JP2009107384A - ハイブリッド自動車 - Google Patents

Abstract

【課題】予め用意された制御パターンに依らず様々な運転者の癖や使用環境に対応してエンジンと電動機とのトルク配分を最適に制御する。
【解決手段】所定時間内における、運転者の要求トルクと、エンジンの回転速度と、電動機に電源を供給するバッテリへの回生電流と、当該バッテリの充電状態を示す値とに関する情報をそれぞれ取得する手段と、この取得した情報に基づき燃料噴射量およびバッテリ電流に関するシミュレーションを実施する手段と、このシミュレーション結果に基づきエンジンの燃料消費量およびバッテリの充電状態を示す値が最適値になるようにアシストマップを作成するアシストマップ作成手段とを備える。
【選択図】図１

Description

本発明は、エンジンと電動機とを併せて備えたハイブリッド自動車に関する。

低燃費を実現するためにエンジンと電動機とを併せて備えたハイブリッド自動車が普及しつつある。一般的に、ハイブリッド自動車は、発車時のように一時的に大きなエンジントルクが必要な状況下では電動機によって駆動することによりエンジンの負荷を軽減し、高速走行中のように低いトルクが継続する状況下ではエンジンによって駆動することにより、電動機用バッテリに充電を行っている（例えば、特許文献１参照）。

エンジンと電動機とを最適に制御するためには、自動車メーカ側が予め実験を行って得た結果に基づくアシストマップを複数搭載しており、その時点における運転者の要求トルクと自動車の走行状態とに基づき複数のアシストマップの中から最適なアシストマップを選択して使用する。

特開平１１−３２４４２号公報

乗用車では、オートマチック車が広く普及しており、運転者の運転上の癖が反映される部分も比較的少なくなっているが、トラックやバスなどの大型自動車では、マニュアルトランスミッションが主流であるため、運転者の運転上の癖が反映される部分は多い。例えば、急発進や急加速を頻繁に行う運転者もいれば、そのような行為を行わない運転者もいる。

また、長時間高速道路を走行する長距離トラック便または高速バスや頻繁に発車、停車を繰り返す宅配便または路線バスなどのように、トラックやバスなどの大型自動車は、その使用環境が様々である。

したがって、乗用車のように、予めメーカ側で用意されたアシストマップを用いるハイブリッド制御を行った場合に、様々な運転者の癖や使用環境に対応できない場合も有り得るという問題がある。

本発明は、このような背景の下に行われたものであって、予め用意されたアシストマップに依らず様々な運転者の癖や使用環境に対応してエンジンと電動機とのトルク配分を最適に制御することができるハイブリッド自動車を提供することを目的とする。

本発明は、エンジンと、電動機と、運転者の要求トルクと車両の走行状態とに基づき上記エンジンおよび電動機に配分するトルクをそれぞれ算出する算出手段とを備えたハイブリッド自動車である。

ここで、本発明の特徴とするところは、上記算出手段は、所定時間内における、運転者の要求トルクと、上記エンジンの回転速度と、上記電動機に電源を供給するバッテリへの回生電流と、当該バッテリの充電状態を示す値とに関する情報をそれぞれ取得する手段と、この取得した情報に基づき燃料噴射量およびバッテリ電流に関するシミュレーションを実施する手段と、このシミュレーション結果に基づき上記エンジンの燃料消費量および上記バッテリの充電状態を示す値が最適値になるようにアシストマップを作成するアシストマップ作成手段とを備えたところにある。

例えば、最適値とは、燃料消費量についてみれば従来と比較して改善がみられる値であり、ＳＯＣについてみれば高い値で一定を保つような値である。これら双方の値が同時に最適値となるようにアシストマップを作成する。

例えば、予め定められた複数のパラメータの組合せのそれぞれについて仮のトルク配分パターンを複数設定し、仮のエンジントルクおよび仮の電動機トルクをそれぞれ出力して前記シミュレーションを実施する手段に与えるトルク配分試行手段を備え、さらに、前記シミュレーションを実施する手段は、前記取得した情報のエンジンの回転速度と前記仮のエンジントルクとを入力し、燃料噴射量を出力する第一の演算手段と、前記取得した情報のエンジンの回転速度と前記仮の電動機トルクと前記取得した情報のバッテリの充電状態を示す値とを入力し、バッテリ電流を出力する第二の演算手段とを備える。

