WO2019169421A1 - Method for determining a vehicle parameter of a vehicle data set of a vehicle, and use of the vehicle parameter at a test bench - Google Patents
Method for determining a vehicle parameter of a vehicle data set of a vehicle, and use of the vehicle parameter at a test bench Download PDFInfo
- Publication number
- WO2019169421A1 WO2019169421A1 PCT/AT2019/060079 AT2019060079W WO2019169421A1 WO 2019169421 A1 WO2019169421 A1 WO 2019169421A1 AT 2019060079 W AT2019060079 W AT 2019060079W WO 2019169421 A1 WO2019169421 A1 WO 2019169421A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- vehicle
- parameters
- test
- simulation
- parameter
- Prior art date
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004088 simulation Methods 0.000 claims abstract description 109
- 238000013507 mapping Methods 0.000 claims abstract description 22
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 5
- 230000000295 complement effect Effects 0.000 claims abstract description 4
- 238000003384 imaging method Methods 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 208000026097 Factitious disease Diseases 0.000 claims 1
- NQLVQOSNDJXLKG-UHFFFAOYSA-N prosulfocarb Chemical compound CCCN(CCC)C(=O)SCC1=CC=CC=C1 NQLVQOSNDJXLKG-UHFFFAOYSA-N 0.000 claims 1
- 238000011161 development Methods 0.000 description 27
- 230000018109 developmental process Effects 0.000 description 27
- 238000005259 measurement Methods 0.000 description 19
- 238000010200 validation analysis Methods 0.000 description 16
- 238000013461 design Methods 0.000 description 11
- 238000002485 combustion reaction Methods 0.000 description 6
- 238000013178 mathematical model Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 238000012821 model calculation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000007620 mathematical function Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Definitions
- the invention relates to a method for determining the value of at least one vehicle parameter of a vehicle data record of a vehicle, a subcomponent or a subsystem of a vehicle, and the use of a determined vehicle parameter in a simulation of carrying out a test on a test bench.
- vehicle parameters are e.g. Dimensions, transmission type, power, consumption, air resistance values, suspension parameters, drive, brake system, etc.
- vehicle parameters also include parameters that fundamentally describe the vehicle and are in themselves easily accessible.
- design parameters include parameters such as the year of manufacture of the vehicle, a vehicle class, information on the geometry of the vehicle, a mass, details of the type of drive, information on the transmission, etc.
- metadata such as the brand of the vehicle and / or a specific vehicle model may be design parameters.
- measurement data on the vehicle which also represent vehicle parameters. If the measurement data are characteristic values, i. describing the behavior of the vehicle, one often also speaks of characteristic Kennwer th, known examples are e.g. the coasting curve, a standard consumption, the lap times at the Nürburgring, etc.
- vehicle parameters need not include parameters of the entire vehicle, but may include only parameters of a subcomponent or a subsystem of the vehicle, such as those described hereinabove. Parameters of the drive train, the internal combustion engine, the drive unit in hybrid vehicles, the brake system, etc. Nevertheless, it will be discussed here and without limitation ofugapa parameters.
- simulations are increasingly being used.
- the advantages of a simulation are obvious: simulations can be used to simulate various influences on the vehicle or the vehicle component without the need for a real vehicle or a real vehicle component. This saves expensive prototypes and complex tests on test benches as well as real road tests so that development costs and development time can be reduced.
- current trends in legislation in the direction of "real-driving emissions" require efforts in vehicle development, which underscore the advantages of simulation solutions.
- simulations have prevailed. Of course, such simulations require suitable simulation models for the vehicle or vehicle component.
- Such simulation models include simulation parameters with which the simulation model is adapted to a specific characteristic of the vehicle or of a vehicle subsystem. Before a simulation, the simulation models must therefore be parametrised via the simulation parameters. In this case, simulation parameters may possibly be identical to vehicle parameters. In addition to the simulation model itself, the quality of the simulation is directly influenced by the quality of the simulation parameters and the other vehicle parameters required. The best simulation model provides poor simulation data if the simulation parameters of the simulation model or the required vehicle parameters were parameterized incorrectly or poorly.
- a vehicle data record In the development of a vehicle, a vehicle component and a subsystem of a vehicle, the entirety of the vehicle parameters and the simulation parameter are often referred to as a vehicle data record.
- the problem with this is that, of course, only a few parameters of the vehicle data record are known at the beginning of the development of a vehicle.
- the correct parameterization of the parameters of the vehicle data record ie the allocation of specific values for the various parameters, but quite a problem. In particular, the following problem areas occur:
- simulations Runaway leads, but many parameters of the vehicle data set, especially simulation parameters, later in the course of development, since the developmentmoient, eg the construction of the vehicle body or the power plant, and the Validation (eg by simulation) of the properties of the vehicle, eg the fuel consumption, usually take place in parallel ("Simultaneous Engineering” or "Cross Enter Prize Engineering”). Therefore, simulation engineers often have to make appropriate estimates in order to parameterize missing parameters of the vehicle data set with reasonable values.
- the developers often have incomplete information about the vehicle or the vehicle subsystem, ie they are only aware of a choice of parameters. These are usually simple design parameters, such as vehicle body construction, vehicle dimensions, rated engine power, etc.
- parameters of the vehicle record originate from another source (e.g., other department or other entity), there is often the problem that it can not be ascertained that these parameters are correct, i. are not arbitrary assumptions, and on the other come from the right vehicle. A review of sustained parameters of the vehicle data set is difficult and often impossible.
- another source e.g., other department or other entity
- Another essential point is that often no measurement data of the vehicle is available with which a parameterization of the parameters of the vehicle data record can be validated.
- the validation of the development parameters is important because it can be used at any time to check whether a development step, for example a specific simulation with a simulation model, provides meaningful values with the entered parameters.
- simulation engineers typically use default values to parameterize the vehicle record parameters that are unknown, such as textbooks such as the landing gear manual, textbooks, textbooks, or data from vehicles they have already simulated, or data from similar vehicles produced by the manufacturer Si mulationmodelle mitriert.
- this procedure has the problem that the quality of the parameters of the vehicle data set depends strongly on whether at least the essential vehicle parameters and / or essential simulation parameters, ie the simulation parameters which have a significant influence on the simulation model, are close to the correct value.
- technical progress changes relationships and parameter values For example, downsizing has increased the power-to-weight ratio of internal combustion engines; furthermore, the cw values of vehicles have steadily improved.
- DE 100 46 742 A1 discloses a method for a vehicle drafting system in which modeling and calculation programs from different fields are combined. They all work on a common database.
- the geometry of the vehicle is configured.
- a stiffness calculation is carried out and subsequently vehicle parameters such as vehicle weight, center of gravity, axle load distribution, mass inertia and aerodynamic coefficients are determined on the basis of correlation relationships.
- vehicle performance calculation then the speed, acceleration and stiffness of the vehicle, as well as the consumption determined at predetermined driving cycles.
- a first driving data set can be determined from some of the specified geometry parameters.
- the method uses predefined or known correlation relationships. The method is therefore very limited applicable and can also determine only fixed parameters of the vehicle data set from other specified parameters of the vehicle data set (geometry). For a flexible determination of parameters of the vehicle data set, this method is therefore not suitable.
- data sets vehicle, subcomponent, or subsystem records
- the vehicle database is also increasingly extended by the results of the method according to the invention, and the imaging models can thus be adapted and improved. Accordingly, the generation becomes more and more accurate as the amount of data increases. A realistic development, meaningful assessment of the current state of development and timely detection of errors and later problem areas is possible.
- the parameters determined by the method are, in particular, output parameters which are defined on the basis of the imaging models and the selected / predetermined input parameters. As statistical characteristics are e.g. the confidence interval, the coefficient of determination or the adjusted coefficient of determination or the model significance for the application.
- At least one dependence of an additional output parameter on a number of the input parameters is modeled in the form of a known calculation rule.
- the ascertained data record-or the data record created on the basis of the determined parameters- is compared with a predefined data record and the comparison result is output, wherein preferably a plausibility check is made between the determined and the predetermined data record.
- the output of the comparison of the data sets can be output in the form of deviations, a quality value or simply as a result and allows another technical assessment of development quality. Plausibility exists, for example, if values of the parameters match to a certain extent; The dimension can be chosen depending on the application - eg 20% for ADAS or 5% for consumption values.
- the models used are polynomial models or neural networks, which are determined by regression and / or training.
- One part of the data sets for the modeling is determined, the other part for the determination of statistical parameters for determining the model quality (eg coefficient of determination or the other parameters mentioned above).
- the deviations between stored values and values calculated therefrom by means of imaging models are minimized by identifying and not taking into account incorrectly specified input parameters and / or implausible data sets.
- confidence levels are defined for the input parameters on the basis of the data records of the vehicle database, and new input parameters are identified as being false if their values lie outside the confidence ranges. For example, fine, medium and coarse ranges in the form of overshoots and undershoots in percent or absolute values can be defined.
- the data sets of the vehicle database are at least partially assigned at least one quality indicator.
- This can be implemented, for example, as a numerical value, a high indicator is assigned with a particularly accurate measurement - if e.g. a measuring accuracy +/- 5% can be ensured. High quality is then considered more in the formation of the image models and allows a more accurate overall result.
- the values of the input parameters of a given data set of a subset of the validated data sets stored in the vehicle database are used to determine a data record determined using the above-described method.
- a restriction of the data records to year numbers, weight classes or equipment variants can take place.
- at least one vehicle parameter determined by the method can be used as a simulation parameter for parameterizing a simulation model for simulating a vehicle or a subsystem of the vehicle for carrying out a test with a test object and an associated load machine on a test bench, wherein the test attempt at least partially with the simulation ge controls.
- the performance of the test on the test bench provides a characteristic value of the test specimen, which is compared with a corresponding determinedhuiparame ter to validate the simulation. This also allows an immediate validation of the determined simulation parameters and a concomitant feedback, whether the determined vehicle parameters can be trusted or not.
- FIG. 1 shows a block diagram of a first variant of the method according to the invention
- FIG. 2 shows a block diagram of a second variant of the method
- FIG. 3 shows a block diagram of a third variant of the method
- FIG. 6 shows a device for carrying out the method according to the invention
- FIG. 7 shows a test stand according to the invention for carrying out a test with a simulation.
- the subject invention assumes that there is a vehicle database in which known parameters of the vehicle record are stored by different vehicles. These data may include different vehicle parameters and simulation parameters for each vehicle.
- the vehicle parameters may include design parameters, vehicle measurement data and characteristic characteristics.
- Design parameters are vehicle parameters that determine the vehicle (or just a subsystem or a vehicle) Subcomponent) and are in themselves simple, even public, accessible.
- Measurement data and characteristic parameters such as parameters such as the suspension spring stiffness, a rolling resistance, a maximum transferable Rei fenkraft, the Ausrollkurve, a standard consumption, etc., are typically not public, or difficult, accessible.
- the design year of the vehicle, the vehicle class, a geometry parameter, a mass parameter, a drive parameter, a drive mode parameter, a tire parameter and a transmission parameter are considered as design parameters.
- metadata such as the brand of the vehicle and / or a particular vehicle model may also be a design parameter.
- the vehicle class describes, for example, whether the vehicle is a small car, Mittelklas sewagen, upper middle-class cars, luxury class cars, luxury class cars, sports cars, SUVs, a SUV, a people carrier, etc., is.
- a mass parameter describes, for example, the empty mass of the vehicle.
- the drive parameter includes parameters that describe the drive of the vehicle, such as the maximum power, possibly at a certain speed, or the maximum torque, possibly at a certain speed.
- the tire parameter describes the tire in more detail, i. the tire identification, e.g. 185/65 R 15, or the tire diameter.
- the transmission parameter is for example the number of gear stages or the transmission spread (ratio of largest ter to smallest translation) or others.
- This vehicle database can be constructed once and can of course be continuously updated and extended with new or updated vehicle parameters.
- Data, in particular parameters of the vehicle data record, for the vehicle database can be obtained, for example, from accessible data sheets of a vehicle (such as the type certificate), from vehicle catalogs, from car magazines, from measurements or from calculations or simulations based on other known data.
- data from previous developments can also be included in the vehicle database. It is not necessary for all vehicles in the vehicle database, all possible parameters are known and registered.
- the dependence on several different output parameters is investigated for at least one input parameter and the dependency is mapped by an imaging model.
- Data sets for vehicles / vehicle subsystem / vehicle subcomponents in the sense of modeling a sufficient number of validated vehicles, vehicle subsystems and vehicle subcomponents are stored in the vehicle database or are continually updated.
- At least some of the data sets may be assigned a quality indicator if, for example, they come from validated sources or specially made measurements.
- a high value for the quality indicator may mean that the data set comes from a particularly accurate measurement. High-quality datasets can be incorporated more into the formation of image models.
- An imaging model is a mathematical model that calculates one or more output parameters A j from the at least one input parameter Ei.
- Such a mathematical model can be a polynomial model, a neural network, a linear model network, a mathematical function, etc., which is determined by regression and / or training.
- One part of the data sets can be used for modeling, other parts for the determination of statistical parameters for determining the model quality (eg determination dimension).
- the mathematical models usually describe dependencies between the at least one input parameter E, and the one or more output parameters A j , which have no physical correspondence.
- Such an imaging model can certainly also simultaneously determine a plurality of output parameters A j as a function of several (but at least one) input parameters E i.
- the coefficients a are varied.
- the mean square error can be used.
- model terms are removed which are not statistically significant. If appropriate, a transformation of the output quantity (for example inversion or logarithmization) can also be carried out beforehand in order to better depict the dependencies.
- the neural network When using neural networks as an imaging model, the neural network is appropriately taught based on existing data (input parameters, output parameters) in the vehicle database. There is also a plethora of well-known structures of the neural network and methods for training a neural network, which are not discussed here. By way of example, but not limitation, backpropagation algorithm, simulated annealing, delta rule, etc. are mentioned here.
- backpropagation algorithm simulated annealing
- delta rule etc.
- Output parameters can be determined with associated statistical parameters (for example, confidence range) and the associated statistical parameters can additionally be determined as parameters of the data set and also stored.
- associated statistical parameters for example, confidence range
- the confidence interval of the imaging model can be calculated.
- the confidence interval is a well-known term from statistics that can be calculated using known methods of statistics.
- the confidence interval gives an indication of how much an output parameter determined by the imaging model can be trusted. This means that the confidence interval, or another statistical parameter, provides information about the reliability of the model.
- the confidence interval refers to the mean value of the distribution of the y values for any x value in the examined area.
- the confidence interval of a model determines the uncertainty of the output variable yi in the measured points xi. For the confidence interval: with the mean value y, the number of measuring points n, the variance s 2 and z (1-a / 2) as (1- a / 2) -quantile eg the normal distribution.
- Further determinable statistical characteristics are e.g. Determinance measure, adjusted coefficient of determination or model significance.
- the quality of the determined imaging models is assessed, for example.
- the coefficient of determination r2 indicates to what degree the mapping model explains the deviations of the measured values from a constant mean value.
- SSreg the sum of the squared deviations between the predicted values (calculated by regression) yi * and the mean value y
- SStot the sum of the quadratic deviations between the measured values yi and the mean value y
- SSerr represents the sum of the squared deviations between the individual measured values yi and the calculated or predicted values yi *.
- the used imaging models can be redetermined or refined at any time, for example, when new data is added to the vehicle database.
- a dependency between the number of input parameters Ei and an output parameter A j may be given by a physical or functional relationship, generally referred to as a calculation rule.
- a calculation rule in the form of a physical relationship could be, for example, the calculation of individual gear ratios from the number of gear stages and the gear ratio.
- a functional relationship can be set up, for example, for the Cw value as a function of the vehicle length and the type of vehicle.
- Such functional relationships can also depict relationships that can not be calculated physically without further ado, or that have no direct physical correspondence, but in which, due to the wide variety of constraints, there are nevertheless relationships between input parameter E, and output parameter A j .
- a calculation rule is thus a known mathematical function which calculates an output parameter A j as a function of a number of input parameters E i.
- the step of determining the at least explaining an image model for at least one output parameter A j, preferably a plurality of imaging models for various gait parameters from A j is based on the Fig.1.
- various parameters of the vehicle data set are stored for k different vehicles F1, F2,..., Fk.
- a vehicle data record comprises z parameters (vehicle parameters and / or simulation parameters).
- values for all parameters P kZ of the vehicle data record do not always have to be stored in the vehicle database 1 for each vehicle Fk.
- the i input parameters E, and the j output parameters A j are selected.
- input parameter E typically simply available or known vehicle parameters are used, that is to say in particular the design parameters described above.
- the output parameters A j are those parameters P kZ of the vehicle data record which are to be determined (in the sense of being predicted).
- the mapping model M x is determined as described above. determined, which maps the input parameter E, the output parameter A j .
- the mapping model M x is determined as described above. determined, which maps the input parameter E, the output parameter A j .
- the mapping model M x is determined as described above. determined, which maps the input parameter E, the output parameter A j .
- the mapping model M x is determined as described above. determined, which maps the input parameter E, the output parameter A j .
- the mapping model M x is determined as described above. determined, which maps the input parameter E, the output parameter A j .
- imaging models Mx must contain the same input parameter Ei.
- a part of the vehicle data sets contained in the vehicle database 1 of the vehicles Fk (training data) is used for the determination (training) of the imaging models Mx.
- the rest of the vehicle data sets (validation data) contained in the vehicle database 1 can then be used for the validation of the imaging models Mx.
- the associated output parameters A j are calculated using the specific mapping models Mx with the input parameters E, the validation data, and the validation error between the calculated output parameters A j and the output parameters stored in the validation data is determined. If the validation error is within a specified tolerance range, then the mapping models Mx are validated.
- certain output parameters A j can also be calculated on the basis of known calculation rules as a function of the input parameters E i.
- NEN known calculation rules for images can be stored in the model calculation unit 2. These direct mapping rules can be taken directly into the Mx imaging model. However, it can also be provided that a known calculation rule is also input via a user interface by a user.
- an additional verification step can be provided, as will be described with reference to FIG.
- the selection of the input parameters E, (wherein the input parameters E, can also be predetermined) and output parameters A j at a suitable user interface 4 a is shown.
- a user can easily select the desired parameters of the vehicle data record on an input mask via the user interface 4a.
- provision can be made for a user to be able to specify previously known calculation rules for modeling the dependence of the output parameters A j on the input parameters via the user interface 4 a.
- the same user interface may be 4 as the selection of the input parameters E, and output parameters A j that he results of the validation described above and / or a confidence region of the mapping models Mx. If an imaging model Mx could not be validated, or if there is too much confidence, then it may be provided that other or additional input parameters E, must be selected and the step of determining the imaging models Mx must be repeated, as shown by the arrow back , This step can also be automated if a tolerance range for a validation error and / or a confidence interval are specified. Otherwise, the determined imaging model Mx can be used.
