Technisches Gebiet

Die vorliegende Erfindung betrifft ein Verfahren zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks und das Ermitteln eines Skalierfaktors für die Kupplungstemperatur. Die Erfindung betrifft zudem eine zugehörige Steuereinrichtung zur Bestimmung einer Kupplungstemperatur einer Fahrzeugkupplung mit einem neuronalen Netzwerk und zur Anwendung eines ermittelten Skalierfaktors auf die Kupplungstemperatur.

Stand der Technik

Die Temperatur einer Fahrzeugkupplung kann mittels eines klassischen regelbasierten mathematischen Modells berechnet werden. Hierfür kann auch maschinelles Lernen verwendet werden, beispielsweise ein neuronales Netz. Die Berechnung kann in einem Getriebesteuergerät stattfinden. Die auf dem Getriebesteuergerät zur Verfügung stehende Berechnungskapazität kann limitiert sein. Weitere neuronale Netze können für die Bestimmung weiterer Kupplungstemperaturen weiterer Fahrzeugkupplungen verwendet werden.

Darstellung der Erfindung

Die Erfindung bezieht sich in einem ersten Aspekt auf ein Verfahren zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks.

Die Fahrzeugkupplung kann in einem motorgetriebenen Fahrzeug, wie beispielsweise einem Kraftfahrzeug, einem Kraftrad oder einem zumindest teilweise elektrisch angetriebenen Zweirad verbaut sein. Mittels der Fahrzeugkupplung kann eine von dem Motor des Fahrzeugs aufgebrachte Antriebskraft an eine Antriebsachse des Fahrzeugs übertragen werden. Die Fahrzeugkupplung kann zumindest zwei verschiedene Schalt- zustände beziehungsweise Gänge aufweisen, welche durch ein vorgegebenes Verhältnis zwischen dem Abtriebsdrehmoment des Motors und dem Antriebsdrehmoment der Antriebsachse definiert sein können.

Unter einer Kupplungstemperatur kann die Temperatur zumindest eines Kupplungselements verstanden werden, beispielsweise die Temperatur einer Kupplungsscheibe. Alternativ kann unter einer Kupplungstemperatur auch eine Temperatur der gesamten Fahrzeugkupplung verstanden werden, welche beispielsweise auf der Bestimmung eines Mittelwerts der einzelnen Temperaturen der Kupplungselemente basieren kann. Durch den Betrieb des Fahrzeugs kann sich die Temperatur der Fahrzeugkupplung ändern. Beispielsweise kann die Temperatur der Fahrzeugkupplung während eines Schaltvorgangs beziehungsweise eines Gangwechsels steigen. Steigt die Temperatur der Fahrzeugkupplung über einen kritischen Temperaturwert, kann dies zu Beschädigungen oder einem Ausfall der Fahrzeugkupplung führen. Die Bestimmung einer Kupplungstemperatur der Fahrzeugkupplung trägt daher zur Sicherheit des Fahrzeugs bei.

Unter einem neuronalen Netzwerk kann ein mathematisches Modell verstanden werden, welches die Struktur der Neuronen im menschlichen Gehirn zumindest teilweise nachbildet. Das neuronale Netzwerk kann mithilfe eines Computers erstellt werden. Das neuronale Netzwerk kann Eingangsknoten, Ausgangsknoten und mehrere Zwischenknoten aufweisen, welche zwischen den Eingangsknoten und den Ausgangsknoten angeordnet sind. Die Eingangsknoten können beispielsweise Datenschnittstellen sein, über welche Eingabedaten in das neuronale Netzwerk eingegeben werden können. Die Ausgangsknoten können beispielsweise Datenschnittstellen sein, über welche Ausgabedaten aus dem neuronalen Netzwerk ausgegeben werden können. Die Eingangsknoten können mit den Zwischenknoten und die Zwischenknoten können miteinander verbunden sein. Die Zwischenknoten können mit den Ausgangsknoten verbunden sein. Die Eingabedaten können historische Daten sein, welche zu einem bestimmten Zeitpunkt erfasst wurden. Alternativ oder zusätzlich können die Eingabedaten synthetische Daten sein, welche durch Verarbeitung erfasster beziehungsweise gemessener Daten erzeugt wurden. Analog hierzu können die Ausgabedaten historische Daten beziehungsweise synthetische Daten sein. Auf den Zwischenknoten kann Information zumindest temporär zwischengespeichert werden. Es kann vorgesehen sein, dass auf den Zwischenknoten zumindest eine Rechenoperation ausgeführt wird. Die Eingabedaten können von den Eingangsknoten über die Zwischenknoten zu den Ausgangsknoten übertragen werden. Während dieser Übertragung können die Eingabedaten mathematisch verarbeitet werden, beispielsweise zu den Ausgabedaten umgewandelt werden. Die Zwischenknoten des neuronalen Netzwerks können in einer oder mehreren Schichten beziehungsweise Ebenen angeordnet sein. Die Zwischen knoten können innerhalb einer Schicht miteinander verbunden sein. Zusätzlich können die Zwischenknoten einer Schicht mit den Zwischenknoten anderer Schichten verbunden sein. Die einzelnen Verbindungen der Eingangsknoten, der Zwischenknoten und der Ausgangsknoten können mit mathematischen Gewichtungen versehen sein. Je nach Zweck des neuronalen Netzwerks können die einzelnen Gewichtungen der Verbindungen unterschiedlich sein. Während des Trainings des neuronalen Netzwerks können die Gewichtungen verändert werden. Durch die Anpassung der mathematischen Gewichtungen der Verbindungen der einzelnen Knoten während des Trainings kann von dem neuronalen Netzwerk ein Zusammenhang zwischen den Eingabedaten und den Ausgabedaten gelernt werden. Während der Verwendung des neuronalen Netzwerks zu dem vorgesehenen Zweck kann der gelernte Zusammenhang von dem neuronalen Netzwerk auf eingegebene Eingabedaten angewandt werden, um Ausgabedaten gemäß dem vorgegebenen Verwendungszweck des neuronalen Netzwerks zu erzeugen.

