JP2022174613A - サスペンション制御装置、およびサスペンション制御方法 - Google Patents

Abstract

【課題】車両に到達する到達振動の周波数によっては、振動波形を的確に把握することができず、サスペンションを最適に制御することができないおそれがあった。
【解決手段】車両の情報、または前記車両周辺の情報を取得するセンサと接続され、前記センサで取得された前記情報に基づいて前記車両のサスペンションを制御するためのサスペンション制御値を算出するサスペンション制御装置であって、前記センサで取得された前記情報に基づいて、前記車両に到達する到達振動を生成する到達振動生成部と、前記到達振動生成部が生成した前記到達振動の周波数に応じて、前記到達振動の振動波形をサンプリングする時間幅を変更して前記到達振動の振動波形をサンプリングするサンプリング処理部と、前記サンプリング処理部がサンプリングした前記振動波形のサンプリング値により前記サスペンション制御値を算出する制御値計算部と、を備えるサスペンション制御装置。
【選択図】図２

Description

本発明は、サスペンション制御装置、およびサスペンション制御方法に関する。

路面状況や運転状況に合わせてサスペンションの堅さや特性などを変化させて車両の姿勢を制御するサスペンション制御装置が知られている。
特許文献１には、車両の前方の路面の高密な路面変位情報を連続して取得し、路面の高さの検出漏れが発生する確率を低減して高精度の路面変位情報を得て、得られた路面変位情報を車両のサスペンションシステムに供給して、アクティブサスペンションのプレビュー制御に供する装置が記載されている。

国際公開ＷＯ２０１７／１６９３６５号

特許文献１に開示された装置は、車両に到達する到達振動の周波数によっては、振動波形を的確に把握することができず、サスペンションを最適に制御することができないおそれがあった。

本発明によるサスペンション制御装置は、車両の情報、または前記車両周辺の情報を取得するセンサと接続され、前記センサで取得された前記情報に基づいて前記車両のサスペンションを制御するためのサスペンション制御値を算出するサスペンション制御装置であって、前記センサで取得された前記情報に基づいて、前記車両に到達する到達振動を生成する到達振動生成部と、前記到達振動生成部が生成した前記到達振動の周波数に応じて、前記到達振動の振動波形をサンプリングする時間幅を変更して前記到達振動の振動波形をサンプリングするサンプリング処理部と、前記サンプリング処理部がサンプリングした前記振動波形のサンプリング値により前記サスペンション制御値を算出する制御値計算部と、を備える。
本発明によるサスペンション制御方法は、車両の情報、または前記車両周辺の情報を取得するセンサを用いて、前記車両のサスペンションを制御するサスペンション制御装置におけるサスペンション制御方法であって、前記センサで取得された前記情報に基づいて、前記車両に到達する到達振動を生成し、前記生成した到達振動の周波数に応じて、前記到達振動の振動波形をサンプリングする時間幅を変更して前記到達振動の振動波形をサンプリングし、前記サンプリングした前記振動波形のサンプリング値によりサスペンション制御値を算出し、前記算出したサスペンション制御値に基づいて前記サスペンションを制御する。

本発明によれば、車両に到達する到達振動の周波数によらず振動波形を把握して、サスペンションの制御性を向上することができる。

サスペンション制御モデルを示す図である。 電子制御装置のブロック構成図である。 （Ａ）（Ｂ）（Ｃ）車両センサ等より取得される情報及び到達振動の周波数分析を示す図である。 （Ａ）（Ｂ）（Ｃ）路面と振動振幅を示す図である。 （Ａ）（Ｂ）（Ｃ）振動波形の値とサスペンション制御値の関係を示す図である。 （Ａ）（Ｂ）（Ｃ）振動波形と時間幅の関係を示す図である。 （Ａ）（Ｂ）第１の実施形態にかかる電子制御装置の処理を示すフローチャートと入力仕様を示す図である。 （Ａ）（Ｂ）第２の実施形態にかかる制御値計算部の例および記憶部を示す図である。 ニューラルネットワークの教師データを作成する第２の実施形態にかかる学習システムの構成図である。 （Ａ）（Ｂ）第２の実施形態にかかる電子制御装置の処理を示すフローチャートと入力仕様を示す図である。 第３の実施形態にかかる制御値計算部の例を示す図である。 （Ａ）（Ｂ）第３の実施形態にかかる制御値計算部の変形例、実測値から到達する振動波形を予測することを説明するグラフである。 ニューラルネットワークの教師データを作成する第３の実施形態にかかる学習システムの構成図である。 （Ａ）（Ｂ）第３の実施形態にかかる電子制御装置の処理を示すフローチャートと入力仕様を示す図である。 （Ａ）（Ｂ）（Ｃ）第４の実施形態にかかるサスペンション制御装置を示す図である。

以下、図面を参照して本発明の実施形態を説明する。以下の記載および図面は、本発明を説明するための例示であって、説明の明確化のため、適宜、省略および簡略化がなされている。本発明は、他の種々の形態でも実施する事が可能である。特に限定しない限り、各構成要素は単数でも複数でも構わない。

図面において示す各構成要素の位置、大きさ、形状、範囲などは、発明の理解を容易にするため、実際の位置、大きさ、形状、範囲などを表していない場合がある。このため、本発明は、必ずしも、図面に開示された位置、大きさ、形状、範囲などに限定されない。

同一あるいは同様な機能を有する構成要素が複数ある場合には、同一の符号に異なる添字を付して説明する場合がある。ただし、これらの複数の構成要素を区別する必要がない場合には、添字を省略して説明する場合がある。

また、以下の説明では、プログラムを実行して行う処理を説明する場合があるが、プログラムは、プロセッサ（例えばＣＰＵ、ＧＰＵ）によって実行されることで、定められた処理を、適宜に記憶資源（例えばメモリ）および／またはインターフェースデバイス（例えば通信ポート）等を用いながら行うため、処理の主体がプロセッサとされてもよい。同様に、プログラムを実行して行う処理の主体が、プロセッサを有するコントローラ、装置、システム、計算機、ノードであってもよい。プログラムを実行して行う処理の主体は、演算部であれば良く、特定の処理を行う専用回路（例えばＦＰＧＡやＡＳＩＣ）を含んでいてもよい。

プログラムは、プログラムソースから計算機のような装置にインストールされてもよい。プログラムソースは、例えば、プログラム配布サーバまたは計算機が読み取り可能な記憶メディアであってもよい。プログラムソースがプログラム配布サーバの場合、プログラム配布サーバはプロセッサと配布対象のプログラムを記憶する記憶資源を含み、プログラム配布サーバのプロセッサが配布対象のプログラムを他の計算機に配布してもよい。また、以下の説明において、２以上のプログラムが１つのプログラムとして実現されてもよいし、１つのプログラムが２以上のプログラムとして実現されてもよい。

［第１の実施形態]
図１は、本発明の第１の実施形態にかかるサスペンション制御装置によるサスペンション制御モデル１を示す図である。このサスペンション制御モデル１は、サスペンション周りを車両の一輪に着目した簡易モデルである。

