CN117241953A - 悬架控制装置和悬架控制方法 - Google Patents

悬架控制装置和悬架控制方法 Download PDF

Info

Publication number
CN117241953A
CN117241953A CN202280032488.9A CN202280032488A CN117241953A CN 117241953 A CN117241953 A CN 117241953A CN 202280032488 A CN202280032488 A CN 202280032488A CN 117241953 A CN117241953 A CN 117241953A
Authority
CN
China
Prior art keywords
vibration
arrival
vehicle
suspension control
sampling
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
CN202280032488.9A
Other languages
English (en)
Inventor
赤井亮仁
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 CN117241953A publication Critical patent/CN117241953A/zh
Pending legal-status Critical Current

Links

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
    • B60G17/016—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 their responsiveness, when the vehicle is travelling, to specific motion, a specific condition, or driver input
    • B60G17/0165—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 their responsiveness, when the vehicle is travelling, to specific motion, a specific condition, or driver input to an external condition, e.g. rough road surface, side wind
    • 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
    • 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
    • B60G17/019—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 type of sensor or the arrangement thereof
    • B60G17/01908—Acceleration or inclination sensors
    • 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
    • B60G17/019—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 type of sensor or the arrangement thereof
    • B60G17/01933—Velocity, e.g. relative velocity-displacement sensors
    • 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
    • B60G2400/20—Speed
    • B60G2400/204—Vehicle speed
    • 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
    • B60G2400/20—Speed
    • B60G2400/208—Speed of wheel rotation
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Vehicle Body Suspensions (AREA)

Abstract

本发明的悬架控制装置与获取车辆的信息或所述车辆周围的信息的传感器连接，并基于由所述传感器获取的所述信息计算用于控制所述车辆的悬架的悬架控制值，包括：基于由所述传感器获取的所述信息，生成到达所述车辆的到达振动的到达振动生成部；根据所述到达振动生成部生成的所述到达振动的频率，改变对所述到达振动的振动波形进行采样的时间宽度并对所述到达振动的振动波形进行采样的采样处理部；根据所述采样处理部采样的所述振动波形的采样值计算所述悬架控制值的控制值计算部。