Zur Bestimmung einer Kupplungstemperatur kann beispielsweise ein Multi-Layer- Perceptron, MLP, als neuronales Netzwerk verwendet werden. Dieses neuronale Netzwerk weist zumindest eine Schicht von Zwischen knoten auf und verwendet zur Bere- chung der Ausgabedaten zumindest eine nicht-lineare mathematische Funktion. Ein weiters beispielhaftes neuronales Netzwerk zur Bestimmung einer Kupplungstemperatur kann ein Fully Connected Layer, FCL, Netzwerk sein. Bei diesem neuronalen Netzwerk sind alle Eingangsknoten, Zwischenknoten und Ausgangsknoten miteinander verbunden. Ferner kann zur Bestimmung einer Kupplungstemperatur beispielsweise ein Convolutional Neural Network, CNN, verwendet werden, bei welchem die Zwischenknoten verschiedener Schichten zumindest teilweise in Form einer mathematischen Faltungsfunktion miteinander verbunden sind. Das neuronale Netzwerk kann mit Trainingsdaten trainiert werden, welche für eine von der Fahrzeugkupplung verschiedene weitere Fahrzeugkupplung gesammelt wurden. Die Trainingsdaten können historisch erfasste oder synthetisch erzeugte Daten sein. Die Trainingsdaten können anhand einer mathematischen Simulation, beispielsweise der Simulation eines Erwärmungsvorgangs der weiteren Fahrzeugkupplung, gesammelt werden. Alternativ oder zusätzlich können die Trainingsdaten bei einer Vermessung der weiteren Fahrzeugkupplung auf einem Prüfstand gesammelt werden. Alternativ oder zusätzlich können die Trainingsdaten während eines Betriebs der weiteren Fahrzeugkupplung gesammelt werden, beispielsweise während der Fahrt eines Fahrzeugs, in welchem die weitere Fahrzeugkupplung verbaut ist. Die Fahrzeugkupplung und die weitere Fahrzeugkupplung können zumindest eine gemeinsame Eigenschaft aufweisen, welche gemäß dem Skalierfaktor zwischen der Fahrzeugkupplung und der weiteren Fahrzeugkupplung skalierbar ist. Die Trainingsdaten können zumindest einen Wert zumindest eines Betriebsparameters der weiteren Fahrzeugkupplung als Eingabedaten und Werte für die Kupplungstemperatur der weiteren Fahrzeugkupplung als Ausgabedaten umfassen. Während des Trainiervorgangs kann das neuronale Netzwerk einen Zusammenhang zwischen den Eingabedaten und den Ausgabedaten lernen.

Das Verfahren umfasst den Schritt der Eingabe zumindest eines Wertes zumindest eines Betriebsparameters der Fahrzeugkupplung als Eingabedaten in das neuronale Netzwerk. Der zumindest eine Wert des zumindest einen Betriebsparameters der Fahrzeugkupplung kann repräsentativ für eine der Fahrzeugkupplung zugeführte Leistung sein. Alternativ oder zusätzlich kann der zumindest eine Wert des zumindest einen Betriebsparameters der Fahrzeugkupplung repräsentativ für eine Kupplungstemperatur der Fahrzeugkupplung sein. Der zumindest eine Wert des zumindest einen Betriebsparameters kann beispielsweise mittels einer Eingabevorrichtung an zumindest einen der Eingangsknoten des neuronalen Netzwerks übertragen werden. Alternativ kann der zumindest eine Wert des zumindest einen Betriebsparameters von einer Steuereinrichtung des Fahrzeugs über eine Datenschnittstelle an zumindest einen der Eingangsknoten des neuronalen Netzwerks übertragen werden. Der zumindest eine Wert des zumindest einen Betriebsparameters kann als Eingabedaten für die Verwendung des neuronalen Netzwerks zur Bestimmung der Kupplungstemperatur verwendet werden. Alter- nativ oder zusätzlich kann der zumindest eine Wert des zumindest einen Betriebsparameters als Eingabedaten für das Training des neuronalen Netzwerks verwendet werden.

Das Verfahren umfasst ferner den Schritt des Berechnens einer Temperatur durch das neuronale Netzwerk. Das neuronale Netzwerk berechnet die Temperatur basierend auf den Eingabedaten und einem von dem neuronalen Netzwerk gelernten Zusammenhang zwischen einem zeitlichen Verlauf der Eingabedaten und der Temperatur. Die Eingabedaten können von dem neuronalen Netzwerk, beispielsweise auf den Zwischenknoten, gemäß dem gelernten Zusammenhang verarbeitet werden, um die Temperatur zu berechnen. Beim Lernen des Zusammenhangs kann von dem neuronalen Netzwerk die mathematische Gewichtung der Verbindungen der einzelnen Knoten geändert werden, um die Temperatur zu bestimmen.

