WO2024067902A1 - Spurstangenkraftschätzung bei steer-by-wire-systemen mittels intelligentem modellübergang - Google Patents

Spurstangenkraftschätzung bei steer-by-wire-systemen mittels intelligentem modellübergang Download PDF

Info

Publication number
WO2024067902A1
WO2024067902A1 PCT/DE2023/100603 DE2023100603W WO2024067902A1 WO 2024067902 A1 WO2024067902 A1 WO 2024067902A1 DE 2023100603 W DE2023100603 W DE 2023100603W WO 2024067902 A1 WO2024067902 A1 WO 2024067902A1
Authority
WO
WIPO (PCT)
Prior art keywords
tie rod
force
rod force
vehicle
speed limit
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.)
Ceased
Application number
PCT/DE2023/100603
Other languages
English (en)
French (fr)
Inventor
Maik Horn
Christoph Strohmeyer
Tobias BARZEN
Fadi SNOBAR
Andreas MICHALKA
Knut GRAICHEN
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Schaeffler Technologies AG and Co KG
Friedrich Alexander Universitaet Erlangen Nuernberg
Original Assignee
Schaeffler Technologies AG and Co KG
Friedrich Alexander Universitaet Erlangen Nuernberg
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from DE102023106248.4A external-priority patent/DE102023106248A1/de
Application filed by Schaeffler Technologies AG and Co KG, Friedrich Alexander Universitaet Erlangen Nuernberg filed Critical Schaeffler Technologies AG and Co KG
Publication of WO2024067902A1 publication Critical patent/WO2024067902A1/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
    • B62D6/008—Control of feed-back to the steering input member, e.g. simulating road feel in steer-by-wire applications
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D7/00—Steering linkage; Stub axles or their mountings
    • B62D7/20—Links, e.g. track rods

