JP3608043B2 - 観測量学習方法 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、学習領域ごとに観測量の代表値を決定して記憶する観測量学習方法に関する。
【０００２】
【従来の技術】
車両に搭載される内燃機関の制御装置等においては、経時変化に伴うアクチュエータの動作量の変化を補償するために、所定の物理量を観測し、運転領域（学習領域）ごとにその物理量の代表値を不揮発性メモリ等に記憶しておき、制御量に反映させる制御が広く実施されている。このような制御は、学習制御と呼ばれ、また、領域ごとの代表値は学習値と呼ばれている（例えば、特開平７−２４７８８９号公報参照）。
【０００３】
【発明が解決しようとする課題】
ところで、広範囲な使用域をいくつかの領域に区切って学習領域を定める場合、その学習領域内のさらにローカルな領域での観測量は一定でないことが一般的である。したがって、学習領域ごとに観測量の代表値（学習値）を決定して記憶する場合、一般的に、学習領域の数を大きくして各領域の幅を狭くすると、学習値の精度が向上する反面、記憶容量が増大するという問題が生ずる。換言すれば、学習領域の数を小さくして各領域の幅を広くすると、記憶容量を削減することができる反面、学習値の精度が悪化するという問題が生ずる。
【０００４】
本発明は、上述した問題点に鑑みてなされたものであり、その目的は、記憶容量を抑制しつつ、安定性、信頼性、妥当性等に優れた学習値を得ることを可能にした観測量学習方法を提供することにある。
【０００５】
【課題を解決するための手段】
上記目的を達成するために、本発明によれば、学習領域ごとに観測量の代表値を決定して記憶する観測量学習方法であって、観測量と該観測量が観測された観測位置に応じて定められている重み係数とに基づいて、該観測位置の属する学習領域の代表値を更新する段階と、観測量の観測位置に対する変化率に基づいて、学習領域及び重み係数を変更する段階と、を具備する観測量学習方法が提供される。
【０００６】
また、本発明によれば、前記変更する段階は、観測量の観測位置に対する変化率を求める段階と、求められた変化率が０となる観測位置と観測位置との間が一つの学習領域となるように各学習領域を設定する段階と、設定された各学習領域について、一方の端部から他方の端部に向かって増加又は減少するように重み係数を設定する段階と、を具備する。
【０００７】
【発明の実施の形態】
以下、添付図面を参照して本発明の実施形態について説明する。
【０００８】
図１は、学習領域内における観測量真値の変化と代表値との一般的な関係を説明するための図である。図１において、横軸は観測位置Ｐを表し、縦軸は観測量Ｑを表している。例えば、内燃機関の制御装置において、回転速度の変化に伴って変化する排気温度を学習しようとする場合には、横軸が回転速度を表し、縦軸が排気温度を表すこととなる。そして、図１は、観測位置Ｐに対して３つの学習領域Ｒ_１ 、Ｒ_２ 及びＲ_３ が設定されていることを示している。
【０００９】
単一の学習領域内においても学習対象となる観測量真値は変化することが一般的である。例えば、学習領域Ｒ_２ 内の観測位置Ｐ_１ とＰ_２ とでは、観測量が大きく異なる。このことは、領域内で観測量の代表値（学習値）を決定する際、観測位置Ｐ_１ で観測された量又は観測位置Ｐ_２ で観測された量のいずれをより多く反映させるかによって代表値が変化することを意味する。
【００１０】
ある学習領域に関する代表値は、その領域内の最大値と最小値との間の値となるため、“最大値−最小値”に相当する代表値エラー（誤差）が生じうることとなる。例えば、図１に示されるように、学習領域Ｒ_２ においては、“Ｑ_３ −Ｑ_４ ”の代表値エラーが生じ得る。同様に、学習領域Ｒ_１ においては“Ｑ_１ −Ｑ_２ ”、学習領域Ｒ_３ においては“Ｑ_５ −Ｑ_６ ”の代表値エラーが生じ得る。
【００１１】
そこで、本発明においては、一つの学習領域内での観測量に重み付けを施すことによって、観測量を学習する。これによって、代表させたい観測位置に対応する観測量の付近に代表値を安定化させることが可能となる。
【００１２】
図２は、重み係数、使用頻度、反映度合い、観測量真値及び観測量代表値を例示する図である。図２に示される例では、学習領域Ｒ_１ 、Ｒ_２ 及びＲ_３ の各領域内で、その中央付近の観測位置における観測量がその領域の代表値となるように、重み係数が設定されている。
【００１３】
ところで、学習過程において実際の観測が行われる観測位置は、必ずしも均等に分布しない。すなわち、各観測位置の使用頻度（観測頻度）は異なるのが通常であり、図２の使用頻度はそのことを例示している。したがって、各観測位置の観測量が代表値（学習値）に反映される度合いは、重み係数と使用頻度との積に比例することとなる。図２の場合、同図に示される通りの反映度合いが結果として得られる。
【００１４】
このような反映度合いが実現されることにより、代表値（学習値）の妥当性が向上する。つまり、学習領域内の使用頻度が均等である場合には、重み係数の大きなローカル領域（観測位置）の観測量が代表値となる一方、学習領域内で他よりも著しく使用頻度が高いローカル領域（観測位置）が存在する場合には、そのローカル領域に対応する観測量が代表値になる、という効果が得られる。
【００１５】
学習領域が２次元以上の場合も考え方は同様であり、２次元領域の場合の例が図３に示されている。２次元以上、すなわち一般的にｎ次元の場合には、重み係数もｎ次元のマップ状に設定すればよい。
【００１６】
図４は、以上に説明した学習を具体的に実現する処理の手順を例示するフローチャートである。このフローチャートの処理は、所定の周期で繰り返し実行される。まず、ステップ１０２では、観測位置Ｐ及び観測量Ｑを検出する。次いで、ステップ１０４では、検出された観測位置Ｐの属する学習領域Ｒを判定する。
【００１７】
次いで、ステップ１０６では、学習領域Ｒに対応して予め設けられている重み係数マップを参照することにより、観測位置Ｐに対応する重み係数Ｗを決定する。なお、この重み係数Ｗは、０＜Ｗ＜１の範囲の値をとる。
【００１８】
最後のステップ１０８では、当該学習領域Ｒの学習値（代表値）Ｇを、
Ｇ←Ｇ＋（Ｑ−Ｇ）＊Ｗ
＝（１−Ｗ）＊Ｇ＋Ｗ＊Ｑ
なる演算により、更新する。なお、この演算は、前回までの学習値Ｇに“１−Ｗ”の重みを付ける一方、今回の観測量ＱにＷの重みを付けて、加重平均をとり、これを新たな学習値とするものである。したがって、重み係数Ｗが大きいほど、学習値（代表値）Ｇに観測量Ｑが大きく反映されることとなる。
【００１９】
以上のような重み係数を導入することによって、実際の使用においては、広い領域をカバーする際に、観測量代表値（学習値）の記憶容量を抑えつつ、安定的で信頼性及び妥当性が高い学習が可能となる。
【００２０】
さて、単一の学習領域内において観測量（真値）の変化が激しい場合、学習の重み付け処理を行っても、求められた代表値が、その領域を代表するにふさわしい値を定めているとはいえない。図５は、そのような場合の重み係数、観測量真値及び観測量代表値を例示する図である。この図に示されるように、学習領域Ｒ_１ においては、観測量真値の変化が激しいため、Ｒ_１ の中央付近の観測量を代表値としても妥当性に欠ける結果となる。
【００２１】
そこで、本発明においては、観測量の観測位置に対する変化率に基づいて、学習領域及び重み係数を変更する処理を行う。図６は、学習領域及び重み係数の変更について説明するための図であり、図７は、その変更処理の手順を示すフローチャートである。
【００２２】
まず、図７のステップ２０２では、一定の時間をかけて、観測位置Ｐ及び観測量Ｑについてのデータ収集を行う。次いで、ステップ２０４では、図６に示されるように、観測量Ｑの観測位置Ｐに対する変化率（微分値）を求める。
【００２３】
そして、ステップ２０６では、変化率が０となる位置と位置との間が一つの学習領域となるように、各学習領域を再設定する。図６の例では、Ｐ_０ 、Ｐ_１ 、Ｐ_２ 、Ｐ_３ 及びＰ_４ が変化率０の観測位置となり、以前の学習領域Ｒ_１ 、Ｒ_２ 及びＲ_３ に変わって、ｒ_１ 、ｒ_２ 、ｒ_３ 及びｒ_４ が新しい学習領域となる。こうすると、一つの学習領域内における観測量真値の変化は、単調増加又は単調減少となる。
【００２４】
最後に、ステップ２０８では、図６に示されるように、各学習領域ｒ_１ 、ｒ_２ 、ｒ_３ 及びｒ_４ について、一方の端部から他方の端部に向かって増加又は減少するように新しい重み係数を設定する。
【００２５】
この重み係数を用いて学習を進めると、各学習領域の代表値（学習値）は、図６においてＱ_０ 、Ｑ_１ 、Ｑ_２ 、Ｑ_３ 及びＱ_４ で示されるように、観測量真値の極大値又は極小値に近づいて安定化する。
【００２６】
このようにして定まった学習値を基にして１次補間演算を実施すれば、図６に示されるように、観測量真値の特性をよく反映する学習値関数を得ることができる。一般に、学習値を用いた制御を行う場合、補間演算を施しつつ学習値を利用することになるので、制御精度が著しく向上する結果となる。
【００２７】
【発明の効果】
以上説明したように、本発明によれば、記憶容量を抑制しつつ、安定性、信頼性、妥当性等に優れた学習値を得ることが可能になる。
【図面の簡単な説明】
【図１】学習領域内における観測量真値の変化と代表値との一般的な関係を説明するための図である。
【図２】重み係数、使用頻度、反映度合い、観測量真値及び観測量代表値を例示する図である。
【図３】２次元領域の場合の重み係数を説明するための図である。
【図４】学習処理の手順を示すフローチャートである。
【図５】単一の学習領域内における観測量真値の変化が大きい場合の重み係数、観測量真値及び観測量代表値を例示する図である。
【図６】学習領域及び重み係数の変更について説明するための図である。
【図７】学習領域及び重み係数の変更処理の手順を示すフローチャートである。

Claims (2)

1. 学習領域ごとに観測量の代表値を決定して記憶する観測量学習方法であって、
   観測量と該観測量が観測された観測位置に応じて定められている重み係数とに基づいて、該観測位置の属する学習領域の代表値を更新する段階と、
   観測量の観測位置に対する変化率に基づいて、学習領域及び重み係数を変更する段階と、
   を具備する観測量学習方法。
2. 前記変更する段階は、
   観測量の観測位置に対する変化率を求める段階と、
   求められた変化率が０となる観測位置と観測位置との間が一つの学習領域となるように各学習領域を設定する段階と、
   設定された各学習領域について、一方の端部から他方の端部に向かって増加又は減少するように重み係数を設定する段階と、
   を具備する、請求項１に記載の観測量学習方法。

Images