Das Verfahren umfasst ferner den Schritt des Anwendens eines ermittelten Skalierfaktors auf die berechnete Temperatur, um die Kupplungstemperatur der Fahrzeugkupplung zu bestimmen. Der Skalierfaktor kann basierend auf gemessenen Eigenschaften der Fahrzeugkupplung ermittelt werden. Alternativ oder zusätzlich kann der Skalierfaktor basierend auf berechneten Eigenschaften der Fahrzeugkupplung ermittelt werden. Der Skalierfaktor kann ein mathematischer Wert sein, welcher zu dem Wert der berechneten Temperatur addiert oder von diesem subtrahiert wird. Alternativ oder zusätzlich kann der Skalierfaktor ein mathematischer Faktor sein, mit welchem der Wert der berechneten Temperatur multipliziert beziehungsweise dividiert wird. Alternativ oder zusätzlich kann der Skalierfaktor eine mathematische Funktion sein, welche auf den Wert der berechneten Temperatur angewandt wird. Die mathematische Funktion kann beispielsweise linear, nicht-linear, mehrdimensional, proportional, progressiv, degressiv, logarithmisch und/oder exponentiell sein. Der Wert der berechneten Temperatur kann zumindest ein Parameter der mathematischen Funktion sein. Alternativ kann der Wert der berechneten Temperatur mathematisch vorverarbeitet werden. Dieser vorverarbeitete Wert der berechneten Temperatur kann zumindest ein Parameter der mathematischen Funktion sein. Der Skalierfaktor kann aus einer Kombination der obigen Beispiele bestehen. Beispielsweise kann der Skalierfaktor aus einer mathematischen Funktion und einem mathematischen Faktor bestehen, welche jeweils auf den Wert der berech- neten Temperatur angewandt werden. Beispielsweise kann der Skalierfaktor aus zwei oder mehr mathematischen Funktionen bestehen, welche miteinander verknüpft sind.

Die bestimmte Kupplungstemperatur kann von weiteren Komponenten der Fahrzeugsteuerung verwendet werden. Beispielsweise kann mit der bestimmten Kupplungstemperatur ein Ansteuerwert für eine Steuereinheit des Fahrzeugs, beispielsweise eine Getriebesteuerung für ein Automatikgetriebe, erzeugt werden. Der Ansteuerwert kann ferner auf einer Anzeigeeinheit des Fahrzeugs dargestellt werden. Alternativ oder zusätzlich kann der auf der Kupplungstemperatur basierende Ansteuerwert von einer Auswerteeinheit verarbeitet werden, welche beispielsweise der Überwachung der Fahrsicherheit des Fahrzeugs dient.

Das vorgeschlagene Verfahren ermöglicht das Bestimmen einer Kupplungstemperatur mittels eines neuronalen Netzwerks. Hierdurch kann auf die Verwendung von klassischen mathematischen Modellen verzichtet werden, welche im Allgemeinen sehr komplex und daher zeitaufwendig zu berechnen sind. Durch die Verwendung eines neuronalen Netzwerks kann somit einerseits die zum Bestimmen der Kupplungstemperatur benötigte Berechnungszeit reduziert werden. Ferner wird die Kupplungstemperatur mittels des Skalierfaktors bestimmt. Hierdurch kann auf das Training eines weiteren neuronalen Netzwerks zur Bestimmung der Kupplungstemperatur der Fahrzeugkupplung verzichtet werden, wenn ein oder mehrere Betriebsparameter der Fahrzeugkupplung verändert werden. Weiterhin ist es nicht notwendig, den Skalierfaktor für jede von dem neuronalen Netzwerk berechnete Temperatur jeweils neu zu ermitteln. Der Skalierfaktor kann einmalig für die jeweilige Kupplung derart ermittelt werden, dass dieser auf alle von dem neuronalen Netzwerk berechneten Temperaturen angewandt werden kann, um die jeweilige Kupplungstemperatur der Fahrzeugkupplung zu bestimmen. Dadurch kann ebenfalls Berechnungskapazität eingespart werden.

Zur Bestimmung der Kupplungstemperatur weiterer Fahrzeugkupplungen kann das bereits trainierte neuronale Netzwerk verwendet werden. Für die weiteren Fahrzeugkupplungen muss lediglich ein weiterer Skalierfaktor bestimmt werden, welcher auf die von dem neuronalen Netzwerk berechnete Temperatur angewandt wird, um die Kupplungstemperaturen weiterer Fahrzeugkupplungen bestimmen zu können. Auf das Training und die Ausführung weiterer neuronaler Netze zur Bestimmung weiterer Kupplungstemperaturen kann somit verzichtet werden. Hierdurch kann die zur Bestimmung der Kupplungstemperaturen mehrerer Fahrzeugkupplungen benötigte Berechnungskapazität geringgehalten werden. Insbesondere wird es damit ermöglicht, die Bestimmung der Kupplungstemperaturen mehrerer Fahrzeugkupplungen auf einem Getriebesteuergerät auszuführen, ohne dabei die Berechnungskapazität des Getriebesteuergeräts unverhältnismäßig stark zu beanspruchen. Weitere Berechnungen auf dem Getriebesteuergerät sind somit trotz der Bestimmung mehrerer Kupplungstemperaturen möglich. Schließlich kann die Bestimmung der Kupplungstemperaturen mittels des Skalierfaktors aufgrund des geringen Berechnungsaufwands in Echtzeit durchgeführt und die bestimmten Kupplungstemperaturen an weitere Komponenten der Fahrzeugsteuerung in Echtzeit übermittelt werden. Die Sicherheit des Fahrzeugs wird dadurch erhöht.

Nach einer Ausführungsform wird der Skalierfaktor basierend auf einem Zusammenhang zwischen der von dem neuronalen Netzwerk berechneten Temperatur und einer gemessenen Kupplungstemperatur der Fahrzeugkupplung ermittelt. Die gemessene Temperatur der Fahrzeugkupplung kann während und/oder nach an der Fahrzeugkupplung durchgeführten Versuchen, beispielsweise während einer Testphase derselben, gemessen werden. Alternativ oder zusätzlich kann die gemessene Temperatur während und/oder nach dem Betrieb der Fahrzeugkupplung gemessen werden. Die berechnete Temperatur kann von der gemessenen Temperatur abweichen. Mittels des Skalierfaktors kann diese Abweichung ausgeglichen werden. Alternativ kann die berechnete Temperatur mit einem Schwellenwert für die Temperatur der Fahrzeugkupplung verglichen werden. Je näher die berechnete Temperatur an dem Schwellenwert liegt, desto größer kann der Einfluss des Skalierfaktors auf die bestimmte Kupplungstemperatur sein. Das Bestimmen der Kupplungstemperatur kann somit an ein Temperaturverhalten der Fahrzeugkupplung angepasst werden.

