-
Stand der Technik
-
Die
Erfindung betrifft eine Vorrichtung und ein Verfahren zur Erkennung
des Kontaktzustands an einer Well oder einer Achse nach der Gattung
der unabhängigen Patentansprüche.
-
Im
Rahmen der fortschreitenden Verbreitung von Fahrerassistenzsystemen
im Kraftfahrzeug wird dem Fahrzeugführer seine Fahrzeugführungsaufgabe
teilweise in einem so hohen Maße erleichtert, dass dieser
geneigt sein könnte seine Hände von der Lenkhandhabe
(Lenkrad) zu entfernen. Da dies ein Sicherheitsrisiko darstellen
könnte, hat man sich Methoden überlegt um zu erkennen,
ob der Fahrer seine Hände am Lenkrad hält. Beispielsweise
ist aus der Schrift
DE
196 31 502 C1 ein Lenkrad mit einem optoelektronischen
Sensor bekannt, welches die elastische Verformung der Ummantelung
des Lenkrads aufgrund der Umgreifung durch den Fahrer erfasst. Hierfür
ist ein spezieller Sensor vorgesehen, der zu diesem, bzw. ausschließlich
zu diesem Zweck angebracht wird.
-
Ein
anderes Verfahren zeigt die Schrift
DE 10 2007 039 332 A1 auf,
wo die Lenkbewegung der Lenkhandhabe mit einem Momentensensor und
einem Winkelsensor erfasst wird. Mittels einer Modelbildung kann
zwischen der freien Lenkbewegung der Lenkhandhabe und einem Lenkmoment,
welches der Fahrer ausübt, unterschieden werden und dadurch der
Kontaktzustand detektiert werden. In dieser Schrift werden Sensoren
verwendet, die nicht als alleinigen Zweck die Detektion des Kontaktzustandes haben
und daher Synergiepotential bieten. Der Aufwand ein solches Modell
für eine Lenkung zu erhalten ist sehr hoch, da viele Randbedingungen
berücksichtigt werden müssen, weil die Lenkung
typabhängig vermessen werden muss, um die Parameter des Modells
zu bestimmen.
-
Eine
mathematische Beschreibung mittels einer Momentengleichung zur Schätzung
des Lenkmoment des Fahrers ist beispielsweise in der
US 6,219,603 offenbart. Bei diesem
Verfahren können Kontaktzustände bei kleinen Fahrerlenkmomenten jedoch
nicht eindeutig detektiert werden.
-
Offenbarung der Erfindung
-
Die
Erfindung bezieht sich allgemein auf ein Verfahren und Vorrichtung
zur Feststellung ob ein Kraftschluss, bzw. eine Kraftübertragung
zwischen einer steuernden Einheit und einer gelagerten Welle oder
einer Achse stattfindet. Nicht einschränkend wird die Erfindung
insbesondere am Beispiel einer Lenkhandhabe beschrieben, wobei die
steuernde Einheit eine Person, insbesondere der Fahrer eines Kraftfahrzeuges
sein kann.
-
Das
erfindungsgemäße Verfahren und die Vorrichtung
mit den Merkmalen der unabhängigen Ansprüche haben
demgegenüber den Vorteil, dass das Verfahren mit einem
Sensor auskommt, der nicht als ausschließliche Aufgabe
die Detektion des Kontaktzustandes hat. Hierdurch können
Kosten, Bauraum gespart und weitere Synergien genutzt werden.
-
Vorteilhaft
ist weiterhin die Durchführung mehrerer Messungen und das
Auswerten mehrerer Messwerte, die derart in einem physikalischen
Zusammenhang stehen, dass eine genauere Einschätzung des
Kontaktzustandes durchgeführt werden kann.
-
Der
zugrundeliegende Gedanke dieses Verfahrens liegt in der Erkennung
einer Beeinflussung des freien Spiels der Lenkapparatur durch eine äußere
Quelle. Als solche Quelle kommt üblicherweise lediglich
die Lenkkraft des Fahrers in Frage. Würde der Fahrer das
Lenkrad nicht berühren, so würde sich das Lenkrad
so bewegen, wie die über das Fahrgestell aufgenommenen
Kräfte auf die Lenksäule und das Lenkrad einwirken.
