-
Die vorliegende Erfindung betrifft ein computerimplementiertes Verfahren und eine Vorrichtung zur Codierung und Verarbeitung von hochdimensionalen Sensorpfaddaten einer Sensoreinheit zur Steuerung eines Fahrzeugs.
-
Moderne Fahrzeuge verfügen in der Regel über eine Vielzahl von Sensoren, Aktuatoren und/oder Steuergeräten. Diese Vorrichtungen erfassen eine große Anzahl von Signalen und führen diese einer Reihe von Softwarefunktionen zu. Diese Softwarefunktionen berechnen wiederum neue Signale und / oder Daten, die sowohl einer Systemüberwachung als auch der Ansteuerung von Aktuatoren dienen können. Dabei werden sehr häufig Modelle entworfen/verwendet, die nicht direkt messbare Größen ermitteln bzw. abschätzen (zum Beispiel Temperaturen von unzugänglichen Bauteilen) oder abstrakte Klassifikationen durchführen (zum Beispiel: einen Fahrstil eines Fahrers bestimmen). Diese Modelle werden deshalb verwendet, um auf die Kosten eines damit hinfälligen Sensors verzichten zu können.
-
Die große Anzahl von Signalen in Verbindung mit einem Zeit- und/oder positionsabhängigen Verlauf (Fahrtabhängigkeit) und die im Allgemeinen komplexen physikalischen Zusammenhänge sind häufig nur schwer mit den zur Verfügung stehenden Hardwareressourcen von herkömmlichen Steuereinheiten zu vereinbaren. Deshalb werden in der Regel stark vereinfachte Modelle entworfen, die nur einen Bruchteil der tatsächlich vorhandenen Informationen aus den Sensordaten verarbeiten. Alternativ werden auch händisch konstruierte Kennzahlen berechnet, um möglichst verlustfrei einen Großteil der verfügbaren Daten zu nutzen. Zusätzlich findet bei der Steuerung von herkömmlichen Fahrzeugen eine Informationsauswahl aus den zur Verfügung stehenden Daten und eine Aufbereitung für viele der Modelle teilweise redundant statt, wodurch ein hoher zeitlicher Aufwand und zum Teil redundante Prozess- und Rechenschritte einhergehen.
-
Aus der
DE 10 2018 200 982 A1 ist ein Verfahren zur Verarbeitung von Sensordaten in einer Anzahl von Steuergeräten eines Steuergeräteverbundes bekannt. Die Steuergeräte werden über wenigstens einen Kommunikationsbus mit mindestens einem Sensor verbunden, wobei die Sensordaten des wenigstens einen Sensors von wenigstens zwei verschiedenen Steuergeräten stufenweise verarbeitet werden. Dabei ist es so, dass wenigstens eine Verarbeitungsstufe in beiden Steuergeräten übereinstimmt. Es wird eine Vorverarbeitungseinheit vorgesehen, der die Sensordaten des wenigstens einen Sensors zugeführt werden, wobei in der Vorverarbeitungseinheit die Verarbeitung der Sensordaten in der wenigstens einen übereinstimmenden Verarbeitungsstufe durchgeführt wird und die bearbeiteten Sensordaten an die wenigstens zwei verschiedenen Steuergeräte zur individuellen Weiterverarbeitung weitergeleitet werden.
-
Die Aufgabe der vorliegenden Offenbarung ist daher ein computerimplementiertes Verfahren bzw. eine Vorrichtung zu schaffen, mit dem bzw. mit der eine Steuerung eines Fahrzeugs mittels hochdimensionalen Sensorpfaddaten vorteilhaft effizient möglich ist.
-
Die Aufgabe wird gelöst durch ein computerimplementiertes Verfahren aufweisend die Merkmale der unabhängigen Patentansprüche und eine Vorrichtung, die dazu ausgebildet ist, das computerbasierte Verfahren auszuführen. Vorteilhafte Ausgestaltungen der vorliegenden computerimplementierten Verfahren sind in den abhängigen Ansprüchen und in der Beschreibung angegeben.
-
Gemäß der vorliegenden Offenbarung weist ein computerimplementiertes Verfahren zur Codierung und Verarbeitung von hochdimensionalen Sensorpfaddaten einer Sensoreinheit zur Steuerung eines Fahrzeugs auf, wobei die Sensoreinheit einen Sensor, der hochdimensionale Sensorpfaddaten erfasst, und eine Steuereinheit aufweist, die die hochdimensionalen Sensorpfaddaten des Sensors verarbeitet, die folgenden Schritte auf:
- - Erfassen von hochdimensionalen Sensorpfaddaten mit dem Sensor während eines definierten Zeitraums und/oder während einer vordefinierten Wegstrecke;
- - Speichern der erfassten hochdimensionalen Sensorpfaddaten in einem ersten Speicher;
- - Bereitstellen eines trainierten neuronalen Netzes, wobei das neuronale Netz einen Autoencoder umfasst;
- - Codieren der in dem ersten Speicher gespeicherten hochdimensionalen Sensorpfaddaten mittels einer Dimensionsreduzierung mit dem trainierten neuronalen Netz;
- - Speichern der codierten Sensorpfaddaten in einem zweiten Speicher;
- - Verarbeitung der in dem zweiten Speicher gespeicherten codierten Sensorpfaddaten zur Steuerung des Fahrzeugs.