Gemäß einer Ausführungsform wird der Skalierfaktor basierend auf zumindest einem berechneten Parameter der Fahrzeugkupplung ermittelt. Der berechnete Parameter kann anhand eines mathematischen Modells, beispielsweise eines Simulationsmodells der Fahrzeugkupplung, berechnet werden. Alternativ oder zusätzlich kann der berechnete Parameter basierend auf Betriebsdaten der Fahrzeugkupplung berechnet werden. Der Parameter kann repräsentativ für physikalische Eigenschaften der Fahrzeugkupplung, wie beispielsweise eine Wärmeleitfähigkeit oder eine Masse der Fahrzeugkupplung, sein. Die Bestimmung der Kupplungstemperatur kann somit an verschiedene Verwendungen der Fahrzeugkupplung angepasst werden.

Nach einer weiteren Ausführungsform wird der Skalierfaktor ferner in Abhängigkeit der bestimmten Kupplungstemperatur ermittelt. Die bestimmte Kupplungstemperatur kann beispielsweise mit einem Schwellenwert für die Temperatur der Fahrzeugkupplung verglichen werden. Je näher die bestimmte Kupplungstemperatur an dem Schwellenwert liegt, desto größer kann der Einfluss des Skalierfaktors auf die bestimmte Kupplungstemperatur sein. Beispielsweise kann der Skalierfaktor umso größer sein, desto näher die bestimmte Kupplungstemperatur an dem Schwellenwert liegt. Der Skalierfaktor kann somit an Veränderungen der Kupplungstemperatur angepasst werden.

Gemäß einer Ausführungsform wird der Skalierfaktor in Abhängigkeit von zumindest einer strukturellen Eigenschaft der Fahrzeugkupplung ermittelt. Die strukturelle Eigenschaft kann beispielsweise eine geometrische Abmessung oder eine Materialzusammensetzung der Fahrzeugkupplung repräsentieren. Die strukturelle Eigenschaft kann repräsentativ für eine Wärmeleitfähigkeit beziehungsweise einen Aufheiz- oder Abkühlvorgang der Fahrzeugkupplung sein. Durch Berücksichtigung der strukturellen Eigenschaft kann die Kupplungstemperatur der Fahrzeugkupplung präziser bestimmt werden.

Nach einer weiteren Ausführungsform wird die Kupplungstemperatur durch ein weiteres dazu ausgebildetes neuronales Netzwerk berechnet. Der Skalierfaktor wird basierend auf der berechneten Temperatur und der berechneten Kupplungstemperatur ermittelt. Das weitere neuronale Netzwerk kann mit den vorgenannten Parametern zur Ermittlung des Skalierfaktors als Eingabedaten und Werten für eine Kupplungstemperatur als Ausgabedaten trainiert werden. Alternativ oder zusätzlich kann das weitere neuronale Netzwerk mit zumindest einem Wert eines Betriebsparameters der Fahrzeugkupplung als Eingabedaten und Werten für eine Kupplungstemperatur als Ausgabedaten trainiert werden. Das weitere neuronale Netzwerk kann einen Zusammenhang zwischen den Eingabedaten und den Ausgabedaten lernen. Das weitere neuronale Netzwerk kann auf einem Getriebesteuergerät ausgeführt werden, auf welchem auch das neuronale Netz- werk zum Berechnen der Temperatur ausgeführt wird. Alternativ kann das weitere neuronale Netzwerk auf einer getrennt von dem Getriebesteuergerät ausgebildeten Steuereinrichtung ausgeführt werden. Die von dem weiteren neuronalen Netzwerk berechnete Kupplungstemperatur kann an das Getriebesteuergerät übertragen werden. Der Skalierfaktor kann auf dem Getriebesteuergerät ermittelt werden. Zur Ermittlung des Skalierfaktors können ferner die vorgenannten Parameter verwendet werden. Der mittels der Berechnung von zwei neuronalen Netzwerken ermittelte Skalierfaktor kann beispielsweise zur Bestimmung weiterer Kupplungstemperaturen verwendet werden.

Gemäß einer weiteren Ausführungsform wird das Verfahren zum Bestimmen einer Kupplungstemperatur einer weiteren Fahrzeugkupplung angewandt. Die erste Temperatur wird als Kupplungstemperatur der weiteren Fahrzeugkupplung bestimmt. Beispielsweise können die Kupplungstemperatur der Fahrzeugkupplung und die weitere Kupplungstemperatur der weiteren Fahrzeugkupplung gemäß dem Skalierfaktor skalieren. Somit kann mittels eines neuronalen Netzwerks die Kupplungstemperatur zweier Fahrzeugkupplungen bestimmt werden. Der Rechenaufwand zur Bestimmung zweier Kupplungstemperaturen kann demnach verringert werden.

