用于控制至少一个车轮的转矩的方法与流程

用于控制至少一个车轮的转矩的方法


背景技术：

1.借助于行驶动力学调节系统根据在车轮和行车道之间的当前滑移来影响车辆的行驶状态，以便例如实现在车轮和行车道之间的尽可能好的力传输或实现行驶状态的稳定化。
2.在此，行驶动力学调节系统例如通过改变制动压力或发动机力矩来干预车辆的行驶动力学。这样的调整干预可以借助于电子稳定程序(esp)、制动滑移调节(abs)或驱动滑移调节(asr)被引起。
3.这样的行驶动力学调节系统必须根据对舒适性和制动性能的特定要求针对每种新车辆类型以耗费的方式被校准，其中还应该考虑不同的行车道状态。


技术实现要素：

4.本发明公开至少部分地解决了上面提到的任务的根据独立权利要求的特征的用于控制移动平台的至少一个车轮的转矩的方法、用于训练径向基函数网络以便估计转矩变化的方法、所述方法用于校准的用途、控制装置、计算机程序以及控制装置的用途。有利的设计方案是从属权利要求以及以下描述的主题。
5.在本发明的整个描述中，方法步骤的序列被示出为使得该方法是可容易地实行的。但是，本领域的技术人员将认识到，方法步骤中的许多也可以以其他顺序被经历并且导致相同或对应的结果。在该意义上，方法步骤的顺序可以相应地被改变。
6.根据一个方面，提出一种用于控制移动平台的至少一个车轮的转矩的方法，所述方法具有以下步骤：
7.在一个步骤中，提供所述车轮的至少一个当前滑移值和所述车轮的至少一个当前车轮加速度作为输入值。在另一步骤中，提供经训练的径向基函数网络，所述径向基函数网络被设立用于借助于输入值确定至少一个转矩变化作为输出值用于控制至少一个车轮。在另一步骤中，借助于经训练的径向基函数网络和所提供的输入值来确定当前转矩变化来控制所述转矩。
8.径向基函数网络(rbf网络(英语：radial base function(径向基函数)))是特殊的分层人工神经网络，所述特殊的分层人工神经网络使用非线性径向基函数作为激活函数，并且具有输入层和输出层以及带有rbf激活函数的隐藏神经元层。在此，仅取决于距平均向量的间距的非线性rbf激活函数可以是围绕该向量径向对称的。也就是说，径向基函数仅取决于距预先给定的中心的距离。例如，用于rbf网络的输入值可以被建模为实数的向量。rbf网络的输出典型地是输入和神经元参数(权重w)的径向基函数的线性和/或s型组合。
9.隐藏层可以具有多个神经元，所述神经元分别具有用于每个神经元的中心向量。线性输出层可以具有输出神经元，神经元分别经由权重w在函数上与所述输出神经元连接。典型地，所有输入与每个隐藏的神经元连接。输入值距相应中心向量的间距的范数可以被定义为欧几里得和/或平方距离和/或l0范数和/或l1范数和/或l2范数，并且可以利用任意
函数、诸如线性函数、s型(sigmoiden)函数或二次函数定义的径向基函数尤其是可以被定义为高斯分布函数，并且相应地仅取决于距神经元的预先给定的中心的距离。rbf网络可以通过误差反馈方法或梯度方法被训练。
10.车轮的车轮加速度对应于车轮的角加速度，或车轮的圆周处的点的加速度。
11.在此，转矩变化是以制动的方式根据制动力矩作用于至少一个车轮的转矩的变化和/或根据发动机力矩以加速度的方式作用于至少一个车轮的转矩的变化。
12.在此，控制的特征应该被广义地解释并且不仅包括狭义上的控制而且包括对移动平台的至少一个车轮的转矩的调节。
13.例如，利用这种所提出的方法，可以简化和自动化制动调节器的校准，其中与深度神经网络相比，该方法通过使用经训练的径向基函数网络提供当前转矩变化的可实行的确定。