- all parameters of the vehicle data record which are not input parameters Ei are regarded as output parameters A j and, in each case, an imaging model Mx is determined or a calculation rule specified. This can be determined by specifying certain values of the input parameters E, the remaining parameters of the vehicle data record on the basis of the mapping models Mx or the additional calculation instructions. In this way, therefore, a whole vehicle data set, but at least a part thereof, from a few input parameters E, are created.
- a first number of input parameters are preferably selected from and, for the later determination of complete data records, this first number of input parameters is also partially or completely predetermined.
- mapping models Mx determined in this way, the unknown values of the output parameters A j linked via the mapping models Mx and optionally via the calculation rules can now be used, based on predetermined input parameters E, as described with reference to FIG.
- the values of the input parameters Ei at a user interface 4c can be input via an input mask 3, as shown by way of example in FIG. 4, or also loaded automatically from a present data file.
- the input mask 3 includes as vehicle parameter the year of construction P_BY of the vehicle, the vehicle class P_VC, a parameter group of geometry parameters P_G of the vehicle, a parameter group of a mass parameter P_M of the vehicle, a parameter group of drive parameters P_D of the vehicle, a parameter group of Drive type parameters P_DT of the vehicle, a parameter group of tire parameters P_T of the vehicle, a parameter group of Geretepa parameters P_GB of the vehicle, a vehicle brand P_B, a vehicle model P_Mo and a steering ratio P_L.
- the input mask 3 comprises all possible input data.
- parameters E which are logically grouped in the named parameter groups. Each parameter group may contain a plurality of vehicle parameters.
- the input parameters Ei can be input via this input mask 3 as shown in FIG. 4, whereby not all input fields of the input mask 3 have to be filled. This means that not all values of input parameter E, must be set.
- the associated output parameters A j are then calculated.
- the output parameters A j may include all common vehicle parameters such as design parameters KP, simulation parameters SP and measurement data or characteristic values MP, this classification being irrelevant to the invention. It is also possible to calculate further of the parameters described above.
- the output parameters A j can then also be transferred to the vehicle data record in the vehicle database 1.
- a whole vehicle data set at least a part thereof, can be determined with which the development of the vehicle or a part thereof can then be started or continued.
- On the basis of the possibility of validation and / or the confidence levels of the Absentmo models Mx can be assumed from a sufficient accuracy of the parameters of the Anlagenda tensatzes.
- it is also possible to repeat the step of determining the mapping models Mx at any time if you get in the course of development be certain parameters of the vehicle data set or if it changes parameters of the vehicle data set.
- the accuracy of the estimation of the unknown output parameters A j can be continuously improved.
- Figure 7 is a known test stand 10 for a test specimen 12 and thus, for example, by means of a test stand shaft 11, connected loading machine 15, for example, a dynamometer represented.
- the loading machine 15 generates the load for the test piece 12 for the test run to be performed.
- the specimen 12 is in the example shown Ausry an internal combustion engine and the test bench 10 so that an engine test.
- test specimen 12 could also be an entire vehicle or a belie biges subsystem of the vehicle, such as a drive train, an electric motor, to a drive battery, a control unit, etc.
- test stand 10 was a matching test, such as a dynamometer, a powertrain test stand, a Elektromotoren test stood, a hardware-in-the-loop test stand, etc.
- the loading machine 15 would be electrical, for example in the form of an electric battery tester.
- Ge suitable loading machines 15 for various specimens 12 are well known and available, which is why it need not be discussed in detail here.
- the test bed automation unit 20 can also control the test object 12 and the loading machine 15 by presetting required setpoint values or manipulated variables.
- the loading machine 15 is often on the test bench 10 of its own load machine controller 14, in turn, receives from the test bench automation unit 20 according to the specifications of the test run setpoints, to the DUT 12, for example certain, often transient, load moments M or certain, often transient, speeds to regulate.
- the loading machine controller 14 may also be integrated in the test bench automation unit 20 as software and / or hardware.
- a speed measuring device 16 and / or a Momentenmesseinrich- the corresponding actual values of the test object 12 and / or the load are on the test bed 10 usually measuring devices 13, processing 17 is provided, machine 15, st, for example, the load torque Mi and Speed n.st of the test piece 12, measure as measured variables and make the test bed automation unit 20 available.
- st for example, the load torque Mi and Speed n.st of the test piece 12, measure as measured variables and make the test bed automation unit 20 available.
- additional measurements such as an electric current or an electrical cal voltage
- a simulation 6 of a vehicle or a part or a component thereof is provided, the operation of which is simulated according to the specifications of the test run.
- a simulation model is provided.
- the simulation 6 simulates, for example, a virtual drive of a virtual vehicle along a virtual route.
- the component of the vehicle constructed on the test stand 10 for example the internal combustion engine as the test object 12
- the simulation 6 also receives feedback (for example in the form of specific measured values) for carrying out the simulation 6 from this real operation.
- the simulation 6 with the implemented simulation model is executed by a simulation unit 21 and can also process measured variables from the test stand 10 for this purpose.
- the simulation unit 21 may be integrated in the test bench automation unit 20 as hardware and / or software, but may also be separate from the test bed automation unit 20, for example in the form of its own simulation hardware and simulation software.
- the test run is specified by a test run unit 22.
- the test run is, for example, a time course of certain variables, such as vehicle speed, slope of a route, curve, etc., and can be specified for example from an external source.
- the test unit 22 can also with Interfaces to controls of a vehicle (accelerator pedal, steering wheel, brake pedal, etc.) to be executed so that the test run, or a part thereof, can be specified directly on the test bench 10 by Be diener arrangement.
- a vehicle accelerator pedal, steering wheel, brake pedal, etc.
- measurements are often carried out at the test bench 10 with Messein directions and measurements on the test specimen 12 to make certain statements about the behavior of the specimen 12 can.
- Typical and frequently provided measurements include the emission behavior of an internal combustion engine, the consumption or power requirement of the test object, the generated power of the test object, etc.
- Such measurements also provide, for example, measured data or characteristic parameters as vehicle parameters, either directly or through appropriate processing of the test object measurement data.
- the test run defines the time-based predefinition of the lane of a vehicle in the form of the gradient RG and of the speed curve v.
- This test run is given to the simulation unit 21, in which a simulation model, for example, a model of a vehicle, which is moved along a route, implemen ted, which performs the simulation 6.
- the simulation unit 21 calculates the accelerator pedal position a so n as a manipulated variable for the engine as the DUT 12, and the target torque M so n as the setpoint for the test bench 10.
- the setting or conversion of the manipulated variable and the setpoint values on the test bench 10 leads to a specific state of the test object 12.
- other predefined variables can also be used. Actuating variables and measured variables are used.
- an emission measuring device 18 is provided as measuring device 18 to sen during the execution of the test run emission quantities in the exhaust gas of the internal combustion engine.
- At least one output parameter A j calculated via an imaging model Mx as described above can be used as the simulation parameter SP in order to condition a parameter of the simulation model, as shown in FIG.
- characteristic values MP are also determined as output parameters A j , these can optionally also be used to validate a result of a simulation 6, as also indicated in FIG. 3.
- the simulation model 23 was used for simulation 6 parameterized with determined simulation parameters SP.
- a characteristic value MPM This can for example be measured directly or can be derived from other results or measurements of the test.
- Such a characteristic value MPM which was determined during the test, can be compared with a characteristic parameter MP of the output parameters Aj, for example a standard consumption or an emission quantity, which was calculated using an imaging model Mx, for validation in a comparison unit 19.
- the comparison unit 19 (hardware and / or software) may be integrated in the test bed automation unit 20, or may be separate therefrom. If the deviation is within an acceptable range specified for the application, the simulation parameters SP determined using the imaging models Mx can be considered as valid.
- An output parameter Aj and / or the result of the simulation 6, possibly together with the result of the validation, e.g. the deviation between the measured characteristic value MPM and the predicted characteristic characteristic value MP can then be output in a suitable manner as user feedback to a suitable output unit 7.
- the input parameters E are presented to a user interface 4c (eg as shown in FIG. 4).
- the output parameters Aj preferably all other unknown parameters of the vehicle data set, are again calculated on the basis of the mapping models Mx.
- This vehicle data set determined in this way, from the input parameters E and the output parameters Aj, can be compared with a predefined vehicle data record 8 to validate it.
- the result of the validation for example in the form of deviations of the individual output parameters A j in the two vehicle data sets, can then be output in a suitable manner to a suitable output unit 7 as user feedback. In this way, the plausibility of an existing vehicle data record can be easily and quickly checked.
- the deviations between stored values and values calculated therefrom by means of imaging models Mx can be minimized by identifying incorrectly specified input parameters E, and / or implausible data records for vehicles, subcomponents and subsystems of a vehicle and subsequently not taking them into consideration.
- confidence ranges for input parameters Ei can be defined, so that parameters can be identified as being false if their values lie outside these confidence ranges. If, for example, the values of the input parameter Ei fall below the smallest value in the database by a specified percentage or exceed the largest value, then a wrong or incorrectly predefined parameter is present.
- the permissible undershoot or overshoot can be defined in fine, medium and coarse ranges.
- a vehicle manufacturer wants to develop a new vehicle model. Due to simple basic information in the form of input parameters Ei, such as length, width height of the vehicle, vehicle class, by means of the mapping models Mx, based on vehicle data of existing vehicle models of the vehicle manufacturer he was witnessed, already a first vehicle data set for the new vehicle model are created , With this vehicle data set, the development, for example, based on simulations can be started. With the mapping models Mx, the behavior of the new vehicle model can also be predicted.
- FIG. 6 An exemplary implementation of the method is shown in FIG. 6:
- the test bed automation unit 20 has, for example, an application unit 200, a test run unit 22 and at least one simulation unit 21.
- a user interface 4 and an output unit 7 can be provided in the form of an input and output device, for example for parameter setting. ration, evaluation and presentation of output parameters Aj and / or results of the test or parameter determination.
- the individual units can communicate with one another via a suitable data interface 11 (eg shared memory, TCP, CAN, etc.), wherein different units can also communicate via different interfaces.
- Each of the units may further comprise at least one suitable user interface and local memories.
- the data storage unit 100 has the at least one vehicle database 1, T with the data records for vehicles, subcomponents and subsystems of the vehicles.
- the application unit 200 includes a model calculation unit 2 for determining the imaging models Mx, a parameter calculation unit 9 for predicting non-existent output parameters Aj, as well as possibly also a data verification unit 10 for validating vehicle data sets, in particular foreign or external predefined driving data records.
- the simulation unit 21 has simulation models 23 and a calculation unit 24 for executing the simulation models 23, which can also take place in real time.
- a simulation model 23 includes at least one or more of the following models: vehicle model, driver model, road or distance model, wheel model, environment model.
- input and output devices 4, 7 may be provided.
- the different units can be on different hardware or, at least partially, out on the same hardware leads.
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
The invention relates to a method for determining the value of at least one vehicle parameter of a vehicle data set of a vehicle, a sub-component or a sub-system of a vehicle, as well as the use of a determined vehicle parameter for parameterising a simulation model (23) of a simulation (6) for carrying out a test on a test bench (10). For this purpose, from the vehicle parameters of the vehicle data set, a first number of parameters are established as input data or input parameters (Ei) in a task-specific manner, and a second number of parameters, preferably a complementary number to the first number, are established as output data or output parameters (Aj), and a vehicle database (1) is used, in which respective values of the input parameters (Ei) and values of the output parameters (Aj) are stored, in the form of vehicle data sets, for a number of validated vehicles that is sufficient for the purpose of model formation, in order to identify a dependence of the output parameters (Aj) on the number of the input parameters (Ei) in the form of a number of mapping models (Mx) (system identification, model formation), and the value of the number of the output parameters (Aj) is determined as the parameter of the vehicle data set based on said number of mapping models (Mx) and predefined values of the input parameters (Ei).
Description
Verfahren zum Bestimmen eines Fahrzeugparameters eines Fahrzeugdatensatzes eines Fahrzeugs und Verwendung des Fahrzeugparameters an einem Prüfstand A method of determining a vehicle parameter of a vehicle record of a vehicle and using the vehicle parameter on a test bench
Die Erfindung betrifft ein Verfahren zum Bestimmen des Wertes zumindest eines Fahrzeug parameters eines Fahrzeugdatensatzes eines Fahrzeugs, einer Teilkomponente oder eines Teilsystems eines Fahrzeugs, sowie die Verwendung eines ermittelten Fahrzeugparameters in einer Simulation der Durchführung eines Prüfversuchs auf einem Prüfstand. The invention relates to a method for determining the value of at least one vehicle parameter of a vehicle data record of a vehicle, a subcomponent or a subsystem of a vehicle, and the use of a determined vehicle parameter in a simulation of carrying out a test on a test bench.
Bei der Entwicklung eines Fahrzeugs entsteht eine Vielzahl von teilweise redundanten Pa rametern, die das Fahrzeug und alle seine Teilkomponenten näher beschreiben. Solche Pa rameter werden im Folgenden allgemein Fahrzeugparameter genannt. Solche Fahrzeugpa- rameter sind z.B. Abmessungen, Getriebeart, Leistung, Verbrauch, Luftwiderstandswerte, Parameter der Aufhängung, des Antriebs, des Bremssystems, usw. Die Fahrzeugparameter umfassen auch Parameter, die das Fahrzeug grundlegend beschreiben und die an sich ein fach zugänglich sind. Solche Parameter werden auch häufig als Konstruktionsparameter bezeichnet und umfassen Parameter wie das Baujahr des Fahrzeugs, eine Fahrzeugklasse, Angaben zur Geometrie des Fahrzeugs, eine Masse, Angaben zur Antriebsart, Angaben zum Getriebe, usw. Des Weiteren können auch Metadaten wie die Marke des Fahrzeugs und/oder ein bestimmtes Fahrzeugmodell Konstruktionsparameter sein. During the development of a vehicle, a large number of partially redundant parameters are produced which describe the vehicle and all its subcomponents in more detail. Such parameters are generally referred to below as vehicle parameters. Such vehicle parameters are e.g. Dimensions, transmission type, power, consumption, air resistance values, suspension parameters, drive, brake system, etc. The vehicle parameters also include parameters that fundamentally describe the vehicle and are in themselves easily accessible. Such parameters are also often referred to as design parameters and include parameters such as the year of manufacture of the vehicle, a vehicle class, information on the geometry of the vehicle, a mass, details of the type of drive, information on the transmission, etc. Furthermore, metadata such as the brand of the vehicle and / or a specific vehicle model may be design parameters.
Daneben gibt es noch Messdaten zum Fahrzeug, die ebenfalls Fahrzeugparameter darstel len. Sofern es sich bei den Messdaten um charakteristische Werte, d.h. das Verhalten des Fahrzeugs beschreibend, handelt, spricht man häufig auch von charakteristischen Kennwer ten, bekannte Beispiele sind z.B. die Ausrollkurve, ein Normverbrauch, die Rundenzeiten am Nürburgring, etc. In addition, there are measurement data on the vehicle, which also represent vehicle parameters. If the measurement data are characteristic values, i. describing the behavior of the vehicle, one often also speaks of characteristic Kennwer th, known examples are e.g. the coasting curve, a standard consumption, the lap times at the Nürburgring, etc.
Hierzu ist anzumerken, dass die Fahrzeugparameter nicht Parameter des gesamten Fahr zeugs enthalten müssen, sondern auch nur Parameter einer Teilkomponente oder eines Teilsystems des Fahrzeugs umfassen können, wie z.B. Parameter des Antriebsstranges, des Verbrennungsmotors, des Antriebsaggregats bei Hybridfahrzeugen, des Bremssystems, usw. Trotzdem wird in weiterer Folge auch hier und ohne Einschränkung von Fahrzeugpa rametern gesprochen. It should be noted that the vehicle parameters need not include parameters of the entire vehicle, but may include only parameters of a subcomponent or a subsystem of the vehicle, such as those described hereinabove. Parameters of the drive train, the internal combustion engine, the drive unit in hybrid vehicles, the brake system, etc. Nevertheless, it will be discussed here and without limitation of Fahrzeugpa parameters.
Bei der Entwicklung von Fahrzeugen oder Fahrzeugkomponenten, wie Antriebsstränge, An- triebssysteme, Antriebsaggregate, usw., wird immer stärker auf Simulationen zurückgegrif fen. Die Vorteile einer Simulation liegen auf der Hand: Mittels Simulationen können verschie dene Einflüsse auf das Fahrzeug oder die Fahrzeugkomponente simuliert werden, ohne ein reales Fahrzeug oder eine reale Fahrzeugkomponente zu benötigen. Damit können teure Prototypen und aufwendige Versuche an Prüfständen sowie reale Fahrversuche eingespart
werden, so dass die Entwicklungskosten sowie die Entwicklungszeit reduziert werden kön nen. Insbesondere aktuelle Tendenzen in der Gesetzgebung in Richtung„Real-Driving- Emissions“ bedingen Aufwände bei der Fahrzeugentwicklung, die die Vorteile von Simulati onslösungen unterstreichen. Vor allem in frühen Entwicklungsstadien haben sich Simulatio nen durchgesetzt. Solche Simulationen benötigen natürlich geeignete Simulationsmodelle für das Fahrzeug oder die Fahrzeugkomponente. Diese sind mittlerweile in hoher Güte vorhan den. Solche Simulationsmodelle umfassen Simulationsparameter, mit denen das Simulati onsmodell an eine bestimmte Ausprägung des Fahrzeugs oder eines Fahrzeugteilsystem angepasst wird. Vor einer Simulation sind die Simulationsmodelle daher über die Simulati onsparameter zu parametrisieren. Dabei können Simulationsparameter unter Umständen mit Fahrzeugparametern identisch sein. Die Güte der Simulation wird dabei, neben dem Simula tionsmodell selbst, direkt durch die Güte der Simulationsparameter und der anderen benötig ten Fahrzeugparameter beeinflusst. Das beste Simulationsmodell liefert schlechte Simulati onsdaten, wenn die Simulationsparameter des Simulationsmodells oder die benötigten Fahr zeugparameter falsch oder schlecht parametrisiert wurden. In the development of vehicles or vehicle components, such as drive trains, drive systems, drive units, etc., simulations are increasingly being used. The advantages of a simulation are obvious: simulations can be used to simulate various influences on the vehicle or the vehicle component without the need for a real vehicle or a real vehicle component. This saves expensive prototypes and complex tests on test benches as well as real road tests so that development costs and development time can be reduced. In particular, current trends in legislation in the direction of "real-driving emissions" require efforts in vehicle development, which underscore the advantages of simulation solutions. Especially in early stages of development, simulations have prevailed. Of course, such simulations require suitable simulation models for the vehicle or vehicle component. These are now in high quality IN ANY. Such simulation models include simulation parameters with which the simulation model is adapted to a specific characteristic of the vehicle or of a vehicle subsystem. Before a simulation, the simulation models must therefore be parametrised via the simulation parameters. In this case, simulation parameters may possibly be identical to vehicle parameters. In addition to the simulation model itself, the quality of the simulation is directly influenced by the quality of the simulation parameters and the other vehicle parameters required. The best simulation model provides poor simulation data if the simulation parameters of the simulation model or the required vehicle parameters were parameterized incorrectly or poorly.
