CN116056921A - 悬架控制装置以及悬架装置的控制方法 - Google Patents

悬架控制装置以及悬架装置的控制方法 Download PDF

Info

Publication number
CN116056921A
CN116056921A CN202180058705.7A CN202180058705A CN116056921A CN 116056921 A CN116056921 A CN 116056921A CN 202180058705 A CN202180058705 A CN 202180058705A CN 116056921 A CN116056921 A CN 116056921A
Authority
CN
China
Prior art keywords
control
target amount
amount
instruction
command
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180058705.7A
Other languages
English (en)
Inventor
松浦谅
平尾隆介
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Astemo Ltd
Original Assignee
Hitachi Astemo Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Astemo Ltd filed Critical Hitachi Astemo Ltd
Publication of CN116056921A publication Critical patent/CN116056921A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G17/00—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load
    • B60G17/015—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements
    • B60G17/018—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements characterised by the use of a specific signal treatment or control method
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G17/00—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load
    • B60G17/015—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements
    • B60G17/0152—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements characterised by the action on a particular type of suspension unit
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G17/00—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load
    • B60G17/06—Characteristics of dampers, e.g. mechanical dampers
    • B60G17/08—Characteristics of fluid dampers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2400/00—Indexing codes relating to detected, measured or calculated conditions or factors
    • B60G2400/05—Attitude
    • B60G2400/051—Angle
    • B60G2400/0511—Roll angle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2400/00—Indexing codes relating to detected, measured or calculated conditions or factors
    • B60G2400/05—Attitude
    • B60G2400/051—Angle
    • B60G2400/0512—Pitch angle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2400/00—Indexing codes relating to detected, measured or calculated conditions or factors
    • B60G2400/10—Acceleration; Deceleration
    • B60G2400/102—Acceleration; Deceleration vertical
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2400/00—Indexing codes relating to detected, measured or calculated conditions or factors
    • B60G2400/25—Stroke; Height; Displacement
    • B60G2400/252—Stroke; Height; Displacement vertical
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2400/00—Indexing codes relating to detected, measured or calculated conditions or factors
    • B60G2400/80—Exterior conditions
    • B60G2400/82—Ground surface
    • B60G2400/821—Uneven, rough road sensing affecting vehicle body vibration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2500/00—Indexing codes relating to the regulated action or device
    • B60G2500/10—Damping action or damper
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2600/00—Indexing codes relating to particular elements, systems or processes used on suspension systems or suspension control systems
    • B60G2600/04—Means for informing, instructing or displaying
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2600/00—Indexing codes relating to particular elements, systems or processes used on suspension systems or suspension control systems
    • B60G2600/08—Failure or malfunction detecting means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2600/00—Indexing codes relating to particular elements, systems or processes used on suspension systems or suspension control systems
    • B60G2600/18—Automatic control means
    • B60G2600/187—Digital Controller Details and Signal Treatment
    • B60G2600/1878—Neural Networks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2800/00—Indexing codes relating to the type of movement or to the condition of the vehicle and to the end result to be achieved by the control action
    • B60G2800/16—Running
    • B60G2800/162—Reducing road induced vibrations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2400/00—Special features of vehicle units
    • B60Y2400/86—Suspension systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Vehicle Body Suspensions (AREA)

Abstract

控制器控制悬架装置，该悬架装置具备调节车辆的车身与车轮之间的力的可变减振器。控制器具有第一指令计算部以及控制指令输出部。第一指令计算部通过输入多个不同的信息，使用预先进行了机器学习的学习结果输出成为第一目标量的阻尼力的第一指令值。控制指令输出部在因基于第一指令值控制可变减振器而车辆状态量向比规定变大的方向起作用的情况下，限制第一指令值并作为控制指令输出。

