DE102007055639A1

DE102007055639A1 - Actual vehicle condition determining device, has evaluation and control unit evaluating and combining signals of sensor units for determining motion variables, where sensor units detect movement signals

Info

Publication number: DE102007055639A1
Application number: DE102007055639A
Authority: DE
Inventors: Markus Haid
Original assignee: Robert Bosch GmbH
Current assignee: Robert Bosch GmbH
Priority date: 2007-11-21
Filing date: 2007-11-21
Publication date: 2009-05-28

Abstract

The device has sensor units (10, 20, 30) for detecting movement signals, and an evaluation and control unit (1) implemented as a neural network with a filter device (40) for attribute generation, where the sensor units comprise identically designed sensors (12, 14, 22, 24, 32, 34) e.g. acceleration, pressure and knocking sensors. The evaluation and control unit evaluates and combines output signals of the sensor units for determining motion variables, which represents an actual vehicle condition.

Description

Stand der TechnikState of the art

Die Erfindung geht aus von einer Vorrichtung zur Ermittlung eines aktuellen Fahrzeugzustands nach der Gattung des unabhängigen Patentanspruchs 1.The The invention is based on a device for determining a current one Vehicle condition according to the preamble of the independent claim 1.

Aktive und passive Insassenschutzsysteme und Fußgängerschutzsysteme spielen bei der Fortentwicklung von Fahrzeugen eine immer größer werdende Rolle. Grundlage der aktiven Schutzsysteme bilden Sensorsysteme, die eine oder mehrere Sensoreinheiten umfassen, deren Signale zur Erkennung eines Aufpralls mit einem Fußgänger oder mit einem anderen Fahrzeug oder zur Erkennung eines Überschlags des Fahrzeugs von mindestens einem Fahrzeugsystem ausgewertet werden, um anschließend eine Fußgängerschutzvorrichtung, die beispielsweise Außenairbags an den A-Säulen, eine aktive Motorhaube usw. umfasst, oder eine Insassenschutzvorrichtung zu aktivieren, die Airbags, Gurtstraffer usw. umfasst. Für die Sensoreinheiten können die verschiedensten Sensorprinzipien, wie beispielsweise Beschleunigungs-, Druck-, Klopfsensoren, piezoelektrische und/oder optische Sensoren usw. benutzt werden.active and passive occupant protection systems and pedestrian protection systems play an ever larger role in the development of vehicles expectant role. The active protection systems are based on sensor systems, the one or more sensor units whose signals for Detecting a collision with a pedestrian or with another vehicle or to detect a rollover of the vehicle are evaluated by at least one vehicle system, followed by a pedestrian protection device, for example, external airbags on the A-pillars, an active hood, etc., or an occupant protection device which includes airbags, seatbelt pretensioners, etc. For the sensor units can handle a wide variety of sensor principles, such as acceleration, pressure, knock sensors, piezoelectric and / or optical sensors, etc. are used.

Mit der zunehmenden Verwendung von im Fahrzeug integrierten Sensoreinheiten besteht aus Kostengründen ein großes Interesse an der Verwendung von preisgünstigen Sensoren. In der Regel weisen kostengünstige Sensoren jedoch eine starke Sensordrift auf, die beispielsweise durch zufällige Nullpunktfehler (Offset, Bias) verursacht wird. Diese Nullpunktfehler entstehen beispielsweise aufgrund von Herstellungsungenauigkeiten, Temperaturänderungen, Umwelteinflüssen, Alterung usw.With the increasing use of in-vehicle sensor units is due to cost reasons, a great interest on the use of low-cost sensors. Usually However, inexpensive sensors have a strong sensor drift on, for example, by random zero error (Offset, bias) is caused. These zero errors occur for example due to manufacturing inaccuracies, temperature changes, Environmental influences, aging etc.

In der europäischen Patentschrift EP 0 934 855 B1 wird eine auf einem erweiterten Kalman-Filter basierende Überrollsensierung beschrieben. Eine beschriebene Überrollerfas sungsvorrichtung zum Vorhersagen eines Überschlagzustandes für ein Fahrzeug umfasst mehrere Sensoren zum Erfassen einer Rollrate, einer Nickrate, einer Längsbeschleunigung, einer Seitenbeschleunigung und einer Vertikalbeschleunigung des Fahrzeugs. Der Kalman-Filter wird verwendet, um aus den erfassten Sensorsignalen einen Rollwinkel und einen Nickwinkel abzuschätzen.In the European patent specification EP 0 934 855 B1 describes a roll-over sensing based on an extended Kalman filter. A described rollover detecting apparatus for predicting a rollover condition for a vehicle includes a plurality of sensors for detecting a roll rate, a pitch rate, a longitudinal acceleration, a lateral acceleration, and a vertical acceleration of the vehicle. The Kalman filter is used to estimate a roll angle and a pitch angle from the sensed sensor signals.

Offenbarung der ErfindungDisclosure of the invention

Die erfindungsgemäße Vorrichtung zur Ermittlung eines aktuellen Fahrzeugzustands mit den Merkmalen des unabhängigen Patentanspruchs 1 hat demgegenüber den Vorteil, dass eine Auswerte- und Steuereinheit als neuronales Netz mit einer Filtervorrichtung zur Merkmalsgenerierung und einer Merkmalsauswertvorrichtung ausgeführt ist und die Ausgabesignale der Sensoreinheiten zur Ermittlung von korrespondierenden Bewegungsgrößen, die den aktuellen Fahrzeugzustand repräsentieren, auswertet und kombiniert. Hierbei umfassen die mehreren Sensoreinheiten jeweils mindestens zwei baugleiche Sensoren, welche gleiche Bewegungssignale erfassen. Zudem leitet die Auswerte- und Steuereinheit den ermittelten Fahrzeugzustand an ein nachfolgendes Fahrzeugsystem weiter.The Inventive device for determining a current vehicle condition with the characteristics of the independent Patent claim 1 has the advantage that a Evaluation and control unit as a neural network with a filter device for feature generation and a feature evaluation device is and the output signals of the sensor units for determining corresponding movement quantities that are the current Represent vehicle status, evaluate and combine. In this case, the plurality of sensor units each comprise at least two identical sensors, which detect the same motion signals. In addition, the evaluation and control unit directs the determined vehicle condition to a subsequent vehicle system on.

