JP4696211B2 - Road friction estimation device - Google Patents

Description

【００１７】
なお、ｓはラプラス演算子である。また、Ｄ₀ は、制動時、駆動時に応じて、それぞれ次式のＤ₁₀、Ｄ₂₀によって表される。
【００１８】
【数２】

【００１９】
ここに、Ｓ₁₀、Ｓ₂₀は、それぞれ制動時、駆動時におけるある動作点でのスリップ率であり、ω_v0は、該動作点での車体速度である。
【００２０】
上式より、Ｄ₁₀は、動作点でのスリップ率Ｓ₁₀におけるＳ−μ曲線の勾配（∂μ／∂Ｓ₁ ）及び輪荷重Ｗに比例し、該動作点での車体速度ω_v0に反比例する。また、Ｓ₂₀が０に近いところでは、Ｄ₂₀に関しても同様のことが成立する。
【００２１】
なお、ここまではμがスリップ率依存性を持つと仮定したが、スリップ速度依存性を持つ場合は、Ｓ₁ ＝ω_v−ω₂、Ｓ₂＝ω₂−ω_v と再定義することによって、（５）式及び（６）式によって表される。
【００２２】
【数３】

【００２３】
この場合も、Ｄ_10,20は、動作点でのスリップ率Ｓ_10,20 におけるＳ−μ曲線の勾配及び輪荷重Ｗに比例することになる。
【００２４】
以上述べた振動モデルは、任意の動作点での動作を表しているので、その特殊なケースとして、制動も駆動も行われていない定常走行の場合も記述している。定常走行の場合、動作点は、Ｓ−μ曲線の原点となり、Ｄ₀ ＝Ｄ₁₀＝Ｄ₂₀は、原点でのμ勾配を表していることになる。
【００２５】
また、上記振動モデルは、ラプラス演算子ｓに関して３次のシステムで表現されているが、振動という物理現象を記述するには、２次で十分と考えられる。そこで、同３次モデルを２次モデルで近似すると（７）式及び（８）式を得る。
【００２６】
【数４】

