Verfahren zum Aufbereiten eines Getriebeparametersiqnals sowie Verfahren zum Anlernen und zur Verwendung eines neuronalen Netzes mittels des aufbereiteten Getrie- beparametersignals

Technisches Gebiet

Die vorliegende Erfindung betrifft ein Verfahren zum Aufbereiten wenigstens eines zeitkontinuierlichen Signals, wobei das zeitkontinuierliche Signal eine zeitliche Abhängigkeit eines Getriebeparameters beschreibt. Ferner betrifft die Erfindung ein Verfahren zum Anlernen eines neuronalen Netzes mit einem aufbereiteten zeitkontinuierlichen Signal, sowie ein Verfahren zur Verwendung eines neuronalen Netzes, welches mit dem Verfahren nach der vorliegenden Erfindung angelernt worden ist. Ferner betrifft die vorliegende Erfindung einen Computer zum Ausführen des Verfahrens zum Anlernen des neuronalen Netzes und ein Fahrzeug mit einem Steuergerät zum Ausführen des Verfahrens zur Verwendung des neuronalen Netzes.

Stand der Technik

Zum Anlernen von neuronalen Netzen werden Datensätze bereitgestellt. Diese werden vor dem Anlernen des neuronalen Netzes um Undefinierte Werte oder Lücken bereinigt, indem diese entfernt werden. Ferner werden einzelne Werte, beispielsweise Ausreißer, erkannt und verarbeitet, gegebenenfalls gelöscht. Dies trägt zur Verbesserung der Datenqualität bei. Mittels Wahrscheinlichkeitsverteilungen, beispielsweise Normalverteilungen, werden die Daten vor dem Anlernen um Asymmetrien korrigiert. Ferner werden die Daten normalisiert, um die Daten auf einen einheitlichen Wertebereich vor dem Anlernen des neuronalen Netzes zu skalieren. Beim Aufbereiten eines Signals zum Anlernen eines neuronalen Netzes kann es vorgesehen sein, lediglich bestimmte Wertebereiche des Signals zum Anlernen des neuronalen Netzes zu verwenden, um das neuronale Netz genau für die Zustände, welche den bestimmten Wertebereichen entsprechen, zu trainieren. Bei der Auswahl dieser Wertebereiche, und insbesondere bei dem Aneinanderfügen von ausgeschnittenen Wertebereichen zum Anlernen, können unerwünschte Übergänge an den Grenzen der Wertebereiche auftreten, mit welchen das neuronale Netz dann falsch angelernt wird. Darstellung der Erfindung

Ein erster Aspekt der Erfindung betrifft ein Verfahren zum Aufbereiten wenigstens eines zeitkontinuierlichen Signals. Das zeitkontinuierliche Signal beschreibt eine zeitliche Abhängigkeit eines Getriebeparameters. Das Signal kann ein Getriebeparametersignal sein. Getriebeparameter können beispielsweise Kupplungsdruck, Fahrgeschwindigkeit des Fahrzeugs, Drehzahl an einem oder mehreren Punkten innerhalb des Getriebes o- der Temperatur an einem oder mehreren Punkten des Getriebes sein. Das aufbereitete Signal ist zum Anlernen, oder Trainieren, eines neuronalen Netzes verwendbar.

Das neuronale Netz kann aus einer oder mehreren verdeckten Schichten bestehen.

Das neuronale Netz kann ein gerichtetes neuronales Netz, alternativ oder zusätzlich ein rekurrentes neuronales Netz, sein. Mittels des, mit dem aufbereiteten zeitkontinuierli- chen Signal, angelernten neuronalen Netzes ist eine Getriebedrehzahl bestimmbar. Das angelernte neuronale Netz kann einen virtuellen Getriebesensor an zumindest einer Stelle des Getriebes darstellen und eine Getriebedrehzahl bestimmen. Damit kann das neuronale Netz einen Getriebesensor emulieren.

