JP2764832B2 - 車両制御方法 - Google Patents
車両制御方法Info
- Publication number
- JP2764832B2 JP2764832B2 JP1296591A JP29659189A JP2764832B2 JP 2764832 B2 JP2764832 B2 JP 2764832B2 JP 1296591 A JP1296591 A JP 1296591A JP 29659189 A JP29659189 A JP 29659189A JP 2764832 B2 JP2764832 B2 JP 2764832B2
- Authority
- JP
- Japan
- Prior art keywords
- throttle opening
- value
- neural network
- change
- throttle
- 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.)
- Expired - Fee Related
Links
Classifications
-
- 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
-
- 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
- F02D41/04—Introducing corrections for particular operating conditions
- F02D41/045—Detection of accelerating or decelerating state
-
- 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
- F02D2041/1433—Introducing closed-loop corrections characterised by the control or regulation method using a model or simulation of the system
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S706/00—Data processing: artificial intelligence
- Y10S706/902—Application using ai with detail of the ai system
- Y10S706/903—Control
- Y10S706/905—Vehicle or aerospace
Description
【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、車載エンジンのスロットル開度等に応じて
車両の運転状態、例えば車載エンジンへの燃料供給量や
自動変速機の変速時期を制御する方法に関する。
車両の運転状態、例えば車載エンジンへの燃料供給量や
自動変速機の変速時期を制御する方法に関する。
近年、車載エンジンのスロットル開度に応じて、車両
の運転状態をマイコン等により自動制御することが行わ
れている。例えば、オートマチックトランスミッション
の変速操作を車速とスロットル開度とに応じ、予め決め
られたシフトスケジュールマップに従って制御すること
が行われている。
の運転状態をマイコン等により自動制御することが行わ
れている。例えば、オートマチックトランスミッション
の変速操作を車速とスロットル開度とに応じ、予め決め
られたシフトスケジュールマップに従って制御すること
が行われている。
しかし、従来の制御では、スロットル開度等の現在値
を、車両の運転状態を制御するためのパラメータとして
用いていた。したがって、上述したオートマチックトラ
ンスミッションの変速制御では、キックダウン時に次の
ような問題が生じる。
を、車両の運転状態を制御するためのパラメータとして
用いていた。したがって、上述したオートマチックトラ
ンスミッションの変速制御では、キックダウン時に次の
ような問題が生じる。
スロットルが開かれてからシフトダウンするまでに
タイムラグがある。
タイムラグがある。
スロットルが開かれエンジン回転数が上昇した後に
シフトダウンするため、変速時のショックが大きい。
シフトダウンするため、変速時のショックが大きい。
の問題を解決するため、シフトダウンが完了す
るまでエンジン回転数の上昇を抑えれば、変速に伴うシ
ョックはなくなるが、タイムラグが増大する。
るまでエンジン回転数の上昇を抑えれば、変速に伴うシ
ョックはなくなるが、タイムラグが増大する。
これらの問題を同時に解決するためには、スロットル
が開かれ始めた時点でスロットルがどこまで開かれるか
を予測し、この予測値に応じて変速制御を行うようにす
れば、大きな変速ショックを伴わずにシフトダウンのタ
イミングを早めることができる。
が開かれ始めた時点でスロットルがどこまで開かれるか
を予測し、この予測値に応じて変速制御を行うようにす
れば、大きな変速ショックを伴わずにシフトダウンのタ
イミングを早めることができる。
また、車載エンジンへの燃料供給量を制御する場合に
も、この予測値に応じて制御を行うこととすれば、応答
性に優れたエンジン制御が可能となる。
も、この予測値に応じて制御を行うこととすれば、応答
性に優れたエンジン制御が可能となる。
ところで、スロットルの開け方は運転者の個人差、道
路環境等によって変化するため、従来の固定されたアル
ゴリズムで起こり得る全ての状況に対応してスロットル
がどこまで開かれるかを予想することは困難である。
路環境等によって変化するため、従来の固定されたアル
ゴリズムで起こり得る全ての状況に対応してスロットル
がどこまで開かれるかを予想することは困難である。
そこで、上述の事情に鑑み、本発明はスロットルが開
かれ始めた時点でスロットルがどこまで開かれるかを予
測し、これに基いて車両の運転状態を制御可能な車輌制
御方法を提供することを目的としている。
かれ始めた時点でスロットルがどこまで開かれるかを予
測し、これに基いて車両の運転状態を制御可能な車輌制
御方法を提供することを目的としている。
上述の目的を達成するため、本発明による車両制御方
法においては、学習機能を有するニューラルネットワー
クに少なくとも車載エンジンのスロットル開度の現在値
スロットル開度の変化率、スロットル速度の変化率、お
よびスロットルの踏込み時間を周期的に入力し、周期的
に得られるニューラルネットワークの出力値をスロット
ル開度予測値としてこれに基き車両の運転状態を制御す
ることとし、実際のスロットル開度の変化率が零となっ
たときに、そのときの実際のスロットル開度にスロット
ル開度予測値が近付くようにニューラルネットワークに
学習をさせることとしている。
法においては、学習機能を有するニューラルネットワー
クに少なくとも車載エンジンのスロットル開度の現在値
スロットル開度の変化率、スロットル速度の変化率、お
よびスロットルの踏込み時間を周期的に入力し、周期的
に得られるニューラルネットワークの出力値をスロット
ル開度予測値としてこれに基き車両の運転状態を制御す
ることとし、実際のスロットル開度の変化率が零となっ
たときに、そのときの実際のスロットル開度にスロット
ル開度予測値が近付くようにニューラルネットワークに
学習をさせることとしている。
このように、車両走行中に一連のスロットル開度変化
が終了する毎にニューラルネットワークにスロットル開
