Technisches Gebiet

Die vorliegende Erfindung betrifft ein Verfahren zum Trainieren eines neuronalen Netzwerks, welches dazu ausgebildet ist, eine Kupplungstemperatur einer Fahrzeugkupplung unter Verwendung einer geometrischen Eigenschaft der Fahrzeugkupplung zu bestimmen. Die Erfindung betrifft zudem ein Verfahren zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks unter Verwendung einer geometrischen Eigenschaft der Fahrzeugkupplung. Die Erfindung betrifft ferner eine zugehörige Steuereinrichtung zur Bestimmung einer Kupplungstemperatur einer Fahrzeugkupplung mit einem neuronalen Netzwerk unter Verwendung einer geometrischen Eigenschaft der Fahrzeugkupplung.

Stand der Technik

Die Temperatur einer Fahrzeugkupplung kann mittels eines klassischen regelbasierten mathematischen Modells berechnet werden. Die Berechnung kann in einem Getriebesteuergerät stattfinden. Hierfür kann maschinelles Lernen verwendet werden, beispielsweise ein neuronales Netz. Die Bestimmung der für die Kupplungstemperatur maßgeblichen Parameter ist jedoch, insbesondere während eines Schaltvorgangs, sehr aufwändig beziehungsweise sehr ungenau, da diese nur indirekt bestimmt werden können.

Darstellung der Erfindung

Die Erfindung bezieht sich in einem ersten Aspekt auf ein Verfahren zum Trainieren eines neuronalen Netzwerks, welches dazu ausgebildet ist, eine Kupplungstemperatur einer Fahrzeugkupplung zu bestimmen. 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 Schaltzustände beziehungsweise Gänge aufweisen, welche durch ein vorgegebenes Verhältnis zwischen einem Abtriebsdrehmoment des Motors und einem Antriebsdrehmoments 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 Zeit- punkt 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 Berechnung 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 Verfahren weist den Schritt des Bereitstellens zumindest einer geometrischen Eingangsgröße als Eingabedaten auf. Die geometrische Eingangsgröße ist repräsentativ für eine geometrische Eigenschaft der Fahrzeugkupplung. Die zumindest eine geometrische Eingangsgröße kann ein historisch erfasster Wert, ein gemessener Wert beziehungsweise ein synthetischer Wert sein, welcher aus zumindest einem erfassten oder gemessenen Wert bestimmt wurde.

Unter einem Bereitstellen der zumindest einen geometrischen Eingangsgröße kann ein Bestimmen, das heißt ein Erfassen, ein Messen beziehungsweise ein synthetisches Erzeugen zumindest eines Wertes der geometrischen Eingangsgröße verstanden werden. Alternativ oder zusätzlich kann unter einem Bereitstellen ein Auswählen verstanden werden, ob ein Wert der geometrischen Eingangsgröße als Eingabedaten für das Training des neuronalen Netzwerks geeignet ist. Beispielsweise kann ein Wert einer geometrischen Eingangsgröße dann nicht als Eingabedaten für das Training des neuronalen Netzwerks geeignet sein, wenn dieser keinen beziehungsweise keinen ausreichenden Einfluss auf die Kupplungstemperatur hat. Alternativ oder zusätzlich kann ein Wert einer geometrischen Eingangsgröße dann nicht als Eingabedaten für das Training des neuronalen Netzwerks geeignet sein, wenn dieser, beispielsweise aufgrund seiner Datenstruktur, nicht von dem neuronalen Netzwerk verarbeitet werden kann.

Alternativ oder zusätzlich kann unter einem Bereitstellen ein Vorverarbeiten einer geometrischen Eingangsgröße verstanden werden, sodass diese schneller beziehungsweise überhaupt von dem neuronalen Netzwerk verarbeitet werden kann. Beispielsweise kann eine geometrische Eingangsgröße in Form einer mehrdimensionalen Matrix vorliegen. Es kann jedoch vorgesehen sein, dass das zu trainierende neuronale Netzwerk dazu ausgebildet ist, eindimensionale Zahlenwerte zu verarbeiten. In diesem Fall muss die mehrdimensionale Matrix in eindimensionale Zahlenwerte zerlegt werden, bevor diese zum Trainieren des neuronalen Netzwerks verwendet werden kann. Ferner kann unter einem Bereitstellen auch ein Sortieren der Eingabedaten beziehungsweise ein Entfernen einer Teilmenge der Eingabedaten verstanden werden, um die für das Training des neuronalen Netzwerks verwendete Datenmenge zu reduzieren.