Durch die Ausführung der Auswerte- und Steuereinheit als künstliches neuronales Netz, können viele Neuronen-Knoten miteinander vernetzt werden, die aus einfachen Schaltungen bestehen und als Ganzes wesentlich leistungsfähiger sind als die entsprechenden Einzelfunktionen. Hierbei durchlaufen die Eingangssignale in das neuronale Netz verschiedene Schichten, in denen die Signale jeweils kombiniert und modifiziert werden und entsprechende Ausgabesignale erzeugen. Ein entscheidender Vorteil der Ausführung der Auswerte- und Steuereinheit als neuronales Netz ist die Lernfähigkeit von neuronalen Netzen, durch welche die als neuronales Netz ausgeführte Auswerte- und Steuereinheit selbsttätig über Lernverfahren aus einem Eingangsmuster und einem gewollten Ausgangsmuster auf das zugrunde liegende dynamische System schließen kann.By the execution of the evaluation and control unit as artificial neural network, many neuron nodes can communicate with each other be networked, which consist of simple circuits and as Whole much more powerful than the corresponding ones Individual functions. Here, the input signals go through in the neural network different layers in which the signals combined respectively and modified and generate corresponding output signals. A decisive advantage of the execution of the evaluation and control unit as a neural network is the learning ability of neural networks through which the neural network is executed Evaluation and control unit automatically via learning process from an input pattern and a desired output pattern on the underlying dynamic system can close.

Durch die Kombination bzw. Fusion der Signale von mehreren Sensoren und Sensoreinheiten kann die reale Umwelt oder das Verhalten des Fahrzeugs in vorteilhafter Weise exakter rekonstruiert werden. So kann die erfindungsgemäße Vorrichtung über einen Satz von Stützgrößen andere Messgrößen so korrigieren, dass mit ihnen eine höhere Genauigkeit erreicht werden kann, als wenn man die Messgrößen alleine auswerten würde. Dabei wird auf Sensoren zurückgegriffen, die teils komplementär arbeiten und einen Informati onsgewinn bei der Verarbeitung auf verschiedenen Stufen der Kombination bzw. Fusion bieten. Über die Kombination verschiedener Sensoren können darüber hinaus Informationen gewonnen werden, die mit einem einzelnen Sensor bzw. einer einzelnen Sensoreinheit nicht zu erfassen sind. Zudem können durch die erfindungsgemäße Vorrichtung der Messbereich vergrößert und/oder die Messgenauigkeit in einem relevanten Intervall gesteigert werden. Des Weiteren ergibt sich durch redundante Messwerte und Sensoren eine gesteigerte Ausfallsicherheit. Die erfindungsgemäße Vorrichtung kombiniert in vorteilhafter Weise die verschiedenen Informationen aus den Messwerten oder den gewonnenen Zwischengrößen. So ist es beispielsweise möglich, dass situationsabhängig eine unterschiedliche Kombination von Sensoren verwendet werden kann. Die einzelnen Sensoreinheiten verwenden zur Erfassung der Bewegungssignals kostengünstige Sensoren, deren Messfehler durch die Auswerte- und Steuereinheit in vorteilhafter Weise deutlich reduziert werden können, so dass die Leistungsfähigkeit der verwendeten Sensoreinheiten erhöht werden kann und der negative Einfluss der stochastischen Sensordrift der Sensoren reduziert werden kann.By combining or merging the signals from a plurality of sensors and sensor units, the real environment or the behavior of the vehicle can advantageously be reconstructed more accurately. Thus, the device according to the invention can correct other measured quantities via a set of support variables in such a way that a higher accuracy can be achieved with them than if the measured variables were evaluated on their own. In this case, recourse is made to sensors which work partly in a complementary manner and offer an information gain during processing at different stages of the combination or fusion. In addition, information can be obtained via the combination of different sensors that can not be detected with a single sensor or a single sensor unit. In addition, the measuring range can be increased by the device according to the invention and / or the measurement accuracy can be increased in a relevant interval. Furthermore, redundant measured values and sensors result in increased reliability. The device according to the invention advantageously combines the various information from the measured values or the intermediate quantities obtained. For example, it is possible that, depending on the situation, a different combination of sensors can be used. The individual sensor units use for Detecting the motion signal cost-effective sensors whose measurement errors can be significantly reduced by the evaluation and control unit in an advantageous manner, so that the performance of the sensor units used can be increased and the negative influence of the stochastic sensor drift of the sensors can be reduced.

Durch die in den abhängigen Ansprüchen aufgeführten Maßnahmen und Weiterbildungen sind vorteilhafte Verbesserungen der im unabhängigen Patentanspruch 1 angegebenen Vorrichtung zur Ermittlung eines aktuellen Fahrzeugzustands möglich.By those listed in the dependent claims Measures and developments are advantageous improvements the device specified in the independent claim 1 to determine a current vehicle condition possible.

Besonders vorteilhaft ist, dass die Filtervorrichtung mehrere Filtereinheiten umfasst, von denen die Auswerte- und Steuereinheit mindestens eine Filtereinheit zur Schätzung des Fahrzeugzustands auswählt. Die Auswerte- und Steuereinheit kann die mindestens eine Filtereinheit zur Schätzung des Fahrzeugzustands beispielsweise in Abhängigkeit von einem Gütekriterium auswählen. Im realen Fahrzeug tritt eine Vielzahl von Arbeitspunkten auf, die mit nur einer statischen Filtereinheit nicht ausreichend erfasst werden können. Daher werden in der Filtervorrichtung mehrere Filtereinheiten für verschiedene Sensor- und Stützkonfigurationen und mit verschiedenen Parametersätzen ausgelegt, die parallel laufen, anstatt eine Filtereinheit so auszulegen, dass sie den besten Kompromiss aus allen Arbeitspunkten darstellt. Die Auswerte- und Steuereinheit bestimmt dann anhand eines Gütekriteriums, welche Filtereinheit an den Systemausgang geleitet wird, bzw. das Verhältnis, mit dem die Ergebnisse der einzelnen Filtereinheiten gemischt werden.Especially It is advantageous that the filter device several filter units includes, of which the evaluation and control unit at least one Selects a filter unit to estimate the vehicle condition. The evaluation and control unit, the at least one filter unit for example, to estimate the state of the vehicle depending on from a quality criterion. In the real vehicle occurs a variety of working points, with only one static Filter unit can not be detected sufficiently. Therefore, in the filter device several filter units for different sensor and support configurations and with different ones Parameter sets designed to run in parallel instead to design a filter unit that gives you the best compromise representing all working points. The evaluation and control unit then determines, based on a quality criterion, which filter unit is passed to the system output, or the ratio, with which the results of the individual filter units are mixed.