In der Entwicklung eines Fahrzeugs, einer Fahrzeugkomponente und eines Teilsystems ei nes Fahrzeugs wird die Gesamtheit der Fahrzeugparameter und der Simulationsparameter häufig als Fahrzeugdatensatz bezeichnet. Das Problem dabei ist, dass zu Beginn der Ent wicklung eines Fahrzeugs aber natürlich nur wenige Parameter des Fahrzeugdatensatzes bekannt sind. In der Praxis stellt die richtige Parametrisierung der Parameter des Fahrzeug datensatzes, also die Vergabe von konkreten Werten für die verschiedenen Parameter, aber durchaus ein Problem dar. Dabei treten insbesondere die folgenden Problemfelder auf: In the development of a vehicle, a vehicle component and a subsystem of a vehicle, the entirety of the vehicle parameters and the simulation parameter are often referred to as a vehicle data record. The problem with this is that, of course, only a few parameters of the vehicle data record are known at the beginning of the development of a vehicle. In practice, the correct parameterization of the parameters of the vehicle data record, ie the allocation of specific values for the various parameters, but quite a problem. In particular, the following problem areas occur:
Vor allem im frühen Entwicklungsstadium besteht das Problem, dass Simulationen durchge führt werden müssen, aber sich viele Parameter des Fahrzeugdatensatzes, insbesondere Simulationsparameter, erst später im Laufe der Entwicklung ergeben, da die Fahrzeugent wicklung, z.B. die Konstruktion der Fahrzeugkarosserie oder des Antriebsaggregats, und die Validierung (z.B. durch Simulation) der Eigenschaften des Fahrzeugs, z.B. des Kraftstoffver brauchs, üblicherweise parallel stattfinden („Simultaneous Engineering“ bzw.„Cross Enter prise Engineering“). Simulationsingenieure müssen deshalb oftmals geeignete Abschätzun gen treffen, um fehlende Parameter des Fahrzeugdatensatzes mit vernünftigen Werten zu parametrisieren. Dabei liegen den Entwicklern häufig nur unvollständige Informationen über das Fahrzeug bzw. das Fahrzeugteilsystem vor, d.h. sie haben nur Kenntnis von einer Aus wahl von Parametern. Das sind meistens einfache Konstruktionsparameter, wie z.B. Fahr zeugaufbau, Fahrzeugabmessungen, Motornennleistung, usw. Genauere Fahrzeugparame ter, wie z.B. Steifigkeit und Dämpfung der Federung, usw., Messdaten oder charakteristische Kennwerte sind in der Regel nicht verfügbar. Diese fehlenden Parameter des Fahrzeugda-
tensatzes sind jedoch zur Parametrisierung, aber auch zur Plausibilisierung und Validierung des Fahrzeugdatensatzes notwendig. In späteren Entwicklungsstadien sind die notwendigen Parameter des Fahrzeugdatensatzes zwar in der Regel grundsätzlich vorhanden, allerdings aufgrund organisatorischer Randbedingungen (z.B. andere Abteilung, anderes Unterneh- men) für die Simulationsingenieure oftmals trotzdem nicht oder nur schwer verfügbar. Especially in the early development stage, there is the problem that simulations Runaway leads, but many parameters of the vehicle data set, especially simulation parameters, later in the course of development, since the development Fahrzeugent, eg the construction of the vehicle body or the power plant, and the Validation (eg by simulation) of the properties of the vehicle, eg the fuel consumption, usually take place in parallel ("Simultaneous Engineering" or "Cross Enter Prize Engineering"). Therefore, simulation engineers often have to make appropriate estimates in order to parameterize missing parameters of the vehicle data set with reasonable values. The developers often have incomplete information about the vehicle or the vehicle subsystem, ie they are only aware of a choice of parameters. These are usually simple design parameters, such as vehicle body construction, vehicle dimensions, rated engine power, etc. More precise Fahrzeugparame ter, such as stiffness and damping of the suspension, etc., measurement data or characteristic characteristics are generally not available. These missing parameters of the vehicle data however, it is necessary to parameterize but also to check the plausibility and validation of the vehicle data record. Although the necessary parameters of the vehicle data record are generally available in later stages of development, they are often not available or only available to simulation engineers due to organizational constraints (eg, other departments, other companies).
Oftmals ist es in der Praxis auch so, dass bestimmte Komponenten des Fahrzeugs, wie z.B. ein Getriebe, nicht vom Fahrzeughersteller selbst entwickelt werden, sondern von Dritten im Auftrag des Fahrzeugherstellers. Für die Entwicklung sind aber weitergehende Informationen des Gesamtsystems (Fahrzeug bzw. Fahrzeugteilsystems) notwendig, um die Komponente zu entwickeln (z.B. die Festlegung der Getriebestufen) sowie die gewünschten Eigenschaf ten validieren zu können (z.B. die Simulation des Beschleunigungsverhaltens). Den Drittent- wicklern liegen daher meist auch nur unvollständige Informationen vor. Often it is also in practice that certain components of the vehicle, such as e.g. a gearbox, not developed by the vehicle manufacturer itself, but by third parties on behalf of the vehicle manufacturer. For the development, however, further information of the whole system (vehicle or vehicle subsystem) is necessary in order to develop the component (for example the definition of the gear stages) and to be able to validate the desired properties (for example the simulation of the acceleration behavior). The third-party developers usually have incomplete information.
Wenn Parameter des Fahrzeugdatensatzes aus anderer Quelle (z.B. andere Abteilung oder anderes Unternehmen) stammen, besteht auch häufig das Problem, dass nicht sichergestellt werden kann, dass diese Parameter zum einen korrekt sind, d.h. keine willkürlichen Annah men sind, und zum anderen vom richtigen Fahrzeug stammen. Eine Überprüfung von erhal tenen Parametern des Fahrzeugdatensatzes ist aber schwierig und oftmals unmöglich. If parameters of the vehicle record originate from another source (e.g., other department or other entity), there is often the problem that it can not be ascertained that these parameters are correct, i. are not arbitrary assumptions, and on the other come from the right vehicle. A review of sustained parameters of the vehicle data set is difficult and often impossible.
Ein weiterer wesentlicher Punkt ist, dass oftmals keine Messdaten des Fahrzeugs vorhanden sind, mit der eine Parametrisierung der Parameter des Fahrzeugdatensatzes validiert wer- den kann. Die Validierung der Entwicklungsparameter ist aber wichtig, da damit jederzeit überprüft werden kann, ob ein Entwicklungsschritt, beispielsweise eine bestimmte Simulation mit einem Simulationsmodell, mit den eingegebenen Parametern sinnvolle Werte liefert. Another essential point is that often no measurement data of the vehicle is available with which a parameterization of the parameters of the vehicle data record can be validated. However, the validation of the development parameters is important because it can be used at any time to check whether a development step, for example a specific simulation with a simulation model, provides meaningful values with the entered parameters.
Nicht zuletzt besteht ein weiteres Problem darin, dass zwar zu einem Fahrzeug verschiede ne Parameter des Fahrzeugdatensatzes vorliegen können, dass diese aber für die Paramet- risierung des Simulationsmodells auf bestimmte Simulationsparameter, die beispielsweise keine physikalische Entsprechung haben, abgebildet werden müssen. Eine derartige Abbil dung ist oftmals notwendig, weil die vorhandenen Fahrzeugparameter nicht den benötigten Simulationsparametern entsprechen. Eine entsprechende Abbildungsvorschrift ist dem Simu lationsingenieur oft nicht bekannt. Zum anderen kann es sein, dass eine derartige Abbildung nicht so einfach möglich ist. Last but not least, there is a further problem in that, although different parameters of the vehicle data record can be present for a vehicle, they must be mapped for the parameterization of the simulation model to specific simulation parameters which, for example, have no physical correspondence. Such a mapping is often necessary because the existing vehicle parameters do not match the simulation parameters required. A corresponding mapping rule is often unknown to the simulation engineer. On the other hand, it may be that such a picture is not so easy.
Derzeit nutzen Simulationsingenieure zum Parametrisieren der Parameter des Fahrzeugda tensatzes, die unbekannt sind, hauptsächlich Standardwerte, z.B. Fachbücher wie das Fahrwerkshandbuch, Tabellenbücher, sowie Lehrbücher, oder Daten von Fahrzeugen, die sie schon simuliert haben, oder Daten von ähnlichen Fahrzeugen, die der Hersteller der Si-
mulationsmodelle mitliefert. Dieses Vorgehen hat natürlich das Problem, dass die Qualität der Parameter des Fahrzeugdatensatzes stark davon abhängt, ob zumindest die wesentli chen Fahrzeugparameter und/oder wesentlichen Simulationsparameter, d.h. die Simulati onsparameter, die einen wesentlichen Einfluss auf das Simulationsmodell haben, nahe am richtigen Wert liegen. Zudem muss berücksichtigt werden, dass sich durch den technischen Fortschritt Zusammenhänge und Parameterwerte verändern. So hat sich z.B. durch Downsi- zing das Leistungsgewicht von Verbrennungsmotoren erhöht; des Weiteren haben sich die cw-Werte von Fahrzeugen stetig verbessert. Currently, simulation engineers typically use default values to parameterize the vehicle record parameters that are unknown, such as textbooks such as the landing gear manual, textbooks, textbooks, or data from vehicles they have already simulated, or data from similar vehicles produced by the manufacturer Si mulationmodelle mitliefert. Of course, this procedure has the problem that the quality of the parameters of the vehicle data set depends strongly on whether at least the essential vehicle parameters and / or essential simulation parameters, ie the simulation parameters which have a significant influence on the simulation model, are close to the correct value. In addition, it must be taken into account that technical progress changes relationships and parameter values. For example, downsizing has increased the power-to-weight ratio of internal combustion engines; furthermore, the cw values of vehicles have steadily improved.
In diesem Zusammenhang ist aus der DE 100 46 742 A1 ein Verfahren für ein Fahrzeugent wurfssystem bekannt, bei dem Modellier- und Berechnungsprogramme aus unterschiedli chen Fachgebieten zusammengeführt sind. Dabei arbeiten diese alle auf einer gemeinsamen Datenbasis. Zuerst wird dabei die Geometrie des Fahrzeugs konfiguriert. Danach wird eine Steifigkeitsberechnung durchgeführt und nachfolgend anhand von Korrelationsbeziehungen Fahrzeugparameter wie Fahrzeuggewicht, Schwerpunktlage, Achslastverteilung, Massen trägheiten und aerodynamische Beiwerte ermittelt. In einer Fahrleistungsrechnung werden dann noch die Geschwindigkeit, die Beschleunigung und die Steifigkeit des Fahrzeugs, so wie der Verbrauch bei vorgegebenen Fahrzyklen bestimmt. Auf diese Weise kann ausge hende von einigen festgelegten Geometrieparametern ein erster Fahrdatensatz ermittelt werden. Das Verfahren greift dabei auf vorgegebene bzw. bekannte Korrelationsbeziehun gen zurück. Das Verfahren ist damit sehr eingeschränkt anwendbar und kann auch nur fest gelegte Parameter des Fahrzeugdatensatzes aus anderen festgelegten Parametern des Fahrzeugdatensatzes (Geometrie) ermitteln. Für eine flexible Ermittlung von Parametern des Fahrzeugdatensatzes ist dieses Verfahren daher nicht geeignet. In this context, DE 100 46 742 A1 discloses a method for a vehicle drafting system in which modeling and calculation programs from different fields are combined. They all work on a common database. First, the geometry of the vehicle is configured. Afterwards, a stiffness calculation is carried out and subsequently vehicle parameters such as vehicle weight, center of gravity, axle load distribution, mass inertia and aerodynamic coefficients are determined on the basis of correlation relationships. In a vehicle performance calculation then the speed, acceleration and stiffness of the vehicle, as well as the consumption determined at predetermined driving cycles. In this way, a first driving data set can be determined from some of the specified geometry parameters. The method uses predefined or known correlation relationships. The method is therefore very limited applicable and can also determine only fixed parameters of the vehicle data set from other specified parameters of the vehicle data set (geometry). For a flexible determination of parameters of the vehicle data set, this method is therefore not suitable.
Es ist nun eine Aufgabe der gegenständlichen Erfindung, ein Verfahren anzugeben, das es erlaubt, beliebige Fahrzeugparameter des Fahrzeugdatensatzes eines Fahrzeugs auf einfa che Weise und in für die Entwicklung ausreichend hoher Qualität zu bestimmen, um diese unter anderem für die Durchführung eines Prüfversuchs mit einer Fahrzeugsimulation am Prüfstand nutzen zu können. It is now an object of the present invention to provide a method which allows any vehicle parameters of the vehicle data record of a vehicle to be determined in a simple manner and in a sufficiently high quality for development in order, inter alia, to carry out a test with a vehicle simulation to be able to use at the test stand.
Diese Aufgabe wird mit dem eingangs erwähnten Verfahren erfindungsgemäß dadurch ge löst, dass aus den Fahrzeugparametern des Fahrzeugdatensatzes aufgabenabhängig eine erste Anzahl von Eingangsparameter und eine zweite, vorzugsweise zur ersten Anzahl kom plementäre, Anzahl von Ausgangsparameter festgelegt werden und eine Fahrzeugdaten bank, in der für eine im Sinne der Modellbildung hinreichende Anzahl von validierten Fahr zeugen jeweils Werte der Eingangsparameter und Werte der Ausgangsparameter in Form von Datensätzen (Fahrzeug, Teilkomponenten-, oder Teilsystemdatensätzen) gespeichert werden, verwendet wird, um eine Abhängigkeit der Ausgangsparameter von der Anzahl der
Eingangsparameter in Form einer Anzahl von Abbildungsmodellen zu identifizieren - der sogenannten Systemidentifikation bzw. Modellbildung - und anhand dieser Anzahl der Ab bildungsmodelle und von vorgegebenen Werten der Eingangsparameter der Wert der Anzahl der Ausgangsparameter als Parameter des Datensatzes bestimmt wird. Günstigerweise wird dabei der Wert der Anzahl der Ausgangsparameter mit zugehörigen statistischen Kenngrö ßen (z.B. Vertrauensbereich) bestimmt und als Parameter des Datensatzes verwendet. This object is achieved by the method mentioned above ge triggers that from the vehicle parameters of the vehicle data set task-dependent a first number of input parameters and a second, preferably complementary to the first number kom, number of output parameters are set and a vehicle database, in the for a in the sense of modeling sufficient number of validated vehicles each values of the input parameters and values of the output parameters are stored in the form of data sets (vehicle, subcomponent, or subsystem records), used to determine a dependence of the output parameters on the number of Input parameters in the form of a number of imaging models to identify - the so-called system identification or modeling - and on the basis of this number of Ab from education models and predetermined values of the input parameters, the value of the number of output parameters is determined as a parameter of the data set. Conveniently, the value of the number of output parameters with associated statistical parameters (eg confidence interval) is determined and used as the parameter of the data record.
Unter Verwendung von Daten aus einer Fahrzeugdatenbank, die sowohl Fahrzeug-, Teil komponenten- als auch Teilsystemdaten aufweist, können also noch nicht bekannte Parame ter ermittelt und für die Entwicklungs- bzw. Simulationstätigkeiten verwendet werden. Dabei können also z.B. von einem Benutzer gewählte Eingangsparameter verwendet werden um die - dem Benutzer unbekannten - Ausgangsparameter und damit einen vollständigen Da tensatz zu generieren. Dabei kann die erste Anzahl von Eingangsparametern, die für die Identifizierung der Abbildungsmodelle verwendet wurde, teilweise oder vollständig herange zogen werden - wenn weniger als die erste Anzahl Eingangsparameter verwendet wird, kann es dabei eventuell Schwierigkeiten dabei geben, auch alle Ausgangsparameter zu be stimmen. Using data from a vehicle database, which has both vehicle, sub-component and subsystem data, so not yet known Parame ter can be determined and used for the development or simulation activities. Thus, e.g. Input parameters selected by a user are used to generate the - unknown to the user - output parameters and thus a complete data set. In this case, the first number of input parameters that was used for the identification of the imaging models can be partially or completely used - if less than the first number of input parameters is used, there may be some difficulties in tuning all output parameters.
Die Fahrzeugdatenbank wird dabei während der Bearbeitung auch durch die Ergebnisse des erfindungsgemäßen Verfahrens zunehmend erweitert, die Abbildungsmodelle können damit adaptiert und verbessert werden. Dementsprechend wird die Generierung mit zunehmender Datenmenge immer genauer. Eine realitätsnahe Entwicklung, aussagekräftige Beurteilung des aktuellen Entwicklungsstandes und rechtzeitiges Erkennen von Fehlern und späteren Problemstellen ist möglich. Bei den mit dem Verfahren ermittelten Parametern handelt es sich insbesondere um Ausgangsparameter, die anhand der Abbildungsmodelle und der aus gewählten/vorgegebenen Eingangsparameter definiert werden. Als statistische Kenngrößen kommen dabei z.B. der Vertrauensbereich, das Bestimmtheitsmaß bzw. das angepasste Bestimmtheitsmaß oder die Modellsignifikanz zur Anwendung. During the processing, the vehicle database is also increasingly extended by the results of the method according to the invention, and the imaging models can thus be adapted and improved. Accordingly, the generation becomes more and more accurate as the amount of data increases. A realistic development, meaningful assessment of the current state of development and timely detection of errors and later problem areas is possible. The parameters determined by the method are, in particular, output parameters which are defined on the basis of the imaging models and the selected / predetermined input parameters. As statistical characteristics are e.g. the confidence interval, the coefficient of determination or the adjusted coefficient of determination or the model significance for the application.
Vorteilhafterweise wird zusätzlich zumindest eine Abhängigkeit eines zusätzlichen Aus gangsparameters von einer Anzahl der Eingangsparameter in Form einer bekannten Be rechnungsvorschrift modelliert. Advantageously, in addition at least one dependence of an additional output parameter on a number of the input parameters is modeled in the form of a known calculation rule.
