JP2022077244A - ロックアップクラッチのジャダ判定装置 - Google Patents

Abstract

【課題】ロックアップクラッチにおけるフレックスロックアップ制御中のジャダ判定の精度を向上する。【解決手段】ジャダ判定用の学習済みのニューラルネットワーク３４として、タービン回転数の時系列データを含む状態変数ｘ１～ｘｎを入力とし、ジャダ発生の尤度を示す変数であるジャダ有り尤度変数ｙ１、及びジャダ無し尤度変数ｙ２を出力とするニューラルネットワークを用いる。ニューラルネットワーク３４の学習用の教師データには、外部からの回転加振によりタービン回転数の変動が生じたときの状態変数ｘ１～ｘｎの計測値を学習用の入力値Ｘ１～Ｘｎの値とし、及びジャダの発生無しを示すジャダ有り尤度変数ｙ１、及びジャダ無し尤度変数ｙ２の値を学習用の出力値Ｙ１、Ｙ２の値とするデータセットが含まれている。【選択図】図２

Description

本発明は、フレックスロックアップ制御中のロックアップクラッチにおけるジャダの発生の有無を判定するロックアップクラッチのジャダ判定装置に関する。

トルクコンバータのロックアップクラッチとして、ロックアップクラッチをスリップ状態とするとともに、同クラッチのスリップ量を目標とする量に維持するフレックスロックアップ制御を行うものがある。作動油の劣化やクラッチ表面の荒れなどにより、フレックスロックアップ制御中のクラッチの滑り状態が不安定となることがある。そしてその結果、ロックアップクラッチにおけるタービン側のばね－マス系が自励振動する現象、いわゆるジャダと呼ばれる現象が発生することがある。

従来、特許文献１に見られるように、フレックスロックアップ制御中に、上記ジャダの発生の有無を判定し、ジャダの発生有りと判定した場合には、フレックスロックアップ制御の中止やクラッチ油圧の調整等により、ジャダを抑制する技術が知られている。ジャダの発生の有無の判定は、タービン回転数に基づき行われている。例えば特許文献１では、タービン回転数の変動の振幅が一定値以上の状態が一定の期間継続した場合にジャダの発生有りと判定している。

特開平８－１５９２７１号公報

ところで、路面の凹凸やμ変化による車輪の回転変動やエンジンの出力変動などの、ロックアップクラッチの外部からの回転加振によっても、タービン回転数の変動が大きくなることがある。そして、タービン回転数の変動の振幅やその継続期間を見ただけでは、外部からの回転加振によるタービン回転数の変動とジャダとを区別できない場合がある。そのため、従来のジャダの判定態様では、外部からの回転加振によるタービン回転数の変動を誤ってジャダと判定する虞があった。

上記課題を解決するロックアップクラッチのジャダ判定装置は、車両の動力伝達系に設けられたロックアップクラッチにおけるジャダの発生の有無を判定する装置である。同ジャダ判定装置は、動力伝達系の動作の状態を示す変数である状態変数を入力とし、ジャダの発生の尤度を示す尤度変数を出力とするニューラルネットワークであって、状態変数の計測値を学習用の入力値とし、同計測値の計測時のジャダの発生の有無に応じた尤度変数の値を学習用の出力値とするデータセットを教師データに用いて学習された学習済みニューラルネットワークが記憶された記憶装置と、状態変数の計測値を入力とした学習済みニューラルネットワークの出力に基づきジャダの発生の有無を判定する実行装置と、を備えている。さらに、同ジャダ判定装置では、ロックアップクラッチのタービン回転数の時系列データを上記状態変数に含めている。また、同ジャダ判定装置では、ニューラルネットワークの学習に用いる教師データに、ロックアップクラッチの外部からの回転加振によりタービン回転数を変動させたときの状態変数の計測値を学習用の入力値とし、ジャダが発生していないことを示す尤度変数の値を学習用の出力値とするデータセットを含めている。

ジャダの発生時と、外部からの回転加振によるタービン回転数の変動が発生したときとでは、タービン回転数の変動パターン、例えば変動の振幅や持続時間には違いがあると考えられる。ただし、タービン回転数の変動パターンは、ロックアップクラッチの入力回転数や伝達トルクなどによっても変化する。そのため、外部からの回転加振によるタービン回転数の変動とジャダとの、タービン回転数の変動パターンの境界条件は、一次関数で近似できるような簡単なものとはならず、非線形で離散化した関数のような、法則性を見出すことが困難な複雑な関数となる場合がある。

