DE69403419T2

DE69403419T2 - Steuerungssystem für automatische Getriebe

Info

Publication number: DE69403419T2
Application number: DE69403419T
Authority: DE
Inventors: Hiroshi Tsutsui; Yoshihisa Yamamoto
Original assignee: Aisin AW Co Ltd
Current assignee: Aisin AW Co Ltd
Priority date: 1993-09-29
Filing date: 1994-09-20
Publication date: 1997-12-18
Anticipated expiration: 2014-09-21
Also published as: EP0645559B1; DE69403419D1; JP3265752B2; US5519610A; JPH0798060A; EP0645559A1

Description

Die vorliegende Erfindung betrifft ein Steuerungssystem für ein automatisches Getriebe.
Im Stand der Technik läßt ein Steuerungssystem für ein automatisches Getriebe für ein Fahrzeug die Fahrzeuggeschwindigkeit und Drosselklappenöffnung detektieren, so daß eine entsprechende Getriebestufe gewählt werden kann. In dieser Art Automatikgetriebe wird jedoch immer in dem gleichen Schaltmuster geschaltet, so daß dieses mit dem Geschmack des Fahrers nicht übereinstimmen kann. Noch schlimmer, die Schaltung kann sich nicht den Situationen der Straße anpassen, für den Fall, daß das Fahrzeug auf einer Straßenoberfläche mit veränderlichen Reibungskoeffizienten oder in einer gebirgigen Gegend fährt.
Also ist ein Steuerungssystem für ein Automatikgetriebe vorgeschlagen worden, das seinen Gang durch den Schaltvorgang mit einem Schaltmuster nach dem Geschmack des Fahrers oder den Situationen der Straße wechseln kann (wie in der Japanischen Patentoffenlegung No. 261745/1987 offenbart).
In diesem Fall ist das Automatikgetriebe mit einem Handschalthebel ausgestattet, so daß an einem vorgegebenen Schaltpunkt geschaltet wird, solange das Fahrzeug mit der Handschaltung fährt. Außerdem liest das Steuerungssystem des Automatikgetriebes die Daten der Fahrzeuggeschwindigkeit und der Drosselklappenöffnung, vergleicht diese Daten und die Daten des Grundschaltmusters, um eine Proportionalitätskonstante zu berechnen, so daß es das Grundschaltmuster mit der Proportionalitätskonstante korrigiert. Wenn der Schaltvorgang nach dem Geschmack des Fahrers oder den Situationen auf der Straße tatsächlich ausgeführt wird, ist es daher möglich, ein Schaltmuster gemäß dem Schaltvorgang einzurichten.
Also ist ein Steuerungssystem für ein Automatikgetriebe vorgeschlagen worden, das das Schaltmuster durch Dialoge korrigiert (wie in der Japanischen Patentoffenlegung No. 134451/1990 offenbart).
In diesem Fall korrigiert das Steuerungssystem des Automatikgetriebes das Schaltmuster, indem es Dialoge mit dem Fahrer hält, um den unscharfen Schluß (Fuzzy-Inferenz) zu ziehen. Insbesondere korrigiert das Steuerungssystem des Automatikgetriebes das Schaltmuster, indem es unscharfe Schlüsse auf der Basis der qualitativen Antwort zieht, die aus den Dialogen mit dem Fahrer gewonnen wurde, indem es einen Korrekturkoeffizienten aus dem unscharfen Schluß berechnet, und indem es die Geschwindigkeit des Fahrzeugs, dessen Gang bestimmt werden soll, mit dem Korrekturkoeffizienten multipliziert.
In dem Steuerungssystem für Automatikgetriebe vom Stand der Technik, in welchem das Schaltmuster durch den Schaltvorgang erzeugt wird, wird das Grundschaltmuster durch eine einzige Proportionalitätskonstante korrigiert, so daß das Schalten gemäß dem Geschmack des Fahrers und den Straßensituationen an einem vorgegebenen Schaltpunkt erreicht werden kann, aber nicht immer an einem anderen Schaltpunkt.
Für den Fall, daß ein konkreter Schaltvorgang gemäß den Situationen der Straße ausgeführt werden soll, ist es schwierig, daß er für die Straßensituation passend ist. Insbesondere wird der Fahrer nicht immer an dem gleichen Schaltpunkt schalten, da der Schaltpunkt eine Streuung in einem gewissen Ausmaß hat. Ferner kann der Fahrer einen unpassenden Schaltvorgang ausführen, so daß das Schaltmuster unerwünscht entsprechend den Daten der Fahrzeuggeschwindigkeit und der Drosselklappenöffnung an dem Schaltpunkt eines unpassenden Schaltvorgangs korrigiert wird.
Im Fall des Dialogtyps andererseits wird durch den unscharfen Schluß ein Korrekturkoeffizient berechnet, so daß das Schaltmuster entsprechend dem Korrekturkoeffizienten korrigiert wird. Folglich ist das, was erhalten wird, nur ein einziges Schaltmuster, nicht jedoch verschiedene Schaltmuster nach dem Geschmack des Fahrers und den Straßensituationen.
Andererseits hat der Korrekturkoeffizient als Variable für den unscharfen Schluß nur die Fahrzeuggeschwindigkeit und die Drosselklappenöffnung zur Voraussetzung, so daß das von dem Fahrer gewünschte Schaltmuster schwierig zu erzielen ist. Je mehr insbesondere die vorauszusetzenden Variablen zunehmen, umso mehr Punkte müssen von dem Fahrer in den Dialogen beantwortet werden. Für die noch mehr zu beantwortenden Punkte wird von dem Fahrer noch mehr spezielle Kenntnis über das Fahrzeug und die Straße verlangt, so daß er oder sie es schwierig findet, passende Antworten zu geben.
Aus der US-5 089 963 ist ein Steuerungssystem für eine Wechselgetriebeschaltung bekannt, die ein Übersetzungsverhältnis einer Automobil-Halbautomatik auswählt. Das Steuerungssystem wendet eine Lernstrategie von Fahrbedingungen an, um eines von mehreren Fahrzeugf ahrmustern auszuwählen, um sich so mittels eines neuronalen Computers der Fahrzeugfahrbedingung und den Wünschen des Fahrers anzupassen.
Die vorliegende Erfindung hat eine Aufgabe, die ein Steuerungssystem für ein Automatikgetriebe begleitenden vorstehend erwähnten Probleme zu lösen und ein Steuerungssystem fur ein Automatikgetriebe bereitzustellen, das eine Vielfalt von Schaltmustern entsprechend dem Geschmack des Fahrers und den Situationen der Straße leicht einrichten kann.
Die Aufgabe wird mit den Merkmalen von Anspruch 1 gelöst.
Wenn es den detektierten Wert des Sensors als Eingabewert empfangen hat, gibt das neuronale Netzwerk durch Durchführung der neuronalen Berechnung auf der Basis des Eingabewerts das übersetzungsverhältnis aus. Das neuronale Netzwerk lernt im Lernmodus und führt die neuronale Berechnung im Automatikmodus durch, um das Übersetzungsverhältnis auszugeben. Ferner lernt das neuronale Netzwerk entsprechend dem Lernmuster, das aus dem Eingabewert, Lernübersetzungsverhältnis und Toleranzfehler besteht, um das Übersetzungsverhältnis auszugeben. Das neuronale Netzwerk beendet sein Lernen, wenn der Fehler des Übersetzungsverhältnisses und des Lernübersetzungsverhältnisses in den Toleranzfehler umgewandelt sind.