-
Hochdimensionale Sensorpfaddaten sind Sensordaten, die einen hochdimensionalen Informationsgehalt, in anderen Worten einen mehrdimensionalen Informationsgehalt, aufweisen. Die hochdimensionalen Sensorpfaddaten können beispielsweise aus einem einzigen Sensor, dessen Sensordaten hochdimensionale Informationen beinhalten herstammen oder es ist auch denkbar, dass die hochdimensionalen Sensorpfaddaten aus einer Mehrzahl von einzelnen Sensoren zusammengesetzt die hochdimensionalen Sensorpfaddaten ergeben.
-
Die Sensorpfaddaten sind gemäß der vorliegenden Offenbarungen Sensordaten, die über eine bestimmte Zeit und / oder Wegstrecke (Pfad) erfasst werden. Gemäß der vorliegenden Offenbarung werden die hochdimensionalen Sensorpfaddaten von der Steuereinheit verarbeitet. Dementsprechend werden die hochdimensionalen Sensorpfaddaten der Steuereinheit zugeführt, und die Steuereinheit führt das computerimplementierte Verfahren gemäß der vorliegenden Offenbarung durch. Die Steuereinheit selbst kann dabei Teil des Fahrzeugs sein, es ist aber auch denkbar, dass beispielsweise die hochdimensionalen Sensorpfaddaten mittels einer Schnittstelle an eine externe Steuereinheit übermittelt werden, die wiederum die hochdimensionalen Sensorpfaddaten verarbeitet und die Ergebnisse wiederum an das Fahrzeug zurückübermittelt. Dementsprechend wären der Sensor bzw. die Sensoren in dem Fahrzeug angeordnet und die Steuereinheit außerhalb des Fahrzeugs angeordnet.
-
Gemäß der vorliegenden Offenbarung werden zunächst die hochdimensionalen Sensorpfaddaten mit dem Sensor während eines definierten Zeitraums und/oder während einer vordefinierten Wegstrecke erfasst. Der definierte Zeitraum kann beispielsweise von 10 bis 20 Sekunden, vorzugsweise 16 Sekunden, betragen, wobei innerhalb des definierten Zeitraums von beispielsweise 16 Sekunden mit einer gewissen Abtastrate die hochdimensionalen Sensorpfaddaten erfasst werden. Die Abtastrate kann beispielsweise von 0,5 bis 2 Sekunden, vorzugsweise 1 Sekunde, betragen, sodass innerhalb des definierten Zeitrahmens von beispielsweise 16 Sekunden, 16 Sensorpfaddatenpunkte erfasst werden. Die vordefinierte Wegstrecke kann beispielsweise 100 Meter bis 200 Meter, vorzugsweise 150 Meter, betragen, sodass innerhalb dieser Wegstrecke von beispielsweise 150 m die hochdimensionalen Sensorpfaddaten mittels einer vordefinierten Abtastrate von beispielsweise 10 m abgetastet bzw. erfasst werden.
-
In einem weiteren Verfahrensschritt werden gemäß der vorliegenden Offenbarung die erfassten hochdimensionalen Sensorpfaddaten in einem ersten Speicher gespeichert. Der erste Speicher kann gemäß einer Ausführungsform der Arbeitsspeicher der Steuereinheit sein. Gemäß einer anderen Ausführungsform werden die erfassten hochdimensionalen Sensorpfaddaten in einem externen Speicher als den ersten Speicher der Steuereinheit gespeichert. Der erste Speicher kann dementsprechend auch nur ein Teil eines Speicherplatzes sein. Dieser Teil kann dementsprechend zur Speicherung der erfassten hochdimensionalen Sensorpfaddaten klassifiziert sein.
-
Gemäß der vorliegenden Offenbarung wird in dem nachfolgenden Schritt ein trainiertes neuronales Netz bereitgestellt, wobei das neuronale Netz einen Autoencoder umfasst. Der Autoencoder ist ein künstliches neuronales Netz oder ein Teil eines künstlichen neuronalen Netzes, das dazu genutzt wird, effiziente Codierungen zu lernen bzw. durchzuführen, wobei insbesondere besonders effiziente Codierungen erzielbar sind. Der Autoencoder kann dabei drei oder mehrere Schichten (Layer) aufweisen. Gemäß einer Ausführungsform weist der Autoencoder eine Eingabeschicht, eine signifikant kleinere Schicht, die das Encoding bildet, und eine Ausgabeschicht auf. Gemäß der vorliegenden Offenbarung wird das trainierte neuronale Netz bereitgestellt, dies bedeutet, dass das neuronale Netz mit Trainingsdaten bereits trainiert wurde, sodass mit dem trainierten neuronalen Netz, das den Autoencoder umfasst eine Codierung der erfassten hochdimensionalen Sensorpfaddaten möglich ist.
-
Gemäß der vorliegenden Offenbarung werden in einem nachfolgenden Schritt die in dem ersten Speicher gespeicherten hochdimensionalen Sensorpfaddaten mittels einer Dimensionsreduzierung mit dem trainierten neuronalen Netz codiert. Die Codierung der hochdimensionalen Sensorpfaddaten erfolgt mittels des Autoencoders des trainierten neuronalen Netzes. Dabei erfolgt die Dimensionsreduzierung, wodurch der Speicherplatzbedarf für die Sensorpfaddaten reduziert wird. Die Dimensionsreduzierung geht an sich mit Informationsverlust einher, allerdings ist der Informationsverlust aufgrund der Codierung mit dem Autoencoder derart ausgebildet, dass keine für die Verarbeitung bzw. Steuerung des Fahrzeugs relevanten Informationen verloren gehen, da der Autoencoder derart trainiert wurde, dass eben die relevanten Informationen auch nach der Dimensionsreduzierung vorhanden bzw. nutzbar bleiben.
