JP2005104346A - 車両のスタビリティファクタ学習方法及び学習装置並びに車両用制御装置 - Google Patents

Abstract

【課題】 車両のスタビリティファクタを学習する技術に関し、車両のスタビリティファクタを車両の状態に応じて算出できるようにする。
【解決手段】 走行中の車両の状態を検出して、この検出情報に基づいて車両の現在の走行状態が安定旋回状態であるかを判定し（ステップＢ９０）、車両の現在の走行状態が安定旋回状態と判定されれば、走行中に検出される車速，操舵角及びヨーレイトに基づいて、車両のスタビリティファクタを所定の演算式により算出し（ステップＢ１４０）、該算出値を車両のスタビリティファクタの学習値（ステップＢ１９０）とすることで、車両の現状態でのスタビリティファクタを求める。
【選択図】 図７

Description

本発明は、車両のスタビリティファクタを学習する技術に関する。

自動車（以下、車両という）の走行時に車両を制御するために、車両のスタビリティファクタを用いる技術が知られている。
例えば、車両の旋回時の姿勢を制御する技術として、旋回時に特定の車輪に制動力を加えることによって車両のステア特性（ヨーモーメント）を制御し、旋回時の車両の旋回方向に対する姿勢を修正し車両の走行安定性を図る技術（例えば、特許文献１参照）が開発されている。

特許文献１の技術では、規範の二輪モデルを使用して算出した目標ヨーレイトとセンサにより検出した実ヨーレイトとの偏差に応じてヨーモーメント制御を実施している。このとき、目標ヨーレイトＹ_Aの算出には、次式のように車両のステア特性を示すスタビリティファクタＡが用いられる。
Ｙ_A＝ＬＰＦ２［ＬＰＦ１｛Ｖｂ／（１+Ａ×Ｖｂ²）×（δ／Ｌ）｝］
なお、上式において、ＬＰＦ１，ＬＰＦ２は何れもローパスフィルタ処理を示し、Ｖｂは車速、δは操舵角、Ｌはホイールベース、をそれぞれ示している。
特許第３２５７３５４号公報

ところで、上述のような車両の姿勢制御をはじめとした車両用制御に用いられるスタビリティファクタは、一般に車両に応じた一定値が用いられる。つまり、定常円走行試験等を行なって、この時に得られる車速Ｖ，操舵角δ及びヨーレイトωからスタビリティファクタＡを算出し、同一車種には、この算出した一定値のスタビリティファクタＡを用いて制御を行なうようにしている。

しかしながら、車両のスタビリティファクタは、車両の状態（例えば重心位置やタイヤ，車両の剛性など）に応じて変化するものであり、上述のように一定値を用いたのでは、種々の車両状態に対応した適切な車両用制御を行なえない場合が発生する。特に、積荷状況が大きく変化するトラックやバン等の商用車や、乗車人数の多いバス等では、大きな課題となる。

本発明はこのような課題に鑑み案出されたもので、車両のスタビリティファクタを車両の状態に応じて算出できるようにして、例えば車両用制御を車両状態に対応して適切に行なうことができるようにした、車両のスタビリティファクタ学習方法及び学習装置並びに車両用制御装置を提供することを目的とする。

上記目標を達成するため、本発明の車両のスタビリティファクタ学習方法は、走行中の車両状態における車両のスタビリティファクタを学習するものであって、走行中の車両の状態を検出して、この検出情報に基づいて車両の現在の走行状態が安定旋回状態であるかを判定する判定ステップと、走行中に検出される車速Ｖ_body，操舵角δ及びヨーレイトＹａｗ_bodyに基づいて、車両のスタビリティファクタＡを

なる演算式（１）により算出し、該判定ステップにより、車両の現在の走行状態が安定旋回状態と判定されれば、該算出値を車両のスタビリティファクタＡの学習値に設定する学習ステップとをそなえていることを特徴としている。
該判定ステップにより車両の現在の走行状態が安定旋回状態であるとする判定条件は、車両のヨーレイトの大きさが予め設定された所定値よりも大きいという第１条件と、車両の前後加速度の大きさが予め設定された所定値よりも小さいという第２条件と、車両の横加速度の大きさが予め設定された範囲内にあるという第３条件と、車速が予め設定された範囲内にあるという第４条件と、車両の操舵角速度の大きさが予め設定された所定値よりも小さいという第５条件と、車両の操舵角の大きさが予め設定された所定値よりも大きいという第６条件と、の各条件が何れも成立することであって、該学習ステップにより上記演算式（１）による該算出値を車両のスタビリティファクタＡの学習値に設定する学習条件として、上記の第１〜６条件が何れも成立する状態が予め設定された所定時間以上継続していることと設定されていることが好ましい。

該学習ステップでは、上記の第１〜６条件が何れも成立したら、上記演算式（１）により上記の第１〜６条件の何れかが不成立になるまで所定周期でスタビリティファクタＡを繰り返して算出し、該演算時に、上記の第１〜６条件が何れも成立する状態が該所定時間以上継続したら、上記の所定の周期で行なった演算結果の平均値を算出し、該平均値を車両のスタビリティファクタＡの学習値として更新することが好ましい。

また、該判定条件にかかる各所定値又は各範囲は、車両の旋回態様（例えば、カーブ路に応じた比較的車速の高い旋回であるか、交差点での右折又は左折に応じた比較的車速の低い旋回であるか等）に応じて異なるものに設定されていることが好ましく、さらに、車両の旋回速度が右折又は左折に相当する低車速の場合、該判定条件にかかる各所定値又は各範囲は、右，左折に応じて異なるものに設定されていることが好ましい。

本発明の車両のスタビリティファクタ学習装置は、上記の請求項１〜５のいずれか１項に記載の車両のスタビリティファクタ学習方法に用いられる装置であって、車両に発生するヨーレイトを検出するヨーレイト検出手段と、車速を検出する車速検出手段と、車両の操舵角を検出する操舵角検出手段と、を含んだ、車両の走行状態又は運転状態を検出する車両状態検出手段と、該車両状態検出手段からの検出情報に基づいて車両の現在の走行状態が安定旋回状態であるか否かを判定する判定手段と、該判定手段により車両の現在の走行状態が安定旋回状態であると判定されている間に、走行中に該車両状態検出手段から得られる車速Ｖ_body，操舵角δ及びヨーレイトＹａｗ_bodyに基づいて、車両のスタビリティファクタＡを上記の演算式（１）により算出し、該算出値を車両のスタビリティファクタＡの学習値とする学習値設定手段とをそなえていることを特徴としている。