路面Ｓから到達する振動はタイヤ１０４に伝わり、車輪１０２から減衰力制御型のサスペンション１０３へ、そして車体１０１に伝達される。車体１０１には、車速など車両の情報を取得する車両センサ１０５及び車両周辺の情報を取得する路面計測センサ１０６が設けられている。路面計測センサ１０６は、例えばステレオカメラである。

車両センサ１０５及び路面計測センサ１０６で取得された情報は、電子制御装置１０７へ入力される。電子制御装置１０７は、本実施形態のサスペンション制御装置に相当し、例えばステレオカメラで撮像された車両前方の路面像の視差情報を用いて、車両前方の路面変位を取得する。そして、路面変位と車速をもとに、車両に到達する到達振動を予測する。詳細は後述するが、電子制御装置１０７は、予測した到達振動の周波数に応じて、到達振動の振動波形をサンプリングする時間幅を変更し、サンプリングした振動波形のサンプリング値によりサスペンション制御値を算出し、算出したサスペンション制御値に基づいてサスペンション１０３を制御する。

図１では、車両の一輪に着目した簡易モデルで示したが、電子制御装置１０７は、サスペンション１０３を備えた他の車輪に対しても同様に、算出したサスペンション制御値に基づいてサスペンション１０３を制御する。

図２は、電子制御装置１０７のブロック構成図である。
電子制御装置１０７は、到達振動生成部１０９、周波数判定部１１０、サンプリング処理部１１１、記憶部１１２、制御値計算部１１３を備える。

到達振動生成部１０９は、路面計測センサ１０６から受信したデータから車両前方の路面変位を算出する。そして、算出された路面変位と検出された車両センサ１０５からの車速をもとに、車両に到達すると予測される到達振動を時系列データとして生成する。

周波数判定部１１０は、到達振動生成部１０９で生成された到達振動の周波数を判定する。例えば到達振動の周波数分析を実施し、周波数のピークが基準ｎＨｚより高いか低いか等を判定する。

サンプリング処理部１１１は、到達振動生成部１０９で生成された到達振動の振動波形をサンプリングする。この際に、周波数判定部１１０で判定された到達振動の周波数に応じて、到達振動の振動波形をサンプリングする時間幅を変更する。例えば、到達振動が低周波数の場合は、時間幅を広く設定し、且つサンプリング間隔は疎に設定し、到達振動が高周波数の場合は、時間幅を狭く設定し、且つサンプリング間隔は密に設定する。サンプリングした振動波形のサンプリング値は制御値計算部１１３へ入力される。

制御値計算部１１３は、予め記憶部１１２に格納されているパラメータを必要に応じて適用して、サンプリング処理部１１１から転送される振動波形のサンプリング値に基づいてサスペンション制御値を計算する。なお、パラメータは、記憶部１１２に格納されている場合を例に説明するが、ネットワーク等を介して電子制御装置１０７の外部から入手して適用してもよい。また、パラメータは、例えば、後述のニューラルネットワークの重みパラメータである。

図３（Ａ）、図３（Ｂ）、図３（Ｃ）は、車両センサ１０５等より取得される情報及び到達振動の周波数分析を示す図である。図３（Ａ）は、車両センサ１０５や路面計測センサ１０６より取得される情報を、図３（Ｂ）、図３（Ｃ）は、到達振動の周波数分析を示す図である。

図３（Ａ）に示す例では、車両２０１には、車両センサ１０５として加速度センサ２０４を、路面計測センサ１０６としてカメラ２０５を搭載している。そして、サスペンション１０３は、前輪サスペンション２０２及び後輪サスペンション２０３を備える。

車両２０１が、突起のある路面Ｓを走行している場合に、カメラ２０５から見えるカメラ画像２０６と、前輪サスペンション２０２の、例えば、ばね上に設置された加速度センサ２０４が出力する時系列データであるセンサデータ２０７とを例示している。

電子制御装置１０７は、カメラ２０５がステレオカメラであれば、各々のカメラ画像の視差情報から距離情報を導出し、車速を基に車両２０１に到達すると予想される到達振動のタイミングや大きさが推定でき、この到達振動を時系列データとして生成する。また、カメラ２０５が単眼カメラであれば、時間方向の異なるフレームの画像から車両に到達すると予想される到達振動のタイミングや大きさを推定でき、この到達振動を時系列データとして生成する。なお、図３（Ａ）では、車両の前方が直線路の場合を例示したが、車両の操舵角情報等に基づいて進行方向を計算して曲線路など種々の走行経路において到達振動を時系列データとして生成してもよい。

到達振動の周波数は、周波数判定部１１０で周波数分析を行って判定するが、図３（Ｂ）、図３（Ｃ）は、この周波数分析を示す図である。横軸は周波数、縦軸は周波数成分の大きさである。図３（Ｂ）では、周波数のピークが基準ｎＨｚより低い。この場合は、周波数判定部１１０は到達振動が低周波であると判定する。図３（Ｃ）では、周波数のピークが基準ｎＨｚより高い。この場合は、周波数判定部１１０は到達振動が高周波であると判定する。

図４（Ａ）、図４（Ｂ）、図４（Ｃ）は、路面と振動振幅を示す図である。
図４（Ａ）は、前方に奥行きＷ１の凸形状がある路面Ｓ１を車両２０１が時速５０ｋｍで走行する例を示す。図４（Ｂ）は、前方に奥行きＷ２の凸形状がある路面Ｓ２を車両２０１が時速１００ｋｍで走行する例を示す。奥行きＷ２の凸形状は奥行きＷ１の凸形状の２倍の奥行き（幅）があり、高さは同じである。

図４（Ｃ）は、車両２０１が受ける振動振幅を示すグラフである。図４（Ａ）、図４（Ｂ）の場合は、いずれも車両２０１が受ける振動振幅４０１は、図４（Ｃ）に示すように時間軸で示すと同等である。言い換えると、振動という観点では、前方の路面変位が把握できたとしても、車両２０１の速度によって車両２０１に到達する振動が異なる。

図５（Ａ）、図５（Ｂ）、図５（Ｃ）は、振動波形のサンプリング値とサスペンション制御値の関係を示す図である。図５（Ａ）は、制御値計算部１１３を、図５（Ｂ）は、到達振動の振動波形のサンプリング値を、図５（Ｃ）は、サスペンション制御値を示す。

図５（Ａ）に示すように、制御値計算部１１３は、入力された振動波形のサンプリング値ｘ１～ｘｉに基づいてサスペンション制御値を計算する。

図５（Ｂ）に示すように、到達振動の振動波形は、サンプリング処理部１１１によってサンプリングされることで時系列の離散値データに変換され、制御値計算部１１３へ入力される。サンプリング処理部１１１は、時間軸上で一定の時間幅を規定するウィンドウ幅５０３（以下、時間幅と称する場合がある）を定義し、ウィンドウ幅５０３内の振動波形からｉ個のサンプリング値（ｘ１～ｘｉ）をサンプリングする。ここでウィンドウ幅５０３内のサンプリング値の個数ｉは変更せずに、時系列データの特徴を良く捉えられる時間幅を設定する。後述するように、サンプリング処理部１１１は、到達振動の周波数に応じて、到達振動の振動波形をサンプリングする時間幅を変更する。