Das Verfahren weist einen Schritt eines Erzeugens eines synthetischen Signals auf. Das synthetische Signal umfasst Information zu einem Gangwechsel. Das synthetische Signal kann ein zeitkontinuierliches Signal sein, wobei Information zum eingelegten Gang des Getriebes gegen die Zeit umfasst sein kann. Das Verfahren weist ferner einen Schritt eines Filterns des zeitkontinuierlichen Signals mittels des synthetischen Signals auf. Das Filtern des zeitkontinuierlichen Signals erfolgt in Abhängigkeit von Information zu einem Gangwechsel. Mit dem Schritt des Filterns können Werte des zeitkon- tinuierlichen Signals, welche zeitlich um den Gangwechsel erfolgen, gefiltert werden. Diese gefilterten Werte des zeitkontinuierlichen Signals können für das weitere Verfahren zum Aufbereiten des zeitkontinuierlichen Signals verwendet werden. Das Verfahren weist ferner einen Schritt eines Bestimmens einer eindimensionalen Faltung des gefilterten Signals mittels eines Kernels auf. Der Kernel kann ein eindimensionaler Kernel sein. Der Kemel kann ein Faltungsfenster, oder Fenster, darstellen. Mittels des Kemels kann im Schritt des Bestimmens lediglich der gefilterte Teil des zeitkontinuierlichen Signals gefaltet werden.

Es wird somit ein Verfahren bereitgestellt, bei welchem lediglich gefilterte Werte für die Bestimmung der eindimensionalen Faltung mittels des Kernels verwendet werden. In anderen Worten kann die Verwendung des Kernels zur eindimensionalen Faltung mittels des synthetischen Signals ein- und ausgeschaltet werden. Das ein- und ausschalten der eindimensionalen Faltung kann dabei in Abhängigkeit von einem Gangwechsel erfolgen. Ein Aufbereiten wenigstens eines zeitkontinuierlichen Signals mittels eines solchen Verfahrens kann dazu führen, dass lediglich relevante Zeitwerte des zeitkontinuierlichen Signals für das Anlernen des neuronalen Netzes verwendet werden. Dadurch kann, indem das Aufbereiten in Abhängigkeit von Information zu einem Gangwechsel erfolgt, das neuronale Netz so angelernt werden, dass ein Sensor optimal für Zustände um einen Gangwechsel emuliert werden kann, indem lediglich Zeitwerte des zeitkontinuierlichen Signals um einen Gangwechsel zum Anlernen verwendet werden.

Gemäß einer weiteren Ausführungsform kann der Schritt des Erzeugens des synthetischen Signals in Abhängigkeit von wenigstens einer physischen Messgröße erfolgen, wobei die physische Messgröße Information zu einem Gangwechsel umfassen kann. Die physische Messgröße kann dabei einen Kupplungsdruck innerhalb des Getriebes, Information zu einer Schnellfüllung innerhalb des Getriebes und alternativ oder zusätzlich Information zum Zustand von synchron drehenden Teilen innerhalb des Getriebes umfassen. Der Schritt des Erzeugens des synthetischen Signals kann in Abhängigkeit von mehr als einer physischen Messgröße erfolgen. Beispielsweise kann das synthetische Signal in Abhängigkeit vom Kupplungsdruck und von Temperatur an mehreren Stellen des Getriebes erfolgen. Somit kann ein synthetisches Signal erzeugt werden, welches einen Gangwechsel möglichst realitätsnah als synthetisches Signal darstellen kann.

Es kann somit ein Verfahren gezeigt sein, wobei das Aufbereiten des zeitkontinuierlichen Signals von physischen Messgrößen abhängen kann. Das Filtern, und damit das spätere Anlernen, kann in Abhängigkeit von Information zu einem physisch stattfindenden Gangwechsel in einem Getriebe erfolgen. Dadurch kann ein Anlernen des neuronalen Netzes mit einem solch aufbereiteten Signal bestmöglich in Abhängigkeit von einem Gangwechsel erfolgen.