Description

悬架控制装置以及悬架装置的控制方法
技术领域
本公开涉及悬架控制装置以及悬架装置的控制方法。
背景技术
迄今为止的悬架控制为，检测或者推断车辆状态，并进行与其相应的反馈控制(参照专利文献1)。在反馈控制中，例如使用了天棚控制规则、BLQ(Bi-linear OptimalControl)。
现有技术文献
专利文献
专利文献1：日本特开2014－69759号公报
发明内容
发明将要解决的课题
然而，专利文献1所公开的悬架控制装置使用了天棚控制规则、BLQ等控制。然而，这些控制是线性·双线性系统为基础的控制，因此不一定是最佳的控制。
另一方面，为了提高控制精度，考虑使用了如下机器学习的控制：直接预先学习最佳控制的指令与车辆状态，仅使用学习结果的权重系数计算指令。然而，在使用了机器学习的控制中，由于不知道控制指令的导出过程，因此担心没有验证学习结果正确的单元。因此，例如在产生误学习、ECU(电子控制单元)的偶发故障等、使用了学习结果的指令的计算结果变得异常的情况下，有车辆状态变得不稳定的隐患。
本发明的一实施方式的目的在于提供能够验证控制指令的计算结果的悬架控制装置以及悬架装置的控制方法。
用于解决课题的手段
本发明的一实施方式为一种悬架控制装置，控制悬架装置，该悬架装置具备调节车辆的车身与车轮之间的力的力产生机构，所述悬架控制装置具备：第一指令计算部，其通过输入多个不同的信息，使用预先进行了机器学习的学习结果输出第一目标量；以及控制指令输出部，其输出基于所述第一目标量控制所述力产生机构的控制指令，在因基于所述第一目标量控制所述力产生机构而车辆状态量向比规定变大的方向起作用的情况下，所述控制指令输出部限制所述第一目标量并作为所述控制指令而输出。
本发明的一实施方式为一种悬架装置的控制方法，所述悬架装置具备调节车辆的车身与车轮之间的力的力产生机构，所述控制方法具备：第一步骤，通过输入多个不同的信息，使用预先进行了机器学习的学习结果输出第一目标量；以及第二步骤，在因基于所述第一目标量控制所述力产生机构而车辆状态量向比规定变大的方向起作用的情况下，限制所述第一目标量并作为控制指令向所述力产生机构输出。
根据本发明的一实施方式，能够验证控制指令的计算结果。
附图说明
图1是示意地表示第一、第二实施方式的悬架控制装置的图。
图2是表示图1中的控制器的框图。
图3是表示学习图2中的第一指令计算部的DNN的顺序的说明图。
图4是表示控制指令输出部的控制指令限制处理的流程图。
图5是表示变形例的控制指令输出部的控制指令异常判定处理的流程图。
具体实施方式
以下，列举将本发明的实施方式的悬架控制装置以及悬架装置的控制方法应用于四轮汽车的情况为例，根据添附附图详细地说明。另外，图4、图5所示的流程图的各步骤分别使用“S”这一表述(例如步骤1为“S1”)的。
图1至图4示出了第一实施方式。在图1中，在构成车辆主体的车身1的下侧例如设有左、右的前轮与左、右的后轮(以下，统称为车轮2)。这些车轮2包含轮胎3而构成。轮胎3作为吸收路面的细小凹凸的弹簧作用。
悬架装置4夹装设置在车身1与车轮2之间。悬架装置4由悬架弹簧5(以下，称作弹簧5)和与弹簧5呈并排关系地夹装设置在车身1与车轮2之间的阻尼力调节式缓冲器(以下，称作可变减振器6)构成。另外，图1示意地图示了将一组悬架装置4设于车身1与车轮2之间的情况。在四轮汽车的情况下，悬架装置4在四个车轮2与车身1之间分别独立地合计设置4组。
这里，悬架装置4的可变减振器6是在车身1侧与车轮2侧之间产生能够调节的力的力产生机构。可变减振器6使用阻尼力调节式的液压缓冲器而构成。在可变减振器6上，为了从硬特性(即阻尼力变高的特性)到软特性(即阻尼力变低的特性)连续地调节产生阻尼力的特性(即，阻尼力特性)，附设有由阻尼力调节阀等构成的阻尼力可变促动器7。另外，阻尼力可变促动器7也可以不是必须连续地调节阻尼力特性的构成，也可以是例如能够以两个阶段以上的多个阶段调节阻尼力的构成。另外，可变减振器6可以是压力控制类型，也可以是流量控制类型。
弹簧上加速度传感器8检测车身1(弹簧上)的上下加速度。弹簧上加速度传感器8设于车身1的任意的位置。弹簧上加速度传感器8例如在成为可变减振器6的附近的位置安装于车身1。弹簧上加速度传感器8在成为所谓弹簧上侧的车身1侧检测上下方向的振动加速度，并将该检测信号输出到电子控制单元11(以下，称作ECU11)。
车高传感器9检测车身1的高度。车高传感器9例如在成为弹簧上侧的车身1侧与各个车轮2对应地设有多个(例如四个)。即，各车高传感器9检测车身1相对于各车轮2的相对位置(高度位置)，并将该检测信号向ECU11输出。
路面测量传感器10构成了检测作为路面信息的路面概况(profile)的路面概况取得部。路面测量传感器10例如由多个毫米波雷达构成。路面测量传感器10测量并检测车辆前方的路面状态(具体而言，包含到检测对象的路面的距离与角度、画面位置与距离)。路面测量传感器10基于路面的检测值，输出路面概况。
另外，路面测量传感器10例如可以是组合了毫米波雷达与单声道相机的传感器，也可以如日本特开2011－138244号公报等所记载那样，由包含左、右一对拍摄元件(数字相机等)的立体相机构成。路面测量传感器10也可以由超声波距离传感器等构成。
ECU11作为进行包含车辆的姿态控制等的行为控制的控制装置搭载于车辆的车身1侧。ECU11例如使用微型计算机而构成。ECU11具有能够存储数据的存储器11A。ECU11具备控制器12。在存储器11A中储存有后述的控制指令限制处理的程序等。
ECU11的输入侧连接于弹簧上加速度传感器8、车高传感器9以及路面测量传感器10。ECU11的输出侧连接于可变减振器6的阻尼力可变促动器7。ECU11基于弹簧上加速度传感器8所带来的上下方向的振动加速度的检测值、车高传感器9所带来的车高的检测值、及路面测量传感器10所带来的路面的检测值，取得路面的概况与车辆状态量。控制器12基于路面的概况与车辆状态量，求出悬架装置4的可变减振器6(力产生机构)应产生的力。控制器12基于可变减振器6应产生的力求出命令信号(控制指令)，将该命令信号向悬架装置4的阻尼力可变促动器7输出。
ECU11例如在车辆行驶了10～20m左右的数秒期间，将车辆状态量、路面输入与数据保存于存储器11A。由此，ECU11生成车辆行驶规定的行驶距离时的路面输入的时间序列数据(路面概况)与车辆状态量的时间序列数据。
如图2所示，ECU11的控制器12具备状态量计算部13、第一指令计算部14、第二指令计算部15以及控制指令输出部16。
状态量计算部13基于弹簧上加速度传感器8所带来的上下方向的振动加速度的检测值与车高传感器9所带来的车高的检测值，求出车辆状态量。车辆状态量例如包含车身1的上下方向的振动加速度(上下振动量)、车高、弹簧上速度、相对速度(活塞速度)、横向加速度、侧倾量、俯仰量等。
第一指令计算部14通过输入多个不同的信息，使用预先进行了机器学习的学习结果输出成为第一目标量的阻尼力的第一指令值。学习结果是基于深度学习的学习完毕的深度神经网络(DNN)。即，第一指令计算部14由DNN构成。第一指令计算部14是AI指令计算部，例如由4层以上的多层神经网络构成。各层具备多个神经元，相邻的两个层的神经元用权重系数结合。权重系数通过事先的学习设定。第一目标量例如是通过DNN求出的目标阻尼力。具体而言，第一指令计算部14基于弹簧上加速度传感器8所带来的上下方向的振动加速度的检测值、车高传感器9所带来的车高的检测值、及路面测量传感器10所带来的路面的检测值，取得路面输入的时间序列数据(路面概况)与车辆状态量的时间序列数据。第一指令计算部14基于路面输入的时间序列数据与车辆状态量的时间序列数据，输出最佳指令值的时间序列数据。此时，最新的最佳指令值与当前时刻的最佳的阻尼力的第一指令值对应。由此，第一指令计算部14输出对于当前的车辆与路面最适当的阻尼力的第一指令值。阻尼力的第一指令值与用于驱动阻尼力可变促动器7的电流值对应。