In einer weiteren Variante der Erfindung wird der ermittelte Datensatz - bzw. der anhand der ermittelten Parameter erstellte Datensatz - mit einem vorgegebenen Datensatz verglichen und das Vergleichsergebnis wird ausgegeben wird, wobei vorzugsweise eine Plausibilitäts prüfung zwischen dem ermittelten und dem vorgegebenen Datensatz vorgenommen wird.In a further variant of the invention, the ascertained data record-or the data record created on the basis of the determined parameters-is compared with a predefined data record and the comparison result is output, wherein preferably a plausibility check is made between the determined and the predetermined data record.
Die Ausgabe des Vergleichs der Datensätze kann dabei in Form von Abweichungen, einem Qualitätswert oder einfach als Ergebnis ausgegeben werden und ermöglicht eine weitere
technische Beurteilung der Entwicklungsqualität. Plausibilität liegt beispielsweise vor, wenn Werte der Parameter in einem bestimmten Maß übereinstimmen; das Maß kann dabei je nach Anwendung gewählt werden - z.B. 20% bei ADAS oder 5% bei Verbrauchswerten. The output of the comparison of the data sets can be output in the form of deviations, a quality value or simply as a result and allows another technical assessment of development quality. Plausibility exists, for example, if values of the parameters match to a certain extent; The dimension can be chosen depending on the application - eg 20% for ADAS or 5% for consumption values.
Günstigerweise werden als Abbildungsmodelle Polynommodelle oder Neuronale Netze ver- wendet, die durch Regression und/oder Training ermittelt werden. Dabei wird ein Teil der Datensätze für die Modellbildung, der andere Teil zur Bestimmung von statistischen Kenn größen zur Bestimmung der Modellqualität ermittelt (z.B. Bestimmtheitsmaß bzw. die ande ren weiter oben genannten Kenngrößen). Conveniently, the models used are polynomial models or neural networks, which are determined by regression and / or training. One part of the data sets for the modeling is determined, the other part for the determination of statistical parameters for determining the model quality (eg coefficient of determination or the other parameters mentioned above).
Um zu verhindern, dass unpassende Parameter verwendet werden und die Entwicklungsar- beiten negativ beeinflussen werden in einer Variante der Erfindung die Abweichungen zwi schen gespeicherten Werten und daraus mittels Abbildungsmodellen berechneten Werten minimiert, indem falsch vorgegebene Eingangsparameter und/oder unplausible Datensätze identifiziert und nicht berücksichtigt/verwendet werden. Vorzugsweise werden für die Ein gangsparameter anhand der Datensätze der Fahrzeugdatenbank Konfidenzbereiche defi- niert und neue Eingangsparameter als falsch identifiziert, wenn ihre Werte außerhalb der Konfidenzbereiche liegen. Beispielsweise können Fein-, Mittel- und Grobbereiche in Form von Über- und Unterschreitungen in Prozent bzw. Absolutwerten definiert werden. Wenn die vorgegebenen Werte der Eingangsparameter den kleinsten Wert in der Datenbank um einen vorgegebenen Prozentsatz unterschreiten und den größten Wert überschreiten (z.B. um 25%), liegt ein falsch vorgegebener Parameter vor; die Limits von akzeptablen Kenngrößen sowie die erlaubten Abweichungen können dabei anwendungsbezogen definiert werden. In order to prevent inappropriate parameters from being used and to adversely affect the development work, in a variant of the invention, the deviations between stored values and values calculated therefrom by means of imaging models are minimized by identifying and not taking into account incorrectly specified input parameters and / or implausible data sets. be used. Preferably, confidence levels are defined for the input parameters on the basis of the data records of the vehicle database, and new input parameters are identified as being false if their values lie outside the confidence ranges. For example, fine, medium and coarse ranges in the form of overshoots and undershoots in percent or absolute values can be defined. If the default values of the input parameters fall short of the smallest value in the database by a predetermined percentage and exceed the largest value (e.g., by 25%), then a wrongly predetermined parameter is present; the limits of acceptable parameters as well as the allowed deviations can be defined application-related.
Um Fehlereinflüsse durch die Datensätze möglichst auszuschließen wird den Datensätzen der Fahrzeugdatenbank zumindest teilweise zumindest ein Qualitätsindikator zugewiesen. Dieser kann beispielsweise als Zahlenwert ausgeführt sein, ein hoher Indikator wird bei be- sonders genauer Messung vergeben - wenn z.B. eine Messgenauigkeit +/- 5% sichergestellt werden kann. Eine hohe Qualität wird dann stärker in der Bildung der Abbildungsmodelle berücksichtigt und erlaubt ein insgesamt genaueres Ergebnis. In order to exclude as far as possible the influence of errors on the data sets, the data sets of the vehicle database are at least partially assigned at least one quality indicator. This can be implemented, for example, as a numerical value, a high indicator is assigned with a particularly accurate measurement - if e.g. a measuring accuracy +/- 5% can be ensured. High quality is then considered more in the formation of the image models and allows a more accurate overall result.
In einer weiteren Variante der Erfindung werden zur Ermittlung eines mit dem oben be schriebenen Verfahren ermittelten Datensatzes die Werte der Eingabeparameter eines vor- gegebenen Datensatzes einer Teilmenge der in der Fahrzeugdatenbank gespeicherten vali dierten Datensätze verwendet. Aufgabenabhängig können auch nur Teilmengen der Daten bank bzw. von Datensätzen der Datenbank herangezogen werden - beispielsweise kann eine Einschränkung der Datensätze auf Jahreszahlen, Gewichtsklassen oder Ausstattungs varianten erfolgen.
Erfindungsgemäß kann zumindest ein nach dem Verfahren ermittelter Fahrzeugparameter als Simulationsparameter zum Parametrieren eines Simulationsmodells zum Simulieren ei nes Fahrzeugs oder eines Teilsystems des Fahrzeugs für die Durchführung eines Prüfver suchs mit einem Prüfling und einer damit verbundenen Belastungsmaschine auf einem Prüf- stand verwendet werden, wobei der Prüfversuch zumindest teilweise mit der Simulation ge steuert wird. Damit kann auf einfache Weise eine Simulation parametriert werden, ohne ge naue vorherige Kenntnis bestimmter Simulationsparameter. Damit wird auch sichergestellt, dass die unbekannten Simulationsparameter plausibel parametriert werden. Damit können auch Simulationen durchgeführt werden, die gemäß Stand der Technik bis jetzt nicht möglich waren, weil ein Parametrisieren - also Konfigurieren - in frühen Entwicklungsphasen auf grund mangelnder Daten nicht möglich war. In a further variant of the invention, the values of the input parameters of a given data set of a subset of the validated data sets stored in the vehicle database are used to determine a data record determined using the above-described method. Depending on the task, only subsets of the database or of data records of the database can be used - for example, a restriction of the data records to year numbers, weight classes or equipment variants can take place. According to the invention, at least one vehicle parameter determined by the method can be used as a simulation parameter for parameterizing a simulation model for simulating a vehicle or a subsystem of the vehicle for carrying out a test with a test object and an associated load machine on a test bench, wherein the test attempt at least partially with the simulation ge controls. In this way, a simulation can be parameterized in a simple manner, without exact prior knowledge of specific simulation parameters. This also ensures that the unknown simulation parameters are plausibly parameterized. Thus, simulations can be carried out, which were not possible according to the prior art, because a parameterization - that is, configuration - was not possible in the early stages of development due to lack of data.
Vorteilhafterweise liefert die Durchführung des Prüfversuchs am Prüfstand einen charakteris tischen Kennwert des Prüflings, der mit einem entsprechenden ermittelten Fahrzeugparame ter verglichen wird, um die Simulation zu validieren. Das ermöglicht auch eine unmittelbare Validierung der ermittelten Simulationsparameter und eine damit einhergehende Rückmel dung, ob den ermittelten Fahrzeugparametern vertraut werden kann oder nicht. Advantageously, the performance of the test on the test bench provides a characteristic value of the test specimen, which is compared with a corresponding determined Fahrzeugparame ter to validate the simulation. This also allows an immediate validation of the determined simulation parameters and a concomitant feedback, whether the determined vehicle parameters can be trusted or not.
Die gegenständliche Erfindung wird nachfolgend unter Bezugnahme auf die Figuren 1 bis 7 näher erläutert, die beispielhaft, schematisch und nicht einschränkend vorteilhafte Ausgestal tungen der Erfindung zeigen. Dabei zeigt The subject invention will be explained in more detail with reference to Figures 1 to 7, the exemplary, schematic and non-limiting advantageous Ausgestal lines of the invention. It shows
Fig.1 ein Blockdiagramm einer ersten Variante des erfindungsgemäßen Verfahrens, Fig.2 ein Blockdiagramm einer zweiten Variante des Verfahrens, 1 shows a block diagram of a first variant of the method according to the invention, FIG. 2 shows a block diagram of a second variant of the method,
Fig.3 ein Blockdiagramm einer dritten Variante des Verfahrens, 3 shows a block diagram of a third variant of the method,
Fig.4 eine Eingabemaske für eine Benutzerschnittstelle, 4 shows an input mask for a user interface,
Fig.5 ein Blockdiagramm einer weiteren Variante des Verfahrens, 5 shows a block diagram of a further variant of the method,
Fig.6 eine Vorrichtung zur Ausführung des erfindungsgemäßen Verfahrens und Fig.7 einen erfindungsgemäßen Prüfstand zur Durchführung eines Prüfversuchs mit einer Simulation. 6 shows a device for carrying out the method according to the invention, and FIG. 7 shows a test stand according to the invention for carrying out a test with a simulation.
Die gegenständliche Erfindung geht davon aus, dass es eine Fahrzeugdatenbank gibt, in der bekannte Parameter des Fahrzeugdatensatzes von verschiedenen Fahrzeugen hinterlegt sind. Diese Daten können für jedes Fahrzeug verschiedene Fahrzeugparameter und Simula tionsparameter umfassen. The subject invention assumes that there is a vehicle database in which known parameters of the vehicle record are stored by different vehicles. These data may include different vehicle parameters and simulation parameters for each vehicle.
Wie bereits eingangs ausgeführt, können die Fahrzeugparameter Konstruktionsparameter, Messdaten zum Fahrzeug und charakteristische Kennwerten umfassen. Konstruktionspara meter sind Fahrzeugparameter, die das Fahrzeug (oder auch nur ein Teilsystem oder eine
Teilkomponente davon) grundlegend beschreiben und die an sich einfach, auch öffentlich, zugänglich sind. Messdaten und charakteristische Kennwerten, beispielweise Parameter wie die Federsteifigkeit der Radaufhängung, ein Rollwiderstand, eine maximal übertragbare Rei fenkraft, die Ausrollkurve, ein Normverbrauch, etc., sind typischerweise öffentlich nicht, oder nur schwer, zugänglich. As already explained at the outset, the vehicle parameters may include design parameters, vehicle measurement data and characteristic characteristics. Design parameters are vehicle parameters that determine the vehicle (or just a subsystem or a vehicle) Subcomponent) and are in themselves simple, even public, accessible. Measurement data and characteristic parameters, such as parameters such as the suspension spring stiffness, a rolling resistance, a maximum transferable Rei fenkraft, the Ausrollkurve, a standard consumption, etc., are typically not public, or difficult, accessible.
Als Konstruktionsparameter werden insbesondere das Baujahr des Fahrzeugs, die Fahr zeugklasse, ein Geometrieparameter, ein Massenparameter, ein Antriebsparameter, ein An triebsartparameter, ein Reifenparameter und ein Getriebeparameter angesehen. Weiter kön nen auch Metadaten wie die Marke des Fahrzeugs und/oder ein bestimmtes Fahrzeugmodell ein Konstruktionsparameter sein. In particular, the design year of the vehicle, the vehicle class, a geometry parameter, a mass parameter, a drive parameter, a drive mode parameter, a tire parameter and a transmission parameter are considered as design parameters. Further, metadata such as the brand of the vehicle and / or a particular vehicle model may also be a design parameter.
Die Fahrzeugklasse beschreibt beispielsweise ob das Fahrzeug ein Kleinwagen, Mittelklas sewagen, Obere Mittelklassewagen, Oberklassewagen, Luxusklassewagen, Sportwagen, Geländewagen, eine Geländelimousine (SUV), eine Großraumlimousine, usw., ist. Als Geo metrieparameter werden Angaben zur Geometrie des Fahrzeugs angesehen, also beispiels weise die Länge, die Breite, der Radstand, die Spurbreite, oder der Fahrzeugüberhang vor ne. Ein Massenparameter beschreibt beispielsweise die Leermasse des Fahrzeugs. Der An triebsparameter umfasst Parameter die den Antrieb des Fahrzeugs beschreiben, wie bei spielsweise die maximale Leistung, ggf. bei einer bestimmten Drehzahl, oder das maximale Drehmoment, ggf. bei einer bestimmten Drehzahl. Mit dem Antriebsartparameter kann zwi schen Vorderradantrieb, Hinterradantrieb, Allradantrieb, Hybridantrieb, usw. unterschieden werden. Mit dem Reifenparameter wird der Reifen näher beschrieben, d.h. die Reifenkenn zeichnung, z.B. 185/65 R 15, oder der Reifendurchmesser. Der Getriebeparameter ist bei spielsweise die Anzahl der Getriebestufen oder die Getriebespreizung (Verhältnis von größ ter zu kleinster Übersetzung) oder andere. The vehicle class describes, for example, whether the vehicle is a small car, Mittelklas sewagen, upper middle-class cars, luxury class cars, luxury class cars, sports cars, SUVs, a SUV, a people carrier, etc., is. As geo metrieparameter information on the geometry of the vehicle are considered, so example, the length, the width, the wheelbase, the track width, or the vehicle overhang before ne. A mass parameter describes, for example, the empty mass of the vehicle. The drive parameter includes parameters that describe the drive of the vehicle, such as the maximum power, possibly at a certain speed, or the maximum torque, possibly at a certain speed. With the drive type parameter can be distinguished between's front-wheel drive, rear-wheel drive, four-wheel drive, hybrid drive, etc. The tire parameter describes the tire in more detail, i. the tire identification, e.g. 185/65 R 15, or the tire diameter. The transmission parameter is for example the number of gear stages or the transmission spread (ratio of largest ter to smallest translation) or others.
Diese Fahrzeugdatenbank kann einmalig aufgebaut werden und kann natürlich laufend mit neuen oder aktualisierten Fahrzeugparametern ergänzt und erweitert werden. Daten, also insbesondere Parameter des Fahrzeugdatensatzes, für die Fahrzeugdatenbank können bei spielsweise aus zugänglichen Datenblättern eines Fahrzeugs (wie z.B. dem Typenschein), aus Fahrzeugkatalogen, aus Autozeitschriften, aus Messungen oder aus Berechnungen oder Simulationen anhand anderer bekannter Daten gewonnen werden. Gleichfalls können auch Daten aus früheren Entwicklungen in die Fahrzeugdatenbank Eingang finden. Dabei ist es nicht erforderlich, dass zu jedem Fahrzeug in der Fahrzeugdatenbank alle möglichen Para meter bekannt und eingetragen sind. This vehicle database can be constructed once and can of course be continuously updated and extended with new or updated vehicle parameters. Data, in particular parameters of the vehicle data record, for the vehicle database can be obtained, for example, from accessible data sheets of a vehicle (such as the type certificate), from vehicle catalogs, from car magazines, from measurements or from calculations or simulations based on other known data. Likewise, data from previous developments can also be included in the vehicle database. It is not necessary for all vehicles in the vehicle database, all possible parameters are known and registered.
Erfindungsgemäß werden nun anhand der in der Fahrzeugdatenbank gespeicherten Para meter des Fahrzeugdatensatzes Abhängigkeiten zwischen einer ersten Gruppe einer Anzahl
i=1 ,... ,n von Parametern P, des Fahrzeugdatensatzes, als Eingangsparameter E, bezeichnet, und einer zweiten Gruppe einer Anzahl j=1 ,... ,m von Parametern Pj des Fahrzeugdatensat zes, als Ausgangsparameter Aj bezeichnet, untersucht. Dabei wird für zumindest einen Ein gangsparameter die Abhängigkeit zu mehreren verschiedenen Ausgangsparametern unter- sucht und die Abhängigkeit durch ein Abbildungsmodell abgebildet. In der Fahrzeugdaten bank sind dabei Datensätze für Fahrzeuge/Fahrzeugteilsystem/Fahrzeugteilkomponenten in Sinne einer Modellbildung hinreichenden Anzahl von validierten Fahrzeugen, Fahrzeugteil systemen und Fahrzeugteilkomponenten gespeichert bzw. werden laufend ergänzt. Den Da tensätzen kann dabei zumindest teilweise ein Qualitätsindikator zugewiesen werden, wenn sie beispielsweise aus validierten Quellen oder speziell durchgeführten Messungen stam men. Ein hoher Wert für den Qualitätsindikator kann dabei bedeuten, dass der Datensatz aus einer besonders genauen Messung stammt. Datensätze hoher Qualität können dabei stärker in die Bildung von Abbildungsmodellen einfließen. According to the invention, dependencies between a first group of a number will now be based on the parameters of the vehicle data record stored in the vehicle database i = 1, ..., n of parameters P, of the vehicle data set, referred to as input parameter E, and a second group of a number j = 1, ..., m of parameters P j of Fahrzeugdatensat zes, referred to as output parameter A j , examined. In this case, the dependence on several different output parameters is investigated for at least one input parameter and the dependency is mapped by an imaging model. Data sets for vehicles / vehicle subsystem / vehicle subcomponents in the sense of modeling a sufficient number of validated vehicles, vehicle subsystems and vehicle subcomponents are stored in the vehicle database or are continually updated. At least some of the data sets may be assigned a quality indicator if, for example, they come from validated sources or specially made measurements. A high value for the quality indicator may mean that the data set comes from a particularly accurate measurement. High-quality datasets can be incorporated more into the formation of image models.