Die zumindest eine geometrische Eingangsgröße kann beispielsweise mittels einer Eingabevorrichtung an zumindest einen der Eingangsknoten des neuronalen Netzwerks übertragen werden. Alternativ kann die zumindest eine geometrische Eingangsgröße von einer Steuereinrichtung des Fahrzeugs über eine Datenschnittstelle an zumindest einen der Eingangsknoten des neuronalen Netzwerks übertragen werden. Die zumindest eine Eingangsgröße kann als Eingabedaten für die Verwendung des neuronalen Netzwerks zur Bestimmung der Kupplungstemperatur verwendet werden.

Unter einer geometrischen Eigenschaft der Fahrzeugkupplung kann beispielsweise eine geometrische Abmessung der Fahrzeugkupplung, eine Oberflächenbeschaffenheit der Fahrzeugkupplung, eine Matenaleigenschaft der Fahrzeugkupplung beziehungsweise ein aus den vorgenannten Eigenschaften der Fahrzeugkupplung inhärent hervorgehender Parameter, beispielsweise ein Wärmeleitkoeffizient der Fahrzeugkupplung, verstanden werden. Die geometrische Eingangsgröße kann in der physikalischen Einheit der jeweiligen geometrischen Eigenschaft der Fahrzeugkupplung angegeben werden. Alternativ oder zusätzlich kann die geometrische Eigenschaft der Fahrzeugkupplung basierend auf der geometrischen Eingangsgröße bestimmt werden.

Das Verfahren weist ferner den Schritt des Bereitstellens zumindest eines Wertes eines Betriebsparameters der Fahrzeugkupplung als Eingabedaten für das Training des neuronalen Netzwerks auf. 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 Betriebsparameters kann ein historisch erfasster Wert, ein gemessener Wert beziehungsweise ein synthetischer Wert sein, welcher aus zumindest einem erfassten oder gemessenen Wert be- stimmt wurde. Der zumindest eine Wert des zumindest einen Betriebsparameters kann in analoger Weise wie die geometrische Eingangsgröße bereitgestellt werden.

Das Verfahren weist ferner den Schritt des Bereitstellens von Werten für die Kupplungstemperatur als Ausgabedaten des neuronalen Netzwerks auf. Die Werte für die Kupplungstemperatur können historisch erfasste Werte, gemessene Werte beziehungsweise synthetische Werte sein, welche aus zumindest einem erfassten oder gemessenen Wert bestimmt wurden. Die Werte für die Kupplungstemperatur können in analoger Weise wie die geometrische Eingangsgröße beziehungsweise der zumindest eine Wert des Betriebsparameters bereitgestellt werden. Die Werte für die Kupplungstemperatur können an die Ausgangsknoten des neuronalen Netzwerks übertragen werden, um als Ausgabedaten verwendet werden zu können.

Das Verfahren weist ferner den Schritt des Trainierens des neuronalen Netzwerks mit den Eingabedaten und den Ausgabedaten auf, um einen Zusammenhang der geometrischen Eigenschaft und des zumindest einen Betriebsparameters mit der Kupplungstemperatur zu lernen. Die Eingabedaten können von dem neuronalen Netzwerk, beispielsweise auf den Zwischenknoten, verarbeitet werden, um die Ausgabedaten zu erhalten. Beim Verarbeiten der Eingabedaten kann von dem neuronalen Netzwerk die mathematische Gewichtung der Verbindungen der einzelnen Knoten geändert werden, um die Ausgabedaten zu erhalten. Auf diese Weise kann das neuronale Netzwerk den Zusammenhang der geometrischen Eigenschaft und des zumindest einen Betriebsparameters mit der Kupplungstemperatur lernen.