14.尤其是，该方法还可以被适应于其他复杂的调节器，使得可以缩短“上市时间(time to market)”。
15.通过在该方法的情况下转矩的当前变化利用经训练的径向基函数网络被确定，有利地实现由径向基函数网络必须确定或估计转矩的变化的绝对较小的值，由此使得能够更准确地确定转矩变化。此外，因为尤其是不稳定的确定可以更容易地被标识和过滤，所以可以利用所确定的当前转矩变化实现转矩的更稳定的控制。
16.例如可以有利地使用所提出的方法用于利用防抱死制动系统进行滑移调节。可替代地或附加地，可以使用所提出的方法用于在牵引控制系统(tcs)中进行滑移调节。
17.有利地，通过借助于经训练的径向基函数网络确定当前转矩变化，可以提供对移动平台的至少一个车轮的转矩的稳健且可实行的控制，因为经训练的径向基函数网络可以由于简单结构而关于函数关系被分析。尤其是，使用径向基函数网络来确定当前转矩变化使得能够根据车轮在不同基础上的转矩的控制的实际应用将状态空间划分成多个区域，并且从而能够实现可实行的状态-动作分配，因为从而可以透明地表示非线性关系。此外，通过使用rbf架构用于该方法，利用不同参数和其他输入参量的适配和扩展可以被应用于几乎每种调节问题，并且因此特别灵活。
18.此外，径向基函数网络具有有益的统计特性，以便控制转矩。
19.根据一个方面提出，上面描述的方法确定当前转矩，其方式是将所确定的转矩变化与车轮的当前转矩相加。
20.根据一个方面提出，上面描述的方法确定制动压力和/或制动压力变化，其方式是分别借助于转矩与制动压力之间的函数关系来计算所确定的转矩和/或所确定的转矩变化。
21.根据一个方面提出，用于经训练的径向基函数网络的所提供的输入值附加地包括车轮的法向力的先前值的第一序列和先前转矩值的第二序列，以便确定当前转矩变化。使用其他输入值类型使得能够以改善的方式确定当前转矩变化。
22.根据一个方面提出，用于经训练的径向基函数网络的所提供的输入值由车轮的当前滑移值和车轮的当前车轮加速度以及车轮的法向力的先前值的第一序列和先前转矩值的第二序列组成，并且其中以及当前转矩变化借助于利用这四种输入值类型训练的径向基函数网络被确定。
23.有利地，利用这四种输入值类型，可以特别好地表征移动平台的总状态，以便尤其是利用这四种输入值类型利用相应地训练径向基函数网络鉴于不同的基础和环境条件和所得到的不同摩擦值和法向力适配转矩的控制。利用这四种输入值类型，可以在径向基函数网络的状态空间中映射不同的行驶场景，并且从而能够实现可理解的状态-动作分配，以便利用所提出的方法确定相应地正确的当前转矩变化。因此可以透明地表示非线性关系。
24.在此，先前值的第一序列和第二序列可以与输入值类型在最后或过去时间步上的对应的值有关，并且尤其是可以在最后n个时间步上被过滤，以便使转矩的控制更稳健和更稳定。
25.根据一个方面提出，输入值具有车轮的当前摩擦系数；和/或车轮的当前转矩；和/或车轮的转矩的连续平均值；和/或转矩的当前时间变化和/或车轮的转矩的梯度；和/或车轮的转矩的平均值；和/或移动平台的至少一个其他车轮的当前转矩；和/或至少所述车轮的法向力和/或所述平台的至少一个其他车轮的法向力；和/或当前滑移与额定滑移之间的差；和/或所述移动平台的动力学值和/或车轮加速度的当前时间变化和/或所述移动平台的至少一个其他车轮的法向力和/或当前滑移值和所述平台的其他车轮的至少一个当前加速度。
26.在此，移动平台的动力学可以用移动平台的横摆率和/或移动平台的加速度和/或移动平台的转向角来表征。