Zusätzlich oder alternativ kann die Auswerte- und Steuereinheit die Ausgabe der mindestens einen Filtereinheit mit einem Gewichtungsfaktor bewerten und/oder die Ausgaben von mehreren Filtereinheiten miteinander kombinieren. Die einzelnen Filtereinheiten können mit unterschiedlichen mathematischen Modellen und/oder verschiedenen stochastische Annahmen eingerichtet werden. Für die ermittelten Zustände der einzelnen Filtereinheiten können anschließend entsprechende Gewichtungsfaktoren bestimmt werden.additionally or alternatively, the evaluation and control unit can output the at least one filter unit with a weighting factor evaluate and / or combine the outputs of several filter units. The individual filter units can with different mathematical models and / or different stochastic assumptions be set up. For the determined states the individual filter units can subsequently corresponding weighting factors are determined.

In weiterer Ausgestaltung der erfindungsgemäßen Vorrichtung kann die Filtervorrichtung einen Fuzzy-Filter umfassen, welcher die eingegebenen Signale beispielsweise über Wenn-dann-Bedingungen verarbeitet und anschließend an die Merkmalsauswertevorrichtung ausgibt. Die erkannten Merkmale, die von einem Sensor bzw. einer Sensoreinheit oder von mehreren Sensoren bzw. Sensoreinheiten detektiert werden, bilden anschließend eine Ausgabe, welche die Grundlage für eine Adaption der Filtervorrichtung bilden kann.In further embodiment of the device according to the invention For example, the filter device may comprise a fuzzy filter which For example, the input signals are processed via if-then conditions and then outputs to the feature evaluation device. The recognized features of a sensor or a sensor unit or detected by several sensors or sensor units, then form an issue which is the foundation for an adaptation of the filter device can form.

In Ausgestaltung der erfindungsgemäßen Vorrichtung erkennt die als neuronales Netz ausgeführte Auswerte- und Steuereinheit durch Auswerten und Kombinieren von Ausgabesignalen der Sensoreinheiten charakteristische Größen und/oder Muster. Zudem kann die als neuronales Netz ausgeführte Auswerte- und Steuereinheit vorgegebene Signalverläufe der Ausgabesignale der Sensoreinheiten und/oder vorgegebene Bewegungsmuster des Fahrzeugs erkennen. Des Weiteren kann die Auswerte- und Steuereinheit aus den erkannten vorgegebenen Signalverläufen und/oder den erkannten vorgegebenen Bewegungsmustern, beispielsweise mit einer geschätzten Schrittweite, Stützinformationen zur Bestimmung des Fahrzeugzustands berechnen. Durch den Fuzzy-Filter kann auch auf einfache Art die Plausibilität eines Messwertes überprüft werden. Treten unerwartete Zustände ein, so kann diese Größe entweder vom Auswerteprozess ausgeschlossen oder durch eine andere Größe substituiert werden. So kann die als neuronales Netz ausgeführte Auswerte- und Steuereinheit beispielsweise Störungen und/oder Signale aus den Ausgabesignalen der Sensoreinheiten entfernen, die aufgrund der kinematischen und/oder dynamischen Eigenschaften des Fahrzeugs unmöglich sind. Ein großer Vorteil des Fuzzy-Filters sind die einfachen Formulierungen, beispielsweise über linguistische Ausdrücke, die wesentlich einfacher aufgestellt werden können als die beispielsweise für einen Kalman-Filter erforderlichen Wahrscheinlichkeiten.In Embodiment of the device according to the invention recognizes the evaluation and execution of the neural network Control unit by evaluating and combining output signals the sensor units characteristic sizes and / or Template. In addition, the evaluation process performed as a neural network can and control unit predetermined signal waveforms of the output signals the sensor units and / or predetermined movement pattern of the vehicle detect. Furthermore, the evaluation and control unit off the detected predetermined signal waveforms and / or the recognized predetermined movement patterns, for example, with an estimated Step size, support information for determining the vehicle state to calculate. The fuzzy filter can also be used in a simple way Plausibility of a measured value checked become. If unexpected conditions occur, they can Size excluded either from the evaluation process or substituted by another size. Thus, the evaluated as neural network evaluation and Control unit, for example, interference and / or signals remove from the output signals of the sensor units due to the kinematic and / or dynamic properties of the vehicle are impossible. A big advantage of the fuzzy filter are the simple phrases, for example about Linguistic expressions that are much easier to set up can be as the example for one Kalman filters required probabilities.

