Die Erfindung betrifft eine autonome Fahrfunktion für ein Kraftfahrzeug, wobei die au tonome Fahrfunktion einen oder mehrere Fahrereingriffe berücksichtigt. Beansprucht werden in diesem Zusammenhang insbesondere eine dazu eingerichtete Prozesso reinheit, ein Verfahren und ein Computerprogrammprodukt. Ein weiterer Anspruch ist auf ein Kraftfahrzeug mit der vorstehend genannten Prozessoreinheit gerichtet.

Autonome Fahrstrategien verwenden Umfelddaten, Kartendaten und Fahrzeugdaten, um ein optimales Fahrzeugverhalten zu bestimmen. Eine Aufgabe der vorliegenden Erfindung kann darin gesehen werden, eine autonome Fahrfunktion eines Kraftfahr zeugs hinsichtlich Präferenzen eines Fahrers zu verbessern. Die Aufgabe wird gelöst durch die Gegenstände der unabhängigen Patentansprüche. Vorteilhafte Ausfüh rungsformen sind Gegenstand der Unteransprüche, der folgenden Beschreibung so wie der Figuren.

Die vorliegende Erfindung schlägt eine Adaption einer autonomen Fahrstrategie ins besondere auf Fahrerwunsch vor. Dabei kann eine autonome Fahrfunktion an Fah rereingriffe angepasst werden, um die autonome Fahrfunktion dem menschlichen Verhalten anzunähern. Insbesondere kann eine übliche Geschwindigkeit an Stellen gespeichert werden, an denen wiederholt schneller als optimiert gefahren wurde, nachdem dies durch den Fahrer des Kraftfahrzeugs bestätigt worden ist. Bei Verwen dung eines MPC-Optimierungsalgorithmus' als Fahrstrategie können entweder die Randbedingungen bzw. Nebenbedingungen (z.B. Kurvengeschwindigkeit oder Tem polimits) oder die Gewichtungsfaktoren der Terme der Kostenfunktion (z.B. Zeit, Energie oder Komfort) verändert werden.

Die Berücksichtigung von Fahrereingriffen kann nach unterschiedlichen Kriterien er folgen. Einerseits kann dies ortsbezogen sein: Wenn der Fahrer beispielsweise in ei nem Streckenabschnitt mehrfach eingegriffen hat, so kann dies für diesen Strecken abschnitt vergleichbar zu Kartendaten abgelegt und verarbeitet werden. Daneben können auch andere Abhängigkeiten berücksichtigt werden. So können Tageszeiten (z.B. abends ist sportlicheres Verhalten als morgens gewünscht), Beladungen (mit Anhänger langsamer als ohne) oder die Anzahl der Mitfahrer berücksichtigt werden.

In diesem Sinne wird gemäß einem ersten Aspekt der Erfindung eine Prozessorein heit zur Ausführung einer autonomen Fahrfunktion für ein Kraftfahrzeug unter Be rücksichtigung eines Fahrereingriffs bereitgestellt, wobei die Prozessoreinheit dazu eingerichtet ist, eine autonome Fahrfunktion auszuführen, sodass ein Kraftfahrzeug basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt. Weiterhin ist die Prozessoreinheit dazu eingerichtet, einen Fahrereingriff in die autonome Fahr funktion des Kraftfahrzeugs zu speichern, wobei der Fahrereingriff durch einen Fah rer des Kraftfahrzeugs vorgenommen wird, während das Kraftfahrzeug basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt. Ferner ist die Prozesso reinheit dazu eingerichtet, die autonome Fahrfunktion nachfolgend unter Berücksich tigung des gespeicherten Fahrereingriffs auszuführen.

Das Speichern kann beispielsweise auf einer Speichereinheit erfolgen, die innerhalb des Kraftfahrzeugs angeordnet ist. Insbesondere kann die Speichereinheit zu der Prozessoreinheit gehören. Die Prozessoreinheit kann auf die Speichereinheit zugrei fen, insbesondere mittels einer dazu eingerichteten Kommunikations-Schnittstelle.

Die Speichereinheit kann sich auch außerhalb des Kraftfahrzeugs befinden und kom munikativ mit der Prozessoreinheit verbunden sein.

Die vorliegende Erfindung eignet sich für autonome Fahrfunktionen, deren Automati sierungsstufen unterhalb von Level 5 (z.B. gemäß SAE J3016), insbesondere bis Le vel 3 liegen, wobei der Fahrer weiterhin die Möglichkeit hat, die Fahrt zu beeinflus sen. Eine solche Beeinflussung der Fahrfunktion stellt einen „Fahrereingriff“ dar. Der Fahrereingriff kann beispielsweise durch Beschleunigen oder Bremsen in Form einer "Überstimmung" der autonomen Fahrfunktion geschehen. So kann der Fahrer auf Strecken, die er bereits mehrfach befahren hat, mehrfach in die automatisierte Fahr funktion eingegriffen haben. Beispielsweise kann der Fahrer das Kraftfahrzeug verzö gern bzw. abbremsen, z.B. wegen einer unübersichtlichen Stelle oder wegen eines neuen Tempolimits. Eine Beschleunigung des Kraftfahrzeugs kann durch den Fahrer vorgenommen werden, z.B. aufgrund eines aufgehobenen Tempolimits oder auf grund persönlicher Präferenz. Die vorliegende Erfindung ermöglicht der autonomen Fahrfunktion, die Eingriffe des Fahrers durch das Speichern zu „erlernen“ und in spä teren Fahrten zu berücksichtigen.

Die autonome Fahrfunktion kann zumindest zum Teil durch einen MPC-Algorithmus zur modellprädiktiven Regelung des Kraftfahrzeugs gebildet werden, wobei der MPC- Algorithmus ein Längsdynamikmodell des Kraftfahrzeugs und eine zu minimierende Kostenfunktion enthält. Die Prozessoreinheit ist dabei dazu eingerichtet, den MPC- Algorithmus auszuführen, sodass das Kraftfahrzeug basierend auf der Ausführung des MPC-Algorithmus' autonom fährt, und durch Ausführen des MPC-Algorithmus' - nachdem der Fahrereingriff durch den Fahrer vorgenommen und durch die Prozesso reinheit gespeichert worden ist - unter Berücksichtigung des gespeicherten Fahrer eingriffs eine Eingangsgröße für die modellbasierte prädiktive Regelung des Kraft fahrzeugs zu ermitteln, sodass die Kostenfunktion minimiert wird.

Um in jeder Situation unter gegebenen Randbedingungen und Beschränkungen eine optimale Lösung für eine sogenannte „Driving Efficiency“ Fahrfunktion zu finden, wel che eine effiziente Fahrweise bereitstellen soll, kann die Methode der modelbasierten prädiktiven Regelung (MPC) gewählt werden. Methoden der modelbasierten prädikti- ven Regelung (im Englischen: Model Predictive Control oder abgekürzt: MPC) wer den auf dem Gebiet der Trajektorie-Regelung eingesetzt, beispielsweise zur Motor- Regelung im Kontext des autonomen Fahrens. Die MPC-Methode basiert auf einem Systemmodell, welches das Verhalten des Systems beschreibt. Weiterhin basiert die MPC-Methode insbesondere auf einer Zielfunktion bzw. auf einer Kostenfunktion, die ein Optimierungsproblem beschreibt und bestimmt, welche Zustandsgrößen mini miert werden sollen. Die Zustandsgrößen für die Driving Efficiency Fahrfunktion kön nen insbesondere die Fahrzeuggeschwindigkeit bzw. die kinetische Energie, die ver bleibende Energie in der Batterie eines elektrischen Fahrantriebs und die Fahrzeit sein. Die Optimierung von Energieverbrauch und Fahrtzeit erfolgt insbesondere auf Basis der Steigung der vorausliegenden Strecke und Beschränkungen bzw. Neben bedingungen für Geschwindigkeit und Antriebskraft, sowie auf Basis des aktuellen Systemzustands. Die vorliegende Erfindung ermöglicht eine Anpassung der MPC- Optimierung, sodass die MPC-basierte autonome Fahrfunktion des Kraftfahrzeugs dem menschlichen Verhalten angenähert wird.

