクが、電気機器自体のリミットおよび内燃機関のリミット内で運転者によって要求されたトルクを満たすように、修正され得る。

さらに、システム全体が安定した動作領域内に留まることを保証するため、電気機器のトルクが、物理モデルにおいてバッテリーの充電状態に応じて修正され得る。この物理モデルは、人工知能に基づくモデルの結果がクリティカルなシステム要求に反する場合に関するデータも記憶でき、かつこの記憶されたデータは、モデルのその後のトレーニングの改善に使用され得る。したがって次のトレーニングイベントの際、これらの記憶された入力データを別に処理することができ、これにより、トレーニングアルゴリズムが入力データのこの組合せを明確にカバーすることが保証される。

オフライントレーニングに関しては、入力データのこのクリティカルな組合せに対する理想的な解を確定して、トレーニングに使用することができる。オンライントレーニングに関しては、実行する計算ユニット内で、少なくとも修正された出力がトレーニングに使用され得る。

図３では、さらなる好ましい一実施形態での本発明による方法のフローが概略的に示されている。これに関し上の領域では、既に図２で示され、かつそこで詳細に説明された、最適な動作戦略Ｂを見つけるための手順が改めて示されている。ただしこれはここでは、ギア選択が可能であれば、１つの特定のギアＧ_１にのみ適用される。

したがってここで示した実施形態では、さらなるギアＧ_２のために同じ手順が相応に実施され得る。この手順は、図２との関連でも説明したようなギアＧ_１のための手順と根本的に違わないので、これも大まかにのみ概略的に示唆している。

違いはせいぜい、ギアＧ_２のための計算の際には内燃機関の回転数として、実際のまたはその時々の回転数ではなく、当該のギアＧ_２に関してそのほかでは同じ条件で生じるような仮説の回転数ｎ’_ＩＣＥが使用されることにある。これは、ギアの変速比に基づいて非常に簡単に計算され得る。

この場合、ギアＧ_２のために動作戦略Ｂ’が得られる。その後、ギアＧ_１のための動作戦略ＢとギアＧ_２のための動作戦略Ｂ’との比較により、とりわけ拡張された動作戦略の枠内で、場合によってはギアが切り替えられるべきかどうかが判断され得る。これに関し、さらに場合によってはギア切り替えに必要な時間および／または万一のそれに伴う快適さの喪失も考慮され得る。さらなるギアも、このやり方で考慮され得ることは自明である。

提案した方法のさらなる好ましい一態様は、個々のコンポーネントの性能および車両老朽化特性の可変性を考慮するため、人工知能に基づく手法または実行する計算ユニット内の対応する機能を、各々の個別の車両のためにトレーニングすることを可能にする。特定の車両のための条件と比較した性能情報、例えば実際の燃料消費量を記憶でき、かつデータに基づくモデル（例えばニューラルネットワーク）が追加的にトレーニングされ得る。このトレーニングは、実行する計算ユニット内で直接的に実施でき、またはオフラインで、クラウドまたは遠隔の計算システム内で実施でき、したがって適合された機能が改めて車両に送り込まれ得る。

これに関し、クリティカルなシステム要求を満たすために、人工知能に基づくモデルの出力データの修正が必要なすべての場合に関する記憶されたデータは、オンライントレーニングでも使用され得る。

Claims (15)