Theoretisch könnte, wenn der Fahrerwunsch exakt der vom
Fahrgestell herrührenden Lenkbewegung übereinstimmt
und der Fahrer somit keinerlei Kraft auf die Lenkhandhabe ausübt,
nicht festgestellt werden, ob ein Kontaktzustand vorherrscht. Nur
ein theoretisch idealer Fahrer kann es erreichen, keine Kräfte
auf das Lenkrad auszuüben. Ein realer Fahrer übt
immer, wenn er Kontakt mit dem Lenkrad hat, geringe Lenkmomente
(durch den Fahrer nicht wahrgenommen) auf das Lenkrad aus. Auch
bei idealer Geradeausfahrt. Jedoch können diese Lenkmomente
so klein werden, dass diese auf Grund der begrenzten Sensorauflösung
nicht mehr zweifelsfrei von den Anregungen der Fahrbahn unterschieden
werden können. Da in der Realität Fahrzeuge aus
der Spur driften (Fahrbahnschräge, Seitenwind, unterschiedlicher
Reifendruck, etc.) wird nach kurzer Zeit (abhängig von
der Geschwindigkeit) zumindest eine minimale Korrektur durch den
Fahrer nötig, welche so erkennbar wird (Filterung). Daher
ist die Idee auf die beschriebene Weise eine Lenkkraft, bzw. ein
Lenkdrehmoment zu detektieren und auszuwerten für den Einsatzzweck
gut verwendbar.
-
Der
Sensor muss hierbei nicht direkt die physikalische Größe
der Kraft oder des Moments aufnehmen, sondern die vom Sensor gemessene
Größe muss geeignet sein um aus ihr, gegebenenfalls
nach einer weiteren Verarbeitung, die Kraft oder das Moment bestimmen
zu können. Gegebenenfalls können auch mehrere
Sensoren zur Anwendung kommen, insbesondere wenn z. B. mehrere physikalische
Größen gemessen werden müssen, um die
gewünschte Kraft bzw. Moment zu errechnen. Auch muss der Sensor
nicht unmittelbar an der Welle/Achse angebracht sein, solange er
die physikalische Größe, z. B. mittels einer Vorrichtung
misst.
-
Es
muss mindestens eine Größe zur Verfügung
stehen, die bei Kontakt so beeinflusst wird, dass sie eine anderes
charakteristisches Verhalten zeigt, als ohne Kontakt. Die zu verwendende
Größe muss für einen zu erkennenden Fall
ein charakteristisches Verhalten/Muster/Endliche Anzahl an Mustern
ausbilden (Gilt für n = 2). Bei mehreren zu unterscheidenden
Fällen muss jeder Fall ein eigenes Charakteristikum ausbilden.
-
Vorteilhaft
ist die Verwendung eines Machine learning Algorithmus, welcher bekanntermaßen, durch
eine angelernte Wissensbasis, ermöglicht Gesetzmäßigkeiten
in den Lerndaten zu erkennen, um somit später auch unbekannte
Daten beurteilen zu können. Anders als bei beispielsweise
modellbasierten Verfahren müssen nicht Einzelheiten jeder
Lenkung erfasst, definiert und ausgemessen werden, sondern das Gesamtsystem
kann am Ende einmal schnell vermessen werden.
-
Weiterhin
vorteilhaft ist die Möglichkeit das machine learning System
mit mehreren Lenkungen/Lenktypen anzutrainieren, unter Verwendung des
gleichen Klassifikationssystem; bei einer Modellbildung müsste
ein Modell für jeden Lenkungstyp vorgesehen werden, da
die Physik exakt bekannt sein muss. Ein weitere positive dem machine
learning Verfahren innewohnende Eigenschaft ist, dass ein Datensatz
für viele Lenkungen verwendet werden kann, auch wenn dieser
nur an einer Lenkung angelernt wurde, da machine learning Systeme
zum Generalisieren neigen und somit auch unbekannte Daten klassifizierbar
machen. Natürlich erhöht ein Anlernen an mehreren
Systemen die Genauigkeit. Es werden Muster beigebracht und nicht,
wie bei Modellen, exakt die Lenkung nachgebildet. Das führt
auch zu einer Toleranz gegenüber Messfehlern, oder ausgefallenen
Messungen, z. B. beim Ausfall eines Sensors, Sensordrift oder Produktionsstreuungen,
wohingegen ein berechnendes (Modell) System sich schwer tut, bei
fehlendem Messwert etwas zu berechnen.
