[go: up one dir, main page]

DE102023004736A1 - Verfahren zur Optimierung einer Elektroarchitektur in einem Kraftfahrzeug - Google Patents

Verfahren zur Optimierung einer Elektroarchitektur in einem Kraftfahrzeug Download PDF

Info

Publication number
DE102023004736A1
DE102023004736A1 DE102023004736.8A DE102023004736A DE102023004736A1 DE 102023004736 A1 DE102023004736 A1 DE 102023004736A1 DE 102023004736 A DE102023004736 A DE 102023004736A DE 102023004736 A1 DE102023004736 A1 DE 102023004736A1
Authority
DE
Germany
Prior art keywords
electrical architecture
electrical
architecture
motor vehicle
reward points
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.)
Pending
Application number
DE102023004736.8A
Other languages
English (en)
Inventor
Lukas Samuel Czekalla
Julian Müller
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.)
Mercedes Benz Group AG
Original Assignee
Mercedes Benz Group AG
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
Application filed by Mercedes Benz Group AG filed Critical Mercedes Benz Group AG
Priority to DE102023004736.8A priority Critical patent/DE102023004736A1/de
Publication of DE102023004736A1 publication Critical patent/DE102023004736A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/15Vehicle, aircraft or watercraft design
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/30Circuit design
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00Details relating to the application field
    • G06F2113/16Cables, cable trees or wire harnesses

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Die Erfindung betrifft ein Verfahren (7) zur Optimierung einer Elektroarchitektur (3) in einem Kraftfahrzeug (1), wobei die jeweilige Elektroarchitektur (3) mehrere Elektrokomponenten (4) aufweist und wobei das jeweilige Kraftfahrzeug (1) mehre durch die Elektroarchitektur (3) zu verbindende Fahrzeugkomponenten (2) und Einbauraum (5) zur Unterbringung der Elektroarchitektur (3) im Kraftfahrzeug (1) aufweist.
Beim Verfahren (7) wird für ein konkretes Kraftfahrzeug (1) in Abhängigkeit der Fahrzeugkomponenten (2) des konkreten Kraftfahrzeugs (1) eine initiale Elektroarchitektur (3) erzeugt, die alle Elektrokomponenten (4) beinhaltet, die zur Verbindung der Fahrzeugkomponenten (2) des konkreten Kraftfahrzeugs (1) erforderlich sind. Basierend auf der initialen Elektroarchitektur (3) werden unter Berücksichtigung des jeweiligen Einbauorts der Fahrzeugkomponenten (2) und des Einbauraums (5) des konkreten Kraftfahrzeugs (1) mehrere vorbestimmte Eigenschaften der Elektroarchitektur (3) ermittelt. Die ermittelten Eigenschaften werden in Abhängigkeit von Zielvorgaben für die jeweilige Eigenschaft und in Abhängigkeit einer vorgegebenen und/oder vorgebbaren Gewichtung mit Belohnungspunkten verknüpft. Die aktuelle Elektroarchitektur (3) wird anhand der ermittelten Eigenschaften unter Berücksichtigung der Belohnungspunkte bewertet, indem die Belohnungspunkte aufsummiert werden. Die aktuelle Elektroarchitektur (3) wird durch Austauschen und/oder Modifizieren wenigstens einer Elektrokomponente (4) modifiziert. Basierend auf der modifizierten Elektroarchitektur (3) werden die Ermittlung der vorbestimmten Eigenschaften, die Verknüpfung mit Belohnungspunkten, die Bewertung der Elektroarchitektur (3) und das Modifizieren der Elektroarchitektur (3) solange wiederholt, bis eine optimale Elektroarchitektur (3) ermittelt worden ist.