度の極大値を学習させることにより、スロットルが開き
始めた時点でスロットルがどこまで開かれるかをニュー
ラルネットワークにより、運転者の癖等を考慮にいれて
予測することが可能となる。
が終了する毎にニューラルネットワークにスロットル開
度の極大値を学習させることにより、スロットルが開き
始めた時点でスロットルがどこまで開かれるかをニュー
ラルネットワークにより、運転者の癖等を考慮にいれて
予測することが可能となる。
更に、実際のスロットル開度の変化率が零となる前に
実際のスロットル開度の変化率が極小値をとるときに
は、そのときにそのときの実際のスロットル開度にスロ
ットル開度予測値が近付くようにニューラルネットワー
クに学習をさせることとして、そのような場合にスロッ
トル開度予測値の精度が低下するのを防止することとし
ている。
実際のスロットル開度の変化率が極小値をとるときに
は、そのときにそのときの実際のスロットル開度にスロ
ットル開度予測値が近付くようにニューラルネットワー
クに学習をさせることとして、そのような場合にスロッ
トル開度予測値の精度が低下するのを防止することとし
ている。
また、スロットル予測値に補正を加え、補正後のスロ
ットル予測値に基き車両の運転状態を制御することと
し、スロットル開度予測値が不当な値となることを防止
している。
ットル予測値に基き車両の運転状態を制御することと
し、スロットル開度予測値が不当な値となることを防止
している。
以下、本発明の実施例について第１図〜第６図を参照
しつつ、説明する。
しつつ、説明する。
第１図は本発明による車両制御方法が適用される制御
装置の概略構成を示しており、第２図は第１図に示した
ニューラルネットワークの内部構成を示している。
装置の概略構成を示しており、第２図は第１図に示した
ニューラルネットワークの内部構成を示している。
第１図に示した制御装置においては、車載エンジン
（図示せず）のスロットル開度θ、冷却水温度TW、車速
Ｖ等がそれぞれスロットルセンサ１、水温センサ２、車
速センサ３等により検出されるようになっており、これ
らセンサの各出力はA/D変換器やマルチプレクサ等（図
示せず）を介して中央制御部５のCPU6に入力されるよう
になっている。中央制御部５はCPU6、ROM7、RAM8等から
構成されている。CPU6は上述したセンサからの出力信号
をRAM8に格納したり、これらの出力信号を使って種々の
演算処理を行う。そして、演算結果に基きオートマチッ
クトランスミッション（AT）10や車載エンジンへ燃料を
供給する燃料噴射装置11等に適切な制御指令信号を出力
する。また、CPU6にはニューラルネットワーク（Ｎ・
Ｎ）12が接続あるいは、含まれており、ニューラルネッ
トワーク12は後述するようにスロットル開度の予測を行
う。
（図示せず）のスロットル開度θ、冷却水温度TW、車速
Ｖ等がそれぞれスロットルセンサ１、水温センサ２、車
速センサ３等により検出されるようになっており、これ
らセンサの各出力はA/D変換器やマルチプレクサ等（図
示せず）を介して中央制御部５のCPU6に入力されるよう
になっている。中央制御部５はCPU6、ROM7、RAM8等から
構成されている。CPU6は上述したセンサからの出力信号
をRAM8に格納したり、これらの出力信号を使って種々の
演算処理を行う。そして、演算結果に基きオートマチッ
クトランスミッション（AT）10や車載エンジンへ燃料を
供給する燃料噴射装置11等に適切な制御指令信号を出力
する。また、CPU6にはニューラルネットワーク（Ｎ・
Ｎ）12が接続あるいは、含まれており、ニューラルネッ
トワーク12は後述するようにスロットル開度の予測を行
う。
この制御装置に用いられているニューラルネットワー
ク12は第２図に示したように、入力層として４つのニュ
ーロンを、第１および第２中間層としてそれぞれ８つの
ニューロンを、出力層として１つのニューロンを備えた
４層構造となっている。中間層を１つ省略して３層構造
としてもよいが、さまざまな車両の運転状況に対処して
スロットル開度の予測をする必要があることから、処理
能力の高い４層構造を採用している。また、中間層はニ
ューロンの数が多すぎると計算量が増大するので、８個
のニューロンで各中間層を構成することとした。
ク12は第２図に示したように、入力層として４つのニュ
ーロンを、第１および第２中間層としてそれぞれ８つの
ニューロンを、出力層として１つのニューロンを備えた
４層構造となっている。中間層を１つ省略して３層構造
としてもよいが、さまざまな車両の運転状況に対処して
スロットル開度の予測をする必要があることから、処理
能力の高い４層構造を採用している。また、中間層はニ
ューロンの数が多すぎると計算量が増大するので、８個
のニューロンで各中間層を構成することとした。
入力層のニューロンにはそれぞれCPU6からスロットル
開度θ、スロットル開度の変化率（スロットル速度）
、スロットル速度の変化率（スロットル加速度）お
よびスロットルの踏み込み時間teが入力される。これら
の入力に応じて出力層から出力されるニューラルネット
ワークの出力信号は、入力層に入力された信号に基づい
てニューラルネットワーク12により予測された将来のス
ロットル開度予測値θPとしてCPU6に対して入力される
ようになっている。
開度θ、スロットル開度の変化率（スロットル速度）
、スロットル速度の変化率（スロットル加速度）お
よびスロットルの踏み込み時間teが入力される。これら
の入力に応じて出力層から出力されるニューラルネット
ワークの出力信号は、入力層に入力された信号に基づい
てニューラルネットワーク12により予測された将来のス
ロットル開度予測値θPとしてCPU6に対して入力される
ようになっている。
第３図にCPU6が実行するサブルーチンの一例をフロー
チャートにして示す。
チャートにして示す。
このサブルーチンは、CPU6がニューラルネットワーク
12に将来のスロットル開度を予測させ、その予測値に基
き車両の運転状態を制御するためのものであり、所定周
期（例えば10msec）毎に実行されるようになっている。
12に将来のスロットル開度を予測させ、その予測値に基
き車両の運転状態を制御するためのものであり、所定周
期（例えば10msec）毎に実行されるようになっている。
このサブルーチンが実行されると、まず、現在値デー
タとして現在のスロットル開度θ、冷却水温度TW、車速
Ｖ等が取り込まれる（ステップS1）。次に、前回取り込
まれたスロットル開度θn-1を1.03倍した値と今回取り
込まれたスロットル開度θnの値とを大小比較し（ステ
ップS2）、今回値θnの方が大きかった場合には、スロ
ットルが開かれ始めたと考えることができるので、その
後スロットルがどこまで開かれるかを予測する必要があ
る。そこで、スロットル開度の予測をするために必要と
なる踏み込み時間teを計測し、スロットル速度、スロ
ットル加速度を算出する（ステップS3）。踏み込み時
間ｔは運転者がアクセルペダルを踏み始めてからの時間
であり、スロットル速度はスロットル開度θの変化率
すなわちスロットル開度θの１回微分値であり、スロッ
トル加速度はスロットル速度の変化率すなわちスロ
ットル開度θの２回微分値である。そして、スロットル
開度θ、スロットル速度、スロットル加速度及び踏
み込み時間ｔをニューラルネットワーク12に入力する
（ステップS4）。なお、ニューラルネットワーク12への
入力値は−１〜１の範囲内に分散するように調整されて
いる。例えば、スロットル開度θは０≦θ≦１の範囲内
