JP2755068B2 - 車体重心スリップ角計測装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、ステアリングホイール
操作に応じて作動する前輪操舵系とアクチュエータによ
って動作する後輪操舵系とをそなえた前後輪操舵式車両
（４ＷＳ車両）の後輪操舵制御装置に用いて好適な車体
重心スリップ角計測装置に関する。

【０００２】

【従来の技術】従来より、リヤサスペンション部に後輪
を操舵させるステアリング機構を設け、ケーブルによる
フロントサスペンション機構と機械的に連動した操舵
と、パルスモータによる電子制御操舵とを組み合わせ
て、従来の２輪操舵機構の車両に比べて、旋回性能およ
び操縦安定性能を共に向上させるようにしたもの（４輪
操舵車両）が提案されている。

【０００３】しかしながら、このような従来の４輪操舵
車両では、駆動系やサスペンション制御によるヨー方向
の車両の運動への影響や、路面の摩擦係数μ（以下、路
面μということがある）の変化に伴う制御は実施するこ
とができなかった。なぜなら、上記のような予測を行な
うためには、制御干渉や車両の各種非線形特性を十分に
盛り込んだモデルを解析して、最適な制御則を導出する
ことが必要であるが、このような手法が未開発であるか
らである。

【０００４】そこで、学習済のニューラルネットワーク
を使用することによって、ヨー方向の車両の運動への影
響や路面μの変化に伴う車両挙動の変化に応じた制御を
行なえるようにすることが考えられる。しかし、この場
合、車両挙動の変化の判断として車体重心スリップ角を
計測する必要がある。この計測を行なうものとして、光
学式の非接触対地速度計により計測した、前後速度，横
速度からの車体の重心スリップ角を算出する測定システ
ムがある。

【０００５】

【発明が解決しようとする課題】しかしながら、このよ
うな従来の車体重心スリップ角計測システムでは、信頼
性，価格，サイズの点で、車両への搭載が難しいという
課題がある。本発明は、このような課題に鑑み創案され
たもので、前後輪操舵式車両の後輪操舵制御装置におい
て、車体重心スリップ角を、学習済のニューラルネット
ワークを使用することによって求めることが出来るよう
にして車両への搭載を可能ならしめ、ひいてはヨー方向
の車両の運動への影響や路面μの変化に伴う車両挙動の
変化に応じた後輪操舵制御を行なえるようにした、車体
重心スリップ角計測装置を提供することを目的とする。

【０００６】

【課題を解決するための手段】このため、本発明の車体
重心スリップ角計測装置は、車速を検出する車速検出手
段と、ヨー角加速度を検出するヨー角加速度検出手段
と、路面の摩擦係数を検出する路面摩擦係数検出手段
と、車両の前後加速度を検出する前後加速度検出手段
と、該ヨー角加速度検出手段で検出されたヨー角加速
度，該路面摩擦係数検出手段で計算された路面の摩擦係
数，該前後加速度検出手段で検出された車両の前後加速
度および該車速検出手段で検出された車速の各情報から
計算重心スリップ角を求める計算重心スリップ角演算手
段と、該車速検出手段，該ヨー角加速度検出手段，該路
面摩擦係数検出手段，該前後加速度検出手段および該計
算重心スリップ角演算手段からの出力に基づいて、車体
重心スリップ角を計測する車体重心スリップ角計測手段
をそなえ、該車体重心スリップ角計測手段が、該車速検
出手段，該路面摩擦係数検出手段および計算重心スリッ
プ角演算手段からの出力を入力値とし、対応するコーナ
リングパワーを教師データとして、学習を行なうことに
より、該車速検出手段，該路面摩擦係数検出手段および
該計算重心スリップ角演算手段からのデータを入力する
と、対応するコーナリングパワーが出力されるように構
成された、学習済のニューラルネットワークをそなえる
とともに、該学習済のニューラルネットワーク，該車速
検出手段，該ヨー角加速度検出手段，該路面摩擦係数検
出手段，該前後加速度検出手段および該計算重心スリッ
プ角演算手段からの出力を受けて、車体重心スリップ角
を求める車体重心スリップ角演算手段をそなえているこ
とを特徴としている。

【０００７】

【作用】上述の本発明の車体重心スリップ角計測装置で
は、車体重心スリップ角演算手段が、コーナリングパワ
ーを出力する該学習済ニューラルネットワーク，車速を
検出する該車速検出手段，ヨー角加速度を検出する該ヨ
ー角加速度検出手段，路面摩擦係数を検出する該路面摩
擦係数検出手段，前後加速度を検出する該前後加速度検
出手段および計算重心スリップ角を出力する該計算重心
スリップ角演算手段からの出力を受けて、車体重心スリ
ップ角を求める。