Dabei ist es natürlich sinnvoll, wenn sich die Eingangsparameter und die Ausgangsparame- ter nicht überschneiden. Bevorzugt sind die Eingangsparameter komplementär, also unter schiedlich zu den Ausgangsparametern. Wenn ein Parameter des Fahrzeugdatensatzes gleichzeitig ein Eingangsparameter und ein Ausgangsparameter ist, dann könnte man einen direkten Zusammenhang Eingangsparameter = Ausgangsparameter aufstellen, und die An wendung des erfindungsgemäßen Verfahrens wäre in diesem Fall nicht wirklich sinnvoll. Ein Abbildungsmodell ist ein mathematisches Modell, das aus dem zumindest einen Ein gangsparameter Ei einen oder mehrere Ausgangsparameter Aj berechnet. Ein solches ma thematisches Modell kann ein Polynommodell, ein neuronales Netz, ein lineares Modell netzwerk, eine mathematische Funktion, usw. sein, das durch Regression und /oder Training ermittelt wird. Dabei kann ein Teil der Datensätze für die Modellbildung, andere Teile zur Bestimmung von statistischen Kenngrößen zur Ermittlung der Modellqualität (z.B. Bestim mungsmaß) verwendet werden. Die mathematischen Modelle beschreiben in der Regel Ab hängigkeiten zwischen den zumindest einen Eingangsparameter E, und den einen oder meh reren Ausgangsparametern Aj, die keine physikalische Entsprechung haben. Ein solches Abbildungsmodell kann dabei durchaus auch gleichzeitig mehrere Ausgangsparameter Aj in Abhängigkeit von mehreren (aber zumindest einen) Eingangsparametern E, ermitteln. It makes sense, of course, if the input parameters and the output parame- ters do not overlap. Preferably, the input parameters are complementary, so under different to the output parameters. If a parameter of the vehicle data set is at the same time an input parameter and an output parameter, then one could set up a direct relationship input parameter = output parameter, and the application of the method according to the invention would not really make sense in this case. An imaging model is a mathematical model that calculates one or more output parameters A j from the at least one input parameter Ei. Such a mathematical model can be a polynomial model, a neural network, a linear model network, a mathematical function, etc., which is determined by regression and / or training. One part of the data sets can be used for modeling, other parts for the determination of statistical parameters for determining the model quality (eg determination dimension). The mathematical models usually describe dependencies between the at least one input parameter E, and the one or more output parameters A j , which have no physical correspondence. Such an imaging model can certainly also simultaneously determine a plurality of output parameters A j as a function of several (but at least one) input parameters E i.
Die Ermittlung von Polynommodellen, oder einer anderen mathematischen Funktion, erfolgt beispielsweise mittels einer bekannten Regressionsanalyse. Hierzu gibt es viele bekannte Methoden, die verwendet werden könnten. Allgemein gesprochen wird ein vorgegebenes Polynom in der allgemeinen Form
P(x) =
+ anxn, n > 0 verändert, um einen Fehler zwi- i-0 The determination of polynomial models, or another mathematical function, for example, by means of a known regression analysis. There are many known methods that could be used. Generally speaking, a given polynomial will be in the general form P (x) = + a n x n , n> 0 changes to an error between i-0
sehen bekannten Daten und dem Berechnungsergebnis des Polynoms zu minimieren. Dabei werden in der Regel die Koeffizienten a, variiert. Als Fehler kann beispielsweise der mittlere quadratische Fehler herangezogen werden. Es kann dabei auch vorgesehen sein, dass im Rahmen einer Verfeinerung des Polynommodells Modellterme entfernt werden, die statis tisch nicht signifikant sind. Gegebenenfalls kann vorher auch eine T ransformation der Aus gangsgröße (z.B. Invertierung oder Logarithmierung) zur besseren Abbildung der Abhängig keiten erfolgen. see known data and to minimize the calculation result of the polynomial. As a rule, the coefficients a, are varied. As an error, for example, the mean square error can be used. It may also be provided that, as part of a refinement of the polynomial model, model terms are removed which are not statistically significant. If appropriate, a transformation of the output quantity (for example inversion or logarithmization) can also be carried out beforehand in order to better depict the dependencies.
Bei der Nutzung von Neuronalen Netzen als Abbildungsmodell erfolgt ein entsprechendes Anlernen des Neuronalen Netzes auf Basis von vorhandenen Daten (Eingangsparameter, Ausgangsparameter) in der Fahrzeugdatenbank. Auch hierzu gibt es eine Fülle von bekann ten Strukturen des Neuronalen Netzes und von Methoden zum Training eines Neuronalen Netzes, auf die hier nicht eingegangen wird. Beispielhaft, aber nicht einschränkend, seien hier genannt Backpropagation-Algorithmus, Simulated Annealing, Delta-Regel, usw. Beim Bestimmen eines Abbildungsmodells in Form eines mathematischen Modells ist es vorteilhaft, wenn ein Teil der verfügbaren Daten aus der Fahrzeugdatenbank nicht zur Mo dellbildung verwendet wird. Diese nicht verwendeten Daten können dann zum Validieren des ermittelten Abbildungsmodells herangezogen werden. Wenn Datensätze, die nicht zur Mo dellberechnung verwendet wurden, einen ähnlichen Fehler aufweisen, wie andere Datensät- ze, die mit dem mathematischen Modell berechnet wurden, kann angenommen werden, dass das mathematische Modell die Daten ausreichend genau beschreibt. So kann auch überprüft werden, ob eine Überanpassung des Abbildungsmodells vorliegt. When using neural networks as an imaging model, the neural network is appropriately taught based on existing data (input parameters, output parameters) in the vehicle database. There is also a plethora of well-known structures of the neural network and methods for training a neural network, which are not discussed here. By way of example, but not limitation, backpropagation algorithm, simulated annealing, delta rule, etc. are mentioned here. When determining an imaging model in the form of a mathematical model, it is advantageous if a part of the available data from the vehicle database is not used for modeling , These unused data can then be used to validate the identified imaging model. If records that were not used for the model computation have a similar error to other records computed using the mathematical model, it can be assumed that the mathematical model describes the data with sufficient accuracy. Thus, it can also be checked whether there is an overfitting of the imaging model.
Ausgangsparameter können dabei mit zugehörigen statistischen Kenngrößen (z.B. Vertrau ensbereich) bestimmt werden und die zugehörigen statistischen Kenngrößen können zusätz- lieh als Parameter des Datensatzes bestimmt und auch gespeichert werden. Output parameters can be determined with associated statistical parameters (for example, confidence range) and the associated statistical parameters can additionally be determined as parameters of the data set and also stored.
Beispielsweise kann in bekannter Weise der Vertrauensbereich des Abbildungsmodells, ge nauer gesagt der Vertrauensbereich eines Ausgangsparameters des Abbildungsmodells, berechnet werden. Der Vertrauensbereich ist ein bekannter Begriff aus der Statistik, der mit bekannten Methoden der Statistik berechnet werden kann. Der Vertrauensbereich gibt einen Hinweis darauf, wie sehr einem mit dem Abbildungsmodell ermittelten Ausgangsparameter vertraut werden kann. Das heißt also, dass der Vertrauensbereich, oder eine andere statisti sche Kenngröße, Auskunft gibt über die Zuverlässigkeit des Modells. Der Vertrauensbereich bezieht sich auf den Mittelwert der Verteilung der y-Werte für einen beliebigen x-Wert im un-
tersuchten Bereich. Der Vertrauensbereich eines Modells bestimmt die Unsicherheit der Ausgangsgröße yi in den gemessenen Punkten xi. Für den Vertrauensbereich gilt:
mit dem Mittelwert y, der Anzahl der Messpunkte n, der Varianz s2 und z (1 - a/2) als (1- a /2)-Quantil z.B. der Normalverteilung. For example, in a known manner, the confidence interval of the imaging model, more precisely the confidence interval of an output parameter of the imaging model, can be calculated. The confidence interval is a well-known term from statistics that can be calculated using known methods of statistics. The confidence interval gives an indication of how much an output parameter determined by the imaging model can be trusted. This means that the confidence interval, or another statistical parameter, provides information about the reliability of the model. The confidence interval refers to the mean value of the distribution of the y values for any x value in the examined area. The confidence interval of a model determines the uncertainty of the output variable yi in the measured points xi. For the confidence interval: with the mean value y, the number of measuring points n, the variance s 2 and z (1-a / 2) as (1- a / 2) -quantile eg the normal distribution.
Für die Varianz gilt:
mit den oben genannten Variablen. For the variance applies: with the above variables.
Allgemein ist ein Ausgangsparameter umso vertrauenswürdiger, je enger der zugehörige Vertrauensbereich ist. Weitere ermittelbare statistische Kenngrößen sind z.B. Be stimmtheitsmaß, angepasstes Bestimmtheitsmaß oder Modellsignifikanz. In general, the narrower the associated confidence interval, the more trustworthy an output parameter is. Further determinable statistical characteristics are e.g. Determinance measure, adjusted coefficient of determination or model significance.
Mit Hilfe des Bestimmtheitsmaßes r2 oder des angepassten Bestimmtheitsmaßes r2adj, als weitere mögliche statistische Kenngröße, wird beispielsweise die Güte der ermittelten Abbil dungsmodelle beurteilt. Das Bestimmtheitsmaß r2 sagt aus, zu welchem Grad das Abbil- dungsmodell die Abweichungen der Messwerte von einem konstanten Mittelwert erklärt. Es berechnet sich nach dem Zusammenhang r2 = SSreg/SStot = 1 - SSerr/SStot, wobei SSreg die Summe der quadrierten Abweichungen zwischen den vorhergesagten (mit tels Regression berechneten) Werten yi* und dem Mittelwert y , SStot die Summe der qua- drierten Abweichungen zwischen den Messwerten yi und dem Mittelwert y und SSerr die Summe der quadrierten Abweichungen zwischen den einzelnen Messwerten yi und den be rechneten oder vorhergesagten Werten yi* darstellt. With the help of the coefficient of determination r2 or of the adjusted coefficient of determination r2adj, as another possible statistical parameter, the quality of the determined imaging models is assessed, for example. The coefficient of determination r2 indicates to what degree the mapping model explains the deviations of the measured values from a constant mean value. It is calculated according to the relation r2 = SSreg / SStot = 1 - SSerr / SStot, where SSreg is the sum of the squared deviations between the predicted values (calculated by regression) yi * and the mean value y, SStot the sum of the quadratic deviations between the measured values yi and the mean value y and SSerr represents the sum of the squared deviations between the individual measured values yi and the calculated or predicted values yi *.
SSerr ist somit ein Maß für die Variation von y=P(x), die nicht von den Regressionsgleichun gen abgebildet wird. Mit dem angepassten Bestimmtheitsmaß r2adj können neben der Mo- dellberechnungsqualität auch die vorgegeben Freiheitsgrade der Modellgleichung beurteilt werden, d.h. ob die Messwerte nahe dem berechneten Modell liegen und ob ausreichend Messwerte vorhanden sind, um die Modellgleichung bestimmen zu können. Es berechnet sich nach dem Zusammenhang
r2adj = 1 - [(SSerr/(n - p)]/[ SStot/(n - 1)] mit n als Anzahl der Messwerte und p als Anzahl der unabhängigen Modell- Regressionskoeffizienten. SSerr is thus a measure of the variation of y = P (x), which is not mapped by the regression equations. With the adjusted coefficient of determination r2adj, besides the model calculation quality, the given degrees of freedom of the model equation can be assessed, ie whether the measured values are close to the calculated model and whether sufficient measured values are available in order to be able to determine the model equation. It is calculated according to the context r2adj = 1 - [(SSerr / (n-p)] / [SStot / (n-1)] where n is the number of measurements and p is the number of independent model regression coefficients.
Die herangezogenen Abbildungsmodelle können dabei jederzeit neu ermittelt oder verfeinert werden, beispielsweise wenn neue Daten in die Fahrzeugdatenbank aufgenommen werden. The used imaging models can be redetermined or refined at any time, for example, when new data is added to the vehicle database.
Zusätzlich zum Abbildungsmodell kann eine Abhängigkeit zwischen der Anzahl der Ein gangsparameter Ei und einem Ausgangsparameter Aj durch einen physikalischen oder funk tioneilen Zusammenhang, allgemein als Berechnungsvorschrift bezeichnet, gegeben sein. Eine Berechnungsvorschrift in Form eines physikalischen Zusammenhangs könnte z.B. die Berechnung einzelner Getriebeübersetzungen aus der Anzahl der Getriebestufen und der Getriebespreizung sein. Ein funktioneller Zusammenhang kann beispielsweise für den Cw- Wert in Abhängigkeit von der Fahrzeuglänge und der Fahrzeugart aufgestellt werden. Solche funktionelle Zusammenhänge können dabei auch Beziehungen abbilden, die nicht ohne wei teres physikalisch berechnet werden können, bzw. die keine direkte physikalische Entspre- chung haben, aber bei denen Aufgrund der unterschiedlichsten Randbedingungen trotzdem Zusammenhänge zwischen Eingangsparameter E, und Ausgangsparameter Aj bestehen.In addition to the mapping model, a dependency between the number of input parameters Ei and an output parameter A j may be given by a physical or functional relationship, generally referred to as a calculation rule. A calculation rule in the form of a physical relationship could be, for example, the calculation of individual gear ratios from the number of gear stages and the gear ratio. A functional relationship can be set up, for example, for the Cw value as a function of the vehicle length and the type of vehicle. Such functional relationships can also depict relationships that can not be calculated physically without further ado, or that have no direct physical correspondence, but in which, due to the wide variety of constraints, there are nevertheless relationships between input parameter E, and output parameter A j .
Eine Berechnungsvorschrift ist damit eine bekannte mathematische Funktion, die einen Aus gangsparameter Aj in Abhängigkeit einer Anzahl von Eingangsparameter E, berechnet. A calculation rule is thus a known mathematical function which calculates an output parameter A j as a function of a number of input parameters E i.
Der Schritt der Bestimmung des zumindest einen Abbildungsmodells für zumindest einen Ausgangsparameter Aj, vorzugsweise mehrere Abbildungsmodelle für verschiedene Aus gangsparameter Aj, wird anhand der Fig.1 erläutert. In einer Fahrzeugdatenbank 1 sind zu k verschiedenen Fahrzeugen F1 , F2, ... , Fk verschiedene Parameter des Fahrzeugdatensat zes hinterlegt. Ein Fahrzeugdatensatz umfasst hierbei z Parameter (Fahrzeugparameter und/oder Simulationsparameter). Allerdings ist anzumerken, dass in der Fahrzeugdaten- bank 1 nicht zu jedem Fahrzeug Fk auch immer Werte zu allen Parametern PkZ des Fahr zeugdatensatzes gespeichert sein müssen. The step of determining the at least explaining an image model for at least one output parameter A j, preferably a plurality of imaging models for various gait parameters from A j is based on the Fig.1. In a vehicle database 1, various parameters of the vehicle data set are stored for k different vehicles F1, F2,..., Fk. In this case, a vehicle data record comprises z parameters (vehicle parameters and / or simulation parameters). However, it should be noted that values for all parameters P kZ of the vehicle data record do not always have to be stored in the vehicle database 1 for each vehicle Fk.
Aus den Parametern PkZ des Fahrzeugdatensatzes werden nun die i Eingangsparameter E, und die j Ausgangsparameter Aj ausgewählt. Als Eingangsparameter E, werden dabei typi scherweise einfach verfügbare oder bekannte Fahrzeugparameter herangezogen, also ins- besondere die oben beschriebenen Konstruktionsparameter. Als Ausgangsparameter Aj werden solche Parameter PkZ des Fahrzeugdatensatzes herangezogen, die bestimmt (im Sinne von prädiziert) werden sollen. From the parameters P kZ of the vehicle data set, the i input parameters E, and the j output parameters A j are selected. As input parameter E, typically simply available or known vehicle parameters are used, that is to say in particular the design parameters described above. The output parameters A j are those parameters P kZ of the vehicle data record which are to be determined (in the sense of being predicted).
Aus den vorhandenen Daten der Fahrzeugdatenbank 1 wird in einer Modellberechnungsein heit 2 für zumindest einen Ausgangsparameter Aj das Abbildungsmodell Mx wie oben be-
schrieben ermittelt, das die Eingangsparameter E, auf den Ausgangsparameter Aj abbildet. Hierfür werden natürlich sinnvollerweise nur solche Fahrzeugdatensätze aus der Fahrzeug datenbank 1 verwendet, zu denen auch die gewählten Eingangsparameter E, und Aus gangsparameter Aj vorhanden sind, da nur dann entsprechende Abhängigkeiten ermittelbar sind. Dabei können natürlich mehrere Abbildungsmodelle Mx für mehrere Ausgangsparame ter Aj ermittelt werden. Es ist auch denkbar, dass mit einem Abbildungsmodell Mx gleichzei tig mehrere Ausgangsparameter Aj berechnet werden. From the available data of the vehicle database 1, in a model calculation unit 2 for at least one output parameter A j, the mapping model M x is determined as described above. determined, which maps the input parameter E, the output parameter A j . For this purpose, of course, only such vehicle data sets from the vehicle database 1 are of course used, to which the selected input parameters E, and from input parameter A j are present, since only then appropriate dependencies can be determined. Of course, several imaging models Mx for several Ausgangssparame ter A j can be determined. It is also conceivable that several output parameters A j are simultaneously calculated with an imaging model Mx.
Hierbei ist aber anzumerken, dass nicht alle Abbildungsmodelle Mx die gleichen Ein gangsparameter Ei enthalten müssen. Dazu wird vorzugsweise ein Teil der in der Fahrzeugdatenbank 1 enthaltenen Fahrzeugda tensätze der Fahrzeuge Fk (Trainingsdaten) für die Ermittlung (Training) der Abbildungsmo delle Mx verwendet. Der Rest der in der Fahrzeugdatenbank 1 enthaltenen Fahrzeugdaten sätze (Validierungsdaten) kann dann für die Validierung der Abbildungsmodelle Mx verwen det werden. Dazu werden mit den bestimmten Abbildungsmodelle Mx mit den Eingangspa- rameter E, der Validierungsdaten die zugehörigen Ausgangsparameter Aj berechnet und der Validierungsfehler zwischen den berechneten Ausgangsparameter Aj und den in den Validie rungsdaten gespeicherten Ausgangsparameter bestimmt. Wenn der Validierungsfehler in nerhalb eines vorgegebenen Toleranzbereichs liegt, dann gelten die Abbildungsmodelle Mx als validiert. Zusätzlich können bestimmte Ausgangsparameter Aj auch anhand von bekannten Berech nungsvorschriften in Abhängigkeit der Eingangsparameter E, berechnet werden. Dazu kön nen in der Modellberechnungseinheit 2 bekannte Berechnungsvorschriften für Abbildungen hinterlegt sein. Diese direkten Abbildungsvorschriften können direkt in die Abbildungsmodel le Mx übernommen werden. Es kann aber auch vorgesehen sein, dass eine bekannte Be- rechnungsvorschrift auch über eine Benutzerschnittstelle durch einen Benutzer eingegeben wird. It should be noted, however, that not all imaging models Mx must contain the same input parameter Ei. For this purpose, preferably a part of the vehicle data sets contained in the vehicle database 1 of the vehicles Fk (training data) is used for the determination (training) of the imaging models Mx. The rest of the vehicle data sets (validation data) contained in the vehicle database 1 can then be used for the validation of the imaging models Mx. For this purpose, the associated output parameters A j are calculated using the specific mapping models Mx with the input parameters E, the validation data, and the validation error between the calculated output parameters A j and the output parameters stored in the validation data is determined. If the validation error is within a specified tolerance range, then the mapping models Mx are validated. In addition, certain output parameters A j can also be calculated on the basis of known calculation rules as a function of the input parameters E i. For this purpose, NEN known calculation rules for images can be stored in the model calculation unit 2. These direct mapping rules can be taken directly into the Mx imaging model. However, it can also be provided that a known calculation rule is also input via a user interface by a user.