本発明の車両用制御装置は、請求項６記載の車両のスタビリティファクタ学習装置をそなえ、該学習装置によって学習されたスタビリティファクタ学習値に基づいて該車両を制御する車両用制御装置であって、該車両の制御に用いる制御用スタビリティファクタは、前回の制御用タビリティファクタに対して最新のスタビリティファクタ学習値を予め設定された重み付け係数により加重平均して求めることを特徴としている。

本発明の車両のスタビリティファクタ学習方法及び学習装置によれば、走行中の車両の走行状態が安定旋回状態であるかを判定して、安定旋回状態であれば、走行中に得られる車速Ｖ_body，操舵角δ及びヨーレイトＹａｗ_bodyの各検出データに基づいて車両のスタビリティファクタＡを算出するので、車両のスタビリティファクタを車両の状態に応じて算出できるようになる。

したがって、本学習方法及び本学習装置によって得られるスタビリティファクタＡを用いて車両制御を行なえば、車両制御を車両状態に対応して適切に行なうことができるようになる。

以下、図面により、本発明の実施の形態について説明する。
図１〜図８は本発明の一実施形態にかかる車両のスタビリティファクタ学習方法及び学習装置並びに車両用制御装置を説明するものであり、図１はその学習装置及び車両用制御装置の構成を示すブロック図、図２はその車両用制御装置にかかるブレーキシステムの構成図、図３はその車両用制御としてのヨーモーメント制御に用いる目標ヨーレイトの算出を説明する図、図４はその車両用制御としてのヨーモーメント制御を説明する図、図５はその学習方法にかかる安定旋回判定条件を説明する図、図６はその学習方法及び車両用制御にかかる旋回判定を説明するフローチャート、図７はその学習方法を説明するフローチャート、図８はその車両用制御としてのヨーモーメント制御を説明するフローチャートである。

本実施形態にかかるスタビリティファクタの学習装置は、車両用制御装置としてのヨーモーメント制御装置（ステア特性制御装置）に付設され備えられる。このヨーモーメント制御装置は、図２に示すような車両の制動システムに装備されるので、まず、この車両の制動システムについて説明する。
図２に示すように、この車両の制動システムは、ブレーキペダル１と、ブレーキペダル１の踏み込みに連動して作動するマスタシリンダ２と、マスタシリンダ２の状態に応じてマスタシリンダ２或いは制動用コントローラ（ブレーキＥＣＵ）３からの指令に応じてブレーキ液リザーバ４から各制動輪（前輪の左右輪及び後輪の左右輪）５ＦＬ，５ＦＲ，５ＲＬ，５ＲＲのホイールブレーキ（以下、ブレーキという）１０のホイールシリンダに供給するブレーキ液圧を制御するハイドロリックユニット６とをそなえている。なお、ここでは、マスタシリンダ２，ハイドロリックユニット６等の液圧調整系と各制動輪のホイールブレーキ１０等から制動機構が構成されるものとする。

図２に示すように（図２には前輪の左右輪ブレーキについてのみ示す）、ハイドロリックユニット６では、ヨーモーメント制御中には、差圧弁６８の上流と下流とで所定の圧力差が生じるように差圧弁６８が作動する。
ヨーモーメント制御中であってブレーキペダル１が踏み込まれていない時には、インライン吸入弁６１が閉鎖され、アウトライン吸入弁６２が開放されるため、ブレーキ液リザーバ４内のブレーキ液がアウトライン６４，アウトライン吸入弁６２及びポンプ６５を通じて導入され、ポンプ６５により加圧されるとともに液圧保持弁６６及び減圧弁６７により圧力調整されて各輪のブレーキ１０に供給される。

ヨーモーメント制御中であってブレーキペダル１が踏み込まれている時には、インライン吸入弁６１が開放され、アウトライン吸入弁６２が閉鎖されるため、マスタシリンダ２内のブレーキ液がインライン６３，インライン吸入弁６１及びポンプ６５を通じて導入され、ポンプ６５により加圧されるとともに液圧保持弁６６及び減圧弁６７により圧力調整されて各輪のブレーキ１０に供給される。

ヨーモーメント制御中は、ヨーモーメントの大きさに応じた制動制御とブレーキペダル１の踏込量に応じた制動制御との両方の制動制御を統合した制動制御を行なうことができるようになっている。
なお、インライン６３とアウトライン６４とはインライン吸入弁６１及びアウトライン吸入弁６２の下流で合流しており、この合流部分の下流にポンプ６５が配置され、ポンプ６５の下流には、各制動輪５ＦＬ，５ＦＲ，５ＲＬ，５ＲＲ毎に液圧保持弁６６及び減圧弁６７が装備されている。

通常制動時には、インライン吸入弁６１及びアウトライン吸入弁６２は閉鎖されて、差圧弁６８，液圧保持弁６６は開放されて、減圧弁６７は閉鎖される。これにより、マスタシリンダ２内の圧力（即ち、ブレーキ踏力）に応じたブレーキ液圧がインライン６３，差圧弁６８，液圧保持弁６６を通じて各輪のブレーキ１０に供給される。また、ＡＢＳ（アンチロックブレーキシステム又はアンチスキッドブレーキシステム）の作動時には、液圧保持弁６６及び減圧弁６７を通じてブレーキ踏力に応じたブレーキ液圧が車輪のロックを生じないように適宜調整される。

このようなハイドロリックユニット６のインライン吸入弁６１，アウトライン吸入弁６２，ポンプ６５，及び各制動輪の液圧保持弁６６，減圧弁６７，差圧弁６８は、ブレーキＥＣＵ３により制御される。
ブレーキＥＣＵ３には、ステアリングホイール（ハンドル）に付設されたハンドル角センサ１１からハンドル角信号が、車体に設置されたヨーレイトセンサ１２から車体のヨーレイト信号が、マスタシリンダ液圧センサ１４からマスタシリンダ液圧信号が、各輪の車輪速センサ１５から車輪速信号が、ブレーキスイッチ１６からブレーキペダル踏込信号が、車体に設置された前後・横加速度センサ１７から前後加速度信号，横加速度信号が、それぞれ入力されるようになっている。なお、車輪速センサ１５からの車輪速信号は車速（車体速）に換算されるため車輪速センサ１５は車速センサとしても機能する。

ブレーキＥＣＵ３には、図１に示すような各機能要素、つまり、ドライバの運転状態に関する種々の情報を入力されこれらの入力情報を適宜処理して出力するドライバ運転状態入力部３１と、車両の運動状態（挙動）に関する種々の情報を入力されこれらの入力情報を適宜処理して出力する車両運動状態入力部３２と、ヨーモーメント制御手段（ステア特性制御手段）３３と、スタビリティファクタの学習手段３７とをそなえている。

ドライバ運転状態入力部３１では、ブレーキスイッチ１６からのブレーキペダル踏込信号によってブレーキペダル１が踏み込まれているか否かを判定するとともに、ハンドル角センサ１１からハンドル角信号に基づいてハンドル角を時間微分してハンドル角速度（操舵角速度）を算出するようになっている。
車両運動状態入力部３２では、ヨーレイトセンサ１２からのヨーレイト信号によって車体に発生する実ヨーレイトを認識し、さらに、車体速，目標ヨーレイト，ヨーレイト偏差を算出するようになっている。車体速は、通常は車輪速センサ１５からの車輪速信号に基づいて算出するが、車輪にスリップが生じたら、それまで得られた車輪速信号に基づく車体速に、前後加速度センサ１７から得られる前後加速度の時間積分値を加算して算出する（この場合、推定車体速となる）ようになっている。

なお、目標ヨーレイトＹａｗ_tgtは、本来、車両に発生すべきヨーレイトであって、図３に示すように、上述のようにして得られた車体速Ｖ_bodyと、ハンドル角センサ１１からのハンドル角信号から得られる実舵角（ハンドル角）δとから、次式（２）により算出し、この算出値をローパスフィルタ処理してノイズ除去して求める。

ただし、Ａは車両のスタビリティファクタであり、本学習手段３７によって得られる。Ｌは車両のホイールベースであり、車両諸元からわかる既知の数値である。
ヨーレイト偏差ΔＹａｗは、目標ヨーレイトＹａｗ_tgtと実ヨーレイトＹａｗ_bodyとの差として次式（３）により算出する。
ΔＹａｗ＝Ｙａｗ_tgt−Ｙａｗ_body ・・・（３）
なお、ヨーレイト偏差ΔＹａｗがアンダステア（ＵＳ）時に正、オーバステア（ＯＳ）時に負となるように、例えばヨーレイト方向に関し右方向を正に設定したら、左方向は符号を変換して（−１を乗算して）上記算出を行なう。

ヨーモーメント制御手段（ステア特性制御手段）３３では、所定の開始条件が成立すると、上記のヨーレイト偏差ΔＹａｗに応じてヨーモーメント制御（ステア特性制御）を行なう。開始条件とは、（ｉ）車体速Ｖ_bodyが基準値（予め設定された低速値）Ｖ₁以上であること、（ii）ヨーレイト偏差ΔＹａｗがアンダステア（ＵＳ）時開始判定閾値ΔＹａｗ_us1又はオーバステア（ＯＳ）時開始判定閾値ΔＹａｗ_as1を超えていること、であり、これらの各条件がいずれも成立すると、ヨーモーメント制御を開始する。なお、ステア特性制御手段３３における（ii）の判定機能をステア特性判定手段３３ａとする。

ヨーモーメント制御では、アンダステア時には、旋回内輪のフレーキ力を高め旋回外輪のフレーキ力を低める。この場合、旋回内輪のうち後輪のみに制動力を加えれば、車両を過剰に減速することなく円滑に効率よくアンダステアを抑制できる。つまり、ブレーキ操作中でなければ、図４（ａ）に示すように、旋回内輪のうち後輪５ＲＬ又は５ＲＲにブレーキ力を付与し、ブレーキ操作中であれば、図４（ｃ）に示すように、旋回内輪のうち後輪５ＲＬ又は５ＲＲのブレーキ力を増加させ、旋回外輪のうち前輪５ＦＲ又は５ＦＬのブレーキ力を減少させるるように、ブレーキ力付与量（具体的には付与すべきブレーキ液圧）、又は、ブレーキ力増加量及び減少量（具体的には増加又は減少すべきブレーキ液圧）を設定する。また、ブレーキ力付与量（又は、ブレーキ力増加量及び減少量）は、ヨーレイト偏差ΔＹａｗに対応してヨーレイト偏差ΔＹａｗの大きさが大きいほど大きく設定される。

また、ヨーモーメント制御では、オーバステア時には、旋回外輪のフレーキ力を高め旋回内輪のフレーキ力を低める。この場合、旋回外輪のうち前輪のみに制動力を加えれば、車両を過剰に減速することなく円滑に効率よくオーバステアを抑制できる。つまり、ブレーキ操作中でなければ、図４（ｂ）に示すように、旋回外輪のうち前輪５ＦＬ又は５ＦＲにブレーキ力を付与し、ブレーキ操作中であれば、図４（ｄ）に示すように、旋回外輪のうち前輪５ＦＬ又は５ＦＲのブレーキ力を増加させ、旋回内輪のうち後輪５ＲＲ又は５ＲＬのブレーキ力を減少させるように、ブレーキ力付与量（具体的には付与すべきブレーキ液圧）、又は、ブレーキ力増加量及び減少量（具体的には増加又は減少すべきブレーキ液圧）を設定する。また、上記と同様に、ブレーキ力付与量又は、ブレーキ力増加量及び減少量は、ヨーレイト偏差ΔＹａｗに対応してヨーレイト偏差ΔＹａｗの大きさが大きいほど大きく設定される。

また、ヨーモーメント制御中に、所定の終了条件が成立すると、ヨーモーメント制御（ステア特性制御）を終了する。終了条件とは、（ｉ）車体速Ｖ_bodyが基準値（予め設定された低速値）Ｖ₂（ただし、Ｖ₂＜Ｖ₁）以下であること、（ii）ヨーレイト偏差ΔＹａｗがアンダステア（ＵＳ）時終了判定閾値又はオーバステア（ＯＳ）時終了判定閾値内になっていること、であり、これらの各条件が一つでも成立すると、ヨーモーメント制御を終了する。

ここで、スタビリティファクタの学習装置について説明する。
本学習装置は、ドライバの運転状態及び車両の運動状態（挙動）といった車両状態を検出する車両状態検出手段と、ブレーキＥＣＵ３内の機能要素として設けられた学習手段３７とから構成されている。
ここで、車両状態検出手段は、ハンドル角センサ（操舵角検出手段）１１，ブレーキスイッチ１６といったドライバの運転状態を検出するものと、ヨーレイトセンサ（ヨーレイト検出手段）１２，マスタシリンダ液圧センサ１４，各輪の車輪速センサ（車速センサ）１５，前後・横加速度センサ１７といった車両の運動状態（挙動）を検出するものとを併せたものである。

また、学習手段３７には、上記の車両状態検出手段からの検出情報に基づいて車両の現在の走行状態が安定旋回状態であるか否かを判定する安定旋回判定手段（単に、判定手段ともいう）３７ａと、この判定手段３７ａにより車両の現在の走行状態が安定旋回状態であると判定されている間に、走行中に車両状態検出手段から得られる車速Ｖ_body，操舵角δ及びヨーレイトＹａｗ_bodyに基づいて、車両のスタビリティファクタＡを下記の演算式（１）により算出し、該算出値を車両のスタビリティファクタＡの学習値とする学習値設定手段３７ｂとをそなえている。

判定手段３７ａでは、車両の現在の走行状態が安定旋回状態であるか否かの判定を、各車両状態検出手段からえられる車両のヨーレイトＹａｗ_bodyと、車両の横加速度Ｇｙと、車速Ｖ_bodyと、車両のハンドル角速度（操舵角速度）ωと、ハンドル角（操舵角）δと、車速Ｖ_bodyを微分して得られる車両の前後加速度Ｇｘとに基づいて行なうようになっている。

なお、ここで用いる車両の前後加速度Ｇｘは，前後・横加速度センサ１７からの前後加速度信号によって認識される値を用いることも可能であるが、車速Ｖ_bodyを微分して得られる値の方が、路面の車両進行方向の勾配に左右されないため、より正確な前後加速度値となる。したがって、車速Ｖ_bodyを微分して得られる値を用いた方が、より適切に安定旋回状態を判定することができる。

車両の現在の走行状態が安定旋回状態であると判定する条件（判定条件Ａ）は、ヨーレイトＹａｗ_bodyの大きさ｜Ｙａｗ_body｜が予め設定された所定値（閾値）Ｙａｗ_SBよりも大きいという第１条件（｜Ｙａｗ_body｜＞Ｙａｗ_SB）と、前後加速度Ｇｘの大きさ｜Ｇｘ｜が予め設定された所定値（閾値）Ｇｘ_STよりも小さいという第２条件（｜Ｇｘ｜＜Ｇｘ_ST）と、横加速度Ｇｙの大きさ｜Ｇｙ｜が予め設定された範囲内にあるという第３条件（Ｇｙ_SB＜｜Ｇｙ｜＜Ｇｙ_ST）と、車速Ｖ_bodyの大きさ｜Ｖ_body｜が予め設定された範囲内にあるという第４条件（Ｖ_SB＜｜Ｖ_body｜＜Ｖ_ST）と、ハンドル角速度ωの大きさ｜ω｜が予め設定された所定値（閾値）ω_STよりも小さいという第５条件（｜ω｜＜ω_ST）と、ハンドル角δの大きさ｜δ｜が予め設定された所定値（閾値）δ_SBよりも大きいという第６条件（δ_SB＜｜δ｜）と、の各条件が何れも成立することである。

これらの条件は、単に安定旋回状態であるか否かだけでなく、スタビリティファクタＡの学習に適した安定旋回状態であるか否かを判定するためのものである。つまり、演算式（１）によるスタビリティファクタＡの算出は、定常旋回時（安定旋回時）に、車輪（タイヤ）のスリップ角と車輪（タイヤ）に働く横力（コーナリングフォース）との関係が線形になることを前提条件にしており、且つ、スタビリティファクタＡを精度良く算出するためには、ある程度の大きさのスリップ角と横力とが発生することが必要になる。

前後加速度Ｇｘに関する第２条件と、ハンドル角速度ωに関する第５条件は、定常旋回（安定旋回）の条件である。横加速度Ｇｙに関する第３条件のうちの上限条件と、車速Ｖ_bodyに関する第４条件のうちの上限条件は、スリップ角と横力とが線形関係となる前提条件に対応している。ヨーレイトＹａｗ_bodyに関する第１条件と、横加速度Ｇｙに関する第３条件のうちの下限条件と、車速Ｖ_bodyに関する第４条件のうちの下限条件と、ハンドル角δに関する第６条件とは、スリップ角と横力とがある程度の大きさで発生するという条件に対応している。

このような各条件を厳しくすると、走行中のスタビリティファクタＡの算出機会が少なくなり、逆に、各条件を甘くすると、走行中のスタビリティファクタＡの算出精度が低くなる。しかし、車両の走行中にスタビリティファクタＡを算出しながら、略リアルタイムに車両の制御に生かすには、走行中のスタビリティファクタＡの算出機会をできるだけ確保することと、スタビリティファクタＡの算出精度についても確保することが必要である。

スタビリティファクタＡを所定の精度で算出するための条件は、旋回態様に応じて異なるものであり、これらの条件を旋回態様にかかわらず一定にしてしまうと、ある旋回態様ではスタビリティファクタＡを精度良く算出できても、他の旋回態様ではスタビリティファクタＡを精度良く算出できない場合も発生する。また、旋回態様によっては、条件を甘くしてスタビリティファクタＡの算出機会を増やしても、スタビリティファクタＡを精度良く算出できる場合もある。

そこで、本装置では、表１に示すように、上記の安定旋回状態の判定にかかる各条件（第１〜６条件）の所定値（閾値）、即ち、Ｙａｗ_body1，Ｇｘ₁，Ｇｙ₁，Ｇｙ₂，Ｖ_body1，Ｖ_body2，ω₁，δ₁の一部又は全てを、車両の旋回態様に応じて異なる値に設定している。

なお、表１に示す各パラメータの閾値の関係は、以下のようになっている。
Ｙaw_SB１＜Ｙaw_SB２＜Ｙaw_SB３＜Ｙaw_SB４
Ｇｘ_ST１＜Ｇｘ_ST２
Ｇｙ_SB１＜Ｇｙ_SB２＜Ｇｙ_ST１
Ｖ_SB１＜Ｖ_SB２＜Ｖ_SS１＜Ｖ_SS２＜Ｖ_ST１
ω_ST１＜ω_ST２
δ_SB１＜δ_SB２＜δ_SB３
表１に示すように、ここでは、車両が、走行路のカーブ（カーブ路）に沿って旋回しているカーブ路旋回の場合と、交差点での右左折のために旋回している交差点旋回の場合とで、上記の各所定値（閾値）を異なる値に設定している。さらに、カーブ路旋回の場合には更に高速走行か中速走行かに応じて、交差点旋回の場合には更に右折か左折かに応じて、上記の各所定値（閾値）を異なる値に設定している。

なお、表１に示すように、ここでは、カーブ路旋回か交差点旋回かの判別は車速に基づいて行なっており、車速Ｖ_bodyが閾値Ｖ_SS１（ただし、Ｖ_SB＜Ｖ_SS１）以上であれば（即ち、中高速であれば）カーブ路旋回と判定し、車速Ｖ_bodyが閾値Ｖ_SS１未満であれば（即ち、低車速であれば）交差点旋回であると判定する。また、車速Ｖ_bodyが閾値Ｖ_SS１以上である場合、さらに閾値Ｖ_SS２（ただし、Ｖ_SS１＜Ｖ_SS２）以上であれば（即ち、高速であれば）カーブ路高速旋回であると判定し、車速Ｖ_bodyが閾値Ｖ_SS２未満であれば（即ち、中速であれば）カーブ路中速旋回であると判定する。

図５は、車速Ｖ_bodyを横軸に旋回半径Ｒを縦軸に示すマップである。
カーブ路旋回（Ｖ_body≧Ｖ_SS１）であれば、図５（ａ）に本学習条件と示す領域内が、現在の車両の走行状態が安定旋回状態であるとの判定条件（判定条件Ａ）となる。ただし、車速閾値Ｖ_SS２を境界にする中高速間で判定条件は異なっている。右折（Ｖ_body＜Ｖ_SS１且つハンドル角右切り）であれば、図５（ｂ）に本学習条件と示す領域内が、現在の車両の走行状態が安定旋回状態であるとの判定条件（判定条件Ａ）となる。左折（Ｖ_body＜Ｖ_SS１且つハンドル角左切り）であれば、図５（ｃ）に本学習条件と示す領域内が、現在の車両の走行状態が安定旋回状態であるとの判定条件（判定条件Ａ）となる。

図５（ｂ）,（ｃ）に示すように、左折時の車速Ｖ_bodyの下限閾値Ｖ_SB１を右折時の車速Ｖ_bodyの下限閾値Ｖ_SB２よりも低くしているが、これは、左折時には旋回半径が小さく速度を大幅に落として走行するためスタビリティファクタＡの算出機会が少なくなってしまうため、スタビリティファクタＡの算出機会をより多く得られるように車速Ｖ_bodyの下限閾値Ｖ_SB１を低くしているのである。もちろん、車速Ｖ_bodyの下限閾値Ｖ_SB１を低くするとスタビリティファクタＡの算出精度が低下してしまうので、これを回避するため他の条件を厳しく設定してこれに対処している。

ここで、車両の旋回態様に対応して各所定値（閾値）をどのように設定しているかを説明する。
上記のように、各パラメータの閾値のうち、第１条件にかかるヨーレイトＹａｗ_bodyに関する下限閾値Ｙaw_SB１,Ｙaw_SB２,Ｙaw_SB３,Ｙaw_SB４は、高速ほど小さくなっている。これは、高速旋回時には比較的ヨーレイトが小さくても精度良くスタビリティファクタＡを算出できるためである。また、右左折のうち左折の方がヨーレイト下限閾値が大きくなっているが、これは、左折時には旋回半径が小さく速度を大幅に落として走行するため上述のように速度条件を緩めているので、スタビリティファクタＡの算出精度を確保するためにこのヨーレイト条件を厳しくしているのである。

第２条件にかかる前後加速度Ｇｘに関する上限閾値については、左折時の上限閾値Ｇｘ_ST２のみ右折時やカーブ路旋回時の上限閾値Ｇｘ_ST１に比べて大きくなっている。これは、左折時には車両を微速度走行から加速して行く場合が多く、上限閾値が小さいとスタビリティファクタＡの算出機会が極端に少なくなってしまうため、スタビリティファクタＡの算出機会をより多く得られるように前後加速度の上限閾値Ｇｘ_ST２を大きくしているのである。もちろん、前後加速度の上限閾値Ｇｘ_ST２を大きくするとスタビリティファクタＡの算出精度が低下してしまうので、これを回避するため、第２条件にかかるハンドル角速度ωの上限閾値について、左折時の上限閾値ω_ST１を右折時やカーブ走行時の上限閾値ω_ST２よりも厳しく（小さく）してこれに対処している。

第３条件にかかる横加速度Ｇｙの下限閾値について、カーブ路高速旋回時の下限閾値Ｇｙ_SB１のみ右左折時やカーブ路中速旋回時の下限閾値Ｇｙ_SB２に比べて小さくなっている。これは、カーブ路を高速走行する場合、その多くは高速道路等の高規格道路でありこのような道路では規定の速度で走行しても横加速度Ｇｙが大きく発生しないように旋回半径が大きく設定されているため、カーブ路高速旋回時の横加速度下限閾値を大きくすると、速度を抑えて運転するドライバ等の場合横加速度はあまり発生しなくなり、スタビリティファクタＡの算出機会が少なくなってしまう。そこで、スタビリティファクタＡの算出機会をより多く得られるようにカーブ路高速旋回時の横加速度下限閾値を小さくしているのである。なお、旋回時の横加速度が小さい場合、一般にはスタビリティファクタＡの算出精度が低下するが、カーブ路を高速旋回していて横加速度が小さい場合には、前後加速度やハンドル角速度等が低い場合が多く、総合的に見ると、スタビリティファクタＡの算出精度は確保されるものと考えられる。

さらに、第６条件にかかるハンドル角δの下限閾値について、カーブ路旋回時の下限閾値δ_SB１,δ_SB２は右左折時の下限閾値δ_SB３よりも小さく設定されている。これは、右左折では、ハンドル角が極めて大きくなるのに対して、カーブ路旋回時にはハンドル角はそれほど大きくならないので、これに対応させたものである。また、カーブ路旋回時でも、カーブ路高速旋回時の下限閾値δ_SB１はカーブ路中速旋回時の下限閾値δ_SB２よりも小さく設定されている。つまり、カーブ路高速旋回を実施する主な対象である高速道路等は、上述のように、一般道路に比べカーブ路の曲率半径が大きく設定されているので、旋回時に、カーブ路中速旋回を行なう一般道路に比べてハンドル角は小さくなる。そこで、上記のように設定しているのである。

ところで、学習手段３７の学習値設定手段３７ｂでは、前述のように、判定手段３７ａにより車両の現在の走行状態が安定旋回状態であると判定されている間には、車両のスタビリティファクタＡを算出するが、この算出値を車両のスタビリティファクタＡの学習値として更新するのは、上記の安定旋回条件（判定条件Ａ）が成立する状態の継続時間Ｔが所定時間Ｔ_S以上であること（判定条件Ｂ）を条件にしている。

ここでは、上記の安定旋回条件（判定条件Ａ）が成立している間は、予め設定された算出周期Ｔ_Cで車両のスタビリティファクタＡを算出し、上記の安定旋回条件（判定条件Ａ）が成立しなくなった（即ち、条件１〜６のいずれか１つでも不成立となった）時点で、安定旋回条件（判定条件Ａ）が成立していた時間Ｔ（＝算出周期Ｔ_C×算出回数ｎ）が所定時間Ｔ_S以上であるかを判定して、時間Ｔが所定時間Ｔ_S以上なら、算出回数ｎ分のスタビリティファクタの積算値ΣＡ_K（＝Ａ₁＋Ａ₂＋・・・＋Ａ_n）からその平均値Ａ_AVE（＝ΣＡ_K／ｎ）を算出する。

学習値設定手段３７ｂでは、この平均値Ａ_AVEを学習値Ａ_Sとして記憶し、学習手段では、次式（４）のように、この新たな学習値学習値Ａ_S（＝平均値Ａ_AVE）に重み付けして、学習前の制御用スタビリティファクタ値Ａ_n-1を補正し、学習を反映させた制御用スタビリティファクタ値Ａ_nを算出するようになっている。
Ａ_n＝Ａ_n-1×（１−Ｗ）＋Ａ_S×Ｗ ・・・（４）
ただし、Ｗは学習結果を反映させる重み付け係数である。

こうして、算出した制御用スタビリティファクタ値Ａ_nは、車両運動状態入力部３２において式（２）を用いて行なう目標ヨーレイトＹａｗ_tgtの算出に用いられるようになっている。
なお、時間Ｔが所定時間Ｔ_S以上にならずに、安定旋回条件（判定条件Ａ）が成立しなくなったら、この学習は無効とする。

このように、安定旋回条件（判定条件Ａ）が成立する状態の継続時間を条件にするのは、スタビリティファクタＡを精度良く算出するためである。
本実施形態の場合、この継続時間の条件にかかる所定時間Ｔ_Sが、旋回態様に応じて微妙に異なる値に設定されている。つまり、カーブ路中速旋回時の所定時間Ｔ_Sは比較的長く設定され、カーブ路高速旋回時の所定時間Ｔ_Sは比較的短く設定され、右左折の所定時間Ｔ_Sはこれらの中間的な値に設定されている。

カーブ路中速旋回時の所定時間Ｔ_Sを比較的長く設定しているのは、この旋回時には安定旋回条件（判定条件Ａ）が成立する場合が多く、スタビリティファクタＡの算出精度を重視して所定時間Ｔ_Sを比較的長くしても、スタビリティファクタＡの学習機会は比較的多くあるものと考えられるためである。カーブ路高速旋回時の所定時間Ｔ_Sを比較的短く設定しているのは、この旋回時には安定旋回条件（判定条件Ａ）が成立する場合が少なく、スタビリティファクタＡの算出精度よりもスタビリティファクタＡの学習機会を確保するためである。

右左折の所定時間Ｔ_Sは、右左折時にスタビリティファクタＡの学習機会が十分に得られるように、実際の右左折時の旋回時間に応じて設定されたものである。左折時は、旋回半径は小さいが車速が低く、しかも、右左折で異なる判定条件Ａが設定されているので、右折時よりも安定旋回条件（判定条件Ａ）が長く継続されやすい。そこで、左折の所定時間Ｔ_Sは、右折の所定時間Ｔ_Sよりもやや長く設定して、スタビリティファクタＡの算出精度の確保とスタビリティファクタＡの学習機会の確保とをバランスさせている。

本発明の一実施形態にかかるスタビリティファクタの学習装置は上述のように構成されており、この装置を用いて、本実施形態にかかるスタビリティファクタの学習方法は、例えば図６,図７に示すフローチャートのように実施される。なお、図６,図７に示すフローチャートは予め設定された制御周期（算出周期）で実施される。
つまり、図６の旋回判定ルーチンに示すように、まず、車両状態検出手段で検出された車両状態情報を取得し（ステップＡ１０）、前回の判定で車両が旋回中と判定されたか否かをフラグＦ１によって判定する（ステップＡ２０）。このフラグＦ１は旋回判定フラグであり、旋回している時には１とされ、旋回していない時には０とされ、初期値は０とされる。前回、旋回中でなければ、ステップＡ３０に進み、車両の旋回が開始したか否かが判定される。車両の旋回が開始したら、フラグＦ１を１にする（ステップＡ４０）。前回、旋回中ならば、ステップＡ２０からステップＡ５０に進み、車両の旋回が終了したか否かが判定される。車両の旋回が終了したら、フラグＦ１を０にする。

ステップＡ３０,Ａ５０の旋回開始,終了判定は、例えばハンドル角δの大きさが所定の旋回判定閾値（この場合、安定旋回判定のハンドル角下限閾値であるカーブ路高速旋回時の下限閾値δ_SB１を旋回判定閾値とすることが考えられる）を超えたら旋回開始と判定し、ハンドル角δの大きさが所定の旋回判定閾値以下になったら旋回終了と判定することができる。

一方、図７のスタビリティファクタ学習ルーチンに示すように、まず、車両が旋回中か否かをフラグＦ１によって判定する（ステップＢ１０）。車両が旋回中ならば、車両状態検出手段で検出された車両状態情報を取得し（ステップＢ２０）、この旋回がカーブ路旋回か否かを判定する（ステップＢ３０）。この判定は、車速によって行なう。つまり、車速Ｖ_BODYが判定閾値Ｖ_SS１以上の中高速域であればカーブ路旋回と判定し、車速Ｖ_BODYが判定閾値Ｖ_SS１未満の低速域であればカーブ路旋回でないと判定する（ステップＢ６０）。

カーブ路旋回であれば、図５（ａ）に示す判定マップａを用いるようにする（ステップＢ６０）。カーブ路旋回でなければ、交差点旋回（右折又は左折）であるか否かを判定し（ステップＢ４０）、交差点旋回であれば、右旋回（右折）であるか左旋回（左折）であるかを判定するステップＢ５０）。ここで、交差点旋回か否かは、ハンドル角δが所定の閾値（例えば、δ_SB３）以上になっているか否かで判定することができ、右折か左折かは、ハンドル角δの方向から判定できる。

そして、右旋回ならば、図５（ｂ）に示す判定マップｂを用いるようにし（ステップＢ７０）、左旋回ならば、図５（ｃ）に示す判定マップｃを用いるようにする（ステップＢ８０）。
このように、判定マップが選定されたら、前回、旋回が安定旋回であるか否かを前述の判定条件Ａにより判定する（ステップＢ９０）。

旋回が安定旋回ならば、安定旋回判定フラグＦ２が１か否かを判定する（ステップＢ１００）。この安定旋回判定フラグＦ２は、安定旋回中であると判定されたら１とされ、安定旋回中でないと判定されたら０とされ、初期値は０とされる。
前回安定旋回と判定されず今回安定旋回と判定されたら、安定旋回判定フラグＦ２は０なので、ステップＢ１１０に進んで、スタビリティファクタ演算回数値ｎのカウントを開始し（ｎ＝１）、安定旋回判定フラグＦ２を１にセットする（ステップＢ１２０）。そして、ステップＢ２０で取得した車両情報から前述の式（１）によってスタビリティファクタＡを演算し（ステップＢ１４０）、スタビリティファクタＡの積算値ΣＡを記憶する（ステップＢ１５０）。

このようにして、ステップＢ９０で安定旋回と判定され続けると、演算回数ｎがインクリメントされていき、ステップＢ１５０のスタビリティファクタＡの積算値ΣＡはこの演算回数ｎ回分の値となる。
例えば、安定旋回状態がｎ周期続行した後のｎ＋１周期目に安定旋回状態でなくなった場合には、ステップＢ９０からステップＢ１６０に進み、安定旋回判定フラグＦ２が１か否かを判定する。ここでは、前回、安定旋回状態でありＦ２＝１なので、まず、ステップＢ１７０に進んでＦ２＝０にリセットし、さらに、ステップＢ１８０に進んで、判定条件Ｂ、即ち、安定旋回状態の継続時間Ｔ（＝ｎ×Ｔ_C）が上述の所定時間Ｔ_S以上か否かを判定する。

ここで、継続時間Ｔが所定時間Ｔ_S以上でなければ、今回の学習は結果なしとして終了するが、継続時間Ｔが所定時間Ｔ_S以上であれば、ステップＢ１５０で算出したスタビリティファクタＡの積算値ΣＡを演算回数ｎで除算して、スタビリティファクタ平均値Ａ_AVEを算出し（ステップＢ１９０）、これを学習値Ａ_Sとして制御用スタビリティファクタ値Ａ_nを前記の式（４）によって更新する。

一方、本実施形態の車両用制御装置としてのヨーモーメント制御装置（ステア特性制御装置）では、このようにして、走行中に更新された制御用スタビリティファクタ値Ａ_nを用いて、例えば図８に示すように制御を実施する。
図８に示すように、まず、制御関連データを取り込んで（ステップＣ１０）、ステア特性制御（ヨーモーメント制御）が必要か否かを判定し（ステップＣ２０）、ステア特性制御（ヨーモーメント制御）が必要なら、アンダステアに対する制御かオーバステアに対する制御かを判定する（ステップＣ３０）。

アンダステアに対するものなら、ブレーキ操作中か否かを判定し（ステップＣ４０）、ブレーキ操作中でなければ、図４（ａ）に示すように、旋回内輪のうち後輪５ＲＬ又は５ＲＲにブレーキ力を付与するように、ブレーキ力（ブレーキ液圧）付与量をヨーレイト偏差ΔＹａｗに対応して設定する（ステップＣ５０）。ブレーキ操作中であれば、図４（ｃ）に示すように、旋回内輪のうち後輪５ＲＬ又は５ＲＲのブレーキ力を増加させ、旋回外輪のうち前輪５ＦＲ又は５ＦＬのブレーキ力を減少させるように、ブレーキ力（ブレーキ液圧）の増加量及び減少量をヨーレイト偏差ΔＹａｗに対応して設定する（ステップＣ６０）。

オーバステアに対するものなら、ブレーキ操作中か否かを判定し（ステップＣ７０）、ブレーキ操作中でなければ、図４（ｂ）に示すように、旋回外輪のうち前輪５ＦＬ又は５ＦＲにブレーキ力を付与するように、ブレーキ力（ブレーキ液圧）付与量をヨーレイト偏差ΔＹａｗに対応して設定する（ステップＣ８０）。ブレーキ操作中であれば、図４（ｄ）に示すように、旋回外輪のうち前輪５ＦＬ又は５ＦＲのブレーキ力を増加させ、旋回内輪のうち後輪５ＲＲ又は５ＲＬのブレーキ力を減少させるように、ブレーキ力（ブレーキ液圧）の増加量及び減少量をヨーレイト偏差ΔＹａｗに対応して設定する（ステップＣ９０）。

ステップＣ５０,Ｃ６０,Ｃ８０,Ｃ９０のヨーレイト偏差ΔＹａｗの算出には、目標ヨーレイトＹａｗ_tgtが用いられるが、この目標ヨーレイトＹａｗ_tgtの算出に制御用スタビリティファクタ値Ａ_nが用いられる。
そして、ステア特性制御手段３３により設定された各輪のブレーキ力（ブレーキ液圧）の増加量及び減少量におうじてブレーキを制御する。

このようにして、本学習方法又は学習装置では、走行中の車両の走行状態が安定旋回状態であるかを判定して、安定旋回状態であれば、走行中に得られる車速Ｖ_body，操舵角δ及びヨーレイトＹａｗ_bodyの各検出データに基づいて車両のスタビリティファクタＡを算出するので、車両の重心位置や装着されたタイヤやサスペンション特性や車両剛性が変化した場合にも、これに応じたスタビリティファクタＡを走行中に速やかに算出することができる。

このように、車両のスタビリティファクタを車両の状態に応じて略リアルタイムに算出できるので、本学習方法及び本学習装置によって得られるスタビリティファクタＡを用いてヨーモーメント制御等の車両用制御を行なえば、車両用制御を車両状態に対応して適切に行なうことができるようになる。
また、走行中に、スタビリティファクタを算出する場合、算出頻度と算出精度とはトレードオフの関係にあり、算出頻度を高めようとすると算出精度が低下し、算出精度を高めようとすると算出頻度が低下してしまうが、本学習方法及び本学習装置では、各旋回の態様に応じて、スタビリティファクタを算出する条件（判定条件Ａ,Ｂ）をそれぞれ固有に設定しているので、算出頻度と算出精度とをバランスさせることができ、一定の精度のスタビリティファクタをある程度の頻度で得ることができ、車両用制御に関する実用性が高められるという効果もある。