【００２７】
このように上記振動モデルは、タイヤと路面との間の摩擦特性を含む車輪共振系において、該共振系への加振入力トルクΔＴ₁ 及び凹凸のある路面上をタイヤが転がることによって起こる路面加振ΔＴ_d に対する応答出力としての車輪速振動Δω₁ の応答を表しており、さらに、タイヤと路面との間のすべり易さに関する物理量Ｄ₀ を含んでいることがわかる。
【００２８】
なお、以上の振動モデルにおける加振入力から応答出力までの伝達の様子を図示すると、図１１のようになる。
【００２９】
【発明が解決しようとする課題】
特開平１１−７８８４３号公報に記載された発明は、上述したような車輪と路面間の摩擦特性を含む車輪共振系の振動モデルに基づいて、該車輪共振系の応答出力などから未知要素として車輪と路面間の滑り易さを含む摩擦状態を推定している。
【００３０】
上記発明によって推定された推定値は、図３（Ａ）及び図８（Ａ）に示すように、ばらつきが多い傾向がある。このばらつきを低減するためには、最小自乗法の演算で用いられている忘却係数ρの値を大きくすればよい。しかし、忘却係数ρは推定速度を左右するパラメータであり、忘却係数を大きく設定すると推定速度が遅くなってしまう問題がある。
【００３１】
また、上記発明は、最小自乗法を用いて未知要素を推定しているので演算量が多い。このため、単純に推定速度を上げようとすると、さらに多くのメモリと処理能力の高い演算処理装置が必要となり、コストが上昇する問題も生じる。
【００３２】
本発明は、上述した課題を解決するために提案されたものであり、コストを上げることなく、路面摩擦状態の推定速度を向上させ、かつ、その推定値のばらつきを抑制することができる路面摩擦状態推定装置を提供することを目的とする。
【００３３】
【課題を解決するための手段】
本発明は、上記応答出力の周期性の度合いと車輪及び路面間の滑り易さに関する物理量とが深い相関関係があること、及び最小自乗法の演算量に比べて上記応答出力の記周期性の度合いの演算量が非常に少ないことを利用して、上述した課題を解決した。
【００３４】
すなわち、請求項１記載の発明は、車輪振動系への加振入力に対する応答出力を検出する検出手段と、前記検出手段により検出された応答出力の周期性の度合いを演算し、前記周期性の度合いの演算値に基づいて車輪と路面との間の滑り易さに関する物理量を推定する推定手段と、により構成されている。
【００３５】
本発明者らは、前記検出手段により検出された応答出力の周期性の度合いが車輪と路面との間の摩擦状態と深い相関関係があることを見出した。例えば、路面が滑りやすときは前記応答出力の周期性の度合いが小さくなり、路面が滑りにくいときは前記応答出力の周期性の度合いが大きい。したがって、応答出力の周期性の度合いは、車輪と路面との間の摩擦状態そのものを示していると考えられる。また、応答出力の周期性の度合いの演算は、例えば最小自乗法の演算と比べると、演算量が少ないので、非常に演算速度が速い。そこで、このような応答出力の周期性の度合いの特性に基づいて車輪と路面との間の滑り易さに関する物理量を推定することによって、推定速度を上げたり、推定値のばらつきを低減させることができる。
【００３６】
前記推定手段は、前記応答出力の周期性の度合いを演算するために、請求項２記載の発明のように、前記検出手段により検出された応答出力と該応答出力の偶数階微分又は偶数階差分との相関関係を示す相関係数を演算するのが好ましい。
【００３７】
また、前記推定手段は、加振入力から応答出力までの前記車輪共振系の伝達特性を、少なくとも車輪と路面との間のすべり易さに関する物理量を未知要素として含む振動モデルで表し、該振動モデルにおいて、前記検出手段により検出された応答出力を略満足させるような前記未知要素を推定するにあたり、前記周期性の度合いの演算値に基づいて前記未知要素の推定速度を変更してもよい。
【００３８】
前記振動モデルを用いて車輪と路面との間の滑り易さに関する物理量を推定する場合、推定速度が遅くなったり、推定値がばらつくことがある。そこで、車輪と路面との間の摩擦状態と深い相関関係がある応答出力の周期性の度合いを演算し、前記周期性の度合いの演算値に基づいて推定速度を変更することで、路面の変化に高応答に追従することができる。
【００３９】
また、推定手段は、請求項３記載の発明のように、前記検出手段により検出された応答出力の周期性の度合いを異なる演算速度でそれぞれ演算し、所定の演算速度で演算された周期性の度合いに基づいて１つの周期性の度合いの演算値を選択し、選択された演算値に基づいて車輪と路面との間の滑り易さに関する物理量を推定してもよい。
【００４０】
推定手段は、予めそれぞれ異なる演算速度で、前記応答出力の周期性の度合いをそれぞれ演算する。さらに、所定の演算速度で演算された周期性の度合いに基づいて路面の滑り易さを判断し、路面の滑り易さに応じて１つの周期性の度合いの演算値を選択する。そして、選択された周期性の度合いの演算値に基づいて車輪と路面との間の滑り易さに関する物理量を推定することで、路面の変化に対して高応答に追従し、かつ推定値のばらつきを抑えることができる。
【００４１】
【発明の実施の形態】
［第１の実施の形態］
第１の実施の形態の路面摩擦状態推定装置は、路面外乱ΔＴ_d のみが加振入力として入力されている車輪共振系のμ勾配を演算するものである。
【００４２】
路面摩擦状態推定装置は、図１に示すように、各車輪の車輪速度ω₁を検出する車輪速センサ１と、検出された各車輪の車輪速度ω₁から路面外乱ΔＴ_dを受けた車輪共振系の応答出力としての各車輪の車輪速振動Δω₁を検出する前処理フィルタ２と、検出された車輪速振動Δω₁を満足するような各車輪の伝達関数を最小自乗法を用いて同定する伝達関数同定回路３と、車輪速振動Δω₁と該車輪速振動Δω₁の２階微分との相関関係を示す相関係数σを演算する相関係数演算回路４と、同定された伝達関数に基づいて車輪と路面との間の摩擦係数μの勾配（μ勾配）を車輪毎に演算するμ勾配演算回路５と、を備えている。
【００４３】
車輪速センサ１は、各車輪の回転速度に応じた車輪速度ω₁を検出し、この車輪速度ω₁を前処理フィルタ２に供給する。
【００４４】
前処理フィルタ２は、一定の帯域の周波数成分のみを通過させるバンドパスフィルタや、該共振周波数成分を含む高帯域の周波数成分のみを通過させるハイパスフィルタなどで構成されている。そして、前処理フィルタ２は、車輪速度ω₁の直流成分を除去して車輪速振動Δω₁を出力する。
【００４５】
なお、前処理フィルタ２の伝達関数Ｆ（ｓ）は、以下に示す（１１）式で表される。ただし、ｃi はフィルタ伝達関数の係数、ｓはラプラス演算子である。
【００４６】
【数５】

