JP2016154005A - 測定された外乱に対する制約を不確実な予見によって処理する手法およびシステム - Google Patents

Abstract

【課題】自動車制御システムに適用されるモデル予測制御において、予見が不確実な外乱が予測範囲において測定されたときに対するロバスト制約処理手法およびシステムを開示する。【解決手段】制約処理システムは、自動車制御サブシステムの外乱を測定するメカニズムと、この外乱を測定するメカニズムに接続され、モデル予測制御を行うモデル予測コントローラと、測定される外乱の不確実性についての情報を収集するセンサ・サブシステムとを含むことができ、外乱変数の最悪の場合の不確実性の、予測範囲にわたって制約を受けるシステム出力に対する影響を、多パラメータ線形プログラムを定式化し解くことによって推定することができる。【選択図】図３

Description

本開示は、車両システムに関係するシステムの制御に関し、更に特定すれば、モデル予測制御を伴うものに関する。

本開示は、自動車制御システムにおいて適用されるモデル予測制御において、予測範囲に対する不確実な予見によって、測定された外乱に対してロバスト制約処理を行う手法およびシステムについて明示する。ロバスト制約処理システムは、自動車制御サブシステムの外乱を測定するメカニズムと、この外乱を測定するメカニズムに接続され、モデル予測制御を行うモデル予測コントローラと、測定された外乱の不確実性についての情報を収集するセンサ・サブシステムとを含むことができる。測定された外乱は、予測範囲にわたって不確実な予見(uncertain preview)を有してもよい。この予見によって、予測範囲にわたる外乱に対する推定を行うことができる。

図１ａ、図１ｂ、および図１ｃは、予測範囲にわたる被測定外乱の不確実性の予測についてのグラフの図である。 図２ａ、図２ｂ、および図２ｃは、最大限度余裕を示す上部、緩められた実現可能な限度(reduced feasible limits)を示す中間部、および最小限度余裕を示す下部を有するグラフの図である。 図３は、本手法についてのアルゴリズムのオフライン部のフローチャートの図である。 図４は、本手法についてのアルゴリズムのオンライン部のフローチャートの図である。 図５は、外生変数および予定変数、あるいはコントローラによって操作されない被制御システムの任意の外部入力に対して、不確実性を設定する(configure)ことができる画面の図である。 図６は、選択された被制御変数の限度を設定するための画面の図である。 図７は、変数の限度処理のチューニング(tuning)を補助するための画面の図である。 図８ａ、図８ｂ、図８ｃは、それぞれ、ロバスト制約処理を行わない被制御変数の最大限度処理、ロバスト制約処理に対する均衡チューニング、およびロバスト制約処理に対する控えめなチューニング(conservative tuning)の場合の波形図である。 図８ａ、図８ｂ、図８ｃは、それぞれ、ロバスト制約処理を行わない被制御変数の最大限度処理、ロバスト制約処理に対する均衡チューニング、およびロバスト制約処理に対する控えめなチューニング(conservative tuning)の場合の波形図である。 図８ａ、図８ｂ、図８ｃは、それぞれ、ロバスト制約処理を行わない被制御変数の最大限度処理、ロバスト制約処理に対する均衡チューニング、およびロバスト制約処理に対する控えめなチューニング(conservative tuning)の場合の波形図である。

本システムおよび手法は、１つ以上のプロセッサ、コンピュータ、コントローラ、ユーザ・インターフェース、ワイヤレスおよび／またはワイヤ接続等を、本明細書において説明および／または図示する実施態様に組み込むことができる。

本開示は、本システムおよび手法を実現する１つ以上の実証的で具体的な例または方法を提供することができる。本システムおよび手法を実現する例または方法は、他にも多数あるであろう。

自動車産業における制御の問題のために、システムが複雑になると考えられる。この複雑さは、正確に制御する必要があるサブシステムが多数あると、高められるおそれがある。一例を挙げるとすると、内燃エンジンであろう。エンジンの個々のサブシステムは、例えば、空気通路、燃料噴射システム、熱管理システム、後処置システム等を組み込むこともある。

個々のサブシステムは、精巧な制御アーキテクチャによって制御することができる。コントローラについての主な課題は、被制御変数を規定限度内に維持しつつ、規定された性能（例えば、設定点追跡または燃費最適化）を遂行することであろう。限度は、通常、性能または安全性の要件によって与えられる。例えば、熱管理では、安全性の理由のために、冷却材温度の上限を破らないことが重要である。他の例を挙げるとすれば、ＤＰＦ再生プロセス(regeneration process)（即ち、清浄プロセス）中におけるディーゼル酸化触媒（ＤＯＣ）またはディーゼル粒子フィルタ（ＤＰＦ）の出口における排気ガス温度の上限、エンジン出力酸素濃度（即ち、ラムダ）の下限、ターボチャージャ速度の上限、ブーストまたはチャージ圧の上限等であろう。

事実上全ての限度は、コントローラによって維持される必要がある。以上の課題の内の１つは、モデル予測制御（ＭＰＣ）が使用されるときの、予測範囲(prediction horizon)にわたる外乱変数の不確実性の予見を含むことができる。例えば、エンジン速度およびトルク要求、車両の速度、周囲の条件等に関して運転者の行動を予測することは難しいと思われる。このような変数は、予測範囲に対して必ずしも精度高く予測することができる訳ではなく、したがってコントローラは外乱変数の不確実性に対してロバストでなければならない。ロバスト性に対する代償(price)は、通常、性能の低下であり、その結果車両の燃費低下に至る。

モデル予測コントローラとは、本明細書において言及する場合、モデル予測制御を行うデバイスまたはメカニズムとすることができる。
本システムは、測定された外乱変数（例えば、車両の速度、運転者のトルク要求等）の不確実性についての情報を利用しつつ、モデル予測制御手法のロバストな制約処理の改善を目標とすることができる。自動車の用途では、制約処理手法は、種々の非系統的手法に基づくこともでき、事実上全ての考慮される状況（例えば、運転者の果敢なチップイン(tip-in)、または突然の車両加速）の下でもロバスト性を確保するためには、非常に控えめになる(conservativeness)。制御方策の控えめなチューニング(conservative tuning)は、性能または燃費の低下に至る。

モデル予測制御（ＭＰＣ）アルゴリズムは、公称条件下（例えば、不確実性がない）において自動車の用途における多変数システムを制御するために使用することができる。ＭＰＣを適用して車両サブシステムを制御することには、多くの利点があるであろう。特定のサブシステムについて事実上全ての重要な外乱変数の今後の軌道を予測することが可能であれば、ＭＰＣの最良の性能を達成することができるが、これは多くの実用的用途（例えば、運転者のトルク要求および車両速度）において必ずしも可能な訳ではない。他方において、ＭＰＣ予測範囲にわたってこのような変数の予想不確実性範囲を推定することは可能であるように思われる。

本システムは、予測範囲にわたる不確実性によって、外乱変数が測定されたときに、制約を系統的に処理する手法を提供することができる。本手法は、ＭＰＣアルゴリズムに基づくのでもよく、予測範囲に対して選択された変数の不確実性を予測または近似することができれば、非常に系統的な方法で制約のロバスト処理を改善することができる。本手法は、予測範囲に対する元の規定限度を緩める(reduce)ことができるので、最悪の場合の外乱値の組み合わせに対しても、元の規定限度を破る確率は、ロバスト制約処理手法がない標準的なコントローラと比較すると、低下する。本手法は、被制御システムの動的挙動についての情報（例えば、モデル）を使用する。

本手法は、埋め込み制御システム、例えば、車両の制御ユニット上にホストされることが可能なコンピュータ・プログラムの形態で、修正ＭＰＣアルゴリズムとして実現することができる。即ち、本手法は、予測が不確実な外乱が測定されたときのロバストな制約処理が、安全な動作のために非常に重要である車両サブシステムを制御するために適用することができる。一例として、熱管理、ＤＰＦ再生プロセス中におけるＤＯＣおよびＤＰＦ制御、ターボチャージャ速度、エンジン空気通路のラムダ・センサ、ターボチャージ型エンジンのブーストまたはチャージ圧等のようなサブシステムを挙げることができる。予測範囲にわたる予見が不確実な被測定外乱変数は、車両速度、運転者のトルク要求（ペダル位置）、排気ガス流、周囲条件等とするとよい。

図３は、本手法のアルゴリズムのオフライン部のフローチャートの図である。シンボル４１は、オフライン部の開始を示す。被測定外乱変数を含む公称モデル予測コントローラ(nominal Model Predictive Controller)を設計することが、シンボル４２において示される。シンボル４３は、予測範囲にわたる予見が不確実な被測定外乱変数の部分集合を選択し設定することを示す。シンボル４４に示すように、部分集合において個々の被測定外乱変数の不確実性（例えば、予想範囲および時定数）を指定することができる。シンボル４３および４４におけるアクティビティの例は、図５の画面２０において示すことができる。シンボル４５において、外乱変数の最悪の場合の不確実性の、予測範囲にわたって制約を受けるシステム出力に対する影響を、多パラメータ線形プログラムを定式化し解くことによって推定することができる。図６および図７の画面２４および２５は、それぞれ、シンボル４５におけるアクティビティの例を示すことができる。シンボル４６において、オンライン部に対する結果（即ち、パラメータ解）を用意し格納することができる。シンボル４６のアクティビティの例は、図７におけるものであってもよい。オフライン部は、シンボル４７において終了することができる。

図４は、本手法のアルゴリズムのオンライン部のフローチャートである。このオンライン部は、シンボル５１において、サンプリング期間の開始と共に始めることができる。シンボル５２において、コントローラに対する、予見が不確実な外乱変数を含む事実上全ての関連変数を測定することができる。シンボル５３において、オフライン部において予め計算され格納された結果を使用することによって、制約を受ける事実上全ての出力に対して、予測範囲にわたるシステム出力不確実性の最悪の場合を推定することを示すことができる。シンボル５４において、直前のステップにおいて計算された最悪の場合の予測を使用することによって、元の規定限度をずらすことを示すことができる。公称モデル予測制御アルゴリズムによって制御アクションを計算する。ここで、元の規定限度は、直前のステップからのずらされた限度と交換される。これはシンボル５５において示すことができる。シンボル５６に示すように、サンプリング期間の終了によって、オフセット部を終了することができる。

ロバスト制約処理に関する不確実性指定について注記するとよいであろう。外乱変数ｄを仮定することができ、次いで１つの動作点における出力予測を、式によって示す。
ｙ_ｎ−ｙ_０＝Ｈ_ｄ（ｄ_ｍｅａｓ−ｄ_０）
ここで、ｙｎは、システム出力予測であり、ｙ０はシステム出力線形化の点であり、Ｈｄは被制御システムの線形化モデルおよび公称コントローラについての情報を伝える行列であり、ｄｍｅａｓは、外乱変数ｄの測定値であり、ｄ０は外乱変数線形化の点である。出力予測ｙｎは、開ループまたは閉ループに基づくことができる。測定外乱変数ｄｍｅａｓの絶対限度は、次のように表すことができる。

ｄ_ｍｉｎ≦ｄ_ｍｅａｓ≦ｄ_ｍａｘ
外乱変数の不確実性は、以下に示すように、測定値ｄｍｅａｓから仮定値ｄａｓｓｕｍｅｄを減算した値として推定することができる。

Δｄ＝ｄ_ｍｅａｓ−ｄ_{ａｓｓｕｍｅｄ}
仮定した（不確実な）外乱推定が予測範囲にわたって得ることができる場合、次のようになる。

Δｄ＝０
仮定した（不確実な）外乱推定が得られない場合、推定しなければならない。予測範囲に対する予見が得られればよい。または予測範囲に対する予見は必ずしも得られなくてもよく、予測は定数による推定によるのでもよい。システム出力に対する不確実性の影響は、以下に示すように推定することができる。

Δｙ＝Ｈ_ｄΔｄ
以下のパラメータは既知であると仮定することができる。これらのパラメータは、不確実性最小値、不確実性最大値、および現在のｄ＿ｍｅａｓ値を含めばよい。予測範囲における不確実性境界(bounds)の推定(estimation)は、フィルタ（例えば、一次）によって近似することができる。図１ａは、ｄ＿ｍｅａｓ＝ｄ＿ｍｉｎの不確実性の予測についてのグラフ１１の図である。図１ｂは、ｄ＿ｍｅａｓ＝（ｄ＿ｍｉｎ＋ｄ＿ｍａｘ）／２の不確実性の予測についてのグラフ１２の図である。図１ｃは、ｄ＿ｍｅａｓ＝ｄ＿ｍａｘの不確実性の予測についてのグラフ１３の図である。以下のように関係を表すことができる。

Ｈ_ｆ（ｄ_ｍｉｎ−ｄ）≦Δｄ≦Ｈ_ｆ（ｄ_ｍａｘ−ｄ） ｄ_ｍｉｎ≦ｄ≦ｄ_ｍａｘ
ここで、Ｈｆは外乱変数の不確実性がどのようにして予測範囲にわたって発生され(develop)つつあるか推定するために使用されるモデル（例えば、一次フィルタ）についての情報を伝えるメトリックである。

予測範囲にわたるシステム出力の不確実性の最悪の場合は、以下のように最適化問題を定式化することによって計算することができる。

これは、以下の式に従えばよい。
Ｈ_ｆ（ｄ_ｍｉｎ−ｄ_ｍｅａｓ）≦Δｄ≦Ｈ_ｆ（ｄ_ｍａｘ−ｄ_ｍｅａｓ） ｄ_ｍｉｎ≦ｄ_ｍｅａｓ≦ｄ_ｍａｘ ｄ_ｍｉｎ≦ｄ_ｍａｘ
ここで、ｄｍｉｎ、ｄｍｅａｓ、およびｄｍａｘは、パラメータ線形プログラミングにおいてパラメータとして見ることができ、インデックスｉは予測範囲におけるｉ番目のサンプルを示し、ｈ＿ｄ＾ｉは行列Ｈｄのｉ番目の行である。

線形問題（ＬＰ）は、多パラメータ線形問題（ＭＰＬＰ）として解くことができる。１つしか領域（アクティブな制約の組み合わせ）がない場合、予測範囲にわたるシステム出力不確実性の最悪の場合は、以下に示すように、明示的に推定することができる。

必要であれば、行列Ｂ_ｍｉｎおよびＢ_ｍａｘをオンラインで再計算することもできる。ｄｍｉｎ、ｄｍａｘ、およびｄｍｅａｓによるベクトルは、パラメータ解のパラメータ・ベクトルとなる。次いで、元の限度を、コントローラの各サンプリング期間において、Δｙ_ｍｉｎおよびΔｙ_ｍａｘだけずらせばよい。

グラフ１４、１５、および１６を明示する図２ａ、図２ｂ、および図２ｃの図によって例を示すことができる。これらのグラフの上部は、最大限度余裕(max limit margin)を示す。これらのグラフの中間部は、実現可能な緩められた限度(reduced limits)を示し、下部は最小限度余裕を示す。グラフ１４、１５、および１６は、グラフ１１、１２、１３にそれぞれ関係することができる。

ロバスト制約処理の実施に関する要件および制限のような項目について、注記するとよいであろう。
不確実外乱変数（ＤＶ）および予定変数（ＳＶ）の指定について注記するとよいであろう。不確実性の指定は、図５における図の画面印刷２０によって明示されるように、エリア２１の「コントローラ構成」ページ上で行うことができる。不確実性は、ツリー・エリア２２において示されるように、外生変数および予定変数だけについて設定(configure)されればよい。不確実性は、エリア２３において示されるように、範囲および時定数によって定義することができる。

限度のロバスト処理のための構成は、図６の線図における画面印刷２４によって例示することができる。限度のロバスト処理は、画面印刷２４におけるように「コントローラ構成」ページ上で定義することができる。任意の「被制御変数」の最小／最大限度は、ロバストであるとして処理することができる。ユーザは、限度ロバスト処理に使用される不確実な外乱変数を選択することができる。

限度のロバスト処理のチューニングは、図７における線図の画面印刷２５によって補助することができる。ロバスト制約は、画面印刷２５において示されるように、「フィードバック設計」ページの「高度チューニング」上でチューニングすることができる。チューニング・パラメータは、「控えめのレベル」とすればよい。ロバスト限度余裕は、画面印刷２５のエリア２６、２７、および２８において明示されるように、ユーザ指定値に基づいて可視化することができる。

図８ａ、図８ｂ、および図８ｃは、グラフ３１、３２、および３３の線図である。グラフ３１は、ロバスト制約がない公称事例を表す。グラフ３２は、ロバスト制約の均衡チューニング(balanced tuning)を表す。グラフ３３は、ロバスト制約に対する控えめなチューニングを表す。線３５は最大限度＝設定点を示し、波形３６は実際の値を示し、線３７は最小限度を示す。

要約すると、ロバスト制約処理システムは、自動車制御サブシステムの外乱を測定するメカニズムと、外乱を測定するためのメカニズムに接続された、モデル予測制御を行うモデル予測コントローラと、測定された外乱の不確実性についての情報を収集するセンサ・サブシステムとを組み込むことができる。外乱は、予測範囲にわたって不確実な予見を有してもよい。外乱に対する推定は、予測範囲にわたる予見によって行うことができる。

モデル予測コントローラは、不確実性を有さない公称条件下において多変数システムを制御することができる。
モデル予測コントローラの制約処理の最良の性能(performance)は、エンジンのサブシステム毎に１つ以上の外乱変数の真の今後の軌道を予測することによって得ることができる。モデル予測コントローラの制約処理の性能改善は、モデル予測コントローラの予測範囲にわたる外乱変数の予想不確実性範囲の推定値を増やすことによって行うことができる。

選択された測定外乱変数の不確実性は、予測範囲について近似することができる。予測範囲に対する元の規定限度を緩めることができ、更に、元の規定限度を超える確率も低下させることができる。

モデル予測コントローラは、予測が不確実な１つ以上の測定外乱があるときに制約の処理が行われる１つ以上の車両サブシステムのためのものでもよい。予測は、１つ以上の車両サブシステムの動作には重要である。

モデル予測コントローラは、エンジンの埋め込み型制御ユニット内にホストされてもよい。
予測範囲にわたって不確実な予見を有する１つ以上の測定外乱変数は、車両速度、運転者による燃料制御のペダル位置、運転者のトルク要求、運転者の積極的なチップイン、突然の車両加速、排気ガス流、周囲条件等を組み込む一群から選択するとよい。

１つ以上の車両サブシステムは、熱管理、燃料噴射、ディーゼル酸化触媒制御、ディーゼル粒子フィルタ制御、後処置、ターボチャージャ、エンジンの空気通路等を組み込む一群から選択するとよい。

外乱が測定されたシステムのためのロバスト制約処理システムは、エンジンを有する車両、このエンジンと関連付けられた１つ以上のサブシステム、および１つ以上のサブシステムのためにモデル予測制御を行うモデル予測コントローラを組み込むことができる。

１つ以上のサブシステムは、モデル予測コントローラによって限度内に維持されるべき被制御変数を有することができる。車両は、不確実性を有する外乱変数を有してもよい。モデル予測制御の予測範囲にわたる外乱変数の予想不確実性範囲を推定することができる。モデル予測コントローラにおけるアルゴリズムが、予測範囲に対して選択された変数の不確実性を近似することができ、予測範囲に対する元の規定限度は、外乱変数の値の組み合わせの最悪の場合に対して相対的に緩められ、元の規定限度を超過する確率は低下する。

このアルゴリズムは、１つ以上のサブシステムの動作を改善するために、必要に応じて、選択された変数が不確実な予測を有しその外乱が測定されたときに、ロバストな制約処理を行うことができる。

このアルゴリズムは、車両の制御ユニット上にホストされるようなコントローラにおけるコンピュータ・プログラムでもよい。
外乱が測定されたシステムのためのロバスト制約処理手法は、モデル予測制御によってエンジンの１つ以上のサブシステムを制御するステップと、測定された外乱変数の不確実性についての情報を得るステップと、モデル予測制御における予測範囲にわたって１つ以上のサブシステムの外乱変数の不確実性を予め確認するステップと、不確実性がない条件下でモデル予測制御を使用してサブシステムを制御するステップと、１つ以上のサブシステムについて外乱変数の今後の軌道を予測するときにモデル予測制御の最良の性能を達成するステップと、モデル予測制御の予測範囲にわたる外乱変数の不確実性範囲を推定するステップと、測定された外乱変数が予測範囲にわたって不確実性を有することを考慮して制約を処理するステップと、予測範囲に対する外乱変数の不確実性を近似することによって外乱変数の制約の処理を改善し、こうして予測範囲に対する外乱変数の元の限度を緩めるステップとを組み込むことができる。

外乱値に対する予測範囲に対する元の規定限度を緩めるステップは、外乱変数の元の限度を破る確率を低下させることができる。
モデル予測コントローラにおいて、予測範囲に対して選択された変数の不確実性を近似するアルゴリズムを実行し(develop)、予測範囲に対する元の規定限度は、外乱変数の値の組み合わせの最悪の場合に対して相対的に緩められ、元の規定限度を超過する確率は低下する。

外乱変数の元の限度を破る確率は、このアルゴリズムを有するモデル予測制御に対して、このアルゴリズムなく動作するモデル予測制御に対して外乱変数の元の限度を破る確率よりも低くなることができる。

本明細書において特記した全ての刊行物および特許は、引用したことにより、あたかも個々の刊行物または特許の各々が具体的にそして個々に含まれたかのように、同程度に引用により本願にも含まれるものとする。

本明細書において、その一部は、仮説的または予言的性質のものもあるが、他の態様または時制で述べられている。
以上、少なくとも１つの実証的な例に関して、本システムおよび／または手法について説明したが、本明細書を読めば、多くの変形および変更が当業者には明白になるであろう。したがって、添付した請求項は、このような変形および変更の全てを含むように、関連技術を考慮してできるだけ広く解釈されることを意図する。

Claims (15)

1. ロバスト制約処理システムであって、
   自動車制御サブシステムの外乱を測定するメカニズムと、
   前記外乱を測定するメカニズムに接続されたモデル予測制御を行うモデル予測コントローラと、
   測定された外乱の不確実性についての情報を収集するセンサ・サブシステムと、
   を含み、
   前記外乱が、予測範囲にわたって不確実な予見を有し、
   前記予測範囲にわたって、前記外乱に対する推定が前記予見によって行われる、ロバスト制約処理システム。
2. 請求項１記載のシステムにおいて、前記モデル予測コントローラが、不確実性を有さない公称条件下において多変数システムを制御する、システム。
3. 請求項１記載のシステムにおいて、
   前記モデル予測コントローラの制約処理の最良の性能が、前記エンジンの各サブシステムについての１つ以上の外乱変数の、真の今後の軌道を予測することによって得られ、
   前記モデル予測コントローラの制約処理の性能改良が、前記モデル予測コントローラの予測範囲にわたる前記外乱変数の予想不確実性範囲の推定値を増やすことによって行われる、システム。
4. 請求項３記載のシステムにおいて、選択された測定外乱の不確実性が、前記予測範囲について近似される、システム。
5. 請求項４記載のシステムにおいて、前記予測範囲に対する元の規定限度が緩められ、一方、前記元の規定限度を超過する確率が低くなる、システム。
6. 請求項１記載のシステムにおいて、前記モデル予測コントローラが、１つ以上の車両サブシステムのものであり、制約の処理が、不確実な予測を有する１つ以上の被測定外乱があるときに行われ、前記予測が、前記１つ以上の車両サブシステムの動作には重要である、システム。
7. 請求項１記載のシステムにおいて、前記モデル予測コントローラが、エンジンの埋め込み型制御ユニットにホストされる、システム。
8. 請求項１記載のシステムにおいて、前記予測範囲にわたって不確実な予見を有する１つ以上の被測定外乱変数が、車両速度、運転者による燃料制御のペダル位置、運転者のトルク要求、運転者の積極的なチップイン、突然の車両加速、排気ガス流、および周囲条件を含む一群から選択される、システム。
9. 請求項６記載のシステムにおいて、１つ以上の車両サブシステムが、エンジンの熱管理、燃料噴射、ディーゼル酸化触媒制御、ディーゼル粒子フィルタ制御、後処置、ターボチャージャ、および空気通路を含む一群から選択される、システム。
10. 外乱が測定されたシステムのためのロバスト制約処理システムであって、
    エンジンを有する車両と、
    前記エンジンと関連付けられた１つ以上のサブシステムと、
    前記１つ以上のサブシステムのためにモデル予測制御を行うモデル予測コントローラと、
    を含み、
    前記１つ以上のサブシステムが、前記モデル予測コントローラによって限度以内に維持されるべき被制御変数を有し、
    前記車両が、不確実性を有する外乱変数を有し、
    前記モデル予測制御の予測範囲にわたって、前記外乱変数の予想不確実性範囲が推定され、
    前記モデル予測コントローラにおけるアルゴリズムが、前記予測範囲に対して選択された変数の不確実性を近似し、前記予測範囲に対する元の規定限度が、外乱変数の値の組み合わせの最悪の場合に対して緩められ、前記元の規定限度を超過する確率が低下する、ロバスト制約処理システム。
11. 請求項１０記載のシステムにおいて、前記アルゴリズムが、前記１つ以上のサブシステムの動作を改善するために、必要に応じて、不確実な予測を有する前記選択された変数の外乱が測定されたときに、ロバスト制約処理を行う、システム。
12. 請求項１０記載のシステムにおいて、前記アルゴリズムが、前記車両の制御ユニット上にホストされたコントローラにおけるコンピュータ・プログラムである、システム。
13. 外乱が測定されたシステムのためのロバスト制約処理方法であって、
    モデル予測制御によってエンジンの1つ以上のサブシステムを制御するステップと、
    測定される外乱変数の不確実性についての情報を得るステップと、
    前記モデル予測制御において、前記１つ以上のサブシステムの外乱変数の不確実性を予測範囲にわたって予め確認するステップと、
    モデル予測制御を使用して、前記不確実性がない場合の条件下でサブシステムを制御するステップと、
    前記１つ以上のサブシステムについて、外乱変数の今後の軌道を予測するときに、前記モデル予測制御の最良の性能を達成するステップと、
    前記モデル予測制御の予測範囲にわたって外乱変数の不確実性範囲を推定するステップと、
    測定され、前記予測範囲にわたって不確実性を有する外乱変数を考慮して、制約を処理するステップと、
    前記予測範囲について、前記外乱変数の不確実性を近似することによって、前記外乱変数の制約の処理を改善し、こうして前記予測範囲に対する前記外乱変数の元の限度を緩めるステップと、
    を含む、ロバスト制約処理方法。
14. 請求項１３記載の方法において、前記外乱値に対する前記予測範囲に対する前記元の規定限度を緩めることにより、前記外乱変数の元の限度を破る確率が低下する、方法。
15. 請求項１３記載の方法において、
    前記モデル予測コントローラにおいて、選択された変数の前記予測範囲上における不確実性を近似するアルゴリズムを実行し(develop)、前記予測範囲に対する元の規定限度が、外乱変数の値の組み合わせの最悪の場合に対して相対的に緩められ、元の規定限度を超過する確率が低下し、
    外乱変数の前記元の限度を破る確率が、前記アルゴリズムを有する前記モデル予測制御に対して、前記アルゴリズムなく動作する前記モデル予測制御に対する外乱変数の元の限度を破る確率よりも低くなる、方法。

Images