JP2021032116A - 車両用制御装置、車両用学習システム、および車両用学習装置 - Google Patents
車両用制御装置、車両用学習システム、および車両用学習装置 Download PDFInfo
- Publication number
- JP2021032116A JP2021032116A JP2019152135A JP2019152135A JP2021032116A JP 2021032116 A JP2021032116 A JP 2021032116A JP 2019152135 A JP2019152135 A JP 2019152135A JP 2019152135 A JP2019152135 A JP 2019152135A JP 2021032116 A JP2021032116 A JP 2021032116A
- Authority
- JP
- Japan
- Prior art keywords
- data
- vehicle
- variable
- value
- mapping
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013507 mapping Methods 0.000 claims abstract description 186
- 238000000034 method Methods 0.000 claims description 261
- 230000008569 process Effects 0.000 claims description 243
- 238000002485 combustion reaction Methods 0.000 claims description 143
- 239000003054 catalyst Substances 0.000 claims description 63
- 230000005540 biological transmission Effects 0.000 claims description 38
- 238000001514 detection method Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000006835 compression Effects 0.000 claims description 14
- 238000007906 compression Methods 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 abstract description 142
- 239000000446 fuel Substances 0.000 description 78
- 238000012545 processing Methods 0.000 description 70
- 238000013528 artificial neural network Methods 0.000 description 32
- 230000006866 deterioration Effects 0.000 description 26
- 239000013618 particulate matter Substances 0.000 description 23
- 230000006870 function Effects 0.000 description 20
- 238000011144 upstream manufacturing Methods 0.000 description 20
- 238000002347 injection Methods 0.000 description 16
- 239000007924 injection Substances 0.000 description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 230000006399 behavior Effects 0.000 description 12
- 238000012795 verification Methods 0.000 description 11
- 230000005856 abnormality Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 10
- 239000007789 gas Substances 0.000 description 10
- 238000009825 accumulation Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 239000000203 mixture Substances 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000010926 purge Methods 0.000 description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 239000001301 oxygen Substances 0.000 description 6
- 229910052760 oxygen Inorganic materials 0.000 description 6
- 230000004913 activation Effects 0.000 description 5
- 230000008021 deposition Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008929 regeneration Effects 0.000 description 4
- 238000011069 regeneration method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000002828 fuel tank Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000007562 laser obscuration time method Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001141 propulsive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D45/00—Electrical control not provided for in groups F02D41/00 - F02D43/00
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/04—Monitoring the functioning of the control system
- B60W50/045—Monitoring control system parameters
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1497—With detection of the mechanical response of the engine