Description

悬架控制装置和悬架控制方法
技术领域
本发明涉及悬架控制装置和悬架控制方法。
背景技术
已知一种悬架控制装置，其根据路面状况和驾驶状况改变悬架的硬度和特性等来控制车辆的姿态。
专利文献1中记载了一种装置，其连续获取车辆前方路面的高密度的路面位移信息，降低路面高度检测遗漏发生的概率，从而获得高精度的路面位移信息，并将所获得的路面位移信息提供给车辆的悬架系统，以供主动悬架的预瞄控制。
现有技术文献
专利文献
专利文献1：国际公开WO2017/169365号
发明内容
发明所要解决的技术问题
专利文献1公开的装置根据到达车辆的到达振动的频率，无法准确地掌握振动波形，有可能无法最佳地控制悬架。
解决技术问题的技术方案
本发明的悬架控制装置与用于获取车辆的信息、或者所述车辆周围的信息的传感器连接，基于由所述传感器获取到的所述信息计算用于控制所述车辆的悬架的悬架控制值，包括：到达振动生成部，该到达振动生成部基于由所述传感器获取到的所述信息，生成到达所述车辆的到达振动；采样处理部，该采样处理部根据所述到达振动生成部所生成的所述到达振动的频率，改变对所述到达振动的振动波形进行采样的时间宽度并对所述到达振动的振动波形进行采样；以及控制值计算部，该控制值计算部根据所述采样处理部所采样的所述振动波形的采样值来计算所述悬架控制值。
本发明的悬架控制方法是使用用于获取车辆的信息或所述车辆周围的信息的传感器来控制所述车辆的悬架的悬架控制装置的悬架控制方法，基于由所述传感器获取到的所述信息，生成到达所述车辆的到达振动，根据所生成的所述到达振动的频率，改变对所述到达振动的振动波形进行采样的时间宽度并对所述到达振动的振动波形进行采样，根据所述采样到的所述振动波形的采样值来计算悬架控制值，基于计算出的所述悬架控制值来控制所述悬架。
发明效果
根据本发明，无论到达车辆的到达振动的频率如何，都能掌握振动波形，从而提高悬架的控制性。
附图说明
图1是示出悬架控制模型的图。
图2是电子控制装置的方框结构图。
图3(A)、图3(B)、图3(C)是示出从车辆传感器等获取的信息以及到达振动的频率分析的图。
图4(A)、图4(B)、图4(C)是示出路面和振动振幅的图。
图5(A)、图5(B)、图5(C)是示出振动波形的值与悬架控制值之间的关系的图。
图6(A)、图6(B)、图6(C)是示出振动波形和时间宽度的关系的图。
图7(A)、图7(B)是示出实施方式1的电子控制装置的处理的流程图和示出输入规格的图。
图8(A)、图8(B)是示出实施方式2的控制值计算部的示例和存储部的图。
图9是用于生成神经网络的教师数据的实施方式2的学习系统的结构图。
图10(A)、图10(B)是示出实施方式2的电子控制装置的处理的流程图和示出输入规格的图。
图11是示出实施方式3的控制值计算部的示例的图。
图12(A)、图12(B)是说明实施方式3的控制值计算部的变形例、根据实测值预测到达的振动波形的曲线图。
图13是用于生成神经网络的教师数据的实施方式3的学习系统的结构图。
图14(A)、图14(B)是示出实施方式3的电子控制装置的处理的流程图和示出输入规格的图。
图15(A)、图15(B)、图15(C)是示出实施方式4的悬架控制装置的图。
具体实施方式
以下，参照附图对本发明的实施方式进行说明。下面的记载和附图是用于说明本发明的示例，为了说明的清楚性，适当地进行省略和简化。本发明也可以以各种其它形式实施。只要没有特别限定，各结构要素既可以是单数也可以是多个。
为了便于理解本发明，附图中所示的各构成要素的位置、尺寸、形状、范围等有时不表示实际的位置、尺寸、形状、范围等。因此，本发明未必一定限定为附图中公开的位置、尺寸、形状、范围等。
在存在多个具有相同或同样的功能的结构要素的情况下，有时多同一标号附加不同的下标来进行说明。其中，在不需要区别上述多个结构要素的情况下，有时省略下标来进行说明。
另外，在下面的说明中，有时说明通过执行程序来进行的处理，但是，由于程序由处理器(例如CPU、GPU)执行，在适当地使用存储资源(例如存储器)和/或接口设备(例如通信端口)等的同时进行规定的处理，因此处理的主体可以是处理器。同样，执行程序而进行的处理的主体也可以是具有处理器的控制器、装置、系统、计算机、节点。通过执行程序来进行的处理的主体只要是运算部即可，也可以包括进行特定处理的专用电路(例如FPGA和ASIC)。
程序可以从程序源安装到计算机那样的装置上。程序源可以是例如程序分发服务器或计算机可读的存储介质。程序源是程序分发服务器的情况下，程序分发服务器包含处理器和存储分发对象的程序的存储资源，程序分发服务器的处理器也可以将分发对象的程序分发到其他计算机。另外，在以下说明中，可以将2个以上的程序作为1个程序来实现，也可以将1个程序作为2个以上的程序来实现。
[实施方式1]
图1是示出本发明的实施方式1的悬架控制装置的悬架控制模型1的图。该悬架控制模型1是将悬架周围着眼于车辆的一个车轮的简易模型。
从路面S到达的振动传递到轮胎104，从车轮102传递到阻尼力控制型悬架103并传递到车身101。车身101上设置有用于获取车速等车辆的信息的车辆传感器105和用于获取车辆周围的信息的路面测量传感器106。路面测量传感器106例如是立体摄像头。
由车辆传感器105和路面测量传感器106获取的信息被输入到电子控制装置107。电子控制装置107相当于本实施方式的悬架控制装置，例如使用立体摄像头拍摄的车辆前方的路面图像的视差信息，获取车辆前方的路面位移。然后，基于路面位移和车速，预测到达车辆的到达振动。详细内容将在后面描述，电子控制装置107根据预测的到达振动的频率，改变对到达振动的振动波形进行采样的时间宽度，根据采样到的振动波形的采样值计算悬架控制值，并基于计算出的悬架控制值控制悬架103。
在图1中，以着眼于车辆的一个车轮的简单模型示出，但是电子控制装置107对具有悬架103的其他车轮也同样地基于计算出的悬架控制值控制悬架103。
图2是电子控制装置107的方框结构图。
电子控制装置107包括到达振动生成部109、频率判定部110、采样处理部111、存储部112、控制值计算部113。
到达振动生成部109根据从路面测量传感器106接收到的数据计算车辆前方的路面位移。然后，基于计算出的路面位移和检测到的来自车辆传感器105的车速，将预测到达车辆的到达振动作为时间序列数据来生成。
频率判定部110判定由到达振动生成部109生成的到达振动的频率。例如，对到达振动实施频率分析，判定频率峰值是高于还是低于基准nHz等。
采样处理部111对由到达振动生成部109生成的到达振动的振动波形进行采样。此时，根据由频率判定部110判定的到达振动的频率，改变对到达振动的振动波形进行采样的时间宽度。例如，在到达振动是低频时，将时间宽度设定得较宽，并且稀疏地设定采样间隔，在到达振动是高频时，将时间宽度设定得较窄，并且较密地设定采样间隔。采样到的振动波形的采样值被输入到控制值计算部113。
控制值计算部113根据需要应用预先存储在存储部112中的参数，并基于从采样处理部111传输的振动波形的采样值来计算悬架控制值。另外，虽然参数以存储在存储部112中的情况为例进行说明，但是也可以通过网络等从电子控制装置107的外部获得参数并应用该参数。此外，参数例如是后面将要描述的神经网络的权重参数。
图3(A)、图3(B)、图3(C)是表示从车辆传感器105等获取的信息以及到达振动的频率分析的图。图3(A)是表示从车辆传感器105和路面测量传感器106获取的信息的图，图3(B)、图3(C)是表示到达振动的频率分析的图。
在图3(A)所示的示例中，在车辆201上搭载加速度传感器204作为车辆传感器105，搭载摄像头205作为路面测量传感器106。悬架103包括前轮悬架202和后轮悬架203。