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 basiert das Bestimmen der Kupplungstemperatur auf einer geometrischen Eigenschaft der Fahrzeugkupplung. Somit kann auch eine Abhängigkeit der Kupplungstemperatur von der geometrischen Eigenschaft der Fahrzeugkupplung von dem neuronalen Netzwerk berücksichtigt werden. Beispielsweise kann es möglich sein, dass ein Aufheizen der Fahrzeugkupplung umso langsamer stattfindet, je größer die geometrische Ausdehnung der Fahrzeugkupplung ist. Alternativ kann es möglich sein, dass ein Aufheizen der Fahrzeugkupplung umso schneller stattfindet, je besser die Wärmeleiteigenschaften der für die Fahrzeugkupplung verwendeten Materialien sind. Die Kupplungstemperatur kann demnach außerdem präziser von dem neuronalen Netzwerk bestimmt werden. Weiterhin kann aufgrund der Berücksichtigung einer geometrischen Eigenschaft der Fahrzeugkupplung das trainierte neuronale Netzwerk auch für die Bestimmung einer Kupplungstemperatur anderer Fahrzeugkupplungen verwendet werden, welche eine ähnliche oder vergleichbare geometrische Eigenschaft aufweisen. Das neuronale Netzwerk muss somit nicht für jede Fahrzeugkupplung neu trainiert werden, um deren Kupplungstemperatur bestimmen zu können. Die Berücksichtigung einer geometrischen Eigenschaft der Fahrzeugkupplung ermöglicht somit die Verwendung des trainierten neuronalen Netzwerks zur Bestimmung einer Kupplungstemperatur für eine Vielzahl unterschiedlicher Fahrzeugkupplungen, sofern diese eine gemeinsame geometrische Eigenschaft aufweisen.

Nach einer Ausführungsform wird die geometrische Eingangsgröße in Abhängigkeit zumindest eines gemessenen Parameters der Fahrzeugkupplung bestimmt. Der zumindest eine gemessene Parameter kann einer der oben beschriebenen, eine geometrische Eigenschaft der Fahrzeugkupplung bezeichnenden Parameter sein. Alternativ o- der zusätzlich kann der zumindest eine gemessene Parameter ein Betriebsparameter der Fahrzeugkupplung sein. Der gemessene Parameter der Fahrzeugkupplung kann für die geometrische Eingangsgröße repräsentativ sein. Der gemessene Parameter kann mathematisch verrechnet werden, beispielsweise gemäß einer physikalischen Formel, um die geometrische Eingangsgröße zu bestimmen. Der zumindest eine Parameter der Fahrzeugkupplung kann von einer dafür ausgebildeten Vorrichtung zur Verarbeitung von elektrischen Signalen gemessen werden. Der zumindest eine Parameter kann unter Berücksichtigung eines zeitlichen Verlaufs desselben gemessen werden. Alternativ oder zusätzlich kann der zumindest eine Parameter unter Berücksichtigung einer Temperaturabhängigkeit desselben gemessen werden. Durch Messung des zumindest einen Parameters kann auf besonders einfache Weise die geometrische Eingangsgröße in Abhängigkeit des Betriebszustands der Fahrzeugkupplung bestimmt werden. Gemäß einer weiteren Ausführungsform wird die geometrische Eingangsgröße in Abhängigkeit zumindest eines vorgegebenen Parameters der Fahrzeugkupplung bestimmt. Der zumindest eine vorgegebene Parameter kann einer der oben beschriebenen, eine geometrische Eigenschaft der Fahrzeugkupplung bezeichnenden Parameter sein. Alternativ oder zusätzlich kann der zumindest eine vorgegebene Parameter ein Betriebsparameter der Fahrzeugkupplung sein. Der vorgegebene Parameter der Fahrzeugkupplung kann für die geometrische Eingangsgröße repräsentativ sein. Der vorgegebene Parameter kann mathematisch verrechnet werden, beispielsweise gemäß einer physikalischen Formel, um die geometrische Eingangsgröße zu bestimmen. Der zumindest eine vorgegebene Parameter kann aufgrund struktureller Eigenschaften der Fahrzeugkupplung vorgegeben sein. Beispielweise kann ein maximal für die Fahrzeugkupplung zur Verfügung stehender Bauraum vorgegeben sein. Alternativ oder zusätzlich kann der zumindest eine vorgegebene Parameter aufgrund einer Art der Fahrzeugkupplung vorgegeben sein. Beispielsweise kann die Verwendung der Fahrzeugkupplung in einem Kraftfahrzeug oder einem Kraftrad vorgegeben sein. Der zumindest eine vorgegebene Parameter kann unter Berücksichtigung eines zeitlichen Verlaufs desselben vorgegeben sein. Alternativ oder zusätzlich kann der zumindest eine vorgegebene Parameter unter Berücksichtigung einer Temperaturabhängigkeit desselben vorgegeben sein. Durch Vorgeben des zumindest einen Parameters kann auf besonders einfache Weise die geometrische Eingangsgröße in Abhängigkeit einer Konstruktionsvorgabe beziehungsweise einer vorgegebenen Fahrzeugart bestimmt werden, in welcher die Fahrzeugkupplung verwendet wird.