1. 少なくとも１つが電気機器として形成された複数の駆動ユニット（１３０、１４０）を有するパワートレイン（１０１）と、前記電気機器として形成された駆動ユニット（１４０）のためのエネルギー貯蔵システム（１５０）とを備えた車両（１００）の動作方法であって、
   前記パワートレイン（１０１）を再現する物理モデル（Ｍｏｄ_Ｐｈｙｓ）により、前記パワートレイン（１０１）に対して要求されたトルク（Ｍ_ｄｅｍ）に基づいて、使用すべき駆動ユニットに関する動作リミット（Ｍ’_{ｍｉｎ，ＥＭ}、Ｍ’_{ｍａｘ，ＥＭ}）が確定され、
   人工知能に基づく手法により、前記使用すべき駆動ユニットに関する前記確定された動作リミット（Ｍ’_{ｍｉｎ，ＥＭ}、Ｍ’_{ｍａｘ，ＥＭ}）と、前記エネルギー貯蔵システム（１５０）の充電状態および／または前記充電状態の変化（ΔＳＯＣ）とを考慮して、前記パワートレイン（１０１）のための動作戦略（Ｂ）が確定され、かつ
   前記パワートレイン（１０１）が前記動作戦略（Ｂ）に従って動作される方法。
2. 前記人工知能に基づく手法により、前記パワートレインのための前記動作戦略（Ｂ）が、パワートレイン（１０１）およびエネルギー貯蔵ユニット（１５０）のエネルギー効率を最適化した上で確定される、請求項１に記載の方法。
3. 前記人工知能に基づく手法により確定された前記パワートレインのための前記動作戦略（Ｂ）が、前記パワートレイン（１０１）が前記動作戦略（Ｂ）に従って動作される前に、前記物理モデル（Ｍｏｄ_Ｐｈｙｓ）によって適合される、請求項１または２に記載の方法。
4. 前記パワートレインのための前記動作戦略（Ｂ）のパラメータの値が、一時的に記憶され、かつ／または前記人工知能に基づく手法の学習に使用される、請求項１〜３のいずれか一項に記載の方法。
5. 少なくとも２つの異なるギアをもつ変速機（１６０）を有するパワートレイン（１０１）を備えた車両（１００）が使用される、請求項１〜４のいずれか一項に記載の方法。
6. 前記パワートレイン（１０１）のための前記動作戦略（Ｂ）が前記人工知能に基づく手法により、さらにその時々に使用されているギア（Ｇ_１）を考慮して確定される、請求項５に記載の方法。
7. 前記パワートレインのための前記動作戦略（Ｂ’）が前記人工知能に基づく手法により、さらに少なくとも１つの別のその時々に使用されていないギア（Ｇ_２）のために、およびそれぞれのギアを考慮して、確定され、かつこの場合、前記動作戦略が前記ギアの設定を含む、請求項６に記載の方法。
8. 前記複数の駆動ユニットの１つが内燃機関として形成されている、請求項１〜７のいずれか一項に記載の方法。
9. 前記パワートレインのための前記動作戦略（Ｂ）が前記人工知能に基づく手法により、さらに前記内燃機関のその時々の回転数（ｎ_ＩＣＥ）を考慮して確定される、請求項８に記載の方法。
10. 前記人工知能に基づく手法により確定された前記動作戦略（Ｂ）が、前記複数の駆動ユニットへのトルクの配分を含む、請求項１〜９のいずれか一項に記載の方法。
11. 請求項１〜１０のいずれか一項に記載の方法であって、少なくとも１つが電気機器として形成された複数の駆動ユニット（１３０、１４０）を有するパワートレイン（１０１）と、前記電気機器として形成された駆動ユニット（１４０）のためのエネルギー貯蔵システム（１５０）とを備えた前記車両（１００）の代わりに、電気機器として形成された１つの駆動ユニットを有するパワートレイン（１０１）と、前記電気機器（１４０）のための２つのエネルギー貯蔵ユニットを有するエネルギー貯蔵システム（１５０）とを備えた車両（１００）が動作され、
    前記エネルギー貯蔵システムを再現する物理モデル（Ｍｏｄ_Ｐｈｙｓ）により、前記パワートレイン（１０１）に対して要求されたトルク（Ｍ_ｄｅｍ）に基づいて、使用すべきエネルギー貯蔵ユニットに関する動作リミットが確定され、
    人工知能に基づく手法により、前記使用すべきエネルギー貯蔵ユニットに関する前記確定された動作リミットを考慮して、電気エネルギーを調達するための前記エネルギー貯蔵ユニットのための動作戦略（Ｂ）が確定され、かつ
    前記エネルギー貯蔵ユニットが前記動作戦略（Ｂ）に従って動作される方法。
12. 請求項１〜１１のいずれか一項に記載の方法のすべてのプロセスステップを実施するよう適応された計算ユニット（１８０）。
13. 電気機器として形成された１つの駆動ユニットまたは少なくとも１つが電気機器として形成された複数の駆動ユニット（１３０、１４０）を有するパワートレインと、前記電気機器として形成された駆動ユニットのためのエネルギー貯蔵システム（１５０）とを備え、および請求項１２に記載の計算ユニット（１８０）を備えた車両（１００）。
14. 前記計算ユニット（１８０）上で実行される場合に、計算ユニット（１８０）に、請求項１〜１１のいずれか一項に記載の方法のすべてのプロセスステップを実施させるコンピュータプログラム。
15. 請求項１４に記載のコンピュータプログラムが記憶された機械可読のメモリ媒体。
    

Images