【０００８】

【実施例】以下、図面により、本発明の実施例について
説明する。 （ａ）第１実施例の説明 まず、本発明の第１実施例について説明する。図１は本
装置を組み込んだ前後輪操舵式車両の後輪操舵制御装置
の制御系の全体構成を示すブロック図であり、図２は前
後輪操舵式車両の後輪操舵制御装置の操舵系の構成を示
す模式図であり、図３は本装置のための学習用データの
収集要領を説明するためのブロック図であり、図４は本
装置のためのニューラルネットワークの学習要領を説明
するためのブロック図であり、図５は本装置の動作を説
明するためのフローチャートであり、図６は本装置の動
作を説明するためのタイムチャートである。

【０００９】さて、本装置を装備する前後輪操舵式車両
（４ＷＳ車両）は、図２に示すごとく、ステアリングホ
イール（ハンドル）１の操作に応じて作動する前輪操舵
系２と、油圧シリンダ等のアクチュエータ３によって動
作する後輪操舵系４とをそなえている。すなわち、前輪
５Ｌ，５Ｒを連結するように配設された前輪操舵用タイ
ロッドには、ラック・アンド・ピニオン等の図示しない
機械式駆動機構のほかに、パワーステアリング用の油圧
シリンダ６が付設されている。これにより、ハンドル１
を操舵すると、ハンドル１の操舵状態に応じて油圧シリ
ンダ６がパワーアシストすることにより、前輪５Ｌ，５
Ｒを操舵できるようになっている。

【００１０】また、後輪７Ｌ，７Ｒを連結するように配
設された後輪操舵用タイロッドには、後輪操舵用のアク
チュエータ（油圧シリンダ）３が付設され、このアクチ
ュエータ３には、後輪操舵用電磁式バルブ８が設けられ
ている。これにより、この後輪操舵用バルブ８に電気制
御信号を与えてバルブ開度を制御すると、このバルブ開
度に応じて後輪７Ｌ，７Ｒを操舵できるようになってい
る。

【００１１】ところで、図１，２に示すように、この４
ＷＳ車両の後輪操舵系４を制御するために、コントロー
ラ９−１が設けられているが、このコントローラ９−１
へは、各種のセンサからの検出信号が入力されている。
すなわち、このコントローラ９−１へは、４つの車輪速
度センサ１０ＦＬ，１０ＦＲ，１０ＲＬ，１０ＲＲ，ヨ
ー角加速度センサ（ヨー角加速度検出手段）１１，前後
加速度センサ（前後加速度検出手段）１２及びパワステ
圧センサ１３からの検出信号が入力されるようになって
いる。

【００１２】ここで、車輪速度センサ１０ＦＬは、左前
輪５Ｌの車輪速度を検出するもので、車輪速度センサ１
０ＦＲは、右前輪５Ｒの車輪速度を検出するもので、車
輪速度センサ１０ＲＬは、左後輪７Ｌの車輪速度を検出
するもので、車輪速度センサ１０ＲＲは、右後輪７Ｒの
車輪速度を検出するものである。また、ヨー角加速度セ
ンサ１１はヨー角加速度を検出するもので、前後加速度
センサ１２は車両の前後加速度を検出するもので、パワ
ステ圧センサ１３はパワーステアリング用の油圧シリン
ダ６の油圧を検出するものである。

【００１３】さらに、コントローラ９−１は、車速検出
手段１５，路面μ検出手段１６，目標重心スリップ角決
定手段１８，フィードバックコントローラ２０，推定計
算スリップ角演算手段２６及びニューラルネットワーク
２７とをそなえて構成されている。ここで、車速検出手
段１５は、前輪５Ｌ，５Ｒ用の車輪速度センサ１０Ｆ
Ｌ，１０ＦＲから得られた前輪車輪速度の平均をとる前
輪車輪速度平均値算出手段１５Ａと、後輪７Ｌ，７Ｒ用
の車輪速度センサ１０ＲＬ，１０ＲＲから得られた後輪
車輪速度の平均をとる後輪車輪速度平均値算出手段１５
Ｂと、これらの平均値算出手段１５Ａ，１５Ｂで得られ
た平均値のうちの最小のものを選択してこれを車速とし
て検出する最小値選択手段１５Ｃとをそなえて構成され
ることにより、車速を検出するものである。

【００１４】また、路面μ検出手段１６は、パワステ圧
センサ１３で検出されたパワステ油圧等から路面の摩擦
係数μを推定するものである。また、計算重心スリップ
角演算手段１７は、路面μ検出手段１６で得られた路面
μ情報，ヨー角加速度センサ１１で得られたヨー角加速
度情報および前後加速度センサ１２で得られた前後加速
度情報に基づいて、計算重心スリップ角βを演算するも
のである。但し、ここでは条件として、コーナリングパ
ワーは一定として計算している。なお、計算重心スリッ
プ角βを求めるための演算式は、次の（１）式のように
なる。

【００１５】 β＝Ｂ₀ ψ（ｔ）′＋Ｗ（ｔ） ・・（１） ここで、Ｗ（ｔ）＝Ｋ₀ （ψ（ｔ）′−（Σ ψ
（ｉ）′／ｎ））である。なお、上式において、ψ
（ｔ）′はヨー角加速度であり、Ｂ₀ は車速の関数であ
り、Ｋ₀ は路面μ情報と前後加速度情報とを加味して求
められるようになっている。また、Σ ψ（ｉ）′はｉ
＝ｔ−１からｔまでの総和をとったものである。