Alternativ oder zusätzlich zu den obigen Ausführungsformen kann die geometrische Eingangsgröße in Abhängigkeit zumindest eines gemessenen Parameters und in Abhängigkeit zumindest eines vorgegebenen Parameters der Fahrzeugkupplung bestimmt werden. Die einzelnen Vorteile der jeweiligen Ausführungsformen können somit kombiniert werden.

Nach einer weiteren Ausführungsform wird die geometrische Eingangsgröße während des Trainierens des neuronalen Netzwerks zeitkontinuierlich bereitgestellt. Beispielsweise kann während der gesamten Dauer des Trainiervorgangs ein konstanter Wert der geometrischen Eingangsgröße für das Training des neuronalen Netzwerks bereitgestellt werden. Alternativ kann während der gesamten Dauer des Trainiervorgangs ein zeitabhängiger und/oder temperaturabhängiger Wert der geometrischen Eingangsgröße für das Training des neuronalen Netzwerks bereitgestellt werden. Durch die zeitkontinuierliche Bereitstellung der geometrischen Eingangsgröße wird das neuronale Netzwerk während der gesamten Trainingsdauer mit der geometrischen Eingangsgröße als Eingabedaten versorgt. Die geometrische Eingangsgröße kann somit während des gesamten Trainingsvorgangs des neuronalen Netzwerks zur Bestimmung einer Kupplungstemperatur berücksichtigt werden.

Gemäß einer weiteren Ausführungsform wird das neuronale Netzwerk ferner mittels zumindest eines bestimmten Eingangswerts trainiert, 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 zugeführte Leistung bestimmt. 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.

Die der Fahrzeugkupplung zugeführte Leistung kann in bestimmten Zeitabständen erfasst werden. Die einzelnen Werte für die der Fahrzeugkupplung zugeführten Leistung können beispielsweise entsprechend ihres Erfassungszeitpunkts in aufsteigender Reihenfolge angeordnet werden. Diese zeitlich aufeinanderfolgenden Werte für die der Fahrzeugkupplung zugeführte Leistung können mathematisch verarbeitet werden, beispielsweise mittels einer vorgegebenen Rechenoperation wie der Bildung eines Mittelwerts.

Der zumindest eine bestimmte Eingangswert kann analog zu der geometrischen Eingangsgröße, den zumindest einen Wert des Betriebsparameters der Fahrzeugkupplung beziehungsweise den Werten für die Kupplungstemperatur bereitgestellt werden. Mittels des zumindest einen bestimmten Eingangswerts kann das neuronale Netzwerk ferner unter Berücksichtigung eines zeitlichen Verlaufs der der Fahrzeugkupplung zugeführten Leistung trainiert werden. Die der Fahrzeugkupplung zugeführte Leistung kann repräsentativ für eine Kupplungstemperatur der Fahrzeugkupplung sein.

Die Erfindung bezieht sich in einem zweiten Aspekt auf ein Verfahren zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks. Das Verfahren weist die folgenden Schritte auf: Eingabe zumindest einer geometrischen Eingangsgröße, welche repräsentativ für eine geometrische Eigenschaft der Fahrzeugkupplung ist, als Eingabedaten in das neuronale Netzwerk; Eingabe zumindest eines Wertes zumindest eines Betriebsparameters der Fahrzeugkupplung als Eingabedaten in das neuronale Netzwerk; und Bestimmen einer Kupplungstemperatur durch das neuronale Netzwerk, basierend auf den Eingabedaten und einem von dem neuronalen Netzwerk gelernten Zusammenhang der Eingabedaten mit der Kupplungstemperatur. Das zu den Eingabedaten des Trainierverfahrens gemäß des ersten Aspekts Erläuterte gilt analog für die Eingabedaten des Bestimmungsverfahrens gemäß dem zweiten Aspekt.

