JP2016026953A - 走行中の車両の道路に対する傾斜を決定し、動的なヘッドライトレベリングを行う方法および装置 - Google Patents

Abstract

【課題】車両のヘッドライトレベリングシステムを制御する上で使用可能な、道路に対する走行中の車両の垂下部の傾斜角を高精度に計算することができる方法およびシステムを提供する。【解決手段】２軸以上に対応する加速度データは、加速度計２００ａ、２００ｂ等の加速度測定装置から収集される。フィルタリング装置は、加速度データをフィルタリングして、フィルタ済み加速度データをメモリ２０２に記憶させる。プロセッサ１５０は、最小二乗法による最適な回帰を実施し、最小二乗法による最適な回帰から、道路に対する車両の傾斜角に相当する傾きを算出する。【選択図】図８Ａ

Description

発明の詳細な説明

〔背景技術〕
本発明は、通常、車両の非垂下部に対する垂下部の傾斜測定に関し、そのような測定に基づいた電気機械装置または電気機械システムの制御に関する。

車両のピッチおよびロール（θ_Ｔ、ρ_Ｔ）の全体的な傾斜は、車両が静止している際に、２軸または３軸加速度計を使用し、三角関数を利用して軸に対する重力ベクトルの向きを定めることによって決定することができる。例えば、θ_Ｔおよびρ_Ｔは、θ_Ｔ＝逆正弦（ｘ軸に沿った加速度）、ρ_Ｔ＝逆正弦（ｙ軸に沿った加速度）として、車両の前後軸および横軸に対して平行な面に配置された２軸加速度計によって求められる加速度データから算出することができる。車両の前後（長手）軸に沿って位置合わせされたｘ軸を持つ車両に対して垂直な面に配置された２軸加速度計に関しては、θ_Ｔは、ｚ軸に沿った加速度に対するｘ軸に沿った加速度の逆正接として算出される。直交する第３の軸を加えることによって、逆正接法を利用して、ピッチおよびロールの計算が可能となる。しかし、通常の動作中の車両は、重力による加速度に従って、同じような大きさの複数の軸に沿って加速する。ローパスフィルタリングは、干渉する加速度の多くを除去することができるが、道路傾斜の変化に関する緩やかな加速度変化を除去することはできない。

車両の走行中に、加速度計または傾斜計を用いて、車両の非垂下部に対する当該車両の垂下部の傾斜角（θ_ｖ)を測定することは、車両の負荷条件を判定するうえで望ましいことである。通常、車両の負荷は、車両の走行中は変化することはないため、θ_ｖは変化しない。道路傾斜の変化や、走行中の車両に関する正常な加速度は、車両のサスペンションシステムにおける当該車両の位置変化に関連する加速度変化よりもはるかに大きい。車両の非垂下部に対する当該車両の垂下部は約±１．５度しか変化しないが、道路傾斜は約±１５度のオーダーで変化し得る。

車両のヘッドライトレベリングシステムを制御する上で使用可能な、道路傾斜（θ_ｒ）に依存することなく傾斜角θ_ｖを高精度に計算することができる方法およびシステム、あるいはその他の電気機械または電子制御システムを有することが望ましい。

〔発明の簡単な概要〕
本発明に従って、道路傾斜に依存することなく、走行中の車両の非垂下部に対する垂下部の傾斜を測定するためのシステムおよび方法を開示する。上記の測定は、車両の垂下部の前後の加速度（ｘ軸）に対する、当該車両の垂下部に垂直な加速度（ｚ軸）の依存性を調べることによって得られる。ある実施形態においては、２軸以上に対応する加速度データは、加速度計等の加速度測定装置から収集される。フィルタリング装置は、加速度データをフィルタリングして、フィルタ済み加速度データを供給し、当該フィルタ済み加速度データはメモリに記憶される。プロセッサは、最小二乗法による最適な回帰を実施し、当該最小二乗法による最適な回帰から、道路に対する車両の傾斜角に相当する傾きを算出する。ある実施形態においては、上記システムは、車両のヘッドライトレベリングシステム等の電気機械システムの制御に使用される、道路に対する車両の垂下部の傾斜角を示す出力を生成する。

〔図面の簡単な説明〕
本発明は、下記の図面と併せて発明の詳細な説明を参照することにより、より完全に理解されるであろう。

図１Ａは、車両の垂下部が、当該車両の非垂下部に位置合わせされている通常の状態における、加速度および減速度ベクトルと、加速度測定ベクトルとの関係を示している模式図である。

図１Ｂは、車両の垂下部が、当該車両の非垂下部に位置合わせされていない状態における、加速度および減速度ベクトルと、加速度測定ベクトルとの関係を示している模式図である。

図２Ａおよび２Ｂは、負荷条件１における車両での走行試験から得た時系列加速度データである。

図３Ａおよび３Ｂは、負荷条件１における車両での走行試験から得たフィルタ済み時系列加速度データである。

図４Ａおよび４Ｂは、図２Ａおよび図２Ｂ、図３Ａおよび図３Ｂのそれぞれにおけるデータの、ｚ軸対ｘ軸の加速度の散布図、および算出された線形回帰直線である。

図５Ａおよび５Ｂは、負荷条件２における車両での走行試験から得た時系列加速度データである。

図６Ａおよび６Ｂは、負荷条件２における車両での走行試験から得たフィルタ済み時系列加速度データである。

図７Ａおよび７Ｂは、図５Ａおよび図５Ｂ、図６Ａおよび図６Ｂのそれぞれにおけるデータの、ｚ軸対ｘ軸の加速度の散布図、および算出された線形回帰直線である。

図８Ａは、本発明に従って動作する傾斜算出システムのブロック図である。

図８Ｂは、本発明に係る信号処理を示す図である。

図９は、本発明に係る例示的な方法を示すフロー図である。

〔発明の詳細な説明〕
本発明の方法およびシステムは、道路または車両の非垂下部に対する当該車両の垂下部の傾斜の測定の観点から下記に説明される。下記の説明および例は、本発明の１つの実施形態を例示するためのものであり、本発明の範囲を制限するものとして解釈されるべきではない。

図において、

である。
θ_ｖは、道路および車両の非垂下部を基準とした、車両の垂下部の傾斜、つまり、

である。
θ_r ＝水平な地面に対する道路の傾斜角、である。
ｇ＝重力による加速度の大きさ、である。

図１Ａは、車両１００の垂下部が、当該車両の非垂下部に位置合わせされている通常の状態における、車両１００の加速度および減速度ベクトルと、加速度測定ベクトルとの関係を示している。図１Ｂは、車両１００の垂下部が、当該車両の非垂下部に位置合わせされていない負荷条件における、車両１００の加速度および減速度ベクトルと、加速度測定ベクトルとの関係を示している。車両の加速度および減速度の軸に対する加速度測定軸の角度における変化はθ_ｖである。通常、車両の走行時、図１Ａおよび１Ｂの

において測定された加速度の大きさは、隆起やロードノイズ、地面に平行な水平面に対する道路の傾斜、および道路にまたは車両の非垂下部に対する車両の垂下部の傾斜、によって発生した加速度の関数であり、方程式１のように示される。

より具体的には、

である。
ここで、θ_ｖ＝０の場合、方程式１および２の最後の項は０になり、Ａ_ｚは、

から独立している。
θ_ｖ≠０の場合、Ａ_ｚは、

に従属し、

に従って変化する。つまり、θ_ｖが０では無い場合、与えられた任意の道路傾斜に対して、

における変化は、

と同等の大きさのＡ_ｚ中の変化を作り出す。
Ａ_ｘに関して、Ａ_ｚおよびＡ_ｘの代わりにｚおよびｘを使用して、Ａ_ｚを微分すると、

が算出される。

図２Ａおよび図２Ｂは、それぞれ、Ａ_ｚおよびＡ_ｘの加速度測定値であり、負荷条件１にて〜８分の走行中、１秒につき３２サンプルを記録している。負荷条件１は、−１．８９度の傾斜θ_ｖを生成した。図２ＡにおけるＡ_ｚ加速度は下記の通りである。
１．平均値は、約１ｇである。これは、車両の垂下部に対して略垂直に位置合わせされ、そのため、重力ベクトルに近接して位置合わせされているためである。
２．道路の隆起やロードロイズによる、±０．４ｇのオーダーの有意な加速度が存在する。
３．加速度振幅が大きい期間は短い。

図２ＢにおけるＡ_ｘ加速度は下記の通りである。
１．平均値は、約０ｇである。これは、車両の垂下部に対して略平行に位置合わせされ、そのため、重力ベクトルに略直交しているためである。
２．車両の速度変化に関連する、±０．４ｇの大きさのオーダーの有意な加速度が存在する。
３．Ａ_ｚ加速度時系列と比較して、加速度振幅が大きい期間が長い。

図４Ａは、Ａ_ｚ対Ａ_ｘのデータ散布図、および算出された最小二乗法による最適な線形回帰直線である。上記直線の算出された傾きは０．０２６８である。上記直線の傾きは、Ｔａｎ（θ_ｖ）に近似する。上記傾きの逆正接を計算すると、１．５４度の傾斜角が生じる。軸の配置は走行試験中の車両におけるものであるため、符号を逆にする必要がある。したがって、有効傾斜角は、−１．５４度である。この結果は、−０．３５度の誤差を有している。

図３Ａおよび図３Ｂは、図２Ａおよび図２Ｂと同様のデータセットであるが、図３Ａおよび３Ｂは、３２サンプルの固定ウインドウ平均によって処理され、１Ｈｚの有効サンプルレートを生成している。図３ＡにおけるＡ_ｚ加速度は下記の通りである。
１．平均値は依然として約１ｇである。
２．短期間のロードノイズによる加速度は有意に減衰し、データ範囲は平均値±０．０３ｇ未満である。

図３ＢにおけるＡ_ｘ加速度は下記の通りである。
１．平均値は依然として約０ｇである。
２．加速度が平均値±０．３ｇより大きい値で維持され、車両の加速度（Ａ_ｘ）は有意に減衰さない。

図４Ａは、Ａ_ｚ対Ａ_ｘの処理データ散布図、および算出された最小二乗法による最適な線形回帰直線である。上記直線の傾きは０．０３３１である。上記直線の傾きは、今回はＴａｎ（θ_ｖ）により近接する。符号を逆にした後、上記傾きの逆正接が、−１．９０度の傾斜角を生じる。この結果は、０．０１度未満の誤差を有している。

θ_ｖを４．０５度増加させて、有効θ_ｖが２．１６度の傾斜となるように、負荷条件を変更した（負荷条件２）。走行試験中に記録したＡ_ｚ対Ａ_ｘの加速度時系列データを図５Ａおよび図５Ｂに示す。図７Ａは、Ａ_ｚ対Ａ_ｘのデータ散布図および算出された線形回帰直線を示している。上記直線の傾きは−０．０３３９であり、符号を変更した後の得られた算出θ_ｖは１．９４度の傾斜である。誤差は０．２２度である。

図６Ａおよび図６Ｂは、３２サンプルの固定ウインドウ平均で処理した、図５Ａおよび図５Ｂ中のデータセットであり、１Ｈｚの有効サンプルレートを生成している。図７Ｂは、算出された線形回帰直線を含んでいる処理済みデータのＡ_ｚ対Ａ_ｘの散布図である。上記直線の傾きは−０．０３７２であり、符号変更後の、得られた算出傾斜角θ_ｖは２．１３度の傾斜である。誤差は０．０３度未満である。

複数の走行中に収集された加速度データに適用される上記に詳述された方法は、道路傾斜と関係なく、車両の非垂下部に対する当該車両の垂下部の傾斜θ_ｖを決定する上で、０．１度より高い精度を示した。

本明細書に詳述された実施形態では、達成可能な技術や結果を示すために、ｚ軸およびｘ軸加速度データ、およびフィルタリング方法としてのサンプルの固定ウインドウ平均のみを使用したが、これは、その他の軸の加速度、より高度なフィルタリング技術、有効サンプルレート等が排除されると解釈されるべきではない。

今回開示されたシステムの一実施形態を示すブロック図が図８Ａに示されている。上記システムは、メモリ２０２に連結したプロセッサ１５０を含んでいる。プロセッサ１５０は、メモリ２０２からのプログラム指示を実行し、本明細書に説明されている機能を実行する。上記プロセッサは、車両の前後軸に沿って位置合わせされたＸ軸を有する当該車両に垂直な面に位置合わせされた第１加速度計２００ａから、ピッチ角を決定するためのＸ軸およびＹ軸加速度データを受信する。加速度データは、Ｘ軸、Ｙ軸に直交するＹ軸加速度データを供給するようにされた第２加速度計２００ｂを介してプロセッサ１５０に供給されてもよい。ＧＰＳセンサ２００ｃ、１つ以上のジャイロ２００ｄ、１つ以上の車輪速度センサ２００ｅ、エンジン負荷センサ２００ｆを、下記に説明するように、開示されたシステムにおいて使用するために選択的に設置してもよい。例を示す実施形態においては、プロセッサ１５０は、ヘッドライトレベリングを制御するためのヘッドライト配向制御システム２０４につながる出力を生成する。

図８Ｂを参照すると、加速度センサ２００または傾斜計から得られたデータは、ローパスフィルタおよび／またはバンドパスフィルタ２０１によってフィルタリングされ、ロードノイズおよび／また道路傾斜の変化による加速度を除去または減衰する。実際のフィルタリング技術は、車両のタイプまたは種類の特徴による機能を最適化するために、特定の車両のタイプまたは種類によって変更したり決定したりしてもよい。アナログまたはデジタルフィタリング法を利用して加速度データをフィルタリングしてもよい。ローパスフィルタリングまたはバンドパスフィルタリングを含んでいるデジタルフィルタリングを、本技術で知られているように実施してもよい。

データが収集され、処理されると、当該データは処理のためにメモリ２０２に記憶される。実際のメモリアレイの大きさは、車両のタイプまたは種類の特徴による機能を最適化するために、特定の車両のタイプまたは種類によって変更したり決定したりしてもよい。

必要とされる所定量のデータが収集されると、データセット用に最小二乗法による線形回帰が２０３で計算される。必要とされるデータ量は、車両のタイプまたは種類によって変化する。特定の車両のタイプまたは種類に関する、収集する必要のあるデータ量を実験的に決定する１つの方法を下記の手順にて説明する。
１．意図した用途のためにθ_vがどの程度正確である必要があるか、を決定する。
２．種々のタイプの複数駆動からデータセットを収集する。
３．データセットをフィルタリングする。
４．データポイント１０から始めてデータポイント１１、１２、１３等に増加させ、各データセットからの全てのデータが傾きの計算に利用されるまで、各データセットについて、最小二乗法による最適な線形回帰直線の傾きを算出する。
５．算出された各傾きの逆正接を計算することでθ_ｖ対時間を算出する。
６．サンプルグラフ上に、各走行についての、算出されたθ_ｖ対時間をプロットする。
７．種々の駆動から得た算出された全てのθ_ｖがステップ１で特定した精度／公差内にある点を、図中において特定する。
８．ステップ７で特定された図中の点において、どれくらいのデータポイントが計算に用いられたかを決定する。これは、ステップ１で特定した精度を達成するための計算用のデータセットにおいて必要とされる最も少ない数のデータポイントである。

算出された線形回帰直線の傾きの逆正接が２０４で計算され、車両の非垂下部に対する当該車両の垂下部の傾斜が決定される。各機能ブロックの個々のシステムを使用する任意の方法、または同様の最終結果を得るために部分的または全体的に機能ブロックを統合する任意の方法によって、本実施を分割することが可能である。

機能フローを全体的に見ると、ステップ３０２に示されるように、所定数のサンプルが収集されるまで、加速度センサ２００から、対象の最高周波成分と少なくとも同等または最高周波成分の２倍より大きい周波数で、加速度データを収集する（３００）。サンプリング周波数は、使用されているセンサ、および当該センサの位置によって決まる。センサ素子が２０Ｈｚの−３ｄＢ帯域幅を有するローパス反応を有する場合、サンプリング周波数は、エイリアシングを防ぐために少なくとも４０Ｈｚ必要である。さらに、センサの減衰が振動エネルギーの大きさを数ミリｇに減少させないような周波数において、当該振動エネルギーが大きい場合、サンプリング周波数は、振動エネルギーが平均化されるように、上記周波数の少なくとも２倍でなければならない。例を示すと、２５Ｈｚの−３ｄＢ帯域幅と、２０ｄＢ／ｄｅｃａｄｅのロールオフを有するセンサを、５０Ｈｚ（３０００ＲＰＭ）で０．１ｇの振動加速度を有する位置に設置する。上記センサは、５０Ｈｚの信号を２分の１に減衰する（６ｄＢ／ｄｅｃａｄｅ）。得られた振動加速度は、０．０５ｇになる。この場合、サンプリング周波数は、少なくとも１００Ｈｚまで増加するべきである。その結果、振動から得られるエネルギーは、θ_ｖの計算において誤差を発生させないように、平均化やフィルタリングすることが可能である。

その後、ステップ３０４に説明するように、ローパスフィルタを使用して、上記サンプルをフィルタリングする。求められる効果は、車両の加速度および減速度のより低い周波数を最低限減衰し、加速度に関する高周波ロードノイズを減衰することである。例を示すと、ローパスフィルタは１Ｈｚのカットオフ周波数を供給し、そのような望ましくない高周波ロードノイズを減衰してもよい。あるいは、パスバンドフィルタは、緩やかに変化する道路傾斜に関する著しく低い周波数の加速度を除去し、車両の加速度および減速度に関する加速中のロードノイズに関するより高周波の加速度を除去するために使用することが可能である。例を示すと（限定するものではないが）、上記バンドパスフィルタは、所望のフィルタリングを行うために、１Ｈｚの高カットオフ周波数、および０．１Ｈｚの低カットオフ周波数をそれぞれ有してもよい。

フィルタ済みデータポイントは、ステップ３０６に示すようにメモリに記憶され、メモリポインタは、ステップ３０８に示すようにメモリアレイ２０２中の次に利用可能なメモリ位置まで増加する。例えば上述したような方法で、決定ステップ３１０にて判断されるように、傾きの正確な計算が可能となるような所定数のフィルタ済データポイントが収集されると、データセットを確認して、ステップ３１２に説明するように、確実にＡ_ｘに依存するＡ_ｚが正確に確立されるような、Ａ_ｘ加速度における所定の変化量が存在するかどうかを確認する。これらの条件が満たされると、メモリアレイ２０２のデータは、ステップ３１４に示すように、さらにフィルタリングされてもよい。例を示すと、加速度データをフィルタリングするために選択されたフィルタがローパスフィルタであり、車両が静止しながら数分間駆動する場合、データアレイは、Ｚ軸加速度のＸ軸加速度への依存性を決定することができない一定の加速値で満たされ得る。Ｘ軸加速値の範囲が、ある妥当な限度よりも大きいことを調べる簡単な試験を利用して、アレイ内のデータが、ｘ軸に依存するｚ軸を確立することが可能であることを確認することができる。通常の車両の加速度および減速度は、０〜±０．４ｇの範囲（範囲：０．８ｇ）である。その結果、０．０５ｇに近接したｘ軸加速度データの最小範囲について最小限度を設定することができる。

上記アレイに供給されるデータを修正して、十分なＸ軸加速度範囲が確実に存在するようにするための他の方法は、その他の光学センサや決定技術を使用して実現することができる。データは、車両の走行時のみアレイに記憶されるように修正することができる。例を示すと、これは、ＧＰＳセンサ２００ｄからのＧＰＳデータ、車輪速度センサ２００ｅ、または１つ以上のジャイロ２００ｆから得たジャイロ情報を使用して行うことができる。連続したＡ_ｘ加速度データポイントは比較可能であり、Ａ_ｚおよびＡ_ｘのデータの組み合わせは、これらがその前のＡ_ｚ加速値と異なる場合のみ記憶される。

処理済みのデータセットについては、ステップ３１６に示すように、最小二乗法による最適な線形回帰直線が決定され、ステップ３１８に示すように、予め算出した線形回帰直線の逆正接を計算することによってθ_ｖが算出される。メモリポインタを確認して、ステップ３２０に示すように、メモリアレイの末端に達しているかどうかを確認する。端部に達している場合、ステップ３２２に示すように、メモリポインタはメモリアレイの最初にリセットされ、古いデータは新しいデータに上書きされる。その後、ステップ３００から処理が再開する。フィルタ済みの加速度Ａｚ対Ａｘのデータの組み合わせの傾きを検出するために、本技術において公知の任意の最小二乗法による最適なアルゴリズムを使用して、最小二乗法による最適な線形回帰を算出してもよい。

さらに、最初にθ_ｖが好適に算出されると、個々のメモリ部に記憶され、θ_ｖの新たな値は、新たなデータポイントが生成される毎に、生成された順番で選択的に算出することができる。

補助的なセンサデータやＧＰＳデータを使用して、信頼性を高め、確実な調査を行うことも可能である。例えば、所定の位置についての公知の道路傾斜と組み合わせたＧＰＳ位置データは、車両の非垂下部の基準傾斜（θ_ｒ）を設定することが可能である。θ_ｖは、瞬時総傾斜角θ_Ｔからθ_ｒを引くことでさらに算出および確認することができる。θ_Ｔは、同一の処理済み加速度データ、および（Ａ_ｘ／Ａ_ｚ）の逆正接を単に計算することによって算出することができる。

車輪速度センサ２００ｅ、およびエンジン負荷センサ２００ｆから得たエンジン負荷情報を利用して、θ_ｒを決定することも可能であり、θ_ｖは、上述したようにθ_Ｔから同様の方法で算出することが可能である。さらに、車輪速度およびエンジン負荷における変化は、優れたデータに修正するために使用可能であり、その結果、Ａ_ｘ加速度が必ず存在し、そのためＡ_ｘ加速度へのＡ_ｚの依存性を決定するための優れた候補とすることができる。

ピッチジャイロ情報を利用して、θ_ｒの微細な変化をモニタすることが可能である。θ_ｒに高速変化が検知された場合、追加の処理や、部分的または完全に計算から除外するためにデータにフラグを立てることが可能である。

上述した方法は、メモリからプログラムステップを実行するコンピュータ機器を使用して実行され、それによって本明細書に説明された機能的な動作が行われる。上述したデータフィルタリングは、本技術において公知のアナログまたはデジタルフィルタリング技術を介して行われてもよい。

本明細書に説明された方法に従って道路に対する車両の垂下部の傾斜が決定されると、当該傾斜を示す出力信号をシステムが生成する。上記システムは、電気機械または電子制御システムに供給される少なくとも１つの制御信号を生成するために用いられる。例示された実施形態においては、上記少なくとも１つの制御信号は、ヘッドライトレベリングシステムを制御するために用いられる。本技術において公知であるように、ヘッドランプレベリングアセンブリは、コントローラーと、傾斜を調整するための１つ以上のモーターと、ヘッドランプとを含んでいる。ヘッドランプの傾斜は、モーターがヘッドランプアセンブリのコントローラーから少なくとも１つの制御信号を受信すると、モーターによって調整される。上記ヘッドランプアセンブリのコントローラーは、言い換えると、ヘッドランプの所望の傾斜を取得するために、モーターに連結されている。

あるいは、上記少なくとも１つの出力信号を用いて、車両電子安定性制御、車両オイルレベルモニタリングチルト補正、車両坂道発進補助、トレーラーブレーキ、階調補正用トラック荷重モニタリング、荷重の変化に合わせて調整するためのサスペンション調整、および電気、電子または電気機械装置またはシステムの機能が、少なくとも部分的に、道路に対する車両の垂下部の傾斜に依存するその他の用途のための装置またはシステムを制御してもよいことが理解されるべきである。

開示されたシステムを、車両の非垂下部に対する車両の垂下部の算出された傾斜角に基づくヘッドライトレベリングシステムの制御に関する１つの実施形態中で説明した。しかし、走行中の物体の非垂下部にまたは基準平面に対する、物体のある部分（走行中の物体の垂下部等）の所定の傾斜角は、電気機械または電子制御サブシステムへの入力としても用いられる制御信号を生成するために利用してもよいことが理解されるだろう。したがって、開示された技術は、走行中の車両への適用について説明されているが、その他の動く物体にも適用することができる。

通常の当業者であれば、上述した方法およびシステムは、本発明の例であって、添付の請求項の範囲および精神以外による制限を受けないことが理解されるべきである。

車両の垂下部が、当該車両の非垂下部に位置合わせされている通常の状態における、加速度および減速度ベクトルと、加速度測定ベクトルとの関係を示している模式図である。 車両の垂下部が、当該車両の非垂下部に位置合わせされていない状態における、加速度および減速度ベクトルと、加速度測定ベクトルとの関係を示している模式図である。 負荷条件１における車両での走行試験から得た時系列加速度データである（ｚ軸）。 負荷条件１における車両での走行試験から得た時系列加速度データである（ｘ軸）。 負荷条件１における車両での走行試験から得たフィルタ済み時系列加速度データである（ｚ軸）。 負荷条件１における車両での走行試験から得たフィルタ済み時系列加速度データである（ｘ軸）。 図２Ａおよび図２Ｂにおけるデータの、ｚ軸対ｘ軸の加速度の散布図、および算出された線形回帰直線である。 図３Ａおよび図３Ｂにおけるデータの、ｚ軸対ｘ軸の加速度の散布図、および算出された線形回帰直線である。 負荷条件２における車両での走行試験から得た時系列加速度データである（ｚ軸）。 負荷条件２における車両での走行試験から得た時系列加速度データである（ｘ軸）。 負荷条件２における車両での走行試験から得たフィルタ済み時系列加速度データである（ｚ軸）。 負荷条件２における車両での走行試験から得たフィルタ済み時系列加速度データである（ｘ軸）。 図５Ａおよび図５Ｂにおけるデータの、ｚ軸対ｘ軸の加速度の散布図、および算出された線形回帰直線である。 図６Ａおよび図６Ｂのそれぞれにおけるデータの、ｚ軸対ｘ軸の加速度の散布図、および算出された線形回帰直線である。 本発明に従って動作する傾斜算出システムのブロック図である。 本発明に係る信号処理を示す図である。 本発明に係る例示的な方法を示すフロー図である。

Claims (18)

1. 道路に対する車両の垂下部の傾斜に基づく電気機械システムの制御方法であって、
   ｚ軸およびｘ軸の加速度をそれぞれ示す、上記車両の上記垂下部に連結した少なくとも１つのセンサからの第１および第２信号を取得するステップと、
   上記第１および第２信号をフィルタリングして、加速度の高周波成分を減衰し、フィルタ済み第１および第２信号を生成するステップと、
   上記フィルタ済み第１および第２信号を使用して、最小二乗法による最適な線形回帰に応じた傾きを算出するステップと、
   上記算出ステップにおいて決定された上記傾きの逆正接を算出して、上記車両の上記垂下部の傾斜（θ_ｖ）の度合いを生成するステップと、
   上記車両の上記垂下部の傾斜の度合いに基づいて少なくとも１つの制御信号を生成するステップと、
   上記少なくとも１つの制御信号を上記電気機械システムに供給するステップと、を含んでいることを特徴とする方法。
2. 上記電気機械システムは、ヘッドライトレベリングシステムであり、上記少なくとも１つの制御信号は、上記道路に対する上記車両のヘッドライトの傾斜を制御するように動作することを特徴とする請求項１に記載の方法。
3. 上記第１および第２信号を取得するステップは、所定のサンプリング周波数にて、上記車両の上記垂下部に連結した少なくとも１つのセンサから、ｚ軸およびｘ軸の加速度にそれぞれ対応する所定数の第１および第２データサンプルを取得することを含み、
   上記第１および第２信号をフィルタリングするステップは、ｚ軸およびｘ軸のデータサンプルをフィルタリングして、加速度の高周波成分を減衰し、フィルタ済みｚ軸およびｘ軸のデータサンプルを生成し、上記フィルタ済みｚ軸およびｘ軸のデータサンプルをメモリに記憶することを含み、
   上記フィルタ済み第１および第２信号を使用して、上記最小二乗法による最適な線形回帰に応じた上記傾きを算出するステップは、上記フィルタ済みｚ軸およびｘ軸のデータサンプルを使用して、最小二乗法による最適な線形回帰に応じた傾きを算出することを含んでいることを特徴とする請求項１に記載の方法。
4. 上記電気機械システムは、ヘッドライトレベリングシステムであり、上記少なくとも１つの制御信号は、上記道路に対する上記車両のヘッドライトの傾斜を制御するように動作することを特徴とする請求項３に記載の方法。
5. ｘ軸の加速値の範囲が所定の限度を超えたことを確認し、確実に上記ｚ軸の加速度が正確に確立されるように、上記フィルタ済みデータサンプルを確認することをさらに含んでいることを特徴とする請求項３に記載の方法。
6. 上記所定の限度は０．０５ｇであることを特徴とする請求項５に記載の方法。
7. 上記フィルタリングするステップは、上記の記憶されたｚ軸およびｘ軸のデータサンプルにローパスデジタルフィルタリングを行い、高周波ロードノイズを減衰するステップを含んでいることを特徴とする請求項３に記載の方法。
8. 上記フィルタリングするステップは、上記の記憶されたｚ軸およびｘ軸のデータサンプルにバンドパスデジタルフィルタリングを行い、高周波ロードノイズと、緩やかに変化する道路傾斜に関連した著しく低い周波数とを減衰するステップを含んでいることを特徴とする請求項３に記載の方法。
9. ｚ軸およびｘ軸の加速値の組み合わせをさらに取得する毎に、得られた順番にθ_ｖを算出することをさらに含んでいることを特徴とする請求項１に記載の方法。
10. 上記少なくとも１つのセンサは、少なくとも１つの加速度計を含んでいることを特徴とする請求項１に記載の方法。
11. ジャイロ、車輪速度センサ、およびＧＰＳ位置センサの集団から選択された少なくとも１つの追加のセンサをさらに含み、当該少なくとも１つの追加のセンサにより生成されたデータから、上記車両の上記垂下部の傾斜を決定するために使用されるデータを確定することを含んでいることを特徴とする請求項１０に記載の方法。
12. 道路に対する車両の垂下部の傾斜に基づく電気機械システムの制御装置であって、
    プロセッサと、
    上記プロセッサと通信する少なくとも１つのメモリと、を備え、
    上記少なくとも１つのメモリは当該メモリに記憶されたコンピュータプログラムを含み、
    上記プロセッサは、
    所定のサンプリング周波数で、上記車両の上記垂下部に連結した少なくとも１つのセンサから、ｚ軸およびｘ軸の加速度にそれぞれ対応する所定数の第１および第２データサンプルを取得し、
    上記ｚ軸およびｘ軸のデータサンプルをフィルタリングして、加速度の高周波成分を減衰し、フィルタ済みｚ軸およびｘ軸のデータサンプルを生成し、
    上記フィルタ済みｚ軸およびｘ軸のデータサンプルを上記少なくとも１つのメモリに記憶し、
    上記フィルタ済みｚ軸およびｘ軸のデータサンプルを使用して、最小二乗法よる最適な線形回帰に応じた傾きを算出し、
    上記算出において決定された上記傾きの逆正接を算出して、上記車両の上記垂下部の傾斜（θ_ｖ）の度合いを生成し、
    上記車両の上記垂下部の傾斜の度合いに基づいて少なくとも１つの制御信号を生成し、
    上記少なくとも１つの制御信号を、上記電気機械システムに供給する、コンピュータプログラムの実行時に動作することを特徴とする装置。
13. 上記電気機械システムは、ヘッドライトレベリングシステムであり、上記少なくとも１つの制御信号は、上記道路に対する上記車両のヘッドライトの傾斜を制御するように動作することを特徴とする請求項１２に記載の装置。
14. 上記少なくとも１つのセンサは、少なくとも１つの加速度計を含むことを特徴とする請求項１２に記載の装置。
15. 上記プロセッサは、上記フィルタ済みｚ軸およびｘ軸の加速値のローパスフィルタリングを行うように動作して、高周波ロードノイズを減衰することを特徴とする請求項１２に記載の装置。
16. 上記プロセッサは、上記フィルタ済みｚ軸およびｘ軸の加速値のバンドパスフィルタリングを行うように動作して、高周波ロードノイズと、緩やかに変化する道路傾斜に関連した著しく低い周波数とを減衰することを特徴とする請求項１２に記載の装置。
17. 上記プロセッサは、ｘ軸の加速値の範囲が所定の限度を超えたことを確認し、確実に上記ｚ軸の加速度が正確に確立されるようにさらに動作することを特徴とする請求項１２に記載の装置。
18. 上記所定の限度は０．０５ｇであることを特徴とする請求項１２に記載の装置。

Images