JP3345930B2 - アクティブコントロール装置 - Google Patents

アクティブコントロール装置

Info

Publication number
JP3345930B2
JP3345930B2 JP00057893A JP57893A JP3345930B2 JP 3345930 B2 JP3345930 B2 JP 3345930B2 JP 00057893 A JP00057893 A JP 00057893A JP 57893 A JP57893 A JP 57893A JP 3345930 B2 JP3345930 B2 JP 3345930B2
Authority
JP
Japan
Prior art keywords
control
neural network
output
signal
value
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
Application number
JP00057893A
Other languages
English (en)
Other versions
JPH06202672A (ja
Inventor
パル チンモイ
一郎 萩原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nissan Motor Co Ltd
Original Assignee
Nissan Motor Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nissan Motor Co Ltd filed Critical Nissan Motor Co Ltd
Priority to JP00057893A priority Critical patent/JP3345930B2/ja
Priority to US08/176,439 priority patent/US5434783A/en
Publication of JPH06202672A publication Critical patent/JPH06202672A/ja
Application granted granted Critical
Publication of JP3345930B2 publication Critical patent/JP3345930B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
    • G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
    • G10K11/1781—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase characterised by the analysis of input or output signals, e.g. frequency range, modes, transfer functions
    • G10K11/17821—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase characterised by the analysis of input or output signals, e.g. frequency range, modes, transfer functions characterised by the analysis of the input signals only
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
    • G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
    • G10K11/1785—Methods, e.g. algorithms; Devices
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
    • G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
    • G10K11/1785—Methods, e.g. algorithms; Devices
    • G10K11/17853—Methods, e.g. algorithms; Devices of the filter
    • G10K11/17854—Methods, e.g. algorithms; Devices of the filter the filter being an adaptive filter
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
    • G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
    • G10K11/1785—Methods, e.g. algorithms; Devices
    • G10K11/17857—Geometric disposition, e.g. placement of microphones
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
    • G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
    • G10K11/1787—General system configurations
    • G10K11/17873—General system configurations using a reference signal without an error signal, e.g. pure feedforward
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K2210/00—Details of active noise control [ANC] covered by G10K11/178 but not provided for in any of its subgroups
    • G10K2210/10—Applications
    • G10K2210/12—Rooms, e.g. ANC inside a room, office, concert hall or automobile cabin
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K2210/00—Details of active noise control [ANC] covered by G10K11/178 but not provided for in any of its subgroups
    • G10K2210/10—Applications
    • G10K2210/128—Vehicles
    • G10K2210/1282—Automobiles
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K2210/00—Details of active noise control [ANC] covered by G10K11/178 but not provided for in any of its subgroups
    • G10K2210/30—Means
    • G10K2210/301—Computational
    • G10K2210/3038—Neural networks