In diesem Ablauf kann auch ein zusätzlicher Überprüfungsschritt vorgesehen werden, wie anhand der Fig.2 beschrieben wird. Darin ist die Auswahl der Eingangsparameter E, (wobei die Eingangsparameter E, auch vorgegeben sein können) und Ausgangsparameter Aj an einer geeigneten Benutzerschnittstelle 4a dargestellt. Beispielsweise kann ein Benutzer über die Benutzerschnittstelle 4a die gewünschten Parameter des Fahrzeugdatensatzes an einer Eingabemaske einfach selektieren. Des Weiteren kann vorgesehen sein, dass ein Benutzer über die Benutzerschnittstelle 4a vorbekannte Berechnungsvorschriften zur Modellierung der Abhängigkeit der Ausgangsparameter Aj von den Eingangsparametern vorgeben kann.
Nach der Ermittlung der Abbildungsmodelle Mx in der Modellberechnungseinheit 2 werden an einer weiteren Benutzerschnittstelle 4b, die auch die gleiche Benutzerschnittstelle 4a wie zur Auswahl der der Eingangsparameter E, und Ausgangsparameter Aj sein kann, die Er gebnisse der oben beschriebenen Validierung und/oder ein Vertrauensbereich der Abbil dungsmodelle Mx dargestellt. Konnte ein Abbildungsmodell Mx nicht validiert werden, oder ergibt sich ein zu großer Vertrauensbereich, dann kann vorgesehen sein, dass andere oder zusätzliche Eingangsparameter E, ausgewählt werden müssen und der Schritt der Ermittlung der Abbildungsmodelle Mx wiederholt werden muss, wie durch den Pfeil zurück dargestellt ist. Dieser Schritt kann auch automatisiert erfolgen, wenn ein Toleranzbereich für einen Vali dierungsfehler und/oder einen Vertrauensbereich vorgegeben sind. Ansonsten kann das ermittelte Abbildungsmodell Mx verwendet werden. In this process, an additional verification step can be provided, as will be described with reference to FIG. Therein, the selection of the input parameters E, (wherein the input parameters E, can also be predetermined) and output parameters A j at a suitable user interface 4 a is shown. For example, a user can easily select the desired parameters of the vehicle data record on an input mask via the user interface 4a. Furthermore, provision can be made for a user to be able to specify previously known calculation rules for modeling the dependence of the output parameters A j on the input parameters via the user interface 4 a. After the determination of the image models Mx in the model calculation unit 2 to another user interface 4b, the same user interface may be 4 as the selection of the input parameters E, and output parameters A j that he results of the validation described above and / or a confidence region of the mapping models Mx. If an imaging model Mx could not be validated, or if there is too much confidence, then it may be provided that other or additional input parameters E, must be selected and the step of determining the imaging models Mx must be repeated, as shown by the arrow back , This step can also be automated if a tolerance range for a validation error and / or a confidence interval are specified. Otherwise, the determined imaging model Mx can be used.
Im Idealfall werden alle Parameter des Fahrzeugdatensatzes, die nicht Eingangsparameter Ei sind, als Ausgangsparameter Aj angesehen und dazu jeweils ein Abbildungsmodell Mx ermittelt oder eine Berechnungsvorschrift vorgegeben. Damit können bei Vorgabe bestimm ter Werte der Eingangsparameter E, die restlichen Parameter des Fahrzeugdatensatzes an hand der Abbildungsmodelle Mx, bzw. der zusätzlichen Berechnungsvorschriften, bestimmt werden. Auf diese Weise kann also ein ganzer Fahrzeugdatensatz, zumindest aber ein Teil davon, aus einigen wenigen Eingangsparametern E, erstellt werden. Vorzugsweise werden bei der Ermittlung der Eingangsparameter eine erste Anzahl an Eingangsparametern aus gewählt und für das spätere Ermitteln vollständiger Datensätze ebenfalls diese erste Anzahl Eingangsparameter teilweise oder vollständig vorgegeben. Ideally, all parameters of the vehicle data record which are not input parameters Ei are regarded as output parameters A j and, in each case, an imaging model Mx is determined or a calculation rule specified. This can be determined by specifying certain values of the input parameters E, the remaining parameters of the vehicle data record on the basis of the mapping models Mx or the additional calculation instructions. In this way, therefore, a whole vehicle data set, but at least a part thereof, from a few input parameters E, are created. In the determination of the input parameters, a first number of input parameters are preferably selected from and, for the later determination of complete data records, this first number of input parameters is also partially or completely predetermined.
Mit den derart ermittelten Abbildungsmodellen Mx können nun ausgehend von vorgegebe nen Eingangsparametern E, die unbekannten Werte der über die Abbildungsmodelle Mx, und gegebenenfalls über die Berechnungsvorschriften, verknüpften Ausgangsparameter Aj beda- tet werden, wie anhand von Fig.3 beschrieben wird. Dazu können die Werte der Eingangspa rameter Ei an einer Benutzerschnittstelle 4c (eventuell die Benutzerschnittstelle 4a oder 4b von oben) über eine Eingabemaske 3 eingegeben werden, wie beispielhaft in Fig.4 darge stellt, oder auch automatisch aus einem vorliegenden Datenfile geladen werden. Im be schriebenen Ausführungsbeispiel umfasst die Eingabemaske 3 als Fahrzeugparameter das Baujahr P_BY des Fahrzeugs, die Fahrzeugklasse P_VC, eine Parametergruppe von Geo metrie Parametern P_G des Fahrzeugs, eine Parametergruppe von einen Massenparametern P_M des Fahrzeugs, eine Parametergruppe von Antriebsparametern P_D des Fahrzeugs, eine Parametergruppe von Antriebsartparametern P_DT des Fahrzeugs, eine Parameter gruppe von Reifenparametern P_T des Fahrzeugs, eine Parametergruppe von Getriebepa rametern P_GB des Fahrzeugs, eine Fahrzeugmarke P_B, ein Fahrzeugmodell P_Mo und eine Lenkübersetzung P_L. Die Eingabemaske 3 umfasst dabei alle möglichen Eingangspa-
rameter E,, die in den genannten Parametergruppen logisch gruppiert sind. In jeder Parame tergruppe kann jeweils eine Vielzahl von Fahrzeugparametern enthalten sein. Die Ein gangsparameter Ei können über diese Eingabemaske 3 wie in Fig.4 dargestellt eingegeben werden, wobei nicht alle Eingabefelder der Eingabemaske 3 gefüllt werden müssen. D.h., es müssen nicht alle Werte der Eingangsparameter E, gesetzt werden. With the mapping models Mx determined in this way, the unknown values of the output parameters A j linked via the mapping models Mx and optionally via the calculation rules can now be used, based on predetermined input parameters E, as described with reference to FIG. For this purpose, the values of the input parameters Ei at a user interface 4c (possibly the user interface 4a or 4b from above) can be input via an input mask 3, as shown by way of example in FIG. 4, or also loaded automatically from a present data file. In the exemplary embodiment described, the input mask 3 includes as vehicle parameter the year of construction P_BY of the vehicle, the vehicle class P_VC, a parameter group of geometry parameters P_G of the vehicle, a parameter group of a mass parameter P_M of the vehicle, a parameter group of drive parameters P_D of the vehicle, a parameter group of Drive type parameters P_DT of the vehicle, a parameter group of tire parameters P_T of the vehicle, a parameter group of Getriebepa parameters P_GB of the vehicle, a vehicle brand P_B, a vehicle model P_Mo and a steering ratio P_L. The input mask 3 comprises all possible input data. parameters E ,, which are logically grouped in the named parameter groups. Each parameter group may contain a plurality of vehicle parameters. The input parameters Ei can be input via this input mask 3 as shown in FIG. 4, whereby not all input fields of the input mask 3 have to be filled. This means that not all values of input parameter E, must be set.
Über die Abbildungsmodelle Mx, zumindest ein Abbildungsmodell Mx, werden dann die zu gehörigen Ausgangsparameter Aj berechnet. Die Ausgangsparameter Aj können dabei all gemeine Fahrzeugparameter wie beispielsweise Konstruktionsparameter KP, Simulationspa rameter SP und Messdaten bzw. charakteristische Kennwerte MP umfassen, wobei diese Einteilung für die Erfindung unerheblich ist. Es können auch weitere der oben beschriebenen Parameter berechnet werden. Die Ausgangsparameter Aj können dann auch in den Fahr zeugdatensatz in der Fahrzeugdatenbank 1 übernommen werden. By means of the imaging models Mx, at least one imaging model Mx, the associated output parameters A j are then calculated. The output parameters A j may include all common vehicle parameters such as design parameters KP, simulation parameters SP and measurement data or characteristic values MP, this classification being irrelevant to the invention. It is also possible to calculate further of the parameters described above. The output parameters A j can then also be transferred to the vehicle data record in the vehicle database 1.
Damit kann anhand von einigen wenigen Eingangsparameter E, als Vorgabewerte ein ganzer Fahrzeugdatensatz, zumindest ein Teil davon, ermittelt werden, mit dem dann die Entwick lung des Fahrzeugs oder eines Teils davon begonnen oder fortgesetzt werden kann. Auf grund der Möglichkeit der Validierung und/oder der Vertrauensbereiche der Abbildungsmo delle Mx kann dabei von einer ausreichenden Genauigkeit der Parameter des Fahrzeugda tensatzes ausgegangen werden. Dazu ist es auch möglich, den Schritt der Ermittlung der Abbildungsmodelle Mx jederzeit zu wiederholen, wenn man im Zuge der Entwicklung be stimmte Parameter des Fahrzeugdatensatzes erhält oder wenn sich dabei Parameter des Fahrzeugdatensatzes ändern. Damit kann die Genauigkeit der Schätzung der unbekannten Ausgangsparameter Aj auch laufend verbessert werden. Thus, based on a few input parameters E, as default values, a whole vehicle data set, at least a part thereof, can be determined with which the development of the vehicle or a part thereof can then be started or continued. On the basis of the possibility of validation and / or the confidence levels of the Abbildmo models Mx can be assumed from a sufficient accuracy of the parameters of the Fahrzeugda tensatzes. For this purpose, it is also possible to repeat the step of determining the mapping models Mx at any time, if you get in the course of development be certain parameters of the vehicle data set or if it changes parameters of the vehicle data set. Thus, the accuracy of the estimation of the unknown output parameters A j can be continuously improved.
Mit Fig.7 wird ein an sich bekannter Prüfstand 10 für einen Prüfling 12 und einer damit, bei spielsweise mittels einer Prüfstandwelle 11 , verbundenen Belastungsmaschine 15, bei spielsweise ein Dynamometer, dargestellt. Die Belastungsmaschine 15 erzeugt die Last für den Prüfling 12 für den durchzuführenden Prüflauf. Der Prüfling 12 ist im gezeigten Ausfüh rungsbeispiel ein Verbrennungsmotor und der Prüfstand 10 damit ein Motorprüfstand. With Figure 7 is a known test stand 10 for a test specimen 12 and thus, for example, by means of a test stand shaft 11, connected loading machine 15, for example, a dynamometer represented. The loading machine 15 generates the load for the test piece 12 for the test run to be performed. The specimen 12 is in the example shown Ausfüh an internal combustion engine and the test bench 10 so that an engine test.
Selbstverständlich könnte der Prüfling 12 aber auch ein gesamtes Fahrzeug oder ein belie biges Teilsystem des Fahrzeugs, wie z.B. ein Antriebsstrang, ein Elektromotor, eine An triebsbatterie, ein Steuergerät, usw., sein, und der Prüfstand 10 ein dazu passender Prüf stand, wie z.B. ein Rollenprüfstand, ein Antriebsstrangprüfstand, ein Elektromotorenprüf stand, ein Hardware-in-the-Loop-Prüfstand, usw. Im Falle einer Batterie als Prüfling 12 wäre die Belastungsmaschine 15 elektrisch, z.B. in Form eines elektrischen Batterietesters. Ge eignete Belastungsmaschinen 15 für verschiedene Prüflinge 12 sind hinlänglich bekannt und verfügbar, weshalb hier nicht näher darauf eingegangen werden muss.
Am Prüfstand 10 ist eine Prüfstandautomatisierung in Form einer Prüfstandautomatisie rungseinheit 20 (Hardware und Software) vorgesehen, die die am Prüfstand 10 durchzufüh rende virtuelle Erprobungsfahrt (=Prüflauf) steuert und dazu alle benötigten Einrichtungen (also insbesondere die benötigte Aktuatorik) des Prüfstandes 10 gemäß den Vorgaben des Prüflaufs ansteuert. Die Prüfstandautomatisierungseinheit 20 kann dabei insbesondere auch den Prüfling 12 und die Belastungsmaschine 15 durch Vorgabe benötigter Sollwerte oder Stellgrößen steuern. Die Belastungsmaschine 15 wird am Prüfstand 10 oftmals von einem eigenen Belastungsmaschinenregler 14, der wiederum von der Prüfstandautomatisierungs einheit 20 gemäß den Vorgaben des Prüflaufs Sollwerte empfängt, geregelt, um am Prüfling 12 beispielsweise gewisse, häufig transiente, Belastungsmomente M oder gewisse, häufig transiente, Drehzahlen n einzuregeln. Der Belastungsmaschinenregler 14 kann auch in der Prüfstandautomatisierungseinheit 20 als Software und/oder Hardware integriert sein. Of course, the test specimen 12 could also be an entire vehicle or a belie biges subsystem of the vehicle, such as a drive train, an electric motor, to a drive battery, a control unit, etc., and the test stand 10 was a matching test, such as a dynamometer, a powertrain test stand, a Elektromotoren test stood, a hardware-in-the-loop test stand, etc. In the case of a battery as a test specimen 12, the loading machine 15 would be electrical, for example in the form of an electric battery tester. Ge suitable loading machines 15 for various specimens 12 are well known and available, which is why it need not be discussed in detail here. On the test bench 10, a test bed automation in the form of a 20 Prüfstandautomatisie unit (hardware and software) is provided which controls the test bench 10 durchzufüh-generating virtual test drive (= test run) and all the necessary facilities (ie in particular the required actuator) of the test bed 10 according to Defines the specifications of the test run. In particular, the test bed automation unit 20 can also control the test object 12 and the loading machine 15 by presetting required setpoint values or manipulated variables. The loading machine 15 is often on the test bench 10 of its own load machine controller 14, in turn, receives from the test bench automation unit 20 according to the specifications of the test run setpoints, to the DUT 12, for example certain, often transient, load moments M or certain, often transient, speeds to regulate. The loading machine controller 14 may also be integrated in the test bench automation unit 20 as software and / or hardware.
Zur Durchführung des Prüflaufs sind am Prüfstand 10 in der Regel Messeinrichtungen 13, hier beispielsweise eine Drehzahlmesseinrichtung 16 und/oder eine Momentenmesseinrich- tung 17 vorgesehen, die entsprechende Istwerte des Prüflings 12 und/oder der Belastungs maschine 15, beispielsweise das Belastungsmoment Mist und die Drehzahl n.st des Prüflings 12, als Messgrößen messen und der Prüfstandautomatisierungseinheit 20 zur Verfügung stellen. Selbstverständlich können für andere Prüflinge 12, bzw. Prüfstandtypen, auch ande re oder zusätzliche Messgrößen, wie beispielsweise ein elektrischer Strom oder eine elektri sche Spannung, gemessen und der Prüfstandautomatisierungseinheit 20 zugeführt werden. To carry out the test run, here for example, a speed measuring device 16 and / or a Momentenmesseinrich- the corresponding actual values of the test object 12 and / or the load are on the test bed 10 usually measuring devices 13, processing 17 is provided, machine 15, st, for example, the load torque Mi and Speed n.st of the test piece 12, measure as measured variables and make the test bed automation unit 20 available. Of course, for other specimens 12, or test stand types, ande re or additional measurements, such as an electric current or an electrical cal voltage, measured and the test bed automation unit 20 are supplied.
Zur Durchführung des Prüflaufs ist eine Simulation 6 eines Fahrzeugs oder eines Teils oder einer Komponenten davon vorgesehen, dessen Betrieb gemäß den Vorgaben des Prüflaufs simuliert wird. Hierfür ist ein Simulationsmodell vorgesehen. Die Simulation 6 simuliert bei spielsweise eine virtuelle Fahrt eines virtuellen Fahrzeugs entlang einer virtuellen Fahrtstre cke. Dazu wird die am Prüfstand 10 aufgebaute Komponente des Fahrzeugs (z.B. der Ver brennungsmotor als Prüfling 12) am Prüfstand real betrieben. Aus diesem realen Betrieb erhält die Simulation 6 auch Rückmeldung (beispielsweise in Form bestimmter Messwerte) zur Durchführung der Simulation 6. Die Simulation 6 mit dem implementierten Simulations modell wird durch eine Simulationseinheit 21 ausgeführt und kann dazu auch Messgrößen aus dem Prüfstand 10 verarbeiten. Die Simulationseinheit 21 kann in der Prüfstandautomati sierungseinheit 20 als Hardware und/oder Software integriert sein, kann aber auch getrennt von der Prüfstandautomatisierungseinheit 20 sein, beispielsweise in Form einer eigenen Si mulationshardware und Simulationssoftware. Der Prüflauf wird von einer Prüflaufeinheit 22 vorgegeben. Der Prüflauf ist beispielsweise ein zeitlicher Verlauf bestimmter Größen, wie Fahrzeuggeschwindigkeit, Steigung einer Fahrstrecke, Kurvenverlauf, usw., und kann bei spielsweise von extern vorgegeben werden. Die Prüflaufeinheit 22 kann aber auch mit
Schnittstellen zu Bedienelementen eines Fahrzeugs (Fahrpedal, Lenkrad, Bremspedal, usw.) ausgeführt sein, sodass der Prüflauf, oder ein Teil davon, direkt am Prüfstand 10 durch Be dienerführung vorgegeben werden kann. Mit der Vorgabe des Prüflaufs ergibt sich in der Interaktion des Systems aus Simulation 6, Prüfstand 10, Prüfling 12 und Belastungsmaschi ne 15 der Prüfversuch, der am Prüfstand 10 ausgeführt wird. To carry out the test run, a simulation 6 of a vehicle or a part or a component thereof is provided, the operation of which is simulated according to the specifications of the test run. For this purpose, a simulation model is provided. The simulation 6 simulates, for example, a virtual drive of a virtual vehicle along a virtual route. For this purpose, the component of the vehicle constructed on the test stand 10 (for example the internal combustion engine as the test object 12) is actually operated on the test stand. The simulation 6 also receives feedback (for example in the form of specific measured values) for carrying out the simulation 6 from this real operation. The simulation 6 with the implemented simulation model is executed by a simulation unit 21 and can also process measured variables from the test stand 10 for this purpose. The simulation unit 21 may be integrated in the test bench automation unit 20 as hardware and / or software, but may also be separate from the test bed automation unit 20, for example in the form of its own simulation hardware and simulation software. The test run is specified by a test run unit 22. The test run is, for example, a time course of certain variables, such as vehicle speed, slope of a route, curve, etc., and can be specified for example from an external source. The test unit 22 can also with Interfaces to controls of a vehicle (accelerator pedal, steering wheel, brake pedal, etc.) to be executed so that the test run, or a part thereof, can be specified directly on the test bench 10 by Be dienerführung. With the specification of the test result results in the interaction of the system of Simulation 6, 10 test, 10 and 12 Prüfemaschi ne the test run, which is performed on the test bench 10.