Description

  • Die vorliegende Erfindung betrifft ein Verfahren zur Optimierung einer Elektroarchitektur in einem Kraftfahrzeug.
  • Moderne Kraftfahrzeuge umfassen eine Vielzahl elektrischer und/oder elektronischer Fahrzeugkomponenten, die miteinander verknüpft bzw. miteinander verbunden werden müssen. Beispielsweise müssen elektrische Geräte mit elektrischen Anzeigeelementen und elektrischen Bedienelementen verknüpft werden. Ferner können elektrische Steuergeräte mit einer Vielzahl von elektrischen Bauteilen gekoppelt sein. Um die Vielzahl an elektrischen bzw. elektronischen Fahrzeugkomponenten miteinander zu verbinden, kommt eine mehr oder weniger komplexe Elektroarchitektur zum Einsatz, die ihrerseits eine Vielzahl an Elektrokomponenten aufweist, insbesondere Leitungen bzw. Leitungssysteme, Kabelbäume sowie Netzwerkkomponenten. Die Elektroarchitektur kann auch als Elektrik/Elektronik-Architektur oder E/E-Architektur bezeichnet werden. Dabei werden an die Elektroarchitektur im Kraftfahrzeug unterschiedlichste Anforderungen gestellt. Derartige Anforderungen können beispielsweise sein die Kosten der Elektroarchitektur, der Energiebedarf, Leitungslängen, Packaging, Funktionssicherheit, die Möglichkeit einer Onboard-Diagnose, die zugrundeliegende Netzwerktopologie, die zum Einsatz kommende Netzwerktechnologie, Anforderungen an partielles Networking sowie Rechenleistung und Rechengeschwindigkeit. Für alle diese und weitere Anforderungen werden für die Elektroarchitektur entsprechende Zielvorgaben definiert, die mindestens erfüllt werden müssen. In der Entwicklung einer Elektroarchitektur im Fahrzeug wird versucht, für viele dieser Anforderungen möglichst gute Resultate zu erzielen. Durch die Vielfalt der in einem Fahrzeug verbauten Fahrzeugkomponenten sowie durch vielfältige Auswahlmöglichkeiten an Elektrokomponenten innerhalb der Elektroarchitektur ergeben sich eine enorm große Anzahl an Variationsmöglichkeiten innerhalb der Elektroarchitektur. Die letztlich im Fahrzeug verbaute Elektroarchitektur entspricht daher in der Regel einem Kompromiss, bei dem zumindest die Zielvorgaben eingehalten werden.
  • Die vorliegende Erfindung beschäftigt sich mit dem Problem, für die Elektroarchitektur eines Kraftfahrzeugs einen Weg zum Auffinden einer verbesserten oder gar einer optimierten Elektroarchitektur aufzuzeigen.
  • Aus der US 2020/0 265 302 A1 ist es bekannt, in einer computergestützten Umgebung ein bestärkendes Lernen durchzuführen. Auch die CN 116 596 049 A beschäftigt sich mit maschinellem Lernen auf Basis des verstärkenden Lernens.
  • Beim verstärkenden oder bestärkenden Lernen (Reinforcement Learning) erfolgt ein maschinelles Lernen durch Belohnung (Reward). Ein computergestütztes System erzeugt Ergebnisse, die bewertet werden. Je besser das Ergebnis ausfällt, desto höher ist die Belohnung. Auf diese Weise kann das System automatisch die Ergebnisse in Richtung einer maximalen Belohnung verbessern. Maschinelles Lernen auf Grundlage des verstärkenden Lernens findet insbesondere in der Umgebung einer künstlichen Intelligenz Anwendung.
  • Dass der Erfindung zugrundeliegende Problem wird durch den Gegenstand des unabhängigen Anspruchs gelöst. Vorteilhafte Ausführungsformen sind Gegenstand der abhängigen Ansprüche.
  • Die Erfindung beruht auf dem allgemeinen Gedanken, die Elektroarchitektur eines Fahrzeugs durch bestärkendes Lernen zu optimieren. Hierzu werden für eine Elektroarchitektur mehrere vorbestimmte Eigenschaften ermittelt, zum Beispiel durch Simulation. Diese Eigenschaften werden dann mit Zielvorgaben für diese Eigenschaften verglichen und mit Belohnungspunkten verknüpft. Je besser eine Zielvorgabe erfüllt wird, desto höher sind die Belohnungspunkte, die der jeweiligen Eigenschaft zugeordnet werden. Darüber hinaus können die Belohnungspunkte gewichtet werden, sodass bestimmte Eigenschaften mehr Belohnungspunkte erhalten als andere Eigenschaften bei gleich guter Erfüllung der Zielvorgaben. Durch Auswerten aller vorbestimmten Eigenschaften der jeweiligen Elektroarchitektur lässt sich über die Belohnungspunkte die Güte der aktuellen Elektroarchitektur ermitteln. Für den Optimierungsprozess kann nun zumindest eine Elektrokomponente der Elektroarchitektur modifiziert oder ausgetauscht werden. In der Folge ergeben sich für die modifizierte Elektroarchitektur veränderte Eigenschaften, die zu anderen Belohnungspunkten führen können. Durch Vergleichen einer Vielzahl von Modifikationen lässt sich eine optimale Elektroarchitektur finden. Die Modifikationen sind dabei darauf aus, die Bewertung, also die Summe der Belohnungspunkte immer weiter zu erhöhen. Hierzu können Modifikationen, die zu einer schlechteren Punktezahl geführt haben, rückgängig gemacht werden, um andere Modifikationen zu versuchen.