Definitions

  • the invention deals with steer-by-wire and in particular with the estimation of the rack force/tie rod force on the road wheel actuator.
  • a linear Kalman filter is used to estimate the lateral forces of a vehicle based on its single-track model. The lateral forces are converted into restoring moments and then into rack forces. The linear Kalman filter achieves good results at high speeds. For standstill, the so-called drilling moment is modeled according to Van der Jagt 2000 (The road to virtual vehicle prototyping) and then converted into a lateral force or tie rod force or rack force. At low speeds, the restoring moment from the linear Kalman filter and the drilling moment are added, with the proportion of the drilling moment being reduced linearly with increasing speed until it no longer plays a role.
  • Physical fusion (see above) is basically used here, with the input for the ML process being enriched from several different physical weather models.
  • the statistical input variables for statistical models must be precisely determined. This is done using high-resolution deterministic physical models, the results of which are augmented using ML so that they represent observations from real ones similar to earthquakes. These real data are numerically too small to derive reliable statements about statistical distributions of the desired input variables of the statistical models. In this way, a large data set can be built that allows these input parameters to be estimated.
  • DE 102010 030 986 B4 discloses a method for determining a rack force for a steering device in a vehicle. It involves the use of two different physical models to estimate the rack force. However, there is no information on how the model responses must be specifically combined in order to obtain a realistic overall estimate of the rack force when a real measurement is used as a comparison. The basic idea seems to have been a controller-based combination based on lateral forces additionally measured during operation. The present patent application concretizes this gap.
  • the tie rod forces are not fed back to the steering system because there is no longer a direct mechanical connection between the wheel suspension and the steering wheel.
  • the feedback of the rack/tie rod forces to the steering system is important for safety and steering feel when driving.
  • tie rod forces must be measured or determined.
  • a measurement requires additional components and reduces the competitiveness of the system. Therefore, the aim should be to achieve the most accurate estimate possible, which only processes existing measured variables/sensor values/information.
  • Rack force, tie rod force and lateral forces can be converted into one another via the steering geometry and can therefore be used equivalently.
  • tie rod force is estimated.
  • the basic starting point is that, depending on the vehicle speed, there are two physical models to describe the lateral forces whose confidence intervals do not overlap. Specifically, there is one model that makes accurate predictions for very low speeds and another model that makes trustworthy predictions for higher speeds. For an (unknown) intermediate range of average speeds, the models' predictions deviate from the true lateral force because the physical assumptions underlying them are not entirely correct.
  • the present invention is based on the object of enabling the most accurate estimate possible of a tie rod force of a steering device of a vehicle.
  • the method for estimating a tie rod force of a steering device of a vehicle comprises the following method steps:
  • the two models used in method step (a) are preferably physically based models. Even if only two models are used to explain the invention, in principle more than two models can be used to estimate the tie rod force.
  • the measured values and/or sensor signals that are evaluated in method step (a) can be, for example, measured values of the vehicle speed and/or the lateral acceleration and/or the steering angle and/or the steering rate. Alternatively or additionally, a measured value of the temperature, in particular the temperature of the vehicle's surroundings, and/or measured values of the road conditions can be evaluated. These measured values and/or sensor signals are preferably measured by corresponding sensors in the vehicle.
  • a lateral force is obtained from each of the models.
  • step (b) the lateral forces obtained from the models are converted into tie rod forces. For this purpose, parameters of the steering geometry of the vehicle are used.
  • the tie rod forces obtained in method step (b) are weighted and combined with one another in order to obtain the third tie rod force as the initial variable of the method according to the invention.
  • the first model in a first area, for example a low speed area of the vehicle, the first model can be weighted more heavily than the second model and in a second area, for example a high speed area, the second model can be weighted more heavily than the first model.
  • the weighting of the models can change depending on an operating state of the vehicle, for example depending on the speed of the vehicle. This enables a constant transition between the first and second ranges, so that control processes that use the estimated tie rod force as an input value can be operated stably.
  • method step (c) can be designed in various ways. These embodiments will be explained below as advantageous embodiments of the invention.
  • a speed limit is specified and in method step (c) the first tie rod force is weighted by a factor of 1 and the second tie rod force is weighted by a factor of 0 if the speed of the vehicle is less than the speed limit, and the first tie rod force is weighted by a factor of 0 and the second tie rod force is weighted by a factor of 1 if the speed of the vehicle is greater than or equal to the speed limit.
  • the weights are changed in such a way that one of the two models is activated and the other of the two models is deactivated. For example, if the speed limit is exceeded, you can switch from the first model to the second model.
  • the speed limit value is determined as a function of a steering angle and/or a lateral acceleration of the vehicle.
  • Such a determination of the speed limit value can preferably be carried out as part of a calibration step are carried out, which precedes process steps (a), (b) and (c).
  • the speed limit can be determined using a data-driven method.
  • a transition function dependent on the speed of the vehicle is specified and the first or second tie rod force is weighted with the transition function.
  • the transition function enables a gradual transition between the first and second model and avoids a hard switch between the two models.
  • a first speed limit value and a second speed limit value are predetermined and in method step (c) a.
  • the first tie rod force is weighted by a factor of 1 and the second tie rod force is weighted by a factor of 0 if the speed of the vehicle is less than the first speed limit value
  • b. the first tie rod force is weighted by a factor of 0 and the second tie rod force is weighted by a factor of 1 if the speed of the vehicle is greater than or equal to the second speed limit
  • the first or second tie rod force is weighted with the transition function when the speed of the vehicle is greater than or equal to the first speed limit and less than the second speed limit.
  • the first speed limit is smaller than the second speed limit.
  • the first speed limit can be in the range between 0 km/h and 5 km/h, preferably between 0 km/h and 1 km/h.
  • the second speed limit can be in the range between 20 km/h and 100 km/h, preferably in the range between 20 km/h and 30 km/h.
  • the transition function is a polynomial function of the first degree or second degree or third degree or fourth degree.
  • Such transition functions have proven to be particularly suitable for forming a transition between the two models.
  • Polynomial functions of the first degree are also called linear functions
  • polynomial functions of the second degree are also called quadratic functions
  • polynomial Third degree functions are also called cubic functions
  • fourth degree functions are called quartic functions.
  • a higher degree polynomial function enables a more realistic estimate of the tie rod force, ie one that comes closer to measuring the tie rod force, than a lower degree polynomial function.
  • a fourth degree polynomial function is particularly preferred.
  • the transition function can be a spline.
  • the transition function has one or more parameters and the parameter or parameters are determined in a calibration step preceding method step (a), in particular by means of a regression analysis estimation method, for example the method of least squares.
  • the boundary conditions are preferably set such that for the first speed limit value, a first weight is 0 and a second weight is 1, and for the second speed limit value, the weights are reversed.
  • the transition function is determined in a calibration step preceding method step (a).
  • the transition function is preferably determined in the calibration step using a data-driven method, in particular using Gaussian process regression.
  • the first and the second speed limit value are determined in a calibration step preceding method step (a).
  • the first and the second speed limit value are preferably determined in the calibration step by means of a regression analysis estimation method, for example by means of the method of least squares, [A2].
  • a cubic B-spline function is used as the transition function, wherein the boundary conditions are used to determine the first and second speed limit value.
  • three points of a control polynomial can be set to an identical value in order to force a smooth course after or before the respective speed limit value.
  • the first three control points are set to the value 0 and the last three control points are set to the value 1.
  • an approach with an artificial neural network is conceivable, wherein the edges of the transition function are learned via parameterizable activation functions.
  • the method comprises a method step (d) following step (c):
  • the third tie rod force is modified in a fine tuning (5), in particular filtered and/or smoothed and/or restricted.
  • a fine tuning (5) in particular filtered and/or smoothed and/or restricted.
  • non-linearities in behavior can be mapped or the estimated third tie rod force can be provided in an optimized manner for control tasks, for example without jumps or as a continuous function.
  • Methods of physics-based learning and/or residual learning can be used in step (d).
  • the fine tuning in method step (d) takes place as a function of the operating state of the vehicle, in particular as a function of a speed of the vehicle.
  • Another object of the invention is a method for operating a steer-by-wire steering system with a force feedback actuator for generating a feedback force on a steering wheel, wherein a tie rod force is estimated according to a method described above and the force feedback actuator is controlled as a function of the estimated tie rod force.
  • FIG. 1 shows an exemplary embodiment of a method according to the invention for estimating a tie rod force in a block diagram
  • Fig. 2 shows several alternative embodiments of the combination of tie rod forces in process step (c).
  • the force formed from the physical models can be further refined, for example to depict additional nonlinearities in the behavior or, if necessary, to prepare the prediction for control engineering tasks. This can again be done depending on the operating state.
  • the simplest models usually require the vehicle speed, lateral acceleration, steering angle and steering rate.
  • Other vehicle dynamics variables or measurement/control and calculation variables can be used to refine the models.
  • the input variables are not limited to time-varying measured variables, but can also include constant parameters about the vehicle structure, e.g. geometric parameters of the front axle steering. It is also conceivable that determined environmental parameters such as temperature and road conditions are included in the input variables.
  • feature preprocessing can be used to make the information contained in the input variables directly available to the models or learning algorithms. For example, derivatives or statistical parameters such as mean, kurtosis or standard deviation of the input variables can be included.
  • Block 1 (Model: Ride):
  • Physical model to describe the lateral forces during driving e.g. single-track or two-track models or more complex ones.
  • the lateral force during operation can be determined from the model, for example, using various complex Kalman filters.
  • Physical model to describe the lateral forces during steering maneuvers at very low speeds or at a standstill e.g. drilling torque model, jacking torque model, bristle model or more complex.
  • the physical submodels can already be augmented with data-driven techniques (residual learning or other hybrid learning approaches, see e.g. above “Blending Diverse Physical Priors with Neural Networks", Ba, Zhao, Kadambi), 2019, https://dgi. grg/10.48550/a rX;v 910,00201.
  • Blocks 1 and 2 implement method step [A4] (a), in which two models are evaluated based on measured values and/or sensor signals from the vehicle in order to obtain a first and a second lateral force.
  • Block 3 (steering geometry):
  • block 3 implements method step (b), in which the first and second lateral forces are each converted into a first and a second tie rod force based on parameters of the steering geometry.
  • Block 4 (combination of lateral forces):
  • block 4 implements method step (c), in which the combination of the first and second tie rod force takes place to obtain a third tie rod force, the third tie rod force being a weighted combination of the first and second tie rod force.
  • the combination of forces can occur at different levels of complexity. These levels of complexity of combining the tie rod forces from the two (or more) different models are shown in detail in Figure 2. In essence, the combination takes place via a linear combination, whereby the determination of the weights is subject to different levels of complexity.
  • the function of the weights can depend on various input variables, but also on the value of the individual lateral forces.
  • FIG. 2 An embodiment according to complexity level 1 is shown in the upper section of Figure 2.
  • switching between models takes place based on a limit value.
  • the limit When the limit is reached, the weights are changed so that one model is activated and the other is deactivated.
  • the system switches from model I to model II.
  • the limit speed can vary during operation depending on parameters such as steering angle and lateral acceleration, so it is a multi-dimensional map. This map is determined in a data-driven manner before use in the vehicle, so that the overall model error in relation to the real force is minimized. Furthermore, in this case, switching back and forth at the limit point should be prevented for control reasons.
  • FIG. 2 An embodiment according to complexity level 2 is shown in the middle section of FIG. 2.
  • the switch between the models takes place based on two limit values, with the change in the weights in the transition area (II) being defined by the form of previously specified functions.
  • the choice of the approach function with the parameters to be determined is basically arbitrary.
  • the functions can take the form of (multi-) linear or (multi-) quadratic approaches or nth order splines etc.
  • the choice of the form of the approach function is not data-driven.
  • the determination of the parameters of the approach function is determined using data-driven methods, for example using least squares etc.
  • the limit values are selected based on the optimized form of the transition function. As a rule, the limit values are set at the intersection of the optimized approach functions with weights 0 and 1.
  • a design according to complexity level 3 is shown in the lower section of Figure 2.
  • the size of the transition area variable not only is the size of the transition area variable, but also the basic form of the approach function is not predetermined. Both the approach function for the weights of the models and the size of the transition area are determined data-driven.
  • the transition area can therefore also be represented by a neural network.
  • the underlying formulation of the total force as a weighted sum of sub-models ensures a high level of explainability/comprehensibility despite data-driven aspects.
  • Block 5 implements an optional method step (d) in which the third tie rod force is modified in a fine-tuning, in particular filtered and/or smoothed and/or limited.
  • the resulting Tie rod force can be interpreted as the model response of a model inspired solely by physics, which can be refined using physics-based learning methods, e.g. through residual learning (mainly useful if blocks 1 and 2 are not implemented as data-driven models).
  • various post-processing augmentations can be carried out here, e.g. smoothing, restriction, filtering, etc.
  • One goal of these augmentations can be to feed the finally determined tie rod force into a control task, e.g. to provide feedback on the steering wheel.
  • the data-driven corrections/changes can be limited in size.
  • the intended product use is for steer-by-wire systems, road wheel actuators and intelligent front/rear wheel systems.
  • the method for estimation can be used in a method for operating a steer-by-wire steering system with a force feedback actuator for generating a feedback force on a steering wheel, with a tie rod force according to one of the exemplary embodiments of the method explained above to estimate the tie rod force and the force feedback actuator is controlled depending on the estimated tie rod force.