これに対して、上記態様でニューラルネットワークの学習を行えば、たとえ非線形で離散化した複雑な関数であったとしても、外部からの回転加振によるタービン回転数の変動とジャダとの境界条件を学習できる。そして、そうしたニューラルネットワークを用いれば、ジャダ判定において、外部からの回転加振によるタービン回転数の変動と真のジャダとを区別できる。よって、上記ロックアップクラッチのジャダ判定装置によれば、ロックアップクラッチにおけるフレックスロックアップ制御中のジャダ判定の精度を向上できる。

ロックアップクラッチのジャダ判定装置の一実施形態の構成を模式的に示す図。 同ジャダ判定装置の記憶装置に記憶される学習済みニューラルネットワークの構成を模式的に示す図。 同ジャダ判定装置の実行装置が実行するジャダ判定ルーチンのフローチャート。

以下、ロックアップクラッチのジャダ判定装置の一実施形態を、図１～図３を参照して詳細に説明する。
＜車両の動力伝達系の構成＞
まず、図１を参照して、本実施形態のジャダ判定装置の適用対象となるロックアップクラッチが設けられた車両の動力伝達系の構成について説明する。車両１０には、駆動源としてのエンジン１１が搭載されている。エンジン１１の出力軸であるクランク軸１２は、トルクコンバータ１３を介して自動変速機１４の入力軸である変速機入力軸１５に接続されている。自動変速機１４の出力軸であるプロペラ軸１６は、ディファレンシャル１７を介して左右の車輪軸１８に接続されている。

トルクコンバータ１３は、対向した配置された２つの羽根車であるポンプインペラ２０及びタービンランナ２１を備えている。ポンプインペラ２０はクランク軸１２に、タービンランナ２１は変速機入力軸１５に、それぞれ接続されている。ポンプインペラ２０及びタービンランナ２１は、ポンプインペラ２０と一体化したコンバータケース２２内に収容されている。コンバータケース２２内には、ポンプインペラ２０、タービンランナ２１間のトルクの伝達媒体となるオイルが充填されている。

また、トルクコンバータ１３は、ロックアップクラッチ２３を備えている。ロックアップクラッチ２３は、ダンパ２４を介してタービンランナ２１に連結されている。ロックアップクラッチ２３は、油圧の印加により、コンバータケース２２に押し当てられるようになっている。ロックアップクラッチ２３がコンバータケース２２から離間した状態、すなわちロックアップクラッチ２３の解放状態では、コンバータケース２２内のオイルを介してのみ、クランク軸１２、変速機入力軸１５間のトルク伝達が行われる。ポンプインペラ２０及びタービンランナ２１が一体回転する状態となるまでロックアップクラッチ２３がコンバータケース２２に押し当てられた状態、すなわちロックアップクラッチ２３の完全係合状態では、クランク軸１２と変速機入力軸１５とが直結された状態となる。

車両１０には、エンジン制御ユニット３０が搭載されている。エンジン制御ユニット３０は、エンジン１１の制御用の電子制御ユニットであり、燃料噴射量、点火時期、吸気量などのエンジン１１の制御量を操作する。

また、車両１０には、変速機制御ユニット３１が搭載されている。変速機制御ユニット３１は、自動変速機１４及びロックアップクラッチ２３の制御を行う電子制御ユニットであり、それらの制御のための処理を実行する実行装置３２と、制御用のプログラムやデータが記憶された記憶装置３３と、を備えている。変速機制御ユニット３１には、エンジン制御ユニット３０から、エンジン回転数ＮＥ、エンジントルクＴＥといったエンジン１１の運転状態を示す情報が入力されている。また、変速機制御ユニット３１には、車両１０の動力伝達系に設置された各種のセンサから、タービン回転数ＮＴ、ペラ軸回転数ＮＯ、ロックアップ油圧ＰＣ、変速機油温ｘ４、車両前後加速度Ｇｘといった動力伝達系の動作の状態を示す情報が入力されている。タービン回転数ＮＴは、変速機入力軸１５の回転数、すなわちタービンランナ２１の回転数を示している。ペラ軸回転数ＮＯは、プロペラ軸１６の回転数を示している。ロックアップ油圧ＰＣは、ロックアップクラッチ２３への印加油圧を示している。変速機油温ｘ４は、自動変速機１４の作動油の温度を示している。なお、自動変速機１４の作動油は、トルクコンバータ１３やロックアップクラッチ２３の作動油としても利用されている。車両前後加速度Ｇｘは、車両１０の前後方向に作用する加速度を示している。