27.根据一个方面提出，所提供的经训练的径向基函数网络被设立用于借助于所述输入值附加地确定发动机力矩的变化作为输出值用于控制所述至少一个车轮的转矩；并且所述经训练的径向基函数网络附加地确定发动机力矩的变化作为输出值用于控制所述至少一个车轮的转矩。通过借助于发动机力矩和/或制动力矩控制或调节驱动转矩以及制动转矩两者，移动平台的动态行为和/或牵引可以在极限内被影响并且不仅经优化的制动行为而且对转向行为和/或制动行为的舒适性要求被考虑用于进行控制或调节。
28.不仅与制动力矩有关而且与驱动力矩有关的转矩变化的这种控制尤其是也适用于利用上面描述的仅仅四种输入值类型作为输入参量对转矩进行控制或调节。
29.提出一种用于训练径向基函数网络来估计移动平台的至少一个车轮的转矩变化的方法，所述方法具有以下步骤：
30.在一个步骤中，提供车轮的滑移值。在另一步骤中，提供所述车轮的属于滑移值的车轮加速度。在另一步骤中，利用所述滑移值和分别所属的车轮加速度构成用于所述径向基函数网络的输入值。在另一步骤中，提供并且分配属于输入值的额定转矩变化。在另一步骤中，利用多个不同的输入值和分别分配的额定转矩变化来训练所述径向基函数网络，以便借助于所述输入值估计所述转矩变化。
31.这种用于训练径向基函数网络的方法可以在线地借助于相应地设立的移动平台和/或离线地在相应地设立的训练设备(诸如制动试验台)上被执行。通过在线训练，转矩的控制于是也可以被适配于已改变的条件、诸如装载或已改变的轮胎。
32.在用于训练的方法的情况下，可以利用规则启发式地确定额定转矩变化，其方式是例如从制动试验台处的测量中评价所存储的所测量的输入值和所控制的转矩变化。在与对应于额定转矩变化的被评价为最佳的转矩变化偏离的情况下，径向基函数网络的参数可以借助于梯度下降方法(英语：gradient descent(梯度下降))被适应。
33.例如，在用于训练的方法的情况下，可以启发式地评价由径向基函数网络估计的转矩变化，其方式是例如在第一步骤中确定在具有时间步t至t+n的区间上的平均制动滑移s
l
。在另一步骤中，可以将平均制动滑移s
l
与额定滑移sl
soll
进行比较。
34.在另一步骤中，在时间步t-m中可以借助于
35.公式1：a*＝(a
slsoll-a
sl
)＊alpha
36.计算经改善的转矩变化a*作为额定转矩变化，其中a是实际提出的转矩变化，并且alpha是启发式因子。
37.在另一步骤中，可以借助于梯度下降法和误差(a＊-a)2来执行对径向基函数网络的参数、诸如时间步t-m中的权重w的更新。
38.通过使用平均制动滑移，可以在该方法的情况下考虑在训练时的固有系统延迟。可替代地或附加地，为此可以借助于savitzky-golay过滤器评价制动滑移。可替代地或附加地，这样的固有系统延迟也可以明确地借助于时移窗口被考虑。
39.也可以使用额定滑移的一阶或二阶时间导数用于评价所估计的转矩变化，以便借助于经适配的公式1确定额定转矩变化。因此，可以从具有时间步t到t+n的区间中导出：滑移以何种梯度改变。
40.可替代地或附加地，由径向基函数网络提出的转矩变化也可以根据上面的表示利用径向基函数网络的其他输入值类型和其时间变化来评价。
41.根据一个方面提出，借助于移动平台的相应地设立的控制设备在线地执行用于训练径向基函数网络的方法。通过径向基函数网络的在线执行的训练，可以更快速地训练移动平台的转矩调节器和/或也可以将环境和/或车轮的变化、诸如车轮更换之后包括在训练内。
42.根据一个方面提出，在制动过程期间在线地执行用于训练径向基函数网络的方法。换句话说，在制动过程期间，径向基函数网络的参数在当前持续的制动过程期间被适应，以便训练径向基函数网络。
