JP2013004078A

JP2013004078A - メモリへのデータ格納方法

Info

Publication number: JP2013004078A
Application number: JP2011227711A
Authority: JP
Inventors: Heiuku Den; 炳ウク田
Original assignee: Hyundai Motor Co; Kia Motors Corp
Current assignee: Hyundai Motor Co; Kia Corp
Priority date: 2011-06-20
Filing date: 2011-10-17
Publication date: 2013-01-07
Also published as: KR20120140104A; US20120323831A1; CN102841848A; DE102011054847A1; CN102841848B; US8738551B2

Abstract

【課題】様々な変数条件で発生する学習値を、各条件により細分化された学習メモリ領域に効率的に格納できるメモリへのデータ格納方法を提供する。
【解決手段】本発明は、メモリへのデータの格納方法であって、特定変数条件により特定データが得られると、複数のセルに分割されている全メモリ領域で、特定変数条件に該当するセルを指定する段階と、特定データをセルに格納する段階と、特定データが格納されたセルを分割する段階と、を有し、
以後、新しい特定変数条件により新しい特定データが得られるごとに、全メモリ領域で、新しい特定データが発生した変数条件に該当するセルの指定と、新しい特定データの格納と、データが格納されたセルの分割と、を繰り返すことを特徴とする。
【選択図】図３

Description

本発明は、メモリへのデータ格納方法に係り、より詳しくは、車両の制御装置などで学習制御を行う際に、各変数条件により求められる学習値をメモリ領域全体に効率的に格納するメモリへのデータ格納方法に関する。

通常、車両で自動変速機を制御するための主要パラメータである制御油圧などは、車速、油温、入力トルクなどの関数により定められ、変速時に予め定められたデータを用いてソレノイドバルブを制御して油圧を適正制御する。
このようなデータは、中央油圧分散値を有する標準の変速機を基にして最善の結果が得られるように設定されたものである。しかし、量産される多数の変速機の多様な油圧分散値に、この標準変速機の設定値だけを用いて適正制御することは困難である。

これを克服するために、通常、車両の変速機制御装置（ＴｒａｎｓｍｉｓｓｉｏｎＣｏｎｔｒｏｌＵｎｉｔ；ＴＣＵ）は学習制御を実施する（例えば特許文献１を参照）。この際、各運転条件で所定の目標変速感を確保するために、各条件の油圧値にオフセット値を加算した形態で学習することが一般的である。
車両における学習制御とは、運転者の運転習慣や性向などに応じてエンジン、変速機などの制御を最適に行うために、制御装置の内部で一定の規則に則って制御する機能であって、運行中に所定の学習条件を満たすと、学習値を演算・格納し、格納した学習値を用いて制御する一連の過程が行われる。

多数のセンサを用いたエンジンの制御においても、エンジン制御装置（エンジンＥＣＵ）は、最適制御のために自ら学習したデータを用い、センサ値による制御値を適切に補償してインジェクターの噴射時間（燃料量）などを制御する。
例えば、空燃比、ノッキング、空回転速度、ＴＰＳ劣化などの補正は、エンジン制御装置のルックアップテーブルの情報を少しずつ調整することで学習制御が行われる。

車両で学習制御が行われるためには、諸条件で求められた学習値が、制御装置のマイクロコンピュータで演算されメモリ上の特定領域にリアルタイムで格納されることを前提とする。この時、学習値は、パラメータになる各種センサ値やその他の運転条件などの諸条件に対応して格納されるべきメモリ領域が指定されて格納される。

しかし、従来は、学習値を格納するに当たって、次のような問題点があった。
例えば、変速機制御装置は、学習値を格納するための内部メモリの容量に限界があり、車速、油温、入力トルクなどの条件の細分化が困難であったため、１つの変速クラスに対して４×４または６×６の大きさに分割されたメモリ領域を使用して学習値を格納していた。

このために、条件がある程度異なっていても学習値はメモリ内の同一の学習セル（ｃｅｌｌ）に格納されるため、即ち、各条件により学習値が多少異なるように演算されても同一の学習セルに格納されるため、格納された学習値を用いて制御する時、学習値による制御精度が低下するという結果を招いた。
大容量のメモリを用いれば、大きな（例えば、１０００×１０００セルの）学習格納領域を設定することが可能であるが、今度はそれぞれの単位セルの全てに有効な学習値を格納するために必要とされる学習回数が増加し、その結果、学習値を格納する速度が低下して学習値の収束効率が悪くなるという問題を生じる。