  • Im Einzelnen schlägt die Erfindung ein Verfahren zur Optimierung einer Elektroarchitektur in einem Kraftfahrzeug vor, wobei die jeweilige Elektroarchitektur mehrere Elektrokomponenten aufweist und wobei das jeweilige Kraftfahrzeug mehre durch die Elektroarchitektur zu verbindende Fahrzeugkomponenten und Einbauraum zur Unterbringung der Elektroarchitektur im Kraftfahrzeug aufweist. Beim Verfahren wird nun für ein konkretes Kraftfahrzeug in Abhängigkeit der Fahrzeugkomponenten des konkreten Kraftfahrzeugs eine initiale Elektroarchitektur erzeugt, die alle Elektrokomponenten beinhaltet, die zur Verbindung der Fahrzeugkomponenten des konkreten Kraftfahrzeugs erforderlich sind. Des Weiteren wird nun basierend auf der initialen Elektroarchitektur unter Berücksichtigung des jeweiligen Einbauorts der Fahrzeugkomponenten und des zur Verfügung stehenden Einbauraums des konkreten Kraftfahrzeugs mehrere vorbestimmte Eigenschaften der Elektroarchitektur ermittelt. Die ermittelten Eigenschaften werden in Abhängigkeit von Zielvorgaben für die jeweilige Eigenschaft und in Abhängigkeit einer vorgegebenen und/oder vorgebbaren Gewichtung mit Belohnungspunkten verknüpft. Die aktuelle Elektroarchitektur wird anhand der ermittelten Eigenschaften unter Berücksichtigung der Belohnungspunkte bewertet, indem die Belohnungspunkte für alle ermittelten Eigenschaften aufsummiert werden. Die aktuelle Elektroarchitektur wird durch Austauschen und/oder Modifizieren wenigstens einer Elektrokomponente modifiziert. Basierend auf der modifizierten Elektroarchitektur werden die Ermittlung der vorbestimmten Eigenschaften, die Verknüpfung mit Belohnungspunkten, die Bewertung der Elektroarchitektur und das Modifizieren der Elektroarchitektur solange wiederholt, bis eine optimale Elektroarchitektur ermittelt werden kann bzw. worden ist.
  • Da auf diese Weise quasi beliebig viele Varianten für die Elektroarchitektur untersucht werden können, lässt sich eine Optimierung der Elektroarchitektur auch für eine große Anzahl an Eigenschaften realisieren. Außerdem können so auch Varianten für die Elektroarchitektur aufgefunden werden, bei denen die vorbestimmten Eigenschaften die Zielvorgaben nicht nur gerade so erfüllen, sondern diese gut bis sehr gut erfüllen. Das Ergebnis des Optimierungsvorgangs ist dann nicht nur ein Kompromiss, sondern ein Optimum, nämlich die am besten bewertete Variante aller untersuchter Varianten an Elektroarchitekturen.
  • Zweckmäßig kann vorgesehen sein, dass als optimale Elektroarchitektur diejenige Elektroarchitektur verwendet wird, bei der die Summe der Belohnungspunkte am größten ist. Über die Gewichtung der Eigenschaften hinsichtlich der Belohnungspunkte lässt sich dabei für jedes Fahrzeug einfach die optimale Elektroarchitektur auffinden. Über die Gewichtung lassen sich dabei insbesondere unterschiedliche Konstruktionsphilosophien berücksichtigen. Beispielsweise können für eine nachhaltige Konstruktion möglichst kurze Leitungslängen bzw. die Verwendung von möglichst wenig Leitungsmaterial angestrebt werden. Dementsprechend können diese Eigenschaften dann mit besonders hohen Belohnungspunkten verknüpft werden. Bei einer anderen Konstruktionsvorgabe können besonders hohe Belohnungspunkte für niedrige Herstellungskosten vergeben werden.
  • Bei einer anderen vorteilhaften Ausführungsform kann vorgesehen sein, dass erst dann eine optimale Elektroarchitektur ermittelt wird, wenn eine vorbestimmte Anzahl an Wiederholungen für die Ermittlung der vorbestimmten Eigenschaften, die Verknüpfung mit Belohnungspunkten, die Bewertung der Elektroarchitektur und das Modifizieren der Elektroarchitektur durchgeführt worden ist. Beispielsweise kann vorgesehen sein, dass erst nach 100 oder nach 1000 Wiederholungen die Variante mit der bis dahin höchsten Summe an Belohnungspunkten als optimale Elektroarchitektur in Betracht gezogen wird.
  • Bei einer anderen vorteilhaften Ausführungsform kann vorgesehen sein, dass die Bewertung der aktuellen Elektroarchitektur anhand der Bewertungspunkte und das Modifizieren der Elektroarchitektur durch bestärkendes Lernen erfolgt. Das bestärkende Lernen ist eine Methode des maschinellen Lernens und erfordert eine computergestützte Umgebung. Das maschinelle Lernen kann extrem schnell sehr viel Daten verarbeiten. Durch das bestärkende Lernen lässt sich über das Belohnungssystem aus einer sehr großen Anzahl von Variationsmöglichkeiten die optimale Kombination auffinden.
  • Zweckmäßig handelt es sich beim Verfahren um ein computerimplementiertes Verfahren, also um ein Verfahren, das für seine Durchführung wenigstens einen Computer benötigt, auf dem das Verfahren vollständig oder zumindest teilweise durchgeführt wird.
  • Innerhalb des computerimplementierten Verfahrens kann vorgesehen sein, dass die Bewertung der aktuellen Elektroarchitektur anhand der Belohnungspunkte und das Modifizieren der Elektroarchitektur in einem RL-Modul erfolgt, das ein maschinelles Lernen durch bestärkendes Lernen durchführt. RL steht dabei für Reinforcement Learning. Das RL-Modul kann einen RL-Agenten repräsentieren und/oder ein Softwaremodul sein. Das maschinelle Lernen ist zweckmäßig ein Bestandteil einer künstlichen Intelligenz zur Verarbeitung großer Datenmengen (Big Data) und ermöglicht die Auswertung großer Datenmengen (Deep Data Analysis).