另外，车辆状态量的时间序列数据并不局限于车身1的上下方向的振动加速度以及车高的时间序列数据，也可以包含弹簧上速度、相对速度(活塞速度)、前后加速度、横向加速度、侧倾量、俯仰量等时间序列数据。
第二指令计算部15例如是乘车舒适度控制部，输出用于提高车辆的乘车舒适度的乘车舒适度控制指令。第二指令计算部15具有不使用机器学习的控制规则，通过输入车辆状态量，输出成为第二目标量的阻尼力的第二指令值。第二目标量例如是通过乘车舒适度控制部求出的目标阻尼力。第二指令计算部15从状态量计算部13取得弹簧上速度和弹簧上与弹簧下之间的相对速度(活塞速度)。第二指令计算部15基于各轮的弹簧上速度与相对速度，输出乘车舒适度控制指令。此时，乘车舒适度控制指令例如是成为向阻尼力可变促动器7的电流的指令信号的控制指令值。第二指令计算部15例如基于天棚控制规则，根据弹簧上速度与相对速度输出用于减少弹簧上的上下振动的控制指令值。
另外，在第一实施方式中，第二指令计算部15基于天棚控制输出乘车舒适度控制指令。本发明并不限定于此，乘车舒适度控制部例如也可以基于双线形最佳控制(BLQ控制)、H∞控制输出乘车舒适度控制指令。
在第一实施方式中，第二指令计算部15输出乘车舒适度控制指令。并不限定于此，第二指令计算部15例如也可以输出用于提高车辆的操纵稳定性的操纵稳定性控制指令。在该情况下，第二指令计算部15例如基于车辆状态量所含的前后加速度、横向加速度、侧倾量、俯仰量、上下振动量等，输出抑制车辆的侧倾、俯冲、下坐等的操纵稳定性控制指令。而且，第二指令计算部15例如也可以通过使乘车舒适度控制指令与操纵稳定性控制指令中的硬侧的控制指令优先，输出综合了乘车舒适度控制指令与操纵稳定性控制指令的控制指令。
控制指令输出部16是指令限制部，判定第一指令值是否未成为违反控制的意图的指令，根据需要对第一指令值施加限制。控制指令输出部16输出基于第一指令值(第一目标量)控制可变减振器6(力产生机构)的控制指令。控制指令输出部16在因基于第一指令值控制可变减振器6而车辆状态量向比规定变大的方向起作用的情况下，限制第一指令值并作为控制指令输出。控制指令与用于驱动阻尼力可变促动器7的电流值对应。
控制指令输出部16在第一指令值相对于第二指令值的偏离比规定量大的情况下，将相对于第二指令值在规定量以内的值作为控制指令输出。规定量与第一指令值和第二指令值之差的允许范围对应，根据实验结果等适当设定。控制指令输出部16在第一指令值相对于第二指令值的偏离比规定量大的情况下，限制第一指令值并作为控制指令输出。控制指令输出部16在第一指令值相对于第二指令值的偏离比规定量小的情况下，将第一指令值作为控制指令输出。
接下来，参照图3所示的说明图对控制器12的第一指令计算部14的学习方法进行说明。第一指令计算部14通过执行(1)直接最佳控制指令值搜索、(2)指令值学习、(3)权重系数下载的处理来构建。
首先，为了执行直接最佳控制指令值搜索，构成包含车辆模型21的分析模型20。图3中例示了车辆模型21为1轮模型的情况。车辆模型21例如也可以是左右一对2轮模型。被车辆模型21输入路面输入和来自直接最佳控制部22的最佳指令值。直接最佳控制部22按照以下所示的直接最佳控制指令值搜索的顺序，求出最佳指令值。
(1)直接最佳控制指令值搜索
直接最佳控制部22预先使用包含车辆模型21的分析模型20，通过反复运算搜索最佳指令值。最佳指令值的搜索与以下所示的最佳控制问题公式化，使用最优化方法数值分析地求出。
成为对象的车辆的运动通过状态方程式由式1的公式表示。另外，式中的点指的是基于时间t的1阶微分(d/dt)。
【式1】
Figure BDA0004113592710000061
这里，x是状态量，u是控制输入。状态方程式的初始条件如式2的公式那样给出。
【式2】
x(t0)＝x0
在从初始时刻t0到终端时刻tf的期间施加的等式约束条件与不等式约束条件如式3的公式以及式4的公式那样表示。
【式3】
Ψ＝Ψ{x(t)，u(t)}＝0
【式4】
θ＝θ{x(t)，u(t)}≤0
最佳控制问题是求出满足式1的公式所示的状态方程式、式2的公式所示的初始条件、式3以及式4的公式所示的约束条件并且使式5的公式所示的评价函数J最小那样的控制输入u(t)的问题。
【式5】
Figure BDA0004113592710000071
解决上述那样的带约束条件的最佳控制问题非常困难。因此，作为最优化方法，使用能够简单地处理约束条件的直接法。该方法是将最佳控制问题转换为参数最优化问题、使用最优化方法获得的解方法。
为了将最佳控制问题转换为参数最优化问题，将从初始时刻t0到终端时刻tf分割为N个区间。若将各区间的终端时刻表示为t1、t2、…、tN，则它们的关系如式6所示。
【式6】
t0＜tl＜t2＜…＜tN-l＜tN＝tf
如式7所示，连续的输入u(t)被各区间的终端时刻的离散的值ui置换。
【式7】
ui≡u(ti)，(i＝0，1，…，N)
对于输入u0、u1、…、uN，将状态方程式从初始条件x0起数值积分，求出各区间的终端时刻的状态量x1、x2、…、xN。此时，各区间内的输入通过对在各区间的终端时刻赋予的输入进行一次插值来求出。以上的结果，对于输入决定状态量，由此表现评价函数与约束条件。由此，转换后的参数最优化问题可以如以下那样表示。
若将应最优化的参数汇总为X，则如式8的公式所示。
【式8】
Figure BDA0004113592710000072
由此，式5的公式所示的评价函数如式9的公式那样表示。
【式9】
J＝Φ(X)
另外，式3以及式4的公式所示的约束条件如式10以及式11的公式所示。
【式10】
Figure BDA0004113592710000081
【式11】
Figure BDA0004113592710000082
如此，上述那样的最佳控制问题可以转换为式8至式11的公式所表示的参数最优化问题。
用于将求出与路面相应的最佳控制指令的问题作为最佳控制问题公式化的评价函数J如式12的公式那样定义，以使上下加速度Az最小而乘车舒适度良好，并且减小控制指令值u。这里，q1、q2是权重系数。q1、q2例如根据实验结果等预先设定。
【式12】
Figure BDA0004113592710000083
直接最佳控制部22通过最优化方数值分析地求出如此公式化后的参数最佳问题法，导出各种路面上的最佳指令值。
(2)指令值学习
将通过直接最佳控制指令值搜索导出的最佳指令值作为输出，将此时的路面概况、车辆状态量作为输入，使成为人工智能的DNN23学习各种路面的输入输出。DNN23是学习用的深度神经网络，成为与车载用的DNN(第一指令计算部14)相同的构成。DNN23被输入作为路面概况的路面输入的时间序列数据与车辆状态量的时间序列数据。此时，路面输入与车辆状态量对应地将最佳指令值的时间序列数据作与教师数据，求出DNN23中的神经元间的权重系数。
(3)权重系数下载
将通过指令值学习学习的DNN23的权重系数设定到实际的ECU11的成为第一指令计算部14的DNN中。由此，构成控制器12的第一指令计算部14。
(4)最佳指令值计算
将包含第一指令计算部14的控制器12搭载于车辆。在控制器12的输入侧连接有弹簧上加速度传感器8、车高传感器9以及路面测量传感器10。在控制器12的输出侧连接有可变减振器6的阻尼力可变促动器7。控制器12基于弹簧上加速度传感器8、车高传感器9以及路面测量传感器10的检测信号，取得路面输入与车辆状态量。控制器12将作为路面概况的路面输入的时间序列数据与车辆状态量的时间序列数据向第一指令计算部14输入。第一指令计算部14若被输入路面输入与车辆状态量的时间序列数据，则根据学习结果输出成为最佳指令的针对可变减振器6的第一指令值。