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】この発明は、自動車の車室内騒音
や車体振動を能動的に低減するアクティブコントロール
装置に関する。
【０００２】
【従来の技術】従来のこの種のアクティブコントロール
装置としては、例えば英国公開特許公報第２１４９６１
４号記載の図１３に示す能動型騒音制御装置がある。
【０００３】この従来装置は航空機の客室やこれに類す
る閉空間に適用されるもので、閉空間１０１内にラウド
スピーカ１０３ａ，１０３ｂ，１０３ｃおよびマイクロ
フォン１０５ａ，１０５ｂ，１０５ｃ，１０５ｄを備え
ており、ラウドスピーカ１０３ａ，１０３ｂ，１０３ｃ
によって騒音に干渉させる制御音を発生し、マイクロフ
ォン１０５ｓ，１０５ｂ，１０５ｃ，１０５ｄによって
残差信号（残留騒音）を測定するようになっている。こ
れらラウドスピーカ１０３ａ，１０３ｂ，１０３ｃ、マ
イクロフォン１０５ａ，１０５ｂ，１０５ｃ，１０５ｄ
は信号処理機１０７に接続されており、信号処理機１０
７は基本周波数測定手段によって測定した騒音源の基本
周波数とマンクロホン１０５ａ，１０５ｂ，１０５ｃ，
１０５ｄからの入力信号とを受けとり、閉空間１０１内
の音圧レベルを最小にするようにラウドスピーカ１０３
ａ，１０３ｂ，１０３ｃに制御音信号を出力するもので
ある。
【０００４】ここで閉空間１０１内には、３個のラウド
スピーカ１０３ａ，１０３ｂ，１０３ｃと４個のマイク
ロフォン１０５ａ，１０５ｂ，１０５ｃ，１０５ｄが設
けられているが、説明を単純化するため、それぞれ１０
３ａ，１０５ａの一個ずつ設けられているものとする。
【０００５】今、騒音源からマイクロフォン１０５ａま
での伝達関数をＨとし、ラウドスピーカ１０３ａからマ
イクロフォン１０５ａまでの伝達関数をＣとし、騒音源
が発生する音源情報信号をＸp とすると、マイクロフォ
ン１０５ａで観測される残差信号Ｅは、 Ｅ＝Ｘp ・Ｈ＋Ｘp ・Ｇ・Ｃ となる。ここで、Ｇは、消音するために必要な伝達関数
である。消音対象点において、騒音が完全に打ち消され
てとき、Ｅ＝０となる。このときＧは、 Ｇ＝−Ｈ／Ｃ となる。そして、マイク検出信号Ｅが最小となるＧを求
め、このＧに基づいて信号処理機１０７内のフィルター
係数を適応的に更新するようにしている。マイク検出信
号Ｅを最小にするようフィルター係数を求める手段とし
て、最急降下法の一種であるＬＭＳアルゴリズム（Ｌｅ
ａｓｔ Ｍｅａｎ Ｓｑｕａｒｅ）などがある。
【０００６】また、図１３のように、マイクロフォンが
複数設置されている場合には、各マイクロフォン１０５
ａ，１０５ｂ，１０５ｃ，１０５ｄで検出した信号の総
和が最小となるように制御される。
【０００７】そして、上記のような制御によって、例え
ば図１４の（ａ）のような車室内籠り音に対して（ｂ）
のような逆相の相殺音を出力し、（ｃ）のように籠り音
を相殺音で打ち消す。
【０００８】
【発明が解決しようとする課題】ところで、前記従来装
置は、正弦成分などの定状確定信号からなる単一の騒音
源、例えばエンジンから発生される騒音を低減する場合
には効果的である。
【０００９】しかしながら、走行中の自動車の車室内騒
音は、エンジン回転に伴なう騒音、サスペンションから
伝達されるロードノイズ、風切り音、排気音など種々の
ものが存在し、しかも、ランダムな性質のものが多い。
従って、エンジン回転に伴なう騒音の正弦成分のみを基
準信号として騒音制御をしたのでは制御対象以外の騒音
成分が演算の度に加算されて発散を招く恐れがあり、こ
の場合はかえって騒音レベルの悪化を招くことがある。
【００１０】また、アクティブコントロール装置は、上
記図１３の能動型騒音制御装置以外に、サスペンション
の振動制御などにも応用することができるが、サスペン
ションの振動入力はランダムな性質を有しており、これ
を適格に制御することは困難であった。
【００１１】そこでこの発明は、ニューラルネットを用
いた制御装置を採用することにより、複数の騒音源から
の騒音が連成され、かつ、ランダムな性質を有していて
も、適格な騒音低減を図ることができ、また、ランダム
な振動であってもこれを適格に制振することのできるア
クティブコントロール装置の提供を目的とする。
【００１２】
【課題を解決するための手段】上記課題を解決するため
に、請求項１の発明は、自動車の振動状態を制御するア
クチュエータと、自動車の振動状態を検出する音振状態
検出手段と、前記音振状態検出手段の出力が入力され、
前記アクチュエータを制御する信号を出力すると共に、
当該出力信号に基づく制御予測値を制御目標値と比較す
ることによりパラメータの修正を行なうニューラルネッ
トを用いた制御装置とを有するアクティブコントロール
装置において、前記制御装置は、制御ニューラルネット
と、同定ニューラルネットと、評価・調整部とからな
り、前記制御ニューラルネットは、前記音振状態検出手
段の出力が入力されて前記アクチュエータを制御する信
号を出力し、前記同定ニューラルネットは、予め同定し
た前記アクチュエータの制御による自動車の応答に基づ
き前記制御予測値を出力し、前記評価・調整部は前記同
定ニューラルネットの出力と制御目標値との差を演算
し、この値により前記制御ニューラルネットの制御値を
補正することを特徴とする。
【００１３】請求項２の発明は、自動車の車室内騒音に
干渉させる制御音を発生して騒音低減を図る制御音源
と、前記車室内の騒音状態を検出する騒音状態検出手段
と、前記騒音状態検出手段の出力が入力され、前記制御
音源を制御する信号を出力すると共に、当該出力信号に
基づく制御予測値を制御目標値と比較することによりパ
ラメータの修正を行なうニューラルネットを用いた制御
装置とを有するアクティブコントロール装置において、
前記制御装置は、制御ニューラルネットと、同定ニュー
ラルネットと、評価・調整部とからなり、前記制御ニュ
ーラルネットは、前記騒音状態検出手段の出力が入力さ
れて前記制御音源を制御する信号を出力し、前記同定ニ
ューラルネットは、予め同定した前記制御音源の制御に
よる自動車の応答に基づき前記制御予測値を出力し、前
記評価・調整部は前記同定ニューラルネットの出力と制
御目標値との差を演算し、この値により前記制御ニュー
ラルネットの制御値を補正することを特徴とする。
【００１４】請求項３の発明は、自動車のサスペンショ
ンに制御力を与えて振動低減を図る制振装置と、前記サ
スペンションの振動状態を検出する振動状態検出手段
と、前記振動状態検出手段の出力が入力され、前記制振
装置を制御する信号を出力すると共に、当該出力信号に
基づく制御予測値を制御目標値と比較することによりパ
ラメータの修正を行なうニューラルネットを用いた制御
装置とを有するアクティブコントロール装置において、
前記制御装置は、制御ニューラルネットと、同定ニュー
ラルネットと、評価・調整部とからなり、前記制御ニュ
ーラルネットは、前記振動状態検出手段の出力が入力さ
れて前記制振装置を制御する信号を出力し、前記同定ニ
ューラルネットは、予め同定した前記制振装置の制御に
よる自動車の応答に基づき前記制御予測値を出力し、前
記評価・調整部は前記同定ニューラルネットの出力と制
御目標値との差を演算し、この値により前記制御ニュー
ラルネットの制御値を補正することを特徴とする。
【００１５】請求項４の発明は、請求項１〜３の何れか
に記載のアクティブコントロール装置であって、制御ニ
ューラルネットと同定ニューラルネットは、遅延器を有
し、過去のデータと現在の制御信号から後の制御予測値
を予測して出力することを特徴とする。
【００１６】
【００１７】
【作用】請求項１の発明によれば、音振状態検出手段が
自動車の音振状態を検出し、その出力が制御装置に入力
されるとニューラルネットによって生成された信号が出
力される。この信号出力によってアクチュエータが自動
車の音振状態を制御する。またニューラルネットにより
前記出力信号に基づく制御予測値が出力され、この制御
予測値と制御目標値とが比較され、その結果ニューラル
ネットのパラメータの修正が行なわれ、ニューラルネッ
トの学習が適応的に行なわれる。そして、制御装置は制
御ニューラルネットと、同定ニューラルネットと、評価
・調整部とからかり、制御ニューラルネットでは音振状
態検出手段の出力が入力されてアクチュエータを制御す
る信号を出力することができる。同定ニューラルネット
では、予め同定したアクチュエータの制御による自動車
の応答に基づき制御予測値を出力することができる。評
価・調整部では同定ニューラルネットの出力と制御目標
値との差を演算し、この値により制御ニューラルネット
の制御値を補正することができる。
【００１８】請求項２に記載の発明では、騒音状態検出
手段が車室内の騒音状態を検出すると、その出力が制御
装置に入力され、ニューラルネットによって生成された
信号が出力される。この出力信号によって制御音源が制
御され、自動車の車室内騒音に干渉させる制御音を発生
して騒音低減を図ることができる。又、ニューラルネッ
トにより前記出力信号に基づく制御予測値が出力され、
この制御予測値と制御目標値とが比較され、その結果ニ
ューラルネットのパラメータの修正が行なわれ、ニュー
ラルネットの学習を行なうことができる。すなわちラン
ダムな性質を有する騒音であっても、ニューラルネット
を用いて正確にコントロールすることができる。そし
て、制御装置は制御ニューラルネットと、同定ニューラ
ルネットと、評価・調整部とからなり、制御ニューラル
ネットでは騒音状態検出手段の出力が入力されて制御音
源を制御する信号を出力することができる。同定ニュー
ラルネットでは予め同定した制御音源の制御による自動
車の応答に基づき制御予測値を出力することができる。
評価・調整部では同定ニューラルネットの出力と制御目
標値との差を演算し、この値により制御ニューラルネッ
トの制御値を補正することができる。
【００１９】請求項３に記載の発明では、振動状態検出
手段がサスペンションの振動状態を検出すると、その出
力が制御装置に入力され、ニューラルネットにより生成
された信号が出力される。この出力信号によって制振装
置が制御され、自動車のサスペンションに制御力が与え
られて振動低減を図ることができる。またニューラルネ
ットによって前記出力信号に基づく制御予測値が出力さ
れ、制御目標値と比較することによりニューラルネット
のパラメータの修正が行なわれ、ニューラルネットの学
習を行なうことができる。すなわちランダムな性質を有
するサスペンション振動をニューラルネットを用いてコ
ントロールすることができる。そして、制御装置は制御
ニューラルネットと同定ニューラルネットと評価・調整
部とからなり、制御ニューラルネットでは振動状態検出
手段の出力が入力されて制振装置を制御する信号を出力
することができる。同定ニューラルネットでは予め同定
した制振装置の制御による自動車の応答に基づき制御予
測値を出力することができる。評価調整部では同定ニュ
ーラルネットの出力と制御目標値との差を演算し、この
値により制御ニューラルネットの制御値を補正すること
ができる。
【００２０】請求項４に記載の発明では、制御ニューラ
ルネットと同定ニューラルネットは遅延器を有し、過去
のデータと現在の制御信号から後の制御予測値を予測し
て出力することができる。
【００２１】
【００２２】
【実施例】以下、この発明の実施例を説明する。
【００２３】図１は、この発明の一実施例に係るアクテ
ィブコントロール装置を適用したアクティブノイズコン
トロール装置の全体を示す概略図である。
【００２４】図１で示す車室１内は、エンジンからの騒
音、サスペンションからのロードノイズ、マフラからの
排気音、更には風切り音、車体パネルの振動などが合成
され、非線形の連成空間を構成している。このような連
成空間としての車室１内の音振状態として、騒音状態を
検出するために、音振状態検出手段（騒音状態検出手
段）であるマイクロフォン３及びピエゾ素子センサ５が
設けられている。
【００２５】自動車の音振状態を制御するアクチュエー
タとしては、自動車の車室１内騒音に干渉させる制御音
を発生して騒音低減を図る制御音源であるラウドスピー
カ７が設けられている。
【００２６】また、この実施例では、自動車の音振状態
を制御するアクチュエータとして車体パネルに外力を加
えて車体の振動モードを制御するピエゾ素子アクチュエ
ータ９が設けられている。
【００２７】そして、マイクロフォン３、ピエゾ素子セ
ンサ５の出力は、ニューラルネットを用いた制御装置１
１に入力され、制御装置１１は、ラウドスピーカ７、ピ
エゾ素子アクチュエータ９を制御する信号を出力するよ
うになっている。
【００２８】同時に当該出力信号に基づく制御予測値を
制御目標値と比較することにより、ニューラルネットの
パラメータ、例えば結合荷重の修正を行なう構成となっ
ている。
【００２９】なお、この実施例では、前記のように車室
１内の騒音を制御するためにマイクロフォン３、ラウド
スピーカ７の他に、ピエゾ素子センサ５、ピエゾ素子ア
クチュエータ９を設けているが、これは、車室１内の騒
音は車体の振動応答と車室１内の音場との連成となるか
らである。
【００３０】また、マイクロフォン３、ピエゾ素子セン
サ５、ラウドスピーカ７及びピエゾ素子アクチュエータ
９は、説明簡単のために各１個のみ設けられているもの
としているが、例えば、これらを複数とし、マイクロフ
ォン３は各座席のヘッドレスト位置にそれぞれ設け、ラ
ウドスピーカ７は車両の前席及び後席に対応する左右ド
ア部にそれぞれ配置し、ピエゾ素子センサ５及びピエゾ
素子アクチュエータ９は車体ルーフ、左右ドア部などに
分散して設けることもできる。
【００３１】図２は、前記制御装置１１を示す概略ブロ
ック図である。即ち、制御装置１１は、制御ニューラル
ネット１３と、同定ニューラルネット１５と、評価・調
整部１７と、遅延器１９と、図示しないが記憶部等を備
えている。
【００３２】前記制御ニューラルネット１３は、マイク
ロフォン３の出力ｍとピエゾ素子セ
【外１】 子アクチュエータ９を制御する信号Ｏc2とを出力する構
成となっている。
【００３３】前記同定ニューラルネット１５は、予め同
定したアクチュエータの制御による自動車の応答に基づ
き制御予測値Ｏf を出力する。即ち、制御ニューラルネ
ット１３の出力Ｏc1，Ｏc2及びマイクロフォン３の出力
ｍ等を入力し、制御予測値Ｏf を出力する構成となって
いる。
【００３４】前記評価・調整部１７は、同定ニューラル
ネット１５が被制御体の動特性を充分に表した後、即
ち、車室１の応答を充分に同定した後、同定ニューラル
ネット１５の出力Ｏf と制御目標値ＸT との差を演算
し、この値を用いてバックプロパゲーションにより制御
ニューラルネット１３の結合荷重の修正を行なう。
【００３５】前記遅延器１９，２１及び図示しない記憶
部は、ＡＲＭＡモデルに基づいて制御ニューラルネット
１３と同定ニューラルネット１５とを構成するものであ
る。
【００３６】遅延器１９はマイクロフォン３、ピエゾ素
子センサ５が騒音状態を検出した時点ｔよりも前、即
ち、（ｔ−１），（ｔ−２），…などの制御信号Ｏc1，
Ｏc2を制御ニューラルネット１３に入力する構成となっ
ている。このため、制御ニューラルネット１３は時間遅
れ（過去）の信号を入力するニューロン素子を有してい
る。
【００３７】遅延器２１は、同定ニューラルネット１５
の出力信号Ｏf の現時点ｔよりも前の（ｔ−１）などの
データを同定ニューラルネット１５及び制御ニューラル
ネット１３に入力する構成となっている。従って、両ニ
ューラルネット１３，１５は、同定ニューラルネット１
５の出力Ｏf の過去のデータを入力するニューロン素子
をそれぞれ有している。
【００３８】
【外２】 入力により現時点の制御信号Ｏc1，Ｏc2を出力し、同定
ニューラルネット１５は、前記過去のデータとｍ，
Ｏc1，Ｏc2との信号入力により、検出時点よりも後の
（ｔ＋Δｔ）の制御予測値Ｏf を予測して出力する。こ
のため、自動車のように外部環境が激しく変化するよう
な場合でも、将来を見越した制御ができるため、素早い
対応をとることができる。又、その予測を行なう際、常
に最前の値を用いて予測を行なっているため適確な予測
を行なうことができる。
【００３９】図３（ａ），（ｂ）は、ニューラルネット
の構成の一部を示したもので（ａ）は全体（ｂ）は中間
層の１つ（例えば２５ｃ）を示したものである。
【００４０】このニューラルネットは、入力層と中間層
と出力層とからなっている。入力層はニューロン素子２
３ａ，２３ｂの２個を示し、中間層はニューロン素子２
５ａ，２５ｂ，２５ｃの３個を示し、出力層はニューロ
ン素子２７の１個を示している。
【００４１】ここで説明するニューラルネットは、入力
層のニューロン素子２３ａ，２３ｂでは入力ｘ1 ，ｘ2
に対して結合荷重Ｗijを付け、中間層のニューロン素子
２５ａ，２５ｂ，２５ｃでは同様に結合荷重Ｈjrを付け
ている。ijはｉ番目の入力層に対して、ｊ番目の中間層
が結合していることを示し、jrはｊ番目の中間層に対し
てｒ番目の出力層が結合していることを示している。
【００４２】従って、結合荷重Ｗijによる各ニューロン
の内部ポテンシャルＯ1 は、 Ｏ1 ＝ΣＷijｘi ＋Θi …（１） となる。ここに、Θi はニューロン素子の閾値を示して
いる。
【００４３】また、内部ポテンシャルＯ1 は、ニューロ
ン素子への出力値と決める。出力は、例えば、図４で示
すシグモイド関数で計算される。これは、
【数１】 と表される。
【００４４】ここに、ｕ0 は図４の傾きを示すもので、
この傾きｕ0 を決めることにより、ランダム信号に対応
させることができる。出力は０から１の間の出力であ
り、例えば、物理量ｖ＝０〜１００ｍ／sec を出力する
としたら、
【数２】 として、０〜１の信号にするのである。
【００４５】結合荷重Ｗij等の修正は、同定ニューラル
ネット１５の出力Ｏf と制御目標値ＸT との誤差を、 Ｅ＝Σ（ＸT −Ｏf ）2 …（４） とし、最急降下法により、誤差Ｅを最小値とするＷijを
求め、結合荷重とするのである。
【００４６】ここで、入力ｘのニューロン素子の出力Ｏ
f は、Ｏf ＝ｆ（ｙ）で与えられるから、誤差Ｅはｆ
（ｙ）の関数となり、ＥをＯf で偏微分し、Ｏf をＷij
で偏微分して、
【数３】 とし、さらにＯf をｆ（ｙ）で偏微分し、ｆ（ｙ）をＷ
ijで偏微分して、
【数４】 となる。従って、ｆ（ｙ）とＯf との関係でＥを最小と
するＷijが求められる。
【００４７】前記ＡＲＭＡモデルに基づくニューラルネ
ットは、過去の状態が現在に及ぼす割合を結合荷重とし
て記憶するためである。即ち、ロードノイズ及び風切り
音などによる騒音は動特性の状態の時間による推移が本
質的な意味を持つため、この動特性をネットワークに内
包させる必要がある。このため、過去の状態の推移の経
過が現在に影響を及ぼすことのできる構造が必要とな
る。即ち、ある時刻までの既知観測列からその後の系列
を予測する必要がある。このため、ネットワーク内部に
回帰的なループを設けることによってこれに対処してい
る。
【００４８】図５は、ＡＲＭＡモデルに基づいたニュー
ラルネットを一般的に示したものである。このニューラ
ルネットは、入力層、中間層、出力層を有しており、時
刻ｔにおける入力ｘ（ｔ）によって時刻（ｔ＋１）にお
ける出力ｙ（ｔ＋１）を予測して出力する。即ち、予測
される出力ｙ（ｔ＋１）は、現在の入力ｘ（ｔ）と過去
の状態とに関係する。このため、入力層には３つの短期
記憶ユニット２９，３０，３１に接続されたニューロン
素子を新たに追加している。
【００４９】記憶ユニット２９は、入力ｘ（ｔ）の過去
のデータｘ（ｔ−１）からｘ（ｔ−ｎ）を記憶し、それ
ぞれ対応するニューロン素子に信号を入力するようにな
っている。記憶ユニット３０は、出力ｙ（ｔ＋１）の過
去のデータｙ（ｔ）からｙ（ｔ−ｌ）のデータを記憶
し、それぞれ対応するニューロン素子に入力するように
なっている。記憶ユニット３１は、出力ｙ（ｔ＋１）の
過去のデータｚ（ｔ−ｌ−１）からｚ（ｔ−ｇ）を記憶
し、それぞれ対応するニューロン素子に入力するように
なっている。
【００５０】そして、入力ｘ（ｔ）の信号は予測係数α
0 を付けて中間層のニューロン素子に入力され、記憶ユ
ニット２９の各信号は予測係数α1 からαn が付けら
れ、記憶ユニット３０の信号は予測係数β0 からβ1 が
付けられ、記憶ユニット３１の信号は予測係数γl+1 か
らγg が付けられ、それぞれ中間層のニューロン素子に
入力されるようになっている。
【００５１】このニューラルネットの出力ｙ（ｔ＋１）
と検出した状態量ｘ（ｔ＋１）との関係は、予測誤差ｅ
（ｔ＋１）とすると、 ｘ（ｔ＋１）＝ｙ（ｔ＋１）＋ｅ（ｔ＋１） となる。この場合、出力ｙ（ｔ＋１）は、
【数５】 で表される。
【００５２】従って、予測係数α，β，γは、誤差系列
に最小２乗推定法を適用して適正な値へ修正されていく
こととなる。
【００５３】次に、アクティブコントロール装置の作用
を説明する。
【００５４】図６は、この発明の一実施例に係る作用の
概略を示したものである。アクティブコントロール装置
は、大概この図６のように動作する。図１をも参照する
と、まず、ピエゾ素子センサ５及びマイクロフォン３に
よって車室１内の代表点の応答を正確に把握し、制御装
置１１によってシステムの動的特性をより正確に同定す
る。制御装置１１は、システムの同定に基づいて連成解
析を行ない、ピエゾ素子アクチュエータ９及びラウドス
ピーカ７を制御するのである。即ち、図２を参照し、同
定ニューラルネット１５が車室１内の騒音に対する動特
性を充分に表した後、評価・調整部１７において同定ニ
ューラルネット１５の出力Ｏf と制御目標値ＸT との差
を演算し、この値を用いて制御ニューラルネット１３の
結合荷重をバックプロパゲーションにより修正するので
ある。
【００５５】図７は、車室１内の応答に対する制御のタ
イムチャートを示している。即ち、時刻ｔにおいて、ピ
エゾ素子センサ５及びマイクロフォン３で車室１内の状
態を感知し、制御装置１１が時刻ｔでラウドスピーカ７
及びピエゾ素子アクチュエータ９に信号を出力し、時刻
ｔ＋Δｔにおいて車室１内の騒音制御が実現されるので
ある。
【００５６】そして、この制御結果を制御装置１１のニ
ューラルネットにフィードバックして結合荷重を修正す
るため、同定ニューラルネット１５の入力はある時間ス
テップｔにおける車室１内の騒音状態量とこれに対する
制御量とし、出力は次のステップ（ｔ＋Δｔ）における
状態量となる。この同定ニューラルネット１５の出力Ｏ
f に基づき、同定ニューラルネット１５の制御評価関数
Ｅf 、制御ニューラルネット１３の制御評価関数Ｅ
c は、
【数６】 但し、Ｘ：現在の状態 ＸT ：のぞましい状態 Ｏf ：ニューロが予測した状態 となる。
【００５７】Ｘは時間ステップｔ＋Δｔにおける検出状
態量であり、ＸT は、制御目標となる状態量である。従
って、同定ニューラルネット１５が車室１内の騒音に対
する動特性を正確に同定しているならば、評価関数Ｅf
は所定値以下となり、同定ニューラルネット１５の出力
Ｏf と目標状態量ＸT との誤差Ｅc は、全て制御ニュー
ラルネット１３によって発生したと考えられる。
【００５８】従って、図８のように誤差情報を逆伝搬
し、制御ニューラルネット１３迄戻すことによって、制
御装置１１全体についての調整が可能となるのである。
【００５９】次に、図９のフローチャートによりこの発
明の一実施例の制御作用を説明する。
【００６０】まず、ステップＳ１では、制御ニューラル
ネット１３と同定ニューラルネット１５との初期化を行
なう。この初期化は、結合荷重Ｗと閾値Θ及びシグモイ
ド関数の傾き係数ｕ0 をランダム関数を用いて決定す
る。
【００６１】ステップＳ２では、同定ニューラルネット
１５の初期学習を行なう。この初期学習はオフラインで
行なわれ、予め定められたプログラムで行なわれる。こ
のステップＳ２での初期学習が完了すると、図２のよう
に同定ニューラルネット１５は制御装置１１に組み込ま
れる。
【００６２】同定ニューラルネット１５の初期学習が完
了した後、制御ニューラルネット１３が稼動され、その
出力Ｏc がステップＳ３で出力される。この出力によっ
てラウドスピーカ７及びピエゾ素子アクチュエータ９が
駆動されると共に、出力Ｏcは同定ニューラルネット１
５に入力される。これによって同定ニューラルネット１
５は、時刻ｔ＋Δｔにおける予測した状態量Ｏf を出力
する。
【００６３】ステップＳ５では、時刻ｔ＋Δｔにおける
状態量Ｘの実測データがサンプリングされる。また、こ
の実施例では、ＡＲＭＡモデルを利用しているため、過
去の状態量を記憶装置に書き込む。
【００６４】ステップＳ６では、同定の判断が行なわれ
る。即ち、このステップＳ６は、同定ニューラルネット
１５が車室１内の騒音に関する動特性を正確に同定して
いるかどうかを判断するものである。具体的には、実測
された状態量Ｘと予測した出力Ｏf とを用いて上式のよ
うに演算された同定ニューラルネット１５の評価関数Ｅ
f を収束判定基準Ｔf より大きいか否かを判断する。Ｅ
f がＴf より大きければ、同定ニューラルネット１５が
システムを充分に同定していないため、ステップＳ７へ
移行し、評価・調整部１７によって同定ニューラルネッ
ト１５の結合荷重Ｗの修正、学習が行なわれる。
【００６５】次いで、ステップＳ８へ移行し、適応制御
の判断が行なわれる。この判断は、車室１内の騒音状態
が目標の状態になっているかどうかを判断するものであ
る。具体的には、目標とする状態量ＸT と同定ニューラ
ルネット１５の出力Ｏf とによって上式のように演算さ
れる評価関数Ｅc を収束判定基準Ｔc より大きいか否か
を判断する。Ｅc がＴc よりも大きければ、制御ニュー
ラルネット１３が充分に同定されていないためステップ
Ｓ９に移行し、バックプロパゲーションによって制御ニ
ューラルネット１３の結合荷重Ｗの修正、学習が行なわ
れる。
【００６６】以後、ステップＳ３からステップＳ９が繰
り返され、車室１内の騒音がフィードフォワードによっ
て制御されることになる。
【００６７】即ち、図１、図２のように同定ニューラル
ネット１５は、予めオフラインで車室１内の騒音に関す
る動特性を同定されている。そして、制御ニューラルネ
ット
【外３】 制御ニューラルネット１３の出力信号Ｏc1，Ｏc2の過去
の信号及び同定ニューラルネット１５の出力Ｏf の過去
の信号が入力され、制御信号Ｏc1，Ｏc2が出力される。
ここで、制御ニューラルネット１３は、過去のデータを
反映させるために過去のデータを入力するために予め設
けられた入力用のニューロン素子全てにデータが入力さ
れた後稼動し出力するのである。
【００６８】そして、出力Ｏc1によってラウドスピーカ
７が駆動され、騒音に対する逆相の信号が車室１内に出
力される。また、出力Ｏc2によって、ピエゾ素子アクチ
ュエータ９が駆動され、車体の振動モードが制御され
る。これによって、車室１の非線形の連成空間が制御さ
れ、騒音低減を図ることができる。
【００６９】また、同定ニューラルネット１５は、制御
ニューラルネット１３の出力Ｏc1，Ｏc2を入力すると共
に、車室１内の状態量としてマイクロフォン３の出力ｍ
及び出力Ｏf の過去のデータを入力し、時刻ｔ＋Δｔに
おける出力Ｏf を予測して出力する。この出力Ｏf は、
現時点での車室１内の騒音状態及び外力と過去のデータ
とに基づいており、ランダムな入力による騒音状態であ
っても正確に予測しているものと言える。
【００７０】そして、出力Ｏf と現時点ｔにおける車室
１内の騒音状態の実測データＸとを比較し、同定ニュー
ラルネット１５の学習が行なわれる。同定ニューラルネ
ット１５がシステムの動特性を正確に同定しているもの
とした場合に、同定ニューラルネット１５の出力Ｏf と
目標の状態量ＸT とにより評価・調整部１７が制御ニュ
ーラルネット１３の学習を行なうのである。
【００７１】図１０は、この発明の一実施例に係るニュ
ーラルネットワークの具体的な構成を示している。
【００７２】上記のように、このニューラルネットワー
クは、ＡＲＭＡモデルを考慮しており、制御ニューラル
ネット１３として音場制御ニューラルネットワーク１３
ａと構造制御ニューラルネットワーク１３ｂとを備えて
いる。各ニューラルネットワークは、入力層、中間層、
出力層とからなっており、入力層は白丸、中間層は斜線
の入った丸、出力層は黒丸で示している。
【００７３】音場制御ニューラルネットワーク１３ａの
入力は、時刻ｔにおけるｎ個のマイクロフォンの音圧感
知信号ｍ＝ｍ1 s (t) 〜ｍn s (t) と、時刻（ｔ−１）
〜（ｔ−ｋ）迄の過去のデータｍ1 a (t-1) 〜ｍ1 a (t
-k) ，ｍn a (t-1) 〜ｍn a(t-k) と、ｎ個のラウドス
ピーカの（ｔ−１）〜（ｔ−ｋ）迄の過去における制御
力Ｓ1 a (t-1) 〜Ｓ1 a (t-k) ，Ｓn a (t-1) 〜Ｓn a
(t-k) とが入力層の各ニューロン素子に入力されてい
る。ここに、上添字のｓは検出信号を示し、同ａはニュ
ーラルネットによる処理信号を示している。
【００７４】音場制御ニューラルネットワーク１３ａの
現在の時刻ｔにおける出力Ｏc1は、 Ｏc1＝Ｓ1 a (t) 〜Ｓn a (t) であり、ｎ個のラウドスピーカに制御力として出力され
ると共に、同定ニューラルネットワーク１５の入力層の
該当するニューロン素子に入力されている。
【００７５】この出力Ｏc1＝Ｓ1 a (t) 〜Ｓn a (t) の
過去のデータは記憶され、遅延器１９により音場制御ニ
ューラルネットワーク１３ａの入力層に入力されること
は前述の通りである。
【００７６】同定ニューラルネットワーク１５の入力層
には、現時点ｔにおけるマイクロフォン音圧感知信号ｍ
＝ｍ1 s (t) 〜ｍn s (t) と音圧感知信号の過去のデー
タｍ1 a (t-1) 〜ｍ1 a (t-k) ，ｍn a (t-1) 〜ｍn a
(t-k) とが入力されている。
【００７７】また、構造制御ニューラルネットワーク１
３ｂの入力層には、ｎ個のピエゾ素
【外４】 ) が入力されている。また、ｎ個のピエゾ素子アクチュ
エータの過去の制御信号Ｐ1 a (t-1) 〜Ｐ1 a (t-k) ，
Ｐn a (t-1) 〜Ｐn a (t-k) が入力されている。
【００７８】構造ニューラルネットワーク１３ｂの時刻
ｔにおける出力Ｏc2は、 Ｏc2＝Ｐ1 a (t) 〜Ｐn a (t) である。この出力Ｏc2＝Ｐ1 a (t) 〜Ｐn a (t) は、ｎ
個のピエゾ素子アクチュエータに出力されると共に、同
定ニューラルネットワーク１５の入力層に入力されてい
る。
【００７９】また、出力Ｏc2＝Ｐ1 a (t) 〜Ｐn a (t)
は前記同様逐次記憶され、過去のデータとして構造制御
ニューラルネットワーク１３ｂの入力層に入力されるの
は前述の通りである。
【００８０】同定ニューラルネットワーク１５の入力層
には、時刻ｔにおける検出した車体
【外５】 る。
【００８１】そして、同定ニューラルネットワーク１５
からは時刻ｔ＋Δｔにおけるマイク検出信号の予測値と
して Ｏf ＝ｍ1 a (t＋Δt)〜ｍn a (t＋Δt) が出力され、ピエゾ素子センサの検出の予測値として
【数７】 が出力される。
【００８２】なお、同定ニューラルネットワーク１５の
出力Ｏf ＝ｍ1 a (t＋Δt)〜ｍn a(t＋Δt)は逐次記憶
され、過去のデータとして同定ニューラルネットワーク
１５と音場制御ニューラルネットワーク１３ａとの各入
力層に入力されている。
【００８３】
【外６】 n a (t＋Δt)も逐次記憶され、過去のデータとして同定
ニューラルネットワーク１５の入力層及び構造制御ニュ
ーラルネットワーク１３ｂの入力層にそれぞれ入力され
ている。
【００８４】従って、同定ニューラルネットワーク１５
の評価関数Ｅf は、
【数８】 となる。
【００８５】また、音場制御ニューラルネットワーク１
３ａの制御評価関数Ｅc は、
【数９】 となる。
【００８６】更に、構造制御ニューラルネットワーク１
３ｂの制御評価関数Ｅc は、
【数１０】 となる。
【００８７】従って、これらの評価関数Ｅf ，Ｅc を用
いて上記のように同定ニューラルネットワーク１５と制
御ニューラルネットワーク１３との結合荷重Ｗの修正、
学習を適格に行なうことができる。
【００８８】なお、この第１実施例では、同定ニューラ
ルネット、制御ニューラルネットの双方にＡＲＭＡモデ
ルを考慮したニューラルネットを用いているが、少なく
とも制御ニューラルネットにつきＡＲＭＡモデルを考慮
すればよい。
【００８９】図１１は、この発明の第２実施例を示して
いる。この実施例は、アクティブコントロール装置を自
動車のサスペンションの振動制御に適用したものであ
る。
【００９０】車体３２は、前輪３３と後輪３５とで路面
３７に接地している。このようなサスペンションにおい
て前輪３３と車体３２との間のバネ定数はＫF2、減衰係
数はＣF1であり、前輪３３と路面３７との間のバネ定数
はＫF1、減衰係数はＣF1である。また、後輪３５と車体
３２との間のバネ定数はＫR2であり、減衰係数はＣR1で
ある。後輪３５と路面３７との間のバネ定数はＫR1、減
衰係数はＣR1である。
【外７】 ある。
【００９１】そして、前輪３３と車体３２との間には制
御力ＰF を与えて振動低減を図る制振装置３９が設けら
れ、後輪３５と車体３２との間には制御力ＰR を与えて
振動低減を図る制振装置４１が設けられている。
【００９２】制御装置４０には、前輪３３側における路
面３７の凹凸Ｙ0Fを検出する前輪側路面検出器４３及び
後輪３５側における路面の凹凸を検出する後輪側路面検
出器４５の信号が入力されるようになっている。
【００９３】また、前輪３３の振動加速度を検出する前
輪振動加速度検出器４７と、後輪３５の振動加速度を検