-
Das
erfindungsgemäße System wird also zuerst angelernt,
dass heißt es werden beispielsweise über Messversuche
und Testreihen typische Messwerte bzw. Messwertverläufe,
beispielsweise des Lenkmoments manuell klassifiziert und in das
System eingebracht. Die Klassifizierung entspricht im einfachsten
Fall der Unterscheidung zwischen Kontaktzustand hergestellt oder
Kontaktzustand nicht hergestellt. Mit mehreren solcher Messreihen
bzw. Datensätze kann solch ein Klassifikationssystem trainiert
werden. Vom Fachmann ist ein geeigneter Machine learning Algorithmus
auszuwählen, hierbei können z. B. neuronale Netze
oder Entscheidungsbäume zum Einsatz kommen, die nach der
Trainingsphase Messwertreihen selbstständig klassifizieren können.
-
Die
Ermittlung der Messdaten kann beispielsweise wie folgt aussehen:
Über
ein bestimmtes Zeitintervall Δt werden Messdaten erfasst
und nach zur Verfügung stehen eines neuen Messwertes oder
eines Messtriggers neu ausgewertet. Die Information über
den Kontaktzustand ist bei dem erfindungsgemäßen
Verfahren in der Regel nicht im einzelnen Messwert, sondern im Verlauf
des Messwerts, beispielsweise des Lenkmomentensignals enthalten.
-
Vorteilhaft
ist die Verwendung mehrerer Klassifikatoren und/oder zusätzlicher
Signalverarbeitungen und/oder eines Klassifikatornetzwerkes. Abhängig
vom Anwendungsfall kann so eine genauere Erkennung erreicht werden.
Weiterhin kann abhängig von der Topologie Rechenzeit eingespart
werden (z. B. Durchlaufzeit durch Filter). Denkbar ist eine Umschaltung
der Klassifikatoren, abhängig von Randbedingungen im Betrieb,
z. B. die Verwendung unterschiedlicher Klassifikatoren abhängig
von der Fahrzeuggeschwindigkeit, da geschwindigkeitsabhängige
Vibrationen seitens des Fahrbahnbelags die Charakteristik der Eingangssignale
beeinflusst.
-
Weiterhin
denkbar ist eine dem Anwendungsfall angepasste Struktur des Klassifikationssystems,
bspw. die Verwendung verschiedener Einzelklassifikatoren für
unterschiedliche Messwerte, bzw. Messwertgruppen, deren Ergebnisse
in einem weiteren Klassifikator zusammengeführt werden. Dieser
kann auch weitere Parameter, wie z. B. Messwerte berücksichtigen.
Messignale oder klassifizierte Signale können auch Signalverarbeitungsschritte durchlaufen
(z. B. Fast-Fourier-Transformation, Mittelwertbildung, Standardabweichung).
-
Vorteilhaft
ist es wenn ausschließlich mittels einer Kraft bzw. Drehmomentmesseinrichtung
die Messung durchgeführt wird (z. B. Lenkmomentensensor),
da so andere Sensoren eingespart werden können, insbesondere
ein Lenkwinkelsensor, wie er im Stand der Technik für diesen
Zweck noch zum Einsatz kommt. Der Verzicht auf diesen birgt den
Vorteil, dass eine Fehlerquelle (da nur 1 Sensor) weniger vorhanden
ist.
-
Anstatt
einem Axialkraft- oder Drehmomentensensor könnte auch ein
Zug-, Biege- oder Torsionssensor zum Einsatz kommen, der Spannungen und
Kräfte in der Welle/Achse misst, beispielsweise ein Dehnmessstreifen.
Gleichfalls kann solch ein Dehnmessstreifen auch in der Lagerung
der Welle/Achse angeordnet sein um Zug-, Biege- und Torsionskräfte
zu messen, da sich die Kräfte der Lenksäule auf
die Lagerung übertragen.
-
Vorteilhaft
ist die Verwendung eines Filters, welcher in den Übergangsbereichen,
in denen der Kontakt zum Lenkrad hergestellt bzw. unterbrochen wird,
ein definiertes Kontaktzustandssignal bereitstellt. Hierzu wird
das Signal aus der Auswerteeinheit, also die Klassifikation, zeit-
bzw. geschwindigkeitsabhängig gefiltert um so eine Entprellung
zu bewirken. Abhängig vom Anwendungsfall variieren die Parameter
des Filter (beispielsweise Zeitkonstanten).
