JP3071332B2 - 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、その時々の実際の加速度から「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。つまり、車両の加速走行時の走り方
で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、車両の加速走行時にある高いスロットル感度が決
定され、その加速走行後に車両がコーナリングやＵター
ン等の旋回へ移行した後には、しばらくの間、高いスロ
ットル感度のままでスロットルバルブが開閉制御される
場合がある。その結果、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、車両を急発進させ
直後は、スロットル感度が上がっており、アクセルスト
ロークに対する車速及び前後加速度の変化が大きくな
る。従って、その急発進後のコーナリングでは、運転者
の意図に反して良好な操縦・運転性能を確保できなくな
るおそれがあった。逆に、車両を緩やかに発進させた直
後は、スロットル感度が下がっており、アクセルストロ
ークに対する車速及び前後加速度の変化は小さくなる。
従って、その緩やかな発進後に速やかなＵターンを行お
うとしたり、コーナの多いワインディングロード等を速
やかに抜けようとしたりした場合に、運転者の意図に反
して加速応答性が鈍くなり、良好な操縦・運転性能の確
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、併せて旋回時にも良好な操縦・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
の旋回状態を検出するための旋回状態検出手段Ｍ１１
と、その旋回状態検出手段Ｍ１１の検出結果に基づき車
両Ｍ１の旋回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、旋回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、旋回状態検出手段Ｍ１１では、車両
Ｍ１の旋回状態が検出される。そして、参照データ変更
手段Ｍ１２では、旋回状態の検出結果に基づき車両Ｍ１
の旋回状態と判断したときには、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、旋回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が直進の加速走行から旋
回へ移行した場合には、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、旋回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
旋回時には、駆動源Ｍ２の出力制御に要する出力操作手
段Ｍ４の操作が、運転者にとって旋回に適したものとな
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ステアリングホイー
ル７の操作に連動する操舵輪となっている。ステアリン
グホイール７には、その操舵角θＳを検出するための旋
回状態検出手段としての操舵角センサ８が設けられてい
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９が設けられている。即ち、スロットルバ
ルブ９は、その近傍に設けられた直流モータ１０に連結
されている。そして、直流モータ１０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９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９の近傍には、スロット
ルセンサ１１が設けられている。このスロットルセンサ
１１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１２が設けられている。
このアクセルペダル１２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１２の近傍には、操作量検出手
段としてのアクセルセンサ１３が設けられている。この
アクセルセンサ１３では、アクセルペダル１２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１４が設け
られている。この加速度センサ１４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１５が設けられている。この車速センサ１
５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】そして、この実施例では、スロットルバル
ブ９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１０及びスロットルセンサ
１１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、旋回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、操舵角センサ８、アクセルセンサ１３、加
速度センサ１４及び車速センサ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。

【００２１】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、前述した操舵角センサ８、アク
セルセンサ１３及び車速センサ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１４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１４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２７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。

【００２２】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８，１３〜１５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が旋回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、旋回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。

【００２３】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１０、スロットルセンサ１１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、ＲＯ
Ｍ３１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
９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。

【００２４】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１１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、
ＲＯＭ３１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１０を好適に制御する。

【００２５】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。

【００２６】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１３により検出されるアクセルストロー
クＳ、車速センサ１５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１４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。

【００２７】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。

【００２８】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。

【００２９】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。

【００３０】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、操舵角センサ８、アクセルセンサ
１３、加速度センサ１４及び車速センサ１５からの各種
信号に基づき、操舵角θＳ、アクセルストロークＳ、車
速Ｖ及び加速度Ｇをそれぞれ読み込む。

【００３１】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を算
出する。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。

【００３２】次に、ステップ１０３において、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１０４へ移行し、学習開始フラ
グＦを「１」にセットした後、ステップ１０５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１
０５へ移行する。

【００３３】ステップ１０５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Ｔ１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１１３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
１０６へ移行する。

【００３４】ステップ１０６においては、カウンタによ
るカウント値Ｔ１を「１」だけカウントアップする。次
に、ステップ１０７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
１０８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。

【００３５】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。

【００３６】そして、ステップ１０９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。

【００３７】次に、ステップ１１０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１４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。

【００３８】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１２
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。

【００３９】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。

【００４０】続いて、ステップ１１１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１１２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。

【００４１】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１２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。

【００４２】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。

【００４３】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。

【００４４】そして、ステップ１１２の処理を実行した
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。

【００４５】一方、ステップ１０５において、学習継続
中でない場合には、ステップ１１３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１１
４において、学習開始からのカウント値Ｔ１を「０」に
リセットする。

【００４６】その後、ステップ１１５において、車両１
がコーナリングやＵターン等の「旋回状態」であるか否
かを判断する。この判断は、図９に示すフローチャート
の処理に従って行われる。即ち、ステップ１１４から移
行してステップ１１５ａにおいては、今回読み込まれた
操舵角θＳの絶対値が任意の設定値αよりも大きいか否
かを判断する。ここで、操舵角θＳが設定値αよりも大
きい場合には、ステップ１１５ｂへ移行し、カウンタに
よるカウント値Ｔ２を「１」だけカウントアップする。
続いて、ステップ１１５ｃにおいて、そのカンウト値Ｔ
２が任意の設定時間βよりも大きいか否かを判断する。
ここで、カウント値Ｔ２が設定時間βよりも大きい場合
には、設定値αを越える操舵角θＳが一定時間継続して
いることから、車両１が「旋回状態」であるものとし
て、ステップ１１６へ移行する。

【００４７】一方、ステップ１１５ｃにおいて、カウン
ト値Ｔ２が設定時間βよりも大きくない場合には、車両
１が「旋回状態」でないものとして、ステップ１１７へ
移行する。又、ステップ１１５ａにおいて、操舵角θＳ
が設定値αよりも大きくない場合には、ステップ１１５
ｄにおいて、カウント値Ｔ２を「０」にリセットした
後、車両１が「旋回状態」でないものとして、ステップ
１１７へ移行する。

【００４８】つまり、この実施例では、設定値αを越え
る操舵角θＳが設定時間βだけ継続した場合に、車両１
が「旋回状態」であると判断するようにしている。そし
て、車両１が「旋回状態」である場合には、ステップ１
１５からステップ１１６へ移行する。

【００４９】ステップ１１６においては、上記のような
学習を解除すると共に、その学習により求められるスロ
ットル感度Ｔｈｇ又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の旋回に適した値とし
て別途に設定された旋回用スロットル感度ＴｈｇＴ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、旋回用スロットル感度ＴｈｇＴとア
クセルストロークＳとの積、即ち旋回用目標スロットル
開度ＴｈｇＴ・Ｓを求め、その目標スロットル開度Ｔｈ
ｇＴ・Ｓをスロットルコンピュータ２１へ出力する。こ
こで、旋回用スロットル感度ＴｈｇＴ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、旋回用スロットル感度ＴｈｇＴが「０．９」に設
定されている。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１
０１からの処理を開始する。

【００５０】一方、ス車両１が「旋回状態」でない場合
には、テップ１１５からステップ１１７へ移行する。そ
して、ステップ１１７においては、ステップ１０７と同
様に「スロットル感度モデル」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１１８において、ステップ１０８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。

【００５１】そして、ステップ１１９において、ステッ
プ１０９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。

【００５２】このようにして、車両１の「旋回状態」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。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或いは旋回用スロットル感
度ＴｈｇＴ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。

【００５３】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１１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。或いは、車両
１が、スロットル感度Ｔｈｇの学習を行わない「旋回状
態」である場合には、スロットルセンサ１１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旋回用スロット
ル感度ＴｈｇＴとアクセルストロークＳ、又は旋回用目
標スロットル開度ＴｈｇＴ・Ｓを読み込む。ここで、旋
回用スロットル感度ＴｈｇＴ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ＴｈｇＴ，Ｓの積が旋回用目標スロットル
開度ＴｈｇＴ・Ｓとして求められる。

【００５４】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。或いは、現在のスロット
ル開度Ｔｈが旋回用目標スロットル開度ＴｈｇＴ・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
Ｔｈが目標スロットル開度Ｔｈｇ・Ｓ、或いは旋回用目
標スロットル開度ＴｈｇＴ・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９を開方向
へ駆動させるように直流モータ１０を正転させる。又、
ステップ２０４において、スロットルセンサ１１からの
信号に基づきスロットル開度Ｔｈを読み込む。