図１は、従来技術による学習値の格納方法を説明する図面であって、メモリの学習値格納領域が複数の仮想セルに分割された例を示している。
図１を参照して従来技術の問題点を具体的に説明する。通常、学習制御を行うエンジン制御装置（ＥＣＵ）や変速機制御装置（ＴＣＵ）などの車両内の制御装置は、学習値を所定の特定セル規格（ｍ×ｍ）のメモリに格納する。学習値データを格納する仮想メモリ空間が所定の複数のセルに予め分割されている状態で各条件の学習値データが得られ、得られた学習データはその条件に対応する位置のセルに格納される。

図１に示すように、メモリ領域は、Ｘ条件とＹ条件とにより複数のセルに予め分割されている。この時、Ｘ条件とＹ条件とによる学習値が求められ、Ｘ条件とＹ条件の位置に対応する特定のセル（学習値格納領域）が指定されて、その学習値がその特定セルに格納される。
この後、特定セルに学習値が予め格納された状態で、更に、同一のセルの条件範囲内であるがＸ、Ｙ条件が多少差のある学習値が得られた場合は後から得られた学習値が、同一のセルに上書き（ｏｖｅｒｗｒｉｔｅ）される。

即ち、異なるＸ、Ｙ条件により３個の学習値Ａ、Ｂ、Ｃが発生してもＡ、Ｂ、Ｃが発生したＸ、Ｙ条件が同じ単位セル領域に対応する場合は、最後の学習値（例えば、学習値Ｃ）を格納する時、同一のセル内の以前の学習値（例えば、学習値Ｂ）に最後の学習値が上書きされる。

これを改善するために、Ｘ、Ｙ条件が異なる学習値を格納する場合、別個の領域に格納されるように学習セルを更に細かく分割する方法もあるが、セルの数が多くなった場合はセルの値を全て満たすには非常に多くの学習回数が必要になる。例えば、１００万個のメモリ領域を有する仮想セルに分割する場合は最小１００万回の学習回数が必要になる。

このように、様々な条件で発生する学習値を、各条件値に対応する学習メモリ内の位置に最大限に格納するためには、学習メモリの条件による分割領域を細分化しなければならないが、細分化されたメモリ領域の多数のセルに学習値を全て満たすまでには非常に多くの学習回数を必要とするため学習値の収束効率が低下するという問題がある。

学習値の格納効率を増大させるために、学習メモリのセル分割数を減らすと、格納効率は増大するが、上述したように多少異なる条件で発生した学習値でも同一の学習セルに上書き形式で格納されるため、格納された学習値から条件の違いが判別できなくなるという問題がある。

特開２００６−２４２２５５号公報

本発明は、上記のような問題点を解決するためになされたものであって、様々な変数条件で発生する学習値を、各条件により細分化された学習メモリ領域に効率的に格納できるメモリへのデータ格納方法を提供することを目的とする。

かかる課題を解決するためになされた本発明は、メモリへのデータの格納方法であって、特定変数条件により特定データが得られると、複数のセルに分割されている全メモリ領域で特定変数条件に該当するセルを指定する段階と、特定データをセルに格納する段階と、特定データが格納されたセルを分割する段階と、を有し、以後、新しい特定変数条件により新しい特定データが得られるごとに、全メモリ領域で、新しい特定データが発生した変数条件に該当するセルの指定と、新しい特定データの格納と、データが格納されたセルの分割と、を繰り返すことを特徴とする。

ここで、特定データの格納後、データを格納したセルに対して予め分割禁止が設定されているか否かを確認する段階と、データを格納したセルに対して予め分割禁止が設定されていなかった場合に、データを格納したセルを分割する段階と、分割されたセルが所定の最小単位セルに分割された場合に、最小単位セルそれぞれに分割禁止を設定する段階と、を更に含み、特定データの格納後に分割されたセルが、所定の最小単位セルにまで分割された場合は更なるセルの分割を行わないことを特徴とする。

また本発明は、データが、制御装置の学習制御の過程で、変数条件により求められる学習値であることを特徴とする。
また本発明は、学習値が、車両内の制御装置で運転条件により求められる車両の学習値であることを特徴とする。

また本発明は、学習値が、車両変速機の制御変数条件により求められる学習値であることを特徴とする。
また本発明は、セルを分割する段階で、データが格納されたセルをｋ×ｋ（ｋ≧２の自然数）の形態に等分することを特徴とする。

本発明によるメモリへのデータ格納方法によれば、各変数条件を細分化して求めた学習値を、細分化された学習メモリ領域に効率的に格納することができる。
特に、微細な条件の違いにより発生する学習値それぞれを更に細分化された学習メモリ分割領域に格納することが可能であり、且つ細分化されたメモリ分割領域（最小単位セル）に学習値が全て満たされるまでの学習回数を低減して、学習値の収束効率を向上させることができるので、学習値が得られた変数条件の違いの判別度を向上させることにより、格納された学習値を適用する時の制御精度を向上させることができる。