Während der Durchführung des Prüfversuchs werden am Prüfstand 10 oftmals mit Messein richtungen 18 auch Messungen am Prüfling 12 durchgeführt, um bestimmte Aussagen über das Verhalten des Prüflings 12 treffen zu können. Typische und oftmalig vorgesehene Mes sung erfassen das Emissionsverhalten eines Verbrennungsmotors, den Verbrauch oder Leistungsbedarf des Prüflings, die erzeugte Leistung des Prüflings, usw. Solche Messungen liefern unter anderem auch Messdaten bzw. charakteristische Kennwerte als Fahrzeugpara meter, entweder direkt oder durch eine entsprechende Verarbeitung der Messdaten. During the implementation of the test 10 measurements are often carried out at the test bench 10 with Messein directions and measurements on the test specimen 12 to make certain statements about the behavior of the specimen 12 can. Typical and frequently provided measurements include the emission behavior of an internal combustion engine, the consumption or power requirement of the test object, the generated power of the test object, etc. Such measurements also provide, for example, measured data or characteristic parameters as vehicle parameters, either directly or through appropriate processing of the test object measurement data.
Im in Fig.7 dargestellten Beispiel definiert der Prüflauf die zeitbasierte Vorgabe der Fahrstre cke eines Fahrzeugs in Form der Steigung RG und des Geschwindigkeitsverlaufs v. Dieser Prüflauf wird der Simulationseinheit 21 vorgegeben, in der ein Simulationsmodell, beispiels weise ein Modell eines Fahrzeugs, das entlang einer Fahrtstrecke bewegt wird, implemen tiert ist, das die Simulation 6 ausführt. Auf Basis der aktuellen Motordrehzahl n,st und des aktuellen Drehmoments Mist des Prüflings 12 und den Vorgaben des Prüflaufs errechnet die Simulationseinheit 21 die Gaspedalstellung ason als Stellgröße für den Verbrennungsmotor als Prüfling 12, sowie das Sollmoment Mson als Sollwert für die Regelung der Belastungsma schine 15, z.B. im Belastungsmaschinenregler 14. Das Einstellen bzw. Umsetzen der Stell größe und der Sollwerte am Prüfstand 10 führt zu einem bestimmten Zustand des Prüflings 12. Je nach Prüfstand 10 und Prüfling 12 und Simulation 6 können natürlich auch andere Vorgabegrößen, Stellgrößen und Messgrößen Verwendung finden. Im dargestellten Beispiel ist als Messeinrichtung 18 eine Emissionsmesseinrichtung vorgesehen, um während der Durchführung des Prüflaufs Emissionsgrößen im Abgas des Verbrennungsmotors zu erfas sen. In the example shown in FIG. 7, the test run defines the time-based predefinition of the lane of a vehicle in the form of the gradient RG and of the speed curve v. This test run is given to the simulation unit 21, in which a simulation model, for example, a model of a vehicle, which is moved along a route, implemen ted, which performs the simulation 6. On the basis of the current engine speed n, st and the current torque Mi st of the test specimen 12 and the specifications of the test run the simulation unit 21 calculates the accelerator pedal position a so n as a manipulated variable for the engine as the DUT 12, and the target torque M so n as the setpoint for the The setting or conversion of the manipulated variable and the setpoint values on the test bench 10 leads to a specific state of the test object 12. Depending on the test bench 10 and the test object 12 and simulation 6, other predefined variables, of course, can also be used. Actuating variables and measured variables are used. In the illustrated example, an emission measuring device 18 is provided as measuring device 18 to sen during the execution of the test run emission quantities in the exhaust gas of the internal combustion engine.
Für die Durchführung der Simulation 6 für den Prüfversuch am Prüfstand 10 ist es notwen dig, das Simulationsmodell mit Simulationsparametern SP zu parametrieren. Hierfür kann zumindest ein über ein Abbildungsmodell Mx wie oben beschrieben berechneter Aus gangsparameter Aj als Simulationsparameter SP verwendet werden, um einen Parameter des Simulationsmodell zu bedaten, wie in Fig.3 dargestellt. For carrying out the simulation 6 for the test run on the test bench 10, it is necessary to parameterize the simulation model with simulation parameters SP. For this purpose, at least one output parameter A j calculated via an imaging model Mx as described above can be used as the simulation parameter SP in order to condition a parameter of the simulation model, as shown in FIG.
Wenn als Ausgangsparameter Aj auch charakteristische Kennwerte MP ermittelt werden, dann können diese optional auch verwendet werden, um ein Ergebnis einer Simulation 6 zu validieren, wie ebenfalls in Fig.3 angedeutet. Das Simulationsmodell 23 wurde für die Simu-
lation 6 mit ermittelten Simulationsparametern SP parametrisiert. Bei der Durchführung des Prüfversuchs am Prüfstand 10 kann sich im Zusammenspiel des Systems aus Simulation 6, Prüfstand 10 mit Prüfling 12 und Belastungsmaschine 15 als Ergebnis ein charakteristischer Kennwert MPM ergeben. Dieser kann beispielsweise direkt gemessen werden oder kann aus anderen Ergebnissen oder Messungen des Prüfversuchs abgeleitet werden. Ein solcher cha rakteristischer Kennwert MPM, der während des Prüfversuchs ermittelt wurde, kann mit ei nem charakteristischen Kennwert MP der Ausgangsparameter Aj, beispielsweise ein Norm verbrauch oder eine Emissionsgröße, die mit einem Abbildungsmodell Mx berechnet wurden, zur Validierung in einer Vergleichseinheit 19 verglichen werden. Die Vergleichseinheit 19 (Hardware und/oder Software) kann in der Prüfstandautomatisierungseinheit 20 integriert sein, oder kann davon getrennt sein. Sofern die Abweichung in einer für die Anwendung festgelegten akzeptablen Rahmen liegt, können die mit den Abbildungsmodellen Mx ermittel ten Simulationsparameter SP als valide betrachtet werden. If characteristic values MP are also determined as output parameters A j , these can optionally also be used to validate a result of a simulation 6, as also indicated in FIG. 3. The simulation model 23 was used for simulation 6 parameterized with determined simulation parameters SP. When carrying out the test on the test bench 10 can result in the interaction of the system from Simulation 6, 10 test with test specimen 12 and loading machine 15 as a result, a characteristic value MPM. This can for example be measured directly or can be derived from other results or measurements of the test. Such a characteristic value MPM, which was determined during the test, can be compared with a characteristic parameter MP of the output parameters Aj, for example a standard consumption or an emission quantity, which was calculated using an imaging model Mx, for validation in a comparison unit 19. The comparison unit 19 (hardware and / or software) may be integrated in the test bed automation unit 20, or may be separate therefrom. If the deviation is within an acceptable range specified for the application, the simulation parameters SP determined using the imaging models Mx can be considered as valid.
Ein Ausgangsparameter Aj und/oder das Ergebnis der Simulation 6, gegebenenfalls gemein sam mit dem Ergebnis der Validierung, z.B. die Abweichung zwischen dem gemessenen Kennwert MPM und dem vorhergesagten charakteristischen Kennwert MP, kann dann in ge eigneter Weise als Benutzerrückmeldung an einer geeigneten Ausgabeeinheit 7 ausgegeben werden. Gleichfalls ist es möglich, einen Ausgangsparameter Aj in der Fahrzeugdatenbank 1 zu speichern. An output parameter Aj and / or the result of the simulation 6, possibly together with the result of the validation, e.g. the deviation between the measured characteristic value MPM and the predicted characteristic characteristic value MP can then be output in a suitable manner as user feedback to a suitable output unit 7. Likewise, it is possible to store an output parameter Aj in the vehicle database 1.
Mit Fig.5 wird noch eine weitere Anwendung der Erfindung beschrieben. Hier werden die Eingangsparameter E, an einer Benutzerschnittstelle 4c (z.B. wie in Fig.4 dargestellt) vorge geben. Anhand der Abbildungsmodelle Mx werden wiederum die Ausgangsparameter Aj, vorzugsweise alle anderen unbekannten Parameter des Fahrzeugdatensatzes, berechnet. Dieser derart ermittelte Fahrzeugdatensatz, aus den Eingangsparametern E, und den Aus gangsparametern Aj, kann mit einem vorgegebenen Fahrzeugdatensatz 8 verglichen wer den, um diesen zu validieren. Das Ergebnis der Validierung, z.B. in Form der Abweichungen der einzelnen Ausgangsparameter Aj in den beiden Fahrzeugdatensätzen, kann dann in ge eigneter Weise an einer geeigneten Ausgabeeinheit 7 als Benutzerrückmeldung ausgegeben werden. Auf diese Weise kann einfach und schnell die Plausibilität eines vorhandenen Fahr zeugdatensatzes überprüft werden. With Fig.5 yet another application of the invention will be described. Here, the input parameters E are presented to a user interface 4c (eg as shown in FIG. 4). The output parameters Aj, preferably all other unknown parameters of the vehicle data set, are again calculated on the basis of the mapping models Mx. This vehicle data set determined in this way, from the input parameters E and the output parameters Aj, can be compared with a predefined vehicle data record 8 to validate it. The result of the validation, for example in the form of deviations of the individual output parameters A j in the two vehicle data sets, can then be output in a suitable manner to a suitable output unit 7 as user feedback. In this way, the plausibility of an existing vehicle data record can be easily and quickly checked.
Mit anderen Worten können also die Abweichungen zwischen gespeicherten Werten und daraus mittels Abbildungsmodellen Mx berechneten Werten minimiert werden, indem falsch vorgegebene Eingangsparameter E, und/oder unplausible Datensätze für Fahrzeuge, Teil komponenten und Teilsysteme eines Fahrzeugs identifiziert und in weiterer Folge nicht be rücksichtig werden. Dazu können beispielsweise Konfidenzbereiche für Eingangsparameter Ei definiert werden, so dass Parameter als falsch identifiziert werden können, wenn ihre Wer-
te außerhalb dieser Konfidenzbereiche liegen. Wenn beispielsweise die Werte der Eingabe parameter Ei den kleinsten Wert in der Datenbank um einen vorgegebenen Prozentsatz un terschreiten oder den größten Wert überschreiten, liegt ein falscher bzw. falsch vorgegebe ner Parameter vor. Die zulässige Unter- bzw. Überschreitung kann dabei in Fein-, Mittel- und Grobbereichen definiert werden. In other words, therefore, the deviations between stored values and values calculated therefrom by means of imaging models Mx can be minimized by identifying incorrectly specified input parameters E, and / or implausible data records for vehicles, subcomponents and subsystems of a vehicle and subsequently not taking them into consideration. For this purpose, for example, confidence ranges for input parameters Ei can be defined, so that parameters can be identified as being false if their values lie outside these confidence ranges. If, for example, the values of the input parameter Ei fall below the smallest value in the database by a specified percentage or exceed the largest value, then a wrong or incorrectly predefined parameter is present. The permissible undershoot or overshoot can be defined in fine, medium and coarse ranges.
Damit eröffnen sich beispielhaft folgende Anwendungsmöglichkeiten: a) Ein Fahrzeughersteller möchte ein neues Fahrzeugmodell entwickeln. Aufgrund einfacher grundlegender Angaben in Form von Eingangsparametern Ei, wie beispielsweise Länge, Breite Höhe des Fahrzeugs, Fahrzeugklasse, kann mittels der Abbildungsmodelle Mx, die auf Basis von Fahrzeugdaten bestehender Fahrzeugmodelle des Fahrzeugherstellers er zeugt wurden, bereits ein erster Fahrzeugdatensatz für das neue Fahrzeugmodell erstellt werden. Mit diesem Fahrzeugdatensatz kann die Entwicklung, beispielsweise anhand von Simulationen begonnen werden. Mit den Abbildungsmodellen Mx kann auch das Verhalten des neuen Fahrzeugmodells prognostiziert werden. b) Aus frei recherchierbaren Daten eines bestimmten Fahrzeugs (z.B. Daten aus den Hand büchern und Veröffentlichungen), also aus Eingangsparametern Ei, können anhand von vor handenen oder ermittelten Abbildungsmodellen Mx anderer Parameter des Fahrzeugdaten satzes (Ausgangsparameter Aj) automatisch generiert werden. c) Baut ein Simulationsingenieur für eine Simulation einen Fahrzeugdatensatz auf, können anhand von bekannten Konstruktionsparameter (Eingangsparameter E,) und der Abbil dungsmodelle Mx andere Parameter des Fahrzeugdatensatzes (Ausgangsparameter Aj) er mittelt werden, mit denen eine einfache Plausibilitätsprüfung des aufgebauten Fahrzeugda tensatzes für die Simulation durchgeführt werden kann. d) Die Ingenieure an Prüfständen erhalten aus der Simulationsabteilung einen Fahrzeugda- tensatz. Mit der Möglichkeit der Validierung des Fahrzeugdatensatzes können sie einfach und schnell überprüfen, ob der Fahrzeugdatensatz valide ist. Es kann so verhindert werde, dass durch fehlerhafte Fahrzeugdatensätze Entwicklungszeit verschwendet wird. This opens up the following application possibilities, for example: a) A vehicle manufacturer wants to develop a new vehicle model. Due to simple basic information in the form of input parameters Ei, such as length, width height of the vehicle, vehicle class, by means of the mapping models Mx, based on vehicle data of existing vehicle models of the vehicle manufacturer he was witnessed, already a first vehicle data set for the new vehicle model are created , With this vehicle data set, the development, for example, based on simulations can be started. With the mapping models Mx, the behavior of the new vehicle model can also be predicted. b) From freely searchable data of a particular vehicle (for example data from manuals and publications), ie from input parameters Ei, other parameters of the vehicle data set (output parameters Aj) can be automatically generated based on existing or determined mapping models Mx. c) If a simulation engineer constructs a vehicle data set for a simulation, other parameters of the vehicle data set (output parameter Aj) can be averaged based on known design parameters (input parameters E,) and mapping models Mx, with which a simple plausibility check of the constructed vehicle data record for the vehicle Simulation can be performed. d) Engineers at test benches receive a vehicle data record from the simulation department. With the possibility of validating the vehicle data record, you can easily and quickly check whether the vehicle data record is valid. It can be prevented that is wasted by defective vehicle records development time.
Eine beispielhafte Realisierung des Verfahrens ist in Fig. 6 dargestellt: An exemplary implementation of the method is shown in FIG. 6:
Für die Realisierung des Verfahrens sind zumindest eine Datenhaltungseinheit 100 und eine Prüfstandautomatisierungseinheit 20 notwendig. Die Prüfstandautomatisierungseinheit 20 besitzt beispielsweise eine Applikationseinheit 200, eine Prüflaufeinheit 22 und zumindest eine Simulationseinheit 21. Ferner kann eine Benutzerschnittstelle 4 und eine Ausgabeein heit 7 in Form eines Ein- und Ausgabegeräts vorgesehen sein, beispielsweise zur Paramet-
rierung, Auswertung und zur Darstellung von Ausgangsparametern Aj und/oder Ergebnissen des Prüfversuchs oder der Parameterermittlung. Die einzelnen Einheiten können über eine geeignete Datenschnittstelle 11 miteinander kommunizieren (z.B. Shared Memory, TCP, CAN,...), wobei verschiedene Einheiten auch über unterschiedliche Schnittstellen kommuni- zieren können. Jede der Einheiten kann des Weiteren zumindest eine geeignete Bedienober fläche und lokale Speicher aufweisen. For the realization of the method, at least one data-keeping unit 100 and a test-bench automation unit 20 are necessary. The test bed automation unit 20 has, for example, an application unit 200, a test run unit 22 and at least one simulation unit 21. Furthermore, a user interface 4 and an output unit 7 can be provided in the form of an input and output device, for example for parameter setting. ration, evaluation and presentation of output parameters Aj and / or results of the test or parameter determination. The individual units can communicate with one another via a suitable data interface 11 (eg shared memory, TCP, CAN, etc.), wherein different units can also communicate via different interfaces. Each of the units may further comprise at least one suitable user interface and local memories.
Die Datenhaltungseinheit 100 besitzt die zumindest eine Fahrzeugdatenbank 1 , T mit den Datensätzen für Fahrzeuge, Teilkomponenten und Teilsysteme der Fahrzeuge. Die Applika tionseinheit 200 beinhaltet eine Modellberechnungseinheit 2 zur Ermittlung der Abbildungs- modelle Mx, eine Parameterberechnungseinheit 9 zur Vorhersage von nicht vorhanden Aus gangsparametern Aj, sowie eventuell auch eine Datenüberprüfungseinheit 10 zur Validierung von Fahrzeugdatensätzen, insbesondere fremden, bzw. von extern vorgegebenen Fahr zeugdatensätzen. Die Simulationseinheit 21 besitzt Simulationsmodelle 23 sowie eine Be rechnungseinheit 24 zur Ausführung der Simulationsmodelle 23, welche auch in Echtzeit erfolgen kann. Ein Simulationsmodell 23 weist beispielsweise zumindest eines oder mehrere der folgenden Modelle auf: Fahrzeugmodell, Fahrermodell, Straßen- oder Streckenmodell, Radmodell, Umgebungsmodell. Damit kann eine virtuelle Fahrt eines virtuellen Fahrzeugs mit einem virtuellen Fahrer entlang einer virtuellen Fahrstrecke simuliert werden. In der Da tenhaltungseinheit 100 und/oder der Prüfstandautomatisierungseinheit 20, oder Teilkompo- nenten davon, wie der Applikationseinheit 200 und/oder Simulationseinheit 21 , können auch Ein- und Ausgabegeräte 4, 7 vorgesehen sein. Die unterschiedlichen Einheiten können auf unterschiedlicher Hardware oder, zumindest teilweise, auch auf gleicher Hardware ausge führt sein.