Das Längsdynamikmodell des Antriebsstrangs kann ein Fahrzeugmodell mit Fahr zeugparametern und Antriebsstrangverlusten (z.T. approximierte Kennfelder) umfas sen. In das Längsdynamikmodell des Antriebsstrangs können insbesondere Kennt nisse über vorausliegende Streckentopografien (z.B. Kurven und Steigungen) einflie ßen. Weiterhin können auch Kenntnisse über Geschwindigkeitslimits auf der voraus liegenden Strecke in das Längsdynamikmodell des Antriebsstrangs einfließen.

Aktuelle Zustandsgrößen können gemessen, entsprechende Daten können aufge nommen und der autonomen Fahrfunktion, insbesondere dem MPC-Algorithmus, zu geführt werden. So können Streckendaten aus einer elektronischen Karte für einen Vorausschauhorizont bzw. Prädiktionshorizont (z.B. 400 m) vor dem Kraftfahrzeug insbesondere zyklisch upgedated bzw. aktualisiert werden. Die Streckendaten kön nen beispielsweise Steigungsinformationen, Kurveninformationen, und Informationen über Geschwindigkeitslimits beinhalten. Des Weiteren kann eine Kurvenkrümmung über eine maximal zulässige Querbeschleunigung in ein Geschwindigkeitslimit für das Kraftfahrzeug umgerechnet werden. Außerdem kann eine Ortung des Kraftfahr zeugs erfolgen, insbesondere über ein GNNS-Signal zur genauen Lokalisierung auf der elektronischen Karte.

Die Prozessoreinheit kann dazu eingerichtet sein, mittels des MPC-Algorithmus' eine elektrische Maschine eines Antriebstrangs des Kraftfahrzeugs zu regeln, wobei der MPC-Algorithmus ein Längsdynamikmodell des Antriebsstrangs enthält. Weiterhin kann die Prozessoreinheit dazu eingerichtet sein, durch Ausführen des MPC-Algo rithmus' unter Berücksichtigung des gespeicherten Fahrereingriffs eine Eingangs größe für die Regelung der elektrischen Maschine zu ermitteln, sodass das Kraftfahr zeug durch die elektrische Maschine autonom angetrieben wird und sodass die Kos tenfunktion minimiert wird. Die Kostenfunktion kann dabei als ersten Term eine mit einem ersten Gewichtungs faktor gewichtete und gemäß dem Längsdynamikmodell prädizierte elektrische Ener gie enthalten, welche innerhalb eines Prädiktionshorizonts von einer Batterie des An triebsstrangs zum Antrieb der elektrischen Maschine bereitgestellt wird. Weiterhin kann die Kostenfunktion als zweiten Term eine mit einem zweiten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell prädizierte Fahrzeit enthalten, wel che das Kraftfahrzeug zum Zurücklegen der gesamten innerhalb des Prädiktionshori zonts prädizierten Wegstrecke benötigt. Die Prozessoreinheit kann dabei dazu einge richtet sein, durch Ausführen des MPC-Algorithmus' unter Berücksichtigung des ge speicherten Fahrereingriffs sowie in Abhängigkeit von dem ersten Term und in Ab hängigkeit von dem zweiten Term die Eingangsgröße für Regelung der elektrischen Maschine des Kraftfahrzeugs zu ermitteln, sodass die Kostenfunktion minimiert wird.

Die Kostenfunktion besitzt ausschließlich lineare und quadratische Terme. Dadurch hat das Gesamtproblem die Form einer quadratischen Optimierung mit linearen Ne benbedingungen und es ergibt sich ein konvexes Problem, welches gut und schnell gelöst werden kann. Die Zielfunktion bzw. die Kostenfunktion kann mit einer Gewich tung (Gewichtungsfaktoren) aufgestellt werden, wobei insbesondere eine Energieeffi zienz, eine Fahrtzeit und ein Fahrkomfort berechnet und gewichtet werden. Eine energieoptimale Geschwindigkeitstrajektorie kann für einen vorausliegenden Horizont auf der Prozessoreinheit online berechnet werden, die insbesondere ein Bestandteil eines zentralen Steuergeräts des Kraftfahrzeugs bilden kann. Durch Nutzung der MPC-Methode kann weiterhin eine zyklische Neuberechnung der Soll-Geschwindig keit des Kraftfahrzeugs auf Basis des aktuellen Fahrzustands und der vorausliegen den Streckeninformationen erfolgen.

Durch die Kostenfunktion des MPC-Algorithmus' erfolgt eine Minimierung der Fahr zeit für den Prädiktionshorizont und eine Minimierung von verbrauchter Energie. In einer Ausführungsform erfolgt weiterhin eine Minimierung von Drehmomentänderun gen für den Prädiktionshorizont. Was den Input für die modellbasierte prädiktive Re gelung angeht, so können dem MPC-Algorithmus als Nebenbedingungen z.B. Ge schwindigkeitslimits, physikalische Grenzen für das Drehmoment und Drehzahlen der elektrischen Maschine zugeführt werden. Dem MPC-Algorithmus können weiterhin Steuergrößen für die Optimierung als Input zugeführt werden, insbesondere die Ge schwindigkeit des Fahrzeugs (welche proportional zur Drehzahl sein kann), das Drehmoment der elektrischen Maschine und der Batterieladezustand. Als Output der Optimierung kann der MPC-Algorithmus eine optimale Drehzahl und ein optimales Drehmoment für berechnete Punkte im Vorausschauhorizont liefern. Was die Umset zung der MPC-Regelung im Fahrzeug angeht, so kann dem MPC-Algorithmus ein Softwaremodul nachgeschaltet sein, welches einen aktuell relevanten Zustand ermit telt und an eine Leistungselektronik weitergibt.

Energieverbrauch und Fahrzeit können jeweils am Ende des Horizonts ausgewertet und gewichtet werden. Dieser Term ist also nur für den letzten Punkt des Horizonts aktiv. In diesem Sinne enthält die Kostenfunktion in einer Ausführungsform einen mit dem ersten Gewichtungsfaktor gewichteten Energieverbrauchsendwert, den die prä- dizierte elektrische Energie am Ende des Prädiktionshorizonts annimmt, und die Kos tenfunktion enthält einen mit dem zweiten Gewichtungsfaktor gewichteten Fahrzeit endwert, den die prädizierte Fahrzeit am Ende des Prädiktionshorizonts annimmt.

Um ein komfortables Fahren sicher zu stellen, können zusätzlich Terme zur Bestra fung von Momentensprüngen eingeführt werden. In diesem Sinne kann die Kosten funktion einen dritten Term mit einem dritten Gewichtungsfaktor aufweisen, wobei der dritte Term einen gemäß dem Längsdynamikmodell prädizierten Wert eines Drehmo ments enthält, welches die elektrische Maschine zum Antrieb des Kraftfahrzeugs be reitstellt, und wobei die Prozessoreinheit dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' in Abhängigkeit von dem ersten Term, in Abhängigkeit von dem zweiten Term und in Abhängigkeit von dem dritten Term die Eingangsgröße für die elektrische Maschine zu ermitteln, sodass die Kostenfunktion minimiert wird.

Für den ersten Punkt im Horizont kann die Abweichung zum zuletzt gestellten Mo ment negativ bewertet werden, um sicher zu stellen, dass es einen nahtlosen und ruckfreien Übergang beim Umschalten zwischen alter und neuer Trajektorie gibt. In diesem Sinne kann der dritte Term einen mit dem dritten Gewichtungsfaktor gewich teten ersten Wert eines gemäß dem Längsdynamikmodell prädizierten Drehmoments enthalten, welches die elektrische Maschine zum Antrieb des Kraftfahrzeugs an ei nem ersten Wegpunkt innerhalb des Prädiktionshorizonts bereitstellt. Dabei kann der dritte Term einen mit dem dritten Gewichtungsfaktor gewichteten nullten Wert eines Drehmoments enthalten, welches die elektrische Maschine zum Antrieb des Kraft fahrzeugs an einem nullten Wegpunkt bereitstellt, der unmittelbar vor dem ersten Wegpunkt liegt. Bei dem nullten Drehmoment kann es sich insbesondere um ein real - und nicht bloß prädiziert - von der elektrischen Maschine bereitgestelltes Drehmo ment handeln. In der Kostenfunktion kann der nullte Wert des Drehmoments von dem ersten Wert des Drehmoments abgezogen werden.