で、全開時に１を、全閉時に０をとるように調整され、
スロットル速度、スロットル加速度、踏み込み時間
ｔはそれぞれ次式により表されるように調整される。
タとして現在のスロットル開度θ、冷却水温度TW、車速
Ｖ等が取り込まれる（ステップS1）。次に、前回取り込
まれたスロットル開度θn-1を1.03倍した値と今回取り
込まれたスロットル開度θnの値とを大小比較し（ステ
ップS2）、今回値θnの方が大きかった場合には、スロ
ットルが開かれ始めたと考えることができるので、その
後スロットルがどこまで開かれるかを予測する必要があ
る。そこで、スロットル開度の予測をするために必要と
なる踏み込み時間teを計測し、スロットル速度、スロ
ットル加速度を算出する（ステップS3）。踏み込み時
間ｔは運転者がアクセルペダルを踏み始めてからの時間
であり、スロットル速度はスロットル開度θの変化率
すなわちスロットル開度θの１回微分値であり、スロッ
トル加速度はスロットル速度の変化率すなわちスロ
ットル開度θの２回微分値である。そして、スロットル
開度θ、スロットル速度、スロットル加速度及び踏
み込み時間ｔをニューラルネットワーク12に入力する
（ステップS4）。なお、ニューラルネットワーク12への
入力値は−１〜１の範囲内に分散するように調整されて
いる。例えば、スロットル開度θは０≦θ≦１の範囲内
で、全開時に１を、全閉時に０をとるように調整され、
スロットル速度、スロットル加速度、踏み込み時間
ｔはそれぞれ次式により表されるように調整される。
＝ａ×（θn−θn-1） ＝ｂ×（θn−θn-1） ｔ＝1/（１＋exp（（150−te）/5） ただし、ａはを−１〜１の範囲内に分散させるため
の係数であり、ｂはを−１〜１の範囲内に分散させる
ための係数であり、teは踏み込み初期からの時間（mse
c）である。ｔについては、過去の平均的な踏み込み時
間（例えば、150msec前後）を0.5として全体の踏み込み
時間が０〜１の範囲内に分散するようにシグモイド関数
を用いて調整することとした。
の係数であり、ｂはを−１〜１の範囲内に分散させる
ための係数であり、teは踏み込み初期からの時間（mse
c）である。ｔについては、過去の平均的な踏み込み時
間（例えば、150msec前後）を0.5として全体の踏み込み
時間が０〜１の範囲内に分散するようにシグモイド関数
を用いて調整することとした。
ニューラルネットワーク12はこれらの入力に応じ出力
を発する。このニューラルネットワーク12の出力は将来
のスロットル開度を予測した予測値θpとして取り込ま
れる（ステップS5）。ニューラルネットワーク12の出力
は、後述するように予測の精度を向上すると共に、予測
時間の取り分を多くするという相反する学習を行ってい
るため、どちらの条件もある程度満たす中間的な出力と
なる。その為、ニューラルネットワーク12の出力にある
程度の増減を加えて補正を行うことにより、更に予測精
度を向上させることができる。
を発する。このニューラルネットワーク12の出力は将来
のスロットル開度を予測した予測値θpとして取り込ま
れる（ステップS5）。ニューラルネットワーク12の出力
は、後述するように予測の精度を向上すると共に、予測
時間の取り分を多くするという相反する学習を行ってい
るため、どちらの条件もある程度満たす中間的な出力と
なる。その為、ニューラルネットワーク12の出力にある
程度の増減を加えて補正を行うことにより、更に予測精
度を向上させることができる。
そこで、本発明においては、スロットル開度予測値θ
pとして取り込まれたニューラルネットワーク12の出力
を以下のように補正する。まず、この予測値θpが過大
な値であった場合には、許容される予測値の最大値にこ
れを修正する（ステップS6）。そして、運転者による踏
み込みが終了するまでの踏み込み時間が推定される（ス
テップS7）。この推定の後、スロットル速度と所定値
1との大小比較を行い（ステップS8）、速度の方が
大きかった場合には更に踏み込み時間ｔと過去の踏み込
み完了時間の平均値taveとの大小比較を行う（ステップ
S9）。これにより、現在が踏み込み初期に相当している
のか、踏み込み後期の相当しているのかの判別を行う。
踏み込み時間ｔが平均値taveよりも小さい場合には、踏
み込み初期と判断でき、この場合にはニューラルネット
ワーク12から取り込まれたスロットル開度予測値θpに
所定の値αを加算し、加算後の値をスロットル開度予測
値θpとする（ステップS10）。逆に踏み込み時間ｔが平
均値taveよりも大きい場合には、踏み込み後期と判断で
き、この場合にはニューラルネットワーク12から取り込
まれたスロットル開度予測値θpから所定の値βを減算
し、減算後の値をスロットル開度予測値θpとする（ス
テップS11）。このときの所定値α及びβは次式により
表される。
pとして取り込まれたニューラルネットワーク12の出力
を以下のように補正する。まず、この予測値θpが過大
な値であった場合には、許容される予測値の最大値にこ
れを修正する（ステップS6）。そして、運転者による踏
み込みが終了するまでの踏み込み時間が推定される（ス
テップS7）。この推定の後、スロットル速度と所定値
1との大小比較を行い（ステップS8）、速度の方が
大きかった場合には更に踏み込み時間ｔと過去の踏み込
み完了時間の平均値taveとの大小比較を行う（ステップ
S9）。これにより、現在が踏み込み初期に相当している
のか、踏み込み後期の相当しているのかの判別を行う。
踏み込み時間ｔが平均値taveよりも小さい場合には、踏
み込み初期と判断でき、この場合にはニューラルネット
ワーク12から取り込まれたスロットル開度予測値θpに
所定の値αを加算し、加算後の値をスロットル開度予測
値θpとする（ステップS10）。逆に踏み込み時間ｔが平
均値taveよりも大きい場合には、踏み込み後期と判断で
き、この場合にはニューラルネットワーク12から取り込
まれたスロットル開度予測値θpから所定の値βを減算
し、減算後の値をスロットル開度予測値θpとする（ス
テップS11）。このときの所定値α及びβは次式により
表される。
α＝（１−推定時間）（θp−θ）（可変定数１） β＝（θp−θ）（可変定数２） ただし、推定時間は０≦推定時間≦１の範囲内で踏み
込み初期には０に近い値をとり、踏み込み後期には１に
近い値をとる。可変定数は１回の踏み込み毎に微調整す
るための係数であり、所定値α及びβはα＞０、β＞０
である。
込み初期には０に近い値をとり、踏み込み後期には１に
近い値をとる。可変定数は１回の踏み込み毎に微調整す
るための係数であり、所定値α及びβはα＞０、β＞０
である。
このように、スロットル開度予測値θpにα、βの補
正を加えることにより、第４図に示したように、予測値
θpを踏み込み完了時のスロットル開度θに近付けるこ
とができる。なお、第４図に示した実線曲線は実際のス
ロットル開度θの推移を示し、鎖線曲線は補正前の予測
値θp（すなわち、ニューラルネットワーク（Ｎ・Ｎ）
の出力）の推移を示し、実線直線は補正後の予測値θp
を示している。
正を加えることにより、第４図に示したように、予測値
θpを踏み込み完了時のスロットル開度θに近付けるこ
とができる。なお、第４図に示した実線曲線は実際のス
ロットル開度θの推移を示し、鎖線曲線は補正前の予測
値θp（すなわち、ニューラルネットワーク（Ｎ・Ｎ）
の出力）の推移を示し、実線直線は補正後の予測値θp
を示している。
更に、ステップS10において、過去のスロットル開度
θの極大値の変動量が大きい場合には、踏み込み初期に