【００１６】したがって、上記の車輪速度センサ１０Ｆ
Ｌ，１０ＦＲ，１０ＲＬ，１０ＲＲ，ヨー角加速度セン
サ１１，前後加速度センサ１２，パワステ圧センサ１
３，車速検出手段１５，路面μ検出手段１６，計算重心
スリップ角演算手段１７等で、計算重心スリップ角を含
む後輪操舵系制御用車両運動特性データを検出する車両
運動特性データ検出手段２１ａを構成する。

【００１７】また、目標重心スリップ角決定手段１８
は、目標重心スリップ角を決定してこれを目標値とし
て、フィードバックコントローラ２０に供給するもので
ある。ニューラルネットワーク２７は、車速検出手段１
５，路面μ検出手段１６からの検出データ及び計算重心
スリップ角演算手段１７の演算結果を入力すると、対応
するコーナリングパワーが出力されるようになってい
る。

【００１８】そして、推定計算スリップ角演算手段２６
は、上記ニューラルネットワーク２７から出力されるコ
ーナリングパワー，車速検出手段１５から出力される車
速，路面μ検出手段１６から出力される路面μ，ヨー角
加速度センサ１１から出力されるヨー角加速度及び前後
加速度センサ１２から出力される前後加速度を受けて、
車体重心スリップ角（重心スリップ角）を求めて出力す
るようになっている。

【００１９】この推定計算スリップ角演算手段２６で求
める車体重心スリップ角は、計算スリップ角演算手段１
７にて求める車体重心スリップ角と異なり、コーナリン
グフォースの要素を考慮に入れたものである。したがっ
て、上記の推定計算スリップ角演算手段２６とニューラ
ルネットワーク２７とで、車速センサ１５，ヨー角加速
センサ１１，路面μ検出手段１６，前後加速度センサ１
２および計算重心スリップ角演算手段１７からの出力に
基づいて、車体重心スリップ角を計測する車体重心スリ
ップ角計測手段２８を構成する。

【００２０】フィードバックコントローラ２０では、ニ
ューラルネットワーク２７からの重心スリップ角の算出
値情報と、目標重心スリップ角決定手段１８からの目標
重心スリップ角とを入力し、双方の重心スリップ角の偏
差が所要の値（例えば０）となるような操作量をアクチ
ュエータ３に出力するようになっている。つぎに、この
ニューラルネットワーク２７の学習要領について説明す
る。

【００２１】学習するに際しては、まず制御対象の車両
運動特性データ（ヨー角加速度，前後加速度，車速，路
面摩擦係数μ）と、従来から存在する重心スリップ角測
定装置２４からの重心スリップ角を、図３に示すように
して、データ記憶装置２３Ａに収集する。この際、いず
れの車両運動特性データも現在のデータが入力値として
収集されている。

【００２２】このようにして制御対象の車両運動特性デ
ータ（ヨー角加速度，前後加速度，車速，路面摩擦係数
μ）と重心スリップ角の測定値をデータ記憶装置２３Ａ
に収集したあとは、この収集データに基づいて、図４に
示すようにして、ニューラルネットワーク２７に学習さ
せる。すなわち、データ記憶装置２３Ａに格納された、
車両の各種運転状態に対応する車両運動特性データ（ヨ
ー角加速度，前後加速度，車速，路面摩擦係数μ）及び
重心スリップ角測定装置２４からの測定値を計算重心ス
リップ角及び計算コーナリングパワー演算部１７′に入
力させ、この計算重心スリップ角及び計算コーナリング
パワー演算部１７′の第１の出力である計算重心スリッ
プ角を入力値とし、また、第２の出力である計算コーナ
リングパワーを教師データとして、ニューラルネットワ
ーク２７の出力と上記の車両の各種運転状態に対応する
コーナリングパワーとの差（誤差）が０となるように、
学習を行なう。なお、学習の仕方としては、例えばバッ
クプロパゲーション学習法によるアルゴリズムが使用さ
れる。

【００２３】なお、計算重心スリップ角及び計算コーナ
リングパワー演算部１７′における出力である計算重心
スリップ角と、計算コーナリングパワーの演算は、それ
ぞれ式（２），式（３）に示す式により行なう。 計算重心スリップ角＝ Ｃ₁ ・（ヨー加速度／車速）−Ｃ₂ ×［（車速×ヨー角速度）／｛（１＋Ｃ₃ ×前後加速度）・路面μ｝］ ×（１／コーナリングパワー〔定数〕） （２） 計算コーナリングパワー＝ （Ｃ₂ ×車速×ヨー加速度） ／［｛Ｃ₁ ・（ヨー角速度／車速）−重心スリップ角〔計測値〕｝ ・（１＋Ｃ₃ ・前後加速度）・路面μ］ （３） ここで、Ｃ₁ ，Ｃ₂ ，Ｃ₃ は定数である。

