JP2015205682A - 高いハイブリッド化度を有するハイブリッド車両のための制御システム - Google Patents

Abstract

【課題】高いハイブリッド化度を有するハイブリッド車両を制御し動作させるためのシステムおよび方法を開示する。
【解決手段】動力フロー制御システム２０が、ハイブリッド車両の動作中に変化する状態に基づいてハイブリッド車両を駆動するための車両動力需要を予測する。動力フロー制御システムは、予測される車両動力需要に基づいてハイブリッド車両を駆動するための動力を提供するように、動力フローを制御し、予測される車両動力需要は、最大値よりも大きい。
【選択図】図１Ａ

Description

いくつかの実施形態は、ハイブリッド車両であって、ハイブリッド車両を駆動するための動力を供給するように構成されている燃料消費エンジンおよびエネルギー貯蔵デバイスを有する、ハイブリッド車両に関する。ハイブリッド車両は、車両を駆動するための車両動力需要を予測する予測プロセッサと、予測動力需要に基づいてハイブリッド車両を駆動するための動力を提供するように、エンジンおよびエネルギー貯蔵デバイスからハイブリッド車両のドライブトレーンへの動力フローを自動的に制御するコントローラとを含む。予測車両動力需要は、ハイブリッド車両の動作中の少なくとも１時点において、エンジンから利用可能な最大動力よりも大きい。

いくつかの実施形態は、ハイブリッド車両であって、ハイブリッド車両のドライブトレーンに結合されている、燃料消費エンジンと、エネルギー貯蔵デバイスとによって駆動される、ハイブリッド車両のための制御システムを含む。制御システムは、ハイブリッド車両の動作中に変化する状態に基づいてハイブリッド車両を駆動するための動力需要を予測する予測プロセッサを含む。制御システムはまた、予測動力需要に少なくとも部分的に基づいて、車両を駆動するための動力を提供するように、エンジンとドライブトレーン、エネルギー貯蔵デバイスとドライブトレーン、およびエンジンとエネルギー貯蔵デバイスのうちの少なくとも１つの間の動力フローを自動的に制御するように構成されている動力フローコントローラをも含む。車両を駆動するための動力需要は、ハイブリッド車両の動作中の少なくとも１時点において、エンジンから利用可能な最大動力よりも大きい。

いくつかの実施形態は、ハイブリッド車両内の動力フローを制御するための方法を含む。方法は、燃料消費エンジンおよびエネルギー貯蔵デバイスによってハイブリッド車両を駆動するための車両動力需要を予測するステップと、予測車両動力需要に基づいてハイブリッド車両を駆動するための動力を提供するように、動力フローを制御するステップとを含む。予測車両動力需要は、車両の動作中の少なくとも１時点において、エンジンから利用可能な最大動力よりも大きい。

図１Ａは、ハイブリッド車両の一実施形態のブロック図である。 図１Ｂは、いくつかの実施形態による、車両動力フロー制御システムのより詳細なブロック図である。 図１Ｃは、力学的エネルギー貯蔵デバイスを有する図１Ａのハイブリッド車両のブロック図である。 図１Ｄは、電気エネルギー貯蔵デバイスを有する図１Ａのハイブリッド車両のブロック図である。 図２は、ハイブリッド車両の運転者インターフェースの一実施形態を示す図である。 図１Ａ〜図１Ｄのハイブリッド車両の複数の可能性のある経路を予測するための予測プロセッサの一実施形態を示す図である。 図１Ａ〜図１Ｄのハイブリッド車両の複数の可能性のある経路を予測するための予測プロセッサの別の実施形態を示す図である。 図１Ａ〜図１Ｄのハイブリッド車両の複数の可能性のある経路および経路特有の運転パラメータを予測するように構成されている予測プロセッサの一実施形態を示す図である。 図５の予測プロセッサによって使用されるデータの一実施形態を示す図である。 図５の予測プロセッサのためのセンサシステムの一実施形態を示す図である。

以下の説明において、本明細書の一部を形成し、例示としていくつかの特定の実施形態が示されている添付の図面セットを参照する。本開示の範囲から逸脱することなく、他の実施形態が企図されており、為すことができることは理解されたい。それゆえ、以下の詳細な説明は限定の意味にとられるべきではない。

本開示は、概して、「高ハイブリッド化度」を有するハイブリッド車両（本明細書においてさらに「高ＤｏＨ車両」と称される）に関する。高ＤｏＨ車両は、エンジン自体が、一般的な使用状況下にある車両によって要求される最大動力を送達することが可能でないように、燃料消費エンジンと、エネルギー貯蔵デバイスに接続されている車両に給電するための少なくとも１つの他の手段とを含む車両である。一般的な使用状況とは、車両が使用されることになると予測またはそのように設計される経路プロファイルおよび運転者挙動の集合である。

高ＤｏＨ車両は、従来のバッテリハイブリッド車両と比較して、車両の相対的に高出力のエネルギー貯蔵デバイスに対して相対的に低出力の燃料エンジンを有する車両である。高ＤｏＨの正確な定義は存在しないが、本開示の目的のために、エネルギー貯蔵デバイスは、いくつかの実施形態において、エンジンの少なくとも半分の動力を提供する能力を有すると考えられてもよい。いくつかの実施形態において、燃料消費エンジンは、一般的な車両使用状況に基づく車両の予測ピーク動力需要を提供することが可能でなくてもよい。特定の実施形態において、燃料消費エンジンは、ＤｏＨ車両の一般的な車両使用状況の間に高ＤｏＨ車両を駆動するのに必要とされる動力の、少なくとも平均であるが、ピーク動力よりも少ない動力を提供するように構成されている。いくつかの事例において、内燃エンジンは、内燃エンジンが動作すると予測またはそのように設計されるように通常どおり動作されるとき、予測車両使用パターンに基づく車両の予測ピーク動力需要を提供することが可能でない。

エンジンの動力出力を制限することによって、エンジンが最大効率範囲内で動作することを可能にし、エンジンの費用および質量を低減することができる。通常動作状態の間、エンジンは、相対的に平坦な道路上で妥当な速度を維持し、低速度で勾配を上り、相対的にゆるやかに加速するのに十分な動力を有し得る。高ＤｏＨ車両内の石油系燃料エンジンは、車両サイズおよび性能需要に対して動力不足であるため、本明細書において開示されている高ＤｏＨ車両は、動力を提供するために様々なエネルギー貯蔵デバイスを使用することができる。

燃料消費エンジンの動力出力を制限することによって、高ＤｏＨ車両は、相対的により長い期間および／または距離にわたってより高い効率で動作することができる。いくつかの実施形態において、動力出力は、使用される燃料消費エンジンを相対的により小さくすることによって制限されてもよく、それによって、車両の費用、有害な排出物、および質量が低減される。通常動作状態の間、燃料消費エンジンは、相対的に平坦な道路上で妥当な速度を維持し、低速度で勾配を上り、相対的にゆるやかに加速するのに十分な動力を有し得る。高ＤｏＨ車両内の燃料消費エンジンは、車両サイズおよび性能需要に対して動力不足であるため、本明細書において開示されている高ＤｏＨ車両は、より速い加速および性能の増強を可能にするために、様々なエネルギー貯蔵デバイスを使用して動力を提供することができる。

概して、図面は、高ＤｏＨ車両の様々な実施形態および可能な車両動作モードを示す。これらのモードは、たとえば、エネルギー貯蔵デバイス（たとえば、力学的または電気エネルギー貯蔵デバイス）とのシリーズハイブリッド動力モード、エネルギー貯蔵デバイスとのパラレルハイブリッド動力モード、エネルギー貯蔵デバイスとのパワースプリットシリーズ−パラレルハイブリッド動力モード、および様々なスルー・ザ・ロードハイブリッド動力モードを含む。制御システムが、高ＤｏＨ車両の様々な構成要素の動作モードを制御する。制御システムは、１つまたは複数のマイクロプロセッサ、コンピュータ、コンピュータシステム、個別部品、関連ソフトウェア、アルゴリズム、構成要素の解析的シミュレーションモデルなどのような制御回路を含んでもよい。

様々な実施形態において、エネルギー貯蔵デバイスは、力学的貯蔵デバイス、たとえば、フライホイール、または、電気エネルギー貯蔵デバイス、たとえば、ウルトラキャパシタ（スーパーキャパシタとも呼ばれる）もしくは電気化学電池パックであってもよい。フライホイールおよびウルトラキャパシタは、高い電力密度を有し、電池パックを用いるよりも小さく、軽量で、かつ／または安価なユニットを用いて同じ量の電力を得ることができる。しかしながら、高電力密度フライホイールおよびウルトラキャパシタは、エネルギー密度が低い。たとえば、最大出力において、ウルトラキャパシタは一般的に数秒で放電し、フライホイールは一般的に数十秒または数分で放電する。これは、車両が効率的に加速すること、加速するかもしくは勾配を上ること、または、高速を維持することを可能にするのに十分な動力を提供することができるが、継続時間が限られていることを意味する。エネルギー貯蔵要素が枯渇したときに運転者が加速しようとしている場合、利用可能な動力が燃料消費エンジンの動力に限られることになり、これは、前述のように動力不足であるために不十分である場合がある。

図１Ａは、高ＤｏＨ車両１０の一実施形態のブロック図である。高ＤｏＨ車両１０は、任意選択の運転者インターフェース１２と、燃料消費エンジン１４と、エネルギー貯蔵デバイス１８と、制御システム２０と、ドライブトレーン２４と、車輪２８ａおよび２８ｂのような運動系とを含む。ハイブリッド車両は、エネルギー貯蔵デバイス１８を充電するための１つまたは複数の充電システムを含むことができる。

燃料消費エンジン１４は、車両１０を駆動するための機械力を生成するように構成されている。燃料消費エンジン１４を動作させるために使用される燃料は、代替燃料（化石その他）を含む、ガソリン、ディーゼル、メタノール、エタノール、プロパン、水素、メタン（たとえば、天然ガスまたは石炭ガス化からのもの）などのうちの１つまたは複数を含んでもよい。特定の実施形態において、燃料消費エンジン１４は、多燃料エンジンであってもよい。いくつかの実施形態において、燃料消費エンジン１４は、内燃エンジンであってもよい。

伝動装置、差動装置、および車軸を含んでもよいドライブトレーン２４は、ハイブリッド車両の車輪２８（または他の機械運動系）に力学的エネルギーを提供する。ドライブトレーン２４は、図１Ａに示すように、動力供給構成要素（エネルギー貯蔵デバイス１０およびエンジン１４）と運動系との間に結合される。ドライブトレーン２４は、エネルギー貯蔵デバイス１０および燃料消費エンジン１４の一方または両方に結合されてもよい。たとえば、ドライブトレーン２４は、差動装置（図１Ａには示さず）を使用して車輪２８ａ、２８ｂに機械力を伝達することによって車輪２８ａおよび２８ｂを動作させるように構成されてもよい。車輪２８ａおよび２８ｂは、１つまたは複数の車軸を介して差動装置に、トルクおよび動力を伝達する関係において結合され得る。各車輪２８ａおよび２８ｂは、高ＤｏＨ車両の前部乗客側車輪および前部運転者側車輪のような単一の車輪、または、前部車輪および後部車輪のような車輪セットであってもよい。同様に、車軸は、前車軸のような単一の車軸の一部、または２つ以上の車軸であってもよい。差動装置は、タイヤが滑らずに方向転換してカーブを切ることを容易にするために、異なる回転速度において左前部車輪および右前部車輪のような、対向する車輪の回転を可能にする。差動装置は、単一の差動装置または２つ以上の差動装置であってもよく、すべての実施形態において利用されなくてもよい。

制御システム２０は、燃料消費エンジン１４およびエネルギー貯蔵デバイス１８に結合される。図１Ｂにより詳細に示す制御システム２０は、予測プロセッサ２２と、動力フローコントローラ２３とを含む。予測プロセッサ２２は、車両動力需要予測サブシステム２２ａと、コンテキスト的予測サブシステム２２ｂとを含んでもよい。動力フローコントローラ２３は、燃料消費エンジン１４の動作を制御するように構成されているエンジンコントローラ２３ａ、エネルギー貯蔵デバイスの動作を制御するように構成されているエネルギー貯蔵デバイスコントローラ２３ｂ、および／または、エネルギー貯蔵デバイスの再生を制御するように構成されている再生コントローラ２３ｃを含んでもよい。操作上、動力フローコントローラ２３が、エネルギー貯蔵デバイス１０および／またはエンジン１４の動作を制御し、それによって、予測プロセッサ２２から受信される１つまたは複数の信号に応答してドライブトレーン２４に送達される機械力が制御される。いくつかの実施形態において、動力フローコントローラ２３は、予測プロセッサ２２からの信号に基づいてエネルギー貯蔵デバイスの充電を制御するために、エンジン１４とエネルギー貯蔵デバイス１０との間の動力フローを制御してもよい。

送達される動力の制御
いくつかの実施態様において、ハイブリッド車両は、回生ブレーキまたは運動エネルギー回生システムを含んでもよい。いくつかの実施態様において、ブレーキからのエネルギーがエネルギー貯蔵デバイス内に貯蔵される。コントローラ２３は、たとえば、予測動力需要に先立って、１つまたは複数の再生過程を制御してもよい。

いくつかの態様によれば、コントローラ２３は、電子機器（または他の車両構成要素）の電流または電力の制限に基づいて車両を駆動するための動力を制限することによって、再生過程を制御してもよい。相対的に高い予測動力需要に先立って、コントローラ２３は、エネルギー貯蔵デバイスから引き込まれる電力を制限してもよく、または、エネルギー貯蔵デバイスを充電するためにエンジンからさらなる動力が提供されてもよい。再生過程の制御の別の例は、エンジンが代わりにブレーキのための動力を送達し、それによって車両をより効率的に動作させることができるように、ブレーキからの動力を制限することを含む。これは、その速度またはトルクまたは動力がそれほど多くまたはそれほど急速に変更されないときにより良好に動作するエンジンの場合に起こり得る。

いくつかのシナリオにおいて、エネルギー貯蔵をブレーキから充電することは必要ない場合がある。たとえば、車輪（複数の場合もあり）および／または動力付き車軸（複数の場合もあり）は、電気を生成するためのモータ−発電機セットまたは結合されているフライホイールによって直接装荷されてもよい。したがって、ブレーキ作用が、再生過程と実際のブレーキとの間で分割され得る。いくつかの事例において、ブレーキを通じて散逸される運動エネルギーは失われる。コントローラは、車両の速度、運転者のブレーキペダル入力、運転者のブレーキ応答予期、および／もしくは前方の障害物のレーダデータ、ならびに／または他の変数に応じて、どの程度のエネルギーを回収すべきか、および／または、ブレーキを通じてどの程度のエネルギーを出すかを判定するように構成することができる。たとえば、コントローラは、エネルギー貯蔵デバイスの充電／エネルギー状態、および／または、再生過程を制御するのに考慮すべき変数のリストに対する予測動力需要を含んでもよい。

いくつかの実施態様において、予測プロセッサ２２は、ＧＰＳデータおよび／または過去の運転者の習慣に基づいて、ブレーキがかけられる位置または時間間隔を予測することができ、それによって、回生ブレーキからのエネルギーを、これらの位置においてまたはこれらの時間間隔の間にエネルギー貯蔵デバイスに提供することができる。これらの状況において、コントローラは、エネルギー貯蔵デバイスからさらなる電力を引き込んでもよく、またはエンジンからエネルギー貯蔵デバイスに送達される動力を制限してもよく、それによって、回生ブレーキシステムからの予測動力をより十分に利用することができる。

予測プロセッサ２２は、履歴情報、経験的情報、検知される情報、運転者入力、クラウドソースの情報および／または他の情報に基づいて車両動力需要および／または他の動作パラメータの予測を行ってもよい。いくつかの実施形態において、車両動力需要の予測は、車両を動作させるときの運転者のこれまでの習慣またはパターンに基づいて行われてもよい。いくつかの実施形態において、車両動力需要の予測は、一部には、車両のコンテキスト的動作状態に基づいて行われてもよく、コンテキスト的動作状態は、現在の動作状態およびこれまでの動作状態の両方を含むことができる。予測プロセッサ２２は、将来の一時点における、たとえば、移動する時間窓または距離窓内での車両の動作状態のコンテキスト的予測をもたらすことが可能な回路２２ｂを含んでもよい。コンテキスト的予測の一例として、コンテキスト的予測回路２２ｂは、運転者が過去にとった以前の経路に基づいて、運転者が選択する経路を予測してもよい。別の例として、コンテキスト的予測回路２２ｂは、劣化モデルに基づいてエンジン構成要素の劣化を予測してもよい。

コンテキスト的予測回路によって生成される予測情報は、１つまたは複数の車両動力需要予測モデルを使用して動作する車両動力需要予測回路２２ａに情報を与える。たとえば、車両動力需要予測モデルは、モデル化方程式（複数の場合もあり）および／またはルックアップテーブル（複数の場合もあり）として具現化されてもよい。車両動力需要予測モデルは、コンテキスト的予測サブシステムによって予測される情報、運転者入力情報、経験的情報、検知される情報、および／または、ハイブリッド車両の動力需要を予測するためにハイブリッド車両の外部のソースによって提供される情報（たとえば、クラウドソースの情報、気象情報、交通情報、位置情報）のような、様々なソースからの情報を受けて動作し得る。

高ＤｏＨ車両において、予測車両動力需要は、ハイブリッド車両の動作中の少なくとも１時点において、エンジンから利用可能な最大動力よりも大きくなり得る。様々なシナリオにおいて、予測車両動力需要は、ハイブリッド車両の動作中の少なくとも１時点において、エネルギー貯蔵デバイスから利用可能な最大動力よりも大きくなり得る。いくつかのシナリオにおいて、予測車両動力需要は、ハイブリッド車両の動作中の少なくとも１時点において、ともに動作するエネルギー貯蔵デバイスおよびエンジンから利用可能な最大動力よりも大きくなり得る。予測車両動力需要がエンジン、エネルギー貯蔵デバイスまたはその両方から利用可能な動力よりも大きいとき、コントローラは、必要とされている動力が将来のその時点において利用可能になるようにエンジンおよび／もしくはエネルギー貯蔵デバイスからの動力フローを変更すること、ならびに／または、車両を動作するために動力が利用可能になることを可能にする代替経路を運転者に提案することのような、動力が利用可能になることを保証するための様々な動作をとり得る。

いくつかの実施形態において、制御システム２０は、予測プロセッサ２２によって判定されるような車両の動力需要に基づいて、燃料消費エンジン１４またはエネルギー貯蔵デバイス１８のいずれかからの動力をドライブトレーン２４に方向付ける。いくつかの実施態様において、動力フロー制御システム２０は、エネルギー貯蔵デバイス１８のための充電システムを動作させるために燃料消費エンジン１４からの機械力を使用するように構成されている。いくつかの場合において、動力フロー制御器２０は、エネルギー貯蔵デバイス１８のための充電システムへの機械力（たとえば、回生ブレーキ）の流れを制御する。いくつかの実施形態において、車両１０は、エネルギー貯蔵デバイス１８を充電するための１つまたは複数の追加のまたは代替的なシステムを含む。

他の箇所で説明されるように、予測プロセッサ２２は、車両１０に関する動作パラメータを確定および／または予測する。いくつかの実施形態において、予測プロセッサ２２は、ハイブリッド車両１０内に配置される。特定の実施形態において、予測プロセッサ２２は、車両１０から遠隔した位置、たとえば、車両１０から物理的に離れて位置するデータセンターに配置されてもよく、ワイヤレス通信リンクを介して動力フロー制御システム２０と通信するように構成されてもよい。予測プロセッサ２２は、予測動力要件を判定するために、運転者インターフェース１２を通じて提供される運転者入力パラメータ、複数の既知のエンジン特性（たとえば、エンジン構成および／または既知の統計的もしくは長期的なエンジン特性）、検知されるエンジン状態（たとえば、動的に変化するエンジン特性、摩擦、エンジンの状態、エネルギー貯蔵デバイスの状態など）、および、検知される、または外部から取得される情報（たとえば、車両位置、トポロジ、天候、交通量など）を含む、いくつかの情報源に基づいて車両動力需要を予測するように構成されている。

簡潔にするために、当該技術分野において既知であるような、車両１０を動作させるためのさらなる機械的および／または電気的デバイス、構成要素、システムなどは、図面に示されず、本明細書においても説明されない。たとえば、クラッチのような係合機構、自動伝動装置、または、機械力をドライブトレーン２４へおよびドライブトレーン２４から方向転換するのに使用される他のトルク伝達デバイスは図示されず、説明されない。

図１Ｃは、高ＤｏＨ車両４０の一実施形態のブロック図であり、高ＤｏＨ車両１０のエネルギー貯蔵デバイス１８は、力学的エネルギー貯蔵デバイス４２である。高ＤｏＨ車両４０のいくつかの実施形態において、力学的エネルギー貯蔵デバイス４２は、車両４０を駆動するための１０キロワット〜２００キロワットの機械力を生成するように構成されている１つまたは複数のフライホイールを含む。

いくつかの実施形態において、力学的エネルギー貯蔵デバイス４２は、電気モータ／発電機１７に結合されている。貯蔵デバイス４２からの力学的エネルギーは、モータ／発電機の発電機部分によって電気に変換されて、モータ１７に給電するのに使用される。モータ１７は、ドライブトレーン２４に動力を提供するように結合されている。いくつかの実施態様において、エンジン１４は、エネルギー貯蔵デバイス４２を充電するためにモータ／発電機１７を駆動する。いくつかの実施形態において、モータ／発電機１７は、力学的エネルギー貯蔵デバイス４２、たとえば、フライホイールのための電気式伝動装置としての役割を果たす。

図１Ｄは、高ＤｏＨ車両５０の一実施形態のブロック図であり、高ＤｏＨ車両１０のエネルギー貯蔵デバイス１８は、それに結合されている電気モータ５４を動作させるように構成されている電気エネルギー貯蔵デバイス５２である。いくつかの実施形態において、電気的貯蔵デバイス５２は、再充電可能電池パック、ウルトラキャパシタ、燃料電池、または他の再充電可能電気エネルギーデバイス（複数の場合もあり）のうちの１つまたは複数である。特定の実施形態において、電気モータ５４は、車両５０を駆動するための機械力を生成するように構成されている。いくつかの実施形態において、電気モータ５４は、入力機械力を、電気エネルギー貯蔵デバイス５２を充電（たとえば、貯蔵）するための電力に変換するための発電機としてさらに構成されている。エンジン１４は、エネルギー貯蔵デバイス５２を充電するために発電機（モータ（たとえば、モータ／発電機５４）と同じ構成要素であってもよい）を駆動するように構成されてもよい。車両５０のいくつかの実施形態において、発電機は、入力機械力を、電気エネルギー貯蔵デバイス５２を充電するための電力に変換するように構成されており、電気モータから分離しており、電気モータとは異なるものである。特定の実施形態において、発電機を動作させるために必要とされる機械力の少なくとも一部は、燃料消費エンジン１４によって提供される。いくつかの実施形態において、発電機を動作させるために必要とされる機械力の少なくとも一部は、車両５０の回生ブレーキから導出される。

電気モータ／発電機５４は、１つまたは複数のデバイス、構成要素、システムなどのうちのいずれかであってもよい。たとえば、モータおよび／または発電機は、ＡＣデバイス、ＤＣデバイス（たとえば、永久磁石）、スイッチドリラクタンスデバイス、反発誘導デバイス、誘導デバイスなどのうちの１つまたは複数であってもよい。

図２は、高ＤｏＨ車両（車両１０、４０、および５０など）のいくつかの実施形態による運転者インターフェース１２および運転者インターフェース１２の例示的な機能の一実施形態を示す図である。運転者インターフェース１２は、運転者と対話するように設計されており、車両１０の運転者からの情報の取得、および、車両１０の運転者への情報の表示の両方を行うように構成され得る。運転者インターフェース１２は、運転者に特定の情報を入力するよう促し、運転者に選択可能な選択肢を提供し、および／または情報を運転者に中継するように構成され得る。動力フロー制御システム２０は、運転者指定の入力７７、たとえば、運転者が提供する情報および／または運転者インターフェース１２を介して運転者によって行われる選択を受信し、運転者入力情報に基づいて、経路を提案し、予測を行い、および／またはタスクを実行し得る。図２に示すように、運転者インターフェース１２が入力または出力し得る情報の例示的で非限定的なリストは、選択された経路９６、予測または実際の車両挙動７６、車両の現在位置６４、目的地までの時間７０、目的地位置６２、燃料消費７４（たとえば、瞬間または平均）、車両排出７２（たとえば、瞬間または平均）、他のＤｏＨ状態８０、運転者特有の情報７７、および／あるいは、任意の他の情報８１、たとえば、運転者もしくは車両パラメータ値、またはハイブリッド車両の動作に関係する状態を含む。

たとえば、運転者インターフェース１２は、運転者によって目的地６２を指定するのに使用され得る。いくつかの実施形態において、目的地６２は、最終目的地、および／または、車両１０の現在位置６４と最終目的地との間の複数の中間目的地を含んでもよい。図２〜図６に示すように、運転者インターフェース１２および／または他のソースからの情報は、車両の動作に関する予測を行うのに使用され得る。いくつかの実施形態いおいて、車両１０は、１つまたは複数の履歴データベース６６、６７、たとえば、予測プロセッサ２２のコンテキスト的予測回路が、目的地６２および／または他のコンテキスト的情報のような、車両のコンテキスト的動作状態をそこから推定（たとえば、予測）することができる、運転者および／または車両特有のデータベースを含む。たとえば、特定の実施形態において、運転者の識別情報および時刻を使用して、運転者の中間および／または最終目的地を予測することができる。たとえば、移動が平日の朝の時間帯の間である場合、予測プロセッサは、運転者が出勤していると想定することができる。加えて、または代替形態において、運転者の識別情報および現在位置６４を使用して、運転者の目的地を予測することができる。いくつかの実施形態において、運転者特有の履歴データベース６６は車両１０に搭載されてもよい。特定の実施形態において、運転者特有の履歴データベース６６は、車両１０から遠隔した位置にあってもよく、セルラ通信リンクのようなワイヤレス通信リンクを介して予測プロセッサ２２と通信するように構成されてもよい。いくつかの実施形態において、ＧＰＳインターフェース６８を使用して、車両１０の現在位置６４が求められてもよい。

いくつかの実施形態において、運転者インターフェース１２は、１つまたは複数の運転者特有の運転パラメータを指定および／またはランク付けするのに使用されてもよい。ランク付けは、運転者特有の運転パラメータの各々に対して運転者が考える重要度を示す。例示的な運転者特有の運転パラメータは、限定ではなく、目的地までの時間７０、目的地までの許容可能な排出７２、目的地までの許容可能な燃料消費７４、車両挙動７６、および、加速にかかる時間７８のうちの１つまたは複数を含んでもよい。いくつかの実施形態において、目的地までの時間７０は、運転者が目的地に到着することを望む時間および／または通勤時間（たとえば、継続時間）のうちの１つまたは複数を含んでもよい。特定の実施形態において、１つまたは複数の運転者特有の運転パラメータは、運転者特有の履歴データベース６６に記憶されてもよい。いくつかの実施形態において、運転者は、運転パラメータを指定しなくてもよい。いくつかの実施形態において、運転者が変更可能なデフォルトの（たとえば、出荷時設定の、または、運転者によって以前に設定された）運転パラメータが、履歴データベース６６に含まれていてもよい。特定の実施形態において、運転者は、運転者インターフェース１２を通じて、所望される場合に１つまたは複数の運転パラメータを指定および／または変更することができる。

いくつかの実施形態において、運転者インターフェースは、運転者に、１つまたは複数の運転パラメータに対するランク情報を入力するよう促すように構成されてもよい。ランク付けされた運転パラメータは、運転者インターフェースに表示される１つまたは複数の経路を提案するのに使用される。ランク付けされた運転者パラメータが、代替的にまたは付加的に、動力需要を予測するために予測プロセッサによって、および／または、ハイブリッド車両を駆動するための動力フローを制御するためにコントローラによって使用されてもよい。様々な実施形態において、コントローラは、車両を駆動するための動力を提供するように、エンジンとドライブトレーン、エネルギー貯蔵デバイスとドライブトレーン、およびエンジンとエネルギー貯蔵デバイスのうちの少なくとも１つの間の動力フローを自動的に制御するように構成されてもよい。動力フローの制御は、少なくとも部分的に、予測動力需要に基づく。

いくつかの実施形態において、車両挙動７６は、運転者が車両の挙動をどのように予測するかに関係する。したがって、車両挙動７６は、「学習される」運転者特有の運転パラメータであり得る。たとえば、運転者の運転習慣を、連続的にまたは１つまたは複数の時間間隔にわたってのいずれかで監視することができ、運転者の習慣は、履歴データベース６６内に含まれ、または更新されてもよい。いくつかの実施形態において、車両挙動に関する情報７６は、とりわけ、加速習慣（たとえば、「ジャックウサギ」、徐々に、など）、減速習慣（たとえば、徐々に、急激に、など）のような定量的および／または定性的運転者特有データおよび／またはプロファイルを含んでもよい。車両挙動７６はまた、運転者が予期する車両の運転しやすさ、または、所望または予期される搭乗の「スムーズさ」、反応性、加速にかかる時間７８のような他のパラメータも含んでもよい。運転者挙動７６はまた、とりわけ、運転者指定の車両排出、運転者指定の燃料消費のような、運転者指定の車両の動作特性をも含んでもよい。

いくつかの実施形態において、予測プロセッサ２２のコンテキスト的予測部分は、現在位置６４と目的地６２との間で運転者がとることができる複数の可能性のある経路８０ａ〜８０ｎを判定するように構成されている。特定の実施形態において、予測プロセッサ２２は、運転者がとることができる、現在位置６４と、複数の中間目的地８２ａ〜８２ｎの各々との間の複数の可能性のある経路８０ａ〜８０ｎを判定するように構成されている。いくつかの実施形態において、複数の可能性のある経路８０ａ〜８０ｎは、現在位置６４、目的地６２、および、複数の可能性のある経路８０ａ〜８０ｎの各々と関連付けられる１つまたは複数の運転者特有の運転パラメータに基づいて予測プロセッサによって予測され得る。中間目的地８２ａ〜８２ｎは、道路地図システムに基づいて予測され得る。たとえば、中間目的地は、次の交差点であってもよい。特定の実施形態において、予測プロセッサ２２は、所定の勾配よりも大きい勾配または傾斜を有する経路を回避するように構成されている。そのため、複数の可能性のある経路８０ａ〜８０ｎは、他の経路と比較して高度がよりゆるやかに増大する少なくとも１つの可能性のある経路を含み得る。

複数の可能性のある経路８０ａ〜８０ｎが、運転者インターフェース１２上に表示され得る。いくつかの実施形態において、経路情報は、複数の可能性のある経路８０ａ〜８０ｎの各々について予測プロセッサ２２によって確定されるような１つまたは複数の経路特有の運転パラメータ８４とともに運転者インターフェース１２に表示され得る。特定の実施形態において、経路特有の運転パラメータ８４は、経路特有の情報とともに表示されるが、運転者特有の運転パラメータと同じであってもよい。例示的な経路特有の運転パラメータ８４は、限定ではなく、車両動力需要８６、目的地に到達するまでの時間遅延８８（たとえば、交通量、天候、道路工事などに起因する）、燃料消費９０の増大（または低減）、燃料代（たとえば、他の経路と比較した燃料代の節約または増大）９２、他の経路と比較した車両排出９４の増大（または低減）のうちの１つまたは複数を含んでもよい。いくつかの実施形態において、運転パラメータ８４は、限定ではなく、瞬間動力、および、動力需要が満たされていない予測累積時間のような、瞬間的状態から導出されるパラメータを含んでもよい。経路特有の運転パラメータ８４は、絶対値で、他の可能性のある経路のものに対する値として、および／または、運転者指定の運転パラメータからの偏差として（たとえば、差分値として）表示されてもよい。

いくつかの実施形態において、運転者は、運転者インターフェース１２に表示されている複数の可能性のある経路８０ａ〜８０ｎから経路９６を選択することができる。特定の実施形態において、予測プロセッサ２２は、運転者が複数の可能性のある経路８０ａ〜８０ｎから、経路特有の運転パラメータ８４と運転者特有の運転パラメータとの間に「近似一致」がある１つの経路を移動することを所望することになると予測することができる。いくつかの実施形態において、運転者は、運転者インターフェース１２に表示されている複数の可能性のある経路８０ａ〜８０ｎとは異なる経路９６を指定または選択してもよい。たとえば、選択される（ユーザによって指定される、または予測プロセッサによって予測される）経路９６は、運転者が移動することを望む景色のいい経路であってもよい。

いくつかの実施形態において、予測プロセッサ２２は、運転者によって選択される経路９６に関する情報に基づいて車両動力需要８６を予測するように構成されている。特定の実施形態において、予測プロセッサ２２は、最終目的地に関する、運転者によってもたらされる情報に基づいて車両動力需要８６を予測するように構成されている。いくつかの実施形態において、予測プロセッサ２２は、経路および／または目的地の、運転者によってもたらされるかまたは選択される情報を一切用いずに車両動力需要８６を予測するように構成されている。たとえば、特定の実施形態において、予測プロセッサ２２は、車両１０が動作している間の移動する一連の時間間隔にわたって車両動力需要８６を予測するように構成されている。いくつかの実施形態において、予測プロセッサ２２は、車両１０が動作している間に中間経路のいくつかの中間位置に到達するのに必要とされることになる車両動力需要８６を予測するように構成されている。

図６は車両１０の一実施形態を示し、予測プロセッサ２２は、車両のコンテキスト的動作状態に基づいて車両動力需要８６を予測するように構成されている。コンテキスト的動作状態は、限定ではなく、外部状態（車両の外部の状態）、内部状態（車両の内部の状態）、検知される状態（外部または内部）、予測される状態（外部または内部）、ならびに、運転パラメータおよび経路または目的地情報のような前述の運転者指定の状態のうちの１つまたは複数を含んでもよい。いくつかの実施形態において、外部状態は、交通量９８、ＧＰＳ情報６８、天候１００、道路状況１０２、およびトポグラフィ１０４のうちの１つまたは複数を含んでもよい。検知される状態は、交通量９８、天候１００、道路状況１０２、交通事故１０６、エンジン状態、エネルギー貯蔵デバイス状態、およびドライブトレーン状態１０８を含んでもよい。検知されるエンジン状態は、利用可能な最大動力１１０、トルク１１２、エンジン速度、および燃料効率１１４を含んでもよい。検知されるエネルギー貯蔵デバイス状態は、エネルギー貯蔵デバイスの充電状態１１６、利用可能な動力、ならびに最小および最大充電量（たとえば、貯蔵容量）１１８を含んでもよい。予測される状態は、天候１００、経路９４、交通量、目的地６２、および構成要素劣化を含んでもよい。

図７は、予測プロセッサ２２に結合されているセンサシステム１２０を有する車両１０の一実施形態を示し、センサシステム１２０は、１つまたは複数の状態を検知するように構成されており、予測プロセッサ２２は、１つまたは複数の検知された状態に基づいて車両動力需要８６を予測するように構成されている。いくつかの実施形態において、１つまたは複数の検知される車両パラメータは、潤滑油１２２、ベアリング１２４、フライホイール１２６、電池１２８、キャパシタ１３０のうちの１つもしくは複数の劣化、エンジン摩耗１３２、エンジン圧縮１３４、エンジンの伝動装置１３６、エネルギー貯蔵デバイスの伝動装置１３８、および／または、車両の内部もしくは外部の様々な他の状態１３１を示す検知状態を含んでもよい。

いくつかの実施形態において、予測プロセッサ２２は、１つまたは複数の車両構成要素の変化を予測し、したがって、１つまたは複数の車両構成要素の予測される変化に基づいて車両動力需要８６の変化を予測するように構成されている。たとえば、構成要素の予測される変化は、構成要素の使用年数、走行距離、回転またはサイクル数などのうちの１つまたは複数に基づいてもよい。特定の実施形態において、予測プロセッサ２２は、１つまたは複数の劣化モデルに基づいて変化を予測するように構成されており、劣化モデルは、方程式および／またはルックアップテーブルによって特性化される。いくつかの実施形態において、劣化モデルは、１つまたは複数の検知される状態に基づいて適応可能である。特定の実施形態において、予測プロセッサ２２は、ハイブリッド車両１０の各構成要素を表す１つまたは複数の数学モデルを含むことができる。たとえば、予測プロセッサ２２は、燃料消費エンジン１４および／またはエネルギー貯蔵デバイス１８の１つまたは複数の数学モデルを含むことができる。予測プロセッサ２２は、１つまたは複数の数学モデルに基づいて車両動力需要８６を判定または予測するように構成され得る。特定の実施形態において、予測プロセッサ２２は、構成要素の性能の検知および／または予測される変化に基づいて１つまたは複数の車両構成要素の数学モデルを訂正するように構成されている。

特定の実施形態において、予測プロセッサ２２は、交通状況９８を予測し、予測された交通状況または交通状況９８の変化に基づいて車両動力需要８６を予測するように構成されている。たとえば、予測プロセッサ２２は、時刻および／または選択される経路９６に基づいて交通状況を予測するように構成され得る。予測プロセッサ２２は、車両動力需要８６を予測するために交通量の予測と実際との時間発展の差を計上するための線形または非線形自己回帰モデルを含み得る。

いくつかの実施形態において、予測プロセッサ２２は、車両動力需要８６をリアルタイムに予測するように構成され得る。そのため、予測プロセッサ２２は、リアルタイムの状態、たとえば、リアルタイムの天候、道路状況、および／または交通状況に基づいて代替経路を運転者に提案するように構成され得る。提案される経路は、運転者インターフェース１２に表示することができ、運転者は、提案される代替経路を承認または拒否することが可能であり得る。予測プロセッサ２２は、運転者によって承認される場合に提案される代替経路を実行することができる。特定の実施形態において、予測プロセッサ２２は、エネルギー貯蔵デバイス１８からのエネルギー使用を最大限にし、燃料消費エンジン１４からのエネルギー使用を最小限に抑えるように構成され得る。

いくつかの実施形態において、予測プロセッサ２２は、車両動力需要８６を予測するためにモデル予測制御フレームワークにモンテカルロアルゴリズムを使用するように構成されてもよい。特定の実施形態において、予測プロセッサ２２は、車両動力需要８６を予測するためにモデル予測制御フレームワークに確率的計画法を使用するように構成されてもよい。当業者には諒解されるように、確率的計画法は、数理計画法または数理最適化アルゴリズムとして既知のクラスのアルゴリズムを含み得る。たとえば、そのようなアルゴリズムは、整数計画法、線形計画法、および非線形計画法を含み得る。いくつかの実施形態において、予測プロセッサ２２は、車両を動作させるための適応的最適化制御アルゴリズムを含み、リアルタイムに検知または予測されるデータを使用して１つまたは複数の制御パラメータを訂正することができる。いくつかの実施形態において、リアルタイムに検知されるデータは、液圧および潤滑システム内の破片粒子を検出することによってエンジン摩耗を検出することを含んでもよい。たとえば、車両は、伝動システム内のベアリングおよびギアの損傷および／またはエンジン摩耗を示すためにオイル清浄度を監視するための１つまたは複数のセンサを有する早期警戒システムを含んでもよい。特定の実施形態において、検知されたデータは、出力動力を低減する可能性があるピストンリングおよびボアの磨損のような構成要素劣化を予測するための摩耗モデルを較正するために使用されてもよい。

いくつかの実施形態において、本明細書に開示する車両動力フロー制御システムは、可能な最大範囲まで十分な加速力がもたらされるという制約を受けて、燃料消費および／もしくは有害な排出物またはこれらの何らかの組合せ（あるいは他の変数）が低減される、たとえば、最小限に抑えられるように、指定の、たとえば、最適化された動力フローを提供する。

制御システムは、種々の動作レジームにおいてエンジンの効率および排出物を計上する内部モデル（たとえば、エンジン速度およびトルクに基づくエンジンマップ）に基づいて排出および／または燃料消費を予測する。所与のエンジン出力動力において、これらの燃料消費および／または排出の値は、たとえば、エンジンをその最大効率動作点において動作させるよう努めることによって低減することができる。

動力フロー制御システムは、いつ、どれだけ多くの加速が必要とされる可能性が高いかを予測し、そのときにエネルギー貯蔵デバイスに十分なエネルギーを提供することによって、十分な加速力を与えるよう試行する。これは、運転状況の予測的、統計的解析に基づいてたとえば、エンジンから運動系への、エンジンからエネルギー貯蔵デバイスへの、エネルギー貯蔵デバイスから運動系への、および／または、再生システム、たとえば、回生ブレーキからエネルギー貯蔵デバイスへのエネルギーフローに沿ってエネルギー貯蔵デバイスの充電および放電を制御することによって達成される。

この予測の基礎としていくつかの技法が使用され得る。たとえば、車両、運転者、または制御レジームが、車両タイプ（たとえば、ミニバン、小型セダンなど）および一般的な運転状況（たとえば、市街地での用事、通勤など）と関連付けられるカテゴリのセットから選択され得る。

各カテゴリは、一般的に「運転サイクル」、または、時間の関数としての速度のセットと関連付けられ、これらは、その状況における一般的なまたは平均の運転サイクルの確率的組合せから導出される。運転サイクルはその後、現在のおよび過去の速度に基づいて特定量の加速が必要とされることになる可能性を概算するのに使用され得る。

車両、運転者、または運転者と組み合わせた車両の運転履歴を使用して、可能性のある加速需要を予測することができる。たとえば、停止した、または、出入制限道路に入った後の履歴加速度が、履歴データベースに組み込まれ、運転者の将来の駆動特性を予測するのに使用され得る。運転者特有の情報は、利用可能な場合は、マッピングもしくはＧＰＳデータ、および／または、気象条件によって増強され得る。

勾配／高度を含む可能性がある経路、マッピング、またはＧＰＳデータが利用可能である場合、動力フロー制御システムは、それらを使用して可能性のある加速需要を予測することができる。たとえば、経路および現在の車両位置を所与として、高速道路に入るか、または勾配を上る加速の要件を予測することができる。特定の例において、車両が高速道路入口に近づいている場合、制御システムは、加速が必要になる可能性の増大を計算し得る。これは、リアルタイムのおよび／または履歴的な交通量または車速データによってさらに強化され得る。一変形形態において、制御システムは、経路推奨の増強または最適化を補助するための構成要素として使用することができる。たとえば、高ＤｏＨ車両にとっては長い上り坂を回避する経路が好ましい場合がある。別の例として、より短く、より急な上り坂よりも、代わりにより長く、よりゆるやかな上り坂を通る経路が好ましい場合がある。

制御システム予測プロセッサのアルゴリズムは、上記の入力セットの１つまたは組合せを使用して、高ＤｏＨ車両の加速需要を判定し、必要とされる貯蔵エネルギーを計算し、その後、その要件を受けて指定のまたは最適な燃料消費または排出をもたらすエネルギーフローを向ける。

ドライブトレーン構成に応じて、最適化変数に関係する他の制御変数が、制御システムによって出力され得る。たとえば、無段変速機を有する車両において、エンジン動作点（すなわち、エンジン速度）は、エネルギー効率を最大化するように制御され得る。

動力フロー制御は、経路全体またはより短い時間（または距離）窓、たとえば、移動する時間もしくは距離窓にわたって実施され得る。動力フロー制御プロセスを実施するのに様々な予測および最適化ルーチンが使用され得る。一変形形態において、車両動力需要予測および動力フロー制御モデルは、時間とともに独立変数として動作し、距離にわたる速度のプロファイル（たとえば、コンピュータが生成した経路に対応する）を入力としてとる。この変形形態において、モデルは、車両が所与の距離において目標速度に達するのに必要とされるけん引動力を計算する。予測される利用可能な動力（利用可能なエンジンおよび／またはエネルギー貯蔵デバイスの動力によって物理的に制限され得るか、または、制御システムによって制限され得る）が目標速度に達するのに必要とされる動力よりも小さい場合、利用可能な動力に対応する速度が計算され（たとえば、動力計負荷方程式の反転に基づいて、加速度はシミュレーションの時間ステップに従って線形化されている）、結果として低減した移動距離が計算される。次の時間ステップにおいて、この距離は距離にわたる速度のプロファイルとともに所望の速度を計算するのに使用される。そのようなモデルによって使用されるべき速度−時間プロファイルについて、速度−距離プロファイルは、積分および再サンプリングによって速度−時間プロファイルから予め計算することができる。予測アルゴリズムは、コントローラによってリアルタイムに動作され得るか、または、経路が計算されるときに事前に実行され得る。

例示的な一例として、車両が停止から９６．５６ｋｍ／ｈ（６０ｍｐｈ）まで１０秒かけて加速すると予測される経路の一部分を考える。これは、９．６５６ｋｍ／ｈｓ（６ｍｐｈ／ｓ）の加速度および０．１３３６ｋｍ（０．０８３マイル）の移動距離に対応する。ここで、コントローラが、１秒の時間基準で、利用可能な動力が経路の始まりにおいて６．４３７ｋｍ／ｈｓ（４ｍｐｈ／ｓ）の加速しか可能でないと判定すると仮定する。この加速度を所与とすると、１秒の間に、０．０００８０４７ｋｍ（０．０００５マイル）移動する。この距離において、元の経路では車両が７．８８６ｋｍ／ｈ（４．９ｍｐｈ）で移動しており、そのため、この速度が、１秒の時間ステップの目標速度として使用される。同様に、２番目の１秒間隔において、車両はもう０．００２７３６ｋｍ／ｈ（０．００１７マイル）、合計で０．００３５４１ｋｍ／ｈ（０．００２２マイル）移動する。元の経路では、車両がこの時点で１５．７７ｋｍ／ｈ（９．８ｍｐｈ）で移動しており、そのため、これが、２秒の時間ステップの目標速度として使用される。このように、経路は、予測モデルによって最良に求められるように、車両の実際の加速度として求められる時間にわたる速度のプロファイルとして漸進的に再計算される。

予測プロセッサはまた、一般的な運転パターン、または、特定の場所において学習されたこの運転者の特定の以前の運転パターンに基づいてＧＰＳベースの予測システムを利用して、どこで運転者がブレーキを使用する可能性が高いかを予測することもできる。どこで運転者がブレーキをかける可能性が高いかを予測することによって、制御プロセッサは、エネルギー貯蔵要素からの動力が加速に必要とされる前にブレーキが予測されるときに燃料消費エンジンからエネルギー貯蔵要素を充電しないことを選択することができる。ＧＰＳは、ブレーキが履歴的に行われる特定の場所を学習することができ、および／または、マップ情報から、どこでブレーキが行われる可能性が高いか（たとえば、一時停止の標識、交差点、交通信号灯、急な下り坂道路など）を予測することができる。これらは、特定の車によって学習され得るか、または、多数の車両からクラウドソーシングされ、車両動力フローコントローラにダウンロードされ得る、ブレーキ挙動の学習に加えて、制御システムは、他のロケーションベースの運転者特有の挙動を学習および利用することができる。一例は、出入制限道路への進入ランプにおける運転者の加速である。この情報は、そのロケーションにおいて運転者が車両を駆動することによって必要とされる予測動力の精度を改善するために使用され得る。

加速する能力を増強、たとえば、最大化することに加えて、制御システムは、運転者体験の均一性を最適化することができる。たとえば、運転者は、同様の運転状況においてアクセルペダルが踏み込まれるときは車両がいつも同様に挙動することを好む場合がある。履歴データまたは固定の制約のセットを使用して、制御システムは、予測可能なけん引動力を車両に送達するのに有利になるように、利用可能な全動力を送達しないことを選択し得る。

いくつかの事例において、制御システムは、そうでなければフライホイールが消耗して、結果として運転者が相当な動力を失うことになる、長時間の重大な需要を予期して、フライホイール（または他のエネルギー貯蔵デバイス）から送達される動力を低減または制限してもよい。たとえば、長い上り坂を上るときに、フライホイールがその一部分、たとえば、上り坂の半分を上るのに必要とされる全動力を運転者に与えるだけの十分なエネルギーしか有しないことを所与として、制御システムは、フライホイールから送達される動力を、必要とされる全動力の一部、たとえば、半分に制限し得、それによって、送達される動力は上り坂を上る期間全体にわたって存続する。結果として、運転者は上り坂の半分のところで急に減速することを経験しない。

いくつかの実施形態は、上り坂を上る継続時間（すなわち、必要とされる動力が、相対的に小さいエンジン単独で送達され得る動力を超えると予期される運転距離）にわたって一定のエネルギー貯蔵デバイス動力出力を目標とする。別の実施形態において、制御プロセッサは特に、最初は、残りのエネルギー貯蔵デバイス動力およびエンジン動力を所与として上り坂を上る過程全体にわたって維持され得る速度まで車両が減速するまで、過剰な運動エネルギー、および、エンジン動力のみを使用して（エネルギー貯蔵デバイス入力なしで、エネルギー貯蔵デバイスのエネルギーを保持する）、一定の車両速度を維持することを目標とする。いくつかの実施形態は、可能な最高の最小速度を送達し、したがって、運転者が経験する不効用を低減することができる。

本明細書において説明されている実施形態は、加速に十分な動力が利用可能であることを保証することを条件としていくつかの変数（たとえば、燃料経済性）を最適化する、高ＤｏＨハイブリッドのための車両動力フロー制御システムに関する。いくつかの実施形態において、車両動力フロー制御システムは、十分な動力および予測可能な応答を合わせてもたらすように構成されている。車両動力フロー制御システムは、エンジンおよびエネルギー貯蔵デバイスからの動力フローならびに／またはエンジン動作点を制御するように構成することができる。ハイブリッド車両は、様々なタイプ（シリーズ、パラレルなど）、および／または貯蔵タイプ（フライホイール、ウルトラキャパシタ、電池など）を含んでもよい。車両の制御は、様々なタイプの情報、たとえば、上述のような、予測、検知、学習、経験、クラウドソーシングに基づいてもよい。

様々なタイプの予測制御アルゴリズムが、動力フローおよび／または動作点を制御するのに使用されてもよい。動力フロー制御システムの一実施形態において、予測制御アルゴリズムは、構成要素間の動力フローに対する制御入力を導出するために、多目的最適化フレームワークにおける、パワートレーンのモデルと、残りの経路の予測動力プロファイルとを含んでもよい。そのような最適化は、性能と効率との間でトレードオフしなければならないことになる。経路の動力プロファイルに応じて、コントローラは、短期間のパフォーマンス（たとえば、接近する上り坂を上る加速）と、長期間のパフォーマンス（たとえば、経路全体にわたる妥当な速度の維持）との間でトレードオフしなければならない場合がある。考慮される予測範囲も、残りの経路全体から次の数マイル、または、エネルギー貯蔵容量およびそれが枯渇する速度に応じてさらにより短い距離まで変動し得る。そのような制御戦略のいくつかの例が、モデル予測制御または後退ホライズン制御である。いくつかの実施形態は、将来の動力需要を推定してその推定値のための制御入力を最適化するために、移動した経路を記憶されている経路の履歴（交通量および天候を考慮にいれるために時刻によってパラメータ化されている場合がある）と比較するためのアルゴリズムを含んでもよい。既存の交通パターンに基づくすべての道路の確率的推定値も、事前に計算し、コントローラによって使用され得る。

いくつかの実施形態は、そうでなければフライホイールが消耗して、結果として運転者が相当な動力を失うことになる、長時間の重大な需要を予期して、フライホイール（または他のエネルギー貯蔵デバイス）から送達される動力を低減または制限することを含む。いくつかの構成は、一般的な運転パターン、または、特定の場所において学習されたこの運転者の特定の以前の運転パターンに基づいて予測を行うＧＰＳベースの予測制御システムを利用する。一例として、ＧＰＳベースの予測制御システムは、特定の場所において学習された運転者の特定の以前の運転パターンを使用して、どこで運転者がブレーキを使用する可能性が高いかを予測することができる。別の例として、ＧＰＳベースの予測制御システムは、高速道路入口ランプのような高い動力需要を予期し、エンジンからエネルギー貯蔵デバイスへの、および／または発電システムからエネルギー貯蔵デバイス、たとえば、電池、キャパシタ、もしくはフライホイールへの動力フローを制御して、需要に対して適時に十分な充電をもたらすことができる。

Claims (10)

1. ハイブリッド車両であって、
   前記車両を駆動するための動力を供給するように構成されている燃料消費エンジンと、
   前記ハイブリッド車両内に配置されているエネルギー貯蔵デバイスであって、前記エネルギー貯蔵デバイスは、前記車両を駆動するための動力を供給するように構成されている、エネルギー貯蔵デバイスと、
   前記車両の動作中に変化する状態に基づいて前記車両を駆動するための動力需要を予測するように構成されている予測プロセッサと、
   前記車両の運動を引き起こすように結合されているドライブトレーンと、
   コントローラであって、前記予測される動力需要に少なくとも部分的に基づいて前記車両を駆動するための前記動力を提供するように、
   前記エンジンおよび前記ドライブトレーン、
   前記エネルギー貯蔵デバイスおよび前記ドライブトレーン、ならびに
   前記エンジンおよび前記エネルギー貯蔵デバイスのうちの少なくとも１つの間の動力フローを自動的に制御するように構成されており、前記車両を駆動するための前記動力需要は、前記ハイブリッド車両の動作中の少なくとも１時点において前記エンジンから利用可能な最大動力よりも大きい、コントローラと
   を備える、ハイブリッド車両。
2. 前記エネルギー貯蔵デバイスは、
   フライホイール、
   電池、および
   キャパシタのうちの少なくとも１つを含む、請求項１に記載のハイブリッド車両。
3. 前記変化する状態は、
   前記ハイブリッド車両の外部の検知される状態、
   前記ハイブリッド車両の検知される状態、
   １つまたは複数の車両構成要素における予測される変化、
   前記車両の外部の予測される状態、
   運転者特有の状態、
   前記エネルギー貯蔵デバイスからのエネルギー使用状況、
   前記燃料消費エンジンからのエネルギー使用状況、
   履歴データ、
   予測される目的地、および
   予測される経路のうちの１つまたは複数を含む、請求項１に記載のハイブリッド車両。
4. 前記予測プロセッサに結合されているセンサシステムをさらに備え、前記センサシステムは、前記変化する状態のうちの１つまたは複数を検知するように構成されており、前記予測プロセッサは、前記検知された状態に基づいて前記車両を駆動するための前記動力需要を予測するように構成されている、請求項１に記載のハイブリッド車両。
5. 運転者インターフェースであって、
   運転者が目的地または経路情報を入力することを可能にし、
   リアルタイムの状態に基づいて１つまたは複数の提案される代替経路を表示し、
   前記１つまたは複数の提案される代替経路の各々と関連付けられる少なくとも１つの運転パラメータを表示するように構成されている、運転者インターフェースをさらに備える、請求項１に記載のハイブリッド車両。
6. 運転者インターフェースであって、
   運転者が、前記目的に到達するにあたっての時間遅延を引き起こすことになる第１の経路と、前記第１の経路と比較しての燃料消費の増大、および、前記第１の経路と比較しての車両排出の増大のうちの少なくとも一方を引き起こすことになる第２の経路との間での選択を入力することを可能にするように構成されている、運転者インターフェースをさらに備え、
   前記予測プロセッサは、前記選択を使用して前記動力需要を予測するように構成されている、請求項１に記載のハイブリッド車両。
7. ハイブリッド車両の動作中に変化する状態に基づいて、前記ハイブリッド車両を駆動するための動力需要を予測するように構成されている予測プロセッサであって、前記ハイブリッド車両は、前記ハイブリッド車両のドライブトレーンに結合されている燃料消費エンジンおよびエネルギー貯蔵デバイスを備える、予測プロセッサと、
   コントローラであって、前記予測される動力需要に少なくとも部分的に基づいて前記車両を駆動するための前記動力を提供するように、
   前記エンジンおよび前記ドライブトレーン、
   前記エネルギー貯蔵デバイスおよび前記ドライブトレーン、ならびに
   前記エンジンおよび前記エネルギー貯蔵デバイスのうちの少なくとも１つの間の動力フローを自動的に制御するように構成されており、前記車両を駆動するための前記動力需要は、前記ハイブリッド車両の動作中の少なくとも１時点において前記エンジンから利用可能な最大動力よりも大きい、コントローラと
   を備える、ハイブリッド車両制御システム。
8. ハイブリッド車両の動作中に変化する状態に基づいて、燃料消費エンジンおよびエネルギー貯蔵デバイスによる前記ハイブリッド車両を駆動するための動力需要を予測するステップと、
   前記予測される車両動力需要に基づいて前記ハイブリッド車両を駆動するための動力を提供するように、前記動力フローを制御するステップであって、前記予測される車両動力需要は、前記車両の動作中の少なくとも１時点において前記エンジンから利用可能な最大動力よりも大きい、制御するステップと
   を含む、方法。
9. 変化する状態に基づいて前記車両動力需要を予測するステップは、
   前記ハイブリッド車両の検知される状態、
   前記ハイブリッド車両の外部の検知される状態、
   車両状態の劣化モデル、
   運転者特有の状態、および
   履歴データベースに記憶されている情報のうちの１つまたは複数に基づいて予測するステップを含む、請求項８に記載の方法。
10. 目的地までの１つまたは複数の代替経路を識別するステップと、
    前記１つまたは複数の代替経路の各々と関連付けられる経路特有の車両動力需要を予測するステップと、
    前記代替経路の各々と関連付けられる少なくとも１つの運転パラメータを求めるステップであって、前記少なくとも１つの運転パラメータは、目的地までの時間、目的地までの排出、および目的地までの燃料消費のうちの１つまたは複数を含む、求めるステップと
    を含む、請求項８に記載の方法。

Images