-
Gemäß der vorliegenden Offenbarung werden in einem nachfolgenden Schritt die codierten Sensorpfaddaten in einem zweiten Speicher gespeichert. Der zweite Speicher, oder der zweite Speicherort ist von dem ersten Speicherort verschieden und dient spezifisch zur Speicherung der codierten, also dimensionsreduzierten Sensorpfaddaten. In dem zweiten Speicher können dementsprechend die codierten Sensorpfaddaten, die weniger Speicherplatz als die erfassten hochdimensionalen Sensorpfaddaten benötigen, gespeichert werden. Der zweite Speicher ist gemäß einer Ausführungsform der Arbeitsspeicher des Steuergeräts. Gemäß einer weiteren Ausführungsform können die hochdimensionalen Sensorpfaddaten in einem nicht flüchtigen Speicherbereich gespeichert werden.
-
Gemäß der vorliegenden Offenbarung werden in einem nachfolgenden Schritt die in dem zweiten Speicher gespeicherten codierten Sensorpfaddaten zur Steuerung des Fahrzeugs verarbeitet. Die Verarbeitung wird gemäß einer Ausführungsform in der Steuereinheit durchgeführt. Gemäß einer anderen Ausführungsform wird die Verarbeitung der codierten Sensorpfaddaten zur Steuerung des Fahrzeugs von einer zusätzlichen Steuereinheit durchgeführt. Es ist auch denkbar, dass je nach Anforderung bzw. je nach Steuerung von unterschiedlichen Komponenten/Aktuatoren des Fahrzeugs, die Verarbeitung der codierten Sensorpfaddaten von einer entsprechenden vordefinierten Steuereinheit durchgeführt wird. Gemäß der vorliegenden Offenbarung werden dementsprechend die hochdimensionalen Sensorpfaddaten derart codiert, sodass bei der Dimensionsreduzierung die für die beabsichtigte Steuerung relevanten Informationen erhalten bleiben. Dementsprechend kann mittels aller erfassten hochdimensionalen Sensorpfaddaten, die für die Steuerung des Fahrzeugs bzw. die für die Steuerung von Komponenten/Aktuatoren des Fahrzeugs relevant sind die Steuerung des Fahrzeugs vorteilhaft genau vorgenommen werden. Die Steuerung des Fahrzeugs kann gemäß einer Ausführungsform auch eine Überwachung von Fahrzeugfunktionen und / oder Komponenten umfassen. Es ist somit möglich mittels allen grundsätzlich zur Verfügung stehenden Informationen aus den hochdimensionalen Sensorpfaddaten eine vorteilhaft genaue und gute Steuerung des Fahrzeugs bzw. Steuerung von Komponenten/Aktuatoren des Fahrzeugs vorzunehmen.
-
Gemäß einer Ausführungsform wurde das trainierte neuronale Netz mittels vorerfasster Sensorpfaddaten als Trainingsdaten trainiert. Dabei wurde dem Autoencoder des neuronalen Netzes während einer Trainingsphase die vorerfassten Sensorpfaddaten zum Training bereitgestellt. Die vorerfassten Sensorpfaddaten sind demgemäß die Eingangsdaten für das Training des Autoencoders. Als Ausgangsdaten können dementsprechend andere oder zusätzliche Trainingsdaten zur Verfügung gestellt werden, sodass während der Trainingsphase des neuronalen Netzes bzw. während der Trainingsphase des Autoencoders das entsprechende Training mittels der vorerfassten Sensorpfaddaten als Eingangsgrößen und mittels der zusätzlich bereitgestellten Ausgangsdaten möglich ist, sodass das neuronale Netz trainiert werden kann. Als Ausgangsdaten für den Trainingsprozess können dementsprechend codierte Daten, deren Informationsverlust für die entsprechende Steuerung nicht relevant ist, bereitgestellt werden. Ein derartiges Training wird als „(semi)-supervised learning“ (überwachtes Lernen) bezeichnet. Andere Trainingsmethoden, wie zum Beispiel „unsupervised learning“ sind ebenso denkbar. Gemäß dieser Ausführungsform ist es vorteilhaft einfach das neuronale Netz bzw. den Autoencoder derart zu trainieren, dass der trainierte Autoencoder die gewünschte Dimensionsreduktion bei gleichzeitig lediglich für die entsprechende Anwendung irrelevantem Informationsverlust vornehmen kann. Dementsprechend kann mittels der derartig trainierten Autoencoders die Dimensionsreduzierung der neu erfassten hochdimensionalen Sensorpfaddaten vorteilhaft genau durchgeführt werden, sodass kein unerwünschter Informationsverlust erfolgt.