43.根据一个方面提出，用于训练径向基函数网络的方法借助于来自输入值和输出值的所存储的测量序列、诸如尤其是至少一个车轮处的转矩变化离线地被执行。在此，也可以存储移动平台的其他动态特征数并且用于离线训练。有利地，利用离线训练，可以使用更大的计算效率来优化径向基函数网络。
44.根据一个方面提出，用于训练径向基函数网络的所提供的输入值附加地具有车轮的法向力的先前值的第一序列和先前转矩值的第二序列。
45.根据一个方面提出，用于训练径向基函数网络的所提供的输入值由车轮的当前滑移值和车轮的当前车轮加速度以及车轮的法向力的先前值的第一序列和先前转矩值的第二序列组成。
46.根据一方面提出，发动机力矩的所属额定变化附加地被分配给相应的输入值；并且径向基函数网络利用多个不同的输入值和分别分配的额定转矩变化和发动机转矩的所分配的额定变化被训练。
47.根据一个方面提出，将上面描述的不同类型的输入值的至少一部分提供给径向基函数网络，并且利用大量这些输入值和分别分配的额定转矩变化和/或所述发动机力矩的额定变化对所述径向基函数网络进行训练，以便估计所述转矩变化和/或所述发动机力矩
的变化。
48.根据一方面提出，在训练之前基于专家知识和/或物理极限值来配置径向基函数网络，以便实现经改善的训练。除了利用随机值配置径向基函数网络用于训练和/或均匀地规定神经元的位置之外，还可以利用专家知识来规定径向基函数网络，使得所述径向基函数网络需要较少地被训练和/或可以生成更好的估计。
49.专家知识尤其是可以关于神经元的位置的数量和分布被并入，其中神经元的位置根据估计的期望的精度根据相应的输入值的物理限制和期望的粒度被选择。在此，尤其是神经元的位置可以在限制范围内不均匀地被选择。尤其是，在此可以考虑是否应该控制转矩的制动和/或驱动力矩。
50.根据一个方面提出，所述径向基函数网络基于专家知识借助于径向基函数网络的中心在状态空间中的布置和/或借助于所述径向基函数网络的多个中心的加权被配置。
51.提出一种方法，其中基于利用上面描述的方法之一确定的转矩和/或发动机力矩提供用于操控至少半自动化车辆的控制信号；和/或基于所确定的转矩和/或发动机力矩提供警告信号用于警告车辆乘员。从而，例如移动平台的控制装置可以控制至少一个车轮处的制动转矩或制动力，以便对移动平台进行制动，其方式是将控制信号转发给可以作用于至少一个车轮的制动执行器。
52.术语“基于”应该宽泛地关于基于所确定的转矩和/或发动机力矩提供控制信号的特征来理解。应当理解的是，使用所确定的转矩和/或发动机力矩用于控制信号的任何确定或计算，其中这不排除也还使用其他输入参量用于控制信号的这种确定。对应内容相应地适用于警告信号的提供。
53.提出上面描述的方法之一用于校准移动平台的转矩调节器的用途。在此，转矩调节器包括制动力矩和/或发动机力矩的调节器。
54.提出一种控制装置和/或计算机程序，所述控制装置和/或计算机程序被设立用于执行上面描述的方法之一。利用这样的装置，对应的方法可以容易地被集成到不同的系统中。
55.提出上面描述的控制装置用于对移动平台的至少一个车轮进行牵引控制的用途。
56.根据另一方面说明一种计算机程序，所述计算机程序包括指令，所述指令在通过计算机执行计算机程序时促使所述计算机执行上面描述的方法之一。这样的计算机程序使得能够在不同的系统中使用所描述的方法。
57.说明机器可读存储介质，在其上存储有上面描述的计算机程序。