そして、制御値計算部１１３は、サンプリング処理部１１１によってサンプリングされた振動波形のサンプリング値を基にサスペンション制御値を算出する。そして、図５（Ｃ）に示すサスペンション制御値５０４を出力する。

図６（Ａ）、図６（Ｂ）、図６（Ｃ）は、振動波形と時間幅の関係を示す図である。図６（Ａ）は、所定の時間幅の場合を、図６（Ｂ）は、時間幅を狭くした場合を、図６（Ｃ）は、図６（Ｂ）の部分拡大図である。

図５（Ｂ）に示したように、振動波形の周波数成分が低い周波数帯にあると、ウィンドウ幅５０３内のｉ個のサンプリング値（ｘ１～ｘｉ）をサンプリングして路面の凸形状を表す振動波形を捉えることができる。しかし、図６（Ａ）に示すように、振動波形の周波数成分が高い周波数帯にあると、ウィンドウ幅５０３内のサンプリング点ｘ４、ｘ５の間に路面の凸形状を示す振動波形を捉えることができない場合が生じる。

そこで、サンプリング処理部１１１でサンプリングする前に、周波数判定部１１０は、到達振動生成部１０９で生成された到達振動の振動波形の周波数分析を実施する。周波数が高いと判定すれば、サンプリング処理部１１１は、図６（Ｂ）に示すように、時間幅を狭くし、すなわち小さなウィンドウ幅６０３を設定して、図６（Ｃ）に示すように、ｉ個のサンプリング値（ｘ１～ｘｉ）を取得する。なお、時間幅（ウィンドウ幅）によらず、振動波形をサンプリングする個数は一定数ｉ個である。サンプリングされた振動波形のサンプリング値は一定数であるので、制御値計算部１１３によるサスペンション制御値の計算処理を単純化することができる。

図７（Ａ）、図７（Ｂ）は、第１の実施形態にかかる電子制御装置１０７の処理を示すフローチャートと入力仕様を示す図である。図７（Ａ）は、電子制御装置１０７の処理を示すフローチャートを示す図であり、図７（Ｂ）は、電子制御装置１０７の処理における入力仕様を示す図である。このフローチャートは、電子制御装置１０７がプログラムを実行して行う処理である。他の実施形態で示すフローチャートも同様である。

ステップＳ７０１では、車両が走行状態にあるのか停止状態にあるかを判定する。停止状態であればステップＳ７０２へ進み、イグニッションキーがＯＮであるかＯＦＦであるかを判定する。ステップＳ７０２で、イグニッションキーがＯＦＦであれば処理を終了する。イグニッションキーがＯＮであればステップＳ７０１へ戻る。ステップＳ７０１で、車両が走行状態にあると判定された場合は、ステップＳ７０３へ進む。

ステップＳ７０３では、電子制御装置１０７の到達振動生成部１０９は、路面計測センサ１０６から受信したデータから車両前方の路面変位を算出する。そして、次のステップＳ７０４で、到達振動生成部１０９は、算出された路面変位と検出された車両センサ１０５からの車速をもとに、車両に到達する到達振動を生成する。この到達振動は車両に到達すると予想される時系列データである。なお、車両に到達する時点は、車速に基づいて計算され、到達時点では後述のようにして算出されたサスペンション制御値に基づいてサスペンションを制御する。

次にステップＳ７０５では、周波数判定部１１０は、到達振動生成部１０９で生成された到達振動の周波数を判定する。具体的には、到達振動の周波数分析を実施し、周波数のピークが基準ｎＨｚより高いか低いかを判定する。基準ｎＨｚより低い場合はステップＳ７０６へ、基準ｎＨｚ以上の場合はステップＳ７０７へ進む。

ステップＳ７０６では、サンプリング処理部１１１は、図７（Ｂ）に示す低周波用の入力仕様でサンプリングを行う。図７（Ｂ）は、低周波用の入力仕様の一例を示すもので、ウィンドウ幅は１０秒、サンプリング間隔は２０ｍ秒、サンプリング数は５０である。すなわち、ウィンドウ幅を広く設定し、且つサンプリング間隔は疎にして、振動波形をサンプリングする。これにより、図５（Ａ）に示したように、ウィンドウ幅５０３内の振動波形からｉ個のサンプリング値（ｘ１～ｘｉ）を取得する。この例では、ｉ＝５０である。

ステップＳ７０７では、サンプリング処理部１１１は、図７（Ｂ）に示す高周波用の入力仕様でサンプリングを行う。図７（Ｂ）は、高周波用の入力仕様の一例を示すもので、ウィンドウ幅は０．５秒、サンプリング間隔は１０ｍ秒、サンプリング数は５０である。すなわち、時間幅を狭く設定し、且つサンプリング間隔は密にして、振動波形をサンプリングする。サンプリング数は低周波の場合と同じ数である。これにより、図６（Ｃ）に示したように、ウィンドウ幅６０３内の振動波形からｉ個のサンプリング値（ｘ１～ｘｉ）を取得する。この例では、ｉ＝５０である。

ステップＳ７０６またはステップＳ７０７の処理後、ステップＳ７０８へ進む。ステップＳ７０８では、制御値計算部１１３は、サンプリングされた振動波形のサンプリング値（ｘ１～ｘｉ）を用いて、サスペンション制御値を計算する。電子制御装置１０７は、該当の到達振動が車両に到達する時点に合わせて、計算されたサスペンション制御値に基づいてサスペンションを制御する。

ステップＳ７０８の処理後は、ステップＳ７０１の処理に戻り、上述したステップＳ７０３～ステップＳ７０８を繰り返すことにより、車両に到達する到達振動の周波数によらず、振動波形を的確に把握して、サスペンションを最適に制御することができる。その結果、走行予定の路面の特徴を正確にとらえてサスペンションの制御が可能になるため、好適な乗り心地が得られる。

なお、到達振動はカメラ２０５に限らず加速度センサ２０４等から取得してもよい。その場合は、車両センサ１０５により得られた車両挙動を履歴として予め記憶しておく。次に、電子制御装置１０７は、実際に車両２０１を走行させて車両センサ１０５により検出した車両挙動に基づいて、予め履歴として記憶された車両挙動を参照することにより、検出した直後に車両２０１に到達する到達振動を予測する。車両センサ１０５として加速度センサ２０４を用いた場合は、これまでの加速度変化の履歴から、直後に到達する到達振動を予測する。また、車両挙動として、アクセルやブレーキのペダル操作情報や、ハンドルの操作情報を用いてもよい。