In weiterer Ausgestaltung der erfindungsgemäßen Vorrichtung ist die Auswerte- und Steuereinheit als rückgekoppeltes neuronales Netz ausgeführt. Durch die Ausführung der Auswerte- und Steuereinheit als rückgekoppeltes neuronales Netz kann in vorteilhafter Weise das ganze Fehlerverhalten der angeschlossenen Sensoren bzw. Sensoreinheiten erlernt werden, so dass die Nullpunktfehler der Sensoren bzw. Sensoreinheiten keine stochastischen Größen mehr sind, die von der Filtervorrichtung zu korrigieren sind, sondern vom neuronalen Netz berücksichtigte Eigenschaften der angeschlossenen Sensoren bzw. Sensoreinheiten entsprechen. Unter der Annahme, dass die verwendeten Sensoren bzw. Sensoreinheiten gleiche Rausch- und Driftverhalten aufweisen, muss das neuronale Netz nur einmal eingelernt und abgestimmt werden. Als "ausgelerntes und statisches Netz" kann es dann in der Auswerte- und Steuereinheit implementiert werden.In further embodiment of the device according to the invention is the evaluation and control unit as fed back neural network executed. By the execution the evaluation and control unit as a feedback neural Network can advantageously the whole fault behavior of the connected Sensors or sensor units are learned, so that the zero point error the sensors or sensor units no stochastic sizes are more, which are to be corrected by the filter device, but Properties of the connected sensors considered by the neural network or sensor units correspond. Assuming that used Sensors or sensor units have the same noise and drift behavior, the neural network needs to be trained and tuned only once. As a "trained and static network" it can then in the evaluation and Control unit to be implemented.

Vorteilhafte Ausführungsformen der Erfindung sind in den Zeichnungen dargestellt und werden nachfolgend beschrieben. In den Zeichnungen bezeichnen gleiche Bezugszeichen Komponenten bzw. Elemente, die gleiche bzw. analoge Funktionen ausführen.advantageous Embodiments of the invention are in the drawings and are described below. Denote in the drawings same reference signs components or elements, the same or perform analog functions.

Kurze Beschreibung der ZeichnungenBrief description of the drawings

1 zeigt ein schematisches Blockdiagramm eines ersten Ausführungsbeispiels einer erfindungsgemäßen Vorrichtung zur Ermittlung eines aktuellen Fahrzeugzustands. 1 shows a schematic block diagram of a first embodiment of a device according to the invention for determining a current vehicle state.

2 zeigt ein schematisches Blockdiagramm eines zweiten Ausführungsbeispiels einer erfindungsgemäßen Vorrichtung zur Ermittlung eines aktuellen Fahrzeugzustands. 2 shows a schematic block diagram of a second embodiment of a device according to the invention for determining a current vehicle state.

Ausführungsformen der Erfindungembodiments the invention

Wie aus 1 ersichtlich ist, umfasst eine erfindungsgemäße Vorrichtung zur Ermittlung eines aktuellen Fahrzeugzustands gemäß einem ersten Ausführungsbeispiel mehrere Sensoreinheiten 10, 20, 30 zur Erfassung von Bewegungssignalen, von denen beispielhaft drei Sensoreinheiten 10, 20, 30 dargestellt sind, und eine als neuronales Netz ausgeführte Auswerte- und Steuereinheit 1, welche die von den Sensoreinheiten 10, 20, 30 erfassten Bewegungssignale zur Ermittlung des aktuellen Fahrzeugzustands auswertet und den ermittelten Fahrzeugzustand, beispielsweise in Form von bereinigten Bewegungsgrößen, die beispielsweise Beschleunigungen a und Drehraten ω umfassen, an ein nachfolgendes Fahrzeugsystem 50 weiterleitet. Das Fahrzeugsystem 50 umfasst beispielsweise aktive und passive Insassenschutzsysteme, die beispielsweise Airbags, Gurtstraffer usw. umfassen, und Fußgängerschutzsysteme, die beispielsweise Außenairbags an den A-Säulen, eine aktive Motorhaube usw. umfassen. Die Sensoreinheiten 10, 20, 30 umfassen jeweils mindestens zwei baugleiche Sensoren 12, 14, 22, 24, 32, 34, wobei die beiden baugleichen Sensoren 12, 14, 22, 24, 32, 34 einer Sensoreinheit 10, 20, 30 jeweils die gleichen Bewegungssignale erfassen. Die Ausgabesignale der Sensoreinheiten 10, 20, 30 werden von der Auswerte- und Steuereinheit 1 zur Ermittlung von korrespondierenden Bewegungsgrößen ausgewertet und kombiniert. Für die einzelnen Sensoren 12, 14, 22, 24, 32, 34 der Sensoreinheiten 10, 20, 30 können die verschiedensten Sensorprinzipien, wie Beschleunigungs-, Druck-, Klopfsensoren, piezoelektrische und/oder optische Sensoren usw. benutzt werden.How out 1 can be seen, a device according to the invention for determining a current vehicle state according to a first embodiment comprises a plurality of sensor units 10 . 20 . 30 for detecting motion signals, of which, for example, three sensor units 10 . 20 . 30 are shown, and designed as a neural network evaluation and control unit 1 which are those of the sensor units 10 . 20 . 30 detected motion signals to determine the current vehicle state evaluates and the determined vehicle condition, for example in the form of adjusted quantities of motion, for example, accelerations a and yaw rates ω include, to a subsequent vehicle system 50 forwards. The vehicle system 50 includes, for example, active and passive occupant protection systems that include, for example, airbags, seatbelt pretensioners, etc., and pedestrian protection systems that include, for example, outer airbags on the A-pillars, an active hood, and so on. The sensor units 10 . 20 . 30 each comprise at least two identical sensors 12 . 14 . 22 . 24 . 32 . 34 , where the two identical sensors 12 . 14 . 22 . 24 . 32 . 34 a sensor unit 10 . 20 . 30 each capture the same motion signals. The output signals of the sensor units 10 . 20 . 30 be from the evaluation and control unit 1 evaluated and combined to determine corresponding motion quantities. For the individual sensors 12 . 14 . 22 . 24 . 32 . 34 the sensor units 10 . 20 . 30 A variety of sensor principles, such as acceleration, pressure, knock sensors, piezoelectric and / or optical sensors, etc. can be used.

