專利名稱：具有神經(jīng)網(wǎng)絡的汽車控制裝置的制作方法
技術領域：
本發(fā)明涉及具有一個或多個神經(jīng)網(wǎng)絡的汽車控制裝置以及用于生成至少一個汽車專用特性曲線圖的方法。
背景技術：
在現(xiàn)有技術中公知的是，對于汽車來說，特別是對于內(nèi)燃機來說，使用用于預測運行狀態(tài)以及用于調(diào)節(jié)的參數(shù)模型。例如WO 01/14704 A1公開了一種用于驗證以參數(shù)模型為基礎的量的方法，其中，參數(shù)模型用于求出工作參數(shù)的額定值，這些工作參數(shù)表征內(nèi)燃機的工作方式。DE 10010 681 A1還公開了一種用于在汽車控制裝置中實施的以神經(jīng)網(wǎng)絡為基礎的虛擬扭矩傳感器。這里，使用一種計算模型在汽車控制裝置中進行模擬，該計算模型具有各種神經(jīng)網(wǎng)絡或者模糊系統(tǒng)。

發(fā)明內(nèi)容
本發(fā)明的課題是提供一種汽車控制裝置，使用該汽車控制裝置可盡可能地充分利用控制裝置的計算效率。
該課題通過一種具有權利要求1的特征的汽車控制裝置以及具有權利要求18的特征的用于生成至少一個汽車專用特性曲線圖的方法來解決。其他有利的課題和改進方案在其他權利要求中進行說明。
根據(jù)本發(fā)明，提供了一種具有神經(jīng)網(wǎng)絡的汽車控制裝置，其中，一個或多個反傳網(wǎng)絡與一個或多個徑向基函數(shù)耦合。優(yōu)選的是，一個或多個徑向基函數(shù)構成為網(wǎng)絡，該一個或多個徑向基函數(shù)位于一個或多個反傳網(wǎng)絡之前。這樣就能把反傳網(wǎng)絡的各個優(yōu)點與徑向基函數(shù)模型結合起來，以便能使通常計算能力有限的汽車控制裝置得到最佳的充分利用。
所述徑向基函數(shù)網(wǎng)絡，以下稱為RBF網(wǎng)絡，以及反傳網(wǎng)絡優(yōu)選地構成為前向對準的網(wǎng)絡。特別是，這里也可以使兩種網(wǎng)絡在其他耦合形態(tài)下得到充分利用，即RBF網(wǎng)絡例如僅具有一個掩蔽層，然而也可具有多個層，而反傳網(wǎng)絡例如同樣僅具有一個掩蔽層，然而根據(jù)一種改進方案也可具有多個掩蔽層。提供有一種布局，即RBF網(wǎng)絡以多層方式設置，而反傳網(wǎng)絡優(yōu)選地僅由一個掩蔽層構成。優(yōu)選的是，反傳網(wǎng)絡的輸出層可線性地選擇，也可非線性地選擇。這具體取決于需要。此外，在反傳網(wǎng)絡中，神經(jīng)元的計算機節(jié)點可考慮在掩蔽層和輸出層中采用同一類型。在RBF網(wǎng)絡中，神經(jīng)元的結構在掩蔽層不同于在輸出層。另外，在RBF網(wǎng)絡中，掩蔽層是非線性的，而輸出層是線性的。在反傳網(wǎng)絡中，優(yōu)選的是，兩個層即掩蔽層和輸出層是非線性的。兩個網(wǎng)絡的耦合的另一方面優(yōu)點是由于不同的激活函數(shù)而產(chǎn)生的。當RBF網(wǎng)絡中的激活函數(shù)的自變量是輸入向量和各個中心之間的歐幾里得距離時，在反傳網(wǎng)絡中，激活函數(shù)可取決于各個神經(jīng)元的輸入向量和加權向量的內(nèi)積。在反傳網(wǎng)絡與RBF網(wǎng)絡進行組合的另外特別有利的一點是這樣產(chǎn)生的，即反傳網(wǎng)絡適合于可在很少或根本沒有訓練數(shù)據(jù)存在的情況下，在輸入空間的區(qū)域內(nèi)求近似。而RBF網(wǎng)絡具有較短的訓練時間，并對訓練數(shù)據(jù)的輸入順序作出反應特別不大敏感。通過使RBF網(wǎng)絡可用于對輸入空間的非線性變換進行各種任意實施，可把由RBF網(wǎng)絡獲得的數(shù)據(jù)立刻傳送到反傳網(wǎng)絡。