Nach einer weiteren Ausführungsform wird das Verfahren zum Bestimmen einer Kupplungstemperatur einer weiteren Fahrzeugkupplung angewandt und umfasst ferner die Schritte: Ermitteln eines weiteren Skalierfaktors für die weitere Fahrzeugkupplung; und Anwenden des ermittelten weiteren Skalierfaktors auf die von dem neuronalen Netzwerk berechnete Temperatur oder auf die bestimmte Kupplungstemperatur, um die Kupplungstemperatur der weiteren Fahrzeugkupplung zu bestimmen. Der weitere Skalierfaktor kann gemäß den vorgenannten Ausführungsformen des Verfahrens ermittelt werden. Alternativ oder zusätzlich kann der weitere Skalierfaktor von dem ermittelten Skalierfaktor abhängig sein. Zur Bestimmung der Kupplungstemperatur der weiteren Fahrzeugkupplung muss somit lediglich der weitere Skalierfaktor bestimmt werden. Eine Berechnung der weiteren Kupplungstemperatur, beispielsweise durch ein neuronales Netzwerk, ist nicht notwendig. Der Rechenaufwand zur Bestimmung weiterer Kupplungstemperaturen kann demnach geringgehalten werden. Bei einer Ausführungsform weist die weitere Fahrzeugkupplung eine weitere strukturelle Eigenschaft auf, welche mit der zumindest einen strukturellen Eigenschaft der Fahrzeugkupplung gemäß dem Skalierfaktor beziehungsweise dem weiteren Skalierfaktor skaliert. Beispielsweise kann es sich bei der strukturellen Eigenschaft um eine Masse der Fahrzeugkupplung handeln. Bei der weiteren strukturellen Eigenschaft kann es sich beispielsweise um eine Masse der weiteren Fahrzeugkupplung handeln, welche doppelt so groß ist wie die Masse der Fahrzeugkupplung. Die Masse der jeweiligen Fahrzeugkupplungen skaliert demnach mit einem Skalierfaktor von zwei. Alternativ kann es sich bei der strukturellen Eigenschaft beispielsweise um die Anzahl der Lamellen der Fahrzeugkupplung handeln. Bei der weiteren strukturellen Eigenschaft kann es sich beispielsweise um die Anzahl der Lamellen der der weiteren Fahrzeugkupplung handeln, welche dreimal so groß ist wie die Anzahl der Lamellen der Fahrzeugkupplung. Die Anzahl der Lamellen der jeweiligen Fahrzeugkupplungen skaliert demnach mit einem weiteren Skalierfaktor von drei. Die unterschiedlichen Temperaturen der einzelnen Fahrzeugkupplungen können demnach auf einfache Art und Weise anhand der jeweiligen Skalierfaktoren bestimmt werden.

Gemäß einer weiteren Ausführungsform ist die zumindest eine strukturelle Eigenschaft beziehungsweise die zumindest eine weitere strukturelle Eigenschaft der Fahrzeugkupplung aus zumindest einem der folgenden ausgewählt: einem Material der Fahrzeugkupplung; einer Matenalzusammensetzung der Fahrzeugkupplung; einem Wärmeleitkoeffizienten der Fahrzeugkupplung; einer Art der Fahrzeugkupplung; und einer Verwendung der Fahrzeugkupplung. Unter einer Art der Fahrzeugkupplung kann beispielsweise eine auf mechanischem Druck basierende beziehungsweise eine nach dem Prinzip einer Wirbelstrom bremse arbeitende Fahrzeugkupplung verstanden werden. Unter einer Verwendung der Fahrzeugkupplung kann beispielsweise die Verwendung der Fahrzeugkupplung in einem Personenkraftwagen oder einem Lastkraftwagen verstanden werden. Die genannten strukturellen Eigenschaften können für den Ablauf eines Erwärmungs- beziehungsweise Abkühlprozesses der jeweiligen Fahrzeugkupplung repräsentativ sein.

Nach einer weiteren Ausführungsform wird der Skalierfaktor beziehungsweise der weitere Skalierfaktor von einem weiteren, dazu ausgebildeten neuronalen Netzwerk ermit- telt. Das weitere neuronale Netzwerk kann mit den oben genannten Parametern zur Ermittlung des Skalierfaktors trainiert werden. Das weitere neuronale Netzwerk kann auf einem Getriebesteuergerät ausgeführt werden. Alternativ kann das neuronale Netzwerk auf einer von dem Getriebesteuergerät getrennten Steuereinrichtung ausgeführt werden. Der Skalierfaktor beziehungsweise der weitere Skalierfaktor kann an das Getriebesteuergerät übertragen werden. Mittels des weiteren neuronalen Netzwerks kann der Skalierfaktor beziehungsweise der weitere Skalierfaktor schneller bestimmt werden.

Gemäß einer weiteren Ausführungsform umfasst das Verfahren ferner den Schritt des Bestimmens zumindest eines Eingangswerts, welcher für eine der Fahrzeugkupplung zugeführte Leistung repräsentativ ist. Der zumindest eine Eingangswert wird basierend auf einer Verarbeitung zeitlich aufeinanderfolgender Werte für die der Fahrzeugkupplung zugeführten Leistung bestimmt. Das Verfahren umfasst gemäß dieser Ausführungsform ferner den Schritt der Eingabe des zumindest einen Eingangswerts als Eingabedaten in das neuronale Netzwerk.

Unter der der Fahrzeugkupplung zugeführten Leistung kann eine physikalische Leistung verstanden werden, also eine Energiemenge, welche der Fahrzeugkupplung während einer vorgegebenen Zeitspanne zugeführt wird. Beispielsweise kann es sich bei der der Fahrzeugkupplung zugeführten Leistung um eine der Fahrzeugkupplung während eines Schaltvorgangs beziehungsweise eines Gangwechsels derselben zugeführte Schaltleistung handeln. Die der Fahrzeugkupplung zugeführte Leistung kann für eine Änderung der Kupplungstemperatur der Fahrzeugkupplung repräsentativ sein.

Der zumindest eine Eingangswert kann beispielsweise mittels einer Eingabevorrichtung an zumindest einen der Eingangsknoten des neuronalen Netzwerks übertragen werden. Alternativ kann der zumindest eine Eingangswert von einer Steuereinrichtung des Fahrzeugs über eine Datenschnittstelle an zumindest einen der Eingangsknoten des neuronalen Netzwerks übertragen werden. Der zumindest eine Eingangswert kann als Eingabedaten für die Verwendung des neuronalen Netzwerks zur Bestimmung der Kupplungstemperatur verwendet werden. Alternativ oder zusätzlich kann der zumindest eine Eingangswert als Eingabedaten für das Training des neuronalen Netzwerks verwendet werden. Bei dieser Ausführungsform basiert das Bestimmen der Kupplungstemperatur ferner auf einem zeitlichen Verlauf der Eingabedaten. Somit kann auch eine zeitliche Änderung der Eingabedaten von dem neuronalen Netzwerk berücksichtigt werden. Beispielsweise kann eine Abkühl- oder Aufheizphase der Fahrzeugkupplung erfasst und bei der Berechnung der Kupplungstemperatur berücksichtigt werden. Ferner kann beispielsweise das Überschreiten eines Grenzwerts für die Kupplungstemperatur beziehungsweise eine Abweichung von einem Normverhalten der Kupplungstemperatur während der Aufheiz- oder Abkühlphase berücksichtigt werden. Die Kupplungstemperatur kann demnach außerdem präziser bestimmt werden. Weiterhin wird der zeitliche Verlauf der Eingabedaten nicht von dem neuronalen Netzwerk selbst bestimmt, sondern diesem lediglich in Form des verarbeiteten Eingangswerts übermittelt. Der für die Berechnung der Temperatur benötigte Rechenaufwand wird dadurch verringert. Somit kann die Struktur des neuronalen Netzwerks weniger komplex ausgebildet werden. Deshalb kann auch der für das neuronale Netzwerk benötigte Speicherplatz reduziert werden.

