[go: up one dir, main page]

WO2024068288A1 - Steuerung eines klimageräts mittels künstlicher intelligenz - Google Patents

Steuerung eines klimageräts mittels künstlicher intelligenz Download PDF

Info

Publication number
WO2024068288A1
WO2024068288A1 PCT/EP2023/075253 EP2023075253W WO2024068288A1 WO 2024068288 A1 WO2024068288 A1 WO 2024068288A1 EP 2023075253 W EP2023075253 W EP 2023075253W WO 2024068288 A1 WO2024068288 A1 WO 2024068288A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
air conditioning
interior
control device
control
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/EP2023/075253
Other languages
English (en)
French (fr)
Inventor
Anne-Katrin Bartels
Alexander Hildebrandt
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.)
Siemens Mobility GmbH
Original Assignee
Siemens Mobility GmbH
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 Siemens Mobility GmbH filed Critical Siemens Mobility GmbH
Priority to EP23777153.0A priority Critical patent/EP4547539A1/de
Publication of WO2024068288A1 publication Critical patent/WO2024068288A1/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61D—BODY DETAILS OR KINDS OF RAILWAY VEHICLES
    • B61D27/00—Heating, cooling, ventilating, or air-conditioning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00357—Air-conditioning arrangements specially adapted for particular vehicles
    • B60H1/00371—Air-conditioning arrangements specially adapted for particular vehicles for vehicles carrying large numbers of passengers, e.g. buses
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
    • B60H1/0073—Control systems or circuits characterised by particular algorithms or computational models, e.g. fuzzy logic or dynamic models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
    • B60H1/00735—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models
    • B60H1/00742—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models by detection of the vehicle occupants' presence; by detection of conditions relating to the body of occupants, e.g. using radiant heat detectors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/1917—Control of temperature characterised by the use of electric means using digital means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/1927—Control of temperature characterised by the use of electric means using a plurality of sensors
    • G05D23/1928—Control of temperature characterised by the use of electric means using a plurality of sensors sensing the temperature of one space