変速機制御ユニット３１は、ロックアップクラッチ２３の制御の一つとしてフレックスロックアップ制御を実行する。フレックスロックアップ制御に際して変速機制御ユニット３１は、ロックアップクラッチ２３がコンバータケース２２に対して半係合したスリップ状態となり、かつコンバータケース２２に対するロックアップクラッチ２３のスリップ量が目標とする量となるように、ロックアップ油圧ＰＣを操作する。

また、変速機制御ユニット３１は、フレックスロックアップ制御の実行中に、ロックアップクラッチ２３でジャダが発生しているか否かのジャダ判定を行っている。そして、変速機制御ユニット３１は、ジャダが発生していると判定した場合には、フレックスロックアップ制御を中止することで、ジャダによるドライバビリティの悪化を抑えている。本実施形態では、こうしたジャダ判定を行う変速機制御ユニット３１がジャダ判定装置に対応している。変速機制御ユニット３１の記憶装置３３には、ジャダ判定に用いるニューラルネットワーク３４が記憶されている。

＜ニューラルネットワークの構成＞
次に、図２を参照して、ジャダ判定に使用するニューラルネットワーク３４の構成を説明する。ニューラルネットワーク３４は、「ｎ」個のノードを有する入力層と、「ｍ」個のノードを有する中間層と、２個のノードを有する出力層と、を備えている。なお、以下の説明における「ｉ」は、１以上かつｎ以下の任意の整数を表している。また、以下の説明における「ｊ」は、１以上かつｍ以下の任意の整数を表している。

図２では、入力層の各ノードへの入力値をＸ１、Ｘ２、…、Ｘｎと示す。各入力値Ｘ１～Ｘｎは、動力伝達系の動作の状態を示す変数である状態変数ｘｉとなっている。例えば入力値Ｘ１は、ロックアップクラッチ２３の係合状態を示す係合状態変数ｘ１である。係合状態変数ｘ１は、例えばロックアップクラッチ２３が解放状態にあるときには「０」を、スリップ状態にあるときには「１」を、完全係合状態にあるときには「２」を、それぞれ値として取る変数として設定されている。入力値Ｘ２は、差回転ｘ２であり、その値はエンジン回転数ＮＥからタービン回転数ＮＴを引いた差（＝ＮＥ－ＮＴ）を示している。入力値Ｘ３は、ペラ軸回転数ＮＯの変動振幅ｘ３である。入力値Ｘ４は、変速機油温ｘ４である。入力値Ｘ５は、ポンプインペラ２０、タービンランナ２１間の伝達トルクｘ５である。そして、入力値Ｘ６～Ｘｎは、タービン回転数ＮＴの時系列データ｛ｘ６、…、ｘｎ｝となっている。タービン回転数ＮＴの時系列データ｛ｘ６、…、ｘｎ｝は、既定のサンプリング周期Ｔ毎に取得した（ｎ－５）個のタービン回転数ＮＴの値を、時系列に並べた配列である。そして、そうした配列における各タービン回転数ＮＴの値が、入力値Ｘ６～Ｘｎのそれぞれに対応している。

また、図２では、中間層の各ノードへの入力値をＵ１、Ｕ２、…、Ｕｍ、中間層の各ノードの出力値をＺ１、Ｚ２、…、Ｚｍと示す。中間層の各ノードの入力値Ｕｊは、入力層の入力値Ｘ１、Ｘ２、…、Ｘｎのそれぞれに重みＷｉｊを乗じた値の和として算出される。中間層の各ノードの出力値Ｚｊは、該当ノードの入力値Ｕｊを引数とした活性化関数Ｆの戻値として算出される。本実施形態では、シグモイド関数を活性化関数Ｆとして用いている。