出する後輪振動加速度検出器４９との出力信号が入力さ
れるようになっている。
【００９４】更に、車体３２の前部振動加速度を検出す
る前部振動加速度検出器５１と、後輪側の振動加速度を
検出する後部振動加速度検出器５３とからの信号が入力
されるようになっている。
【００９５】これら、検出器４３，４５，４７，４９，
５１，５３は、サスペンションの振動状態を検出する振
動状態検出手段を構成している。そして、制御装置４０
は、第１実施例同様にニューラルネットが用いられてお
り、検出器４３，４５，４７，４９，５１，５３の出力
が入力され、前記制振装置３９，４１を制御する信号を
出力する。また、当該出力信号に基づく制御予測値を制
御目標値と比較することにより、ニューラルネットの結
合荷重の修正を行なう構成となっている。
【００９６】この制御装置４０のニューラルネットワー
クの構成は図１２のようになっている。
【００９７】このニューラルネットも前記実施例同様、
制御ニューラルネット５５と同定ニューラルネット５７
とからなっている。制御ニューラルネット５５は、前輪
制御ニューラルネット５５ａと後輪制御ニューラルネッ
ト５５ｂとからなっている。各制御ニューラルネット５
５ａ，５５ｂは白丸の入力層と、斜線を施した丸で示す
２段の中間層と黒丸の出力層とからなっており、同定ニ
ューラルネット５７は白丸の入力層、斜線を施した丸の
中間層、黒丸の出力層からなっている。
【００９８】そして、この実施例では、制御ニューラル
ネット５５のみをＡＲＭＡモデルを考慮したニューラル
ネットとしている。即ち、前輪制御ニューラルネット５
５ａの入力層には、時刻ｔにおける前輪側路面検出器４
３の検出信号Ｙ0F s (t) 、前
【外８】 制御力ＰF a (t) となる。この出力ＰF a (t) は、同定
ニューラルネット１５に入力されると共に逐次記憶さ
れ、過去のデータＰF a (t-1) として前輪制御ニューラ
ルネット５５ａの入力層に入力されるようになってい
る。
【００９９】また、後輪制御ニューラルネット５５ｂも
同様であり、入力は、検出器４５，
【外９】 ４１の制御力Ｏc ＝ＰR a (t) の過去のデータＰR s (t
-1) となっている。出力Ｏc ＝ＰR a (t) は制振装置４
１に出力されると共に、同定ニューラルネット１５に入
力されるようになっている。同定ニューラルネット１５
の入力層には、更
【外１０】 更に、同定ニューラルネット１５の入力層には、中間層
の出力が入力される構成となっている。これは、一般に
レカレント（recurrent ）と呼ばれ、信号のノイズを除
去することができる。レカレントは、例えば、中間層の
出力を再び中間層自体に入力することによっても行なう
ことができる。
【０１００】同定ニューラルネット１５の出力Ｏf は、
次の時刻ｔ＋１における車体３２の振動加速度
【数１１】 となる。従って、同定ニューラルネット１５の評価関数
Ｅf は、
【数１２】 となり、制御ニューラルネット５５の評価関数Ｅc は、
【数１３】 となる。
【０１０１】従って、この実施例においても評価関数Ｅ
f が所定以下となり、同定ニューラルネット５７が振動
入力に対する車体３２の動特性を正確に表しているなら
ば、評価関数Ｅc によって制御ニューラルネット５５の
結合荷重を修正、学習し、サスペンション制御の適格な
フィードフォワード制御を可能とする。
【０１０２】なお、第２実施例で設けた同定ニューラル
ネット５７のレカレントは、制御ニューラルネットに用
いることもでき、更に、第１実施例のニューラルネット
に適用することも可能である。また第２（本）実施例で
は過去のデータとして（ｔ−１）における１個のデータ
で説明したが、第１実施例と同様にいくつかの時間遅れ
のデータも考慮することが可能である。
【０１０３】
【発明の効果】以上より明らかなように、この発明の構
成によれば以下のような効果を奏する。
【０１０４】請求項１に記載の発明では、ニューラルネ
ットを用いた制御装置によりシステムの同特性を的確に
同定し、自動車の音振状態をフィードフォワード制御に
より的確に制御することができる。しかも、制御装置に
評価・調整部を設け、当該評価・調整部は同定ニューラ
ルネットの出力と制御目標値との差を演算し、この値に
より制御ニューラルネットの制御値を補正するようにし
たため、自動車のように外部環境が激しく変化する場合
でも、将来を見越した制御ができるため、素早い対応を
とることができる。
【０１０５】請求項２に記載の発明では、ニューラルネ
ットを用いた制御装置により車室内騒音をフィードフォ
ワード制御により的確に制御することができる。従っ
て、車室内騒音がエンジン音、エンジンからの入力、サ
スペンションからの入力、マフラからの排気音、風切り
音などの錬成に基づく場合でも、連成を的確に解析して
騒音低減を図ることができる。しかも制御装置に評価・
調整部を設け、当該評価・調整部は同定ニューラルネッ
トの出力と制御目標値との差を演算し、この値により制
御ニューラルネットの制御値を補正するようにしたた
め、自動車のように外部環境が激しく変化する場合で
も、将来を見越した制御ができるため、素早い対応をと
ることができる。
【０１０６】請求項３に記載の発明では、ニューラルネ
ットを用いた制御装置によりサスペンションの振動制御
をフィードフォワードにより的確に制御することができ
る。従って、高速道はもちろん、オフロードであっても
サスペンションの振動特性を的確に解析し、車体振動の
低減を図ることができる。しかも、制御装置に評価・調
整部を設け、当該評価・調整部は同定ニューラルネット
の出力と制御目標値との差を演算し、この値により制御
ニューラルネットの制御値を補正するようにしたため、
自動車のように外部環境が激しく変化する場合でも、将
来を見越した制御ができるため、素早い対応をとること
ができる。
【０１０７】請求項４に記載の発明では、遅延装置を用
いたので、その予測を行なう際、常に最善の値を用いて
予測を行なっているため、変化に対応した的確な予測を
行なうことができる。
【０１０８】
【図面の簡単な説明】
【図１】この発明の一実施例に係る概略ブロック図であ
る。
【図２】制御装置のブロック図である。
【図３】ニューラルネットの一部を示す説明図である。
【図４】シグモイド関数を示す説明図である。
【図５】ＡＲＭＡモデルに基づいたニューラルネットの
説明図である。
【図６】作用の概略説明図である。
【図７】システムの応答図である。
【図８】バックプロパゲーションの説明図である。
【図９】フローチャートである。
【図１０】一実施例に係るニューラルネットの構成図で
ある。
【図１１】他の実施例に係る概略ブロック図である。
【図１２】他の実施例に係るニューラルネットワークの
構成図である。
【図１３】従来の能動型騒音制御装置の概略ブロック図
である。
【図１４】信号の干渉状態を示す説明図である。
【符号の説明】
１ 車室 ３ マイクロフォン（騒音状態検出手段、音振状態検出
手段） ７ ラウドスピーカ（制御音源、アクチュエータ） １１ 制御装置 ３９ 制振装置（アクチュエータ） ４０ 制御装置 ４１ 制振装置（アクチュエータ） ４３ 前輪側路面検出器（振動状態検出手段、音振状態
検出手段） ４５ 後輪側路面検出器（振動状態検出手段、音振状態
検出手段） ４７ 前輪振動加速度検出器（振動状態検出手段、音振
状態検出手段） ４９ 後輪振動加速度検出器（振動状態検出手段、音振
状態検出手段） ５１ 前部振動加速度検出器（振動状態検出手段、音振
状態検出手段） ５３ 後部振動加速度検出器（振動状態検出手段、音振
状態検出手段）
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平４−130497（ＪＰ，Ａ) 特開 平４−149605（ＪＰ，Ａ) 特開 平２−260002（ＪＰ，Ａ) 特開 昭62−48911（ＪＰ，Ａ) 特開 昭57−97989（ＪＰ，Ａ) 特開 平３−14002（ＪＰ，Ａ) 特開 平２−93940（ＪＰ，Ａ) 特開 平４−220758（ＪＰ，Ａ) 特開 平４−372409（ＪＰ，Ａ) 特開 平４−355797（ＪＰ，Ａ) 特開 平６−138888（ＪＰ，Ａ) 実開 平６−33200（ＪＰ，Ｕ) 国際公開92／8223（ＷＯ，Ａ１) (58)調査した分野(Int.Cl.7，ＤＢ名) G10K 11/178 B60R 11/02 F01N 1/00 F16F 15/02 G05B 13/00 G05D 19/02 G06F 15/18

Claims (4)

    (57)【特許請求の範囲】
  1. 【請求項１】 自動車の音振状態を制御するアクチュエ
    ータと、 自動車の音振状態を検出する音振状態検出手段と、 前記音振状態検出手段の出力が入力され、前記アクチュ
    エータを制御する信号を出力すると共に、当該出力信号
    に基づく制御予測値を制御目標値と比較することにより
    パラメータの修正を行なうニューラルネットを用いた制
    御装置とを有するアクティブコントロール装置におい
    て、 前記制御装置は、制御ニューラルネットと、同定ニュー
    ラルネットと、評価・調整部とからなり、 前記制御ニューラルネットは、前記音振状態検出手段の
    出力が入力されて前記アクチュエータを制御する信号を
    出力し、 前記同定ニューラルネットは、予め同定した前記アクチ
    ュエータの制御による自動車の応答に基づき前記制御予
    測値を出力し、 前記評価・調整部は前記同定ニューラルネットの出力と
    制御目標値との差を演算し、この値により前記制御ニュ
    ーラルネットの制御値を補正することを特徴とするアク
    ティブコントロール装置。
  2. 【請求項２】 自動車の車室内騒音に干渉させる制御音
    を発生して騒音低減を図る制御音源と、 前記車室内の騒音状態を検出する騒音状態検出手段と、 前記騒音状態検出手段の出力が入力され、前記制御音源
    を制御する信号を出力すると共に、当該出力信号に基づ
    く制御予測値を制御目標値と比較することによりパラメ
    ータの修正を行なうニューラルネットを用いた制御装置
    とを有するアクティブコントロール装置において、 前記制御装置は、制御ニューラルネットと、同定ニュー
    ラルネットと、評価・調整部とからなり、 前記制御ニューラルネットは、前記騒音状態検出手段の
    出力が入力されて前記制御音源を制御する信号を出力
    し、 前記同定ニューラルネットは、予め同定した前記制御音
    源の制御による自動車の応答に基づき前記制御予測値を
    出力し、 前記評価・調整部は前記同定ニューラルネットの出力と
    制御目標値との差を演算し、この値により前記制御ニュ
    ーラルネットの制御値を補正することを特徴とするアク
    ティブコントロール装置。
  3. 【請求項３】 自動車のサスペンションに制御力を与え
    て振動低減を図る制振装置と、 前記サスペンションの振動状態を検出する振動状態検出
    手段と、 前記振動状態検出手段の出力が入力され、前記制振装置
    を制御する信号を出力すると共に、当該出力信号に基づ
    く制御予測値を制御目標値と比較することによりパラメ
    ータの修正を行なうニューラルネットを用いた制御装置
    とを有するアクティブコントロール装置において、 前記制御装置は、制御ニューラルネットと、同定ニュー
    ラルネットと、評価・調整部とからなり、 前記制御ニューラルネットは、前記振動状態検出手段の
    出力が入力されて前記制振装置を制御する信号を出力
    し、 前記同定ニューラルネットは、予め同定した前記制振装
    置の制御による自動車の応答に基づき前記制御予測値を
    出力し、 前記評価・調整部は前記同定ニューラルネットの出力と
    制御目標値との差を演算し、この値により前記制御ニュ
    ーラルネットの制御値を補正することを特徴とするアク
    ティブコントロール装置。
  4. 【請求項４】 請求項１〜３の何れかに記載のアクティ
    ブコントロール装置であって、 制御ニューラルネットと同定ニューラルネットは、遅延
    器を有し、過去のデータと現在の制御信号から後の制御
    予測値を予測して出力することを特徴とするアクティブ
    コントロール装置。
JP00057893A 1993-01-06 1993-01-06 アクティブコントロール装置 Expired - Fee Related JP3345930B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP00057893A JP3345930B2 (ja) 1993-01-06 1993-01-06 アクティブコントロール装置
US08/176,439 US5434783A (en) 1993-01-06 1994-01-03 Active control system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP00057893A JP3345930B2 (ja) 1993-01-06 1993-01-06 アクティブコントロール装置

Publications (2)

Publication Number Publication Date
JPH06202672A JPH06202672A (ja) 1994-07-22
JP3345930B2 true JP3345930B2 (ja) 2002-11-18

Family

ID=11477600

Family Applications (1)

Application Number Title Priority Date Filing Date
JP00057893A Expired - Fee Related JP3345930B2 (ja) 1993-01-06 1993-01-06 アクティブコントロール装置

Country Status (2)

Country Link
US (1) US5434783A (ja)
JP (1) JP3345930B2 (ja)

Families Citing this family (66)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5852817A (en) * 1991-08-14 1998-12-22 Kabushiki Kaisha Toshiba Intelligent control apparatus
US5586028A (en) * 1993-12-07 1996-12-17 Honda Giken Kogyo Kabushiki Kaisha Road surface condition-detecting system and anti-lock brake system employing same
GB2287536A (en) * 1994-03-09 1995-09-20 Ford Motor Co Identification of vibration induced noises in vehicles
US5774376A (en) * 1995-08-07 1998-06-30 Manning; Raymund A. Structural health monitoring using active members and neural networks
JP3654980B2 (ja) * 1995-11-30 2005-06-02 富士通株式会社 能動騒音制御装置及び波形変換装置
US5745653A (en) * 1996-02-05 1998-04-28 Ford Global Technologies, Inc. Generic neural network training and processing system
US6092018A (en) * 1996-02-05 2000-07-18 Ford Global Technologies, Inc. Trained neural network engine idle speed control system
US5781700A (en) * 1996-02-05 1998-07-14 Ford Global Technologies, Inc. Trained Neural network air/fuel control system
JPH09303477A (ja) * 1996-05-16 1997-11-25 Nissan Motor Co Ltd 能動型騒音振動制御装置
US6275591B1 (en) 1996-10-22 2001-08-14 Ford Global Technologies, Inc. Method and apparatus for extracting a component signal from a composite signal
JP3228153B2 (ja) * 1996-11-08 2001-11-12 日産自動車株式会社 能動型振動制御装置
US5963651A (en) * 1997-01-16 1999-10-05 Digisonix, Inc. Adaptive acoustic attenuation system having distributed processing and shared state nodal architecture
US5935177A (en) * 1997-02-06 1999-08-10 Accurate Automation Corporation Pilot-induced oscillation detection and compensation apparatus and method
KR100450787B1 (ko) * 1997-06-18 2005-05-03 삼성전자주식회사 스펙트럼의동적영역정규화에의한음성특징추출장치및방법
EP0907117A1 (en) * 1997-09-05 1999-04-07 Communauté Européenne (CE) Nonlinear neural predictive control system
DE19749588C2 (de) * 1997-11-10 2000-06-21 Daimler Chrysler Ag Verfahren und Vorrichtung zur Simulation eines von einem Insassen eines Fahrzeuges, insbesondere eines PKWs, subjektiv wahrgenommenen Eindrucks beim Betreiben des Fahrzeugs
DE19749587C1 (de) * 1997-11-10 1999-06-24 Daimler Benz Ag Verfahren und Vorrichtung zur Beeinflussung eines von einem Insassen eines Fahrzeuges, insbesondere eines PKW's, subjektiv wahrgenommenen Eindrucks beim Betreiben des Kraftfahrzeugs
DE19826174C2 (de) 1998-06-13 2002-02-21 Daimler Chrysler Ag Verfahren zur Veränderung der Einspannverhältnisse einer Welle
DE19826175B4 (de) 1998-06-13 2004-03-25 Daimlerchrysler Ag Verfahren und Vorrichtung zur Beeinflussung möglicher Körperschalleitungen und ggf. Geräuschabstrahlungen von Gegenständen
DE19826177B4 (de) 1998-06-13 2005-12-22 Daimlerchrysler Ag Verfahren und Vorrichtung zur aktiven Beeinflussung und Dämmung von Schwingungen, die von einem zumindest mittelbar motorisch angetriebenen Fahrzeug ausgehen
DE19826171C1 (de) 1998-06-13 1999-10-28 Daimler Chrysler Ag Verfahren und Vorrichtung zur aktiven Beeinflussung von von Fensterscheiben stammenden Geräuschen
DE19826176C2 (de) * 1998-06-13 2002-03-14 Daimler Chrysler Ag Verfahren zur Verstimmung der Eigenfrequenz einer Welle
DE19826170C1 (de) 1998-06-13 1999-10-14 Daimler Chrysler Ag Verfahren und Vorrichtung zur aktiven Beeinflussung einer Geräuschkulisse einer rotierende Teile aufweisenden Maschine
US6101882A (en) * 1998-07-08 2000-08-15 Ford Global Technologies, Inc. Method for determining and reproducing noise inducing vibrations in a multi-component assembly
US6116091A (en) * 1998-07-08 2000-09-12 Ford Global Technologies, Inc. System for diagnosing unexpected noise in a multi-component assembly
US6301572B1 (en) 1998-12-02 2001-10-09 Lockheed Martin Corporation Neural network based analysis system for vibration analysis and condition monitoring
DE19926411C1 (de) * 1999-06-10 2001-02-15 Bayerische Motoren Werke Ag Verfahren zur Ermittlung der Ursache von Störgeräuschen
US6601054B1 (en) * 1999-08-16 2003-07-29 Maryland Technology Corporation Active acoustic and structural vibration control without online controller adjustment and path modeling
US6216059B1 (en) * 1999-09-14 2001-04-10 Paul Francis Ierymenko Unitary transducer control system
DE60022398T2 (de) * 1999-11-12 2006-05-18 British Telecommunications P.L.C. Sequenzgenerator
US6101432A (en) * 1999-11-18 2000-08-08 Ford Global Technologies, Inc. Vehicle rattle detection method and system
US6188938B1 (en) 2000-03-16 2001-02-13 Ford Motor Company Closed loop customer vibration screening and resolution process
US6481271B1 (en) 2000-03-16 2002-11-19 Ford Motor Company Method to correct vehicle vibration during an assembly process
EP1295252B1 (en) 2000-06-30 2006-12-27 BRITISH TELECOMMUNICATIONS public limited company Apparatus for generating sequences of elements
US6493689B2 (en) * 2000-12-29 2002-12-10 General Dynamics Advanced Technology Systems, Inc. Neural net controller for noise and vibration reduction
DE10110822B4 (de) 2001-03-07 2006-06-01 Daimlerchrysler Ag Verfahren und Vorrichtung zur Beeinflussung der Übertragung von Schwingungen eines Schwingungserzeugers an einen damit verbundenen Gegenstand, insbesondere von Motorschwingungen auf die Karosserie eines Kraftfahrzeuges
DE10120476A1 (de) * 2001-04-25 2002-11-21 Bayer Ag Hybridmodell und Verfahren zur Bestimmung von Eigenschaften hinsichtlich der Herstellung eines Spritzgießformteils
ES2276941T3 (es) * 2002-03-28 2007-07-01 Pirelli Tyre S.P.A. Procedimiento y sistema para monitorizar el comportamiento de un neumatico durante la circulacion de un vehiculo a motor.
DE10236735B4 (de) * 2002-08-09 2005-06-16 Bayerische Motoren Werke Ag Verfahren zur Generierung von zum Fahrbetrieb schädigungsäquivalenten Rauschprofilen zur Vibrationsprüfung von Fahrzeugkomponenten
WO2005056346A2 (de) * 2003-12-10 2005-06-23 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum betreiben eines sensors in einem sicherheitssystem
JP4437531B2 (ja) * 2004-02-20 2010-03-24 アイシン精機株式会社 能動型防振制御システムにおける制御データの設定方法及び制御方法
US20060019828A1 (en) 2004-03-10 2006-01-26 Monsanto Technology Llc Herbicidal compositions containing N-phosphonomethyl glycine and an auxin herbicide
FR2939545A1 (fr) * 2008-12-10 2010-06-11 Nourredine Zerhouni Systeme de surveillance
WO2011019652A2 (en) 2009-08-10 2011-02-17 Monsanto Technology Llc Low volatility auxin herbicide formulations
EP2695159B1 (en) 2011-04-01 2016-12-21 Magna International Inc. Active buffeting control in an automobile
BR122019001001B1 (pt) 2011-10-26 2019-08-27 Monsanto Technology Llc sais herbicidas de auxina, mistura de aplicação herbicida compreendendo os mesmos para uso na eliminação e controle do crescimento de plantas indesejadas, bem como métodos de controle de plantas indesejadas e de plantas suscetíveis ao herbicida de auxina
US10736322B2 (en) 2012-06-04 2020-08-11 Monsanto Technology Llc Aqueous concentrated herbicidal compositions containing glyphosate salts and dicamba salts
HUE040466T2 (hu) 2013-02-27 2019-03-28 Monsanto Technology Llc Javított illékonyságú glifozát és dicamba tankkeverékek
CN104238367B (zh) * 2014-10-11 2017-04-19 西安交通大学 一种基于神经网络的壳体结构表面振动一致性控制方法
US20160196832A1 (en) * 2015-01-06 2016-07-07 Gulfstream Aerospace Corporation System enabling a person to speak privately in a confined space
US9779720B2 (en) 2015-04-08 2017-10-03 Ford Global Technologies, Llc Control system having active noise and vibration centralized control through digital network
JP6443311B2 (ja) * 2015-11-30 2018-12-26 オムロン株式会社 制御装置、制御プログラムおよび記録媒体
DE102016213483B4 (de) 2016-07-22 2022-03-31 Ford Global Technologies, Llc Vorrichtung zum Ausgleich freier Massenkräfte einer Hubkolbenbrennkraftmaschine
KR101911519B1 (ko) * 2016-08-30 2018-10-25 현대자동차주식회사 차량 및 차량의 제조 방법
JP2018060268A (ja) * 2016-10-03 2018-04-12 株式会社日立製作所 認識装置および学習システム
CN107330149B (zh) * 2017-05-27 2022-10-28 哈尔滨工业大学 基于arma和bpnn组合模型的mimu陀螺随机漂移预测方法
DE102017210650B4 (de) * 2017-06-23 2021-10-28 Audi Ag Verfahren und Steuergerät zum Steuern eines Akustiksystems eines Kraftfahrzeugs und Kraftfahrzeug
CN112204362B (zh) * 2018-05-30 2022-10-04 西门子工业软件公司 检测机械系统中的振动和/或声学传递的方法和装置
CN109017602B (zh) * 2018-07-13 2023-08-18 吉林大学 一种基于人体姿态识别的自适应中控台及其控制方法
JP2020121695A (ja) * 2019-01-31 2020-08-13 株式会社シマノ 制御装置、学習モデルの生成方法、学習モデル、コンピュータプログラム、および記憶媒体
JP7268582B2 (ja) * 2019-11-12 2023-05-08 トヨタ自動車株式会社 乗物用消音装置及び乗物用消音方法
CN111724763A (zh) * 2020-07-01 2020-09-29 江苏理工学院 一种汽车噪声控制装置及方法
CN111968613B (zh) * 2020-08-24 2023-09-19 湖南工业大学 一种主动控制车辆全局空间噪声的卷积-模糊神经网络方法
CN111968614B (zh) * 2020-08-24 2023-09-19 湖南工业大学 一种基于卷积-模糊网络的车辆全局空间的主动噪声控制装置
JP2022061072A (ja) * 2020-10-06 2022-04-18 トヨタ自動車株式会社 車両の異音判定装置
JP7392633B2 (ja) * 2020-11-10 2023-12-06 トヨタ自動車株式会社 車両の異音検査装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8328997D0 (en) * 1983-10-31 1983-11-30 Secr Defence Active noise reduction
JPH0711256B2 (ja) * 1989-09-06 1995-02-08 本田技研工業株式会社 内燃エンジンの制御装置
JP2764832B2 (ja) * 1989-11-15 1998-06-11 本田技研工業株式会社 車両制御方法
JP2601003B2 (ja) * 1990-09-25 1997-04-16 日産自動車株式会社 車両の走行条件認識装置
JPH04149605A (ja) * 1990-10-09 1992-05-22 Kayaba Ind Co Ltd 車両制御方法
US5313407A (en) * 1992-06-03 1994-05-17 Ford Motor Company Integrated active vibration cancellation and machine diagnostic system

Also Published As

Publication number Publication date
US5434783A (en) 1995-07-18
JPH06202672A (ja) 1994-07-22

Similar Documents

Publication Publication Date Title
JP3345930B2 (ja) アクティブコントロール装置
US5337365A (en) Apparatus for actively reducing noise for interior of enclosed space
JPH058694A (ja) 能動型騒音制御装置
JP7421489B2 (ja) 能動雑音制御方法およびシステム
US5701349A (en) Active vibration controller
US20080172349A1 (en) Neural network controller with fixed long-term and adaptive short-term memory
JPH07261774A (ja) 車両用能動振動騒音制御装置
JP2002533635A (ja) 騒音低減を高めた能動防振システム同定
JP7273047B2 (ja) 可変アクチュエータおよびセンサを関与させたアクティブノイズ制御方法およびシステム
CN115171639A (zh) 一种车辆降噪方法及系统
JP2789876B2 (ja) 能動型騒音制御装置
JP3550751B2 (ja) アクティブコントロール装置
JP2010184586A (ja) 騒音低減装置及び方法
JPH0561485A (ja) 能動型騒音制御装置
JP3028977B2 (ja) 能動型騒音制御装置
JP2010202073A (ja) 騒音制御装置及び騒音制御方法
JP3517883B2 (ja) 適応制御装置及び能動型騒音制御装置
JPH0719155B2 (ja) 車室内騒音の低減装置
JPH05158487A (ja) 能動型騒音制御装置
JP3181629B2 (ja) 能動型騒音制御装置
US20240029704A1 (en) Noise reduction system having a combination unit, method of operating the system and use of the same
JP2572644Y2 (ja) 車室内騒音の低減装置
JP2743639B2 (ja) 能動型騒音制御装置
JP2827603B2 (ja) 能動型騒音制御装置
JPH0527775A (ja) 能動型騒音制御装置

Legal Events

Date Code Title Description
LAPS Cancellation because of no payment of annual fees