【００４７】
伝達関数同定回路３は、車輪共振系の振動モデルを用いて、車輪速振動Δω₁を満足するような各車輪の伝達関数を最小自乗法を用いて同定する。
【００４８】
ここで、伝達関数同定回路３が依拠する演算式の導出について説明する。伝達関数同定回路３が同定すべき伝達関数は、路面外乱ΔＴ_d を加振入力とし、前処理フィルタ２により検出された車輪速振動Δω₁を応答出力とする２次のモデルとする。つまり、（１２）式に示す振動モデルを仮定する。
【００４９】
【数６】

【００５０】
ここで、ｖは車輪速ω₁を観測するときに含まれる観測雑音である。（１２）式を変形すると、（１３）式を得る。
【００５１】
【数７】

【００５２】
（１３）式に（１１）式の前処理フィルタを掛けて得られた式を離散化する。このとき、Δω₁、ΔＴ_d 、ｖは、サンプリング周期Ｔ_s毎にサンプリングされた離散化データΔω₁（ｋ）、ΔＴ_d （ｋ）、ｖ（ｋ）（ｋはサンプリング番号：ｋ＝１，２，３，・・・）として表される。また、ラプラス演算子ｓは、所定の離散化手法を用いて離散化することができる。本実施の形態では、１例として、（１４）式に示す双一次変換により離散化する。なお、ｄは１サンプル遅延演算子である。
【００５３】
【数８】

【００５４】
前処理フィルタの次数ｍは２以上が望ましい。本実施の形態では、演算時間も考慮してｍ＝２とし、これによって（１５）式から（１９）式を得る。
【００５５】
【数９】

【００５６】
また、最小自乗法に基づいて車輪速振動Δω₁の各データから伝達関数を同定するために、（１５）式を同定すべきパラメータに関して一次関数の形式となるように、（２０）式及び（２１）式のように変形する。なお、”^T”は行列の転置を示し、θが同定すべき伝達関数のパラメータとなる。
【００５７】
【数１０】

【００５８】
そして、伝達関数同定回路３は、以上のように導出された（２０）式に対して車輪速振動Δω₁の離散化データを順次当てはめ、最小自乗法を適用することによって、未知パラメータθを推定し、これにより伝達関数を同定する。
【００５９】
具体的には、検出された車輪速振動Δω₁を離散化データΔω₁（ｋ）（ｋ＝１，２，３，・・・）に変換し、該データをＮ点サンプルし、（２２）式の最小自乗法の演算式を用いて、伝達関数のパラメータθを推定する。
【００６０】
【数１１】

【００６１】
ここに、記号”＾”の冠した量をその推定値と定義する。
【００６２】
また、上記最小自乗法は、次の（２３）式から（２５）式の漸化式によってパラメータθを求める逐次型最小自乗法を用いて演算してもよい。
【００６３】
【数１２】

【００６４】
ここで、ρは忘却係数である。忘却係数ρが大きくなると、路面摩擦状態の推定値のばらつきが抑えられるが、推定速度が遅くなる。逆に、忘却係数ρが小さくなると、路面摩擦状態の推定値のばらつきが増えるが、推定速度が速くなる。
忘却係数ρの初期値は（２６）式のようにすればよい。
【００６５】
【数１３】