-
Gemäß einer Ausführungsform weist die Sensoreinheit eine Mehrzahl von Sensoren auf, die jeweils hochdimensionale Sensorpfaddaten erfassen und die mittels des trainierten neuronalen Netzes codiert werden. Die Sensoreinheit weist gemäß dieser Ausführungsform zwei oder mehrere Sensoren auf. Die Sensoren wiederum erfassen, beispielsweise während des Betriebs des Fahrzeugs, ihre jeweiligen hochdimensionalen Sensorpfaddaten, die jeweils in einem dafür vorgesehenen Speicherort des ersten Speichers hinterlegt werden und anschließend mittels des trainierten neuronalen Netzes codiert werden. Der erste Speicher kann beispielsweise ein Arbeitsspeicher der Steuereinheit sein. Die jeweils gespeicherten hochdimensionalen Sensorpfaddaten werden anschließend beispielsweise sequentiell oder gleichzeitig dem trainierten neuronalen Netz zur Codierung zugeführt, wodurch die gewünschte Dimensionsreduzierung durchgeführt wird, wobei anschließend die codierten Sensorpfaddaten jeweils in einem vorgesehenen Speicherort des zweiten Speichers hinterlegt werden können. Gemäß dieser Ausführungsform ist es möglich mittels des trainierten neuronalen Netzes eine Vielzahl von hochdimensionalen Sensorpfaddaten aus einer Mehrzahl von Sensoren zur Steuerung des Fahrzeugs vorteilhaft einfach zu verarbeiten und heranzuziehen.
-
Gemäß einer Ausführungsform wird die Codierung der erfassten hochdimensionalen Sensorpfaddaten mittels eines Layers des neuronalen Netzes durchgeführt. Der Layer des neuronalen Netzes weist Parameter (weights und bias) auf, die während der Trainingsphase des neuronalen Netzes trainiert bzw. festgelegt wurden, und mittels dessen die hochdimensionalen Sensorpfaddaten codiert werden. Gemäß einer weiteren Ausführungsform wird jedes Codierungslevel der erfassten hochdimensionalen Pfaddaten mit einem speziell dafür vorgesehen Layer vorgenommen. Beispielsweise erfolgt die zweite Codierung mittels Ausgangsdaten des Layers der ersten Codierung
-
Gemäß einer Ausführungsform werden während einem dem ersten definierten Zeitraum nachfolgenden Zeitraum und/oder einer der vordefinierten Wegstrecke nachfolgenden Wegstrecke neu erfasste hochdimensionale Sensorpfaddaten in dem ersten Speicher gespeichert und mittels des trainierten neuronalen Netzes codiert und zur Steuerung des Fahrzeugs herangezogen, wodurch das computerimplementierte Verfahren iterativ durchgeführt wird. Gemäß dieser Ausführungsform werden während des dem ersten Zeitraum nachfolgenden Zeitraum erfassten hochdimensionalen Sensorpfaddaten in dem ersten Speicher gespeichert, wobei gemäß einer Ausführungsform die in dem ersten definierten Zeitraum erfassten hochdimensionalen Sensorpfaddaten überschrieben werden. Die neu erfassten hochdimensionalen Sensorpfaddaten werden anschließend dem trainierten neuronalen Netz zugeführt und dadurch codiert und dementsprechend erfolgt die Dimensionsreduzierung wodurch der Speicherplatzbedarf reduziert wird. Die dadurch neu codierten hochdimensionalen Sensorpfaddaten werden in dem zweiten Speicher gespeichert. Es ist beispielsweise denkbar, dass diese neben den ursprünglich codierten Sensorpfaddaten zusätzlich gespeichert werden oder es ist auch denkbar, dass die ursprünglich codierten Sensorpfaddaten überschrieben werden. Für die Steuerung des Fahrzeugs werden anschließend die neu codierten hochdimensionalen Sensorpfaddaten herangezogen oder gemäß einer Ausführungsform werden die vorhergehenden codierten Sensorpfaddaten und die neu codierten Sensorpfaddaten zur Steuerung des Fahrzeugs herangezogen.
-
Gemäß dieser Ausführungsform ist eine kontinuierliche Erfassung von hochdimensionalen Sensorpfaddaten, die Codierung dieser hochdimensionalen Sensorpfaddaten und dementsprechend die Steuerung des Fahrzeugs anhand der codierten Sensorpfaddaten möglich. Das computerimplementierte Verfahren wird dementsprechend iterativ durchgeführt, wodurch die Steuerung des Fahrzeugs vorteilhaft genau über einen längeren Zeitraum durchgeführt werden kann. Zusätzlich werden Rechenressourcen geschont, da jeweils während der vordefinierten Zeiträume die hochdimensionalen Sensorpfaddaten gespeichert und codiert werden.