-
Vorteilhaft
ist die Verwendung eines Lenkstellers bzw. Aktuators, welcher zu
Testzwecken ein Lenkmoment bzw. eine Lenkkraft auf die Lenkhandhabe
einbringt, um damit zu prüfen ob eine Gegenkraft/Moment
vorhanden ist, die von den Händen des Fahrers herrühren
muss. Dieses Verfahren wird idealerweise dann angewendet, in denen
Unsicherheiten bei der Klassifikation auftreten. Dies kann beispielsweise
physikalische Ursachen haben, abhängig vom Lenkungstyp
bzw. Lenkmomentensensor bzw. Kraftsensor, als auch bei bestimmten
Fahrsituationen wie Geradeausfahrten auftreten, in denen der Fahrer
das Lenkrad nur locker in der Hand hält. Um in einem solchen
Fall die Klassifikation zu überprüfen bzw. überhaupt
durchzuführen würde der Lenkaktuator ein Lenkmoment
auf die Lenkhandhabe ausüben, welches erfahrungsgemäß für
den Fahrer üblicherweise nicht wahrnehmbar ist, woraufhin
der Momentensensor die, selbst durch lose aufliegende Hände, ausgeübte
Gegenkraft/Moment zu messen vermag. Je nach Anwendungsfall und Auslegung
können solche Testmomente/kräfte kurzfristig als
Testimpulse oder dauerhafte kleine Krafteinwirkung ausgebildet sein.
-
Vorteilhaft
ist es, wenn die Auswertung und Klassifikation nur dann stattfindet,
wenn es notwendig ist. Auf diese Weise können Ressourcen
(Rechenzeit) gespart werden. So gelingt ggf. auch die Einbettung
in ein fremdes Steuergerät, was Kosten sparen kann. Beispielsweise
kann in einer Kurvenfahrt das System deaktiviert werden, da dann
ohnehin klar ist, dass der Fahrer das Lenkrad führt. Ggf. können
Messung (ohne Auswertung) weitergeführt werden, damit der
Messwertspeicher gefüllt ist, wenn eine Kontakterkennung
wieder stattfinden soll. Besonders wichtig ist eine Kontakterkennung
beispielsweise, wenn ein Spurhaltesystem (LKS) aktiv ist. Aus Sicherheitsgründen
ist dem Fahrer untersagt, die Fahrzeugführung aufzugeben,
wozu er aufgrund des komfortablen Fahrgefühls vielleicht
verleitet würde.
-
Weiterhin
kann eine Auswertung auch im speziellen dann stattfinden, wenn es
notwendig ist den Kontaktzustand zu prüfen, was insbesondere dann
der Fall sein wird, wenn eine Lenkbewegung bevorsteht. So kann beispielsweise
ein Videosensor oder ein Navigationssystem feststellen, dass in Fahrtrichtung
voraus eine Kurve liegt, um dann rechtzeitig vor der Kurve, oder
Spurwechsel, den Kontaktzustand zu prüfen und gegebenenfalls
Maßnahmen oder Warnungen einleiten kann. Unterschiedlich dazu
gibt es andere Fahrzustände (Geradeausfahrt) die unkritisch
sind, weil ein Loslassen des Lenkrads keine andere Fahrbewegung
verursachen würde. Hierbei sind aber die üblichen
Sicherheitsbestimmungen, die eine Ausnützung dieses Verfahrens
erlauben oder verbieten zu berücksichtigen.
-
Vorteilhafterweise
kann darüber hinaus geprüft werden, mit welcher
Güte die Messbarkeit gewährleistet ist, oder überhaupt
die Notwendigkeit einer Messung vorliegt, um daraus einen Gütegrad
für die Klassifikation festzustellen und eine höhere
Aussagekraft zu erhalten.
-
Begriffserläuterungen
-
Machine
learning (deutsch: maschinelles Lernen) ist ein Oberbegriff für
die künstliche Generierung von Wissen aus Erfahrung. Ein
künstliches System lernt aus Beispielen und kann nach Beendigung der
Lernphase verallgemeinern. Das heißt, es lernt nicht nur
die Beispiele auswendig, sondern es erkennt Gesetzmäßigkeiten
in den Lerndaten. So kann das System auch unbekannte Daten beurteilen.