［第２の実施形態]
図８（Ａ）、図８（Ｂ）は、第２の実施形態にかかる制御値計算部１２３の例および記憶部１１２を示す図である。図８（Ａ）は、制御値計算部１２３を、図８（Ｂ）は、記憶部１１２を示す。本実施形態では、第１の実施形態で示した制御値計算部１１３を、ニューラルネットワークで構成した制御値計算部１２３で置き換えるとともに、第１の実施形態で示した記憶部１１２に重みパラメータ８０４、８０５を記憶する。その他の構成等は、第１の実施形態で示した図１～図６と同様である。

図８（Ａ）に示すように、本実施形態の制御値計算部１２３におけるニューラルネットワークは、入力層（素子数ｉ＋１）８０１、隠れ層（素子数ｊ＋１）８０２、出力層（素子数Ｋ）８０３の各素子を階層的に結合した３層構成の階層型ニューラルネットワークにより構成される。入力層８０１と隠れ層８０２にはバイアス項を表す素子がそれぞれ１つずつ設定されている。入力層８０１の各素子と隠れ層８０２の各素子とは、重みＷ１ｉｊ（ｉ＝１～Ｉ＋１、ｊ＝１～Ｊ＋１）で結合され、隠れ層８０２の各素子と出力層８０３の各素子とは、重みＷ２ｊｋ（ｊ＝１～Ｊ＋１、ｋ＝１～Ｋ）で結合される。これらの重みの情報（以下、重みパラメータと称する）は、本実施形態では図８（Ｂ）に示すように、到達振動の低周波用の重みパラメータ８０４と高周波用の重みパラメータ８０５に分けて用いる。低周波用の重みパラメータ８０４、高周波用の重みパラメータ８０５は、それぞれ重みＷ１ｉｊ、重みＷ２ｊｋの行列式で表される。なお、この例では、最も単純な隠れ層８０２が１層の全素子接続型のニューラルネットワークを示したが、これに限定されない。

ニューラルネットワークは、サンプリングされた振動波形のサンプリング値（ｘ１～ｘｉ）とサスペンション制御値の相関関係を学習する。入力層８０１の素子数は、ウィンドウ幅内のサンプリング点の数と同数にし、出力層８０３の素子数は、サスペンション制御の制御値分解能によって決定される。例えば、サスペンション制御の制御値分解能が２５６レベルのデジタル値とすれば、出力層８０３の素子数は２５６個とする。すなわち、サスペンション制御値の数と素子数を同数にする。そして、サスペンション制御値と素子は１対１の関係に設定し、２５６個の素子のうち、いずれか１つの素子だけが１(High)、その他の素子は０(Low)となる仕様とする。隠れ層８０２の素子数は、入力層８０１の素子数と出力層８０３の素子数とのバランスを考慮して決定される。

図９は、本実施形態の制御値計算部１２３におけるニューラルネットワークの教師データを作成する学習システムの構成図である。この学習システムにより図８に示したニューラルネットワークの重みパラメータを作成する。

学習システムは、車両挙動シミュレータ９０１、制御値／パラメータ設定部９０２、車両挙動評価部９０３、ニューラルネットワーク学習部９０４により構成される。

車両挙動シミュレータ９０１は、路面設定として路面変位を示す路面プロファイルを、車速設定として車速を入力し、車両モデルを参照して車速ごとの対象車両の車両挙動、例えば前後加速度、上下加速度、左右加速度、ヨーレイト、ピッチレイト、ロールレイト等を計算する。また、路面プロファイルと車速から振動波形を計算する。

制御値／パラメータ設定部９０２は、例えば路面から車両のシャシ―に至るまでの構造物に関する各種パラメータを有しており、さらにサスペンションの制御値を任意に設定できるものとする。

車両挙動評価部９０３は、車両挙動シミュレータ９０１が出力した車両挙動データ、例えば搭乗者が座るシート部における加速度などと期待値、あるいは既存のシミュレーション結果との比較で改善か否かを判断する。そして、シート部における加速度が期待値を上回る場合、あるいはさらに改善が見込める場合は、制御値／パラメータ設定部９０２に遷移して当該制御値と異なる制御値を設定して、車両挙動シミュレータ９０１を実行する。一方で、シート部における加速度が期待値を下回る場合、あるいはこれ以上改善が見込めない場合は、車両挙動シミュレータ９０１で求められた最適な制御値をサスペンション最適制御値と定義し、ニューラルネットワーク学習部９０４に転送する。

ニューラルネットワーク学習部９０４は、車両挙動シミュレータ９０１が導出した振動波形の時系列データであるサンプリング値をニューラルネットワークの入力側にセットし、車両挙動評価部９０３が導出したサスペンション最適制御値をニューラルネットワークの出力側にセットして、それらの関係をニューラルネットワークで学習する。なお、ニューラルネットワークの学習は学習方法として一般的に知られている誤差逆伝搬法、所謂バックプロパゲーションを適用してなされる。

従来のサスペンション制御では、スカイフック理論と呼ばれる空中につるされた状態を前提にした運動方程式に基づいて最適制御値を計算してきた。しかし、空中に吊るされるという、現実ではない状態を前提としていることもあり、必ずしも最適なサスペンション制御値が導出できていない。これに対し、本実施形態では、路面変位と最適なサスペンション制御値の関係が判れば、ニューラルネットワークで学習できるというのが基本的な考え方である。ここでシミュレータを使用すれば、仮想環境下ではあるが、様々なサスペンション制御値の車両挙動を確認することができ、多くのパラメータで車両挙動を調査することで、結果としてスカイフック理論を超越する最適制御値が導出できる可能性がある。

また、この学習システムによる探索は、車両挙動評価部９０３が評価した結果に対して、好結果には報酬、悪い結果には罰則を与えることにより、車両挙動シミュレーションを活用した強化学習を行える。理想的には搭乗者が感じる加速度が０になればよく、搭乗者の座るシート上の加速度を評価関数に設定し、加速度を最小化する最適化問題を解くようにする。

この学習において、路面変位に基づく到達振動の振動波形の周波数が低周波数の場合と高周波数の場合とに分けて、サスペンション最適制御値を出力するニューラルネットワークの重みパラメータを決定する。そして、決定された低周波用の重みパラメータ８０４と高周波用の重みパラメータ８０５は記憶部１１２（図２参照）に記憶される。

図１０（Ａ）、図１０（Ｂ）は、第２の実施形態にかかる電子制御装置１０７の処理を示すフローチャートと入力仕様を示す図である。図１０（Ａ）は、電子制御装置１０７の処理を示すフローチャートを示す図であり、図１０（Ｂ）は、電子制御装置１０７の処理における入力仕様を示す図である。図７で示した、第１の実施形態における電子制御装置１０７の処理を示すフローチャートと同一の処理には同一の符号を付してその説明を簡略にする。

ステップＳ７０１で、車両が走行状態にあると判定された場合は、ステップＳ７０３へ進む。ステップＳ７０３では、電子制御装置１０７の到達振動生成部１０９は、路面計測センサ１０６から受信したデータから車両前方の路面変位を算出する。そして、次のステップＳ７０４で、到達振動生成部１０９は、算出された路面変位と検出された車両センサ１０５からの車速をもとに、車両に到達する到達振動を生成する。