  • Bei einer anderen Ausführungsform des computerimplementierten Verfahrens kann die Verknüpfung der Eigenschaften mit Belohnungspunkten in einem KPI-Modul erfolgen, wobei KPI hierbei für Key Performance Indicator steht. Im KPI-Modul werden demnach die wichtigsten Eigenschaften durch entsprechende Gewichtung der Belohnungspunkte besonders deutlich hervorgehoben, was den Optimierungsprozess verbessert.
  • Bei einer anderen Ausführungsform des computerimplementierten Verfahrens kann die Ermittlung der Eigenschaften der jeweiligen Elektroarchitektur in einem Simulationsmodul erfolgen, das die jeweilige Elektroarchitektur unter Berücksichtigung des jeweiligen Einbauorts der Fahrzeugkomponenten und des Einbauraums des konkreten Kraftfahrzeugs simuliert und anhand der Simulation die vorbestimmten Eigenschaften ermittelt. Das Simulationsmodul enthält ein Rechenmodell für das Kraftfahrzeug mit der Elektroarchitektur und kann dadurch die gewünschten Eigenschaften durch Simulationsrechnungen ermitteln.
  • Ein erfindungsgemäßes System zur Durchführung des Verfahrens der vorstehend beschriebenen Art weist zumindest einen Computer auf. Es ist klar, dass hier auch gleichzeitig mehrere Computer zum Einsatz kommen können, um eine möglichst große Rechenleistung zur Verfügung zu stellen. Insbesondere kann auch vorgesehen sein, dass das System auch eine Cloud, also einen virtuellen Computer umfasst.
  • Ein erfindungsgemäßes Computerprogramm weist Instruktionen auf, die das System, das zumindest einen Computer aufweist, zur Durchführung des Verfahrens der vorstehend beschriebenen Art ansteuern.
  • Die vorliegende Erfindung offenbart demnach ein auf künstlicher Intelligenz basierendes Optimierungsverfahren für die Anwendung in der Entwicklung von E/E-Architekturen. Dabei wird für ein neues Fahrzeugmodell eine initiale E/E-Architektur generiert. Diese kann eine von einem Vorgängermodell stammende Architektur oder eine Baseline-Architektur sein. Die initiale E/E-Architektur wird in einer geeigneten Datenbasis dargestellt. Diese Datenbasis ist zweckmäßig so gewählt, dass sie eine Simulation bestimmter Eigenschaften der E/E-Architektur ermöglicht. Beispielsweise lassen sich der Energiebedarf und die Leitungslänge als Eigenschaften der E/E-Architektur ermitteln. Die Datenbasis und/oder die simulierten Eigenschaften werden zum einen einem Reinforcement Learning Agenten (kurz RL-Agent) zugeführt. Dieser RL-Agent erhält zusätzlich einen Reward, welcher über eine vorher einstellbare KPI-Funktion aus der Datenbasis und/oder den simulierten Eigenschaften berechnet wird. Dieser Reward soll ein Maß darstellen, wie gut bestimmte Anforderungen an die E/E-Architektur erfüllt werden. Dazu ist die KPI-Funktion entsprechend konfigurierbar. Das bedeutet, dass z.B. der Einfluss des Energiebedarfs beispielsweise höher gewichtet werden kann als der Einfluss der Leitungslänge. Das Ziel des RL-Agenten ist es nun, den Reward zu erhöhen und darüber die E/E-Architektur zu optimieren, indem er vordefinierte Aktionen in der Datenbasis der E/E-Architektur vornimmt. Dies kann z.B. die Einführung eines neuen Bussystems sein. Auf diese Weise wird der RL-Agent in seinem Streben nach Maximierung des Rewards die E/E-Architektur vielfach abändern und zahlreiche Varianten ausprobieren, sodass sich die E/E-Architektur einem Optimum annähert.
  • Weitere wichtige Merkmale und Vorteile der Erfindung ergeben sich aus den Unteransprüchen, aus den Zeichnungen und aus der zugehörigen Figurenbeschreibung anhand der Zeichnungen.
  • Es versteht sich, dass die vorstehend genannten und die nachstehend noch zu erläuternden Merkmale nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar sind, ohne den durch die Ansprüche definierten Rahmen der Erfindung zu verlassen. Vorstehend genannte und nachfolgend noch zu nennende Bestandteile einer übergeordneten Einheit, wie z.B. einer Einrichtung, einer Vorrichtung oder einer Anordnung, die separat bezeichnet sind, können separate Bauteile bzw. Komponenten dieser Einheit bilden oder integrale Bereiche bzw. Abschnitte dieser Einheit sein, auch wenn dies in den Zeichnungen anders dargestellt ist.
  • Bevorzugte Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und werden in der nachfolgenden Beschreibung näher erläutert, wobei sich gleiche Bezugszeichen auf gleiche oder ähnliche oder funktional gleiche Komponenten beziehen.
  • Es zeigen, jeweils schematisch
    • 1 eine stark vereinfachte, schaltplanartige Prinzipdarstellung eines Kraftfahrzeugs mit einer Elektroarchitektur,
    • 2 ein Blockschaltbild zur Veranschaulichung eines Verfahrens,
    • 3 ein Flussdiagramm des Verfahrens.
  • Entsprechend 1 umfasst ein Kraftfahrzeug 1 mehrere Fahrzeugkomponenten 2 sowie eine Elektroarchitektur 3 zum elektrischen Verbinden bzw. Verschalten der Fahrzeugkomponenten 2. Hierzu weist die Elektroarchitektur 3 mehrere Elektrokomponenten 4 auf. Zur Unterbringung der Elektroarchitektur 3 im Fahrzeug 1 weist das Fahrzeug 1 einen entsprechenden Einbauraum 5 auf.
  • Das Kraftfahrzeug 1 kann ein Personenkraftwagen oder ein Lastkraftwagen oder ein sonstiges Nutzfahrzeug sein. Die Fahrzeugkomponenten 2 können elektrische und/oder elektronische Komponenten sein, wie zum Beispiel Elektromotoren, Elektroaktuatoren, Steuergeräte, Sensoren, Displays, Heizeinrichtungen, Gebläse usw. Die Elektrokomponenten 4 können Kabel, Signalleitungen, Steuerleitungen, Elemente eines Bussystems, Elemente eines Netzwerks und dergleichen sein. Der Einbauraum 5 kann durch im Fahrzeug 1 vorbestimmte Bauräume, Hohlräume, Kabelkanäle und dergleichen gebildet sein. In einem konkreten Fahrzeug 1 befinden sich die Fahrzeugkomponenten 2 jeweils an einem Einbauort. Dabei ist offensichtlich, dass es bei einer Vielzahl von Fahrzeugkomponenten 2 und einer Vielzahl von möglichen Einbauorten für die Verkabelung bereits vielfältige Möglichkeiten gibt, diese als Bestandteil der Elektroarchitektur 3 zu realisieren.
  • In 2 ist ein System 6 zur Durchführung eines Verfahrens 7 vereinfacht dargestellt, wobei auf das Verfahren 7 weiter unten mit Bezug auf 3 noch näher eingegangen wird. Das System 6 umfasst zumindest einen Computer 8. Im Beispiel der 2 umfasst das System 6 ein Initiationsmodul 9, ein Simulationsmodul 10, ein KPI-Modul 11 und ein RL-Modul 12. Diese Module 9, 10, 11 und 12 können Softwaremodule sein. Sie können alle auf demselben Computer 8 ablaufen oder auf verschiedene Computer 8 verteilt sein, die miteinander kommunizieren.
  • Im Initiationsmodul 9 wird für ein konkretes Kraftfahrzeug 1 in Abhängigkeit der Fahrzeugkomponenten 2 des konkreten Fahrzeugs 1 eine initiale Elektroarchitektur 3 erzeugt, die alle Elektrokomponenten 4 beinhaltet, die zur Verbindung der Fahrzeugkomponenten 2 dieses konkreten Kraftfahrzeugs 1 erforderlich sind. Hierzu erhält das Initiationsmodul 9 einerseits von einem Eingabemodul 13 die genaue Spezifikation des Kraftfahrzeugs 1. Diese Spezifikation umfasst alle Fahrzeugkomponenten 2 und deren Einbauort im Fahrzeug 1. Ferner ist das Initiationsmodul 9 hier mit einer Datenbank 14 verbunden, aus der das Initiationsmodul 9 alle für den Verbau im Kraftfahrzeug 1 verfügbaren Elektrokomponenten 4 bedarfsabhängig entnehmen kann, die für die Verknüpfung bzw. Verschaltung der Fahrzeugkomponenten 2 erforderlich sind. Die auf diese Weise erzeugte initiale Elektroarchitektur 3 wird dem Simulationsmodul 10 übermittelt.
  • Im Simulationsmodul 10 werden nun basierend auf der initialen Elektroarchitektur 3 und unter Berücksichtigung des jeweiligen Einbauorts der Fahrzeugkomponenten 2 und des Einbauraums 5 für die Elektroarchitektur 3 im konkreten Fahrzeug 1 mehrere vorbestimmte Eigenschaften der Elektroarchitektur 3 ermittelt. Diese Ermittlung erfolgt elektronisch mithilfe entsprechender Simulationsprogramme. Die hierbei untersuchten Eigenschaften sind beispielsweise die Kosten der Elektroarchitektur 3, ein mittlerer Energiebedarf der Elektroarchitektur 3 eine Leitungslänge der zum Einsatz kommenden Leitungen, Packaging-Eigenschaften, wie zum Beispiel die Möglichkeit der Ausbildung von Kabelbäumen. Die Funktionssicherheit der verwendeten Elektrokomponenten 4, die Möglichkeit zur Onboard-Diagnose der verwendeten Elektrokomponenten 4 bzw. der Fahrzeugkomponenten 2 bilden weitere Eigenschaften der Elektroarchitektur 3, ebenso eine Netzwerktopologie, eine Netzwerktechnologie und die Möglichkeit eines partiellen Netzwerks. Des Weiteren können das auftretende Datenvolumen, die Rechengeschwindigkeit bzw. die Geschwindigkeit der Datenverarbeitung innerhalb der Elektroarchitektur 3 eine wichtige Eigenschaft repräsentieren.
  • Die auf diese Weise ermittelten Eigenschaften werden dem KPI-Modul 11 zugeführt. Im KPI-Modul 11 erfolgt eine Zuordnung von Belohnungspunkten, sogenannten Rewards, zu den ermittelten Eigenschaften der Elektroarchitektur 3. Hierbei werden Zielvorgaben für die vorbestimmten Eigenschaften berücksichtigt. Des Weiteren werden die unterschiedlichen Eigenschaften gewichtet, sodass verschiedene Eigenschaften bei gleich guter Erfüllung der Zielvorgaben unterschiedlich viel Belohnungspunkte erhalten können. Dabei ist durch einen Pfeil 15 die Möglichkeit angedeutet, die Gewichtung der Zuordnung der Belohnungspunkte zu verändern.
  • Belohnungspunkte der ermittelten Eigenschaften werden dem RL-Modul 12 zugeführt. Außerdem werden dem RL-Modul 12 die aktuelle Elektroarchitektur 3 und optional auch die ermittelten Eigenschaften selbst zugeführt. Im RL-Modul 21 erfolgt nun eine Bewertung der aktuellen Elektroarchitektur 3 anhand der ermittelten Eigenschaften, wobei hier die Belohnungspunkte berücksichtigt werden. Die Bewertung der aktuellen Elektroarchitektur 3 erfolgt dabei durch die Aufsummierung der Belohnungspunkte aller ermittelten Eigenschaften. Die Summe der Belohnungspunkte korreliert dann mit der Güte der bewerteten Elektroarchitektur 3.
  • Während des Optimierungsvorgangs kann das RL-Modul 12 nun die Elektroarchitektur 3 modifizieren. Diese Modifikation kann dadurch erfolgen, dass zumindest eine Elektrokomponente 4 ausgetauscht oder modifiziert wird. Durch die Modifikation bzw. durch den Austausch einer Elektrokomponente 4 verändern sich aufgrund von Wechselwirkungen der Elektrokomponenten 4 eine Reihe von Eigenschaften der Elektroarchitektur 3. Im Simulationsmodul 10 werden für die modifizierte Elektroarchitektur 3 nun die zugehörigen Eigenschaften neu ermittelt. Die Eigenschaften werden im KPI-Modul 11 wieder mit Belohnungspunkten verknüpft. Im RL-Modul 12 erfolgt wieder die Bewertung der Elektroarchitektur 3. In der Folge wird eine weitere Modulation oder Modifikation durchgeführt, indem eine andere Modifikation durchgeführt wird. Beispielsweise kann eine weitere Elektrokomponente 4 ausgetauscht werden. Ebenso ist denkbar, die gleiche Elektrokomponente 4 nochmals auszutauschen. Beispielsweise können dadurch unterschiedliche Bussysteme miteinander verglichen werden. Durch das RL-Modul 12 wird ein bestätigendes Lernen durchgeführt. Die Modifikation der Elektroarchitektur 3 wird solange durchgeführt, bis eine optimale Elektroarchitektur 3 ermittelt worden ist.
  • Entsprechend 3 umfasst das Verfahren 7 einen Schritt 16, in dem die initiale Elektroarchitektur 3 erzeugt wird. Dieser Schritt 16 entspricht dem Initiationsmodul 9. Dementsprechend werden dem Schritt 16 aus einem Block 17 die konkreten Fahrzeugkomponenten 2 des konkreten Fahrzeugs 1 übermittelt. Aus einem Block 18 werden alle erforderlichen Elektrokomponenten 4 zugeführt, die für die Verschaltung der Fahrzeugkomponenten 2 erforderlich sind. Bock 18 kann daher eine Datenbank repräsentieren, in der alle für den Einbau in das Fahrzeug 1 bereitstehenden Elektrokomponenten 4 hinterlegt sind.
  • In einem Schritt 19 erfolgt die Simulation der Elektroarchitektur 3, um vorbestimmte Eigenschaften der Elektroarchitektur 3 zu ermitteln. Insoweit entspricht der Schritt 19 dem Simulationsmodul 10 aus 2.
  • Die ermittelten Eigenschaften werden einem Schritt 20 und optional auch einem Schritt 21 übermittelt. Im Schritt 20 erfolgt die Zuordnung von Belohnungspunkten zu den ermittelten Eigenschaften. Dabei werden außerdem Zielvorgaben für die Eigenschaften berücksichtigt. Je besser die gewünschten Zielvorgaben erfüllt werden, desto höher ist die Anzahl an Belohnungspunkten. Darüber hinaus können die Eigenschaften hinsichtlich der Punktevergabe auch gewichtet werden, sodass beispielsweise die Eigenschaft einer vereinfachten Montage höher gewichtet werden kann als Materialeinsparungen.
  • Die Belohnungspunkte für die einzelnen Eigenschaften werden dem Schritt 21 zugeführt. Der Schritt 21 erhält aus dem Schritt 19 außerdem die aktuelle Elektroarchitektur 3 übermittelt. Im Schritt 21 erfolgt nun eine Bewertung der aktuellen Elektroarchitektur 3 anhand der Belohnungspunkte. Beispielsweise werden alle Belohnungspunkte für alle Eigenschaften der jeweiligen Elektroarchitektur 3 aufaddiert. Der Wert der aktuellen Elektroarchitektur 3 entspricht dann der Summe aller Belohnungspunkte.
  • In einer nachfolgenden Abfrage 22 kann abgefragt werden, ob bereits die optimale Elektroarchitektur 3 ermittelt werden kann oder nicht. Ein positives Abfrageergebnis wird in 3 durch ein Plus (+) symbolisiert. Ein negatives Abfrageergebnis wird in 3 dagegen durch ein Minus (-) symbolisiert. Ist die Abfrage negativ (-), folgt das Verfahren 7 einem Pfad 23, der zu einem Schritt 24 führt, in dem die aktuelle Elektroarchitektur 3 modifiziert wird. Diese Modifikation der Elektroarchitektur 3 erfolgt durch eine Modifikation oder durch einen Austausch wenigstens einer Elektrokomponente 4. Die modifizierte Elektroarchitektur 3 wird dann dem Schritt 19 übermittelt, in dem durch Simulation die gewünschten Eigenschaften erneut ermittelt werden. Damit wiederholen sich die Verknüpfung mit Belohnungspunkten in Schritt 20, die Bewertung der Elektroarchitektur 3 in Schritt 21 und die Modifizierung der Elektroarchitektur in Schritt 24 solange, bis die Abfrage in Schritt 22 positiv (+) ist. Ist die Abfrage in Schritt 22 positiv (+), folgt das Verfahren 7 einem Pfad 25, der zu einem Schritt 26 führt, in dem die optimale Elektroarchitektur 3 ermittelt wird. Die optimale Elektroarchitektur 3 entspricht derjenigen Elektroarchitektur 3, bei der die Summer der Belohnungspunkte am größten ist.
  • Die Abfrage in Schritt 22 kann einen Zähler beinhalten, der verlangt, dass eine vorbestimmte Anzahl an Wiederholungen für die Ermittlung der vorbestimmten Eigenschaften in Schritt 19, die Verknüpfung mit Belohnungspunkten in Schritt 20, die Bewertung der Elektroarchitektur 3 in Schritt 21 und die Modifikation der Elektroarchitektur 3 in Schritt 24 durchgeführt worden ist. Erst wenn die vorbestimmte Anzahl an Wiederholungen durchgeführt worden ist, wird davon ausgegangen, dass durch Vergleichen der Bewertungen der unterschiedlichen Varianten der Elektroarchitektur 3 die optimale Elektroarchitektur 3 gefunden werden kann.
  • 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
    • US 2020/0 265 302 A1 [0004]
    • CN 116 596 049 A [0004]

Claims (10)

  1. Verfahren (7) zur Optimierung einer Elektroarchitektur (3) in einem Kraftfahrzeug (1), - wobei die jeweilige Elektroarchitektur (3) mehrere Elektrokomponenten (4) aufweist, - wobei das jeweilige Kraftfahrzeug (1) mehre durch die Elektroarchitektur (3) zu verbindende Fahrzeugkomponenten (2) und Einbauraum (5) zur Unterbringung der Elektroarchitektur (3) im Kraftfahrzeug (1) aufweist, - bei dem für ein konkretes Kraftfahrzeug (1) in Abhängigkeit der Fahrzeugkomponenten (2) des konkreten Kraftfahrzeugs (1) eine initiale Elektroarchitektur (3) erzeugt wird, die alle Elektrokomponenten (4) beinhaltet, die zur Verbindung der Fahrzeugkomponenten (2) des konkreten Kraftfahrzeugs (1) erforderlich sind, - bei dem basierend auf der initialen Elektroarchitektur (3) unter Berücksichtigung des jeweiligen Einbauorts der Fahrzeugkomponenten (2) und des Einbauraums (5) des konkreten Kraftfahrzeugs (1) mehrere vorbestimmte Eigenschaften der Elektroarchitektur (3) ermittelt werden, - bei dem die ermittelten Eigenschaften in Abhängigkeit von Zielvorgaben für die jeweilige Eigenschaft und in Abhängigkeit einer vorgegebenen und/oder vorgebbaren Gewichtung mit Belohnungspunkten verknüpft werden, - bei dem die aktuelle Elektroarchitektur (3) anhand der ermittelten Eigenschaften unter Berücksichtigung der Belohnungspunkte bewertet wird, indem die Belohnungspunkte aufsummiert werden, - bei dem die aktuelle Elektroarchitektur (3) durch Austauschen und/oder Modifizieren wenigstens einer Elektrokomponente (4) modifiziert wird, - bei dem basierend auf der modifizierten Elektroarchitektur (3) die Ermittlung der vorbestimmten Eigenschaften, die Verknüpfung mit Belohnungspunkten, die Bewertung der Elektroarchitektur (3) und das Modifizieren der Elektroarchitektur (3) solange wiederholt werden, bis eine optimale Elektroarchitektur (3) ermittelt worden ist.
  2. Verfahren (7) nach Anspruch 1, dadurch gekennzeichnet, dass - als optimale Elektroarchitektur (3) diejenige Elektroarchitektur (3) verwendet wird, bei der die Summer der Belohnungspunkte am größten ist.
  3. Verfahren (7) nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass - erst dann eine optimale Elektroarchitektur (3) ermittelt wird, wenn eine vorbestimmte Anzahl an Wiederholungen für die Ermittlung der vorbestimmten Eigenschaften, die Verknüpfung mit Belohnungspunkten, die Bewertung der Elektroarchitektur (3) und das Modifizieren der Elektroarchitektur (3) durchgeführt worden ist.
  4. Verfahren (7) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass - die Bewertung der aktuellen Elektroarchitektur (3) anhand der Belohnungspunkte und das Modifizieren der Elektroarchitektur (3) durch bestärkendes Lernen erfolgt.
  5. Verfahren (7) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass - das Verfahren (7) ein computerimplementiertes Verfahren (7) ist.
  6. Verfahren (7) nach Anspruch 5, dadurch gekennzeichnet, dass - die Bewertung der aktuellen Elektroarchitektur (3) anhand der Belohnungspunkte und das Modifizieren der Elektroarchitektur (3) in einem RL-Modul (12) erfolgt, das ein maschinelles Lernen durch bestärkendes Lernen durchführt.
  7. Verfahren (7) nach Anspruch 5 oder 6, dadurch gekennzeichnet, dass - die Verknüpfung der Eigenschaften mit Belohnungspunkten in einem KPI-Modul (11) erfolgt.
  8. Verfahren (7) nach einem der Ansprüche 5 bis 7, dadurch gekennzeichnet, dass - die Ermittlung der Eigenschaften der jeweiligen Elektroarchitektur (3) in einem Simulationsmodul (10) erfolgt, das die jeweilige Elektroarchitektur (3) unter Berücksichtigung des jeweiligen Einbauorts der Fahrzeugkomponenten (2) und des Einbauraums (5) des konkreten Kraftfahrzeugs (1) simuliert und Anhand der Simulation die Eigenschaften ermittelt.
  9. System (6) zur Durchführung des Verfahrens (7) nach einem der vorhergehenden Ansprüche, das zumindest einen Computer (8) aufweist.
  10. Computerprogramm mit Instruktionen, die das System (6) nach Anspruch 9 zur Durchführung des Verfahrens (7) nach einem der Ansprüche 1 bis 8 ansteuern.
DE102023004736.8A 2023-11-18 2023-11-18 Verfahren zur Optimierung einer Elektroarchitektur in einem Kraftfahrzeug Pending DE102023004736A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102023004736.8A DE102023004736A1 (de) 2023-11-18 2023-11-18 Verfahren zur Optimierung einer Elektroarchitektur in einem Kraftfahrzeug

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102023004736.8A DE102023004736A1 (de) 2023-11-18 2023-11-18 Verfahren zur Optimierung einer Elektroarchitektur in einem Kraftfahrzeug

Publications (1)

Publication Number Publication Date
DE102023004736A1 true DE102023004736A1 (de) 2025-05-22

Family

ID=95654934

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102023004736.8A Pending DE102023004736A1 (de) 2023-11-18 2023-11-18 Verfahren zur Optimierung einer Elektroarchitektur in einem Kraftfahrzeug

Country Status (1)

Country Link
DE (1) DE102023004736A1 (de)

Similar Documents

Publication Publication Date Title
DE102018128289B4 (de) Verfahren und vorrichtung für eine autonome systemleistung und zur einstufung
EP3785177B1 (de) Verfahren und vorrichtung zum ermitteln einer netzkonfiguration eines neuronalen netzes
EP4193135B1 (de) Computerimplementiertes verfahren zum bereitstellen eines test-verlaufs zu testender verkehrsszenarien
DE102019124018A1 (de) Verfahren zum Optimieren von Tests von Regelsystemen für automatisierte Fahrdynamiksysteme
DE102019134053A1 (de) Verfahren zur kontinuierlichen Absicherung im Fahrversuch applizierter automatisierter Fahrfunktionen
DE102017213510A1 (de) Verfahren und Vorrichtung zum Erzeugen eines maschinellen Lernsystems, und virtuelle Sensorvorrichtung
DE102021111462A1 (de) Computerimplementiertes Verfahren zum Szenario-basierten Testen und/oder Homologation von zu testenden zumindest teilweise autonomen Fahrfunktionen durch Key Performance Indicators (KPI)
DE102023004736A1 (de) Verfahren zur Optimierung einer Elektroarchitektur in einem Kraftfahrzeug
DE102018006332A1 (de) Verfahren zum Ermitteln von Ampelschaltzeiten
EP4139754A1 (de) Verfahren zum betreiben einer steuergeräteanordnung sowie entsprechende steuergeräteanordnung
DE102016220561A1 (de) Verfahren zur Ermittlung von Fahrrouten für Landfahrzeuge
DE102018215014B4 (de) Verfahren sowie Bewertungsvorrichtung zur Standortoptimierung eines Fahrzeugs
DE102022105336A1 (de) Verfahren zur Bestimmung optimierter Betriebseinstellungen für Antriebsstrangkomponenten eines Nutzfahrzeugs
DE102018123563B4 (de) Verfahren zur Zwischenkernkommunikation in einem Mehrkernprozessor
DE102022208250B3 (de) System zur Verwaltung verschiedener Fahrzeugkomponenten in einer elektrischen-elektronischen Fahrzeugarchitektur und Fahrzeugarchitektur
DE102024104517B3 (de) Computerimplementiertes Verfahren zur Kalibrierung eines Steuergeräts eines Kraftfahrzeugs
DE102020133654B3 (de) Computerimplementiertes Verfahren zur Modifizierung einer Komponente eines computergenerierten Modells eines Kraftfahrzeugs
DE102022205968A1 (de) Vorrichtung zum Durchführen eines Over-the-Air-Updates (OTA) für ein Fahrzeug und Verfahren dafür
DE102024202772A1 (de) Verfahren, Auswerteeinheit und System zur Bestimmung einer individuellen Ausfallrate einer Fahrzeugkomponente eines Fahrzeugs, Verfahren zum Betrieb eines Fahrzeugs
DE102024113944A1 (de) AI-basierte CAD-Modellvorbereitung für EMC/Thermik-Simulationen
DE102023211127A1 (de) Verfahren zum Verarbeiten und Abgleichen von zwei sich zumindest teilweise überlappenden Punktwolken
EP4542311A1 (de) Verfahren zum bestimmen einer systemanregung durch wenigstens ein eingangssignal für eine modellbasierte regelung eines technischen systems
DE102024114282A1 (de) Computerimplementiertes Verfahren für eine Erinnerungsfunktion eines Maschinenlernmodells
DE102024206706A1 (de) Computerimplementiertes Verfahren und Computerprogramm zum Bestimmen einer Temperatur bedingten Beanspruchung einer Antriebsvorrichtung für ein elektrisch angetriebenes Fahrzeug und Steuergerät für eine Antriebsvorrichtung eines elektrisch angetriebenen Fahrzeugs
DE102022129009A1 (de) Verfahren zum Testen von automatisierten Fahrzeugfunktionen

Legal Events

Date Code Title Description
R012 Request for examination validly filed