【００２４】このような構成より、本前後輪操舵式車両
では、ハンドル１の操作に応じて前輪操舵系２が作動
し、アクチュエータ３によって後輪操舵系４が動作する
が、この後輪操舵系４の制御は次のようにして行なわれ
る。すなわち、コントローラ９−１へ、車輪速度センサ
１０ＦＬ，１０ＦＲ，１０ＲＬ，１０ＲＲ，ヨー角加速
度センサ１１，前後加速度センサ１２，パワステ圧セン
サ１３等からの検出信号が入力されると、このコントロ
ーラ９−１では、車速検出手段１５で車速が検出され、
路面μ検出手段１６で路面μが検出され、計算重心スリ
ップ角演算手段１７で計算重心スリップ角が算出され、
これらの検出データ及び算出値は学習済のニューラルネ
ットワーク２７に入力される。

【００２５】この学習済のニューラルネットワーク２７
からは推定コーナリングパワーが出力され、推定計算ス
リップ角演算手段２６に入力される。ところで、この推
定計算スリップ角演算手段２６では、ニューラルネット
ワーク２７からの推定コーナリングパワーのほかに、路
面μ検出手段１６からの路面μ，ヨー角加速度センサ１
１からのヨー角加速度及び前後加速度センサ１２からの
前後加速度が入力され、これらの入力値をもとにして重
心スリップ角を算出している。

【００２６】この推定計算スリップ角演算手段２６から
の車体重心スリップ角は、目標重心スリップ角決定手段
１８からの出力とともに、フィードバックコントローラ
２０へ入力され、このフィードバックコントローラ２０
で、算出された重心スリップ角が目標重心スリップ角と
なるような目標後輪操作量Ａをアクチュエータ３に出力
して、後輪操舵系４を制御することが行なわれる。

【００２７】次に、本車体重心スリップ角計測装置によ
る計測要領を、図５のフローチャートを用いて説明す
る。まず、ステップＡ１で、コントローラ９−１に対
し、入力データとして、車輪速度センサ１０ＦＬ，１０
ＦＲ，１０ＲＬ，１０ＲＲ，ヨー角加速度センサ１１，
前後加速度センサ１２，パワステ圧センサ１３等からの
検出信号が入力される。

【００２８】すると、ステップＡ２で、コントローラ９
−１における車速検出手段１５により、車輪速センサ１
０ＦＬ，１０ＦＲ，１０ＲＬ，１０ＲＲからのデータを
用いて車速を計算する。そして、ステップＡ３で、路面
μ検出手段１６で得られた路面μ情報，ヨー角加速度セ
ンサ１１で得られたヨー角加速度情報および前後加速度
センサ１２で得られた前後加速度情報に基づいて、計算
重心スリップ角演算手段１７により計算重心スリップ角
βを演算する。但し、条件としてコーナリングパワーを
一定として計算している。

【００２９】次にステップＡ４で、ニューラルネットワ
ーク２７により、車速検出手段１５，路面μ検出手段１
６からの検出データ及び計算重心スリップ角演算手段１
７の演算結果を入力すると、対応するコーナリングパワ
ーを出力する。その後、ステップＡ５で、推定計算スリ
ップ角演算手段２６により、上記ニューラルネットワー
ク２７から出力されるコーナリングパワー，車速検出手
段１５から出力される車速，路面μ検出手段１６から出
力される路面μ，ヨー角加速度センサ１１から出力され
るヨー角加速度及び前後加速度センサ１２から出力され
る前後加速度を受けて、車体重心スリップ角（重心スリ
ップ角）を求め、ステップＡ６で、この算出値をフィー
ドバックコントローラ２０に出力する。

【００３０】ここで求める車体重心スリップ角は、コー
ナリングパワーをも考慮に入れて計算している。また、
ステップＡ６で重心スリップ角がフィードバックコント
ローラ２０に入力すると、アクチュエータ３により後輪
操舵系４を制御しているのである。そして、ステップＡ
７で、処理終了かどうかをステップＡ７で判定し、まだ
終了していなければ、ステップＡ７でＮＯルートを通っ
て、上記の処理（ステップＡ１〜Ａ６処理）を繰り返し
行なう。そして、もうこれで処理が終了である場合は、
ステップＡ７のＹＥＳルートを通って、処理を終了す
る。

【００３１】例えば、ハンドル角が図６（ａ）に示すよ
うに変化すると、本車体重心スリップ角計測装置の重心
スリップ角演算手段２６から出力される重心スリップ角
は、同図（ｂ）の実線で描かれたようになり、従来装置
により実測された値が、同図（ｂ）における点線で描か
れた特性となることを考えると、本車体重心スリップ角
計測装置を使用することにより、車体重心スリップ角を
高い精度で算出できることがわかる。

