DE10257464A1

DE10257464A1 - Schalt-Steuerungsverfahren und Vorrichtung eines Automatikgetriebes

Info

Publication number: DE10257464A1
Application number: DE10257464A
Authority: DE
Inventors: Jung-Suk Yongin Lee; Seong-Hyon Hwaseong Park
Original assignee: Hyundai Motor Co
Current assignee: Hyundai Motor Co
Priority date: 2002-06-28
Filing date: 2002-12-09
Publication date: 2004-01-22
Also published as: KR100448381B1; KR20040001774A; US20040002803A1; US6882919B2; JP2004036873A

Abstract

Unter Berechnung eines Schaltmuster-Einstellkoeffizienten durch ein modulares neuronales Netzwerk auf der Basis einer Vielzahl von Eingangssignalen, die von einer Vielzahl von Detektoren eingegeben wurden, wird ein Schaltmuster, basierend auf dem Einstellkoeffizienten, eingestellt und ein Schalten, basierend auf dem entsprechend eingestellten Schaltmuster, bestimmt.

Description

Gebiet der Erfindung
Die vorliegende Erfindung betrifft eine) Schalt-Steuerungsverfahren und -Vorrichtung eines Automatikgetriebes. Insbesondere betrifft die vorliegende Erfindung ein Schalt-Steuerungsverfahren und eine Vorrichtung eines Automatikgetriebes, in welchem ein neuronales Netzwerk verwendet wird, um eine Einstellung bzw. Anpassung eines Schaltmusters zu bestimmen.
Hintergrund der Erfindung
Ein Automatikgetriebe für ein Fahrzeug führt automatisch ein Schalten bzw. einen Gangwechsel zu einer Fahrstufe durch, die für Fahrparameter, wie beispielsweise die Fahrzeuggeschwindigkeit und die Drosselklappenöffnung (im Folgenden als "Drosselöffnung" bezeichnet) als geeignet bestimmt wurde. Im Folgenden soll der Begriff „Automatikgetriebe" so verstanden werden, dass dieser ein kontinuierlich variables Getriebe beinhaltet, welches automatisch Schalt-Verhältnisse aus einer Vielzahl von vorbestimmten Schalt-Verhältnissen bildet, welche für Fahrparameter, wie beispielsweise die Fahrzeuggeschwindigkeit und die Drosselöffnung als geeignet bestimmt wurden.
Um zu bestimmen, ob in eine andere Fahrstufe gewechselt wird, wird ein Schaltmuster berücksichtigt, welches üblicherweise Parameter der Fahrzeuggeschwindigkeit und der Drosselöffnung aufweist, um zu bestimmen, ob die Fahrbedingungen wesentlich verändert sind.
In Bezug auf die beispielhaften Schaltmuster, die in 1 gezeigt sind, wird im Folgenden die Bestimmung, ob ein Schalten bzw. Gangwechsel nötig ist, erläutert.
1 zeigt gewöhnliche 1→2 Heraufschalt- und 2→1 Herunterschalt-Schaltmuster.
Der Punkt "P1" von 1 bezeichnet einen Fahrzustand, in welchem ein Fahrzeug mit einer Geschwindigkeit von V1 in einer ersten Fahrstufe mit einer Drosselklappenöffnung TH1 durch Bedienung durch den Fahrer eines Beschleunigungspedals fährt. Wenn die Fahrzeuggeschwindigkeit so zunimmt, dass sie größer wird als die Schwellwert-Fahrzeuggeschwindigkeit (V0), beispielsweise wenn die Fahrzeuggeschwindigkeit größer als die am Punkt "P2" wird, führt das Automatikgetriebe ein Heraufschalten zu einer zweiten Fahrstufe durch.
Wenn der Fahrer weiterhin das Beschleunigungspedal so bedient, dass die Drosselöffnung größer wird als eine Schwellwertöffnung (TH0), beispielsweise wenn der Fahrzustand dem Punkt "P3" entspricht, wechselt das Automatikgetriebe herunter zurück zu der ersten Fahrstufe.
Vorzugsweise sollten Schaltmuster, abhängig von den Fahrbedingungen, wie beispielsweise der Fahrfreudigkeit des Fahrers und Schaltmoden, wie beispielsweise Wirtschaftlichkeits- und Leistungsfähigkeitsmoden, festgelegt werden. Daher wird die Verwendung einer Vielzahl von Mustern untersucht.
Beispielsweise kann ein Schalten bestimmt werden, basierend auf einem Schaltmuster, welches einem durch den Fahrer ausgewählten Schalt-Modus entspricht, wie beispielsweise Wirtschaftlichkeits- oder Leistungsmodus. Als ein anderes Beispiel kann die Fahrfreudigkeit eines Fahrers (beispielsweise ein Fahrfreudigkeits-Index, der anzeigt, wie sportlich der Fahrer fahren möchte) erlernt werden, und der erlernte Wert kann die Änderung von Schaltmustern beeinflussen.

Gemäß dem Stand der Technik ändert ein Automatikgetriebe sein Schaltmuster jedoch nur zwischen wenigen vorbestimmten Schaltmustern. Daher ist eine weitere Verbesserung nötig, welche die Fahrbedingungen reflektiert. Weiterhin erfordert das Erlernen der Fahrfreudigkeit viel Zeit, so dass die gegenwärtige Fahrfreudigkeit eines Fahrers und gegenwärtige Fahrumstände nicht sofort reflektiert werden.

Die in diesem Abschnitt zum Hintergrund der Erfindung offenbarte Information dient nur der Verbesserung des Verständnisses des Hintergrunds der Erfindung und sollte nicht als Anerkenntnis oder Anregung verstanden werden, dass diese Information den Stand der Technik bildet, der dem Fachmann schon bekannt ist.

Die Motivation für die vorliegende Erfindung besteht daher darin, nicht einschränkende Vorteile eines geeigneteren Schaltens bei einer Vielzahl von Fahrbedingungen mit einem Schalt-Steuerungsverfahren und einer Vorrichtung eines Automatikgetriebes bereitzustellen.

Um derartige Vorteile bereitzustellen, wird mittels eines Schalt-Steuerungsverfahrens und einer Vorrichtung der vorliegenden Erfindung ein Schaltmuster, basierend auf einem Schalt muster-Einstellungskoeffizienten, eingestellt bzw. angepasst, der mittels eines modularen neuronalen Netzwerkes berechnet wurde, und ein Schalten bzw. Gangwechsel, basierend auf einem entsprechend eingestellten Schaltmuster, festgelegt.

Ein beispielhaftes Schalt-Steuerungsverfahren, das gemäß der vorliegenden Erfindung verwendet werden kann, beinhaltet das Berechnen eines Schaltmuster-Einstellkoeffizienten durch ein modulares neuronales Netzwerk, basierend auf einer Vielzahl von Eingangssignalen, die von einer Vielzahl von Detektoren eingehen; Bestimmen, ob ein Schalten erforderlich ist, basierend auf einem eingestellten Schaltmuster, wobei das eingestellte Schaltmuster basierend auf dem Schaltmuster-Einstellkoeffizienten eingestellt wird; Berechnen einer Ziel-Fahrstufe, wenn ein schalten erforderlich ist, basierend auf dem eingestellten Schaltmuster; und Erzeugen eines Schalt-Signals zum Schalten zur Ziel-Fahrstufe.

In einer weiteren Ausführungsform beinhaltet die Berechnung eines Schalt-Einstellkoeffizienten durch ein modulares neuronales Netzwerk: Berechnen eines Fahrfreudigkeits-Index durch ein neuronales Netzwerk auf der Basis mindestens eines ersten Signals, ausgewählt aus der Vielzahl von Eingangssignalen; Berechnen eines Steigungs-Index und eines effektiven Steigungs-Index durch ein neuronales Netzwerk auf Basis mindestens eines zweiten Signals, ausgewählt aus der Vielzahl von Eingangssignalen; Berechnen eines Zufriedenheits-Index mittels eines neuronalen Netzwerks auf der Basis mindestens eines dritten Signals, ausgewählt aus der Vielzahl von Eingangssignalen; und Berechnen des Schaltmuster-Einstellkoeffizienten auf Basis des Fahrfreudigkeits-Index, des Steigungs-Index, des effektiven Steigungs-Index und des Zufriedenheits-Index.

Die Berechnung eines Fahrfreudigkeits-Index durch ein neuronales Netzwerk beinhaltet vorzugsweise: Berechnen einer Fahrzeuglast auf Basis mindestens eines Signals, ausgewählt aus den ersten Signalen; Berechnen eines Fahrerbedienungszustands-Index mittels eines neuronalen Netzwerks auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen; Berechnen eines Kick-down-Freudigkeits-Index durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen; Berechnen eines Fahrerwillen-Index durch ein neuronales Netzwerk auf der Basis des Fahrerbedienungszustands-Index und des Kick-down-Freudigkeits-Index; und Berechnen des Fahrfreudigkeits-Index mittels eines neuronalen Netzwerks auf Basis der Fahrzeuglast und des Fahrerwillen-Index.

Bei der Berechnung einer Fahrzeuglast wird vorzugsweise die Fahrzeuglast als einen Wert berechnet, der aus der Gleichung

erhalten wird, wobei TE ein gegenwärtig durch einen Motor erzeugtes Drehmoment ist, TE_max ein maximales Drehmoment des Motors ist und TE_a _cc Beschleunigungsmoment ist, wobei das Beschleunigungsmoment einen Anteil des Motordrehmoments bezeichnet, welcher von dem gegenwärtig erzeugten Drehmoment TE zur Beschleunigung verwendet wird.

Bei der Berechnung eines Fahrerbedienungszustands-Index durch ein neuronales Netzwerk wird vorzugsweise der Fahrerbedienungszustands-Index auf der Grundlage von Eingangssignalen einschließlich Drosselöffnungs-, Drosselöffnungsänderungsraten-, Bremsbetriebs-, Fahrzeuggeschwindigkeits- und Fahrzeug beschleunigungssignalen berechnet. Der Fahrerbedienungszustands-Index wird vorzugsweise selektiv aus einer Vielzahl vorbestimmter Werte berechnet.

Bei der Berechnung eines Kick-down-Freudigkeits-Index durch ein neuronales Netzwerk wird vorzugsweise der Kick-down-Freudigkeits-Index auf Grundlage von Eingangssignalen berechnet, einschließlich Drosselöffnungsänderungsraten-, Fahrzeuggeschwindigkeits- und Ziel-Fahrstufen-Signalen. Der Kick-down-Freudigkeits-Index wird vorzugsweise selektiv aus einer Vielzahl vorbestimmter Werte berechnet.

Die Berechnung eines Steigungs-Index und eines effektiven Steigungs-Index durch ein neuronales Netzwerk beinhaltet vorzugsweise: Berechnen eines Straßenzustands-Index durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen; Berechnen eines Beschleunigungs-Verlangsamungs-Index durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen; Berechnen eines Drosselbetriebs-Index bzw. Drosselbedienungs-Index durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen; Berechnen eines Motorbremserfordernis-Index durch ein neuronales Netzwerk auf der Basis des Beschleunigungs-Verlangsamungs-Index und des Drosselbedienungs-Index; und Berechnen eines Steigungs-Index und eines effektiven Steigungs-Index durch ein neuronales Netzwerk auf der Basis von Eingangssignalen, einschließlich der Straßenzustands-Index- und Motorbremserfordernis-Index-Signale.

Bei der Berechnung eines Straßenzustands-Index wird vorzugsweise der Straßenzustands-Index durch ein neuronales Netzwerk auf der Grundlage von Eingangssignalen berechnet, einschließ 1ich Fahrzeugbeschleunigungs-, Fahrzeuggeschwindigkeits-, Steigungswiderstands-, Drosselöffnungs- und Bremsbetriebs-Signalen.

Bei der Berechnung eines Beschleunigungs-Verlangsamungs-Index wird vorzugsweise der Beschleunigungs-Verlangsamungs-Index durch ein neuronales Netzwerk auf der Grundlage von Eingangssignalen berechnet, einschließlich Drosselöffnungs- und Fahrzeuggeschwindigkeits-Signalen.

Bei der Berechnung eines Drosselbedienungs-Index wird der Drosselbedienungs-Index vorzugsweise durch ein neuronales Netzwerk auf der Grundlage von Eingangssignalen berechnet, einschließlich Drosselöffnungs-, Fahrzeuggeschwindigkeits-, und Dauer der Drosselöffnungs-Signale.

Der Motorbremserfordernis-Index wird vorzugsweise aus einer Vielzahl von vorbestimmten Werten selektiv berechnet.

Bei der Berechnung eines Steigungs-Index und eines effektiven Steigungs-Index durch ein neuronales Netzwerk wird vorzugsweise der Steigungs-Index und der effektive Steigungs-Index auf der Grundlage von Eingangssignalen berechnet, die weiterhin gegenwärtige Fahrstufen-, Ziel-Fahrstufen- und Bremsbetriebs-Signale beinhalten.

Der Steigungs-Index und der effektive Steigungs-Index werden jeweils vorzugsweise selektiv aus einer Vielzahl von vorbestimmten Werten berechnet.

Bei der Berechnung eines Zufriedenheits-Index wird vorzugsweise der Zufriedenheits-Index durch ein neuronales Netzwerk auf der Basis von Eingangssignalen berechnet, einschließlich Stei gungs-Index-, effektiver Steigungs-Index-, Drosselöffnungs-, Bremsbetriebs-, Steigungswiderstands- und Ziel-Fahrstufen-Signalen.

Bei der Berechnung des Schaltmuster-Einstellkoeffizienten wird der Schaltmuster-Einstellkoeffizient vorzugsweise durch eine monotone Funktion bezüglich des Zufriedenheits-Index berechnet. Genauer wird bei der Berechnung des Schaltmuster-Einstellkoeffizienten vorzugsweise der Schaltmuster-Einstellkoeffizient proportional jeweils zu dem Zufriedenheits-Index, dem Fahrfreudigkeits-Index, dem Steigungs-Index und dem effektiven Steigungs-Index berechnet.

Bei der Berechnung des Schaltmuster-Einstellkoeffizienten wird vorzugsweise der Schaltmuster-Einstellkoeffizient als einen Wert berechnet, der der Gleichung
"Mp = (Dacc + dd) × Dm + (1 – Dm) × Df"
genügt, wobei Df der Fahrfreudigkeits-Index ist, Dm der Steigungs-Index ist, Dacc der effektive Steigungs-Index ist und dd die Differenz zwischen dem Zufriedenheits-Index und einem vorbestimmten Wert ist.

Schwellwert-Fahrzeuggeschwindigkeiten, die Drosselöffnungen entsprechen, werden vorzugsweise in dem eingestellten Schaltmuster eingestellt, wobei die Einstellung der Schwellwert-Fahrzeuggeschwindigkeit zunimmt, wenn die Drosselöffnung von einer vorbestimmten Öffnung abnimmt und während der Schaltmuster-Einstellkoeffizient zunimmt. Genauer ist die Einstellung der Schwellwert-Fahrzeuggeschwindigkeit vorzugsweise proportional zum Schaltmuster-Einstellkoeffizienten und dazu, wie viel kleiner die Drosselöffnung ist, als eine vorbestimmte Öffnung.

Eine beispielhafte Schalt-Steuerungsvorrichtung eines Automatikgetriebes zur Realisierung des beispielhaften Schalt-Steuerungsverfahrens beinhaltet: eine Detektiereinheit, welche eine Vielzahl von Detektoren zum Detektieren einer Vielzahl von Eingangssignalen bezüglich eines Fahrzustands eines Fahrzeugs aufweist; eine Schalt-Steuerungseinheit, einschließlich eines modularen neuronalen Netzwerks zur Berechnung eines Schaltmuster-Einstellkoeffizienten, basierend auf einer Vielzahl von Eingangssignalen, die von der Detektiereinheit eingegeben werden, zur Bestimmung, ob ein Schalten erforderlich ist, basierend auf einem eingestellten Schaltmuster, wobei das eingestellte Schaltmuster basierend auf dem Schaltmuster-Einstellkoeffizienten eingestellt wurde und zur Berechnung einer Ziel-Fahrstufe, wenn ein Schalten bzw. ein Gangwechsel erforderlich ist; und eine Aktuatoreinheit zum Ausführen des Schattens in eine Ziel-Fahrstufe gemäß dem Schaltsignal, welches von der Schalt-Steuerungseinheit empfangen wurde.

In einer weiteren Ausführungsform weist die Schalt-Steuerungseinheit ein oder mehrere Prozessoren auf, und das modulare neuronale Netzwerk ist in den ein oder mehreren Prozessoren als Software implementiert.

In einer anderen weiteren Ausführungsform weist die Detektiereinheit auf: einen Fahrzeuggeschwindigkeits-Detektor zur Detektion einer Fahrgeschwindigkeit des Fahrzeugs; einen Motorgeschwindigkeits-Detektor zur Detektion einer Umdrehungsgeschwindigkeit eines Motors; einen Turbinengesuchwindigkeits-Detektor zur Detektion einer Turbinengeschwindigkeit, wobei die Turbine in dem Automatikgetriebe enthalten ist; einen Drosselöffnungs-Detektor zur Detektion einer Drosselöffnung; einen Bremsbetriebs-Detektor zur Detektion des Betriebs bzw.

der Bedienung einer Bremse; und einen Motordrehmoment-Detektor zur Detektion eines gegenwärtigen Drehmoments des Motors.

Der Motordrehmoment-Detektor weist vorzugsweise einen Prozessor zur Steuerung des Motors auf.

In einer anderen weiteren Ausführungsform beinhaltet das modulare neuronale Netzwerk: ein erstes neuronales Netzwerkmodul zur Berechnung eines Fahrfreudigkeits-Index auf Basis mindestens eines ersten Signals, ausgewählt aus der Vielzahl von Eingangssignalen; ein zweites neuronales Netzwerkmodul zur Berechnung eines Steigungs-Index und eines effektiven Steigungs-Index auf der Basis mindestens eines zweiten Signals, ausgewählt aus der Vielzahl von Eingangssignalen; eines dritten neuronalen Netzwerkmoduls zur Berechnung eines Zufriedenheits-Index auf der Basis mindestens eines dritten Signals, ausgewählt aus der Vielzahl von Eingangssignalen; und eines ersten Berechnungsmoduls zur Berechnung des Schaltmuster-Einstellkoeffizienten auf der Basis von Signalen, die von den ersten, zweiten und dritten neuronalen Netzwerkmodulen empfangen wurden.

Das erste neuronale Netzwerkmodul beinhaltet vorzugsweise: ein zweites Berechnungsmodul zur Berechnung einer Fahrzeuglast auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen; ein viertes neuronales Netzwerkmodul zur Berechnung eines Fahrerbedienungszustands-Index auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen; ein fünftes neuronales Netzwerkmodul zur Berechnung eines Kick-down-Freudigkeits-Index auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen; ein sechstes neuronales Netzwerkmodul zur Berechnung eines Fahrerwillen-Index auf der Basis des Fahrerbedienungszustands-Index und des Kick-down- Freudigkeits-Index; und ein siebtes neuronales Netzwerkmodul zur Berechnung des Fahrfreudigkeits-Index auf der Basis der Fahrzeuglast und des Fahrerwillen-Index.

Das zweite Berechnungsmodul berechnet die Fahrzeuglast als einen Wert, der aus der Gleichung

erhalten wird, wobei TE ein gegenwärtig durch den Motor erzeugtes Drehmoment ist, TE_max ein maximales Drehmoment des Motors ist und TE_a _cc ein Beschleunigungsmoment ist, wobei das Beschleunigungsmoment einen Anteil des Motordrehmoments bezeichnet, welcher von dem gegenwärtig erzeugten Drehmoment TE zur Beschleunigung verwendet wird.

Das vierte neuronale Netzwerkmodul berechnet vorzugsweise den Fahrerbedienungszustands-Index auf der Basis von Eingangssignalen, einschließlich Drosselöffnungs-, Drosselöffnungsöffnungsänderungsraten-, Bremsbetriebs-, Fahrzeuggeschwindigkeits- und Fahrzeugbeschleunigungs-Signalen. Bevorzugter wird der Fahrerbedienungszustands-Index selektiv aus einer Vielzahl von vorbestimmten Werten berechnet.

Das fünfte neuronale Netzwerkmodul berechnet den Kick-down-Freudigkeits-Index vorzugsweise auf der Basis von Eingangssignalen, einschließlich Drosselöffnungsänderungsraten-, Fahrzeuggeschwindigkeits- und Ziel-Fahrstufen-Signalen. Bevorzugter wird der Kick-down-Freudigkeits-Index selektiv aus einer Vielzahl von vorbestimmten Werten berechnet.

Das zweite neuronale Netzwerkmodul beinhaltet vorzugsweise: ein achtes neuronales Netzwerkmodul zur Berechnung eines Straßenzustands-Index auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen; ein neuntes neuronales Netzwerkmodul zur Berechnung eines Beschleunigungs-Verlangsamungs-Index auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen; ein zehntes neuronales Netzwerkmodul zur Berechnung eines Drosselbetriebs-Index auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen; ein elftes neuronales Netzwerkmodul zur Berechnung eines Motorbremserfordernis-Index auf der Basis des Beschleunigungs-Verlangsamungs-Index und des Drosselbetriebs-Index; und ein zwölftes neuronales Netzwerkmodul zur Berechnung eines Steigungs-Index und eines effektiven Steigungs-Index auf der Basis von Eingangssignalen, einschließlich des Straßenzustands-Index und des Motorbremserfordernis-Index.

Das achte neuronale Netzwerkmodul berechnet vorzugsweise den Straßenzustands-Index auf der Basis von Eingangssignalen, einschließlich Fahrzeugbeschleunigungs-, Fahrzeuggeschwindigkeits-, Steigungswiderstands-, Drosselöffnungs- und Bremsbetriebs-Signalen.

Das neunte neuronale Netzwerkmodul berechnet den Beschleunigungs-Verlangsamungs-Index vorzugsweise auf der Basis von Eingangssignalen, einschließlich Drosselöffnungs- und Fahrzeuggeschwindigkeits-Signalen.

Das zehnte neuronale Netzwerkmodul berechnet den Drosselbetriebs-Index vorzugsweise auf der Basis von Eingangssignalen, einschließlich Drosselöffnungs-, Fahrzeuggeschwindigkeits- und Dauer der Drosselöffnungs-Signalen.

Der Motorbremserfordernis-Index wird vorzugsweise selektiv aus einer Vielzahl von vorbestimmten Werten berechnet.

Das zwölfte neuronale Netzwerkmodul berechnet vorzugsweise den Steigungs-Index und den effektiven Steigungs-Index auf der Basis von Eingangssignalen, die weiterhin gegenwärtige Fahrstufen-, Ziel-Fahrstufen- und Bremsbetriebs-Signale beinhalten.

Der Steigungs-Index und der effektive Steigungs-Index werden vorzugsweise selektiv aus einer Vielzahl von vorbestimmten Werten berechnet.

Das dritte neuronale Netzwerkmodul berechnet den Zufriedenheits-Index auf der Basis von Eingangssignalen, einschließlich Steigungs-Index-, effektiver Steigungs-Index-, Drosselöffnungs-, Bremsbetriebs-, Steigungswiderstands- und Ziel-Fahrstufen-Signalen.

Das erste Berechnungsmodul berechnet den Schaltmuster-Einstellkoeffizienten vorzugsweise mittels einer monotonen Funktion bezüglich des Zufriedenheits-Index. Bevorzugter berechnet das erste Berechnungsmodul den Schaltmuster-Einstellkoeffizienten proportional zu dem Zufriedenheits-Index, dem Fahrfreudigkeits-Index, dem Steigungs-Index und dem effektiven Steigungs-Index.

Genauer berechnet das erste Berechnungsmodul den Schaltmuster-Einstellkoeffizienten vorzugsweise als einen Wert, der der Gleichung "Mp = (Dacc + dd) × Dm + (1 – Dm) × Df" genügt, wobei Df der Fahrfreudigkeits-Index ist, Dm der Steigungs-Index ist, Dacc der effektive Steigungs-Index ist und dd die Differenz zwischen dem Zufriedenheits-Index und einem vorbestimmten Wert ist.

Schwellwert-Fahrzeuggeschwindigkeiten, die Drosselöffnungen entsprechen, werden vorzugsweise in dem eingestellten Schaltmuster eingestellt, wobei die Einstellung der Schwellwert-Fahrzeuggeschwindigkeit zunimmt, wenn die Drosselöffnung von einer vorbestimmten Öffnung abnimmt, und wenn der Schaltmuster-Einstellkoeffizient zunimmt. Bevorzugter ist die Einstellung der Schwellwert-Fahrzeuggeschwindigkeit proportional zum Schaltmuster-Einstellkoeffizienten und dazu, wie viel kleiner die Drosselöffnung als eine vorbestimmte Öffnung ist.

Kurze Beschreibung der Zeichnungen
Die anliegenden Zeichnungen, die einbezogen sind und einen Teil der Beschreibung darstellen, zeigen eine Ausführungsform der Erfindung und dienen zusammen mit der Beschreibung zur Erklärung der Prinzipien der Erfindung:
1 zeigt gewöhnliche Schaltmuster für ein 1→2 Heraufschalten und ein 2→1 Herunterschalten;
2 ist ein Blockdiagramm einer Schalt-Steuerungsvorrichtung eines Automatikgetriebes gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung;
3 ist ein detailliertes Blockdiagramm eines modularen neuronalen Netzwerks, welches in einer Schalt-Steuerungsvorrichtung eines Automatikgetriebes gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung aufgenommen ist;
4 zeigt, wie ein Schaltmuster mittels eines Schaltmuster-Einstellkoeffizienten gemäß einer bevorzugten Form der vorliegenden Erfindung eingestellt wird; und
5 ist ein Flussdiagramm, welches ein Schalt-Steuerungsverfahren eines Automatikgetriebes gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung zeigt.
Ausführliche Beschreibung
Eine bevorzugte Ausführungsform der vorliegenden Erfindung wird im Folgenden ausführlich mit Bezug auf die beiliegenden Zeichnungen beschrieben.
Wie in 2 gezeigt ist, beinhaltet eine Schalt-Steuerungseinrichtung eines Automatikgetriebes gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung eine Detektiereinheit 210 mit einer Vielzahl von Detektoren zur Detektion einer Vielzahl von Eingangssignalen bezüglich eines Fahrzustands eines Fahrzeugs, eine Schalt-Steuerungseinheit 250 zur Bestimmung, ob ein Schalten bzw. ein Gangwechsel auf Grundlage der Eingangssignale erforderlich ist, und welche ein Schaltsignal erzeugt, wenn ein Schalten erforderlich ist, und eine Aktuatoreinheit 290 zur Ausführung eines Schaltens zu einer Ziel-Fahrstufe gemäß dem Schaltsignal, welches von der Schalt-Steuerungseinheit 250 empfangen wurde.
Die Aktuatoreinheit bzw. Stellgliedeinheit 290 wird üblicherweise durch Einbeziehen einer Vielzahl von Magnetspulenventilen realisiert und hängt von verschiedenen Automatikgetriebe-Schemata ab. Für jedes spezifische Automatikgetriebe kann jedoch eine entsprechende Aktuatoreinheit 290 durch einen Fach mann leicht realisiert werden, und eine ausführlichere Beschreibung bezüglich der Aktuatoreinheit 290 wird daher minimiert.
Die Detektionseinheit 210 beinhaltet einen Fahrzeuggeschwindigkeits-Detektor 212 zur Detektion einer Fahrgeschwindigkeit des Fahrzeugs (nicht gezeigt); einen Motorgeschwindigkeits-Detektor 214 zur Detektion einer Umdrehungsgeschwindigkeit des Motors; einen Turbinengeschwindigkeits-Detektor 216 zur Detektion einer Turbinengeschwindigkeit, wobei die Turbine in dem Automatikgetriebe enthalten ist; einen Drosselöffnungs-Detektor 218 zur Detektion einer Drosselöffnung; einen Bremsbetriebs-Detektor 220 zur Detektion des Betriebs einer Bremse; und einen Motordrehmoment-Detektor 222 zur Detektion eines gegenwärtigen Drehmoments des Motors.
Der Fahrzeuggeschwindigkeits-Detektor 212 kann als ein Sensor zur Detektion der Rotationsgeschwindigkeit einer Ausgangswelle des Automatikgetriebes realisiert werden, und der Bremsbetriebs-Detektor 220 kann als ein Schalter, der entweder geschlossen oder geöffnet ist, entsprechend dem Bremsbetrieb bzw. der Bremsbedienung eines Fahrers, realisiert werden.
Der Motordrehmoment-Detektor 222 kann als ein Prozessor zur Steuerung des Motors realisiert werden. Die Berechnung und Speicherung eines Motordrehmoments an dem Prozessor zur Steuerung des Motors ist für einen Fachmann naheliegend.
Der Motorgeschwindigkeits-Detektor 214, der Turbinengeschwindigkeits-Detektor 216 und der Drosselöffnungs-Detektor 218 sind für den Fachmann ebenfalls naheliegend und eine ausführlichere Beschreibung wird daher minimiert.
Die Schalt-Steuerungseinheit 250 kann durch ein oder mehrere Prozessoren realisiert werden, die durch eine vorbestimmte Software aktiviert werden. Die Prozessoren für die Schalt-Steuerungseinheit 250 sind mit einem Speicher 280 ausgestattet, um Parameterwerte zu speichern, beispielsweise eine gegenwärtige Fahrstufe und einer vorherige Fahrstufe des Automatikgetriebes. Die Prozessoren für die Schalt-Steuerungseinheit 250 sind weiterhin mit einer Ziel-Fahrstufen-Berechnungseinrichtung 260 zur Berechnung einer Ziel-Fahrstufe gemäß einem gegenwärtigen Schaltmuster versehen, einer Steigungswiderstand-Berechnungseinheit 265 zur Berechnung des Steigungswiderstands (Rg) einer Straße, einer Fahrzeugbeschleunigungs-Berechnungseinrichtung 270 zur Berechnung der Fahrzeugbeschleunigung (Va) aus Eingabe-Fahrzeuggeschwindigkeiten (Vs), und einer Drosselöffnungs-Änderungsraten-Berechnungseinrichtung 275 zur Berechnung der Drosselöffnungs-Änderungsrate (ΔTH) aus Eingabe-Drosselöffnungswerten (TH).
Die Ziel-Fahrstufen-Berechnungseinrichtung 260, die Steigungswiderstand-Berechnungseinrichtung 265 und die Fahrzeugbeschleunigungs-Berechnungseinrichtung 260 können entweder durch Hardware oder durch Software realisiert sein.
Die Berechnung der Ziel-Fahrstufe der Ziel-Fahrstufen-Berechnungseinrichtung 260 und die Berechnung der Fahrzeugbeschleunigung der Fahrzeugbeschleunigungs-Berechnungseinrichtung 270 sind dem Fachmann bekannt.
Wenn eine Straße eine Steigung aufweist, wird ein Teil des Ausgangsdrehmoments eines Motors nicht zur Beschleunigung verwendet, sondern wird stattdessen dazu, der durch die Steigung induzierten Gravitation zu widerstehen. Der Steigungswider stand (Rg) bezeichnet daher den durch die Steigung berechneten Anteil des Ausgangsdrehmoments des Motors, der zum Widerstehen der Gravitation eingesetzt wird. Die Berechnung des Ausgangsdrehmoments, welches zur Überwindung der Gravitation durch die Steigung berechnet wird, ist dem Fachmann bekannt.
Die Schalt-Steuerungseinheit 250 berechnet einen Schaltmuster-Einstellkoeffizienten (Mp) mittels eines modularen neuronalen Netzwerks 255 auf der Basis von Signalen, die von der Detektiereinheit 210 eingegeben werden. Eine bevorzugte funktionelle Struktur des modularen neuronalen Netzwerks 255 ist im Detail im Folgenden mit Bezug auf 3 beschrieben.
Wie in 3 gezeigt ist, beinhaltet das modulare neuronale Netzwerk 255 eine Vielzahl neuronaler Netzwerkmodule.
Das modulare neuronale Netzwerk 255 beinhaltet ein erstes neuronales Netzwerkmodul 310 zur Berechnung eines Fahrfreudigkeits-Index (Df) auf Basis mindestens eines ersten Signals, ausgewählt aus der Vielzahl von Eingangssignalen, die von der Detektiereinheit 210 empfangen wurden, ein zweites neuronales Netzwerkmodul 340 zur Berechnung eines Steigungs-Index und eines effektiven Steigungs-Index (Dacc) auf der Basis mindestens eines zweiten Signals, ausgewählt aus der Vielzahl von Eingangssignalen, die von der Detektiereinheit 210 empfangen wurden, und ein drittes neuronales Netzwerkmodul 370 zur Berechnung eines Zufriedenheits-Index (kk) auf der Basis mindestens eines dritten Signals, ausgewählt aus der Vielzahl von Eingangssignalen, die von der Detektiereinheit 210 empfangen wurden.
Das modulare neuronale Netzwerk 255 beinhaltet weiterhin ein erstes Berechnungsmodul 380 zur Berechnung des Schaltmuster- Einstellkoeffizienten (Mp) auf der Basis von Signalen, die von den ersten, zweiten und dritten neuronalen Netzwerkmodulen 310, 340 und 370 empfangen wurden.
Durch Realisierung des neuronalen Netzwerks 255 dahingehend, dass es eine Vielzahl neuronaler Netzwerkmodule wie oben beschrieben aufweist, kann ein Zeitraum zum Erlernen durch das neuronalen Netzwerk 255 verkürzt werden, und die Funktionsgenauigkeit des neuronalen Netzwerks 255 kann verbessert werden.
Die ersten, zweiten und dritten neuronalen Netzwerkmodule 310, 340 und 370 sowie das erste Berechnungsmodul 380 können entweder als Hardware oder als Software realisiert werden. Vorzugsweise werden sie in die Schalt-Steuerungseinheit 250 einprogrammiert .
Die Begriffe „Fahrfreudigkeits-Index", „Steigungs-Index", „effektiver Steigungs-Index" und „Zufriedenheits-Index" werden eingeführt, um das Verständnis der vorliegenden Erfindung und ihrer bevorzugten Ausführungsformen zu verbessern, und sollten daher nicht als den Umfang der vorliegenden Erfindung beschränkend angesehen werden, sondern dienen zur Unterscheidung der Indizes.
Das erste neuronale Netzwerkmodul 310 empfängt Signale, einschließlich ein maximales Drehmoment (TEmax) des Motors, ein gegenwärtiges Motordrehmoment (TE), eine Fahrzeuggeschwindigkeit (Vs), eine Fahrzeugbeschleunigung (Va), eine gegenwärtige Fahrstufe (SHIFT_cur), eine Drosselöffnung (TH), eine Drosselöffnungs-Änderungsrate (ΔTH), ein Bremsbetriebs-Signal (BS) und eine Ziel-Fahrstufe (SHIFT_com) gemäß einem gegenwärtigen Schaltmuster.
Das maximale Drehmoment (TEmax) und die gegenwärtige Fahrstufe (SHIFT cur)-Signale werden von dem Speicher 280 abgefragt.
Das gegenwärtige Motordrehmoment (TE) wird von dem Motordrehmoment-Detektor 222 eingegeben, die Fahrzeuggeschwindigkeit (Vs) von dem Fahrzeuggeschwindigkeits-Detektor 212, die Fahrzeugbeschleunigung (Va) von der Fahrzeugbeschleunigungs-Berechnungseinrichtung 270, die Drosselöffnung (TH) von dem Drosselöffnungs-Detektor 218, die Drosselöffnungs-Änderungsrate (ΔTH) von der Drosselöffnungs-Änderungsraten-Berechnungseinrichtung 275, das Drosselbetriebs-Signal (BS) von der Bremsbetriebs-Detektionseinrichtung 220 und die Ziel-Fahrstufe (SHIFT_com) gemäß dem gegenwärtigen Schaltmuster von der Ziel-Fahrstufen-Berechnungseinheit 260.
Wie oben beschrieben ist, werden Parameter, die eng mit den Fahreigenschaften eines Fahrers verbunden sind als Signale ausgewählt, die in das erste neuronale Netzwerkmodul 310 eingegeben werden, so dass die Fahreigenschaften des Fahrers vollständig berücksichtigt werden können.
Genauer beinhaltet das erste neuronale Netzwerkmodul 310 ein zweites Berechnungsmodul 315 zur Berechnung einer Fahrzeuglast (Lve), ein viertes neuronales Netzwerkmodul 320 zur Berechnung eines Fahrerbedienungszustands-Index (MA), ein fünftes neuronales Netzwerkmodul 325 zur Berechnung eines Kick-down-Freudigkeits-Index (Mm), ein sechstes neuronales Netzwerkmodul 330 zur Berechnung eines Fahrerwillen-Index (DRV) auf Grundlage des Fahrerbedienungszustands-Index (MA) und des Kick-down-Freudigkeits-Index (Mm) und ein siebtes neuronales Netzwerkmodul 335 zur Berechnung des Fahrfreudigkeits-Index (Df) auf der Grundlage der Fahrzeuglast und des Fahrerwillen-Index (DRV).
Die Fahrzeuglast wird, wie in der nachfolgenden Gleichung 1 berechnet.
Gleichung 1
Dabei ist TE ein gegenwärtig durch den Motor erzeugtes Drehmoment, TEmax ist ein maximales Drehmoment des Motors und TEacc ist ein Beschleunigungsmoment, wobei das Beschleunigungsmoment einen zur Beschleunigung verwendeten Anteil des Motordrehmoments von dem gegenwärtig erzeugten Drehmoment TE bezeichnet.
Das Beschleunigungsmoment (TEacc) wird ersichtlich aus einem Beschleunigungswiderstand und einem Schaltverhältnis der gegenwärtigen Fahrstufe (SHIFT cur) berechnet, wobei der Beschleunigungswiderstand als Multiplikation der Fahrzeugbeschleunigung (Va) und der Masse (M) des Fahrzeugs definiert ist.
Die Begriffe "Fahrerbedienungszustands-Index", "Kick-down-Freudigkeits-Index" und "Fahrerwillen-Index" werden eingeführt, um das Verständnis der vorliegenden Erfindung und ihrer bevorzugten Ausführungsformen zu verbessern, und sollten daher nicht als den Umfang der vorliegenden Erfindung einschränkend angesehen werden, sondern dienen zur Unterscheidung der Indizes.
Das vierte neuronale Netzwerkmodul 320 berechnet den Fahrerbedienungszustands-Index (MA) auf Grundlage von Eingangssignalen, einschließlich Drosselöffnungs(TH)-, Drosselöffnungs-Änderungsraten(ΔTH)-, Bremsbetriebs(BS)-, Fahrzeuggeschwindigkeits(Vs)- und Fahrzeugbeschleunigungs(VR)-Signalen.
Wie oben beschrieben ist, werden Parameter, die eng mit dem Fahrerbedienungszustand zusammenhängen, als Signale ausgewählt, die in das vierte neuronale Netzwerkmodul 320 eingegeben werden, so dass der Fahrerbedienungszustand genau berücksichtigt werden kann.
Der Fahrerbedienungszustands-Index (MA) wird selektiv aus einer Vielzahl von vorbestimmten Werten berechnet, beispielsweise „dynamisch", „normal" und „wirtschaftlich" („economy").
Das fünfte neuronale Netzwerkmodul 325 berechnet den Kickdown-Freudigkeits-Index (Mm) auf der Basis von Eingangssignalen, einschließlich Drosselöffnungs-Änderungsraten(ΔTH)-, Fahrzeuggeschwindigkeits(Vs)- und Ziel-Fahrstufen(SHIFT com)-Signalen.
Dem Fachmann ist klar, dass die Zuverlässigkeit verbessert wird, da Parameter, die eng mit dem Auftreten eines Kick-down-Schaltens zusammenhängen, als Signale ausgewählt werden, die in das fünfte neuronale Netzwerkmodul 325 eingegeben werden, so dass die Kick-down-Freudigkeit genau berücksichtigt werden kann.
Der Kick-down-Freudigkeits-Index (Mm) wird selektiv aus einer Vielzahl von vorbestimmten Werten berechnet, beispielsweise „groß" , „mittel" und „klein" .
Das sechste neuronale Netzwerkmodul 330 berechnet den Fahrerwillen-Index (DRV) auf Basis des Fahrerbedienungszustands-Index (MA) und des Kick-down-Freudigkeits-Index (Mm).
Der Fahrerbedienungszustands-Index (MA) wird als Index einer Fahrerbeschleunigungs- und Verlangsamungsbedienung berechnet, und der Kick-down-Freudigkeits-Index (Mm) wird als ein Index der Kick-down-Freudigkeit des Fahrers berechnet. Der Schaltmuster-Einstellkoeffizient reflektiert daher verschiedene Aspekte der Fahreigenschaften des Fahrers.
Das siebte neuronale Netzwerkmodul 335 berechnet den Fahrfreudigkeits-Index (Df) auf Basis nicht nur des Fahrerwillen-Index (DRV), sondern auch der gegenwärtigen Fahrzeuglast (Lve). Die genaue Bestimmung des Fahrfreudigkeits-Index (Df) ist daher möglich, da die Fahrzeuglast auch als ein Parameter, der mit der Fahrerbedienung zusammenhängt, berücksichtigt wird.
Die vierten, fünfte, sechsten und siebten neuronalen Netzwerkmodule 320, 325, 330 und 335 werden auf entsprechende berechnete Indizes auf der Basis entsprechender Eingaben trainiert. Das Training der neuronalen Netzwerkmodule 320-335 in einer Vielzahl von Weisen, die dem Fachmann bekannt sind, realisiert werden, wobei Trainingssequenzen und Trainingsverfahren, die auf solchen Trainingssequenzen beruhen, vom Fachmann gewählt werden können.
Die Fahrfreudigkeit eines Fahrers wird von dem oben beschriebenen ersten neuronalen Netzwerkmodul 320 genau berücksichtigt.
Wenn ein Fahrer, der eine dynamische Fahrfreudigkeit besitzt, beispielsweise eine schnelle Beschleunigung erreichen möchte, wenn ein Fahrzeug mit 70 km/h fährt, wobei 50% des maximalen Motordrehmoments eingesetzt werden, würde der Fahrer das Drosselventil schnell bedienen. In diesem Fall sollte das Getriebe ein besseres Ausgangsdrehmoment auf die Räder bringen können.
In diesem Fall werden die Fahrbedingungen in neuronale Netzwerkmodul-Komponenten des ersten neuronalen Netzwerkmoduls 310 eingegeben, und demgemäß wird der Fahrerbedienungszustands-Index (MA) „dynamisch" angeben, und der Kick-down-Freudigkeits-Index wird anzeigen, dass die Kick-down-Freudigkeit des Fahrers groß ist.
Demgemäß wird der Fahrerwillen-Index (DRV) eine Situation anzeigen, die mehr Fahrdrehmoment erfordert und dieser Fahrerwillen-Index (DRV), zusammen mit der berechneten Fahrzeuglast (Lve) wird berücksichtigt, um den Fahrfreudigkeits-Index (Df) in dem siebten neuronalen Netzwerkmodul 335 zu berechnen.
Wie oben gezeigt ist, wird das erste neuronale Netzwerkmodul 310 mit geeigneten Modulen für tatsächliche Fahrsituationen versehen, und es ermöglicht daher eine genaue und präzise die Anforderungen eines Fahrers befriedigende Schaltsteuerung eines Automatikgetriebes.
Das zweite neuronale Netzwerkmodul empfängt Signale, einschließlich solche der Fahrzeuggeschwindigkeit (Vs), der Fahrzeugbeschleunigung (Va), des Steigungswiderstands (Rg), der Drosselöffnung (TH) und der Dauer (T) der Drosselöffnung (TH). Die Dauer (T) wird von einem Zeitmesser bzw. Zeitgeber 285 eingegeben, so dass das zweite neuronale Netzwerkmodul 340 berücksichtigen kann, wie oft das Drosselventil betrieben wird.
Die Fahrzeuggeschwindigkeit (Vs) wird von dem Fahrzeuggeschwindigkeits-Detektor 212 eingegeben, die Fahrzeugbeschleunigung (Va) von der Fahrzeugbeschleunigungs-Berechnungseinrichtung 270, der Steigungswiderstand (Rg) von der Steigungswiderstands-Berechnungseinrichtung 265 und die Drosselöffnung (TH) von dem Drosselöffnungs-Detektor 218.
Wie oben beschrieben ist, werden Parameter, die eng mit dem Straßenzustand und den Fahrbedingungen des Fahrers zusammenhängen als Signale gewählt, die in das zweite neuronale Netzwerkmodul 340 eingegeben werden, so dass der Straßenzustand und die Fahrbedingungen vollständig berücksichtigt werden können.
Genauer beinhaltet das zweite neuronale Netzwerkmodul 340 ein achtes neuronales Netzwerkmodul 345 zur Berechnung eines Straßenzustands-Index (Csd), ein neuntes neuronales Netzwerkmodul 350 zur Berechnung eines Beschleunigungs-Verlangsamungs-Index (AD), ein zehntes neuronales Netzwerkmodul 355 zur Berechnung eines Drosselbetriebs-Index (THop), ein elftes neuronales Netzwerkmodul 360 zur Berechnung eines Motorbremserfordernis-Index (ACC) auf der Basis des Beschleunigungs-Verlangsamungs-Index (AD) und des Drosselbetriebs-Index (THop) und ein zwölftes neuronales Netzwerkmodul 365 zur Berechnung eines Steigungs-Index (Dm) und eines effektiven Steigungs-Index (Dacc) auf der Basis von Eingangssignalen, einschließlich dem Straßenzustands-Index (Csd) und dem Motorbremserfordernis-Index (ACC) .
Die Begriffe „Straßenzustands-Index", „Beschleunigungs-Verlangsamungs-Index", „Drosselbetriebs-Index" und „Motorbremserfordernis-Index" werden eingeführt, um das Verständnis der vorliegenden Erfindung und deren bevorzugten Ausführungsformen zu verbessern, und sollten daher nicht als den Umfang der vorliegenden Erfindung einschränkend angesehen werden, sondern dienen der Unterscheidung der Indizes.
Das achte neuronale Netzwerkmodul 345 berechnet den Straßenzustands-Index" (Cad) auf der Basis von Eingangssignalen, einschließlich Fahrzeugbeschleunigungs(VA)-, Fahrzeuggeschwindigkeits(Vs)-, Steigungswiderstands(Rg)-, Drosselöffnungs(TH)und Bremsbetriebs(BS)-Signalen.
Es werden Parameter, die mit der Bedienung des Fahrers zusammenhängen sowie der Steigungswiderstand (Rg) als Eingangssignale einbezogen, so dass eine Bestimmung des Straßenzustands möglich ist.
Das neunte neuronale Netzwerkmodul 350 berechnet des Beschleunigungs-Verlangsamungs-Index (AD) auf Grundlage von Eingangssignalen, einschließlich der Drosselöffnung (TH) und der Fahrzeuggeschwindigkeit (Vs).
Die Drosselöffnung (THj, ein Grad bzw. ein Maß des Betriebs durch den Fahrer, kann von der Fahrzeuggeschwindigkeit (Vs) abhängen, welche sich in Eingangssignalen des neunten neuronalen Netzwerkmoduls 350 widerspiegelt. Das neunte neuronale Netzwerkmodul 350 bestimmt daher genau, wie viel Beschleunigung oder Verlangsamung von dem Fahrer benötigt wird.
Der Beschleunigungs-Verlangsamungs-Index (AD) wird selektiv aus einer Vielzahl von vorbestimmten Werten berechnet.
Das zehnte neuronale Netzwerkmodul 355 berechnet den Drosselbetriebs-Index (THop) auf der Basis von Eingangssignalen, einschließlich solcher der Drosselöffnung (TH), der Fahrzeuggeschwindigkeit (Vs) und der Dauer (T) der Drosselöffnung (TH). Daher wird die Dauer (T) des Drosselbetriebs ebenfalls berücksichtigt wie das augenblickliche Maß an Drosselöffnung (TH).
Wie oben beschrieben ist, berechnet das elfte neuronale Netzwerk 360 einen Motorbremserfordernis-Index (ACC) auf Basis des Beschleunigungs-Verlangsamungs-Index (AD) und des Drosselbetriebs-Index (THop).
Der gegenwärtige Straßenzustand wird stabiler bestimmt, da der Drosselöffnungs-Index (THop) ebenso wie der Beschleunigungs-Verlangsamungs-Index (AD) berücksichtigt wird.
In dem Fall, wenn ein Fahrzeug an einer Steigung fährt, wird ein erhöhtes Fahrdrehmoment benötigt, wenn das Fahrzeug die Steigung heraufsteigt und eine Motorbremsung wird benötigt, wenn das Fahrzeug die Steigung herunterfährt. Daher werden der Drosselbetriebs-Index (THop) und der Beschleunigungs-Verlangsamungs-Index (AD) berücksichtigt, um den Motorbremserfordernis-Index (ACC) zu bestimmen, und dementsprechend wird ein Schaltmuster-Einstellkoeffizient auf Basis eines solchen Motorbremserfordernis-Index (ACC) besser bestimmt.
Der Motorbremserfordernis-Index (ACC) wird selektive aus einer Vielzahl von vorbestimmten Werten berechnet, wobei ein Beispiel ein „existierender" oder „nicht existierender" Verlangsamungswille eines Fahrers ist, und ein anderes Beispiel ein „großer", „mittlerer" und „geringer" Verlangsamungswille eines Fahrers ist.
Das zwölfte neuronale Netzwerkmodul 365 berechnet den Steigungs-Index (Dm) und den effektiven Steigungs-Index (Dacc) auf der Basis von Eingangssignalen, die weiterhin gegenwärtige Fahrstufen-(SHIFT_cur)-, Ziel-Fahrstufen(SHIFT_com)- und Bremsbetriebs(BS)-Signale beinhaltet.
Daher werden Parameter, wie der Straßenzustands-Index (Csd), der mit der Steigung einer Straße zusammenhängt, die Fahrzeuggeschwindigkeit (Vs), die Drosselklappenbedienung eines Fahrers (TH) und die Dauer (T) der Drosselklappenbedienung des Fahrers zusammen berücksichtigt, so dass die zwei Indizes (Dm) und (Dacc) in vernünftiger Weise berechnet werden.
Der Steigungs-Index (Dm) und der effektive Steigungs-Index (Dacc) können beliebige Bedeutungen, die von einem Fachmann vorgezogen werden, haben, es ist jedoch bevorzugt, dass der Steigungs-Index (Dm) eine tatsächliche Steigung einer Straße bezeichnet, und dass der effektive Steigungs-Index (Dacc) einen Index für eine in einem vorbestimmten Maßstab ausgedrückte, vom Fahrer empfundene Steigung bezeichnet.
Auch in dem Fall, dass ein Fahrzeug an einer Steigung fährt, ist ein Schaltmuster für unterschiedliche Fahrbedingungen (beispielsweise ein Schaltmuster für eine ebene Straße) geeignet, wenn der Fahrer beschleunigen möchte. Daher wird die vom Fahrer empfundene Steigung eingeführt, um den Fahrbetrieb des Fahrers bei der Berechnung des Schaltmuster-Einstellkoeffizienten vollständig zu berücksichtigen.
Der Steigungs-Index (Dm) und der effektive Steigungs-Index (Dacc) werden selektiv aus einer Vielzahl von vorbestimmten Werten berechnet, beispielsweise null oder eins, gemäß der Gegenwart einer Steigung.
Die achten, neunten, zehnten, elften und zwölften neuronalen Netzwerkmodule 345, 350, 355, 360 und 365 werden auf berechnete entsprechende Indizes auf Grundlage entsprechender Eingaben trainiert. Das Trainieren der neuronalen Netzwerkmodule 345-365 kann auf eine Vielzahl von Weisen, die dem Fachmann be kannt sind, realisiert werden, wobei Trainingssequenzen und Trainingsverfahren, die auf solchen Trainingssequenzen beruhen, vom Fachmann einfach gewählt werden können.
Wie oben gezeigt ist, wird das zweite neuronale Netzwerkmodul 340 auf geeignete Weise modularisiert, um den Fahrbetrieb eines Fahrer, gegenwärtige und berechnete Fahrstufen und Bremsbetriebe sowie eine tatsächliche Steigung der befahrenen Straße zu berücksichtigen, und erlaubt daher die genaue Bestimmung des Fahrzustands des Fahrzeugs.
Das dritte neuronale Netzwerkmodul 370 berechnet den Zufriedenheits-Index (kk) auf der Basis von Eingangssignalen, einschließlich solcher des Steigungs-Index (Dm) und des effektiven Steigungs-Index (Dacc), berechnet durch das zweite neuronale Netzwerkmodul 340, die Drosselöffnung (TH), das Bremsbetriebs-Signal (BS), den Steigungswiderstand (Rg) und die Ziel-Fahrstufe (SHIFT-com) gemäß einem gegenwärtigen Schaltmuster.
Die Drosselöffnung (TH) wird von dem Drosselöffnungs-Detektor 218 eingegeben, das Bremsbetriebs-Signal (BS) von dem Bremsbetriebs-Detektor 220, der Steigungswiderstand (Rg) von der Steigungswiderstand-Berechnungseinrichtung 265 und die Ziel-Fahrstufe (SHIFT-com) gemäß dem gegenwärtigen Schaltmuster von der Ziel-Fahrstufen-Berechnungseinrichtung 260.
Der Zufriedenheits-Index (kk) wird eingeführt, um die Unzufriedenheit zu kompensieren, die auftreten kann, wenn ein Schaltmuster nur auf der Grundlage von den Signalen der ersten und zweiten neuronalen Netzwerke 310 und 340 eingestellt wird. Wie der Zufriedenheits-Index (kk) die Berechnung des Schaltmuster-Einstellkoeffizienten beeinflusst, wird später im Zusam menhang mit der ausführlichen Beschreibung des ersten Berechnungsmoduls 380 beschrieben.
Das dritte neuronale Netzwerkmodul 370 berechnet den Zufriedenheits-Index (kk) auf der Basis der Parameter TH, BS und Rg, unter Angabe des Fahrzustands und der Ziel-Fahrstufe (SHIFT_com), zusätzlich zu den Indizes (Dm, Dacc), die durch die zweiten neuronalen Netzwerkmodule 340 berechnet werden, was eine angemessene Einstufung der Fahrerzufriedenheit ermöglicht.
Das dritte neuronale Netzwerkmodul 370 wird zur Berechnung entsprechender Indizes auf der Basis entsprechender Eingaben trainiert. Das Trainieren des dritten neuronalen Netzwerkmoduls 370 kann auf verschiedene Weisen, die dem Fachmann bekannt sind, realisiert werden, wobei Trainingssequenzen und Trainingsprozesse, die auf solchen Trainingssequenzen basieren, leicht von einem Fachmann ausgewählt werden können.
Wie oben beschrieben ist, berechnet das erste Berechnungsmodul 380 den Schaltmuster-Einstellkoeffizienten (Mp) auf der Grundlage von Signalen, die von den ersten, zweiten und dritten neuronalen Netzwerkmodulen 310, 340 und 370 empfangen wurden.
Ausführlicher berechnet das erste Berechnungsmodul 380 den Schaltmuster-Einstellkoeffizienten (Mp) als einen Wert, der der nachfolgenden Gleichung 2 genügt.
Gleichung 2
Mp =(Dacc + dd)Dm + Df(1-Dm),
wobei Df der Fahrfreudigkeits-Index ist, Dm der Steigungs-Index ist, Dacc der effektive Steigungs-Index ist und dd die Differenz zwischen dem Zufriedenheits-Index (kk) und einem vorbestimmten Wert ist.
Wie aus Gleichung 2 ersichtlich ist, berechnet das erste Berechnungsmodul 380 den Schaltmuster-Einstellkoeffizienten (Mp) durch eine monotone Funktion bezüglich des Zufriedenheits-Index (kk).
Ausführlicher berechnet das erste Berechnungsmodul 380 den Schaltmuster-Einstellkoeffizienten (Mp) proportional jeweils zu dem Zufriedenheits-Index (kk), dem Fahrfreudigkeits-Index (Df),dem Steigungs-Index (Dm) und dem effektiven Steigungs-Index (Dacc).
4 zeigt, wie ein Schaltmuster durch den Schaltmuster-Einstellkoeffizienten gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung eingestellt wird. Wie in 4 gezeigt ist, kann ein Schaltmuster als Einstellung von Schwellwert-Fahrzeuggeschwindigkeiten, die Drosselöffnungen entsprechen, realisiert werden.
Gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung werden die Schwellwert-Fahrzeuggeschwindigkeiten, die Drosselöffnungen entsprechen, in dem eingestellten Schaltmuster eingestellt, und die Einstellung (ΔVth) der Schwellwert-Fahrzeuggeschwindigkeit nimmt zu mit Abnahme der Drosselöffnung (TH) von einer vorbestimmten Öffnung (TH₀) und mit Zunahme des Schaltmuster-Einstellkoeffizienten (Mp).
Genauer ist die Einstellung (ΔVth) der Schwellwert-Fahrzeuggeschwindigkeit proportional zum Schaltmuster-Einstellkoeffizienten (Mp) und dazu, wie viel kleiner die Drosselöffnung (TH) als eine vorbestimmte Öffnung (TH₀) ist.
Ein Schalt-Steuerungsverfahren eines Automatikgetriebes gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung wird im Folgenden ausführlich mit Bezug auf 5 beschrieben.
Zunächst berechnet die Schalt-Steuerungseinheit 250 den Schaltmuster-Einstellkoeffizienten (Mp) durch ein modulares neuronales Netzwerk auf der Basis einer Vielzahl von Eingangssignalen, die von einer Vielzahl von Detektoren 212-222 bei Schritt 5500 eingegeben werden.
Wenn der Schaltmuster-Einstellkoeffizient (Mp) bei Schritt 5500 berechnet wird, bestimmt die Schalt-Steuerungseinheit 250 bei Schritt S550, ob ein Gangwechsel bzw. Schalten erforderlich ist auf Basis eines eingestellten Schaltmusters, wobei das eingestellte Schaltmuster auf der Grundlage des Schaltmuster-Einstellkoeffizienten (Mp) eingestellt wird.
Wenn ein Schalten auf der Basis des eingestellten Schaltmusters erforderlich ist, berechnet die Schalt-Steuerungseinheit 250 eine Ziel-Fahrstufe bei Schritt 5560 und erzeugt entsprechend Schalt-Signale zum Schalten zur Ziel-Fahrstufe bei Schritt S570.
Gemäß den Schalt-Signalen von der Schalt-Steuerungseinheit 250 wird die Aktuatoreinheit 290 angetrieben und entsprechend wird die Ziel-Fahrstufe bei Schritt S580 erhalten.
Der Schritt 5500 der Berechnung eines Schaltmuster-Einstellkoeffizienten (Mp) durch ein modulares neuronales Netzwerk beinhaltet einen Schritt S510 der Berechnung eines Fahrfreudigkeits-Index (Df) durch ein neuronales Netzwerk auf der Basis mindestens eines ersten Signals, ausgewählt aus der Vielzahl von Eingangssignalen, einen Schritt S520 der Berechnung eines Steigungs-Index (Dm) und eines effektiven Stei gungs-Index (Dacc) durch ein neuronales Netzwerk auf der Basis mindestens eines zweiten Signals, ausgewählt aus der Vielzahl von Eingangssignalen, einen Schritt S530 der Berechnung eines Zufriedenheits-Index (kk) durch ein neuronales Netzwerk auf der Basis mindestens eines dritten Signals, ausgewählt aus der Vielzahl von Eingangssignalen, und einen Schritt S540 der Berechnung des Schaltmuster-Einstellkoeffizienten (Mp) auf der Basis des Fahrfreudigkeits-Index (Df), des Steigungs-Index (Dm), des effektiven Steigungs-Index (Dacc) und des Zufriedenheits-Index (kk).
Der Schritt S510 wird an dem ersten neuronalen Netzwerkmodul 310 durchgeführt, der Schritt S520 an dem zweiten neuronalen Netzwerkmodul 340, der Schritt S530 an dem dritten neuronalen Netzwerkmodul 370 und der Schritt S540 an dem ersten Berechnungsmodul 380.
Der Schritt S510 der Berechnung eines Fahrfreudigkeits-Index (Df) durch ein neuronales Netzwerk beinhaltet einen Schritt S511 der Berechnung einer Fahrzeuglast (Lve) auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen, einen Schritt S513 der Berechnung eines Fahrerbedienungszustands-Index (MA) durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen, einen Schritt S515 der Berechnung eines Kick-down-Freudigkeits-Index durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen, einen Schritt S517 der Berechnung eines Fahrerwillen-Index (DRV) durch ein neuronales Netzwerk auf der Basis des Fahrerbedienungszustands-Index (MA) und des Kick-down-Freudigkeits-Index (Mm) und einen Schritt S519 der Berechnung des Fahrfreudigkeits-Index (Df) durch ein neuronales Netzwerk auf der Basis der Fahrzeuglast (Lve) und des Fahrerwillen-Index (DRV).
Der Schritt S511 wird an dem zweiten Berechnungsmodul 315 durchgeführt, der Schritt S513 an dem vierten neuronalen Netzwerkmodul 320, der Schritt S515 an dem fünften neuronalen Netzwerkmodul 325, der Schritt S517 an dem sechsten neuronalen Netzwerkmodul 330 und der Schritt S519 an dem siebten neuronalen Netzwerkmodul 335.
Bei Schritt S511 wird die Fahrzeuglast (Lve) durch Gleichung 1 berechnet.
Bei Schritt S513 der Berechnung des Fahrerbedienungszustands-Index (MA) berechnet das vierte neuronale Netzwerk 320 den Fahrerbedienungszustands-Index (MA) auf der Grundlage von Eingangssignalen, einschließlich Drosselöffnungs(TH)-, Drosselöffnungs-Änderungsraten(ΔTH)-, Bremsbetriebs(BS)-, Fahrzeuggeschwindigkeits(Vs)- und Fahrzeugbeschleunigungs(Va)-Signalen.
Der Fahrerbedienungszustands-Index (MA) wird selektiv aus einer Vielzahl vorbestimmter Werte berechnet, beispielsweise "dynamisch", "normal" und „wirtschaftlich".
Bei Schritt S515 zur Berechnung des Kick-down-Freudigkeits-Index (Mm) berechnet das fünfte neuronale Netzwerk 325 den Kick-down-Freudigkeits-Index (Mm) auf der Basis von Eingangssignalen, einschließlich Drosselöffnungs-Änderungsraten(ΔTH)-, Fahrzeuggeschwindigkeits(Vs)- und Ziel-Fahrstufen(SHIFT com)-Signalen.
Der Kick-down-Freudigkeits-Index (Mm) wird selektiv aus einer Vielzahl vorbestimmter Werte berechnet, beispielsweise "groß", "mittel" und "klein" .
Der Schritt S520 der Berechnung des Steigungs-Index (Dm) und des effektiven Steigungs-Index (Dacc) beinhaltet einen Schritt S521 der Berechnung eines Straßenzustands-Index (Csd) durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen, einen Schritt S523 der Berechnung eines Beschleunigungs-Verlangsamungs-Index (AD) durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen, einen Schritt S525 der Berechnung eines Drosselbetriebs-Index (THop) durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen, einen Schritt S527 der Berechnung eines Motorbremserfordernis-Index (ACC) durch ein neuronales Netzwerk auf der Basis des Beschleunigungs-Verlangsamungs-Index (AD) und des Drosselbetriebs-Index (THop) und einen Schritt S529 der Berechnung eines Steigungs-Index (Dm) und eines effektiven Steigungs-Index (Dacc) durch ein neuronales Netzwerk auf der Basis von Eingangssignalen, einschließlich dem Straßenzustands-Index (Csd) und dem Motorbremserfordernis-Index (ACC).
Der Schritt S521 wird an dem achten neuronalen Netzwerkmodul 345 durchgeführt, der Schritt S523 an dem neunten neuronalen Netzwerkmodul 350, der Schritt S525 an dem zehnten neuronalen Netzwerkmodul 355, der Schritt S527 an dem elften neuronalen Netzwerkmodul 360 und der Schritt S519 an dem zwölften neuronalen Netzwerkmodul 365.
Bei Schritt S521 der Berechnung des Straßenzustands-Index (Csd) wird der Straßenzustands-Index (Csd) auf der Basis von Eingangssignalen berechnet, einschließlich Fahrzeugbeschleunigungs(Va)-, Fahrzeuggeschwindigkeits(Vs)-, Steigungswider stands(Rg)-, Drosselöffnungs(TH)- und Bremsbetriebs(BS)-Signalen.
Bei dem Schritt S523 der Berechnung eines Beschleunigungs-Verlangsamungs-Index (AD) wird der Beschleunigungs-Verlangsamungs-Index (AD) auf der Basis von Eingangssignalen berechnet, einschließlich Drosselöffnung (TH) und Fahrzeuggeschwindigkeits(Vs)-Signalen.
Bei Schritt S525 der Berechnung eines Drosselbetriebs-Index (THop) wird der Drosselbetriebs-Index (THop) auf der Basis von Eingangssignalen berechnet, einschließlich Drosselöffnungs(TH)-, Fahrzeuggeschwindigkeits(Vs)- und Dauer (T) der Drosselöffnungs(TH)-Signalen.
Bei Schritt S527 der Berechnung des Motorbremserfordernis-Index (ACC) wird der Motorbremserfordernis-Index (ACC) selektiv aus einer Vielzahl vorbestimmter Werte berechnet, wobei ein Beispiel ein "existierender" oder ein "nicht existierender" Verlangsamungswille des Fahrers ist, und ein anderes Beispiel ein "großer", "mittlerer" und "kleiner" Verlangsamungswille eines Fahrers ist.
Bei Schritt S529 der Berechnung des Steigungs-Index (Dm) und des effektiven Steigungs-Index (Dacc) berechnet das zwölfte neuronale Netzwerkmodul den Steigungs-Index (Dm) und den effektiven Steigungs-Index (Dacc) auf der Basis von Eingangssignalen, die weiterhin gegenwärtige Fahrstufen(SHIFT cur)-, Ziel-Fahrstufen(SHIFT-com)- und Bremsbetriebs(BS)-Signale beinhalten.
Der Steigungs-Index (Dm) und der effektive Steigungs-Index (Dacc) werden selektiv aus einer Vielzahl vorbestimmter Werte berechnet, beispielsweise null oder eins, gemäß dem Vorliegen einer Steigung.
Bei Schritt S530 der Berechnung eines Zufriedenheits-Index (kk) berechnet das dritte neuronale Netzwerkmodul 370 den Zufriedenheits-Index (kk) auf der Basis von Eingangssignalen, einschließlich Steigungs-Index(Dm)-, effektiver Steigungs-Index(Dacc)-, Drosselöffnungs(TH)-, Bremsbetriebs(BS)-, Steigungswiderstand(Rg) und Ziel-Fahrstufen (SHIFT com)-Signalen.
Bei Schritt S540 der Berechnung des Schaltmuster-Einstellkoeffizienten (Mp) berechnet das erste Berechnungsmodul 380 den Schaltmuster-Einstellkoeffizienten (Mp) gemäß der Gleichung 2.
Das bedeutet, dass der Schaltmuster-Einstellkoeffizient (Mp) durch eine monotone Funktion bezüglich des Zufriedenheits-Index (kk) berechnet wird. Genauer wird der Koeffizient Mp proportional zum Zufriedenheits-Index (kk), dem Fahrfreudigkeits-Index (Df), dem Steigungs-Index (Dm) und dem effektiven Steigungs-Index (Dacc) berechnet.
Wenn der Schaltmuster-Einstellkoeffizient (Mp) bei Schritt S540 berechnet wird, bestimmt die Schalt-Steuereinheit 250 bei Schritt S550, ob ein Schalten erforderlich ist, basierend auf einem eingestellten Schaltmuster, wobei das eingestellte Schaltmuster basierend auf dem Schaltmuster-Einstellkoeffizienten (Mp) eingestellt wird.
Schwellwert-Fahrzeuggeschwindigkeiten, entsprechend Drosselöffnungen, werden in dem eingestellten Schaltmuster eingestellt, und die Einstellung bzw. Anpassung (ΔVth) der Schwellwert-Fahrzeuggeschwindigkeit nimmt zu mit Abnahme der Drossel öffnung (TH) von einer vorbestimmten Öffnung (THo) und mit Zunahme des Schaltmuster-Einstellkoeffizienten (Mp).
Genauer ist die Einstellung (ΔVth) der Schwellwert-Fahrzeuggeschwindigkeit proportional zum Schaltmuster-Einstellkoeffizienten (Mp) und dazu, wie viel kleiner die Drosselöffnung (TH) als eine vorbestimmte Öffnung (TH₀) ist.
Wenn ein Gangwechsel basierend auf dem eingestellten Schaltmuster erforderlich ist, berechnet die Schalt-Steuerungseinheit 250 eine Ziel-Fahrstufe bei Schritt S560 und erzeugt demgemäß Schalt-Signale zum Wechsel zur Ziel-Fahrstufe bei Schritt S570.
Gemäß den Schalt-Signalen von der Schalt-Steuerungseinheit 250 wird die Aktuatoreinheit 290 angetrieben, und demgemäß wird die Ziel-Fahrstufe bei Schritt S580 erreicht.
Gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung wird ein Schaltmuster auf geeignete Weise bezüglich verschiedener Fahrumstände und -bedingungen eingestellt.
Insbesondere wird ein Schaltmuster-Einstellkoeffizient durch ein modulares neuronales Netzwerk berechnet. Daher kann ein Schaltmuster auf geeignete Weise eingestellt werden, sogar wenn das Fahrzeug unter unerwarteten Fahrumständen und – bedingungen fährt. Weiterhin erleichtert die modulare Struktur des neuronalen Netzwerks dessen Berechnung und verbessert die Genauigkeit hiervon.
Weiterhin vermindert die modulare Struktur des neuronalen Netzwerks die Gesamtzahl an Fällen, die eingesetzt werden müs sen, um das gesamte neuronale Netzwerk zu trainieren, da jedes neuronale Netzwerkmodul trainiert werden kann.
Eingangssignale werden gruppiert bezüglich physikalischer Relevanz und werden den neuronalen Netzwerkmodulkomponenten bereitgestellt, wodurch die Zuverlässigkeit der Berechnung von modularen neuronalen Netzwerken verbessert wird.
Gemäß einem Schaltmuster-Einstellkoeffizienten, der durch ein modulares neuronales Netzwerk berechnet wird, wird die Verwendbarkeit der Einstellung eines Schaltmusters erhöht, da das Schaltmuster bei extremen Fahrumständen extrem eingestellt werden kann.
Obwohl diese Erfindung im Zusammenhang mit dem, was gegenwärtig als die praktischste und bevorzugte Ausführungsform angesehen wird, beschrieben wurde, versteht sich, dass die Erfindung nicht auf die offenbarten Ausführungsformen beschränkt ist, sondern im Gegenteil verschiedene Abwandlungen und äquivalente Anordnungen abdeckt, die im Gedanken und Umfang der anliegenden Ansprüche beinhaltet sind.
In dieser Beschreibung und den nachfolgenden Ansprüchen wird, wenn nicht ausdrücklich gegenteilig beschrieben, das Wort "umfassen" oder Abwandlungen, wie beispielsweise "umfasst" oder "umfassend" so verstanden, dass die Einbeziehung der genannten Elemente gemeint ist, jedoch nicht der Ausschluss anderer Elemente.

Claims

Schalt-Steuerungsverfahren eines Automatikgetriebes, umfassend: Berechnen eines Schaltmuster-Einstellkoeffizienten durch ein modulares neuronales Netzwerk, basierend auf einer Vielzahl von Eingangssignalen, die von einer Vielzahl von Detektoren eingegeben werden; Bestimmen, ob ein Schalten erforderlich ist, basierend auf einem eingestellten Schaltmuster, wobei das eingestellte Schaltmuster basierend auf dem Schaltmuster-Einstellkoeffizienten eingestellt wird; Berechnen einer Ziel-Fahrstufe, wenn ein Schalten erforderlich ist, basierend auf dem eingestellten Schaltmuster; und Erzeugen eines Schaltsignals zum Wechsel zu der Ziel-Fahrstufe.
Schalt-Steuerungsverfahren nach Anspruch 1, wobei das Berechnen eines Schaltmuster-Einstellkoeffizienten durch ein neuronales Netzwerk umfasst: Berechnen eines Fahrfreudigkeits-Index durch ein neuronales Netzwerk auf der Basis mindestens eines ersten Signals, ausgewählt aus der Vielzahl von Eingangssignalen; Berechnen eines Steigungs-Index und eines effektiven Steigungs-Index durch ein neuronales Netzwerk auf der Basis mindestens eines zweiten Signals, ausgewählt aus der Vielzahl von Eingangssignalen; Berechnung eines Zufriedenheits-Index durch ein neuronales Netzwerk auf der Basis mindestens eines dritten Signals, ausgewählt aus der Vielzahl von Eingangssignalen; und Berechnen des Schaltmuster-Einstellkoeffizienten auf der Basis des Fahrfreudigkeits-Index, des Steigungs-Index, des effektiven Steigungs-Index und des Zufriedenheits-Index.
Schalt-Steuerungsverfahren nach Anspruch 2, wobei das Berechnen eines Fahrfreudigkeits-Index durch ein neuronales Netzwerk umfasst: Berechnen einer Fahrzeuglast auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen; Berechnen eines Fahrerbedienungszustands-Index durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen; Berechnen eines Kick-down-Freudigkeits-Index durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen; Berechnen eines Fahrerwillen-Index durch ein neuronales Netzwerk auf der Basis des Fahrerbedienungszustand-Index und des Kick-down-Freudigkeits-Index; und Berechnen des Fahrfreudigkeits-Index durch ein neuronales Netzwerk auf der Basis der Fahrzeuglast und des Fahrerwillen-Index.
Schalt-Steuerungsverfahren nach Anspruch 3, wobei bei dem Berechnen der Fahrzeuglast die Fahrzeuglast als ein Wert berechnet wird, der aus einer Gleichung
erhalten wird, wobei TE ein gegenwärtig durch einen Motor erzeugtes Drehmoment ist, TEmax ein maximales Drehmoment des Motors ist und TEacc ein Beschleunigungsmoment ist, wobei das Beschleunigungsmoment den Anteil des von dem ge genwärtig erzeugten Drehmoment TE für die Beschleunigung verwendeten Drehmoments bezeichnet.
Schalt-Steuerungsverfahren nach Anspruch 3, wobei bei dem Berechnen eines Fahrerbedienungszustands-Index durch ein neuronales Netzwerk der Fahrerbedienungszustands-Index auf der Basis von Eingangssignalen berechnet wird, einschließlich Drosselöffnungs-, Drosselöffnungs-Änderungsraten-, Bremsbetriebs-, Fahrzeuggeschwindigkeits- und Fahrzeugbeschleunigungs-Signalen.
Schalt-Steuerungsverfahren nach Anspruch 3, wobei der Fahrerbedienungszustands-Index selektiv aus einer Vielzahl vorbestimmter Werte berechnet wird.
Schalt-Steuerungsverfahren nach Anspruch 3, wobei bei dem Berechnen eines Kick-down-Freudigkeits-Index durch ein neuronales Netzwerk der Kick-down-Freudigkeits-Index auf der Basis von Eingangssignalen berechnet wird, einschließlich Drosselöffnungs-Änderungsraten-, Fahrzeuggeschwindigkeits- und Ziel-Fahrstufen-Signalen.
Schalt-Steuerungsverfahren nach Anspruch 7, wobei der Kick-down-Freudigkeits-Index selektiv aus einer Vielzahl vorbestimmter Werte berechnet wird.
Schalt-Steuerungsverfahren nach Anspruch 2, wobei die Berechnung eines Steigungs-Index und eines effektiven Steigungs-Index durch ein neuronales Netzwerk umfasst: Berechnen eines Straßenzustands-Index durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen; Berechnen eines Beschleunigungs-Verlangsamungs-Index durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen; Berechnen eines Drosselbedienungs-Index durch ein neuronales Netzwerk auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen; Berechnen eines Motorbremserfordernis-Index durch ein neuronales Netzwerk auf der Basis des Beschleunigungs-Verlangsamungs-Index und des Drosselbedienungs-Index; und Berechnen eines Steigungs-Index und eines effektiven Steigungs-Index durch ein neuronales Netzwerk auf der Basis von Eingangssignalen, einschließlich der Straßenzustands-Index- und der Motorbremserfordernis-Index-Signale.
Schalt-Steuerungsverfahren nach Anspruch 9, wobei bei dem Berechnen eines Straßenzustands-Index der Straßenzustands-Index durch ein neuronales Netzwerk auf der Basis von Eingangssignalen berechnet wird, einschließlich Fahrzeugbeschleunigungs-, Fahrzeuggeschwindigkeits-, Steigungswiderstands-, Drosselöffnungs- und Bremsbetriebs-Signalen.
Schalt-Steuerungsverfahren nach Anspruch 9, wobei bei dem Berechnen eines Beschleunigungs-Verlangsamungs-Index der Beschleunigungs-Verlangsamungs-Index durch ein neuronales Netzwerk auf der Basis von Eingangssignalen berechnet wird, einschließlich Drosselöffnungs- und Fahrzeuggeschwindigkeits-Signalen.
Schalt-Steuerungsverfahren nach Anspruch 9, wobei bei dem Berechnen eines Drosselbedienungs-Index der Drosselbedienungs-Index durch ein neuronales Netzwerk auf der Basis von Eingangssignalen berechnet wird, einschließlich Dros selöffnungs-, Fahrzeuggeschwindigkeits- und Dauer der Drosselöffnungs-Signale.
Schalt-Steuerungsverfahren nach Anspruch 9, wobei der Motorbremserfordernis-Index selektiv aus einer Vielzahl vorbestimmter Werte berechnet wird.
Schalt-Steuerungsverfahren nach Anspruch 9, wobei bei dem Berechnen eines Steigungs-Index und eines effektiven Steigungs-Index durch ein neuronales Netzwerk der Steigungs-Index und der effektive Steigungs-Index auf der Basis von Eingangssignalen berechnet werden, die weiterhin gegenwärtige Fahrstufen-, Ziel-Fahrstufen- und Bremsbetriebs-Signale beinhalten.
Schalt-Steuerungsverfahren nach Anspruch 9, wobei der Steigungs-Index und der effektive Steigungs-Index selektiv aus einer Vielzahl vorbestimmter Werte berechnet werden.
Schalt-Steuerungsverfahren nach Anspruch 2, wobei bei dem Berechnen eines Zufriedenheits-Index der Zufriedenheits-Index durch ein neuronales Netzwerk auf der Basis von Eingangssignalen berechnet wird, einschließlich Steigungs-Index-, effektiver Steigungs-Index-, Drosselöffnungs-, Bremsbetriebs-, Steigungswiderstand- und Ziel-Fahrstufen-Signalen.
Schalt-Steuerungsverfahren nach Anspruch 2, wobei bei dem Berechnen des Schaltmuster-Einstellkoeffizienten der Schaltmuster-Einstellkoeffizient durch eine monotone Funktion bezüglich des Zufriedenheits-Index berechnet wird.
Schalt-Steuerungsverfahren nach Anspruch 2, wobei bei dem Berechnen des Schaltmuster-Einstellkoeffizienten der Schaltmuster-Einstellkoeffizient proportional jeweils zu dem Zufriedenheits-Index, dem Fahrfreudigkeits-Index, dem Steigungs-Index und dem effektiven Steigungs-Index berechnet wird.
Schalt-Steuerungsverfahren nach Anspruch 2, wobei bei dem Berechnen des Schaltmuster-Einstellkoeffizienten der Schaltmuster-Einstellkoeffizient als ein Wert berechnet wird, der einer Gleichung "Mp = (Dacc + dd) × Dm + (1 – Dm) × Df" genügt, wobei Df der Fahrfreudigkeits-Index ist, Dm der Steigungs-Index ist, Dacc der effektive Steigungs-Index ist und dd eine Differenz zwischen dem Zufriedenheits-Index und einem vorbestimmten Wert ist.
Schalt-Steuerungsverfahren nach Anspruch 1, wobei die Schwellwert-Fahrzeuggeschwindigkeiten, die Drosselöffnungen entsprechen, in dem eingestellten Schaltmuster eingestellt werden, wobei die Einstellung der Schwellwert-Fahrzeuggeschwindigkeit zunimmt, wenn die Drosselöffnung von einer vorbestimmten Öffnung abnimmt und wenn der Schaltmuster-Einstellkoeffizient zunimmt.
Schalt-Steuerungsverfahren nach Anspruch 1, wobei Schwellwert-Fahrzeuggeschwindigkeiten, die Drosselöffnungen entsprechen, in dem eingestellten Schaltmuster eingestellt werden, wobei die Einstellung der Schwellwert-Fahrzeuggeschwindigkeit proportional zum Schaltmuster-Einstellkoeffizienten ist, und dazu, wie viel kleiner die Drosselöffnung als eine vorbestimmte Öffnung ist.
Schalt-Steuerungsvorrichtung eines Automatikgetriebes, umfassend: eine Detektiereinheit, umfassend eine Vielzahl an Detektoren zur Detektion einer Vielzahl einen Fahrzustand eines Fahrzeugs betreffenden Eingangssignalen; eine Schalt-Steuerungseinheit mit einem modularen neuronalen Netzwerk zur Berechnung eines Schaltmuster-Einstellkoeffizienten basierend auf einer Vielzahl von Eingangssignalen, die von der Detektiereinheit eingegeben wurden, zur Bestimmung, ob ein Schalten basierend auf einem eingestellten Schaltmuster erforderlich ist, wobei das eingestellte Schaltmuster basierend auf dem Schaltmuster-Einstellkoeffizienten eingestellt wird, und zur Berechnung einer Ziel-Fahrstufe, wenn ein Schalten erforderlich ist; und eine Aktuatoreinheit zum Ausführen eines Fahrstufenwechsels zu einer Ziel-Fahrstufe gemäß dem Schalt-Signal, das von der Schalt-Steuerungseinheit empfangen wurde.
Vorrichtung nach Anspruch 22, wobei die Schalt-Steuerungseinheit ein oder mehrere Prozessoren umfasst, und das modulare neuronale Netzwerk in den ein oder mehreren Prozessoren als Software implementiert ist.
Vorrichtung nach Anspruch 22, wobei die Detektiereinheit umfasst: einen Fahrzeuggeschwindigkeits-Detektor zur Detektion einer Fahrgeschwindigkeit des Fahrzeugs; einen Motorgeschwindigkeits-Detektor zur Detektion einer Umdrehungsgeschwindigkeit eines Motors; einen Turbinengeschwindigkeits-Detektor zur Detektion einer Turbinengeschwindigkeit, wobei die Turbine in dem automatischen Getriebe enthalten ist; einen Drosselöffnungs-Detektor zur Detektion einer Drosselöffnung; einen Bremsbetriebs-Detektor zur Detektion des Betriebs einer Bremse; und einen Motordrehmoment-Detektor zur Detektion eines gegenwärtigen Drehmoments des Motors.
Vorrichtung nach Anspruch 24, wobei der Motordrehmoment-Detektor einen Prozessor zur Steuerung des Motors umfasst.
Vorrichtung nach Anspruch 22, wobei das modulare neuronale Netzwerk umfasst: ein erstes neuronales Netzwerkmodul zur Berechnung eines Fahrfreudigkeits-Index auf der Basis mindestens eines ersten Signals, ausgewählt aus der Vielzahl von Eingangssignalen; ein zweites neuronales Netzwerkmodul zur Berechnung eines Steigungs-Index und eines effektiven Steigungs-Index auf der Basis mindestens eines zweiten Signals, ausgewählt aus der Vielzahl von Eingangssignalen; ein drittes neuronales Netzwerkmodul zur Berechnung eines Zufriedenheits-Index auf der Basis mindestens eines dritten Signals, ausgewählt aus der Vielzahl von Eingangssignalen; und ein erstes Berechnungsmodul zur Berechnung des Schaltmuster-Einstellkoeffizienten auf der Basis von Signalen, die von den ersten, zweiten und dritten neuronalen Netzwerkmodulen empfangen wurden.
Vorrichtung nach Anspruch 26, wobei das erste neuronale Netzwerkmodul umfasst: ein zweites Berechnungsmodul zur Berechnung einer Fahrzeuglast auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen; ein viertes neuronales Netzwerkmodul zur Berechnung eines Fahrerbedienungszustands-Index auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen; ein fünftes neuronales Netzwerkmodul zur Berechnung eines Kick-down-Freudigkeits-Index auf der Basis mindestens eines Signals, ausgewählt aus den ersten Signalen; ein sechstes neuronales Netzwerkmodul zur Berechnung eines Fahrerwillen-Index auf der Basis des Fahrerbedienungszustands-Index und des Kick-down-Freudigkeits-Index; und ein siebtes neuronales Netzwerkmodul zur Berechnung des Fahrfreudigkeits-Index auf Basis der Fahrzeuglast und des Fahrerwillen-Index.
Vorrichtung nach Anspruch 27, wobei das zweite Berechnungsmodul die Fahrzeuglast als einen Wert berechnet, der aus einer Gleichung
erhalten wird, wobei TE ein gegenwärtiges, von einem Motor erzeugtes Drehmoment ist, TEmax ein maximales Drehmoment des Motors ist und TEacc ein Beschleunigungsmoment ist, wobei das Beschleunigungsmoment einen Anteil des Motordrehmoments bezeichnet, der von dem gegenwärtigen erzeugten Drehmoment TE zur Beschleunigung verwendet wird.
Vorrichtung nach Anspruch 27, wobei das vierte neuronale Netzwerkmodul den Fahrerbedienungszustands-Index auf der Basis von Eingangssignalen berechnet, einschließlich Drosselöffnungs-, Drosselöffnungs-Änderungsraten-, Bremsbetriebs-, Fahrzeuggeschwindigkeits- und Fahrzeugbeschleunigungs-Signalen.
Vorrichtung nach Anspruch 27, wobei der Fahrerbedienungszustand-Index selektiv aus einer Vielzahl von vorbestimmten Werten berechnet wird.
Vorrichtung nach Anspruch 27, wobei das fünfte neuronale Netzwerkmodul den Kick-down-Freudigkeits-Index auf der Basis von Eingangssignalen berechnet, einschließlich Drosselöffnungs-Änderungsraten-, Fahrzeuggeschwindigkeits- und Ziel-Fahrstufen-Signalen.
Vorrichtung nach Anspruch 31, wobei der Kick-down-Freudigkeits-Index selektiv aus einer Vielzahl vorbestimmter Werte berechnet wird.
Vorrichtung nach Anspruch 26, wobei das zweite neuronale Netzwerkmodul umfasst: ein achtes neuronales Netzwerkmodul zur Berechnung eines Straßenzustands-Index auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen; ein neuntes neuronales Netzwerkmodul zur Berechnung eines Beschleunigungs-Verlangsamungs-Index auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen; ein zehntes neuronales Netzwerkmodul zur Berechnung eines Drosselbedienungs-Index auf der Basis mindestens eines Signals, ausgewählt aus den zweiten Signalen; ein elftes neuronales Netzwerkmodul zur Berechnung eines Motorbremserfordernis-Index auf der Basis des Beschleuni gungs-Verlangsamungs-Index und des Drosselbetriebs-Index; und ein zwölftes neuronales Netzwerkmodul zur Berechnung eines Steigungs-Index und eines effektiven Steigungs-Index auf der Basis von Eingangssignalen, einschließlich dem Straßenzustands-Index und dem Motorbremserfordernis-Index.
Vorrichtung nach Anspruch 33, wobei das achte neuronale Netzwerkmodul den Straßenzustands-Index auf der Basis von Eingangssignalen berechnet, einschließlich Fahrzeugbeschleunigungs-, Fahrzeuggeschwindigkeits-, Steigungswiderstands-, Drosselöffnungs- und Bremsbetriebs-Signalen.
Vorrichtung nach Anspruch 33, wobei das neunte neuronale Netzwerkmodul den Beschleunigungs-Verlangsamungs-Index auf der Basis von Eingangssignalen berechnet, einschließlich Drosselöffnungs- und Fahrzeuggeschwindigkeits-Signalen.
Vorrichtung nach Anspruch 33, wobei das zehnte neuronale Netzwerkmodul den Drosselbetriebs-Index auf der Basis von Eingangssignalen berechnet, einschließlich Drosselöffnungs-, Fahrzeuggeschwindigkeits- und Dauer der Drosselöffnungs-Signale.
Vorrichtung nach Anspruch 33, wobei der Motorbremserfordernis-Index selektiv aus einer Vielzahl vorbestimmter Werte berechnet wird.
Vorrichtung nach Anspruch 33, wobei das zwölfte neuronale Netzwerkmodul den Steigungs-Index und den effektiven Steigungs-Index auf der Basis von Eingangssignalen berechnet, die weiterhin gegenwärtige Fahrstufen-, Ziel-Fahrstufenund Bremsbetriebs-Signale beinhalten.
Vorrichtung nach Anspruch 33, wobei der Steigungs-Index und der effektive Steigungs-Index selektiv aus einer Vielzahl vorbestimmter Werte berechnet werden.
Vorrichtung nach Anspruch 26, wobei das dritte neuronale Netzwerkmodul den Zufriedenheits-Index auf der Basis von Eingangssignalen berechnet, einschließlich Steigungs-Index-, effektiver Steigungs-Index-, Drosselöffnungs-, Bremsbetriebs-, Steigungswiderstands- und Ziel-Fahrstufen-Signalen.
Vorrichtung nach Anspruch 26, wobei das erste Berechnungsmodul den Schaltmuster-Einstellkoeffizienten durch eine monotone Funktion bezüglich des Zufriedenheits-Index berechnet.
Vorrichtung nach Anspruch 26, wobei das erste Berechnungsmodul den Schaltmuster-Einstellkoeffizienten proportional jeweils zu dem Zufriedenheits-Index, dem Fahrfreudigkeits-Index, dem Steigungs-Index und dem effektiven Steigungs-Index berechnet.
Vorrichtung nach Anspruch 26, wobei das erste Berechnungsmodul den Schaltmuster-Einstellkoeffizienten als einen Wert berechnet, der einer Gleichung "Mp = (Dacc + dd) × Dm + (1 – Dm) × Df" genügt, wobei Df der Fahrfreudigkeits-Index ist, Dm der Steigungs-Index ist, Dacc der effektive Steigungs-Index ist und dd eine Differenz zwischen dem Zufriedenheits-Index und einem vorbestimmten Wert ist.
Vorrichtung nach Anspruch 22, wobei Schwellwert-Fahrzeuggeschwindigkeiten, entsprechend Drosselöffnungen, in dem eingestellten Schaltmuster eingestellt werden, wobei die Einstellung der Schwellwert-Fahrzeuggeschwindigkeit zunimmt, wenn die Drosselöffnung von einer vorbestimmten Öffnung abnimmt und der Schaltmuster-Einstellkoeffizient zunimmt.
Vorrichtung nach Anspruch 22, wobei Schwellwert-Fahrzeuggeschwindigkeiten, entsprechend Drosselöffnungen, in dem eingestellten Schaltmuster eingestellt werden, wobei die Einstellung der Schwellwert-Fahrzeuggeschwindigkeit proportional zu dem Schaltmuster-Einstellkoeffizienten ist, und dazu, wie viel kleiner die Drosselöffnung als eine vorbestimmte Öffnung ist.