58.移动平台可以是至少部分自动化的系统和/或驾驶员辅助系统，所述至少部分自动化的系统是移动的。示例可以是至少部分自动化的车辆或具有驾驶员辅助系统的车辆。也就是说，就此而论至少部分自动化的系统在至少部分自动化的功能性方面包括移动平台，但是移动平台还包含车辆和包括驾驶员辅助系统在内的其他移动机器。移动平台的其他示例可以是具有多个传感器的驾驶员辅助系统、移动多传感器机器人(诸如机器人吸尘器或割草机)、多传感器监控系统、船舶、飞机、制造机器、个人助理或访问控制系统。这些系统中的每一个都可以是完全或部分自主的系统。
附图说明
59.本发明的实施例参考图1示出并且在下面更详细地被阐述。其中：
60.图1示出径向基函数网络的结构。
具体实施方式
61.图1示意性地概述具有输入层110a-d、隐藏神经元层120a-f和rbf激活函数或传递函数130a-f和输出层150的径向基函数网络100的结构。在此，不同的神经元120a-f根据权重w1至w6 140a-f对输出层150作出贡献。
62.可以使用这样的径向基函数网络100来控制转矩，其方式是径向基函数网络100利用输入值估计转矩变化160。
63.为了控制移动平台的至少一个车轮的转矩，可以作为输入值施加车轮的当前滑移值和车轮的当前车轮加速度以及车轮的法向力的先前值的第一序列和先前转矩值的第二序列。利用输入值110a-d训练的径向基函数网络100借助于所施加的输入值来估计当前转矩变化160以控制转矩。
64.为此，所有输入值110a-d在一个步骤中被归一化到从零到一的范围上。
65.在另一步骤中，计算输入值的信号与神经元之间的距离，其中每个神经元代表状态空间中的特定的点。使用欧几里得距离度量用于确定距离。可替代地或附加地，也可以应用其他距离度量，诸如11距离度量。
66.在此，每个神经元的输出是当前状态(即在时间t的当前输入信号)与神经元的特定中心之间的距离。
67.在另一步骤中，借助于径向基函数f将距离传输给输出层160。该径向基函数f可以是任意函数。例如，径向基函数可以是高斯分布函数，当输入接近零时，所述高斯分布函数返回高值，而当输入为高时，返回低值。在这种情况下，输入是距中心的距离。也就是说，利用径向基函数变换每个神经元的输出，并且根据线性回归，乘以特定的权重w
n 140a-f并且合计，以便估计转矩变化160。

技术特征：
1.一种用于控制移动平台的至少一个车轮的转矩的方法，所述方法包括步骤：提供所述车轮的至少一个当前滑移值和所述车轮的至少一个当前车轮加速度作为输入值(110a-d)；提供经训练的径向基函数网络(100)，所述径向基函数网络被设立用于借助于输入值(110a-d)确定至少一个转矩变化作为输出值(160)用于控制至少一个车轮；和借助于经训练的径向基函数网络(100)和所提供的输入值来确定当前转矩变化以控制所述转矩。2.根据权利要求1所述的方法，其中用于经训练的径向基函数网络(100)的所提供的输入值(110a-d)附加地包括所述车轮的法向力的先前值的第一序列和先前转矩值的第二序列，以便确定当前转矩变化。3.根据权利要求1所述的方法，其中用于经训练的径向基函数网络(100)的所提供的输入值(110a-d)由所述车轮的当前滑移值和所述车轮的当前车轮加速度以及所述车轮的法向力的先前值的第一序列和先前转矩值的第二序列组成，并且其中以及所述当前转矩变化借助于利用这四种输入值类型训练的径向基函数网络(100)被确定。4.根据前述权利要求中任一项所述的方法，其中所述输入值(110a-d)具有所述车轮的当前摩擦系数；和/或所述车轮的当前转矩；和/或所述车轮的转矩的连续平均值；和/或所述转矩的当前时间变化和/或所述车轮的转矩的梯度；和/或所述车轮的转矩的平均值；和/或所述移动平台的至少一个其他车轮的当前转矩；和/或至少所述车轮的法向力和/或所述平台的至少一个其他车轮的法向力；和/或当前滑移与额定滑移之间的差；和/或所述移动平台的动力学值和/或所述车轮加速度的当前时间变化和/或所述移动平台的至少一个其他车轮的法向力和/或当前滑移值和所述平台的其他车轮的至少一个当前加速度。