如此，直接最佳控制部22在各种条件下，通过离线的数值最优化导出直接最佳控制指令。使人工智能(DNN23)学习此时的路面概况以及车辆状态量与最佳指令。其结果，能够不进行每个步骤的最优化地通过搭载有DNN(第一指令计算部14)的控制器12(ECU11)实现直接最佳控制。
接下来，参照图4，对控制指令输出部16的控制指令限制处理进行说明。
在S1中，控制指令输出部16求出被判定为第一指令值正常的规定范围、即正常范围，作为用于判定第一指令值是否是违反控制意图的值的判定阈值。
在S2中，判定第一指令值是否是违反控制意图的值。是否违反控制意图能够通过第一指令值与基于现有控制规则的第二指令值之差超过正常范围的状态的时间(正常范围外的时间)是否持续来判定。
正常范围通过对由半主动悬架构成的悬架装置4的动作赋予相反的结果的阈值设定。在对悬架装置4的动作赋予相反的结果的情况下，包括例如在基于现有控制规则的第二指令计算部15要使阻尼率比基准高的情况下、在基于AI的第一指令计算部14中成为比基准低的指令的情况。另外，在对悬架装置4的动作赋予相反的结果的情况下，也包括例如在第二指令计算部15要使阻尼率比基准低的情况下、在第一指令计算部14中成为比基准高的指令的情况。
在一般的半主动减振器的控制中，平时降低阻尼率，即预先使其软以改善乘车舒适度，在想要抑制车身的运动的情况下提高阻尼率即使其硬。例如在控制规则(第二指令计算部15)发出相对较硬的指令(第二指令值)时，AI(第一指令计算部14)发出相对较软的指令(第一指令值)的情况长时间持续的情况被认为是异常。这里，将判断相对较硬、较软的阈值作为基准。该基准根据车速、车辆的状态而不同。
控制的意图根据车速等车辆状态而变化。因此，第一指令值相对于第二指令值的正常范围(规定量的范围内)的幅度可以根据车辆状态变化。在一般的半主动减振器的控制中，平常处于柔软的状态。然而，根据车速，进行改变平常状态下的硬度、控制介入时的量的调节。因此，相对较硬、较软的范围变化。其结果，若控制的范围变窄，则正常范围也变窄，基准发生变化。若列举一个例子，第一指令值相对于第二指令值的正常范围在低速行驶状态下变宽，在高速行驶状态下变窄。
另外，第一指令值是否是违反控制意图的值也根据是否是使车辆状态明显不稳定的指令这一点来判定。作为使车辆状态明显不稳定的指令，例如可考虑(a)在车身处于侧倾状态时进一步助长侧倾的指令，(b)在车身处于俯仰状态的情况下进一步助长俯仰的指令，(c)在车身上下振动的过程中进一步助长振动的指令等。
因此，控制指令输出部16在处于侧倾量比规定量大的状态时，在通过基于第一指令值控制可变减振器6而使侧倾量进一步变大的情况下，限制第一指令值并作为控制指令输出。此时，侧倾量的规定量例如在车辆侧倾时，是能够判断为若侧倾进一步变大则认为会影响操纵稳定性那样的侧倾的大小的量。
控制指令输出部16在处于俯仰量比规定量大的状态时，在通过基于第一指令值控制可变减振器6而使俯仰量进一步变大的情况下，限制第一指令值并作为控制指令输出。控制指令输出部16在处于上下振动量比规定量大的状态时，在通过基于第一指令值控制可变减振器6而使上下振动量进一步变大的情况下，限制第一指令值并作为控制指令输出。俯仰量的规定量以及上下振动量的规定量也与侧倾量的规定量相同，考虑对操纵稳定性的影响而设定。在该情况下，控制指令输出部16针对侧倾量、俯仰量、上下振动量分别具有单独的正常范围(规定量)。
抑制车辆的不稳定状态那样的控制功能例如由ABS(防抱死制动系统)、TCS(牵引控制系统)等构成。这种控制功能根据车辆状态切换有效与无效，并且效果的大小也被控制。因此，对于第一指令值是否是违反控制意图的值的判定条件，也同样通过有效与无效的切换、变更阈值来判定。
在S2中，判定第一指令值是否是正常范围的下限值Imin与上限值Imax之间的值。在第一指令值是正常范围内的值的情况下，原样地采用第一指令值作为控制指令(S5)。即，在第一指令值成为正常范围内的值时移至S5，将控制指令设定为当前的第一指令值。
另一方面，在正常范围外的情况下，将正常范围的限制值作为控制指令输出(S3、S4)。例如在第一指令值比下限值Imin小时移至S4，将控制指令设定为下限值Imin。在第一指令值比上限值Imax大时移至S3，将控制指令设定为上限值Imax。由此，能够避免因违反控制意图的控制指令使车辆状态变得不稳定。
在S6中，判定第一指令值处于正常范围外的状态是否持续了预先决定的一定时间以上。此时，一定时间并非由噪声、传感器精度等的影响引起，而是第一指令计算部14能够明确地判定为异常的时间，基于实验结果等适当设定。在第一指令值为正常范围外的状态长时间持续的情况下，在S6中判定为“YES”，移至S7。即，控制指令输出部16在第一指令值相对于第二指令值的偏离大于规定量的状态持续比规定时间长的情况下，判断为异常状态。在S7中，判定为由AI构成的第一指令计算部14中存在异常，将异常状态向车辆系统通知。控制指令输出部16在判断为异常状态的情况下，记录异常状态，并且输出向车辆中的驾驶员通知的信号。由此，能够采取例如实施追加的学习、向管理AI(第一指令计算部14)的数据库的通信、或者催促经销商进行维护等必要的措施。
另外，在异常判定时，作为失效保护模式，也可以置换为现有控制规则(例如第二指令计算部15)并继续控制。即，控制指令输出部16在异常状态的情况下，也可以将第二指令值作为控制指令输出。另一方面，在第一指令值为正常范围外的状态比一定时间短的情况下，在S6中判定为“NO”，结束处理。
如此，根据本实施方式，控制指令输出部16输出基于第一指令值(第一目标量)控制可变减振器6(力产生机构)的控制指令。控制指令输出部16在因基于第一指令值控制可变减振器6而车辆状态量向比规定变大的方向起作用的情况下，限制第一指令值并作为控制指令输出。
控制指令输出部16对于AI(DNN)计算出的控制指令(第一指令值)求出能够使车辆稳定地动作的正常范围，在正常范围内(上限或者下限)控制可变减振器6。由此，能够确保车辆行为的稳定，并且检查AI计算出的第一指令值的正确性，确认AI的学习状态是否正常。
第一指令计算部14使用预先进行了机器学习的学习结果输出成为第一目标量的第一指令值。学习结果是基于深度学习的学习完毕神经网络(DNN)。此时，第一指令计算部14的DNN预先学习通过最优化方法求出的指令值与车辆状态量，以使评价函数J最小。由此，能够通过与车辆状态量相应的真正最佳的指令进行控制。
控制指令输出部16在第一指令值相对于第二指令值的偏离比规定量大的情况下，将相对于第二指令值为规定量以内的值作为控制指令输出。由此，能够与其他控制规则比较来判断第一指令计算部14计算出的第一指令值(控制量)是否助长车辆的不稳定状态。
第二指令计算部15具有不使用机器学习的控制规则，通过输入车辆状态量，输出成为第二目标量的阻尼力的第二指令值。具体而言，第二指令计算部15使用未学习的现有的控制规则(天棚控制、BLQ控制等)。此时，第二指令计算部15使用现有的控制规则，因此第二指令值的可靠性较高。控制指令输出部16使用这种可靠性较高的控制规则限制第一指令值。由此，能够抑制陷入异常状态。
控制指令输出部16在第一指令值相对于第二指令值的偏离比规定量小的情况下，将第一指令值作为控制指令输出。比较第一指令值与第二指令值的结果，在正常范围内的情况下，控制指令输出部16作为控制指令原样地输出第一指令值。
另一方面，在正常范围外的情况下，控制指令输出部16作为控制指令，将第一指令值限制为正常范围的限制值并输出。即，控制指令输出部16在第一指令值相对于第二指令值的偏离比规定量大的情况下，限制第一指令值并作为控制指令输出。由此，在第一指令值从第二指令值超过正常范围地偏离的情况下，能够对第一指令值施加限制。其结果，能够避免因违反控制意图的指令而使车辆状态变得不稳定。
控制的意图根据车速等车辆状态而变化。因此，第一指令值相对于第二指令值的正常范围(规定量的范围内)的幅度根据车辆状态变化。其结果，控制指令输出部16能够输出更符合控制的意图的控制指令。
控制指令输出部16在处于侧倾量比规定量大的状态时，在通过基于第一指令值控制可变减振器6而使侧倾量进一步变大的情况下，限制第一指令值并作为控制指令输出。由此，在车身处于侧倾状态时，能够限制进一步助长侧倾那样的控制指令。
控制指令输出部16在处于俯仰量比规定量大的状态时，在通过基于第一指令值控制可变减振器6而所述俯仰量进一步变大的情况下，限制第一指令值并作为控制指令输出。由此，在车身处于俯仰状态时，能够限制进一步助长俯仰那样的控制指令。
控制指令输出部16在处于上下振动量比规定量大的状态时，在通过基于第一指令值控制可变减振器6而上下振动量进一步变大的情况下，限制第一指令值并作为控制指令输出。由此，在车身处于上下振动状态时，能够限制进一步助长振动那样的控制指令。
控制指令输出部16在第一指令值相对于第二指令值的偏离比规定量大的状态持续比规定时间长的情况下，判断为异常状态。由此，在正常范围外的指令长时间持续的情况下，控制指令输出部16判定为AI存在异常，能够将异常状态向车辆系统通知。其结果，例如能够实施追加的学习。
控制指令输出部16在判断为异常状态的情况下，记录异常状态，并且输出向车辆中的驾驶员通知的信号。由此，能够采取向管理AI的数据库的通信、或者催促经销商进行维护等必要的措施。
控制指令输出部16在异常状态的情况下，将第二指令值作为控制指令输出。由此，在异常判定时，作为失效保护模式，能够置换为现有的控制规则而继续控制。
接下来，图1以及图2示出了第二实施方式。第二实施方式的特征在于，第二指令计算部具有根据与第一指令计算部不同的条件预先进行了机器学习的第二学习结果，根据第二学习结果与多个不同的信息输出第二目标量。另外，在第二实施方式中，对与上述的第一实施方式相同的构成要素标注相同的附图标记，省略其说明。
第二实施方式的控制器30与第一实施方式的控制器12大致同样地构成。控制器30具备状态量计算部13、第一指令计算部14、第二指令计算部31以及控制指令输出部32。
第二指令计算部31根据与第一指令计算部14不同的条件，输入多个不同的信息，由此使用预先进行了机器学习的第二学习结果输出成为第二目标量的阻尼力的第二指令值。第二学习结果是基于深度学习的学习完毕的深度神经网络(DNN)。即，第二指令计算部31由根据与第一指令计算部14不同的条件预先进行了机器学习的深度神经网络(DNN)构成。第二指令计算部31是诊断用AI指令计算部，由利用与第一指令计算部14不同的学习数据进行了学习的AI(DNN)构成。此时，不同的学习数据是指，例如对于成为学习源的数据，计算成为输出的指令的单元不同的数据、成为输入的路面不同的数据、或者哪个都不同的数据。第二指令计算部31的学习方法例如与第一指令计算部14相同。
第二指令计算部31例如由4层以上的多层的神经网络构成。各层具备多个神经元，相邻的两个层的神经元用权重系数结合。权重系数通过预先的学习设定。第二指令计算部31的DNN可以具有与第一指令计算部14的DNN相同的层数、神经元数，也可以具有不同的层数、神经元数。
第二目标量是由DNN求出的目标阻尼力。具体而言，第二指令计算部31基于弹簧上加速度传感器8所带来的上下方向的振动加速度的检测值、车高传感器9所带来的车高的检测值、及路面测量传感器10所带来的路面的检测值，取得路面输入的时间序列数据(路面概况)与车辆状态量的时间序列数据。第二指令计算部31基于路面输入的时间序列数据与车辆状态量的时间序列数据，输出最佳指令值的时间序列数据。此时，最新的最佳指令值与当前时刻的最佳的阻尼力的第二指令值对应。由此，第二指令计算部31输出对于当前的车辆与路面来说最适当的阻尼力的第二指令值。阻尼力的第二指令值与用于驱动阻尼力可变促动器7的电流值对应。
另外，车辆状态量的时间序列数据并不局限于车身1的上下方向的振动加速度以及车高的时间序列数据，也可以包含弹簧上速度、相对速度(活塞速度)、前后加速度、横向加速度、侧倾量、俯仰量等时间序列数据。
控制指令输出部32与第一实施方式的控制指令输出部16相同地构成。控制指令输出部32是指令限制部，判定是否成为违反控制意图的指令，根据需要施加限制。
控制指令输出部32输出基于第一指令值(第一目标量)控制可变减振器6(力产生机构)的控制指令。控制指令输出部32在因基于第一指令值控制可变减振器6而车辆状态量向比规定变大的方向起作用的情况下，限制第一指令值并作为控制指令输出。
因此，控制指令输出部32在第一指令值相对于第二指令值的偏离比规定量大的情况下，将相对于第二指令值为规定量以内的值作为控制指令输出。控制指令输出部32在第一指令值相对于第二指令值的偏离比规定量大的情况下，限制第一指令值并作为控制指令输出。控制指令输出部32在第一指令值相对于第二指令值的偏离比规定量小的情况下，将第一指令值作为控制指令输出。控制指令输出部32与第一实施方式的控制指令输出部16相同，执行图4所示的控制指令限制处理。规定量对应于第一指令值与第二指令值之差的允许范围，根据实验结果等适当设定。
如此，最终第二实施方式中，也能够获得与第一实施方式大致相同的作用效果。另外，在第二实施方式中，第二指令计算部31也与第一指令计算部14相同，由通过深度学习进行了学习的DNN构成。此时，第二指令计算部31作为根据与第一指令计算部14不同的条件预先进行了机器学习的第二学习结果，由学习完毕的深度神经网络(DNN)构成。因此，通过将不同的学习完毕的AI作为比较对象，能够确保车辆行为的稳定，并且检查AI计算出的第一指令值的正确性，确认AI的学习状态是否正常。
控制指令输出部32在第一指令值相对于第二指令值的偏离比规定量大的情况下，限制第一指令值并作为控制指令输出。在第一指令值从第二指令值超过正常范围地偏离的情况下，能够对第一指令值施加限制。
在第二实施方式中，控制器30具备一个成为诊断用AI指令计算部的第二指令计算部31。并不限定于此，控制器也可以具备多个诊断用AI指令计算部。在该情况下，读取的AI为分别通过不同的学习数据学习的AI。在具备多个诊断用AI指令计算部的情况下，能够通过多数表决判定正常的两个AI。因此，在进一步发生异常之前，能够使用正常的AI继续进行控制。
在这样的变形例的情况下，控制指令输出部实施多次图5所示的控制指令异常判定处理。控制指令输出部AI从在指令计算部(第一指令计算部)上增加了多个诊断用AI指令计算部(第二指令计算部)的多个AI指令计算部中选择任意的两个AI指令计算部。控制指令输出部将所选择的两个AI指令计算部中的一方作为成为判定对象的AI指令计算部，将另一方作为成为诊断用AI指令计算部。
在S11中，比较成为判定对象的AI指令计算部的指令与诊断用AI指令计算部的指令。在S11中，判定这两个指令之差是否超过规定量(正常范围)而较大。如果指令之差在正常范围，在S11中判定为“NO”，移至S14。在S14中，采用成为判定对象的AI指令计算部的指令，结束处理。
在指令之差超过正常范围而较大的情况下，作为异常状态，在S11中判定为“YES”，移至S12。在S12中，判定异常状态是否持续一定时间以上。在异常状态比一定时间短的情况下，视为异常是暂时的，在S12中判定为“NO”，移至S14。在异常状态持续了一定时间以上的情况下，在S12中判定为“YES”，移至S13。在S13中，判定成为判定对象的AI指令计算部为异常，结束处理。
对于所有AI指令计算部实施以上的异常判定处理。由此，在AI指令计算部的指令中产生了异常的情况下，仅包含异常AI的比较诊断成为异常判定，正常的AI彼此的诊断成为正常判定。因此，能够使用成为正常判定的AI指令计算部的指令继续悬架装置的控制。
另外，在行驶于未学习的路面的情况下，可以存储路面概况，也可以向外部服务器发送。在该情况下，直接最佳控制部基于新取得的未学习的路面概况，求出最佳指令值。之后，追加路面概况与最佳指令值而再次学习DNN的神经元间的权重系数。在学习完成之后，更新搭载于车辆的权重系数计算映射的权重系数。由此，下次行驶在相同的路面上时，权重系数计算映射将基于更新数据的新的权重系数设定于DNN。因此，能够使用DNN对可变减振器6的阻尼力进行最佳控制。
在所述各实施方式中，状态量计算部13基于弹簧上加速度传感器8所带来的上下方向的振动加速度的检测值与车高传感器9所带来的车高的检测值，求出车辆状态量。本发明并不限定于此，状态量计算部除了例如上下方向的振动加速度的检测值、车高的检测值之外，还可以基于来自CAN(Controller Area Network)的信号取得例如车速等那种与车辆状态有关的信息，并考虑这些信息计算或者推断车辆状态量。
在所述各实施方式中，第一指令计算部14、第二指令计算部31具备神经网络。本发明并不限定于此，第一指令计算部只要能够针对多个不同的车辆状态量，将多个目标量的组作为输入输出数据的组学习，则也可以不具备神经网络。
在所述各实施方式中，路面概况由路面测量传感器10检测。本发明并不限定于此，路面概况例如也可以基于GPS数据从服务器取得信息，也可以通过车车间通信从其他车辆取得信息。另外，路面概况也可以基于弹簧上加速度传感器8所带来的上下方向的振动加速度的检测值与车高传感器9所带来的车高的检测值来推断。
在所述各实施方式中，第一指令计算部14基于车辆状态量与路面信息(路面概况)运算出目标量(目标阻尼力)。本发明并不限定于此，第一指令计算部也可以省略路面信息，仅基于车辆状态量运算目标量。在该情况下，第一指令计算部对于多个不同的车辆状态量，使用将使用预先准备的规定的评价方法而获得的多个目标量的组作为输入输出数据的组而使所述第一指令计算部(DNN)学习所获得的学习结果进行所述运算。
在所述各实施方式中，例示了第一目标量、第二目标量是基于目标阻尼力的第一指令值、第二指令值的情况，但也可以是基于目标阻尼系数的第一指令值、第二指令值。
在所述各实施方式中，作为力产生机构，以由半主动减振器构成的可变减振器6的情况为例进行了说明。本发明并不限定于此，作为力产生机构，也可以使用主动减振器(电促动器、液压促动器中的任一个)。在所述各实施方式中，列举利用由阻尼力调节式的液压缓冲器构成的可变减振器6构成在车身1侧与车轮2侧之间产生能够调节的力的力产生机构的情况为例进行了说明。本发明并不限定于此，例如除了液压缓冲器之外，也可以由空气悬架、稳定器(kinetic suspension)、电磁悬架等构成力产生机构。
在所述各实施方式中，列举使用于4轮汽车的车辆行为装置为例进行了说明。但是，本发明并不限定于此，例如也可以应用于2轮、3轮汽车、或者作业车辆、运输车辆即卡车、公共汽车等。
所述各实施方式为例示，可以将不同的实施方式中所示的构成进行部分置换或者组合。
接下来，作为上述实施方式所含的悬架控制装置以及悬架装置的控制方法，例如可以以下所述的方式。
作为第一方式，为一种悬架控制装置，控制悬架装置，该悬架装置具备调节车辆的车身与车轮之间的力的力产生机构，所述悬架控制装置具备：第一指令计算部，其通过输入多个不同的信息，使用预先进行了机器学习的学习结果输出第一目标量；以及控制指令输出部，其输出基于所述第一目标量控制所述力产生机构的控制指令，在因基于所述第一目标量控制所述力产生机构而车辆状态量向比规定变大的方向起作用的情况下，所述控制指令输出部限制所述第一目标量并作为所述控制指令而输出。
作为第二方式，在第一方式中，所述学习结果是基于深度学习的学习完毕神经网络。
作为第三方式，在第二方式中，具有与所述第一指令计算部不同的第二指令计算部，所述控制指令输出部在所述第一目标量相对于所述第二指令计算部输出的第二目标量的偏离比规定量大的情况下，将相对于所述第二目标量为所述规定量以内的值作为所述控制指令而输出。
作为第四方式，在第三方式中，所述第二指令计算部具有未使用机器学习的控制规则，通过输入所述车辆状态量而输出所述第二目标量。
作为第五方式，在第四方式中，所述第一目标量相对于所述第二目标量的规定范围的幅度根据车辆状态而可变。
作为第六方式，在第三方式中，所述第二指令计算部具有根据与所述第一指令计算部不同的条件而预先进行了机器学习的第二学习结果，根据所述第二学习结果与所述多个不同的信息输出所述第二目标量。
作为第七方式，在第六方式中，所述控制指令输出部在所述第一目标量相对于所述第二目标量的偏离比规定量大的情况下，限制所述第一目标量并作为所述控制指令而输出。
作为第八方式，在第三方式中，所述控制指令输出部在所述第一目标量的相对于所述第二指令计算部输出的所述第二目标量的偏离比规定量小的情况下，将所述第一目标量作为所述控制指令而输出。
作为第九方式，在第三方式中，所述控制指令输出部在所述第一目标量的相对于所述第二指令计算部输出的所述第二目标量的偏离比规定量大的状态持续比规定时间长的情况下，判断为异常状态。
作为第十方式，在第九方式中，所述控制指令输出部在判断为所述异常状态的情况下，记录所述异常状态，并且输出在所述车辆中向驾驶员通知的信号。
作为第十一方式，在第九方式中，所述控制指令输出部在所述异常状态的情况下，将所述第二目标量作为所述控制指令而输出。
作为第十二方式，在第一方式中，所述车辆状态量为所述车身的侧倾量，所述控制指令输出部在处于所述侧倾量比规定量大的状态时，在因基于所述第一目标量控制所述力产生机构而所述侧倾量进一步变大的情况下，限制所述第一目标量并作为所述控制指令而输出。
作为第十三方式，在第一方式中，所述车辆状态量是所述车身的俯仰量，所述控制指令输出部在处于所述俯仰量比规定量大的状态时，在因基于所述第一目标量控制所述力产生机构而所述俯仰量进一步变大的情况下，限制所述第一目标量并作为所述控制指令而输出。
作为第十四方式，在第一方式中，所述车辆状态量是所述车身的上下振动量，所述控制指令输出部在处于所述上下振动量比规定量大的状态时，在因基于所述第一目标量控制所述力产生机构而所述上下振动量进一步变大的情况下，限制所述第一目标量并作为所述控制指令而输出。
作为第十五方式，为一种悬架装置的控制方法，所述悬架装置具备调节车辆的车身与车轮之间的力的力产生机构，所述控制方法具备：第一步骤，通过输入多个不同的信息，使用预先进行了机器学习的学习结果输出第一目标量；以及第二步骤，在因基于所述第一目标量控制所述力产生机构而车辆状态量向比规定变大的方向起作用的情况下，限制所述第一目标量并作为控制指令向所述力产生机构输出。
作为第十六方式，在第十五方式中，所述学习结果是基于深度学习的学习完毕神经网络。
另外，本发明并不限定于上述的实施方式，包含各种变形例。例如上述的实施方式为了容易理解地说明本发明而被详细地说明，并不限定于必须具备所说明的所有构成。另外，可以将某一实施方式的构成的一部分置换为其他实施方式的构成，另外，也可以在某一实施方式的构成中添加其他实施方式的构成。另外，可以对于各实施方式的构成的一部分进行其他构成的追加·删除·置换。
本申请主张基于2020年7月31日提出申请的日本专利申请第2020－130306号的优先权。包含2020年7月31日提出申请的日本专利申请第2020－130306号的说明书、权利要求书、附图以及摘要在内的全部公开内容通过参照整体被编入本申请中。
附图标记说明
1车身 2车轮 3轮胎 4悬架装置 5悬架弹簧(弹簧) 6可变减振器(力产生机构) 7阻尼力可变促动器 8弹簧上加速度传感器 9车高传感器 10路面测量传感器 11ECU 12、30控制器 13状态量计算部 14第一指令计算部 15、31第二指令计算部 16、32控制指令输出部

Claims (16)

1.一种悬架控制装置，控制悬架装置，该悬架装置具备调节车辆的车身与车轮之间的力的力产生机构，其特征在于，所述悬架控制装置具备：
第一指令计算部，其通过输入多个不同的信息，使用预先进行了机器学习的学习结果输出第一目标量；以及
控制指令输出部，其输出基于所述第一目标量控制所述力产生机构的控制指令，在因基于所述第一目标量控制所述力产生机构而车辆状态量向比规定变大的方向起作用的情况下，所述控制指令输出部限制所述第一目标量并作为所述控制指令而输出。
2.根据权利要求1所述的悬架控制装置，其特征在于，
所述学习结果是基于深度学习的学习完毕神经网络。
3.根据权利要求2所述的悬架控制装置，其特征在于，
具有与所述第一指令计算部不同的第二指令计算部，
所述控制指令输出部在所述第一目标量相对于所述第二指令计算部输出的第二目标量的偏离比规定量大的情况下，将相对于所述第二目标量为所述规定量以内的值作为所述控制指令而输出。
4.根据权利要求3所述的悬架控制装置，其特征在于，
所述第二指令计算部具有未使用机器学习的控制规则，通过输入所述车辆状态量而输出所述第二目标量。
5.根据权利要求4所述的悬架控制装置，其特征在于，
所述第一目标量相对于所述第二目标量的规定范围的幅度根据车辆状态而可变。
6.根据权利要求3所述的悬架控制装置，其特征在于，
所述第二指令计算部具有根据与所述第一指令计算部不同的条件而预先进行了机器学习的第二学习结果，根据所述第二学习结果与所述多个不同的信息输出所述第二目标量。
7.根据权利要求6所述的悬架控制装置，其特征在于，
所述控制指令输出部在所述第一目标量相对于所述第二目标量的偏离比规定量大的情况下，限制所述第一目标量并作为所述控制指令而输出。
8.根据权利要求3所述的悬架控制装置，其特征在于，
所述控制指令输出部在所述第一目标量的相对于所述第二指令计算部输出的所述第二目标量的偏离比规定量小的情况下，将所述第一目标量作为所述控制指令而输出。
9.根据权利要求3所述的悬架控制装置，其特征在于，
所述控制指令输出部在所述第一目标量的相对于所述第二指令计算部输出的所述第二目标量的偏离比规定量大的状态持续比规定时间长的情况下，判断为异常状态。
10.根据权利要求9所述的悬架控制装置，其特征在于，
所述控制指令输出部在判断为所述异常状态的情况下，记录所述异常状态，并且输出在所述车辆中向驾驶员通知的信号。
11.根据权利要求9所述的悬架控制装置，其特征在于，
所述控制指令输出部在所述异常状态的情况下，将所述第二目标量作为所述控制指令而输出。
12.根据权利要求1所述的悬架控制装置，其特征在于，
所述车辆状态量为所述车身的侧倾量，
所述控制指令输出部在处于所述侧倾量比规定量大的状态时，在因基于所述第一目标量控制所述力产生机构而所述侧倾量进一步变大的情况下，限制所述第一目标量并作为所述控制指令而输出。
13.根据权利要求1所述的悬架控制装置，其特征在于，
所述车辆状态量是所述车身的俯仰量，
所述控制指令输出部在处于所述俯仰量比规定量大的状态时，在因基于所述第一目标量控制所述力产生机构而所述俯仰量进一步变大的情况下，限制所述第一目标量并作为所述控制指令而输出。
14.根据权利要求1所述的悬架控制装置，其特征在于，
所述车辆状态量是所述车身的上下振动量，
所述控制指令输出部在处于所述上下振动量比规定量大的状态时，在因基于所述第一目标量控制所述力产生机构而所述上下振动量进一步变大的情况下，限制所述第一目标量并作为所述控制指令而输出。
15.一种悬架装置的控制方法，所述悬架装置具备调节车辆的车身与车轮之间的力的力产生机构，其特征在于，所述控制方法具备：
第一步骤，通过输入多个不同的信息，使用预先进行了机器学习的学习结果输出第一目标量；以及
第二步骤，在因基于所述第一目标量控制所述力产生机构而车辆状态量向比规定变大的方向起作用的情况下，限制所述第一目标量并作为控制指令向所述力产生机构输出。
16.根据权利要求15所述的悬架装置的控制方法，其特征在于，
所述学习结果是基于深度学习的学习完毕神经网络。
CN202180058705.7A 2020-07-31 2021-07-21 悬架控制装置以及悬架装置的控制方法 Pending CN116056921A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020130306 2020-07-31
JP2020-130306 2020-07-31
PCT/JP2021/027299 WO2022024919A1 (ja) 2020-07-31 2021-07-21 サスペンション制御装置およびサスペンション装置の制御方法