集中して予測値θpを増大させて予測時間の取り分を大
きくするため、所定値αとして次式により求められる値
を用いることが好ましい。
θの極大値の変動量が大きい場合には、踏み込み初期に
集中して予測値θpを増大させて予測時間の取り分を大
きくするため、所定値αとして次式により求められる値
を用いることが好ましい。
α＝（１−推定時間）2（θp−θ）（可変定数１） また、ステップS9で踏み込み後期と判断された場合
に、予測値θpから所定値βを減算する（ステップS11）
代わりに、踏み込み後期と判断された時点で予測値θp
を固定してしまい、周期的にニューラルネットワーク12
の出力値を取り込むことによって予測値θpを更新する
ことを取り止めることとしてもよい。
に、予測値θpから所定値βを減算する（ステップS11）
代わりに、踏み込み後期と判断された時点で予測値θp
を固定してしまい、周期的にニューラルネットワーク12
の出力値を取り込むことによって予測値θpを更新する
ことを取り止めることとしてもよい。
そして、予測値θpと所定値との比較を行い（ステッ
プS12）、予測値θpが所定値よりも小さく予測値として
は小さすぎると判断された場合にはスロットル速度に
比例した値ｆ（）を予測値θpに加算してこれを新た
に予測値θpとする（ステップS13）。更に、スロットル
速度の値を所定値2と比較し（ステップS14）、スロ
ットル速度の方が所定値2よりも大きくスロットル
がかなり大きな速度で開かれていると判断できる場合に
は、スロットルが全開まで開かれるものと想定しスロッ
トル開度予測値θpの値を１とする（ステップS15）。こ
の後、予測値θpが過大な値であった場合には、許容さ
れる予測値の最大値にこれを修正する（ステップS1
6）。そして、上述したように、補正が必要に応じて加
えられた後の予測値θpをオートマチックトランスミッ
ション10や燃料噴射装置11等の制御用データとして用
い、これらの制御指令を発する（ステップS17）。この
ように、予測値θpに基づいてオートマチックトランス
ミッション10や燃料噴射装置11等を制御することとすれ
ば、シフトダウンのタイミングを早めることができ、変
速のショックやタイムラグを押さえることができるし、
また応答性に優れたエンジン制御が可能となる。
プS12）、予測値θpが所定値よりも小さく予測値として
は小さすぎると判断された場合にはスロットル速度に
比例した値ｆ（）を予測値θpに加算してこれを新た
に予測値θpとする（ステップS13）。更に、スロットル
速度の値を所定値2と比較し（ステップS14）、スロ
ットル速度の方が所定値2よりも大きくスロットル
がかなり大きな速度で開かれていると判断できる場合に
は、スロットルが全開まで開かれるものと想定しスロッ
トル開度予測値θpの値を１とする（ステップS15）。こ
の後、予測値θpが過大な値であった場合には、許容さ
れる予測値の最大値にこれを修正する（ステップS1
6）。そして、上述したように、補正が必要に応じて加
えられた後の予測値θpをオートマチックトランスミッ
ション10や燃料噴射装置11等の制御用データとして用
い、これらの制御指令を発する（ステップS17）。この
ように、予測値θpに基づいてオートマチックトランス
ミッション10や燃料噴射装置11等を制御することとすれ
ば、シフトダウンのタイミングを早めることができ、変
速のショックやタイムラグを押さえることができるし、
また応答性に優れたエンジン制御が可能となる。
その後、スロットル速度の値が０となったときに、
そのときの実際のスロットル開度θにニューラルネット
ワーク12の出力（θp）が近付くように、ニューラルネ
ットワーク12にそのバックプロパゲーションを用いて学
習をさせる（ステップS18、ステップS19）。このよう
に、車両走行中に一連のスロットル開度変化が終了する
毎にニューラルネットワークに学習をさせることによ
り、スロットルが開き始めた時点でスロットルがどこま
で開かれるかをニューラルネットワークにより、運転者
の癖等を考慮にいれて予測することが可能となり、予測
値の精度が向上する。
そのときの実際のスロットル開度θにニューラルネット
ワーク12の出力（θp）が近付くように、ニューラルネ
ットワーク12にそのバックプロパゲーションを用いて学
習をさせる（ステップS18、ステップS19）。このよう
に、車両走行中に一連のスロットル開度変化が終了する
毎にニューラルネットワークに学習をさせることによ
り、スロットルが開き始めた時点でスロットルがどこま
で開かれるかをニューラルネットワークにより、運転者
の癖等を考慮にいれて予測することが可能となり、予測
値の精度が向上する。
学習はニューラルネットワーク12を構成する各ニュー
ロン出力の重みを変えることにより行われる。学習の修
正量には制限をつけ、特異な踏み込みやノイズの影響に
より予測の精度が低下することを防止することが望まし
い。
ロン出力の重みを変えることにより行われる。学習の修
正量には制限をつけ、特異な踏み込みやノイズの影響に
より予測の精度が低下することを防止することが望まし
い。
一般に、予測の精度を重視した学習を行わせると、予
測時間の取り分が減少する一方、逆に早めに予測するよ
うに学習させると、予測の精度が低下するという問題が
生ずる。そこで、学習方法を必要により切り替えて学習
を行わせる。例えば、スロットル開度θの予測の精度が
誤差20％以内におさまっていない場合には、大きく予測
し過ぎた分を小さくする学習を行わせ、そうでない場合
は予測時間の取り分を多くして予測が足りなかった分を
大きくする学習を行わせる。このようにすると、最終的
な予測がはずれた場合、シフトダウンの回数が多少増え
るが、変速ショック及びタイムラグが低減されるメリッ
トの方が大きいと考えられるので、10％程度の予測誤差
はかまわないものとして予測時間の取り分を多くする。
測時間の取り分が減少する一方、逆に早めに予測するよ
うに学習させると、予測の精度が低下するという問題が
生ずる。そこで、学習方法を必要により切り替えて学習
を行わせる。例えば、スロットル開度θの予測の精度が
誤差20％以内におさまっていない場合には、大きく予測
し過ぎた分を小さくする学習を行わせ、そうでない場合
は予測時間の取り分を多くして予測が足りなかった分を
大きくする学習を行わせる。このようにすると、最終的
な予測がはずれた場合、シフトダウンの回数が多少増え
るが、変速ショック及びタイムラグが低減されるメリッ
トの方が大きいと考えられるので、10％程度の予測誤差
はかまわないものとして予測時間の取り分を多くする。
また、実際のスロットル開度θが第５図（ａ）に示し
たように、途中にたるんだ部分のある階段状に推移する
場合に、スロットル速度が零となった時点のスロットル
開度を学習させると、同図（ｂ）に示したように段階的
にスロットル開度が推移しない場合の予測精度が低下し
てしまう。そこで、このような段階的に実際のスロット
ル開度θが推移した場合には、同図（ｃ）に示したよう
に、変曲点が現れる毎に（すなわち、スロットル速度が
極小値となる毎に）そのときのスロットル開度θを学習
させ、予測精度の向上を図ることが望ましい。このよう
にすると、同図（ｄ）に示したように予測精度が向上す
る。
たように、途中にたるんだ部分のある階段状に推移する
場合に、スロットル速度が零となった時点のスロットル
開度を学習させると、同図（ｂ）に示したように段階的
にスロットル開度が推移しない場合の予測精度が低下し
てしまう。そこで、このような段階的に実際のスロット