Definitions

  • the invention relates to a method for controlling an air conditioning unit which air-conditions the interior of a vehicle.
  • the air conditioning unit is controlled by means of a control device in order to air-condition the interior of the vehicle using the control.
  • the invention further relates to a device for controlling an air conditioning unit which air-conditions the interior of a vehicle.
  • the device comprises a control device which is designed to control the air conditioning unit in order to air-condition the interior of the vehicle.
  • the air treatment in rail vehicles is described, for example, in the standards DIN EN 13129 (Title: Air treatment in long-distance rail vehicles - Comfort parameters and type tests), DIN EN 14750 (Title: Air treatment in rail vehicles for inner-city and regional transport) and DIN EN 14813 (Title: Air treatment in driver's cabs).
  • controllers In principle, it is known to control an air conditioning device with the help of a controller.
  • This controller is designed, for example, as embedded software. Proportional-integral controllers or 2-point controllers are often used as controllers. Control systems are also known for the controllers, which react to input variables with a linear behavior, the parameters of which are set before the vehicle is operated.
  • the object of the invention is to improve the operation of the air conditioning unit.
  • This task is solved by a method of the type mentioned above, in which a computing device forms a model with the aid of an artificial neural network, which is set up to calculate a Influence on the climate of the interior, to determine a control variable for output by the control device.
  • a computer program representing the model is used on the control device to control the air conditioning unit.
  • the invention recognizes that influencing factors that affect the climate in the vehicle interior are not taken into account in previous air conditioning control systems, or are only taken into account indirectly - by measuring a temperature deviation between the desired interior temperature and the actual interior temperature.
  • the control system treats the entire system (consisting of the vehicle, air conditioning system and the vehicle's surroundings) as a black box and reacts exclusively to a temperature change within the interior. This leads to inertia, which is associated with a long time being taken to reach the desired temperature within the interior.
  • strong influences and the associated reaction of the controller can lead to overshooting of the system, which further reduces the comfort for people inside the interior.
  • the invention has recognized that previous control systems only take into account those influencing factors that are known to experts and are therefore taken into account when setting the parameters of the pre-control. This parameter setting remains static throughout the entire operation of the vehicle.
  • the solution according to the invention solves this problem by creating a model using the artificial neural network.
  • This model generates the control variable for output by the control device, taking into account a large number of influencing variables. In this way, not only can all known influencing variables be taken into account, but previously unknown influencing variables can also be adequately taken into account by training the neural network. ( recognized as a relevant influencing factor , so to speak ) .
  • the advantage of using an artificial neural network is that the influence of influencing variables in training is weighted.
  • this influence can be analyzed by looking at the weightings resulting from training (the nodes of the network) in order to gain further knowledge for future operation of the air conditioning unit.
  • a further significant advantage resulting from the use of an artificial neural network is that different influencing factors are linked when determining the control variable during processing by the neural network.
  • This linking enables the generation of route profiles which depend on various parameters, for example the operating parameters of the vehicle.
  • the route profiles can in turn be used to predict influencing factors: if the vehicle is at a certain location on the route, it is possible to predict which influencing factors are to be expected along the route.
  • This is also advantageous because the control system of the air conditioning unit can react in advance to corresponding influences before they occur. This is particularly useful for energy-optimized operation of the air conditioning unit.
  • the method according to the invention is preferably a computer-implemented method.
  • the air conditioning device is intended, for example, to provide conditioned room air for an interior of the vehicle.
  • the air conditioning unit is preferably controlled by controlling the heating and cooling output.
  • the air conditioning unit is located on the roof of the vehicle, where it may be exposed to sunlight during operation of the vehicle.
  • the control device can be a central control device. Alternatively or additionally, the control device can be at least partially part of the air conditioning device, for example integrated in the air conditioning device.
  • the vehicle is, for example, a land vehicle (e.g. an automobile), an aircraft (e.g. an airplane) or a watercraft (e.g. a ship).
  • a land vehicle e.g. an automobile
  • an aircraft e.g. an airplane
  • a watercraft e.g. a ship
  • influencing variable is often referred to as “disturbance variable” in the context of control engineering.
  • the computer program is installed for use on the control device (“deployment”).
  • the artificial neural network has one or more layers of neurons that are not input neurons or output neurons.
  • the layers of neurons that are not input neurons or output neurons are often referred to as hidden layers in technical terms.
  • the hidden layers are changed during training and learning of the artificial neural network.
  • the machine learning that concerns the artificial neural network with multiple hidden layers is often referred to as deep learning in technical terms.
  • the artificial neural network is preferably trained using training data, with the training taking place in a secure state in which an undesirable data attack is excluded.
  • the secure state is achieved, for example, by using only verified training data for training or by storing training data in a secure state against attackers. protected commissioning and/or test phase.
  • a number of influencing variables are linked together.
  • a route profile is preferably generated.
  • the route profile is further preferably generated on the basis of the link.
  • the route profile further preferably depends on a number of parameters, for example operating parameters of the vehicle.
  • the route profile is further preferably used to predict influencing variables. If the vehicle is at a certain location on the route, it is possible to predict which influencing variables are to be expected along the route (and at which position along the route).
  • the control of the air conditioning unit preferably reacts to the corresponding influencing variables based on the forecast before they occur. This reaction preferably takes place during energy-optimized operation of the vehicle.
  • the vehicle is a track-bound vehicle, preferably a rail vehicle.
  • the interior of the track-bound vehicle includes a passenger area for the stay of passengers.
  • the track-bound vehicle is a high-speed public long-distance passenger train or a regional train or a light rail system, a tram or a subway for local public transport.
  • the rail vehicle is, for example, a multiple unit.
  • the method according to the invention is particularly suitable for use with track-bound vehicles. This is because vehicles of this type have a large number of relevant influencing factors that, due to the track guidance and the associated known route of the Vehicles are comparatively easy to detect and predict.
  • control device comprises
  • pilot control device for influencing a manipulated variable intended for the controller, wherein the computer program representing the model is used on the pilot control device.
  • the behavior of the controller's pre-control can be determined by the computer program that represents the model. This is particularly useful because previous controls take external influencing factors such as outside temperature (outside the vehicle), solar radiation, etc. into account. However, the model can take other influencing factors into account and influence the controller's manipulated variable accordingly. In addition, the behavior of the pre-control during vehicle operation can be optimized by taking the influencing factors into account.
  • the computer program that represents the model is used on the pilot control device and the controller.
  • control of the air conditioning unit can be replaced by the computer program that represents the model.
  • the effects that typically occur with controllers, such as control deviation, can be avoided or at least reduced.
  • the artificial neural network is trained using training data, the training data being generated on the basis of past operation of the vehicle. In this way, past Trips and the data obtained during these trips are used to increase the knowledge (through training) of the artificial neural network.
  • the artificial neural network is trained using training data, whereby the training data is generated on the basis of past operation of another vehicle of the same type. Since other vehicles of the same type behave in many aspects in the same or similar way to the vehicle itself, other past journeys and the data obtained during these journeys can be used to increase the knowledge (through training) of the artificial neural network.
  • the other vehicle of the same type is, for example, another vehicle in the same vehicle fleet or a test vehicle.
  • the artificial neural network is trained using training data, the training data being generated on the basis of a simulation of a system that represents the vehicle, the air conditioning unit and at least parts of the environment of the vehicle. By simulating the system, an expected behavior of the system is determined and data that characterizes this behavior is obtained. This data can be used as training data to train the artificial neural network.
  • the artificial neural network is trained using training data, the training data being generated on the basis of a development process in which the air conditioning device is developed.
  • the variant is based on the knowledge that data is already generated during the development of the air conditioning device. For example, tests of the air conditioning unit are carried out during development, which generate data that can be used as a basis for training the artificial neural network.
  • the model is set up to determine an energy-optimized control variable for output by the control device, the energy-optimized control variable causing energy-optimized operation of the air conditioning device when processed by the air conditioning device.
  • This embodiment is based on the knowledge that a classic controller is only partially able to regulate the air conditioning unit in an energy-optimized manner.
  • the artificial neural network can be trained for energy-optimized operation and output a corresponding control variable.
  • the energy-optimized control variable is a control variable that simultaneously (when processed by the air conditioning unit) brings about a comfort-optimized operation of the air conditioning unit.
  • the energy-optimized control variable is a control variable that simultaneously (when processed by the air conditioning unit) brings about a comfort-optimized operation of the air conditioning unit.
  • the neural network is particularly suitable for energy-optimized operation of the air conditioning unit, for example, because a reaction to influencing factors can already be prepared.
  • a route profile such as the generated route profile described above, can be used, which enables the neural network to take foreseeable influencing factors - if these are to be expected along the route - into account. This can, for example, prevent energy-intensive short-term changes between heating and cooling.
  • the influencing variables comprise, as at least one influencing variable, a number of passengers who are inside the interior.
  • the number of passengers is determined using a weight signal which is transmitted by a braking unit and/or a spring unit of the vehicle.
  • the weight signal is determined, for example, based on the braking force and/or braking energy that the braking unit uses for a given braking process.
  • the spring unit is designed as an air spring, I have the weight signal determined, for example, based on the air pressure within the air spring.
  • the number of passengers is determined using a passenger counting system.
  • a passenger counting system is particularly advantageous when the vehicle is designed as a rail-bound vehicle, since passenger counting systems are often already present on rail-bound vehicles and the passenger counting data from these passenger counting systems is already available.
  • the number of passengers is determined based on the number of mobile devices recorded inside the vehicle. This variant is based on the realization that the number of mobile devices is a suitable measure as a basis for estimating the number of passengers inside the vehicle.
  • the weight signal and the number of detected mobile devices can be linked by the neural network or parts of the neural network.
  • the time of day and the day of the week can also be added. This allows the neural network to detect high passenger volumes, which are caused, for example, by rush hour traffic.
  • the influencing variables include, as at least one influencing variable, solar radiation to which the vehicle is exposed during operation. The solar radiation is detected using a location signal and a radiation direction resulting therefrom.
  • a position of the vehicle is determined based on the location signal. If the vehicle is designed as a track-bound vehicle, a direction of travel of the vehicle is preferably determined based on the position and the route traveled. Based on the current time (and the associated position of the sun), the direction of solar radiation is determined, preferably taking the direction of travel into account.
  • the solar radiation is recorded using a sun shadow that is cast on the vehicle by an object in the vehicle's surroundings.
  • a reduction in solar radiation is determined based on the sun's shadow. If the solar radiation (which would affect the vehicle without a shadow) and the sun's shadow are known, the solar radiation hitting the vehicle can be determined.
  • the object is, for example, a building, a planting and/or a tunnel along the route traveled by the vehicle.
  • the solar radiation is determined based on a point in time, preferably a time of year and day. This variant is based on the knowledge that the position of the sun and consequently the angle of incidence of solar radiation depends on the time of day and the time of year.
  • solar radiation is determined using weather data. For example, the presence of clouds can be taken into account when determining solar radiation.
  • the so-called sunny side of the vehicle which is directly exposed to solar radiation, can be determined particularly easily based on the direction of incidence.
  • the influencing variables include, as at least one influencing variable, an operating state of an electrical component of the vehicle, which is recorded.
  • an operating state of an electrical component of the vehicle is recorded.
  • the operating state can include, for example, "ON” and "OFF”.
  • An example of an electrical component is a lighting device for illuminating the interior.
  • the influencing variables include wind as at least one influencing variable.
  • the wind is recorded based on a vehicle speed and/or based on weather data.
  • This embodiment is based on the knowledge that wind has an influence on the heat supplied to the vehicle.
  • the advantage here is that wind acting on the vehicle can be detected particularly easily based on the vehicle's driving speed and based on weather data.
  • the air conditioning device is controlled based on the control variable output by the control device.
  • the invention further relates to a computer program comprising commands which, when the program is executed by a computing device, cause it to carry out the method of the type described above.
  • the invention further relates to a computer program product with a computer program of this type.
  • the computing device is preferably, at least in part, a computing device of the track-bound vehicle and/or the land-based device.
  • the invention further relates to a provision device for the computer program of the type described above, wherein the provision device stores and/or provides the computer program.
  • the provision device is, for example, a storage unit that stores and/or provides the computer program.
  • the provision device is, for example, a network service, a computer system, a server system, in particular a distributed, for example cloud-based computer system and/or virtual computer system, which stores and/or provides the computer program product preferably in the form of a data stream.
  • the provision takes place in the form of a program data block as a file, in particular as a download file, or as a data stream, in particular as a download data stream, of the computer program.
  • This provision can also take place, for example, as a partial download consisting of several parts.
  • Such a computer program is read into a system, for example, using the provision device, so that the method according to the invention is carried out on a computer.
  • the above-mentioned task is further solved by a device of the type mentioned at the outset.
  • the device includes a computing device which is set up to form a model with the help of an artificial neural network, the model being set up to determine a control variable for output by the control device based on influencing variables that have an influence on the climate of the interior.
  • the device further comprises a computer program which represents the model and is set up to be used on the control device for controlling the air conditioning device.
  • the invention further relates to a vehicle, preferably a rail-bound vehicle, with a device of the type described above.
  • Figure 1 shows schematically the structure of an example of a control system for an air conditioning unit
  • Figure 2 shows schematically the structure of an example of a
  • Figure 3 shows schematically the structure of a
  • Figure 4 schematically shows the structure of a
  • Figure 5 schematically shows the process of a
  • FIG. 1 shows a schematic of the structure of an example of a control system for an air conditioning unit 1.
  • This control system comprises a proportional-integral controller 3 of an external control circuit 5 and a proportional-integral controller 7 of an internal control circuit 9.
  • the external control circuit 5 contains a temperature sensor 11 which measures an existing room temperature Ti n within an interior 15 of a vehicle 20 shown in Figure 2.
  • the internal control circuit 9 contains a temperature sensor 13 which measures an inlet air temperature which is provided and supplied to the interior 15 of the vehicle by means of the air conditioning unit 1.
  • the air conditioning unit 1 is controlled by regulating the heating and cooling power which the air conditioning unit 1 delivers to the inlet air.
  • any influencing variables 2 that have an influence on the climate of the interior 15 are not taken into account in this regulation. Instead, the control reacts to any deviations dT between the measured temperature Ti n and a desired setpoint interior temperature Ti c (so-called setpoint interior temperature).
  • FIG 2 shows a schematic of the structure of an example of a vehicle 20.
  • the air conditioning unit 1 is arranged on the roof of the vehicle 20 and has the purpose of air-conditioning the interior 15 of the vehicle 20. To do this, the air conditioning unit supplies the interior 15 with supply air 17 with a supply air temperature T .
  • the supply air 17 causes an interior temperature Ti n within the interior 15.
  • the aim of the air conditioning is to achieve the setpoint interior temperature Ti c within the interior 15.
  • FIG. 3 shows schematically the structure of an exemplary embodiment of the device according to the invention. Identical or functionally identical elements are provided with the same reference symbols as in relation to Figure 1.
  • the device comprises a proportional-integral controller 3 of an external control loop 5 and a proportional Integral controller 7 of an inner control loop 9.
  • a control device 30 is provided in the effective direction between the outer controller 3 and the inner controller 7 and serves as a pilot control device 31 for pilot control of the controller 7.
  • a computer program is used on the control device 30.
  • the computer program represents a model which is formed by an artificial neural network 32 .
  • FIG 4 shows schematically the structure of an embodiment of a device according to the invention and of a vehicle 120 according to the invention. Identical and functionally identical elements of the vehicle 120 are provided with the same reference numerals as in relation to the corresponding elements of the vehicle 20 according to Figure 2.
  • the vehicle 120 is a track-bound vehicle 121, for example a rail vehicle 122.
  • the interior 15 of the track-bound vehicle 121 includes a passenger area 16 for the stay of passengers 34.
  • the artificial neural network 32 is generated or generated on a land-based device 105 by means of a computing device 110. educated .
  • the artificial neural network 32 is formed in a method step AA by means of a computing device 10 as part of the control device 30 of the vehicle 120.
  • the artificial neural network 32 has several layers of neurons that are not input neurons or output neurons.
  • the artificial neural network 32 forms a model that should be able to determine a control variable for output by the control device 30 based on influencing variables 2 that have an influence on the climate of the interior 15.
  • One of the influencing variables 2 is, for example, the outside temperature T e .
  • Another influencing factor is 2 for example, the number Nf of passengers 34 who are inside the interior 15 during operation of the air conditioning device 1.
  • another influencing variable 2 is, for example, the solar radiation 36 to which the vehicle 120 is exposed during operation.
  • a further influencing variable 2 is, for example, an operating state 39 of an electrical component 38 of the vehicle 120.
  • Another influencing variable 2 is, for example, wind 40, which is recorded based on a driving speed of the vehicle and/or based on weather data.
  • the artificial neural network 32 is trained using training data.
  • the training takes place in a secure state in which an undesirable data attack is ruled out.
  • the secured state is achieved, for example, by only using tested training data for training.
  • the training data are generated, for example, on the basis of past operation of the vehicle 120 in a method step B.
  • influencing variables 2 for example, during past journeys of the vehicle 120, influencing variables 2, associated output control variables of a pilot control device and the interior temperature Ti n achieved thereby are measured. These variables can additionally be measured during past journeys of another vehicle of the same type in a method step BB.
  • a simulation of a system which represents the vehicle 120, the air conditioning unit 1 and parts of the environment 46 of the vehicle 120 can be a basis for the generation of training data in a method step BBB.
  • sub-processes of the development process in which the air conditioning unit 1 is developed for example a test phase, can be the basis for the generation of training data in a method step BBBB.
  • a model is formed with the aid of the artificial neural network 32 (method step C2), which model is set up to determine a control variable for output by the control device 30 based on the influencing variables 2.
  • the computer program that represents the model is installed on the control device 30 in a method step D and is used in the further method, in particular during operation of the vehicle 120, according to a method step E.
  • the influencing variable Nf (number of passengers) is determined during the operation of the vehicle 120 in a method step El, for example based on a weight signal which is generated by a brake unit or a spring unit of the vehicle 120, by means of a passenger counting system of the vehicle 120 and/or based on the Number of mobile devices recorded within the interior 15 recorded.
  • the influencing variable 36 (solar radiation) is determined in a method step E2 based on a location signal and a resulting radiation direction, based on a sun shadow cast onto the vehicle 120 by an object located in the vicinity of the vehicle, based on a point in time, preferably a time of year and day, and/or based on weather data 44.
  • the influencing variable 39 (operating state) is recorded in a method step E3. For this purpose, it is determined, for example, whether the electrical component 38 of the vehicle 120 is switched on or not.
  • the influencing variable 40 (wind) is detected in a method step E4 based on a driving speed of the vehicle 120 and/or on weather data 44.
  • the outside temperature T e is detected in a method step E5 by means of a temperature sensor and/or based on weather data 44.
  • the computer program used on the control device 30 determines the control variable that is output by the control device 30 in a method step E6.
  • the air conditioning device 1 is controlled based on the control variable.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Thermal Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Air-Conditioning For Vehicles (AREA)