Wie aus 1 weiter ersichtlich ist, umfasst die als neuronales Netz ausgeführte Auswerte- und Steuereinheit 1 eine Filtervorrichtung 40 zur Merkmalsgenerierung und eine Merkmalsauswertvorrichtung 45. Die Ausgabesignale der Sensoreinheiten 10, 20, 30 werden zur Ermittlung von korrespondierenden Bewegungsgrößen a, ω, die den aktuellen Fahrzeugzustand repräsentieren, von der Auswerte- und Steuereinheit 1 ausgewertet und kombiniert. Zur Merkmalsgenerierung umfasst die Filtervorrichtung 40 mehrere Filtereinheiten 60, von denen die Auswerte- und Steuereinheit 1 mindestens eine Filtereinheit 60 zur Schätzung des Fahrzeugzustands auswählt. Die Auswahl der mindestens einen Filtereinheit 60 erfolgt beispielsweise in Abhängigkeit von einem Gütekriterium, wobei die Auswerte- und Steuereinheit 1 die Ausgabe der einzelnen Filtereinheiten 60 zusätzlich mit einem Gewichtungsfaktor bewerten und/oder die Ausgaben von mehreren Filtereinheiten 60 miteinander kombinierten kann. In den Filtereinheiten 60 kann jeweils ein Filtermodell implementiert werden, wobei die Auswerte- und Steuereinheit 1 beispielsweise in Abhängigkeit von angegebenen Übergangswahrscheinlichkeiten zwischen den verschiedenen Filtereinheiten 60 umschalten kann. Zusätzlich oder alternativ kann die Auswerte- und Steuereinheit 1 mindestens einen Einstellparameter der Filtervorrichtung 40 zur Laufzeit anpassen.How out 1 can be further seen comprises the designed as a neural network evaluation and control unit 1 a filter device 40 for feature generation and a feature evaluation device 45 , The output signals of the sensor units 10 . 20 . 30 are used by the evaluation and control unit to determine corresponding movement quantities a, ω, which represent the current vehicle state 1 evaluated and combined. To generate the feature, the filter device comprises 40 several filter units 60 , of which the evaluation and control unit 1 at least one filter unit 60 to estimate the vehicle condition. The selection of the at least one filter unit 60 takes place, for example, as a function of a quality criterion, wherein the evaluation and control unit 1 the output of the individual filter units 60 Additionally, evaluate with a weighting factor and / or the outputs of multiple filter units 60 combined with each other. In the filter units 60 In each case, a filter model can be implemented, wherein the evaluation and control unit 1 for example, depending on specified transition probabilities between the different filter units 60 can switch. Additionally or alternatively, the evaluation and control unit 1 at least one adjustment parameter of the filter device 40 adjust at runtime.

Die Daten eines einzelnen Sensors 12, 14, 22, 24, 32, 34 spiegeln in der Regel nicht die reale Umwelt oder das Verhalten des Fahrzeugs wieder. Daher versucht die erfindungsgemäße Vorrichtung über eine Kombination bzw. Fusion der einzelnen Sensorsignale von verschiedenen Sensoren 12, 14, 22, 24, 32, 34 dieses Verhalten möglichst exakt zu rekonstruieren. Eine wesentliche Funktion der erfindungsgemäßen Vorrichtung besteht darin, über einen Satz von Stützgrößen andere Messgrößen so zu korrigieren, dass mit ihnen eine höhere Genauigkeit erreicht wird, als wenn man die Messgrößen alleine auswerten würde. Dabei wird auf Sensoren 12, 14, 22, 24, 32, 34 zurückgegriffen, die teils komple mentär arbeiten und einen Informationsgewinn bei der Verarbeitung auf verschiedenen Stufen der Kombination bzw. Fusion bieten. Über die Kombination verschiedener Sensoren 12, 14, 22, 24, 32, 34 können darüber hinaus Informationen gewonnen werden, die mit einem einzelnen Sensor nicht zu erfassen sind. Weitere Ziele sind die Vergrößerung des Messbereiches oder die Steigerung der Messgenauigkeit in einem relevanten Intervall. Auch Aspekte wie gesteigerte Ausfallsicherheit durch redundante Messwerte und Sensoren 12, 14, 22, 24, 32, 34 können über die erfindungsgemäße Vorrichtung berücksichtigt werden.The data of a single sensor 12 . 14 . 22 . 24 . 32 . 34 usually do not reflect the real environment or the behavior of the vehicle. Therefore, the device according to the invention attempts a combination or fusion of the individual sensor signals from different sensors 12 . 14 . 22 . 24 . 32 . 34 to reconstruct this behavior as exactly as possible. An essential function of the device according to the invention is to correct other measured quantities via a set of support variables in such a way that a higher accuracy is achieved with them than if the measured variables alone were evaluated. This is based on sensors 12 . 14 . 22 . 24 . 32 . 34 some of which are complementary and offer an information gain in processing at various stages of the combination or merger. About the combination of different sensors 12 . 14 . 22 . 24 . 32 . 34 In addition, information can be obtained that can not be detected with a single sensor. Further goals are the enlargement of the measuring range or the increase of the measuring accuracy in a relevant interval. Also aspects such as increased reliability through redundant measured values and sensors 12 . 14 . 22 . 24 . 32 . 34 can be taken into account via the device according to the invention.

Die Architektur der erfindungsgemäßen Vorrichtung beschreibt die logische und formale Kombination der verschiedenen Informationen aus den Messwerten oder gewonnenen Zwischengrößen. Sie hängt entscheidend von der verfügbaren Sensorik mit ihrer Charakteristik und dem Ziel der Fusion ab. Weitere Überlegungen zur Struktur ergeben sich aus der Komplexität des Problems und problemspezifischen Anpassungen. So ist es möglich, dass situationsabhängig eine unterschiedliche Kombination von Sensoren 12, 14, 22, 24, 32, 34 verwendet wird. Die Signale der Sensoren 12, 14, 22, 24, 32, 34 werden über eine Filtereinheit 60 oder mehrere parallele Filtereinheiten 60 geführt. Diese Filtereinheiten 60 dienen der Merkmalsgenerierung. So können beispielsweise mit einem Hochpass-Filter, der auf die Beschleunigungssensoren angewendet wird, Stöße erkannt werden, die einer Störung im Algorithmus entsprechen.The architecture of the device according to the invention describes the logical and formal combination of the various information from the measured values or intermediate quantities obtained. It depends crucially on the available sensors with their characteristics and the goal of the merger. Further considerations of the structure result from the complexity of the problem and problem-specific adjustments. So it is possible that, depending on the situation, a different combination of sensors 12 . 14 . 22 . 24 . 32 . 34 is used. The signals of the sensors 12 . 14 . 22 . 24 . 32 . 34 be via a filter unit 60 or more parallel filter units 60 guided. These filter units 60 the of the feature generation. For example, with a high-pass filter applied to the acceleration sensors, shocks corresponding to a disturbance in the algorithm can be detected.