ル開度θが推移した場合には、同図（ｃ）に示したよう
に、変曲点が現れる毎に（すなわち、スロットル速度が
極小値となる毎に）そのときのスロットル開度θを学習
させ、予測精度の向上を図ることが望ましい。このよう
にすると、同図（ｄ）に示したように予測精度が向上す
る。
また、実際のスロットル開度θが全開近傍あるいは全
閉近傍の値となった場合には、０や１に近い値を学習さ
せることとなるが、このような値を繰り返して学習させ
るとその学習の影響が大きくなり、そこまでに形成され
たシナプス荷重が破壊されてしまう傾向がある。実際に
は、スロットル全閉近傍のスロットル開度を学習させる
ことはないので、全開近傍のスロットル開度の学習のみ
が問題となる。そこで、これを解決する方策として、ス
ロットル開度θの値を０≦θ≦0.9の範囲内に制限する
か、あるいは、踏み込み初期の全開近傍に達しない部分
のスロットル開度を学習させるようにすることが考えら
れる。
閉近傍の値となった場合には、０や１に近い値を学習さ
せることとなるが、このような値を繰り返して学習させ
るとその学習の影響が大きくなり、そこまでに形成され
たシナプス荷重が破壊されてしまう傾向がある。実際に
は、スロットル全閉近傍のスロットル開度を学習させる
ことはないので、全開近傍のスロットル開度の学習のみ
が問題となる。そこで、これを解決する方策として、ス
ロットル開度θの値を０≦θ≦0.9の範囲内に制限する
か、あるいは、踏み込み初期の全開近傍に達しない部分
のスロットル開度を学習させるようにすることが考えら
れる。
なお上述しなかったが、スロットル開度予測値θpの
補正として、ニューラルネットワーク12からスロットル
開度予測値θpとして周期的に得られる出力値が急激に
変化する場合、すなわち、前回のニューラルネットワー
クの出力値と今回のニューラルネットワークの出力値と
の差が大きい場合には、その変化量（差）を抑制して小
さくする方向に補正することも可能である。
補正として、ニューラルネットワーク12からスロットル
開度予測値θpとして周期的に得られる出力値が急激に
変化する場合、すなわち、前回のニューラルネットワー
クの出力値と今回のニューラルネットワークの出力値と
の差が大きい場合には、その変化量（差）を抑制して小
さくする方向に補正することも可能である。
上述のようにして最終的に得られるスロットル開度予
測値θpの推移を実際のスロットル開度θの推移及びニ
ューラルネットワークの出力値の推移と共に第６図に場
合分けして示す。まず、同図（ａ）はスロットル速度が
零となる毎に（実際のスロットル開度が極大値となる毎
に）、そのときの実際のスロットル開度θを学習させた
場合における最終的な予測値θpを示している。また、
同図（ｂ）はスロットル速度が極大値となった時点で
学習を行わせた場合の最終的な予測値θpを示してお
り、同図（ｃ）は実際のスロットル開度θが段階的に推
移した場合にスロットル速度が極小値となった時点で学
習をさせた場合の最終的な予測値θpを示しており、同
図（ｄ）はスロットル速度が大きく全開が予測された
場合の最終的な予測値θpを示している。なお、これら
の図において●印は学習位置を示し、△印はオートマチ
ックトランスミッションのキックダウンポイントを示し
ている。
測値θpの推移を実際のスロットル開度θの推移及びニ
ューラルネットワークの出力値の推移と共に第６図に場
合分けして示す。まず、同図（ａ）はスロットル速度が
零となる毎に（実際のスロットル開度が極大値となる毎
に）、そのときの実際のスロットル開度θを学習させた
場合における最終的な予測値θpを示している。また、
同図（ｂ）はスロットル速度が極大値となった時点で
学習を行わせた場合の最終的な予測値θpを示してお
り、同図（ｃ）は実際のスロットル開度θが段階的に推
移した場合にスロットル速度が極小値となった時点で学
習をさせた場合の最終的な予測値θpを示しており、同
図（ｄ）はスロットル速度が大きく全開が予測された
場合の最終的な予測値θpを示している。なお、これら
の図において●印は学習位置を示し、△印はオートマチ
ックトランスミッションのキックダウンポイントを示し
ている。
以上説明したように、本発明による車両制御方法によ
れば、車両走行中に一連のスロットル開度変化が終了す
る毎にニューラルネットワークに学習させることによ
り、スロットルが開き始めた時点でスロットルがどこま
で開かれるかをニューラルネットワークにより、運転者
の癖等を考慮にいれて予測することが可能となり、予測
値の精度が向上する。したがって、スロットルが開かれ
始めた時点でスロットルがどこまで開かれるかを予測
し、その予測に基いて車両の運転状態を制御することが
可能となる。
れば、車両走行中に一連のスロットル開度変化が終了す
る毎にニューラルネットワークに学習させることによ
り、スロットルが開き始めた時点でスロットルがどこま
で開かれるかをニューラルネットワークにより、運転者
の癖等を考慮にいれて予測することが可能となり、予測
値の精度が向上する。したがって、スロットルが開かれ
始めた時点でスロットルがどこまで開かれるかを予測
し、その予測に基いて車両の運転状態を制御することが
可能となる。
更に、本発明にれば、実際のスロットル開度の変化率
が零となる前に実際のスロットル開度の変化率が極小値
をとるときには、そのときにそのときの実際のスロット
ル開度にスロットル開度予測値が近付くようにニューラ
ルネットワークに学習をさせることとしているので、ス
ロットル開度予測値の精度が向上する。
が零となる前に実際のスロットル開度の変化率が極小値
をとるときには、そのときにそのときの実際のスロット
ル開度にスロットル開度予測値が近付くようにニューラ
ルネットワークに学習をさせることとしているので、ス
ロットル開度予測値の精度が向上する。
また、スロットル予測値に補正を加えることにより、
スロットル開度予測値が不当な値となることが防止され
ているので、より精度の高い予測が可能となる。
スロットル開度予測値が不当な値となることが防止され
ているので、より精度の高い予測が可能となる。
第１図は本発明による車両制御方法が適用される制御装
置のブロック図、第２図は第１図に示した制御装置に用
いられるニューラルネットワークのブロック図、第３図
は第１図に示した制御装置の動作の一部を説明するため
のフローチャート、第４図はスロットル開度予測値の補
正について説明するための図、第５図はスロットル開度
が段階的に推移する場合の学習方法を説明するための
図、第６図は最終的に得られるスロットル開度予測値の
推移を示した図である。 １……スロットルセンサ、２……水温センサ、３……車
速センサ、５……中央制御部、６……CPU、７……ROM、
８……RAM、10……オートマチックトランスミッショ
ン、11……燃料噴射装置、12……ニューラルネットワー
ク。
置のブロック図、第２図は第１図に示した制御装置に用
いられるニューラルネットワークのブロック図、第３図
は第１図に示した制御装置の動作の一部を説明するため
のフローチャート、第４図はスロットル開度予測値の補
正について説明するための図、第５図はスロットル開度
が段階的に推移する場合の学習方法を説明するための
図、第６図は最終的に得られるスロットル開度予測値の
推移を示した図である。 １……スロットルセンサ、２……水温センサ、３……車
速センサ、５……中央制御部、６……CPU、７……ROM、
８……RAM、10……オートマチックトランスミッショ
ン、11……燃料噴射装置、12……ニューラルネットワー
ク。
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 ＦＩ Ｆ０２Ｄ 45/00 ３６４ Ｆ０２Ｄ 45/00 ３６４Ｇ (58)調査した分野(Int.Cl.6，ＤＢ名) G05B 13/02 F02D 41/00 - 41/40 F02D 9/00 - 9/18 F02D 11/00 - 11/10 F02D 43/00 - 45/00 F02D 29/00 - 29/06
Claims (8)
- 【請求項１】学習機能を有するニューラルネットワーク
に少くとも車載エンジンのスロットル開度現在値、スロ
ットル開度の変化率、スロットル速度の変化率、および
スロットルの踏込み時間を周期的に入力し、周期的に得
られるニューラルネットワークの出力値をスロットル開
度予測値とし、これに基き車両の運転状態を制御する方
法であって、 実際のスロットル開度の変化率が零となった時に、その
時の実際のスロットル開度に前記スロットル開度予測値
が近付くように前記ニューラルネットワークに学習をさ
せることを特徴とする車両制御方法。 - 【請求項２】実際のスロットル開度の変化率が零となる
前に実際のスロットル開度の変化率が極小値を取る時に
は、その時にその時の実際のスロットル開度に前記スロ
ットル開度予測値が近付くように前記ニューラルネット
ワークに学習をさせることを特徴とする請求項１記載の
車両制御方法。 - 【請求項３】前記スロットル予測値に補正を加え、補正
後のスロットル予測値に基き車両の運転状態を制御する
ことを特徴とする請求項１又は２記載の車両制御方法。 - 【請求項４】前記補正は、前記ニューラルネットワーク
に入力されるスロットル開度現在値およびその変化率が
実際のスロットル開度変化の初期のものである場合に
は、前記スロットル開度予測値を増加させ、前記ニュー
ラルネットワークに入力されるスロットル開度現在値お
よびその変化率が実際のスロットル開度変化の後期のも
のである場合には、前記スロットル開度予測値を減少さ
せる補正であることを特徴とする請求項３記載の車両制
御方法。 - 【請求項５】前記補正は、前記ニューラルネットワーク
に入力されるスロットル開度現在値およびその変化率が
実際のスロットル開度変化の後期のものである場合に
は、前記スロットル開度予測値を減少させる代わりに、
周期的に出力されるニューラルネットワークの出力値の
更新を取り止める補正であることを特徴とする請求項４
記載の車両制御方法。 - 【請求項６】前記補正は、前記ニューラルネットワーク
の出力値が小さ過ぎる場合には、実際のスロットル開度
変化率に比例した値を前記スロットル開度予測値に加え
る補正であることを特徴とする請求項３記載の車両制御
方法。 - 【請求項７】前記補正は、前記ニューラルネットワーク
に入力されるスロットル開度現在値の変化率が所定値よ
りも大きい場合には、スロットル開度予測値をスロット
ル全開値とする補正であることを特徴とする請求項３記
載の車両制御方法。 - 【請求項８】前記補正は、前記ニューラルネットワーク
から前記スロットル開度予測値として周期的に得られる
出力値が急激に変化する場合には、その変化量を抑制す
る補正であることを特徴とする請求項３記載の車両制御
方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1296591A JP2764832B2 (ja) | 1989-11-15 | 1989-11-15 | 車両制御方法 |
| US07/614,194 US5200898A (en) | 1989-11-15 | 1990-11-15 | Method of controlling motor vehicle |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1296591A JP2764832B2 (ja) | 1989-11-15 | 1989-11-15 | 車両制御方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH03156601A JPH03156601A (ja) | 1991-07-04 |
| JP2764832B2 true JP2764832B2 (ja) | 1998-06-11 |
Family
ID=17835529
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1296591A Expired - Fee Related JP2764832B2 (ja) | 1989-11-15 | 1989-11-15 | 車両制御方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5200898A (ja) |
| JP (1) | JP2764832B2 (ja) |
Families Citing this family (44)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2792633B2 (ja) * | 1990-02-09 | 1998-09-03 | 株式会社日立製作所 | 制御装置 |
| FR2672086B1 (fr) * | 1991-01-29 | 1995-02-03 | Siements Automotive Sa | Procede et dispositif de commande en boucle fermee de la puissance d'un moteur a combustion interne propulsant un vehicule automobile. |
| JP2974440B2 (ja) * | 1991-03-22 | 1999-11-10 | 株式会社日立製作所 | 自動車総合制御装置 |
| JPH0785280B2 (ja) * | 1992-08-04 | 1995-09-13 | タカタ株式会社 | 神経回路網による衝突予測判定システム |
| JPH0694116A (ja) * | 1992-09-08 | 1994-04-05 | Hitachi Ltd | 自動変速制御装置 |
| JPH06131009A (ja) * | 1992-10-20 | 1994-05-13 | Fujitsu Ltd | フィードバック制御装置 |
| US5394327A (en) * | 1992-10-27 | 1995-02-28 | General Motors Corp. | Transferable electronic control unit for adaptively controlling the operation of a motor vehicle |
| US5532929A (en) * | 1992-12-16 | 1996-07-02 | Toyota Jidosha Kabushiki Kaisha | Apparatus for controlling vehicle driving power |
| JP3345930B2 (ja) * | 1993-01-06 | 2002-11-18 | 日産自動車株式会社 | アクティブコントロール装置 |
| US5477825A (en) * | 1993-02-26 | 1995-12-26 | Toyota Jidosha Kabushiki Kaisha | Driving power control apparatus for vehicle |