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D41/1405—Neural network control
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/11—Testing internal-combustion engines by detecting misfire
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0026—Lookup tables or parameter maps
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/06—Combustion engines, Gas turbines
- B60W2510/068—Engine exhaust temperature
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/06—Combustion engines, Gas turbines
- B60W2510/0685—Engine crank angle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D2200/00—Input parameters for engine control
- F02D2200/02—Input parameters for engine control the parameters being related to the engine
- F02D2200/08—Exhaust gas treatment apparatus parameters
- F02D2200/0802—Temperature of the exhaust gas treatment apparatus
- F02D2200/0804—Estimation of the temperature of the exhaust gas treatment apparatus
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D2200/00—Input parameters for engine control
- F02D2200/02—Input parameters for engine control the parameters being related to the engine
- F02D2200/10—Parameters related to the engine output, e.g. engine torque or engine speed
- F02D2200/1015—Engines misfires
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
- F02D41/26—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor
- F02D41/266—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor the computer being backed-up or assisted by another circuit, e.g. analogue
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
Abstract
【解決手段】車両内の記憶装置76には、実用写像データ76aと評価写像データ76bとが搭載されており、CPU72は、それら各写像データによって規定される写像に基づき失火の有無を判定する。CPU72は、2つの判定結果が不一致となる場合、不一致となったときの評価写像データ76bによって規定される写像への入力データや、その時の位置データPgps等をデータ解析センター120に送信する。データ解析センター120では、評価写像データ76bによる判定結果の妥当性を判定し、位置データPgpsに応じた誤出力率の分布を作成し、同分布に基づき評価写像データ76bの再学習を実行する。
【選択図】図1
Description
1.実行装置と、記憶装置と、を備え、前記記憶装置には、車載センサの検出値に基づく入力データを入力とし車両の既定の状態に関する情報を有した出力値を出力する写像を規定するデータであって機械学習によって学習されたデータを含む写像データが記憶されており、前記実行装置は、前記入力データおよび前記写像への前記入力データとは別の関連データを取得する取得処理と、前記取得処理によって取得された前記入力データを前記写像への入力として前記出力値を算出する算出処理と、前記出力値の算出に用いた前記入力データと、該入力データとともに前記取得処理によって取得した前記関連データとを、前記車両の外部に送信する送信処理と、を実行する車両用制御装置である。
地域によって車両のおかれた状況が異なり、様々な要因により写像の出力値の精度に影響を与えることが懸念される。そこで上記構成では、関連データに位置情報変数の値を含めることにより、地域に特有の様々な要因に基づき写像の妥当性を検証できる。
車両のおかれた環境によって様々な要因により写像の出力値の精度に影響を与えることが懸念される。そこで上記構成では、関連データに環境変数の値を含めることにより、環境に起因した様々な要因に基づき写像の妥当性を検証できる。
上記構成では、関連データに運転状態変数の値を含めることにより、車両の既定の状態に関する情報を有した出力値を出力する写像の妥当性を車両の運転状態に基づき検証できる。
燃焼制御モードが異なる場合、内燃機関の燃焼室における混合気の燃焼状態が異なることから、内燃機関の状態に関する情報を有した出力値の精度に影響が及ぶ可能性がある。そこで上記構成では、関連データにモード変数の値を含めることにより、出力値の精度が燃焼制御モードによって変化するか否かを検証できる。
13.前記第2実行装置は、前記再学習処理によって再学習された前記写像データを前記車両に送信する写像データ送信処理を実行し、前記第1実行装置は、前記写像データ送信処理によって送信された前記写像データを受信する写像データ受信処理を実行する上記12記載の車両用学習システムである。
14.上記12または13記載の前記第1実行装置および前記記憶装置を備える車両用制御装置である。
以下、車両用学習システムにかかる第1の実施形態について図面を参照しつつ説明する。
データ解析センター120は、複数の車両VC1,VC2,…から送信されるデータを解析する。データ解析センター120は、CPU122、ROM124、記憶装置126、通信機127、および周辺回路128を備えており、それらがローカルネットワーク129によって通信可能とされるものである。ROM124には、複数の車両VC1,VC2,…から送信されたデータに基づき、評価写像データ76bを再学習させる処理を規定する再学習メインプログラム124aが記憶されている。また、記憶装置126には、複数の車両VC1,VC2,…から送信された、評価写像データ76bによって規定される写像を再学習させるためのデータである再学習用データ126aが記憶されている。
図3に、ROM74に記憶された失火検出プログラム74aをCPU72が実行することにより実現される処理の一部の手順を示す。図3に示す処理は、評価写像データ76bを用いた処理である。
図4に、本実施形態にかかる評価写像データ76bの再学習に関する処理の一部の手順を示す。図4(a)に示す処理は、図1に示すROM74に記憶されている再学習サブプログラム74bをCPU72が実行することにより実現される。また、図4(b)に示す処理は、ROM124に記憶されている再学習メインプログラム124aをCPU122が実行することにより実現される。
これに対し、CPU72は、フラグFが「1」であると判定する場合(S62:YES)、図2に示す処理による失火の判定結果と、図3に示す処理による失火の判定結果とが一致するか否かを判定する(S70)。そして、CPU72は、不一致と判定する場合(S70:NO)、S68の処理に移行する一方、一致すると判定する場合(S70:YES)、フラグFに「0」を代入する(S72)。そして、CPU72は、カウンタCが、最大値C0よりも大きいか否かを判定する(S74)。そしてCPU72は、最大値C0よりも大きいと判定する場合(S74:YES)、最大値C0を、現在のカウンタCの値に更新するとともに、回転時間集合GrT30およびエクストラ情報集合GrEを更新する(S76)。
上記処理により、評価写像データ76bが誤判定する場合の入力データと、それに関連するデータとが再学習用データ126aとして、記憶装置126に蓄積される。そして、CPU122は、再学習用データ126aが所定量以上となることにより、図6に示す処理を実行する。
ここで、本実施形態の作用および効果について説明する。
以下、第2の実施形態について、第1の実施形態との相違点を中心に図面を参照しつつ説明する。
以下、第3の実施形態について、第1の実施形態との相違点を中心に図面を参照しつつ説明する。
図11に、本実施形態にかかる車両用学習システムが実行する処理を示す。図11に示す処理は、ROM74に記憶されたプログラムをCPU72が実行することにより実現される処理と、ROM124に記憶されたプログラムをCPU122が実行することにより実現される処理とである。
以下、第4の実施形態について、第1の実施形態との相違点を中心に図面を参照しつつ説明する。
CPU122は、再学習処理M34として、図4(b)および図6(b)に準じた処理を実行する。なお、図4の処理に準じた処理としては、データ解析センター120においてPM堆積量DPMの値として適切であるとする値と評価写像データ76bによって規定される写像の出力値との差の絶対値が所定値以上である場合に誤出力とする処理を含む。また、本実施形態では、地域別の誤出力率の評価に続いて、経過時間Tsによって区画される領域毎の誤出力率の評価を行う例を示す。図12には、位置データPgpsに基づく誤出力率の相違から、領域A8に位置する車両における誤出力率が閾値以上となり、領域A8において、経過時間Tsが所定時間Ts1以下の領域A9において、誤出力率が特に大きくなる場合を例示した。また、図12には、経過時間Tsが所定時間Ts1よりも大きい領域であっても、燃焼制御モード値MCが所定値となる領域A9については、誤出力率が特に大きくなる例を示した。そのため、CPU122は、領域A8専用の評価写像データ76bを、経過時間Tsが所定時間Ts1以下の領域と、所定時間Ts1よりも大きい領域であって燃焼制御モード値MCが所定値である領域と、それ以外とのそれぞれで各別のデータに更新する。
以下、第5の実施形態について、第1の実施形態との相違点を中心に図面を参照しつつ説明する。
図13に、本実施形態にかかる車両用学習システムが実行する処理を示す。図13に示す処理は、ROM74に記憶されたプログラムをCPU72が実行することにより実現される処理と、ROM124に記憶されたプログラムをCPU122が実行することにより実現される処理とである。
上記実施形態における事項と、上記「課題を解決するための手段」の欄に記載した事項との対応関係は、次の通りである。以下では、「課題を解決するための手段」の欄に記載した解決手段の番号毎に、対応関係を示している。[1]実行装置は、CPU72およびROM74に対応する。記憶装置は、記憶装置76に対応する。写像データは、評価写像データ76bに対応する。取得処理は、S40,S76の処理に対応する。算出処理は、S44,S46の処理に対応する。送信処理は、S82の処理に対応する。[2]位置変数の値は、位置データPgpsに対応する。[3〜5]環境変数の値は、吸気温Ta、大気圧Pa、および路面状態値SRに対応する。[6]瞬時速度は、微小回転時間T30に対応し、回転波形変数の値は、微小回転時間T30(1)〜T30(24)に対応する。路面状態変数の値は、路面状態値SRに対応する。[7]運転状態変数の値は、燃焼制御モード値MCや、シフト位置Vsft、車速V、図10の回転速度NEおよび充填効率ηに対応する。[8]モード変数の値は、燃焼制御モード値MCに対応する。[9]変速比変数の値は、シフト位置Vsftに対応する。[10]車速変数の値は、車速Vに対応する。[11]第1写像データは、実用写像データ76aに対応し、第1取得処理は、S10の処理に対応し、第1算出処理は、S16,S18の処理に対応する。判定処理は、S64,S70の処理に対応する。[12,14,15]第2実行装置は、CPU122およびROM124に対応する。受信処理は、S90の処理に対応する。再学習データ生成処理は、S92〜S98の処理に対応する。再学習処理は、S100〜S120の処理に対応する。[13]写像データ送信処理は、S122の処理に対応し、写像データ受信処理は、S132の処理に対応する。
なお、本実施形態は、以下のように変更して実施することができる。本実施形態および以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
写像の出力に情報が含まれる車両の既定の状態としては、上記実施形態において例示したものに限らない。たとえば、内燃機関の状態としては、以下のものでもよい。
この場合、第1写像データとしての実用写像データ76aを用いた劣化判定処理には、通常の空燃比フィードバック制御から外れて空燃比をリーンおよびリッチに交互に大きく変化させるアクティブ制御を利用してもよい。そして、実用写像データ76aを、アクティブ制御によって上流側空燃比Afuがリッチからリーンへ、またはリーンからリッチへと反転するまでの所要時間等に基づき、劣化変数の値を算出するデータとすればよい。また、第2写像データとしての評価写像データ76bは、噴射量の時系列データと、上流側空燃比Afuの時系列データとを入力とし、劣化の有無を示す劣化変数の値を出力するニューラルネットワークを規定するデータとすればよい。その場合、第2写像による劣化変数の値の算出処理を、アクティブ制御を実行していないときに行ってもよい。また、車両からデータ解析センター120に送信するデータのうち入力データ以外のデータに、回転速度NEや充填効率ηを含めてもよい。これにより、データ解析センター120において、誤出力率の高い動作点変数があるか否かを検証することができる。
この場合、第1写像データとしての実用写像データ76aを、上流側空燃比Afuの平均値と下流側空燃比Afdの平均値との差を入力変数とし、酸素吸蔵量を示す変数である吸蔵量変数の値を出力変数とするマップデータとすればよい。また、第2写像データとしての評価写像データ76bは、酸素と過不足なく反応する燃料量に対する実際の燃料量の過不足量および触媒の温度の所定期間における積算値と、吸蔵量変数の前回値とを入力とし、吸蔵量変数の値を出力するニューラルネットワークを規定するデータとすればよい。また、車両からデータ解析センター120に送信するデータのうち入力データ以外のデータに、触媒30内の流体の流量を含めてもよい。これにより、データ解析センター120において、誤出力率の高い流量があるか否かを検証することができる。
この場合、第1写像データとしての実用写像データ76aを、ノッキングセンサの検出値の積算値と、判定値との大小比較によって、ノッキングであるか否かを示す論理値を出力する写像を規定するデータとすればよい。また、第2写像データしての評価写像データ76bは、ノッキングセンサの検出値の時系列データを入力とし、燃焼室18内の圧力のピーク値を出力するニューラルネットワークを規定するデータとしてもよい。その場合、ピーク値が閾値以上である場合に、ノッキングが生じたと判定すればよい。また、車両からデータ解析センター120に送信するデータのうち、入力データ以外のデータに、たとえば回転速度NEおよび充填効率ηを含めてもよい。これによれば、CPU122において、誤出力率が高い動作点領域があるか否かを検証することができる。
この場合、第1写像データとしての実用写像データ76aを、回転速度NE、充填効率ηおよび水温THWを入力変数とし、燃料の温度を出力変数とするマップデータとすればよい。また、第2写像データとしての評価写像データ76bは、回転速度NE、充填効率η、燃料噴射弁20による燃料の噴射量、吸気温Ta、車速V、燃料の温度の前回値を入力とし、燃料の温度を出力するニューラルネットワークを規定する写像とすればよい。また、車両からデータ解析センター120に送信するデータを、内燃機関10の始動時からの、ニューラルネットワークの出力値および入力データとすればよい。これにより、データ解析センター120において燃料の温度の時間推移を推定することが可能となる。さらに送信するデータに、たとえば点火時期や、水温THW等を含めてもよい。これによれば、CPU122において、点火時期や水温THWによって区画される特定の領域において誤出力率が高くなるか否かを検証することができる。もっとも、内燃機関10の始動時からの、ニューラルネットワークの出力値および入力データを送信するのみであっても、データ解析センター120において、動作点変数によって分割された特定の領域において誤出力率が高くなるか否かを検証することはできる。
この場合、燃料タンク内の燃料蒸気を捕集するキャニスタと、キャニスタと吸気通路との間のパージ経路の流路断面積を調整するパージバルブとを備えたパージシステムにおいて、パージ経路に穴がある場合に異常であると判定する写像が考えられる。この場合、第1写像データとしての実用写像データ76aは、パージバルブを開弁してキャニスタ内の圧力を低下させた後、パージバルブを閉弁させた際の圧力の上昇速度が閾値以上である場合に異常がある旨の論理値を出力する写像を規定するデータとすればよい。また、第2写像データとしての評価写像データ76bは、キャニスタ内の圧力の時系列データと大気圧Paとを入力とし、穴の有無に応じた出力値を出力するニューラルネットワークを規定するデータとすればよい。また、車両からデータ解析センター120に送信するデータを、ニューラルネットワークの出力値および入力データに加えて、燃料タンク内の燃料残量とすればよい。これにより、燃料残量が出力値の精度に与える影響を検証できる。
ここで、EGR率は、吸気通路12から燃焼室18に流入する流体の流量に対するEGR通路32から吸気通路12に流入した流体の流量の割合である。この場合、第1写像データとしての実用写像データ76aは、回転速度NEおよび充填効率ηを入力変数とし、EGR率を出力変数とするマップデータとすればよい。また第2写像データとしての評価写像データ76bは、回転速度NE、充填効率η、吸気通路12内の圧力、および吸入空気量Gaを入力変数とし、EGR率を出力するニューラルネットワークを規定するデータとすればよい。
ここでは、内燃機関10のクランクケースと吸気通路12とを接続するブローバイガス送出路を備えることが前提となる。この場合、ブローバイガス送出路に圧力センサを設け、第1写像としての実用写像データ76aは、圧力センサによって検出される圧力と、回転速度NEおよび充填効率ηに基づく判定値との大小比較に基づき、異常の有無を示す値を出力するデータとすればよい。また、第2写像データとしての評価写像データ76bは、回転速度NE、充填効率η、および吸入空気量Gaとスロットルバルブ14を通過する吸気量との差を入力変数とし、異常の有無を示す値を出力するニューラルネットワークを規定するデータとすればよい。
(a)失火の場合
図4の処理では、3燃焼サイクル分の微小回転時間T30の時系列データを送信したが、これに限らない。たとえば、実用写像データ76aを用いた判定結果と評価写像データ76bを用いた判定結果とが整合しないときの微小回転時間T30(25)〜T30(48)と、整合しないと判定される状態から整合していると判定される状態に移行した際の微小回転時間T30(49)〜T30(72)との2燃焼サイクル分の時系列データであってもよい。
(b)全般
送信対象とされる、整合しないと判定されるときの第2写像データによって規定される第2写像の出力値に関するデータとしては、第2写像の出力値自体に限らない。たとえば、図4の処理において、実用写像データ76aによって規定される写像の出力値としてもよい。この場合、たとえばS92〜S94の処理において、熟練者が、実用写像データ76aによって規定される写像の出力値が正しいと判断する場合、S96の処理において肯定判定すればよい。もっとも、こうしたデータを送信しなくても、入力データを送信することにより、データ解析センター120側において、評価写像データ76bによって規定される写像の出力値を算出することはできる。
図1、図10〜図13においては、第1写像データとしての実用写像データ76aとして、機械学習を用いることなく、判定値等を適合したデータを例示したが、これに限らない。たとえば、第2写像データとしての評価写像データ76bによって規定されるものよりも入力変数の次元が小さいニューラルネットワークを規定するデータとしてもよい。もっとも、第1写像の入力の次元数が、第2写像の入力の次元数よりも小さいことも必須ではない。たとえば入力の次元数は同一であって且つ中間層の層数が第2写像の層数よりも小さいものであってもよい。またたとえば入力の次元数および中間層の層数とも第2写像と同一であって、活性化関数が互いに異なるものであってもよい。
(a)全般
第2写像データとしての評価写像データ76bとしては、中間層が1層のニューラルネットワークを規定するデータに限らない。たとえば、第2写像データとしては、中間層が2層以上のニューラルネットワークを規定するデータであってもよい。また活性化関数h1としては、ハイパボリックタンジェントに限らず、たとえばロジスティックジグモイド関数やReLUであってもよい。なお、ReLUは、入力値と「0」とのうちの小さくない方の値を出力する関数である。
ニューラルネットワークの出力層のノードの数、すなわち次元を「(気筒数)+1」とするものに限らない。たとえば、気筒数に等しい個数とし、各出力値のうちの閾値を超えたものがある場合に失火があると判定してもよい。またたとえば、ニューラルネットワークの1度の出力に基づく失火の有無の判定対象となる気筒を1つとし、出力層のノードの数を1個としてもよい。なお、その場合、出力層はロジスティックジグモイド関数等によって出力値の取りうる値の範囲が規格化されることが望ましい。
上記実施形態では、ある領域においてのみ使用する評価写像データ76bを学習する際には、その領域の訓練データのみを用いたが、これに限らない。たとえば、図7の領域A1以外の領域で使用する評価写像データ76bの再学習に際して、領域A1の訓練データを所定割合混ぜてもよい。
評価写像データ76bによって規定される写像の妥当性の検証に利用される環境変数としては、上記実施形態において例示したものに限らない。たとえば、車両VC1の周囲の天候や、風速を示す変数であってもよい。特に、触媒温度Tcat等については、触媒30の放熱条件が天候や風速の影響を受けるため、それらの変数を用いることが有効である。なお、天候を示す変数の値や風速を示す変数の値については、車両VC1から送信してもよいが、これに代えて、データ解析センター120において、車両VC1の位置データPgpsに基づき、天候に関する情報等を提供する機関から取得してもよい。
評価写像データ76bによって規定される写像の妥当性の検証に利用される運転状態を示す変数としては、上記実施形態において例示したものに限らない。特に、燃焼制御モード値MCについては、上述した区分に限らず、たとえば、上記実施形態の1つで用いた区分を別の実施形態において適用してもよい。
入力データとは別の関連データの利用手法としては、評価写像データ76bの利用される領域を分割するものや、入力変数に追加する候補とするものに限らず、たとえば、評価写像データ76bによって規定される写像の出力値の妥当性の判定に利用するのみであってもよい。これはたとえば、車載センサに評価写像データ76bによって規定される写像の出力値に関する変数の値を検出するものを含めることによって実現できる。具体的には、「車両の既定の状態について」の(c)に記載した燃焼室18内の圧力のピーク値を出力する写像の場合、燃焼室18内の圧力を検出するセンサを車載センサに含めるなどすればよい。
上記実施形態では、第1写像データによって規定される写像の出力値に基づき所定のハードウェアを操作する操作処理として、車両に搭載されている警告灯104を操作する報知処理を例示したが、報知処理としては、これに限らない。たとえばユーザの携帯端末に、異常が生じた旨の情報を表示させるために通信機77を操作する処理としてもよい。
S60の処理の検証期間としては、上記実施形態において例示したものに限らない。
図4の処理では、検証期間に限って、実用写像データ76aに基づく失火判定結果と、評価写像データ76bに基づく失火判定結果との一致、不一致を判定したが、これに限らず、たとえば常時行ってもよい。
図6においては、更新されたパラメータである再学習済みのパラメータを、ネットワーク110を介して各車両VC1,VC2,…に送信したがこれに限らない。たとえば、車両の販売店に送信し、各車両VC1,VC2,…が販売店に入庫した際に記憶装置76内のデータを更新してもよい。その場合であっても、再学習済みのパラメータによって更新された評価写像データ76bの信頼性をさらに評価し、更新することが可能となる。
・「表示装置について」
上記実施形態では、データ解析センター120に表示装置112を配置したが、これに限らず、記憶装置126等が配置されている拠点とは別の拠点に配置してもよい。
図4においては、評価写像データ76bを用いて算出した失火変数P(j)の算出に用いた入力データと、関連するデータとを表示装置112に表示することによって、誤判定であるか否かを熟練者が評価することとしたが、これに限らない。たとえば、実用写像データ76aによって規定される写像よりも失火の判定精度が高い写像データを用いて評価してもよい。これは、たとえば、S90の処理において受信した回転時間集合TrT30およびエクストラ情報集合GrEの全ての要素を入力変数とするか、それ以上の要素を入力変数とし、失火変数を出力変数とするニューラルネットワークとしてもよい。その場合、中間層の層数を、評価写像データ76bによって規定されるニューラルネットワークの中間層の層数よりも大きくすることが望ましい。
たとえば、第1写像データとしての実用写像データ76aについては記憶装置76に記憶するものの、第2写像データとしての評価写像データ76bを記憶装置126に記憶しておき、CPU122によって、図3の処理を実行してもよい。その場合、図4の処理を、たとえば次のように変更すればよい。
データ解析センター120に代えて携帯端末を用いて車両用学習装置を構成してもよい。これは、たとえば携帯端末の記憶装置に、「写像の出力値の妥当性の判定処理について」の欄に記載した実用写像データよりも精度の高い写像を規定するデータ等を記憶しておき、携帯端末によって図4(b)に準じた処理および図6(b)の処理を実行することなどにより実現できる。なお、その場合、車両VC1のユーザの携帯端末には、車両VC1に関するデータのみが送信されるものとしてもよい。
実行装置としては、CPU72(102)とROM74(104)とを備えて、ソフトウェア処理を実行するものに限らない。たとえば、上記実施形態においてソフトウェア処理されたものの少なくとも一部を、ハードウェア処理する専用のハードウェア回路(たとえばASIC等)を備えてもよい。すなわち、実行装置は、以下の(a)〜(c)のいずれかの構成であればよい。(a)上記処理の全てを、プログラムに従って実行する処理装置と、プログラムを記憶するROM等のプログラム格納装置とを備える。(b)上記処理の一部をプログラムに従って実行する処理装置およびプログラム格納装置と、残りの処理を実行する専用のハードウェア回路とを備える。(c)上記処理の全てを実行する専用のハードウェア回路を備える。ここで、処理装置およびプログラム格納装置を備えたソフトウェア実行装置や、専用のハードウェア回路は複数であってもよい。
上記実施形態では、評価写像データ76bや実用写像データ76aが記憶される記憶装置76と、再学習サブプログラム74bが記憶される記憶装置であるROM74とを別の記憶装置としたが、これに限らない。またたとえば、再学習用データ126aが記憶される記憶装置126と、再学習メインプログラム124aが記憶される記憶装置であるROM124とを別の記憶装置としたが、これに限らない。
上記実施形態では、燃料噴射弁として、燃焼室18内に燃料を噴射する筒内噴射弁を例示したがこれに限らない。たとえば吸気通路12に燃料を噴射するポート噴射弁であってもよい。またたとえば、ポート噴射弁と筒内噴射弁との双方を備えてもよい。
内燃機関が駆動系を構成すること自体必須ではない。たとえば、車載発電機にクランク軸が機械的に連結され、駆動輪60とは動力伝達が遮断されたいわゆるシリーズハイブリッド車に搭載されるものであってもよい。
車両としては、車両の推進力を生成する装置が内燃機関のみとなる車両に限らず、たとえば「内燃機関について」の欄に記載したシリーズハイブリッド車以外にも、パラレルハイブリッド車や、シリーズ・パラレルハイブリッド車であってもよい。さらに、内燃機関を搭載しない電気自動車であってもよい。
クランク軸と駆動輪との間に介在する駆動系装置としては、有段の変速装置に限らず、たとえば無段変速装置であってもよい。
Claims (15)
- 実行装置と、記憶装置と、を備え、
前記記憶装置には、車載センサの検出値に基づく入力データを入力とし車両の既定の状態に関する情報を有した出力値を出力する写像を規定するデータであって機械学習によって学習されたデータを含む写像データが記憶されており、
前記実行装置は、前記入力データおよび前記写像への前記入力データとは別の関連データを取得する取得処理と、前記取得処理によって取得された前記入力データを前記写像への入力として前記出力値を算出する算出処理と、前記出力値の算出に用いた前記入力データと、該入力データとともに前記取得処理によって取得した前記関連データとを、前記車両の外部に送信する送信処理と、を実行する車両用制御装置。 - 前記関連データには、前記車両の位置情報を示す変数である位置情報変数の値が含まれる請求項1記載の車両用制御装置。
- 前記関連データには、前記車両のおかれた環境を示す変数である環境変数の値が含まれる請求項1または2記載の車両用制御装置。
- 前記車両は、内燃機関を備え、
前記既定の状態は、前記内燃機関の状態であり、
前記環境変数には、吸気温を示す変数である吸気温変数が含まれる請求項3記載の車両用制御装置。 - 前記車両は、内燃機関を備え、
前記既定の状態は、前記内燃機関の状態であり、
前記環境変数には、大気圧を示す変数である大気圧変数が含まれる請求項3または4記載の車両用制御装置。 - 前記車両は、内燃機関を備え、
前記車載センサは、クランク角センサを含み、
前記入力データは、前記内燃機関の圧縮上死点の出現間隔よりも小さい角度間隔における前記内燃機関のクランク軸の回転速度である瞬時速度の互いに異なる前記角度間隔における値同士の相違に関する情報を含む変数である回転波形変数の値を含み、
前記環境変数には、前記車両の走行している路面の状態を示す路面状態変数が含まれる請求項3記載の車両用制御装置。 - 前記関連データには、前記車両の運転状態を示す変数である運転状態変数の値が含まれる請求項1〜6のいずれか1項に記載の車両用制御装置。
- 前記車両は、内燃機関を備え、
前記運転状態変数は、前記内燃機関の燃焼制御モードを示す変数であるモード変数を含む請求項7記載の車両用制御装置。 - 前記車両は、内燃機関、および前記内燃機関のクランク軸の回転速度に対する出力側の回転速度の比である変速比を可変とする変速装置を備え、
前記車載センサは、クランク角センサを含み、
前記運転状態変数は、前記変速装置の変速比を示す変数である変速比変数を含む請求項7または8記載の車両用制御装置。 - 前記車両には、排気通路に触媒を備えた内燃機関が搭載されており、
前記既定の状態に関する情報は、前記触媒の温度に関する情報であり、
前記運転状態変数は、前記車両の走行速度を示す変数である車速変数を含む請求項7記載の車両用制御装置。 - 前記写像は、第2写像であり、
前記写像データは、第2写像データであり、
前記入力データは、第2入力データであり、
前記出力値は、第2出力値であり、
前記取得処理は、第2取得処理であり、
前記算出処理は、第2算出処理であり、
前記記憶装置は、前記車載センサの検出値に基づく第1入力データを入力とし前記既定の状態に関する情報を有した出力値である第1出力値を出力する第1写像を規定するデータである第1写像データを記憶しており、
前記実行装置は、
前記車載センサの検出値に基づく前記第1入力データを取得する第1取得処理と、前記第1取得処理によって取得された前記第1入力データを前記第1写像への入力として前記第1出力値を算出する第1算出処理と、
前記第1出力値と前記第2出力値とが整合するか否かを判定する判定処理と、を実行し、
前記送信処理を、前記判定処理によって整合しないと判定する場合に実行する請求項1〜10のいずれか1項に記載の車両用制御装置。 - 請求項1〜10のいずれか1項に記載の前記実行装置は、第1実行装置であり、
前記第1実行装置および前記記憶装置と、車載装置とは別の第2実行装置と、を備え、
前記第2実行装置は、前記送信処理によって送信されたデータを受信する受信処理と、前記受信処理によって受信したデータに基づき、前記写像を再学習させるデータである再学習データを生成する再学習用データ生成処理と、前記再学習用データ生成処理によって生成された再学習データに基づき、前記写像データを再学習させる再学習処理と、を実行する車両用学習システム。 - 前記第2実行装置は、前記再学習処理によって再学習された前記写像データを前記車両に送信する写像データ送信処理を実行し、
前記第1実行装置は、前記写像データ送信処理によって送信された前記写像データを受信する写像データ受信処理を実行する請求項12記載の車両用学習システム。 - 請求項12または13記載の前記第1実行装置および前記記憶装置を備える車両用制御装置。
- 請求項12または13記載の前記第2実行装置を備える車両用学習装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019152135A JP2021032116A (ja) | 2019-08-22 | 2019-08-22 | 車両用制御装置、車両用学習システム、および車両用学習装置 |
US16/996,460 US20210053578A1 (en) | 2019-08-22 | 2020-08-18 | Control apparatus for vehicle, learning system for vehicle, and control method for vehicle |
DE102020121626.2A DE102020121626A1 (de) | 2019-08-22 | 2020-08-18 | Steuerungsvorrichtung für ein fahrzeug , lernsystem für ein fahrzeug und steuerungsverfahren für ein fahrzeug |
CN202010848018.2A CN112412649A (zh) | 2019-08-22 | 2020-08-21 | 车辆用控制装置、车辆用学习系统和车辆用控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019152135A JP2021032116A (ja) | 2019-08-22 | 2019-08-22 | 車両用制御装置、車両用学習システム、および車両用学習装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020060899A Division JP2021032248A (ja) | 2020-03-30 | 2020-03-30 | 車両用制御装置、車両用学習システム、および車両用学習装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021032116A true JP2021032116A (ja) | 2021-03-01 |
Family
ID=74495959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019152135A Pending JP2021032116A (ja) | 2019-08-22 | 2019-08-22 | 車両用制御装置、車両用学習システム、および車両用学習装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210053578A1 (ja) |
JP (1) | JP2021032116A (ja) |
CN (1) | CN112412649A (ja) |
DE (1) | DE102020121626A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022036586A (ja) * | 2020-08-24 | 2022-03-08 | トヨタ自動車株式会社 | モデル学習システム及びサーバ |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016213147A1 (de) * | 2016-07-19 | 2018-01-25 | Robert Bosch Gmbh | Verfahren zum Betreiben eines Verbrennungsmotors |
JP6593560B1 (ja) * | 2019-02-15 | 2019-10-23 | トヨタ自動車株式会社 | 内燃機関の失火検出装置、内燃機関の失火検出システム、データ解析装置、および内燃機関の制御装置 |
KR20210073882A (ko) * | 2019-12-11 | 2021-06-21 | 현대자동차주식회사 | 빅데이터 기반 운행 정보 제공 시스템 및 방법 |
US11459962B2 (en) * | 2020-03-02 | 2022-10-04 | Sparkcognitton, Inc. | Electronic valve control |
CN114934848B (zh) * | 2022-06-16 | 2023-04-07 | 哈尔滨工程大学 | 一种面向柴油机燃烧性能优化控制的模糊神经网络建模方法 |
CN116154239B (zh) * | 2023-04-14 | 2023-11-21 | 湖南省计量检测研究院 | 一种基于多层次实现的氢燃料电池能量转换方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0451354A (ja) * | 1990-06-20 | 1992-02-19 | Fujitsu Ltd | ニューラルネットワーク学習装置 |
JP2013072313A (ja) * | 2011-09-27 | 2013-04-22 | Suzuki Motor Corp | 内燃機関の触媒早期暖機制御装置 |
JPWO2017081984A1 (ja) * | 2015-11-11 | 2018-07-12 | 株式会社日立製作所 | 制御装置及び診断システム |
JP2019076819A (ja) * | 2017-10-23 | 2019-05-23 | ファナック株式会社 | 仕分けシステム |
JP2019081531A (ja) * | 2017-10-30 | 2019-05-30 | 株式会社デンソー | 路面状態判別装置およびそれを備えたタイヤシステム |
WO2019116423A1 (ja) * | 2017-12-11 | 2019-06-20 | 本田技研工業株式会社 | 教師データ収集装置 |
JP2019095217A (ja) * | 2017-11-17 | 2019-06-20 | ファナック株式会社 | 外観検査装置 |
WO2019135274A1 (ja) * | 2018-01-04 | 2019-07-11 | 株式会社Abeja | ニューラル・ネットワークを有するデータ処理システム |
JP6547991B1 (ja) * | 2019-02-20 | 2019-07-24 | トヨタ自動車株式会社 | 触媒温度推定装置、触媒温度推定システム、データ解析装置、および内燃機関の制御装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9784198B2 (en) * | 2015-02-12 | 2017-10-10 | GM Global Technology Operations LLC | Model predictive control systems and methods for increasing computational efficiency |
US9863345B2 (en) * | 2012-11-27 | 2018-01-09 | GM Global Technology Operations LLC | System and method for adjusting weighting values assigned to errors in target actuator values of an engine when controlling the engine using model predictive control |
US9863336B2 (en) * | 2014-05-23 | 2018-01-09 | Ford Global Technologies, Llc | System and method for estimating ambient humidity |
US9527494B2 (en) * | 2015-01-26 | 2016-12-27 | Ford Global Technologies, Llc | System and method for adjusting driveline operation |
US10450972B2 (en) * | 2015-06-09 | 2019-10-22 | GM Global Technology Operations LLC | System and method for controlling actuators of an engine to adjust intake airflow when the engine is starting |
US9927780B2 (en) * | 2015-12-10 | 2018-03-27 | GM Global Technology Operations LLC | System and method for adjusting target actuator values of an engine using model predictive control to satisfy emissions and drivability targets and maximize fuel efficiency |
JP2017155605A (ja) * | 2016-02-29 | 2017-09-07 | トヨタ自動車株式会社 | 多気筒内燃機関の失火検出装置 |
JP7003607B2 (ja) * | 2017-12-05 | 2022-01-20 | トヨタ自動車株式会社 | ハイブリッド自動車およびこれに搭載される制御装置 |
US11480117B2 (en) * | 2018-12-17 | 2022-10-25 | Ford Global Technologies, Llc | Method and system for vehicle stop/start control |
-
2019
- 2019-08-22 JP JP2019152135A patent/JP2021032116A/ja active Pending
-
2020
- 2020-08-18 US US16/996,460 patent/US20210053578A1/en not_active Abandoned
- 2020-08-18 DE DE102020121626.2A patent/DE102020121626A1/de not_active Withdrawn
- 2020-08-21 CN CN202010848018.2A patent/CN112412649A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0451354A (ja) * | 1990-06-20 | 1992-02-19 | Fujitsu Ltd | ニューラルネットワーク学習装置 |
JP2013072313A (ja) * | 2011-09-27 | 2013-04-22 | Suzuki Motor Corp | 内燃機関の触媒早期暖機制御装置 |
JPWO2017081984A1 (ja) * | 2015-11-11 | 2018-07-12 | 株式会社日立製作所 | 制御装置及び診断システム |
JP2019076819A (ja) * | 2017-10-23 | 2019-05-23 | ファナック株式会社 | 仕分けシステム |
JP2019081531A (ja) * | 2017-10-30 | 2019-05-30 | 株式会社デンソー | 路面状態判別装置およびそれを備えたタイヤシステム |
JP2019095217A (ja) * | 2017-11-17 | 2019-06-20 | ファナック株式会社 | 外観検査装置 |
WO2019116423A1 (ja) * | 2017-12-11 | 2019-06-20 | 本田技研工業株式会社 | 教師データ収集装置 |
WO2019135274A1 (ja) * | 2018-01-04 | 2019-07-11 | 株式会社Abeja | ニューラル・ネットワークを有するデータ処理システム |
JP6547991B1 (ja) * | 2019-02-20 | 2019-07-24 | トヨタ自動車株式会社 | 触媒温度推定装置、触媒温度推定システム、データ解析装置、および内燃機関の制御装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022036586A (ja) * | 2020-08-24 | 2022-03-08 | トヨタ自動車株式会社 | モデル学習システム及びサーバ |
Also Published As
Publication number | Publication date |
---|---|
DE102020121626A1 (de) | 2021-02-25 |
CN112412649A (zh) | 2021-02-26 |
US20210053578A1 (en) | 2021-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6705540B1 (ja) | 車両用学習システム、車両用制御装置、および車両用学習装置 | |
JP2021032116A (ja) | 車両用制御装置、車両用学習システム、および車両用学習装置 | |
CN111577457B (zh) | 内燃机的失火检测装置、系统、方法、数据解析装置、及内燃机的控制装置 | |
EP3816420A2 (en) | Vehicle learning control system, vehicle control device, and vehicle learning device | |
JP6853287B2 (ja) | インバランス検出装置、インバランス検出システム、データ解析装置、および内燃機関の制御装置 | |
US20200263618A1 (en) | Pm amount estimation device, pm amount estimation system, pm amount estimating method, data analysis device, control device for internal combustion engine, and receiver | |
US11326541B2 (en) | Vehicle learning control system, vehicle control device, and vehicle learning device | |
JP6708292B1 (ja) | 内燃機関の状態判定装置、内燃機関の状態判定システム、データ解析装置、および内燃機関の制御装置 | |
US11015545B2 (en) | Misfire detection apparatus, misfire detection system, and data analysis apparatus | |
JP2021032248A (ja) | 車両用制御装置、車両用学習システム、および車両用学習装置 | |
JP2021032247A (ja) | 車両用学習システム、車両用制御装置、および車両用学習装置 | |
JP6879356B2 (ja) | インバランス検出装置、インバランス検出システム、データ解析装置、および内燃機関の制御装置 | |
JP2021032246A (ja) | 車両用学習制御システム、車両用制御装置、および車両用学習装置 | |
JP2021032249A (ja) | 車両用学習制御システム、車両用制御装置、および車両用学習装置 | |
JP2020133623A (ja) | Pm量推定装置、pm量推定システム、データ解析装置、および内燃機関の制御装置 | |
JP2020133622A (ja) | インバランス検出装置、インバランス検出システム、データ解析装置、および内燃機関の制御装置 | |
JP2021032245A (ja) | 失火検出装置、失火検出システムおよびデータ解析装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191120 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20191120 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20191226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200204 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200327 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200707 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200907 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210127 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210323 |