Gemäß einer weiteren Ausführungsform können mit dem Schritt des Filterns des zeitkontinuierlichen Signals diejenigen Werte des zeitkontinuierlichen Signals gefiltert werden, welche innerhalb eines Zeitbereichs um einen Zeitpunkt eines Gangwechsels liegen. Der Zeitbereich kann dabei symmetrisch um den Zeitpunkt des Gangwechsels liegen. Im Schritt des Bestimmens der Faltung können lediglich die innerhalb eines Zeitbereichs um einen Zeitpunkt eines Gangwechsels gefilterten Werte des Signals verwendet werden. So kann mittels des synthetischen Signals das Bestimmen der eindimensionalen Faltung innerhalb der Zeitbereiche um Zeitpunkte von Gangwechseln angeschaltet werden und in den komplementären Zeitbereichen ausgeschaltet werden.

Es kann somit ein Verfahren gezeigt sein, welches ein zeitkontinuierliches Signal so aufbereiten kann, dass ein neuronales Netz lediglich innerhalb von Zeitbereichen um einen Gangwechsel angelernt werden kann. Diese Zeitbereiche können die relevanten Bereiche zum Anlernen des neuronalen Netzes darstellen, da für diese Zeitbereiche mittels des angelernten neuronalen Netzes ein Sensor emuliert werden soll. Durch das Definieren von Zeitbereichen kann ein Ausschneiden von Bereichen des zeitkontinuierlichen Signals und Zusammenfügen von solchen ausgeschnittenen Bereichen des zeitkontinuierlichen Signals zum Anlernen des neuronalen Netzes vermieden werden. Somit kann vermieden werden, dass das neuronale Netz Sprünge zwischen ausgeschnittenen Bereichen des zeitkontinuierlichen Signals anlernt.

Gemäß einer weiteren Ausführungsform kann das Verfahren ferner einen Schritt eines Bestimmens des Kemels aufweisen. Es kann die Größe und alternativ oder zusätzlich die Struktur des Kemels bestimmt werden. Beispielsweise kann der Kemel 50 oder 100 Zeitpunkte des zeitkontinuierlichen Signals umfassen. Alternativ oder zusätzlich kann der Kemel eine bestimmte Struktur aufweisen, mittels welcher bestimmte Gangwechsel, beispielsweise Gangwechsel, bei welchen ein oder mehrere Gänge übersprungen werden, gefiltert werden. Das Verfahren kann ferner einen Schritt eines Bestimmens des Zeitbereichs um einen Zeitpunkt eines Gangwechsels in Abhängigkeit von dem Schritt des Bestimmens des Kemels aufweisen. Der Schritt des Bestimmens des Zeitbereichs kann in Abhängigkeit von dem Schritt des Erzeugens des synthetischen Signals erfolgen. So kann der Zeitbereich um den Zeitpunkt des Gangwechsels bestimmt werden. Der Zeitbereich kann ein Vielfaches des Kemels, oder Fensters, sein. Beispielsweise kann der Zeitbereich doppelt oder dreimal so groß wie der Kemel sein. So kann bei einem Kemel, welcher 50 Zeitpunkte des zeitkontinuierlichen Signals umfasst, der Zeitbereich 100 oder 150 Zeitpunkte des zeitkontinuierlichen Signals umfassen. Der Kemel kann innerhalb des Zeitbereichs zum Bestimmen der eindimensionalen Faltung des gefilterten Signals verschoben werden. Bei einem Kemel mit 50 Zeitpunkten und einem Zeitbereich mit 100 Zeitpunkten kann somit der Kemel über einen Bereich von 51 Zeitpunkten verschoben werden. Der Schritt des Filterns kann in Abhängigkeit von dem Schritt des Bestimmens des Zeitbereichs erfolgen. So kann zunächst der Kemel und dann der Zeitbereich bestimmt werden. Mit den bestimmten Zeitbereichen kann dann das Filtern erfolgen.