由于反傳網(wǎng)絡與RBF網(wǎng)絡的耦合，可實現(xiàn)特別是在計算特性曲線圖數(shù)據(jù)的情況下的時間嚴格且實時存儲嚴格的應用。采用這種結構的神經(jīng)網(wǎng)絡取決于一個或多個輸入值，對一個函數(shù)值求近似。在汽車技術領域內(nèi)，求近似后的函數(shù)值例如是指系統(tǒng)響應，也就是汽車的技術工藝對某影響值作出的反應。在內(nèi)燃機領域中，這可以是指作為對進氣管壓力、發(fā)動機轉速和/或節(jié)氣門位置作出的反應的空氣質量流量。
通過所述神經(jīng)網(wǎng)絡實現(xiàn)系統(tǒng)響應的有利的近似特性，從而可使神經(jīng)網(wǎng)絡的參數(shù)適用于該系統(tǒng)。在該情況下，使用一種非線性的優(yōu)化法使網(wǎng)絡的近似誤差最小化。這種適用方法將在下面被稱為訓練。為了進行神經(jīng)網(wǎng)絡的訓練，需要應觀察的過程的大量輸入值和附屬輸出值。然而，足夠數(shù)量的這種數(shù)據(jù)組經(jīng)常在測量技術上并不以合理的費用來供使用。然而，通過使一個或多個RBF網(wǎng)絡與一個或多個反傳網(wǎng)絡相結合，能以要研究的過程的少量的觀察值補充一個或多個神經(jīng)網(wǎng)絡的訓練用的數(shù)據(jù)庫。優(yōu)選的是，這里假設數(shù)據(jù)可根據(jù)完全平滑的系統(tǒng)響應來獲得。在此方面，“平滑”一詞是指在觀察點之間以及在觀察點以外的系統(tǒng)響應沒有拐點或者非常少的拐點。這樣，RBF網(wǎng)絡的所述優(yōu)點可在較少的訓練數(shù)據(jù)的基礎上對平滑的系統(tǒng)響應求近似，與反傳網(wǎng)絡的優(yōu)點相結合，可實現(xiàn)高的近似度。
優(yōu)選的是使RBF網(wǎng)絡直接與反傳網(wǎng)絡耦合。在該情況下，立即把特別是發(fā)生改變的要素的數(shù)據(jù)配置在兩個網(wǎng)絡之間。RBF網(wǎng)絡的速度能使在RBF網(wǎng)絡中獲得的數(shù)據(jù)立即流入到所耦合的反傳網(wǎng)絡內(nèi)，用于借助神經(jīng)網(wǎng)絡求近似。這里，還可在例如RBF網(wǎng)絡與反傳網(wǎng)絡以及在神經(jīng)網(wǎng)絡與RBF網(wǎng)絡之間設置一個或多個反饋。
根據(jù)一種方案，所述神經(jīng)網(wǎng)絡采用以下結構，即，在已知值之間以及除了這些已知值之外還有限地通過虛擬學習數(shù)據(jù)來補充已可用的輸入輸出數(shù)據(jù)作為反傳網(wǎng)絡的訓練用學習數(shù)據(jù)。所述虛擬學習數(shù)據(jù)通過一個或多個RBF網(wǎng)絡來獲得并交付給反傳網(wǎng)絡。這樣，可把通過RBF網(wǎng)絡取得的數(shù)據(jù)僅交付給反傳網(wǎng)絡。根據(jù)另一方案規(guī)定，由RBF網(wǎng)絡交付的數(shù)據(jù)通過原始數(shù)據(jù)被補充給反傳網(wǎng)絡，該原始數(shù)據(jù)同樣被交付給反傳網(wǎng)絡。
