JP2013056569A - ハイブリッド車両のタイヤ動半径学習方法 - Google Patents

Abstract

【課題】車両の走行状態に応じてタイヤ動半径を正確に評価し、モータ回転数の制御性を向上可能なハイブリッド車両のタイヤ動半径学習方法を提供する。
【解決手段】本発明はハイブリッド車両のタイヤ動半径を学習するための方法であって、モータ回転数を検出する工程と、車輪速度とタイヤ動半径の前回学習値とに基づいてモータ回転数の推定値を算出する工程と、モータ回転数の実測値と推定値との比に基づいてタイヤ動半径の仮学習値を算出する工程と、前回学習値と仮学習値とを所定の重み付け係数を乗じて加算することにより、タイヤ動半径の学習値を算出する工程とを備えたことを特徴とする。
【選択図】図２

Description

本発明は、エンジン及びモータの少なくとも一方から出力された動力を、変速機を介してタイヤに伝達することにより走行を行うハイブリッド車両において、タイヤの動半径を推定するための方法の技術分野に関する。

近年、ガソリンエンジンやディーゼルエンジンなどの内燃機関、及び、バッテリに蓄えられた電力で動作可能なモータ（電動機）の少なくとも一方を動力源として走行するハイブリッド車両が注目されている。ハイブリッド車両は、減速時にモータを回生駆動して発電し、得られた電力をバッテリに充電して蓄える。そして、当該充電した電力を用いて電動機を力行駆動することにより、内燃機関の燃料消費量を削減し、燃費性能の改善を図っている。

ハイブリッド車両におけるモータ制御は、モータ回転数を車両の走行状態に応じて設定される目標値に追従させるように制御して行われる。そのため、モータ制御の精度は目標値をいかに正確に設定するかが重要であり、目標値の設定方法については様々な手法が研究されている。例えば特許文献１では、ハイブリッド車両と同様にモータを動力源として備える電気自動車におけるモータ制御において、慣性モーメントの大きい車輪の回転数を用いてモータの目標回転数を算出することにより、モータの回転数を直接検出して目標値を設定する場合に比べて、モータ回転数の変動による影響を防止し、モータ制御を安定化できるとしている。

特開２０００−３０８２１５号公報

一般的に、モータ制御において重要な制御パラメータであるモータ回転数は、回転数センサからの検出の他に、タイヤ動半径と車輪速度とに基づいて算出することも可能である。ここで、タイヤ動半径は予めメモリ等の記憶手段に記憶されたもの（一定値）が使用されるが、実際のタイヤ動半径は、車両の積載状態やタイヤの空気圧の状態によって変化することがある。そのため、その変化分だけタイヤ動半径に誤差が生じることがあり、この場合、タイヤ動半径に基づいて算出されるモータ回転数もまた実際の値と誤差が生じてしまう場合がある。このようにモータ回転数に誤差が生じると、ハイブリット車両の制御性が悪化してしまうという問題点がある。

本発明は上述の問題点に鑑みなされたものであり、車両の走行状態に応じてタイヤ動半径を正確に評価し、モータ回転数の制御性を向上可能なハイブリッド車両のタイヤ動半径学習方法を提供することを目的とする。

本発明に係るハイブリッド車両のタイヤ動半径学習方法は上記課題を解決するために、エンジン及びモータ間にクラッチが設けられ、前記エンジン及び前記モータの少なくとも一方で発生した動力をタイヤに伝達することにより走行を行うハイブリッド車両のタイヤ動半径学習方法であって、モータ回転数の実測値を検出するモータ回転数検出工程と、前記タイヤの車輪速度を検出し、該検出した車輪速度と予め記憶手段に記憶されたタイヤ動半径の前回学習値とに基づいてモータ回転数の推定値を算出するモータ回転数推定工程と、前記検出したモータ回転数の実測値と前記算出したモータ回転数の推定値との比に基づいてタイヤ動半径の仮学習値を算出する仮学習値算出工程と、前記前回学習値と前記仮学習値とを所定の重み付け係数を乗じて加算することにより、タイヤ動半径の学習値を算出する学習値算出工程とを備えたことを特徴とする。

本発明によれば、検出精度が非常に高いモータの回転数を用いた数値計算によりタイヤ動半径（仮学習値）を精度よく算出することができる。一方、このように精度よく算出したタイヤ動半径を直ちに制御に採用すると車両挙動が乱れてドライバビリティの悪化が懸念されるが、本発明では、前回学習値と仮学習値とを所定の重み付け係数を乗じて加算したものを学習値として採用することにより、急激な車両挙動の変化を防止し、良好なドライバビリティを得ることができる。

好ましくは、前記仮学習値算出工程は、前記検出したモータ回転数の実測値と前記算出したモータ回転数の推定値との比を複数回に亘って積算し、該積算した比の平均値に基づいて前記仮学習値を算出するとよい。これによれば、時々刻々と変化するハイブリッド車両の挙動に鑑みて、平均値に基づいて仮学習値を算出することにより、より信頼性の高いタイヤ動半径の学習値を得ることができる。

また、前記検出したモータ回転数の実測値と前記算出したモータ回転数の推定値との誤差が所定値以上である場合に、前記学習値算出工程を実施するとよい。これによれば、モータ回転数の実測値と推定値との誤差が大きくなった場合に、前回学習値を更新する必要があるとして学習値算出工程とを実施する。これにより、学習値の更新が必要でない場合にはこれらの工程を実施する必要がなくなり、処理負担を効果的に軽減することができる。

本発明によれば、検出精度が非常に高いモータの回転数を用いた数値計算によりタイヤ動半径（仮学習値）を精度よく算出することができる。一方、このように精度よく算出したタイヤ動半径を直ちに制御に採用すると車両挙動が乱れてドライバビリティの悪化が懸念されるが、本発明では、前回学習値と仮学習値とを所定の重み付け係数を乗じて加算したものを学習値として採用することにより、急激な車両挙動の変化を防止し、良好なドライバビリティを得ることができる。

本実施例に係るハイブリッド車両の全体構成を概念的に示すブロック図である。 本実施例に係るハイブリッド車両におけるタイヤ動半径学習制御を手順ごとに示すフローチャートである。 タイヤ動半径学習制御の実施前後におけるモータ回転数の制御値の推移を示すグラフ図である。

以下、図面を参照して本発明の好適な実施例を例示的に詳しく説明する。但しこの実施例に記載されている構成部品の寸法、材質、形状、その相対的配置等は特に特定的な記載がない限りは、この発明の範囲をそれに限定する趣旨ではなく、単なる説明例に過ぎない。

図１は、本実施例に係るハイブリッド車両１の全体構成を概念的に示すブロック図である。ハイブリッド車両１は走行用動力源としてエンジン２及びモータ４を有するパラレル式ハイブリッド電気自動車である。エンジン２の出力軸とモータ４の回転軸とはクラッチ３を介して接続されており、該クラッチ３の接続状態に応じて動力の伝達が切り換えられ、クラッチ３が接続されている場合には、動力源としてエンジン２、またはエンジン２とモータ４を併用し、クラッチ３が切断されている場合には、動力源としてモータ４を用いて、変速機５にて所定のギア比でプロペラシャフト６に伝達される。プロペラシャフト６に伝達された動力は、差動装置７及び駆動軸８を介して駆動輪９が駆動されることにより、ハイブリッド車両１の走行が行われる。

エンジン２は、ハイブリッド車両１の動力源の一つとして機能する内燃機関であり、ガソリンエンジンであってもよいし、ディーゼルエンジンであってもよい。ガソリンエンジンの場合には燃焼室に直接燃料を噴射する、いわゆる直噴式ガソリンエンジンであってもよい。

クラッチ３は、エンジン２の出力軸とモータ４の回転軸との間の接続状態を切り替える動力伝達機構である。クラッチ３が接続状態にある場合、エンジン２及びモータ４の出力トルクは共に駆動輪９側に伝達される。一方、クラッチ３が切断状態にある場合、エンジン２の出力トルクはモータ４側に伝達されないため、駆動輪９側にはモータ４からの出力トルクのみが伝達されることとなる。

モータ４は、所定の磁場を発生させるステータ（固定子）と、該ステータによって発生された磁場を横切るように回転するロータ（回転子）とを含んでなる電動機である。モータ４は、インバータ１０を介してバッテリ１１から供給される電力により力行駆動することにより、駆動トルクを発生させ、ハイブリッド電気自動車１の動力源の一つとして機能する。またモータ４が回生駆動された場合には、回生エネルギーを発生させることによって発電を行うと共に、制動トルクを発生させて回生ブレーキとしても機能する。尚、モータ４で発電された電力は、インバータ１０にて直流変換された後、バッテリ１１に充電される。

変速機５は複数の変速段を有するマニュアルトランスミッション又はオートマティックトランスミッションであり、その変速段は段階的に可変であってもよいし、連続的に可変であってもよい。

ハイブリッド車両１の左右に設けられた各駆動輪９には、車輪速度センサ１２が設けられている。またモータ４にはモータ回転数を直接検出可能な回転数センサ１３が設けられている。車輪速度センサ１２及び回転数センサ１３の検出値はそれぞれＥＣＵ１８に送信され、後述するタイヤ動半径学習制御に使用される。

バッテリ１１は、モータ４を力行駆動するための電力を蓄積する二次電池セルからなる蓄電池である。バッテリ１１には予め直流電力が充電されており、放電時に出力された直流電力がインバータ１０によって交流変換され、モータ４の力行駆動のために消費される。一方、モータ４の回生駆動時には、モータ４で発電した交流電力をインバータ１０によって直流変換し、バッテリ１１に充電される。

ＥＣＵ１８は、ハイブリッド車両１に設けられた各種センサの検出値や、図不示のアクセルペダルやブレーキペダルなどから取得したドライバーからの加減速要求に関する情報（それぞれの踏み込み量）に基づいて、ハイブリッド車両１の動作全体を制御する電子制御ユニットである。ＥＣＵ１８は、それぞれＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等を備えて構成される電子制御ユニットであり、ＲＯＭに格納された制御プログラムに従って、後述する各種制御を実行することが可能に構成されている。これら各種制御の物理的、機械的及び電気的な構成はこれに限定されるものではない。

続いて、ＥＣＵ１８が実施するタイヤ動半径学習制御の具体的な内容について説明する。図２は本実施例に係るハイブリッド車両のＥＣＵ１８が実施するタイヤ動半径学習制御を手順ごとに示すフローチャートである。

まずＥＣＵ１８はタイヤ動半径学習制御の実施条件が成立しているか否かを判定する（ステップＳ１０１）。この実施条件は、ハイブリッド車両１がタイヤ動半径を評価するために適している状況下にあるか否かを判断するためのものであり、具体的には、モータ回転数や車輪速度などの各種パラメータが正常な範囲を示しているか否かや、それら値が安定しているか否かを評価したり、急ブレーキやＡＢＳ制御などが作動することにより車両挙動が特殊な状態にないことを確認することによって、総合的に判断する。

続いてＥＣＵ１８は、以前にタイヤ動半径学習制御を実施して学習したタイヤ動半径（以下、適宜「前回学習値」と称する）を、ＥＣＵ１８に内蔵されているメモリ（図において不示）から取得する（ステップＳ１０２）。尚、タイヤ動半径学習制御は一定又は不定のタイミングで繰り返し実行されるようにプログラミングされており、メモリには学習制御が行われる度にタイヤ動半径の学習値が記憶（更新）されるようになっている。

ここで、予めメモリに記憶されたタイヤ動半径の前回学習値は、タイヤ動半径学習制御の前回実施時からある程度時間が経過すると、車両の状態が変化して（例えば積載量が変化するなどして）、実際のタイヤ動半径との間にギャップが生じてしまうことがある。この場合、以下に説明するように、再度、タイヤ動半径学習制御を実施してメモリに記憶された前回学習値を更新する必要がある。

ＥＣＵ１８はまずカウント数Ｃを初期値に設定し（ステップＳ１０３）、回転数センサ１３から実際のモータ回転数の実測値Ｒ１を取得する（ステップＳ１０４）。一方、ＥＣＵ１８は車輪速度センサ１２から現在の車輪速度を取得後、左右車輪速度の平均値Ｖｗを算出し、ステップＳ１０２にてメモリから読み出したタイヤ動半径の前回学習値ｒ０を用いて、モータ回転数の推定値Ｒ２を次式
Ｒ２＝（１０００×ｇｆ）／（６０×２×π×ｒ０）×ギア比×Ｖｗ （１）
に基づいて算出する（ステップＳ１０５）。ここでｇｆは差動装置７のデフ比である。

そしてＥＣＵ１８は、モータ回転数の実測値Ｒ１と推定値Ｒ２との比Ｒ１／Ｒ２を算出し、積算する（ステップＳ１０６）。そして、カウント数Ｃをカウントアップし（Ｃ=Ｃ+１）し（ステップＳ１０７）、カウント数Ｃが所定値Ｃ１に達するまでステップＳ１０３〜Ｓ１０７の処理を繰り返す（ステップＳ１０８）。

続いてＥＣＵ１８はステップＳ１０３〜Ｓ１０７を繰り返すことにより取得したＣ１個の比Ｒ１／Ｒ２の積算値から、前記比Ｒ１／Ｒ２の平均値を算出し、これをタイヤ動半径の仮学習値ｒ１とする（ステップＳ１０９）。このように算出された仮学習値ｒ１は前回学習値ｒ０に比べて、現在のハイブリッド車両１の走行状態に沿った精度のよいタイヤ動半径である。

続いて、ＥＣＵ１８はステップＳ１０９で算出したタイヤ動半径の仮学習値ｒ１と車輪速度センサ１２の検出値Ｖｗとを用いて、式（１）からモータ回転数の理想値Ｒ３を算出する（ステップＳ１１０）。これは前回学習値に基づいて算出された推定値Ｒ２とは異なり、信頼性のある仮学習値ｒ１に基づいて算出されているため、少なくとも推定値Ｒ２に比べてモータ回転数の実測値Ｒ１に近い値となる。

そして、ステップＳ１０４で取得したモータ回転数の実測値Ｒ１と理想値Ｒ３との誤差εを算出し、当該誤差εが所定の許容範囲
α＜ε（＝Ｒ１−Ｒ３）＜β （２）
にあるか否かを判定する（ステップＳ１１１）。ここで、誤差εが許容範囲内にある場合（ステップＳ１１１：ＹＥＳ）、タイヤ動半径の学習値の更新を許可して、以下の処理が行われる。

ＥＣＵ１８は、ステップＳ１０９にて算出した仮学習値ｒ１とステップＳ１０２で取得した前回学習値ｒ０とを、所定の重み付け係数γを乗じて加算することにより、最終的なタイヤ動半径の学習値ｒを次式
ｒ＝ｒ０×γ＋ｒ１×（１―γ） （３）
により算出する（ステップＳ１１２）。ここで重み付け係数γは０≦γ≦１の範囲内で設定されており、予めメモリに格納しておくとよい。そして、ＥＣＵ１８はステップＳ１１２にて算出した新たな学習値ｒをメモリに記憶することにより、前回学習値を更新する（ステップＳ１１３）。

本実施例では特に、式（３）に示すように仮学習値ｒ１をそのまま学習値ｒとしてそのまま採用するのではなく、前回学習値ｒ０と共に所定の重み付け係数γを乗算した上で加算して算出している。これにより、タイヤ動半径学習制御の実施前後における学習値の急激な変化を回避し、車両挙動が急に変化することによってドライバーに違和感を与えることを防止することができる。尚、重み付け係数γは、（３）式によるタイヤ動半径の学習値の更新による車両挙動の変化が、ドライバーに違和感を与えない程度になだらかになるように、実験又はシミュレーションに基づいて経験的に規定することが好ましい。

図３はタイヤ動半径学習制御の実施前後におけるモータ回転数の制御値の推移を示すグラフ図である。時刻ｔ０では理想値Ｒ３に対して、モータ回転数が許容誤差の範囲外にある。そこで、時刻ｔ１において上述のタイヤ動半径学習制御が実施されることにより、タイヤ動半径の学習が更新され、モータ回転数は理想値に近づくようにシフトする。しかしながら、ｔ１の時点ではいまだ許容誤差範囲外であるため、時刻ｔ２において再びタイヤ動半径学習制御が実施されることにより学習値が更に更新され、モータ回転数は許容誤差範囲内になるようにシフトしている。

以上説明したように、本実施例によれば、検出精度が非常に高いモータ４の回転数を用いた数値計算によりタイヤ動半径（仮学習値）を精度よく算出することができる。一方、このように精度よく算出したタイヤ動半径を直ちに制御に採用すると車両挙動が乱れてドライバビリティの悪化が懸念されるが、本発明では、前回学習値と仮学習値とを所定の重み付け係数を乗じて加算したものを学習値として採用することにより、急激な車両挙動の変化を防止し、良好なドライバビリティを得ることができる。

本発明は、エンジン及びモータの少なくとも一方から出力された動力を、変速機を介してタイヤに伝達することにより走行を行うハイブリッド車両のタイヤ動半径学習方法に利用可能である。

１ ハイブリッド車両
２ エンジン
３ クラッチ
４ モータ
５ 変速機
６ プロペラシャフト
７ 差動装置
８ 駆動軸
９ 駆動輪
１０ インバータ
１１ バッテリ
１２ 車輪速度センサ
１３ 回転数センサ
１８ ＥＣＵ

Claims (3)

1. エンジン及びモータ間にクラッチが設けられ、前記エンジン及び前記モータの少なくとも一方で発生した動力をタイヤに伝達することにより走行を行うハイブリッド車両のタイヤ動半径学習方法であって、
   モータ回転数の実測値を検出するモータ回転数検出工程と、
   前記タイヤの車輪速度を検出し、該検出した車輪速度と予め記憶手段に記憶されたタイヤ動半径の前回学習値とに基づいてモータ回転数の推定値を算出するモータ回転数推定工程と、
   前記検出したモータ回転数の実測値と前記算出したモータ回転数の推定値との比に基づいてタイヤ動半径の仮学習値を算出する仮学習値算出工程と、
   前記前回学習値と前記仮学習値とを所定の重み付け係数を乗じて加算することにより、タイヤ動半径の学習値を算出する学習値算出工程と
   を備えたことを特徴とするハイブリッド車両のタイヤ動半径学習方法。
2. 前記仮学習値算出工程は、前記検出したモータ回転数の実測値と前記算出したモータ回転数の推定値との比を複数回に亘って積算し、該積算した比の平均値に基づいて前記仮学習値を算出することを特徴とする請求項１に記載のハイブリッド車両のタイヤ動半径学習方法。
3. 前記算出したタイヤ動半径の仮学習値に基づいてモータ回転数の理想値を算出する理想値算出工程を更に備え、
   前記検出したモータ回転数の実測値と前記算出したモータ回転数の理想値との誤差が所定の範囲外である場合に、前記学習値算出工程を実施することを特徴とする請求項１又は２に記載のハイブリッド車両のタイヤ動半径学習方法。

Images