Gemäß einer weiteren Ausführungsform ist der zumindest eine Betriebsparameter der Fahrzeugkupplung aus zumindest einem der folgenden ausgewählt: einem Drehmoment einer Antriebsachse eines Fahrzeugmotors, welche mit der Fahrzeugkupplung in mechanischer Wirkverbindung steht; einer Drehzahldifferenz zwischen zwei rotierenden Kupplungselementen der Fahrzeugkupplung; einer Drehzahl eines rotierenden Kupplungselements der Fahrzeugkupplung; einem auf ein Kupplungselement der Fahrzeugkupplung wirkenden mechanischen Druck; einer Stromstärke eines durch ein Kupplungselement der Fahrzeugkupplung fließenden elektrischen Stroms; und einer Sumpftemperatur eines Fahrzeuggetriebes zu Beginn eines Schaltvorgangs der Fahrzeugkupplung. Bei Kupplungselementen der Fahrzeugkupplung kann es sich beispielsweise um die Kupplungsscheiben einer Fahrzeugkupplung handeln, welche zur Kraftübertragung von dem Motor an die Antriebsachse verbunden werden können. Die obigen Parameter können für eine der Fahrzeugkupplung zugeführte Leistung repräsentativ sein. Alternativ oder zusätzlich können die obigen Parameter für eine Kupplungstemperatur der Fahrzeugkupplung repräsentativ sein. Durch Verwendung zumindest eines dieser Parameter kann die Bestimmung der Kupplungstemperatur somit erleichtert werden. Die Erfindung bezieht sich in einem zweiten Aspekt auf eine Steuereinrichtung zur Bestimmung von Kupplungstemperaturen einer Mehrzahl von Fahrzeugkupplungen. Die Steuereinrichtung umfasst ein computerlesbares Speichermedium, auf welchem ein neuronales Netzwerk gespeichert ist, welches zum Bestimmen zumindest einer Temperatur zumindest einer Fahrzeugkupplung aus der Mehrzahl der Fahrzeugkupplungen ausgebildet ist. Die Steuereinrichtung umfasst weiter eine Eingabevorrichtung zur Eingabe von Eingabedaten in das neuronale Netzwerk. Die Eingabedaten umfassen zumindest einen Wert zumindest eines Betriebsparameters der Fahrzeugkupplung. Ferner umfasst die Steuereinrichtung eine Ausgabevorrichtung zur Ausgabe der berechneten Temperatur durch das neuronale Netzwerk. Ferner umfasst die Steuereinrichtung eine Anwendungsvorrichtung zur Anwendung eines ermittelten Skalierfaktors auf die ausgegebene Temperatur, um eine Kupplungstemperatur der zumindest einen Fahrzeugkupplung aus der Mehrzahl von Fahrzeugkupplungen zu bestimmen.

Nach einer Ausführungsform umfasst die Steuereinrichtung ferner eine Ermittlungsvorrichtung zur Ermittlung des Skalierfaktors für die zumindest eine Temperatur in Abhängigkeit von zumindest einer strukturellen Eigenschaft der zumindest einen Fahrzeugkupplung aus der Mehrzahl der Fahrzeugkupplungen.

Die genannten Vorrichtungen der Steuereinrichtung gemäß dem zweiten Aspekt können zum Empfangen, zur Verarbeitung und zur Weiterleitung von elektrischen Signalen ausgebildet sein. Die genannten Vorrichtungen der Steuereinrichtung gemäß dem zweiten Aspekt können zur Durchführung des Verfahrens gemäß dem ersten Aspekt ausgebildet sein. Analog kann das Verfahren gemäß dem ersten Aspekt von der Steuereinrichtung gemäß dem zweiten Aspekt durchgeführt werden. Die zu dem ersten Aspekt erläuterten Ausführungsformen, technischen Effekte und Vorteile gelten somit analog auch für die Steuereinrichtung nach dem zweiten Aspekt.

Kurze Beschreibung der Zeichnungen

Figur 1 zeigt ein Ablaufdiagramm mit Schritten eines Verfahrens zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuro- nalen Netzwerks und eines Skalierfaktors für die Kupplungstemperatur, nach einer Ausführungsform der Erfindung.

Figur 2 zeigt schematisch eine Steuereinrichtung zur Bestimmung einer Kupplungstemperatur einer Fahrzeugkupplung mit einem neuronalen Netzwerk und einem Skalierfaktor gemäß einer weiteren Ausführungsform der Erfindung.

Fign. 3a-3c zeigen verschiedene Möglichkeiten zur Bestimmung der Kupplungstemperatur weiterer Fahrzeugkupplungen mittels eines Skalierfaktors nach weiteren Ausführungsformen der Erfindung.

Detaillierte Beschreibung von Ausführungsformen

Figur 1 zeigt ein Ablaufdiagramm mit Schritten eines Verfahrens zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks nach einer Ausführungsform der Erfindung.

