本发明的实施例涉及机动车控制系统的领域。
背景技术：
：：车辆和机动车控制系统正在日益复杂。车辆的机动车控制系统包括多个车辆子系统，其例如控制动力系、制动、转向、燃料和排气系统。每一个子系统由一个或多个控制器（例如，微处理器）控制。控制器接收传感器值并且向各种组件传送命令以控制车辆。技术实现要素：为了提供适当的操作，基于包括车辆的机械配置和期望操作的众多因素来校准车辆控制器。车辆中的每一个传感器、可控组件和软件模块与至少一个校准值相关联。相应地，用于单个车辆的总校准值可以总计数万。例如，配置控制系统以用于新车辆平台（例如，新车辆模型）可能要求确定三万至三万五千个校准值。此外，当车辆的设计或配置改变时，新的校准值基于新的设计或配置而确定，这是困难且耗时的过程。在一些实施例中，新的校准值可以从现有校准值获取。然而，在许多实例中，现有校准值不存在或者与新的设计或配置不兼容。校准值可以经由实验确定。然而，在一些实施例中，除非用于校准值的开始值是已知的，否则经由实验确定校准值可以是及时且昂贵的过程。因此，本发明的实施例提供用于自动预测用于车辆的校准值的系统和方法。在一个实施例中，本发明提供一种预测用于车辆的校准值的系统。所述系统包括电子处理器。所述电子处理器配置成接收用于车辆的组件的多个训练数据集。所述多个训练数据集中的每一个包括一个或多个训练输入以及一个或多个对应训练输出。所述电子处理器还配置成基于所述多个训练数据集自动开发预测模型。所述电子处理器还配置成接收输入数据集并且使用所述预测模型基于所述输入数据集确定经预测的校准值。所述电子处理器还配置成向车辆的电子控制单元传送所述经预测的校准值。在一些实施例中，所述电子处理器还配置成对所述多个训练数据集进行标准化。在一些实施例中，向所述电子控制单元传送所述经预测的校准值包括传送查找表，其包括所述输入数据集和所述经预测的校准值。在一些实施例中，所述校准值通过车辆外部的连接传送至所述电子控制单元。在一些实施例中，自动开发所述预测模型包括从多个学习引擎选择学习引擎。在一些实施例中，所述电子处理器配置成基于所述多个训练数据集从所述多个学习引擎选择学习引擎。在另一实施例中，本发明提供一种预测用于车辆的校准值的方法。所述方法包括接收用于车辆的组件的多个训练数据集。所述方法还包括基于所述多个训练数据集自动开发预测模型。所述方法还包括接收输入数据集，并且使用所述预测模型基于所述输入数据集确定经预测的校准值。所述方法还包括向车辆的电子控制单元传送所述经预测的校准值。本发明的其它方面将通过详细描述和所附绘图的考虑而变得明显。附图说明图1是图示根据本发明的一些实施例的用于自动预测校准值的系统的框图。图2是图示根据本发明的一些实施例的自动预测校准值的方法的流程图。图3图示用于燃料喷射量的校准值查找表。图4是图示用于开发用于燃料喷射量校准值的预测模型的数据集的图表。具体实施方式在详细解释本发明的任何实施例之前，要理解的是本发明在其应用方面不限于在以下描述中阐述的或在以下绘图中图示的组件的布置和构造的细节。本发明能够具有其它实施例并且能够以各种方式实施或实践。还应该指出的是，多个基于硬件和软件的设备，以及多个不同的结构组件可以用于实现本发明。此外，应该理解的是，本发明的实施例可以包括硬件、软件和电子组件或模块，其出于讨论的目的而可以被图示和描述好像大部分组件只实现在硬件中。然而，本领域一个普通技术人员，并且基于该详细描述的阅读，将认识到，在至少一个实施例中，本发明的基于电子的方面可以实现在由一个或多个处理器可执行的软件（例如，存储在非暂时性计算机可读介质上）中。照此，应该指出的是，多个基于硬件和软件的设备，以及多个不同结构组件可以用于实现本发明。例如，在说明书中描述的“控制单元”和“控制器”可以包括一个或多个处理器、包括非暂时性计算机可读介质的一个或多个存储器模块、一个或多个输入/输出接口和连接组件的各种连接（例如，系统总线）。在本文中描述的系统和方法的实施例涉及预测用于包括在车辆中的燃料喷射系统的校准值。然而，系统和方法可以用于确定用于车辆的其它类型的校准值，并且不受在本文中描述的示例的使用限制。例如，在一些实施例中，在本文中描述的预测值可以与混合动力或电动车辆一起使用，或者可以与诸如制动系统之类的其它车辆系统一起使用。图1图示用于预测校准值的系统10。系统10包括车辆12和校准预测单元14。车辆12包括电子控制单元（“ecu”）16和内燃机18。车辆12可以例如是机动车。在一些实施例中，ecu16包括多个电气和电子组件，其向ecu16内的组件和模块提供功率、操作控制和保护。除其它许多东西之外，ecu16还包括电子处理单元（例如，微处理器或另一合适的可编程设备）、非暂时性存储器（例如，计算机可读存储介质）和输入/输出接口。处理单元、存储器和输入/输出接口通过一个或多个控制或数据总线通信。应该理解的是，ecu16包括附加的、更少或不同的组件。在一些实施例中，ecu16部分或全部实现在半导体（例如，现场可编程门阵列（“fpga”）半导体）芯片上。ecu16的存储器可以包括程序存储区域和数据存储区域。程序存储区域和数据存储区域可以包括不同类型的存储器的组合，所述不同类型的存储器诸如只读存储器（“rom”）、随机存取存储器（“ram”）（例如，动态ram（“dram”）、同步dram（“sdram”）等）、电可擦除可编程只读存储器（“eeprom”）、闪速存储器、硬盘、sd卡或其它合适的存储器设备。处理单元执行存储在存储器中的计算机可读指令（“软件”）。软件可以包括固件、一个或多个应用、程序数据、筛选程序、规则、一个或多个程序模块和其它可执行指令。例如，软件可以包括用于控制车辆12诸如引擎18的指令和相关联的数据。如在图1中示意性地图示的，引擎18包括燃料喷射器20、燃料轨道21和软料轨道压力传感器22。燃料喷射器20将燃料喷射到引擎18的缸体中，并且燃料轨道21向燃料喷射器20提供一些加压燃料。在车辆12的操作期间，ecu16确定应该由燃料喷射器20喷射到引擎18的缸体中的燃料量。ecu16还控制燃料到燃料轨道21的供给。燃料轨道压力传感器22感测燃料轨道21中的压力并且向ecu16传送压力。出于说明的目的，引擎18包括单个燃料喷射器20、燃料轨道21和燃料轨道压力传感器22。然而，应该理解的是，引擎18的其它配置可以包括更多或更少的每一个组件以及与引擎18的功能（例如，进气、排气）相关的其它组件。如在图1中所图示的，在一些实施例中，ecu16、引擎18、燃料喷射器20和燃料轨道压力传感器22通过使组件能够使用网络通信协议（例如，can协议）通信的数据总线或有线、无线或光学连接而被电气连接。如在图1中还图示的，在一个实施例中，校准预测单元14包括电子处理器24（例如，微处理器或另一合适的可编程设备）、非暂时性存储器26（例如，计算机可读存储介质）和输入/输出接口28。校准预测单元14通过一个或多个有线或无线连接耦合到ecu16并且可以从其接收数据和向其传送数据。校准预测单元14在本文中描述为车辆12外部的计算机，其通过车辆12外部的至少一个连接而与ecu16通信。然而，在可替换的实施例中，校准预测单元14被集成到车辆12中。电子处理器24、存储器26和输入/输出接口28通过一个或多个控制或数据总线通信。存储器26可以包括程序存储区域（例如，只读存储器（rom）和数据存储区域（例如，随机存取存储器（ram）和另一非暂时性计算机可读介质。电子处理器24执行存储在存储器26中的软件。软件可以包括用于执行如在本文中描述的方法的指令。输入/输出接口28接收输入并且提供输出。输入可以经由例如键盘、指向设备（例如，鼠标）、触摸屏上的按钮、滚动球、机械按钮等等来接收。输入还可以经由诸如因特网之类的通信网络接收。输出可以经由例如显示设备而提供，所述显示设备诸如阴极射线管（“crt”）、液晶显示器（lcd）、触摸屏等等。在一些实施例中，输出可以提供在图形用户界面（“gui”）（例如，由电子处理器24根据存储在存储器26中的指令和数据生成并且呈现在触摸屏或其它显示器上）内，其使用户能够与校准预测单元14交互。在一个实施例中，校准预测单元14配置成执行机器学习功能。例如，如在图1中所图示的，校准预测单元14的存储器26存储一个或多个学习引擎29，其由电子处理器24可执行以处理训练数据并且开发预测模型30（即，算法）。机器学习一般是指计算机应用在未被显式地编程的情况下学习的能力。特别地，执行机器学习的计算机应用（有时被称为学习引擎）配置成基于训练数据开发算法。例如，为了执行有监督的学习，训练数据包括示例输入和对应的期望的（例如，实际的）输出，并且学习引擎29渐进式地开发预测模型30，其将输入映射到包括在训练数据中的输出。机器学习可以使用各种类型的方法和机制来执行，其包括但不限于决策树学习、关联规则学习、人工神经网络、归纳逻辑编程、支持向量机、聚类、贝叶斯网络、强化学习、表示学习、相似性和度量学习、稀疏字典（sparsedictionary）学习和通用算法。在一些实施例中，校准预测单元14可以通过一个或多个通信网络诸如因特网和其它公共和私有网络访问训练数据的一个或多个源（例如，ecu16或其它外部数据源）。可替换地或此外，校准预测单元14可以在由学习引擎29可访问的存储器26中存储训练数据。例如，在一个实施例中，校准预测单元14使用现有车辆校准数据来开发预测模块30。校准预测单元14然后可以使用预测模型30和用于车辆（例如，新车辆平台）的已知校准值来预测用于车辆的未知校准值。特别地，校准预测单元14可以高效地处理大量现有校准数据以预测新校准值。例如，图2图示根据本发明的一些实施例的由校准预测单元14执行以自动预测用于燃料喷射器20的校准值的方法100。然而，如以上所指出的，方法100可以用于预测用于其它车辆系统和子系统的校准值。如以上所指出的，ecu16控制燃料喷射器20以将一些燃料喷射到引擎18的缸体中。在一些实施例中，ecu16使用查找表来确定将由燃料喷射器20喷射的燃料的量。例如，ecu16可以使用所请求的引擎输出扭矩和当前引擎速度作为查找校准表（lookupcalibrationtable）的输入来确定喷射量。图3是示例查找校准表的图形表示101。当开发新的车辆平台时，新的查找校准表必须填充有基于新的车辆平台的校准值。如在图2中所图示的，为了构建新的查找校准表，校准预测单元14接收训练数据集（在块102处）。每一个训练数据集包括表示校准值的输出和与输出相关联的一个或多个输入。例如，当预测用于燃料喷射器20的校准值时，输出是燃料喷射量并且输入是与燃料喷射量相关联的参数（例如，所请求的引擎输出扭矩、当前引擎速度、燃料密度、轨道压力、燃料喷射器数、喷射的曲柄角、周围气温、气压、其它环境条件等等）。图4是图示可以用来开发用于预测喷射量校准值的预测模型30的样本训练数据集的图表103。每一个样本训练数据集包括三个输入（燃料密度、轨道压力和喷射数）和一个输出（喷射量）。训练数据集可以包括（例如，由校准预测单元14或一个或多个分离的单元）从一个或多个车辆收集的历史校准值和对应的历史车辆数据。在一些实施例中，校准预测单元14对训练数据集进行标准化（在块104处）。对数据进行标准化可以包括调节单元的一致性、计及环境因素和消除异常值。如在图2中所图示的，校准预测单元14还选择学习引擎29以用于基于所接收到的训练数据集开发预测模型30（在块105处）。例如，如以上所指出的，校准预测单元14可以存储多个学习引擎。因此，在一些实施例中，校准预测单元14使用训练数据集来选择可用学习引擎之一。例如，校准预测单元14可以配置成创建包括在训练数据集中的输出的直方图。直方图可以用于确定可以使用什么类型的分析来开发用于训练数据集的预测模型30。例如，如果直方图示出值的宽分布，则回归分析更加合适。在另一示例中，使用分类分析可能是更好的，因为有限数目的可能值提高正确预测的几率。例如，在仅两个可能值的情况下，存在50%的正确预测的几率。因此，对于这样的小范围，分类分析造成针对精确预测的提高的几率，尤其当与较大范围的值（例如，从1-50）比较时。在其它情况下，直方图可以示出数据中的相似性，其要求数据中的一些的聚类作为分类分析的前驱。直方图还可以用于确定数据中的反常值或异常值，其可以用于在将数据作为训练数据提交给学习引擎之前对数据进行预处理。在选择学习引擎29之后，校准预测单元14选择用于所选学习引擎29的配置参数的一个或多个值（在块107处）。如为本领域技术人员所知的，配置参数随学习引擎类型的选择而变化。它们例如可以包括若干迭代或期望的精度。校准预测单元14还可以基于所接收到的训练数据集的类型、大小和方差来选择配置参数的值。校准预测单元14然后向学习引擎29馈送训练数据集以开发预测模型30（在块109处）。学习引擎29使用一个或多个机器学习技术和用于配置参数的所选择的值来使用训练数据集创建预测模型30，其对如何基于历史车辆数据来在历史上配置包括在训练数据集中的输出进行建模。在一些实施例中，校准预测单元14测试由学习引擎29生成的预测模型30。例如，如图2中所图示的，校准预测单元14可以向预测模型30馈送测试数据集（在块111处）。校准预测单元14可以从训练数据集选择测试数据集，并且特别地，可以为预测模型30馈送与训练数据集之一相关联的一个或多个输入。校准预测单元14然后确定来自预测模型30的一个或多个输出和与来自所选训练数据集的测试数据集相关联的对应一个或多个输出之间的差异（在块112处）。来自预测模型30的输出与来自所选训练数据集的实际输出之间的差异指示预测模型30的精度。如果差异不满足预确定阈值（例如，超过预确定的阈值从而指示所生成的输出不同于实际输出过多），校准预测单元14改进（refine）预测模型30（在块115处）。例如，在一些实施例中，校准预测单元14将测试的结果反馈到学习引擎29以进一步开发（即，进一步改进）预测模型30。如在图2中所图示的，测试和改进可以重复直到预测模型30的精度满足预确定的阈值。在一些实施例中，训练数据集中的每一个可以以顺序的形式被用作测试数据集。当预测模型30的精度满足预确定的阈值时，校准预测单元14使用预测模型30来预测校准值。例如，如在图2中所图示的，校准预测单元14可以向预测模型30馈送输入数据集（例如，与新的车辆配置或模型相关联）（参见图4）（在块117处）并且预测模型30基于输入数据集输出经预测的校准值（在块118处）。校准预测单元14然后向ecu16传送经预测的校准值（在块119处），所述ecu16可以应用经预测的校准值来控制燃料喷射器20。在一些实施例中，校准预测单元14可以为预测模型30馈送多个不同的输入数据集并且使用结果得到的经预测的校准值来构建用于ecu16的查找表（例如，喷射量查找表）。查找表包括经预测的校准值和对应的输入数据集以及针对其它输入数据集的经预测的校准值。相应地，校准预测单元14可以向ecu16传送各个经预测的校准值或完整的查找表。因此，除了其它许多东西之外，本发明提供用于预测用于车辆的校准值的系统和方法。在所附权利要求中阐述本发明的各种特征和优点。当前第1页12当前第1页12