このようなセル分割方式の学習値格納方法は、車両内の制御装置、例えば、エンジン制御装置や変速機の制御装置などの学習値の格納方法のみに限定されず、任意の変数条件から得られるデータを一定規格のメモリ領域に格納することを必要とする様々な分野、例えば、通信分野やコンピュータ分野などにも汎用的に適用することが可能である。

従来技術による学習値格納方法を説明するための図面である。本発明による変速機の制御装置（ＴＣＵ）の学習値格納過程を示すフローチャートである。本発明による学習値格納方法の概念を説明するための図面である。本発明による学習値格納過程における学習値の格納及びセルの分割過程を詳細に示す図面である。

以下に、本発明の実施形態を説明する。
本発明は、データ格納領域が、最小分割単位を有する複数の仮想セルに分割されたメモリにおいて、変数条件の相違により発生する複数のデータを、メモリのセル全体に迅速に格納するための方法を提供する。

本発明は、特定変数条件により特定データが得られると、複数のセルに分割されている全メモリ領域で特定変数条件の領域に該当するセルを指定する段階と、特定変数条件の領域に該当するセルにデータを格納した後、データを格納したセルを分割する段階と、以後、新しい特定変数条件により新しい特定データが得られるごとに、複数のセルに分割されている全メモリ領域で、新しい特定データが発生した変数条件の領域に該当するセルを指定し、新しいデータの格納及びデータが格納されたセルの分割を繰り返す段階と、を含むメモリへのデータ格納方法に主な特徴がある。

ここで、特定データは、制御装置の学習制御の過程で、特定の変数条件により求められる学習値である。従って本発明は、車両の制御装置で様々な変数条件により演算された学習値を格納する方法として有用である。
また本発明は、車両の制御装置で演算された学習値を、各変数条件により細分化された学習メモリ領域に効率的に格納することができる。

更に本発明は、微細な条件の違いにより発生する学習値を細分化して格納すると共に、細分化されたメモリ分割領域（最小単位セル）に学習値が全て満たされるまでの学習回数を低減することができるので、学習値の収束効率を向上させることができると共に、学習値が得られた変数条件の違いの判別度を増大させ、格納された学習値を適用する時の制御の精密度を向上させることができる。

以下に、本発明の実施例を、添付した図面を参照して説明する。
図２は、本発明による変速機の制御装置（ＴＣＵ）の学習値格納過程を例示するフローチャートである
本発明は、学習値を求めた後、全メモリ領域で学習値が格納されるセルを指定するま
での基本的な過程（Ｓ１１〜Ｓ１６）は従来技術と同一である。

図１、２に示すように、変速機制御装置は、変速開始後、学習条件に該当するかを指定し、学習条件を満たすと（Ｓ１１〜Ｓ１３）、車速、油温、入力トルクなどの変数条件により学習値を演算し（Ｓ１４）、変数条件（学習値が求められた条件）により全メモリ領域で学習値が格納される学習セルを指定する（Ｓ１５）。
ここで、変数条件は、変速機制御装置であれば、車速、油温、入力トルクなどであってもよく、また車両の制御装置により学習制御に必要な各種センサ値、運転条件、及び／または先行演算により求めた多様な制御パラメータであってもよい。

本発明は、学習値が求められ、その学習値を算出した変数条件により学習値が格納される学習セルが指定されると、学習値が格納され（Ｓ１６）、その学習セルが所定の分割数、即ちｋ×ｋ（ｋ≧２の自然数）に分割される過程を更に含む（Ｓ１８）。

すなわち、学習値が発生した変数条件に対応する学習セルのメモリ領域内の位置が定められ、その学習セルが得られた学習値が格納される位置であると指定されて学習値が格納され、学習値が格納された学習セルがｋ×ｋに分割される過程が行われる。
以後、変速機制御装置は、新しい学習値が発生して格納されるごとに、学習値を格納した後、学習セルをｋ×ｋに分割する過程を繰り返す。

変速機制御装置は、新しい学習値が発生するごとに、変数条件による位置が属する学習セルに学習値を格納し、その新しい学習値が格納された学習セルを再びｋ×ｋに分割し、以後、新しい学習値が発生するごとに、複数のセルに分割された全メモリ領域で変数条件の領域に該当するセルを指定して学習値を格納する。