In einem ersten Bestimmungsschritt BS1 wird zumindest ein Wert zumindest eines Betriebsparameters der Fahrzeugkupplung als Eingabedaten in das neuronale Netzwerk eingegeben. Der zumindest eine Wert des zumindest einen Betriebsparameters wird hierbei an zumindest einen Eingangsknoten des neuronalen Netzwerks übertragen.

In einem zweiten Bestimmungsschritt BS2 wird durch das neuronale Netzwerk eine Temperatur berechnet. Die Temperatur wird basierend auf den Eingabedaten und einem von dem neuronalen Netzwerk gelernten Zusammenhang zwischen den Eingabedaten und der Temperatur berechnet.

Zur Berechnung der Temperatur werden die an die Eingangsknoten des neuronalen Netzwerks übertragenen Eingabedaten über von dem neuronalen Netzwerk mathematisch gewichtete Verbindungen an Zwischenknoten des neuronalen Netzwerks übertragen. Auf den Zwischenknoten werden die übertragenen Eingabedaten verarbeitet und über von dem neuronalen Netzwerk mathematisch gewichtete Verbindungen an Aus- gangsknoten des neuronalen Netzwerks übertragen. Die mathematische Gewichtung der jeweiligen Verbindungen wurde von dem neuronalen Netzwerk während eines dem Bestimmungsverfahren zeitlich vorangehenden Trainingsvorgangs des neuronalen Netzwerks basierend auf einem Trainingsdatensatz angepasst. Auf zumindest einem Ausgangsknoten des neuronalen Netzwerks liegt am Ende der Verfahrensdurchführung ein Wert für die Temperatur vor.

In einem dritten Bestimmungsschritt BS3 wird ein ermittelter Skalierfaktor auf die von dem neuronalen Netzwerk berechnete Temperatur angewandt, um die Kupplungstemperatur der Fahrzeugkupplung zu bestimmen.

Der Skalierfaktor wird im Ausführungsbeispiel der Figur 1 basierend auf einer Abweichung der von dem neuronalen Netzwerk berechneten Temperatur und einer gemessenen Kupplungstemperatur der Fahrzeugkupplung ermittelt. Ferner wird der Skalierfaktor basierend auf einem gemessenen Wärmeleitkoeffizienten der Fahrzeugkupplung ermittelt. Für die Ermittlung des Skalierfaktors wird die bestimmte Kupplungstemperatur außerdem mit einem Grenzwert für eine maximal zulässige Kupplungstemperatur verglichen. Je näher die bestimmte Kupplungstemperatur an dem Grenzwert liegt, desto größer wird der Skalierfaktor gewählt. Ferner wird der Skalierfaktor in Abhängigkeit der Stahlmasse der Lamellen der Fahrzeugkupplung ermittelt. Weitere Parameter zur Ermittlung des Skalierfaktors sind nicht ausgeschlossen.

Mittels des Skalierfaktors kann auf einfache Art und Weise die Kupplungstemperatur der Fahrzeugkupplung bestimmt werden. Ferner können auch die Kupplungstemperaturen weiterer Fahrzeugkupplungen basierend auf der von dem neuronalen Netzwerk berechneten Temperatur unter Verwendung eines Skalierfaktors bestimmt werden.

Dadurch muss nicht für jede Fahrzeugkupplung ein weiteres neuronales Netzwerk trainiert werden, sondern es ist ausreichend, einen jeweiligen Skalierfaktor auf die berechnete Temperatur der Fahrzeugkupplung anzuwenden. Hierdurch kann Berechnungskapazität, beispielsweise auf einem Getriebesteuergerät, eingespart werden. Ferner kann die Bestimmung der Kupplungstemperaturen in Echtzeit erfolgen. Figur 2 zeigt schematisch eine Steuereinrichtung 10 zur Bestimmung einer Kupplungstemperatur einer nicht dargestellten Fahrzeugkupplung mit einem neuronalen Netzwerk 12 gemäß einer weiteren Ausführungsform der Erfindung. Die Steuereinrichtung 10 kann Teil der Fahrzeugkupplung oder getrennt von dieser ausgebildet sein.

Die Steuereinrichtung 10 umfasst ein computerlesbares Speichermedium 14, auf welchem das neuronale Netzwerk 12 gespeichert ist. Die Steuereinrichtung 10 umfasst ferner eine Eingabevorrichtung 16, welche zum Empfang von Werten 18a, 18b, 18c von Betriebsparametern der Fahrzeugkupplung ausgebildet ist. Die Eingabevorrichtung 16 überträgt die Werte 18a, 18b, 18c der Betriebsparameter der Fahrzeugkupplung als Eingabedaten 20a an das neuronale Netzwerk 12.

Die Steuereinrichtung 10 umfasst ferner Erfassungsvorrichtungen 22a, 22b, welche zeitlich aufeinanderfolgende Werte 24a, 24b beziehungsweise 24c, 24d für eine der Fahrzeugkupplung zugeführte Leistung erfassen. Bei den Erfassungsvorrichtung 22a, 22b handelt es sich um Tiefpass-Filter und bei den Werten 24a, 24b, 24c, 24d für eine der Fahrzeugkupplung zugeführte Leistung handelt es sich um eine der Fahrzeugkupplung während eines Schaltvorgangs beziehungsweise Gangwechsels zugeführte Schaltleistung. Die erfassten Werte 24a, 24b, 24c und 24d für die Schaltleistung werden von den Erfassungsvorrichtungen 22a, 22b an eine Bestimmungsvorrichtung 26 übertragen. Die Bestimmungsvorrichtung 26 bestimmt durch Verarbeiten der zeitlich aufeinanderfolgenden Werte 24a, 24b, 24c, 24d zumindest einen Mittelwert für die Schaltleistung. Der zumindest eine Mittelwert für die Schaltleistung wird von der Bestimmungsvorrichtung 26 als Eingangswert 28 an die Eingabevorrichtung 16 übertragen. Die Eingabevorrichtung 16 überträgt den Eingangswert 28 als Eingabedaten 20b an das neuronale Netzwerk 12.