举例示出了车辆201在具有突起的路面S上行驶时从摄像头205观察到的摄像头图像206、前轮悬架202的例如设置在弹簧上的加速度传感器204所输出的时间序列数据即传感器数据207。
电子控制装置107中，如果摄像头205是立体摄像头，则从各个摄像头图像的视差信息导出距离信息，能够基于车速来推定预测到达车辆201的到达振动的定时和大小，将该到达振动作为时间序列数据来生成。另外，如果摄像头205是单目摄像头，则能够根据时间方向上不同的帧的图像来推定预测到达车辆的到达振动的定时和大小，将该到达振动作为时间序列数据来生成。另外，在图3(A)中，虽然例示了车辆前方为直线路径的情况，但也可以基于车辆的转向角信息等计算前进方向，在曲线路径等各种行驶路径中将到达振动作为时间序列数据来生成。
通过频率判定部110进行频率分析来判定到达振动的频率，图3(B)和图3(C)是示出该频率分析的图。横轴是频率，纵轴是频率分量的大小。在图3(B)中，频率的峰值低于基准nHz。在这种情况下，频率判定部110判定为到达振动是低频。在图3(C)中，频率的峰值高于基准nHz。在这种情况下，频率判定部110判定为到达振动是高频。
图4(A)、图4(B)、图4(C)是示出路面和振动振幅的图。
图4(A)示出了车辆201以时速50km行驶在前方具有纵深W1的凸出形状的路面S1上的示例。图4(B)示出了车辆201以时速100km行驶在前方具有纵深W2的凸出形状的路面S2上的示例。纵深W2的凸出形状具有纵深W1的凸出形状的2倍的纵深(宽度)，并且高度相同。
图4(C)是示出车辆201所接收的振动振幅的曲线图。在图4(A)、图4(B)的情况下，若如图4(C)所示那样用时间轴表示，则车辆201所受到的振动振幅401都相同。换言之，从振动的观点来看，即使能够掌握前方的路面位移，到达车辆201的振动也因车辆201的速度而不同。
图5(A)、图5(B)、图5(C)是示出振动波形的采样值与悬架控制值之间的关系的图。图5(A)示出控制值计算部113，图5(B)示出到达振动的振动波形的采样值，图5(C)示出悬架控制值。
如图5(A)所示，控制值计算部113基于输入的振动波形的采样值x1～xi来计算悬架控制值。
如图5(B)所示，通过由采样处理部111对到达振动的振动波形进行采样，从而将该到达振动的振动波形转换为时间序列的离散值数据，并将其输入到控制值计算部113。采样处理部111定义在时间轴上规定了一定的时间宽度的窗口宽度503(以下，有时称为时间宽度)，并且从窗口宽度503内的振动波形中采样i个采样值(x1～xi)。这里，在不改变窗口宽度503中的采样值的个数i的情况下，设定能够很好地捕捉时间序列数据的特征的时间宽度。如后所述，采样处理部111根据到达振动的频率，改变对到达振动的振动波形进行采样的时间宽度。
然后，控制值计算部113基于由采样处理部111采样到的振动波形的采样值来计算悬架控制值。然后，输出图5(C)所示的悬架控制值504。
图6(A)、图6(B)、图6(C)是示出振动波形和时间宽度之间的关系的图。图6(A)示出规定的时间宽度的情况，图6(B)示出使时间宽度变窄的情况，图6(C)是图6(B)的局部放大图。
如图5(B)所示，在振动波形的频率分量位于较低的频带时，可以对窗口宽度503内的i个采样值(x1～xi)进行采样从而捕捉表示路面的凸出形状的振动波形。然而，如图6(A)所示，在振动波形的频率分量位于较高的频带时，有时无法在窗口宽度503内的采样点x4、x5之间捕捉表示路面的凸出形状的振动波形。
因此，在采样处理部111进行采样之前，频率判定部110对由到达振动生成部109生成的到达振动的振动波形实施频率分析。如果判定为频率较高，则采样处理部111如图6(B)所示使时间宽度变窄，即，设定较小的窗口宽度603，如图6(C)所示，获取i个采样值(x1～xi)。另外，与时间宽度(窗口宽度)无关，对振动波形进行采样的个数为一定数量i个。由于采样到的振动波形的采样值是一定数量，因此能简化控制值计算部113的悬架控制值的计算处理。
图7(A)、图7(B)是示出实施方式1的电子控制装置107的处理的流程图和示出输入规格的图。图7(A)是示出电子控制装置107的处理的流程图，图7(B)是示出电子控制装置107的处理中的输入规格的图。该流程图是通过由电子控制装置107执行程序来进行的处理。其它实施方式中所示的流程也同样。
在步骤S701中，判定车辆处于行驶状态还是停止状态。如果处于停止状态，则前进到步骤S702，判定点火开关是打开还是关闭。在步骤S702，如果点火开关关闭，则结束处理。如果点火开关为打开，则返回到步骤S701。在步骤S701中，判定为车辆处于行驶状态时，前进到步骤S703。
在步骤S703中，电子控制装置107的到达振动生成部109根据从路面测量传感器106接收到的数据计算车辆前方的路面位移。然后，在下一步骤S704中，到达振动生成部109基于计算出的路面位移和检测出的来自车辆传感器105的车速，生成到达车辆的到达振动。该到达振动是预测到达车辆的时间序列数据。另外，到达车辆的时刻是基于车速计算的，如下文所述，在到达时刻，基于计算出的悬架控制值来控制悬架。
接下来，在步骤S705中，频率判定部110判定由到达振动生成部109生成的到达振动的频率。具体而言，对到达振动实施频率分析，判定频率的峰值是高于还是低于基准nHz。在低于基准nHz的情况下，前进到步骤S706，在基准nHz以上的情况下，前进到步骤S707。
在步骤S706，采样处理部111用图7(B)所示的用于低频的输入规格进行采样。图7(B)示出了用于低频的输入规格的一个示例，窗口宽度为10秒，采样间隔为20m秒，采样数为50。即，通过将窗口宽度设定得较宽，并且使采样间隔变得稀疏，来对振动波形进行采样。由此，如图5(A)所示，从窗口宽度503中的振动波形获取i个采样值(x1～xi)。在这个示例中，i＝50。
在步骤S707，采样处理部111使用图7(B)所示的用于高频的输入规格进行采样。图7(B)示出了用于高频的输入规格的一个示例，窗口宽度为0.5秒，采样间隔为10m秒，采样数为50。即，通过将时间宽度设定得较窄，并且使采样间隔变密，来对振动波形进行采样。采样数与低频的情况是相同的数量。由此，如图6(C)所示，从窗口宽度603内的振动波形获取i个采样值(x1～xi)。在这个示例中，i＝50。
在步骤S706或步骤S707的处理之后，前进到步骤S708。在步骤S708，控制值计算部113使用采样到的振动波形的采样值(x1～xi)来计算悬架控制值。电子控制装置107根据相应的到达振动到达车辆的时刻，基于计算出的悬架控制值来控制悬架。
在步骤S708的处理之后，返回到步骤S701的处理，通过重复上述步骤S703～步骤S708，能够准确地掌握振动波形，最佳地控制悬架，而与到达车辆的到达振动的频率无关。结果，由于能够准确地捕捉预定行驶的路面的特征，控制悬架，因此能够获得良好的乘坐舒适性。
另外，到达振动不限于从摄像头205获取，也可以从加速度传感器204等获取。在这种情况下，将由车辆传感器105获得的车辆动作预先存储为履历。接着，电子控制装置107基于实际使车辆201行驶并由车辆传感器105检测到的车辆动作，通过参照预先作为履历存储的车辆动作，预测在进行检测之后立即到达车辆201的到达振动。在将加速度传感器204用作车辆传感器105时，根据到目前为止的加速度变化的履历来预测紧接其后到达的到达振动。此外，作为车辆动作，可以使用油门或刹车的踏板操作信息、方向盘的操作信息。
[实施方式2]
图8(A)和图8(B)是示出实施方式2的控制值计算部123的示例和存储部112的图。图8(A)示出控制值计算部123，图8(B)示出存储部112。在本实施方式中，将实施方式1中所示的控制值计算部113用由神经网络构成的控制值计算部123替换，并且将权重参数804、805存储在实施方式1中所示的存储部112中。其他结构等与实施方式1中所示的图1～图6相同。
如图8(A)所示，本实施方式的控制值计算部123中的神经网络由通过将输入层(元素数i+1)801、隐藏层(元素数j+1)802、输出层(元素数K)803中的各个元素分层地组合后得到的3层结构的分层型神经网络构成。在输入层801和隐藏层802中分别各设定一个表示偏置项的元素。输入层801的各元素和隐藏层802的各元素通过权重W1ij(i＝1～I+1，j＝1～J+1)组合，隐藏层802的各元素和输出层803的各元素通过权重W2jk(j＝1～J+1，k＝1～K)组合。在本实施方式中，如图8(B)所示，将这些权重的信息(以下，称为权重参数)分成到达振动的用于低频的权重参数804和用于高频的权重参数805来使用。用于低频的权重参数804和用于高频的权重参数805分别由权重W1ij、权重W2jk的行列式表示。在该示例中，最简单的隐藏层802示出了一层全元素连接型神经网络，但不限于此。
神经网络对采样到的振动波形的采样值(x1～xi)与悬架控制值的相关关系进行学习。输入层801中的元素数与窗口宽度中的采样点的数量相同，根据悬架控制的控制值分辨率决定输出层803中的元素数。例如，如果悬架控制的控制值分辨率是256等级的数字值，则输出层803的元素数量是256个。即，使悬架控制值的数量和元素数量相同。然后，悬架控制值和元素设定为一对一的关系，并且设为256个元素中只有某一个元素为1(High)，其他元素为0(Low)的规格。考虑到输入层801的元素数与输出层803的元素数之间的平衡，来决定隐藏层802的元素数。
图9是本实施方式的控制值计算部123中的用于生成神经网络的教师数据的学习系统的结构图。通过该学习系统生成如图8所示的神经网络的权重参数。
学习系统包括车辆动作模拟器901、控制值/参数设定部902、车辆动作评价部903、神经网络学习部904。
车辆动作模拟器901输入表示路面位移的路面轮廓作为路面设定，输入车速作为车速设定，并参照车辆模型计算每个车速的对象车辆的车辆动作、例如前后加速度、上下加速度、左右加速度、偏航率、俯仰率、横摆率等。另外，根据路面轮廓和车速计算振动波形。
例如，控制值/参数设定部902具有例如关于从路面到车辆底盘的结构物的各种参数，并且可以任意设定悬架的控制值。
车辆动作评价部903通过将车辆动作模拟器901输出的车辆动作数据、例如乘坐者所坐的座椅部的加速度等与期望值、或现有的模拟结果进行比较，判断是否改善。然后，在座椅部的加速度超过期望值的情况下，或者有望进一步改善的情况下，转变到控制值/参数设定部902，设定与该控制值不同的控制值，并执行车辆动作模拟器901。另一方面，在座椅部的加速度低于期望值的情况下，或没有希望进一步改善的情况下，将由车辆动作模拟器901求出的最佳的控制值定义为悬架最佳控制值，并将其传输至神经网络学习部904。
神经网络学习部904将作为由车辆动作模拟器901导出的振动波形的时间序列数据的采样值设在神经网络的输入侧，将由车辆动作评价部903导出的悬架最佳控制值设在神经网络的输出侧，并通过神经网络学习它们之间的关系。另外，神经网络的学习是通过应用作为学习方法而普遍已知的误差反向传播法、所谓的反向传播来进行的。
以往的悬架控制是基于被称为天钩(skyhook)理论的以悬挂在空中的状态为前提的运动方程式来计算最佳控制值。但是，也有以被悬挂在空中这一不现实的状态为前提的情况，未必能导出最佳的悬架控制值。与此相对，在本实施方式中，基本的考虑方式是：如果判定路面位移与最佳悬架控制值之间的关系，则能通过神经网络进行学习。在此，如果使用模拟器，虽然是在虚拟环境下，但是可以确认各种悬架控制值的车辆动作，通过用较多的参数调查车辆动作，结果有可能导出超越天钩理论的最佳控制值。
另外，通过该学习系统进行的搜索中，对于车辆动作评价部903所评价的结果，通过对好结果给予奖赏，对坏结果给予惩罚，从而进行运用车辆动作模拟器的强化学习。理想情况下乘坐者感受到的加速度为0即可，将乘坐者所坐的座椅上的加速度设定为评价函数，以解决使加速度最小化的最优化问题。
在该学习中，基于路面位移的到达振动的振动波形的频率分为低频的情况和高频的情况，决定输出悬架最佳控制值的神经网络的权重参数。然后，所决定的用于低频的权重参数804和用于高频的权重参数805被存储在存储部112(参照图2)中。
图10(A)、图10(B)是示出实施方式2的电子控制装置107的处理的流程图和示出输入规格的图。图10(A)是示出电子控制装置107的处理的流程的图，图10(B)是示出电子控制装置107的处理中的输入规格的图。对图7所示的与实施方式1中的电子控制装置107的处理的流程相同的处理赋予相同的标号，以简化其说明。
在步骤S701中，判定为车辆处于行驶状态时，前进到步骤S703。在步骤S703中，电子控制装置107的到达振动生成部109根据从路面测量传感器106接收到的数据计算车辆前方的路面位移。然后，在下一步骤S704中，到达振动生成部109基于计算出的路面位移和检测出的来自车辆传感器105的车速，生成到达车辆的到达振动。
接下来，在步骤S705中，频率判定部110判定由到达振动生成部109生成的到达振动的频率。具体而言，对到达振动实施频率分析，判定频率的峰值是高于还是低于基准nHz。在低于基准nHz的情况下，前进到步骤S706，在基准nHz以上的情况下，前进到步骤S707。
在步骤S706，采样处理部111使用图10(B)所示的用于低频的输入规格进行采样。由此，如图5(A)所示，从窗口宽度503中的振动波形获取i个采样值(x1～xi)。之后，前进到步骤S716。
在步骤S716，从存储部112读取用于低频的权重参数804(参照图8(B))。权重参数804是神经网络中使用的元素之间的权重参数。
在步骤S707，采样处理部111使用图10(B)所示的用于高频的输入规格进行采样。由此，如图6(C)所示，从窗口宽度603内的振动波形获取i个采样值(x1～xi)。之后，前进到步骤S717。
在步骤S717，从存储部112读取用于高频的权重参数805(参照图8(B))。权重参数805是神经网络中使用的元素之间的权重参数。
在步骤S716或步骤S717的处理之后，前进到步骤S708。在步骤S708，控制值计算部123使用采样到的振动波形的采样值(x1～xi)来计算悬架控制值，并基于悬架控制值来控制悬架。控制值计算部123由神经网络构成，并基于在步骤S716或步骤S717的处理中读取到的用于低频的或用于高频的权重参数804、805来计算悬架控制值。
在到达振动为低频的情况下和高频的情况下，窗口宽度不同，但采样值的数量相同，因此能与神经网络的输入层801中的元素数匹配。此外，输出层803中的元素数与悬架控制值的数量相同。而且，用于低频的或用于高频的权重参数的数量也相同。因此，神经网络的结构没有必要根据到达振动的频率进行变更，其处理也可以高速化。
在步骤S708的处理之后，返回到步骤S701的处理，并且重复上述步骤S703～步骤S708。
根据本实施方式，不依赖于到达车辆的到达振动的频率，能够准确地掌握振动波形，学习路面特征与最佳悬架控制值之间的关系。结果，由于能够准确地捕捉预定行驶的路面的特征，最佳地控制悬架，因此能够获得良好的乘坐舒适性。
[实施方式3]
图11是示出实施方式3的控制值计算部133的示例的图。在本实施方式中，用不同于实施方式2中说明的结构的由神经网络构成的控制值计算部133替换实施方式1中示出的控制值计算部113。其他结构等与实施方式1中所示的图1～图6相同。
本实施方式不仅使用由实施方式1及实施方式2中说明的到达振动生成部109生成的到达振动、即基于摄像头205的图像预测的到达振动，还使用根据行驶时的车辆动作、例如悬架的活塞的速度、车辆的弹簧上上下加速度预测的到达振动来计算悬架控制值，从而提高计算精度。
如图11所示，本实施方式的控制值计算部133中的神经网络由将输入层1001～1003、隐藏层1004、输出层1005的各元素分层地组合的三层结构的分层型神经网络构成。输入层1001的元素是X11～X1i，输入层1002的元素是X21～X2i，输入层1003的元素是X31～X3i。
基于摄像头205的图像预测的振动波形的采样值(x1～xi)被输入到输入层1001的元素。基于活塞速度的振动波形的采样值(p1～pi)被输入到输入层1002的元素。基于弹簧上上下加速度的振动波形的采样值(a1～ai)被输入到输入层1003的元素。与实施方式1、实施方式2同样，输入到神经网络的这些采样值是通过在与该频率对应的窗口宽度的范围内对由到达振动生成部109生成的到达振动的振动波形进行采样而获得的值。
图12(A)是示出实施方式3的控制值计算部133的变形例的图。在该变形例中，示出没有输入基于摄像头205的图像预测的振动波形的采样值(x1～xi)的情况。
如图12(A)所示，本实施方式的控制值计算部133中的神经网络可以由将输入层1002～1003、隐藏层1004、输出层1005的各元素分层地组合的三层结构的分层型神经网络构成。输入层1002的元素是X21～X2i、输入层1003的元素是X31～X3i。
活塞速度和基于该活塞速度预测的振动波形的采样值(p1～pi)被输入到输入层1002的元素。弹簧上上下加速度和基于该弹簧上上下加速度预测的振动波形的采样值(a1～ai)被输入到输入层1003的元素。与实施方式1、实施方式2同样，输入到神经网络的这些采样值是通过在与该频率对应的窗口宽度的范围内对由到达振动生成部109生成的到达振动的振动波形进行采样而获得的值。
图12(B)是说明以活塞速度为例根据实测值预测到达的振动波形的曲线图。横轴表示时间，纵轴表示活塞速度。白色圈表示实测值，黑色圈表示预测值。
如图12(B)所示，从车辆传感器105输入振动波形的值1009。由到达振动生成部109生成的窗口宽度1010内的振动波形的采样值(图中的白色圈和黑色圈)被输入到由神经网络构成的控制值计算部133。这里，窗口宽度1010所包含的振动波形的采样值中，前半部分的约八成是实测值(图中的白色圈)，与之相对地，后半部分的约两成是根据前半部分的状况预测而决定的预测值(图中的黑色圈)。由此，能实现在刚实际行驶之前导出悬架最佳控制值的前馈控制，而不是在实测值一致后导出悬架最佳控制值的反馈控制。在预测有偏差时，有可能无法进行最佳控制，但由于故障只发生在路面位移的特性切换的情况下，预测乘坐者难以感受到，因此可以将预测值包含在振动波形的值的一部分中。此外，可以根据RNN(循环神经网络)的时间序列预测来决定输入到控制值计算部133的振动波形的值。在活塞速度的示例中进行了说明，弹簧上上下加速度也是同样。在参照图12(A)说明的示例中，活塞速度、弹簧上上下加速度不仅包括实测值，还包括预测值。
在本实施方式中，用于检测活塞速度的加速度传感器和用于检测弹簧上上下加速度的加速度传感器分别作为车辆传感器105设置在车身101上。基于从这些车辆传感器105输入的传感器值，到达振动生成部109还包括参照图12(B)所描述的预测值在内地生成到达振动。然后，由频率判定部110判定所生成的到达振动的频率，并由采样处理部111以与频率相对应的窗口宽度分别对所生成的到达振动的频率进行采样。从这些到达振动的振动波形中采样的采样值的数量与窗口宽度无关，都是相同的数量。根据活塞速度生成的到达振动的振动波形的采样值(p1～pi)被输入到输入层1002的元素，根据弹簧上上下加速度生成的到达振动的振动波形的采样值(a1～ai)被输入到输入层1003的元素。
图13是本实施方式的控制值计算部133中的用于生成神经网络的教师数据的学习系统的结构图。通过该学习系统生成如图11所示的神经网络的权重参数。在与图9所示的学习系统相同的部位赋予相同的标号，简化其说明。
图13所示的车辆动作模拟器901根据路面轮廓和车速计算摄像头图像的振动波形，并且计算分别与活塞速度和弹簧上上下加速度对应的振动波形。神经网络学习部904通过将作为由车辆动作模拟器901导出的这些振动波形的时间序列数据的采样值考虑在内来进行学习。
如参照图9说明的那样，学习系统实施使悬架控制值不同的多次模拟，基于车辆动作评价部903的判定，导出模拟器最佳控制值。在图13所示的示例中，在模拟器上的车辆上设置加速度传感器模型，并通过车辆动作模拟器901计算在最佳控制值条件下获取的传感器输出的时间序列数据、特别是以往的悬架控制值的计算中使用的活塞速度和弹簧上上下加速度。从车辆动作模拟器901向神经网络学习部904输入基于摄像头205的路面位移和车速获得的振动波形的采样值、分别从车辆传感器105获得的基于活塞速度的振动波形的采样值以及基于弹簧上上下加速度的振动波形的采样值。此外，输入由车辆动作评价部903判定的悬架最佳控制值。在神经网络学习部904中，表示来自摄像头205的路面预测的振动波形的采样值、活塞速度的振动波形的采样值、弹簧上上下加速度的振动波形的采样值被分别设置在神经网络的输入侧，悬架最佳控制值被设置在神经网络的输出侧，并且学习它们之间的关系。
在该学习中，根据到达振动的振动波形的频率，决定输出悬架最佳控制值的神经网络的权重参数A～D(参照后述的图14(B))。然后，与所决定的频率对应的权重参数被存储在存储部112(参照图2)中。
图14(A)、图14(B)是示出实施方式3的电子控制装置107的处理的流程图和示出输入规格的图。图14(A)是示出电子控制装置107的处理的流程的图，图14(B)是示出电子控制装置107的处理中的输入规格的图。
在图7(A)和图10所示的实施方式1和实施方式2中，分为到达振动为低频的情况和到达振动为高频的情况，并使控制值计算部的输入规格、神经网络的权重参数不同。在实施方式3中，根据到达振动的频率，使控制值计算部的输入规格、神经网络的权重参数不同。在图14(A)的流程的处理中，对与图7(A)、图10所示的处理相同的部位赋予相同的标号，简略地对其进行说明。
另外，在下面的说明中，说明电子控制装置107使用图11所示的控制值计算部133的情况。同样地，也可以应用于使用图12(A)所示的控制值计算部133的情况。
在图14(A)所示的步骤S701中，判定为车辆处于行驶状态的情况下，前进到步骤S703。在步骤S703中，电子控制装置107的到达振动生成部109根据从路面测量传感器106接收到的数据计算车辆前方的路面位移。然后，在下一步骤S704中，到达振动生成部109基于计算出的路面位移和检测出的来自车辆传感器105的车速，生成到达车辆的到达振动。
接下来，在步骤S705中，频率判定部110判定由到达振动生成部109生成的到达振动的频率。具体来说，实施到达振动的频率分析，判定频率是0.5Hz以下，还是大于0.5Hz且1.0Hz以下，还是大于1.0Hz且2.0Hz以下，还是大于2.0Hz。
如果频率为0.5Hz以下，则前进到步骤S721，设定图14(B)所示的输入规格的其一。图14(B)所示的输入规格是一个示例。在该示例中，窗口宽度设定为2.0秒，采样间隔设定为40m秒，采样数量设定为50，采样处理部111对振动波形进行采样。然后，前进到下一步骤S722，参照图14(B)所示的输入规格的其一来设定权重参数A。
如果频率大于0.5Hz并且在1.0Hz以下，则前进到步骤S731，设定图14(B)所示的输入规格的其二。在该示例中，窗口宽度设定为1.0秒，采样间隔设定为20m秒，采样数量设定为50，采样处理部111对振动波形进行采样。然后，前进到下一步骤S732，参照图14(B)所示的输入规格的其二来设定权重参数B。
如果频率大于1.0Hz并且在2.0Hz以下，则前进到步骤S741，设定图14(B)所示的输入规格的其三。在该示例中，窗口宽度设定为0.5秒，采样间隔设定为10m秒，采样数量设定为50，采样处理部111对振动波形进行采样。然后，前进到下一步骤S742，参照图14(B)所示的输入规格的其三来设定权重参数C。
如果频率大于2.0Hz，则前进到步骤S751，设定图14(B)所示的输入规格的其四。在该示例中，窗口宽度设定为0.25秒，采样间隔设定为5m秒，采样数量设定为50，采样处理部111对振动波形进行采样。然后，前进到下一步骤S752，参照图14(B)所示的输入规格的其四来设定权重参数D。
在步骤S722、S732、S742、S752的处理后，前进到步骤S708。在步骤S708，控制值计算部133由神经网络构成，基于与频率相对应的权重参数来计算悬架控制值。
在步骤S705中，说明了频率判定部110用四个划分来判定由到达振动生成部109生成的到达振动的频率的示例。但这只是一个示例，根据车辆的结构和周围的环境进行适当设定。
另外，为了简化说明，对如下的示例进行说明：在步骤S703中，到达振动生成部109基于路面测量传感器106(例如，摄像头205)生成到达车辆的到达振动，在步骤S705中频率判定部110判定该到达振动的频率。但是，在这些处理中，不仅可以使用表示来自摄像头205的路面预测的到达振动，还可以使用活塞速度、弹簧上上下加速度的到达振动。在该情况下，可以全部使用表示来自摄像头205的路面预测的到达振动、活塞速度、弹簧上上下加速度的到达振动，也可以组合使用任意一个到达振动，也可以只使用任意一个到达振动。一般来说，到达车辆的到达振动在任何情况下都是类似的，因此可以捕捉到路面的凸起形状。
根据到达振动的频率而使窗口宽度不同，但是采样点的数量相同，因此能与神经网络的输入层1001的元素数匹配。此外，输出层1005的元素数与悬架控制值的数量相同。并且，权重参数的数量与频率无关，是相同的。因此，神经网络的结构没有必要根据到达振动的频率进行变更，其处理也能高速化。
在步骤S708的处理之后，返回到步骤S701的处理，并重复上述步骤S703～步骤S752的处理。
根据本实施方式，能够与到达车辆的到达振动的频率无关，而准确地掌握振动波形，学习路面特征与最佳悬架控制值之间的关系。不仅可以使用来自摄像头205的到达振动，还可以使用活塞速度、弹簧上上下加速度的到达振动，准确捕捉行驶预定的路面的特征而最佳地进行悬架的控制，所以能够得到良好的乘坐舒适性。
[实施方式4]
图15(A)、图15(B)和图15(C)是示出本实施方式的悬架控制装置100的图。图15(A)是构成本实施方式的悬架控制装置100的电子控制装置107、1501的方框结构图，图15(B)是表示道路轮廓的图，图15(C)是表示道路类别的图。
在本实施方式中，基于从服务器装置获得的道路轮廓生成到达振动来代替基于搭载在车辆上的摄像头205生成到达振动。
图15(A)所示的电子控制装置107的方框结构图具有与图2所示的电子控制装置107相同的结构。电子控制装置1501以与电子控制装置107同样的方式设置在车辆的悬架控制装置100内。电子控制装置1501包括：收发I/F1502、GPS1503、控制部1504、道路轮廓/道路类别保存用的存储器1505、数据传输部1506。有时将电子控制装置1501称为路面轮廓获取部。
在图示省略的服务器装置中，管理有数字化的地图和记录了每个道路的道路表面的道路形状信息的路面轮廓。车辆通过车载的GPS1503获取本车位置，以本车位置为基准，通过收发I/F1502，向服务器装置询问一定范围、例如半径5km范围内的路面轮廓，并下载相应数据。下载的路面轮廓存储在存储器1505中。然后，将行驶中的车辆前方的路面轮廓经由数据传输部1506传输给到达振动生成部109。控制部1504管理这些数据的收发、传输。
在此，将从服务器装置获取的数据范围设为半径5km范围内，但也可以大于该范围，也可以小于该范围。此外，还可以与汽车导航系统协作从而获取预定行驶的道路范围的道路轮廓。
如图15(B)所示，道路轮廓利用交叉点之间等定义道路A、B。并且，交叉点之间的距离例如将道路A设为10m，关于道路A，对每1cm定义高度信息等道路形状信息。到达振动生成部109通过基于道路形状信息将距离设定为横轴来绘制路面位移。此外，通过考虑从车辆传感器105获取的车速，生成将时间设定为横轴的到达振动。另外，图15(C)对于每条道路A、B...存储了表示是好路、碎石路还是不平路等的道路类别，但是也可以参照这些道路类别，针对每个道路类别生成预先确定的到达振动。
在生成到达振动之后，与实施方式1至实施方式3中的任何一个同样，判定所生成的到达振动的频率，进行采样处理，计算悬架控制值，从而控制悬架。
根据本实施方式，除了起到与实施方式1至实施方式3同样的效果之外，即使在由于行驶环境、行驶条件，无法通过路面测量传感器106等检测到路面位移的情况下，也能够从悬架控制装置100的外部临时获得这些信息，继续悬架的控制。或者，可以通过从悬架控制装置100的外部获取这些信息从而控制悬架，来代替从路面测量传感器106等检测路面位移。
根据以上说明的实施方式，能够得到以下的作用效果。
(1)悬架控制装置100与用于获取车辆201的信息、或者车辆201周围的信息的传感器105、106连接，基于由传感器105、106获取的信息计算用于控制车辆201的悬架103的悬架控制值，包括：到达振动生成部109，该到达振动生成部109基于由传感器105、106获取的信息，生成到达车辆201的到达振动；采样处理部111，该采样处理部111根据到达振动生成部109生成的到达振动的频率，改变对到达振动的振动波形进行采样的时间宽度并对到达振动的振动波形进行采样；以及控制值计算部113、123、133，该控制值计算部113、123、133根据由采样处理部111采样到的振动波形的采样值来计算悬架控制值。由此，无论到达车辆的到达振动的频率如何，都能掌握振动波形，从而能提高悬架的控制性。
(2)悬架控制装置100的控制方法是悬架控制装置100中的悬架控制方法，该悬架控制装置100使用获取车辆201的信息或车辆201周围的信息的传感器105、106，来控制车辆201的悬架103，其中，基于由传感器105、106获取的信息，生成到达车辆201的到达振动；根据所生成的到达振动的频率，改变对到达振动的振动波形进行采样的时间宽度并对到达振动的振动波形进行采样，根据采样到的振动波形的采样值来计算悬架控制值，基于计算出的悬架控制值来控制悬架103。由此，无论到达车辆的到达振动的频率如何，都能掌握振动波形，从而提高悬架的控制性。
本发明不限于上述实施方式，只要不损害本发明的特征，在本发明的技术思想范围内可以考虑的其他方式也包括在本发明的范围内。另外，也可以是组合了上述实施方式的结构。
标号说明
1...悬架控制模型，100...悬架控制装置，101...车身，102...车轮，103...悬架，104...轮胎，105...车辆传感器、106...路面测量传感器，107、1501...电子控制装置，109...到达振动生成部，110...频率判定部，111...采样处理部，112...存储部，113、123、133...控制值计算部，201...车辆，202...前轮悬架，203...后轮悬架，204...加速度传感器，205...摄像头，503、603...窗口宽度(时间宽度)，801、1001～1003...神经网络的输入层，802、1004...神经网络的隐藏层，803、1005...神经网络的输出层，804、805...权重参数，901...车辆动作模拟器，902...控制值/参数设定部，903...车辆动作评价部，904...神经网络学习部，1502...收发I/F，1503...GPS，1504...控制部，1505...道路轮廓/道路类别用的存储器，1506...数据传输部，S、S1、S2...路面。

Claims (11)

1.一种悬架控制装置，该悬架控制装置与用于获取车辆的信息、或者所述车辆周围的信息的传感器连接，基于由所述传感器获取到的所述信息计算用于控制所述车辆的悬架的悬架控制值，该悬架控制装置的特征在于，包括：
到达振动生成部，该到达振动生成部基于由所述传感器获取到的所述信息，生成到达所述车辆的到达振动；
采样处理部，该采样处理部根据所述到达振动生成部所生成的所述到达振动的频率，改变对所述到达振动的振动波形进行采样的时间宽度并对所述到达振动的振动波形进行采样；以及
控制值计算部，该控制值计算部根据所述采样处理部所采样的所述振动波形的采样值来计算所述悬架控制值。
2.如权利要求1所述的悬架控制装置，其特征在于，
所述采样处理部将采样所述到达振动的振动波形时的所述采样值的数量设为一定数量，而与所述到达振动的频率无关。
3.如权利要求2所述的悬架控制装置，其特征在于，
所述采样处理部在所述到达振动为低频的情况下，将所述时间宽度设定得较宽，且稀疏地设定采样间隔，在所述到达振动为高频的情况下，将所述时间宽度设定得较窄，且较密地设定所述采样间隔，从而对所述到达振动的振动波形进行采样。
4.如权利要求1所述的悬架控制装置，其特征在于，
所述到达振动生成部基于由所述传感器获取到的路面位移和所述车辆的车速来预测到达所述车辆的所述到达振动。
5.如权利要求4所述的悬架控制装置，其特征在于，
由所述传感器获取的所述信息包括摄像头图像、所述悬架的活塞速度、以及所述车辆的弹簧上上下加速度中的至少一个。
6.如权利要求1所述的悬架控制装置，其特征在于，
包括路面轮廓获取部，该路面轮廓获取部用于获取所述车辆的当前位置的道路形状信息，
所述到达振动生成部基于根据所述道路形状信息生成的路面位移和所述车辆的车速，来预测到达所述车辆的所述到达振动。
7.如权利要求6所述的悬架控制装置，其特征在于，
所述路面轮廓获取部从服务器装置下载所述道路形状信息。
8.如权利要求1所述的悬架控制装置，其特征在于，
所述控制值计算部包括神经网络，所述神经网络使用与所述到达振动的频率相对应的权重参数来计算所述悬架控制值。
9.如权利要求8所述的悬架控制装置，其特征在于，
所述采样处理部采样到的所述振动波形的采样值的数量是一定数量，而与所述到达振动的频率无关，
所述神经网络的输入层具有与所述振动波形的采样值的数量相同数量的元素。
10.一种悬架控制方法，是使用用于获取车辆的信息或所述车辆周围的信息的传感器来控制所述车辆的悬架的悬架控制装置的悬架控制方法，该悬架控制方法的特征在于，
基于由所述传感器获取到的所述信息，生成到达所述车辆的到达振动，
根据所生成的所述到达振动的频率，改变对所述到达振动的振动波形进行采样的时间宽度并对所述到达振动的振动波形进行采样，
根据所述采样到的所述振动波形的采样值来计算悬架控制值，
基于计算出的所述悬架控制值来控制所述悬架。
11.如权利要求10所述的悬架控制方法，其特征在于，
所述采样到的所述振动波形的采样值的数量是一定数量而与所述到达振动的频率无关，
通过将与所述到达振动的频率相对应的权重参数应用到在输入层具有与所述振动波形的采样值的数量相同数量的元素的神经网络，来计算所述悬架控制值。
CN202280032488.9A 2021-05-11 2022-04-21 悬架控制装置和悬架控制方法 Pending CN117241953A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2021080532A JP2022174613A (ja) 2021-05-11 2021-05-11 サスペンション制御装置、およびサスペンション制御方法
JP2021-080532 2021-05-11
PCT/JP2022/018462 WO2022239619A1 (ja) 2021-05-11 2022-04-21 サスペンション制御装置、およびサスペンション制御方法