-
Gemäß einer Ausführungsform werden die codierten Sensorpfaddaten in einem zweiten Codierschritt mittels einer weiteren Dimensionsreduzierung mit demselben trainierten neuronalen Netz codiert und in einem weiteren Speicher gespeichert und zur Steuerung des Fahrzeugs herangezogen. Gemäß dieser Ausführungsform wird dementsprechend die Codierung der bereits codierten Sensorpfaddaten durchgeführt. Dabei erfolgt eine weitere Dimensionsreduzierung und dadurch eine weitere Reduktion des Speicherplatzbedarfs der Sensorpfaddaten. Diese weitere Dimensionsreduzierung ist ebenfalls informationsverlustbehaftet, allerdings ist der Informationsverlust mittels des trainierten neuronalen Netzes derart ausgestaltet, dass lediglich Informationen verloren gehen, die nicht zur Steuerung des Fahrzeugs bzw. zur Steuerung der relevanten Komponenten des Fahrzeugs herangezogen werden müssen. Dementsprechend werden die mit den zweimalig codierten Sensorpfaddaten lediglich zur Steuerung von Komponenten des Fahrzeugs bzw. von Aktuatoren des Fahrzeugs herangezogen, die mit den zweimalig codierten Sensorpfaddaten gesteuert werden können. Gemäß einer weiteren Ausführungsform ist es auch denkbar, dass zur Steuerung des Fahrzeugs bzw. zur Steuerung von Aktuatoren und/oder Komponenten des Fahrzeugs gleichzeitig die einmalig codierte Sensorpfaddaten und die zweimalig codierte Sensorpfaddaten herangezogen werden. Dementsprechend fließen beispielsweise in eine Teilsteuerung die einmalig codierten Sensorpfaddaten und in eine andere Teilsteuerung die zweimalig codierten Sensorpfaddaten zur Steuerung der entsprechenden Komponente bzw. zur Steuerung des Fahrzeugs ein.
-
Dementsprechend kann die Steuerung des Fahrzeugs vorteilhaft effizient und genau durchgeführt werden.
-
Gemäß einer weiteren Ausführungsform werden die codierten Sensorpfaddaten von mindestens einem weiteren neuronalen Netz für die Steuerung des Fahrzeugs verarbeitet. Dementsprechend werden die beispielsweise einmalig codierten bzw. zweimalig codierten Sensorpfaddaten einem weiteren neuronalen Netz zugeführt, das beispielsweise ein Modell zur Ermittlung beispielsweise einer Temperatur oder einer Drehzahl oder eines Leistungsstands bildet, wodurch mittels dieses weiteren neuronalen Netzt entsprechend Daten generiert werden, die wiederum zur Steuerung des Fahrzeugs verarbeitet werden. Das weitere neuronale Netz kann beispielsweise mittels einer zusätzlichen Steuereinheit oder der Steuereinheit der Sensoreinheit bereitgestellt und ausgeführt werden. Die mittels des trainierten neuronalen Netzes codierten Sensorpfaddaten können vorteilhaft einfach von dem weiteren neuronalen Netz zur Ermittlung von Daten verarbeiten werden, sodass die Steuerung des Fahrzeugs bzw. die Steuerung von Aktuatoren/Komponenten des Fahrzeugs vorteilhaft einfach und genau durchgeführt werden kann.
-
Gemäß einer Ausführungsform werden zur Steuerung des Fahrzeugs zusätzlich spezifische Eingangsdaten herangezogen. Die spezifischen Eingangsdaten sind beispielsweise zusätzliche Messdaten von Sensoren oder Klassifizierungsdaten, die nicht codiert wurden und direkt beispielsweise dem weiteren neuronalen Netz oder einem anderen Modell zur Steuerung des Fahrzeugs zugefügt werden. Dadurch kann zusätzlich genau das Fahrzeug bzw. die entsprechende Komponente / Aktuator des Fahrzeugs gesteuert werden.
-
Erfindungsgemäß wird für eine Ermittlung von Daten zur Steuerung des Fahrzeugs eine spezifische Auswahl und/oder eine Kombination von codierten Sensorpfaddaten unterschiedlicher Komprimierungslevels und/oder spezifische Eingangsdaten herangezogen. Beispielsweise kann für die Ermittlung einer Temperatur mittels eines weiteren neuronalen Netzes einmalig codierte Sensorpfaddaten, und zweimalig codierte Sensorpfaddaten und zusätzlich die vordefinierten spezifischen Eingangsdaten verwendet werden. Derartige Modelle können beispielsweise vordefiniert in dem entsprechenden Steuergerät hinterlegt werden und führen dementsprechend anschließend die Datenermittlung gemäß vordefinierten Prozessen durch.
-
Gemäß einem weiteren Aspekt der vorliegenden Offenbarung weist eine Vorrichtung zur Codierung und Verarbeitung von hochdimensionalen Sensorpfaddaten eine Steuereinheit auf, die zur Steuerung eines computerimplementierten Verfahrens gemäß den oben ausgeführten Aspekten ausgebildet ist. Die Vorrichtung kann beispielsweise eine Steuereinheit für das Fahrzeug bzw. eine Steuereinheit für eine spezifische Komponente des Fahrzeugs sein. Es ist auch denkbar, dass die Vorrichtung ein Teil oder ein Bestandteil einer zusätzlichen Steuereinheit ist oder als zusätzliche Steuereinheit verbaut ist.
-
Die hochdimensionalen Sensorpfaddaten können gemäß einer Ausführungsform von einem Antriebsstrang oder einem System eines Antriebsstrangs stammen. Das System kann gemäß einer Ausführungsform eine Leistungselektronik, wie beispielsweise eine Hoch-Voltbox eines elektrischen oder eines hybriden Antriebsstrangs sein. Die Leistungselektronik weist gemäß einer Ausführungsform eine Vielzahl von Funktionen und Subsystemen auf. Gemäß einer Ausführungsform weist die Leistungselektronik ein On-Board-Charger Subsystem auf, das eine Umwandlung eines mehrphasigen AC-Netzeingangs (Spannung) in einen DC-Strom zur Versorgung des Fahrzeugnetzes vornimmt, beispielsweise zum Laden eines Akkumulators. Gemäß einer weiteren Ausführungsform weist die Leistungselektronik eine Power Distribution Unit (PDU) auf, die dazu ausgebildet ist direktes DC-Laden des Akkumulators mit externer DC-Hochspannung zu ermögliche und eine Verteilung von Hochspannung an alle Konsumenten, wie beispielsweise Elektrische Maschine(n), Klimakompressor, elektrischer Kompressor und elektrischer Heizkatalysator zu realisieren. Gemäß einer weiteren Ausführungsform weist die Leistungselektronik einen Low Voltage (LV) DCDC-Converter auf, der dazu ausgebildet ist eine Bidirektionale Wandlung zwischen 12V Bordnetz und Hochvolt-Netz, das Laden eines 12V Akkumulators aus dem Hochvolt-Netz, Bereitstellung der 12V-Spannung für Konsumenten des Antriebsstrangs oder des Fahrzeugs wie beispielweise Steuergeräte, Displayeinheiten, Fensterheber etc. zu realisieren. Gemäß einer weiteren Ausführungsform weist die Leistungselektronik einen aktiven Wasserkühlkreislauf auf, der dazu ausgebildet ist, eine Temperatur innerhalb der Leistungselektronik zu überwachen. Gemäß einer Ausführungsform weist die Leistungselektronik eine Kombination der unterschiedlichen Subsysteme auf. Die Leistungselektronik weist dementsprechend verschiedene Sensoren auf, beispielsweise Temperatursensoren. Zudem können die entsprechenden Subsysteme unterschiedliche Sensoren aufweisen.
-
Das On-Board-Charger Subsystem weist beispielsweise Sensoren zur Erfassung von Netzspannung, Netzladestrom, Zwischenkreisspannung, Zwischenkreisladestrom, Ausgangsspannung/Hochvolt-Netzspannung und / oder Ausgangsstrom/Akkumulatorladestrom auf. Die Power Distribution Unit (PDU) weist gemäß einer Ausführungsform Sensoren zur Erfassung von Busbar (Sammelschienen) Temperatur, DC-Ladestrom und / oder DC-Ladespannung auf. Der Low Voltage (LV) DCDC-Converter weist gemäß einer Ausführungsform Sensoren zur Erfassung von LV-Spannung, LV- Aus-/Eingangsstrom, HV-Aus-/Eingangsstrom und / oder einer Temperatur auf. Der aktive Wasserkühlkreislauf weist gemäß einer Ausführungsform Kühlkreislauf Sensoren zur Erfassung von Volumenstrom, Kühlmitteleingangstemperatur, Kühlmittelausgangstemperatur, Kühlmitteleingangsdruck und / oder Kühlmittelausgangsdruck auf.
-
Außerdem können gemäß einer Ausführungsform eine sehr große Zahl von Größen wie beispielsweise elektrische Ladung, elektrische Leistung, elektrische Wirkungsgrade, Systemzustände (Leerlauf/AC-Laden,DC-Laden, etc.) berechnet werden, zudem können mittels Modellen für nicht direkt ableitbare Temperaturen, Ströme, Spannungen, etc. deren Größen ermittelt werden.
-
Viele Komponenten innerhalb der Leistungselektronikeinheit können zum Teil starken Bauteiltoleranzen und außerdem erheblichen Alterungseffekten über deren Laufzeit unterliegen. Hierbei sind vor allem Leistungselektronikbauteile wie beispielsweise Spulen, Kondensatoren, Widerstände, Dioden und MOSFETS besonders stark betroffen. Bauteiltoleranzen und Alterungseffekte kommen bei derartigen Bauteilen besonders stark durch thermische Belastung zum Tragen. Die genaue thermische Belastung der einzelnen Komponenten ergibt sich primär durch das letztendliche Nutzerverhalten, welches naturgemäß sehr unterschiedlich sein kann.
-
Eine direkte Temperaturbestimmung von den unterschiedlichen Bauteilen ist nur für eine begrenzte Anzahl möglich. Die sehr hohe Anzahl derartiger Komponenten erschwert zudem die Erstellung dedizierter Modelle, beispielsweise zur Temperaturermittlung. Dadurch, dass Temperaturen integraler Natur sind, also eine Summe aller Wärmequellen und -senken, sollte die Historie der relevanten Signale aus vorhandenen Temperatursignalen berücksichtigt werden. Dies wird gemäß dieser Ausführungsform dadurch realisiert, dass die vorhandenen Temperatursignale der vorhandenen Sensoren als hochdimensionale Sensorpfaddaten während des vordefinierten Zeitraums erfasst und gespeichert werden. Diese hochdimensionalen Sensorpfaddaten können anschließend mittels des trainierten neuronalen Netzes codiert werden, gespeichert werden und zur Steuerung der Leistungselektronik bzw. zur Überwachung der Leistungselektronik herangezogen werden.
-
Während der Entwicklungsphase der Leistungselektronik können die jeweiligen Bauteiltemperaturmessung im Betrieb hingegen relativ einfach ermittelt werden. Hierbei kann beispielsweise eine Infrarotkamera eine Vielzahl von Bauteiltemperaturen gleichzeitig erfassen. Mittels dieser Daten kann dementsprechend das neuronale Netz trainiert werden, um im Betrieb in Abhängigkeit der ermittelbaren Temperaturen und beispielsweise des Nutzerverhaltens weitere relevante Temperaturen der Leistungselektronik zu ermitteln, wodurch die Leistungselektronik gesteuert bzw. überwacht werden kann.
-
Demgemäß werden gemäß der vorliegenden Ausführungsform die Vielzahl von Sensorpfaddaten genutzt, um eine Codierung aller temperaturrelevanten Informationen durchzuführen. Die codierten Signale können prinzipiell für die Temperaturmodellierung aller relevanten Komponenten / Subsysteme genutzt werden. Gemäß einer Ausführungsform weist jede Komponente lediglich ein „kleines“ neuronles Netz auf, um die codierten Informationen für seinen speziellen Anwendungsfall z.B.: Spule XYZ auszuwerten.
Die dadurch ermittelten Daten wie beispielsweise Temperaturen können dann zudem Alterungsmodellen zugeführt werden, um den aktuellen Bauteilzustand zu ermitteln und ggf. die Regelung des Systems anzupassen.
-
Ausführungsbeispiele und Weiterbildungen des computerimplementierten Verfahrens gemäß der vorliegenden Offenbarung sind in den Figuren dargestellt und werden anhand der nachfolgenden Beschreibung näher erläutert.
-
Es zeigen:
- 1 ein Sensorpfaddatendiagramm gemäß einer Ausführungsform,
- 2 ein erstes Codierungsdiagramm gemäß einer ersten Ausführungsform,
- 3 ein zweites Codierungsdiagramm gemäß einer zweiten Ausführungsform,
- 4 ein drittes Codierungsdiagramm gemäß einer dritten Ausführungsform,
- 5 ein Flussdiagramm gemäß einer Ausführungsform.
-
Die 1 zeigt ein Sensorpfaddatendiagramm 100 gemäß einer Ausführungsform. In dem Sensorpfaddatendiagramm 100 sind Sensorpfaddaten 110 dargestellt. Die Sensorpfaddaten 110 sind über einen vordefinierten Zeitrahmen 130 aufgenommen. Der Zeitraum 130 entspricht einer Zeitschrittreihe 140 mit mehreren Zeitschrittpunkten 150. Gemäß dieser Ausführungsform weist die Zeitschrittreihe 140 sechzehn Zeitschrittpunkte 150 auf. Das dargestellte Sensorpfaddatendiagramm 100 wird von insgesamt neun Sensorpfaddaten 110 befüllt. Während jedes Zeitschrittpunkts 150 wird ein entsprechender Sensorpfaddatenpunkt 120 der jeweiligen neuen Sensoren befüllt. Die derartig erfassten hochdimensionalen Sensorpfaddaten 110 werden in einem ersten Speicher hinterlegt. Der erste Speicher ist beispielsweise ein Arbeitsspeicher einer Steuereinheit.
-
Die in dem Sensorpfaddatendiagramm 100 der 1 aufgenommenen Sensorpfaddaten 110 werden mittels einhundertvierundvierzig Sensorpfaddatenpunkte 120, also neun Signale mal sechzehn Zeitschrittpunkte 150 (9*16=144) erfasst und in dem ersten Speicher hinterlegt.
-
Die 2 zeigt ein erstes Codierungsdiagramm 190 das mittels eines neuronalen Netzes 200, das einen Autoencoder 210 umfasst eine Codierung der erfassten Sensorpfaddaten 110 durchführt. Der Autoencoder 210 weist diesbezüglich einen Layer 220 auf, der die Codierung der Sensorpfaddaten 110 vornimmt. Auf der linken Seite der 2 sind beispielhaft eine Vielzahl von nicht codierten erfassten hochdimensionalen Sensorpfaddaten 110 dargestellt, die mittels der Codierung durch das neuronale Netz 200 in codierte Sensorpfaddaten 230 umgewandelt werden. Die codierten Sensorpfaddaten 230 sind in 2 auf der rechten Seite symbolisch dargestellt. Durch die Codierung der Sensorpfaddaten 110 erfolgt eine Dimensionsreduktion, wodurch auch ein Informationsverlust einhergeht. Der Informationsverlust ist allerdings derart ausgestaltet, dass er keine relevanten Informationen für die Steuerung des Fahrzeugs verloren gehen. Dies wird durch das entsprechende Training des neuronalen Netzes 200 realisiert.
-
Die 3 zeigt ein zweites Codierungsdiagramm 300. In dem zweiten Codierungsdiagramm 300 werden zunächst eine Reihe von Sensorpfaddaten 110 (nicht gezeigt) über einen vordefinierten Zeitraum 130 erfasst. Die erfassten Sensorpfaddaten 110 werden anschließend iterativ mittels des neuronalen Netzes 200 (nicht gezeigt) codiert. Die codierten Sensorpfaddaten 230 werden anschließend in dem zweiten Speicher hinterlegt. Die hochdimensionalen Sensorpfaddaten 110 werden erfasst, codiert und gespeichert, gleichzeitig werden neue Sensorpfaddaten 110 erfasst, die wiederum anschließend codiert und gespeichert werden. Dieser iterative Prozess ist in dem zweiten Codierungsdiagramm 300 schematisch dargestellt.
-
Die 4 zeigt ein drittes Codierungsdiagramm 400. Das dritte Codierungsdiagramm 400 unterscheidet sich von dem zweiten Codierungsdiagramm 300 dadurch, dass zusätzlich mittels des neuronalen Netzes 200 (nicht dargestellt) eine zweite Codierung der bereits codierten Sensorpfaddaten 230 erfolgt. Dabei kommt es zu einer weiteren Dimensionsreduktion, wodurch der Speicherbedarf für zweimalig codierten Sensorpfaddaten weiter reduziert wird. Auch diese Codierung ist informationsverlustbehaftet. Allerdings ist auch hier der Informationsverlust derart ausgestaltet, dass keine relevanten Informationen verloren gehen, die zur Steuerung des Fahrzeugs bzw. zur Steuerung von Komponenten des Fahrzeugs benötigt werden. Das neuronale Netz 200 (nicht gezeigt) bzw. dessen Autoencoder 210 wurden entsprechend trainiert.
-
Die 5 zeigt ein Flussdiagramm 500, das ein computerimplementierte Verfahren gemäß einer Ausführungsform darstellen soll. Das Flussdiagramm 500 beginnt in einem ersten Schritt 510. In dem ersten Schritt 510 werden die hochdimensionalen Sensorpfaddaten 110 (nicht dargestellt) erfasst. Die hochdimensionalen Sensorpfaddaten 110 können beispielsweise Geschwindigkeiten, Beschleunigungen, Höchstgeschwindigkeiten, Kurvenneigungen, Straßentypen, Straßenverhältnisse, Temperaturen des Fahrzeugs, Drehzahlen oder Ähnliches umfassen.
-
In einem zweiten Schritt 520 werden diese Daten dem neuronalen Netz 200 (nicht dargestellt) bzw. dem Autoencoder 210 (nicht dargestellt) insbesondere einer Encoderschicht zugeführt. Dadurch erfolgt die erstmalige Codierung der erfassten hochdimensionalen Sensorpfaddaten 110. Anschließend werden die einmalig codierten Sensorpfaddaten in dem zweiten Speicher gespeichert. Zusätzlich werden die einmalig codieren Sensorpfaddaten 230 einer weiteren Encoderschicht des Autoencoders 210 zur weiteren Codierung hinzugeführt. Dadurch werden die ursprünglich erfassten hochdimensionalen Sensorpfaddaten 110 zweifach codiert. Diese zweifach codierten Sensorpfaddaten 230 werden wiederum gespeichert.
-
Diese Speicherung der einmalig codierten Sensorpfaddaten 230 und der zweimalig codierten Sensorpfaddaten 230 ist in dem Flussdiagramm 500 in dem vierten Schritt 540 dargestellt. Gleichzeitig ist in dem vierten Schritt 540 eine Berechnung von Verfahrensergebnissen 550 schematisch dargestellt. Dementsprechend werden die teilweise einfach codierten Sensorpfaddaten 230 bzw. zweifach codierten Sensorpfaddaten 230 bzw. auch eine Kombination daraus zur Ermittlung von Verfahrensergebnissen 550 bzw. zur Ermittlung von Daten zur Steuerung des Fahrzeugs bzw. zur Steuerung von Aktuatoren des Fahrzeugs herangezogen. Die 5 zeigt zusätzlich in einem Block 560, dass zusätzlich spezifische Eingangsdaten wie beispielsweise eine zusätzliche Temperatur oder eine zusätzliche Drehzahl einem entsprechenden Verarbeitungsschritt zur Ermittlung der Verfahrensergebnisse 550 hinzu eingepflegt werden kann. Verfahrensergebnisse 550 könnten beispielsweise eine Temperaturvorhersage, eine Reichweitenvorhersage, eine Fahrerklassifikation, ein intelligentes Batteriethermomanagement, ein intelligentes Abgasbehandlungsmanagement oder Ähnliches sein. Die Dimensionsreduktion mittels des Autoencoders 210 findet zentral statt und wird anderen Modellen (beispielsweise weiteren neuronalen Netzen) zur Ermittlung von Verfahrensergebnissen 550 zur Steuerung des Fahrzeugs bzw. zur Steuerung von Aktuatoren oder Komponenten des Fahrzeugs bereitgestellt. Insgesamt reduziert sich dadurch der Entwicklungs- und Rechenaufwand.
-
Beispielsweise werden als hochdimensionale Sensorpfaddaten 110 alle zwanzig Meter bzw. alle zwanzig Sekunden jeweils eine Geschwindigkeit, eine Längsbeschleunigung, eine Querbeschleunigung, eine Steigung der Straße, eine Krümmung der Straße, ein zulässige Höchstgeschwindigkeit der Straße und ein Abstand zum vorausfahrenden Fahrzeug mittels jeweils sechzehn Werte erfasst. Anschließend erfolgt eine erste Codierung der sechzehn mal sieben hochdimensionalen Sensorpfaddatenpunkte auf zehn Werte. Dieser Prozess wird beispielsweise für 100 m oder eine Minute iterativ wiederholt, woraufhin anschließend die Summe der dadurch mehrfach einmalig codierten hochdimensionalen Sensorpfaddaten entsteht. Anschließend können beispielsweise die einmalig codierten Sensorpfaddaten zur Klassifizierung des Fahrers in sportlich, umweltfreundlich oder normal erfolgen. Beispielsweise kann zusätzlich die zweite Codierung und ein Teil der ersten Codierung und zusätzliche spezifische Eingangsdaten 560 zur Bestimmung einer Temperatur beispielsweise der Temperatur einer Hochvoltbatterie herangezogen werden.