Durch die Ausführung der Auswerte- und Steuereinheit 1 als neuronales Netz können vieler Neuronen-Knoten, die aus einfachen Schaltungen bestehen und als Ganzes wesentlich leistungsfähiger sind als die Einzelfunktion, mit einander verknüpft werden. Dabei durchlaufen die Eingangssignale in die als neuronales Netz ausgeführte Auswerte- und Steuereinheit 1 verschiedene Schichten, in denen die Signale jeweils kombiniert und modifiziert werden und schließlich entsprechende Ausgabesignale erzeugen. Ein entscheidender Vorteil dieser als neuronales Netz ausgeführten Auswerte- und Steuereinheit 1 ist die Lernfähigkeit von neuronalen Netzen, durch welche die Auswerte- und Steuereinheit 1 selbsttätig über Lernverfahren aus einem Eingangsmuster und einem gewollten Ausgangsmuster auf das zugrunde liegende dynamische System schließen kann.By the execution of the evaluation and control unit 1 As a neural network, many neuron nodes, consisting of simple circuits and as a whole much more powerful than the single function, can be linked together. The input signals pass through into the evaluation and control unit designed as a neural network 1 different layers in which the signals are each combined and modified and finally generate corresponding output signals. A decisive advantage of this designed as neural network evaluation and control unit 1 is the learning ability of neural networks through which the evaluation and control unit 1 can automatically deduce learning patterns from an input pattern and a desired output pattern to the underlying dynamic system.

Eine der Stärken von der als neuronales Netz ausgeführten Auswerte- und Steuereinheit 1 liegt in der Fähigkeit, auch komplexe Muster zu erkennen. Wenn verschiedene Muster zu Merkmalen klassifiziert werden, können diese gewonnenen Merkmale als Basis für eine Adaption der Filtervorrichtung 40 dienen. So kann eine adaptive Filtervorrichtung 40 auf Basis neuronaler Netze beispielsweise zur Erkennung von charakteristischen Größen und Mustern im Eingangssignal eines inertialen Systems dienen. So kann die als neuronales Netz ausgeführte Auswerte- und Steuervorrichtung 1 zur Erkennung von bestimmten Bewegungsmustern des Fahrzeugs bzw. Signalverläufen bei einem Crash dienen, wenn im Fahrzeug ein inertiales System installiert ist, wobei aus den erkannten Bewegungsmustern bzw. Signalverläufen mit einer geschätzten Schrittweite Stützinformationen für den eigentlichen Signalverlauf berechnet werden können.One of the strengths of the neural network running evaluation and control unit 1 lies in the ability to recognize even complex patterns. When different patterns are classified as features, these obtained features can be used as a basis for adapting the filter device 40 serve. So can an adaptive filter device 40 on the basis of neural networks, for example, to recognize characteristic quantities and patterns in the input signal of an inertial system. Thus, the running as a neural network evaluation and control device 1 serve for the detection of certain movement patterns of the vehicle or signal curves in the event of a crash when an inertial system is installed in the vehicle, it being possible to calculate support information for the actual signal course from the detected movement patterns or signal curves with an estimated step size.

Zudem kann die als neuronales Netz ausgeführte Auswerte- und Steuereinheit 1 verwendet werden, um basierend auf der Mustererkennung Störungen wie ein Ruck und/oder ein Stoß aus den Ausgabesignalen der Sensoren 12, 14, 22, 24, 32, 34 bzw. Sensoreinheiten 10, 20, 30 zu filtern und/oder zu entfernen, die aufgrund der kinematischen und dynamischen Eigenschaften des Fahrzeugs nicht möglich sind. Es lassen sich auch wesentlich komplexere Filter realisieren, als dies mit einfachen Tief- oder Hochpässen der Fall ist. Dies wäre im vorliegenden Anwendungsfall mit den stark rauschbehafteten Ausgabesignalen der kostengünstigen Sensoren 12, 14, 22, 24, 32, 34 bzw. Sensoreinheiten 10, 20, 30 sehr vorteilhaft, um die starke Sensordrift, die beispielsweise durch zufällige Nullpunktfehler (Offset, Bias) verursacht wird, zu kompensieren. Diese Nullpunktfehler entstehen beispielsweise aufgrund von, Herstellungsungenauigkeiten, Temperaturänderungen, Umwelteinflüssen, Alterung usw.In addition, the executed as a neural network evaluation and control unit 1 may be used to detect disturbances such as a jerk and / or shock from the output signals of the sensors based on the pattern recognition 12 . 14 . 22 . 24 . 32 . 34 or sensor units 10 . 20 . 30 to filter and / or remove, which are not possible due to the kinematic and dynamic properties of the vehicle. It can also realize much more complex filters, as is the case with simple low or high passes. This would be in the present application with the highly noisy output signals of low-cost sensors 12 . 14 . 22 . 24 . 32 . 34 or sensor units 10 . 20 . 30 very beneficial to compensate for the strong sensor drift caused by, for example, random bias errors (bias). These zero errors occur, for example, due to manufacturing inaccuracies, temperature changes, environmental influences, aging, etc.

Durch die Ausführung als ein rückgekoppeltes neuronales Netz kann die Auswerte- und Steuereinheit 1 Rauschsignale aus den Ausgabesignalen der kostengünstigen Sensoren 12, 14, 22, 24, 32, 34 bzw. Sensoreinheiten 10, 20, 30 entfernen. Zudem könnte die Auswerte- und Steuereinheit 1 bei einer solchen Ausführung sogar das gesamte Fehlerverhalten der angeschlossenen Sensoren 12, 14, 22, 24, 32, 34 bzw. Sensoreinheiten 10, 20, 30 erlernen. Mit dieser Umsetzung sind die Nullpunktfehler der beispielsweise als Gyroskope und/oder Beschleunigungssensoren ausgeführten Sensoren 12, 14, 22, 24, 32, 34 bzw. Sensoreinheiten 10, 20, 30 keine stochastischen Größen mehr, die von der Filtervorrichtung 40 zu korrigieren sind, sondern entsprechen den von der als neuronales Netz ausgeführten Auswerte- und Steuereinheit 1 berücksichtigten Eigenschaften der Sensoren 12, 14, 22, 24, 32, 34 bzw. Sensoreinheiten 10, 20, 30, die mit deren Rauschen vergleichbar sind. Entsprechend der erfindungsgemäßen Vorrichtung werden die Messwerte der Sensoren 12, 14, 22, 24, 32, 34 bzw. Sensoreinheiten 10, 20, 30 in der als neuronales Netz ausgeführten Auswerte- und Steuereinheit 1 gefiltert und korrigiert, wobei optional gleichzeitig die Signale eines Kompasses und/oder einer Odometrie berücksichtigt werden können. Am Ausgang stellt die als neuronales Netz ausgeführte Auswerte- und Steuereinheit 1 die bereinigten Drehraten ω und Beschleunigungen a bereit, die dann dem Fahrzeugsystem 50 zugeführt werden. Unter der Annahme, dass die verwendeten Sensoren gleiches Rausch- und Driftverhalten aufweisen, muss das neuronale Netz nur einmal eingelernt und abgestimmt werden. Als "ausgelerntes und statisches Netz" kann es dann in der Auswerte- und Steuereinheit 1 implementiert werden.Due to the execution as a feedback neural network, the evaluation and control unit 1 Noise signals from the output signals of the low-cost sensors 12 . 14 . 22 . 24 . 32 . 34 or sensor units 10 . 20 . 30 remove. In addition, the evaluation and control unit could 1 in such an embodiment, even the entire fault behavior of the connected sensors 12 . 14 . 22 . 24 . 32 . 34 or sensor units 10 . 20 . 30 learn. With this implementation, the zero-point errors of the example designed as gyroscopes and / or acceleration sensors sensors 12 . 14 . 22 . 24 . 32 . 34 or sensor units 10 . 20 . 30 no more stochastic sizes coming from the filter device 40 are to be corrected, but correspond to those of the designed as a neural network evaluation and control unit 1 considered properties of the sensors 12 . 14 . 22 . 24 . 32 . 34 or sensor units 10 . 20 . 30 that are comparable to their noise. According to the device according to the invention, the measured values of the sensors 12 . 14 . 22 . 24 . 32 . 34 or sensor units 10 . 20 . 30 in the evaluation and control unit designed as a neural network 1 filtered and corrected, whereby optionally the signals of a compass and / or an odometry can be considered at the same time. At the output, the evaluation and control unit is designed as a neural network 1 the adjusted yaw rates ω and accelerations a ready, which then the vehicle system 50 be supplied. Assuming that the sensors used have the same noise and drift behavior, the neural network only has to be trained and tuned once. As a "trained and static network" it can then in the evaluation and control unit 1 be implemented.

Wie aus 2 ersichtlich ist, umfasst eine erfindungsgemäße Vorrichtung zur Ermittlung eines aktuellen Fahrzeugzustands gemäß einem zweiten Ausführungsbeispiel analog zum ersten Ausführungsbeispiel mehrere Sensoreinheiten 10, 20, 30 zur Erfassung von Bewegungssignalen und eine als neuronales Netz ausgeführte Auswerte- und Steuereinheit 1', welche die von den Sensoreinheiten 10, 20, 30 erfassten Bewegungssignale zur Ermittlung des aktuellen Fahrzeugzustands auswertet und den ermittelten Fahrzeugzustand, beispielsweise in Form von bereinigten Bewegungsgrößen, die beispielsweise Beschleunigungen a und Drehraten ω umfassen, an ein nachfolgendes Fahrzeugsystem 50 weiterleitet. Analob zum ersten Ausführungsbeispiel umfassen die Sensoreinheiten 10, 20, 30 jeweils mindestens zwei baugleiche Sensoren 12, 14, 22, 24, 32, 34. Die Ausgabesignale der Sensoreinheiten 10, 20, 30 werden von der Auswerte- und Steuereinheit 1' zur Ermittlung von korrespondierenden Bewegungsgrößen ausgewertet und kombiniert.How out 2 can be seen, a device according to the invention for determining a current vehicle state according to a second embodiment, analogous to the first embodiment comprises a plurality of sensor units 10 . 20 . 30 for detecting motion signals and an evaluation and control unit designed as a neural network 1' which are those of the sensor units 10 . 20 . 30 detected motion signals to determine the current vehicle state evaluates and the determined vehicle condition, for example in the form of adjusted quantities of motion, for example, accelerations a and yaw rates ω include, to a subsequent vehicle system 50 forwards. Analogs to the first embodiment include the sensor units 10 . 20 . 30 in each case at least two identical sensors 12 . 14 . 22 . 24 . 32 . 34 , The output signals of the sensor units 10 . 20 . 30 be from the evaluation and control unit 1' evaluated and combined to determine corresponding motion quantities.

Analog zu dem in 1 dargestellten ersten Ausführungsbeispiel umfasst die als neuronales Netz ausgeführte Auswerte- und Steuereinheit 1' des in 2 dargestellten zweiten Ausführungsbeispiels eine Filtervorrichtung 40' zur Merkmalsgenerierung und eine Merkmalsauswertvorrichtung 45. Im Unterschied zum ersten Ausführungsbeispiel umfasst die Filtervorrichtung 40' des zweiten Ausführungsbeispiels zusätzlich zu den Filtereinheiten 60 einen Fuzzy-Filter 42. Die von den Filtereinheiten 60 aufbereiteten Signale werden vom Fuzzy-Filter 42 über Wenn-dann-Bedingungen verarbeitet und anschließend an die Merkmalsauswertvorrichtung 45 ausgegeben. Die erkannten Merkmale, die von einem Sensor 12, 14, 22, 24, 32, 34 bzw. einer Sensoreinheit 10, 20, 30 oder von mehreren Sensoren 12, 14, 22, 24, 32, 34 bzw. Sensoreinheiten 10, 20, 30 detektiert werden, bilden anschließend die Grundlage für die Erkennung des aktuellen Fahrzeugzustands. Über den Fuzzy-Filter 42 kann auf einfache Art die Plausibilität eines Messwertes überprüft werden. Treten unerwartete Zustände ein, so kann diese Größe entweder vom Aus werteprozess ausgeschlossen oder durch eine andere Größe substituiert werden. Ein großer Vorteil des Fuzzy-Filters 42 besteht in der einfachen Formulierung, beispielsweise über linguistische Ausdrücke. Eine mögliche Kombination von linguistischen Ausdrücken ist beispielhaft in Gleichung (1) dargestellt. WENN(Merkmal a groß) UND (Merkmal b klein) DANN (c ist klein) (1) Analogous to the in 1 The first exemplary embodiment illustrated comprises the evaluation and control unit designed as a neural network 1' of in 2 illustrated second embodiment of a filter device 40 ' for feature generation and a feature evaluation device 45 , In contrast to the first embodiment, the filter device comprises 40 ' of the second embodiment in addition to the filter units 60 a fuzzy filter 42 , The of the filter units 60 processed signals are from the fuzzy filter 42 processed via if-then conditions and then to the feature evaluation device 45 output. The recognized features by a sensor 12 . 14 . 22 . 24 . 32 . 34 or a sensor unit 10 . 20 . 30 or from multiple sensors 12 . 14 . 22 . 24 . 32 . 34 or sensor units 10 . 20 . 30 be detected, then form the basis for the detection of the current vehicle condition. About the fuzzy filter 42 can be checked in a simple way the plausibility of a measured value. If unexpected conditions occur, this variable can either be excluded from the evaluation process or substituted by another variable. A big advantage of the fuzzy filter 42 consists in the simple formulation, for example, about linguistic expressions. One possible combination of linguistic expressions is exemplified in equation (1). IF (feature a large) AND (feature b small) THEN (c is small) (1)

Die Ausdrücke nach Gleichung (1) können wesentlich einfacher aufgestellt werden als die beispielsweise für einen Kalman-Filter erforderlichen Wahrscheinlichkeiten.The Expressions according to equation (1) can be essential be set up easier than the example for a Kalman filter required probabilities.

Die erfindungsgemäße Vorrichtung zur Ermittlung eines aktuellen Fahrzeugzustands ermöglicht in vorteilhafter Weise durch Fehlerreduzierung den Einsatz von kostengünstigen Sensoren. Die Leistungsfähigkeit der kostengünstigen Sensoren kann durch Nutzung der Sensorfusion erheblich erhöht und der negative Einfluss der stochastischen Sensordrift der kostengünstigen Sensoren kann verringert werden.The Inventive device for determining a current vehicle condition allows in advantageous Way through error reduction the use of cost-effective Sensors. The power of cost-effective Sensors can be significantly increased by using sensor fusion and the negative influence of stochastic sensor drift of cost-effective Sensors can be reduced.

ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDE IN THE DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list The documents listed by the applicant have been automated generated and is solely for better information recorded by the reader. The list is not part of the German Patent or utility model application. The DPMA takes over no liability for any errors or omissions.

Zitierte PatentliteraturCited patent literature

- EP 0934855 B1 [0004]

Claims

Device for determining a current vehicle state with a plurality of sensor units ( 10 . 20 . 30 ) for detecting motion signals and an evaluation and control unit ( 1 . 1' ), which evaluates the detected motion signals for determining the current vehicle state and the determined vehicle state to a subsequent vehicle system ( 50 ), characterized in that the evaluation and control unit ( 1 . 1' ) as a neural network with a filter device ( 40 . 40 ' ) for the feature generation and a feature evaluation device ( 45 ), wherein the evaluation and control unit ( 1 . 1' ) the output signals of the sensor units ( 10 . 20 . 30 ) for the determination of corresponding movement quantities (a, ω), which represent the current vehicle state, evaluated and combined, wherein the plurality of sensor units ( 10 . 20 . 30 ) at least two identical sensors ( 12 . 14 . 22 . 24 . 32 . 34 ) which detect the same motion signals.

Device according to claim 1, characterized in that the filter device ( 40 . 40 ' ) several filter units ( 60 ), of which the evaluation and control unit ( 1 . 1' ) at least one filter unit ( 60 ) for estimating the vehicle condition.

Apparatus according to claim 2, characterized in that the evaluation and control unit ( 1 . 1' ) depending on a quality criterion, the at least one filter unit ( 60 ) for estimating the vehicle condition.

Apparatus according to claim 2 or 3, characterized in that the evaluation and control unit ( 1 . 1' ) the output of the at least one filter unit ( 60 ) with a weighting factor and / or the expenditure of several filter units ( 60 ) combined.

Device according to one of claims 1 to 4, characterized in that the filter device ( 40 ' ) a fuzzy filter ( 42 ).

Device according to one of claims 1 to 5, characterized in that the executed as neural network evaluation and control unit ( 1 . 1' ) by evaluating and combining output signals of the sensor units ( 10 . 20 . 30 ) recognizes characteristic sizes and / or patterns.

Device according to Claim 6, characterized in that the evaluation and control unit (designed as a neural network) ( 1 . 1' ) predetermined signal characteristics of the output signals of the sensor units ( 10 . 20 . 30 ) and / or predetermined movement pattern of the vehicle recognizes.

Apparatus according to claim 7, characterized in that the evaluation and control unit ( 1 . 1' ) calculated from the detected predetermined signal waveforms and / or the detected predetermined movement patterns with an estimated step size support information for determining the vehicle state.

Device according to one of claims 6 to 8, characterized in that the executed as neural network evaluation and control unit ( 1 . 1' ) Interference and / or signals from the output signals of the sensor units ( 10 . 20 . 30 ), which are impossible due to the kinematic and / or dynamic characteristics of the vehicle.

Device according to one of claims 6 to 9, characterized in that the evaluation and control unit ( 1 . 1' ) is implemented as a feedback neural network.