出力層の２つのノードのうちの一方の入力値Ａ１には、中間層の各ノードの出力値Ｚｊのそれぞれに重みＶｊ１を乗じた値の和が入力される。また、出力層における、もう一方のノードの入力値Ａ２には、中間層の各ノードの出力値Ｚｊのそれぞれに重みＶｊ２を乗じた値の和が入力される。そして、出力層の両ノードの出力値Ｙ１、Ｙ２は、各々のノードの入力値Ａ１、Ａ２を引数としたソフトマックス関数Ｇの戻値として算出される。これにより、出力層の両ノードの出力値Ｙ１、Ｙ２は、それぞれが０以上、１以下の値を取り、かつ出力値Ｙ１、Ｙ２の合計が１となるように算出される。このニューラルネットワーク３４では、出力値Ｙ１は、ジャダ判定の結果としてジャダの発生有りとの判定がなされる尤度を示す変数であるジャダ有り尤度変数ｙ１とされている。また、出力値Ｙ２は、ジャダ判定の結果としてジャダの発生無しとの判定がなされる尤度を示す変数であるジャダ無し尤度変数ｙ２とされている。

＜ニューラルネットワークの学習＞
次に、こうしたニューラルネットワーク３４の生成方法、すなわち同ニューラルネットワーク３４の学習について説明する。ニューラルネットワーク３４の学習は、学習用の電子計算機により行われる。そして、変速機制御ユニット３１の記憶装置３３には、学習用の電子計算機による学習が完了したニューラルネットワーク３４、すなわち学習済みネットワークが記憶されている。

ニューラルネットワーク３４の学習に際しては、同一車種の複数の車両１０において、フレックスロックアップ制御中に、入力値Ｘ１～Ｘｎとして用いられる各状態変数ｘｉの計測を行う。この計測に用いる車両１０には、ジャダが発生するまでにロックアップクラッチ２３の経年劣化が進んだ車両と、そうでない車両と、が含まれている。そして、それらの計測結果から、各状態変数ｘｉの計測値を学習用の入力値Ｘ１～Ｘｎの値とし、それらの計測時のジャダの発生の有無に対応したジャダ有り尤度変数ｙ１、及びジャダ無し尤度変数ｙ２の値を学習用の出力値Ｙ１、Ｙ２の値とするデータセットを多数作成する。作成されるデータセットには、次の２種のデータセットが存在する。一つは、ジャダが発生しているときの各状態変数ｘｉの計測値が学習用の入力値Ｘ１～Ｘｎの値として設定されるとともに、学習用の出力値Ｙ１の値として「１」が、学習用の出力値Ｙ２の値として「０」が、それぞれ設定されたデータセットである。もう一つは、ジャダが発生していないときの各状態変数ｘｉの計測値が学習用の入力値Ｘ１～Ｘｎの値として設定されるとともに、学習用の出力値Ｙ１の値として「０」が、学習用の出力値Ｙ２の値として「１」が、それぞれ設定されたデータセットである。

さらに、本実施形態では、車両１０をモータベンチ試験機に設置し、ロックアップクラッチ２３に外部から回転加振を加えた状態で各状態変数ｘｉの計測を行っている。そして、その計測結果からも、教師データ用のデータセットを作成している。このデータセットは、外部からの回転加振を加えた状態での各状態変数ｘｉの計測値が学習用の入力値Ｘ１～Ｘｎの値として設定されるとともに、「０」が学習用の出力値Ｙ１の値として、「１」が学習用の出力値Ｙ２の値として、それぞれ設定されたデータセットとなっている。すなわち、このデータセットにおける学習用の出力値Ｙ１、Ｙ２には、ジャダの発生無しを示すジャダ有り尤度変数ｙ１、及びジャダ無し尤度変数ｙ２の値が設定されている。

ニューラルネットワーク３４の学習では、次の処理が行われる。まず、各データセットにおける各状態変数ｘｉの値を、入力層の各入力値Ｘ１～Ｘｎの値としてニューラルネットワーク３４に入力する。そして、それらの入力に対する出力層の両出力値Ｙ１、Ｙ２とデータセットにおけるジャダ有り尤度変数ｙ１及びジャダ無し尤度変数ｙ２の値との誤差が小さくなるように、誤差逆伝搬法を用いて、各重みＷｉｊ、Ｖｊ１、Ｖｊ２の値を修正する。こうした重みＷｉｊ、Ｖｊ１、Ｖｊ２の修正処理を、上記誤差が予め定めた値以下となるまで繰り返す。そして、上記誤差が予め定めた値以下となると、ニューラルネットワーク３４の学習が完了したものと判定している。

＜ジャダ判定＞
続いて、本実施形態でのジャダ判定の実施態様を説明する。図３は、ジャダ判定に際して変速機制御ユニット３１が実行するジャダ判定ルーチンのフローチャートである。変速機制御ユニット３１は、フレックスロックアップ制御の実行中、既定の制御周期毎に、本ルーチンの処理を繰り返し実行する。

本ルーチンの処理が開始されると、まずステップＳ１００において、各状態変数ｘｉの計測値が読み込まれる。すなわち、係合状態変数ｘ１、差回転ｘ２、ペラ軸回転数の変動振幅ｘ３、変速機油温ｘ４、伝達トルクｘ５、及びタービン回転数ＮＴの時系列データ｛ｘ６、…、ｘｎ｝のそれぞれの計測値が読み込まれる。

続いて、ステップＳ１１０において、読み込んだ各状態変数ｘｉの計測値がニューラルネットワーク３４の各入力値Ｘ１～Ｘｎに設定される。そして、ステップＳ１２０において、上記のように入力値Ｘ１～Ｘｎを設定した状態でのニューラルネットワーク３４の出力値Ｙ１、Ｙ２の値が、すなわちジャダ有り尤度変数ｙ１及びジャダ無し尤度変数ｙ２の値が演算される。

続いて、ステップＳ１３０において、出力値Ｙ１、Ｙ２の演算結果に基づくジャダ判定が行われる。ここでのジャダ判定は、例えば次の態様で行われる。すなわち、出力値Ｙ１の演算値、すなわちジャダ有り尤度変数ｙ１の演算値が既定の閾値を超えている場合にはジャダの発生有りと判定する。これに対して、ジャダ無し尤度変数ｙ１の演算値が上記閾値以下の場合にはジャダの発生無しと判定する。

こうしたステップＳ１３０でのジャダ判定においてジャダの発生無しと判定された場合（Ｓ１４０：ＮＯ）には、そのまま今回の本ルーチンの処理が終了される。一方、上記ジャダ判定においてジャダの発生有りと判定された場合（Ｓ１４０：ＹＥＳ）にはステップＳ１５０に処理が進められる。そしてそのステップＳ１５０において、現在実行中のフレックスロックアップ制御が中止された後、今回の本ルーチンの処理が終了される。

＜実施形態の作用、効果＞
本実施形態の作用及び効果について説明する。
フレックスロックアップ制御では、ロックアップクラッチ２３をスリップ状態とするとともに、コンバータケース２２に対するロックアップクラッチ２３のスリップ量を目標とする量に保つようにロックアップ油圧が調整される。経年劣化によるロックアップクラッチ２３の表面荒れや作動油の劣化などで、フレックスロックアップ制御中のロックアップクラッチ２３の滑り状態が悪化することがある。すなわち、コンバータケース２２に対するロックアップクラッチ２３の滑りが間欠的に止まることがある。そして、その結果、ロックアップクラッチ２３におけるタービン側のばね－マス系に自励振動が発生して、タービン回転数ＮＴが大きく変動する現象が、いわゆるロックアップクラッチ２３のジャダが発生することがある。

一方、路面の凹凸による車輪軸１８の回転変動やエンジン１１の出力変動などにより、外部からのロックアップクラッチ２３の回転加振によっても、ジャダの発生時と似たタービン回転数ＮＴの回転変動が生じることがある。以下の説明では、ロックアップクラッチ２３の滑り状態の悪化に起因したタービン回転数ＮＴの回転変動を真性ジャダと記載し、外部からの回転加振によるタービン回転数ＮＴの回転変動を偽性ジャダと記載する。真性ジャダの発生時と偽性ジャダの発生時とでは、タービン回転数ＮＴの変動パターン、例えば変動の振幅や持続時間には違いがあると考えられる。ただし、タービン回転数ＮＴの変動パターンは、ロックアップクラッチ２３の入力回転数や伝達トルクなどによっても変化する。そのため、タービン回転数ＮＴの変動パターンについての真性ジャダ、偽性ジャダの境界条件は、一次関数で近似できるような簡単なものとはならず、法則性を見出すことが困難な、非線形で離散化した複雑な関数となる場合がある。

これに対して、本実施形態では、記憶装置３３に記憶された学習済みのニューラルネットワーク３４を用いてジャダ判定を行っている。ニューラルネットワーク３４は、動力伝達系の動作の状態を示す変数である状態変数ｘｉを入力とし、ジャダの発生の尤度を示す変数であるジャダ有り尤度変数ｙ１及びジャダ無し尤度変数ｙ２を出力とするニューラルネットワークとして構成されている。ニューラルネットワーク３４の入力となる状態変数ｘｉには、タービン回転数ＮＴの時系列データ｛ｘ６、…、ｘｎ｝が含まれている。さらにニューラルネットワーク３４は、状態変数ｘｉの計測値を学習用の入力値Ｘ１～Ｘｎの値とし、その計測時のジャダの発生の有無に応じたジャダ有り尤度変数ｙ１及びジャダ無し尤度変数ｙ２の値を学習用の出力値Ｙ１、Ｙ２の値とするデータセットを教師データに用いて学習されている。

そして、本実施形態では、教師データに、次のデータセットを含めている。すなわち、同データセットにおける学習用の入力値Ｘ１～Ｘｎには、ロックアップクラッチ２３の外部からの回転加振によりタービン回転数ＮＴを変動させたときの、すなわち偽性ジャダの発生時の各状態変数ｘｉの計測値が設定されている。また、同データセットにおける学習用の出力値Ｙ１、Ｙ２には、ジャダの発生無しを示すジャダ有り尤度変数ｙ１及びジャダ無し尤度変数ｙ２の値が設定されている。こうしたデータセットを教師データに含めることで、真性ジャダ、偽性ジャダの境界条件がニューラルネットワーク３４に学習される。

以上の本実施形態のロックアップクラッチのジャダ判定装置によれば、以下の効果を奏することができる。
（１）上記のように、真性ジャダ、偽性ジャダの境界条件をニューラルネットワーク３４に学習させられる。そのため、ロックアップクラッチにおけるフレックスロックアップ制御中のジャダ判定の精度を向上できる。

（２）フレックスロックアップ制御中にも、その開始時や終了時などには、ロックアップクラッチ２３が完全係合状態や解放状態となっていることがある。そして、ロックアップクラッチ２３の係合状態は、タービン回転数ＮＴの回転変動に多大な影響を与える。これに対して本実施形態では、ロックアップクラッチ２３の係合状態を示す変数である係合状態変数ｘ１をニューラルネットワーク３４の入力に含めている。そのため、ロックアップクラッチ２３の係合状態がタービン回転数ＮＴの回転変動に与える影響を反映したかたちで精度よくジャダ判定を行える。

（３）エンジン回転数ＮＥに対するタービン回転数ＮＴの差回転ｘ２が大きいときには、タービン回転数ＮＴが大きく変化し易くなる。これに対して本実施形態では、エンジン回転数ＮＥとタービン回転数ＮＴとの差回転ｘ２をニューラルネットワーク３４の入力に含めている。そのため、差回転ｘ２によるタービン回転数ＮＴの変化を反映したかたちで精度よくジャダ判定を行える。

（４）路面の凹凸やμ変化による車輪軸１８の回転変動によっても、タービン回転数ＮＴが変動することがある。これに対して本実施形態では、動力伝達系におけるロックアップクラッチ２３よりも車輪軸１８側の部分の回転変動の状態を示す状態変数であるペラ軸回転数ＮＯの変動振幅ｘ３をニューラルネットワーク３４の入力に含めている。そのため、路面の凹凸やμ変化による車輪軸１８の回転変動がタービン回転数ＮＴの変動に与える影響を反映したかたちで精度よくジャダ判定を行える。

（５）変速機油温ｘ４が、すなわちロックアップクラッチ２３の作動油の温度が低い時には、同作動油の粘度が高まって、ロックアップクラッチ２３の滑り状態が悪化し易くなる。これに対して本実施形態では、変速機油温ｘ４をニューラルネットワーク３４の入力に含めている。そのため、作動油の粘度がロックアップクラッチ２３の滑り状態に与える影響を反映したかたちで精度よくジャダ判定を行える。

（６）ポンプインペラ２０、タービンランナ２１間の伝達トルクｘ５の変動によっても、ロックアップクラッチ２３の滑り状態が変化する。これに対して本実施形態では、伝達トルクｘ５をニューラルネットワーク３４の入力に含めている。そのため、ロックアップクラッチ２３の滑り状態に伝達トルクｘ５が与える影響を反映したかたちで精度よくジャダ判定を行える。

＜他の実施形態＞
上記実施形態は、以下のように変更して実施することができる。上記実施形態及び以下の変更例は、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。

・上記実施形態では、変速機制御ユニット３１がジャダ判定を行うジャダ判定装置としての役割を担っていた。ジャダ判定を実行する実行装置３２、及び学習済みのニューラルネットワーク３４を記憶した記憶装置３３を備えるジャダ判定装置を、変速機制御ユニット３１とは別に設けるようにしてもよい。また、無線通信網を通じて車両１０と通信可能な施設にジャダ判定装置を設け、車両１０から受信した状態変数ｘｉの計測値に基づきジャダ判定を行うようにしてもよい。

・ニューラルネットワーク３４の入力とする状態変数ｘｉの中から、タービン回転数ＮＴの時系列データ｛ｘ６、…、ｘｎ｝以外の状態変数ｘ１～ｘ５のうちの１つ以上を割愛してもよい。また、動力伝達系の動作の状態を示す他の状態変数をニューラルネットワーク３４の入力に加えるようにしてもよい。例えば差回転ｘ２の代わりに、同差回転ｘ２の変動振幅を加えるようにしてもよい。また、ペラ軸回転数ＮＯの変動振幅ｘ３の代わりに、車輪軸１８の回転数の変動振幅、車速の変動振幅、或いは車両前後加速度Ｇｘを、ニューラルネットワーク３４の入力に加えるようにしてもよい。

・上記実施形態では、ジャダ有り尤度変数ｙ１が閾値を超えているか否かにより、ジャダ判定を行っていたが、ジャダ無し尤度変数ｙ２を用いるなど、それ以外の態様でジャダ判定を行うようにしてもよい。

・上記実施形態では、ジャダの発生有りと判定した場合にはフレックスロックアップ制御を中止していたが、ロックアップ油圧を低下、或いは上昇させることで、ジャダを抑制するようにしてもよい。

・上記実施形態では、ジャダ有り尤度変数ｙ１及びジャダ無し尤度変数ｙ２をニューラルネットワーク３４の出力値Ｙ１、Ｙ２としていたが、それらのいずれか一方のみをニューラルネットワーク３４の出力としてもよい。

・上記実施形態では、ニューラルネットワーク３４の中間層は１層となっているが、２層以上の中間層を有するようにニューラルネットワーク３４を構成してもよい。
・上記実施形態のニューラルネットワーク３４で用いる活性化関数としてシグモイド関数以外の関数を活性化関数として用いるようにしてもよい。

１０…車両
１１…エンジン
１２…クランク軸
１３…トルクコンバータ
１４…自動変速機
１５…変速機入力軸
１６…プロペラ軸
１７…ディファレンシャル
１８…車輪軸
２０…ポンプインペラ
２１…タービンライナ
２２…コンバータケース
２３…ロックアップクラッチ
２４…ダンパ
３０…エンジン制御ユニット
３１…変速機制御ユニット（ジャダ判定装置）
３２…実行装置
３３…記憶装置
３４…ニューラルネットワーク

Claims (1)

1. 車両の動力伝達系に設けられたロックアップクラッチにおけるジャダの発生の有無を判定する装置であって、
   前記動力伝達系の動作の状態を示す変数である状態変数を入力とし、前記ジャダの発生の尤度を示す尤度変数を出力とするニューラルネットワークであって、前記状態変数の計測値を学習用の入力値とし、同計測値の計測時の前記ジャダの発生の有無に応じた前記尤度変数の値を学習用の出力値とするデータセットを教師データに用いて学習された学習済みニューラルネットワークが記憶された記憶装置と、
   前記状態変数の計測値を入力とした前記学習済みニューラルネットワークの出力に基づき前記ジャダの発生の有無を判定する実行装置と、
   を備えており、
   前記状態変数には、前記ロックアップクラッチのタービン回転数の時系列データが含まれており、かつ前記教師データには、前記ロックアップクラッチの外部からの回転加振により前記タービン回転数を変動させたときの前記状態変数の計測値を学習用の入力値とし、前記ジャダが発生していないことを示す前記尤度変数の値を学習用の出力値とするデータセットが含まれている
   ロックアップクラッチのジャダ判定装置。

Images