【００６６】
なお、忘却係数ρは、可変であり、相関係数演算回路４によって所定の値に設定される。
【００６７】
また、上記最小自乗法の推定誤差を低減する方法として、種々の修正最小自乗法を用いてもよい。本実施の形態では、補助変数を導入した最小自乗法である補助変数法を用いた例を説明する。該方法によれば、（２０）式の関係が得られた段階でｍ（ｋ）を補助変数として、（２７）式を用いて伝達関数のパラメータを推定する。
【００６８】
【数１４】

【００６９】
また、逐次演算は、次の（２８）式から（３０）式のようになる。
【００７０】
【数１５】

【００７１】
補助変数法の原理は、以下の通りである。（２７）式に（２０）式を代入すると、（３１）式になる。
【００７２】
【数１６】

【００７３】
（３１）式の右辺第２項が零となるように補助変数を選べばθの推定値は、θの真値に一致する。そこで、本実施の形態では、補助変数として、
ζ（ｋ）＝［−ξ_y1（ｋ）−ξ_y2（ｋ）］^T
を誤差ｒ（ｋ）と相関を持たないほどに遅らせたものを利用する。すなわち、
ｍ（ｋ）＝［−ξ_y1（ｋ−Ｌ）−ξ_y2（ｋ−Ｌ）］^T （３２）
とする。ただし、Ｌは遅延時間である。
【００７４】
μ勾配演算回路５は、以上のようにして伝達関数が同定された後、（３３）式に基づいて路面μ勾配Ｄ₀を演算する。
【００７５】
【数１７】

【００７６】
一方、相関係数演算回路４は、伝達関数同定回路３で用いられる忘却係数ρを逐次設定する。具体的には、相関係数演算回路４は、前処理フィルタ２からの車輪速振動Δω₁を用いて（３４）式を演算し、相関係数σを算出する。
【００７７】
【数１８】