予め定められた複数のパラメータの組合せのそれぞれについて設定された複数の仮のトルク配分パターン毎に、燃料消費量およびバッテリ電流のシミュレーションを実施することができ、複数のシミュレーション結果を得ることができる。

前記アシストマップ作成手段は、これら２つの演算手段の出力に基づく複数のシミュレーション結果の中から上記エンジンの燃料消費量および上記バッテリの充電状態を示す値が最適値になるようなシミュレーション結果を選び、そのシミュレーション結果が得られたときのトルク配分パターンに基づき最適なアシストマップを作成することができる。

例えば、前記第一の演算手段は、前記取得した情報のエンジンの回転速度と前記仮のエンジントルクとを入力し、燃料噴射量を出力するように予め学習が施されたニューラルネットワークを備え、前記第二の演算手段は、前記取得した情報のエンジンの回転速度と前記仮の電動機トルクと前記取得した情報のバッテリの充電状態を示す値とを入力し、バッテリ電流を出力するように予め学習が施されたニューラルネットワークを備えるようにすれば、これらの演算手段を簡単な構成により実現することができる。

本発明によれば、様々な運転者の癖や使用環境に対応してエンジンと電動機とのトルク配分を最適に制御することができる。

（本発明の概要）
本発明の概要を図１を参照して説明する。図１は、本発明の概要を説明するための図である。

本発明は、図１に示すように、時間Ｔ１において取得した情報に基づきシミュレーションを行って最適なアシストマップを作成し、このアシストマップを時間Ｔ２の走行において使用する。さらに、時間Ｔ２において取得した情報に基づきシミュレーションを行って最適なアシストマップを作成し、このアシストマップを時間Ｔ３の走行において使用する。

すなわち、時間Ｔ（Ｎ−１）において取得した情報に基づきシミュレーションを行って最適なアシストマップを作成し、このアシストマップを時間ＴＮの走行において使用する。

このようにして逐次、最適なアシストマップを作成しながら走行を行うことができるため、様々な運転者の癖や使用環境に対応してエンジンと電動機とのトルク配分を最適に制御することができる。
（本発明の実施形態）
本発明の実施形態のハイブリッド自動車を図２から図１３を参照して説明する。図２は、本発明の実施形態のハイブリッド自動車の要部構成を示す図である。図３は、ハイブリッド制御部３のブロック構成図である。

本発明の実施形態のハイブリッド自動車は、図２に示すように、エンジン１と、電動機２と、運転者の要求トルクと車両の走行状態とに基づきエンジン１および電動機２に配分するトルクをそれぞれ算出する算出手段であるハイブリッド制御部３とを備える。当該車両は、マニュアル操作によるクラッチ６およびトランスミッション７を備えている車両を想定しているが、本発明の適用範囲をマニュアル車に限定するものではない。

ここで、特徴とするところは、図３に示すように、ハイブリッド制御部３は、所定時間内における、運転者の要求トルクと、エンジン１の回転速度と、電動機２に電源を供給するバッテリ５への回生電流と、当該バッテリ５の充電状態（以下では、ＳＯＣ(state of charge)という）を示す値とに関する情報をそれぞれ取得する手段である情報取得部１０と、この取得した情報に基づき燃料噴射量およびバッテリ電流に関するシミュレーションを実施する手段である燃料噴射計算モデル部１２およびバッテリ電流計算モデル部１３と、このシミュレーション結果に基づきエンジン１の燃料消費量およびバッテリ５のＳＯＣを示す値が最適値になるようにアシストマップを作成するアシストマップ作成手段であるアシストマップ作成部１５とを備えたところにある。

なお、最適値とは、燃料消費量についてみれば従来のハイブリッド車ではない同型車両と比較して改善がみられる値であり、ＳＯＣについてみれば高い値で一定を保つような値である。これら双方の値が同時に最適値となるようにアシストマップを作成する。

また、予め定められた複数のパラメータの組合せのそれぞれについて仮のトルク配分パターンを複数設定し、仮のエンジントルクおよび仮の電動機トルクをそれぞれ出力して燃料噴射計算モデル部１２およびバッテリ電流計算モデル部１３に与えるトルク配分試行部１１を備える。