Abstract

Steuerung eines Klimageräts mittels künstlicher Intelligenz Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum Steuern eines Klimageräts (1), welches einen Innenraum (15) eines Fahrzeugs (120) klimatisiert. Bei dem Verfahren wird das Klimagerät (1) mittels einer Steuereinrichtung (30) gesteuert, um anhand der Steuerung den Innenraum (15) des Fahrzeugs (120) zu klimatisieren. Zur Verbesserung des Betriebs des Klimageräts (1) bildet eine Recheneinrichtung (10, 110) mit Hilfe eines künstlichen neuronalen Netzes (32) ein Modell, das eingerichtet ist, anhand von Einflussgrößen (2), die einen Einfluss auf das Klima des Innenraums (15) haben, eine Steuergröße zur Ausgabe durch die Steuereinrichtung (30) zu ermitteln. Ein das Modell repräsentierende Computerprogramm wird auf der Steuereinrichtung (30) zum Steuern des Klimageräts (1) eingesetzt (E).

Description

Beschreibung
Steuerung eines Klimageräts mittels künstlicher Intelligenz
Die Erfindung betri f ft ein Verfahren zum Steuern eines Klimageräts , welches einen Innenraum eines Fahrzeugs klimatisiert . Dabei wird das Klimagerät mittels einer Steuereinrichtung gesteuert , um anhand der Steuerung den Innenraum des Fahrzeugs zu klimatisieren . Die Erfindung betri f ft ferner eine Vorrichtung zum Steuern eines Klimageräts , welches einen Innenraum eines Fahrzeugs klimatisiert . Die Vorrichtung umfasst eine Steuereinrichtung, die eingerichtet ist , das Klimagerät zu steuern, um den Innenraum des Fahrzeugs zu klimatisieren .
Die Luftbehandlung in Schienenfahrzeugen ist beispielsweise in den Normen DIN EN 13129 ( Titel : Luftbehandlung in Schienenfahrzeugen des Fernverkehrs - Behaglichkeitsparameter und Typprüfungen) , DIN EN 14750 ( Titel : Luftbehandlung in Schienenfahrzeugen des innerstädtischen und regionalen Nahverkehrs ) und DIN EN 14813 ( Titel : Luftbehandlung in Führerräumen) beschrieben .
Grundsätzlich ist es bekannt , ein Klimagerät mit Hil fe eines Reglers zu steuern . Dieser Regler ist beispielsweise als eingebettete Software ausgebildet . Als Regler kommen häufig Proportional- Integral-Regler oder 2-Punkt-Regler zum Einsatz . Für die Regler sind zudem Versteuerungen bekannt , die mit einem linearen Verhalten, dessen Parameter vor dem Betrieb des Fahrzeugs festgelegt wird, auf Eingangsgrößen reagieren .
Vor diesem Hintergrund ist es Aufgabe der Erfindung, den Betrieb des Klimageräts zu verbessern .
Diese Aufgabe wird durch ein Verfahren der eingangs genannten Art gelöst , bei welchem eine Recheneinrichtung mithil fe eines künstlichen neuronalen Netzes ein Modell bildet , das eingerichtet ist , anhand von Einflussgrößen, die einen Einfluss auf das Klima des Innenraums haben, eine Steuergröße zur Ausgabe durch die Steuereinrichtung zu ermitteln . Ein das Modell repräsentierendes Computerprogramm wird auf der Steuereinrichtung zum Steuern des Klimageräts eingesetzt .
Mit der Erfindung wurde erkannt , dass Einflussgrößen, die einen Einfluss auf das Klima des Innenraums des Fahrzeugs haben, bei bisherigen Regelungen des Klimageräts nicht oder lediglich mittelbar - durch Messung einer Temperaturabweichung zwischen gewünschter Innenraumtemperatur und tatsächlich vorliegender Innenraumtemperatur - berücksichtigt werden . Die Regelung behandelt das Gesamtsystem (bestehend aus Fahrzeug, Klimagerät und Umgebung des Fahrzeugs ) als Blackbox und reagiert ausschließlich auf eine Temperaturänderung innerhalb des Innenraums . Dies führt zu einer Trägheit , die mit einer großen Zeitdauer bis zum Erreichen der gewünschten Temperatur innerhalb des Innenraums einhergeht . Zudem können starke Einflüsse und die zugehörige Reaktion des Reglers zu einem Uberschwingen des Systems führen, was den Komfort für Personen, die sich innerhalb des Innenraums aufhalten, weiter mindert .
Zudem wurde mit der Erfindung erkannt , dass bisherige Versteuerungen lediglich diej enigen Einflussgrößen berücksichtigen, die Fachleuten bekannt sind und dementsprechend bei der Einstellung der Parameter der Vorsteuerung berücksichtigt werden . Diese Parametereinstellung bleibt während des gesamten Betriebs des Fahrzeugs statisch .
Die erfindungsgemäße Lösung behebt dieses Problem, indem mithil fe des künstlichen neuronalen Netzes ein Modell gebildet wird . Dieses Modell erzeugt die Steuergröße zur Ausgabe durch die Steuereinrichtung unter Berücksichtigung einer Viel zahl von Einflussgrößen . Auf diese Weise können nicht nur alle bekannten Einflussgrößen berücksichtigt , sondern zudem bisher unbekannte Einflussgrößen durch das Training des neuronalen Netzes angemessen berücksichtigt ( sozusagen als relevante Einflussgröße erkannt ) werden .
Außerdem ist eine Optimierung des Verhaltens während des Betriebs des Fahrzeugs möglich .
Der Einsatz eines künstlichen neuronalen Netzes hat den Vorteil , dass der Einfluss von Einflussgrößen im Training gewichtet wird . Zudem kann dieser Einfluss durch eine Betrachtung der sich im Training ergebenden Wichtungen ( der Knoten des Netzes ) analysiert werden, um weitergehende Kenntnisse für einen zukünftigen Betrieb des Klimageräts zu erlangen .
Ein weiterer wesentlicher Vorteil , der sich aus der Verwendung eines künstlichen neuronalen Netzes ergibt , ist , dass unterschiedliche Einflussgrößen bei der Ermittlung der Steuergröße bei der Verarbeitung durch das neuronale Netz verknüpft werden . Diese Verknüpfung ermöglicht die Erzeugung von Streckenprofilen, die von verschiedenen Parametern, beispielsweise Betriebsparametern des Fahrzeugs , abhängen . Die Streckenprofile können wiederum für die Vorhersage von Einflussgrößen genutzt werden : Denn wenn sich das Fahrzeug an einem bestimmten Ort auf der Strecke befindet , ist absehbar, welche Einflussgrößen im Streckenverlauf zu erwarten sind . Dies ist weiter vorteilhaft , da die Steuerung des Klimageräts schon vor Eintreten entsprechender Einflüsse auf diese vorbereitend reagieren kann . Dies ist insbesondere für einen energieoptimierten Betrieb des Klimageräts zweckmäßig .
Das erfindungsgemäße Verfahren ist vorzugsweise ein computerimplementiertes Verfahren .
Das Klimagerät ist beispielsweise zum Bereitstellen von klimatisierter Raumluft für einen Innenraum des Fahrzeugs vorgesehen . Das Steuern des Klimageräts erfolgt vorzugsweise , indem die Hei z- und Kühlleistung gesteuert wird . Vorzugsweise ist das Klimagerät auf dem Dach des Fahrzeugs angeordnet, wo es während des Betriebs des Fahrzeugs Sonneneinstrahlung exponiert sein kann.
Die Steuereinrichtung kann eine zentrale Steuereinrichtung sein. Alternativ oder zusätzlich kann die Steuereinrichtung zumindest teilweise Teil des Klimageräts sein, beispielsweise in dem Klimagerät integriert sein.
Das Fahrzeug ist beispielsweise ein Landfahrzeug (z. B. ein Automobil) , ein Luftfahrzeug (z. B. ein Flugzeug) oder ein Wasserfahrzeug (z. B. ein Schiff) .
Der Begriff „Einflussgröße" wird fachmännisch im Kontext der Regelungstechnik häufig als „Störgröße" bezeichnet.
Vorzugsweise wird das Computerprogramm für den Einsatz auf der Steuereinrichtung installiert (Englisch: „deployment") .
Vorzugsweise weist das künstliche neuronale Netz eine oder mehrere Schichten von Neuronen auf, die nicht Eingabeneuron oder Ausgabeneuron sind. Die Schichten von Neuronen, die nicht Eingabeneuron (Englisch: Input Layer) oder Ausgabeneuron (Englisch: Output Layer) sind, werden fachmännisch häufig als Hidden Layer bezeichnet. Vorzugsweise werden die Hidden Layer beim Training und Lernen des künstlichen neuronalen Netzes verändert. Das maschinelle Lernen, welches das künstliche neuronale Netz mit mehreren Hidden Layers betrifft, wird fachmännisch häufig als Deep Learning bezeichnet.
Weiter vorzugsweise wird das künstliche neuronale Netz anhand von Trainingsdaten trainiert, wobei das Training in einem gesicherten Zustand erfolgt, in dem ein unerwünschter datentechnischer Angriff ausgeschlossen ist. Der gesicherte Zustand wird beispielsweise dadurch erzielt, dass für das Training ausschließlich geprüfte Trainingsdaten verwendet werden oder dass Trainingsdaten bei einer vor Angreifern geschützten Inbetriebset zungs- und/oder Testphase gesammelt werden .
Vorzugsweise werden bei der Verarbeitung der Einflussgrößen durch das künstliche neuronale Netz für die Ermittlung der Steuergröße mehrere Einflussgrößen miteinander verknüpft . Weiter vorzugsweise wird ein Streckenprofil erzeugt . Das Streckenprofil wird weiter vorzugsweise auf Basis der Verknüpfung erzeugt . Das Streckenprofil hängt weiter vorzugsweise von mehreren Parametern, beispielsweise von Betriebsparametern des Fahrzeugs , ab . Das Streckenprofil wird weiter vorzugsweise für die Vorhersage von Einflussgrößen genutzt . Wenn sich das Fahrzeug an einem bestimmten Ort auf der Strecke befindet , ist absehbar, welche Einflussgrößen im Streckenverlauf (und an welcher Position im Streckenverlauf ) zu erwarten sind . Weiter vorzugsweise reagiert die Steuerung des Klimageräts anhand der Vorhersage vor Eintreten entsprechender Einflussgrößen auf diese . Diese Reaktion erfolgt vorzugsweise während eines energieoptimierten Betriebs des Fahrzeugs .
Gemäß einer bevorzugten Aus führungs form des erfindungsgemäßen Verfahrens ist das Fahrzeug ein spurgebundenes Fahrzeug, vorzugsweise ein Schienenfahrzeug . Der Innenraum des spurgebundenen Fahrzeugs umfasst einen Fahrgastbereich für den Aufenthalt von Fahrgästen .
Beispielsweise ist das spurgebundene Fahrzeug ein Hochgeschwindigkeits zug des öf fentlichen Personenfernverkehrs oder ein Regional zug oder eine Stadtbahn, eine Straßenbahn bzw . eine U-Bahn des öf fentlichen Personennahverkehrs . Das Schienenfahrzeug ist beispielsweise ein Triebzug .
Das erfindungsgemäße Verfahren ist besonders für die Anwendung bei spurgebundenen Fahrzeugen geeignet . Denn bei Fahrzeugen dieser Art gibt es eine große Anzahl von relevanten Einflussgrößen, die aufgrund der Spurführung und der damit einhergehenden im Voraus bekannten Strecke des Fahrzeugs vergleichsweise gut erfassbar und prognosti zierbar sind .
Nach einer weiteren bevorzugten Aus führungs form des erfindungsgemäßen Verfahrens umfasst die Steuereinrichtung
- einen Regler zum Erzeugen der Steuergröße und
- eine Vorsteuereinrichtung zum Beeinflussen einer für den Regler vorgesehenen Stellgröße , wobei das Computerprogramm, welches das Modell repräsentiert , auf der Vorsteuereinrichtung eingesetzt wird .
Auf diese Weise kann das Verhalten der Vorsteuerung des Reglers durch das Computerprogramm, welches das Modell repräsentiert , bestimmt werden . Dies ist besonders zweckmäßig, da bisherige Versteuerungen zwar äußeren Einflussgrößen, wie Außentemperatur ( außerhalb des Fahrzeugs ) , Sonneneinstrahlung, etc . , berücksichtigen . Jedoch können durch das Modell weitere Einflussgrößen berücksichtigt werden und entsprechend ein Einfluss auf die Stellgröße des Reglers genommen werden . Zudem kann das Verhalten der Vorsteuerung während des Betriebs des Fahrzeugs durch Berücksichtigung der Einflussgrößen optimiert werden .
Bei einer bevorzugten Weiterbildung wird das Computerprogramm, welches das Modell repräsentiert , auf der Vorsteuereinrichtung und dem Regler eingesetzt .
Auf diese Weise kann die Regelung des Klimageräts durch das Computerprogramm, welches das Modell repräsentiert , ersetzt werden . Dabei können die typischen, bei Reglern auftretenden Ef fekte , wie Regelabweichung, vermieden oder zumindest verringert werden .
Bei einer weiteren bevorzugten Aus führungs form des erfindungsgemäßen Verfahrens wird das künstliche neuronale Netz anhand von Trainingsdaten trainiert , wobei die Trainingsdaten auf Basis eines vergangenen Betriebs des Fahrzeugs erzeugt werden . Auf diese Weise werden vergangene Fahrten und die bei diesen Fahrten gewonnenen Daten zur Steigerung des Wissens ( durch Training) des künstlichen neuronalen Netzes genutzt .
Alternativ oder zusätzlich wird das künstliche neuronale Netz anhand von Trainingsdaten trainiert , wobei die Trainingsdaten auf Basis eines vergangenen Betriebs eines weiteren Fahrzeugs gleicher Art erzeugt werden . Da andere Fahrzeuge gleicher Art sich in vielen Aspekten gleich oder analog wie das Fahrzeug selbst verhalten, können weitere vergangene Fahrten und die bei diesen Fahrten gewonnenen Daten zur Steigerung des Wissens ( durch Training) des künstlichen neuronalen Netzes genutzt werden . Das weitere Fahrzeug gleicher Art ist beispielsweise ein weiteres Fahrzeug derselben Fahrzeugflotte oder ein Test f ahrzeug .
Alternativ oder zusätzlich wird das künstliche neuronale Netz anhand von Trainingsdaten trainiert , wobei die Trainingsdaten auf Basis einer Simulation eines Systems , welches das Fahrzeug, das Klimagerät und wenigstens Teile der Umgebung des Fahrzeugs repräsentiert , erzeugt werden . Durch die Simulation des Systems wird ein erwartetes Verhalten des Systems ermittelt und Daten, die dieses Verhalten charakterisieren, gewonnen . Diese Daten können als Trainingsdaten zum Training des künstlichen neuronalen Netzes genutzt werden .
Alternativ oder zusätzlich wird das künstliche neuronale Netz anhand von Trainingsdaten trainiert , wobei die Trainingsdaten auf Basis eines Entwicklungsvorgangs , bei dem das Klimagerät entwickelt wird, erzeugt werden . Der Variante liegt die Erkenntnis zugrunde , dass Daten bereits während der Entwicklung des Klimageräts erzeugt werden . Beispielsweise werden Tests des Klimageräts während der Entwicklung durchgeführt , bei denen Daten erzeugt werden, die als Basis für das Training des künstlichen neuronalen Netzes genutzt werden können . Nach einer weiteren bevorzugten Aus führungs form des erfindungsgemäßen Verfahrens ist das Modell eingerichtet , eine energieoptimierte Steuergröße zur Ausgabe durch die Steuereinrichtung zu ermitteln, wobei die energieoptimierte Steuergröße bei Verarbeitung durch das Klimagerät einen energieoptimierten Betrieb des Klimageräts bewirkt . Dieser Aus führungs form liegt die Erkenntnis zugrunde , dass ein klassischer Regler lediglich bedingt in der Lage ist , das Klimagerät energieoptimiert zu regeln . Im Unterschied dazu kann das künstliche neuronale Netz auf einen energieoptimierten Betrieb hin trainiert werden und eine entsprechende Steuergröße ausgeben .
Weiter vorzugsweise ist die energieoptimierte Steuergröße eine Steuergröße , die gleichzeitig (bei Verarbeitung durch das Klimagerät ) einen komfortoptimierten Betrieb des Klimageräts bewirkt . Mit anderen Worten : Sowohl der Energieverbrauch als auch der Komfort der Fahrgäste wird durch das künstliche neuronale Netz berücksichtigt bzw . das künstliche neuronale Netz wird auf beide Aspekte hin trainiert .
Das neuronale Netz ist für einen energieoptimierten Betrieb des Klimageräts beispielsweise deshalb besonders geeignet , da eine Reaktion auf Einflussgrößen bereits vorbereitend erfolgen kann . Hierfür kann beispielsweise ein Streckenprofil , beispielsweise das vorstehend beschriebene erzeugte Streckenprofil , dienen, das dem neuronalen Netz ermöglicht , absehbare Einflussgrößen - wenn diese im Streckenverlauf zu erwarten sind - zu berücksichtigen . Dadurch können beispielsweise energieintensive kurz fristige Wechsel zwischen Hei zen und Kühlen verhindert werden .
Gemäß einer weiteren bevorzugten Aus führungs form des erfindungsgemäßen Verfahrens umfassen die Einflussgrößen als wenigstens eine Einflussgröße eine Anzahl der Fahrgäste , die sich innerhalb des Innenraums aufhalten . Die Anzahl der Fahrgäste wird anhand eines Gewichtssignals , welches von einer Bremseinheit und/oder einer Federeinheit des Fahrzeugs erzeugt wird, ermittelt .
Dabei wird das Gewichtssignal beispielsweise anhand der Bremskraft und/oder Bremsenergie , die die Bremseinheit für einen vorgegebenen Bremsvorgang einsetzt , ermittelt .
Bei einer Ausbildung der Federeinheit als Luftfeder lässt ich das Gewichtssignal beispielsweise anhand des Luftdrucks innerhalb der Luftfeder ermitteln .
Alternativ oder zusätzlich wird die Anzahl der Fahrgäste mittels eines Fahrgast zählsystems ermittelt . Diese Variante ist besonders vorteilhaft bei einer Ausbildung des Fahrzeugs als spurgebundenes Fahrzeug, da Fahrgast zählsysteme bei spurgebundenen Fahrzeugen häufig ohnehin vorhanden sind und die Fahrgast zähldaten aus diesen Fahrgast zählsystemen bereits vorliegen .
Alternativ oder zusätzlich wird die Anzahl der Fahrgäste anhand der Anzahl der innerhalb des Innenraums erfassten mobilen Endgeräte ermittelt . Dieser Variante liegt die Erkenntnis zugrunde , dass die Anzahl der Mobilgeräte ein geeignetes Maß als Grundlage für die Schätzung der Anzahl der sich innerhalb des Innenraums aufhaltenden Fahrgäste ist .
Vorzugsweise können das Gewichtssignal und die Anzahl der erfassten mobilen Endgeräte durch das neuronale Netz oder Teile des neuronalen Netzes verknüpft werden .
Zur Ermittlung der Anzahl der Fahrgäste , die sich innerhalb des Innenraums aufhalten, kann zusätzlich die Tages zeit in Verknüpfung mit dem Wochentag ergänzt werden . Dadurch lassen sich hohe Fahrgastaufkommen, die beispielsweise durch den Berufsverkehr begründet sind, durch das neuronale Netz erkennen . Nach einer weiteren bevorzugten Aus führungs form des erfindungsgemäßen Verfahrens umfassen die Einflussgrößen als wenigstens eine Einflussgröße eine Sonneneinstrahlung, der das Fahrzeug während des Betriebs exponiert ist . Die Sonneneinstrahlung wird anhand eines Ortungssignals und einer sich daraus ergebenden Einstrahlrichtung erfasst .
Vorzugsweise wird anhand des Ortungssignals eine Position des Fahrzeugs ermittelt . Bei einer Aus führung des Fahrzeugs als spurgebundenes Fahrzeug wird weiter vorzugsweise anhand der Position und der befahrenen Strecke eine Fahrtrichtung des Fahrzeugs ermittelt . Anhand der aktuellen Uhrzeit (und des damit einhergehenden Sonnenstands ) wird weiter vorzugsweise unter Berücksichtigung der Fahrtrichtung die Einstrahlrichtung der Sonneneinstrahlung ermittelt .
Alternativ oder zusätzlich wird die Sonneneinstrahlung anhand eines Sonnenschattens , der von einem in der Umgebung des Fahrzeugs befindlichen Obj ekt auf das Fahrzeug geworfen wird, erfasst . Mit anderen Worten : Anhand des Sonnenschattens wird eine Verringerung der Sonneneinstrahlung ermittelt . Bei Kenntnis der Sonneneinstrahlung ( die ohne Schatten auf das Fahrzeug einwirken würde ) und des Sonnenschattens kann die auf das Fahrzeug auftref fende Sonneneinstrahlung ermittelt werden .
Das Obj ekt ist beispielsweise ein Gebäude , eine Bepflanzung und/oder ein Tunnel entlang der von dem Fahrzeug befahrenen Strecke .
Alternativ oder zusätzlich wird die Sonneneinstrahlung anhand eines Zeitpunkts , vorzugsweise einer Jahres- und Tages zeit , ermittelt . Dieser Variante liegt die Erkenntnis zugrunde , dass der Sonnenstand und folglich der Einstrahlwinkel der Sonneneinstrahlung von der Tages zeit und von der Jahres zeit abhängt . Alternativ oder zusätzlich wird die Sonneneinstrahlung anhand von Wetterdaten ermittelt . So können beispielsweise Wolkenaufkommen bei der Ermittlung der Sonneneinstrahlung berücksichtigt werden .
Bei der Aus führung des Fahrzeugs als spurgebundenes Fahrzeug, welches in der Regel länglich ausgebildet ist , lässt sich anhand der Einstrahlrichtung beispielsweise besonders einfach die sogenannte Sonnenseite des Fahrzeugs , die der Sonneneinstrahlung unmittelbar exponiert ist , ermitteln .
Gemäß einer weiteren bevorzugten Aus führungs form des erfindungsgemäßen Verfahrens umfassen die Einflussgrößen als wenigstens eine Einflussgröße einen Betriebs zustand einer elektrischen Komponente des Fahrzeugs , welcher erfasst wird . Dieser Variante liegt die Erkenntnis zugrunde , dass elektrische Komponenten während Ihres Betriebs Wärme ausstrahlen . Dies kann besonders einfach durch das künstliche neuronale Netz anhand des Betriebs zustands der Komponenten berücksichtigt werden . Der Betriebs zustand kann beispielsweise „AN" und „AUS" umfassen . Ein Beispiel für eine elektrische Komponente ist eine Beleuchtungseinrichtung zur Beleuchtung des Innenraums .
Bei einer weiteren bevorzugten Aus führungs form des erfindungsgemäßen Verfahrens umfassen die Einflussgrößen als wenigstens eine Einflussgröße Wind . Der Wind wird anhand einer Fahrgeschwindigkeit des Fahrzeugs und/oder anhand von Wetterdaten erfasst . Dieser Aus führungs form liegt die Erkenntnis zugrunde , dass Wind einen Einfluss auf die dem Fahrzeug zugeführte Wärme hat . Vorteilhaft ist dabei , dass ein auf das Fahrzeug einwirkender Wind besonders einfach anhand der Fahrgeschwindigkeit des Fahrzeugs und anhand von Wetterdaten erfasst werden kann .
Bei einer weiteren bevorzugten Aus führungs form des erfindungsgemäßen Verfahrens wird das Klimagerät anhand der von der Steuereinrichtung ausgegebenen Steuergröße gesteuert . Die Erfindung betri f ft ferner ein Computerprogramm, umfassend Befehle , die bei der Aus führung des Programms durch eine Recheneinrichtung diese veranlassen, das Verfahren der vorstehend beschriebenen Art aus zuführen . Die Erfindung betri f ft ferner ein Computerprogrammprodukt mit einem Computerprogramm dieser Art . Die Recheneinrichtung ist vorzugsweise zumindest in Teilen eine Recheneinrichtung des spurgebundenen Fahrzeugs und/oder der landseitigen Einrichtung .
Die Erfindung betri f ft ferner eine Bereitstellungsvorrichtung für das Computerprogramm der vorstehend beschriebenen Art , wobei die Bereitstellungsvorrichtung das Computerprogramm speichert und/oder bereitstellt . Die Bereitstellungsvorrichtung ist beispielsweise eine Speichereinheit , die das Computerprogramm speichert und/oder bereitstellt . Alternativ und/oder zusätzlich ist die Bereitstellungsvorrichtung beispielsweise ein Netzwerkdienst , ein Computersystem, ein Serversystem, insbesondere ein verteiltes , beispielsweise cloudbasiertes Computersystem und/oder virtuelles Rechnersystem, welches das Computerprogrammprodukt vorzugsweise in Form eines Datenstroms speichert und/oder bereitstellt .
Die Bereitstellung erfolgt in Form eines Programmdatenblocks als Datei , insbesondere als Downloaddatei , oder als Datenstrom, insbesondere als Downloaddatenstrom, des Computerprogramms . Diese Bereitstellung kann beispielsweise aber auch als partieller Download erfolgen, der aus mehreren Teilen besteht . Ein solches Computerprogramm wird beispielsweise unter Verwendung der Bereitstellungsvorrichtung in ein System eingelesen, sodass das erfindungsgemäße Verfahren auf einem Computer zur Aus führung gebracht wird .
Die oben genannte Aufgabe wird ferner durch eine Vorrichtung der eingangs genannten Art gelöst . Die Vorrichtung umfasst eine Recheneinrichtung, welche eingerichtet ist , mit Hil fe eines künstlichen neuronalen Netzes ein Modell zu bilden, wobei das Modell eingerichtet ist , anhand von Einflussgrößen, die einen Einfluss auf das Klima des Innenraums haben, eine Steuergröße zur Ausgabe durch die Steuereinrichtung zu ermitteln . Die Vorrichtung umfasst ferner ein Computerprogramm, welches das Modell repräsentiert und eingerichtet ist , auf der Steuereinrichtung zum Steuern des Klimageräts eingesetzt zu werden .
Die Erfindung betri f ft ferner ein Fahrzeug, vorzugsweise ein spurgebundenes Fahrzeug, mit einer Vorrichtung der vorstehend beschriebenen Art .
Zu Vorteilen, Aus führungs formen und Ausgestaltungsdetails des erfindungsgemäßen Computerprogramms , der erfindungsgemäßen Bereitstellungsvorrichtung, der erfindungsgemäßen Vorrichtung und des erfindungsgemäßen Fahrzeugs kann auf die vorstehende Beschreibung zu den entsprechenden Verfahrensmerkmalen des erfindungsgemäßen Verfahrens verwiesen werden .
Aus führungsbeispiele der Erfindung werden anhand der Zeichnungen erläutert . Es zeigen :
Figur 1 schematisch den Aufbau eines Beispiels für eine Regelung eines Klimageräts ,
Figur 2 schematisch den Aufbau eines Beispiels für ein
Fahrzeug mit einem Klimagerät ,
Figur 3 schematisch den Aufbau eines
Aus führungsbeispiels einer erfindungsgemäßen Vorrichtung,
Figur 4 schematisch den Aufbau eines
Aus führungsbeispiels eines erfindungsgemäßen Fahrzeugs und
Figur 5 schematisch den Ablauf eines
Aus führungsbeispiels eines erfindungsgemäßen Verfahrens . Figur 1 zeigt schematisch den Aufbau eines Beispiels einer Regelung eines Klimageräts 1 . Diese Regelung umfasst einen Proportional- Integral-Regler 3 eines äußeren Regelkreises 5 sowie einen Proportional- Integral-Regler 7 eines inneren Regelkreises 9 . Der äußere Regelkreis 5 enthält einen Temperatursensor 11 , welcher eine vorliegende Raumtemperatur Tin innerhalb eines Innenraums 15 eines in Figur 2 gezeigten Fahrzeugs 20 misst . Der innere Regelkreis 9 enthält einen Temperatursensor 13 , welcher eine Zuluft-Temperatur, die mittels des Klimageräts 1 dem Innenraum 15 des Fahrzeugs bereitgestellt und zugeführt wird, misst . Die Regelung des Klimageräts 1 erfolgt , indem die Hei z- und Kühlleistung, welche das Klimagerät 1 an die Zuluft abgibt , geregelt wird .
Etwaige Einflussgrößen 2 , die einen Einfluss auf das Klima des Innenraums 15 haben, werden bei dieser Regelung nicht berücksichtigt . Die Regelung reagiert stattdessen auf etwaige Abweichungen dT der gemessenen Temperatur Tin und einer gewünschten Sollwert- Innenraumtemperatur Tic ( sogenannte Sollwert- Innenraumtemperatur ) .
Figur 2 zeigt schematisch den Aufbau eines Beispiels für ein Fahrzeug 20 . Außerhalb des Fahrzeugs 20 liegt eine Außentemperatur Te vor . Das Klimagerät 1 ist auf dem Dach des Fahrzeugs 20 angeordnet und hat den Zweck, den Innenraum 15 des Fahrzeugs 20 zu klimatisieren . Hierfür führt das Klimagerät dem Innenraum 15 Zuluft 17 mit einer Zulufttemperatur Tzu zu . Die Zuluft 17 bewirkt eine Innenraumtemperatur Tin innerhalb des Innenraums 15 . Ziel der Klimatisierung ist es , die Sollwert- Innenraumtemperatur Tic innerhalb des Innenraums 15 zu erzielen .
Figur 3 zeigt schematisch den Aufbau eines Aus führungsbeispiels der erfindungsgemäßen Vorrichtung . Gleiche oder funktionsgleiche Elemente sind dabei mit denselben Bezugs zeichen wie in Bezug auf Figur 1 versehen . Die Vorrichtung umfasst einen Proportional- Integral-Regler 3 eines äußeren Regelkreises 5 sowie einen Proportional- Integral-Regler 7 eines inneren Regelkreises 9 . Eine Steuereinrichtung 30 ist in Wirkrichtung zwischen dem äußeren Regler 3 und dem inneren Regler 7 vorgesehen und dient als Vorsteuereinrichtung 31 zur Vorsteuerung des Reglers 7 . Zum Steuern des Klimageräts 1 wird ein Computerprogramm auf der Steuereinrichtung 30 eingesetzt . Das Computerprogramm repräsentiert ein Modell , welches von einem künstlichen neuronalen Netz 32 gebildet wird .
Figur 4 zeigt schematisch den Aufbau eines Aus führungsbeispiels einer erfindungsgemäßen Vorrichtung und eines erfindungsgemäßen Fahrzeugs 120 . Gleiche und funktionsgleiche Elemente des Fahrzeugs 120 sind dabei mit denselben Bezugs zeichen wie in Bezug auf die entsprechenden Elemente des Fahrzeugs 20 gemäß Figur 2 versehen .
Das Fahrzeug 120 ist ein spurgebundenes Fahrzeug 121 , beispielsweise ein Schienenfahrzeug 122 . Der Innenraum 15 des spurgebundenen Fahrzeugs 121 umfasst einen Fahrgastbereich 16 für den Aufenthalt von Fahrgästen 34 .
In einem Verfahrensschritt A wird das künstliche neuronale Netz 32 auf einer landseitigen Einrichtung 105 mittels einer Recheneinrichtung 110 erzeugt bzw . gebildet . Alternativ wird das künstliche neuronale Netz 32 in einem Verfahrensschritt AA mittels einer Recheneinrichtung 10 als Teil der Steuereinrichtung 30 des Fahrzeugs 120 gebildet .
Das künstliche neuronale Netz 32 weist mehrere Schichten von Neuronen auf , die nicht Eingabeneuron oder Ausgabeneuron sind . Das künstliche neuronale Netz 32 bildet ein Modell , welches in die Lage versetzt werden soll , anhand von Einflussgrößen 2 , die einen Einfluss auf das Klima des Innenraums 15 haben, eine Steuergröße zur Ausgabe durch die Steuereinrichtung 30 zu ermitteln .
Eine der Einflussgrößen 2 ist beispielsweise die Außentemperatur Te . Eine weitere Einflussgröße 2 ist beispielsweise die Anzahl Nf der Fahrgäste 34 , die sich innerhalb des Innenraums 15 während des Betriebs des Klimageräts 1 aufhalten . Ferner ist eine weitere Einflussgröße 2 beispielsweise die Sonneneinstrahlung 36 , der das Fahrzeug 120 während des Betriebs exponiert ist . Eine weitere Einflussgröße 2 ist beispielsweise ein Betriebs zustand 39 einer elektrischen Komponente 38 des Fahrzeugs 120 . Eine weitere Einflussgröße 2 ist beispielsweise Wind 40 , der anhand einer Fahrgeschwindigkeit des Fahrzeugs und/oder anhand von Wetterdaten erfasst wird .
In einem Verfahrensschritt CI wird das künstliche neuronale Netz 32 anhand von Trainingsdaten trainiert . Das Training erfolgt beispielsweise in einem gesicherten Zustand, in dem ein unerwünschter datentechnischer Angri f f ausgeschlossen ist . Der gesicherte Zustand wird beispielsweise dadurch erzielt , dass für das Training ausschließlich geprüfte Trainingsdaten verwendet werden .
Die Trainingsdaten werden beispielsweise auf Basis eines vergangenen Betriebs des Fahrzeugs 120 in einem Verfahrensschritt B erzeugt . Dafür werden beispielsweise bei vergangenen Fahrten des Fahrzeugs 120 Einflussgrößen 2 , zugehörige ausgegebene Steuergrößen einer Vorsteuereinrichtung und die dabei erzielte Innenraumtemperatur Tin gemessen . Diese Größen können zusätzlich bei vergangenen Fahrten eines weiteren Fahrzeugs gleicher Art in einem Verfahrensschritt BB gemessen werden . Zudem kann eine Simulation eines Systems , welches das Fahrzeug 120 , das Klimagerät 1 und Teile der Umgebung 46 des Fahrzeugs 120 repräsentiert , eine Grundlage für die Erzeugung von Trainingsdaten in einem Verfahrensschritt BBB sein . Ferner können Teilvorgänge des Entwicklungsvorgangs , bei dem das Klimagerät 1 entwickelt wird, beispielsweise eine Testphase , Grundlage für die Erzeugung von Trainingsdaten in einem Verfahrensschritt BBBB sein . Nach dem Training des künstlichen neuronalen Netzes 32 wird mit Hil fe des künstlichen neuronalen Netzes 32 ein Modell gebildet (Verfahrensschritt C2 ) , welches eingerichtet ist , anhand der Einflussgrößen 2 eine Steuergröße zur Ausgabe durch die Steuereinrichtung 30 zu ermitteln .
Das Computerprogramm, welches das Modell repräsentiert , wird in einem Verfahrensschritt D auf der Steuereinrichtung 30 installiert und im weiteren Verfahren, insbesondere im Betrieb des Fahrzeugs 120 , gemäß einem Verfahrensschritt E eingesetzt .
Dabei wird die Einflussgröße Nf (Anzahl der Fahrgäste ) während des Betriebs des Fahrzeugs 120 in einem Verfahrensschritt El beispielsweise anhand eines Gewichtssignals , welches von einer Bremseinheit oder einer Federeinheit des Fahrzeugs 120 erzeugt wird, mittels eines Fahrgast zählsystems des Fahrzeugs 120 und/oder anhand der Anzahl der innerhalb des Innenraums 15 erfassten mobilen Endgeräte erfasst .
Zudem wird die Einflussgröße 36 ( Sonneneinstrahlung) in einem Verfahrensschritt E2 anhand eines Ortungssignals und einer sich daraus ergebenden Einstrahlrichtung, anhand eines Sonnenschattens , der von einem in der Umgebung des Fahrzeugs befindlichen Obj ekt auf das Fahrzeug 120 geworfen wird, anhand eines Zeitpunkts , vorzugsweise einer Jahres- und Tages zeit , und/oder anhand von Wetterdaten 44 ermittelt .
Ferner wird die Einflussgröße 39 (Betriebs zustand) in einem Verfahrensschritt E3 erfasst . Dazu wird beispielsweise ermittelt , ob die elektrische Komponente 38 des Fahrzeugs 120 eingeschaltet ist oder nicht .
Außerdem wird die Einflussgröße 40 (Wind) in einem Verfahrensschritt E4 anhand einer Fahrgeschwindigkeit des Fahrzeugs 120 und/oder anhand von Wetterdaten 44 erfasst . Zudem wird die Außentemperatur Te in einem Verfahrensschritt E5 mittels eines Temperatursensors und/oder anhand von Wetterdaten 44 erfasst .
Anhand der genannten und gegebenenfalls anhand von weiteren erfassten Einflussgrößen ermittelt das auf der Steuereinrichtung 30 eingesetzte Computerprogramm in einem Verfahrensschritt E 6 die Steuergröße , die von der Steuereinrichtung 30 ausgegeben wird . In einem Verfahrensschritt E7 wird das Klimagerät 1 anhand der Steuergröße gesteuert .
Obwohl die Erfindung im Detail durch das bevorzugte Aus führungsbeispiel näher illustriert und beschrieben wurde , so ist die Erfindung nicht durch die of fenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen .

Claims

Patentansprüche
1. Verfahren zum Steuern eines Klimageräts (1) , welches einen Innenraum (15) eines Fahrzeugs (120) klimatisiert, bei welchem
- das Klimagerät (1) mittels einer Steuereinrichtung (30) gesteuert wird, um anhand der Steuerung den Innenraum (15) des Fahrzeugs (120) zu klimatisieren, dadurch gekennzeichnet, dass
- eine Recheneinrichtung (10, 110) mit Hilfe eines künstlichen neuronalen Netzes (32) ein Modell bildet (C2) , das eingerichtet ist, anhand von Einflussgrößen (2) , die einen Einfluss auf das Klima des Innenraums (15) haben, eine Steuergröße zur Ausgabe durch die Steuereinrichtung (30) zu ermitteln (E6) , und
- ein das Modell repräsentierende Computerprogramm auf der Steuereinrichtung (30) zum Steuern des Klimageräts (1) eingesetzt wird (E) .
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass
- das Fahrzeug (120) ein spurgebundenes Fahrzeug (121) , vorzugsweise ein Schienenfahrzeug (122) , ist und
- der Innenraum (15) des spurgebundenen Fahrzeugs (121) einen Fahrgastbereich (16) für den Aufenthalt von Fahrgästen (34) umfasst.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Steuereinrichtung (30)
- einen Regler (3, 7) zum Erzeugen der Steuergröße und
- eine Vorsteuereinrichtung (31) zum Beeinflussen einer für den Regler (3, 7) vorgesehenen Stellgröße, umfasst und das Computerprogramm, welches das Modell repräsentiert, auf der Vorsteuereinrichtung (31) eingesetzt wird.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass das Computerprogramm, welches das Modell repräsentiert, auf der Vorsteuereinrichtung (31) und dem Regler (3, 7) eingesetzt wird.
5. Verfahren nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das künstliche neuronale Netz (32) anhand von Trainingsdaten trainiert wird (CI) , wobei die Trainingsdaten
- auf Basis eines vergangenen Betriebs des Fahrzeugs (120) ,
- auf Basis eines vergangenen Betriebs eines weiteren Fahrzeugs gleicher Art,
- auf Basis einer Simulation eines Systems, welches das Fahrzeug (120) , das Klimagerät (1) und wenigstens Teile der Umgebung (46) des Fahrzeugs (120) repräsentiert, und/ oder
- auf Basis eines Entwicklungsvorgangs, bei dem das Klimagerät (1) entwickelt wird, erzeugt werden (B, BB, BBB, BBBB) .
6. Verfahren nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Modell eingerichtet ist, eine energieoptimierte Steuergröße zur Ausgabe durch die Steuereinrichtung (30) zu ermitteln, wobei die energieoptimierte Steuergröße bei Verarbeitung durch das Klimagerät (1) einen energieoptimierten Betrieb des Klimageräts (1) bewirkt.
7. Verfahren nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Einflussgrößen (2) als wenigstens eine Einflussgröße eine Anzahl (Nf) der Fahrgäste (34) , die sich innerhalb des Innenraums (15) aufhalten, umfassen und die Anzahl (Nf) der Fahrgäste (34)
- anhand eines Gewichtssignals, welches von einer Bremseinheit oder einer Federeinheit des Fahrzeugs (120) erzeugt wird,
- mittels eines Fahrgast zählsystems und/oder
- anhand der Anzahl der innerhalb des Innenraums (15) erfassten mobilen Endgeräte, ermittelt wird (El) .
8. Verfahren nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Einflussgrößen (2) als wenigstens eine Einflussgröße eine Sonneneinstrahlung (36) , der das Fahrzeug (120) während des Betriebs exponiert ist, umfassen und die Sonneneinstrahlung (36)
- anhand eines Ortungssignals und einer sich daraus ergebenden Einstrahlrichtung,
- anhand eines Sonnenschattens, der von einem in der Umgebung des Fahrzeugs (120) befindlichen Objekt auf das Fahrzeug (120) geworfen wird,
- anhand eines Zeitpunkts, vorzugsweise einer Jahres- und Tageszeit, und/oder
- anhand von Wetterdaten (44) ermittelt wird (E2) .
9. Verfahren nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Einflussgrößen (2) als wenigstens eine Einflussgröße einen Betriebszustand (39) einer elektrischen Komponente (38) des Fahrzeugs (120) umfassen, welcher erfasst wird (E3) .
10. Verfahren nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Einflussgrößen (2) als wenigstens eine Einflussgröße Wind (40) umfassen und der Wind (40)
- anhand einer Fahrgeschwindigkeit des Fahrzeugs (120) und/ oder
- anhand von Wetterdaten (44) erfasst wird (E4) .
11. Verfahren nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Klimagerät (1) anhand der von der Steuereinrichtung (30) ausgegebenen Steuergröße gesteuert wird (E7) .
12. Computerprogramm, umfassend Befehle, die bei der Ausführung des Programms durch eine Recheneinrichtung (38) diese veranlassen, das Verfahren nach wenigstens einem der Ansprüche 1 bis 11 auszuführen.
13. Bereitstellungsvorrichtung für das Computerprogramm nach Anspruch 12, wobei die Bereitstellungsvorrichtung das Computerprogramm speichert und/oder bereitstellt .
14. Vorrichtung zum Steuern eines Klimageräts (1) , welches einen Innenraum (15) eines Fahrzeugs (120) klimatisiert, umfassend :
- eine Steuereinrichtung (30) , die eingerichtet ist, das Klimagerät (1) zu steuern, um den Innenraum (15) des Fahrzeugs (120) zu klimatisieren, gekennzeichnet durch
- eine Recheneinrichtung (10, 110) , welche eingerichtet ist, mit Hilfe eines künstlichen neuronalen Netzes ein Modell zu bilden, wobei das Modell eingerichtet ist, anhand von Einflussgrößen (2) , die einen Einfluss auf das Klima des Innenraums (15) haben, eine Steuergröße zur Ausgabe durch die Steuereinrichtung (30) zu ermitteln, und
- ein Computerprogramm, welches das Modell repräsentiert und eingerichtet ist, auf der Steuereinrichtung (30) zum Steuern des Klimageräts (1) eingesetzt zu werden.
15. Fahrzeug, insbesondere spurgebundenes Fahrzeug (121) , mit einer Vorrichtung nach Anspruch 14.
PCT/EP2023/075253 2022-09-28 2023-09-14 Steuerung eines klimageräts mittels künstlicher intelligenz Ceased WO2024068288A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP23777153.0A EP4547539A1 (de) 2022-09-28 2023-09-14 Steuerung eines klimageräts mittels künstlicher intelligenz

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102022210249.5A DE102022210249A1 (de) 2022-09-28 2022-09-28 Steuerung eines Klimageräts mittels künstlicher Intelligenz
DE102022210249.5 2022-09-28

Publications (1)

Publication Number Publication Date
WO2024068288A1 true WO2024068288A1 (de) 2024-04-04

Family

ID=88204433

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2023/075253 Ceased WO2024068288A1 (de) 2022-09-28 2023-09-14 Steuerung eines klimageräts mittels künstlicher intelligenz

Country Status (3)

Country Link
EP (1) EP4547539A1 (de)
DE (1) DE102022210249A1 (de)
WO (1) WO2024068288A1 (de)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE1057161B (de) * 1955-08-19 1959-05-14 Gen Motors Corp Klimaanlage fuer Eisenbahnwagen
CN109435630A (zh) * 2018-11-15 2019-03-08 无锡英捷汽车科技有限公司 一种基于人工神经网络算法的乘员舱温度控制方法
CN111237988B (zh) * 2020-01-15 2021-05-28 北京天泽智云科技有限公司 地铁车载空调机组控制方法及系统
DE102020109299B4 (de) * 2020-04-03 2022-08-25 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Steuern einer Klimatisierungseinrichtung für ein Kraftfahrzeug und Klimatisierungseinrichtung damit

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08197933A (ja) 1995-01-26 1996-08-06 Mitsubishi Motors Corp 学習制御式自動車用エアコンディショナ
DE10111223A1 (de) 2000-03-09 2001-09-13 Denso Corp Fahrzeugklimaanlage mit einem die manuelle Steuerungsbetätigung der Gebläsespannung lernenden Regelungssystem
US8509991B2 (en) 2010-03-31 2013-08-13 Honda Motor Co., Ltd. Method of estimating an air quality condition by a motor vehicle
DE102016124305A1 (de) 2016-12-14 2018-06-14 Aurora Konrad G. Schulz Gmbh & Co. Kg Omnibus
JP6907954B2 (ja) 2017-05-09 2021-07-21 株式会社デンソー 空調制御装置
DE102019108283A1 (de) 2019-03-29 2020-10-01 Vitramo Gmbh Fahrzeugheizungssystem sowie Verfahren zum Heizen eines Fahrzeuginnenraums
DE102020106073A1 (de) 2020-03-06 2021-09-09 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zum Betrieb einer Klimaeinheit eines Fahrzeugs

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE1057161B (de) * 1955-08-19 1959-05-14 Gen Motors Corp Klimaanlage fuer Eisenbahnwagen
CN109435630A (zh) * 2018-11-15 2019-03-08 无锡英捷汽车科技有限公司 一种基于人工神经网络算法的乘员舱温度控制方法
CN111237988B (zh) * 2020-01-15 2021-05-28 北京天泽智云科技有限公司 地铁车载空调机组控制方法及系统
DE102020109299B4 (de) * 2020-04-03 2022-08-25 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Steuern einer Klimatisierungseinrichtung für ein Kraftfahrzeug und Klimatisierungseinrichtung damit

Also Published As

Publication number Publication date
DE102022210249A1 (de) 2024-03-28
EP4547539A1 (de) 2025-05-07

Similar Documents

Publication Publication Date Title
EP4196378B1 (de) Bewegungssteuerung in kraftfahrzeugen
AT519261B1 (de) Verfahren und Prüfstand zum Durchführen eines Prüflaufs mit einem Antriebsstrang
EP3209996B1 (de) Verfahren und vorrichtung zur ausführung eines testvorgangs betreffend ein schienenfahrzeug
DE102011002275B4 (de) Verfahren zur Prognose des Fahrverhaltens eines vorausfahrenden Fahrzeugs
AT524280B1 (de) Verfahren und ein System zum Testen eines Fahrerassistenzsystems für ein Fahrzeug
DE102015113144A1 (de) System und Verfahren zum Betreiben eines Fahrzeugs
EP2812225B1 (de) Verfahren zum erzeugen von handlungsempfehlungen für den führer eines schienenfahrzeugs oder steuersignalen für das schienenfahrzeug mittels eines fahrerassistenzsystems und fahrassistenzsystem
DE102009040682A1 (de) Verfahren zur Steuerung einer Geschwindigkeitsregelanlage eines Fahrzeugs
WO2000046087A1 (de) Verfahren und vorrichtung zur sensorüberwachung, insbesondere für ein esp-system für fahrzeuge
DE19939872A1 (de) Verfahren und Vorrichtung zur Sensorüberwachung insbesondere für ein ESP-System für Fahrzeuge
WO2022194410A1 (de) Vorrichtung und verfahren zur modellbasierten prädizierten regelung einer komponente eines fahrzeugs
DE102019214931A1 (de) Steuerung eines Fahrzeugs
AT524822A1 (de) Verfahren zum Testen eines Fahrerassistenzsystems eines Fahrzeugs
DE102015115291A1 (de) Energiemanagementsystem und Verfahren für Fahrzeugsysteme
DE102022109032A1 (de) Fahrzeugsystem
DE112018006408T5 (de) Systeme und verfahren zur mischung der fahrsteuerung in elektrofahrzeugen
WO2021130066A1 (de) Training von neuronalen netzen durch ein neuronales netz
WO2024068288A1 (de) Steuerung eines klimageräts mittels künstlicher intelligenz
EP4082868A1 (de) Verfahren zum optimieren eines schienenverkehrs eines schienenverkehrsnetzes
EP4157657A1 (de) VERFAHREN ZUR EINSTELLUNG EINER AUßENLUFTZUFUHR IN EINEN INNENRAUM EINES FAHRZEUGES
DE102020213198A1 (de) System und Verfahren zum Durchführen eines automatisierten Fahrmanövers mit einem ausgewählten Fahrstil, Fahrzeug, Computerprogrammprodukt und computerlesbares Speichermedium
DE102019218252A1 (de) Verfahren und Vorrichtung zum Betreiben eines Fahrdynamiksystems eines Kraftfahrzeugs
WO2023245217A1 (de) Verfahren zum trainieren eines künstlichen neuronalen netzes eines fahrermodells
DE102017215852A1 (de) Vorrichtungen und Verfahren für ein Fahrzeug
DE102022200497A1 (de) Verfahren, Recheneinheit und Computerprogramm zur Abbildung eines Fahrerverhaltens in einer Fahrzeugsimulation

Legal Events

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

Ref document number: 23777153

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023777153

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2023777153

Country of ref document: EP

Effective date: 20250203

NENP Non-entry into the national phase

Ref country code: DE

WWP Wipo information: published in national office

Ref document number: 2023777153

Country of ref document: EP