Aus den Eingabedaten 20a, 20b wird von dem neuronalen Netzwerk 12 eine Tempera- tur T1 der Fahrzeugkupplung berechnet. Die berechnete Temperatur T1 wird von einer Ausgabevorrichtung 30 an eine Anwendungsvorrichtung 32 ausgegeben. Die Anwendungsvorrichtung 32 wendet auf die berechnete Temperatur T1 einen ermittelten Skalierfaktor SF1 an. Der Skalierfaktor SF1 wird von einer Ermittlungsvorrichtung 34 basierend auf mehreren Parametern 36a, 36b der Fahrzeugkupplung ermittelt. Durch An- wenden des Skalierfaktors SF1 auf die berechnete Temperatur T1 wird die Kupplungstemperatur KT1 der Fahrzeugkupplung bestimmt. Die Kupplungstemperatur KT1 wird an weitere Komponenten der Fahrzeugkupplung übertragen. Die Ermittlungsvorrichtung 34 kann getrennt von der Steuereinrichtung 10 ausgebildet sein.

Basierend auf der von dem neuronalen Netzwerk 12 berechneten Temperatur T1 können die Kupplungstemperaturen weiterer Fahrzeugkupplungen bestimmt werden, wie in den Figuren 3a bis 3c dargestellt.

Die Figuren 3a bis 3c zeigen verschiedene Möglichkeiten zur Bestimmung der Kupplungstemperatur weiterer Fahrzeugkupplungen basierend auf der von dem neuronalen Netzwerk 12 berechneten Temperatur T1 .

Die Figur 3a zeigt schematisch die Bestimmung einer Kupplungstemperatur für eine Fahrzeugkupplung K2 mittels des neuronalen Netzwerks 12 aus der Ausführungsform der Figur 2. Analog zu der Ausführungsform der Figur 2 berechnet das neuronale Netzwerk 12 eine erste Temperatur T1 . In der Ausführungsform der Figur 3a wird diese berechnete Temperatur T1 als Kupplungstemperatur KT2 der Kupplung K2 bestimmt. Mit anderen Worten wird in der Ausführungsform der Figur 3a ein Skalierfaktor mit dem Wert eins ermittelt.

Die Figur 3b zeigt schematisch die Bestimmung einer Kupplungstemperatur für eine erste Fahrzeugkupplung K1 und eine zweite Fahrzeugkupplung K2 mittels des neuronalen Netzwerks 12 aus der Ausführungsform der Figur 2. Analog zu der Ausführungsform der Figur 2 berechnet das neuronale Netzwerk 12 eine erste Temperatur T1 . In der Ausführungsform der Figur 3b wird auf diese berechnete Temperatur T1 durch die in Figur 2 dargestellte Anwendungsvorrichtung 32 ein erster Skalierfaktor SF1 angewandt, um die Kupplungstemperatur KT1 der ersten Fahrzeugkupplung K1 zu bestimmen. Ferner wird in der Ausführungsform der Figur 3b durch die in Figur 2 dargestellte Anwendungsvorrichtung 32 auf die berechnete Temperatur T1 ein zweiter Skalierfaktor SF2 angewandt, um die Kupplungstemperatur KT2 der zweiten Fahrzeugkupplung K2 zu bestimmen. Die Kupplungstemperatur KT2 muss demnach nicht aufwendig berechnet werden, sondern kann durch einfaches Anwenden des zweiten Skalierfaktors SF2 auf die Temperatur T1 bestimmt werden.

Die Figur 3c zeigt schematisch die Bestimmung einer Kupplungstemperatur für eine erste Fahrzeugkupplung K1 und eine zweite Fahrzeugkupplung K2 mittels des neuronalen Netzwerks 12 aus der Ausführungsform der Figur 2. Analog zu der Ausführungsform der Figur 2 berechnet das neuronale Netzwerk 12 eine erste Temperatur T1 . In der Ausführungsform der Figur 3c wird auf diese berechnete Temperatur T1 durch die in Figur 2 dargestellte Anwendungsvorrichtung 32 ein erster Skalierfaktor SF1 angewandt, um die Kupplungstemperatur KT1 der ersten Fahrzeugkupplung K1 zu bestimmen. Auf die bestimmte Kupplungstemperatur KT1 wird durch die in Figur 2 dargestellte Anwendungsvorrichtung 32 ein zweiter Skalierfaktor SF2 angewandt, um die Kupplungstemperatur KT2 der zweiten Fahrzeugkupplung K2 zu bestimmen. Die Kupplungstemperatur KT2 muss demnach nicht aufwendig berechnet werden, sondern kann durch einfaches Anwenden des zweiten Skalierfaktors SF2 auf die Kupplungstemperatur KT1 bestimmt werden.

Bezugszeichen

10 Steuereinrichtung

12 Neuronales Netzwerk

14 Speichermedium

16 Eingabevorrichtung

18a, 18b, 18c Werte von Betriebsparametern

22a, 22b Erfassungsvorrichtungen

24a, 24b, zeitlich aufeinanderfolgende Werte für eine der Fahrzeugkupplung

24c, 24d zugeführte Leistung

26 Bestimmungsvorrichtung

28 Eingangswert

30 Ausgabevorrichtung

32 Anwendungsvorrichtung

34 Erm ittlungsvorrichtung

36a, 36b Parameter der Fahrzeugkupplung

SF1 erster Skalierfaktor

SF2 zweiter Skalierfaktor

T1 berechnete Temperatur

KT1 erste Kupplungstemperatur

KT2 zweite Kupplungstemperatur

K1 erste Fahrzeugkupplung

K2 zweite Fahrzeugkupplung

BS1 erster Bestimmungsschritt

BS2 zweiter Bestimmungsschritt

BS3 dritter Bestimmungsschritt