Die von dem neuronalen Netzwerk 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.

Nach einer Ausführungsform kann das Bestimmungsverfahren ferner die folgenden Schritte aufweisen: Bestimmen zumindest eines Eingangswerts, welcher für eine der Fahrzeugkupplung zugeführte Leistung repräsentativ ist, wobei der zumindest eine Eingangswert basierend auf einer Verarbeitung zeitlich aufeinanderfolgender Werte für die der Fahrzeugkupplung zugeführten Leistung bestimmt wird; und Eingabe des zumindest einen Eingangswerts als Eingabedaten in das neuronale Netzwerk.

Das Bestimmen der Kupplungstemperatur basiert bei dieser Ausführungsform auf einem zeitlichen Verlauf der der Fahrzeugkupplung zugeführten Leistung. Somit kann auch eine zeitliche Änderung der der Fahrzeugkupplung zugeführten Leistung von dem neuronalen Netzwerk berücksichtigt werden. Die der Fahrzeugkupplung zugeführte Leistung kann repräsentativ für eine Kupplungstemperatur der Fahrzeugkupplung sein. Beispielsweise kann eine Abkühl- oder Aufheizphase der Fahrzeugkupplung erfasst und bei der Bestimmung 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 von dem neuronalen Netzwerk bestimmt werden. Weiterhin wird der zeitliche Verlauf der der Fahrzeugkupplung zugeführten Leistung nicht von dem neuronalen Netzwerk selbst bestimmt, sondern diesem lediglich in Form des verarbeiteten Eingangswerts übermittelt. Somit wird die Struktur des neuronalen Netzwerks, trotz Berücksichtigung weiterer Eingangsdaten, nur geringfügig verändert. Der für die Bestimmung der Kupplungstemperatur benötigte Rechenaufwand kann dadurch geringgehalten werden. Deshalb kann auch der für das neuronale Netzwerk benötigte Speicherplatz reduziert werden.

Das neuronale Netzwerk des zweiten Aspekts kann gemäß dem Verfahren zum Trainieren eines neuronalen Netzwerks nach dem ersten Aspekt trainiert werden. Somit können die technischen Effekte und Vorteile des ersten und des zweiten Aspekts kombiniert werden.

Gemäß einer Ausführungsform ist die geometrische Eigenschaft der Fahrzeugkupplung bezüglich zumindest eines Kupplungselements der Fahrzeugkupplung bestimmt und aus zumindest einem der folgenden ausgewählt ist: einer Wärmekapazität des Kupplungselements; einem Reibungskoeffizienten des Kupplungselements; einem Wärmeübertragungskoeffizienten des Kupplungselements; einer Art des Kupplungselements; einem Material des Kupplungselements; einer Masse des Kupplungselements; einer Wirkfläche des Kupplungselements; einem Querschnitt des Kupplungselements; einem Durchmesser des Kupplungselements; und einer Anzahl gleichwertiger Kupplungselemente. Unter einem Kupplungselement der Fahrzeugkupplung kann zum Beispiel eine der rotierbaren Kupplungsscheiben verstanden werden, welche im Betrieb der Fahrzeugkupplung zur Drehmomentübertragung in mechanische Wirkverbindung gebracht werden können. Die obigen geometrischen Eigenschaften können repräsentativ für eine Temperatur der Fahrzeugkupplung sein. Alternativ oder zusätzlich können die obigen geometrischen Eigenschaften repräsentativ für eine der Fahrzeugkupplung zugeführte Leistung sein. Aus den genannten geometrischen Eigenschaften kann somit auf besonders einfache Art eine Kupplungstemperatur von dem neuronalen Netzwerk bestimmt werden.

Nach einer 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 kann es sich beispielsweise um die Kupplungsscheiben einer Fahrzeugkupplung handeln, welche zur Drehmomentübertragung 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 dritten Aspekt auf eine Steuereinrichtung zur Bestimmung einer Kupplungstemperatur einer Fahrzeugkupplung. Die Steuereinrichtung umfasst ein computer-lesbares Speichermedium, auf welchem ein neuronales Netzwerk zum Bestimmen der Kupplungstemperatur gespeichert ist; eine Eingabevorrichtung zur Eingabe von Eingabedaten in das neuronale Netzwerk, wobei die Eingabedaten zumindest eine geometrische Eingangsgröße, welche repräsentativ für eine geometrische Eigenschaft der Fahrzeugkupplung ist, und zumindest einen Wert zumindest eines Betriebsparameters der Fahrzeugkupplung umfassen; und eine Ausgabevorrichtung zur Ausgabe der bestimmten Kupplungstemperatur durch das neuronale Netzwerk.