【００３２】（ｂ）第２実施例の説明 また、以下に本発明の第２実施例を説明すると、図７は
本装置を組み込んだ前後輪操舵式車両の後輪操舵制御装
置の制御系の全体構成を示すブロック図であり、図８は
前後輪操舵式車両の後輪操舵制御装置の操舵系の構成を
示す模式図であり、図９は本装置を組み込んだ前後輪操
舵式車両の後輪操舵制御装置に使用される、ニューラル
ネットワークのための学習用データの収集要領を説明す
るためのブロック図であり、図１０は本装置を組み込ん
だ前後輪操舵式車両の後輪操舵制御装置に使用されるニ
ューラルネットワークの学習要領を説明するためのブロ
ック図であり、図１１は本装置を組み込んだ前後輪操舵
車両の後輪操舵制御装置の動作を説明するためのフロー
チャートであり、図７〜図１１中、図１〜６と同じ符号
はほぼ同様のものを示している。

【００３３】さて、本装置を装備する前後輪操舵式車両
（４ＷＳ車両）は、図８に示すような、第１実施例の場
合と同様のステアリングホイール（ハンドル）１の操作
に応じて作動する前輪操舵系２と、油圧シリンダ等のア
クチュエータ３によって動作する後輪操舵系４とをそな
えている。ところで、図７，８に示すように、この４Ｗ
Ｓ車両の後輪操舵系４を制御するために、コントローラ
９−２が設けられているが、このコントローラ９−２へ
も、各種のセンサからの検出信号が入力されている。す
なわち、このコントローラ９−２へは、前述の第１実施
例と同様に、４つの車輪速度センサ１０ＦＬ，１０Ｆ
Ｒ，１０ＲＬ，１０ＲＲ，ヨー角加速度センサ１１，前
後加速度センサ１２，パワステ圧センサ１３からの検出
信号が入力される。

【００３４】これらコントローラ９−２に入力する各種
センサは、全て第１実施例と同様であるため、説明は省
略する。さらに、コントローラ９−２は、車速検出手段
１５，路面μ検出手段１６，計算重心スリップ角演算手
段１７，目標重心スリップ角決定手段１８，フィードフ
ォワードコントローラ１９，フィードバックコントロー
ラ２０，加算手段２２，推定計算スリップ演算手段２６
及びニューラルネットワーク２７をそなえて構成されて
いる。

【００３５】ここで、車速検出手段１５，路面μ検出手
段１６，計算重心スリップ角演算手段１７，目標重心ス
リップ角決定手段１８，推定計算スリップ演算手段２６
及びニューラルネットワーク２７については、既述の第
１実施例におけるものと同様であるため、説明は省略す
る。したがって、前記の第１実施例の場合と同様に、車
輪速度センサ１０ＦＬ，１０ＦＲ，１０ＲＬ，１０Ｒ
Ｒ，ヨー角加速度センサ１１，前後加速度センサ１２，
パワステ圧センサ１３，車速検出手段１５，路面μ検出
手段１６，計算重心スリップ角演算手段１７等で、計算
重心スリップ角を含む後輪操舵系制御用車両運動特性デ
ータを検出する車両運動特性データ検出手段２１を構成
する。

【００３６】また、フィードフォワードコントローラ１
９は、ヨー角加速度センサ１１，前後加速度センサ１
２，車速検出手段１５，路面μ検出手段１６，計算重心
スリップ角演算手段１７等を含む車両運動特性データ検
出手段２１および目標重心スリップ角決定手段１８から
の出力を受けて、重心スリップ角が目標重心スリップ角
となるような目標後輪操作量Ａをアクチュエータ３に出
力するもので、フィードバックコントローラ２０は、推
定計算スリップ角演算手段２６からの、重心スリップ角
の算出値である出力と、目標重心スリップ角決定手段１
８からの、目標となる重心スリップ角である出力を受け
て、双方の重心スリップ角の偏差が所要の値となるよう
な目標後輪操作量Ｂをアクチュエータ３に出力するもの
である。

【００３７】すなわち、フィードフォワードコントロー
ラ１９による操作量Ａとフィードバックコントローラ２
０による操作量Ｂとが加算手段２２にて加算され、所望
の操作量Ａ＋Ｂとして、アクチュエータ３に出力される
ようになっているのである。ここで、フィードフォワー
ドコントローラ１９は、車両の各種運転状態に対応する
車両運動特性データ及び重心スリップ角情報、即ちヨー
角加速度，前後加速度，車速，路面μ，計算重心スリッ
プ角，重心スリップ角（以下、車両運動特性データ及び
重心スリップ角情報のことを、単に車両運動特性データ
ということがある）を入力値とし、車両の各種運転状態
に対応する後輪操舵量を教師データとして、学習を行な
うことにより、所要の車両運動特性データ及び目標重心
スリップ角の情報を入力すると、そのときの重心スリッ
プ角を目標重心スリップ角と一致する為に必要な後輪操
舵量が目標後輪操舵量として出力されるように構成され
た、学習済のニューラルネットワーク（例えば３層以上
の階層型ニューラルネットワーク）１９Ａをそなえて構
成されている。

【００３８】次に、このニューラルネットワーク１９Ａ
の学習要領について説明する。学習するに際しては、ま
ず制御対象の車両運動特性データ（ヨー角加速度，前後
加速度，車速，路面μ，計算重心スリップ角，重心スリ
ップ角）を、図９に示すようにして、データ記憶装置２
３に収集する。なお、この車両運動特性データの収集に
際して、重心スリップ角情報は、推定計算スリップ角演
算手段２６で得られるものが使用される。

【００３９】このようにして制御対象の車両運動特性デ
ータ（ヨー角加速度，前後加速度，車速，路面μ，計算
重心スリップ角，重心スリップ角）をデータ記憶装置２
３に収集したあとは、この収集データに基づいて、図１
０に示すようにして、ニューラルネットワーク１９Ａに
学習させる。すなわち、車両の各種運転状態に対応する
車両運動特性データ（ヨー角加速度，前後加速度，車
速，路面μ，計算重心スリップ角，重心スリップ角）を
入力値とし、車両の各種運転状態に対応する後輪操舵量
を教師データとして、ニューラルネットワーク１９Ａの
出力と上記の車両の各種運転状態に対応する後輪操舵量
との差（誤差）が０となるように、学習を行なう。な
お、学習の仕方としては、例えばバックプロパゲーショ
ン学習法よるアルゴリズムが使用される。

【００４０】なお、十分多い入力データに対して、ニュ
ーラルネットワーク１９Ａの出力と車両の各種運転状態
に対応する後輪操舵量との差（誤差）が０になるという
ことは、車両の逆モデルが学習できたことと等価とみな
すことができる。このようにして収集したデータをニュ
ーラルネットワーク１９Ａに学習させると、ニューラル
ネットワーク１９Ａの高い学習能力によって、理想的な
フィードフォワードコントローラ１９を構築することが
できるのである。

【００４１】なお、ニューラルネットワーク２７におけ
る学習法は前記第１実施例における図４と同様の方法を
用いるため、説明は省略する。このような構成より、本
前後輪操舵式車両では、ハンドル１の操作に応じて前輪
操舵系２が作動し、アクチュエータ３によって後輪操舵
系４が動作するが、この後輪操舵系４の制御は次のよう
にして行なわれる。

【００４２】すなわち、学習済のニューラルネットワー
ク１９Ａを有するフィードフォワードコントローラ１９
によって、車輪速度センサ１０ＦＬ，１０ＦＲ，１０Ｒ
Ｌ，１０ＲＲ，ヨー角加速度センサ１１，前後加速度セ
ンサ１２，パワステ圧センサ１３，車速検出手段１５，
路面μ検出手段１６，計算重心スリップ角演算手段１７
等の車両運動特性データ検出手段２１および目標重心ス
リップ角決定手段１８からの出力を受けて、重心スリッ
プ角が目標重心スリップ角となるような目標後輪操作量
Ａをアクチュエータ３に出力して、後輪操舵系４を制御
することが行なわれるとともに、更にフィードバックコ
ントローラ２０が、推定計算スリップ角演算手段２６お
よび目標重心スリップ角決定手段１８からの出力を受け
て、フィードフォワードコントローラ１９によるアクチ
ュエータ制御と協調して、重心スリップ角が目標重心ス
リップ角となるような目標後輪操作量Ｂをアクチュエー
タ３に出力して、後輪操舵系４を制御するのである。

【００４３】次に、本発明の車体重心スリップ角計測装
置を含む後輪操舵系４の制御要領について、図１１のフ
ローチャートを用いて更に詳細に説明すると、まずフィ
ードフォワードコントローラ１９による制御とフィード
バックコントローラ２０による制御とが並行して行なわ
れる。すなわち、フィードフォワードコントローラ１９
による制御は、ステップＢ１で、センサデータを入力
し、ステップＢ２，Ｂ３で、これらのセンサデータに基
づいて車速および計算重心スリップ角をそれぞれ計算
し、ステップＢ４で、上記の入力データ（車速，計算重
心スリップ角を含む）からニューラルネットアルゴリズ
ムで後輪操作量Ａを計算するのである。

【００４４】また、フィードバックコントローラ２０に
よる制御は、まず、ステップＢ′１で、コントローラ９
−２に対し、入力データとして、車輪速度センサ１０Ｆ
Ｌ，１０ＦＲ，１０ＲＬ，１０ＲＲ，ヨー角加速度セン
サ１１，前後加速度センサ１２，パワステ圧センサ１３
等からの検出信号が入力される。すると、ステップＢ′
２で、コントローラ９−２における車速検出手段１５に
より、車輪速センサ１０ＦＬ，１０ＦＲ，１０ＲＬ，１
０ＲＲからのデータを用いて車速を計算する。

【００４５】そして、ステップＢ′３で、路面μ検出手
段１６で得られた路面μ情報，ヨー角加速度センサ１１
で得られたヨー角加速度情報および前後加速度センサ１
２で得られた前後加速度情報に基づいて、計算重心スリ
ップ角演算手段１７により計算重心スリップ角βを演算
する。但し、条件としてコーナリングパワーを一定とし
て計算している。