次にステップＳ７０５では、周波数判定部１１０は、到達振動生成部１０９で生成された到達振動の周波数を判定する。具体的には、到達振動の周波数分析を実施し、周波数のピークが基準ｎＨｚより高いか低いかを判定する。基準ｎＨｚより低い場合はステップＳ７０６へ、基準ｎＨｚ以上の場合はステップＳ７０７へ進む。

ステップＳ７０６では、サンプリング処理部１１１は、図１０（Ｂ）に示す低周波用の入力仕様でサンプリングを行う。これにより、図５（Ａ）に示すように、ウィンドウ幅５０３内の振動波形からｉ個のサンプリング値（ｘ１～ｘｉ）を取得する。その後、ステップＳ７１６へ進む。

ステップＳ７１６では、記憶部１１２より低周波用の重みパラメータ８０４（図８（Ｂ）参照）を読み出す。重みパラメータ８０４は、ニューラルネットワークで使用する素子間の重みパラメータである。

ステップＳ７０７では、サンプリング処理部１１１は、図１０（Ｂ）に示す高周波用の入力仕様でサンプリングを行う。これにより、図６（Ｃ）に示すように、ウィンドウ幅６０３内の振動波形からｉ個のサンプリング値（ｘ１～ｘｉ）を取得する。その後、ステップＳ７１７へ進む。

ステップＳ７１７では、記憶部１１２より高周波用の重みパラメータ８０５（図８（Ｂ）参照）を読み出す。重みパラメータ８０５は、ニューラルネットワークで使用する素子間の重みパラメータである。

ステップＳ７１６またはステップＳ７１７の処理後、ステップＳ７０８へ進む。ステップＳ７０８では、制御値計算部１２３は、サンプリングされた振動波形のサンプリング値（ｘ１～ｘｉ）を用いて、サスペンション制御値を計算し、サスペンション制御値に基づいてサスペンションを制御する。制御値計算部１２３は、ニューラルネットワークにより構成され、ステップＳ７１６またはステップＳ７１７の処理で読みだされた低周波用もしくは高周波用の重みパラメータ８０４、８０５に基づいてサスペンション制御値が計算される。

到達振動が低周波の場合と高周波の場合でウィンドウ幅は異ならせるが、サンプリング値の数は同一であるので、ニューラルネットワークの入力層８０１の素子数に合わせることができる。また、出力層８０３の素子数はサスペンション制御値の数と同一である。さらに、低周波用もしくは高周波用の重みパラメータの数も同一である。したがって、ニューラルネットワークの構成は到達振動の周波数に応じて変更する必要は無く、その処理も高速化できる。

ステップＳ７０８の処理後は、ステップＳ７０１の処理に戻り、上述したステップＳ７０３～ステップＳ７０８を繰り返す。

本実施形態によれば、車両に到達する到達振動の周波数によらず、振動波形を的確に把握して、路面の特徴と最適サスペンション制御値の関係を学習することができる。その結果、走行予定の路面の特徴を正確にとらえてサスペンションの制御を最適に行えるため、好適な乗り心地が得られる。

［第３の実施形態]
図１１は、第３の実施形態にかかる制御値計算部１３３の例を示す図である。本実施形態では、第１の実施形態で示した制御値計算部１１３を、第２の実施形態で説明したものとは異なるニューラルネットワークで構成した制御値計算部１３３で置き換える。その他の構成等は、第１の実施形態で示した図１～図６と同様である。

本実施形態は、第１の実施形態および第２の実施形態で説明した到達振動生成部１０９により生成される到達振動、すなわちカメラ２０５の画像に基づいて予測される到達振動だけでなく、走行時の車両挙動、例えばサスペンションのピストンの速度や車両のばね上上下加速度から予測される到達振動も用いてサスペンション制御値を計算することで、計算精度を向上させる。

図１１に示すように、本実施形態の制御値計算部１３３におけるニューラルネットワークは、入力層１００１～１００３、隠れ層１００４、出力層１００５の各素子を階層的に結合した３層構成の階層型ニューラルネットワークにより構成される。入力層１００１の素子は、Ｘ１１～Ｘ１ｉ、入力層１００２の素子は、Ｘ２１～Ｘ２ｉ、入力層１００３の素子は、Ｘ３１～Ｘ３ｉである。

入力層１００１の素子には、カメラ２０５の画像に基づいて予測された振動波形のサンプリング値（ｘ１～ｘｉ）が入力される。入力層１００２の素子には、ピストン速度に基づく振動波形のサンプリング値（ｐ１～ｐｉ）が入力される。入力層１００３の素子には、ばね上上下加速度に基づく振動波形のサンプリング値（ａ１～ａｉ）が入力される。ニューラルネットワークに入力されるこれらのサンプリング値は、第１、第２の実施形態と同様に、到達振動生成部１０９により生成された到達振動の振動波形をその周波数に応じたウィンドウ幅の範囲でサンプリングした値である。

図１２（Ａ）は、第３の実施形態にかかる制御値計算部１３３の変形例を示す図である。この変形例では、カメラ２０５の画像に基づいて予測された振動波形のサンプリング値（ｘ１～ｘｉ）が入力されない場合を示す。
図１２（Ａ）に示すように、本実施形態の制御値計算部１３３におけるニューラルネットワークは、入力層１００２～１００３、隠れ層１００４、出力層１００５の各素子を階層的に結合した３層構成の階層型ニューラルネットワークにより構成されてもよい。入力層１００２の素子は、Ｘ２１～Ｘ２ｉ、入力層１００３の素子は、Ｘ３１～Ｘ３ｉである。

入力層１００２の素子には、ピストン速度およびこのピストン速度に基づいて予測された振動波形のサンプリング値（ｐ１～ｐｉ）が入力される。入力層１００３の素子には、ばね上上下加速度およびこのばね上上下加速度に基づいて予測された振動波形のサンプリング値（ａ１～ａｉ）が入力される。ニューラルネットワークに入力されるこれらのサンプリング値は、第１、第２の実施形態と同様に、到達振動生成部１０９により生成された到達振動の振動波形をその周波数に応じたウィンドウ幅の範囲でサンプリングした値である。

図１２（Ｂ）は、ピストン速度を例に実測値から到達する振動波形を予測することを説明するグラフである。横軸は時間を、縦軸はピストン速度を示す。白丸は実測値を、黒丸は予測値を示す。

図１２（Ｂ）に示すように、車両センサ１０５から振動波形の値１００９が入力される。ニューラルネットワークで構成される制御値計算部１３３には、到達振動生成部１０９により生成されるウィンドウ幅１０１０内の振動波形のサンプリング値(図中の白丸および黒丸)が入力される。ここでウィンドウ幅１０１０に含まれる振動波形のサンプリング値のうち、前半の約８割は実測値(図中の白丸)であるのに対し、後半の約２割は前半の状況から予測して決定する予測値(図中の黒丸)である。これにより実測値が揃ってからサスペンション最適制御値を導出するフィードバック制御ではなく、実際に走行する直前にサスペンション最適制御値を導出するフィードフォワード制御が実現できる。予測が外れた場合は必ずしも最適制御ができない可能性があるが、不具合は路面変位の特性が切り替わる局面でしか発生せず、搭乗者が体感しにくいことが予想されることから、振動波形の値の一部に予測値が含まれても良い。また、ＲＮＮ（リカレント型ニューラルネットワーク）による時系列予測で制御値計算部１３３に入力する振動波形の値を決定しても構わない。ピストン速度の例で説明したが、ばね上上下加速度も同様である。図１２（Ａ）を参照して説明した例では、ピストン速度、ばね上上下加速度は、実測値のみならず予測値も含まれる。