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

Nach einer Ausführungsform ist das auf dem Speichermedium gespeicherte neuronale Netzwerk gemäß dem Verfahren nach dem ersten Aspekt trainiert worden. Die Kupplungstemperatur wird von dem neuronalen Netzwerk gemäß dem Verfahren nach dem zweiten Aspekt bestimmt. Die zu dem ersten, dem zweiten und dem dritten Aspekt erläuterten Ausführungsformen, technischen Effekte und Vorteile können somit kombiniert werden.

Kurze Beschreibung der Zeichnungen

Figur 1 zeigt ein Ablaufdiagramm mit Schritten eines Verfahrens zum Trainieren eines neuronalen Netzwerks, welches dazu ausgebildet ist, eine Kupplungstemperatur einer Fahrzeugkupplung zu bestimmen, nach einer Ausführungsform der Erfindung.

Figur 2 zeigt ein Ablaufdiagramm mit Schritten eines Verfahrens zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks, nach einer weiteren Ausführungsform der Erfindung. Figur 3 zeigt schematisch eine Steuereinrichtung zur Bestimmung einer Kupplungstemperatur einer Fahrzeugkupplung mit einem neuronalen Netzwerk gemäß einer weiteren Ausführungsform 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 Trainierschritt TS1 wird zumindest eine geometrische Eingangsgröße als Eingabedaten bereitgestellt. Die zumindest eine geometrische Eingangsgröße ist repräsentativ für eine geometrische Eigenschaft der Fahrzeugkupplung. Die zumindest eine geometrische Eingangsgröße wird im Ausführungsbeispiel der Figur 1 in Abhängigkeit der gemessenen Stahlmasse der Fahrzeugkupplung bestimmt. Die zumindest eine geometrische Eingangsgröße wird im Ausführungsbeispiel der Figur 1 ferner in Abhängigkeit einer vorgegebenen Wärmekapazität des für die Fahrzeugkupplung verwendeten Stahls bestimmt. Die vorgegebene Wärmekapazität des für die Fahrzeugkupplung verwendeten Stahls ist im Ausführungsbeispiel der Figur 1 temperaturabhängig. Aus der gemessenen Stahlmasse und der vorgegebenen Wärmekapazität wird ein synthetischer Wert erzeugt, welcher für eine Wärmeleitfähigkeit der Fahrzeugkupplung als geometrische Eigenschaft derselben repräsentativ ist.

In einer nicht dargestellten Ausführungsform wird die zumindest eine geometrische Eingangsgröße in Abhängigkeit eines gemessenen Durchmessers und einer gemessenen Anzahl der Kupplungsbeläge der Fahrzeugkupplung bestimmt. Ferner wird die zumindest eine geometrische Eingangsgröße in diesem Ausführungsbeispiel in Abhängigkeit eines vorgegebenen Reibwerts der Kupplungsbeläge bestimmt. Aus dem gemessenen Durchmesser, der Anzahl der Kupplungsbeläge und des vorgegebenen Reibwerts wird ein synthetischer Wert erzeugt, welcher für einen Reibung der Fahrzeugkupplung als geometrische Eigenschaft derselben repräsentativ ist. In einem zweiten Trainierschritt TS2 wird zumindest ein Wert zumindest eines Betriebsparameters der Fahrzeugkupplung als Eingabedaten für das neuronale Netzwerk bereitgestellt. Der bereitgestellte Wert des zumindest einen Betriebsparameters wird hierbei an zumindest einen Eingangsknoten des neuronalen Netzwerks übertragen.

In einem dritten Trainierschritt TS3 werden Werte für eine Kupplungstemperatur als Ausgabedaten bereitgestellt. Diese Werte sind gemessene Werte für die Kupplungstemperatur. In einem nicht dargestellten Ausführungsbeispiel sind die Werte für die Kupplungstemperatur synthetisch erzeugt. Diese Werte werden an zumindest einen Ausgangsknoten des neuronalen Netzwerks übertragen.

In einem vierten Trainierschritt TS4 wird das neuronale Netzwerk mit den Eingabedaten und den Ausgabedaten trainiert, um einen Zusammenhang der geometrischen Eigenschaft und des zumindest einen Betriebsparameters mit der Kupplungstemperatur zu lernen. Basierend auf diesem von dem neuronalen Netzwerk gelernten Zusammenhang kann das trainierte neuronale Netzwerk verwendet werden, um eine Kupplungstemperatur der Fahrzeugkupplung während des Betriebs des Fahrzeugs zu bestimmen.

Zum Training 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, um die auf den Ausgangsknoten bereitgestellten Ausgabedaten zu erhalten. Die Ausgangsknoten sind über von dem neuronalen Netzwerk mathematisch gewichtete Verbindungen mit den Zwischenknoten verbunden. Die mathematische Gewichtung der jeweiligen Verbindungen wird von dem neuronalen Netzwerk während des Trainingsvorgangs angepasst.

Durch das Trainieren des neuronalen Netzwerks mit der geometrischen Eingangsgröße wird die geometrische Eigenschaft der Fahrzeugkupplung bei der Bestimmung der Kupplungstemperatur berücksichtigt. Hierdurch kann das trainierte neuronale Netzwerk auch zur Bestimmung der Kupplungstemperatur weiterer Fahrzeugkupplungen verwendet werden, welche dieselbe oder eine vergleichbare geometrische Eigenschaft aufweisen. Somit muss nicht für jede Fahrzeugkupplung ein neues neuronales Netzwerk trai- niert werden. Der Berechnungsaufwand zur Bestimmung der Kupplungstemperatur verschiedener Fahrzeugkupplungen kann daher verringert werden.

Figur 2 zeigt ein Ablaufdiagramm mit Schritten eines Verfahrens zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks, nach einer weiteren Ausführungsform der Erfindung.

In einem ersten Bestimmungsschritt BS1 wird zumindest eine geometrische Eingangsgröße als Eingabedaten in das neuronale Netzwerk eingegeben, welche repräsentativ für eine geometrische Eigenschaft der Fahrzeugkupplung ist. Die geometrische Eingangsgröße wird im Ausführungsbeispiel der Figur 2 analog zum Ausführungsbeispiel der Figur 1 basierend auf der gemessenen Stahlmasse und der vorgegebenen Wärmekapazität der Fahrzeugkupplung bestimmt und ist für die Wärmeleitfähigkeit der Fahrzeugkupplung als geometrische Eigenschaft derselben repräsentativ.

In einem zweiten Bestimmungsschritt BS2 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 dritten Bestimmungsschritt BS3 wird durch das neuronale Netzwerk eine Kupplungstemperatur bestimmt. Die Kupplungstemperatur wird basierend auf den Eingabedaten und einem von dem neuronalen Netzwerk gelernten Zusammenhang der Eingabedaten mit der Kupplungstemperatur bestimmt. Die von dem neuronalen Netzwerk bestimmte Kupplungstemperatur wird an eine Getriebesteuerung des Fahrzeugs übertragen und von dieser verwendet.

Das zur Durchführung des Verfahrens der Ausführungsform der Figur 2 verwendete neuronale Netzwerk kann gemäß dem Verfahren der Ausführungsform der Figur 1 trainiert werden. Figur 3 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 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 eine Bestimmungsvorrichtung 22 welche einen gemessenen Parameter 24a und einen vorgegebenen Parameter 24b der Fahrzeugkupplung empfängt. Der gemessene Parameter 24a und der vorgegebene Parameter 24b sind für eine geometrische Eigenschaft der Fahrzeugkupplung repräsentativ. Aus dem gemessenen Parameter 24a und dem vorgegebenen Parameter 24b bestimmt die Bestimmungsvorrichtung 22 eine geometrische Eingangsgröße 26, welche für die geometrische Eigenschaft der Fahrzeugkupplung repräsentativ ist. Analog zu den Ausführungsformen der Figuren 1 und 2 handelt es sich bei dem gemessenen Parameter 24a um eine Stahlmasse der Fahrzeugkupplung und bei dem vorgegebenen Parameter 24b um eine Wärmekapazität der Fahrzeugkupplung. Die geometrische Eingangsgröße ist in diesem Ausführungsbeispiel repräsentativ für eine Wärmeleitfähigkeit der Fahrzeugkupplung. In einem nicht dargestellten, alternativen Ausführungsbeispiel handelt es sich bei dem gemessenen Parameter 24a um einen Durchmesser und eine Anzahl der Kupplungsbeläge der Fahrzeugkupplung. Bei dem vorgegebenen Parameter 24b handelt es sich um einen Reibwert der Kupplungsbeläge. Aus dem gemessenen Durchmesser, der Anzahl der Kupplungsbeläge und dem vorgegebenen Reibwert wird ein synthetischer Wert erzeugt, welcher für eine Reibung der Fahrzeugkupplung als geometrische Eigenschaft derselben repräsentativ ist. Die geometrische Eingangsgröße 26 wird von der Bestimmungsvorrichtung 22 an die Eingabevorrichtung 16 übertragen. Die Eingabevorrichtung 16 übertragt die geometrische Eingangsgröße 26 wiederum als Eingabedaten 20b an das neuronale Netzwerk. Die Steuereinrichtung 10 umfasst ferner Erfassungsvorrichtungen 28a, 28b, welche zeitlich aufeinanderfolgende Werte 30a, 30b, beziehungsweise 30c, 30d für eine der Fahrzeugkupplung zugeführte Leistung erfassen. Bei den Erfassungsvorrichtungen 28a, 28b handelt es sich um Tiefpass-Filter und bei den Werten 30a, 30b, 30c, 30d für eine der Fahrzeugkupplung zugeführte Leistung handelt es sich um eine der Fahrzeugkupplung während eines Schaltvorgangs beziehungsweise Gangwechsels zugeführte Schaltleistung. Die erfassten Werte 30a, 30b, 30c und 30d für die Schaltleistung werden von den Erfassungsvorrichtungen 28a, 28b an eine weitere Bestimmungsvorrichtung 32 übertragen. Die weitere Bestimmungsvorrichtung 32 bestimmt durch Verarbeiten der zeitlich aufeinanderfolgenden Werte 30a, 30b, 30c, 30d zumindest einen Mittelwert für die Schaltleistung. Der zumindest eine Mittelwert für die Schaltleistung wird von der Bestimmungsvorrichtung 32 als Eingangswert 34 an die Eingabevorrichtung 16 übertragen. Die Eingabevorrichtung 16 überträgt den Eingangswert 24 als Eingabedaten 20c an das neuronale Netzwerk 12.

Aus den Eingabedaten 20a, 20b, 20c wird von dem neuronalen Netzwerk 12 eine Kupplungstemperatur KT der Fahrzeugkupplung bestimmt. Die bestimmte Kupplungstemperatur KT wird von dem neuronalen Netzwerk 12 an eine Ausgabevorrichtung 36 übertragen. Die Ausgabevorrichtung 30 überträgt die bestimmte Kupplungstemperatur KT an weitere Vorrichtungen der Fahrzeugsteuerung.

Die in der Figur 3 dargestellte Steuereinrichtung 10 kann zum Trainieren des neuronalen Netzwerks gemäß des Ausführungsbeispiels der Figur 1 verwendet werden.

Bezugszeichen

10 Steuereinrichtung

12 Neuronales Netzwerk

14 Speichermedium

16 Eingabevorrichtung

18a, 18b, 18c Werte von Betriebsparametern

20a, 20b, 20c Eingabedaten

22 Bestimmungsvorrichtung

24a gemessener Parameter

24b vorgegebener Parameter

26 geometrische Eingangsgröße

28a, 28b Erfassungsvorrichtungen

30a, 30b, zeitlich aufeinanderfolgende Werte für eine der Fahrzeugkupplung

30c, 30d zugeführte Leistung

32 weitere Bestimmungsvorrichtung

34 Eingangswert

36 Ausgabevorrichtung

KT Kupplungstemperatur

TS1 erster Trainierschritt

TS2 zweiter Trainierschritt

TS3 dritter Trainierschritt

TS4 vierter Trainierschritt

BS1 erster Bestimmungsschritt

BS2 zweiter Bestimmungsschritt

BS3 dritter Bestimmungsschritt