好ましくは、メモリ領域のセル分割は、最大分解能を考慮して所定の最小単位セルに分割される。そのため、図２に示すように、本発明の学習値格納過程は、学習値を格納した後、該当セルに対して以前の分割禁止設定があるか否かを確認する過程と（Ｓ１７）、セルの分割後、分割されたセルが最小単位セルに分割された場合、即ち分割によりセルが最小単位セルになった場合は分割された各セルの次回分割禁止を設定する過程（Ｓ１９、Ｓ２０）と、を更に含む。

即ち、図２に示すように、学習値が格納され（Ｓ１６）ると、学習値が格納されたセルの分割前にそのセルに分割禁止が設定されているか否かをチェックすることにより（Ｓ１７）、分割しようとするセルが最小単位セルであるか否かを確認する。
ここで、分割禁止が設定されていない場合、即ち学習値が格納されたセルを更に分割できる場合であれば、そのセル領域をｋ×ｋに等分し、分割禁止が設定されている場合、即ち学習値が格納されたセルが既に最小単位セルに分割されたセルであれば、セルを分割せず、次の学習値の格納が行われる。

ここで、最小単位セルは、全メモリ領域が１００万個のセルに分割可能に設定された場合であれば、全メモリ領域の１／１００万に該当するメモリ領域になる。
本発明の学習値格納方式は、学習値が一回格納されるごとに、学習値が格納されたセルがｋ×ｋに分割されるセル分割方式の格納方式（学習値を格納するごとにセルが分割される方式）であって、本発明では、このようなセル分割格納方式を適用することにより、精密で細分化された学習値の格納が可能になる。

図３は、本発明による学習値格納方法の概念を説明するための図面である。
図３に示すように、２×２に分割されるように設定された例（ｋ＝２）において、学習セルが分割されるの前状態で１番目の学習値が発生すると、分割されていない全メモリ領域に学習値を格納した後、メモリ領域を４等分する。この時、すでに全メモリ領域に１番目の学習値が格納されている。
次いで、２番目の学習値が発生すると、４等分されている領域のうち、学習値が発生した領域（セル）に２番目の学習値を格納し、その領域を再び４等分する。残りの３個の領域には１番目の学習値が格納されている。

このような方法で３回の学習値が発生した状態を図３（ｂ）に示す。このような過程を学習値が発生するごとに繰り返すことにより、学習値が格納されるメモリ領域を迅速に分割し、より細分化された条件により学習値を格納し、最小単位セル全体に学習値が格納される時間及び学習回数を短縮することができる。

ここで、メモリを分割する規則として４等分（２×２分割）する方法は１つの例示であり、分割数をより多く設定して任意の個数（ｋ×ｋ、ｋは３以上）に等分する場合、非常に迅速に学習メモリを分割し、データを効率的に格納することができる。
各特定セルが最小単位セルにまで分割された場合、次回にそのセルの分割が禁止されるように、該当セルに対しては分割禁止が設定される。図３（ｃ）は学習値の格納及びセルの分割を繰り返して全メモリ領域が所定の最小単位セルに分割された状態を示す図面である。

このように本発明では学習値が格納された後にセルを分割する方式を適用することにより、学習値が全ての最小単位セルに格納されるまでに必要とされる学習回数が大幅に低減され、学習値の収束速度が大幅に向上する。

本発明は、従来のようなデータの上書きによって以前に格納されたデータが全て削除されるという無駄を省くことができるため、短時間に多くの変数条件のデータを格納でき、また、より多いセルにデータを均等に分散して格納でき、学習回数を低減させることができる。（例えば、全メモリ領域を１００万個のセルに分割してデータを格納するに当たって、従来法では最低１００万回の学習回数が必要であった）。

図４は、本発明による学習値格納過程における学習値の格納及びセルの分割過程を詳細に示す図面である。図４は、セル分割が２×２の分割として設定された例であって、各段階を更に詳細に示す。
図４（ａ）は、学習が行われておらずセルが分割されていない状態であるため、全メモリ領域は同一の学習値が格納された１つのセルである。
図４（ｂ）に示すように、最初の学習値が発生すると、その学習値は全メモリ領域に格納され、１回の学習値を格納した後、全メモリ領域は４個のセルに分割される。

図４（ｃ）に示すように、新しい学習値、即ち第２回目の学習値が発生すると、第２回目に分割された４個のセルのうち、第２回目の学習値が発生した変数条件に対応する位置のセルのみが選択され、第２回目の学習値が格納され、第２回目の学習値が格納されたセルが４個のセルに分割される。
図４（ｄ）に示すように、第３回目の学習値が発生すると、学習値が発生した変数条件領域のセルが選択され、第３回目の学習値は、学習値が発生した変数条件のセルにだけ格納され、第３回目の学習値が格納されたセルは再び４個のセルに分割される。