Alternativ kann der dritte Term einen mit dem dritten Gewichtungsfaktor gewichteten ersten Wert einer gemäß dem Längsdynamikmodell prädizierten Antriebskraft enthal ten, welche die elektrische Maschine zum Antrieb des Kraftfahrzeugs an einem ers ten Wegpunkt innerhalb des Prädiktionshorizonts bereitstellt. Der dritte Term enthält dabei einen mit dem dritten Gewichtungsfaktor gewichteten nullten Wert einer An triebskraft, welche die elektrische Maschine zum Antrieb des Kraftfahrzeugs an ei nem nullten Wegpunkt bereitstellt, der unmittelbar vor dem ersten Wegpunkt liegt, wobei in der Kostenfunktion der nullte Wert der Antriebskraft von dem ersten Wert der Antriebskraft abgezogen wird.

Bei den Wegpunkten, welche durch den MPC-Algorithmus berücksichtigt werden, handelt es sich insbesondere um diskrete Wegpunkte, die beispielsweise in einer be stimmten Frequenz aufeinanderfolgen. In diesem Sinne stellen der nullte Wegpunkt und der erste Wegpunkt diskrete Wegpunkte dar, wobei der erste Wegpunkt unmittel bar auf den nullten Wegpunkt folgt. Der nullte Wegpunkt kann zeitlich vor dem Prä diktionshorizont liegen. Für den nullten Wegpunkt kann der nullte Drehmomentwert gemessen oder ermittelt werden. Der erste Wegpunkt stellt insbesondere den ersten Wegpunkt innerhalb des Prädiktionshorizonts dar. Für den ersten Wegpunkt kann das erste Drehmomentwert prädiziert werden. Somit kann der real ermittelte nullte Drehmomentwert mit dem prädizierten ersten Drehmomentwert verglichen werden. Zusätzlich sind zu hohe Drehmomentgradienten innerhalb des Horizonts unvorteil haft, so dass diese in einer Ausführungsform bereits in der Zielfunktion bestraft wer den. Dafür kann die quadratische Abweichung der Antriebskraft je Meter gewichtet und in der Zielfunktion minimiert werden. In diesem Sinne kann die Kostenfunktion einen vierten Term mit einem vierten Gewichtungsfaktor aufweisen, wobei der vierte Term einen gemäß dem Längsdynamikmodell prädizierten Gradienten des Drehmo ments oder einen Indikatorwert für einen gemäß dem Längsdynamikmodell prädizier ten Gradienten des Drehmoments enthält. Die Prozessoreinheit ist dabei dazu einge richtet, durch Ausführen des MPC-Algorithmus' in Abhängigkeit von dem ersten Term, in Abhängigkeit von dem zweiten Term, in Abhängigkeit von dem dritten Term und in Abhängigkeit von dem vierten Term die Eingangsgröße für die elektrische Ma schine zu ermitteln, sodass die Kostenfunktion minimiert wird.

In einer Ausführungsform enthält der vierte Term eine mit dem vierten Gewichtungs faktor multiplizierte und aufsummierte quadratische Abweichung des Gradienten des Drehmoments. Weiterhin kann die Kostenfunktion eine mit dem vierten Gewichtungs faktor aufsummierte quadratische Abweichung einer Antriebskraft enthalten, welche die elektrische Maschine bereitstellt, um das Kraftfahrzeug einen Meter in Längsrich tung fortzubewegen. In diesem Sinne kann der vierte Term eine mit dem vierten Ge wichtungsfaktor multiplizierte und aufsummierte quadratische Abweichung einer An triebskraft enthalten, welche die elektrische Maschine bereitstellt, um das Kraftfahr zeug einen Meter in Längsrichtung fortzubewegen.

Geschwindigkeitslimits, die beispielsweise durch eine Verkehrsstraßenordnung fest gelegt sein können, sind für die Optimierung harte Grenzen, die nicht überschritten werden sollen. Eine leichte Überschreitung der Geschwindigkeitsgrenzen ist in der Realität immer zulässig und vor allem bei Übergängen von einer Geschwindigkeits zone in eine zweite Zone eher der Normalfall. In dynamischen Umgebungen, in de nen sich von einem Rechenzyklus zum nächsten Rechenzyklus Geschwindigkeitsli mits verschieben, kann es passieren, dass bei ganz harten Grenzen keine gültige Lö- sung für einen Geschwindigkeitsverlauf mehr gefunden werden kann. Um die Stabili tät des Rechenalgorithmus' zu erhöhen, kann eine sogenannte „Soft Constraint“ in die Zielfunktion eingeführt werden. Insbesondere kann eine sogenannte „Schlupf-Va riable“ bzw. „Slack-Variable“ in einem vorgegebenen schmalen Bereich aktiv werden, bevor das harte Geschwindigkeitslimit erreicht wird. Lösungen, die sehr nah an die sem Geschwindigkeitslimit liegen, können dabei schlechter bewertet werden, also Lösungen deren Geschwindigkeitstrajektorie einen gewissen Abstand zur harten Grenze einhalten. In diesem Sinne kann die Kostenfunktion als fünften Term eine mit einem fünften Gewichtungsfaktor gewichtete Slack-Variable enthalten, wobei die Pro zessoreinheit dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' in Abhän gigkeit von dem ersten Term, in Abhängigkeit von dem zweiten Term, in Abhängig keit von dem dritten Term, in Abhängigkeit von dem vierten Term und in Abhängigkeit von dem fünften Term die Eingangsgröße für die elektrische Maschine zu ermitteln, sodass die Kostenfunktion minimiert wird.

Um die physikalischen Grenzen der Antriebsstrangkomponenten zu respektieren, kann die Zugkraft durch Beschränkung des Kennfelds der elektrischen Maschine limi tiert werden. Beispielsweise ist für die maximale Rekuperation die Batterie das limi tierende Element. Um diese nicht zu schädigen, sollte ein bestimmter negativer Leis tungswert nicht unterschritten werden.

Bei Verwendung eines Optimierungsalgorithmus' als Strategie können entweder die Randbedingungen bzw. Nebenbedingungen (Kurvengeschwindigkeit, Tempolimits,

...) oder die Gewichtungsfaktoren der Terme der Kostenfunktion (Zeit, Energie, Kom fort, Drehmoment ... ) verändert werden. In diesem Sinne ist die Prozessoreinheit in einer Ausführungsform dazu eingerichtet, den Fahrereingriff zu speichern, indem eine Nebenbedingung oder ein Gewichtungsfaktor der Kostenfunktion verändert wird.

Es kann der Fall auftreten, dass nicht jeder Fahrereingriff gewollt durchgeführt wor den ist, oder dass der Fahrer nicht wünscht, dass sich die MPC-Regelung den Fah rereingriff „merkt“, um zukünftig die Optimierung anzupassen. Daher ist die Prozes- soreinheit in einer Ausführungsform dazu eingerichtet, den Fahrereingriff zu spei chern, wenn der Fahrereingriff durch den Fahrer bestätigt worden ist. Dadurch kann sichergestellt werden, dass ausschließlich gewollte Fahrereingriffe zur Optimierung herangezogen werden. Somit ermöglicht diese Ausführungsform eine Adaption der Fahrstrategie auf Fahrerwunsch. Beispielsweise erfolgt ein Speichern einer üblichen Geschwindigkeit an Stellen, in denen wiederholt schneller als optimiert gefahren wurde, nachdem der Fahrer dies bestätigt hat.

Es kann ein Ort berücksichtigt werden, an welchem sich das Kraftfahrzeug befindet, während der Fahrereingriff erfolgt. So wird in einer weiteren Ausführungsform der Fahrereingriff als ortsbezogener Datensatz gespeichert. Beispielsweise kann ein Streckenabschnitt, auf dem das Kraftfahrzeug gefahren ist, gespeichert werden, wäh rend der Fahrereingriff durch den Fahrer vorgenommen worden ist. Der Ort kann eine bestimmte Position umfassen, aber auch eine Strecke, beispielsweise einen Ab schnitt einer Straße. Der Ort, an dem sich das Kraftfahrzeug im autonomen Fahrzu stand befindet, während der Eingriff durch den Fahrer erfolgt, kann durch entspre chende Sensoren des Kraftfahrzeugs ermittelt werden, beispielsweise über GNNS- Sensoren. Die Prozessoreinheit kann dazu eingerichtet sein, auf entsprechende Sen sordaten zuzugreifen.