本実施形態では、ピストン速度を検出する加速度センサと、ばね上上下加速度を検出する加速度センサとが、車両センサ１０５として車体１０１にそれぞれ設置されている。これらの車両センサ１０５から入力されるセンサ値に基づいて、到達振動生成部１０９は、図１２（Ｂ）を参照して述べた予測値も含めて到達振動を生成する。そして、生成された到達振動の周波数は、周波数判定部１１０で判定され、サンプリング処理部１１１で周波数に応じたウィンドウ幅でそれぞれサンプリングされる。これらの到達振動の振動波形からサンプリングされるサンプリング値の数はウィンドウ幅によらず同一の数である。ピストン速度から生成された到達振動の振動波形のサンプリング値（ｐ１～ｐｉ）は、入力層１００２の素子に入力され、ばね上上下加速度から生成された到達振動の振動波形のサンプリング値（ａ１～ａｉ）は、入力層１００３の素子に入力される。

図１３は、本実施形態の制御値計算部１３３におけるニューラルネットワークの教師データを作成する学習システムの構成図である。この学習システムにより図１１に示したニューラルネットワークの重みパラメータを作成する。図９に示した学習システムと同一の箇所には同一の符号を付してその説明を簡略にする。

図１３に示した車両挙動シミュレータ９０１は、路面プロファイルと車速から、カメラ画像による振動波形を計算するとともに、ピストン速度とばね上上下加速度にそれぞれ対応する振動波形を計算する。ニューラルネットワーク学習部９０４は、車両挙動シミュレータ９０１が導出したこれらの振動波形の時系列データであるサンプリング値を加味して学習する。

学習システムは、図９を参照して説明したように、サスペンション制御値を異ならせた複数回のシミュレーションを実施し、車両挙動評価部９０３の判定に基づいて、シミュレーション最適制御値を導出する。図１３に示す例では、シミュレーション上の車両に加速度センサモデルを設置し、最適制御値の条件下で取得したセンサ出力の時系列データ、特に従来のサスペンション制御値の計算に使用するピストン速度とばね上上下加速度を車両挙動シミュレータ９０１で計算する。ニューラルネットワーク学習部９０４には、車両挙動シミュレータ９０１より、カメラ２０５による路面変位と車速とを基に得られた振動波形のサンプリング値と、車両センサ１０５からそれぞれ得られたピストン速度による振動波形のサンプリング値およびばね上上下加速度による振動波形のサンプリング値とが入力される。さらに、車両挙動評価部９０３で判定されたサスペンション最適制御値が入力される。ニューラルネットワーク学習部９０４においては、カメラ２０５からの路面予測を示す振動波形のサンプリング値と、ピストン速度の振動波形のサンプリング値と、ばね上上下加速度の振動波形のサンプリング値とがニューラルネットワークの入力側にそれぞれセットされ、サスペンション最適制御値がニューラルネットワークの出力側にセットされて、それらの関係を学習する。

この学習において、到達振動の振動波形の周波数に応じてサスペンション最適制御値を出力するニューラルネットワークの重みパラメータＡ～Ｄ（後述の図１４（Ｂ）参照）を決定する。そして、決定された周波数に対応する重みパラメータは記憶部１１２（図２参照）に記憶される。

図１４（Ａ）、図１４（Ｂ）は、第３の実施形態にかかる電子制御装置１０７の処理を示すフローチャートと入力仕様を示す図である。図１４（Ａ）は、電子制御装置１０７の処理を示すフローチャートを示す図であり、図１４（Ｂ）は、電子制御装置１０７の処理における入力仕様を示す図である。

図７（Ａ）、図１０に示した第１および第２の実施形態では、到達振動が低周波と高周波の場合に分けて、制御値計算部の入力仕様やニューラルネットワークの重みパラメータを異ならせた。第３の実施形態では、到達振動の周波数に応じて、制御値計算部の入力仕様やニューラルネットワークの重みパラメータを異ならせる。図１４（Ａ）のフローチャートの処理において、図７（Ａ）、図１０に示した処理と同一の箇所には同一の符号を付してその説明を簡略に行う。

また、以下の説明では、電子制御装置１０７は、図１１に示した制御値計算部１３３を用いた場合を説明する。図１２（Ａ）に示した制御値計算部１３３を用いた場合も同様に適用できる。

図１４（Ａ）に示すステップＳ７０１で、車両が走行状態にあると判定された場合は、ステップＳ７０３へ進む。ステップＳ７０３では、電子制御装置１０７の到達振動生成部１０９は、路面計測センサ１０６から受信したデータから車両前方の路面変位を算出する。そして、次のステップＳ７０４で、到達振動生成部１０９は、算出された路面変位と検出された車両センサ１０５からの車速をもとに、車両に到達する到達振動を生成する。

次にステップＳ７０５では、周波数判定部１１０は、到達振動生成部１０９で生成された到達振動の周波数を判定する。具体的には、到達振動の周波数分析を実施し、周波数が０．５Ｈｚ以下か、０．５Ｈｚより大で１．０Ｈｚ以下か、１．０Ｈｚより大で２．０Ｈｚ以下か、２．０Ｈｚより大かを判定する。

周波数が０．５Ｈｚ以下であれば、ステップＳ７２１へ進み、図１４（Ｂ）に示す入力仕様のその１を設定する。なお、図１４（Ｂ）に示す入力仕様は一例である。この例では、ウィンドウ幅は２．０秒、サンプリング間隔は４０ｍ秒、サンプリング数は５０に設定して、サンプリング処理部１１１は、振動波形をサンプリングする。そして、次のステップＳ７２２へ進み、図１４（Ｂ）に示す入力仕様のその１を参照して重みパラメータＡを設定する。

周波数が０．５Ｈｚより大で１．０Ｈｚ以下であれば、ステップＳ７３１へ進み、図１４（Ｂ）に示す入力仕様のその２を設定する。この例では、ウィンドウ幅は１．０秒、サンプリング間隔は２０ｍ秒、サンプリング数は５０に設定して、サンプリング処理部１１１は、振動波形をサンプリングする。そして、次のステップＳ７３２へ進み、図１４（Ｂ）に示す入力仕様のその２を参照して重みパラメータＢを設定する。