5.根据前述权利要求中任一项所述的方法，其中所提供的经训练的径向基函数网络(100)被设立用于借助于所述输入值(110a-d)附加地确定发动机力矩的变化作为输出值(160)用于控制所述至少一个车轮的转矩；并且所述经训练的径向基函数网络(100)附加地确定发动机力矩的变化作为输出值(160)用于控制所述至少一个车轮的转矩。6.一种用于根据前述权利要求中任一项训练径向基函数网络(100)的方法，用于估计移动平台的至少一个车轮的转矩变化，其中所述方法包括：提供所述车轮的滑移值；和提供所述车轮的属于滑移值的车轮加速度；利用所述滑移值和分别所属的车轮加速度构成用于所述径向基函数网络(100)的输入值(110a-d)；提供并且分配属于所述输入值的额定转矩变化；利用多个不同的输入值(110a-d)和分别分配的额定转矩变化来训练所述径向基函数网络(100)，以便借助于所述输入值(110a-d)估计所述转矩变化。7.根据权利要求6所述的方法，其中用于训练径向基函数网络(100)的所提供的输入值(110a-d)附加地包括所述车轮的法向力的先前值的第一序列和先前转矩值的第二序列。8.根据权利要求1所述的方法，其中从所述车轮的当前滑移值和所述车轮的当前车轮加速度以及所述车轮的法向力的先前值的第一序列和先前转矩值的第二序列中形成用于训练所述径向基函数网络(100)的所提供的输入值(110a-d)。
9.根据权利要求7或8所述的方法，其中将所述发动机力矩的所属额定变化附加地分配给相应的输入值(110a-d)；并且利用多个不同的输入值(110a-d)和分别所分配的额定转矩变化和发动机力矩的所分配的额定变化来训练所述径向基函数网络(100)。10.根据权利要求7至9中任一项所述的方法，其中将根据权利要求4的输入值的类型的至少一部分提供给所述径向基函数网络(100)，并且利用大量这些输入值(110a-d)和分别分配的额定转矩变化和/或所述发动机力矩的额定变化对所述径向基函数网络(100)进行训练，以便估计所述转矩变化和/或所述发动机力矩的变化。11.根据权利要求7至10中任一项所述的方法，其中在训练之前基于专家知识和/或物理极限值来配置所述径向基函数网络(100)，以便实现经改善的训练。12.根据权利要求11所述的方法，其中所述径向基函数网络(100)基于专家知识借助于径向基函数网络的中心在状态空间中的布置和/或借助于所述径向基函数网络(100)的多个中心的加权被配置。13.一种根据权利要求1至12所述的方法用于校准移动平台的转矩调节器的用途。14.一种控制装置和/或计算机程序，所述控制装置和/或计算机程序被设立用于执行根据权利要求1至12中任一项所述的方法。15.一种根据权利要求14所述的控制装置用于对移动平台的至少一个车轮进行牵引控制的用途。

技术总结
提出一种用于控制移动平台的至少一个车轮的转矩的方法，包括以下步骤：提供所述车轮的至少一个当前滑移值和所述车轮的至少一个当前车轮加速度作为输入值；提供经训练的径向基函数网络，所述径向基函数网络被设立用于借助于输入值确定至少一个转矩变化作为输出值用于控制至少一个车轮；和借助于经训练的径向基函数网络和所提供的输入值来确定当前转矩变化以控制所述转矩。变化以控制所述转矩。变化以控制所述转矩。


技术研发人员：D
受保护的技术使用者：罗伯特
技术研发日：2021.08.03
技术公布日：2023/6/28