Beispielsweise kann das Kraftfahrzeug mit einer ersten Geschwindigkeit autonom fahren. Die erste Geschwindigkeit basiert auf der Ausführung der autonomen Fahr funktion, z.B. auf der MPC-Regelung, berücksichtigt jedoch noch keinen Fahrerein griff aufgrund des Orts, an dem sich das Kraftfahrzeug befindet. Beispielsweise kann die erste Geschwindigkeit 70 km/h betragen. Das Kraftfahrzeug kann basierend auf der Ausführung der autonomen Fahrfunktion, z.B. basierend der MPC-Regelung, au tonom mit der ersten Geschwindigkeit auf einem Abschnitt einer Straße fahren.

Wenn dem Fahrer die erste Geschwindigkeit zu hoch erscheint, so kann er das Kraft fahrzeug auf eine zweite Geschwindigkeit abbremsen (Fahrereingriff), die niedriger ist als die erste Geschwindigkeit, z.B. auf 60 km/h. Diese zweite Geschwindigkeit ent spricht der Geschwindigkeitspräferenz des Fahrers des Kraftfahrzeugs auf dem Ab- schnitt der Straße. Die Geschwindigkeitspräferenz oder die Verringerung der Ge schwindigkeit von der ersten Geschwindigkeit auf die zweite Geschwindigkeit kann in einem ortsbezogenen Datensatz als Fahrereingriff gespeichert werden. Insbesondere wenn der Fahrer auf dem Abschnitt der Straße mehrfach in die autonome Fahrt des Kraftfahrzeugs eingegriffen hat, kann dies für diesen Streckenabschnitt vergleichbar zu Kartendaten abgelegt und verarbeitet werden. So kann der ortsbezogene Daten satz beispielsweise erste Daten umfassen, welche den vorstehend beschriebenen Ort repräsentieren, und zweite Daten, welche die vorstehend beschriebene zweite Geschwindigkeit (Geschwindigkeitspräferenz) repräsentieren.

Wenn die Prozessoreinheit zukünftig die autonome Fahrfunktion ausführt, z.B. den MPC-Algorithmus, sodass das Kraftfahrzeug autonom fährt, dann kann der autono men Fahrfunktion, insbesondere dem MPC-Algorithmus, der ortsbezogene Datensatz als Input zugeführt werden. Der ortsbezogene Datensatz kann somit als gespeicher ter Fahrereingriff berücksichtigt werden, um eine Eingangsgröße für die Regelung des autonomen Fahrens des Kraftfahrzeugs zu ermitteln, insbesondere eine Ein gangsgröße für die elektrische Maschine des Kraftfahrzeugs, sodass die Kostenfunk tion der MPC-Regelung minimiert wird. Wenn das Kraftfahrzeug das nächste Mal auf dem zuvor beschriebenen Abschnitt der Straße autonom fährt, so wird die Geschwin digkeitspräferenz des Fahrers auf diesem Straßenabschnitt in der autonomen Fahr funktion, insbesondere in der MPC-Regelung, berücksichtigt. Auf diese Weise hat die autonome Fahrfunktion, insbesondere die MPC-Regelung, die Geschwindigkeitsprä ferenz des Fahrers auf dem beschriebenen Streckenabschnitt „gelernt“.

Weiterhin kann ein Zeitpunkt oder ein Zeitraum berücksichtigt werden, zu dem bzw. innerhalb welchem der Fahrereingriff durch den Fahrer vorgenommen wird. Bei spielsweise kann eine Tageszeit berücksichtigt werden, wobei z.B. abends ein sport licheres Verhalten als morgens durch den Fahrer gewünscht ist. In diesem Sinne wird in einer Ausführungsform der Fahrereingriff als zeitbezogener Datensatz gespei chert. Der Zeitpunkt oder der Zeitraum, zu dem bzw. innerhalb welchem der Fahrer eingriff durch den Fahrer vorgenommen wird, kann durch eine entsprechende digitale Zeitmesseinrichtungen (z.B. Uhren) des Kraftfahrzeugs ermittelt werden. Die Prozes soreinheit kann dazu eingerichtet sein, auf entsprechende Zeitdaten der digitalen Zeitmesseinrichtung zuzugreifen.

Beispielsweise kann das Kraftfahrzeug mit einer ersten Geschwindigkeit autonom fahren. Die erste Geschwindigkeit wird durch die Ausführung der autonomen Fahr funktion vorgegeben und basiert beispielsweise auf der MPC-Regelung, berücksich tigt jedoch noch keinen Fahrereingriff aufgrund der vorliegenden Tageszeit, zu wel cher das Kraftfahrzeug autonom fährt, z.B. abends. Beispielsweise kann die erste Geschwindigkeit 70 km/h betragen. Das Kraftfahrzeug kann abends gesteuert durch die autonome Fahrfunktion, insbesondere basierend auf der MPC-Regelung, auto nom mit der ersten Geschwindigkeit fahren. Wenn der Fahrer lieber sportlicher oder schnellerfahren möchte, so kann er das Kraftfahrzeug auf eine zweite Geschwindig keit beschleunigen (Fahrereingriff), die höher ist als die erste Geschwindigkeit, z.B. auf 80 km/h. Diese zweite Geschwindigkeit entspricht der Geschwindigkeitspräferenz des Fahrers des Kraftfahrzeugs zu der gegebenen Tageszeit (abends in dem be schriebenen Beispiel). Die Geschwindigkeitspräferenz oder die Erhöhung der Ge schwindigkeit von der ersten Geschwindigkeit auf die zweite Geschwindigkeit kann in einem zeitbezogenen Datensatz als Fahrereingriff gespeichert werden. So kann der zeitbezogene Datensatz beispielsweise erste Daten umfassen, welche die vorste hend beschriebene Tageszeit repräsentieren (z.B. ein Zeitraum zwischen 20:00 Uhr und 23:00 Uhr), und zweite Daten, welche die vorstehend beschriebene zweite Ge schwindigkeit (Geschwindigkeitspräferenz) repräsentieren.

Wenn die Prozessoreinheit zukünftig die autonome Fahrfunktion ausführt, insbeson dere basierend auf dem MPC-Algorithmus, um eine autonome Fahrt des Kraftfahr zeugs zu regeln, dann kann der autonomen Fahrfunktion, insbesondere dem MPC- Algorithmus, der zeitbezogene Datensatz als Input zugeführt werden. Der zeitbezo gene Datensatz kann somit als gespeicherter Fahrereingriff berücksichtigt werden, um eine Eingangsgröße für die Regelung des autonomen Fahrens des Kraftfahr zeugs zu ermitteln, insbesondere eine Eingangsgröße für die elektrische Maschine des Kraftfahrzeugs, sodass die Kostenfunktion minimiert wird. Wenn das Kraftfahr zeug das nächste Mal abends autonom fährt, so wird die Geschwindigkeitspräferenz des Fahrers zu dieser Tageszeit in der autonomen Fahrfunktion berücksichtigt, ins besondere in der MPC-Regelung. Auf diese Weise hat die autonome Fahrfunktion, insbesondere die MPC-Regelung, die Geschwindigkeitspräferenz des Fahrers zu der beschriebenen Tageszeit „gelernt“.

Weiterhin kann eine Last berücksichtigt werden, die das Kraftfahrzeug transportiert, während der Fahreingriff erfolgt. So wird in einer weiteren Ausführungsform der Fah rereingriff als lastbezogener Datensatz gespeichert. Beispielsweise kann ein Bela dungsgewicht des Kraftfahrzeugs gespeichert werden, während der Fahrereingriff durch den Fahrer vorgenommen worden ist. Das Ladungsgewicht kann durch Fahr zeuginsassen, Gepäck oder andere Zuladung des Kraftfahrzeugs verursacht werden. Weiterhin kann eine Anhängelast des Kraftfahrzeugs gespeichert werden (zieht das Kraftfahrzeug einen Anhänger, und falls ja, wie hoch ist die Last des Anhängers), während der Fahrereingriff durch den Fahrer vorgenommen wird. Das Beladungsge wicht und/oder die Anhängelast kann durch entsprechende Sensoren des Kraftfahr zeugs ermittelt werden. Die Prozessoreinheit kann dazu eingerichtet sein, auf ent sprechende Lastdaten zuzugreifen, welche durch die Sensoren generiert werden.

Beispielsweise kann das Kraftfahrzeug mit einer ersten Geschwindigkeit autonom fahren. Die erste Geschwindigkeit wird durch die Ausführung der autonomen Fahr funktion vorgegeben und basiert beispielsweise auf der MPC-Regelung, berücksich tigt jedoch noch keinen Fahrereingriff aufgrund der Last des Kraftfahrzeugs. Bei spielsweise kann die erste Geschwindigkeit 70 km/h betragen. Wenn beispielsweise das Beladungsgewicht des Kraftfahrzeugs relativ hoch ist und/oder die Anhängelast des Kraftfahrzeugs relativ hoch ist, so kann dem Fahrer die erste Geschwindigkeit zu hoch erscheinen und er kann das Kraftfahrzeug auf eine zweite Geschwindigkeit ab bremsen, die niedriger ist als die erste Geschwindigkeit, z.B. auf 60 km/h. Diese zweite Geschwindigkeit entspricht der Geschwindigkeitspräferenz des Fahrers bei der gegebenen Last des Kraftfahrzeugs. Die Geschwindigkeitspräferenz oder die Verringerung der Geschwindigkeit von der ersten Geschwindigkeit auf die zweite Ge schwindigkeit kann in einem lastbezogenen Datensatz als Fahrereingriff gespeichert werden. So kann der lastbezogene Datensatz beispielsweise erste Daten umfassen, welche die vorstehend beschriebene Last des Kraftfahrzeugs repräsentieren, und zweite Daten, welche die vorstehend beschriebene zweite Geschwindigkeit (Ge schwindigkeitspräferenz) repräsentieren.

Wenn die Prozessoreinheit zukünftig die autonome Fahrfunktion ausführt, insbeson dere basierend auf dem MPC-Algorithmus, um eine autonome Fahrt des Kraftfahr zeugs zu regeln, dann kann der autonomen Fahrfunktion, insbesondere dem MPC- Algorithmus, der lastbezogene Datensatz als Input zugeführt werden. Der lastbezo gene Datensatz kann somit als gespeicherter Fahrereingriff berücksichtigt werden, um eine Eingangsgröße für die Regelung des autonomen Fahrens des Kraftfahr zeugs zu ermitteln, insbesondere eine Eingangsgröße für die elektrische Maschine des Kraftfahrzeugs, sodass die Kostenfunktion minimiert wird. Wenn das Kraftfahr zeug das nächste Mal mit der beschriebenen Last autonom fährt, so wird die Ge schwindigkeitspräferenz des Fahrers bei dieser Last in der autonomen Fahrfunktion, insbesondere in der MPC-Regelung, berücksichtigt. Auf diese Weise hat die auto nome Fahrfunktion, insbesondere die MPC-Regelung, die Geschwindigkeitspräferenz des Fahrers bei der beschriebenen Last „gelernt“.

Weiterhin kann eine Anzahl von Fahrzeuginsassen, insbesondere von Mitfahrern, be rücksichtigt werden, die das Kraftfahrzeug transportiert, während der Fahreingriff er folgt. So wird in einer weiteren Ausführungsform der Fahrereingriff als Fahrzeugin- sassen-bezogener Datensatz gespeichert. Beispielsweise kann sich neben dem Fah rer des Kraftfahrzeugs ein weiterer Fahrzeuginsasse im Innenraum des Kraftfahr zeugs befinden, während der Fahrereingriff durch den Fahrer vorgenommen worden ist. Die Anzahl der Fahrzeuginsassen kann beispielsweise über Gewichtssensoren in den Fahrzeugsitzen oder durch Innenraum-Kameras ermittelt werden. Die Prozesso reinheit kann dazu eingerichtet sein, auf entsprechende Sensordaten zuzugreifen. Beispielsweise kann das Kraftfahrzeug mit einer ersten Geschwindigkeit autonom fahren. Die erste Geschwindigkeit wird durch die autonome Fahrfunktion vorgegeben und basiert auf der MPC-Regelung, berücksichtigt jedoch noch keinen Fahrereingriff aufgrund der Last des Kraftfahrzeugs. Beispielsweise kann die erste Geschwindigkeit 70 km/h betragen. Wenn sich beispielsweise neben dem Fahrer des Kraftfahrzeugs ein weiterer Fahrzeuginsasse im Innenraum des Kraftfahrzeugs befindet, so kann dem Fahrer die erste Geschwindigkeit beispielsweise zu hoch erscheinen und er kann das Kraftfahrzeug auf eine zweite Geschwindigkeit abbremsen, die niedriger ist als die erste Geschwindigkeit, z.B. auf 60 km/h. Diese zweite Geschwindigkeit ent spricht der Geschwindigkeitspräferenz des Fahrers bei der gegebenen Anzahl an Fahrzeuginsassen. Die Geschwindigkeitspräferenz oder die Verringerung der Ge schwindigkeit von der ersten Geschwindigkeit auf die zweite Geschwindigkeit kann in einem Fahrzeuginsassen-bezogenen Datensatz als Fahrereingriff gespeichert wer den. So kann der Fahrzeuginsassen-bezogene Datensatz beispielsweise erste Daten umfassen, welche die vorstehend beschriebene Anzahl Fahrzeuginsassen repräsen tieren, und zweite Daten, welche die vorstehend beschriebene zweite Geschwindig keit (Geschwindigkeitspräferenz) repräsentieren.

Wenn die Prozessoreinheit zukünftig die autonome Fahrfunktion ausführt, insbeson dere basierend auf dem MPC-Algorithmus, um eine autonome Fahrt des Kraftfahr zeugs zu regeln, dann kann der autonomen Fahrfunktion, insbesondere dem MPC- Algorithmus, der Fahrzeuginsassen-bezogene Datensatz als Input zugeführt werden. Der Fahrzeuginsassen-bezogene Datensatz kann somit als gespeicherter Fahrerein griff berücksichtigt werden, um eine Eingangsgröße für die Regelung des autonomen Fahrens des Kraftfahrzeugs zu ermitteln, insbesondere eine Eingangsgröße für die elektrische Maschine des Kraftfahrzeugs, sodass die Kostenfunktion minimiert wird. Wenn das Kraftfahrzeug das nächste Mal mit der beschriebenen Anzahl Fahrzeugin sassen autonom fährt, so wird die Geschwindigkeitspräferenz des Fahrers bei dieser Anzahl Fahrzeuginsassen in der autonomen Fahrfunktion, insbesondere in der MPC- Regelung, berücksichtigt. Auf diese Weise hat die autonome Fahrfunktion, insbeson dere die MPC-Regelung, die Geschwindigkeitspräferenz des Fahrers bei der be schriebenen Anzahl Fahrzeuginsassen „gelernt“. Gemäß einem zweiten Aspekt der Erfindung wird ein Kraftfahrzeug bereitgestellt.

Das Kraftfahrzeug umfasst ein Fahrerassistenzsystem und einen Antriebsstrang mit einer elektrischen Maschine. Weiterhin umfasst der Antriebsstrang insbesondere eine Batterie. Ferner umfasst der Antriebsstrang insbesondere ein Getriebe. Das Fahrerassistenzsystem ist dazu eingerichtet, mittels einer Kommunikations-Schnitt stelle auf eine Eingangsgröße für die elektrische Maschine zuzugreifen, wobei die Eingangsgröße von einer Prozessoreinheit gemäß dem ersten Aspekt der Erfindung ermittelt worden ist. Weiterhin ist das Fahrerassistenzsystem dazu eingerichtet die elektrische Maschine basierend auf der Eingangsgröße zu steuern. Bei dem Fahr zeug handelt es sich beispielsweise um ein Kraftfahrzeug wie Automobil (z.B. ein Personenkraftfahrwagen mit einem Gewicht von weniger als 3,5 t), Motorrad, Motor roller, Moped, Fahrrad, E-Bike, Bus oder Lastkraftwagen, z.B. mit einem Gewicht von über 3,5 t. Das Fahrzeug kann beispielsweise zu einer Fahrzeugflotte gehören.

Gemäß einem dritten Aspekt der Erfindung wird ein Verfahren zur Ausführung einer autonomen Fahrfunktion für ein Kraftfahrzeug unter Berücksichtigung eines Fahrer eingriffs bereitgestellt. Das Verfahren umfasst die Schritte

- Ausführen einer autonomen Fahrfunktion, sodass ein Kraftfahrzeug basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt,

- Speichern eines Fahrereingriffs in die autonome Fahrfunktion des Kraftfahrzeugs, wobei der Fahrereingriff durch einen Fahrer des Kraftfahrzeugs vorgenommen wird, während das Kraftfahrzeug basierend auf der Ausführung der autonomen Fahrfunk tion autonom fährt, und

- nachfolgendes Ausführen der autonomen Fahrfunktion unter Berücksichtigung des gespeicherten Fahrereingriffs.

Gemäß einem vierten Aspekt der Erfindung wird ein Computerprogrammprodukt zur Ausführung einer autonomen Fahrfunktion für ein Kraftfahrzeug unter Berücksichti gung eines Fahrereingriffs bereitgestellt, wobei das Computerprogrammprodukt, wenn es auf einer Prozessoreinheit eines Kraftfahrzeugs ausgeführt wird, die Prozes- soreinheit anleitet, eine autonome Fahrfunktion auszuführen, sodass das Kraftfahr zeug basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt. Wei terhin leitet das Computerprogrammprodukt, wenn es auf der Prozessoreinheit aus geführt wird, die Prozessoreinheit an, einen Fahrereingriff in die autonome Fahrfunk tion des Kraftfahrzeugs zu speichern, wobei der Fahrereingriff durch einen Fahrer des Kraftfahrzeugs vorgenommen wird, während das Kraftfahrzeug basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt. Ferner leitet das Computer programmprodukt, wenn es auf der Prozessoreinheit ausgeführt wird, die Prozesso reinheit an, die autonome Fahrfunktion nachfolgend unter Berücksichtigung des ge speicherten Fahrereingriffs auszuführen.

Die obigen Definitionen sowie Ausführungen zu technischen Effekten, Vorteilen und vorteilhaften Ausführungsformen der Prozessoreinheit gelten sinngemäß ebenfalls für das Fahrzeug gemäß dem zweiten Aspekt der Erfindung, für das Verfahren ge mäß dem dritten Aspekt der Erfindung und für das Computerprogrammprodukt ge mäß dem vierten Aspekt der Erfindung.

Im Folgenden werden Ausführungsbeispiele der Erfindung anhand der schemati schen Zeichnung näher erläutert, wobei gleiche oder ähnliche Elemente mit dem glei chen Bezugszeichen versehen sind. Hierbei zeigt

Fig. 1 eine schematische Darstellung eines Fahrzeugs mit einem Antriebsstrang, der eine elektrische Maschine und eine Batterie umfasst, und

Fig. 2 ein Kennfeld einer elektrischen Maschine für das Fahrzeug nach Fig. 1 .

Fig. 1 zeigt ein Kraftfahrzeug 1 , bei dem es sich beispielsweise um einen Personen kraftfahrwagen handeln kann. Das Kraftahrzeug 1 umfasst ein System 2 zur Ausfüh rung einer automatisierten Fahrfunktion des Kraftfahrzeugs, in dem gezeigten Aus führungsbeispiel zur modelbasierten prädiktiven Regelung des Kraftfahrzeugs 1. Ins besondere kann das System zur modelbasierten prädiktiven Regelung einer elektri schen Maschine 8 eines Antriebstrangs 7 des Kraftfahrzeugs 1 eingerichtet sein. Das System 2 umfasst in dem gezeigten Ausführungsbeispiel eine Prozessoreinheit 3, eine Speichereinheit 4, eine Kommunikations-Schnittstelle 5 und eine Erfassungsein heit 6 zur Erfassung von das Kraftfahrzeug 1 betreffenden Zustandsdaten. Das Kraft fahrzeug 1 umfasst weiterhin einen Antriebsstrang 7, der beispielsweise eine elektri sche Maschine 8, die als Motor und als Generator betrieben werden kann, eine Bat terie 9 und ein Getriebe 10 umfassen kann. Die elektrische Maschine 8 kann im Mo torbetrieb Räder des Kraftfahrzeugs 1 über das Getriebe 10 antreiben, das beispiels weise eine konstante Übersetzung aufweisen kann. Die dazu notwendige elektrische Energie kann die Batterie 9 bereitstellen. Die Batterie 9 kann durch die elektrische Maschine 8 aufgeladen werden, wenn die elektrische Maschine 8 im Generatorbe trieb betrieben wird (Rekuperation). Die Batterie 9 kann optional auch an einer exter nen Ladestation aufgeladen werden. Ebenfalls kann der Antriebsstrang des Kraft fahrzeugs 1 optional einen Verbrennungskraftmotor 21 aufweisen, welcher alternativ oder zusätzlich zu der elektrischen Maschine 8 das Kraftfahrzeug 1 antreiben kann. Der Verbrennungskraftmotor 21 kann auch die elektrische Maschine 8 antreiben, um die Batterie 9 aufzuladen.

Auf der Speichereinheit 4 kann ein Computerprogrammprodukt 11 gespeichert sein. Das Computerprogrammprodukt 11 kann auf der Prozessoreinheit 3 ausgeführt wer den, wozu die Prozessoreinheit 3 und die Speichereinheit 4 mittels der Kommunikati ons-Schnittstelle 5 miteinander verbunden sind. Wenn das Computerprogrammpro dukt 11 auf der Prozessoreinheit 3 ausgeführt wird, leitet es die Prozessoreinheit 3 an, die im Folgenden beschriebenen Funktionen zu erfüllen bzw. Verfahrensschritte auszuführen.

Das Computerprogrammprodukt 11 enthält zur Ausführung der autonomen Fahrfunk tion einen MPC-Algorithmus 13. Der MPC-Algorithmus 13 wiederum enthält ein Längsdynamikmodell 14 des Antriebsstrangs 7 des Kraftfahrzeugs 1 und eine zu mi nimierende Kostenfunktion 15. Die Prozessoreinheit 3 führt den MPC-Algorithmus 13 aus und prädiziert dabei ein Verhalten des Kraftfahrzeugs 1 basierend auf dem Längsdynamikmodell 14, wobei die Kostenfunktion 15 minimiert wird. Als Output der Optimierung durch den MPC-Algorithmus 13 können sich in dem gezeigten Ausfüh rungsbeispiel eine optimale Drehzahl und ein optimales Drehmoment der elektri schen Maschine 8 für berechnete Wegpunkte im Vorausschauhorizont ergeben. Die Prozessoreinheit 3 kann dazu eine Eingangsgröße für die elektrische Maschine 8 er mitteln, sodass sich die optimale Drehzahl und das optimale Drehmoment einstellen. Die Prozessoreinheit 3 kann die elektrische Maschine 8 basierend auf der ermittelten Eingangsgröße steuern. Weiterhin kann dies jedoch auch durch ein Fahrerassistenz system 16 erfolgen. Auf diese Weise kann das Kraftfahrzeug 1 basierend auf dem Output des ausgeführten MPC-Algorithmus' 13 autonom fahren.

Die Erfassungseinheit 6 kann aktuelle Zustandsgrößen des Kraftfahrzeugs 1 mes sen, entsprechende Daten aufnehmen und dem MPC-Algorithmus 13 zuführen. So können Streckendaten aus einer elektronischen Karte für einen Vorausschauhorizont bzw. Prädiktionshorizont (z.B. 400 m) vor dem Kraftfahrzeug 1 insbesondere zyklisch upgedated bzw. aktualisiert werden. Die Streckendaten können beispielsweise Stei gungsinformationen, Kurveninformationen und Informationen über Geschwindigkeits limits beinhalten. Des Weiteren kann eine Kurvenkrümmung über eine maximal zu lässige Querbeschleunigung in ein Geschwindigkeitslimit für das Kraftfahrzeug 1 um gerechnet werden. Außerdem kann mittels der Erfassungseinheit 6 eine Ortung des Kraftfahrzeugs erfolgen, insbesondere über ein von einem GNNS-Sensor 12 gene riertes GNNS-Signal zur genauen Lokalisierung auf der elektronischen Karte. Weiter hin kann die Erfassungseinheit Sensoren zur Bestimmung des Beladungsgewichts des Kraftfahrzeugs, zur Erfassung der Anzahl der Fahrzeuginsassen und ein Zeit mess- und Erfassungsmodul umfassen. Die Prozessoreinheit 3 kann auf von den ge nannten Sensoren generierte Informationen bzw. Daten beispielsweise über die Kommunikations-Schnittstelle 5 zugreifen.

Das Längsdynamikmodell 14 des Kraftfahrzeugs 1 kann mathematisch wie folgt aus gedrückt werden: Hierbei sind: v die Geschwindigkeit des Kraftfahrzeugs;

Ftrac Traktionskraft, die durch den Motor oder die Bremsen auf die Räder des Kraftfahrzeugs ausgeübt wird;

Fr die Rollwiderstandskraft, welche ein Effekt der Verformung der Reifen beim Rollen ist und von der Belastung der Räder (der Normalkraft zwi schen Rad und Straße) und damit vom Neigungswinkel der Straße ab hängt;

Fgr die Steigungswiderstandskraft, welche eine Längskomponente der

Schwerkraft beschreibt, die auf das Kraftfahrzeug im Bergauf- oder Berg abfahrbetrieb wirkt, abhängig von der Neigung der Fahrbahn;

Fd die Luftwiderstandskraft des Kraftfahrzeugs; und meq die äquivalente Masse des Kraftfahrzeugs; die äquivalente Masse beinhal tet insbesondere die Trägheit der Drehteile des Antriebsstrangs, welche der Beschleunigung des Kraftfahrzeugs ausgesetzt sind (Motor, Getriebe antriebswellen, Räder).

Durch Umwandlung von Zeitabhängigkeit in Wegabhängigkeit und Koordinatentransformation zur Eliminierung des quadratischen Geschwindig keits-Terms im Luftwiderstand mit e _kin = * m _eq * v(t) ² folgt

Damit das Problem durch den MPC-Algorithmus 13 schnell und einfach lösbar ist, kann die Dynamikgleichung des Längsdynamikmodells 14 linearisiert werden, indem die Geschwindigkeit durch Koordinatentransformation durch kinetische Energie dekin ausgedrückt wird. Dadurch wird der quadratische Term zur Berechnung des Luftwi derstands Fd durch einen linearen Term ersetzt und gleichzeitig ist das Längsdyna mikmodell 14 des Kraftfahrzeugs 1 nicht mehr wie üblich in Abhängigkeit von derZeit beschrieben, sondern in Abhängigkeit von dem Weg. Dies passt insofern gut zum Optimierungsproblem, da die Vorausschauinformationen des elektrischen Horizonts wegbasiert vorliegen.

Neben der kinetischen Energie gibt es zwei weitere Zustandsgrößen, welche im Sinne eines einfachen Optimierungsproblems ebenfalls linear und wegabhängig be schrieben werden müssen. Zum einen ist der elektrische Energieverbrauch des An triebsstrangs 7 üblicherweise in Form eines Kennfeldes in Abhängigkeit von Drehmo ment und Motordrehzahl beschrieben. In dem gezeigten Ausführungsbeispiel weist das Kraftfahrzeug 1 eine feste Übersetzung zwischen der elektrischen Maschine 8 und der Straße auf, auf welcher sich das Kraftfahrzeug 1 bewegt. Dadurch lässt sich die Drehzahl der elektrischen Maschine 8 direkt in eine Geschwindigkeit des Kraft fahrzeugs 1 oder eben in eine kinetische Energie des Kraftfahrzeugs 1 umrechnen. Weiterhin lässt sich die elektrische Leistung der elektrischen Maschine 8 durch Tei len durch die entsprechende Geschwindigkeit in Energieverbrauch pro Meter um rechnen. Dadurch erhält das Kennfeld der elektrischen Maschine 8 die Form wie in Fig. 2 zu sehen. Um dieses Kennfeld für die Optimierung verwenden zu können, wird es linear approximiert:

Eine beispielhafte zu minimierende Kostenfunktion 15 kann mathematisch wie folgt ausgedrückt werden:

Hierbei ist:

WBat Gewichtungsfaktor für den Energieverbrauch der Batterie

Eßat Energieverbrauch der Batterie s Wegstrecke

SE-1 Wegstrecke einen Zeitschritt vor Ende des Prädiktionshorizonts FA Antriebskraft, welche durch die elektrische Maschine bereitgestellt wird, durch ein Getriebe konstant übersetzt wird und an einem Rad des Kraft fahrzeugs anliegt

Wlem Gewichtungsfaktor für Drehmomentgradienten

WlemStart Gewichtungsfaktor für Momentensprünge

T Zeit, welche das Fahrzeug benötigt, um die gesamte innerhalb des Prä diktionszeitraums prädizierte Wegstrecke zurückzulegen

WTime Gewichtungsfaktor für die Zeit T

SE Wegstrecke zum Ende des Horizonts

WS lack Gewichtungsfaktor für die Slack-Variable

Vars lack Slack-Variable

Die Kostenfunktion 15 besitzt ausschließlich lineare und quadratische Terme.

Dadurch hat das Gesamtproblem die Form einer quadratischen Optimierung mit line aren Nebenbedingungen und es ergibt sich ein konvexes Problem, welches gut und schnell gelöst werden kann.

Die Kostenfunktion 15 enthält als ersten Term eine mit einem ersten Gewichtungs faktor Wßat gewichtete und gemäß dem Längsdynamikmodell prädizierte elektrische Energie Eßat, welche innerhalb eines Prädiktionshorizonts von der Batterie 9 des An triebsstrangs 7 zum Antrieb der elektrischen Maschine 8 bereitgestellt wird.

Die Kostenfunktion 15 enthält als zweiten Term eine mit einem zweiten Gewichtungs faktor WTime gewichtete und gemäß dem Längsdynamikmodell 14 prädizierte Fahrzeit T, welche das Kraftfahrzeug 1 benötigt, um die prädizierte Wegstrecke zurückzule gen. Dies führt dazu, dass je nach Wahl der Gewichtungsfaktoren eine geringe Ge schwindigkeit nicht immer als optimal bewertet wird und so nicht mehr das Problem besteht, dass die resultierende Geschwindigkeit immer am unteren Rand der erlaub ten Geschwindigkeit liegt. Der Energieverbrauch und die Fahrzeit können jeweils am Ende des Horizonts aus gewertet und gewichtet werden. Diese Terme sind dann also nur für den letzten Punkt des Horizonts aktiv.

Zu hohe Drehmomentgradienten innerhalb des Horizonts sind unvorteilhaft. Daher werden Drehmomentgradienten bereits in der Kostenfunktion 15 bestraft, nämlich durch den Term w _Tem Die quadratische Abweichung der An triebskraft je Meter wird mit einem Gewichtungsfaktor WTem gewichtet und in der Kos tenfunktion minimiert. Alternativ zu der Antriebskraft FA je Meter kann auch das durch die elektrische Maschine 8 bereitgestellte Drehmoment MEM genutzt und mit dem Ge wichtungsfaktor WTem gewichtet werden, sodass sich der alternative Term w _Tem gj-gjk† D _urc h die konstante Übersetzung des Getriebes 10 sind die Antriebskraft und das Drehmoment direkt proportional zueinander.

Um ein komfortables Fahren sicher zu stellen, wird in der Kostenfunktion 15 ein wei terer Term zur Bestrafung von Momentensprüngen eingeführt, nämlich w _TemStart

(F _A (S I) - F _A (S ₀ )) . Alternativ zu der Antriebskraft FA kann auch hier das durch die elektrische Maschine 8 bereitgestellte Drehmoment MEM genutzt werden, sodass sich der alternative Term - M _EM (S ₀ )) ergibt. Für den ersten Punkt im Prädiktionshorizont wird die Abweichung zum zuletzt gestellten Moment negativ bewertet und mit einem Gewichtungsfaktor WTemStart gewichtet, um sicher zu stellen, dass es einen nahtlosen und ruckfreien Übergang beim Umschalten zwischen alter und neuer Trajektorie gibt.

Geschwindigkeitslimits sind für die Optimierung harte Grenzen, die nicht überschrit ten werden dürfen. Eine leichte Überschreitung der Geschwindigkeitsgrenzen ist in der Realität immer zulässig und vor allem bei Übergängen von einer Geschwindig keitszone in eine zweite Zone eher der Normalfall. In dynamischen Umgebungen, wo sich von einem Rechenzyklus zum nächsten Rechenzyklus Geschwindigkeitslimits verschieben, kann es passieren, dass bei ganz harten Grenzen keine gültige Lösung für einen Geschwindigkeitsverlauf mehr gefunden werden kann. Um die Stabilität des Rechenalgorithmus zu erhöhen, wird eine weiche Beschränkung („soft constraint“) in die Kostenfunktion 15 eingeführt. Dabei wird eine mit einem Gewichtungsfaktor Wsiack gewichtete Slack-Variable Varsiack in einem vorgegebenen schmalen Bereich aktiv, bevor das harte Geschwindigkeitslimit erreicht wird. Lösungen, die sehr nah an diesem Geschwindigkeitslimit liegen, werden schlechter bewertet, also Lösungen de ren Geschwindigkeitstrajektorie einen gewissen Abstand zur harten Grenze einhal- ten.

Die Regelung der elektrischen Maschine 8 des Kraftfahrzeugs 1 mittels des MPC-AI- gorithmus' 13 eignet sich für Automatisierungsstufen unterhalb von Level 5 (z.B. ge mäß SAE J3016), insbesondere bis Level 3, wobei ein Fahrer des Kraftfahrzeugs 1 weiterhin die Möglichkeit hat, die Fahrt zu beeinflussen bzw. in die vorstehend be schriebene MPC-basierte autonome Fahrfunktion des Kraftfahrzeugs 1 einzugreifen. Eine solche Beeinflussung der Fahrt stellt einen „Fahrereingriff“ dar. Der Fahrerein griff kann beispielsweise durch Beschleunigen oder Bremsen in Form einer "Über stimmung" der autonomen Fahrfunktion geschehen. So kann der Fahrer auf Stre cken, die er bereits mehrfach befahren hat, mehrfach in die automatisierte Fahrfunk tion eingegriffen haben. Beispielsweise kann der Fahrer das Kraftfahrzeug 1 verzö gern bzw. abbremsen, z.B. wegen einer unübersichtlichen Stelle oder wegen eines neuen Tempolimits. Eine Beschleunigung des Kraftfahrzeugs 1 kann durch den Fah rer ebenfalls vorgenommen werden, z.B. wegen aufgehobenem Tempolimit oder per sönlicher Präferenz.

Die Prozessoreinheit 3 ist dazu eingerichtet, den MPC-Algorithmus 13 die Eingriffe des Fahrers erlernen und in späteren Fahrten berücksichtigen zu lassen. Insbeson dere wird eine Anpassung der Optimierung ermöglicht, sodass die MPC-basierte au tonome Fahrfunktion des Kraftfahrzeugs 1 dem menschlichen Verhalten angenähert wird. So können die Fahrereingriffe beispielsweise auf der Speichereinheit 4 gespeichert und durch Änderung der Randbedingungen bzw. Nebenbedingungen (Kurvenge schwindigkeit, Tempolimits, ...) oder der Gewichtungsfaktoren der Kostenfunktion (Zeit, Energie, Komfort, ...) in nachfolgenden Ausführungen des MPC-Algorithmus' 13 berücksichtigt werden. Der Fahrer hat es dabei selbst in der Hand, zu entscheiden, welche Fahrereingriffe gespeichert und für die zukünftige Optimierung genutzt wer den sollen, und welche Fahrereingriffe nicht gespeichert werden sollen. Um dies zu ermöglichen, kann die Prozessoreinheit 3 nur dann den Fahrereingriff speichern, wenn der Fahrereingriff durch den Fahrer bestätigt worden ist, z.B. mittels einer dazu eingerichteten Bestätigungseinrichtung, die durch den Fahrer betätigt werden kann. Dadurch kann sichergestellt werden, dass ausschließlich gewollte Fahrereingriffe zur Optimierung herangezogen werden. Somit ermöglicht diese Ausführungsform eine Adaption der Fahrstrategie auf Fahrerwunsch. Insbesondere erfolgt ein Speichern ei ner üblichen Geschwindigkeit an Stellen, in denen wiederholt schneller als optimiert gefahren wurde, nachdem der Fahrer dies bestätigt hat.

In einem Beispiel können ein Streckenabschnitt, eine Tageszeit, ein Beladungsge wicht und eine Anzahl Mitfahrer des Kraftfahrzeugs 1 durch entsprechende Sensoren der Erfassungseinheit 6 ermittelt werden, während der Fahrer in die MPC-basierte autonome Fahrfunktion des Kraftfahrzeugs 1 eingreift.

Beispielsweise kann das Kraftfahrzeug mit einer ersten Geschwindigkeit autonom fahren. Die erste Geschwindigkeit basiert auf der MPC-Regelung, berücksichtigt je doch noch nicht den Streckenabschnitt, die Tageszeit, das Beladungsgewicht und die Anzahl Mitfahrer des Kraftfahrzeugs 1. Beispielsweise kann die erste Geschwin digkeit 70 km/h betragen. Das Kraftfahrzeug kann basierend auf der MPC-Regelung autonom mit der ersten Geschwindigkeit auf einem Abschnitt einer Straße (Strecken abschnitt) fahren.

In Kenntnis des Streckenabschnitts, der Tageszeit, des Beladungsgewichts und der Anzahl Mitfahrer des Kraftfahrzeugs 1 kann dem Fahrer beispielsweise die erste Ge- schwindigkeit zu hoch erscheinen. Um dies zu ändern, kann der Fahrer das Kraft fahrzeug auf eine zweite Geschwindigkeit abbremsen (Fahrereingriff), die niedriger ist als die erste Geschwindigkeit, z.B. auf 60 km/h. Diese zweite Geschwindigkeit ent spricht der Geschwindigkeitspräferenz des Fahrers des Kraftfahrzeugs 1 auf dem vorliegenden Streckenabschnitt bei der vorliegenden Tageszeit, bei dem vorliegen den Beladungsgewicht und bei der vorliegenden Anzahl Mitfahrer des Kraftfahrzeugs 1 . Die Geschwindigkeitspräferenz oder die Verringerung der Geschwindigkeit von der ersten Geschwindigkeit auf die zweite Geschwindigkeit kann in einem Präferenz-Da tensatz als Fahrereingriff gespeichert werden. So kann der Präferenz-Datensatz bei spielsweise erste Daten umfassen, welche den Streckenabschnitt, die Tageszeit, das Beladungsgewicht und die Anzahl Mitfahrer repräsentieren, und zweite Daten, wel che die vorstehend beschriebene zweite Geschwindigkeit (Geschwindigkeitspräfe renz) repräsentieren.

Wenn die Prozessoreinheit 3 zukünftig den MPC-Algorithmus 13 ausführt, um eine autonome Fahrt des Kraftfahrzeugs 1 zu regeln, dann kann dem MPC-Algorithmus 13 der Präferenz-Datensatz als Input zugeführt werden. Der Präferenz-Datensatz kann somit als gespeicherter Fahrereingriff berücksichtigt werden, um eine Eingangs größe für die Regelung des autonomen Fahrens des Kraftfahrzeugs 1 zu ermitteln, insbesondere eine Eingangsgröße für die elektrische Maschine 8 des Kraftfahrzeugs 1 , sodass die Kostenfunktion minimiert wird. Wenn das Kraftfahrzeug 1 das nächste Mal unter gleichen oder ähnlichen Bedingungen (Tageszeit, Beladungsgewicht, An zahl Mitfahrer) auf dem zuvor beschriebenen Abschnitt der Straße autonom fährt, so wird die Geschwindigkeitspräferenz des Fahrers auf diesem Straßenabschnitt in der MPC-Regelung berücksichtigt. Auf diese Weise hat die MPC-Regelung die Ge schwindigkeitspräferenz des Fahrers auf dem beschriebenen Streckenabschnitt „ge lernt“. Bezuqszeichen Fahrzeug System Prozessoreinheit Speichereinheit Kommunikations-Schnittstelle Erfassungseinheit Antriebsstrang elektrische Maschine Batterie Getriebe Computerprogrammprodukt GNNS-Sensor MPC-Algorithmus Längsdynamikmodell Kostenfunktion Fahrerassistenzsystem erste begrenzende Gerade zweite begrenzende Gerade erster Graph zweiter Graph Verbrennungskraftmotor