| US5454358A (en) * | 1993-02-26 | 1995-10-03 | Toyota Jidosha Kabushiki Kaisha | Driving power control apparatus for internal combustion engine |
| EP0646880B1 (en) * | 1993-09-30 | 2000-07-05 | Koninklijke Philips Electronics N.V. | Dynamic neural net |
| DE69425100T2 (de) * | 1993-09-30 | 2001-03-15 | Koninkl Philips Electronics Nv | Dynamisches neuronales Netzwerk |
| JPH07127517A (ja) * | 1993-11-05 | 1995-05-16 | Aisin Aw Co Ltd | スロットル開度センサ特性の自動補正方法 |
| US5495415A (en) * | 1993-11-18 | 1996-02-27 | Regents Of The University Of Michigan | Method and system for detecting a misfire of a reciprocating internal combustion engine |
| US5445125A (en) * | 1994-03-16 | 1995-08-29 | General Motors Corporation | Electronic throttle control interface |
| TW284866B (ja) * | 1994-07-08 | 1996-09-01 | Philips Electronics Nv | |
| DE19517198C1 (de) * | 1995-05-11 | 1996-10-10 | Samson Ag | Verfahren zur Führung der Hubstellung eines Stellgliedes |
| DE19520605C1 (de) * | 1995-06-06 | 1996-05-23 | Daimler Benz Ag | Verfahren und Einrichtung zur Regelung des Verbrennungsablaufs bei einem Otto-Verbrennungsmotor |
| US5745653A (en) * | 1996-02-05 | 1998-04-28 | Ford Global Technologies, Inc. | Generic neural network training and processing system |
| US5781700A (en) * | 1996-02-05 | 1998-07-14 | Ford Global Technologies, Inc. | Trained Neural network air/fuel control system |
| US6092018A (en) * | 1996-02-05 | 2000-07-18 | Ford Global Technologies, Inc. | Trained neural network engine idle speed control system |
| US6021369A (en) * | 1996-06-27 | 2000-02-01 | Yamaha Hatsudoki Kabushiki Kaisha | Integrated controlling system |
| JP3703117B2 (ja) * | 1996-07-10 | 2005-10-05 | ヤマハ発動機株式会社 | モデルベース制御方法および装置 |
| JPH10122017A (ja) * | 1996-10-14 | 1998-05-12 | Yamaha Motor Co Ltd | エンジン制御方式 |
| US5806013A (en) * | 1997-08-29 | 1998-09-08 | Echlin, Inc. | Control of engine fuel delivery using an artificial neural network in parallel with a feed-forward controller |
| US6405122B1 (en) | 1997-10-14 | 2002-06-11 | Yamaha Hatsudoki Kabushiki Kaisha | Method and apparatus for estimating data for engine control |
| US6466859B1 (en) * | 1998-06-04 | 2002-10-15 | Yamaha Motor Co Ltd | Control system |
| US6728380B1 (en) | 1999-03-10 | 2004-04-27 | Cummins, Inc. | Adaptive noise suppression system and method |
| JP3830319B2 (ja) * | 1999-12-16 | 2006-10-04 | 株式会社デンソー | 回転角度検出センサの温度特性調整方法 |
| DE10110184A1 (de) * | 2001-03-02 | 2002-09-12 | Powitec Intelligent Tech Gmbh | Verfahren zur Regelung eines Verbrennungsprozesses |
| US20030009240A1 (en) * | 2001-04-20 | 2003-01-09 | Honda Giken Kogyo Kabushiki Kaisha | Control system for plant |
| US6636783B2 (en) * | 2001-06-05 | 2003-10-21 | Honda Giken Kogyo Kabushiki Kaisha | Control system for throttle valve actuating device |
| US20030175584A1 (en) * | 2002-03-14 | 2003-09-18 | Electric Fuel Ltd. | Battery pack holder for metal-air battery cells |
| US7169489B2 (en) * | 2002-03-15 | 2007-01-30 | Fuelsell Technologies, Inc. | Hydrogen storage, distribution, and recovery system |
| US20030234010A1 (en) * | 2002-06-25 | 2003-12-25 | Redmond Scott D. | Methods and apparatus for converting internal combustion engine (ICE) vehicles to hydrogen fuel |