【００７８】
（３４）式において、ωは車輪速振動Δω₁を示し、ω''はΔω₁の２階微分を示す。さらに、ρ_cは、相関係数σの逐次演算のための忘却係数（固定値）である。なお、ω''は、前処理フィルタ２の出力の２階微分信号であるが、その他、偶数階微分又は偶数階差分の信号でもよい。相関係数演算回路４は、このようなパラメータを用いて演算するので、最小自乗法の演算量に比べて非常に少ない演算量で（３４）式を演算することができる。
【００７９】
相関係数σは、車輪速振動Δω₁が完全に周期的な信号であれば「１」になり、車輪速振動Δω₁がホワイトノイズであれば「０」になる。したがって、相関係数σは、車輪速振動Δω₁の共振の強さに応じて（０＜σ＜１）の値をとる。つまり、相関係数σは、前処理フィルタ２の周期的な出力の度合いを表している。
【００８０】
図２は、μ勾配演算回路５により演算されたμ勾配と、相関係数演算回路４により演算された相関係数σの関係を示す図である。同図より、μ勾配と相関係数σは、ほぼ一対一で対応していることが分かる。すなわち、相関係数σが分かればμ勾配も分かり、相関係数σ自体がμ勾配を表している。
【００８１】
そこで、相関係数演算回路４は、演算した相関係数σに応じて、伝達関数同定回路３で用いられる忘却係数ρを設定する。具体的には、相関係数σが大きい場合（路面が滑りにくい場合）は忘却係数ρを１に近い値に設定し、相関係数σが小さい場合（路面が滑りやすい場合）は忘却係数ρを小さい値に設定する。したがって、路面が滑りにくい場合はμ勾配の推定値のばらつきを抑制し、路面が滑りやすい場合はμ勾配の推定速度を上げている。
【００８２】
以上のように、路面摩擦状態推定装置は、相関係数σがμ勾配に対応していることを考慮して相関係数σを演算し、相関係数σの値に応じて設定された忘却係数ρを用いてμ勾配を推定する。これにより、路面摩擦状態推定装置は、路面摩擦状態に応じて、μ勾配の推定速度を向上させたり、μ勾配の推定値のばらつきを抑制することができる。
【００８３】
例えば路面が滑りにくいときはμ勾配の推定速度はそれほど要求されないので、路面摩擦状態推定装置は、忘却係数ρを大きく設定してμ勾配の推定値のばらつきを抑えている。一方、路面が滑りやすいときは路面摩擦状態を常に監視する必要があるので、路面摩擦状態推定装置は、忘却係数ρを小さく設定してμ勾配の推定速度を上げている。
【００８４】
また、路面摩擦状態推定装置は、（３４）式の演算量が極めて少ないので、路面の滑り易さの変化に高応答に追従して忘却係数ρを設定し、推定速度の向上や推定値のばらつきの抑制を迅速に行うことができる。
【００８５】
図３は、従来の路面摩擦状態推定装置（例えば特開平１１−７８８４３号公報に記載された発明）によって推定されたμ勾配（Ａ）と、第１の実施の形態に係る路面摩擦状態推定装置によって推定されたμ勾配（Ｂ）とを比較する図である。図３（Ａ）によると、μ勾配推定値のばらつきが大きく、路面の滑り易さの変化を確実に検出することができていない。一方、図３（Ｂ）によると、μ勾配推定値のばらつきが小さく、路面の滑り易さの変化を確実に検出することができる。
【００８６】
［第２の実施の形態］
図４は、第２の実施の形態に係る路面摩擦状態推定装置の構成を示す図である。なお、第１の実施の形態と同様の構成については、同一の符号を付して詳細な説明を省略する。
【００８７】
第２の実施の形態に係る路面摩擦状態推定装置は、加振入力としての励振トルクΔＴ₁を平均的な制駆動トルクＴ₁の回りに重畳させる加振回路６を更に備えている。加振回路６は、ブレーキ圧力やエンジン出力を励振させることにより、車輪をその中心軸の回りに加振する。
【００８８】
例えば、加振回路６は、制動トルクを励振する場合、ブレーキ圧力の油圧アクチュエータの増減圧バルブの制御指令において、平均的なブレーキ圧力の指令に所定周波数の増減圧指令を重畳させることによって、制動トルクを加振する。
【００８９】
ここで、加振回路６による励振トルクΔＴ₁の信号波形の例を、図５（Ａ）、図５（Ｂ）及び図５（Ｃ）に示す。
【００９０】
図５（Ａ）の信号は、疑似ランダム信号であり、例えば、疑似ランダム信号の１つとして良く知られているＭ系列信号に基づいて発生させることができる。この場合、加振入力は、多くの周波数成分を有することになるため、伝達関数の推定精度が向上するというメリットがある。
【００９１】
また、図５（Ｂ）の信号は、励振トルクが０の状態から、ある時刻で急激に立ち上がり、それ以降は一定の励振トルクとなるステップ的な信号である。このステップ的な信号を用いた場合、疑似ランダム信号のように頻繁にトルクを変化させる必要が無いので、振動、騒音が少なく、アクチュエータの負担が少なくて済むというメリットがある。
【００９２】
図５（Ｃ）の信号は、励振トルクが０の状態から、ある時刻で急激に立ち上がり、一定時間経過後に再び励振トルクが０の状態に戻るインパルス的な信号である。このインパルス的な信号を用いた場合、トルクにオフセット成分が無く、制動・駆動・定常走行など種々の走行状態において瞬時に与えることができるので、任意の走行状態で伝達関数を推定することができる。
【００９３】
次に、本実施の形態に係る伝達関数同定回路３が依拠する演算式を導出する。まず、第２の実施の形態で同定すべき伝達関数を、路面トルクΔＴ₁を加振入力として、このとき前処理フィルタ２により検出された車輪速振動Δω₁を応答出力とする２次のモデルとする。すなわち、
【００９４】
【数１９】

【００９５】
の振動モデルを仮定する。ここに、ｖは車輪速信号を観測するときに含まれる観測雑音である。（３５）式を変形すると、（３６）式を得る。
【００９６】
【数２０】

【００９７】
まず、（３６）式に（１１）式の前処理フィルタを掛けて得られた式を離散化する。このとき、Δω₁、ΔＴ_d、ｖは、サンプリング周期Ｔ_s 毎にサンプリングされた離散化データΔω₁（ｋ）、ΔＴ_d（ｋ）、ｖ（ｋ）として表される。また、ラプラス演算子ｓは、遅延演算素子ｄを用いた上述の双一次変換により離散化することができる。
【００９８】
また、前処理フィルタの次数ｍは、２以上が望ましいので、本実施の形態では、演算時間も考慮してｍ＝２とし、これによって（３７）式から（４１）式を得る。
【００９９】
【数２１】