Es kann somit ein Verfahren gezeigt sein, wodurch mittels eines bestimmten Kemels und eines bestimmten Zeitbereichs auf das zeitkontinuierliche Signal besser reagiert werden kann, um somit das zeitkontinuierliche Signal optimal für das Anlernen des neuronalen Netzes aufzubereiten. So kann der Zeitbereich kürzer gewählt werden, wenn Abhängigkeiten zwischen zeitkontinuierlichen Signalen lediglich innerhalb eines relativ kurzen Zeitbereichs um einen Gangwechsel zum Anlernen des neuronalen Netzes relevant sind. Ein größerer Zeitbereich kann verwendet werden, wenn diese Abhängigkeiten über einen längeren Zeitraum um einen Gangwechsel vorliegen. Durch Wahl des optimalen Zeitbereichs kann die Menge der Daten, welche zum Anlernen des neuronalen Netzes verwendet werden, optimiert, das heißt auf die relevanten Daten des zeitkontinuierlichen Signals reduziert werden.

Gemäß einer weiteren Ausführungsform kann der Schritt des Bestimmens des Zeitbereichs um einen Zeitpunkt eines Gangwechsels in Abhängigkeit von einem Zeitpunkt eines zeitlich darauffolgenden Gangwechsels erfolgen. So kann der Zeitbereich um einen Zeitpunkt eines Gangwechsels so bestimmt werden, dass er spätestens dann endet, wenn zwischen dem Zeitpunkt des aktuell betrachteten und des zeitlich darauffolgenden Gangwechsels die Hälfte der Zeit verstrichen ist. Es kann somit ein Verfahren gezeigt sein, wodurch Sprünge beim Anlernen des neuronalen Netzes innerhalb des zeitkontinuierlichen Signals zum Anlernen vermieden werden. Durch Verschieben des Kernels, oder des Fensters, von einem Zeitbereich zum anderen, und gerade nicht über den Sprung hinweg, kann vermieden werden, dass das neuronale Netz mit solchen Sprüngen angelernt wird.

Gemäß einer weiteren Ausführungsform kann das Verfahren zum Aufbereiten von wenigstens zwei zeitkontinuierlichen Signalen ausführbar sein. Die zwei zeitkontinuierlichen Signale können beispielsweise Kupplungsdrücke, Temperaturen an verschiedenen Stellen des Getriebes oder die Fahrgeschwindigkeit des Fahrzeugs umfassen. Ferner können die wenigstens zwei aufbereiteten Signale zum Anlernen eines neuronalen Netzes verwendbar sein. Es kann genau ein neuronales Netz mit den wenigstens zwei aufbereiteten Signalen angelernt werden. So kann das Verfahren zunächst auf das erste zeitkontinuierliche Signal ausführbar sein, und sodann kann das Verfahren auf das zweite zeitkontinuierliche Signal ausführbar sein. Alternativ oder zusätzlich kann das Verfahren parallel auf zwei zeitkontinuierliche Signale ausführbar sein. Die beiden aufbereiteten zeitkontinuierlichen Signale können dann zum Anlernen desselben neuronalen Netzes verwendbar sein.

Es kann somit ein Verfahren gezeigt sein, wodurch mehrere zeitkontinuierliche Signale aufbereitet werden können. Somit kann ein neuronales Netz angelernt werden, wobei der Zusammenhang zwischen verschiedenen zeitkontinuierlichen Signalen anlernbar ist. Dabei können alle zeitkontinuierlichen Signale, mit denen das neuronale Netz angelernt werden soll, mittels des Verfahrens aufbereitet werden. Somit kann das neuronale Netz angelernt werden, Zustände des Getriebes während eines Gangwechsels, alternativ oder zusätzlich zeitlich um einen Gangwechsel, zu bestimmen.

Ein zweiter Aspekt der Erfindung betrifft ein Verfahren zum Anlernen eines neuronalen Netzes. Das Verfahren weist einen Schritt eines Aufbereitens von wenigstens einem zeitkontinuierlichen Signal nach einem Verfahren gemäß einer Ausführungsform des ersten Aspekts der Erfindung auf. Zusätzlich kann das Verfahren zum Anlernen eines neuronalen Netzes einen Schritt eines Aufbereitens von wenigstens einem zweiten zeitkontinuierlichen Signal nach einer Ausführungsform des ersten Aspekts der vorliegenden Erfindung aufweisen. Das Verfahren zum Anlernen des neuronalen Netzes weist ferner einen Schritt eines Trainierens des neuronalen Netzes mit dem aufbereiteten zeitkontinuierlichen Signal auf. Alternativ erfolgt der Schritt des Trainierens des neuronalen Netzes mit zwei oder mehr aufbereiteten zeitkontinuierlichen Signalen. Ein solches Trainieren des neuronalen Netzes kann ein überwachtes Trainieren des neuronalen Netzes sein.

Ein dritter Aspekt der Erfindung betrifft ein Verfahren zur Verwendung eines neuronalen Netzes, welches mittels des Verfahrens nach einer Ausführungsform gemäß dem zweiten Aspekt der Erfindung angelernt worden ist. Das Verfahren zur Verwendung des neuronalen Netzes umfasst einen Schritt eines Einlesens von einem ersten zeitkontinuierlichen Signal. Das erste zeitkontinuierliche Signal kann ein Kupplungsdruck sein. Das Verfahren zur Verwendung des neuronalen Netzes weist ferner einen Schritt eines Einlesens von einem zweiten zeitkontinuierlichen Signal auf. Das zweite zeitkontinuierliche Signal kann ein Temperatursignal an einer Stelle des Getriebes sein. Das Verfahren zur Verwendung des neuronalen Netzes weist ferner einen Schritt eines Bestimmens einer Getriebedrehzahl mittels des neuronalen Netzes basierend auf dem ersten und zweiten eingelesenen Signal auf. Das Verfahren zur Verwendung des neuronalen Netzes weist ferner einen Schritt eines Ausgebens der bestimmten Getriebedrehzahl auf. Die Schritte des Einlesens des ersten und zweiten zeitkontinuierlichen Signals können zeitlich nacheinander oder zeitgleich erfolgen. Der Schritt des Bestimmens kann zeitlich nach den Schritten des Einlesens erfolgen. Der Schritt des Ausgebens kann zeitlich nach dem Schritt des Bestimmens erfolgen.

Mittels eines solchen Verfahrens kann ein neuronales Netz als virtueller Getriebesensor verwendet werden.

Ein vierter Aspekt der Erfindung betrifft einen Computer, welcher eingerichtet ist, das Verfahren zum Anlernen eines neuronalen Netzes nach einer Ausführungsform gemäß dem zweiten Aspekt der Erfindung auszuführen.

Ein fünfter Aspekt der Erfindung betrifft ein Fahrzeug, umfassend ein Steuergerät, wobei das Steuergerät eingerichtet ist, das Verfahren zur Verwendung eines neuronalen Netzes nach einer Ausführungsform gemäß dem dritten Aspekt der Erfindung auszufüh- ren.

Kurze Beschreibung der Figuren

Figur 1 zeigt schematisch Schritte eines Verfahrens zum Aufbereiten eines

Signals gemäß einer Ausführungsform.

Figur 2 zeigt schematisch Schritte eines Verfahrens zum Anlernen eines neuronalen Netzes gemäß einer Ausführungsform.

Figur 3 zeigt schematisch Schritte eines Verfahrens zur Verwendung eines neuronalen Netzes gemäß einer Ausführungsform.

Figur 4 zeigt schematisch einen Computer zum Anlernen eines neuronalen

Netzes sowie ein Fahrzeug zur Verwendung des neuronalen Netzes gemäß einer Ausführungsform.

Detaillierte Beschreibung von Ausführungsformen

Fig. 1 zeigt schematisch Schritte eines Verfahrens zum Aufbereiten S11 eines Signals gemäß einer Ausführungsform. Das Verfahren weist einen Schritt eines Erzeugens S1 eines synthetischen Signals auf. Das synthetische Signal umfasst Information zu einem Gangwechsel. Das Erzeugen S1 des synthetischen Signals erfolgt in Abhängigkeit von mehreren physischen Messgrößen, umfassend Kupplungsdruck innerhalb eines Getriebes, Temperaturen an Stellen innerhalb des Getriebes und Zustände von synchron drehenden Teilen innerhalb des Getriebes, wie Zustände einer Klauenschaltung. Das Verfahren weist ferner einen Schritt eines Bestimmens S4 eines Kernels auf. Der Kernel stellt ein Fenster für eine eindimensionale Faltung dar. Der Kemel, oder das Fenster, werden so bestimmt, dass eine bestimmte Anzahl von Zeitwerten des zeitkontinuierlichen Signals in dem Fenster umfasst werden. Das Verfahren weist ferner einen Schritt eines Bestimmens S5 eines Zeitbereichs um einen Zeitpunkt eines Gangwechsels auf. Der Schritt des Bestimmens S5 des Zeitbereichs um einen Zeitpunkt eines Gangwechsels erfolgt in Abhängigkeit vom Schritt des Bestimmens S4 des Kernels. Der Schritt des Bestimmens S5 des Zeitbereichs erfolgt in Abhängigkeit des Schritts des Erzeugens S1 des synthetischen Signals. So werden Zeitbereiche um Zeitpunkte von Gangwechseln bestimmt. Die Zeitbereiche werden in Abhängigkeit des Kernels, oder des Fensters, bestimmt. So werden symmetrisch gelegene Zeitbereiche als Vielfache des Kernels, oder Fensters, um den Zeitpunkt eines Gangwechsels bestimmt.

Das Verfahren weist ferner einen Schritt eines Filterns S2 des zeitkontinuierlichen Signals auf. Im Schritt des Filterns S2 werden diejenigen Werte des zeitkontinuierlichen Signals gefiltert, welche innerhalb eines Zeitbereichs um einen Zeitpunkt eines Gangwechsels liegen. Die Zeitbereiche sind im Schritt des Bestimmens S5 so bestimmt worden, dass sie sich nicht überschneiden.

Das Verfahren weist ferner einen Schritt eines Bestimmens S3 einer eindimensionalen Faltung eines gefilterten Signals mittels des Kemels auf. Im Schritt des Bestimmens S3 der eindimensionalen Faltung gleitet der Kernel, oder das Fenster, innerhalb eines Zeitbereichs von einem Ende des Zeitbereichs zum anderen Ende des Zeitbereichs und führt die eindimensionale Faltung des gefilterten Signals durch. Beim Erreichen eines Endes des Zeitbereichs wird der Kernel, oder das Fenster, zum Beginn eines Zeitbereichs eines zeitlich darauffolgenden Gangwechsels verschoben. Durch ein solches Verschieben erfolgt gerade keine Faltung über eine Zeitbereichsgrenze hinaus. Es wird keine eindimensionale Faltung über Sprünge zwischen den Zeitbereichen bestimmt. Die Faltung wird lediglich in einzelnen Zeitbereichen um Zeitpunkte eines Gangwechsels bestimmt.

Fig. 2 zeigt schematisch Schritte eines Verfahrens zum Anlernen eines neuronalen Netzes. Das Verfahren weist den Schritt des Aufbereitens S11 von wenigstens einem zeitkontinuierlichen Signal auf. In der gezeigten Ausführungsform erfolgen Schritte des Aufbereitens S11 für genau zwei zeitkontinuierliche Signale. Gemäß der gezeigten Ausführungsform erfolgt ein Schritt des Aufbereitens S1 1 für ein Kupplungsdrucksignal und ein Schritt des Aufbereitens S11 für ein Temperatursignal an einer Stelle des Getriebes. Ferner weist das Verfahren zum Anlernen des neuronalen Netzes einen Schritt eines Trainierens S12 des neuronalen Netzes mit den zwei aufbereiteten zeitkontinuierlichen Signalen auf.

Fig. 3 zeigt schematisch Schritte eines Verfahrens zur Verwendung eines neuronalen Netzes gemäß einer Ausführungsform. Das neuronale Netz ist mittels des Verfahrens, gezeigt in Fig. 2, angelernt worden. Das Verfahren zur Verwendung des neuronalen Netzes weist einen Schritt eines Einlesens S21 von einem ersten zeitkontinuierlichen Signal auf. Das erste zeitkontinuierliche Signal ist ein Kupplungsdruck. Das Verfahren zur Verwendung des neuronalen Netzes weist ferner einen Schritt eines Einlesens S22 von einem zweiten zeitkontinuierlichen Signal auf. Das zweite zeitkontinuierliche Signal ist ein Temperatursignal an einer Stelle des Getriebes. Das Verfahren zur Verwendung des neuronalen Netzes weist ferner einen Schritt eines Bestimmens S23 einer Getriebedrehzahl mittels des neuronalen Netzes auf. Der Schritt des Bestimmens S23 erfolgt basierend auf dem ersten und zweiten eingelesenen Signal, also basierend auf dem Kupplungsdruck und dem Temperatursignal. Durch das Anlernen des neuronalen Netzes mittels des in Fig. 2 schematisch gezeigten Verfahrens wird das neuronale Netz darauf trainiert, Bereiche um einen Gangwechsel zu trainieren. Bereiche, welche nicht unmittelbar um einen Gangwechsel liegen, können mittels einfacher physikalischer Zusammenhänge berechnet werden. Somit ist ein Trainieren des neuronalen Netzes auf diese Bereiche nicht vorteilhaft, da dies zu einer Vernachlässigung des Trainings des neuronalen Netzes um Bereiche des Gangwechsels führt. Daher wird im Schritt des Bestimmens S23 der Getriebedrehzahl eine Getriebedrehzahl um den Zeitbereich eines Gangwechsels möglichst genau bestimmt. Das Verfahren zur Verwendung des neuronalen Netzes weist ferner einen Schritt eines Ausgebens S24 der bestimmten Getriebedrehzahl auf. So wird die bestimmte Getriebedrehzahl, bestimmt durch das neuronale Netz als virtuellen Getriebesensor, an weitere Steuergeräte eines Fahrzeugs gesendet. Diese weiteren Steuergeräte können das Signal für Berechnungen verwenden.

Fig. 4 zeigt schematisch einen Computer 2 zum Anlernen eines neuronalen Netzes. Dabei ist der Computer 2 eingerichtet, das Verfahren zum Anlernen eines neuronalen Netzes, gemäß den hier gezeigten Ausführungsformen, auszuführen. Fig. 4 zeigt ferner schematisch ein Fahrzeug 4, umfassend ein Steuergerät 6, wobei das Steuergerät 6 eingerichtet ist, das Verfahren zur Verwendung des neuronalen Netzes, gemäß den hier gezeigten Ausführungsformen, auszuführen. Der Computer 2 weist einen Sender 8 auf, und das Fahrzeug 4 weist einen Empfänger 10 auf. Der Computer 2 ist eingerichtet, das neuronale Netz anzulernen. Der Computer 2 ist ferner eingerichtet, Information zum angelernten neuronalen Netz über den Sender 8 und den Empfänger 10 an das Fahrzeug 4 zu senden. Das Steuergerät 6 des Fahrzeugs 4 ist eingerichtet, das vom Computer 2 gesendete neuronale Netz zu verwenden.

Bezugszeichen Computer Fahrzeug Steuergerät Sender Empfänger Erzeugen eines synthetischen Signals Filtern eines zeitkontinuierlichen Signals Bestimmen einer eindimensionalen Faltung Bestimmen eines Kernels Bestimmen eines Zeitbereichs Aufbereiten eines zeitkontinuierlichen Signals Trainieren eines neuronalen Netzes Einlesen von einem ersten Signal Einlesen von einem zweiten Signal Bestimmen einer Getriebedrehzahl Ausgeben der Getriebedrehzahl