【００５５】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。或いは、スロットル開度Ｔ
ｈが旋回用目標スロットル開度ＴｈｇＴ・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Ｔｈが目
標スロットル開度Ｔｈｇ・Ｓ、或いは旋回用目標スロッ
トル開度ＴｈｇＴ・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９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、或いは旋回用目標スロ
ットル開度ＴｈｇＴ・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９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。一
方、ステップ２０２において、現在のスロットル開度Ｔ
ｈが目標スロットル開度Ｔｈｇ・Ｓ、或いは旋回用目標
スロットル開度ＴｈｇＴ・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、同ステップ２
０６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。或
いは、現在のスロットル開度Ｔｈが旋回用目標スロット
ル開度ＴｈｇＴ・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、或いは旋回用目標スロットル開度ＴｈｇＴ・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。

【００５６】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、或いは旋回
用目標スロットル開度ＴｈｇＴ・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９を閉
方向へ駆動させるように直流モータ１０を逆転させる。
又、ステップ２０８において、スロットルセンサ１１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、或いは
旋回用目標スロットル開度ＴｈｇＴ・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、或いは旋回用目標スロッ
トル開度ＴｈｇＴ・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９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、或いは旋回用目標スロッ
トル開度ＴｈｇＴ・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９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。

【００５８】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、或いは旋回用目標スロットル
開度ＴｈｇＴ・Ｓに一致するように直流モータ１０の回
転が制御され、それによってスロットルバルブ９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。

【００５９】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９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。

【００６０】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
１２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１２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。

【００６１】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
２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１２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
２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。

【００６２】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。

【００６３】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。

【００６４】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
２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１２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。

【００６５】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。

【００６６】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１４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１４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１４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。

【００６７】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。

【００６８】併せて、この実施例では、車両１が「旋回
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、旋回に適した値として予め
設定された旋回用スロットル感度ＴｈｇＴが設定され
る。又、その設定された旋回用スロットル感度ＴｈｇＴ
とアクセルストロークＳとの積から求められる旋回用目
標スロットル開度ＴｈｇＴ・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９が開閉制御さ
れる。

【００６９】従って、車両１が直進の加速走行から旋回
へ移行した場合には、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、旋回に適した旋回用
目標スロットル開度ＴｈｇＴ・Ｓに基づき、アクセルペ
ダル１２の操作量に応じてスロットルバルブ９が開閉制
御される。このため、旋回時には、エンジン２の出力制
御に要するアクセルペダル１２の操作が、運転者ＤＲに
とって旋回に適したものとなる。

【００７０】例えば、図１２において、車両１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、その発進後の時刻ｔ１に、運転者ＤＲがア
クセルペダル１２の踏み込みを適度に戻してステアリン
グホイール７を適度に回すことにより、車両１がコーナ
リングへ移行したとする。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、コーナリング開始後に設定時
間βだけ経過した時刻ｔ２で、旋回に適した「０．９」
という相対的に低い旋回用スロットル感度ＴｈｇＴに直
ちに変更される。その後、コーナを抜けるために運転者
ＤＲがステアリングホイール７を戻してアクセルペダル
１２を適度に踏み込む時刻ｔ３までの間で、旋回用スロ
ットル感度ＴｈｇＴが保持される。そして、時刻ｔ３か
らのアクセルペダル１２の踏み込みにより学習が行われ
てスロットル感度Ｔｈｇが少し変化したとしても、次に
大きな加速が行われるまでの間で、スロットル感度Ｔｈ
ｇが必要以上に高くなることはない。このことは、図１
２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、その旋回用スロ
ットル感度ＴｈｇＴより得られる旋回用目標スロットル
開度ＴｈｇＴ・Ｓ、或いはそれに近い目標スロットル開
度に基づき、スロットルバルブ９が開閉制御されること
になる。

【００７１】つまり、この実施例では、車両１が急発進
の後にコーナリングへ移行した場合には、スロットル感
度が適度に小さく抑えられて、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。従っ
て、そのコーナリングでは、運転者ＤＲの意図に反する
ことなく良好な操縦・運転性能を確保することができ
る。逆に、車両１が緩やかな発進の後に、速やかなＵタ
ーンへ移行したり、コーナの多いワインディングロード
等を速やかに抜けようとしたりした場合には、スロット
ル感度が適度に上げられて、アクセルストロークＳに対
する車速Ｖ及び加速度Ｇの変化が適度に増加する。従っ
て、それらＵターン等では、運転者ＤＲの意図に反して
車両１の加速応答性が鈍くなることが防止され、良好な
操縦・運転性能を確保することができる。即ち、この実
施例では、車両１の旋回時にそれに適した良好な操縦・
運転性能を確保することができるのである。又、旋回時
にそれに適した良好な操縦・運転性能を確保できること
から、コーナリングの多い道路等でアクセルペダル１２
を操作するに当たり、運転者ＤＲの疲労感を軽減するこ
ともできる。

【００７２】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９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。

【００７３】（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１２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。

【００７４】（３）前記実施例では、アクセルセンサ１
３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。

【００７５】（４）前記実施例では、加速度検出手段と
して加速度センサ１４を用いたが、車速センサ１５を加
速度検出手段として、車速センサ１５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。

【００７６】（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。

【００７７】（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、設定値αを
出力するように学習することになる。

【００７８】（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。

【００７９】（８）前記実施例では、学習開始からのカ
ウント値Ｔ１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。

【００８０】（９）前記実施例では、設定値αを越える
操舵角θＳが設定時間βだけ継続した場合に、車両１が
「旋回状態」であると判断するようにしたが、操舵角θ
Ｓが設定値αを越えた時点で直ちに「旋回状態」と判断
するようにしてもよい。

【００８１】（１０）前記実施例では、車両１の「旋回
状態」を判断するために操舵角センサ８より得られる操
舵角θＳを用いたが、例えば車両に設けたヨーレイトセ
ンサより得られるヨーレイトに基づいて「旋回状態」を
判断するようにしてもよい。或いは、車両に設けた左右
方向の加速度センサより得られる左右方向の加速度に基
づいて「旋回状態」を判断するようにしてもよい。更に
は、操舵角センサ８より得られる操舵角θＳ及びヨーレ
イトセンサより得られるヨーレイトを組み合わせて「旋
回状態」を判断するようにしてもよい。この組合せの場
合には、車両の「旋回状態」をより正確に判断すること
が可能となる。

【００８２】

【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。

【００８３】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。

【００８４】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。

【００８５】又、この発明によれば、車両の旋回状態と
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、旋回に適した値と
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。

【００８６】従って、車両が直進の加速走行から旋回へ
移行した場合には、駆動源の出力制御に要する出力操作
手段の操作が、運転者にとって旋回に適したものとな
る。その結果、旋回時にもそれに適した良好な操縦・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」の処
理の一部を詳しく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、発進加速走行から旋回へ
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、８…旋回状態
検出手段としての操舵角センサ、９…スロットルバル
ブ、１０…直流モータ（９，１０は制御量変更手段を構
成している）、１２…出力操作手段としてのアクセルペ
ダル、１３…操作量検出手段としてのアクセルセンサ、
１４…加速度検出手段としての加速度センサ、１５…速
度検出手段としての車速センサ、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、旋回状態検
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.⁷ 識別記号 ＦＩ Ｆ０２Ｄ 29/02 Ｆ０２Ｄ 29/02 Ｇ ３０１ ３０１Ｚ 41/04 ３１０ 41/04 ３１０Ｃ 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１−219336（ＪＰ，Ａ) 特開 平３−78539（ＪＰ，Ａ) 特開 平４−112935（ＪＰ，Ａ) 特開 昭61−8434（ＪＰ，Ａ) 特開 平５−92731（ＪＰ，Ａ) 特開 平４−314940（ＪＰ，Ａ) 特開 平４−293626（ＪＰ，Ａ) 特開 平４−274935（ＪＰ，Ａ) 特開 平４−71933（ＪＰ，Ａ) 特開 平３−96636（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) F02D 45/00 370 F02D 45/00 340 F02D 29/02 F02D 29/02 301

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、 前記車両の旋回状態を検出するための旋回状態検出手段
   と、 前記旋回状態検出手段の検出結果に基づき前記車両の旋
   回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、
   旋回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。