【０１００】
また、最小自乗法に基づいて車輪速振動Δω₁の各離散化データから伝達関数を同定するために、（３７）式が同定すべきパラメータに関して一次関数の形式になるように、（４２）式及び（４３）式のように変形する。
【０１０１】
【数２２】

【０１０２】
上式において、θが同定すべき伝達関数のパラメータとなる。
【０１０３】
次に、本実施の形態の作用を説明する。
【０１０４】
伝達関数同定回路３は、検出された車輪速振動Δω₁の離散化データを（４２）式に順次当てはめた各データに対し、最小自乗法を適用することによって、未知パラメータθを推定し、これにより伝達関数を同定する。
【０１０５】
具体的には、検出された車輪速振動Δω₁を離散化データΔω₁（ｋ）に変換し、該データをＮ点サンプルする。そして、上式ζ（ｋ）及びξ_y0（ｋ）を用いて、第１の実施の形態における（２２）式から（３１）式と同じ演算によって、伝達関数のパラメータａ₁及びａ₂の推定値（＾付）を演算する。なお、逐次型最小自乗法、補助変数法を用いてもよい。
【０１０６】
一方、相関係数演算回路４は、（３４）式を演算して相関係数σを算出し、第１の実施の形態と同様に（２２）式から（３１）式で用いられる忘却係数ρを、相関係数σに基づいて設定する。そして、μ勾配演算回路５は、伝達関数が同定されると、（３３）式に基づいて路面μ勾配Ｄ₀を演算する。
【０１０７】
以上のように、第２の実施の形態に係る路面摩擦状態推定装置は、相関係数σを演算し、相関係数σの値に応じて設定された忘却係数ρを用いてμ勾配を推定する。これにより、路面摩擦状態推定装置は、路面摩擦状態に応じて、μ勾配の推定速度を向上させたり、μ勾配の推定値のばらつきを抑制することができる。
【０１０８】
［第３の実施の形態］
図６は、第３の実施の形態に係る路面摩擦状態推定装置の構成を示す図である。なお、上述した実施の形態と同様の構成については、同一の符号を付して詳細な説明を省略する。
【０１０９】
第３の実施の形態に係る路面摩擦状態推定装置は、加振回路６により車輪に与えられる加振入力としての励振トルクΔＴ₁の実際の値を検出する加振入力検出回路７を更に備えている。
【０１１０】
前処理フィルタ２は、検出された加振入力を車輪速度ω₁と共に所定のフィルタ処理を施す。伝達関数同定回路３は、フィルタ処理を施された加振入力成分と車輪速振動Δω₁とから伝達関数のパラメータを推定する。
【０１１１】
加振入力検出回路７による加振入力の検出方法は、例えば、制動トルクを励振する場合、制動トルクに対応するブレーキ圧力（ホイールシリンダ圧）を圧力センサ等で検出し、所定の定数を乗じることにより、励振成分を含む制動トルクに変換し、さらにこの制動トルクから平均的な制動トルクの値を減算することによって励振トルク成分のみを加振入力として抽出する。
【０１１２】
次に、伝達関数同定回路３が依拠する演算式を導出する。まず、第３の実施の形態で同定すべき伝達関数を、励振トルクΔＴ₁を加振入力として、このとき前処理フィルタ２により検出された車輪速振動Δω₁を応答出力とする２次のモデルとする。すなわち、（４４）式
【０１１３】
【数２３】

【０１１４】
の振動モデルを仮定する。ここに、ΔＴ₁は、加振入力検出回路７によって検出された実際の励振トルク、ｖは車輪速信号を観測するときに含まれる観測雑音である。（４４）式を変形すると、（４５）式を得る。
【０１１５】
【数２４】

【０１１６】
まず、（４５）式に（１１）式の前処理フィルタを掛けて得られた式を離散化する。このとき、Δω₁、ΔＴ_d 、ｖは、サンプリング周期Ｔ_s 毎にサンプリングされた離散化データΔω₁（ｋ）、ΔＴ_d （ｋ）、ｖ（ｋ）として表される。また、ラプラス演算子ｓは、遅延演算素子ｄを用いた上述の双一次変換により離散化することができる。
【０１１７】
また、前処理フィルタの次数ｍは、２以上が望ましいので、本実施の形態では、演算時間も考慮してｍ＝２とし、これによって（４６）式から（５０）式を得る。
【０１１８】
【数２５】

【０１１９】
また、最小自乗法に基づいて、車輪速振動Δω₁の各離散化データから伝達関数を同定するために、（４６）式を、同定すべきパラメータに関して一次関数の形式となるように、（５１）式及び（５２）式のように変形する。
【０１２０】
【数２６】

【０１２１】
上式において、θが同定すべき伝達関数のパラメータとなる。本実施の形態ではΔＴ₁を検出するので、第１及び第２の実施の形態と異なり、係数ｂ₀ 、ｂ₁ 、ｂ₂ も推定している。
【０１２２】
次に、第３の実施の形態の作用を説明する。
【０１２３】
伝達関数同定回路３は、検出された車輪速振動Δω₁の離散化データを（５１）式に順次当てはめた各データに対し、最小自乗法を適用することによって、未知パラメータθを推定し、これにより伝達関数を同定する。
【０１２４】
具体的には、検出された車輪速振動Δω₁を離散化データΔω₁（ｋ）に変換し、該データをＮ点サンプルする。そして、上式ζ（ｋ）及びξ_y0（ｋ）を用いて、第１の実施の形態における（２２）式から（３１）式と同じ演算によって、伝達関数のパラメータａ₁ 及びａ₂ の推定値（＾付）を演算する。
【０１２５】
一方、相関係数演算回路４は、（３４）式を演算して相関係数σを算出し、第１の実施の形態と同様に（２２）式から（３１）式で用いられる忘却係数ρを、相関係数σに基づいて設定する。
【０１２６】
なお、上述した演算に限らず、逐次型最小自乗法や補助変数法を用いてもよい。補助変数法を用いる場合には、本実施の形態のように加振入力が検出できる場合は、同定された伝達関数のパラメータを用いて、（５３）式
【０１２７】
【数２７】

【０１２８】
より、真の出力ｘ（ｋ）の推定値（＾付）を逐次的に求め、この推定値を用いて補助変数を（５４）式及び（５５）式のように構成することができる。
【０１２９】
【数２８】

【０１３０】
また、
ζ(ｋ)＝［−ξ_y1(ｋ)−ξ_y2(ｋ)ξ_u0(ｋ)ξ_u1(ｋ)ξ_u2(ｋ)］^T
を式誤差ｒ（ｋ）と相関を持たないほどに遅らせたものを利用する。すなわち、（５６）式
【０１３１】
【数２９】

【０１３２】
とする。ただし、Ｌは遅延ステップ数である。
【０１３３】
ここで、加振入力の波形は、第２の実施の形態と同様に、図５（Ａ）、図５（Ｂ）及び図５（Ｃ）に示すようにしてもよい。また、タイヤが路面にグリップしている時の共振周波数（以下、「タイヤ共振周波数」という）が明らかな場合は、該共振周波数で加振することもできる。発明者らの実験的研究により、（７）式で表現される振動モデルは、（５７）式
【０１３４】
【数３０】

【０１３５】
となることがわかっている。（７）式、（５７）式に基づいて、タイヤ共振周波数で加振したときの加振入力から応答出力までの伝達特性を求めると、（５８）式
【０１３６】
【数３１】

【０１３７】
の０次の伝達関数になる。そこで、同定すべき伝達関数を
Δω₁＝Ｇ_d ΔＴ₁ （５９）
とおき、伝達関数同定回路３において、（６０）式から（６３）式のように最小自乗法を用いて伝達関数を同定する。
【０１３８】
【数３２】

【０１３９】
また、上記最小自乗法は、（６４）式から（６６）式のように逐次型最小自乗法として演算することもできる。
【０１４０】
【数３３】

【０１４１】
ここに、相関係数演算回路４は、（３４）式を演算して相関係数σを算出し、上述した式で用いられる忘却係数ρを、相関係数σに基づいて設定する。なお、忘却係数ρの初期値は（２６）式と同様である。さらに、上記最小自乗法に、補助変数法などの修正最小自乗法を適用することによって、さらに正確な推定値が得られる。そして、同定された伝達関数のパラメータＧ_d の推定値は、（５８）式と（５９）式の対応関係より、（６７）式
【０１４２】
【数３４】