The data storage unit 100 has the at least one vehicle database 1, T with the data records for vehicles, subcomponents and subsystems of the vehicles. The application unit 200 includes a model calculation unit 2 for determining the imaging models Mx, a parameter calculation unit 9 for predicting non-existent output parameters Aj, as well as possibly also a data verification unit 10 for validating vehicle data sets, in particular foreign or external predefined driving data records. The simulation unit 21 has simulation models 23 and a calculation unit 24 for executing the simulation models 23, which can also take place in real time. For example, a simulation model 23 includes at least one or more of the following models: vehicle model, driver model, road or distance model, wheel model, environment model. Thus, a virtual journey of a virtual vehicle with a virtual driver along a virtual route can be simulated. In the data holding unit 100 and / or the test bed automation unit 20, or subcomponents thereof, such as the application unit 200 and / or simulation unit 21, also input and output devices 4, 7 may be provided. The different units can be on different hardware or, at least partially, out on the same hardware leads.
Claims
1. Verfahren zum Bestimmen des Wertes zumindest eines Fahrzeugparameters eines Fahrzeugdatensatzes eines Fahrzeugs, einer Teilkomponente oder eines Teilsystems eines Fahrzeugs, wobei aus den Fahrzeugparametern des Fahrzeugdatensatzes aufgabenabhän gig eine erste Anzahl von Eingangsparameter (E,) und eine zweite, vorzugsweise zur ersten Anzahl komplementäre, Anzahl von Ausgangsparameter (Aj) festgelegt werden und eine Fahrzeugdatenbank (1), in der für eine im Sinne der Modellbildung hinreichende Anzahl von validierten Fahrzeugen jeweils Werte der Eingangsparameter (E,) und Werte der Aus gangsparameter (Aj) in Form von bekannten Fahrzeugdatensätzen (Fahrzeug, Teilkompo nenten-, oder Teilsystemdatensätzen) gespeichert werden, verwendet wird, um eine Abhän gigkeit der Ausgangsparameter (Aj) von der Anzahl der Eingangsparameter (E,) in Form ei ner Anzahl von Abbildungsmodellen (Mx) zu identifizieren (Systemidentifikation, Modellbil dung), und anhand dieser Anzahl der Abbildungsmodelle (Mx) und von vorgegebenen Wer ten der Eingangsparameter (E,) der Wert der Anzahl der Ausgangsparameter (Aj) als Fahr zeugparameter des Fahrzeugdatensatzes bestimmt wird. A method for determining the value of at least one vehicle parameter of a vehicle data record of a vehicle, a subcomponent or a subsystem of a vehicle, wherein a first number of input parameters (E,) and a second, preferably complementary to the first number, of the vehicle parameters of the vehicle data record, Number of output parameters (Aj) and a vehicle database (1) in which, for a model-forming number of validated vehicles, respectively values of the input parameters (E,) and values of the output parameters (Aj) in the form of known vehicle data sets (Aj) Vehicle, subcomponent, or subsystem datasets) is used to identify a dependency of the output parameters (Aj) on the number of input parameters (E,) in the form of a number of mapping models (Mx) (system identification, model formation ), and on the basis of this number of imaging models (Mx) and of predefined values of the input parameters (E,), the value of the number of output parameters (Aj) is determined as a vehicle parameter of the vehicle data record.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass zusätzlich zumindest eine Abhängigkeit eines zusätzlichen Ausgangsparameters (Aj) von einer Anzahl der Ein gangsparameter (Ei) in Form einer bekannten Berechnungsvorschrift modelliert wird. 2. The method according to claim 1, characterized in that in addition at least one dependence of an additional output parameter (Aj) of a number of input parameters A (Ei) is modeled in the form of a known calculation rule.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass zumindest ein Ausgangsparameter (Aj) ein Simulationsparameter ist, mit dem zur Durchführung einer Simu lation ein Simulationsmodell des Fahrzeugs, einer Fahrzeugkomponente, einer Teilkompo nente oder eines Teilsystems eines Fahrzeugs parametrisiert wird. 3. The method of claim 1 or 2, characterized in that at least one output parameter (Aj) is a simulation parameter, with the implementation of a Simu lation a simulation model of the vehicle, a vehicle component, a Teilkompo component or a subsystem of a vehicle is parameterized.
4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass der ermittelte Fahrzeugdatensatz mit einem vorgegebenen Fahrzeugdatensatz verglichen wird und das Vergleichsergebnis ausgegeben wird, wobei vorzugsweise eine Plausibilitätsprüfung zwischen dem ermittelten und dem vorgegebenen Fahrzeugdatensatz vorgenommen wird. 4. The method according to any one of claims 1 to 3, characterized in that the determined vehicle data set is compared with a predetermined vehicle data set and the comparison result is output, preferably a plausibility check between the determined and the predetermined vehicle data set is made.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass als Abbildungsmodelle (Mx) Polynommodelle oder Neuronale Netze verwendet werden, die durch Regression und/oder Training ermittelt werden. 5. The method according to any one of claims 1 to 4, characterized in that as imaging models (Mx) polynomial models or neural networks are used, which are determined by regression and / or training.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass die Abweichungen zwischen gespeicherten Werten und daraus mittels Abbildungsmodellen (Mx) berechneten Werten minimiert werden, indem falsch vorgegebene Eingangsparameter (E,)
und/oder unplausible Fahrzeugdatensätze identifiziert und nicht berücksichtigt/verwendet werden. 6. Method according to one of claims 1 to 5, characterized in that the deviations between stored values and values calculated therefrom by means of imaging models (Mx) are minimized by incorrectly predefined input parameters (E,) and / or implausible vehicle records identified and not taken into account / used.
7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass für die Eingangsparame ter (Ei) anhand der Fahrzeugdatensätze der Fahrzeugdatenbank (1) Konfidenzbereiche defi niert werden und neue Eingangsparameter (E,) als falsch identifiziert werden, wenn ihre Wer te außerhalb der Konfidenzbereiche liegen. 7. The method according to claim 6, characterized in that for the Eingangsparame ter (Ei) based on the vehicle data sets of the vehicle database (1) confidence ranges defi ned and new input parameters (E,) are identified as wrong if their who te outside the confidence ranges ,
8. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass den Fahrzeugdatensätzen der Fahrzeugdatenbank (1) zumindest teilweise zumindest ein Quali tätsindikator zugewiesen wird. 8. The method according to any one of claims 1 to 7, characterized in that the vehicle data sets of the vehicle database (1) at least partially at least one Quali tätsindikator assigned.
9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass zur Er mittlung des Fahrzeugdatensatzes die Werte der Eingabeparameter (E,) eines vorgegebenen Fahrzeugdatensatzes einer Teilmenge der in der Fahrzeugdatenbank gespeicherten validier ten Fahrzeugdatensätze verwendet wird. 9. The method according to any one of claims 1 to 8, characterized in that the values of the input parameters (E,) of a predetermined vehicle data set of a subset of the validated th vehicle data sets stored in the vehicle database is used to determine the vehicle data set.
10. Verwendung zumindest eines nach dem Verfahren nach den Ansprüchen 1 bis 9 ermit telten Fahrzeugparameters als Simulationsparameter (SP) zum Parametrieren eines Simula tionsmodells (23) zum Simulieren eines Fahrzeugs oder eines Teilsystems des Fahrzeugs in einer Simulation (6) für die Durchführung eines Prüfversuchs mit einem Prüfling (12) und einer damit verbundenen Belastungsmaschine (15) auf einem Prüfstand (10), wobei der Prüfversuch zumindest teilweise mit der Simulation (6) gesteuert wird. 10. Use of at least one vehicle parameter determined by the method according to claims 1 to 9 as simulation parameter (SP) for parameterizing a simulation model (23) for simulating a vehicle or a subsystem of the vehicle in a simulation (6) for carrying out a test with a test piece (12) and an associated loading machine (15) on a test stand (10), wherein the test is at least partially controlled by the simulation (6).
1 1. Verwendung nach Anspruch 10, dadurch gekennzeichnet, dass die Durchführung des Prüfversuchs am Prüfstand (10) einen charakteristischen Kennwert (MPM) des Prüflings (12) liefert und zumindest ein mit einem Abbildungsmodell (Mx) ermittelter Fahrzeugparameter (MP) der entsprechende charakteristische Kennwert ist und die beiden charakteristischen Kennwerte verglichen werden, um die Simulation (6) zu validieren. 1 1. Use according to claim 10, characterized in that the implementation of the test on the test bench (10) provides a characteristic characteristic value (MPM) of the specimen (12) and at least one with a mapping model (Mx) determined vehicle parameters (MP) of the corresponding characteristic Characteristic value and the two characteristic parameters are compared in order to validate the simulation (6).
12. Prüfstand zur Durchführung eines Prüfversuchs an einem Prüfling (12), der mit einer Belastungsmaschine (15) verbunden wird, wobei eine Prüfstandautomatisierungseinheit (20) vorgesehen ist, die den Prüfling (12) und die Belastungsmaschine (15) zur Durchführung des Prüfversuchs nach den Vorgaben eines Prüflaufs steuert, wobei ferner eine Simulationsein heit (21) zur Simulation (6) eines Fahrzeugs oder eines Teilsystems des Fahrzeugs mit ei nem Simulationsmodell (23) vorgesehen ist und die Prüfstandautomatisierungseinheit (20) zur Durchführung des Prüfversuchs ein Ergebnis der Simulation (6) zumindest teilweise für die Steuerung des Prüflings (12) und/oder der Belastungsmaschine (15) verwendet, und wo bei zumindest ein Simulationsparameter (SP) des Simulationsmodells (23) ein nach den An sprüchen 1 bis 9 ermittelter Fahrzeugparameter ist.
12. A test stand for performing a test on a test specimen (12) which is connected to a loading machine (15), wherein a test bench automation unit (20) is provided, the test specimen (12) and the loading machine (15) for performing the test after Furthermore, a simulation unit (21) for simulating (6) a vehicle or a subsystem of the vehicle with a simulation model (23) is provided and the test bed automation unit (20) for carrying out the test is a result of the simulation (FIG. 6) at least partially used for the control of the test piece (12) and / or the loading machine (15), and where in at least one simulation parameter (SP) of the simulation model (23) is a determined according to the entitlements 1 to 9 vehicle parameters.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ATA50204/2018A AT520827B1 (en) | 2018-03-09 | 2018-03-09 | A method of determining a vehicle parameter of a vehicle record of a vehicle and using the vehicle parameter on a test bench |
ATA50204/2018 | 2018-03-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2019169421A1 true WO2019169421A1 (en) | 2019-09-12 |
Family
ID=65894825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/AT2019/060079 WO2019169421A1 (en) | 2018-03-09 | 2019-03-08 | Method for determining a vehicle parameter of a vehicle data set of a vehicle, and use of the vehicle parameter at a test bench |
Country Status (2)
Country | Link |
---|---|
AT (1) | AT520827B1 (en) |
WO (1) | WO2019169421A1 (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069661A (en) * | 2020-08-18 | 2020-12-11 | 华中科技大学 | Parameter intelligent setting method and system for test system |
CN114460925A (en) * | 2022-01-29 | 2022-05-10 | 重庆长安新能源汽车科技有限公司 | Automatic HIL (high-level intelligence) testing method for CAN (controller area network) interface of electric automobile controller |
CN114491722A (en) * | 2022-03-22 | 2022-05-13 | 中汽研汽车检验中心(天津)有限公司 | Automatic modeling method for user-defined vehicle controller |
US11768975B1 (en) | 2022-03-22 | 2023-09-26 | Catarc Automotive Test Center (tianjin) Co., Ltd. | Automatic modeling method for user-defined vehicle controller |
DE102022108135A1 (en) | 2022-04-05 | 2023-10-05 | Bayerische Motoren Werke Aktiengesellschaft | Method and device for parameterizing a vehicle component |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022202877A1 (en) | 2022-03-24 | 2023-09-28 | Zf Friedrichshafen Ag | System and method for generating simulation parameters |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2906052A1 (en) * | 2006-09-20 | 2008-03-21 | Peugeot Citroen Automobiles Sa | Combustion engine optimizing method for motor vehicle, involves selecting number of operating points, and fusing local models by statistical training method to determine model for calculating every operating point |
WO2014187828A1 (en) * | 2013-05-22 | 2014-11-27 | Avl List Gmbh | Methods for ascertaining a model of a starting variable of a technical system |
DE102014214559A1 (en) * | 2014-07-24 | 2016-01-28 | Bayerische Motoren Werke Aktiengesellschaft | Indirect vehicle parameterization via user profiles |
US20180060468A1 (en) * | 2016-08-30 | 2018-03-01 | Sas Institute Inc. | Comparison and selection of experiment designs |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10046742A1 (en) * | 2000-09-21 | 2002-04-11 | Daimler Chrysler Ag | Device and method for a vehicle design system |
AT501214B1 (en) * | 2003-03-14 | 2008-11-15 | Avl List Gmbh | METHOD OF DESIGNING AND CONSTRUCTING COMPLEX TECHNICAL PRODUCTS |
EP1770618A1 (en) * | 2005-09-26 | 2007-04-04 | Mazda Motor Corporation | Vehicle planning support system |
US10599788B2 (en) * | 2015-12-30 | 2020-03-24 | International Business Machines Corporation | Predicting target characteristic data |
-
2018
- 2018-03-09 AT ATA50204/2018A patent/AT520827B1/en active
-
2019
- 2019-03-08 WO PCT/AT2019/060079 patent/WO2019169421A1/en active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2906052A1 (en) * | 2006-09-20 | 2008-03-21 | Peugeot Citroen Automobiles Sa | Combustion engine optimizing method for motor vehicle, involves selecting number of operating points, and fusing local models by statistical training method to determine model for calculating every operating point |
WO2014187828A1 (en) * | 2013-05-22 | 2014-11-27 | Avl List Gmbh | Methods for ascertaining a model of a starting variable of a technical system |
DE102014214559A1 (en) * | 2014-07-24 | 2016-01-28 | Bayerische Motoren Werke Aktiengesellschaft | Indirect vehicle parameterization via user profiles |
US20180060468A1 (en) * | 2016-08-30 | 2018-03-01 | Sas Institute Inc. | Comparison and selection of experiment designs |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069661A (en) * | 2020-08-18 | 2020-12-11 | 华中科技大学 | Parameter intelligent setting method and system for test system |
CN114460925A (en) * | 2022-01-29 | 2022-05-10 | 重庆长安新能源汽车科技有限公司 | Automatic HIL (high-level intelligence) testing method for CAN (controller area network) interface of electric automobile controller |
CN114460925B (en) * | 2022-01-29 | 2023-05-23 | 重庆长安新能源汽车科技有限公司 | Automatic test method for CAN interface HIL of electric automobile controller |
CN114491722A (en) * | 2022-03-22 | 2022-05-13 | 中汽研汽车检验中心(天津)有限公司 | Automatic modeling method for user-defined vehicle controller |
CN114491722B (en) * | 2022-03-22 | 2023-01-10 | 中汽研汽车检验中心(天津)有限公司 | Automatic modeling method for user-defined vehicle controller |
US11768975B1 (en) | 2022-03-22 | 2023-09-26 | Catarc Automotive Test Center (tianjin) Co., Ltd. | Automatic modeling method for user-defined vehicle controller |
DE102022108135A1 (en) | 2022-04-05 | 2023-10-05 | Bayerische Motoren Werke Aktiengesellschaft | Method and device for parameterizing a vehicle component |
Also Published As
Publication number | Publication date |
---|---|
AT520827B1 (en) | 2019-08-15 |
AT520827A4 (en) | 2019-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AT520827B1 (en) | A method of determining a vehicle parameter of a vehicle record of a vehicle and using the vehicle parameter on a test bench | |
EP3374748B1 (en) | Method to generate a test sequence | |
DE102005026040B4 (en) | Parameterization of a simulation working model | |
EP3485402A1 (en) | Method for simulation-based analysis of a motor vehicle | |
EP1623284B1 (en) | Method for optimizing vehicles and engines used for driving such vehicles | |
EP2244141A1 (en) | Method and device for verifying an automation system | |
DE102019134053A1 (en) | Process for the continuous validation of automated driving functions applied in driving tests | |
DE102011081346A1 (en) | Method of creating a function for a controller | |
DE102016125538A1 (en) | Method for verifying actuator control data | |
EP3374618A1 (en) | System and method for calibrating a vehicle component | |
DE102017106943A1 (en) | Method and arrangement for simulating driving tests | |
WO2018177526A1 (en) | Robustness analysis for vehicles | |
DE102006045785A1 (en) | Diagnostics method for self-diagnosis of test systems, especially test benches for machines/machine tools, uses a test piece with its adjusting/supply devices and a set-up of measuring instruments | |
DE10133670A1 (en) | Method for automatic generation of a knowledge base for a technical system diagnosis system from a model of the technical system, e.g. for fault monitoring and diagnosis of a motor vehicle onboard control system | |
DE102012210516A1 (en) | Method for virtual application of components in motor car, involves performing the measurement of component by optimization of second parameters set, and enabling the rating of second parameter set | |
DE102020006248A1 (en) | Method for generating a partially synthetic driving cycle | |
AT522649A1 (en) | Method and system for determining the amount of air supplied to an internal combustion engine | |
DE102017205437A1 (en) | Robustness analysis in vehicles | |
DE102018127711A1 (en) | Method for developing an internal combustion engine | |
DE102021115103B3 (en) | Method, device, vehicle and computer program for modeling and monitoring a heating behavior of a vehicle component | |
AT523048B1 (en) | Device, reference vehicle with a device and method for evaluating and / or calibrating a test bench | |
DE102018217139B4 (en) | Method and device for configuring a characteristic function of a control device of a motor vehicle | |
DE102013202155A1 (en) | Method for checking or identifying a model structure | |
DE102018204962A1 (en) | Robustness analysis in vehicles | |
WO2021105103A1 (en) | Method and software tool for making executable specifications in system development or system validation of complex functional systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 19712672 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 19712672 Country of ref document: EP Kind code of ref document: A1 |