【００４６】次にステップＢ′４で、ニューラルネット
ワーク２７により、車速検出手段１５，路面μ検出手段
１６からの検出データ及び計算重心スリップ角演算手段
１７の演算結果を入力すると、対応するコーナリングパ
ワーを出力する。その後、ステップＢ′５で、推定計算
スリップ角演算手段２６により、上記ニューラルネット
ワーク２７から出力されるコーナリングパワー，車速検
出手段１５から出力される車速，路面μ検出手段１６か
ら出力される路面μ，ヨー角加速度センサ１１から出力
されるヨー角加速度及び前後加速度センサ１２から出力
される前後加速度を受けて、車体重心スリップ角（重心
スリップ角）を求め、ステップＢ′６で、この算出値を
フィードバックコントローラ２０に出力する。

【００４７】ここで求める車体重心スリップ角は、コー
ナリングパワーをも考慮に入れて計算している。また、
ステップＢ′６で重心スリップ角がフィードバックコン
トローラ２０に入力すると、アクチュエータ３により後
輪操舵系４を制御しているのである。その後は、ステッ
プＢ７で、後輪操作量Ａと後輪操作量Ｂとの和を後輪操
作量として、この後輪操作量（Ａ＋Ｂ）をアクチュエー
タ３側へ出力し（ステップＢ８）、更に処理終了かどう
かをステップＢ９で判定し、まだ終了していなければ、
ステップＢ９でＮＯルートを通って、上記の処理（ステ
ップＢ１〜Ｂ４，Ｂ′１〜Ｂ′６処理）を繰り返し行な
う。そして、もうこれで処理が終了である場合は、ステ
ップＢ９のＹＥＳルートを通って、処理を終了する。

【００４８】このように本実施例によれば、車体重心ス
リップ角計測装置を学習済のニューラルネットワークを
そなえて構成することにより、車載可能なサイズ，価
格，信頼性を有するものが実現できる利点がある。ま
た、フィードフォワードコントローラ１９とフィードバ
ックコントローラ２０とで協調制御を行なっているの
で、大きな外乱に対する補償を確実に行なうことができ
るほか、ニューラルネットによる制御安定性に対するフ
エイルセーフ機能も発揮できる。

【００４９】

【発明の効果】以上詳述したように、本発明の車体重心
スリップ角計測装置によれば、車速を検出する車速検出
手段と、ヨー角加速度を検出するヨー角加速度検出手段
と、路面の摩擦係数を検出する路面摩擦係数検出手段
と、車両の前後加速度を検出する前後加速度検出手段
と、該ヨー角加速度検出手段で検出されたヨー角加速
度，該路面摩擦係数検出手段で計算された路面の摩擦係
数，該前後加速度検出手段で検出された車両の前後加速
度および該車速検出手段で検出された車速の各情報から
計算重心スリップ角を求める計算重心スリップ角演算手
段と、該車速検出手段，該ヨー角加速度検出手段，該路
面摩擦係数検出手段，該前後加速度検出手段および該計
算重心スリップ角演算手段からの出力に基づいて、車体
重心スリップ角を計測する車体重心スリップ角計測手段
をそなえ、該車体重心スリップ角計測手段が、該車速検
出手段，該路面摩擦係数検出手段および該計算重心スリ
ップ角演算手段からの出力を入力値とし、対応するコー
ナリングパワーを教師データとして、学習を行なうこと
により、該車速検出手段，該路面摩擦係数検出手段およ
び該計算重心スリップ角演算手段からのデータを入力す
ると、対応するコーナリングパワーが出力されるように
構成された、学習済のニューラルネットワークをそなえ
るとともに、該学習済のニューラルネットワーク，該車
速検出手段，該ヨー角加速度検出手段，該路面摩擦係数
検出手段，該前後加速度検出手段および該計算重心スリ
ップ角演算手段からの出力を受けて、車体重心スリップ
角を求める車体重心スリップ角演算手段をそなえている
ことにより、車載可能なサイズ，価格，信頼性を有する
ものが実現できる利点がある。

【図面の簡単な説明】

【図１】本発明の第１実施例としての車体重心スリップ
角計測装置を組み込んだ前後輪操舵式車両の後輪操舵制
御装置の制御系の全体構成を示すブロック図である。

【図２】本発明の第１実施例としての車体重心スリップ
角計測装置を組み込んだ前後輪操舵式車両の後輪操舵制
御装置の操舵系の構成を示す模式図である。

【図３】本発明の第１実施例としての車体重心スリップ
角計測装置を組み込んだ前後輪操舵式車両の後輪操舵制
御装置において、車体重心スリップ角計測装置に使用さ
れるニューラルネットワークのための学習用データの収
集要領を説明するためのブロック図である。

【図４】本発明の第１実施例としての車体重心スリップ
角計測装置を組み込んだ前後輪操舵式車両の後輪操舵制
御装置において、車体重心スリップ角計測装置に使用さ
れるニューラルネットワークの学習要領を説明するため
のブロック図である。