這種做法的一個優(yōu)點是，通過用虛擬學習數(shù)據(jù)進行補充，反傳網(wǎng)絡的訓練用所需要的測量數(shù)據(jù)的數(shù)量明顯減少。該方法特別是利用RBF網(wǎng)絡的能力來用于平滑的系統(tǒng)響應的求近似，在該情況下，通過使用反傳網(wǎng)絡避開對實時系統(tǒng)的計算效率和存儲單元的高要求。
根據(jù)0至2π的數(shù)值范圍內(nèi)的正弦函數(shù)的一例，以下對RBF網(wǎng)絡和反傳網(wǎng)絡的雙級耦合應用的計算效率的節(jié)約潛力進行說明。為了實現(xiàn)在掩蔽層內(nèi)有三個神經(jīng)元的反傳網(wǎng)絡的成功訓練，包括其他驗證數(shù)據(jù)在內(nèi)需要至少十二次掃描正弦函數(shù)。按規(guī)律，可采用可用的訓練用數(shù)據(jù)的50％，而剩余部分將保留用于驗證，這意味著需要24個數(shù)值對。因此，反傳網(wǎng)絡在該應用情況下達到優(yōu)良精度。RBF網(wǎng)絡以七次掃描達到對訓練數(shù)據(jù)來說充分的精度，以十次掃描達到良好精度，其中，再次分別補充計算驗證數(shù)據(jù)。這種RBF網(wǎng)絡現(xiàn)可用于把任意數(shù)量的中間值增補成訓練數(shù)據(jù)組中的七個或十個基值。然后，這種擴展的訓練數(shù)據(jù)組可用于反傳網(wǎng)絡的參數(shù)匹配。取決于中間值的數(shù)量和RBF網(wǎng)絡的近似度，經(jīng)過這樣訓練的反傳網(wǎng)絡的精度可與使用數(shù)量大得多的純測量數(shù)據(jù)進行訓練的網(wǎng)絡的精度相匹敵。
通過使RBF網(wǎng)絡與反傳網(wǎng)絡耦合，可減小實驗研究的范圍。由于所需要的實驗獲得的數(shù)據(jù)組的數(shù)量減少，可節(jié)省試驗和節(jié)省測試。此外同樣還可根據(jù)已有的測量數(shù)據(jù)生成附加的訓練數(shù)據(jù)。這樣可改善在調(diào)節(jié)算法中應用的反傳網(wǎng)絡的近似度。特別是可將神經(jīng)網(wǎng)絡用于實時系統(tǒng)，還可用于模擬。而且還可使用這種神經(jīng)網(wǎng)絡生成汽車專用特性曲線圖，這些特性曲線圖將存儲在數(shù)據(jù)載體上，并且例如在模擬時使用或者復制到汽車控制裝置內(nèi)。這種方法還可存儲在數(shù)據(jù)載體上并可復制到汽車控制裝置內(nèi)。特別是可使用在實時系統(tǒng)和/或診斷系統(tǒng)中。
以下是上述方法和汽車控制裝置的優(yōu)選應用例a)使用在發(fā)動機控制裝置中。這里，控制裝置的輸入信號以及輸出信號可通過一個或多個神經(jīng)網(wǎng)絡相互耦合。這種信號例如是發(fā)動機轉速、曲軸位置、節(jié)氣門角度、油門位置、空氣質量流量、進氣管壓力、排氣中的剩余氧(λ值)、發(fā)動機溫度、油溫、空氣壓力、空氣溫度、爆震趨勢、排氣再循環(huán)、吸入空氣填充、油箱排出空氣、點火時刻、噴油量、開始噴油時間、氣門開啟時間和關閉時間、以及其他可能的輸入和輸出信號。這種列舉僅是例示性的而不是終結性的。除此以外，設定值、控制值以及調(diào)節(jié)值也可以表示為其他參數(shù)并可匹配?；谀Ｐ?，這些值也可以是系統(tǒng)特性例如摩擦功率、熱損耗、燃油質量以及蒸發(fā)特性、燃燒室密封性或其他。這些值以及其他值不僅可在發(fā)動機控制裝置中獲得和調(diào)節(jié)，而且還可通過其他控制裝置來獲得和調(diào)節(jié)。優(yōu)選的是，發(fā)動機控制裝置與一個或多個控制裝置連接并具有數(shù)據(jù)交換。而該數(shù)據(jù)交換優(yōu)選地以模擬或數(shù)字方式，例如通過CAN總線和/或通過MOST連接來進行。
b)使用在汽車專用控制裝置中。根據(jù)第一方案，一種供至少一個氣門機構用的控制裝置具有一個上述的神經(jīng)網(wǎng)絡。根據(jù)第二方案，一種對燃油噴射起作用的控制裝置具有一個這種神經(jīng)網(wǎng)絡。根據(jù)第三方案，一種對汽車的排氣特性起作用的控制裝置具有一個這種神經(jīng)網(wǎng)絡。根據(jù)第四方案，一種對安全裝置起作用的控制裝置具有一個這種上述神經(jīng)網(wǎng)絡。優(yōu)選的是，使用所述控制裝置來控制、調(diào)節(jié)和/或釋放安全裝置。例如，所述控制裝置控制汽車位置。這可例如借助ESP系統(tǒng)來實現(xiàn)。其他安全裝置可以是安全氣囊，照明控制裝置，制動器，輪胎控制裝置，供油裝置，與其他汽車的距離調(diào)節(jié)裝置，汽車的防跑偏裝置，ABS系統(tǒng)，應急系統(tǒng)，特別是發(fā)動機用的應急運轉系統(tǒng)，阻燃系統(tǒng)，冷卻系統(tǒng)或者類似系統(tǒng)。
c)使用在模擬裝置和/或測試裝置中。這里，該裝置是指固定裝置或移動裝置。例如使用通過輸入試驗獲得的專門以最大行程、負荷和/或要求外形為特征的數(shù)據(jù)組來進行模擬。通過首先使用RBF網(wǎng)絡對該數(shù)據(jù)組進行處理，使數(shù)據(jù)量增加，優(yōu)選地增加至少系數(shù)3。然后，反傳網(wǎng)絡使用該數(shù)據(jù)生成特性曲線圖。該特性曲線圖可接下來進行測試，并可針對所測得的數(shù)值進行評價和改善。
優(yōu)選的是，使用一種具有上述的神經(jīng)網(wǎng)絡用于調(diào)節(jié)汽車的一個或多個相關的參數(shù)和裝置的汽車控制裝置。為此，還可使用該汽車控制裝置用于控制。
該可使用的神經(jīng)網(wǎng)絡還可特別與其他神經(jīng)網(wǎng)絡或模糊模型耦合?？赡艿鸟詈峡衫缡褂蒙窠?jīng)模型結構來實現(xiàn)，如DE 100 10 681 A1所記載。在該公報中對此作了全面引述。
特別是在應用上述神經(jīng)網(wǎng)絡的情況下，當針對RBF網(wǎng)絡例如使用至多十個神經(jīng)元進行工作時是有利的。然而當每個測量點由一個神經(jīng)元占據(jù)時，精確的，也就是內(nèi)插的RBF也會需要大大多于十個的神經(jīng)元。用數(shù)字表示的計算代價很有可能超過反傳網(wǎng)絡的代價。而求近似的RBF網(wǎng)絡可使用較少的神經(jīng)元來設置，并且根據(jù)一種改進方案可成為求近似的反傳網(wǎng)絡的替代。特別是還可在試驗計劃范圍內(nèi)設置一個試驗室，該試驗室設置有部分相互關聯(lián)的數(shù)據(jù)和/或非正交空間。特別是上述神經(jīng)網(wǎng)絡可設置有多線性的內(nèi)插值，這些內(nèi)插值在測量點是非連續(xù)性的可微分的。根據(jù)一種改進方案，通過利用神經(jīng)網(wǎng)絡提供一種自適應分量結構。
根據(jù)另一方案規(guī)定，提供有一種具有反傳學習的多層感知機網(wǎng)絡(MLP)。根據(jù)另一方案規(guī)定，使用一種隨時間進化反傳網(wǎng)絡(BPtT)。除了使用一種單層或多層前饋網(wǎng)絡以外，還可同樣提供具有或不具有自反饋的一個或多個遞歸神經(jīng)網(wǎng)絡。特別是，該神經(jīng)網(wǎng)絡還可具有格柵網(wǎng)絡結構，在該格柵網(wǎng)絡結構的情況下，輸入信號傳送到具有相關數(shù)量的節(jié)點的神經(jīng)元的一維、二維或多維配置。這可例如以自組織映射(SOM)的形式進行。
根據(jù)本發(fā)明的另一思想，取代反傳函數(shù)和RBF，也可使用其他求近似或進行內(nèi)插的方法，例如LOLIMOT，SOM，可能的話，樣條內(nèi)插。當輸入空間具有有限的多維數(shù)時，使用樣條內(nèi)插，從而可使計算時間在某種程度上與求近似的神經(jīng)網(wǎng)絡相匹敵。
因此，本發(fā)明涉及一種具有神經(jīng)網(wǎng)絡的汽車控制裝置，其中，一個或多個反傳網(wǎng)絡與一個或多個徑向基函數(shù)耦合。另外，本發(fā)明還提供一種用于生成至少一個汽車專用特性曲線圖的方法，其中，大量的輸入數(shù)據(jù)借助一個神經(jīng)網(wǎng)絡通過與一個或多個反傳網(wǎng)絡耦合的一個或多個徑向基函數(shù)被處理，并被處理成一個特性曲線圖。
其他有利的方案和改進將參照以下附圖進行詳細說明。然而，不限于圖中所示的實施方式。確切地說，所述特征可以是單獨的，也可以與上述特征相結合而構成其他方案。


圖1是神經(jīng)網(wǎng)絡的一例；圖2是控制裝置與神經(jīng)網(wǎng)絡的并聯(lián)連接；以及圖3是神經(jīng)網(wǎng)絡的應用。
具體實施例方式
圖1示出神經(jīng)網(wǎng)絡的結構的一例，該神經(jīng)網(wǎng)絡優(yōu)選地集成在汽車控制裝置內(nèi)。原始數(shù)據(jù)1優(yōu)選地是被指定的，然而也可以是生成的。該原始數(shù)據(jù)可通過傳感器被傳送到控制裝置。原始數(shù)據(jù)1特別是具有一個數(shù)據(jù)組，該數(shù)據(jù)組由系統(tǒng)的一個或多個輸出值和附屬的輸入值的多個測量值組成。該系統(tǒng)特性將在此后使用一種神經(jīng)反傳網(wǎng)絡求近似。在預先規(guī)定的過程2中，首先根據(jù)該原始數(shù)據(jù)對RBF網(wǎng)絡進行訓練。RBF模型的參數(shù)緊接在數(shù)據(jù)組3之前。同時，在與RBF訓練并行進行的過程4中，鑒于此后要進行訓練的反傳網(wǎng)絡的激勵，對由原始數(shù)據(jù)1描述的輸入空間的掩蔽是否充分進行檢驗，并確定附加的虛擬輸入數(shù)據(jù)5。
這些虛擬輸入數(shù)據(jù)5在應用RBF網(wǎng)絡參數(shù)的數(shù)據(jù)組3時在過程6中應用，以便生成虛擬系統(tǒng)輸出或虛擬系統(tǒng)響應7。該虛擬系統(tǒng)響應7與虛擬輸入數(shù)據(jù)5一起產(chǎn)生虛擬系統(tǒng)特性8。而該虛擬系統(tǒng)特性8與原始數(shù)據(jù)1相結合產(chǎn)生擴大的訓練數(shù)據(jù)9。該擴大的訓練數(shù)據(jù)9用于訓練反傳網(wǎng)絡10。由此產(chǎn)生反傳網(wǎng)絡模型11，用于計算對輸入值的任意組合作出的系統(tǒng)響應?？墒褂迷摲磦骶W(wǎng)絡模型11進行控制裝置實現(xiàn)12。通過該控制裝置實現(xiàn)12例如進行例如內(nèi)燃機的基于模型的調(diào)節(jié)13。因此，以這種方式和其他方式使RBF網(wǎng)絡在反傳網(wǎng)絡之前接通。這樣，特別是可用一種連續(xù)數(shù)學近似，即MLP的輸出替代特性曲線圖點的多維查找和內(nèi)插。為MLP的訓練所需要的充分激勵可通過補充輸出空間和輸入空間并借助虛擬輸入數(shù)據(jù)和虛擬系統(tǒng)響應來實現(xiàn)。
圖2示出了一種方案，其中，多個控制裝置14、15、16通過總線系統(tǒng)7并聯(lián)連接。這種連接可使神經(jīng)網(wǎng)絡不僅能使用一個控制裝置4，而且還能使用多個控制裝置14、15、16，并且可并行執(zhí)行計算操作。這樣可在充分利用汽車的現(xiàn)有計算能力的情況下改善基于實時的調(diào)節(jié)。這里，可使相同或不同的然而由同種部件構成的神經(jīng)網(wǎng)絡相互耦合。
圖3以示意圖方式示出一種用于生成至少一個汽車專用特性曲線圖的方法的可行使用或者一種具有神經(jīng)網(wǎng)絡的汽車控制裝置的使用、以及一種具有程序用于生成汽車用的模擬或用于復制到汽車控制裝置內(nèi)的數(shù)據(jù)載體的使用。該示意示出的汽車在此代表一種移動的正在使用的汽車。還可代表固定的試驗臺，特別是一種固定的試驗臺或診斷臺。在汽車18中示出了發(fā)動機控制裝置19、監(jiān)控汽車位置的控制裝置20以及監(jiān)控汽車距離的控制裝置21。使用監(jiān)控距離的控制裝置21監(jiān)控例如與相鄰汽車的側面距離。還可監(jiān)控與相鄰汽車或者該汽車上的物體等的前后距離。使用監(jiān)控汽車位置的控制裝置20監(jiān)控并特別是調(diào)節(jié)車輪22的傳動線路和/或跑偏效應和/或旋轉特性。發(fā)動機控制裝置19監(jiān)控和調(diào)節(jié)特別是內(nèi)燃機以及例如附屬成套裝置和排氣部件例如過濾器或催化器?？刂蒲b置20、21、22優(yōu)選地相互耦合并各自具有至少一個至少用于監(jiān)控，但特別是用于控制和/或調(diào)節(jié)汽車部件的神經(jīng)網(wǎng)絡。對各個部件所需要的數(shù)據(jù)組可例如借助試驗來記錄，并通過計算機23生成而被處理成特性曲線圖。該特性曲線圖可例如儲存在數(shù)據(jù)載體24上。該數(shù)據(jù)載體24可以例如是CD-Rom、DVD、盤片、固定磁盤或者其他類似的存儲介質，例如存儲器芯片。數(shù)據(jù)載體24優(yōu)選地與另一示意示出的汽車控制裝置25連接，其中，存在于數(shù)據(jù)載體上的數(shù)據(jù)以及一個或多個程序可復制到汽車控制裝置25上。這樣，例如用于改善實時計算的(特別是用于調(diào)節(jié)汽車部件的)新型神經(jīng)網(wǎng)絡也可追加裝入已有的汽車控制裝置。這當然還可通過更換配置在汽車控制裝置內(nèi)的對應芯片組來進行。相反，同樣還可使用汽車18執(zhí)行試運轉，其中，記錄在對應的數(shù)據(jù)載體上的數(shù)據(jù)通過汽車控制裝置19、20、21被收集。該實際獲得的數(shù)據(jù)可存儲在數(shù)據(jù)載體24上并通過計算機23進一步評價，然后使用附加虛擬獲得的數(shù)據(jù)來擴充。這可特別是根據(jù)圖1所示的方法來執(zhí)行。
根據(jù)本發(fā)明的另一思想，本發(fā)明在進行了少量變形后，還可應用于通過一種平滑的“平坦的”數(shù)學反傳模型(特別是基于MLP的模型)來表示一種一致的關系。這里，RBF和MLP的耦合方法同樣也可與在控制裝置中的實施分離開。
相關例子在航空工業(yè)中是噴氣推進、飛行姿態(tài)和環(huán)境的控制和調(diào)節(jié)，在交通工程中是交通信號燈管理、行車速度限制、超車禁止、用于優(yōu)化交通流量的持續(xù)光信號，在房屋工程和環(huán)境工程中例如是房屋供暖裝置、燃燒器、太陽能裝置的自適應調(diào)節(jié)，在金屬加工業(yè)中例如是產(chǎn)品工藝中的質量特征的監(jiān)控，例如，焊接技術連接工程中的焊接流和焊接進給的調(diào)節(jié)以及合金的材料特性的調(diào)節(jié)，在化學工業(yè)中例如是配方的優(yōu)化以及反應器中的混合停止和熱狀態(tài)參量的調(diào)節(jié)，以及在流動特性不斷變化的情況下的物質流的調(diào)節(jié)，以及在農(nóng)業(yè)中例如是種植成果的優(yōu)化以及培植設施和溫室中的環(huán)境、灌溉以及施肥的調(diào)節(jié)。
權利要求
1.一種具有神經(jīng)網(wǎng)絡的汽車控制裝置，其中，一個或多個反傳網(wǎng)絡與一個或多個徑向基函數(shù)耦合。
2.根據(jù)權利要求1所述的汽車控制裝置，其特征在于，所述神經(jīng)網(wǎng)絡具有反傳網(wǎng)絡訓練用的徑向基函數(shù)。
3.根據(jù)權利要求1或2所述的汽車控制裝置，其特征在于，所述徑向基函數(shù)直接與所述反傳網(wǎng)絡耦合。
4.根據(jù)上述權利要求中的任意一項所述的汽車控制裝置，其特征在于，所述訓練用的反傳網(wǎng)絡具有除徑向基函數(shù)以外的數(shù)據(jù)的存取。
5.根據(jù)權利要求1至3中的任意一項所述的汽車控制裝置，其特征在于，所述訓練用的反傳網(wǎng)絡具有徑向基函數(shù)的數(shù)據(jù)和徑向基函數(shù)的輸入數(shù)據(jù)的存取。
6.根據(jù)上述權利要求中的任意一項所述的汽車控制裝置，其特征在于，所述神經(jīng)網(wǎng)絡可用于實時系統(tǒng)中。
7.根據(jù)上述權利要求中的任意一項所述的汽車控制裝置，其特征在于，設置有-至少已可用的輸入輸出數(shù)據(jù)，這些數(shù)據(jù)可用作至少反傳網(wǎng)絡的訓練用的學習數(shù)據(jù)；-通過至少一個RBF(徑向基函數(shù))網(wǎng)絡虛擬獲得的數(shù)據(jù)，這些數(shù)據(jù)位于學習數(shù)據(jù)之間并且優(yōu)選地位于學習數(shù)據(jù)之外；-反傳網(wǎng)絡和RBF網(wǎng)絡之間直接耦合，其把至少所獲得的虛擬數(shù)據(jù)從至少一個RBF網(wǎng)絡傳遞到至少一個反傳網(wǎng)絡。
8.根據(jù)上述權利要求中的任意一項所述的汽車控制裝置，其特征在于，所述控制裝置是應用控制裝置，特別是發(fā)動機控制裝置。
9.根據(jù)上述權利要求中的任意一項所述的汽車控制裝置，其特征在于，所述控制裝置至少對氣門機構起作用。
10.根據(jù)上述權利要求中的任意一項所述的汽車控制裝置，其特征在于，所述控制裝置對燃油噴射起作用。
11.根據(jù)上述權利要求中的任意一項所述的汽車控制裝置，其特征在于，所述控制裝置對排氣特性起作用。
12.根據(jù)上述權利要求中的任意一項所述的汽車控制裝置，其特征在于，所述控制裝置控制安全裝置。
13.根據(jù)上述權利要求中的任意一項所述的汽車控制裝置，其特征在于，所述控制裝置控制汽車位置。
14.根據(jù)上述權利要求中的任意一項所述的汽車控制裝置，其特征在于，所述多個控制裝置相互連接，用于數(shù)據(jù)交換以及用于計算汽車用的特性曲線圖數(shù)據(jù)。
15.根據(jù)權利要求14所述的汽車控制裝置，其特征在于，所述多個控制裝置并聯(lián)連接。
16.根據(jù)上述權利要求中的任意一項所述的汽車控制裝置，其特征在于，所述控制裝置是固定試驗臺的組成部分。
17.根據(jù)上述權利要求中的任意一項所述的汽車控制裝置，其特征在于，所述控制裝置是固定發(fā)動機試驗臺的組成部分。
18.一種用于生成至少一個汽車專用特性曲線圖的方法，其中，借助一種神經(jīng)網(wǎng)絡，通過與一個或多個反傳網(wǎng)絡耦合的一個或多個徑向基函數(shù)，對大量的輸入數(shù)據(jù)進行處理并處理成一種特性曲線圖。
19.根據(jù)權利要求14所述的方法，其特征在于，所述至少一個徑向基函數(shù)對數(shù)據(jù)進行處理并傳遞給反傳網(wǎng)絡用于訓練。
20.根據(jù)權利要求14或15所述的方法，其特征在于，汽車用的條件模擬通過借助于神經(jīng)網(wǎng)絡的計算來進行。
21.根據(jù)權利要求13至16中的任意一項所述的方法，其特征在于，所述方法是在控制裝置中執(zhí)行的。
22.根據(jù)權利要求13至17中的任意一項所述的方法，其特征在于，所述方法用于診斷汽車的至少一部分的狀態(tài)。
23.一種具有程序的數(shù)據(jù)載體，該程序用于實現(xiàn)具有權利要求14的特征的汽車的模擬或者用于復制到特別是具有權利要求1的特征的汽車控制裝置內(nèi)。
24.一種具有權利要求14的特征的神經(jīng)網(wǎng)絡的應用，用于汽車的數(shù)據(jù)模擬或者用于具有權利要求1的特征的汽車控制裝置的數(shù)據(jù)訓練。
全文摘要
本發(fā)明涉及一種具有神經(jīng)網(wǎng)絡的汽車控制裝置，其中，包括一個或多個徑向基函數(shù)的一個或多個反傳網(wǎng)絡相耦合。本發(fā)明還涉及一種用于使用至少一個汽車專用特性曲線圖的方法，其中，使用神經(jīng)網(wǎng)絡并借助與一個或多個反傳網(wǎng)絡耦合的一個或多個徑向基函數(shù)來處理多個輸入數(shù)據(jù)。
文檔編號G06N3/04GK1981123SQ200580021023
公開日2007年6月13日 申請日期2005年6月24日 優(yōu)先權日2004年6月25日
發(fā)明者埃里克·博爾曼, 克里斯托夫·舍爾努斯 申請人:Fev電機技術有限公司