周波数が１．０Ｈｚより大で２．０Ｈｚ以下であれば、ステップＳ７４１へ進み、図１４（Ｂ）に示す入力仕様のその３を設定する。この例では、ウィンドウ幅は０．５秒、サンプリング間隔は１０ｍ秒、サンプリング数は５０に設定して、サンプリング処理部１１１は、振動波形をサンプリングする。そして、次のステップＳ７４２へ進み、図１４（Ｂ）に示す入力仕様のその３を参照して重みパラメータＣを設定する。

周波数が２．０Ｈｚより大であれば、ステップＳ７５１へ進み、図１４（Ｂ）に示す入力仕様のその４を設定する。この例では、ウィンドウ幅は０．２５秒、サンプリング間隔は５ｍ秒、サンプリング数は５０に設定して、サンプリング処理部１１１は、振動波形をサンプリングする。そして、次のステップＳ７５２へ進み、図１４（Ｂ）に示す入力仕様のその４を参照して重みパラメータＤを設定する。

ステップＳ７２２、Ｓ７３２、Ｓ７４２、Ｓ７５２の処理後、ステップＳ７０８へ進む。ステップＳ７０８では、制御値計算部１３３は、ニューラルネットワークにより構成され、周波数に応じた重みパラメータに基づいてサスペンション制御値を計算する。

ステップＳ７０５で、周波数判定部１１０は、到達振動生成部１０９で生成された到達振動の周波数を４つの区分で判定する例を説明した。しかし、これは一例であり、車両の構成や周囲の環境に応じて適宜設定する。

なお、説明を簡単にするために、ステップＳ７０３において到達振動生成部１０９は、路面計測センサ１０６（例えば、カメラ２０５）に基づいて車両に到達する到達振動を生成し、ステップＳ７０５において周波数判定部１１０は、この到達振動の周波数を判定する例で説明した。しかし、これらの処理において、カメラ２０５からの路面予測を示す到達振動のみならず、ピストン速度やばね上上下加速度の到達振動を用いてもよい。その場合、カメラ２０５からの路面予測を示す到達振動、ピストン速度やばね上上下加速度の到達振動を全て用いてもよく、いずれかの到達振動を組み合わせて用いてもよく、いずれかの到達振動のみを用いてもよい。一般に、車両に到達する到達振動はいずれの場合も類似しているので、路面の凸形状を捉えることができる。

到達振動の周波数に応じてウィンドウ幅を異ならせるが、サンプリング点の数は同一にしているので、ニューラルネットワークの入力層１００１の素子数に合わせることができる。また、出力層１００５の素子数はサスペンション制御値の数と同一である。さらに、重みパラメータの数は周波数によらず同一である。したがって、ニューラルネットワークの構成は到達振動の周波数に応じて変更する必要は無く、その処理も高速化できる。

ステップＳ７０８の処理後は、ステップＳ７０１の処理に戻り、上述したステップＳ７０３～ステップＳ７５２の処理を繰り返す。
本実施形態によれば、車両に到達する到達振動の周波数によらず、振動波形を的確に把握して、路面の特徴と最適サスペンション制御値の関係を学習することができる。カメラ２０５からの到達振動のみならず、ピストン速度やばね上上下加速度の到達振動を用いることができ、走行予定の路面の特徴を正確にとらえてサスペンションの制御を最適に行えるため、好適な乗り心地が得られる。

［第４の実施形態]
図１５（Ａ）、図１５（Ｂ）、図１５（Ｃ）は、本実施形態にかかるサスペンション制御装置１００を示す図である。図１５（Ａ）は、本実施形態のサスペンション制御装置１００を構成する電子制御装置１０７、１５０１のブロック構成図、図１５（Ｂ）は、道路プロファイルを示す図、図１５（Ｃ）は、道路種別を示す図である。

本実施形態では、車両に搭載されたカメラ２０５に基づく到達振動の生成に替えて、サーバ装置から入手した道路プロファイルに基づいて到達振動を生成する。

図１５（Ａ）に示す電子制御装置１０７のブロック構成図は、図２に示した電子制御装置１０７と同様の構成である。電子制御装置１５０１は、電子制御装置１０７と同様に、車両のサスペンション制御装置１００内に設けられる。電子制御装置１５０１は、送受信Ｉ／Ｆ１５０２、ＧＰＳ１５０３、制御部１５０４、道路プロファイル／道路種別格納用のストレージ１５０５、データ転送部１５０６を備える。なお、電子制御装置１５０１を路面プロファイル取得部と称する場合がある。

図示省略したサーバ装置には、デジタル化された地図と道路毎に道路表面の道路形状情報が記録された路面プロファイルが管理されているものとする。車両は車載したＧＰＳ１５０３で自車位置を取得し、自車位置を基準に一定範囲、例えば半径５ｋｍ圏内の路面プロファイルを送受信Ｉ／Ｆ１５０２を介して、サーバ装置に問い合わせ、該当データをダウンロードする。ダウンロードした路面プロファイルはストレージ１５０５に格納する。そして走行している車両前方の路面プロファイルをデータ転送部１５０６を介して到達振動生成部１０９に転送する。制御部１５０４は、これらのデータの送受信、転送を管理する。

ここではサーバ装置から取得するデータ範囲を半径５ｋｍ圏内としたが、それより大きくても構わないし、それより小さくても構わない。また、カーナビゲーションシステムと連携して走行予定の道路範囲の道路プロファイルを取得するようにしてもよい。

図１５（Ｂ）に示すように、道路プロファイルは、交差点の間などで道路Ａ、Ｂを定義する。そして、交差点間の距離で例えば道路Ａを１０ｍとし、道路Ａについて１cm毎に高さ情報などの道路形状情報が定義されている。到達振動生成部１０９は、道路形状情報に基づいて距離を横軸に設定することで路面変位をプロットする。さらに車両センサ１０５から取得した車速を考慮することで時間を横軸に設定した到達振動を生成する。なお、図１５（Ｃ）は、道路Ａ、Ｂ・・毎に、良路か砂利道か不整路かなどを示す道路種別を記憶しているが、これらの道路種別を参照して、道路種別毎に予め定められた到達振動を生成してもよい。

到達振動を生成後は、第１の実施形態から第３の実施形態の何れかと同様に、生成された到達振動の周波数を判定し、サンプリング処理を行い、サスペンション制御値を計算して、サスペンションを制御する。

本実施形態によれば、第１の実施形態から第３の実施形態と同様の効果を奏する他に、走行環境や走行条件によって路面計測センサ１０６等で路面変位が検知できなかった場合でも、サスペンション制御装置１００の外部から一時的にこれらの情報を入手してサスペンションの制御を継続することができる。または、路面計測センサ１０６等からの路面変位の検知に替えて、サスペンション制御装置１００の外部からこれらの情報を入手してサスペンションの制御を行うことができる。