【図５】本発明の車体重心スリップ角計測装置の動作を
説明するためのフローチャートである。

【図６】本発明の車体重心スリップ角計測装置の動作を
説明するためのタイムチャートである。

【図７】本発明の第２実施例としての車体重心スリップ
角計測装置を組み込んだ前後輪操舵式車両の後輪操舵制
御装置の制御系の全体構成を示すブロック図である。

【図８】本発明の第２実施例としての車体重心スリップ
角計測装置を組み込んだ前後輪操舵式車両の後輪操舵制
御装置の操舵系の構成を示す模式図である。

【図９】本発明の第２実施例としての車体重心スリップ
角計測装置を組み込んだ前後輪操舵式車両の後輪操舵制
御装置において使用されるニューラルネットワークのた
めの学習用データの収集要領を説明するためのブロック
図である。

【図１０】本発明の第２実施例としての車体重心スリッ
プ角計測装置を組み込んだ前後輪操舵式車両の後輪操舵
制御装置に使用される、ニューラルネットワークの学習
要領を説明するためのブロック図である。

【図１１】本発明の第２実施例の動作を説明するための
フローチャートである。

【符号の説明】

１ ステアリングホイール（ハンドル） ２ 前輪操舵系 ３ アクチュエータ ４ 後輪操舵系 ５Ｌ，５Ｒ 前輪 ６ パワーステアリング用油圧シリンダ ７Ｌ，７Ｒ 後輪 ８ 後輪操舵用電磁式バルブ ９ コントローラ １０ＦＬ，１０ＦＲ，１０ＲＬ，１０ＲＲ 車輪速度セ
ンサ １１ ヨー角加速度センサ（ヨー角加速度検出手段） １２ 前後加速度センサ（前後加速度検出手段） １３ パワステ圧センサ １５ 車速検出手段 １５Ａ 前輪車輪速度平均値算出手段 １５Ｂ 後輪車輪速度平均値算出手段 １５Ｃ 最小値選択手段 １６ 路面μ検出手段（路面摩擦係数検出手段） １７ 計算重心スリップ角演算手段 １７′計算重心スリップ角及び計算コーナリングパワー
演算部 １８ 目標重心スリップ角決定手段（目標重心スリップ
角設定手段） １９ フィードフォワードコントローラ １９Ａ ニューラルネットワーク ２０ フィードバックコントローラ ２１，２１ａ 車両運動特性データ検出手段 ２２ 加算手段 ２３，２３Ａ データ記憶装置 ２４ 重心スリップ角測定装置 ２６ 推定重心スリップ角演算手段 ２７ ニューラルネットワーク ２８ 車体重心スリップ角計測手段

フロントページの続き (56)参考文献 特開 昭62−137275（ＪＰ，Ａ) 特開 昭63−112278（ＪＰ，Ａ) 特開 平４−108077（ＪＰ，Ａ) 特開 平３−258660（ＪＰ，Ａ) 特開 平４−189631（ＪＰ，Ａ) 特開 平４−204349（ＪＰ，Ａ) 特開 平３−57771（ＪＰ，Ａ) 実開 昭62−23773（ＪＰ，Ｕ) (58)調査した分野(Int.Cl.⁶，ＤＢ名) B62D 6/00

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】 車速を検出する車速検出手段と、 ヨー角加速度を検出するヨー角加速度検出手段と、 路面の摩擦係数を検出する路面摩擦係数検出手段と、 車両の前後加速度を検出する前後加速度検出手段と、 該ヨー角加速度検出手段で検出されたヨー角加速度，該
   路面摩擦係数検出手段で計算された路面の摩擦係数，該
   前後加速度検出手段で検出された車両の前後加速度およ
   び該車速検出手段で検出された車速の各情報から計算重
   心スリップ角を求める計算重心スリップ角演算手段と、 該車速検出手段，該ヨー角加速度検出手段，該路面摩擦
   係数検出手段，該前後加速度検出手段および該計算重心
   スリップ角演算手段からの出力に基づいて、車体重心ス
   リップ角を計測する車体重心スリップ角計測手段をそな
   え、 該車体重心スリップ角計測手段が、 該車速検出手段，該路面摩擦係数検出手段および計算重
   心スリップ角演算手段からの出力を入力値とし、対応す
   るコーナリングパワーを教師データとして、学習を行な
   うことにより、該車速検出手段，該路面摩擦係数検出手
   段および該計算重心スリップ角演算手段からのデータを
   入力すると、対応するコーナリングパワーが出力される
   ように構成された、学習済のニューラルネットワークを
   そなえるとともに、 該学習済のニューラルネットワーク，該車速検出手段，
   該ヨー角加速度検出手段，該路面摩擦係数検出手段，該
   前後加速度検出手段および該計算重心スリップ角演算手
   段からの出力を受けて、車体重心スリップ角を求める車
   体重心スリップ角演算手段をそなえていることを特徴と
   する、車体重心スリップ角計測装置。