EP-4532948-B1 - DETERMINING A CLUTCH TEMPERATURE OF A VEHICLE CLUTCH BY MEANS OF A NEURAL NETWORK

Inventors

• Birk, Markus
• BIEL, Steffen
• HODRIUS, Thomas

Dates

Publication Date

20260506

Application Date

20230525

Claims (8)

1. Method for determining a clutch temperature (KT) of a vehicle clutch by way of a neural network (12), wherein the method comprises the following steps: - determining (BS1) at least one input value (28) representative of a power supplied to the vehicle clutch, wherein the at least one input value (28) is determined based on processing temporally successive values (24a, 24b, 24c, 24d) for the power supplied to the vehicle clutch; - inputting (BS2) the at least one input value (28) into the neural network (12) as input data (20b); - inputting (BS3) at least one value (18a, 18b, 18c) of at least one operating parameter of the vehicle clutch into the neural network (12) as input data (20a); and - determining (BS4) a clutch temperature (KT) by way of the neural network (12), based on the input data (20a, 20b) and a relationship, learned by the neural network (12), between a temporal profile of the input data (20a, 20b) and the clutch temperature (KT), wherein the clutch temperature determined by the neural network is provided to further components of a vehicle controller, wherein the at least one input value (28) is determined (BS1) by way of a recording device (22a, 22b) that records the temporally successive values (24a, 24b, 24c, 24d) for the power supplied to the vehicle clutch, and characterized in that the temporally successive values (24a, 24b, 24c, 24d) for the power supplied to the vehicle clutch are recorded from a predetermined start time until the input time of the input data (20a, 20b) into the neural network (12) .
2. Method according to Claim 1, wherein processing the temporally successive values (24a, 24b, 24c, 24d) for the power supplied to the vehicle clutch comprises determining an average value for the power supplied to the vehicle clutch.
3. Method according to Claim 2, wherein provision is made for multiple recording devices (22a, 22b) for recording the temporally successive values (24a, 24b, 24c, 24d) for the power supplied to the vehicle clutch, wherein a different start time for the recording is determined for each of the recording devices (22a, 22b).
4. Method according to one of the preceding claims, wherein the at least one recording device (22a, 22b) is selected from at least one of the following: a control unit designed to record data, a low-pass filter and an operational amplifier.
5. Method according to one of the preceding claims, wherein the at least one operating parameter of the vehicle clutch is selected from at least one of the following: a torque of a drive axle of a vehicle engine, said drive axle being operatively mechanically connected to the vehicle clutch; a speed difference between two rotating clutch elements of the vehicle clutch; a speed of a rotating clutch element of the vehicle clutch; a mechanical pressure acting on a clutch element of the vehicle clutch; an amperage of an electric current flowing through a clutch element of the vehicle clutch; and a sump temperature of a vehicle transmission at the start of a vehicle clutch shift procedure.
6. Method for generating a training data set for a neural network (12) designed to determine a clutch temperature (KT) of a vehicle clutch in accordance with the method according to one of the preceding claims, wherein the method comprises the following steps: - providing (TS1) multiple temporally successive values (24a, 24b, 24c, 24d) for a power supplied to the vehicle clutch; - processing (TS2) the provided temporally successive values (24a, 24b, 24c, 24d) in order to determine an input value (28) representative of the power supplied to the vehicle clutch; - providing (TS3) at least one value (18a, 18b, 18c) of at least one operating parameter of the vehicle clutch; and - providing (TS4) values for a clutch temperature, wherein the training data set comprises the input value (28) and the value (18a, 18b, 18c) of the at least one operating parameter as input data, and the values for the clutch temperature as output data.
7. Method according to one of Claims 1 to 5, wherein the neural network (12) has been trained with a training data set that has been generated in accordance with the method according to Claim 6.
8. Control device (10) for determining a clutch temperature (KT) of a vehicle clutch in accordance with the method according to one of the preceding claims, comprising: - a computer-readable storage medium (14) on which a neural network (12) for determining the clutch temperature (KT) is stored; - at least one recording device (22a, 22b) that records temporally successive values (24a, 24b, 24c, 24d) for a power supplied to the vehicle clutch; - a determination device (26) for determining at least one input value (28) representative of a power supplied to the vehicle clutch, wherein the at least one input value (28) is determined based on processing the temporally successive values (24a, 24b, 24c, 24d), recorded by the recording device, for the power supplied to the vehicle clutch; - an input device (16) for inputting input data (20a, 20b) into the neural network (12), wherein the input data (20a, 20b) comprise the at least one input value (28) and at least one value (18a, 18b, 18c) of at least one operating parameter of the vehicle clutch; and - an output device (30) for outputting the determined clutch temperature (KT) by way of the neural network (12).

Description

Technisches Gebiet Die vorliegende Erfindung betrifft ein Verfahren zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks. Die Erfindung betrifft zudem ein Verfahren zum Erzeugen eines Trainingsdatensatzes für ein neuronales Netzwerk, welches dazu ausgebildet ist, eine Kupplungstemperatur einer Fahrzeugkupplung zu bestimmen. Die Erfindung betrifft ferner eine zugehörige Steuereinrichtung zur Bestimmung einer Kupplungstemperatur einer Fahrzeugkupplung mit einem neuronalen Netzwerk. Stand der Technik Die Temperatur einer Fahrzeugkupplung kann mittels eines klassischen regelbasierten mathematischen Modells berechnet werden. Die Berechnung kann in einem Getriebesteuergerät stattfinden. Hierfür kann maschinelles Lernen verwendet werden, beispielsweise ein neuronales Netz. Bisher werden zur Bestimmung der Kupplungstemperatur nicht-lineare und strukturell komplexe neuronale Netze verwendet, beispielsweise sogenannte gefaltete neuronale Netze. Stand der Technik sind DE10 2018 115426A1 und DE 10 2020 206309A1. Darstellung der Erfindung Die Erfindung bezieht sich in einem ersten Aspekt auf ein Verfahren zum Bestimmen einer Kupplungstemperatur einer Fahrzeugkupplung mittels eines neuronalen Netzwerks. Die Fahrzeugkupplung kann in einem motorgetriebenen Fahrzeug, wie beispielsweise einem Kraftfahrzeug, einem Kraftrad oder einem zumindest teilweise elektrisch angetriebenen Zweirad verbaut sein. Mittels der Fahrzeugkupplung kann eine von dem Motor des Fahrzeugs aufgebrachte Antriebskraft an eine Antriebsachse des Fahrzeugs übertragen werden. Die Fahrzeugkupplung kann zumindest zwei verschiedene Schaltzustände beziehungsweise Gänge aufweisen, welche durch ein vorgegebenes Verhältnis zwischen dem Abtriebsdrehmoment des Motors und dem Antriebsdrehmoment der Antriebsachse definiert sein können. Unter einer Kupplungstemperatur kann die Temperatur zumindest eines Kupplungselements verstanden werden, beispielsweise die Temperatur einer Kupplungsscheibe. Alternativ kann unter einer Kupplungstemperatur auch eine Temperatur der gesamten Fahrzeugkupplung verstanden werden, welche beispielsweise auf der Bestimmung eines Mittelwerts der einzelnen Temperaturen der Kupplungselementen basieren kann. Durch den Betrieb des Fahrzeugs kann sich die Temperatur der Fahrzeugkupplung ändern. Beispielsweise kann die Temperatur der Fahrzeugkupplung während eines Schaltvorgangs beziehungsweise eines Gangwechsels steigen. Steigt die Temperatur der Fahrzeugkupplung über einen kritischen Temperaturwert, kann dies zu Beschädigungen oder einem Ausfall der Fahrzeugkupplung führen. Die Bestimmung einer Kupplungstemperatur der Fahrzeugkupplung trägt daher zur Sicherheit des Fahrzeugs bei. Unter einem neuronalen Netzwerk kann ein mathematisches Modell verstanden werden, welches die Struktur der Neuronen im menschlichen Gehirn zumindest teilweise nachbildet. Das neuronale Netzwerk kann mithilfe eines Computers erstellt werden. Das neuronale Netzwerk kann Eingangsknoten, Ausgangsknoten und mehrere Zwischenknoten aufweisen, welche zwischen den Eingangsknoten und den Ausgangsknoten angeordnet sind. Die Eingangsknoten können beispielsweise Datenschnittstellen sein, über welche Eingabedaten in das neuronale Netzwerk eingegeben werden können. Die Ausgangsknoten können beispielsweise Datenschnittstellen sein, über welche Ausgabedaten aus dem neuronalen Netzwerk ausgegeben werden können. Die Eingangsknoten können mit den Zwischenknoten und die Zwischenknoten können miteinander verbunden sein. Die Zwischenknoten können mit den Ausgangsknoten verbunden sein. Die Eingabedaten können historische Daten sein, welche zu einem bestimmten Zeitpunkt erfasst wurden. Alternativ oder zusätzlich können die Eingabedaten synthetische Daten sein, welche durch Verarbeitung erfasster beziehungsweise gemessener Daten erzeugt wurden. Analog hierzu können die Ausgabedaten historische Daten beziehungsweise synthetische Daten sein. Auf den Zwischenknoten kann Information zumindest temporär zwischengespeichert werden. Es kann vorgesehen sein, dass auf den Zwischenknoten zumindest eine Rechenoperation ausgeführt wird. Die Eingabedaten können von den Eingangsknoten über die Zwischenknoten zu den Ausgangsknoten übertragen werden. Während dieser Übertragung können die Eingabedaten mathematisch verarbeitet werden, beispielsweise zu den Ausgabedaten umgewandelt werden. Die Zwischenknoten des neuronalen Netzwerks können in einer oder mehreren Schichten beziehungsweise Ebenen angeordnet sein. Die Zwischenknoten können innerhalb einer Schicht miteinander verbunden sein. Zusätzlich können die Zwischenknoten einer Schicht mit den Zwischenknoten anderer Schichten verbunden sein. Die einzelnen Verbindungen der Eingangsknoten, der Zwischenknoten und der Ausgangsknoten können mit mathematischen Gewichtungen versehen sein. Je nach Zweck des neuronalen Netzwerks können die einzelnen Gewichtungen der Verbindungen unterschiedlich sein. Während des Trainings des neu