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Schätzung einer Spurstangenkraft einer Lenkvorrichtung eines Fahrzeugs mit folgenden Verfahrensschritten: (a) Es werden zunächst aufgrund von Messwerten und/oder Sensorsignalen aus dem Fahrzeug zwei Modelle (1, 2) ausgewertet, um jeweils eine erste und eine zweite Seitenkraft zu erhalten; (b) Die erste und die zweite Seitenkraft wird jeweils anhand von Kenngrößen der Lenkgeometrie (3) in eine erste und eine zweite Spurstangenkraft umgerechnet; (c) Die erste und die zweite Spurstangenkraft werden miteinander kombiniert, um eine dritte Spurstangenkraft zu erhalten, wobei die dritte Spurstangenkraft eine gewichtete Kombination der ersten und zweiten Spurstangenkraft ist.

Description

Spurstangenkraftschätzung bei Steer-by-Wi re-Systemen mittels intelligentem Modellübergang
Die Erfindung beschäftigt sich mit Steer-by-Wire und im Speziellen mit der Schätzung der Zahnstangenkraft/Spurstangenkraft am Road-Wheel-Actuator.
Dabei sind folgende Veröffentlichungen von Interesse:
In Koch 2010 (Untersuchungen zum Lenkgefühl von Steer-by-Wire Lenksystemen) wird ein lineares Kalman-Filter verwendet, um die Seitenkräfte eines Fahrzeug basierend auf dessen Einspurmodell zu schätzen. Die Seitenkräfte werden in Rückstellmomente und dann in Zahnstangenkräfte umgerechnet. Das lineare Kalman-Filter erzielt gute Ergebnisse bei hohen Geschwindigkeiten. Für den Stillstand wird das sogenannte Bohrmoment nach Van der Jagt 2000 (The road to virtual vehicle prototyping) modelliert und dann in eine Seitenkraft bzw. Spurstangenkraft oder Zahnstangenkraft umgerechnet. Bei geringen Geschwindigkeiten wird das Rückstellmoment aus dem linearen Kalman-Filter und das Bohrmoment addiert, wobei der Anteil des Bohrmomentes mit steigender Geschwindigkeit linear reduziert wird, bis er keine Rolle mehr spielt.
In Beal und Brennan 2021 (https://doi.org/10.1080/00423114.2019.1708416) wurde ein Modell entwickelt, das das Lenkmoment bei langsam drehenden Rädern berechnet. In Van der Jagt 2000 (The road to virtual vehicle prototyping), Schmitt 2003 (https://doi.org/10.4271/2003-01-3430), Sharp et al. 2003 (https://doi.org/10.1177/095440700321700202) und Ketzmerick 2021 (https://doi.org/10.4271/06-14-03-0012) werden verschiedene Methoden zur physikalischen Modellierung der Kräfte im Stillstand vorgestellt.
Für die Seitenkraftschätzung bei hohen Geschwindigkeiten gibt es in der Literatur sehr viele Ansätze. Z.B. in Schäfer 2021 (https://doi.org/10.1515/auto-2020-0100), Wielitzka 2014 (https://doi.org/10.1109/CDC.2014.7040172), Koch 2010 (Untersuchungen zum Lenkgefühl von Steer-by-Wire Lenksystemen), und Ray 1995 (https://doi.org/10.1109/87.370717).
Bezüglich generellem ,Model-blending‘ im Fahrzeugbereich findet man z.B. in Matute- Peaspan et al. 2020 (https://doi.org/10.3390/electronics9101674), Kim et al. 2015 (https://doi.org/10.1109/ICCAS.2015.7365012), und Jo et al. 2010
(https://doi.Org/10.1109/1 VS.2010.5548118) Ansätze. Die meisten Ansätze schalten von einem Modell zum anderen um. Bei Matute-Peaspan erfolgt das Model-Blending zwischen einem kinematischen und einem dynamischen Modell. Die Überblendung erfolgt anhand einer linearen Ansatzfunktion.
Generelle Methoden zur Kombination von datengetriebenen und modellbasierten Ansätzen außerhalb der betrachteten Domäne:
- Blending Diverse Physical Priors with Neural Networks (Ba, Zhao, Kadambi), 2019, https://doi.org/10.48550/arXiv.1910.00201
Ein generelles Verfahren um physikalische Modelle und machine learning (ML) zu kombinieren (physics-based learning, PBL). Die vorgestellte Methode soll mittels Neural Architecture Search die optimale Architektur für PBL ermitteln und so existierende PBL Ansätze verbessern, die wie folgt geclustert sind:
- Physical Fusion: Als Input für ML werden nicht nur unmittelbare Messwerte, sondern auch Modellvorhersagen herangezogen.
- Residual Physics: Der Unterschied zwischen Vorhersageziel und Modellantwort wird gelernt (bspw. in Block (5) in Figur 1 enthalten).
- Physical Regularization: Penalisierung der Modellantwort aufgrund physikalischer Randbedingungen, z.B. in Loss-Funktion
- Embedded Physics: Parameter des physikalischen Modells werden gelernt.
Unser Ansatz bringt die konkrete datengetriebene Kombination unterschiedlicher (phys.) Modelle zusätzlich mit ein.
- Machine learning based multi-physical-model blending for enhancing renewable energy forecast - improvement via situation dependent error correction (Lu, Hwang et al.), 2015, https://doi.Org/10.1109/ECC.2015.7330558
Hier wird im Grundsatz Physical Fusion (siehe oben) verwendet, wobei der Input für das ML- Verfahren aus mehreren unterschiedlichen physikalischen Wettermodellen angereichert wird.
- Towards blending Physics-Based numerical simulations and seismic databases using Generative Adversarial Network (Gatti, Clouteau), 2020, https://d0i.0rg/l 0.1016/j.cma.2020.113421
Hier wird im Grundsatz Embedded Physics betrieben. Für Risikoabschätzungen bzgl.
Erdbeben müssen die statistischen Inputgrößen für statistische Modelle genau bestimmt werden. Dies geschieht über hochaufgelöste deterministische phys. Modelle, deren Ergebnisse mittels ML augmentiert werden, so dass sie Beobachtungen aus realen Erdbeben gleichen. Diese realen Daten sind zahlenmäßig zu klein, um sichere Aussagen über statistische Verteilungen der gesuchten Inputgrößen der statistischen Modelle abzuleiten. So kann ein großer Datensatz aufgebaut werden, der das Schätzen dieser Inputparameter erlaubt.
Die DE 102010 030 986 B4 offenbart ein Verfahren zur Bestimmung einer Zahnstangenkraft für eine Lenkvorrichtung in einem Fahrzeug. Es betrifft eine Verwendung von zwei unterschiedlichen physikalischen Modellen zur Schätzung der Zahnstangenkraft. Jedoch findet sich keine Angabe dazu, wie die Modellantworten konkret kombiniert werden müssen, um eine realistische Gesamtschätzung der Zahnstangenkraft zu erhalten, wenn eine echte Messgröße als Vergleich dient. Die Grundidee scheint in einer Regler-basierten Kombination aufgrund im Betrieb zusätzlich mitgemessener Seitenkräfte gewesen zu sein. Vorliegende Patentanmeldung konkretisiert diese Lücke.
In Steer-by-Wire-Systemen entfällt die Rückkopplung der Spurstangenkräfte auf das Lenksystem, da keine direkte mechanische Verbindung zwischen Radaufhängung und Lenkrad mehr besteht. Die Rückführung der Zahnstangenkräfte/Spurstangenkräfte auf das Lenksystem ist von Bedeutung für die Sicherheit und das Lenkgefühl beim Fahren.
Deswegen müssen die Spurstangenkräfte gemessen oder bestimmt werden. Eine Messung erfordert zusätzliche Komponenten und reduziert die Wettbewerbsfähigkeit des Systems. Daher ist eine möglichst genaue Schätzung anzustreben, die nur vorhandene Messgrößen/Sensorwerte/Informationen verarbeitet.
Ein Grundproblem besteht bei der physikalischen Beschreibung, weil im Stand und während der Fahrt unterschiedliche Grundsätze/Wirkmechanismen die Kraftentstehung dominieren. Konkret bedeutet dies, dass die Spurstangenkraft im Stand beispielsweise mit dem sogenannten Bohr-/Jacking-Torque-Modell geschätzt wird und während der Fahrt zunehmend die Kennwerte der Fahrdynamik die Kraft in der Zahnstange beschreiben.
Das technische Problem besteht darin, dass die Gestaltung des Übergangs zwischen beiden Modellen/physikalischen Domänen unklar ist.