以上説明した実施形態によれば、次の作用効果が得られる。
（１）サスペンション制御装置１００は、車両２０１の情報、または車両２０１周辺の情報を取得するセンサ１０５、１０６と接続され、センサ１０５、１０６で取得された情報に基づいて車両２０１のサスペンション１０３を制御するためのサスペンション制御値を算出するサスペンション制御装置１００であって、センサ１０５、１０６で取得された情報に基づいて、車両２０１に到達する到達振動を生成する到達振動生成部１０９と、到達振動生成部１０９が生成した到達振動の周波数に応じて、到達振動の振動波形をサンプリングする時間幅を変更して到達振動の振動波形をサンプリングするサンプリング処理部１１１と、サンプリング処理部１１１がサンプリングした振動波形のサンプリング値によりサスペンション制御値を算出する制御値計算部１１３、１２３、１３３と、を備える。これにより、車両に到達する到達振動の周波数によらず振動波形を把握して、サスペンションの制御性を向上することができる。

（２）サスペンション制御装置１００の制御方法は、車両２０１の情報、または車両２０１周辺の情報を取得するセンサ１０５、１０６を用いて、車両２０１のサスペンション１０３を制御するサスペンション制御装置１００におけるサスペンション制御方法であって、センサ１０５、１０６で取得された情報に基づいて、車両２０１に到達する到達振動を生成し、生成した到達振動の周波数に応じて、到達振動の振動波形をサンプリングする時間幅を変更して到達振動の振動波形をサンプリングし、サンプリングした振動波形のサンプリング値によりサスペンション制御値を算出し、算出したサスペンション制御値に基づいてサスペンション１０３を制御する。これにより、車両に到達する到達振動の周波数によらず振動波形を把握して、サスペンションの制御性を向上することができる。

本発明は、上述の実施形態に限定されるものではなく、本発明の特徴を損なわない限り、本発明の技術思想の範囲内で考えられるその他の形態についても、本発明の範囲内に含まれる。また、上述の各実施形態を組み合わせた構成としてもよい。

１・・・サスペンション制御モデル、１００・・・サスペンション制御装置、１０１・・・車体、１０２・・・車輪、１０３・・・サスペンション、１０４・・・タイヤ、１０５・・・車両センサ、１０６・・・路面計測センサ、１０７、１５０１・・・電子制御装置、１０９・・・到達振動生成部、１１０・・・周波数判定部、１１１・・・サンプリング処理部、１１２・・・記憶部、１１３、１２３、１３３・・・制御値計算部、２０１・・・車両、２０２・・・前輪サスペンション、２０３・・・後輪サスペンション、２０４・・・加速度センサ、２０５・・・カメラ、５０３、６０３・・・ウィンドウ幅（時間幅）、８０１、１００１～１００３・・・ニューラルネットワークの入力層、８０２、１００４・・・ニューラルネットワークの隠れ層、８０３、１００５・・・ニューラルネットワークの出力層、８０４、８０５・・・重みパラメータ、９０１・・・車両挙動シミュレータ、９０２・・・制御値／パラメータ設定部、９０３・・・車両挙動評価部、９０４・・・ニューラルネットワーク学習部、１５０２・・・送受信Ｉ／Ｆ、１５０３・・・ＧＰＳ、１５０４・・・制御部、１５０５・・・道路プロファイル／道路種別用のストレージ、１５０６・・・データ転送部、Ｓ、Ｓ１、Ｓ２・・・路面。

Claims (11)

1. 車両の情報、または前記車両周辺の情報を取得するセンサと接続され、前記センサで取得された前記情報に基づいて前記車両のサスペンションを制御するためのサスペンション制御値を算出するサスペンション制御装置であって、
   前記センサで取得された前記情報に基づいて、前記車両に到達する到達振動を生成する到達振動生成部と、
   前記到達振動生成部が生成した前記到達振動の周波数に応じて、前記到達振動の振動波形をサンプリングする時間幅を変更して前記到達振動の振動波形をサンプリングするサンプリング処理部と、
   前記サンプリング処理部がサンプリングした前記振動波形のサンプリング値により前記サスペンション制御値を算出する制御値計算部と、を備えるサスペンション制御装置。
2. 請求項１に記載のサスペンション制御装置において、
   前記サンプリング処理部は、前記到達振動の振動波形をサンプリングする際の前記サンプリング値の数を、前記到達振動の周波数によらず一定数とするサスペンション制御装置。
3. 請求項２に記載のサスペンション制御装置において、
   前記サンプリング処理部は、前記到達振動が低周波数の場合は、前記時間幅を広く設定し、且つサンプリング間隔は疎に設定し、前記到達振動が高周波数の場合は、前記時間幅を狭く設定し、且つ前記サンプリング間隔は密に設定して前記到達振動の振動波形をサンプリングするサスペンション制御装置。
4. 請求項１に記載のサスペンション制御装置において、
   前記到達振動生成部は、前記センサで取得された路面変位と前記車両の車速に基づいて、前記車両に到達する前記到達振動を予測するサスペンション制御装置。
5. 請求項４に記載のサスペンション制御装置において、
   前記センサで取得される前記情報は、カメラ画像、前記サスペンションのピストン速度、および前記車両のばね上上下加速度の少なくともいずれか一つを含むサスペンション制御装置。
6. 請求項１に記載のサスペンション制御装置において、
   前記車両の現在位置における道路形状情報を取得する路面プロファイル取得部を備え、
   前記到達振動生成部は、前記道路形状情報より作成された路面変位と前記車両の車速に基づいて、前記車両に到達する前記到達振動を予測するサスペンション制御装置。
7. 請求項６に記載のサスペンション制御装置において、
   前記路面プロファイル取得部は、前記道路形状情報をサーバ装置よりダウンロードするサスペンション制御装置。
8. 請求項１に記載のサスペンション制御装置において、
   前記制御値計算部は、ニューラルネットワークを含み、前記ニューラルネットワークは、前記到達振動の周波数に応じた重みパラメータを用いて前記サスペンション制御値を算出するサスペンション制御装置。
9. 請求項８に記載のサスペンション制御装置において、
   前記サンプリング処理部がサンプリングした前記振動波形のサンプリング値の数は前記到達振動の周波数によらず一定数であり、
   前記ニューラルネットワークの入力層は、前記振動波形のサンプリング値の数と同数の素子を有するサスペンション制御装置。
10. 車両の情報、または前記車両周辺の情報を取得するセンサを用いて、前記車両のサスペンションを制御するサスペンション制御装置におけるサスペンション制御方法であって、
    前記センサで取得された前記情報に基づいて、前記車両に到達する到達振動を生成し、
    前記生成した到達振動の周波数に応じて、前記到達振動の振動波形をサンプリングする時間幅を変更して前記到達振動の振動波形をサンプリングし、
    前記サンプリングした前記振動波形のサンプリング値によりサスペンション制御値を算出し、
    前記算出したサスペンション制御値に基づいて前記サスペンションを制御するサスペンション制御方法。
11. 請求項１０に記載のサスペンション制御方法において、
    前記サンプリングした前記振動波形のサンプリング値の数は前記到達振動の周波数によらず一定数であり、
    前記振動波形のサンプリング値の数と同数の素子を入力層に有するニューラルネットワークに、前記到達振動の周波数に応じた重みパラメータを適用して、前記サスペンション制御値を算出するサスペンション制御方法。

Images