ES2311807T3 - Procedimiento para la optimizacion de vehiculos y de motores para el accionamiento de estos vehiculos. - Google Patents
Procedimiento para la optimizacion de vehiculos y de motores para el accionamiento de estos vehiculos. Download PDFInfo
- Publication number
- ES2311807T3 ES2311807T3 ES04716986T ES04716986T ES2311807T3 ES 2311807 T3 ES2311807 T3 ES 2311807T3 ES 04716986 T ES04716986 T ES 04716986T ES 04716986 T ES04716986 T ES 04716986T ES 2311807 T3 ES2311807 T3 ES 2311807T3
- Authority
- ES
- Spain
- Prior art keywords
- vehicle
- simulation
- optimization
- model
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004088 simulation Methods 0.000 claims abstract description 87
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000012360 testing method Methods 0.000 claims abstract description 24
- 238000012986 modification Methods 0.000 claims description 15
- 230000004048 modification Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 239000000446 fuel Substances 0.000 claims description 7
- 238000005096 rolling process Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 8
- 239000013598 vector Substances 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013400 design of experiment Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D41/1406—Introducing closed-loop corrections characterised by the control or regulation method with use of a optimisation method, e.g. iteration
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D2041/1433—Introducing closed-loop corrections characterised by the control or regulation method using a model or simulation of the system
- F02D2041/1437—Simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Hydrogen, Water And Hydrids (AREA)
- Non-Portable Lighting Devices Or Systems Thereof (AREA)
- Control Of Multiple Motors (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
Abstract
Procedimiento para la optimización de vehículos y de motores para el accionamiento de estos vehículos con los siguientes pasos: - realización de mediciones del funcionamiento real del vehículo (10) en la carretera o en un banco de pruebas de rodillos o del motor (21) en un banco (19) de prueba de motores; - parametrización de un modelo (11) de simulación, que reproduzca el vehículo (10), respectivamente el motor (19) caracterizado porque, por medio de un cálculo, se realiza un pronóstico de los valores de medida obtenidos con las mediciones y porque se ejecutan los siguientes pasos adicionales: - simulación del vehículo (10) utilizando el modelo (11) de simulación, calculando también al menos un índice (DR, Oversteer, Understeer) de conductibilidad, que, basándose en una función determinada empíricamente, resulta de varios valores de medida y que refleja la conductibilidad del vehículo (10) en un determinado estado de rodaje; - optimación de la puesta a punto del vehículo (10) durante la simulación arriba indicada, entrando al menos un índice (DR, Oversteer, Understeer) de conductibilidad en la función buscada o en las condiciones marginales de la optimización.
Description
Procedimiento para la optimización de vehículos
y de motores para el accionamiento de estos vehículos.
El invento se refiere a un procedimiento para la
optimización de vehículos y de motores para el accionamiento de
estos vehículos. El presente invento abarca también, como es obvio,
los subsistemas, como el grupo de accionamiento o las unidades
electrónicas de mando del motor.
La optimización de la puesta a punto es en los
vehículos de motor modernos un campo difícil, ya que la cantidad de
grados de libertad es extraordinariamente grande. Esto se refiere
tanto a la puesta a punto de los vehículos de carrera, que de
manera primaria debe servir para alcanzar una capacidad de
competición máxima, es decir el mejor tiempo de vuelta en la puesta
a punto durante la marcha y también para la puesta apunto de los
vehículos de serie desde el punto de vista del confort, de la
conductividad, del consumo de carburante y de las emisiones de
gases de escape. La dificultad de la puesta a punto resulta del
hecho de que se puede variar una gran cantidad de parámetros de
puesta a punto y de que la variación de manera compleja de los
parámetros de puesta a punto da lugar usualmente en varios aspectos
a una variación del comportamiento del vehículo de motor. Por ello,
la optimización de la puesta a punto es realizada en la mayoría de
los casos por técnicos cualificados, que, debido a su amplia
experiencia, son capaces de estimar las consecuencias de
determinadas variaciones en la puesta a punto y de realizar la
optimización deseada. A pesar de ello es preciso, que en el
transcurso de una optimación de esta clase se realicen amplias
pruebas de rodaje en el transcurso de un proceso iterativo para
verificar los resultados intermedios obtenidos y corregirlos
eventualmente. De manera adecuada se recurre al "feedback" del
piloto para decidir las medidas de puesta a punto a realizar.
El procedimiento descrito requiere rodajes de
prueba y de ensayo y una evaluación subjetiva de los rodajes de
carrera y de prueba. Sin embargo, con frecuencia estos rodajes no
son posibles por razones técnicas o por razones de un reglamento
preestablecido.
Se conoce el procedimiento de utilizar, para
reducir los rodajes de prueba con vehículos reales, respectivamente
los análisis en bancos de prueba, modelos de simulación, que pueden
asumir al menos en parte cometidos de optimización. Ejemplos de
estos procedimientos se divulgan en los documentos EP 0 877 309 B,
WO 00/32465, US 6,434,454 B o EP 0 474 944 B. Sin embargo, estos
modelos de simulación sólo pueden aclarar aspectos parciales de la
puesta a punto a optimizar, como por ejemplo el cálculo de un sensor
virtual como fuente de datos para la electrónica del motor, como se
describe en el documento EP 0 877 309 B mencionado más arriba.
Por otro lado, el documento US 6,079,258 A
divulga un procedimiento y un dispositivo con los que se pueden
analizar el comportamiento de marcha de un vehículo de motor. Para
ello se definen condiciones de "Trigger", que equivalen a
determinados estados de marcha del vehículo. Cuando se detecta la
presencia de condiciones de "Trigger" previamente definidas,
se evalúan los valores medidos con funciones generadas de manera
empírica para obtener el índice de conducibilidad.
El objeto del presente invento es divulgar un
procedimiento capaz, no sólo de aclarar aspectos parciales de la
puesta a punto de un vehículo, sino también de realizar de una
manera lo más sencilla posible una optimización completa. La
utilización del vehículo real debe ser minimizada lo más posible y
también debe evitar ampliamente la evaluación por ingenieros de
prueba experimentados, para reducir, por un lado, el coste y, por
otro, excluir en lo posible los componentes subjetivos.
Estos objetivos son alcanzados con un
procedimiento, que comprende los pasos siguientes:
- -
- realización de mediciones del funcionamiento real del vehículo en la carretera o en un banco de pruebas con rodillos o del motor en un banco de pruebas de motores;
- -
- parametrización de un modelo de simulación, que reproduzca el vehículo, respectivamente el motor para poder hacer por medio de un cálculo un pronóstico de los valores de medida obtenidos con las mediciones;
- -
- simulación del vehículo utilizando el modelo de simulación, calculando también al menos un índice de conducibilidad resultante de una función determinada empíricamente y basada en varios valores de medida y que refleje la conducibilidad del vehículo en un determinado estado de rodaje;
- -
- optimización de la puesta a punto del vehículo durante la simulación expuesta más arriba, interviniendo al menos un índice de conducibilidad en la función buscada o en las condiciones marginales de la optimización.
En el presente invento es esencial la
utilización de índices de conducibilidad o variables de
"driveability". Estos índices de conducibilidad son valores,
que resultan como función de varias variables medibles y que
reproducen la conducibilidad del vehículo en determinadas
situaciones clave denominadas también condiciones "Trigger".
La definición de estas funciones se realiza en este caso de manera
empírica comparando las evaluaciones de una gran cantidad de
pilotos de prueba con los valores calculados de la función, variando
y adaptando las funciones hasta alcanzar una concordancia óptima
entre los valores de la función y las evaluaciones obtenidas
realmente. El presente invento se basa en el conocimiento de que la
optimización del comportamiento del vehículo no se realiza, con
preferencia, sobre la base de valores de medida individuales, sino
que también comprende los índices de conducibilidad. Si bien, por
ejemplo para un coche de carreras, parezca inmediato realizar una
optimización con vistas al tiempo por vuelta alcanzable, ya que este
es evidentemente una medida de la calidad del coche de carreras, se
comprobó, sin embargo, que es posible obtener resultados más
cercanos a la práctica y, por lo tanto, estrategias más exitosas sí
los índices de conducibilidad entran en la optimización. Esto
significa, que nos hallamos frente a un problema de optimización,
que posee una función final (por ejemplo el tiempo por vuelta) así
como una gran cantidad de condiciones marginales. Las condiciones
marginales pueden ser limitaciones establecidas por un reglamento,
como por ejemplo el peso mínimo del vehículo o limitaciones
referidas a las dimensiones del vehículo, a la aerodinámica o
análogos y que pueden tener una naturaleza
técnico-física, como por ejemplo los límites de
esfuerzo del material utilizado o el desgaste máximo admisible de
las cubiertas, el consumo de carburante o los valores mínimos
prescritos para determinados índices de conducibilidad. En este
caso es por ejemplo preciso, que la conducibilidad del motor con
carga media o cuando interviene el control de tracción rebase un
valor límite determinado, pudiendo ser este valor, en el caso de los
coches de carreras, distinto para las carreras o para los
entrenamientos. También se puede valorar de manera objetiva el
comportamiento de manejo del vehículo en diferentes tramos del
recorrido (aceleraciones, frenadas, entrada en curvas, en el centro
de las curvas, salida de curvas y análogos) y prefijarlo como
condición marginal. De manera alternativa también es posible
definir un problema de optimización en el que se establece a
priori un tiempo por vuelta máximo admisible y en el que se
optimiza, por ejemplo, un índice de conducibilidad total resultante
de varios índices de conducibilidad individuales.
Fundamentalmente es posible realizar la
optimización descrita más arriba de una manera neutral desde el
punto de vista del piloto, es decir, que las variables, que pueden
ser modificadas por el piloto, como por ejemplo del ángulo de giro
del volante o la posición del pedal de aceleración se adoptan de
manera adecuada para hacer posible una simulación. Sin embargo, se
prefiere modelar de manera explícita el comportamiento del piloto y
almacenarlo en un modelo de piloto propio. Un modelo de piloto de
esta clase se adaptará en este caso convenientemente de manera
individual a los pilotos disponibles, siempre que se trate de
aplicaciones en el deporte de carreras. Para los vehículos de
serie se pueden definir de manera alternativa diferentes tipos de
conductor, que se representan con un modelo de simulación. Lo
esencial de cualquier clase de conductor es en este caso que el
comportamiento del conductor depende del comportamiento del
vehículo. También en este campo se comprobó, que los índices de
conductibilidad se prestan especialmente bien para reflejar estas
dependencias y para reproducirlas en el modelo de simulación.
Además, de manera análoga a la del propio vehículo se comprobó, que
era provechoso y conveniente definir índices de evaluación de los
pilotos, que representen el comportamiento y las cualidades del
piloto.
Para el paso de optimización se pueden utilizar
diferentes procedimientos de optimización, que se presten para
resolver los complejos problemas de optimización, como los aquí
presentes. De manera fundamental se puede utilizar para ello una
estrategia de optimización basada en un modelo, denominada también
procedimiento "Full Factorial". Durante la simulación se
varían en él los parámetros variables hasta alcanzar un estado
óptimo o se aproxima el estado óptimo en una medida suficiente.
Para la propia optimización no se utilizan en este caso
conocimientos especiales de la naturaleza del sistema.
De manera alternativa es posible recurrir a las
conocidas estrategias de optimización orientadas en la experiencia
o estrategias DOE (Design of Experiments). En este caso se intenta
acelerar la optimización teniendo en cuenta relaciones resultantes
del conocimiento del comportamiento del sistema simulado. La
definición de estas estrategias de optimización es más laboriosa,
pero generalmente se obtiene un progreso más rápido de la
optimización.
En una variante especialmente favorable del
procedimiento según el invento se realiza la optimización en el
transcurso de la simulación, realizando, partiendo de una
configuración inicial de los parámetros de puesta a punto, un ciclo
de simulación con una gran cantidad de pasos de simulación en los
que se recorre un ciclo de rodaje prefijado y esencialmente
idéntico mientras se varían los parámetros de puesta punto para
determinar la influencia de los parámetros de puesta a punto en la
función buscada y las condiciones marginales. Esto se realiza así,
ya que es posible variar una gran cantidad de parámetros de puesta a
punto, pero sin conocer a priori la influencia de los
diferentes parámetros de puesta apunto en la función buscada y en
las condiciones marginales. De esta manera se puede determinar
ceteris paribus el efecto de la modificación de cada parámetro
individual de puesta a punto, despreciando las interacciones y los
efectos sinergéticos entre los diferentes parámetros de puesta a
punto.
De una manera especialmente preferida se crea,
sobre la base de los resultados del ciclo de simulación, un primer
metamodelo, que reproduzca la influencia de los parámetros de puesta
a punto en la función buscada y en las condiciones marginales y
después se realiza, sobre la base del metamodelo, un primer paso de
optimización para determinar una primera configuración óptima de
los parámetros de puesta a punto, realizando después, partiendo de
esta primera configuración optima de los parámetros de puesta a
punto, al menos otro ciclo de simulación para crear otro
metamodelo. Los diferentes pasos de simulación representan un
considerable trabajo de cálculo. La optimización realizada
exclusivamente sobre la base de estos pasos de simulación da lugar,
en el caso de modelos algo complejos y próximos a la realidad a un
trabajo de cálculo prohibitivamente grande. La utilización
mencionada más arriba de un metamodelo en el que la función buscada
y las condiciones marginales se representan en el sentido de una
aproximación como funciones explícitas de los parámetros de puesta a
punto permite la realización de la optimización con un trabajo de
cálculo considerablemente menor. La diferencia esencial entre el
modelo de simulación propiamente dicho y el metamodelo reside en el
hecho de que en el modelo de simulación se calculan muchas
magnitudes como integrales en función del tiempo de otras
magnitudes y por el hecho de que las relaciones no son lineales e
interdependientes. Además, en el modelo de simulación se utiliza
una gran cantidad de magnitudes auxiliares, que en el fondo no
interesan, pero que se necesitan para representar el modelo.
Por el contrario, los metamodelos son sencillos
y reflejan una relación directa entre los parámetros de puesta a
punto y la función buscada y las condiciones marginales sin poseer,
por ejemplo integrales en función del tiempo. Los metamodelos son
en una primera variante de este procedimiento modelos lineales. Con
ello se simplifica de manera especial la optimización, ya que los
parámetros de puesta punto para un determinado resultado deseado
pueden ser obtenidos en principio invirtiendo una matriz de
modelo.
Esta simplificación extrema es obtenida a costa
de que el metamodelo sólo describe satisfactoriamente el
comportamiento real del sistema en un entorno suficientemente
pequeño de la configuración inicial. Una vez que, basándose en el
primer metamodelo, se realizó el primer paso de optimización, que
dio lugar a una primera configuración óptima de los parámetros de
puesta a punto, se realiza al menos otro ciclo de simulación para
crear un metamodelo adicional. Con ello se eliminan los errores
resultantes de las simplificaciones del metamodelo. La primera
configuración óptima no será en general realmente óptima en el
sentido del modelo de simulación propiamente dicho, pero se hallará
más cerca de este óptimo que la configuración inicial. Repitiendo
los pasos indicados más arriba según necesidad, se puede alcanzar
una aproximación con una exactitud cualquiera al estado óptimo
real.
Se puede obtener una exactitud mejorada de los
metamodelos, cuando estos modelos son modelos en los que los
parámetros de puesta a punto intervienen en la función buscada y en
las condiciones marginales en parte linealmente y en parte en
forma de sus cuadrados. Para ello se aprovecha el hecho de que, al
menos en ausencia de condiciones marginales, el estado óptimo se
expresa en la función buscada por medio de derivadas menguantes de
la magnitud buscada en función de las variables independientes, es
decir los parámetros de puesta a punto, de manera, que un modelo de
segundo grado refleja el entorno del estado óptimo mejor que un
modelo lineal. El mayor trabajo de cálculo debido al planteamiento
de segundo grado puede ser reducido, cuando es limitado a parámetros
de puesta a punto de los que se puede admitir, que no son
determinados por condiciones marginales primarias.
La función buscada es generalmente, en la
aplicación del procedimiento según el invento al deporte de
carreras, un tiempo de vuelta, que necesita el vehículo para
recorrer un recorrido prefijado. Como tiempo de vuelta se entiende
aquí en un sentido generalizado también el tiempo de un segmento,
que es el tiempo de rodadura para un tramo parcial del recorrido
cerrado. Las condiciones marginales resultan del reglamento y de
índices de conductibilidad, que reflejan por ejemplo el subvirado
global o en una curva determinada.
En la aplicación del procedimiento según el
invento en el desarrollo de vehículos de serie se prevé, por
ejemplo, que la función buscada sea un índice de conductibilidad
total, que describa de manera global el comportamiento de rodadura
del vehículo. Con ello se puede optimizar el confort de rodadura de
una manera reproducible objetivamente. Sin embargo, la función
buscada también puede ser un valor de consumo de carburante, que
indique la cantidad de carburante, que necesita el vehículo para
recorrer un determinado recorrido, de manera, que sea posible la
representación de un vehículo óptimo desde el punto de vista del
consumo.
Se obtienen resultados especialmente fiables,
cuando las condiciones marginales son, al menos en parte, índices
de conductibilidad, que reflejen el comportamiento del vehículo en
tramos parciales de una recorrido de simulación, cubriendo en
conjunto todos los tramos parciales del recorrido de simulación.
En una primera variante de ejecución del
procedimiento según el invento se recurre al funcionamiento real
para las mediciones de la totalidad del vehículo con el fin de
obtener los valores de medida necesarios. Los valores de medida se
obtienen en este caso a partir de una situación totalmente real en
la carretera. Un procedimiento de esta clase está ligado por
naturaleza con un coste relativamente alto. Siempre que se disponga
ya de datos de sistemas parciales, se puede minimizar el coste con
los conocidos procedimientos "Hardware in the loop", en el que
los sistemas parciales son sustituidos con modelos de simulación. En
este caso son, por ejemplo, imaginables las siguientes
constelaciones;
- -
- el vehículo se halla sobre un banco de pruebas con rodillos; en este caso es preciso, que los efectos aerodinámicos se reproduzcan con un modelo de simulación; la magnitudes, tales como suspensión de las ruedas, cubiertas y análogos tampoco pueden ser tenidas en cuenta de manera directa;
- -
- se obtiene otra simplificación de las mediciones, cuando el motor del vehículo es analizado en un banco de pruebas altamente dinámico. Además de las variables descritas más arriba, es en este caso preciso simular todas las variables relacionadas con el grupo de accionamiento;
- -
- sin embargo, para análisis especiales también se puede analizar por separado un subsistema individual, como por ejemplo el equipo de mando del motor, siendo preciso simular todas las variables, que no puedan ser influidas directamente por el equipo de mando.
Se obtiene una variante de ejecución
especialmente favorable del procedimiento según el invento, cuando,
después de la realización de mediciones en el funcionamiento real
del vehículo se definen modificaciones del vehículo y se crea el
modelo de simulación sobre la base del vehículo modificado. En
numerosos casos se dispone de valores de medida reales de un
vehículo en un determinado recorrido y surge el problema de
pronosticar el comportamiento esperado de un vehículo ligeramente
modificado. De esta manera es posible tener en cuenta en el modelo
de simulación las modificaciones previstas en un vehículo o las
modificaciones ya realizadas, pero que todavía no pudieron ser
probadas en un determinado recorrido, y analizar el efecto de estas
modificaciones. Una ventaja especial reside en este caso en el
hecho de que de que no sólo es posible pronosticar desde el punto
de vista de las prestaciones de rodadura las modificaciones directas
de un vehículo por lo demás no modificado, sino que también es
posible indicar en la simulación una optimización del vehículo
modificado por medio de la elección adecuada de los parámetros de
puesta a punto.
Disponiendo de una capacidad de cálculo
correspondiente es posible, que, después de la creación inicial de
un modelo de simulación, tenga lugar de manera continua en tiempo
real y durante el funcionamiento real del vehículo una
parametrización de un modelo de simulación del vehículo recurriendo
al modelo de simulación. Esto puede ser por ejemplo conveniente
durante una carrera, cuando deba ser tenido en cuenta el progresivo
desgaste de las cubiertas o análogos para poder planificar y evaluar
todavía durante la carrera las posibles modificaciones de los
parámetros de puesta a punto. La optimización de la puesta a punto
del vehículo puede tener lugar de manera continua en tiempo real
para realizar modificaciones de los parámetros de puesta a punto.
Pero incluso, cuando, por ejemplo, se halla a bordo de un vehículo
de serie una computadora correspondiente, se pueden realizar
continuamente durante el funcionamiento reajustes de los parámetros
de puesta a punto para tener en cuenta los fenómenos de
envejecimiento y el desgaste. En relación con ello es especialmente
ventajoso, que las modificaciones de los parámetros de puesta a
punto del vehículo se realicen automáticamente.
En el procedimiento según el invento desempeñan
un papel las siguientes variables:
- U_{i}
- Parámetro de medio ambiente, como por ejemplo la calidad de la calzada y la presión atmosférica. Se trata de parámetros externos, que no es posible modificar, pero que intervienen en el modelo.
- E_{i}
- Parámetros de puesta a punto: magnitudes medibles, que caracterizan el vehículo y que (al menos en principio) pueden ser modificadas. Por ejemplo: características de amortiguación, campos característicos del motor, relación de la caja de cambios, peso del vehículo, resistencia del aire y valores de fuerza ascensional, respectivamente descensional del vehículo.
- S_{i}
- Parámetros de simulación: son magnitudes, que no se corresponden con una variable medible y que son necesarias para la puesta a punto del modelo de simulación. Ejemplos: características de las cubiertas (si no se conocen), elasticidad del grupo de accionamiento (si no se conoce).
- F_{i}(t)
- Magnitudes determinadas por el piloto, como por ejemplo el ángulo de giro del volante, posición del pedal del acelerador. Estas variables son, por naturaleza, modificables en el desarrollo en el tiempo y se expresan por ello como funciones de tiempo. A través de la velocidad del vehículo también se podrían representar estos parámetros como funciones del lugar.
- M_{i}(t)
- Valores de medida, que caracterizan el comportamiento del vehículo y que pueden ser medidos realmente, pero también calculados por el modelo de simulación. Ejemplos: aceleración longitudinal, aceleración transversal, temperatura del motor. Los valores de medida ficticios calculados por el modelo de simulación pueden ser representados como función de los parámetros de medio ambiente, de la simulación de los parámetros de puesta a punto, de los parámetros de simulación y de las magnitudes determinadas por el piloto así como de los restantes valores de medida.
- \quad
- Msim_{i}(t) = f(U_{ir}, E_{ir}, S_{ir}, F_{i}(t), Msim_{i}(t))
- DR_{i}
- Índices de conductibilidad para determinadas maniobras de marcha y/o tramos del recorrido. Los DR_{i} se calculan a partir del M_{i}(t), respectivamente el Msim(t) basándose en datos empíricos calculados previamente.
En lo que sigue se describirá el invento con
detalle por medio de las variantes de ejecución representadas en el
dibujo. En él muestran:
La figura 1, un diagrama de flujo para explicar
el procedimiento según el invento en una primera variante de
ejecución.
La figura 2, un diagrama de bloques, que
representa componentes esenciales de la realización del invento.
Las figuras 3a, 3b, 3c a las figuras 9a, 9b, 9c
diagramas, que representan el procedimiento según el invento por
medio de un ejemplo simplificado.
Los diferentes pasos del diagrama de flujo de la
figura 1 se explican como sigue:
- \ding{226}
- Paso 0: Inicio.
- \ding{226}
- Paso 1: vuelta real; se hace funcionar un vehículo con parámetros E_{i0} de puesta a punto prefijados sobre un recorrido de carreras real o en un banco de pruebas, registrando F_{i}(t) y M_{i}(t). Adicionalmente se observan los parámetros U_{i} ambientales. Esta vuelta real también puede ser hecha, como se mencionó más arriba, con el modelo anterior del vehículo.
- \ding{226}
- Paso 2: vuelta virtual: con la ayuda del modelo de simulación se simula una vuelta en la computadora. El modelo de simulación contiene U_{i} y E_{i} como datos prefijados y, además, el cálculo se basa en los parámetros S_{ij}, representando el índice j la correspondiente versión de los parámetros S_{i} de simulación después de j vueltas. Esto significa, que se comienza con un bloque inicial de parámetros S_{IO} de simulación, que es mejorado sucesivamente.
- \quad
- Variante 1: las magnitudes F(t) determinadas por el piloto son transferidas ampliamente de la vuelta real.
- \quad
- Variante 2: el modelo de piloto es parte del modelo de simulación (o un modelo de simulación adicional, que sea equivalente) y las magnitudes F(t) determinadas por el piloto se simulan (= calculan) al mismo tiempo como Fsim_{i}(t).
- \quad
- El resultado de la simulación es un bloque de valores Msim_{ij}(t) de medida virtuales (y eventualmente Fsim_{ij}(t) para la vuelta j simulada).
- \ding{226}
- Paso 3: consulta: ¿es suficiente la exactitud del modelo de simulación? Esto se determina fundamentalmente a partir de la diferencia entre M_{j}(t) y Msim_{ji}(t) (y eventualmente entre F_{i}(t) y Fsim_{ij}(t)). Para ello existirán en general funciones de evaluación, ya que en la mayoría de los casos algunos valores de medida son más críticos que otros, dando lugar con ello a tolerancias distintas. Adicionalmente se recurre a la magnitud de DR_{i} para el cálculo de la exactitud.
- \quad
- Con NO: paso 4: Creación de un nuevo bloque de parámetros S_{ij} de simulación y retorno al paso 2. El cálculo de los nuevos S_{ij} podrá realizarse seguramente de una manera puramente matemática (problema de optimización sin conocimiento de las relaciones internas del sistema) o se pueden utilizar los conocimientos de las relaciones reales. También son posibles combinaciones de los dos.
- \quad
- Con SI: paso 5.
- \ding{226}
- Paso 5: variación virtual de la puesta a punto del vehículo: los parámetros E_{IO} de puesta a punto iniciales son cambiados por E_{ik}, siendo k un indicador del correspondiente paso de optimización.
- \ding{226}
- Paso 6: vuelta de prueba virtual: recurriendo a los nuevos parámetros E_{ik} de puesta a punto. Como en el paso 2 se calculan valores de medida simulados designados aquí con Msim_{ik}(t), ya que se obtienen después de k pasos de optimización.
- \quad
- Variante 1: las magnitudes F_{i}(t) determinadas por el piloto son transferidas sin modificación de las vueltas reales.
- \quad
- Variante 2: el modelo de piloto es parte del modelo de simulación (o un modelo de simulación adicional, que sea equivalente) y las magnitudes simuladas por el piloto son simulados al mismo tiempo. Ventaja especial de ello: el comportamiento del piloto puede ser pronosticado de manera especialmente sencilla y próxima a la realidad basándose en los DR_{jk}, que son índices de conductibilidad (paso siguiente).
- \ding{226}
- Paso 7: cálculo de la"Drivability": cálculo de DR_{ik}, que son índices de conductibilidad después de k pasos de optimización.
- \ding{226}
- Paso 8: consulta: evaluación del paso de optimización: ¿se alcanzó un progreso suficiente?
- \quad
- Con NO: retorno al paso 5.
- \quad
- Con SI: final del procedimiento o eventualmente retorno al paso 1.
La optimización del vehículo (pasos 5 a 8)
representa problemas de optimización no lineales con una función
buscada y varias condiciones marginales.
El diagrama de bloques de la figura 2 representa
de manera esquemática los componentes esenciales, que
intervienen.
Se hace funcionar un vehículo 10 real sobre un
recorrido prefijado. Por medio de valores de medida se parametriza
un modelo 11 de simulación, que se puede subdividir internamente en
un modelo 12 de vehículo, un modelo 13 de piloto y un modelo 14 de
recorrido. El modelo 12 de vehículo puede estar subdividido a su vez
en submodelos, como por ejemplo un modelo 15 de dinámica de marcha,
un modelo 16 de aerodinámica y un modelo 17 de cubiertas y, según
necesidad, submodelos adicionales no representados aquí.
Con 18 se designa un control de tracción
utilizado realmente, que recibe en el banco de pruebas magnitudes
de entrada del modelo 11 de simulación, no disponibles de manera
real, como por ejemplo la velocidad del vehículo. El control 18 de
tracción ataca un banco 19 de pruebas altamente dinámico, que, a su
vez, devuelve al control de tracción los datos reales necesarios,
como por ejemplo el número de revoluciones del motor. El banco 19 de
pruebas se compone de un motor 21 real acoplado con un freno 22
eléctrico.
Con 20 se designa la electrónica de mando para
el banco 19 de pruebas, que, a su vez, intercambia datos con el
modelo 11 de simulación. Con los datos obtenidos con el modelo 11de
simulación se pueden modificar y optimizar los parámetros de puesta
a punto del vehículo 10.
Debido al bucle cerrado entre el modelo 11 de
simulación, el control 18 de tracción, el banco 19 de pruebas y la
electrónica 20 de mando se denomina también una estructura de esta
clase como "Closed Loop Modell". Una estructura de esta clase
puede ser utilizada, por un lado, como modelo de simulación no
realizado de manera completa en Software para simular de manera
conforme con el invento el vehículo 10 real, pero, por otro, puede
ser reproducido, por medio de la aplicación del procedimiento según
el invento, de manera completa desde el punto de vista del software
para ahorrar o acelerar los análisis en el banco de pruebas.
En la simulación del vehículo 10 basada de
manera completa en el Software es necesario un submodelo no
representado aquí, que reproduzca el motor, que forma parte del
modelo 11 de simulación.
En lo que sigue se describirá con detalle un
proceso de optimización recurriendo a un metamodelo lineal. Después
de obtener en el paso 3 de la figura 1 un modelo de simulación
validado, se crean en el paso 5, en lugar de un solo vector de
parámetros E_{ik} de puesta a punto, tantos vectores como
parámetros de puesta a punto previstos, diferenciándose cada uno de
los vectores E_{ik} del vector E_{IO} por el hecho de que se
modificó en un valor predeterminado un único parámetro de puesta a
punto.
En el paso 6 se absuelve después con cada uno de
los vectores E_{ik} de parámetro de puesta a punto una vuelta de
prueba, obteniendo los valores Msim_{ik}(t) y a
continuación los DR_{ik}. De esta manera es posible determinar de
manera aislada la influencia de los diferentes parámetros de puesta
a punto.
Cuando los vectores E de parámetros de puesta a
punto se compongan por ejemplo de 150 valores de puesta a punto
individuales, como por ejemplo ángulo de posición de los alerones o
constantes de amortiguación o valores de amortiguación en
diferentes suspensiones de las ruedas, y cuando el vector Msim
resultante se componga de 300 valores individuales, que forman
valores finales y condiciones marginales, como por ejemplo el tiempo
por vuelta, el tiempo de un segmento, el consumo de carburante,
índices de conductibilidad individuales, como por ejemplo
trepidaciones, subvirados de manera global o un índice de
conductibilidad total general, se puede establecer una
representación lineal con la siguiente forma:
V \cdot E =
Msim
V es en ella una matriz con 300 líneas y 150
columnas, que representa el metamodelo descrito más arriba.
Invirtiendo esta matriz se puede obtener de manera sencilla un
vector Msim resultado deseado con la forma siguiente:
E =
V^{-1}Msim
Es obvio, que, debido a la sobredefinición del
sistema de ecuaciones, no es posible alcanzar con exactitud todo
valor Msim, pero esto es irrelevante, ya que la mayoría de los
valores Msim son condiciones marginales con forma de
desigualdades.
Con la ayuda de las ecuaciones indicadas más
arriba se puede hallar sin problemas un vector E de parámetros de
puesta a punto, que de lugar a un vector Msim resultado, que, por un
lado, sea admisible, es decir, que cumple todas las condiciones
marginales, pero que, por otro, sea óptimo, es decir, que maximiza,
respectivamente, minimiza la función buscada. Esta secuencia es
repetida hasta alcanzar una exactitud suficiente.
En las figuras 3a a 9c se describirá el invento
con detalle por medio de un ejemplo simplificado. Se supone, que
sólo pueden ser variados dos parámetros de puesta a punto, a saber
cARB_{F} y cARB_{R}, es decir la rigidez de la suspensión del
estabilizador delantero, respectivamente del trasero. Se quiere
optimizar el tiempo de una vuelta, "Laptime" y como
condiciones marginales se deben mantener por encima de valores
límites determinados dos índices de conductibilidad
"Understeer" y "Oversteer". Estos índices
"Understeer" y "Oversteer" indican las propiedades de
subvirado, respectivamente de sobrevirado del vehículo en
situaciones de rodaje predeterminadas.
El diagrama de la figura 3a representa el tiempo
"Laptime" de una vuelta como función de cARB_{F} y
cARB_{R}. Los diagramas de las figuras 3b y 3c representan los
índices "Understeer" y "Oversteer" de conductibilidad
como funciones de cARB_{F} y cARB_{R}. Es preciso hacer la
observación de que estas funciones no son conocidas a priori
y que al aplicar el procedimiento según el invento tampoco se
conocerán jamás de manera completa.
Las figuras 4b y 4c representan nuevamente los
índices "Understeer" y "Oversteer" de conductibilidad como
funciones de cARB_{F} y cARB_{R}, pero adicionalmente a las
representaciones de la figura 3b y de la figura 3c se representan
como planos horizontales los valores límites "Understeer"
\geq 7 y "Oversteer" \geq 6,5. Los pares de valores de
cARB_{F} y cARB_{R}, que cumplen las condiciones indicadas más
arriba, representan el margen admisible para la optimización. El
diagrama de la figura 4a para la función "Laptime" buscada no
sufrió modificaciones.
\newpage
Las figuras 5a, 5b y 5c muestran un valor 30
inicial de cARB_{F} y cARB_{R} de 105 N/mm cada uno y los
valores "Laptime", "Understeer" y "Oversteer" medidos
ficticios, que se designan con 30a, 30b y 30c. Estos valores de
medida pueden ser obtenidos fundamentalmente con una sola vuelta
simulada. De las representaciones se desprende, que estos
parámetros de puesta a punto no son óptimos, ni admisibles. El
carácter inadmisible se desprende dela figura 5c, que muestra que
"Oversteer" es manifiestamente menor que el valor 6,5 límite.
La ausencia del carácter óptimo se desprende de la figura 5aa, ya
que evidentemente existen pares de valores de cARB_{F} y
cARB_{R} de dan lugar a tiempos de vuelta demasiado bajos.
En una primera fase del procedimiento de
optimización es preciso establecer una admisibilidad. Ahora se
simulan tantas vueltas como para parámetros de puesta a punto
existentes para determinar los gradientes locales de las funciones
"Understeer" y "Oversteer". Con ello se puede crear en el
sentido expuesto más arriba un metamodelo, que haga posible
expresar los parámetros de puesta a punto necesarios para los
valores deseados de la función buscada y de las condiciones
marginales. Este metamodelo es válido en el entorno del punto de
partida dentro del que la linealización represente una
simplificación admisible.
Según la dificultad del problema se necesitan
ahora uno o varios pasos, es decir metamodelos nuevos, para hallar
un camino hacia un par de valores de cARB_{F} y cARB_{R}, que
cumpla las condiciones marginales dadas. En las figuras 6a, 6b y 6c
se representa un camino 31 de esta clase, que conduce a un punto 32,
respectivamente a los puntos 32a, 32b, 32c, definido por cARB_{F}
= 65 N/mm y cARB_{K} = 75 N/mm y que se halla dentro del margen
admisible. Igual que antes, esta puesta a punto no es óptima, como
refleja la figura 6a.
En una segunda fase del procedimiento de
optimización se realiza ahora, partiendo de este punto 32 admisible,
pero no óptimo, una optimización de la función "Laptime"
buscada, realizando nuevamente al menos una vez, pero en la mayoría
de los casos varias veces sucesivas, una linealización alrededor
del punto intermedio alcanzado y determinando un camino localmente
óptimo, debiendo, sin embargo, tener siempre en cuenta que no se
abandone el margen admisible. De esta manera se llega a través del
camino 33 de las figuras 7a, 7b y 7c a los puntos 34,
respectivamente 34a, 34b, 34c, es decir al resultado óptimo de
cARB_{F} = 19 N/mm y cARB_{K} = 69 N/mm, lo que da lugar a los
siguientes valores de medida ficticios:
Laptime = 83, 1
s
Understeer =
9,36
Oversteer =
7,21
Es preciso hacer la observación de que el
concepto representado más arriba de una optimización en dos fases
también puede ser modificado. Así por ejemplo, es posible buscar en
una primera fase un punto óptimo, pero inadmisible y crear la
admisibilidad en una segunda fase. Sin embargo, también es posible
perseguir con diferentes conceptos un camino de puntos no óptimos
inadmisibles.
Sin embargo, el procedimiento de optimización no
está limitado a metamodelos lineales. Si bien la utilización de
planteamientos de segundo orden incremente el trabajo de cálculo por
cada paso, reduce la cantidad de pasos necesarios.
En algunos parámetros de puesta a punto se puede
tratar de magnitudes no escalares, como por ejemplo las
características del motor. Estas características no son accesibles
de manera inmediata al concepto de optimización expuesto más
arriba. Su inclusión en la optimización según el invento puede tener
lugar por el hecho de que en primer lugar se modele una magnitud
derivada de las características del motor, como por ejemplo la
necesidad de par de giro, que se utiliza para la optimización, y
después se calcula en un paso adicional la característica adecuada
al instante correspondiente, que se elige respectivamente ajusta en
la siguiente simulación o en el siguiente recorrido de prueba.
Los diagramas de las figuras 8a, 8b y 8c
muestran, que el concepto de la linealización también puede ser
utilizado de manera ventajosa para la evaluación y la
interpretación de los resultados. Realizando nuevamente en el
estado óptimo una linealización se puede estimar la sensibilidad del
resultado obtenido a las modificaciones de los parámetros de puesta
a punto. En las figuras 8a, 8b y 8c están representados los
correspondientes planos 35a, 35b, 35c que representan el metamodelo
en el punto óptimo. Dado que el óptimo se halla dentro del margen
admisible, el plano 35a de la función buscada es , en la figura 8a,
horizontal como se esperaba. Los gradientes pueden ser expresados
algebraicamente de la siguiente manera.
También es posible definir un margen en el que
el metamodelo linealizado pueda ser aplicado con una exactitud
prefijada. Estos márgenes 36a, 36b y 36 están representados en las
figuras 9a, 9b y 9c. Para la definición de estos márgenes es
preciso un sistema de segundo orden teniendo en cuenta la exactitud
necesaria.
El procedimiento de optimización aquí expuesto
no requiere, como se indicó más arriba, un conocimiento completo de
las complicadas funciones no lineales, que expresan los valores de
medida ficticios en función de los parámetros de puesta a punto y
que sólo es posible obtener de manera aproximada con la realización
de recorridos de simulación. En el modelo simplificado con dos
parámetros de puesta a punto cabría perfectamente imaginar un
sistema total, pero en un modelo real con más de cien parámetros de
puesta a punto resulta esto prácticamente imposible, ya que el
trabajo de cálculo crece exponencialmente. El procedimiento según el
invento brinda en este caso una solución practicable.
El presente invento hace posible acelerar y
mejorar cualitativamente la puesta a punto del vehículo aplicando
procedimientos de simulación.
Claims (23)
1. Procedimiento para la optimización de
vehículos y de motores para el accionamiento de estos vehículos con
los siguientes pasos:
- -
- realización de mediciones del funcionamiento real del vehículo (10) en la carretera o en un banco de pruebas de rodillos o del motor (21) en un banco (19) de prueba de motores;
- -
- parametrización de un modelo (11) de simulación, que reproduzca el vehículo (10), respectivamente el motor (19)
caracterizado porque, por medio de un
cálculo, se realiza un pronóstico de los valores de medida obtenidos
con las mediciones y porque se ejecutan los siguientes pasos
adicionales:
- -
- simulación del vehículo (10) utilizando el modelo (11) de simulación, calculando también al menos un índice (DR, Oversteer, Understeer) de conductibilidad, que, basándose en una función determinada empíricamente, resulta de varios valores de medida y que refleja la conductibilidad del vehículo (10) en un determinado estado de rodaje;
- -
- optimación de la puesta a punto del vehículo (10) durante la simulación arriba indicada, entrando al menos un índice (DR, Oversteer, Understeer) de conductibilidad en la función buscada o en las condiciones marginales de la optimización.
2. Procedimiento según la reivindicación 1,
caracterizado porque se prevé un modelo (13) de piloto, que
modele el comportamiento del piloto y que, en función del estado del
vehículo, calcula las magnitudes (F), que pueden ser influidas por
el piloto.
3. Procedimiento según la reivindicación 2,
caracterizado porque el modelo (13) de piloto contiene como
magnitud inicial un índice (DR, Oversteer, Understeer) de
conductibilidad.
4. Procedimiento según una de las
reivindicaciones 2 o 3, caracterizado porque el modelo (13)
de piloto es parametrizado por medio de al menos un índice de
conductibilidad, que, debido a una función determinada
empíricamente, resulta de varios valores de medida y que evalúa el
comportamiento de conducción del correspondiente piloto en un
determinado estado de rodaje.
5. Procedimiento según una de las
reivindicaciones 1 a 4, caracterizado porque en la
parametrización del modelo (11) de simulación se utiliza al menos un
índice (DR, Oversteer, Understeer), que se determina tanto a partir
de las mediciones en funcionamiento real, como también a partir del
modelo de simulación.
6. Procedimiento según una de las
reivindicaciones 1 a 5, caracterizado porque las mediciones
en funcionamiento real se realizan utilizando en parte modelos (11)
de simulación, sometiendo determinados componentes del hardware a un
funcionamiento real, mientras que otros componentes del hardware se
sustituyen con modelos de simulación.
7. Procedimiento según una de las
reivindicaciones 1 a 6, caracterizado porque después de la
realización de las mediciones en el funcionamiento real del vehículo
(10) se definen modificaciones del vehículo (10) y se crea el modelo
(11) de simulación sobre la base del vehículo (10) modificado.
8. Procedimiento según una de las
reivindicaciones 1 a 7, caracterizado porque la optimización
se realiza en el transcurso de la simulación por el hecho de que
partiendo de una configuración inicial de parámetros (E) de puesta a
punto se realiza un ciclo de simulación con una gran cantidad de
rodajes de simulación, en los que se recorre un ciclo de rodaje
prefijado, esencialmente idéntico mientas se varían los parámetros
(E) de puesta a punto para determinar la influencia de los parámetro
(E) de puesta a punto en la función buscada y en las condiciones
marginales.
9. Procedimiento según la reivindicación 8,
caracterizado porque sobre la base de los resultados del
ciclo de simulación se crea un primer metamodelo, que refleje la
influencia de los parámetros (E) de puesta a punto en la función
buscada y en las condiciones marginales, realizando después sobre la
base del metamodelo un primer paso de optimización para definir una
primera configuración óptima de parámetros (E) de puesta a punto y,
partiendo de esta primera configuración óptima de parámetros (E) de
puesta a punto, se ejecuta al menos otro ciclo de simulación para
crear un metamodelo adicional.
10. Procedimiento según la reivindicación 9,
caracterizado porque los metamodelos son modelos
lineales.
11. Procedimiento según la reivindicación 9,
caracterizado porque los metamodelos son modelos en los que
los parámetros de puesta punto entran en la función buscada y en las
condiciones marginales en parte con forma lineal y en parte con
forma de segundo orden.
\newpage
12. Procedimiento según una de las
reivindicaciones 9 a 11, caracterizado porque los metamodelos
son llevados algebraicamente a una representación explícita desde
el punto de vista de los parámetros (E) de puesta a punto.
13. Procedimiento según una de las
reivindicaciones 1 a 12, caracterizado porque la función
buscada es un tiempo de vuelta, que necesita el vehículo para
recorrer un recorrido prefijado, respectivamente un tramo del
recorrido.
14. Procedimiento según una de las
reivindicaciones 1 a 12, caracterizado porque la función
buscada es un índice de conductibilidad total, que describa de
manera global las propiedades de rodaje del vehículo.
15. Procedimiento según una de las
reivindicaciones 1 a 12, caracterizado porque la función
buscada es un valor de consumo de carburante, que indique la
cantidad de carburante, que necesita el vehículo para recorrer un
recorrido prefijado.
16. Procedimiento según una de las
reivindicaciones 1 a 14, caracterizado porque las condiciones
marginales son al menos en parte índices de conductibilidad, que
reflejan el comportamiento del vehículo en tramos parciales de un
recorrido de simulación, quedando cubiertos en conjunto todos los
tramos parciales del recorrido de simulación.
17. Procedimiento según una de las
reivindicaciones 1 a 16, caracterizado porque se recurre a
una estrategia de optimización basada en modelos para la
parametrización del modelo (11) de simulación.
18. Procedimiento según una de las
reivindicaciones 1 a 16, caracterizado porque se recurre a
una estrategia de optimización orientada en la experiencia para la
parametrización del modelo (11) de simulación.
19. Procedimiento según una de las
reivindicaciones 1 a 18, caracterizado porque se recurre a
una estrategia de optimización basada en modelos para la
optimización de la puesta a punto del vehículo (10).
20. Procedimiento según una de las
reivindicaciones 1 a 18, caracterizado porque se recurre a
una estrategia de optimización orientada en la experiencia para la
optimización de la puesta a punto del vehículo (10).
21. Procedimiento según una de las
reivindicaciones 1 a 20, caracterizado porque después de la
creación inicial de un modelos de simulación tiene lugar de manera
continua y en tiempo real, durante el funcionamiento real del
vehículo, la parametrización de un modelo (11) de simulación
"simulación del vehículo (10)" recurriendo al modelo (11) de
simulación.
22. Procedimiento según la reivindicación 21,
caracterizado porque la optimización de la puesta a punto del
vehículo (10) se realiza de manera continua en tiempo real y porque
se realizan modificaciones de los parámetros de puesta a punto.
23. Procedimiento según una de las
reivindicaciones 1 a 22, caracterizado porque las
modificaciones de los parámetros (E) de puesta a punto del vehículo
son realizadas automáticamente.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ATA731/2003 | 2003-05-13 | ||
AT0073103A AT500978B8 (de) | 2003-05-13 | 2003-05-13 | Verfahren zur optimierung von fahrzeugen |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2311807T3 true ES2311807T3 (es) | 2009-02-16 |
Family
ID=33437382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES04716986T Expired - Lifetime ES2311807T3 (es) | 2003-05-13 | 2004-03-04 | Procedimiento para la optimizacion de vehiculos y de motores para el accionamiento de estos vehiculos. |
Country Status (7)
Country | Link |
---|---|
US (4) | US20060282197A1 (es) |
EP (1) | EP1623284B1 (es) |
JP (1) | JP4185951B2 (es) |
AT (2) | AT500978B8 (es) |
DE (1) | DE502004007781D1 (es) |
ES (1) | ES2311807T3 (es) |
WO (1) | WO2004102287A1 (es) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005048141A1 (de) * | 2005-10-07 | 2007-04-12 | Zf Friedrichshafen Ag | Verfahren und Vorrichtung zur Bewertung eines Produkts auf Basis quantifizierbarer Beurteilungskriterien |
FR2910662B1 (fr) | 2006-12-26 | 2012-11-02 | Michelin Soc Tech | Procede pour selectionner une configuration optimisee de pneumatiques pour un vehicule terrestre tel qu'une voiture ou une moto de competition |
DE102007006616B3 (de) * | 2007-02-06 | 2008-05-15 | Fatec Fahrzeugtechnik Gmbh | Verfahren zur Optimierung eines elektronisch gesteuerten automatisch schaltenden Getriebes für ein Kraftfahrzeug |
JP4491491B2 (ja) * | 2008-03-21 | 2010-06-30 | 本田技研工業株式会社 | 制御対象を計測する計測点を最適化するための装置 |
FR2931236A3 (fr) * | 2008-05-13 | 2009-11-20 | Renault Sas | Procede de mise au point d'un moteur de vehicule et systeme embarque dans un vehicule pour la mise en oeuvre d'un tel procede |
AT505105B1 (de) * | 2008-07-24 | 2009-10-15 | Avl List Gmbh | Verfahren zur beurteilung der fahrbarkeit von fahrzeugen |
DE102009054900A1 (de) * | 2009-12-17 | 2011-06-22 | Robert Bosch GmbH, 70469 | Einrichtung zum Ermitteln von Steuergeräteparametern |
AT512483B1 (de) * | 2013-06-03 | 2015-02-15 | Avl List Gmbh | Verfahren zur Reduzierung von Schwingungen in einem Prüfstand |
JP5352026B1 (ja) * | 2013-07-12 | 2013-11-27 | 株式会社エステック | 解析システム、解析方法、および解析プログラム |
AT518676B1 (de) * | 2016-05-17 | 2018-02-15 | Avl List Gmbh | Verfahren zur Kalibrierung eines technischen Systems |
AT518850B1 (de) | 2016-07-13 | 2021-11-15 | Avl List Gmbh | Verfahren zur simulationsbasierten Analyse eines Kraftfahrzeugs |
CN107818216B (zh) * | 2017-10-30 | 2019-09-24 | 广西科技大学 | 车辆驾驶室车架结构优化方法 |
CN109543245B (zh) * | 2018-10-31 | 2021-08-10 | 百度在线网络技术(北京)有限公司 | 无人车应对能力边界信息确定方法、装置和电子设备 |
LU101181B1 (de) * | 2019-04-12 | 2020-10-12 | Compredict Gmbh | Verfahren zur Bestimmung einer Belastungsvorhersage für ein Bauteil eines Kraftfahrzeugs |
CN113849912A (zh) * | 2021-09-26 | 2021-12-28 | 武汉理工大学 | 一种驾驶室参数优化方法及装置 |
CN114000952B (zh) * | 2021-10-29 | 2024-05-03 | 重庆长安汽车股份有限公司 | 一种车辆测试过程中的油门控制方法及*** |
AT525592A1 (de) * | 2021-11-09 | 2023-05-15 | Avl List Gmbh | Verfahren zum Erzeugen eines virtuellen Prototyps eines Fahrzeugs |
DE102022105336A1 (de) | 2022-03-08 | 2023-09-14 | Man Truck & Bus Se | Verfahren zur Bestimmung optimierter Betriebseinstellungen für Antriebsstrangkomponenten eines Nutzfahrzeugs |
DE102022210320A1 (de) | 2022-09-29 | 2024-04-04 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Vorrichtung zur Verschleißanalyse einer Komponente eines Kraftfahrzeugs |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4438497A (en) * | 1981-07-20 | 1984-03-20 | Ford Motor Company | Adaptive strategy to control internal combustion engine |
GB8810878D0 (en) * | 1988-05-07 | 1988-06-08 | Lucas Ind Plc | Adaptive control system for i c engine |
DE9017649U1 (de) * | 1990-09-08 | 1991-06-20 | Isotopen-Technik Dr. Sauerwein GmbH, 5657 Haan | Vorrichtung zum Ein- und Zurückfahren einer radioaktiven Strahlenquelle in Applikatoren |
US5313388A (en) * | 1991-06-07 | 1994-05-17 | Ford Motor Company | Method and apparatus for diagnosing engine and/or vehicle system faults based on vehicle operating or drive symptoms |
US5754738A (en) * | 1996-06-07 | 1998-05-19 | Camc Corporation | Computerized prototyping system employing virtual system design enviroment |
ES2176660T3 (es) * | 1996-12-03 | 2002-12-01 | Avl List Gmbh | Procedimiento y dispositivo para el analisis del comportamiento en conduccion de vehiculos a motor. |
US6236908B1 (en) * | 1997-05-07 | 2001-05-22 | Ford Global Technologies, Inc. | Virtual vehicle sensors based on neural networks trained using data generated by simulation models |
US6079285A (en) * | 1997-10-01 | 2000-06-27 | Baker; Jack T. | Robotic sampler for remote sampling of liquids in a process stream |
AT3030U1 (de) * | 1998-09-01 | 1999-08-25 | Avl List Gmbh | Verfahren zur analyse und zur beeinflussung des fahrverhaltens von kraftfahrzeugen |
WO2000032465A1 (fr) * | 1998-12-03 | 2000-06-08 | Gamid Jusupovich Khalidov | Chargement et transport de blocs de glace de grandes dimensions a bord de navires de transport de glace |
US7243053B1 (en) * | 1999-10-22 | 2007-07-10 | Shoot The Moon Products Ii, Llc | Method and apparatus for virtual control of operational scale models |
DE10003739C2 (de) * | 2000-01-28 | 2002-12-05 | Daimler Chrysler Ag | Verfahren und System zur Identifikation von Systemparametern in Fahrzeugen |
DE10046742A1 (de) * | 2000-09-21 | 2002-04-11 | Daimler Chrysler Ag | Vorrichtung und Verfahren für ein Fahrzeugentwurfssytem |
JP3918435B2 (ja) * | 2001-01-11 | 2007-05-23 | 株式会社明電舎 | 自動車部品の試験装置 |
JP2002277248A (ja) * | 2001-03-22 | 2002-09-25 | Matsushita Electric Ind Co Ltd | 角速度センサ |
GB0108766D0 (en) * | 2001-04-06 | 2001-05-30 | Ricardo Consulting Engineers 1 | Driveability rating method and system |
JP2004529299A (ja) * | 2001-05-11 | 2004-09-24 | リカルド エムティーシー リミテッド | 改良型動力伝達機構制御装置 |
US6980939B2 (en) * | 2001-06-18 | 2005-12-27 | Ford Motor Company | Method and system for optimizing the design of a mechanical system |
US7289635B2 (en) * | 2001-07-20 | 2007-10-30 | Edag Ag | Structural noise source predictor |
US6938466B2 (en) * | 2001-11-15 | 2005-09-06 | Delphi Technologies, Inc. | Fuel driveability index detection |
JP2003186917A (ja) * | 2001-12-18 | 2003-07-04 | Mitsubishi Heavy Ind Ltd | 車両バーチャル性能評価装置 |
US7054727B2 (en) * | 2002-05-03 | 2006-05-30 | Burke E. Porter Machinery Company | Method of measuring a propensity of a vehicle to roll over |
US6733383B2 (en) * | 2002-05-17 | 2004-05-11 | Electronic Arts Inc. | Systems and methods for simulating game state changes responsive to an interrupt condition |
AT412916B (de) * | 2002-07-19 | 2005-08-25 | Avl List Gmbh | Verfahren zur simulation des fahrverhaltens von fahrzeugen |
DE102005026040B4 (de) * | 2005-06-03 | 2014-11-06 | Dspace Digital Signal Processing And Control Engineering Gmbh | Parametrierung eines Simulations-Arbeitsmodells |
JP4591541B2 (ja) * | 2008-05-14 | 2010-12-01 | 横浜ゴム株式会社 | 車両の走行条件評価方法及びその評価装置 |
AT505105B1 (de) * | 2008-07-24 | 2009-10-15 | Avl List Gmbh | Verfahren zur beurteilung der fahrbarkeit von fahrzeugen |
CN103105298B (zh) * | 2011-11-10 | 2017-10-03 | 株式会社堀场制作所 | 测试*** |
-
2003
- 2003-05-13 AT AT0073103A patent/AT500978B8/de active
-
2004
- 2004-03-04 DE DE502004007781T patent/DE502004007781D1/de not_active Expired - Lifetime
- 2004-03-04 EP EP04716986A patent/EP1623284B1/de not_active Expired - Lifetime
- 2004-03-04 US US10/555,995 patent/US20060282197A1/en not_active Abandoned
- 2004-03-04 JP JP2006508074A patent/JP4185951B2/ja not_active Expired - Fee Related
- 2004-03-04 WO PCT/AT2004/000070 patent/WO2004102287A1/de active IP Right Grant
- 2004-03-04 AT AT04716986T patent/ATE403894T1/de active
- 2004-03-04 ES ES04716986T patent/ES2311807T3/es not_active Expired - Lifetime
-
2008
- 2008-09-04 US US12/230,776 patent/US20090099723A1/en not_active Abandoned
-
2013
- 2013-11-27 US US14/092,122 patent/US20140163807A1/en not_active Abandoned
-
2015
- 2015-04-01 US US14/676,375 patent/US20160025025A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
JP4185951B2 (ja) | 2008-11-26 |
EP1623284B1 (de) | 2008-08-06 |
AT500978B1 (de) | 2006-05-15 |
JP2006526104A (ja) | 2006-11-16 |
US20090099723A1 (en) | 2009-04-16 |
ATE403894T1 (de) | 2008-08-15 |
WO2004102287A1 (de) | 2004-11-25 |
US20060282197A1 (en) | 2006-12-14 |
US20140163807A1 (en) | 2014-06-12 |
EP1623284A1 (de) | 2006-02-08 |
AT500978B8 (de) | 2007-02-15 |
DE502004007781D1 (de) | 2008-09-18 |
US20160025025A1 (en) | 2016-01-28 |
AT500978A4 (de) | 2006-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2311807T3 (es) | Procedimiento para la optimizacion de vehiculos y de motores para el accionamiento de estos vehiculos. | |
Kim | Identification of lateral tyre force dynamics using an extended Kalman filter from experimental road test data | |
Özdemir et al. | A new contact & slip model for tracked vehicle transient dynamics on hard ground | |
Lot et al. | The significance of high-order dynamics in lap time simulations | |
Widner et al. | Framework for vehicle dynamics model validation | |
Sharma et al. | Vehicle dynamic state observation and rolling resistance estimation via unknown input adaptive high gain observer | |
Ljungberg et al. | Electric power assist steering system parameterization and optimisation employing computer-aided engineering | |
JP2015028725A (ja) | 車両走行シミュレーションシステム | |
KR102242632B1 (ko) | 코너링을 시뮬레이션하기 위한 방법 | |
KR20150114708A (ko) | 드라이빙 시뮬레이션 장치 및 방법 | |
Bartolozzi et al. | Similarities in steering control between cars and motorcycles: application to a low-complexity riding simulator | |
ES2332895T3 (es) | Procedimiento, sistema y producto de programa informatico para control de deriva de ruedas. | |
Datar et al. | A co-simulation framework for full vehicle analysis | |
Vandi et al. | Vehicle dynamics modeling for real-time simulation | |
Noomwongs et al. | Study on handling and stability using tire hardware-in-the-loop simulator | |
Anderson et al. | A cascaded optimization approach for modeling a professional driver's driving style | |
Hu | Road profile recovery using vertical acceleration data | |
Novotný | Lap Time Simulation | |
RU2815190C1 (ru) | Способ настройки параметров динамической модели колесного транспортного средства | |
Varela et al. | A Feasibility Study on Driver Model Based Lap Time Simulation Using Genetic Algorithms | |
Pir et al. | Integrated model-based approach for the optimisation of vehicle ride comfort and handling characteristics: integrated vehicle dynamics model design | |
Simone et al. | Development and validation of a powertrain model for low-cost driving simulators. | |
Anderson | A Controls-Oriented Approach for Modeling Professional Drivers During Ultra-High Performance Maneuvers | |
Biral et al. | Department of Industrial Engineering | |
Hewavithana et al. | Development of a Scaled Vehicle Model for Dynamics Testing |