Zahnstangenkraft, Spurstangenkraft und Seitenkräfte können über die Lenkgeometrie ineinander umgerechnet werden und können daher äquivalent verwendet werden. Hier gehen wir davon aus, dass die Spurstangenkraft geschätzt wird. Die grundsätzliche Ausgangssituation besteht darin, dass abhängig von der Fahrzeuggeschwindigkeit zwei physikalische Modelle zur Beschreibung der Seitenkräfte existieren, deren Vertrauensbereiche nicht überlappen. Konkret gibt es ein Modell, das für sehr niedrige Geschwindigkeiten genaue Vorhersagen trifft und ein weiteres Modell, das für höhere Geschwindigkeiten vertrauenswürdige Vorhersagen trifft. Für einen (unbekannten) Zwischenbereich an mittleren Geschwindigkeiten weichen die Vorhersagen der Modelle von der echten Seitenkraft ab, da die ihnen zu Grunde liegenden physikalischen Annahmen nicht gänzlich zutreffen.
Vor diesem Hintergrund liegt der vorliegenden Erfindung die Aufgabe zugrunde, eine möglichst genaue Schätzung einer Spurstangenkraft einer Lenkvorrichtung eines Fahrzeugs zu ermöglichen.
Zur Lösung der Aufgabe wird gemäß der Erfindung ein Verfahren zur Schätzung einer Spurstangenkraft einer Lenkvorrichtung eines Fahrzeugs mit den Merkmalen des Patentanspruchs 1 vorgeschlagen. Das Verfahren zur Schätzung einer Spurstangenkraft einer Lenkvorrichtung eines Fahrzeugs umfasst folgende Verfahrensschritte:
(a) Es werden zunächst aufgrund von Messwerten und/oder Sensorsignalen aus dem Fahrzeug zwei Modelle ausgewertet, um jeweils eine erste und eine zweite Seitenkraft zu erhalten;
(b) Die erste und die zweite Seitenkraft wird jeweils anhand von Kenngrößen der Lenkgeometrie in eine erste und eine zweite Spurstangenkraft umgerechnet;
(c) Die erste und die zweite Spurstangenkraft werden miteinander kombiniert, um eine dritte Spurstangenkraft zu erhalten, wobei die dritte Spurstangenkraft eine gewichtete Kombination der ersten und zweiten Spurstangenkraft ist.
Die beiden im Rahmen des Verfahrensschritts (a) verwendeten Modelle sind bevorzugt physikalisch basierte Modelle. Auch wenn zur Erläuterung der Erfindung nur von zwei Modellen die Rede ist, können grundsätzlich mehr als zwei Modelle zur Schätzung des Spurstangenkraft verwendet werden. Die Messwerte und/oder Sensorsignale, die im Verfahrensschritt (a) ausgewertet werden, können beispielsweise Messwerte der Fahrzeuggeschwindigkeit und/oder der Querbeschleunigung und/oder des Lenkwinkels und/oder der Lenkrate sein. Alternativ oder zusätzlich kann ein Messwert der Temperatur, insbesondere der Temperatur der Umgebung des Fahrzeugs und/oder Messwerte der Straßenbedingungen ausgewertet werden. Diese Messwerte und/oder Sensorsignale werden bevorzugt von entsprechenden Sensoren des Fahrzeugs gemessen. Als Ergebnis des Verfahrensschritts (a) wird von jedem der Modelle jeweils eine Seitenkraft erhalten. In dem Verfahrensschritt (b) werden die anhand der Modelle erhaltenen Seitenkräfte in Spurstangenkräfte umgerechnet. Hierzu werden Kenngrößen der Lenkgeometrie des Fahrzeugs herangezogen.
Im Verfahrensschritt (c) werden die in Verfahrensschritt (b) erhaltenen Spurstangenkräfte gewichtet und miteinander kombiniert, um die dritte Spurstangekraft als Ausgangsgröße des erfindungsgemäßen Verfahrens zu erhalten. Hierdurch wird es ermöglicht, dass beide Modelle ihre jeweilige Stärke ausspielen. So kann in einem ersten Bereich, beispielsweise einem Bereich geringer Geschwindigkeit des Fahrzeugs, das erste Modell stärker gewichtet werden als das zweite Modell und in einem zweiten Bereich, beispielsweise einem Bereich hoher Geschwindigkeit, kann das zweite Modell stärker gewichtet werden als das erste Modell. In einem Übergangsbereich zwischen dem ersten Bereich und dem zweiten Bereich kann sich die Gewichtung der Modelle in Abgängigkeit von einem Betriebszustand des Fahrzeugs, beispielsweise in Abhängigkeit von der Geschwindigkeit des Fahrzeugs, verändern. Hierdurch kann ein stetiger Übergang zwischen dem ersten und zweiten Bereich ermöglicht werden, so dass Regelungsprozesse, welche die geschätzte Spurstangenkraft als Eingangswert nutzen, stabil betrieben werden können.
Im Rahmen der Erfindung kann der Verfahrensschritt (c) auf verschiedene Weise ausgestaltet sein. Diese Ausgestaltungen sollen nachfolgend als vorteilhafte Ausgestaltungen der Erfindung erläutert werden.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist vorgesehen, dass ein Geschwindigkeitsgrenzwert vorgegeben ist und in Verfahrensschritt (c) die erste Spurstangenkraft mit dem Faktor 1 und die zweite Spurstangenkraft mit dem Faktor 0 gewichtet wird, wenn die Geschwindigkeit des Fahrzeugs kleiner als der Geschwindigkeitsgrenzwert ist, und die erste Spurstangenkraft mit dem Faktor 0 und die zweite Spurstangenkraft mit dem Faktor 1 gewichtet wird, wenn die Geschwindigkeit des Fahrzeugs größer oder gleich dem Geschwindigkeitsgrenzwert ist. Bei einer derartigen Ausgestaltung des Verfahrensschritts (c) werden bei Überschreiten des Geschwindigkeitsgrenzwertes die Gewichte derart geändert, dass eines der beiden Modelle aktiviert wird und das jeweilige andere der beiden Modelle deaktiviert wird. Beispielsweise kann bei Überschreitung des Geschwindigkeitsgrenzwerts von dem ersten Modell auf das zweite Modell umgeschaltet werden.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist vorgesehen, dass der Geschwindigkeitsgrenzwert in Abhängigkeit von einem Lenkwinkel und/oder einer Querbeschleunigung des Fahrzeugs ermittelt wird. Eine derartige Ermittlung des Geschwindigkeitsgrenzwerts kann bevorzugt im Rahmen eines Kalibrierungsschritts durchgeführt werden, weicher den Verfahrensschritten (a), (b) und (c) vorausgeht. Die Ermittlung des Geschwindigkeitsgrenzwerts kann durch eine datengetriebene Methode erfolgen.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist vorgesehen, dass eine von der Geschwindigkeit des Fahrzeugs abhängige Übergangsfunktion vorgegeben ist und die erste oder die zweite Spurstangenkraft mit der Übergangsfunktion gewichtet wird. Durch die Übergangsfunktion kann ein allmählicher Übergang zwischen dem ersten und zweiten Modell ermöglicht und ein hartes Umschalten zwischen den beiden Modellen vermieden werden.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist vorgesehen, dass ein erster Geschwindigkeitsgrenzwert und ein zweiter Geschwindigkeitsgrenzwert vorgegeben ist und in Verfahrensschritt (c) a. die erste Spurstangenkraft mit dem Faktor 1 und die zweite Spurstangenkraft mit dem Faktor 0 gewichtet wird, wenn die Geschwindigkeit des Fahrzeugs kleiner als der erste Geschwindigkeitsgrenzwert ist, und b. die erste Spurstangenkraft mit dem Faktor 0 und die zweite Spurstangenkraft mit dem Faktor 1 gewichtet wird, wenn die Geschwindigkeit des Fahrzeugs größer oder gleich dem zweiten Geschwindigkeitsgrenzwert ist, und c. die erste oder die zweite Spurstangenkraft mit der Übergangsfunktion gewichtet wird, wenn die Geschwindigkeit des Fahrzeugs größer oder gleich dem ersten Geschwindigkeitsgrenzwert und kleiner als der zweite Geschwindigkeitsgrenzwert ist.