| US20070233326A1 (en) * | 2006-03-31 | 2007-10-04 | Caterpillar Inc. | Engine self-tuning methods and systems |
| JP5560275B2 (ja) * | 2009-07-03 | 2014-07-23 | 本田技研工業株式会社 | 内燃機関の吸気制御装置 |
| JP5442551B2 (ja) * | 2010-07-20 | 2014-03-12 | 本田技研工業株式会社 | 触媒温度予測装置 |
| CN106401757B (zh) * | 2015-07-28 | 2019-07-05 | 长城汽车股份有限公司 | 发动机的断缸模式实现方法、系统及车辆 |
| JP7222363B2 (ja) * | 2020-01-07 | 2023-02-15 | トヨタ自動車株式会社 | エアフロメータの異常診断装置 |
| US11459962B2 (en) * | 2020-03-02 | 2022-10-04 | Sparkcognitton, Inc. | Electronic valve control |
| US11434839B2 (en) * | 2020-12-30 | 2022-09-06 | Tula Technology, Inc. | Use of machine learning for detecting cylinder intake and/or exhaust valve faults during operation of an internal combustion engine |
| WO2022150404A1 (en) | 2021-01-11 | 2022-07-14 | Tula Technology Inc. | Exhaust valve failure diagnostics and management |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0672563B2 (ja) * | 1986-04-28 | 1994-09-14 | マツダ株式会社 | エンジンのスロツトル弁制御装置 |
| GB8629346D0 (en) * | 1986-12-09 | 1987-01-21 | Lucas Ind Plc | Engine control |
| US4868755A (en) * | 1987-05-18 | 1989-09-19 | Texas Instruments Incorporated | Expert vehicle control system |
| JP2581782B2 (ja) * | 1988-11-28 | 1997-02-12 | 日産自動車株式会社 | 自動変速機の変速制御装置 |
| US5041976A (en) * | 1989-05-18 | 1991-08-20 | Ford Motor Company | Diagnostic system using pattern recognition for electronic automotive control systems |
-
1989
- 1989-11-15 JP JP1296591A patent/JP2764832B2/ja not_active Expired - Fee Related
-
1990
- 1990-11-15 US US07/614,194 patent/US5200898A/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| US5200898A (en) | 1993-04-06 |
| JPH03156601A (ja) | 1991-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2764832B2 (ja) | 車両制御方法 | |
| US5410477A (en) | Control system for an automotive vehicle having apparatus for predicting the driving environment of the vehicle | |
| US5510982A (en) | Automatic automobile transmission with variable shift pattern controlled in response to estimated running load | |
| CN108944930B (zh) | 一种基于lstm的模拟驾驶员特性的自动跟车方法及系统 | |
| US4982805A (en) | Constant-speed cruise control apparatus for a vehicle | |
| KR100420442B1 (ko) | 자동변속기의변속비변화결정시스템 | |
| US5758306A (en) | Vehicle cruise control system | |
| EP0006033B2 (en) | Electric control method and apparatus for automatic transmissions | |
| JPH04131561A (ja) | 車両の走行条件認識装置 | |
| JP3265752B2 (ja) | 自動変速機の制御装置 | |
| US6098012A (en) | Neural network based transient fuel control method | |
| EP0315171B1 (en) | Apparatus and method of electronically controlling engine | |
| JPH0477822B2 (ja) | ||
| EP0168540B1 (en) | Apparatus for controlling continuously variable transmission used in vehicle | |
| JPH10159957A (ja) | 自動変速機の変速制御装置および変速制御方法 | |
| US4967357A (en) | Constant speed holding apparatus | |
| JP3107752B2 (ja) | 車両の運転指向推定装置および車両の駆動力制御装置 | |
| USRE39684E1 (en) | Automatic automobile transmission with variable shift pattern controlled in response to estimated running load | |
| US5454358A (en) | Driving power control apparatus for internal combustion engine | |
| JP4935065B2 (ja) | 車両用駆動力制御装置 | |
| JP3418414B2 (ja) | 内燃機関のトルク制御方法及びトルク制御装置 | |
| JP3066517B2 (ja) | シフトパターン連続可変式変速制御装置 | |
| JPH05116558A (ja) | 車両用定速走行装置 | |
| JP2900747B2 (ja) | 車両用自動変速制御装置 | |
| JPH08150949A (ja) | 車両の走行制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |