JP2959920B2 - 車両の駆動力制御装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、車両の加速度が運転
者の要求する加速度となるように駆動力を制御するよう
にした車両の駆動力制御装置に関するものである。

【０００２】

【従来の技術】一般に、車両に対しては、様々な環境条
件の下での走行が要求されると共に、個々の運転者によ
る種々の運転操作がなされる。そして、車両の挙動につ
いては、運転者の意図する応答性と円滑性が要求され
る。従来より、車両の駆動力に関わる挙動については、
例えば内燃機関を搭載した車両において、運転者による
アクセルペダルの踏込量に応じて制御が行われることが
知られている。

【０００３】例えば、先に本願出願人により提案された
特願平３−８０１０３号では、内燃機関を搭載した車両
において、リンクレスタイプのスロットルバルブの開度
（スロットル開度）が、運転者によるアクセルペダルの
踏込量（アクセルストローク）に応じて制御されるよう
になっている。ここで、アクセルストロークに対応した
目標加速度を決定するためのデータは、マップとして予
めバックアップＲＡＭに記憶されている。そして、車両
の実際の加速度がマップより決定される目標加速度とな
るように、スロットル開度が制御され、もって車両の駆
動力が制御される。又、この提案技術では、アクセルス
トロークの変化と実際の加速度とが運転者の加速度要求
度合いの変化として検知され、その検知された加速度要
求度合いと、上記のマップより決定される目標加速度と
の偏差が最小となるように、そのマップのデータが修正
されてバックアップＲＡＭに記憶し直されるようになっ
ている。数学的には、目標加速度に関する補正（修正）
が上記の偏差に応じてなされることにより、マップの書
き替えが行われる。つまり、アクセルストロークに対応
する目標加速度のデータが学習されるのである。

【０００４】従って、上記のように目標加速度のデータ
が、運転者の加速度要求度合いに合致するように学習さ
れることから、常に運転者の特性に合った目標加速度が
決定されることになった。その結果、運転者の意識状態
や運転環境に関係なく、常に運転者の特性に適した駆動
力が得られ、良好な運転性能が得られることになった。

【０００５】しかしながら、上記の提案技術では、目標
加速度のデータの学習としては、単にデータが補正（修
正）されてマップの書き替えが行われているだけであっ
た。そして、マップの書き替えについては、その時々で
アクセルストロークのある点、或いはある範囲について
のみ、目標加速度のデータが学習されるだけであった。
従って、特定の運転領域についてのみ目標加速度が補正
（修正）されるだけとなり、書き替えられたマップに領
域的な偏りが生じることになった。その結果、書き替え
られたマップで、アクセルストロークに対する目標加速
度の関係が部分的に不連続となり、車両の駆動力の制御
がアクセルストロークの変化に対して部分的に不連続な
ものとなる傾向があった。

【０００６】そこで、上記の不具合に対処することを狙
って、新たな技術が本願出願人により特願平４−３３６
３２３号に提案された。この提案技術では、ニューラル
ネットワーク技術を利用してマップの学習制御が行われ
るようになっている。ここでは、車両の走りに対する運
転者の要求が、その時々に加速度センサより得られる実
際の加速度から「要求加速度モデル」として推定され、
その「要求加速度モデル」に基づき「スロットル感度モ
デル」が変更されてスロットル感度が決定されている。
又、その決定されたスロットル感度とアクセルストロー
クとの積から求められる目標スロットル開度と、実際の
スロットル開度とが一致するように、エンジンのスロッ
トルバルブが開閉制御されるようになっている。

【０００７】従って、上記のようにニューラルネットワ
ーク技術を利用してマップの学習制御が行われることか
ら、アクセルストロークの全範囲に対する加速度及びス
ロットル開度の関係の全体が不連続とならず、エンジン
駆動力の制御を運転者によるアクセルストロークの全範
囲に渡って連続的なものとすることができることになっ
た。

【０００８】

【発明が解決しようとする課題】ところが、前記後者の
新たな提案技術では、車両の前進又は後退の区別なく、
実際の加速度に基づいて学習制御が実行されることによ
り、スロットル感度が決定されるようになっている。そ
のため、車両を後退させた場合に、運転者の意図を車両
の駆動力の制御に反映させる上で、アクセルコントロー
ル性の悪いものになるおそれがあった。例えば、車両を
前方へ急発進させた場合には、スロットル感度が上がる
ことになり、アクセルストロークに対する車速及び加速
度の変化が大きくなる。従って、その急発進直後に車両
を後退させた場合には、後退の初期で高いスロットル感
度でスロットルバルブが開閉制御されることになり、ア
クセルストロークに対する車両の挙動が運転者の意図に
反して大きくなってしまうおそれがあった。逆に、車両
を緩やかに前方へ発進させた場合には、スロットル感度
が下がることになり、アクセルストロークに対する車速
及び加速度の変化が小さくなる。従って、その緩やかな
発進の直後に車両を後退させた場合には、後退の初期で
低いスロットル感度でスロットルバルブが開閉制御され
ることになり、車両を速やかに後退させようとしても、
運転者の意図に反して加速応答性が鈍くなってしまうお
それがあった。更には、加速度センサより得られる加速
度は車両の前後方向のそれであることから、車両の後退
時にはマイナスの加速度に基づき学習が行われることに
なり、スロットル感度が必要以上に下がり過ぎてしまう
おそれがあった。上記のような不具合により、車両の後
退時には良好な運転性能を確保が充分でなくなるおそれ
があった。

【０００９】この発明は前述した事情に鑑みてなされた
ものであって、その目的は、運転者の意識状態や運転環
境にかかわりなく常に運転者の特性に合った駆動力の制
御を実現すると共に、駆動力の制御を運転者によるアク
セルペダル等の操作量の全範囲に渡って連続的なものと
することが可能で、併せて車両の後退時にも良好な運転
性能を確保することの可能な車両の駆動力制御装置を提
供することにある。

【００１０】

【課題を解決するための手段】上記の目的を達成するた
めに、この発明においては、図１に示すように、車両Ｍ
１に搭載された駆動源Ｍ２の制御量を変更するための制
御量変更手段Ｍ３と、駆動源Ｍ２の出力を任意に制御す
るために運転者により操作される出力操作手段Ｍ４と、
その出力操作手段Ｍ４の操作量を検出するための操作量
検出手段Ｍ５とを備え、操作量検出手段Ｍ５の検出結果
に応じて制御量変更手段Ｍ３を駆動させることにより駆
動源Ｍ２の出力を制御して車両Ｍ１の駆動力を制御する
ようにした車両の駆動力制御装置において、車両Ｍ１の
加速度を検出するための加速度検出手段Ｍ６と、車両Ｍ
１の速度を検出するための速度検出手段Ｍ７と、加速度
検出手段Ｍ６の検出により得られる加速度を比較すべき
教師データとして、その教師データと当該手段Ｍ８の出
力との偏差を誤差信号とし、その誤差分が小さくなるよ
うに、出力操作手段Ｍ４の操作量及び速度検出手段Ｍ７
の検出により得られる速度に対する車両Ｍ１の加速度の
関係を、運転者の要求する加速度モデルとして学習する
ための要求加速度モデル学習手段Ｍ８と、加速度検出手
段Ｍ６の検出により得られる加速度と要求加速度モデル
学習手段Ｍ８により学習される加速度モデルの出力との
偏差を誤差信号として、その誤差分が小さくなるよう
に、出力操作手段Ｍ４の操作量及び速度検出手段Ｍ７の
検出により得られる速度に対する駆動源Ｍ２の制御量の
関係を、制御量感度モデルとして学習するための制御量
感度モデル学習手段Ｍ９と、その制御量感度モデル学習
手段Ｍ９により学習される制御量感度モデルの出力を参
照データとして、その参照データに基づき操作量検出手
段Ｍ５により検出される操作量に応じて制御量変更手段
Ｍ３の駆動を制御する駆動制御手段Ｍ１０と、車両Ｍ１
の後退状態を検出するための後退状態検出手段Ｍ１１
と、その後退状態検出手段Ｍ１１の検出結果に基づき車
両Ｍ１の後退状態と判断したときに、駆動制御手段Ｍ１
０において制御量変更手段Ｍ３の駆動を制御するために
使用される参照データを、制御量感度モデルの出力に代
わって、後退に適した値として別途に設定された参照デ
ータに変更するための参照データ変更手段Ｍ１２とを備
えたことを趣旨としている。

【００１１】

【作用】上記の構成によれば、図１に示すように、加速
度検出手段Ｍ６の検出により得られる加速度は、要求加
速度モデル学習手段Ｍ８において、比較すべき教師デー
タとして用いられる。つまり、車両Ｍ１の実際の加速度
が、運転者の要求する加速度として比較に用いられる。
そして、要求加速度モデル学習手段Ｍ８では、その教師
データと当該手段Ｍ８の出力との偏差が小さくなるよう
に、即ち、運転者の要求する加速度と要求加速度モデル
の出力との偏差が小さくなるように、出力操作手段Ｍ４
の操作量及び速度検出手段Ｍ７の検出により得られる速
度に対する車両Ｍ１の加速度の関係が、運転者の要求す
る加速度モデルとして学習される。又、制御量感度モデ
ル学習手段Ｍ９では、同じく加速度検出手段Ｍ６の検出
により得られる加速度と、上記のように学習される加速
度モデルの出力との偏差が誤差信号として用いられる。
そして、制御量感度モデル学習手段Ｍ９では、上記の誤
差信号の誤差分が小さくなるように、即ち、車両Ｍ１の
加速度と加速度モデルの出力との偏差が小さくなるよう
に、出力操作手段Ｍ４の操作量及び車両Ｍ１の速度に対
する駆動源Ｍ２の制御量の関係が、制御量感度モデルと
して学習される。そして、駆動制御手段Ｍ１０では、上
記のように学習される制御量感度モデルの出力が参照デ
ータとして用いられ、その参照データに基づき、運転者
の操作による出力操作手段Ｍ４の操作量に応じて制御量
変更手段Ｍ３の駆動が制御される。これにより、駆動源
Ｍ２の出力が制御され、もって車両Ｍ１の駆動力が制御
される。

【００１２】従って、この発明によれば、常に運転者の
要求に応じた加速度モデルが得られ、その加速度モデル
に対応して制御量感度モデルが得られる。そして、常に
運転者の要求に合った加速度をもって、駆動源Ｍ２の制
御量が制御される。又、この発明によれば、出力操作手
段Ｍ４の操作量及び車両Ｍ１の速度に対する車両Ｍ１の
加速度の関係の全体が連続的なモデルとして学習され、
出力操作手段Ｍ４の操作量及び車両Ｍ１の速度に対する
駆動源Ｍ２の制御量の関係の全体が連続的なモデルとし
て学習される。そのため、車両Ｍ１の速度の全範囲につ
いて、出力操作手段Ｍ４の操作量の全範囲に対する加速
度及び制御量の関係が部分的に不連続となることはな
い。

【００１３】一方、後退状態検出手段Ｍ１１では、車両
Ｍ１の後退状態が検出される。そして、参照データ変更
手段Ｍ１２では、その検出結果に基づき車両Ｍ１の後退
状態と判断したときに、駆動制御手段Ｍ１０において制
御量変更手段Ｍ３の駆動を制御するために使用される参
照データが、参照データ変更手段Ｍ１２により変更され
る。即ち、制御量感度モデルの出力に代わって、後退に
適した値として別途に設定された参照データに変更され
る。

【００１４】従って、車両Ｍ１が後退状態である場合に
は、前進の加速走行時に学習された制御量感度モデルの
出力に代わって、後退に適した参照データに基づき、出
力操作手段Ｍ４の操作量に応じて制御量変更手段Ｍ３の
駆動が制御される。このため、車両Ｍ１の後退時には、
駆動源Ｍ２の出力制御に要する出力操作手段Ｍ４の操作
が、運転者にとって後退に適したものとなる。

【００１５】

【実施例】以下、この発明における車両の駆動力制御装
置を具体化した一実施例を図２〜図１２に基づいて詳細
に説明する。

【００１６】図２はこの実施例における車両の駆動力制
御装置を概略的に示す構成図である。車両１には駆動源
としてのガソリンエンジン（以下単に「エンジン」とい
う。）２が搭載されている。エンジン２は複数気筒の直
列型となっている。エンジン２の吸気通路３には外気が
取り込まれ、図示しないインジェクタから噴射される燃
料が供給される。そして、エンジン２の図示しない各燃
焼室には、吸気通路３を通じて外気と燃料との混合気が
取り込まれる。更に、各燃焼室に取り込まれた混合気
が、図示しない各点火プラグの作動により爆発・燃焼さ
れることにより、図示しないピストン及びクランクシャ
フト等が作動してエンジン２の出力が得られる。又、エ
ンジン２の各燃焼室で燃焼された後の既燃焼ガスは、排
気通路４を通じて外部へと排出される。

【００１７】この実施例で、車両１はフロントエンジン
・リヤドライブ方式（ＦＲ方式）のものであり、エンジ
ン２のクランクシャフトは、図示しないトランスミッシ
ョン、プロペラシャフト、ディファレンシャルギヤ及び
ドライブシャフト等を介して、駆動輪である左右一対の
後輪５に駆動連結されている。又、従動輪である左右一
対の前輪６は、運転席に設けられた図示しないステアリ
ングホイールの操作に連動する操舵輪となっている。

【００１８】この実施例において、吸気通路３の途中に
は、制御量変更手段を構成するリンクレスタイプのスロ
ットルバルブ７が設けられている。即ち、スロットルバ
ルブ７は、その近傍に設けられた直流モータ８に連結さ
れている。そして、直流モータ８の作動により、エンジ
ン２の制御量としてのスロットルバルブ７の開度、即ち
スロットル開度Ｔｈが制御される。これにより、吸気通
路３を通じてエンジン２の各燃焼室へ取り込まれる空気
量が調整され、この空気量の調整により、エンジン２の
出力が制御される。

【００１９】スロットルバルブ７の近傍には、スロット
ルセンサ９が設けられている。このスロットルセンサ９
では、スロットル開度Ｔｈが検出され、それに応じた信
号が出力される。又、車両１の運転席には、出力操作手
段としてのアクセルペダル１０が設けられている。この
アクセルベダル１０は、エンジン２の出力を任意に制御
するために、運転者ＤＲにより操作されるものである。
又、アクセルペダル１０の近傍には、操作量検出手段と
してのアクセルセンサ１１が設けられている。このアク
セルセンサ１１では、アクセルペダル１０の操作量、即
ちアクセルストロークＳが検出され、それに応じた信号
が出力される。更に、車両１のほぼ中央には、加速度検
出手段を構成する周知の加速度センサ１２が設けられて
いる。この加速度センサ１２では、車両１の前後方向の
加速度Ｇが検出され、それに応じた信号が出力される。
加えて、前輪６には速度検出手段を構成する周知の車速
センサ１３が設けられている。この車速センサ１３で
は、前輪６の回転数に応じて車両１の速度、即ち車速Ｖ
が検出され、それに応じた信号が出力される。

【００２０】加えて、車両１の運転席には周知のシフト
レバー１４が設けられている。この実施例において、上
記のトランスミッションはオートマチックのそれであ
り、シフトレバー１４はそのトランスミッションのシフ
ト位置ＳＰを任意に切り換えるために、運転者ＤＲによ
り操作される。この実施例では、シフトレバー１４の操
作により、トランスミッションのシフト位置ＳＰが「パ
ーキングレンジ（Ｐ）」、「リバースレンジ（Ｒ）」、
「ニュートラルレンジ（Ｎ）」及び「ドライブレンジ
（Ｄ）」等に切り換え可能となっている。ここで、「パ
ーキングレンジ（Ｐ）」は駐車のために使用されるもの
である。「リバースレンジ（Ｒ）」は車両１を後退させ
るために使用されるものである。「ニュートラルレンジ
（Ｎ）」は停車のために使用されるものである。又、そ
れ以外の「ドライブレンジ（Ｄ）」等は、車両１の前進
のために使用されるものである。又、シフトレバー１４
の近傍には、後退状態検出手段としてのシフト位置セン
サ１５が設けられている。このシフト位置センサ１５で
は、シフトレバー１４の操作により切り換えられる各シ
フト位置ＳＰが検出され、それに応じた信号が出力され
る。

【００２１】そして、この実施例では、スロットルバル
ブ７を運転者ＤＲの要求に応じて好適に開閉制御するた
めに、スロットルコンピュータ２１及びニューロコンピ
ュータ２２が設けられている。スロットルコンピュータ
２１は駆動制御手段を構成しており、スロットルコンピ
ュータ２１には、直流モータ８及びスロットルセンサ９
がそれぞれ電気的に接続されている。又、ニューロコン
ピュータ２２は要求加速度モデル学習手段、制御量感度
モデル学習手段：ＲＡＥＬ状態検出手段及び参照データ
変更手段を構成しており、ニューラルネットワークの技
術を適用して構成されている。このニューロコンピュー
タ２２には、アクセルセンサ１１、加速度センサ１２、
車速センサ１３及びシフト位置センサ１５がそれぞれ電
気的に接続されている。又、ニューロコンピュータ２２
とスロットルコンピュータ２１とは互いに電気的に接続
されている。

【００２２】図３はスロットルコンピュータ２１及びニ
ューロコンピュータ２２の電気的構成を示すブロック図
である。ニューロコンピュータ２２は、カウンタの機能
を兼ね備えた中央処理装置（ＣＰＵ）２３、所定の学習
制御プログラム等を予め記憶した読み出し専用メモリ
（ＲＯＭ）２４、ＣＰＵ２３の演算結果等を一時記憶す
るランダムアクセスメモリ（ＲＡＭ）２５、予め記憶さ
れたデータを保存するバックアップＲＡＭ２６等を備え
ている。そして、ニューロコンピュータ２２は、それら
各部２３〜２６と外部入出力回路２７等がバス２８によ
って接続された論理演算回路として構成されている。外
部入出力回路２７には、前述したアクセルセンサ１１、
車速センサ１３及びシフト位置センサ１５がそれぞれ接
続されている。又、外部入出力回路２７には、ローパス
フィルタ２９を介して加速度センサ１２が接続されてい
る。このローパスフィルタ２９は、加速度センサ１２の
検出信号のうち、基準となる所定の遮断周波数より低い
周波数の信号は自由に通し、高い周波数には大きな減衰
を与えるようになっている。併せて、外部入出力回路２
７には、前記したスロットルコンピュータ２１が接続さ
れている。又、ＲＯＭ２４には、ニューラルネットワー
ク技術を利用した学習制御プログラム等が予め記憶され
ている。

【００２３】そして、ＣＰＵ２３は、外部入出力回路２
７等を介して入力される各センサ１１〜１３，１５から
の各種信号を入力値として読み込む。ＣＰＵ２３は、そ
れら入力値に基づき、ＲＯＭ２４に記憶されている学習
制御プログラムに従い、運転者ＤＲの要求する「要求加
速度モデル」と、それに応じた制御量感度モデルとして
の「スロットル感度モデル」の学習制御を実行する。そ
して、ＣＰＵ２３はその学習結果を外部入出力回路２７
を介してスロットルコンピュータ２１へ出力する。或い
は、ＣＰＵ２３は、車両１が「後退状態」、「駐車状
態」又は「停車状態」であると判断したときには、学習
制御を解除すると共に、上記の学習結果に代わって、後
退、停車等に適した値として別途に予め設定されている
設定値を外部入出力回路２７を介してスロットルコンピ
ュータ２１へ出力する。

【００２４】一方、スロットルコンピュータ２１はニュ
ーロコンピュータ２２と基本的に同じ構成をなしてお
り、ＣＰＵ３０、ＲＯＭ３１、ＲＡＭ３２、バックアッ
プＲＡＭ３３、外部入出力回路３４及びバス３５等によ
って構成されている。外部入出力回路３４には、前述し
た直流モータ８、スロットルセンサ９及びニューロコン
ピュータ２２がそれぞれ接続されている。又、ＲＯＭ３
１には、ニューロコンピュータ２２の学習結果、或いは
別途に設定された設定値に基づきスロットルバルブ７の
開閉を制御するためのスロットル開度制御プログラムが
予め記憶されている。

【００２５】そして、ＣＰＵ３０は、ニューロコンピュ
ータ２２から外部入出力回路３４を介して入力される学
習結果のデータを入力値として読み込む。又、ＣＰＵ３
０は、スロットルセンサ９からの信号を入力値として読
み込む。又、ＣＰＵ３０は、それら入力値に基づき、Ｒ
ＯＭ３１に記憶されているスロットル開度制御プログラ
ムに従い直流モータ８を好適に制御する。

【００２６】ここで、ニューロコンピュータ２２に適用
されているニューラルネットワーク技術の概念的な構成
を図４（ａ），（ｂ）に従って説明する。この実施例に
おけるニューラルネットワークは、図４（ａ），（ｂ）
に示すように、二つの多層型ニューラルネットワークを
備えている。各多層型ニューラルネットワークは、基本
的には同じ構成をなしており、２個のニューロンｎ１よ
りなる「入力層」と、２〜１０個のニューロンｎ２より
なる「中間層」と、１個のニューロンｎ３よりなる「出
力層」とを備えている。又、各層の間で各ニューロンｎ
１，ｎ２，ｎ３がシナプスｓｐにより結合されている。
各多層型ニューラルネットワークにおいて、信号は「入
力層」から「中間層」、「中間層」から「出力層」へ向
かって一方向へ流れる。各層のニューロンｎ１，ｎ２，
ｎ３では、前の層から受け取った信号に基づいて状態が
決定され、次の層へと信号が伝えられる。そして、各多
層型ニューラルネットワークの出力結果は、「出力層」
のニューロンｎ３の状態値として得られる。

【００２７】ここで、図４（ａ）に示す多層型ニューラ
ルネットワークは、「入力層」の各ニューロンｎ１に、
アクセルセンサ１１により検出されるアクセルストロー
クＳ、車速センサ１３により検出される車速Ｖがそれぞ
れ入力される。又、「出力層」のニューロンｎ３から得
られる出力、即ち要求加速度モデル出力Ｇｘは、加速度
センサ１２の検出により得られる車両１の加速度Ｇを
「教師データ」として、その「教師データ」と比較され
る。そして、その比較による加速度偏差ΔＧ（＝Ｇ−Ｇ
ｘ）を「誤差信号」とし、その誤差分が小さくなる方向
へ全てのニューロンｎ１，ｎ２，ｎ３のシナプスｓｐの
「重み係数」が修正される。つまり、車両１の加速度Ｇ
を運転者ＤＲの要求する加速度とし、その加速度Ｇを比
較すべき「教師データ」としている。そして、その「教
師データ」との偏差が小さくなるように、アクセルスト
ロークＳ及び車速Ｖに対する加速度Ｇの関係が、運転者
ＤＲの要求する「要求加速度モデル」として学習され
る。そして、この多層型ニューラルネットワークの出力
結果は、要求加速度モデル出力Ｇｘとして得られる。即
ち、「要求加速度モデル」は図５に示すような特性とし
て、要求加速度モデル出力Ｇｘが加速度Ｇに近づく方向
に学習される。

【００２８】一方、図４（ｂ）に示す多層型ニューラル
ネットワークは、「入力層」の各ニューロンｎ１に、上
記と同じくアクセルストロークＳ、車速Ｖがそれぞれ入
力される。又、「出力層」のニューロンｎ３から得られ
る出力結果、即ちスロットル感度モデル出力Ｔｈｘは、
加速度Ｇと上記の要求加速度モデル出力Ｇｘとの間の加
速度偏差ΔＧを「誤差信号」として学習が行われ、全て
のニューロンｎ１，ｎ２，ｎ３のシナプスｓｐの「重み
係数」が修正される。つまり、加速度偏差ΔＧを「誤差
信号」とし、その誤差分が小さくなるように、アクセル
ストロークＳ及び車速Ｖに対するスロットル開度Ｔｈの
関係が、運転者ＤＲの要求する「スロットル感度モデ
ル」として学習される。そして、この多層型ニューラル
ネットワークの出力結果は、スロットル感度モデル出力
Ｔｈｘとして得られる。即ち、「スロットル感度モデ
ル」は図６に示すような特性として学習される。

【００２９】上記のようなニューラルネットワークの概
念的な構成は、あくまでも便宜的に説明されたものであ
り、ニューラルネットワークの実体は、ニューロコンピ
ュータ２２のＲＯＭ２４に予め記憶されている学習制御
プログラムにある。そして、ニューラルネットワーク
は、その学習制御プログラムにおける数学的な演算の上
に成り立っており、学習方法としては一般に知られてい
る「誤差逆伝搬学習アルゴリズム」が適用されている。
この実施例では、最終的には図７に示すような、アクセ
ルストロークＳに対するスロットル感度Ｔｈｇの関係の
特性を求めるために、学習制御プログラムが作成されて
いる。

【００３０】次に、ニューロコンピュータ２２におい
て、上記のようなニューラルネットワーク技術を用いて
実行される「要求加速度モデル」及び「スロットル感度
モデル」等の学習のための処理動作について説明する。
図８及び図９はニューロコンピュータ２２により実行さ
れる学習制御プログラムの「学習制御ルーチン」を示す
フローチャートである。このルーチンの処理は開始され
た後、一定の周期、例えば「０．１秒」の時間間隔をも
って周期的に実行される。

【００３１】このルーチンの処理が開始されると、ステ
ップ１０１において、アクセルセンサ１１、加速度セン
サ１２、車速センサ１３及びシフト位置センサ１５から
の各種信号に基づき、アクセルストロークＳ、車速Ｖ、
加速度Ｇ及びシフト位置ＳＰをそれぞれ読込む。

【００３２】続いて、ステップ１０２において、アクセ
ルストロークＳよりアクセルストローク変化分ΔＳを、
車速Ｖより車速変化分ΔＶを、加速度Ｇより加速度変化
分ΔＧｔをそれぞれ演算する。ここで、アクセルストロ
ーク変化分ΔＳは、アクセルストロークＳに関する今回
と前回との読み込み値の差により求められる。同様に、
車速変化分ΔＶ、加速度変化分ΔＧｔも、車速Ｖ、加速
度Ｇに関する今回と前回との読み込み値の差により求め
られる。

【００３３】次に、ステップ１０３において、今回読み
込まれたシフト位置ＳＰが「ニュートラルレンジ
（Ｎ）」又は「パーキングレンジ（Ｐ）」であるか否か
を判断する。ここで、シフト位置ＳＰが「ニュートラル
レンジ（Ｎ）」又は「パーキングレンジ（Ｐ）」である
場合には、「停車状態」又は「駐車状態」であるものと
して、それに応じた処理（後述する）を実行するため
に、ステップ１１６へ移行する。

【００３４】又、ステップ１０３において、シフト位置
ＳＰが「ニュートラルレンジ（Ｎ）」又は「パーキング
レンジ（Ｐ）」でない場合には、ステップ１０４におい
て、シフト位置ＳＰが「リバースレンジ（Ｒ）」である
か否かを判断する。ここで、シフト位置ＳＰが「リバー
スレンジ（Ｒ）」である場合には、車両１の「後退状
態」であるものとして、それに応じた処理（後述する）
を実行するために、ステップ１１５へ移行する。

【００３５】一方、ステップ１０４において、シフト位
置ＳＰが「リバースレンジ（Ｒ）」でない場合には、シ
フト位置ＳＰが車両１を前進させるための「ドライブレ
ンジ（Ｄ）」等であるものとして、それに応じた処理を
実行するために、ステップ１０５へ移行する。

【００３６】ステップ１０５においては、スロットル感
度Ｔｈｇを求めるための学習開始であるか否か、即ち学
習開始条件が成立したか否かを判断する。この実施例で
は、アクセルストローク変化分ΔＳの絶対値及び車速Ｖ
のそれぞれが任意の設定値よりも大きい場合に、学習開
始と判断するようにしている。そして、学習開始である
場合には、ステップ１０６へ移行し、学習開始フラグＦ
を「１」にセットしてステップ１０７へ移行する。又、
学習開始でない場合には、そのままステップ１０７へ移
行する。

【００３７】ステップ１０７においては、学習継続中で
あるか否かを判断する。この実施例では、学習開始フラ
グＦが「１」で、且つ、後述する学習開始からのカウン
ト値ＴＣが任意の所定値よりも小さく、且つ、車速Ｖ及
びアクセルストロークＳのそれぞれが任意の設定値より
も大きい場合に、学習継続中と判断するようにしてい
る。そして、学習継続中でない場合には、学習を行わな
いものとしてステップ１２０へ移行する。又、学習継続
中である場合には、学習を行うものとして、ステップ１
０８へ移行する。

【００３８】ステップ１０８においては、カウンタによ
るカウント値ＴＣを「１」だけカウントアップする。次
に、ステップ１０９において、「スロットル感度モデ
ル」を実行する。即ち、今回読み込まれたアクセルスト
ロークＳと車速Ｖとを入力値として、既に学習済の「ス
ロットル感度モデル」の特性（図６を参照）からスロッ
トル感度モデル出力Ｔｈｘを求める。続いて、ステップ
１１０において、スロットル感度モデル出力Ｔｈｘよ
り、以下の計算式（１）に従ってスロットル感度Ｔｈｇ
を決定する。

【００３９】Ｔｈｇ＝α＋Ｔｈｘ＊Ｋ …（１） ここで、「α」は基準値であり、この実施例では「α＝
１．０」となっている。又、「Ｋ」は正の定数である。

【００４０】そして、ステップ１１１において、今回決
定されたスロットル感度ＴｈｇとアクセルストロークＳ
とをスロットルコンピュータ２１へ出力する。或いは、
スロットル感度ＴｈｇとアクセルストロークＳとの積、
即ち目標スロットル開度Ｔｈｇ・Ｓを求め、その目標ス
ロットル開度Ｔｈｇ・Ｓをスロットルコンピュータ２１
へ出力する。

【００４１】次に、ステップ１１２において、車両１の
加速度Ｇを「教師データ」として、運転者ＤＲの要求す
る「要求加速度モデル」の学習を実行する。つまり、加
速度センサ１２により検出される車両１の加速度Ｇを比
較すべき「教師データ」として、その「教師データ」と
の偏差が小さくなるように、アクセルストロークＳ及び
車速Ｖに対する加速度Ｇの関係を、運転者ＤＲの要求す
る「要求加速度モデル」として学習するのである。

【００４２】例えば、図５に実線で示す曲線が現在の
「要求加速度モデル」の特性であるとする。そして、運
転者ＤＲが現在より速く走るためにアクセルペダル１０
を操作して、車両１の加速度Ｇが現在の要求加速度モデ
ル出力Ｇｘよりも大きくなったとする。このときの加速
度Ｇが新しい要求加速度であり、「要求加速度モデル」
は図５に実線で示す曲線が破線で示す曲線のような特性
へと更新される。即ち、アクセルストロークＳ及び車速
Ｖに対する要求加速度モデル出力Ｇｘの関係の全体が連
続的なモデルとして学習される。そして、この特性は部
分的に不連続となることはない。

【００４３】尚、図５には車速Ｖが「０」のときの特性
が示されているが、「要求加速度モデル」では、アクセ
ルストロークＳの全範囲及び車速Ｖの全範囲と車両１の
加速度Ｇとの関係が学習されるようになっている。

【００４４】続いて、ステップ１１３においては、加速
度Ｇと上記の要求加速度モデル出力Ｇｘとの差を加速度
偏差ΔＧとして求める。又、ステップ１１４において
は、その加速度偏差ΔＧを「誤差信号」として、「スロ
ットル感度モデル」の学習を実行する。つまり、加速度
偏差ΔＧを「誤差信号」として、その誤差分が小さくな
るように、アクセルストロークＳ及び車速Ｖに対するス
ロットル開度Ｔｈの関係を、「スロットル感度モデル」
として学習するのである。

【００４５】例えば、図６に実線で示す直線を「スロッ
トル感度モデル」の初期値であるとする。そして、運転
者ＤＲが現在より速く走るためにアクセルペダル１０を
操作すると、車両１の加速度Ｇが大きくなり、要求加速
度モデル出力Ｇｘとの間で差が発生し、そのときの加速
度偏差ΔＧが求められる。そして、その加速度偏差ΔＧ
を「誤差信号」とし、その誤差分が小さくなるように学
習が行われると、そのときのスロットル感度モデル出力
Ｔｈｘが新しいスロットル感度モデル出力Ｔｈｘであ
り、「スロットル感度モデル」は図６に実線で示す初期
値から破線で示す曲線のような特性へと更新される。即
ち、アクセルストロークＳ及び車速Ｖに対するスロット
ル感度モデル出力Ｔｈｘの関係の全体が連続的なモデル
として学習される。そして、この特性は部分的に不連続
となることはない。

【００４６】このようにして、ニューラルネットワーク
の技術を用いた学習制御の処理が実行され、運転者ＤＲ
の要求する「要求加速度モデル」及び「スロットル感度
モデル」の特性がそれぞれ学習される。ここでは、その
時々に学習される「要求加速度モデル」及び「スロット
ル感度モデル」の特性としてのシナプスｓｐの「重み係
数」が、バックアップＲＡＭ２６に書き替えられて記憶
される。

【００４７】尚、車両１の工場出荷時における上記の
「重み係数」の初期値は、次のように決定される。先
ず、要求加速度モデルは、車両１が複数の運転者ＤＲに
より運転されたときの加速度Ｇが「教師データ」として
学習され、その学習結果の平均的な特性が初期値とされ
る。そして、スロットル感度モデルの「重み係数」は、
そのスロットル感度モデル出力Ｔｈｘが「０」になるよ
うに学習される。

【００４８】そして、ステップ１１４の処理を終了した
後、その後の処理を一旦終了し、処理開始から「０．１
秒」が経過すると、再びステップ１０１からの処理を開
始する。

【００４９】一方、ステップ１０７において、学習継続
中でない場合には、ステップ１２０へ移行し、学習開始
フラグＦを「０」にリセットする。次に、ステップ１２
１において、学習開始からのカウント値ＴＣを「０」に
リセットする。又、ステップ１２２において、ステップ
１０９と同様に「スロットル感度モデル」を実行する。
即ち、今回読み込まれたアクセルストロークＳと車速Ｖ
とを入力値として、既に学習済の「スロットル感度モデ
ル」の特性からスロットル感度モデル出力Ｔｈｘを求め
る。続いて、ステップ１２３において、ステップ１１０
と同様にスロットル感度モデル出力Ｔｈｘより、前述し
た計算式（１）に従ってスロットル感度Ｔｈｇを決定す
る。

【００５０】そして、ステップ１２４において、ステッ
プ１１１と同様に、今回決定されたスロットル感度Ｔｈ
ｇとアクセルストロークＳとをスロットルコンピュータ
２１へ出力する。或いは、スロットル感度Ｔｈｇとアク
セルストロークＳとの積、即ち目標スロットル開度Ｔｈ
ｇ・Ｓを求め、その目標スロットル開度Ｔｈｇ・Ｓをス
ロットルコンピュータ２１へ出力する。そして、その後
の処理を一旦終了し、処理開始から「０．１秒」が経過
すると、再びステップ１０１からの処理を開始する。

【００５１】一方、「停止状態」又は「駐車状態」であ
るものとして、ステップ１０３から移行してステップ１
１６においては、今回求められた加速度変化分ΔＧｔが
予め定められた任意の設定値αよりも大きいか否か、又
は車速変化分ΔＶが予め定められた任意の設定値βより
も大きいか否かを判断する。ここで、加速度変化分ΔＧ
ｔが設定値αよりも大きくない場合、又は車速変化分Δ
Ｖが設定値βよりも大きくない場合には、ステップ１１
７において、前回最後に学習により求められたスロット
ル感度Ｔｈｇを停車用スロットル感度ＴｈｇＮとして設
定する。或いは、ステップ１１６において、加速度変化
分ΔＧｔが設定値αよりも大きい場合、又は車速変化分
ΔＶが設定値βよりも大きい場合には、ステップ１１８
において、停車用スロットル感度ＴｈｇＮを「１．０」
に設定する。

【００５２】そして、ステップ１１７又はステップ１１
８から移行してステップ１１９においては、今回設定さ
れた停車用スロットル感度ＴｈｇＮとアクセルストロー
クＳとをスロットルコンピュータ２１へ出力する。或い
は、停車用スロットル感度ＴｈｇＮとアクセルストロー
クＳとの積、即ち停車用目標スロットル開度ＴｈｇＮ・
Ｓを求め、その目標スロットル開度ＴｈｇＮ・Ｓをスロ
ットルコンピュータ２１へ出力する。そして、その後の
処理を一旦終了し、処理開始から「０．１秒」が経過す
ると、再びステップ１０１からの処理を開始する。

【００５３】このようにして、「停車状態」又は「駐車
状態」におけるスロットル感度、或いは目標スロットル
開度の設定が行われる。一方、車両１の「後退状態」で
あるものとして、ステップ１０４から移行してステップ
１１５においては、前述したスロットル感度Ｔｈｇの学
習を解除した上で、上記のような学習により求められる
スロットル感度Ｔｈｇ或いは目標スロットル開度Ｔｈｇ
・Ｓに代わって、別途に設定された値をスロットルコン
ピュータ２１へ出力する。即ち、車両１の後退に適した
値として別途に設定された後退用スロットル感度Ｔｈｇ
ＲとアクセルストロークＳとをスロットルコンピュータ
２１へ出力する。或いは、後退用スロットル感度Ｔｈｇ
ＲとアクセルストロークＳとの積、即ち後退用目標スロ
ットル開度ＴｈｇＲ・Ｓを求め、その目標スロットル開
度ＴｈｇＲ・Ｓをスロットルコンピュータ２１へ出力す
る。ここで、後退用スロットル感度ＴｈｇＲとは、車両
１の種類、エンジン２の特性等に応じて設定されたもの
であり、「０．８〜１．０」の範囲で予め決定された一
定値であり、ＲＯＭ２４に予め記憶されている。この実
施例では、後退用スロットル感度ＴｈｇＲが「０．９」
に設定されている。

【００５４】そして、ステップ１１５の処理を実行した
後、その後の処理を一旦終了して、ステップ１０１から
の処理を再開する。このようにして、車両１の「後退状
態」におけるスロットル感度、或いは目標スロットル開
度の設定が行われる。

【００５５】次に、上記のような処理動作により決定さ
れるスロットル感度Ｔｈｇ、停車用スロットル感度Ｔｈ
ｇＮ、或いは後退用スロットル感度ＴｈｇＲと、そのと
きのアクセルストロークＳとに基づいてスロットルコン
ピュータ２１により実行されるスロットル開度制御の処
理動作について説明する。図１０はスロットルコンピュ
ータ２１により実行されるスロットル開度制御プログラ
ムの「スロットル開度制御ルーチン」を示すフローチャ
ートである。このルーチンの処理は開始された後、所定
の時間間隔をもって周期的に実行される。このルーチン
の処理が開始されると、先ずステップ２０１において、
スロットル感度Ｔｈｇの学習時には、スロットルセンサ
９からの信号に基づきスロットル開度Ｔｈを読み込む。
又、ニューロコンピュータ２２から出力される最新のス
ロットル感度ＴｈｇとアクセルストロークＳ、又は目標
スロットル開度Ｔｈｇ・Ｓを読み込む。ここで、スロッ
トル感度ＴｈｇとアクセルストロークＳとの読み込みが
前提である場合には、同ステップ２０１において、両者
Ｔｈｇ，Ｓの積が目標スロットル開度Ｔｈｇ・Ｓとして
求められる。又は、スロットル感度Ｔｈｇの学習を行わ
ない車両１の「後退状態」である場合には、スロットル
センサ９からの信号に基づきスロットル開度Ｔｈを読み
込む。又、ニューロコンピュータ２２から出力される最
新の後退用スロットル感度ＴｈｇＲとアクセルストロー
クＳ、又は後退用目標スロットル開度ＴｈｇＲ・Ｓを読
み込む。ここで、後退用スロットル感度ＴｈｇＲとアク
セルストロークＳとの読み込みが前提である場合には、
同ステップ２０１において、両者ＴｈｇＲ，Ｓの積が後
退用目標スロットル開度ＴｈｇＲ・Ｓとして求められ
る。或いは、スロットル感度Ｔｈｇの学習を行わない
「停車状態」又は「駐車状態」である場合には、スロッ
トルセンサ９からの信号に基づきスロットル開度Ｔｈを
読み込む。又、ニューロコンピュータ２２から出力され
る最新の停車用スロットル感度ＴｈｇＮとアクセルスト
ロークＳ、又は停車用目標スロットル開度ＴｈｇＮ・Ｓ
を読み込む。ここで、停車用スロットル感度ＴｈｇＮと
アクセルストロークＳとの読み込みが前提である場合に
は、同ステップ２０１において、両者ＴｈｇＮ，Ｓの積
が停車用目標スロットル開度ＴｈｇＮ・Ｓとして求めら
れる。

【００５６】続いて、ステップ２０２において、現在の
スロットル開度Ｔｈが目標スロットル開度Ｔｈｇ・Ｓよ
りも小さいか否かを判断する。又は、現在のスロットル
開度Ｔｈが後退用目標スロットル開度ＴｈｇＲ・Ｓより
も小さいか否かを判断する。或いは、現在のスロットル
開度Ｔｈが停車用目標スロットル開度ＴｈｇＮ・Ｓより
も小さいか否かを判断する。ここで、スロットル開度Ｔ
ｈが目標スロットル開度Ｔｈｇ・Ｓ、後退用目標スロッ
トル開度ＴｈｇＲ・Ｓ、或いは停車用目標スロットル開
度ＴｈｇＮ・Ｓよりも小さい場合には、ステップ２０３
において、スロットルバルブ７を開方向へ駆動させるよ
うに直流モータ８を正転させる。又、ステップ２０４に
おいて、スロットルセンサ９からの信号に基づきスロッ
トル開度Ｔｈを読み込む。

【００５７】そして、ステップ２０５において、スロッ
トル開度Ｔｈが目標スロットル開度Ｔｈｇ・Ｓよりも小
さいか否かを再び判断する。又は、スロットル開度Ｔｈ
が後退用目標スロットル開度ＴｈｇＲ・Ｓよりも小さい
か否かを再び判断する。或いは、スロットル開度Ｔｈが
停車用目標スロットル開度ＴｈｇＮ・Ｓよりも小さいか
否かを再び判断する。ここで、スロットル開度Ｔｈが目
標スロットル開度Ｔｈｇ・Ｓ、後退用目標スロットル開
度ＴｈｇＲ・Ｓ、或いは停車用目標スロットル開度Ｔｈ
ｇＮ・Ｓよりも小さい場合には、ステップ２０３へジャ
ンプし、スロットルバルブ７を更に開方向へ駆動させる
ために、ステップ２０３，２０４，２０５の処理を繰り
返す。これに対し、スロットル開度Ｔｈが目標スロット
ル開度Ｔｈｇ・Ｓ、後退用目標スロットル開度ＴｈｇＲ
・Ｓ、或いは停車用目標スロットル開度ＴｈｇＮ・Ｓと
等しいかそれよりも大きい場合には、スロットルバルブ
７をそれ以上開方向へ駆動させないものとして、その後
の処理を一旦終了する。