なお、燃料噴射計算モデル部１２は、情報取得部１０が取得した情報のエンジン１の回転速度と仮のエンジントルクとを入力し、燃料噴射量を出力する第一の演算手段を備え、バッテリ電流計算モデル部１３は、情報取得部１０が取得した情報のエンジン１の回転速度と仮の電動機トルクと情報取得部１０が取得した情報のバッテリ５のＳＯＣを示す値とを入力し、バッテリ電流を出力する第二の演算手段を備える。

これにより、アシストマップ作成部１５は、これら２つの演算手段の出力に基づきエンジン１の燃料消費量およびバッテリ５のＳＯＣを示す値が最適値になるような仮のトルク配分パターンを選択してアシストマップを作成し、このアシストマップに従って、エンジン１にはエンジン制御情報を送出し、電動機２のインバータ４には電動機制御情報を送出する。

なお、第一の演算手段は、情報取得部１０が取得した情報のエンジン１の回転速度と仮のエンジントルクとを入力し、燃料噴射量を出力するように予め学習が施されたニューラルネットワークを備え、第二の演算手段は、情報取得部１０が取得した情報のエンジン１の回転速度と仮の電動機トルクと情報取得部１０が取得した情報のバッテリ５のＳＯＣを示す値とを入力し、バッテリ電流を出力するように予め学習が施されたニューラルネットワークを備える。

このようにニューラルネットワークを用いることにより、簡単な構成により演算手段を実現することができるが、本発明に適用される演算手段をニューラルネットワークに限定するものではない。

次に、ハイブリッド制御部３の処理手順を図４のフローチャートを参照して説明する。図４は、ハイブリッド制御部３の処理手順を示すフローチャートである。図４に示すように、情報取得部１０は、ＣＡＮ(Control Area Network)８を介し、バッテリ制御部５Ｃからの回生電流情報およびＳＯＣ情報、エンジン制御部１Ｃからのエンジン回転速度情報および運転者の要求トルク情報をそれぞれ取得する（ステップＳ１）。

これらの情報は、それぞれ回生電流情報バッファ１０−１、エンジン回転速度情報バッファ１０−２、運転者の要求トルク情報バッファ１０−３、ＳＯＣ情報バッファ１０−４に蓄積される。

また、情報取得部１０には、タイマ１０−５が設けられており、タイマ１０−５には外部から所定時間が設定される。この所定時間は、情報取得部１０が情報を取得する時間であり、本実施形態では５０秒間とした。

この所定時間は、情報取得部１０が情報を取得する期間であり、所定時間内に取得した情報に基づき以降のシミュレーションが実施される。取得した情報の処理手法としては、例えば、期間内に取得した情報から得られた値を平均化して用いたり、あるいは、期間内に取得した情報から最も特徴的な挙動（最大値、最小値など）を抽出して用いるなどの処理手法が考えられるが、これは従来から用いられている処理手法を用いればよいので詳細な説明は省略する。いずれの処理手法であっても、所定時間が長ければ長い程、シミュレーションに用いることができる情報量は多くなり、シミュレーションの精度が高くなるが、その代わり、シミュレーション結果のリアルタイム性が失われるので、車両の使用状況に基づき適宜設定する。

例えば、主に高速道路を走行する車両であれば、道路の環境の変化は少ないため、所定時間は長めであってもよいが、主に市街地を走行する車両であれば、道路の環境の変化が大きいため、所定時間は短めであることが望ましい。

タイマ１０−５が所定時間を計時するまで情報を取得したら（ステップＳ２のＹｅｓ）、アシストパラメータの選択手順に移行する（ステップＳ３）。図５は、パラメータの種類とその値を説明するための図である。パラメータは、図５に示すように、要求トルクＴ_reqに対する電動機２のトルクＴ_{a_peak}、トルクＴ_{a_peak}に対応するエンジン１の回転速度ω_{e_peak}、係数γ、アシストウェイトＥ_trqからなる。

電動機２のトルクＴ_{a_peak}は、５０Ｎｍから３００Ｎｍまでの範囲を５０Ｎｍステップずつ区切った値を使用する。回転速度ω_{e_peak}は、５００ＲＰＭから２０００ＲＰＭまでの範囲を２５０ＲＰＭずつ区切った値を使用する。係数γは、２．５×１０^-4から５．５×１０^-4までの範囲を１．０×１０^-4ずつ区切った値を使用する。アシストウェイトＥ_trqは、０から１．０までの範囲を０．２ずつ区切った値を使用する。

これらのパラメータを用いることにより、エンジン回転速度がω_eであるときのアシストトルクＴ_ass（ω_e）は、
Ｔ_ass（ω_e）＝γ（ω_e−ω_{e_peak}）²＋Ｔ_{a_peak}
と表すことができるので、この式に、図５のパラメータの値の組合せを順次代入する。図６は、アシストマップを示す図であり、横軸にエンジン回転速度をとり、縦軸にトルクをとる。図６に示すように、アシストマップ中に破線で示したアシストトルクＴ_ass（ω_e）を示すトルク配分パターンが全てのパラメータの値の組合せの分だけ生成される。この組合せは１００８通りになる。これを仮のトルク配分パターンと呼ぶことにする。

さらに、アシストトルクＴ_ass（ω_e）に基づき電動機トルクＴ_mおよびエンジントルクＴ_eが
Ｔ_m＝｛Ｔ_trq−Ｔ_ass（ω_e）｝×Ｅ_trq
Ｔ_e＝Ｔ_trq−Ｔ_m
と表される。

エンジントルクＴ_eおよび電動機トルクＴ_mは、図３に示すように、それぞれ燃料噴射計算モデル部１２およびバッテリ電流計算モデル部１３に入力され、シミュレーションが実行される（ステップＳ４）。なお、これらのエンジントルクＴ_eおよび電動機トルクＴ_mは、仮のトルク配分パターンから導出された値であるので、これを仮のＴ_eおよび仮の電動機トルクＴ_mと呼ぶことにする。

図７は、エンジン回転速度ω_eと仮のエンジントルクＴ_eとを入力し、燃料噴射量を出力するニューラルネットワークを示す図である。図８は、エンジン回転速度ω_eと仮の電動機トルクＴ_mとＳＯＣ情報とを入力し、バッテリ電流を出力するニューラルネットワークを示す図である。

図７に示すニューラルネットワークは、燃料噴射計算モデル部１２に設定されており、図８に示すニューラルネットワークは、バッテリ電流計算モデル部１３に設定されている。これらのニューラルネットワークは、予めそれぞれの入力に対して適切な出力を行うように学習が施されている。

燃料噴射計算モデル部１２は、図７に示すニューラルネットワークを用い、トルク配分試行部１１から出力された仮のトルク配分パターンに基づく仮のエンジントルクＴ_e計算結果と情報取得部１０から出力されたエンジン回転速度ω_e情報とを入力し、これらの入力に対する燃料噴射量を出力する。

バッテリ電流計算モデル部１３は、図８に示すニューラルネットワークを用い、トルク配分試行部１１から出力された仮のトルク配分パターンに基づく仮の電動機トルクＴ_m計算結果と情報取得部１０から出力されたエンジン回転速度ω_e情報およびＳＯＣ情報とを入力し、これらの入力に対する適切なバッテリ電流を出力する。

ステップＳ３およびＳ４を１００８通りの全てのパラメータの組合せについて実行したら（ステップＳ５のＹｅｓ）、評価部１４は、そのシミュレーション結果に基づいて評価を実施する（ステップＳ６）。評価は、燃料消費量についてみれば従来と比較して改善がみられる値をとり、ＳＯＣについてみれば高い値で一定を保つような値をとるパラメータの値の組合せを最適なアシストを実現し得るパラメータの組合せとして評価する。

評価部１４の評価手順について図９を参照して説明する。図９は、評価部１４の評価手順を示すフローチャートである。評価部１４は、図９に示すように、燃料噴射計算モデル部１２およびバッテリ電流計算モデル１３から燃料噴射量およびバッテリ電流のシミュレーション結果を取得し（ステップＳ６−１）、燃料消費量改善度が所定値以上であり、バッテリ電流が所定の範囲内となるシミュレーション結果が有るか否かを判定する（ステップＳ６−２）。そのようなシミュレーション結果があれば（ステップＳ６−２のＹｅｓ）、これを最適なシミュレーション結果として抽出する（ステップＳ６−３）。

なお、所定値とは、例えば、従来のハイブリッド車ではない同型車両における燃料消費量である。また、所定の範囲内とは、ＳＯＣをほぼ一定に保つことができるという条件を満たすバッテリ電流の値がとり得る範囲である。

このときに、最適なシミュレーション結果が複数有る場合には（ステップＳ６−４のＹｅｓ）、その中から燃料噴射量およびバッテリ電流が共に最小となるシミュレーション結果を選択し（ステップＳ６−５）、当該シミュレーション結果を得たパラメータの組合せを最適なアシストを実現し得るパラメータの組合せとして評価する（ステップＳ６−６）。

図１０は、最適なアシストを示す図であり、横軸にシミュレーションを行ったパラメータの値の組合せの通し番号をとり、縦軸に燃料消費量改善度をとる。図１０に示す曲線のうち、燃料消費量改善度が最大となる点を最適なアシストとする。なお、図１０の燃料消費量改善度は、バッテリ電流が前述した所定の範囲内にあることが前提である。

アシストマップ作成部１５は、評価部１４により評価された最適なアシストを実現し得るパラメータの値の組合せを、シミュレーションを行ったパラメータの値の組合せの通し番号により認識し、当該パラメータの値の組合せによる仮のトルク配分パターンをトルク配分試行部１１から選択し、この仮のトルク配分パターン含むアシストマップを最適なアシストマップとして決定する。アシストマップの形態は、図６に示すとおりである。

このアシストマップは、アシストマップ作成部１５に保持され、さらに、このアシストマップに従ってエンジン制御情報および電動機制御情報が生成されてエンジン１および電動機２のインバータ４に伝達される。エンジン１および電動機２は、このエンジン制御情報および電動機制御情報に基づいてハイブリッド制御を実施する。

（効果の説明）
図１１は、従来の固定的なパラメータの種類とその値を説明するための図であるが、従来の固定的なパラメータは、図１１に示すように、電動機２のトルクＴ_{a_peak}は、８０Ｎｍを使用する。回転速度ω_{e_peak}は、５００ＲＰＭを使用する。係数γは、２．５×１０^-4を使用する。アシストウェイトＥ_trqは、１．０を使用する。例えば、図９のステップＳ６−２における所定値は、図１１に示すパラメータを用いたシミュレーション結果を用いることができる。

図１２および図１３は、従来の固定的なパラメータによるシミュレーション結果（実線：ｆｉｘｅｄ）と本発明による最適なシミュレーション結果（破線）とを併せて示す図であり、図１２は燃料消費量について示し、図１３はＳＯＣバランスについて示す。

図１４は、効果を検証するために行ったテスト走行における車速、エンジン回転速度、運転者の要求トルクを示す図である。図１４に示したパターンによる走行を１３回行った際の燃料消費量とＳＯＣバランスとを比較した。なお、バッテリ保護のため、ＳＯＣがあるレベルを下回った場合は規定値に回復するまで走行発電を行うものとし、その際のアシストレートは０．５に固定とした。

図１２および図１３に示す従来の固定的なパラメータによるシミュレーション結果（実線：ｆｉｘｅｄ）と本発明による最適なシミュレーション結果（破線）とを比較すると、本発明によれば、図１４に示すパターンを１回走行するとアシスト制御が最適化され、ＳＯＣバランスが保たれているのに対し、従来は、ＳＯＣが低下し続け、走行発電が開始されている。燃料消費量については、アシスト最適化と、ハイブリッドシステムに対して非効率な走行発電を行わない効果によって従来よりも７％が向上した。

本発明によれば、バスやトラックなどの大型商用車においても最適なハイブリッド制御が可能となり、燃料消費量の節約に寄与することができる。

本発明の概要を説明するための図である。 本発明の実施形態のハイブリッド自動車の要部構成を示す図である。 ハイブリッド制御部のブロック構成図である。 ハイブリッド制御部の処理手順を示すフローチャートである。 パラメータの種類とその値を説明するための図である。 アシストマップを示す図である。 エンジン回転速度ω_eと仮のエンジントルクＴ_eとを入力し、燃料噴射量を出力するニューラルネットワークを示す図である。 エンジン回転速度ω_eと仮の電動機トルクＴ_mとＳＯＣ情報とを入力し、バッテリ電流を出力するニューラルネットワークを示す図である。 評価部の評価手順を示すフローチャートである。 最適なアシストを示す図である。 従来の固定的なパラメータの種類とその値を説明するための図である。 従来の固定的なパラメータによるシミュレーション結果と本発明による最適なシミュレーション結果とを併せて示す図である（燃料消費量）。 従来の固定的なパラメータによるシミュレーション結果と本発明による最適なシミュレーション結果とを併せて示す図である（ＳＯＣバランス）。 効果を検証するために行ったテスト走行における車速、エンジン回転速度、運転者の要求トルクを示す図である。

符号の説明

１ エンジン
１Ｃ エンジン制御部
２ 電動機
３ ハイブリッド制御部（算出手段）
４ インバータ
５ バッテリ
５Ｃ バッテリ制御部
６ クラッチ
７ トランスミッション
８ ＣＡＮ
１０ 情報取得部（取得する手段）
１０−１ 回生電流情報バッファ
１０−２ エンジン回転速度情報バッファ
１０−３ 運転者の要求トルク情報バッファ
１０−４ ＳＯＣ情報バッファ
１０−５ タイマ
１１ トルク配分試行部（トルク配分試行手段）
１２ 燃料噴射計算モデル部（シミュレーションを実施する手段）
１３ バッテリ電流計算モデル部（シミュレーションを実施する手段）
１４ 評価部（アシストマップ作成手段）
１５ アシストマップ作成部（アシストマップ作成手段）

Claims (4)

1. エンジンと、電動機と、運転者の要求トルクと車両の走行状態とに基づき上記エンジンおよび電動機に配分するトルクをそれぞれ算出する算出手段とを備えたハイブリッド自動車において、
   上記算出手段は、
   所定時間内における、運転者の要求トルクと、上記エンジンの回転速度と、上記電動機に電源を供給するバッテリへの回生電流と、当該バッテリの充電状態を示す値とに関する情報をそれぞれ取得する手段と、
   この取得した情報に基づき燃料噴射量およびバッテリ電流に関するシミュレーションを実施する手段と、
   このシミュレーション結果に基づき上記エンジンの燃料消費量および上記バッテリの充電状態を示す値が最適値になるようにアシストマップを作成するアシストマップ作成手段と
   を備えたことを特徴とするハイブリッド自動車。
2. 予め定められた複数のパラメータの組合せのそれぞれについて仮のトルク配分パターンを複数設定し、仮のエンジントルクおよび仮の電動機トルクをそれぞれ出力して前記シミュレーションを実施する手段に与えるトルク配分試行手段を備えた請求項１記載のハイブリッド自動車。
3. 前記シミュレーションを実施する手段は、
   前記取得した情報のエンジンの回転速度と前記仮のエンジントルクとを入力し、燃料噴射量を出力する第一の演算手段と、
   前記取得した情報のエンジンの回転速度と前記仮の電動機トルクと前記取得した情報のバッテリの充電状態を示す値とを入力し、バッテリ電流を出力する第二の演算手段と
   を備え、
   前記アシストマップ作成手段は、これら２つの演算手段の出力に基づき上記エンジンの燃料消費量および上記バッテリの充電状態を示す値が最適値になるような前記仮のトルク配分パターンを選択してアシストマップを作成する
   請求項１または２記載のハイブリッド自動車。
4. 前記第一の演算手段は、前記取得した情報のエンジンの回転速度と前記仮のエンジントルクとを入力し、燃料噴射量を出力するように予め学習が施されたニューラルネットワークを備え、
   前記第二の演算手段は、前記取得した情報のエンジンの回転速度と前記仮の電動機トルクと前記取得した情報のバッテリの充電状態を示す値とを入力し、バッテリ電流を出力するように予め学習が施されたニューラルネットワークを備えた
   請求項３記載のハイブリッド自動車。

Images