Hierbei können Verfahren des überwachten sowie
des unüberwachten Lernens Anwendung finden, wobei für
die vorliegende Erfindung wahrscheinlich die Wahl eines überwachten
Lernsystems geeigneter erscheint. Hierbei wird in einer Trainings-
bzw. Lernphase Datensätzen die korrekte Klassifikation
an die Hand gegeben aus denen das System lernt später auch
bei unbekannten Datensätzen eine korrekte Klassifikation
durchzuführen. Es können unterschiedliche Modelle,
bzw. Algorithmen Anwendung finden (z. B. neuronale Netze, EM-Algorithmen,
Hidden-Markov-Modelle, Entscheidungsbäume, random Forest
(oder Derivate davon), C4.5, Bayesche Netze).
-
Der
Begriff Lenkhandhabe bzw. Lenkrad beschreibt die funktionale Wirkung
einer Vorrichtung zum Übermitteln einer Lenkkraft auf eine
Lenkung. Vorliegend dient die Erwähnung einer Lenkhandhabe jedoch
als Beispiel, da das erfindungsgemäße Verfahren
immer dann angewendet werden kann, wenn geprüft werden
soll, ob eine Kraftübertragung oder ein Kraftschluss zwischen
einem System – welches beispielsweise ein Fahrer bzw. eine
Fahrerhand oder auch ein Roboter oder eine andere Vorrichtung sein kann – und
einer Welle für die Übertragung von Drehmomenten,
bzw. einer Achse für die Übertragung von Zug-
und Druckkräften, oder Kombinationen daraus, stattfindet.
Dieses Verfahren mag beispielsweise auch Anwendung finden bei der
Lenkung von beliebigen Fahrzeugen, oder z. B. der Steuerung von
Fahrzeugparameter, wie der Geschwindigkeit, gegebenenfalls auch über
axiale Aufnehmer, genauso ist die Verwendung für die Überprüfung
des Kontaktzustandes eines Betreibers an einer Maschine denkbar.
Für die Verwendung des Verfahrens können sicherheitskritische
Aspekte eine Rolle spielen, wie bei dem Führen von Fahrzeugen
oder Betreiben von Maschinen, sowie dem erfolgreichen kraftschlüssigen
oder kraftübertragenden Verbinden zweier Systeme, wie beispielsweise
einem Zapfhahn mit einem Tankstutzen.
-
Der
Anwendungsfall einen Kontaktzustand festzustellen widerspiegelt
sich physikalisch in der Prüfung ob eine Kraftübertragung
stattfindet, bzw. stattfinden kann oder vergleichbar ein Kraftschluss vorliegt.
Für den Fall der Benutzung einer Lenkhandhabe in einem
Fahrzeug ist unter Kontaktzustand zu verstehen, dass der Fahrer
seine Hände derart an das Lenkrad gelegt hat, dass er eine
Lenkbewegung ausführen könnte. Abwandlungen, wie
das Lenken mit den Beinen oder anderes, werden von dieser Erfindung
nicht unterschieden.
-
Figurenbeschreibung
-
Ausführungsbeispiele
der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden
Beschreibung näher erläutert.
-
Es
zeigen
-
1 drei verschiedene Ausführungsbeispiele
für Kraftwirkungen die mit dem erfindungsgemäßen
Verfahren behandelt werden können.
-
2 ein
Blockdiagramm der beteiligten Komponenten,
-
3 beispielhafte Messreihen.
-
In
der 1a wird als physikalische Wirkkomponente ein Drehmoment 13 verwendet,
welches an einer Welle 12 anliegt, die beispielsweise Bestandteil
einer Lenkhandhabe und einem Lenkrad 11 sein kann. Zur
Messung des Drehmoments existiert ein Momentensensor 14.
-
In 1b ist
das physikalische Wirkprinzip eine axial verlaufende Kraft 17.
Eine Achse 15 bewegt sich hier beispielsweise axial in
einer Führung, wobei die Kraftausübung durch die
Bewegungen 17 durch einen Sensor 16 aufgenommen
wird. Solch eine Vorrichtung kann beispielsweise zur Kontrolle der
Geschwindigkeit oder anderer Größen die über einen
Axialgeber einstellbar sind, verwendet werden. Abhängig
von der Anwendung können Sensoren 16 auch dazu
ausgebildet sein, Scher- und Biegekräfte auf der Achse 15 zu
messen.
-
In 1c ist
ein vereinfachtes System dargestellt, welches ebenso ein axiale
Kraft 21 als physikalisches Wirkprinzip verwendet, welche über
ein Seil 18 übertragen wird. In der Zeichnung
ist mit 19 eine Feder dargestellt die eine Rückstellkraft
bewirkt. Ein Sensor 20 kann nun die Kraft messen, bzw.
den Anschlag der Feder, wenn keine Kraft 21 wirkt und anhand
der Charakteristik des Kraftverlaufs beispielsweise klassifizieren,
welche Last das Seil bewegt. So könnte überprüft
werden, ob an einem Schilift (Schlepplift) eine Person, eine gestürzte
Person, die mitgeschleift wird hängt, oder der Bügel
im Schnee schleift.
-
In 2 ist
das Ausführungsbeispiel aus 1a im
Systemzusammenhang gezeigt, bei dem das Sensorsignal 22 einen
Vorverarbeitungsfilter 23, bzw. einer Vorverarbeitung zugeführt
wird, um dann im Messdatenzwischenspeicher 24 abgelegt
zu werden. Die Auswerteeinheit bzw. der Klassifikator 25 lesen
aus dem Speicher eine Anzahl Messwerte aus und führen diese
dem Auswertealgorithmus zu, so dass Klassifikationsergebnisse 26 (z.
B. ja/nein) entstehen, die aussagen ob der Fahrer die Hände
am Lenkrad hat oder nicht. Es kann nun optional noch ein bereits
beschriebener Filter 27 zur Anwendung kommen, der die Klassifikationsergebnisse
entprellt und Charakterisiken eines Schmitt-Trigger beinhaltet. Das
resultierende Ausgangsergebnis 28 kann nun dazu verwendet
werden, Warnungen dem Fahrer auszugeben oder andere Fahrerassistenzsysteme zu
informieren und ggf. zu (Re)aktionen zu veranlassen. Dies kann im
Extremfall beispielsweise eine Notbremsung sein, oder das Abstellen
eines Systems beispielsweise des Radios, um den Fahrer aufmerksam
zu machen, oder das Senken der Auslöseschwelle eines Airbags,
wenn anzunehmen ist, dass ein erhöhtes Sicherheitsrisiko
vorhanden ist.
-
In
den 3a und 3b sind
Messreihen numerisch bzw. grafisch aufgetragen, die einen Klassifikationsalgorithmus
veranschaulichen sollen. Die genaue Funktionsweise dieser Klassifikationsalgorithmen
ist nicht Kernbestandteil dieser Erfindung, sondern ist aus dem
Fachwissen bekannt. Die mit 1, 2 und 3 bezeichneten Messreihen stellen
Lerndatensätze dar, mit denen das System angelernt wurde, wobei
die Klassifikation, hier als 0 oder 1 dargestellt, zum Anlernen
genannt wurde. Sollte nach der Lernphase ein unbekannter Datensatz
auftauchen, in der Grafik als Kennlinie mit Kreisen dargestellt,
so ist im System eine Klassifizierung möglich. Per Augenschein
betrachtet, könnte ein entscheidendes Merkmal in der Grafik
die Monotonie bzw. nicht Monotonie der Kurven sein, und die Klassifizierung
anhand dessen durchgeführt werden. Ein Datensatz wird in
diesem Fall über einem Zeitintervall mit einer bestimmten
Dauer Δt erfasst und ist abhängig beispielsweise von
der Auflösung des Sensors und in Abhängigkeit von
der zyklischen Abtastzeit der Messwerte zu wählen, da für
den Δt ein Optimum in Abhängigkeit von den Umgebungsbedingungen
existiert. Dies ist idealerweise empirisch in Versuchen zu ermitteln.
Weiterhin kann dieser Wert je nach angewandten Machine learning
Algorithmus variieren.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
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.
-
Zitierte Patentliteratur
-
- - DE 19631502
C1 [0002]
- - DE 102007039332 A1 [0003]
- - US 6219603 [0004]