【００５８】一方、ステップ２０２において、現在のス
ロットル開度Ｔｈが目標スロットル開度Ｔｈｇ・Ｓ、後
退用目標スロットル開度ＴｈｇＲ・Ｓ、或いは停車用目
標スロットル開度ＴｈｇＮ・Ｓよりも小さくない場合に
は、ステップ２０６へ移行する。そして、ステップ２０
６において、現在のスロットル開度Ｔｈが目標スロット
ル開度Ｔｈｇ・Ｓよりも大きいか否かを判断する。又
は、現在のスロットル開度Ｔｈが後退用目標スロットル
開度ＴｈｇＲ・Ｓよりも大きいか否かを判断する。或い
は、現在のスロットル開度Ｔｈが停車用目標スロットル
開度ＴｈｇＮ・Ｓよりも大きいか否かを判断する。ここ
で、スロットル開度Ｔｈが目標スロットル開度Ｔｈｇ・
Ｓ、後退用目標スロットル開度ＴｈｇＲ・Ｓ、或いは停
車用目標スロットル開度ＴｈｇＮ・Ｓよりも大きくない
場合には、そのままその後の処理を一旦終了する。

【００５９】又、ステップ２０６において、スロットル
開度Ｔｈが目標スロットル開度Ｔｈｇ・Ｓ、後退用目標
スロットル開度ＴｈｇＲ・Ｓ、或いは停車用目標スロッ
トル開度ＴｈｇＮ・Ｓよりも大きい場合には、ステップ
２０７において、スロットルバルブ７を閉方向へ駆動さ
せるように直流モータ８を逆転させる。又、ステップ２
０８において、スロットルセンサ９からの信号に基づき
スロットル開度Ｔｈを読み込む。

【００６０】そして、ステップ２０９において、スロッ
トル開度Ｔｈが目標スロットル開度Ｔｈｇ・Ｓ、後退用
目標スロットル開度ＴｈｇＲ・Ｓ、或いは停車用目標ス
ロットル開度ＴｈｇＮ・Ｓよりも大きいか否かを再び判
断する。ここで、スロットル開度Ｔｈが目標スロットル
開度Ｔｈｇ・Ｓ、後退用目標スロットル開度ＴｈｇＲ・
Ｓ、或いは停車用目標スロットル開度ＴｈｇＮ・Ｓより
も大きい場合には、ステップ２０７へジャンプし、スロ
ットルバルブ７を更に閉方向へ駆動させるためにステッ
プ２０７，２０８，２０９の処理を繰り返す。これに対
し、スロットル開度Ｔｈが目標スロットル開度Ｔｈｇ・
Ｓ、後退用目標スロットル開度ＴｈｇＲ・Ｓ、或いは停
車用目標スロットル開度ＴｈｇＮ・Ｓと等しいかそれよ
りも小さい場合には、スロットルバルブ７をそれ以上閉
方向へ駆動させないものとして、その後の処理を一旦終
了する。

【００６１】このように、スロットル開度Ｔｈが目標ス
ロットル開度Ｔｈｇ・Ｓ、後退用目標スロットル開度Ｔ
ｈｇＲ・Ｓ、或いは停車用目標スロットル開度ＴｈｇＮ
・Ｓに一致するように直流モータ８の回転が制御され、
それによってスロットルバルブ７が開閉制御される。こ
れにより、エンジン２の出力が制御され、その結果とし
て車両１の駆動力が制御される。

【００６２】以上説明したように、この実施例では、ス
ロットル感度Ｔｈｇを求めるための学習時には、車両１
の走りに対する運転者ＤＲの要求が、その時々の加速度
Ｇから「要求加速度モデル」として推定される。又、そ
の「要求加速度モデル」に基づき「スロットル感度モデ
ル」が変更されてスロットル感度Ｔｈｇが決定される。
又、その決定されたスロットル感度Ｔｈｇとアクセルス
トロークＳとの積から求められる目標スロットル開度Ｔ
ｈｇ・Ｓと、スロットル開度Ｔｈとが一致するように、
スロットルバルブ７が開閉制御される。しかも、常に運
転者ＤＲの要求に応じた「要求加速度モデル」が得ら
れ、その「要求加速度モデル」に対応して、「スロット
ル感度モデル」が得られる。そして、常に運転者ＤＲの
要求に合った加速度Ｇをもって、エンジン２のスロット
ル開度Ｔｈが制御される。

【００６３】従って、車両１に対する運転者ＤＲの要求
加速度が大きいときには、スロットル感度Ｔｈｇが大き
くなる。そのため、同一の加速度Ｇを得るためのアクセ
ルストロークＳの変化範囲が狭くなり、アクセルペダル
１０の少ない操作によって大きな加速度Ｇを得ることが
できるようになり、車両１の加速性能が向上したように
運転者ＤＲに感じさせることができる。例えば、運転者
ＤＲの意識が急いだ状態であったり、車両１の運転環境
が渋滞のない高速道路であったりして、車両１を速く走
行させたいときには、アクセルペダル１０の少ない操作
によって大きな加速度Ｇを得ることができ、加速感を向
上させることができる。

【００６４】一方、車両１に対する運転者ＤＲの要求加
速度が小さいときには、スロットル感度Ｔｈｇが小さく
なる。そのため、同一の加速度Ｇを得るためのアクセル
ストロークＳの変化範囲が広くなり、アクセルペダル１
０の多い操作によって加速度Ｇを微妙に変化させること
ができるようになり、運転者ＤＲにとってアクセルペダ
ル１０の操作性能を向上させることができる。例えば、
運転者ＤＲの意識がのんびりした状態であったり、車両
１の運転環境が渋滞路や雪道等であったりして、車両１
をゆっくりと走行させたいときには、アクセルペダル１
０の多い操作によって加速度Ｇを微妙に変えることがで
き、車両１の操作感を向上させることができる。

【００６５】つまり、この実施例では、運転者ＤＲの加
速度に対する要求度合いに合致するように学習が行われ
ることから、常に運転者ＤＲの特性に合ったスロットル
感度Ｔｈｇが決定される。その結果、運転者ＤＲの意識
状態（急いでいる、のんびりしている等）や運転環境
（路面状態、昼間・夜間、トンネル内、雨中路、雪道、
山間路、渋滞路等）にかかわりなく、車両１について、
常に運転者ＤＲの特性に合った駆動力の制御を行うこと
ができるのである。

【００６６】又、この実施例では、ニューロコンピュー
タ２２における学習制御に、ニューラルネットワーク技
術を用いたことから、アクセルストロークＳ及び車速Ｖ
に対する要求加速度モデル出力Ｇｘの関係の全体が連続
的なモデルとして学習され、その特性が部分的に不連続
となることはない。同じく、アクセルストロークＳ及び
車速Ｖに対するスロットル感度モデル出力Ｔｈｘの関係
の全体が連続的なモデルとして学習され、その特性が部
分的に不連続となることはない。これは、ニューラルネ
ットワークの技術を用いたことにより、アクセルストロ
ークＳ及び車速Ｖの不連続点の間で学習される「要求加
速度モデル」が補間されるためである。つまり、アクセ
ルストロークＳ及び車速Ｖのある特定な範囲について行
われる要求加速度モデル出力Ｇｘの修正が、アクセルス
トロークＳ及び車速Ｖの他の範囲に対応する要求加速度
モデル出力Ｇｘの修正にも反映される。又、アクセルス
トロークＳ及び車速Ｖのある特定な範囲について行われ
るスロットル感度モデル出力Ｔｈｘの修正が、アクセル
ストロークＳ及び車速Ｖの他の範囲に対応するスロット
ル感度モデル出力Ｔｈｘにも反映される。

【００６７】その結果、車速Ｖの全範囲について、車両
１の駆動力の制御が運転者ＤＲによるアクセルペダル１
０の操作量、即ちアクセルストロークＳの全操作範囲に
渡って連続的なものとすることができる。よって、運転
者ＤＲによりアクセルペダル１０が連続的に踏み込まれ
たときには、車両１の加速度Ｇが唐突に変化するような
ことがなく、車速Ｖの上昇を常に滑らかなものにするこ
とができる。

【００６８】更に、この実施例では、加速度Ｇから「要
求加速度モデル」を推定し、その「要求加速度モデル」
から「スロットル感度モデル」を変更するように学習が
行われることから、単なる部分的な補正（修正）によっ
てマップの書き替えを行う場合と較べて、マップの補間
演算が不必要となり、演算時間を更に短くすることがで
きる。

【００６９】加えて、この実施例では、ニューロコンピ
ュータ２２において、加速度センサ１２がローパスフィ
ルタ２９を介して外部入出力回路２７に接続されてい
る。そのため、車両１が凸凹路を走行しているときのハ
ーシュネスに起因して、加速度センサ１２での検出信号
にノイズが発生した場合には、そのノイズに相関する高
周波成分がローパスフィルタ２９で減衰される。即ち、
加速度センサ１２からの加速度Ｇの信号に、図１１
（ａ）に示すようにハーシュネスに起因する大きなノイ
ズが含まれていた場合でも、その信号がローパスフィル
タ２９を通過することにより、図１１（ｂ）に示すよう
なノイズの少ない加速度Ｇの信号に調整されることにな
る。

【００７０】その結果、ニューロコンピュータ２２で
は、学習のために用いられる加速度Ｇの信号を、ハーシ
ュネスに起因したノイズが除去されたものとすることが
できる。よって、「要求加速度モデル」及び「スロット
ル感度モデル」についての誤学習を未然に防止すること
ができ、延いてはスロットル感度Ｔｈｇが誤った方向へ
調整されることを未然に防止することができる。

【００７１】併せて、この実施例では、シフトレバー１
４のシフト位置ＳＰが「リバースレンジ（Ｒ）」となる
「後退状態」である場合には、スロットル感度Ｔｈｇを
求めるための学習が解除され、その学習時に求められる
スロットル感度Ｔｈｇに代わって、後退に適した値とし
て予め設定された後退用スロットル感度ＴｈｇＲが設定
される。又、その設定された後退用スロットル感度Ｔｈ
ｇＲとアクセルストロークＳとの積から求められる後退
用目標スロットル開度ＴｈｇＲ・Ｓと、スロットル開度
Ｔｈとが一致するように、スロットルバルブ７が開閉制
御される。

【００７２】従って、車両１が「後退状態」である場合
には、前進の加速走行時に学習された目標スロットル開
度Ｔｈｇ・Ｓに代わって、後退に適した後退用目標スロ
ットル開度ＴｈｇＲ・Ｓに基づき、アクセルペダル１０
の操作量に応じてスロットルバルブ７が開閉制御され
る。このため、車両１の後退時には、エンジン２の出力
制御に要するアクセルペダル１０の操作が、運転者ＤＲ
にとって慎重に行うべき後退に適したものとなる。

【００７３】例えば、図１２において、車両１の前方へ
の発進加速走行時に、学習によりスロットル感度Ｔｈｇ
が最終的には「１．５」という相対的に高い値に決定さ
れたとする。そして、その発進加速走行後の時刻ｔ１に
車両１が停止され、更に時刻ｔ２において車両１が後退
へと移行したとする。この場合には、図１２に実線で示
すように、学習で決定された「１．５」という高いスロ
ットル感度Ｔｈｇが、車両１が後退へ移行した時点で、
後退に適した「０．９」という相対的に低い後退用スロ
ットル感度ＴｈｇＲへと直ちに変更される。そして、そ
の後は、再び前進で加速走行が開始されるまでの間で、
後退用スロットル感度ＴｈｇＲが保持される。このこと
は、図１２に破線で示す従来例のスロットル感度Ｔｈｇ
の変化と比較することで明らかである。そして、その後
退用スロットル感度ＴｈｇＲより得られる後退用目標ス
ロットル開度ＴｈｇＲ・Ｓに基づきスロットルバルブ７
が開閉制御されることになる。

【００７４】その結果、車両１の後退時に運転者ＤＲの
意図を車両１の駆動力の制御に反映させる上で、アクセ
ルコントロール性を良好なものとすることができる。つ
まり、車両１を前方へ急発進させた後に、運転者ＤＲが
慎重に行うべき後退を要求しているときには、スロット
ル感度が必要以上に高くなることを防止し、アクセルス
トロークＳの少しの変化で車速Ｖが大きく変化して車両
１の挙動が大きくなることを防止することができる。即
ち、前方への急発進直後に車両１を後退させたときに
は、後退に適した良好な運転性能を確保することができ
るのである。

【００７５】逆に、車両１を緩やかに前方へ発進させた
場合には、学習により得られるスロットル感度Ｔｈｇが
下がることになり、アクセルストロークＳに対する車速
Ｖ及び加速度Ｇの変化が小さくなる。そして、その緩や
かな発進の直後に車両１が後退へ移行した場合には、そ
の時点で、後退に適した後退用スロットル感度ＴｈｇＲ
へ直ちに変更される。従って、運転者ＤＲが後退を要求
しているときには、スロットル感度が必要以上に低くな
ることを防止することができ、車両１をある程度速やか
に後退させようとするときに、運転者ＤＲの意図に反し
て加速応答性が鈍くなることを防止することができる。
即ち、前方への緩やかな発進直後に車両１を後退させた
いときには、後退に適した良好な運転性能を確保するこ
とができる。

【００７６】又、この実施例では、車両１の後退時に後
退用スロットル感度ＴｈｇＲが一定の設定値となること
から、運転者ＤＲにとって、常に一定のアクセルコント
ロール性を確保することができ、その意味からも、後退
に適した良好な運転性能を確保することができるのであ
る。

【００７７】更には、この実施例では、車両１の後退時
にスロットル感度Ｔｈｇの学習が解除されることから、
マイナスの加速度Ｇをもってスロットル感度Ｔｈｇの学
習が行われることがない。よって、スロットル感度が必
要以上に下がり過ぎてしまうことがなくなる。

【００７８】そして、上記のように、車両１の後退時に
はそれに適した良好な運転性能を確保できることから、
アクセルペダル１０の操作による後退を維持するに当た
り、運転者ＤＲの疲労感を軽減することもできる。

【００７９】加えて、この実施例では、シフト位置ＳＰ
が「ニュートラルレンジ（Ｎ）」或いは「パーキングレ
ンジ（Ｐ）」となる「停車状態」又は「駐車状態」であ
る場合には、スロットル感度Ｔｈｇの学習が解除され
る。そして、そのスロットル感度Ｔｈｇに代わって、前
回最後に学習されたスロットル感度Ｔｈｇ、或いは
「１．０」という値が、停車用スロットル感度ＴｈｇＮ
として設定される。そして、その設定された停車用スロ
ットル感度ＴｈｇＮとアクセルストロークＳとの積から
求められる停車用目標スロットル開度ＴｈｇＮ・Ｓと、
スロットル開度Ｔｈとが一致するように、スロットルバ
ルブ７が開閉制御される。

【００８０】従って、車両１の「停車状態」或いは「駐
車状態」でレーシングが行われた場合には、スロットル
感度Ｔｈｇの不必要な学習を省略することができる。
又、車両１の走行中にシフトレバー１４が「ドライブレ
ンジ（Ｄ）」等から「ニュートラルレンジ（Ｎ）」へ切
り換えられたとしても、この場合、加速度変化分ΔＧｔ
又は車速変化分ΔＶがある程度大きくならない限り、直
前の学習で求められたスロットル感度Ｔｈｇが使用され
ることになる。そのため、スロットル感度が不用意に変
化することがなくなり、車速Ｖが大きく変化して車両１
の挙動が大きくなることを未然に防止することができ
る。

【００８１】尚、この発明は前記実施例に限定されるも
のではなく、発明の趣旨を逸脱しない範囲で構成の一部
を適宜に変更して次のように実施することもできる。 （１）前記実施例では、ガソリンエンジン２を駆動源と
し、リンクレスタイプのスロットルバルブ７をその制御
量変更手段としたが、それ以外の駆動源及び制御量変更
手段に具体化することもできる。例えば、電気自動車に
おいて直流モータ等の電動機を駆動源とし、電動機への
電流を制御する電流制御回路等を制御量変更手段とする
こともできる。

【００８２】（２）前記実施例では、運転者ＤＲにより
操作される出力操作手段としてアクセルペダル１０を用
いたが、出力操作手段としてアクセルレバーやそれ以外
の操作部材を用いることもできる。

【００８３】（３）前記実施例では、アクセルセンサ１
１を操作量検出手段としてアクセルストロークＳを検出
するようにしたが、次のようにすることもできる。即
ち、アクセルストロークＳの代わりにアクセル踏力を検
出するセンサを用いたり、アクセルストロークＳを検出
するアクセルセンサとアクセル踏力を検出するセンサと
を併用したりすること。

【００８４】（４）前記実施例では、加速度検出手段と
して加速度センサ１２を用いたが、車速センサ１３を加
速度検出手段として、車速センサ１３により検出される
車速Ｖを時間微分することにより加速度Ｇを得るように
してもよい。

【００８５】（５）前記実施例では、ニューロコンピュ
ータ２２におけるニューラルネットワーク技術として、
多層型ニューラルネットワークを採用したが、相互結合
型ニューラルネットワークを採用することもできる。

【００８６】（６）前記実施例では、スロットル感度モ
デル出力Ｔｈｘをスロットル感度の補正量とし、計算式
（１）によってスロットル感度Ｔｈｇを求めたが、スロ
ットル感度Ｔｈｇを直接出力することもできる。この場
合、車両１の工場出荷時における初期値は、基準値αを
出力するように学習することになる。

【００８７】（７）前記実施例では、アクセルストロー
ク変化分ΔＳの絶対値及び車速Ｖのそれぞれが任意の設
定値よりも大きい場合に、学習開始と判断するようにし
たが、これ以外の条件に基づいて学習開始を判断するよ
うにしてもよい。例えば、加速度Ｇが任意の設定値より
も大きい場合に、学習開始と判断するようにしてもよ
い。

【００８８】（８）前記実施例では、学習開始からのカ
ウント値ＴＣが任意の所定値よりも小さく、且つ、車速
Ｖ及びアクセルストロークＳのそれぞれが任意の設定値
よりも大きい場合に、学習継続中と判断するようにした
が、これ以外の条件に基づいて学習継続中を判断するよ
うにしてもよい。例えば、車両１の制動のために操作さ
れるブレーキペダルに、その操作を検知するブレーキセ
ンサを設け、学習開始後にブレーキセンサによりブレー
キ操作が検知されない場合に、学習継続中と判断するよ
うにしてもよい。

【００８９】（９）前記実施例では、車両１の「後退状
態」を判断するためにシフト位置センサ１５より得られ
るシフト位置ＳＰを用いたが、例えば車速センサにより
前輪の正回転又は逆回転を検出し、それに基づいて車両
の「後退状態」を判断するようにしてもよい。

【００９０】（１０）前記実施例では、オートマチック
トランスミッションを搭載した車両１に具体化したが、
マニュアルトランスミッションを搭載した車両に具体化
することもできる。この場合、マニュアルトランスミッ
ションのシフト位置を同じようにシフト位置センサによ
り検出し、そのシフト位置が「リバース位置」である場
合に、後退に適した後退用スロットル感度を使用し、シ
フト位置が「１速」以上の変速段にある場合に、スロッ
トル感度Ｔｈｇの学習を行うことになる。

【００９１】

【発明の効果】以上詳述したように、この発明によれ
ば、車両の加速度を比較すべき教師データとして用い、
出力操作手段の操作量に対する車両の加速度の関係を、
運転者の要求する加速度モデルとして学習している。
又、その学習された加速度モデルの出力と車両の加速度
との偏差を誤差信号として用い、出力操作手段の操作量
に対する駆動源の制御量の関係を、制御量感度モデルと
して学習している。そして、その学習された制御量感度
モデルの出力を参照データとして用い、出力操作手段の
操作量に応じて駆動源の制御量を制御するようにしてい
る。

【００９２】従って、運転者の要求に応じた加速度モデ
ルが得られ、その加速度モデルに対応して、制御量感度
モデルが得られ、常に運転者の要求に合った加速度をも
って制御量が制御される。又、操作量に対する加速度の
関係や、操作量に対する制御量の関係の全体が連続的な
モデルとして学習され、出力操作手段の全操作範囲に対
する加速度及び制御量の関係の全体が不連続となること
はない。

【００９３】その結果、運転者の意識状態や運転環境に
かかわりなく常に運転者の特性に合った駆動力の制御を
行うことができる。しかも、その駆動力の制御を運転者
によるアクセルペダル等の操作量の全範囲に渡って連続
的なものとすることができるという優れた効果を発揮す
る。

【００９４】又、この発明によれば、車両の後退状態と
判断されたときに、出力操作手段の操作量に応じて駆動
源の制御量を制御するために使用される参照データを、
制御量感度モデルの出力に代わって、後退に適した値と
して別途に設定された参照データに変更するようにして
いる。

【００９５】従って、車両が後退状態である場合には、
駆動源の出力制御に要する出力操作手段の操作が、運転
者にとって後退に適したものとなる。その結果、車両の
後退時にもそれに適した良好な運転性能を確保すること
ができるという優れた効果を発揮する。

【図面の簡単な説明】

【図１】この発明の基本的な概念構成を示す概念構成図
である。

【図２】この発明を具体化した一実施例における車両の
駆動力制御装置の概略的な構成を示す概略構成図であ
る。

【図３】一実施例において、スロットルコンピュータ及
びニューロコンピュータの電気的構成を示すブロック図
である。

【図４】一実施例において、ニューロコンピュータに適
用されている多層型ニューラルネットワークの概念的な
構成を示す構成図である。

【図５】一実施例において、「要求加速度モデル」の特
性を示す特性図である。

【図６】一実施例において、「スロットル感度モデル」
の特性を示す特性図である。

【図７】一実施例において、「スロットル感度」の特性
を示す特性図である。

【図８】一実施例において、ニューロコンピュータによ
り実行される「学習制御ルーチン」を示すフローチャー
トである。

【図９】一実施例において、「学習制御ルーチン」の続
きを示すフローチャートである。

【図１０】一実施例において、スロットルコンピュータ
により実行される「スロットル開度制御ルーチン」を示
すフローチャートである。

【図１１】一実施例において、ローパスフィルタの作用
に関する加速度信号の変化を示すタイムチャートであ
る。

【図１２】一実施例において、発進加速走行から後退へ
移行したときのスロットル感度等の変化を示すタイムチ
ャートである。

【符号の説明】

１…車両、２…駆動源としてのエンジン、７…スロット
ルバルブ、８…直流モータ（７，８は制御量変更手段を
構成している）、１０…出力操作手段としてのアクセル
ペダル、１１…操作量検出手段としてのアクセルセン
サ、１２…加速度検出手段としての加速度センサ、１３
…速度検出手段としての車速センサ、１５…後退状態検
出手段としてのシフト位置センサ、２１…駆動制御手段
を構成するスロットルコンピュータ、２２…要求加速度
モデル学習手段、制御量感度モデル学習手段、後退状態
検出手段及び参照データ変更手段を構成するニューロコ
ンピュータ。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 ＦＩ Ｆ０２Ｄ 45/00 ３４０ Ｆ０２Ｄ 45/00 ３４０Ａ ３４０Ｈ ３７０ ３７０Ｂ Ｇ０５Ｂ 13/02 Ｇ０５Ｂ 13/02 Ｌ 13/04 13/04 (72)発明者 ▲吉▼田 浩之 愛知県愛知郡長久手町大字長湫字横道41 番地の１株式会社 豊田中央研究所 内 (56)参考文献 特開 平４−71933（ＪＰ，Ａ) 特開 平３−96636（ＪＰ，Ａ) 特開 平３−156601（ＪＰ，Ａ) 特開 平５−92731（ＪＰ，Ａ) 特開 平３−117652（ＪＰ，Ａ) 特開 平２−199256（ＪＰ，Ａ) 特開 昭63−16143（ＪＰ，Ａ) 特開 昭62−8835（ＪＰ，Ａ) 特開 平３−235723（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁶，ＤＢ名) F02D 29/02 301 F02D 29/02 F02D 9/02 351 F02D 11/10 F02D 45/00 340 F02D 45/00 370

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】 車両に搭載された駆動源の制御量を変更
   するための制御量変更手段と、 前記駆動源の出力を任意に制御するために運転者により
   操作される出力操作手段と、 前記出力操作手段の操作量を検出するための操作量検出
   手段とを備え、前記操作量検出手段の検出結果に応じて
   前記制御量変更手段を駆動させることにより前記駆動源
   の出力を制御して前記車両の駆動力を制御するようにし
   た車両の駆動力制御装置において、 前記車両の加速度を検出するための加速度検出手段と、 前記車両の速度を検出するための速度検出手段と、 前記加速度検出手段の検出により得られる加速度を比較
   すべき教師データとして、その教師データと当該手段の
   出力との偏差を誤差信号とし、その誤差分が小さくなる
   ように、前記出力操作手段の操作量及び前記速度検出手
   段の検出により得られる速度に対する前記車両の加速度
   の関係を、前記運転者の要求する加速度モデルとして学
   習するための要求加速度モデル学習手段と、 前記加速度検出手段の検出により得られる加速度と前記
   要求加速度モデル学習手段により学習される加速度モデ
   ルの出力との偏差を誤差信号として、その誤差分が小さ
   くなるように、前記出力操作手段の操作量及び前記速度
   検出手段の検出により得られる速度に対する前記駆動源
   の制御量の関係を、制御量感度モデルとして学習するた
   めの制御量感度モデル学習手段と、 前記制御量感度モデル学習手段により学習される制御量
   感度モデルの出力を参照データとして、その参照データ
   に基づき前記操作量検出手段により検出される操作量に
   応じて前記制御量変更手段の駆動を制御する駆動制御手
   段と、 前記車両の後退状態を検出するための後退状態検出手段
   と、 前記後退状態検出手段の検出結果に基づき前記車両の後
   退状態と判断したときに、前記駆動制御手段において前
   記制御量変更手段の駆動を制御するために使用される参
   照データを、前記制御量感度モデルの出力に代わって、
   後退に適した値として別途に設定された参照データに変
   更するための参照データ変更手段とを備えたことを特徴
   とする車両の駆動力制御装置。