Publications (1)

Publication Number Publication Date
CN117241953A true CN117241953A (zh) 2023-12-15

Family

ID=84029542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280032488.9A Pending CN117241953A (zh) 2021-05-11 2022-04-21 悬架控制装置和悬架控制方法

Country Status (4)

Country Link
US (1) US20240217297A1 (zh)
JP (1) JP2022174613A (zh)
CN (1) CN117241953A (zh)
WO (1) WO2022239619A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2024098545A (ja) * 2023-01-11 2024-07-24 株式会社アイシン サスペンションシステム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5786938A (en) * 1980-11-20 1982-05-31 Toshiba Corp Sampling system
BR112016003450B1 (pt) * 2014-06-09 2022-04-26 Nira Dynamics Ab Método e sistema para a detecção de uma irregularidade a curto prazo de uma superfície de estrada sob um veículo de condução tendo pelo menos uma primeira roda e meio de armazenamento legível por computador
JP2017226270A (ja) * 2016-06-21 2017-12-28 Ｋｙｂ株式会社 車両制御装置
JP6521469B2 (ja) * 2017-09-22 2019-05-29 株式会社Ｓｕｂａｒｕ 伝達量制御装置
JP2021017168A (ja) * 2019-07-22 2021-02-15 本田技研工業株式会社 ダンパ制御システム、車両、情報処理装置およびそれらの制御方法、ならびにプログラム

Also Published As

Publication number Publication date
WO2022239619A1 (ja) 2022-11-17
JP2022174613A (ja) 2022-11-24
US20240217297A1 (en) 2024-07-04

Similar Documents

Publication Publication Date Title
JP6673293B2 (ja) 車両システム
Li et al. Road disturbance estimation and cloud-aided comfort-based route planning
US7418372B2 (en) Model predictive control apparatus
CN101793528B (zh) 使用传感器融合来估计车道路径的系统和方法
CN102639378B (zh) 行驶控制装置
Li et al. Cloud aided semi-active suspension control
JP5269024B2 (ja) 路面状況推定装置および路面状況推定方法
CN112829742B (zh) 乘员安全决策方法和装置
CN110874642A (zh) 学习装置、学习方法及存储介质
JP6999599B2 (ja) 官能評価システム、サスペンション装置、サスペンション制御システム
WO2022024919A1 (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
JP2018106490A (ja) 自動運転装置
CN115298045A (zh) 车辆控制装置、车辆控制方法以及车辆控制系统
WO2010095357A1 (en) Vehicle motion estimating device,vehicle motion estimating method, and vehicle motion estimating program
CN117241953A (zh) 悬架控制装置和悬架控制方法
JP2004151910A (ja) 車両走行支援装置および方法
CN115476881B (zh) 车辆轨迹跟踪控制方法、装置、设备及介质
US20240253412A1 (en) Suspension control device, suspension control method, and suspension control system
CN114228746B (zh) 一种预测车辆运动轨迹的方法及装置
KR102468158B1 (ko) 도로의 경사에 따른 자율주행 차량의 가속도 제어 방법 및 장치
JP2013171530A (ja) 揺れ予測装置及びプログラム
US11814076B2 (en) System and method for autonomous vehicle performance grading based on human reasoning
US20230143565A1 (en) Sensory Evaluation Prediction System, Suspension Device, and Suspension Control System
US20230084702A1 (en) System and method of adaptive, real-time vehicle system identification for autonomous driving
Tian et al. Digital Twin Based Multi-Vehicle Cooperative Warning System on Mountain Roads

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