In diesem Fall wird der Toleranzfehler auf der Basis von mindestens einem der Parameter, nämlich der Angemessenheit des Lernübersetzungsverhältnisses, der Ambiguität des Eingabewerts und der Ambiguität des Lernübersetzungsverhältnisses, berechnet. Als Ergebnis wird die Lernfunktion des neuronalen Netzwerks nicht verschlechtert sein, selbst wenn das Lernen wegen einer Streuung der Lernsignale oder eines Mangels an Lernsignalen unzureichend ist.
Fig. 1 ist ein Blockschaltbild, das ein Steuerungssystem für ein Automatikgetriebe gemäß einer Ausführungsform der vorliegenden Erfindung zeigt;
Fig. 2 ist ein Flußdiagramm, das das Steuerungssystem des Automatikgetriebes gemäß der Ausführungsform der vorliegenden Erfindung zeigt;
Fig. 3 ist eine Darstellung, die das Konzept eines neuronalen Netzwerks in der Ausführungsform der vorliegenden Erfindung veranschaulicht;
Fig. 4 ist eine Darstellung, die den Erfüllungsgrad der Getriebestufe-Wandlereinrichtung in der Ausführungsform der vorliegenden Erfindung veranschaulicht;
Fig. 5 ist eine Darstellung, die die Ambiguität des Eingabewerts in der Ausführungsform der vorliegenden Erfindung veranschaulicht;
Fig. 6 ist eine Darstellung, die die Ambiguität des Lernübersetzungverhältnisses in der Ausführungsform der vorliegenden Erfindung veranschaulicht;
Fig. 7 ist eine Darstellung, die den Toleranzfehler in der Ausführungsform der vorliegenden Erfindung veranschaulicht;
Fig. 8 ist eine Darstellung, die die Beziehung zwischen dem Lernübersetzungsverhältnis und einem kraftstoffverbrauchoptimierenden Übersetzungsverhältnis in der Ausführungsform der vorliegenden Erfindung veranschaulicht;
Fig. 9 ist eine Darstellung, die die Kennlinien des kraftstoffverbrauchoptimierenden Übersetzungsverhältnisses und eines komfortoptimierenden Übersetzungsverhältnisses veranschaulicht;
Fig. 10 ist eine Darstellung, die die Ambiguität eines Eingabewerts in der Ausführungsform der vorliegenden Erfindung veranschaulicht, wenn ein detektierter Wert exemplarisch durch eine Fahrpedalöffnung gegeben ist;
Fig. 11 ist eine Darstellung, die die Ambiguität eines Eingabewerts in der Ausführungsform der vorliegenden Erfindung veranschaulicht, wenn ein detektierter Wert exemplarisch durch eine Fahrzeuggeschwindigkeit gegeben ist;
Fig. 12 ist eine Darstellung, die die Ambiguität einer Aussage in der Ausführungsform der vorliegenden Erfindung veranschaulicht;
Fig. 13 ist eine erste Darstellung, die die neuronale Berechnung des neuronalen Netzwerks in der Ausführungsform der vorliegenden Erfindung zeigt; und
Fig. 14 ist eine zweite Darstellung, die die neuronale Berechnung des neuronalen Netzwerks in der Ausführungsform der vorliegenden Erfindung zeigt.
Die vorliegende Erfindung wird im Folgenden detailliert in Verbindung mit ihren Ausführungsformen mit Bezug auf die beiliegenden Zeichnungen beschrieben.
Fig. 1 ist ein Blockschaltbild, das ein Steuerungssystem für ein Automatikgetriebe gemäß einer Ausführungsform der vorliegenden Erfindung zeigt.
In Fig. 1 bezeichnet Bezugszeichen 11 ein neuronales Netzwerk, das durch Koppeln einer Anzahl von Neuronen gebildet ist. Als Antwort auf einen von dem nichtgezeigten Sensor detektierten Eingabewert Xi gibt das neuronale Netzwerk 11 ein Übersetzungsverhältnis R aus. Ferner bezeichnet Bezugszeichen 12 eine Getriebestufe-Wandlereinrichtung zum Umwandeln des von dem neuronalen Netzwerk 11 ausgegebenen Übersetzungsverhältnisses R in eine Getriebestufe G, und Bezugszeichen 14 bezeichnet eine Moduswechseleinrichtung zum Wechseln zwischen einem Lernmodus und einem Automatikmodus.
In diesem Fall wird die Getriebestufe im Automatikgetriebemodus automatisch entsprechend der Fahrbedingung des Fahrzeugs gewählt und wird im Handgetriebemodus durch den Schaltvorgang des Fahrers entsprechend der Fahrbedingung des Fahrzeugs und den Situationen der Straße gewählt. Für diese Wahlvorgänge sind Schaltbedienungseinrichtungen, wie beispielsweise der nicht gezeigte Schalthebel, angeordnet.
Wenn ferner im Handgetriebemodus durch die Moduswechseleinrichtung 14 in den Lernmodus geschaltet wird, wird durch die Moduswechseleinrichtung 14 eine Lerngetriebestufe GS an die nicht gezeigte CPU ausgegeben. Übrigens sollte die Schaltbedienungseinrichtung nicht unbedingt auf den Schalthebel beschränkt sein, sondern kann beispielsweise als Steuerungsschalter ausgeführt sein.
Die CPU stellt den der Lerngetriebestufe GS entsprechenden nicht gezeigten Solenoid ein und aus, so daß das Arbeitsöl in die Servohydraulik des nicht gezeigten Hydraulikkreislaufs eingespeist wird. Wenn diese Servohydraulik mit dem Öl gespeist wird, werden die entsprechenden Reibungskupplungselemente eingerückt und/oder gelöst, um die gewünschte Getriebestufe einzulegen.
Wenn im Automatikgetriebemodus andererseits der Modus durch die Moduswechseleinrichtung 14 in den Automatikmodus gewechselt wird, wird die von der Getriebestufe-Wandlereinrichtung 12 ausgegebene Getriebestufe G durch die Moduswechseleinrichtung 14 an die nicht gezeigte CPU ausgegeben.
Nebenbei erzeugt in dem Lernmodus eine Mustererzeugungseinrichtung 20 ein Lernmuster Pn, an dem das neuronale Netzwerk 11 lernt, das als Anfangswert gegebene Schaltmuster zu korrigieren.
In der vorliegenden Ausführungsform hat das Lernmuster Pn einen Lerneingabewert X, der auf der Basis des Eingabewerts Xi erzeugt wird, wenn der Fahrer den Schaltvorgang durchführt, und ein Lernübersetzungsverhältnis TRS als Lernsignal, und das neuronale Netzwerk 11 beendet sein Lernen, wenn ein Fehler Er zwischen dem Übersetzungsverhältnis R und dem Lernübersetzungsverhältnis TRS eine vorgegebene Konvergenzbedingung erfüllt.
Dafür ist eine Übersetzungsverhältnis-Wandlereinrichtung 26 zum Wandeln der Lerngetriebestufe GS, die durch den Schaltvorgang des Fahrers gewählt wurde, in das Lernübersetzungsverhältnis TRS angeordnet. Dieses Lernübersetzungsverhältnis TRS und der Eingabewert Xi werden in die Mustererzeugungseinrichtung 20 eingegeben, um das Lernmuster Pn zu erzeugen, das besteht aus: dem auf der Basis des Eingabewerts Xi erzeugten Lerneingabewert X, dem Lernübersetzungsverhältnis TRS und einem Toleranzfehler &epsi;'(X).
In der Rücklauf-Einrichtung 27, die als Einrichtung zur Korrektur der kombinierten Gewichte dient, werden ferner die kombinierten Gewichte Vji und Wkj auf der Basis des Lernmusters Pn und des Übersetzungsverhältnisses R wiederholt korrigiert, so daß der Fehler EP zwischen dem von dem neuronalen Netzwerk 11 ausgegebenen Übersetzungsverhältnis R und dem Lernübersetzungsverhältnis TRS bei jeder Korrektur bestimmt wird.
Übrigens wird die Lerngetriebestufe GS durch den Schaltvorgang des Fahrers gewählt, ist aber unterschiedlich, abhängig nicht nur von dem Geschmack des Fahrers und den Straßensituationen, aber auch von den Umgebungsbedingungen wie Wetter oder Zeit.
Somit ist eine Einrichtung zur Entscheidung der Angemessenheit eines Lernübersetzungsverhältnisses 28 angeordnet, durch welche das Lernübersetzungsverhältnis TRS hinsichtlich Kraftstoffverbrauch, Antriebskraft und Komfort ausgewertet wird, um die Angemessenheit αT zu bestimmen. Dies macht es möglich, eine Verschlechterung des von dem neuronalen Netzwerk 11 ausgegebenen Übersetzungsverhältnisses R durch ein schlechtes Lernsignal zu verhindern.
In dem Lernmodus andererseits führt der Fahrer den Schaltvorgang aus, während er sich den vorgebenen Eingabewert Xi vorstellt, der eine Streuung hat. Ferner ist auch eine Streuung in dem Lernübersetzungsverhältnis TRS vorhanden, das durch den Schaltvorgang gewählt wird. Demgemäß ist eine Toleranzfehler-Berechnungseinrichtung 29 angeordnet, um unter Verwendung des unscharfen Schlusses bei Berücksichtigung der auf der Streuung des Lernsignals basierenden Ambiguität und der auf einem Mangel an Lerndaten basierenden Ambiguität den Toleranzfehler &epsi;'(X) zu bestimmen. Folglich läßt sich eine Verschlechterung der Lernfunktion des neuronalen Netzwerks 11 verhindern, selbst wenn das Lernsignal streut oder schlecht wird, so daß das Lernen unzureichend ist.
Übrigens bezeichnet Bezugszeichen 31 eine Übersetzungsverhältnis-Wandlereinrichtung zum Wandeln der durch die Moduswechseleinrichtung 14 ausgegebenen Getriebestufen G und GS in ein Übersetzungsverhältnis Rt, um das Übersetzungsverhältnis Rt als Eingabewert Xi in das neuronale Netzwerk 11 einzugeben.
Hier werden die Operationen des auf diese Weise entworfenen Steuerungssystems für das Automatikgetriebe beschrieben.
Fig. 2 ist ein Flußdiagramm des Steuerungssystem des Automatikgetriebes gemäß der Ausführungsform der vorliegenden Erfindung.
Schritt S1: Die detektierten Werte der einzelnen nicht gezeigten Sensoren werden in die nicht gezeigte CPU eingelesen.
Schritt S2: Der Eingabewert Xi wird berechnet.
Schritt S3: Der berechnete Eingabewert Xi wird dimensionslos gemacht.
Schritt S4: Das neuronale Netzwerk 11 (wie in Fig. 1 gezeigt) führt eine neuronale Berechnung des Übersetzungsverhältnisses R durch.
Schritt S5: Es wird entschieden, welches der Automatikmodus oder der Lernmodus ist. Die Routine geht für den Automatikmodus mit Schritt S6 und für den Lernmodus mit Schritt S7 weiter.
Schritt S6: Die Getriebestufe-Wandlereinrichtung 12 gibt die Getriebestufe G aus und die Routine kehrt zu Schritt S1 zurück. Ein Schalten wird nicht ausgeführt, wenn die ausgegebene Getriebestufe G mit der vorhandenen identisch ist, anderenfalls aber ausgeführt.
Schritt S7: Das Lernübersetzungsverhältnis TRS wird gelesen.
Schritt S8: Das ungelernte Lernmuster Pn wird gewählt. Der Eingabewert Xi wird nicht gelernt, wenn er sich nicht so viel von dem gelernten unterscheidet, da jedes weitere Lernen unnötig ist.
Schritt S9: Es wird entschieden, ob das Lernmuster Pn gelernt werden soll oder nicht. Die Routine geht mit dem Schritt S10 weiter, wenn die Antwort JA ist, kehrt aber anderenfalls zu Schritt S1 zurück.
Schritt S10: Die Einrichtung zur Entscheidung der Angmessenheit eines Lernübersetzungsverhältnisses 28 entscheidet über die Angemessenheit des Lernübersetzungsverhältnisses TRS.
Schritt S11: Der Toleranzfehler &epsi;'(X) wird berechnet, unter Berücksichtigung der Ambiguität des Lernsignals und der Ambiguität basierend auf einem Mangel an Lerndaten.
Schritt S12: Die Mustererzeugungseinrichtung 20 erzeugt das Lernmuster Pn.
Schritt S13: Das neuronale Netzwerk 11 berechnet neuronal das Übersetzungsverhältnis R gemäß dem Lernmuster Pn.
Schritt S14: Die Backpropagation-Einrichtung 27 korrigiert die kombinierten Gewichte Vji und Wkj. Schritt S13 und S14 werden wiederholt, bis das Lernen aller Lernmuster Pn beendet wird.
Schritt S15: Es wird entschieden, ob der Fehler EP zwischen dem Übersetzungsverhältnis R und dem vorstehend erwähnten Lernübersetzungsverhältnis TRS unter einer vorgegebenen Konvergenzbedingung konvergiert. Die Routine kehrt zu Schritt S1 zurück, wenn die Antwort JA ist, und anderenfalls zu Schritt S13.
Hier wird im Folgenden das neuronale Netzwerk 11 beschrieben.
Der Eingabewert Xi wird im Automatikmodus und im Lernmodus in das neuronale Netzwerk 11 eingegeben, so daß er im Automatikmodus für die neuronale Berechnung des Übersetzungsverhältnisses R und im Lernmodus für die Konvergenz des Fehlers EP zwischen dem Übersetzungsverhältnis R und dem Lernübersetzungsverhältnis TRS verwendet wird.
Für diese Operationen werden die detektierten Werte von dem nicht gezeigten einzelnen Sensoren detektiert und werden in die nicht gezeigte CPU eingelesen, in welcher sie den vorgegebenen Berechnungen unterzogen werden, bis sie dimensionslos sind.
Die von den Sensoren zu detektierenden detektierten Werte sind beispielsweise eine Fahrpedalöffnung A, ein Bremsdruck B, ein Einschlagwinkel S des Lenkrads, eine Fahrzeuggeschwindigkeit v, ein aktuelles Übersetzungsverhältnis Rt, das vorherige Übersetzungsverhältnis Rt-i, ein Fahrwiderstand DR und ein Reibungskoeffizient LR der Straßenoberfläche, so daß der Eingabewert Xi durch diese detektierten Werten berechnet wird.
In diesem Fall können die detektierten Werte wie sie sind als der Eingabewert Xi verwendet werden. Alternativ können die Größen für ihre Änderungen ebenfalls als Eingabewert Xi verwendet werden.
Zum Beispiel: die Fahrpedalbetätigungsgeschwindigkeit dA kann als Größe für die Änderung der Fahrpedalöffnung A; die Bremsbetätigungsrate dB als Größe für die Änderung des Bremsdrucks B; die Lenkradbetätigungsrate dS als Größe für die Änderung des Lenkradeinschlagwinkels S; und die Beschleunigung dv als Größe für die Änderung der Fahrzeuggeschwindigkeit v verwendet werden. Dieses Größen für die Änderung können als Eingabewert Xi verwendet werden.
Der Eingabewert Xi kann ferner verwenden: die Anzahl der Bremsdrücke NB 100 [m] vor dem Punkt, ausgedrückt durch:

[Eq. 1]

N.B. = Bremsdrucknr. / 100 [m]
die durchschnittliche Geschwindigkeit vA für eine Fahrzeit von 5 min., ausgedrückt durch

[Eq. 2]

vA = vdt / 5 [m]
die durchschnittliche Beschleunigung dvA für eine Fahrzeit von Δt, ausgedrückt durch: [Eq. 3]
und die durchschnittliche Fahrpedalöffnung dAA.
Anschließend wird der Eingabewert Xi auffolgende Weise dimensionslos gemacht. Übrigens gibt der Index "max" in den einzelnen Gleichungen die Maximalwerte der einzelnen detektierten Werte an.
X&sub1; = A [%] / 100 [%]
X&sub2; = B [%] / 100 [%]
X&sub2; = S [º] / 60 [º]
X&sub4; = v [km/h] / 150 [km/h]
X&sub5; = dA [%/s] / dAmax [%/s]
X&sub6; = dB [%/s] / dBmax [%/s]
X&sub7; = dS [º/s] / dSmax [º/s]
X&sub8; = dv [m/s²] / dVmax [m/s²]
X&sub9; = NB [%] / NBmax [%]
X&sub1;&sub0; = vA [km/h] / vAmax [km/h]
X&sub1;&sub1; = dvA [m/s] / dvAmax [m/s] und
X&sub1;&sub2; = dAA [%/s] / dAAmax [%/s]
Der so dimensionslos gemachte Eingabewert Xi wird in das neuronale Netzwerk 11 eingegeben.
Fig. 3 ist eine Darstellung, die das Konzept eines neuronalen Netzwerks in der vorliegenden Ausführungsform der vorliegenden Erfindung veranschaulicht.
In Fig. 3 bezeichnen die Buchstaben Xi den in jedes Neuron der Eingabeschicht einzugebenden Eingabewert; Buchstaben Ii in jedes Neuron der Zwischenschicht einzugebendes Eingabesignal; Buchstaben Jj ein in die Ausgabeschicht einzugebendes Eingabesignal; und Buchstabe K ein Ausgabesignal der Ausgabeschicht. Ferner bezeichnen die Buchstaben Vji das kombinierte Gewicht des Eingabesignals Ii; Buchstaben Wkj das kombinierte Gewicht des Eingabesignals Jj; und γj und θk Offset-Größen.
In dem neuronalen Netzwerk 11, wie es durch die einzelnen Gleichnungen (1) bis (4) ausgedrückt ist, wird der Eingabewert Xi in jedes Neuron der Eingabeschicht eingegeben und durch das kombinierte Gewicht Vji gewichtet, so daß das Eingabesignal Ii in jedes Neuron der Zwischenschicht eingegeben wird. Ferner wird das in jedes Neuron der Zwischenschicht eingegebene Eingabesignal Ii durch das kombinierte Gewicht Wkj gewichtet, und das resultierende Eingabesignal Jj wird in die Neuronen der Ausgabeschicht eingegeben, so daß das Ausgabesignal K von der Ausgabeschicht ausgegeben wird. In der vorliegenden Ausführungsform ist das Ausgabesignal das Übersetzungsverhältnis R. [Eq. 4]
Das Ausgabesignal K und das Übersetzungsverhältnis R sind durch eine sigmoidale Funktion f(X) gegeben, ausgedrückt durch:

[Eq. 4]

f(X) = 1 / {1 + exp(-x/u&sub0;)}
Übrigens bezeichnen die Buchstaben u&sub0; einen Gradientenkoeffizienten der sigmoidalen Funktion f(X).
Hier wird die Getriebestufe-Wandlereinrichtung 12 (wie in Fig. 1 gezeigt) beschrieben.
Das von dem neuronalen Netzwerk 11 ausgegebene Übersetzungsverhältnis R wird in die Getriebestufe-Wandlereinrichtung 12 eingegeben und von dieser in die Getriebestufe G umgewandelt.
Fig. 4 ist eine Darstellung, die den Erfüllungsgrad der Getriebestufe-Wandlereinrichtung in der Ausführungsform der vorliegenden Erfindung veranschaulicht. In Fig. 4 gibt die Abszisse das Übersetzungsverhältnis R an und die Ordinate zeigt den Erfüllungsgrad gt jeder Getriebestufe G an.
In Fig. 4 bezeichnen die Buchstaben R&sub1; bis R&sub5; die einzelnen Getriebestufen G, d.h die Übersetzungsverhältnisse des ersten bis fünften Gangs, und der Erfüllungsgrad gt ist für jede Getriebestufe G durch die folgende Gleichung gegeben:
gt = µt(R) (t= 1 bis 5).
Dann wird die Getriebestufe G, die dem maximalen Erfüllungsgrad gt entspricht, gewählt.
Hier wird die Einrichtung zur Entscheidung der Angemessenheit des Lernübersetzungsverhältnisses 28 (wie in Fig. 1 gezeigt) und die Toleranzfehler-Berechnungseinrichtung 29 beschrieben.
Die Einrichtung zur Entscheidung der Angemessenheit des Lernübersetzungsverhältnisses 28 entscheidet über die Angemessenheit des Lernübersetzungsverhältnisses TRS auf der Basis des von der Übersetzungsverhältnis-Wandlereinrichtung 26 ausgegebenen Lernübersetzungsverhältnisses TRS und des Eingabewerts Xi.
In diesem Fall werden der Kraftstoffverbrauch-Übereinstimmungsgrad Mf, der Antriebskraft-Übereinstimmungsgrad MF und der Komfort-Übereinstimmungsgrad MC aus den einzelnen Gleichungen (5) bis (7) berechnet, so daß die Angemessenheit αT des Lernübersetzungsverhältnisses TRS auf der Basis dieser Übereinstimmungsgrade mit Gleichung [8] berechnet wird. [Eq. 6]
Übrigens bezeichnen die Buchstaben Mfmax, MFmax bzw. MCmax Konstanten, mit denen der Kraftstoffverbrauch-Übereinstimmungsgrad Mf, der Antriebskraft-Übereinstimmungsgrad Hr bzw. der Komfort-Übereinstimmungsgrad MC dimensionslos gemacht werden; die Buchstaben Rf ein kraftstoffverbrauchoptimierendes Übersetzungsverhältnis; Buchstabe w eine Fahrzeugmasse; und Buchstaben RC ein komfortoptimierendes Übersetzungsverhältnis.
Der Kraftstoffverbrauch-Übereinstimmungsgrad Mf ist ein Maß, das den Grad der Verschlechterung des Kraftstoffverbrauchs angibt, der sich um so mehr vergrößert, je mehr er von dem kraftstoffverbrauchoptimierenden Übersetzungsverhältnis Rf abweicht.
Andererseits wird der Antriebskraft-Übereinstimmungsgrad MF bestimmt, indem der Grad der Erzielung der Größe der Beschleunigungszunahme Δdv bezogen auf den Grad der Fahrpedalbetätigung mit dem Grad der Erzielung der wesentlichen Beschleunigung (dv + DR/W) bezogen auf die Fahrpedalöffnung A multipliziert wird, und das Produkt über den Zeitraum von t&sub1; bis t&sub2; integriert wird. Der so bestimmte Antriebskraft- Übereinstimmungsgrad Mr ist ein Maß, das das Ansprechvermögen des Fahrzeugs auf den Grad der Fahrpedalbetätigung ΔA für den Zeitraum t&sub1; bis t&sub2; angibt. Wenn keine ausreichende Beschleunigung dv erreicht wird, nimmt der Antriebskraft Übereinstimmungsgrad Mr ab. In der Gleichung (6) kann andererseits ausschließlich der Grad der Erzielung der Beschleunigungszunahme Δdv für den Grad der Fahrpedalbetätigung ΔA integriert werden.
Ferner ist der Komfort-Übereinstimmungsgrad MC ein Maß, das den Grad der Verschlechterung des Komforts angibt, und nimmt einen größeren Wert an, je mehr er von dem komfortoptimierenden Übersetzungsverhältnis RC abweicht.
Andererseits wird die Toleranzfehler-Berechnungseinrichtung 29 mit dem Eingabewert Xi, dem Lernübersetzungsverhältnis TRS, dem Übersetzungsverhältnis R und der Angemessenheit αT gespeist und bewertet die Aussage
"das Lernübersetzungsverhältnis wird für den
Eingabewert Xi auf TRS eingestellt", um die Ambiguität βT der Aussage zu berechnen.
Daher berechnet die Toleranzfehlerberechnungseinrichtung 29 mit den Gleichungen (9) und (10) die auf einer Streuung des Lernsignals basierende Ambiguität und die auf einem Mangel an Lerndaten basierende Ambiguität. In diesem Fall kann die auf der Streuung des Lernsignals basierende Ambiguität durch die Ambiguität (die "Ambiguität des Eingabewerts Xi" genannt wird) µx(Xi) mit dem Eingabewert Xi ausgedrückt werden, und die auf dem Mangel an Lerndaten basierende Ambiguität kann durch die Ambiguität (die "Ambiguität des Lernübersetzungsverhältnisses TRS" genannt wird) µT(TRS) mit dem Übersetzungsverhältnis TRS für den Eingabewert Xi ausgedrückt werden.
Anschließend berechnet die Toleranzfehler-Berechnungseinrichtung 29 auf der Basis der Ambiguität βT der Aussage und der Angemessenheit αT des Lernübersetzungsverhältnisses TRS den Toleranzfehler &epsi;'(X).
Fig. 5 ist eine Darstellung, die die Ambiguität des Eingabewerts in der Ausführungsform der vorliegenden Erfindung veranschaulicht; Fig. 6 ist eine Darstellung, die die Ambiguität des Lernübersetzungsverhältnisses in der Ausführungsform der vorliegenden Erfindung veranschaulicht; und Fig. 7 ist eine Darstellung, die den Toleranzfehler in der Ausführungsform der vorliegenden Erfindung veranschaulicht. In Fig. 5 gibt die Abszisse den Eingabewert Xi an und die Ordinate die Ambiguität µx(Xi) des Eingabewerts Xi. In Fig. 6 gibt die Abszisse das Lernübersetzungsverhältnis TRS und die Ordinate gibt die Ambiguität µT(TRS) an. In Fig. 7 gibt die Abszisse die Ambiguität y des Toleranzfehlers &epsi;'(X) an und die Ordinate gibt den Toleranzfehler &epsi;'(X) an.
Die Ambiguität µx(Xi) des Eingabewerts Xi kann durch die folgende Fuzzy-Funktion ausgedrückt werden, wie sie durch die Kurve von Fig. 5 graphisch dargestellt ist: [Eg. 7]
In diesem Fall bezeichnen die Buchstaben CX eine Konstante zum Einstellen der Differenz zwischen dem Eingabewert Xi, an dem die Ambiguität µx(Xi) 1 annimmt, und dem Eingabewert Xi, an dem diese 0,5 annimmt.
Andererseits nimmt die Ambiguität µT(TRS) des Lernübersetzungsverhältnisses TRS den größeren Wert an, wenn der Fehler EP zwischen dem von dem neuronalen Netzwerk 11 (wie in Fig. 1 gezeigt) ausgegebenen Übersetzungsverhältnis R und dem Lernübersetzungsverhältnis TRS den größeren Wert annimmt.
Daher kann die Ambiguität µT(TRS) des Lernübersetzungsverhältnisses TRS durch die folgende Fuzzy-Funktion ausgedrückt werden, wie sie durch die Kurve von Fig. 6 graphisch dargestellt ist: [Eg. 8]
In diesem Fall bezeichnen die Buchstaben CTR eine Konstante zum Einstellen der Differenz zwischen dem Minimumwert E&sub0; des Fehlers EP und dem Fehler EP, an welchem die Ambiguität µT(TRS) des Lernübersetzungsverhältnisses TRS 0,5 annimmt.
Daher kann die Ambiguität βT der Aussage
"das Lernübersetzungsverhältnis wird für den Eingabewert Xi auf TRS eingestellt"
durch die Gleichung (11) berechnet werden:
βT = min {µx(Xi), µT(TRS)} - - - (11)
Ferner wird der Lerngrad, d.h die Ambiguität (die "Ambiguität des Toleranzfehlers &epsi;'(X)" genannt wird) y, in welchem der Fehler EP gegen den Toleranzfehler &epsi;'(X) konvergiert, durch die Angemessenheit αT des Lernübersetzungsverhältnisses TRS und die Ambiguität βT wie folgt ausgedrückt werden:
y = min(αT,βT)
Daher wird der intrinsische Einstellfehler &epsi; (=E&sub0;) durch die Ambiguität y des Toleranzfehlers &epsi;'(X) korrigiert und dieser Toleranzfehler &epsi;'(X) ist durch die folgende Funktion festgelegt, wie sie durch die Kurve von Fig. 7 graphisch dargestellt ist:
&epsi;'(X) = &epsi; {(1-y)²+1}
Somit lernt das neuronale Netzwerk 11, bis die folgende Beziehung erfüllt ist:
EP T &epsi;'(X)
Im Folgenden wird hier die Mustererzeugungseinrichtung 20 beschrieben.
In dieser Mustererzeugungseinrichtung 20 wird nicht nur der Eingabewert Xi sondern auch der Lerneingabewert X erzeugt, der wie folgt aus einem Nachbarwert des Eingabewerts Xi besteht, so daß das Lernmuster Pn auf der Basis des Lerneingabewerts X erzeugt wird:
Insbesondere werden der Lerneingabewert X und das Lernübersetzungsverhältnis TRS als die Lernsignale verwendet, um das Lernmuster Pn zu erzeugen, um den Fehler EP gegen den Toleranzfehler &epsi;'(X) konvergieren zu lassen.
Im Folgenden wird nun die Rücklauf-Einrichtung 27 beschrieben.
In der Rücklauf-Einrichtung 27 werden der Lerneingabewert X, das Lernübersetzungsverhältnis TRS und das Übersetzungsverhältnis R eingegeben, um die kombinierten Gewichte Vji und Wkj des neuronalen Netzwerks 11 zu korrigieren, so daß der Fehler EP gegen den Toleranzfehler &epsi;'(X) konvergieren kann.
In diesem Fall wird die Konvergenz des Fehlers EP gegen den Toleranzfehler &epsi;'(X) durch die folgende Konvergenzbedingung entschieden. Insbesondere wird entschieden, daß der Fehler EP gegen den Toleranzfehler &epsi;'(X) konvergiert, wenn die Summe Et des Fehlers EP für einen vorgegebenen Zeitraum, während dessen das neuronale Netzwerk 11 lernt, minimal wird.
Die Konvergenz kann ebenfalls entschieden werden, wenn eine Summe Et', wie sie durch Gleichung (12) ausgedrückt ist, kleiner als der Konvergenzwert &epsi;t wird:

[Eg. 9]

Et'= Σ EP / &epsi;'(X) - - - (12)
Ferner werden die kombinierten Gewichte Vji und Wkj durch die Backpropagation-Einrichtung 27 und die Offset-Größen γj und ek korrigiert, wie durch Gleichung (13) bis (20) ausgedrückt ist: [Eg. 10]
Übrigens bezeichnen die Buchstaben Hj das Ausgabesignal f(Jj) der Zwischenschicht. Ferner bezeichnet der Buchstabe t, der in den einzelnen Gleichungen (15) und (17) bis (20) erscheint, daß die kombinierten Gewichte Vji und Wkj und die Offset-Größen γj und θk diejenigen vor der Korrektur sind, und die Buchstaben (t+1), die in den einzelnen Gleichungen (17) bis (20) erscheinen, geben an, daß die kombinierten Gewichte Vji und Wkj und die Offset-Größen γj und θk diejenigen nach der Korrektur sind.
In dem Fall der Korrekturmomentmethode kann das kombinierte Gewicht Wkj durch Gleichung (21) gegeben sein: [Eg. 11]
Hier werden die speziellen Steuerungen des Steuerungssystem für Automatikgetriebe in der Ausführungsform der vorliegenden Erfindung beschrieben.
In diesem Fall werden die Fahrpedalöffnung A, die Fahrpedalbetätigungsgeschwindigkeit dA, die Fahrzeuggeschwindigkeit v und die Beschleunigung dv als detektierte Werte des Eingabewerts Xi gewählt und werden auf die folgenden Werte eingestellt:
A = 50 [%];
dA = 12 [%/s];
v = 70 [km/h];
und
dv = 20 [m/s²].
Als nächstes wird der Eingabewert Xi wie folgt dimensionslos gemacht:
X&sub1; = A [%] / 100 [%] = 50/100 = 0,5;
X&sub2; = dA [%/s] / 60 [%/s] = 12/60 = 0,2;
X&sub3; = v [km/h] / 210 [km/h] = 70/210 = 0,3;
und
X&sub4; = dv [m/s²] / 40 [m/s²] = 20/40 = 0,5.
Anschließend wird der so dimensionslos gemachte Eingabewert Xi in das neuronale Netzwerk 11 (in Fig. 1 gezeigt) eingegeben. Dieses neuronale Netzwerk 11 führt Neurocomputerberechnungen, wie im Folgenden ausgedrückt, auf der Basis des Eingabewerts Xi durch: [Eq. 12]
In diesem Fall ist der Gradientenkoeffizient u&sub0; der sigmoidalen Funktion f(X) auf 0,4 eingestellt.
Wenn das als Ausgabesignal K der Ausgabeschicht ausgegebene Übersetzungsverhältnis R den folgenden Wert:
R = 2,1
hat, wird die Getriebestufe G mit dem auf 2,1 eingestellten Übersetzungsverhältnis R in der Getriebestufe-Wandlereinrichtung 12 festgelegt. Dafür wird der Erfüllungsgrad gt jeder Getriebestufe wie folgt gelesen, so daß der zweite Gang, bei dem der Erfüllungsgrad gt maximal ist, für die Getriebestufe G bereitgestellt wird.
Als nächstes wird die Angemessenheit des Lernübersetzungsverhältnisses TRB in der Einrichtung zur Entscheidung der Angemessenheit des Lernübersetzungsverhältnisses 28 entschieden.
Fig 8 ist eine Darstellung, die die Beziehung zwischen dem Lernübersetzungsverhältnis und dem kraftstoffverbrauchoptimierenden Übersetzungsverhältnis in der Ausführungsform der vorliegenden Erfindung veranschaulicht, und Fig. 9 ist eine Darstellung, die die Kennlinien des kraftstoffverbrauchoptimierenden Übersetzungsverhältnisses und des komfortoptimierenden Übersetzungsverhältnisses veranschaulicht. In Fig. 8 gibt die Abszisse die Zeit t an, und die Ordinate gibt das Übersetzungsverhältnis R an. In Fig. 9 andererseits gibt die Abszisse die Fahrzeuggeschwindigkeit v und die Ordinate die Umdrehungszahl/Minute NE des Motors an.
In diesen Figuren bezeichnen Buchstabe t&sub1; den Zeitpunkt, an dem das vorherige Lernmuster Pn erzeugt wurde; Buchstabe t&sub2; den aktuellen Zeitpunkt; Buchstabe P den Punkt, an dem das Lernmuster Pn erzeugt wird; Buchstaben Rf das kraftstoffverbrauchoptimierende Übersetzungsverhältnis; Buchstaben TRS das Lernübersetzungsverhältnis; und Buchstaben RC das komfortoptimierende Übersetzungsverhältnis.
Aus den folgenden einzelnen Gleichungen werden ferner der Kraftstoffverbrauch-Übereinstimmungsgrad Mf, der Antriebskraft-Übereinstimmungsgrad Hr und der Komfort-Übereinstimmungsgrad MC berechnet. [Eq. 13]
Daher wird die Angemessenheit αT des Lernübersetzungsverhältnisses TRS wie folgt berechnet:
αT = max(1-Mf,MF,1-Mc) = max(0,5;0,9;0,4) = 0,9 Ferner wird die Ambiguität µx(Xi) des Eingabewerts Xi durch die folgende Gleichung berechnet: [Eq. 14]
Übrigens bezeichnen die Buchstaben CX eine Konstante.
Fig. 10 ist eine Darstellung, die die Ambiguität des Eingabewerts in der Ausführungsform der vorliegenden Erfindung zeigt, wenn der detektierte Wert exemplarisch durch die Fahrpedalöffnung gegeben ist, und Fig. 11 ist eine Darstellung, die die Ambiguität des Eingabewerts in der Ausführungsform der vorliegenden Erfindung zeigt, wenn der detektierte Wert exemplarisch durch die Fahrzeuggeschwindigkeit gegeben ist.
In diesen Figuren bezeichnen Buchstaben A&sub1; bis A&sub6; den Eingabewert Xi und seine Grenzwerte, wenn der detektierte Wert exemplarisch durch die Fahrpedalöffnung gegeben ist; Buchstaben µA(A) die Ambiguität des Eingabewerts Xi, wenn der detektierte Wert exemplarisch durch die Fahrpedalöffnung gegeben ist; Buchstaben v1 bis v6 den Eingabewert Xi und seine Grenzwerte, wenn der detektierte Wert exemplarisch durch die Fahrzeuggeschwindigkeit gegeben ist; Buchstaben µv(v) die Ambiguität des Eingabewerts Xi, wenn der detektierte Wert exemplarisch durch die Fahrzeuggeschwindigkeit v gegeben ist.
Fig. 10 listet das Ergebnis von Berechnungen der Ambiguität µA(A) des Eingabewerts Xi für die Konstante CX = 15 und die Fahrpedalöffnung A = 50 [%] auf. Andererseits listet Fig. 11 das Ergebnis von Berechnungen der Ambiguität µv(v) des Eingabewerts Xi für die Konstante CX = 16 und die Fahrzeuggeschwindigkeit v = 70 [km/h] auf.
Gleichermaßen werden die Ambiguität µdA(dA) des Eingabewerts Xi, wenn der detektierte Wert exemplarisch durch die Fahrpedalbetätigungsgeschwindigkeit dA gegeben ist, und die Ambiguität µdv(dv) des Eingabewerts Xi berechnet, wenn der detektierte Wert exemplarisch durch die Beschleunigung dv gegeben ist, und der Lerneingabewert X wird bestimmt, um die folgende Beziehung zu erfüllen:
µx(Xi) > 0,5.
In den Fällen von Fig. 10 und 11 zum Beispiel setzen sich die Lerndaten aus der folgenden Kombination zusammen:
(A&sub2;,A&sub3;,A&sub4;) (v&sub2;,v&sub3;,v&sub4;)
Wenn übrigens das Lernübersetzungsverhältnis TRS bei 1,418 ist, nimmt das Übersetzungsverhältnis R oder das Ausgabesignal K des neuronalen Netzwerks 11 den Wert 2,1 an, so daß der Fehler EP durch folgende Gleichung ausgedrückt wird:
EP = (R-TRS)²/2 = 0,23.
Daher wird die Ambiguität µT(TRS) des Lernübersetzungsverhältnisses TRS durch folgende Gleichung ausgedrückt:
[Eg. 15]
Übrigens ist das Minimum des Fehlers EP auf 0,2 eingestellt und die Konstante CTR ist auf 0,05 eingestellt.
Ferner wird die Ambiguität βT der Aussage
"das Lernübersetzungsverhältnis wird für den
Eingabewert Xi auf TRS eingestellt" wie folgt ausgedrückt:
βT = min{µA(A), µv(v), µdA(dA), µdv(dv), µT(TRS)}.
Hier vereinfacht sich die Ambiguität βT der Aussage, wenn der detektierte Wert auf die Fahrpedalöffnung A und die Fahrzeuggeschwindigkeit v beschränkt ist, auf die folgende Gleichung:
βT = min{µA(A), µv(v), µT(TRS)}.
Fig. 12 stellt die Ambiguität der Aussage in der Ausführungsform der vorliegenden Erfindung dar.
In Fig. 12 bezeichnen die Buchstaben A&sub2; bis A&sub4; den Lerneingabewert S, wenn der detektierte Wert exemplarisch durch die Fahrpedalöfffnung A gegeben ist; die Buchstaben v&sub2; bis v&sub4; den Eingabewert X, wenn der detektierte Wert exemplarisch durch die Fahrzeuggeschwindigkeit v gegeben ist; und Buchstaben A&sub3; und v&sub3; bezeichnen den Eingabewert Xi.
Daher wird die Ambiguität des Toleranzfehlers &epsi;'(X) für den Fall, daß der Fehler EP gegen &epsi;'(X) konvergiert, auf die folgende Weise berechnet:
y = min(βT,αT) = min(0,735;0,9) = 0,735
Daher wird der Toleranzfehler &epsi;'(X) auf die folgende Weise berechnet:
&epsi;'(A&sub3;,v&sub3;) = &epsi;{(1-y)²+1} =
= 0,2 x {(1-0,735)²+1} = 0,214.
Auf diese Weise lernt das neuronale Netzwerk 11 (in Fig. 1 gezeigt) durch die Rücklauf-Einrichtung 27. Als Nachbarwerte des Eingabewerts (A&sub3;,v&sub3;) wird ebenfalls das Lernmuster Pn wie folgt erzeugt:
&epsi;'(A&sub2;,v&sub2;) = 0,219;
und
&epsi;'(A&sub3;,v&sub2;) = 0,217.
Auf diese Weise wird das Lernmuster Pn{A&sub3;,v&sub3;,TRS,&epsi;'(X)} erzeugt, wie im Folgenden beispielhaft dargestellt ist:
Eingabewert (A&sub3;,v&sub3;) T P&sub1; (50;70;1,418;0,214);
Nachbarwert (A&sub2;,v&sub2;) T P&sub1; (40;60;1,418;0,219);
Nachbarwert (A&sub3;,v&sub2;) T P&sub1; (50;60;1,418;0,217);
Nachbarwert (A&sub4;,v&sub2;) T P&sub1; (60;60;1,418;0,219);
und
Nachbarwert (A&sub2;,v&sub3;) T P&sub1; (40;70;1,418;0,219);
Wenn dieses Lernmuster Pn in die Backpropagation-Einrichtung 27 eingegeben wird, werden die kombinierten Gewichte Vji und Wkj 50 korrigiert, daß der Fehler EP zwischen dem Übersetzungsverhältnis R und dem Lernübersetzungsverhältnis TRS gegen den Toleranzfehler &epsi;'(X) konvergieren kann.
Fig. 13 ist eine erste Darstellung, die die Neurocomputer-Berechnung des neuronalen Netzwerks in der Ausführungsform der vorliegenden Erfindung zeigt, und Fig. 14 ist eine zweite Darstellung, die die Neurocomputer-Berechnung des neuronalen Netzwerks in der Ausführungsform der vorliegenden Erfindung zeigt.
Zuerst werden das Eingabesignal Ii in die Zwischenschicht und das Eingabesignal Jj in die Ausgabeschicht durch folgende Gleichungen berechnet: [Eq. 16]
Im Übrigen bezeichnen die Buchstaben X&sub1; und X&sub2; die Werte des Eingabewerts Xi; die Buchstaben V&sub1;&sub1; und V&sub1;&sub2; bezeichnen die Werte des kombinierten Gewichts Vji; und die Buchstaben γ1 bezeichnen den Wert der Offset-Größe γj.
Dann wird das Ausgabesignal K der Ausgabeschicht durch die folgenden Gleichungen berechnet:
Für f(j1) = 0,863, f(j2) = 0,75 und
(W&sub1;&sub1;,W&sub1;&sub2;,θk) = (0,9;0,8;0,7),
K =ΣWkjf(Jj) + θk
= 0,7 x 0,863 + 0,8 x 0,75 + 0,7 = 2,0767.
Im übrigen bezeichnen W&sub1;&sub1; und W&sub1;&sub2; die Werte des kombinierten Gewichts Wkj.
Somit berechnet sich das Übersetzungsverhältnis R durch
R = K = 2,0767.
Wenn das Übersetzungsverhältnis R so berechnet ist, wird seine Differenz EP von dem Lernübersetzungsverhältnis TRS berechnet und die Rücklauf-Einrichtung 27 (wie in Fig. 1 gezeigt) korrigiert die kombinierten Gewichte Vji und Wkj bis die Konvergenzbedingung durch folgende Gleichung erfüllt ist:

[Eq. 17]

Et' = Σ EP / &epsi;P < &epsi;t (&epsi;t = 0,99)
In diesem Fall ist es die Konvergenzbedingung, daß die Summe Et' der Werte, die durch Dividieren der Fehler EP der einzelnen Lernmuster Pn durch die einzelnen Toleranzfehler &epsi;'(X) berechnet werden, kleiner als der Konvergenzwert &epsi;t ist. Dann wird das Lernen durch das neuronale Netzwerk beendet, wenn der Fehler EP gegen jeden Toleranzfehler &epsi;'(X) konvergiert.

Claims

1. Steuerungssystem für ein automatisches Getriebe, das zwischen einem Lernmodus und einem Automatikmodus gewechselt wird, so daß bei einem Wechsel in den Lernmodus eine Schaltung auf der Basis einer von einem Fahrer gewählten Getriebestufe ausgeführt wird, jedoch bei einem Wechsel in den Automatikmodus auf der Basis der Fahrbedingungen eines Fahrzeugs, mit

a) Sensoreinrichtungen zum Detektieren mehrerer Fahrbedingungen des Fahrzeugs;

b) einem neuronalen Netzwerk (11), das von den Sensoreinrichtungen mehrere detektierte Werte als Eingabewerte (X&sub1;...Xn) empfangen kann, um ein Übersetzungsverhältnis (R) auszugeben, wobei in dem neuronalen Netzwerk (11) jeder der mehreren detektierten Werte von einem kombinierten Gewicht gewichtet wird;

c) Getriebestufe-Wandlereinrichtungen (12) zum Wandeln des von dem neuronalen Netzwerk (11) ausgegebenen Übersetzungsverhältnisses (R) in eine Getriebestufe (G);

d) Schaltbedienungseinrichtungen, die von einem Fahrer bedient werden können, um eine Lerngetriebestufe zu wählen;

e) fahrerbedienbare Moduswechseleinrichtungen (14) zum selektiven Wechseln des Lernmodus, in welchem auf der Basis einer von den Schaltbedienungseinrichtungen kommenden Lerngetriebestufe geschaltet wird, und des Automatikmodus, in welchem auf der Basis der von den Getriebestufe-Wandlereinrichtungen gewandelten Getriebestufe geschaltet wird;

f) Übersetzungsverhältnis-Wandlereinrichtungen (26) zum Wandeln der von den Schaltbedienungseinrichtungen gewählten Lerngetriebestufe (GS) in ein Lernübersetzungsverhältnis (TRS),

gekennzeichnet durch:

g) Toleranzfehler-Berechnungseinrichtungen (29), um zu jedem Eingabewert (X&sub1;...Xm) und zu den benachbarten Werten des Eingabewerts (Xi) den Toleranzfehler (&epsi;'(X)) der Korrektur eines kombinierten Gewichts des neuronalen Netzwerks (11) auf der Basis von mindestens einem der folgenden Parameter zu berechnen, nämlich der Angemessenheit in einem Kraftstoftverbrauch- Übereinstimmungsgrad oder einem Antriebskraft-Übereinstimmungsgrad, des von den Übersetzungsverhältnis-Wandlereinrichtungen kommenden Lernübersetzungsverhältnisses (TRS),

dem Fehler jedes Eingabewerts (X&sub1;...Xm) und der benachbarten Werte des Eingabewerts und der Differenz zwischen dem von den Übersetzungsverhältnis-Wandlereinrichtungen (26) kommenden Lernübersetzungsverhältnis (TRS) und dem Übersetzungsverhältnis (R), das von dem neuronalen Netzwerk (11) durch den Eingabewert (Xi) gewonnen wurde.

h) Mustererzeugungseinrichtungen (20) zur Erzeugung eines Lernmusters Pn, das die Güte der Korrektur des kombinierten Gewichts des neuronalen Netzwerks (11) bedeutet, wobei das Lernmuster aus dem Eingabewert Xi und den benachbarten Werten des Eingabewerts Xi, dem Lernübersetzungsverhältnis (TRS) und dem Toleranzfehler (&epsi;'(X)) besteht; und

i) Korrektureinrichtungen des kombinierten Gewichts (27) zum Korrigieren des kombinierten Gewichts des neuronalen Netzwerks (11) auf der Basis der Mustererzeugungeinrichtungen (20).

2. Steuerungssystem für ein automatisches Getriebe nach Anspruch 1,

wobei die Toleranzfehler-Berechnungseinrichtungen (29) den Toleranzfehler (&epsi;'(X)) auf der Basis der Angemessenheit der Lerngetriebestufe (GS) berechnen, und

wobei die Angemessenheit der Lerngetriebestufe (GS) aus dem Kraftstoffverbrauch-Übereinstimmungsgrad, der den Grad der Verschlechterung eines Krafstoffverbrauchs angibt, und dem Antriebskraft-Übereinstimmungsgrad, der den Grad der Beschleunigung des Fahrzeugs angibt, berechnet wird.

3. Steuerungssystem für ein automatisches Getriebe nach Anspruch 1,

wobei die Toleranzfehler-Berechnungseinrichtungen (29) den Toleranzfehler (&epsi;'(X)) auf der Basis der Ambiguität des Eingabewerts (Xi) berechnen, und

wobei die Ambiguität des Eingabewerts (Xi) aus der Differenz zu einem Referenzeingabewert berechnet wird.

4. Steuerungssystem für ein automatisches Getriebe nach Anspruch 1,

wobei die Toleranzfehler-Berechnungseinrichtungen (29) den Toleranzfehler (&epsi;'(X)) auf der Basis der Ambiguität der Lerngetriebestufe (G&sub3;) berechnen, und

wobei die Ambiguität der Lerngetriebestufe (GS) aus der Differenz zu der Getriebestufe (G) berechnet wird, die von dem neuronalen Netzwerk (11) durch den Eingabewert (Xi) zu dem Zeitpunkt gewonnen wird, zu dem die Lerngetriebestufe (GS) gewählt wird.

5. Steuerungssystem für ein automatisches Getriebe nach Anspruch 1,

wobei die Toleranzfehler-Berechnungseinrichtungen (29) den Toleranzfehler (&epsi;'(X)) auf der Basis der Angemessenheit der Lerngetriebestufe (GS), der Ambiguität des Eingabewerts (Xi) und der Ambiguität der Lerngetriebestufe (GS) berechnen, wobei die Angemessenheit der Lerngetriebestufe (GS) aus dem Kraftstoffverbrauch-Übereinstimmungsgrad, der den Grad der Verschlechterung eines Kraftstoffverbrauchs angibt, und dem Antriebskraft-Übereinstimmungsgrad berechnet wird, der den Grad der Beschleunigung des Fahrzeugs angibt,

wobei die Ambiguität des Eingabewerts (Xi) aus der Differenz zu einem Ref erenzeingabewert berechnet wird, und