以上、本発明の実施形態を説明したが、本発明はかかる実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で種々変形して実施することができる。
例えば、車両用制御として、ブレーキを用いたヨーモーメント制御（ステア特性制御）を説明したが、本学習方法や本学習装置の適用できる車両用制御は、これに限るものではなく、例えば駆動輪へのトルク配分を制御することでヨーモーメント等を制御するものや４輪操舵制御など、スタビリティファクタを用いた種々の車両用制御に適用しうる。

本発明の一実施形態にかかる学習装置及び車両用制御装置の構成を示すブロック図である。 本発明の一実施形態の車両用制御装置にかかるブレーキシステムの構成図である。 本発明の一実施形態にかかる車両用制御としてのヨーモーメント制御に用いる目標ヨーレイトの算出を説明する図である。 本発明の一実施形態にかかる車両用制御としてのヨーモーメント制御を説明する図である。 本発明の一実施形態の学習方法にかかる安定旋回判定条件を説明する図である。 本発明の一実施形態の学習方法及び車両用制御にかかる旋回判定を説明するフローチャートである。 本発明の一実施形態の学習方法を説明するフローチャートである。 本発明の一実施形態の車両用制御としてのヨーモーメント制御（ステア特性制御）を説明するフローチャートである。

符号の説明

１ ブレーキペダル
２ マスタシリンダ
３ 制動用コントローラ（ブレーキＥＣＵ）
４ ブレーキ液リザーバ
５ＦＬ，５ＦＲ，５ＲＬ，５ＲＲ 制動輪
６ ハイドロリックユニット
１０ ホイールブレーキ
１１ ハンドル角センサ
１２ ヨーレイトセンサ
１４ マスタシリンダ液圧センサ
１５ 車輪速センサ
１６ ブレーキスイッチ
１７ 前後・横加速度センサ
３１ 運転状態入力部
３２ 車両運動状態入力部
３３ ヨーモーメント制御手段（ステア特性制御手段）
３３ａ ステア特性判定手段
３７ スタビリティファクタの学習手段
３７ａ 安定旋回判定手段（判定手段）
３７ｂ 学習値設定手段

Claims (7)

1. 走行中の車両状態における車両のスタビリティファクタを学習する方法であって、
   走行中の車両の状態を検出して、この検出情報に基づいて車両の現在の走行状態が安定旋回状態であるかを判定する判定ステップと、
   走行中に検出される車速Ｖ_body，操舵角δ及びヨーレイトＹａｗ_bodyに基づいて、車両のスタビリティファクタＡを
   

   

   なる演算式（１）により算出し、該判定ステップにより、車両の現在の走行状態が安定旋回状態と判定されれば、該算出値を車両のスタビリティファクタＡの学習値に設定する学習ステップとをそなえている
   ことを特徴とする、車両のスタビリティファクタ学習方法。
2. 該判定ステップにより車両の現在の走行状態が安定旋回状態であるとする判定条件は、車両のヨーレイトの大きさが予め設定された所定値よりも大きいという第１条件と、車両の前後加速度の大きさが予め設定された所定値よりも小さいという第２条件と、車両の横加速度の大きさが予め設定された範囲内にあるという第３条件と、車速が予め設定された範囲内にあるという第４条件と、車両の操舵角速度の大きさが予め設定された所定値よりも小さいという第５条件と、車両の操舵角の大きさが予め設定された所定値よりも大きいという第６条件と、の各条件が何れも成立することであって、
   該学習ステップにより上記演算式（１）による該算出値を車両のスタビリティファクタＡの学習値に設定する学習条件として、上記の第１〜６条件が何れも成立する状態が予め設定された所定時間以上継続していることと設定されている
   ことを特徴とする、請求項１記載の車両のスタビリティファクタ学習方法。
3. 該学習ステップでは、
   上記の第１〜６条件が何れも成立したら、上記演算式（１）により上記の第１〜６条件の何れかが不成立になるまで所定周期でスタビリティファクタＡを繰り返して算出し、
   該演算時に、上記の第１〜６条件が何れも成立する状態が該所定時間以上継続したら、上記の所定の周期で行なった演算結果の平均値を算出し、該平均値を車両のスタビリティファクタＡの学習値として更新する
   ことを特徴とする、請求項２記載の車両のスタビリティファクタ学習方法。
4. 該判定条件にかかる各所定値又は各範囲は、車両の旋回態様に応じて異なるものに設定されている
   ことを特徴とする、請求項２又は３記載の車両のスタビリティファクタ学習方法。
5. 車両の旋回速度が右折又は左折に相当する低車速の場合、該判定条件にかかる各所定値又は各範囲は、右，左折に応じて異なるものに設定されている
   ことを特徴とする、請求項４記載の車両のスタビリティファクタ学習方法。
6. 上記の請求項１〜５のいずれか１項に記載の車両のスタビリティファクタ学習方法に用いられる装置であって、
   車両に発生するヨーレイトを検出するヨーレイト検出手段と、車速を検出する車速検出手段と、車両の操舵角を検出する操舵角検出手段と、を含んだ、車両の走行状態又は運転状態を検出する車両状態検出手段と、
   該車両状態検出手段からの検出情報に基づいて車両の現在の走行状態が安定旋回状態であるか否かを判定する判定手段と、
   該判定手段により車両の現在の走行状態が安定旋回状態であると判定されている間に、走行中に該車両状態検出手段から得られる車速Ｖ_body，操舵角δ及びヨーレイトＹａｗ_bodyに基づいて、車両のスタビリティファクタＡを上記の演算式（１）により算出し、該算出値を車両のスタビリティファクタＡの学習値とする学習値設定手段とをそなえている
   ことを特徴とする、車両のスタビリティファクタ学習装置。
7. 請求項６記載の車両のスタビリティファクタ学習装置をそなえ、該学習装置によって学習されたスタビリティファクタ学習値に基づいて該車両を制御する車両用制御装置であって、
   該車両の制御に用いる制御用スタビリティファクタは、前回の制御用スタビリティファクタに対して最新のスタビリティファクタ学習値を予め設定された重み付け係数により加重平均して求める
   ことを特徴とする、車両用制御装置。
   
   

Images