Diese Ausgestaltung bietet den Vorteil, dass das Umschalten zwischen dem ersten und zweiten Modell anhand zweier Geschwindigkeitsgrenzwerte erfolgt, wobei die Veränderung der Gewichte in einem Übergangsbereich zwischen den beiden Geschwindigkeitsgrenzwerten durch die vorgegebene Übergangsfunktionen definiert ist. Bevorzugt ist der erste Geschwindigkeitsgrenzwert kleiner als der zweite Geschwindigkeitsgrenzwert. Beispielsweise kann der erste Geschwindigkeitsgrenzwert im Bereich zwischen 0 km/h und 5 km/h, bevorzugt zwischen 0 km/h und 1 km/h, liegen. Der zweite Geschwindigkeitsgrenzwert kann im Bereich zwischen 20 km/h und 100 km/h, bevorzugt im Bereich zwischen 20 km/h und 30 km/h liegen.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist vorgesehen, dass die Übergangsfunktion eine ganzrationale Funktion ersten Grades oder zweiten Grades oder dritten Grades oder vierten Grades ist. Derartige Übergangsfunktionen haben sich als besonders geeignet zur Bildung eines Übergangs zwischen den beiden Modellen herausgestellt. Ganzrationale Funktionen ersten Grades werden auch als lineare Funktionen, ganzrationale Funktionen zweiten Grades auch als quadratische Funktionen, ganzrationale Funktionen dritten Grades auch als kubische Funktionen und ganzrationale Funktionen vierten Grades als quartische Funktionen bezeichnet. Dabei ermöglicht eine ganzrationale Funktion höheren Grades eine realistischere, d.h. näher an eine Messung der Spurstangenkraft heranreichende Schätzung der Spurstangenkraft als eine ganzrationale Funktion niedrigeren [AijGrades. Insofern ist eine ganzrationale Funktion vierten Grades besonders bevorzugt. Alternativ kann die Übergangsfunktion ein Spline sein.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist vorgesehen, dass die Übergangsfunktion einen oder mehrere Parameter aufweist und der oder die Parameter in einem dem Verfahrensschritt (a) vorausgehenden Kalibrierungsschritt ermittelt werden, insbesondere mittels einer regressionsanalytischen Schätzmethode, beispielsweise der Methode der kleinsten Quadrate. Bevorzugt werden bei der Ermittlung der Parameter die Randbedingungen derart gesetzt, dass bei dem ersten Geschwindigkeitsgrenzwert ein erstes Gewicht 0 ist und ein zweites Gewicht 1 ist und bei dem zweiten Geschwindigkeitsgrenzwert die Gewichte umgekehrt sind.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist vorgesehen, dass die Übergangsfunktion in einem dem Verfahrensschritt (a) vorausgehenden Kalibrierungsschritt ermittelt wird. Die Übergangsfunktion wird in dem Kalibrierungsschritt bevorzugt mit einer datengetriebenen Methode ermittelt, insbesondere mittels Gaußprozess-Regression.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist vorgesehen, dass der erste und der zweite Geschwindigkeitsgrenzwert in einem dem Verfahrensschritt (a) vorausgehenden Kalibrierungsschritt ermittelt wird. Der erste und der zweite Geschwindigkeitsgrenzwert werden in dem Kalibrierungsschritt bevorzugt mittels einer regressionsanalytischen Schätzmethode ermittelt, beispielsweise mittels der Methode der kleinsten Quadrate , [A2] Alternativ ist denkbar, dass eine kubische B-Spline-Funktion als Übergangsfunktion verwendet wird, wobei die Randbedingungen genutzt werden, um den ersten und zweiten Geschwindigkeitsgrenzwert zu ermitteln. Beispielsweise können dazu drei Punkte eines Kontrollpolynoms auf einen identischen Wert gesetzt werden, um einen glatten Verlauf nach oder vor dem jeweiligen Geschwindigkeitsgrenzwert zu forcieren. Bevorzugt werden die ersten drei Kontrollpunkte auf den Wert 0 gesetzt und die letzten drei Kontrollpunkte werden auf den Wert 1 gesetzt. Denkbar ist alternativ eine Herangehensweise mit einem künstlichen neuronalen Netz, wobei die Ränder der Übergangsfunktion gelernt werden über parametrisierbare Aktivierungsfunktionen.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist vorgesehen, dass das Verfahren einen dem Schritt (c) nachfolgenden Verfahrensschritt (d) umfasst:
(d) Die dritte Spurstangenkraft wird in einer Feinabstimmung (5) modifiziert, insbesondere gefiltert und/oder geglättet und/oder beschränkt. Durch den Verfahrensschritt (d) können Nichtlinearitäten im Verhalten abgebildet werden oder die geschätzte dritte Spurstangenkraft kann für regelungstechnische Aufgaben optimiert bereitgestellt werden, beispielsweise ohne Sprünge bzw. als stetige Funktion. In Verfahrensschritt (d) können Methoden des Physics- Based-Learning und/oder des Residual-Learning verwendet werden.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist vorgesehen, dass die Feinabstimmung in Verfahrensschritt (d) in Abhängigkeit vom Betriebszustand des Fahrzeugs erfolgt, insbesondere in Abhängigkeit von einer Geschwindigkeit des Fahrzeugs.
Ein weiterer Gegenstand der Erfindung ist ein Verfahren zum Betrieb eines Steer- By- Wire- Lenksystems mit einem Force-Feedback-Aktuator zur Erzeugung einer Feedback-Kraft an einem Lenkrad, wobei eine Spurstangenkraft gemäß einem vorstehend beschriebenen Verfahren geschätzt wird und der Force-Feedback-Aktuator in Abhängigkeit von der geschätzten Spurstangenkraft angesteuert wird.
Bei dem Verfahren zum Betrieb eines Steer-By-Wire-Lenksystems können dieselben technischen Wirkungen und Vorteile erreicht werden, wie sie im Zusammenhang mit dem erfindungsgemäßen Verfahren zur Schätzung einer Spurstangenkraft erläutert worden sind.
Optional können bei dem Verfahren [A3]zum Betrieb eines Steer-By-Wire-Lenksystems die im
Zusammenhang mit dem Verfahren zur Schätzung einer Spurstangenkraft offenbarten vorteilhaften Ausgestaltungen und Merkmale - allein oder in Kombination - Anwendung finden.
Weitere Einzelheiten und Vorteile der Erfindung werden nachfolgend unter Zuhilfenahme der Zeichnungen anhand von Ausführungsbeispielen beschrieben. Hierin zeigt:
Fig. 1 ein Ausführungsbeispiel eines erfindungsgemäßen Verfahrens zur Schätzung einer Spurstangenkraft in einem Blockdiagramm; und
Fig. 2 mehrere alternative Ausgestaltungen der Kombination von Spurstangenkräften im Verfahrensschritt (c).
Das vorgestellte Verfahren stellt eine Berechnungsmethode bereit, so dass für alle Geschwindigkeiten im realen Fährbetrieb die Spurstangenkraft hinreichend genau bestimmt wird. Die grundsätzlichen Schritte dieses Verfahrens sind in Figur 1 dargestellt:
(a) Es werden zunächst aufgrund der Messwerte/Sensorsignale aus dem Fahrzeug beide Modelle, siehe Block (1) und (2), ausgewertet.
(b) Die Seiten kraft wird über Kenngrößen der Lenkgeometrie (3) in eine Spurstangekraft umgerechnet
(c) Beide Modellantworten werden in (4) miteinander verrechnet, ggf. abhängig vom Betriebszustand (also von den Messwerten)
(d) In einem letzten Schritt, siehe Block (5), kann die aus den physikalischen Modellen gebildete Kraft noch verfeinert werden, um beispielsweise zusätzliche Nichtlinearitäten im Verhalten abzubilden oder ggf. die Vorhersage für regelungstechnische Aufgaben vorzubereiten. Dies kann wieder abhängig vom Betriebszustand erfolgen.
Den grundsätzlichen Aufbau beschreibt Figur 1.
Eingangsgrößen:
Üblicherweise wird für die einfachsten Modelle die Fahrzeuggeschwindigkeit, die Querbeschleunigung, der Lenkwinkel und die Lenkrate benötigt. Zur Verfeinerung der Modelle können weitere Größen der Fahrzeugdynamik oder der Mess-/Steuer- und Rechengrößen herangezogen werden. Die Eingangsgrößen sind nicht beschränkt auf zeitvariable Messgrößen, sondern können auch konstante Parameter über den Fahrzeugaufbau beinhalten, bspw. geometrische Kenngrößen der Vorderachslenkung. Weiterhin ist es denkbar, dass ermittelte Umgebungsparameter, wie Temperatur und Straßenbedingung in die Eingangsgrößen mit aufgenommen werden. Als zusätzliche Erweiterung kann ein Feature Preprocessing eingesetzt werden, um die in den Eingangsgrößen enthaltenen Informationen direkt den Modellen oder Lernalgorithmen zur Verfügung zu stellen. Bspw. können Ableitungen oder statistische Kennwerte wie Mittelwert, Kurtosis oder Standardabweichung der Eingangsgrößen inkludiert werden.
Block 1 (Modell: Fahrt):
Physikalisches Modell zur Beschreibung der Seitenkräfte während der Fahrt, bspw. Einspuroder Zweispurmodelle oder komplexer. Ermittlung der Seitenkraft im Betrieb aus dem Modell kann bspw. über verschieden aufwendige Kalman-Filter erfolgen.
Block 2 (Modell: Stillstand):
Physikalisches Modell zur Beschreibung der Seitenkräfte während Lenkmanövern bei sehr geringen Geschwindigkeiten oder dem Stillstand, bspw. Bohrmomentmodell, Jacking- Torque-Modell, Borstenmodell oder komplexer.
Bei der datengetriebenen Zusammenführung der zuvor ausgewerteten Modelle in Block 1 und 2 ist es denkbar, dass durch geeignetes Feature Preprocessing auch zeitliche Ableitungen, bzw. generell Sensitivitäten der Modellantworten bzgl. sich ändernder Parameter, als Inputs genutzt werden können. Die Sensitivitäten müssen von den Modellblöcken 1 und 2 zur Verfügung gestellt werden. Um Erklärbarkeit auch über die datengetriebenen Verfahren in Block 1 und Block 2 zu erhalten und zusätzlich Sicherheitsaspekte zu berücksichtigen, können die datengetriebenen Korrekturen/Änderungen in ihrer Größe beschränkt werden. Des Weiteren können die physikalischen Teilmodelle durch datengetriebene Modelle (alles zwischen rein phänomenologisch an Daten gefitteten Modellen über Random Forests bis hin zu neuronalen Netzen) ersetzt werden. Weiterhin können bereits die physikalischen Teilmodelle mit datengetriebenen Techniken augmentiert werden (Residual Learning, bzw. andere Ansätze des Hybriden Lernens, siehe z.B. oben "Blending Diverse Physical Priors with Neural Networks", Ba, Zhao, Kadambi), 2019, https://dgi. grg/10.48550/a rX;v 910,00201.
Die Blöcke 1 und 2 implementieren den Verfahrensschritt[A4] (a), in welchem aufgrund von Messwerten und/oder Sensorsignalen aus dem Fahrzeug zwei Modelle ausgewertet werden, um jeweils eine erste und eine zweite Seitenkraft zu erhalten.
Block 3 (Lenkgeometrie):
Umwandlung der Seitenkräfte in Spurstangenkräfte anhand der Parameter der Lenkgeometrie. Insofern implementiert Block 3 den Verfahrensschritt (b), in welchem die erste und die zweite Seitenkraft jeweils anhand von Kenngrößen der Lenkgeometrie in eine erste und eine zweite Spurstangenkraft umgerechnet werden.
Block 4 (Zusammenführung der Seitenkräfte):
In der Zusammenführung werden die von den Modellen geschätzten Spurstangenkräfte zu einer resultierenden Spurstangenkraft kombiniert. Insofern realisiert Block 4 den Verfahrensschritt (c), in welchem die Kombination der ersten und zweiten Spurstangenkraft erfolgt, um eine dritte Spurstangenkraft zu erhalten, wobei die dritte Spurstangenkraft eine gewichtete Kombination der ersten und zweiten Spurstangenkraft ist. Die Kombination der Kräfte kann in verschiedenen Komplexitätsstufen erfolgen. Diese Komplexitätsstufen der Kombination der Spurstangenkräfte aus den zwei (oder mehr) verschiedenen Modellen sind im Detail in Figur 2 dargestellt. Im Kern erfolgt die Zusammenführung über eine Linearkombination, wobei die Bestimmung der Gewichte unterschiedlichen Komplexitätsstufen unterliegt. Die Funktion der Gewichte kann von verschiedenen Eingangsgrößen, aber auch vom Wert der einzelnen Seitenkräfte abhängen.
Stufe 1 (variable Grenze):
Eine Ausgestaltung gemäß der Komplexitätsstufe 1 ist im oberen Abschnitt der Figur 2 gezeigt. Im diesem, dem einfachsten, Fall erfolgt die Umschaltung zwischen den Modellen anhand eines Grenzwertes. Bei Erreichen des Grenzwertes werden die Gewichte geändert, so dass ein Modell aktiviert wird und das andere deaktiviert wird. Im vorliegenden Fall wird bei Überschreitung einer bestimmten Geschwindigkeit vom Modell I auf Modell II geschaltet. Dabei kann die Grenzgeschwindigkeit in Abhängigkeit von Parametern bspw. Lenkwinkel und Querbeschleunigung während des Betriebs variieren, ist also ein mehrdimensionales Kennfeld. Dieses Kennfeld wird vor dem Einsatz im Fahrzeug datengetrieben bestimmt, so dass der Gesamtmodellfehler zur realen Kraft minimiert wird. Weiterhin sollte in diesem Fall aus regelungstechnischen Gründen ein Hin- und Herschalten am Grenzpunkt verhindert werden.
Stufe 2 (variable Grenzen mit vorgegebener Übergangsform):
Eine Ausgestaltung gemäß der Komplexitätsstufe 2 ist im mittleren Abschnitt der Figur 2 gezeigt Im diesem Fall erfolgt die Umschaltung zwischen den Modellen anhand zweier Grenzwerte, wobei die Veränderung der Gewichte im Übergangsbereich (II) durch die Form von vorher vorgegebenen Funktionen definiert ist. Die Wahl der Ansatzfunktion mit den zu bestimmenden Parametern ist grundsätzlich beliebig. Bspw. können die Funktionen die Form (multi-) linearer oder (multi-) quadratischer Ansätze oder von Splines n-ter Ordnung etc. annehmen. Die Wahl der Form der Ansatzfunktion erfolgt in diesem Fall nicht datengetrieben. Die Bestimmung der Parameter der Ansatzfunktion wird über datengetriebene Verfahren ermittelt, bspw. durch Least-Square etc. Die Grenzwerte werden gewählt anhand der optimierten Form der Übergangsfunktion. In der Regel werden die Grenzwerte an die Schnittpunkte der optimierten Ansatzfunktionen mit den Gewichten 0 und 1 gesetzt.
Stufe 3 (variable Grenzen mit variablen Übergangsformen):
Eine Ausgestaltung gemäß der Komplexitätsstufe 3 ist im unteren Abschnitt der Figur 2 gezeigt In diesem Fall höchster Komplexität ist nicht nur die Größe des Übergangsbereiches variabel, sondern auch die Grundform der Ansatzfunktion nicht vorgegeben. Sowohl die Ansatzfunktion für die Gewichte der Modelle als auch die Größe des Übergangsbereiches werden datengetrieben ermittelt. Somit kann der Übergangsbereich auch durch ein neuronales Netz repräsentiert werden. Durch die unterliegende Formulierung der Gesamtkraft als gewichtete Summe aus Teilmodellen, ist trotz datengetriebener Aspekte eine hohe Erklärbarkeit/Nachvollziehbarkeit gewährleistet.
Block 5 (Feinabstimmung):
Block 5 implementiert einen optionalen Verfahrensschritt (d), in welchem die dritte Spurstangenkraft in einer Feinabstimmung modifiziert wird, insbesondere gefiltert und/oder geglättet und/oder beschränkt wird. Die in Block 4 geschätzte, resultierende Spurstangenkraft kann als Modellantwort eines einzig physikalisch inspirierten Modells interpretiert werden, welche mit den Methoden des Physics-Based-Learning verfeinert werden kann, bspw. durch Residual-Learning (hauptsächlich sinnhaft, falls Block 1 und 2 nicht als datengetriebene Modelle implementiert sind). Des Weiteren können hier diverse Postprocessing-Augmentierungen durchgeführt werden, zum Bsp. Glättung, Beschränkung, Filter usw. Ein Ziel dieser Augmentierungen kann sein, die final bestimmte Spurstangenkraft einer regelungstechnischen Aufgabe zuzuführen, bspw. um Feedback am Lenkrad zu geben. Um Erklärbarkeit auch über die datengetriebenen Verfahren in Block 5 zu erhalten und zusätzlich Sicherheitsaspekte zu berücksichtigen, können die datengetriebenen Korrekturen/Änderungen in ihrer Größe beschränkt werden.
Bei den vorstehend erläuterten Ausführungsbeispielen eines Verfahrens zur Schätzung einer Spurstangenkraft einer Lenkvorrichtung eines Fahrzeugs sind folgende Verfahrensschritte vorgesehen:
(a) Es werden zunächst aufgrund von Messwerten und/oder Sensorsignalen aus dem Fahrzeug zwei Modelle (1, 2) ausgewertet, um jeweils eine erste und eine zweite Seitenkraft zu erhalten;
(b) Die erste und die zweite Seitenkraft wird jeweils anhand von Kenngrößen der Lenkgeometrie (3) in eine erste und eine zweite Spurstangenkraft umgerechnet;
(c) Die erste und die zweite Spurstangenkraft werden miteinander kombiniert, um eine dritte Spurstangenkraft zu erhalten, wobei die dritte Spurstangenkraft eine gewichtete Kombination der ersten und zweiten Spurstangenkraft ist.
Hierdurch kann eine möglichst genaue Schätzung der Spurstangenkraft einer Lenkvorrichtung eines Fahrzeugs ermöglicht werden.
Die vorgesehene Produktnutzung ist für Steer-by-Wire Systeme, Road-Wheel-Aktuatoren und Intelligent Front/Rear Wheel Systeme vorgesehen.
Dabei kann das Verfahren zur Schätzung in einem Verfahren zum Betrieb eines Steer-By- Wire-Lenksystems mit einem Force-Feedback-Aktuator zur Erzeugung einer Feedback-Kraft an einem Lenkrad zur Anwendung kommen, wobei eine Spurstangenkraft gemäß einem der vorstehend erläuterten Ausführungsbeispiels des Verfahrens zur Schätzung der Spurstangenkraft geschätzt wird und der Force-Feedback-Aktuator in Abhängigkeit von der geschätzten Spurstangenkraft angesteuert wird.

Claims

Patentansprüche Verfahren zur Schätzung einer Spurstangenkraft einer Lenkvorrichtung eines Fahrzeugs mit folgenden Verfahrensschritten:
(a) Es werden zunächst aufgrund von Messwerten und/oder Sensorsignalen aus dem Fahrzeug zwei Modelle (1 , 2) ausgewertet, um jeweils eine erste und eine zweite Seitenkraft zu erhalten;
(b) Die erste und die zweite Seitenkraft wird jeweils anhand von Kenngrößen der Lenkgeometrie (3) in eine erste und eine zweite Spurstangenkraft umgerechnet;
(c) Die erste und die zweite Spurstangenkraft werden miteinander kombiniert, um eine dritte Spurstangenkraft zu erhalten, wobei die dritte Spurstangenkraft eine gewichtete Kombination der ersten und zweiten Spurstangenkraft ist. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass ein Geschwindigkeitsgrenzwert vorgegeben ist und in Verfahrensschritt (c) die erste Spurstangenkraft mit dem Faktor 1 und die zweite Spurstangenkraft mit dem Faktor 0 gewichtet wird, wenn die Geschwindigkeit des Fahrzeugs kleiner als der Geschwindigkeitsgrenzwert ist, und die erste Spurstangenkraft mit dem Faktor 0 und die zweite Spurstangenkraft mit dem Faktor 1 gewichtet wird, wenn die Geschwindigkeit des Fahrzeugs größer oder gleich dem Geschwindigkeitsgrenzwert ist. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass der Geschwindigkeitsgrenzwert in Abhängigkeit von einem Lenkwinkel und/oder einer Querbeschleunigung des Fahrzeugs ermittelt wird. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass eine von der Geschwindigkeit des Fahrzeugs abhängige Übergangsfunktion vorgegeben ist und die erste oder die zweite Spurstangenkraft mit der Übergangsfunktion gewichtet wird. Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass ein erster Geschwindigkeitsgrenzwert und ein zweiter Geschwindigkeitsgrenzwert vorgegeben ist und in Verfahrensschritt (c) a. die erste Spurstangenkraft mit dem Faktor 1 und die zweite Spurstangenkraft mit dem Faktor 0 gewichtet wird, wenn die Geschwindigkeit des Fahrzeugs kleiner als der erste Geschwindigkeitsgrenzwert ist, und b. die erste Spurstangenkraft mit dem Faktor 0 und die zweite Spurstangenkraft mit dem Faktor 1 gewichtet wird, wenn die Geschwindigkeit des Fahrzeugs größer oder gleich dem zweiten Geschwindigkeitsgrenzwert ist, und c. die erste oder die zweite Spurstangenkraft mit der Übergangsfunktion gewichtet wird, wenn die Geschwindigkeit des Fahrzeugs größer oder gleich dem ersten Geschwindigkeitsgrenzwert und kleiner als der zweite Geschwindigkeitsgrenzwert ist.
6. Verfahren nach einem der Ansprüche 4 oder 5, dadurch gekennzeichnet, dass die Übergangsfunktion eine ganzrationale Funktion ersten Grades oder zweiten Grades oder dritten Grades oder vierten Grades ist.
7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass die Übergangsfunktion einen oder mehrere Parameter aufweist und der oder die Parameter in einem dem Verfahrensschritt (a) vorausgehenden Kalibrierungsschritt ermittelt werden, insbesondere mittels einer regressionsanalytischen Schätzmethode, beispielsweise der Methode der kleinsten Quadrate.
8. Verfahren nach einem der Ansprüche 4 oder 5, dadurch gekennzeichnet, dass die Übergangsfunktion in einem dem Verfahrensschritt (a) vorausgehenden Kalibrierungsschritt ermittelt wird, insbesondere mittels Gaußprozess-Regression ermittelt wird.
9. Verfahren nach einem der Ansprüche 5 bis 8, dadurch gekennzeichnet, dass der erste und der zweite Geschwindigkeitsgrenzwert in einem dem Verfahrensschritt (a) vorausgehenden Kalibrierungsschritt ermittelt wird insbesondere mittels einer regressionsanalytischen Schätzmethode, beispielsweise der Methode der kleinsten
Quadrate, ermittelt wird. i[A5]
10. Verfahren nach einem der vorhergehenden Ansprüche, gekennzeichnet durch einen dem Schritt (c) nachfolgenden Verfahrensschritt (d):
(d) Die dritte Spurstangenkraft wird in einer Feinabstimmung (5) modifiziert, insbesondere gefiltert und/oder geglättet und/oder beschränkt.
11. Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass die Feinabstimmung in Verfahrensschritt (d) in Abhängigkeit vom Betriebszustand des Fahrzeugs erfolgt, insbesondere in Abhängigkeit von einer Geschwindigkeit des Fahrzeugs. Verfahren zum Betrieb eines Steer-By-Wire-Lenksystems mit einem Force- Feedback- Aktuator zur Erzeugung einer Feedback-Kraft an einem Lenkrad, wobei eine Spurstangenkraft gemäß einem Verfahren nach einem der vorhergehenden
Ansprüche geschätzt wird und der Force-Feedback-Aktuator in Abhängigkeit von der geschätzten Spurstangenkraft angesteuert wird.
PCT/DE2023/100603 2022-09-30 2023-08-16 Spurstangenkraftschätzung bei steer-by-wire-systemen mittels intelligentem modellübergang Ceased WO2024067902A1 (de)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
DE102022125272 2022-09-30
DE102022125272.8 2022-09-30
DE102023106248.4 2023-03-14
DE102023106248.4A DE102023106248A1 (de) 2022-09-30 2023-03-14 Spurstangenkraftschätzung bei Steer-by-Wire-Systemen mittels intelligentem Modellübergang

Publications (1)

Publication Number Publication Date
WO2024067902A1 true WO2024067902A1 (de) 2024-04-04

Family

ID=87845602

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE2023/100603 Ceased WO2024067902A1 (de) 2022-09-30 2023-08-16 Spurstangenkraftschätzung bei steer-by-wire-systemen mittels intelligentem modellübergang

Country Status (1)

Country Link
WO (1) WO2024067902A1 (de)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6499559B2 (en) * 1999-12-29 2002-12-31 Delphi Technologies, Inc. Method and system for improving motor vehicle stability incorporating an electric power steering system
DE102008042666A1 (de) * 2008-10-08 2010-05-06 Ford Global Technologies, LLC, Dearborn Lenkkraft Störgrößenkompensation
US20200023889A1 (en) * 2017-03-14 2020-01-23 Thyssenkrupp Presta Ag Estimating the rack force in a steer-by-wire system
DE102010030986B4 (de) 2010-07-06 2022-02-24 Robert Bosch Gmbh Verfahren zur Bestimmung einer Zahnstangenkraft für eine Lenkvorrichtung in einem Fahrzeug

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6499559B2 (en) * 1999-12-29 2002-12-31 Delphi Technologies, Inc. Method and system for improving motor vehicle stability incorporating an electric power steering system
DE102008042666A1 (de) * 2008-10-08 2010-05-06 Ford Global Technologies, LLC, Dearborn Lenkkraft Störgrößenkompensation
DE102010030986B4 (de) 2010-07-06 2022-02-24 Robert Bosch Gmbh Verfahren zur Bestimmung einer Zahnstangenkraft für eine Lenkvorrichtung in einem Fahrzeug
US20200023889A1 (en) * 2017-03-14 2020-01-23 Thyssenkrupp Presta Ag Estimating the rack force in a steer-by-wire system

Similar Documents

Publication Publication Date Title
DE3642049C2 (de)
DE102021206880B4 (de) Verfahren und Vorrichtung zur optimalen Parametrisierung eines Fahrdynamikregelungssystems für Fahrzeuge
DE102004001318B4 (de) System und Verfahren einer Steer-by-wire-Regelung für Fahrzeuge unter Verwendung einer robusten Regelung
DE69803606T2 (de) Verfahren zum vorhersagen der ueberschwingung in einem steuerungssystem
EP3713813B1 (de) Verfahren zum konfigurieren und zum steuern eines lenksystems, lenksystem und fahrzeug
EP3589531B1 (de) Betriebsverfahren für ein steer-by-wire-lenksystem, steuereinheit für ein steer-by-wire-lenksystem, steer-by-wire-lenksystem und fahrzeug
EP2590850A1 (de) Verfahren zur bestimmung einer zahnstangenkraft für eine lenkvorrichtung in einem fahrzeug
EP4028294B1 (de) Vorrichtung und verfahren zum schätzen eines strassenreibungskoeffizienten
DE10261727A1 (de) Steuersystem in Fuzzy-Logik für ein Rad eines Kraftfahrzeugs und Verfahren zum Implementieren einer Fuzzy-Logikeinheit für derartiges Rad eines Kraftfahrzeuges
DE102008030667A1 (de) Verfahren und Vorrichtung zum Schätzen von Parametern
DE4342057A1 (de) Verfahren zur Adaption der Regelparameter einer elektrohydraulischen Achse
DE102023106248A1 (de) Spurstangenkraftschätzung bei Steer-by-Wire-Systemen mittels intelligentem Modellübergang
DE4204047C2 (de) Verfahren und Vorrichtung zur Positionierung eines Stellers in einem Kraftfahrzeug
EP2318893A1 (de) Verfahren zum bereitstellen eines pilotwarn-signals für einen piloten eines flugzeuges, computerprogrammprodukt und warnvorrichtung
DE3742686A1 (de) Vorrichtung zur modellgefuehrten steuerung eines roboters
WO2024067902A1 (de) Spurstangenkraftschätzung bei steer-by-wire-systemen mittels intelligentem modellübergang
DE102021204995A1 (de) Verfahren zur Bestimmung eines Lenkhysteresebedarfs, Lenksystem, Computerprogrammprodukt und Speichermedium
DE102023205256A1 (de) Vorrichtung und Verfahren zum Herstellen eines Reglers
DE102021204996A1 (de) Verfahren zur Bestimmung eines Lenkdämpfungsbedarfs, Lenksystem, Computerprogrammprodukt und Speichermedium
WO2022189021A1 (de) Vorrichtung und verfahren zur beeinflussung eines fahrzeugverhaltens
DE102023210438B4 (de) Verfahren zum automatisierten Erzeugen eines individuellen Hydraulikkomponenten-Kennfelds für eine individuelle Hydraulikkomponente eines Hydraulikkomponenten-Typs
EP4500281B1 (de) Verfahren zur ermittlung einer reglerkonfiguration für ein antriebssystem, vorrichtung und antriebssystem
DE4202699A1 (de) Vorrichtung zur steuerung des lenkwinkels
DE102023209251B4 (de) Verfahren zur Steuerung eines Fahrzeuges, Lenksystem, Fahrzeug, Computerprogrammprodukt, computerlesbares Speichermedium
DE102017009031A1 (de) Verfahren zur objektiven Bewertung eines Querregelverhaltens eines aktiven Spurhaltesystems eines Fahrzeugs

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23761431

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 23761431

Country of ref document: EP

Kind code of ref document: A1