本発明のメモリへのデータ格納方法は、同一の方式で学習値が発生するごとに該当セルに学習値を格納し、そのセルを２×２に等分し続ける。
この規則から、セル分割数が２×２（ｋ＝２）である時は、ｎ回分割されるセルの個数（Ｎ＿Ｃｅｌｌ）は下記（数１）のように計算される。
（数１）
Ｎ＿Ｃｅｌｌ＝（ｎ−１）（２^２−１）＋２^２（１）

また、前記規則を、セル分割数ｋ×ｋに一般化すると、ｎ回分割されたセルの個数は下記（数２）のように計算される。
（数２）
Ｎ＿Ｃｅｌｌ＝（ｎ−１）（ｋ^２−１）＋ｋ^２（２）

全メモリ領域が最小単位セルに分割されて、全ての最小単位セルにデータが格納される速度を比較すると、予めセルを分割した後各セルにデータを格納する従来の方式に比べて、本発明のセル分割方式は、データの上書きが最小化され、学習値の格納によるデータ格納速度を高速化することができる。本発明のセル分割方式では、分割されたセルに格納されているデータが、同一の条件により後から発生したデータに上書されて削除されることもあるが、この時でも、以前のデータは、分割された他の領域に残っているため、全単位セルにデータが格納される速度を短縮することができる。

本発明によるセル分割方式の学習値格納方法は、微細な条件の違いにより発生する学習値を更に細分化して格納することが可能であり、細分化されたメモリ分割領域に学習値が全て満たされるまでの学習回数を低減することができ、且つ学習値が得られる条件の違いの判別度を増大させることにより、格納された学習値を学習制御に適用する時、制御精密度及び学習値の収束効率を更に向上させることができる。

本発明は、マイクロコンピュータが図２に示した各過程、即ち変数条件による学習値演算（Ｓ１４）、学習セル指定（Ｓ１５）、メモリ内の学習値格納（Ｓ１６）、セルの分割禁止判定（Ｓ１７）、セル分割（Ｓ１８）、分割禁止設定（Ｓ１９、Ｓ２０）などの機能を担当し、各段階のメモリ領域内のセル分割情報、各セルの分割禁止設定情報などは、マイクロコンピュータの制御下に別途の補助メモリまたは別途に割り当てられたメモリ領域に格納するように設定される。

このようなセル分割方式の学習値格納方法は、車両の制御装置、例えばエンジン制御装置や変速機の制御装置などの学習値の格納に限定されず、任意の変数条件で得られるデータを一定規格のメモリ領域に格納することを必要とする様々な分野、例えば通信分野やコンピュータ分野などにも適用することができる。

以上、本発明に関する好ましい実施形態を説明したが、本発明は前記実施形態に限定されず、本発明の属する技術範囲を逸脱しない範囲での全ての変更が含まれる。

Claims

メモリへのデータの格納方法であって、
特定変数条件により特定データが得られると、複数のセルに分割されている全メモリ領域で、前記特定変数条件に該当するセルを指定する段階と、前記特定データを前記セルに格納する段階と、特定データが格納されたセルを分割する段階と、を有し、
以後、新しい特定変数条件により新しい特定データが得られるごとに、前記全メモリ領域で、新しい特定データが発生した変数条件に該当するセルの指定と、新しい特定データの格納と、データが格納されたセルの分割と、を繰り返すことを特徴とするメモリへのデータ格納方法。
前記特定データの格納後、データを格納したセルに対して予め分割禁止が設定されているか否かを確認する段階と、
前記データを格納したセルに対して予め分割禁止が設定されていなかった場合に、前記データを格納したセルを分割する段階と、分割されたセルが所定の最小単位セルに分割された場合に、前記最小単位セルそれぞれに分割禁止を設定する段階と、を更に含み、
前記特定データの格納後に分割されたセルが、所定の最小単位セルにまで分割された場合は更なるセルの分割を行わないことを特徴とする請求項１に記載のメモリへのデータ格納方法。
前記データが、制御装置の学習制御の過程で、変数条件により求められる学習値であることを特徴とする請求項１または２に記載のメモリへのデータ格納方法。
前記学習値が、車両内の制御装置の運転条件により求められる車両の学習値であることを特徴とする請求項３に記載のメモリへのデータ格納方法。
前記学習値が、車両変速機の制御変数条件により求められる車両変速機の学習値であることを特徴とする請求項３に記載のメモリへのデータ格納方法。
前記セルを分割する段階で、データが格納されたセルをｋ×ｋ（ｋ≧２の自然数）の形態に等分することを特徴とする請求項１に記載のメモリへのデータ格納方法。