Publications (1)

Publication Number Publication Date
CN116056921A true CN116056921A (zh) 2023-05-02

Family

ID=80036840

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180058705.7A Pending CN116056921A (zh) 2020-07-31 2021-07-21 悬架控制装置以及悬架装置的控制方法

Country Status (6)

Country Link
US (1) US20230294474A1 (zh)
JP (1) JP7446434B2 (zh)
KR (1) KR20230004807A (zh)
CN (1) CN116056921A (zh)
DE (1) DE112021004002T5 (zh)
WO (1) WO2022024919A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024042831A1 (ja) * 2022-08-26 2024-02-29 株式会社アイシン 制御装置
JP2024047280A (ja) * 2022-09-26 2024-04-05 日立Astemo株式会社 サスペンションシステム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0516634A (ja) * 1991-07-16 1993-01-26 Kayaba Ind Co Ltd 車両のサスペンシヨン制御装置
JPH06135214A (ja) * 1992-10-28 1994-05-17 Mazda Motor Corp 路面状態判定装置
JP2005538886A (ja) * 2002-09-13 2005-12-22 ヤマハ発動機株式会社 少なくされた数のセンサーを用いるファジー制御装置
JP5325765B2 (ja) 2009-12-28 2013-10-23 日立オートモティブシステムズ株式会社 路肩検出装置及び路肩検出装置を用いた車両
JP6026207B2 (ja) 2012-09-28 2016-11-16 日立オートモティブシステムズ株式会社 サスペンション制御装置
JP6623228B2 (ja) 2015-11-11 2019-12-18 株式会社日立製作所 制御装置及び診断システム
JP7302187B2 (ja) 2019-02-14 2023-07-04 株式会社三洋物産 遊技機

Also Published As

Publication number Publication date
JPWO2022024919A1 (zh) 2022-02-03
JP7446434B2 (ja) 2024-03-08
KR20230004807A (ko) 2023-01-06
US20230294474A1 (en) 2023-09-21
WO2022024919A1 (ja) 2022-02-03
DE112021004002T5 (de) 2023-07-20

Similar Documents

Publication Publication Date Title
US11970040B2 (en) Recognition of degraded performance in a vehicle suspension system
JP7446434B2 (ja) サスペンション制御装置およびサスペンション装置の制御方法
US20040267428A1 (en) Method for coordinating a vehicle dynamics control system with an active normal force adjustment system
KR102375423B1 (ko) 차량, 차량 운동 상태 추정 장치 및 차량 운동 상태 추정 방법
JPS61178212A (ja) 車高制御装置
US20220161624A1 (en) Suspension control apparatus
CN110997361B (zh) 悬架控制装置、以及悬架装置
CN114423655A (zh) 用于调节机动车辆的横向位置的方法
CN114545769A (zh) 神经网络在控制系统中的应用
WO2018029914A1 (ja) 車両状態量推定装置
KR102654627B1 (ko) 차량 제어 장치, 차량 제어 방법 및 차량 제어 시스템
CN112277558A (zh) 减振器控制系统、车辆、信息处理装置及它们的控制方法以及记录介质
EP3953197B1 (en) Vehicle and method for controlling the stability of the vehicle provided with a semi-active suspension
CN113071282B (zh) 一种车辆调节方法及装置
KR20230138097A (ko) 차량의 구동력 제어 방법
KR20230138564A (ko) 차량의 구동력 제어 방법
KR20230138096A (ko) 차량의 회생제동 제어 방법
KR20230152918A (ko) 차량의 회생제동 제어 방법
JP7312707B2 (ja) サスペンション制御装置
CN116323269A (zh) 悬架控制装置、车辆及悬架控制方法
JP5104594B2 (ja) 車両制御装置
Kasuya et al. Improvement of Semi-Active Suspension System Ride Performance Based on Bi-Linear Optimal Control Using Height Sensors
CN116834492A (zh) 带有车辆姿态预测的智能车辆横向控制方法
Berljavac Design and simulation of a vertical dynamics control system within an advanced simulation environment
KR20230172773A (ko) 차량의 제동 제어 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination