DE69725771T2

DE69725771T2 - Automatische Lastmessvorrichtung

Info

Publication number: DE69725771T2
Application number: DE69725771T
Authority: DE
Inventors: Daisuke Shimada-shi Ito
Original assignee: Yazaki Corp
Current assignee: Yazaki Corp
Priority date: 1996-03-22
Filing date: 1997-03-21
Publication date: 2004-05-13
Anticipated expiration: 2017-03-22
Also published as: KR100210358B1; JPH09257553A; DE69725771D1; US5970435A; KR970066521A; EP0797081A3; EP0797081A2; EP0797081B1

Description

HINTERGRUND DER ERFINDUNG
Bereich der Erfindung
Diese Erfindung bezieht sich auf eine automatische Lastmessvorrichtung, die in der Lage ist, eine aufgenommene Last, die von einem automatischen Lastmesssensor gemessen wird oder mehreren automatischen Lastmesssensoren gemessen werden, zu korrigieren, um dadurch die tatsächliche Last eines Fahrzeugs festzustellen.
Hintergrund
8a ist eine grafische Darstellung, welche eine Beziehung zwischen einem Anzeigewert, einer aufgenommenen Last, und einem Muster einer aufgenommenen Last zeigt, die jeweils erzielt wird, wenn eine herkömmliche automatische Lastmessvorrichtung verwendet wird. Auch sind die 8b und 8c jeweils grafische Darstellungen, um die Korrekturergebnisse zu erläutern, die erzielt werden, wenn eine Krümmungspunktkorrektur ausgeführt wird. Ferner sind die 8d und 8e jeweils grafische Darstellungen, um die Korrekturergebnisse zu zeigen, die erzielt werden, wenn die gleiche Krümmungskorrektur bei einem anderen Muster einer aufgenommenen Last verwendet wird.
Die Ausgangskennlinie eines automatischen Lastmesssensors, der bei der automatischen Lastmessvorrichtung verwendet wird, wie in 8a gezeigt ist, weist im Allgemeinen eine aufwärts hervorstehende Form auf. Auch zeigt der automatische Lastmesssensor Ausgangskennlinien, welche sich voneinander entsprechend den Mustern der aufgenommenen Lasten eines Fahrzeugs unterscheiden, wie z. B. die gleichförmig aufgenommene Last, die nach vorn versetzte aufgenommene Last, die nach hinten versetzt aufgenommene Last, die nach rechts versetzt aufgenommene Last, die nach links versetzt aufgenommene Last und andere gleichartig versetzt aufgenommene Lasten des Fahrzeugs.
Um herkömmlicherweise die Einflüsse der Ausgangskennlinien der automatischen Lastmesssensoren und die Einflüsse der aufgenommenen Lastmuster des Fahrzeugs zu korrigieren, wie in den 8b oder 8c gezeigt ist, wurde ein Krümmungspunkt-Korrekturvertahren verwendet.
Der Begriff "Krümmungspunkt-Korrektur" bedeutet eine Korrektur, in welcher ein beliebiger Lastwert und beliebige Lastwerte, die größer oder kleiner als der somit festgelegte Lastwert ist, festgelegt ist, mit unterschiedlichen Koeffizienten multipliziert wird, um dadurch die hervorstehend geformte Ausgangskennlinie des Lastmesssensors einer geraden Linie anzunähern.
Das Krümmungspunkt-Korrekturverfahren, das bei der herkömmlichen automatischen Lastmessvorrichtung verwendet wird, ist genau dann in der Lage, den aufgenommenen Lastmustern des Fahrzeugs zu genügen, wenn ein spezifischer Typ eines automatischen Lastmesssensors verwendet wird, wenn aber, wie in den 8d und 8e gezeigt ist, die aufgenommene Last des Fahrzeugs unter Verwendung anderer Typen von automatischen Lastmesssensoren gemessen wird oder wenn andere Typen von aufgenommenen Lastmustern gemessen werden, tut sich das Krümmungspunkt-Korrekturvertahren schwer, die Lastaufnahmemuster des Fahrzeugs und die Ausgangskennlinie der automatischen Lastmesssensoren mit einer hohen Genauigkeit zu korrigieren.
Die WO-A-95/24616 gemäß dem Oberbegriff des Patentanspruchs 1 offenbart eine automatische Lastmessvorrichtung, die eine Recheneinheit umfasst, wobei die Messsignale, die durch den Dehnmessstreifendetektor gemessen werden, durch ein neuronales Netz verarbeitet werden, das eine Eingabeschicht, eine verdeckte Schicht als eine Zwischenschicht und eine Ausgabeschicht aufweist. Das Netz wurde zuvor mit Prüflasten trainiert, um die Messsignale von den Detektoren zu verarbeiten.
ZUSAMMENFASSUNG DER ERFINDUNG
Die vorliegende Erfindung zielt auf die Beseitigung der Nachteile, die bei der oben erläuterten herkömmlichen automatischen Lastmessvorrichtung gefunden wurde. Entsprechenderweise ist es ein Ziel der Erfindung, eine automatische Lastmessvorrichtung zu schaffen, die in der Lage ist, die Muster der aufgenommenen Last des Fahrzeugs und die Ausgangskennlinie der automatischen Lastmesssensoren mit einer hohen Genauigkeit zu korrigieren.
Zur Erzielung der obigen Aufgabe gemäß der Erfindung wurde eine automatische Lastmessvorrichtung geschaffen, welche eine Rechenvorrichtung für eine tatsächliche Last einschließt. Die Rechenvorrichtung für die tatsächliche Last schließt ein vorwärtsgerichtetes neuronales Mehrfachschicht-Netz ein, das eine Eingabeschicht, eine Zwischenschicht und eine Ausgabeschicht einschließt, die in einer hierarchischen Anordnung angeordnet sind, und auch ist die Rechenvorrichtung für die tatsächliche Last solcher Art angeordnet, dass durch die Verwendung des oben erläuterten vorwärtsgerichteten neuronalen Mehrfachschicht-Netzes, sie zuvor einen Lernvorgang ausführen kann, der sich auf die Korrektur der aufgenommenen Last eines Fahrzeugs bezieht, die jeweils durch einen automatischen Lastmesssensor oder mehreren automatischen Lastmesssensoren zu messen ist, die verwendet werden, um die aufgenommene Last des Fahrzeugs unter Verwendung von einem vorgegebenen Lernparameter oder mehreren vorgegebenen Lernparametern zu messen und auch die aufgenommenen Lasten des Fahrzeugs zu korrigieren, die durch die automatischen Lastmesssensoren gemessen werden, basierend auf dem Ergebnis eines solchen Lernvorgangs, um dadurch die tatsächliche Last des Fahrzeugs festzustellen.
Unter Verwendung der oben erläuterten Rechenvorrichtungen für die tatsächliche Last können die Einflüsse der Muster der aufgenommenen Lasten des Fahrzeugs, wie z. B. eine gleichförmig aufgenommene Last, eine nach vorn versetzt aufgenommene Last, eine nach hinten versetzt aufgenommene Last, eine nach rechts aufgenommene Last, eine nach links versetzt aufgenommene Last und andere gleichartig versetzt aufgenommene Lasten des Fahrzeugs und auch die Einflüsse der Ausgangskennlinien der automatischen Lastmesssensoren mit einer hohen Genauigkeit korrigiert werden können.
Ein vorgegebener Lernparameter oder mehrere vorgegebene Lernparameter, die zum Lernvorgang verwendet werden, der durch die vorhandene Rechenvorrichtung für die tatsächliche Last ausgeführt wird, sind ein Teil oder mehrere Teile von gemessenen Lastinformationen, die jeweils über den aufgenommenen Lasten des Fahrzeugs unter Verwendung der oben erläuterten automatischen Lastmesssensoren gemessen werden.
Unter Verwendung einer solchen Rechenvorrichtung für die tatsächliche Last können die Einflüsse der Ausgangskennlinien der automatischen Lastmesssensoren mit einer hohen Genauigkeit korrigiert werden.
Neuronen, die die Eingabeschicht bilden, werden in der Anzahl entsprechend der Anzahl der oben erläuterten vorgegebenen Lernparameter nacheinander festgelegt, währenddessen die Neuronen der Eingabeschicht jeweils mit ihren zugehörigen Neuronen all der Neuronen kombiniert werden, die die Eingabeschicht bilden, in Übereinstimmung mit der Gewichtsinformation, die zuvor über all den Neuronen erlernt wurde, die die Zwischenschicht bilden.
Außerdem werden Neuronen, die die Ausgabeschicht bilden, jeweils mit ihren zugehörigen Neuronen all der Neuronen kombiniert, die die Eingabeschicht bilden in Übereinstimmung mit der Gewichtsinformation, die zuvor erlernt wurde, für all die Neuronen, die die Zwischenschicht bilden.
Das heißt, aufgrund der Verwendung eines solchen vorwärts gerichteten neuronalen Mehrfachschicht-Netzes kann die gemessene Lastinformation, die durch die Muster der aufgenommenen Lasten eines Fahrzeugs, wie z. B. die gleichförmig aufgenommene Last, die nach vorn versetzt aufgenommene Last, die nach hinten versetzt aufgenommene Last, die nach rechts versetzt aufgenommene Last, die nach links versetzt aufgenommene Last und die anderweitig gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und/oder durch die Ausgangskennlinien der automatischen Lastmesssensoren mit einer hohen Genauigkeit korrigiert werden, damit die tatsächliche Lastinfonnation, d. h. die genau aufgenommene Last des Fahrzeugs berechnet werden.
Das vorwärtsgerichtete neuronale Mehrfachschicht-Netz, das in der Rechenvorrichtung für die tatsächliche Last vorgesehen ist, schließt zwischen der Eingabeschicht und der Zwischenschicht Sensorart-Identifikationsneuronen ein, welche jeweils verwendet werden, um Sensorart-Identifikationsinformationen zum Identifizieren der Art der automatischen Lastmesssensoren einzugeben.
Die Sensorart-Identifikationsneuronen sind jeweils mit ihren zugehörigen Neuronen von allen Neuronen kombiniert, die die Eingabeschicht bilden, in Übereinstimmung mit der Gewichtsinformation, die zuvor erlernt wurde zwischen den vorhandenen Sensorart-Identifikationsneuronen und der Eingabeschicht für all die Neuronen, die die Eingabeschicht bilden, und sind außerdem jeweils mit ihren zugehörigen Neuronen aller Neuronen kombiniert, die die Zwischenschicht bilden, in Übereinstimmung mit der Gewichtsinformation, die zuvor erlernt wurde zwischen den vorhandenen Sensorart-Identifikationsneuronen und der Zwischenschicht für all die Neuronen, die die Zwischenschicht bilden.
Aufgrund der Verwendung der Rechenvorrichtung für die tatsächliche Last einschließlich des vorwärts gerichteten neuronalen Mehrfachschicht-Netzes mit solchartigen Sensorart-Identifikationsneuronen kann die gemessene Lastinformation, welche durch die Muster der aufgenommenen Lasten eines Fahrzeugs beeinflusst wird, wie z. B. die gleichförmig aufgenommene Last, die nach vorn versetzt aufgenommene Last, die nach hinten versetzt aufgenommene Last, die nach rechts versetzt aufgenommene Last, die nach links versetzt aufgenommene Last und die anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und/oder durch die Ausgangskennlinien der automatischen Lastmesssensoren mit einer hohen Genauigkeit korrigiert werden, damit die tatsächliche Lastinformation, d. h. die genau aufgenommene Last des Fahrzeugs berechnet werden kann. Da auch die Gewichtsinformation in der Speichervorrichtung zu jedem Zeitpunkt gespeichert werden kann und aus dieser ausgelesen werden kann, ist es einfach, die Gewichtsinformation aufzubereiten und an einer Stelle abseits vom Fahrzeug von Fehlern zu beseitigen. Auch wenn dort irgendein Problem bei der automatischen Messvorrichtung auftritt, kann die Gewichtsinformation unbehandelt in der Speichervorrichtung belassen werden. Das heißt, nachdem ein solches Problem beseitigt wurde, kann, wenn die automatische Lastmessvorrichtung zurückgesetzt wurde und die Gewichtsinformation wieder in die automatische Lastmessvorrichtung eingelesen wurde, dann die automatische Lastmessvorrichtung wieder schnell und leicht gestartet werden.
Die automatische Lastmessvorrichtung gemäß einem sechsten Aspekt der Erfindung schließt außerdem eine Speichervorrichtung ein, welche in der Lage ist, die zuvor erlernte Gewichtsinformation zwischen der Eingabeschicht und der Zwischenschicht, die zuvor erlernte Gewichtsinformation zwischen der Zwischenschicht und der Ausgabe schicht, die Gewichtsinformation, die zuvor erlernt wurde, zwischen Sensorart-Identifikationsneuronen und der Eingabeschicht für all die Neuronen, die die Eingabeschicht bilden, entsprechend der Sensorart-Identifikationsinformationen und die Gewichtsinformation, die zuvor zwischen den Sensorart-Identifikationsneuronen und der Zwischenschicht für all die Neuronen, die die Zwischenschicht bilden, entsprechend den Sensorart-Identifikationsinformationen darin zu speichern und aus dieser auszulesen.
Entsprechend einem zweiten Aspekt der Erfindung schließt die vorliegende automatische Lastmessvorrichtung außerdem eine Speichervorrichtung ein, die in der Lage ist, die zuvor erlernte Gewichtsinformation zwischen der Eingabeschicht und der Zwischenschicht und die zuvor erlernten Gewichtsinformationen zwischen der Zwischenschicht und der Ausgabeschicht zu jedem Zeitpunkt darin zu speichern und aus dieser auszulesen.
Da die Gewichtsinformation in der Speichervorrichtung zu jedem Zeitpunkt gespeichert und aus dieser ausgelesen werden kann, ist es leicht, die Gewichtsinformation an einer Stelle abseits von dem Fahrzeug aufzubereiten und von Fehlern zu befreien. Wenn außerdem auch irgendein Problem bei der automatischen Messvorrichtung auftritt, kann die Gewichtsinformation unbehandelt in der Speichervorrichtung belassen werden. Das heißt, nachdem ein solches Problem beseitigt wurde, kann, wenn die automatische Lastmessvorrichtung zurückgesetzt wurde und die Gewichtsinformation wieder in die automatische Lastmessvorrichtung eingelesen wurde, die automatische Lastmessvorrichtung wieder schnell und leicht gestartet werden.
Bei der automatischen Lastmessvorrichtung gemäß einem dritten Aspekt der Erfindung ist die Rechenvorrichtung für die tatsächliche Last solcher Art angeordnet, dass sie in der Lage ist, ein Lehrsignal zu korrigieren, um eine Umlernoperation auszuführen.
Aufgrund der Verwendung der oben erläuterten umlernbaren Rechenvorrichtung für die tatsächliche Last können sich die Einflüsse der Muster der aufgenommenen Lasten des Fahrzeugs, wie z. B. der gleichförmig aufgenommenen Last, der nach vorn versetzt aufgenommenen Last, der nach hinten versetzt aufgenommenen Last, der nach rechts versetzt aufgenommenen Last, der nach links versetzt aufgenommenen Last und der anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und die Einflüsse der Ausgangskennlinien der automatischen Lastmesssensoren auf die Gewichtsinformationen mit einer höheren Genauigkeit niederschlagen. Das macht es möglich, die gemessene Lastinformation mit höherer Genauigkeit zu korrigieren, so dass die tatsächliche Lastinformation, d. h. die genaue aufgenommene Last des Fahrzeugs berechnet werden kann.
Auch können sich aufgrund der Verwendung einer solchen umlernbaren Rechenvorrichtung für die tatsächliche Last die Änderung der Muster der aufgenommenen Lasten des Fahrzeugs sowie die Änderung des Ausgangskennlinien der automatischen Lastmesssensoren auf die Gewichtsinformation flexibel und schnell niederschlagen, was es möglich macht, die gemessene Lastinformation mit höherer Genauigkeit zu korrigieren und die tatsächliche Lastinformation, d. h. die genau aufgenommene Last des Fahrzeugs, zu berechnen.
Bei der automatischen Lastmessvorrichtung gemäß einem vierten Aspekt der Erfindung ist in dem vorwärts gerichteten neuronalen Mehrfachschicht-Netz eine Übertragungsfunktion zwischen der Eingabeschicht und der Zwischenschicht eine sigmoidale Tangens-Funktion, währenddessen eine Übertragungsfunktion zwischen der Eingabeschicht und der Ausgabeschicht eine reine Linienfunktion ist.
Mit der Verwendung der oben erläuterten Rechenvorrichtung für die tatsächliche Last kann der maximale Fehlerbereich zwischen der gemessenen Lastinformation und der Rechenvorrichtung für die tatsächliche Last minimiert werden. Das heißt, die gemessene Lastinformation kann mit einer höheren Lerngenauigkeit korrigiert werden, und somit kann die tatsächlichen Lastinformationen, d. h. die genau aufgenommene Last des Fahrzeugs, berechnet werden.
Die automatische Lastmessvorrichtung gemäß einem fünften Aspekt der Erfindung schließt außerdem eine Lastanzeigevorrichtung ein, welche zum Anzeigen der tatsächlichen Lastinformation verwendet wird.
Aufgrund der Verwendung einer solchen Lastanzeigevorrichtung kann die Rechenvorrichtung für die tatsächliche Last, d. h. die genau aufgenommene Last des Fahrzeugs, die berechnet wurde, in Echtzeit sofort erkannt werden.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
1 ist ein funktionales Blockschaltbild einer automatischen Lastmessvorrichtung gemäß einer Ausführungsform der Erfindung;
2 ist eine Strukturansicht, um zu zeigen, wie die automatische Lastmessvorrichtung gemäß der Ausführungsform der Erfindung an einem Fahrzeug angebracht ist;
3 ist ein Flussplan eines Lernverlaufs, der bei der automatischen Lastmessvorrichtung gemäß der Ausführungsform der Erfindung verwendet wird;
4a bis 4c zeigen jede eine erläuternde Ansicht des Lernverlaufs der automatischen Messvorrichtung gemäß der Ausführungsform der Erfindung; insbesondere ist 4a eine grafische Darstellung einer Beziehung zwischen der Anzahl der Neuronen und dem maximalen Fehlerbereich, 4b ist eine grafische Darstellung einer Beziehung zwischen der Anzahl der Lernvorgänge und dem maximalen Fehlerbereich und 4c ist eine grafische Darstellung einer Beziehung zwischen der Anzahl der Lernvorgänge und der Zeit, die zum Lernen notwendig ist;
5 ist eine Tabelle, welche die konkreten Beispiele der Anzahl von Neuronen zeigt, die Übertragungsfunktionen zeigt und die Anzahl der Lernvorgänge jeweils zeigt, die bei der Rechenvorrichtung der tatsächlichen Last (vorwärts gerichtetes neuronales Mehrfachschicht-Netz) gemäß der Ausführungsform der Erfindung verwendet werden;
6 ist eine grafische Darstellung, welches eine Beziehung zwischen den Anzeigewerten und den aufgenommenen Lasten zeigt, die als die Ergebnisse der Verwendung der Rechenvorrichtung für die tatsächliche Last (vorwärts gerichtetes neuronales Mehrfachschicht-Netz) gemäß der Ausführungsform der Erfindung erzielt werden,
7a und 7b sind Tabellen, welche jeweils die maximalen Fehlerbereiche der Anzeigewerte und der Muster der aufgenommenen Lasten zeigen, die als die Ergebnisse der Verwendung der Rechenvorrichtung für die tatsächliche Last (vorwärts gerichtetes neuronales Mehrfachschicht-Netz) gemäß einer Ausführungsform der Erfindung erzielt werden; und
8a bis 8e sind grafische Darstellungen der herkömmlichen automatischen Lastmessvorrichtung; insbesondere ist 8a die grafische Darstellung, welche die Beziehung zwischen dem Anzeigewert der aufgenommenen Last und den jeweiligen Mustern der aufgenommenen Lasten zeigt, die erhalten werden, wenn die herkömmliche automatische Lastmessvorrichtung verwendet wird, 8b und 8c sind jeweils grafische Darstellungen zur Erläuterung der Korrekturergebnisse, die erzielt werden, wenn das Krümmungspunkt-Korrekturvertahren verwendet wird, und die 8d und 8e sind jeweils grafische Darstellungen, um die Korrekturergebnisse zu zeigen, die erhalten werden, wenn das gleiche Krümmungspunkt-Korrekturverfahren für ein anderes Muster der aufgenommenen Last verwendet wird.
DETAILLIERTE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORM
Nun wird nachstehend eine Beschreibung einer bevorzugten Ausführungsform einer automatischen Lastmessvorrichtung gemäß der Erfindung unter Bezugnahme auf die beigefügten Zeichnungen gegeben.
Zuerst wird eine Beschreibung nachstehend des Hauptbereichs der Struktur einer automatischen Lastmessvorrichtung 10 gemäß der vorliegenden Erfindung unter Bezugnahme auf die 1 und 2 gegeben.
1 ist ein funktionales Blockschaltbild einer automatischen Lastmessvorrichtung 10 gemäß der vorliegenden Ausführungsform der Erfindung. Auch ist 2 eine Struktur ansicht der automatischen Lastmessvorrichtung 10 gemäß der vorliegenden Ausführungsform der Erfindung, die zeigt, wie sie an einem Fahrzeug montiert ist.
Die vorliegende automatische Lastmessvorrichtung 10, wie sie in 1 gezeigt ist, schließt eine Rechenvorrichtung 16 für eine tatsächliche Last ein, welche ein vorwärts gerichtetes neuronales Mehrfachschicht-Netz einschließt, das eine Eingabeschicht 16A, eine Zwischenschicht 16B und eine Ausgabeschicht 16C aufweist, die in einer hierarchischen Art und Weise angeordnet sind, und unter Verwendung dieses vorwärts gerichteten neuronalen Mehrfachschicht-Netzes kann zuvor unter Verwendung vorgegebener Lernparameter über die Korrektur der aufgenommenen Last eines Fahrzeugs gelernt werden, die durch einen automatischen Lastmesssensor 12 oder mehrere automatische Lastmesssensoren 12, die jeweils verwendet werden, um die aufgenommene Last des Fahrzeugs in Übereinstimmung mit der gemessenen Lastinformation zu messen, die durch die automatischen Lastmesssensoren 12 gemessen wird, und kann auch die aufgenommene Last, die durch die automatischen Lastmesssensoren 12 gemessen wird, korrigieren, um eine tatsächliche Last festzustellen. Bei der vorliegenden Ausführungsform wird insbesondere das oben erläuterte Lernen durch ein vorhergehendes Unterrichtslernen unter Verwendung von Rückübertragungs-Lernregeln (back propagation learning rules) realisiert.
Entsprechend der vorliegenden Ausführungsform werden, wie in 2 gezeigt ist, eine Vielzahl von automatischen Lastmesssensoren 12 verwendet, welche jeweils an ihren jeweiligen vorgegebenen Positionen unter der Ladefläche des Fahrzeugs festgelegt sind. Insbesondere sind entsprechend der vorliegenden Ausführungsform die automatischen Lastmesssensoren 12 jeweils in der Nachbarschaft der jeweiligen Radachsen einzeln gesetzt.
Die Sensorausgänge der automatischen Lastmesssensoren 12 werden über eine Verstärkervorrichtung, eine Interface-Vorrichtung und eine Analog-/Digital-Vorrichtung, die in 2 gezeigt sind, übertragen, und eine vorgegebene Digitalverarbeitung wird für die Sensorausgänge ausgeführt mit dem Ergebnis, dass die Sensorausgänge als gemessene Lastinformation 12a erzielt wird.
Unter Verwendung der oben erläuterten Rechenvorrichtung 16 für die tatsächliche Last können die Einflüsse der Muster der aufgenommenen Lasten eines Fahrzeugs, wie z. B. der gleichförmig aufgenommenen Last, einer nach vorn versetzt aufgenommenen Last, einer nach hinten versetzt aufgenommenen Last, einer nach rechts versetzt aufgenommenen Last, einer nach links versetzt aufgenommenen Last und anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und/oder die Einflüsse der Ausgangskennlinien (output characteristics) der automatischen Lastmesssensoren 12 mit einer hohen Genauigkeit korrigiert werden.
Die automatische Lastmessvorrichtung 10 schließt außerdem, wie sie in 1 gezeigt ist, eine Speichervorrichtung 14 ein, die in der Lage ist, zu jeder Zeit eine Gewichtsinformation 14a, die zuvor zwischen der Eingabeschicht 16A und der Zwischenschicht 16B erlernt wurde, die Gewichtsinformation 14a, die zuvor zwischen der Zwischenschicht 16B und der Ausgabeschicht 16C erlernt wurde, die Gewichtsinformation 14a, die zuvor zwischen der Eingabeschicht A und den Sensorart-Identifikationsneuronen 15 für alle Neuronen, die die Eingabeschicht 16A bilden, in Übereinstimmung mit der Sensorart-Identifikationsinformation 14b (insbesondere die zuvor durch Unterrichtslernen für die gleichen Neuronen unter Verwendung der Rückübertragungs-Lernregeln) erlernt wurde und die Gewichtsinformation 14a, die zwischen der Eingabeschicht 16B und den Sensorart-Identifikationsneuronen für alle Neuronen, die die Eingabeschicht 16B bilden, in Übereinstimmung mit der Sensorart-Identifikationsinformation 14b einzuspeichern und aus dieser auszulesen.
Als die Speichervorrichtung 14 kann eine Halbleiter-Speichervorrichtung, wie z. B. ein EEPROM oder dergleichen, eine magneto-optische Speichervorrichtung, wie z. B. eine MO oder dergleichen oder eine magnetische Speichervorrichtung, wie z. B. eine Magnetplatte oder dergleichen, verwendet werden.
Die Verwendung der oben erläuterten Rechenvorrichtung 16 für die tatsächliche Last kann die Einflüsse der Ausgangskennlinien der automatischen Lastmesssensoren 12 mit einer hohen Genauigkeit korrigieren.
Auch schließt die automatische Lastmessvorrichtung 10, wie in 1 gezeigt ist, außerdem eine Lastanzeigevorrichtung 17 ein, die verwendet wird, um die tatsächliche Lastinformation 16a anzuzeigen.
Mit der Verwendung der vorliegenden Lastanzeigevorrichtung 17 kann die Rechenvorrichtung 16 für die tatsächliche Last, die genau berechnete aufgenommene Last des Fahrzeugs in Echtzeit sofort erkannt werden.
Als nächstes wird nachstehend die Beschreibung der Struktur der Rechenvorrichtung 16 für die tatsächliche Last entsprechend der vorliegenden Ausführungsfonn der Erfindung unter Bezugnahme auf die 1 und 2 gegeben.
Die vorliegende Rechenvorrichtung 16 für die tatsächliche Last, ist, wie in 1 gezeigt ist, unter Verwendung eines vorwärts gerichteten neuronalen Mehrfachschicht-Netzes in der Lage, eine tatsächliche Lastinformation 16a, basierend auf einer Neuro-Operation und unter Verwendung vorgegebener Lernparameter abzugeben.
Der Lernvorgang über die Korrektur der vom Fahrzeug aufgenommenen Last, die durch die automatische Lastmesssensoren 12 zu messen ist, wird durch Unterrichtslernen unter Verwendung einer Rückübertragung realisiert. Die Gewichtsinformation 14a kann gemäß der Lernregeln dieser Rückübertragung erzeugt werden. Auch sind die vorgegebenen Lernparameter, die für das Lernen verwendet werden, die bei der Rechenvorrichtung 16 für die tatsächliche Last ausgeführt werden, die gemessene Lastinformation 12a für die aufgenommene Last, die unter Verwendung der automatischen Lastmesssensoren 12 gemessen wird.
Die Rechenvorrichtung 16 für die tatsächliche Last ist außerdem solcher Art angeordnet, dass sie in der Lage ist, ein Lehrsignal zu korrigieren, um dadurch einen Umlernvorgang in Übereinstimmung mit einer manuellen Einstellung auszuführen.
Aufgrund der Verwendung einer solchen umlernfähigen Rechenvorrichtung 16 für die tatsächliche Last können die Einflüsse der Muster der aufgenommenen Lasten des Fahrzeugs, wie z. B. der gleichförmig aufgenommenen Last, der nach vorn versetzt aufgenommenen Last, der nach hinten versetzt aufgenommenen Last, der nach rechts ver setzt aufgenommenen Last, der nach links versetzt aufgenommenen Last und der anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und die Einflüsse der Ausgangskennlinien der automatischen Lastmesssensoren 12 sich auf die Gewichtsinformationen mit einer höheren Genauigkeit niederschlagen. Dieses macht es möglich, die gemessene Lastinformation 12a mit einer höheren Genauigkeit zu korrigieren und die tatsächliche Lastinformation 16a zu berechnen, d. h., die genau aufgenommene Last des Fahrzeugs zu berechnen. Insbesondere kann das Umlernen durch zuvor durchgeführtes Unterrichtslernen unter Verwendung der Rückübertragungs-Lernregeln realisiert werden.
Auch kann sich dank der Verwendung einer solchen umlernbaren Rechenvorrichtung 16 für die tatsächliche Last die Änderung der Fahrzeugaufnahmelastmuster, sowie die Änderung der Ausgangskennlinie der automatischen Lastmesssensoren 12 auf die Gewichtsinformation 14a flexibel und schnell niederschlagen, was es möglich macht, die gemessene Lastinformation 12a mit höherer Genauigkeit beim Berechnen der tatsächlichen Lastinformation 16a, die die genau aufgenommene Last des Fahrzeugs ist, zu korrigieren.
Als nächstes wird nachstehend die Beschreibung der Struktur eines neuronalen Mehrfachschicht-Netzes vom vorwärts gerichteten Typ, entsprechend der vorliegenden Ausführungsform der Erfindung unter Bezugnahme auf die beigefügten Zeichnungen gegeben
Die 4a bis 4c sind grafische Darstellungen, welche jeweils den Lernverlauf der automatischen Lastmessvorrichtung 10 gemäß der vorliegenden Ausführungsform der Erfindung erklären. Insbesondere ist 4a eine grafische Darstellung, um eine Beziehung zwischen der Anzahl von Neuronen und dem maximalen Fehlerbereich zu zeigen, 4b ist eine grafische Darstellung, um eine Beziehung zwischen der Anzahl der Lernvorgänge und dem maximalen Fehlerbereich zu zeigen, und 4c ist eine grafische Darstellung, um eine Beziehung zwischen der Anzahl der Lernvorgänge und der Zeit, die zum Lernen notwendig ist, zu zeigen.
Auch ist 5 eine Tabelle, die die konkreten Beispiele der Anzahl der Neuronen, der Übertragungsfunktionen und der Anzahl der Lernvorgänge zeigt, die bei der Rechenvor richtung 16 für die tatsächliche Last (vorwärts gerichtetes neuronales Mehrfachschicht-Netz) gemäß der vorliegenden Ausführungsform der Erfindung verwendet werden.
Außerdem ist 6 eine grafische Darstellung, welche eine Beziehung zwischen den Anzeigewerten und den aufgenommenen Lasten zeigt, die als die Ergebnisse der Verwendung der Rechenvorrichtung 16 für die tatsächliche Last (vorwärts gerichtetes neuronales Mehrfachschicht-Netz) gemäß der vorliegenden Ausführungsform der Erfindung erhalten werden.
Außerdem zeigen die 7a und 7b Tabellen, die jeweils den maximalen Fehlerbereich der Anzeigewerte und der Muster der aufgenommenen Last zeigt, die als die Ergebnisse der Verwendung der Rechenvorrichtung 16 (vorwärts gerichtetes neuronales Mehrfachschicht-Netz) gemäß der vorliegenden Ausführungsform der Erfindung erhalten werden.
Wie in 5 gezeigt ist, ist in dem vorwärts gerichteten neuronalen Mehrfachschicht-Netz eine Übertragungsfunktion zwischen der Eingabeschicht 16A und der Zwischenschicht 16B eine sigmoidale Taugens-Funktion (tangent sigmoid function), wobei einen Übertragungsfunktion zwischen der Zwischenschicht 16B und der Ausgabeschicht 16C eine reine Linienfunktion ist.
Wie in 4b und 5 gezeigt ist, ist, damit der maximale Fehlerbereich zwischen der gemessenen Lastinformation 12a und der Rechenvorrichtung 16 für die tatsächliche Last in den Bereich von 10% oder weniger gesteuert werden kann, die Anzahl der Lernvorgänge (insbesondere die Anzahl der vorhergehenden Unterrichtslernvorgänge, die unter Verwendung der Rückübertragungs-Lernregeln ausgeführt werden) auf die Größenordnung von 10000 festgesetzt.
Bei dem vorwärts gerichteten neuronalen Mehrfachschicht-Netz, das bei der automatischen Lastmessvorrichtung 10 verwendet wird, sind die Neuronen, die die Eingabeschicht 16A bilden, wie in 1 gezeigt ist, in der Anzahl entsprechend der Anzahl der vorgegebenen Lernparameter eins zu eins festgesetzt und sind jeweils mit ihren zugehörigen Neuronen all der Neuronen verbunden, die die Zwischenschichten 16B bilden, in Übereinstimmung mit der Gewichtsinformation (insbesondere der Gewichtsinformati on, die zuvor unter Verwendung der Rückübertragungs-Lernregeln erlernt wurde), die zuvor für all die Neuronen erlernt wurde, die die Zwischenschicht 16B bilden (insbesondere die zuvor erlernte Information unter Verwendung der Rückübertragungs-Lernregeln).
Die Anzahl der Neuronen, die die Eingabeschicht 16A bildet, wird in Übereinstimmung mit der Anzahl der Muster der aufgenommenen Last des Fahrzeugs bestimmt. Wenn insbesondere fünf Arten von Mustern der aufgenommenen Last verwendet werden, die die gleichförmig aufgenommene Last, die nach vorn versetzt aufgenommene Last, die nach hinten versetzt aufgenommene Last, die nach rechts versetzt aufgenommene Last und die nach links versetzt aufgenommene Last einschließen, wird die Anzahl der Neuronen, die die Eingabeschicht 16A bildet, auf fünf festgesetzt.
Auch wird die Anzahl der Neuronen, die die Zwischenschicht 16B bildet, wie in 4A und 5 gezeigt ist, auf 12 festgesetzt, so dass der maximale Fehlerbereich zwischen der gemessenen Lastinformation 12a und der Rechenvorrichtung 16 für die tatsächliche Last in dem Bereich von 10% oder weniger gesteuert werden kann. Da jedoch die Anzahl der Neuronen, die die Zwischenschicht 16B bildet, in Übereinstimmung mit dem Schwierigkeitsgrad des Lernens bestimmt wurde, wurde in der vorliegenden Ausführungsform berücksichtigt, dass die Anzahl der Neuronen variabel ist.
Außerdem werden die jeweiligen Neuronen, die die Ausgabeschicht 16C bilden, wie in 1 gezeigt ist, mit ihren zugehörigen Neuronen all der Neuronen verbunden, die die Zwischenschicht 16B bilden, in Übereinstimmung mit der Gewichtsinformation 14a, die für alle die Neuronen zuvor erlernt wurden, die die Zwischenschicht 16B bildet.
Außerdem kann ein konkretes vorwärts gerichtetes neuronales Mehrfachschicht-Netz durch ein Programm oder einen Computer erzielt werden.
Wenn bei der vorliegenden Ausführungsfonn der Erfindung angenommen wird, dass die Anzahl der Neuronen, die die Zwischenschicht 16B bilden, 12 ist, und die Anzahl der Lernvorgänge 10000 ist, wie in 4c gezeigt ist, liegt die Lernzeit, die notwendig ist, bis der maximale Fehlerbereich zwischen der gemessenen Lastinformation 12a und der Rechenvorrichtung 16 der tatsächlichen Last in den Bereich von 10% oder weniger gesteuert werden kann, im Bereich von 300 Stunden.
Aufgrund der Verwendung einer solchen Rechenvorrichtung 16 für die tatsächliche Last kann, wie in den 4a bis 4c gezeigt ist, der maximale Fehlerbereich zwischen der gemessenen Lastinformation 12a und der Rechenvorrichtung 16 für die tatsächliche Last durch die kürzeste Lernzeit und die geringste Anzahl der Lernvorgänge minimiert werden. Das heißt, die gemessene Lastinformation 12a kann mit einer hohen Genauigkeit korrigiert werden, und somit kann die tatsächliche Lastinformation 16a, d. h. die genau aufgenommene Last des Fahrzeugs berechnet werden.
Durch Verwendung einer solchen Rechenvorrichtung 16 für die tatsächliche Last, die das oben erläuterte vorwärts gerichtete neuronale Mehrfachschicht-Netz einschließt, kann die gemessene Lastinformation 12a, welche durch die Muster der aufgenommenen Lasten des Fahrzeugs beeinflusst wird, wie z. B. die gleichförmig aufgenommene Last, die nach vorn versetzt aufgenommene Last, die nach hinten versetzt aufgenommene Last, die nach rechts versetzt aufgenommene Last, die nach links versetzt aufgenommene Last, und die anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und/oder die, die durch die Ausgangskennlinien der automatischen Lastmesssensoren 12 beeinflusst wurden, mit einer hohen Genauigkeit korrigiert werden, damit die tatsächliche Lastinformation 16a, d. h. die genau aufgenommene Last des Fahrzeugs berechnet werden kann.
Die Rechenvorrichtung 16 für die tatsächliche Last ist unter Verwendung des vorwärts gerichteten neuronalen Mehrfachschicht-Netzes in der Lage, die tatsächliche Lastinformation 16a, basierend auf einer Neuro-Operation unter Verwendung der vorgegebenen Lernparameter abzugeben.
Durch die Verwendung der Rechenvorrichtung 16 für die tatsächliche Last, die ein vorwärts gerichtetes neuronales Mehrfachschicht-Netz einschließt, das durch die Gewichtsinformation 14a bestimmt wird, die aus der Speichervorrichtung 14 ausgelesen wird, wie durch die grafische Darstellung der Beziehung zwischen der Anzeigewerte und der aufgenommenen Lasten in 6 gezeigt ist, kann die gemessene Lastinformation 12a, die durch die Ausgangskennlinien der automatischen Lastmesssensoren 12 beeinflusst wird, mit einer hohen Genauigkeit korrigiert werden (insbesondere kann eine Korrektur ausgeführt werden, in welcher der maximale Fehler in der Größenordnung von 15 liegt, auf etwa 3% verringert werden), so dass die tatsächliche Lastinformation 16, d. h. die genau aufgenommene Last des Fahrzeugs, berechnet werden kann.
Wie auch in den Tabellen in 7 gezeigt ist, welche die Beziehungen zwischen dem maximalen Fehlerbereich und den Mustern der aufgenommenen Last zeigt, kann die gemessene Lastinformation 12a, welche durch die Muster der aufgenommenen Lasten des Fahrzeugs, wie z. B. die gleichförmig aufgenommene Last, die nach vorn versetzt aufgenommene Last, die nach hinten versetzt aufgenommene Last, die nach rechts versetzt aufgenommene Last, die nach links versetzt aufgenommene Last und die anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und/oder durch die Ausgangskennlinien der automatischen Lastmesssensoren 12 beeinflusst wurden, mit einer hohen Genauigkeit korrigiert werden (insbesondere bei den jeweiligen Arten von Mustern der aufgenommenen Last kann eine Korrektur ausgeführt werden, in welcher der maximale Fehler im Bereich von 9% bis 15% nach unten auf den Bereich von 13 bis 5% verringert werden kann), damit die tatsächliche Lastinformation 16a, d. h. die genau aufgenommene Last des Fahrzeugs berechnet werden kann.
Als nächstes wird nachstehend eine Beschreibung der Struktur eines vorwärts gerichteten neuronalen Mehrfachschicht-Netzes einschließlich von Sensorart-Identifikationsneuronen 15 unter Bezugnahme auf 1 gegeben.
Das vorliegende vorwärts gerichtete neuronale Mehrfachschicht-Netz schließt zwischen der Eingabeschicht 16A und der Zwischenschicht 16B die Sensorart-Identifikationsneuronen ein, welche jeweils verwendet werden, um die Sensorart-Identifikationsinformation 14b zum Identifizieren der Art der automatischen Lastmesssensoren 12 einzugeben.
Die vorliegenden Sensorart-Identifikationsneuronen 15 sind, wie in 1 gezeigt ist, jeweils mit all den Neuronen verbunden, die die Eingabeschicht 16A bilden, in Übereinstimmung mit der Gewichtsinformation 14a, die zuvor erlernt wurde (insbesondere die zuvor erlernte Information unter Verwendung der Rückübertragungs-Lernregeln) zwischen der Eingabeschicht 16A und den vorliegenden Sensorart-Identifikationsneuronen 15 für all die Neuronen, die die Eingabeschicht 16A bilden, entsprechend der Sensorart-Identifikationsinformation 14b (insbesondere die Gewichtsinformation 14a, die zuvor erlernt wurde unter Verwendung der Rückübertragungs-Lernregeln). Auch sind die vorhandenen Sensorart-Identifikationsneuronen 15 jeweils mit all den Neuronen verbunden, die die Zwischenschicht 16B bilden in Übereinstimmung mit der Gewichtsinformation 14a, die zuvor erlernt wurde zwischen der Zwischenschicht 16B und dem vorliegenden Sensorart-Identifikationsneuronen 15 über all den Neuronen, die die Zwischenschicht 16B bildet, entsprechend der Sensorart-Identifikationsinformation 14b.
Bei dem vorwärts gerichteten neuronalen Mehrfachschicht-Netz werden die Sensorart-Identifikationsneuronen 15 jeweils verbunden mit den jeweiligen Neuronen der Eingabeschicht 16A in Übereinstimmung mit der zuvor erlernten Gewichtsinformation 14a zwischen den Sensorart-Identifikationsneuronen 15 und der Eingabeschicht 16A, die aus der Speichervorrichtung 14 ausgelesen wird.
Auch werden die Sensorart-Identifikationsneuronen 15 jeweils mit den jeweiligen Neuronen der Zwischenschicht 16B in Übereinstimmung mit der zuvor erlernten Gewichtsinformation 14a zwischen dem Sensorart-Identifikationsneuronen 15 und der Zwischenschicht 16B verbunden, die aus der Speichervorrichtung 14 ausgelesen wird.
Außerdem werden die Neuronen, die die Eingabeschicht 16A bilden, jeweils mit den jeweiligen Neuronen aller der Neuronen verbunden, die die Zwischenschicht 16B bilden, in Übereinstimmung mit der zuvor erlernten Gewichtsinformation 14a zwischen der Eingabeschicht 16A und der Zwischenschicht 16B, die aus der Speichervorrichtung 14 ausgelesen wird.
Außerdem werden die Neuronen, die die Zwischenschicht 16B bilden, jeweils mit den jeweiligen Neuronen aller der Neuronen verbunden, die die Ausgangsschicht 16C bilden, in Übereinstimmung mit der zuvor erlernten Gewichtsinformation 14a zwischen der Zwischenschicht 16B und der Ausgabeschicht 16C, die aus der Speichervorrichtung 14 ausgelesen wird.
Durch Verwendung der Rechenvorrichtung 16 für die tatsächliche Last, die das vorwärts gerichtete neuronale Mehrfachschicht-Netz einschließt, wobei solche Sensorart-Identifi kationsneuronen 15 hinzugefügt sind, kann die gemessene Lastinformation 12a, welche durch die Muster der aufgenommenen Lasten des Fahrzeugs beeinflusst wird, wie z. B. die gleichförmig aufgenommene Last, die nach vorn versetzt aufgenommene Last, die nach hinten versetzt aufgenommene Last, die nach rechts versetzt aufgenommene Last, die nach links versetzt aufgenommene Last und die anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und/oder die durch die Ausgangskennlinien der automatischen Lastmesssensoren 12 beeinflusst werden, mit einer hohen Genauigkeit korrigiert werden, damit die tatsächliche Lastinformation 16a, d. h., die genau aufgenommene Last des Fahrzeugs berechnet werden kann. Da auch die Gewichtsinformation 14a in der Speichervorrichtung 14 zu jedem Zeitpunkt gespeichert werden kann und aus dieser ausgelesen werden kann, kann die Gewichtsinformation 14a an einer Stelle entfernt von dem Fahrzeug aufbereitet oder von Fehlern befreit werden. Außerdem, auch wenn irgendein Problem bei der automatischen Lastmessvorrichtung 10 auftritt, kann die Gewichtsinformation 14a in der Speichervorrichtung 14 nachbehandelt belassen werden. Daher, nachdem ein solches Problem beseitigt ist, wenn die automatische Lastmessvorrichtung 10 zurückgesetzt ist und die Gewichtsinformation 14a wieder in die automatische Lastmessvorrichtung 10 eingelesen wird, kann die automatische Lastmessvorrichtung 10 wieder schnell und leicht gestartet werden.
Die Rechenvorrichtung 16 für die tatsächliche Last ist so angeordnet, dass sie in der Lage ist, ein Lehrsignal zum Ausführen eines Umlernens in Übereinstimmung mit einer manuellen Einstellung zu korrigieren.
Aufgrund der Verwendung einer solchen umlernbaren Rechenvorrichtung 16 für die tatsächliche Last können sich die Einflüsse der Muster der aufgenommenen Lasten des Fahrzeugs, wie z. B. der gleichförmig aufgenommenen Last, der nach vorn versetzt aufgenommenen Last, der nach hinten versetzt aufgenommenen Last, der nach rechts versetzt aufgenommenen Last, der nach links versetzt aufgenommenen Last und der anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und können sich die Einflüsse der Ausgangskennlinie des automatischen Lastmesssensors 12 auf die Gewichtsinformationen mit einer höheren Genauigkeit niederschlagen. Dies mach es möglich, die gemessene Lastinformation 12A mit einer höheren Genauigkeit zu korrigieren, so dass die tatsächliche Lastinformation 16, d. h., die genau aufgenommene Last des Fahrzeugs berechnet werden kann.
Auch kann sich dank der Verwendung der solchartigen umlernbaren Rechenvorrichtung 16 die tatsächliche Last die Änderung der Fahrzeugaufnahmelastmuster sowie die Änderung der Ausgangskennlinien der automatischen Messsensoren 12 sich auf der Gewichtsinformation 14a flexibel und schnell niederschlagen, was es möglich macht, die gemessene Lastinformation 12a mit einer höheren Genauigkeit bei der Berechnung der realen Lastinformation 16a, d. h. die genaue aufgenommene Last des Fahrzeugs, zu korrigieren.
Als nächstes wird nachstehend eine Beschreibung der Arbeitsweise der automatischen Lastmessvorrichtung 10 gemäß der vorliegenden Ausführungsform der Erfindung unter Bezugnahme auf 3 gegeben.
3 ist ein Flussplan, welcher den Lernverlauf der automatischen Lastmessvorrichtung 10 entsprechend der vorliegenden Ausführungsform der Erfindung erläutert.
Wenn der Lernverlauf der automatischen Lastmessvorrichtung 10 gestartet wird, dann wir die Sensorart-Identifikationsinformation 14b zu den Sensorart-Identifikationsneuronen 15 des vorwärts gerichteten neuronalen Mehrfachschicht-Netzes eingegeben (Stufe 1). Insbesondere wird die Sensorart-Identifikationsinformation 14b aus der Speichervorrichtung 14 ausgelesen.
Als nächstes wird die gemessene Lastinformation 12a, welche einer der Muster der aufgenommenen Lasten des Fahrzeugs entspricht, wie z. B. der gleichförmig aufgenommenen Last, der nach vorn versetzt aufgenommenen Last, der nach hinten versetzt aufgenommenen Last, der nach rechts versetzt aufgenommenen Last, der nach links versetzt aufgenommenen Last und die anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs eingegeben (Stufe S1 – Stufe S2).
Die so eingegebene gemessene Lastinformation 12a (insbesondere ein Zahlenwert, welcher eine Last in Kg, Ton oder dergleichen bedeutet), wird in einen Zahlenwert, der von 0,1 bis 0,9 reicht, standardisiert (Stufe S2 – Stufe S3).
In Übereinstimmung mit der obigen Verarbeitung wird das Lernen (insbesondere das vorhergehende Umlernen unter Verwendung der Rückübertragungs-Lernregeln) ausgeführt (Schritt S3 – Stufe S4).
Als nächstes wird eine Bewertung des Ergebnisses des Lernens ausgeführt (Stufe S4 – Stufe S5). Insbesondere wird bewertet, ob der maximale Fehlerbereich zwischen der gemessenen Lastinformation 12a und der Rechenvorrichtung 16 für diese tatsächliche Last auf den Bereich von 10% oder weniger verringert wurde.
Wenn ein ausreichendes Lernergebnis erzielt wurde ([ausreichend] in Stufe S6), dann wird der Lernverlauf beendet ([ausreichend] in Stufe S6 – Stufe S7).
Wenn das Lernergebnis als unzureichend ((unzureichend] in Stufe 6) befunden wurde, dann wird eine Verarbeitung wiederholt, bei der die Lernverarbeitung wieder ausgeführt wird, bis bewertet wurde, dass ein ausreichendes Lernergebnis erzielt wurde ([unzureichend] in Stufe 6 – Stufe 4 – Stufe 5 – Stufe 6). Wenn ein ausreichendes Lernergebnis erzielt wurde ([ausreichend] in Stufe S6), dann wird der Lernverlauf beendet ([ausreichend] in Stufe S6 – Stufe S7).
Wie zuvor beschrieben wurden, können entsprechend der dargestellten Ausführungsform der Erfindung die Einflüsse der Muster der aufgenommenen Lasten des Fahrzeugs, wie z. B. der gleichförmig aufgenommenen Last, der nach vorn versetzt aufgenommenen Last, der nach hinten versetzt aufgenommenen Last, der nach rechts versetzt aufgenommenen Last, der nach links versetzt aufgenommenen Last und der anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und der Einfluss der Ausgangskennlinien der automatischen Lastmesssensoren 12 mit einer hohen Genauigkeit korrigiert werden.
Auch kann aufgrund der Verwendung der Lastanzeigevorrichtung 17 von der Rechenvorrichtung 16 für die tatsächliche Last die genaue vom Fahrzeug aufgenommene berechnete Last in Echtzeit sofort erkannt werden.
Außerdem kann mit der Verwendung der Rechenvorrichtung 16 für die tatsächliche Last, die ein vorwärts gerichtetes neuronales Mehrfachschicht-Netz einschließt, der maximale Fehlerbereich zwischen der gemessenen Lastinformation 12a und der Rechenvorrichtung 16 für die tatsächliche Last durch die kürzeste Lernzeit und die geringste Anzahl der Lernvorgänge minimiert werden. Das heißt, die gemessene Lastinformation 12a kann mit höchster Lerngenauigkeit korrigiert werden und somit kann die tatsächliche Lastinformation 16a, d. h. die genau aufgenommene Last des Fahrzeugs berechnet werden.
Außerdem kann durch Verwendung der Rechenvorrichtung 16 für die tatsächliche Last, die das vorwärts gerichtete neuronale Mehrfachschicht-Netz einschließt, die gemessene Lastinformation 12a, die durch die Gewichtsinformation 14a bestimmt wird, die aus der Speichervorrichtung 14 ausgelesen wird, und welche durch die Muster der aufgenommenen Lasten des Fahrzeugs, wie der gleichförmig aufgenommenen Last, der nach vorn versetzt aufgenommenen Last, der nach hinten versetzt aufgenommenen Last, der nach rechts versetzt aufgenommenen Last, der nach links versetzt aufgenommenen Last und der anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und/oder durch die Ausgangskennlinien der automatischen Lastmesssensoren 12 beeinflusst werden, mit einer hohen Genauigkeit korrigiert werden, damit die tatsächliche Lastinformation 16a, d. h. die genau aufgenommene Last des Fahrzeugs berechnet werden kann. Da auch die Gewichtsinformation 14a in die Speichervorrichtung 14 jederzeit eingespeichert werden kann und aus dieser ausgelesen werden kann, kann die Gewichtsinformation 14a an einer Stelle abseits von dem Fahrzeug aufbereitet oder von Fehlern befreit werden. Außerdem kann, wenn irgendein Problem bei der automatischen Lastmessvorrichtung 10 auftritt, die Gewichtsinformation 14a unbehandelt in der Speichervorrichtung 14 belassen werden. Aufgrund dessen kann, nachdem ein solches Problem behoben wurde und wenn die automatische Lastmessvorrichtung 10 zurück gesetzt wurde, und die Gewichtsinformation 14a wieder in die automatische Lastmessvorrichtung 10 eingelesen wurde, die automatische Lastmessvorrichtung 10 schnell und leicht gestartet werden.
Da auch die Gewichtsinformation 14a in die Speichervorrichtung 14 jederzeit gespeichert und aus dieser ausgelesen werden kann, kann die Gewichtsinformation 14a an einer Stelle abseits von dem Fahrzeug aufbereitet oder von Fehlern befreit werden. Außerdem kann, wenn irgendein Problem bei der automatischen Lastmessvorrichtung 10 auftritt, die Gewichtsinformation 14a unbehandelt in der Speichervorrichtung 14 belas sen werden. Aufgrund dessen kann, nachdem ein solches Problem beseitigt wurde, wenn die automatische Lastmessvorrichtung 10 zurückgesetzt und die Gewichtsinformation 14a wieder in die automatische Lastmessvorrichtung 10 eingelesen wird, die automatische Lastmessvorrichtung 10 wieder schnell und leicht gestartet werden.
Durch die Verwendung der Rechenvorrichtung 16 für die tatsächliche Last, die das vorwärts gerichtete neuronale Mehrfachschicht-Netz mit solchartigen Sensorart-Identifikationsneuronen 15, die zu diesem hinzugefügt wurden, einschließt, kann die gemessene Lastinformation 12a, welche durch die Muster der aufgenommenen Lasten des Fahrzeugs beeinflusst sind, wie z. B. durch die gleichförmig aufgenommene Last, die nach vorn versetzt aufgenommene Last, die nach hinten versetzt aufgenommene Last, die nach rechts versetzt aufgenommene Last, die nach links versetzt aufgenommene Last und die anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und/oder die durch die Ausgangskennlinien der automatischen Lastmesssensoren 12 beeinflusst werden, mit einer hohen Genauigkeit korrigiert werden, damit die tatsächliche Lastinformation 16a, d. h., die genau aufgenommene Last des Fahrzeugs berechnet werden kann.
Aufgrund der Verwendung der oben erläuterten umlernfähigen Rechenvorrichtung 16 für die tatsächliche Last können sich die Einflüsse der Muster der aufgenommenen Lasten des Fahrzeugs, wie z. B. die gleichförmig aufgenommene Last, die nach vorn versetzt aufgenommene Last, die nach hinten versetzt aufgenommene Last, die nach rechts versetzt aufgenommene Last, die nach links versetzt aufgenommene Last und die anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und auch die Einflüsse der Ausgangskennlinien der automatischen Lastmesssensoren 12 auf die Gewichtsinformation mit einer höheren Genauigkeit niederschlagen. Dies macht es möglich, die gemessene Lastinformation 12a mit einer höheren Genauigkeit zu korrigieren, so dass die tatsächliche Lastinformation 16a, d. h. die genau aufgenommene Last des Fahrzeugs berechnet werden kann.
Auch könne sich dank der Verwendung einer solchen umlernbaren Rechenvorrichtung 16 für die tatsächliche Last die Änderung der Fahrzeugaufnahmelastmuster sowie die Änderung der Ausgangskennlinien der automatischen Lastmesssensoren 12 auf die Gewichtsinformation 14a flexibel und schnell niederschlagen, was es möglich macht, die gemessene Lastinformation 12a mit einer höheren Genauigkeit zu korrigieren und die reale Lastinformation 16a, d. h. die genau aufgenommene Last des Fahrzeugs, zu berechnen.
Entsprechend der automatischen Lastmessvorrichtung der Erfindung können die Einflüsse der Muster der aufgenommenen Lasten eines Fahrzeugs, wie z. B. der gleichförmig aufgenommenen Last, der nach vorn versetzt aufgenommenen Last, der nach hinten versetzt aufgenommenen Last, der nach rechts versetzt aufgenommenen Last, der nach links versetzt aufgenommenen Last und der anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und die Einflüsse der Ausgangskennlinien der automatischen Lastmesssensoren mit einer hohen Genauigkeit korrigiert werden.
Entsprechend der automatischen Lastmessvorrichtung der Erfindung kann der Einfluss der Ausgangskennlinie der automatischen Lastmesssensoren mit einer hohen Genauigkeit korrigiert werden.
Entsprechend der automatischen Lastmessvorrichtung der Erfindung können die gemessene Lastinformation 12a, welche durch die Muster der aufgenommenen Lasten des Fahrzeugs, wie z. B. durch die gleichförmig aufgenommene Last, die nach vorn versetzt aufgenommene Last, die nach hinten versetzt aufgenommene Last, die nach rechts versetzt aufgenommene Last, die nach links versetzt aufgenommene Last und die anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und/oder durch die Ausgangskennlinien der automatischen Lastmesssensoren beeinflusst wurden, mit einer hohen Genauigkeit korrigiert werden, damit die tatsächliche Lastinformation, d. h., die genau aufgenommene Last des Fahrzeugs berechnet werden kann.
Entsprechend einer automatischen Lastmessvorrichtung der Erfindung können durch Verwendung der Rechenvorrichtung für die tatsächliche Last, die ein vorwärts gerichtetes neuronales Mehrfachschicht-Netz einschließt, das durch die Gewichtsinformation bestimmt wird, die aus der Speichervorrichtung ausgelesen wird, die gemessene Lastinformation, welche durch die Muster der aufgenommenen Lasten des Fahrzeugs, wie z. B. durch die gleichförmig aufgenommene Last, die nach vorn versetzt aufgenommene Last, die nach hinten versetzt aufgenommene Last, die nach rechts versetzt aufgenommene Last, die nach links versetzt aufgenommene Last und die anderen gleichartig ver setzt aufgenommenen Lasten des Fahrzeugs und/oder durch die Ausgangskennlinien der automatischen Lastmesssensoren beeinflusst wurden mit einer hohen Genauigkeit korrigiert werden, damit von der Rechenvorrichtung für die tatsächliche Last die genau aufgenommene Last des Fahrzeugs berechnet werden kann. Da auch die Gewichtsinformation in der Speichervorrichtung jederzeit gespeichert werden kann und aus dieser ausgelesen werden kann, kann die Gewichtsinformation an einer Stelle entfernt von dem Fahrzeug aufbereitet oder von Fehlern befreit werden. Auch kann, wenn irgendein Problem bei der vorliegenden automatischen Lastmessvorrichtung auftritt, die Gewichtsinformation in der Speichervorrichtung unbehandelt belassen werden. Aufgrund dessen kann, nachdem ein solches Problem beseitigt wurde, und wenn die vorliegende automatische Lastmessvorrichtung 10 zurückgesetzt wurde und die Gewichtsinformation wieder in die automatische Lastmessvorrichtung 10 eingelesen wird, die automatische Lastmessvorrichtung 10 schnell und leicht gestartet werden.
Entsprechend der automatischen Lastmessvorrichtung der Erfindung kann durch die Verwendung der Rechenvorrichtung für die tatsächliche Last, die das vorwärts gerichtetes neuronale Mehrfachschicht-Netz mit den zu diesen zugefügten Sensorart-Identifikationsneuronen die gemessene Lastinformation, die durch die Muster der aufgenommenen Lasten des Fahrzeugs, wie z. B. durch die gleichförmig aufgenommene Last, die nach vorn versetzt aufgenommene Last, die nach hinten versetzt aufgenommene Last, die nach rechts versetzt aufgenommene Last, die nach links versetzt aufgenommene Last und die anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und/oder durch die Ausgangskennlinien der automatischen Lastmesssensoren beeinflusst wurden, mit einer hohen Genauigkeit korrigiert werden, damit von der Rechenvorrichtung für die tatsächliche Last die genau aufgenommene Last des Fahrzeugs berechnet werden kann. Da auch die Gewichtsinformation in die Speichervorrichtung jederzeit gespeichert und aus dieser ausgelesen werden kann, kann die Gewichtsinformation an einer Stelle entfernt von dem Fahrzeug aufbereitet und von Fehlern befreit werden. Auch wenn dort ein Problem bei der vorliegenden automatischen Lastmessvorrichtung auftritt, kann die Gewichtsinformation in der Speichervorrichtung unbehandelt belassen werden. Aufgrund dessen kann dann, nachdem ein solches Problem beseitigt wurde, wenn die vorliegende automatische Lastmessvorrichtung 10 zurückgesetzt wurde und die Gewichtsinformation wieder in die automatische Lastmessvorrichtung 10 ein gelesen wird, die automatische Lastmessvorrichtung 10 schnell und leicht gestartet werden.
Entsprechend der automatischen Lastmessvorrichtung der Erfindung können durch die Verwendung der Rechenvorrichtung für die tatsächliche Last, die das vorwärts gerichtetes neuronale Mehrfachschicht-Netz mit den zu diesen hinzugefügten Sensorart-Identifikationsneuronen die gemessene Lastinformation, welche durch die Muster der aufgenommenen Lasten des Fahrzeugs beeinflusst wurden, wie z. B. durch die gleichförmig aufgenommene Last, die nach vorn versetzt aufgenommene Last, die nach hinten versetzt aufgenommene Last, die nach rechtsversetzt aufgenommene Last, die nach links versetzt aufgenommene Last und die anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und/oder durch die Ausgangskennlinien der automatischen Lastmesssensoren beeinflusst wurden, mit einer hohen Genauigkeit korrigiert werden, damit von der Rechenvorrichtung für die tatsächliche Last die genau aufgenommene Last des Fahrzeugs berechnet werden kann. Da auch die Gewichtsinformation in der Speichervorrichtung jederzeit eingespeichert werden kann und aus dieser ausgelesen werden kann, kann die Gewichtsinformation an einer Stelle entfernt von dem Fahrzeug aufbereitet und von Fehlern befreit werden. Auch wenn dort irgendein Problem bei der vorliegenden automatischen Lastmessvorrichtung auftritt, kann die Gewichtsinformation in der Speichervorrichtung unbehandelt belassen werden. Aufgrund dessen kann dann, wenn die vorliegende automatische Lastmessvorrichtung 10 zurückgesetzt wurde und die Gewichtsinformation wieder in die automatische Lastmessvorrichtung 10 eingelesen wurde, die automatische Lastmessvorrichtung 10 schnell und leicht gestartet werden.
Gemäß der automatischen Lastmessvorrichtung der Erfindung können sich aufgrund der Verwendung der umlernbaren Rechenvorrichtung für die tatsächliche Last, die Einflüsse der Muster der aufgenommenen Lasten des Fahrzeugs, wie z. B. der gleichförmig aufgenommenen Last, der nach vorn versetzt aufgenommenen Last, der nach hinten versetzt aufgenommenen Last, der nach rechts versetzt aufgenommenen Last, der nach links versetzt aufgenommenen Last und die anderen gleichartig versetzt aufgenommenen Lasten des Fahrzeugs und die Einflüsse der Ausgangskennlinien der automatischen Lastmesssensoren sich auf die Gewichtsinformation mit einer höheren Genauigkeit niederschlagen. Dies macht es möglich, die gemessene Lastinformation mit einer höheren Genauigkeit zu korrigieren, so dass von der Rechenvorrichtung für die tatsächliche Last die genau aufgenommene Last des Fahrzeugs berechnet werden kann.
Auch kann sich dank der Verwendung der solchartigen umlernbaren Rechenvorrichtung für die tatsächliche Last die Änderung der Muster der aufgenommenen Last des Fahrzeugs sowie die Änderung der Ausgangskennlinien der automatischen Lastmesssensoren auf die Gewichtsinformation 14a flexibel und schnell niederschlagen, was es möglich macht, die gemessene Lastinformation mit einer höheren Genauigkeit zu korrigieren und von der Rechenvorrichtung für die tatsächliche Last die genau aufgenommene Last des Fahrzeugs zu berechnen.
Entsprechend der automatischen Lastmessvorrichtung der Erfindung kann aufgrund der Verwendung der umlernbaren Rechenvorrichtung für die tatsächliche Last der maximale Fehlerbereich zwischen der gemessenen Lastinformation und der Rechenvorrichtung für die tatsächliche Last durch die kürzeste Lernzeit und die geringste Anzahl von Lernvorgängen minimiert werden. Das heißt, die gemessene Lastinformation kann mit einer hohen Lerngenauigkeit und somit die Rechenvorrichtung für die tatsächliche Last korrigiert werden, d. h. die genau aufgenommene Last des Fahrzeugs kann berechnet werden.
Gemäß der automatischen Lastmessvorrichtung der Erfindung kann aufgrund der Verwendung der Lastanzeigevorrichtung von der Rechenvorrichtung für die tatsächliche Last die genau aufgenommene Last des Fahrzeugs, die berechnet wurde, sofort in Echtzeit erkannt werden.

Claims

Automatische Lastmessvorrichtung (10) umfassend: eine Rechenvorrichtung (16) für die tatsächliche Last, die ein vorwärtsgerichtetes neuronales Mehrfachschicht-Netz einschließt, das eine Eingabeschicht (16A), eine Zwischenschicht (16B) und eine Ausgabeschicht (16C) aufweist, die in einer hierarchischen Art und Weise angeordnet sind, wobei die Rechenvorrichtung (16) für die tatsächliche Last durch das vorwärtsgerichtete neuronale Mehrfachschicht-Netz in der Lage ist, vorher ein Lernen bezüglich zu einer Korrektur einer aufgenommenen Last eines Fahrzeugs auszuführen, die durch die automatischen Lastmesssensoren (12) zu messen sind, die jeweils verwendet werden, um die aufgenommene Last des Fahrzeugs durch Verwendung vorgegebener Lernparameter zu messen und die aufgenommene Last des Fahrzeugs, die durch die automatischen Lastmesssensoren (12) gemessen wurden, basierend auf dem Ergebnis des Lernens zu korrigieren, um eine tatsächliche Last des Fahrzeugs festzustellen; wobei die vorgegebenen Lernparameter, die bei dem Lernen, das durch die Rechenvorrichtung (16) für die tatsächliche Last auszuführen ist, gemessene Lastinformationen sind, welche jeweils für die aufgenommenen Lasten des Fahrzeugs durch die automatischen Lastmesssensoren (12) gemessen wurden, und wobei die Neuronen, die die Eingabeschicht (16A) bilden, in ihrer Anzahl entsprechend der Anzahl der vorgegebenen Lernparameter eins zu eins festgesetzt sind und jeweils mit ihren zugehörigen Neuronen all der Neuronen verbunden sind, die die Zwischenschicht (16B) bilden, in Übereinstimmung mit der Gewichtsinformation, die zuvor erlernt wurde über all den Neuronen, die die Zwischenschicht (16B) bilden, wobei die Neuronen, die die Ausgabeschicht (16C) bilden, jeweils mit ihren zugehörigen Neuronen all der Neuronen verbunden werden, die die Zwischen schicht (16B) bilden, in Übereinstimmung mit der Gewichtsinformation, die zuvor über all die Neuronen erlernt wurden, die die Zwischenschicht (16B) bilden, und wobei eine tatsächliche Lastinformation in Übereinstimmung mit einer Neurooperation unter Verwendung der vorgegebenen Lernparameter abgegeben wird; dadurch gekennzeichnet, dass die Rechenvorrichtung (16) für die tatsächliche Last außerdem zwischen der Eingabeschicht (16A) und der Zwischenschicht (16B) Sensorart-Identifikationsneuronen (15) einschließt, die jeweils verwendet werden, um die Sensorart-Identifikationsinformation (14b) zum Identifizieren der Art der automatischen Lastmesssensoren (12) einzugeben, und wobei die Sensorart-Identifikationsneuronen (15) jeweils mit ihren zugehörigen Neuronen all der Neuronen verbunden sind, die die Zwischenschicht (16A) bilden, in Übereinstimmung mit der Gewichtsinformation (14a) die zuvor erlernt wurde zwischen den Sensorart-Identifikationsneuronen (15) und der Eingabeschicht (16A) für all die Neuronen, die die Eingabeschicht (16A) bilden, entsprechend der Sensorart-Identifikationsinformation (14b), und mit ihren zugehörigen Neuronen all der Neuronen verbunden sind, die die Zwischenschicht (16B) bilden in Übereinstimmung mit der Gewichtsinformation (14a), die zuvor erlernt wurde zwischen den Sensorart-Identifikationsneuronen (15) und der Zwischenschicht (16B) für all die Neuronen, die die Zwischenschicht (16B) bilden, entsprechend der Sensorart-Identifikationsinformation (14b).
Automatische Lastmessvorrichtung (10) nach Anspruch 1, die außerdem eine Speichervorrichtung (14) umfasst, die in der Lage ist, darin zu irgendeinem Zeitpunkt die Gewichtsinformation (14a), die zuvor zwischen der Eingabeschicht (16A) und der Zwischenschicht (16B) erlernt wurde, sowie die Gewichtsinformation (14a), die zuvor zwischen der Zwischenschicht (16B) und der Ausgabeschicht (16C) erlernt wurde, darin zu speichern und aus dieser auszulesen.
Automatische Lastmessvorrichtung (10) nach Anspruch 1 oder 2, wobei die Rechenvorrichtung (16) für die tatsächliche Last solcher Art angeordnet ist, dass sie in der Lage ist, ein Lehrsignal zu korrigieren und eine Umlernoperation im Ansprechen auf eine manuelle Einstellung auszuführen.
Automatische Lastmessvorrichtung (10) nach Anspruch 2, wobei eine Übertragungsfunktion zwischen der Eingabeschicht (16A) und der Zwischenschicht (16C) eine sigmoidale Tangens-Funktion ist und eine Übertragungsfunktion zwischen der Zwischenschicht (16B) und der Ausgabeschicht (16C) eine reine Linienfunktion ist.
Automatische Lastmessvorrichtung (10) nach einem der Ansprüche 1 bis 4, die außerdem eine Lastanzeigevorrichtung (17) umfasst, die die tatsächliche Lastinformation anzeigt.