【０１４３】
である。そして、μ勾配演算回路５は、Ｇ_dの推定値を用いて（６７）式より路面のすべり易さＤ₀ に関する物理量を演算する。
【０１４４】
以上のように、第３の実施の形態に係る路面摩擦状態推定装置は、路面の摩擦状態に関連する相関係数σを演算し、相関係数σの値に応じて設定された忘却係数ρを用いてμ勾配を推定する。これにより、路面摩擦状態推定装置は、路面摩擦状態に応じて、μ勾配の推定速度を向上させたり、μ勾配の推定値のばらつきを抑制することができる。
【０１４５】
［第４の実施の形態］
図７に示すように、第４の実施の形態に係る路面摩擦状態推定装置は、車輪速ω₁を検出する車輪速センサ１１と、車輪速ω₁から車輪速振動Δω₁を抽出する前処理フィルタ１２と、車輪速振動Δω₁と該車輪速振動Δω₁の２階微分との相関関係を示す相関係数σ１を演算する第１の相関係数演算回路１３と、車輪速振動Δω₁と該車輪速振動Δω₁の２階微分との相関関係を示す相関係数σ２を演算する第２の相関係数演算回路１４と、相関係数σ１，σ２のいずれかを選択する相関係数演算値切替回路１５と、選択された相関係数をμ勾配に変換するμ勾配変換回路１６とを備えている。
【０１４６】
前処理フィルタ１２は、第１の実施の形態の前処理フィルタ２と同様に構成され、車輪速センサ１１により検出された車輪速ω₁から車輪速振動Δω₁を抽出し、この車輪速振動Δω₁を第１の相関係数演算回路１３及び第２の相関係数演算回路１４に供給する。
【０１４７】
第１の相関係数演算回路１３は、前処理フィルタ１２からの車輪速振動Δω₁を用いて（６８）式を演算し、相関係数σ１を算出する。
【０１４８】
【数３５】

【０１４９】
（６８）式において、ωは車輪速振動Δω₁を示し、ω''はΔω₁の２階微分を示す。ρ_c1は、相関係数σ１の逐次演算のための忘却係数（固定値）である。第１の相関係数演算回路１３は、固定値である忘却係数ρ_c1を用いることで、路面摩擦状態を示す相関係数σ１を逐次演算する。
【０１５０】
第２の相関係数演算回路１４は、前処理フィルタ１２からの車輪速振動Δω₁を用いて（６９）式を演算し、相関係数σ２を算出する。
【０１５１】
【数３６】

【０１５２】
（６９）式において、ωは車輪速振動Δω₁を示し、ω''はΔω₁の２階微分を示す。ρ_c2は相関係数σ２の逐次演算のための忘却係数（可変値）であり、（ρ_c1≦ρ_c2）である。したがって、第２の相関係数演算回路１４は、第１の相関係数演算回路１３よりも演算速度が速くならないように設定されている。
【０１５３】
ここで、第１の相関係数演算回路１３は、相関係数σ１が大きいとき（路面が滑りにくいとき）は忘却係数ρ_c2を大きく設定し、相関係数σ１が小さいとき（路面が滑りやすいとき）は忘却係数ρ_c2を小さく設定する。第２の相関係数演算回路１４は、設定された忘却係数ρ_c2を用いて、上記（６９）式を演算する。よって、第１の相関係数演算回路１３は、路面の滑り易さに応じて、第２の相関係数演算回路１４の推定速度を制御している。
【０１５４】
相関係数演算値切替回路１５は、相関係数σ１に基づいて車輪と路面との間の摩擦状態を判定する。例えば、相関係数演算値選択回路１５は、相関係数σ１の値が大きいときは路面が滑りにくいと判定し、相関係数σ１の値が小さいときは路面が滑り易いと判定する。そして、相関係数演算値選択回路１５は、路面が滑りにくいときは相関係数σ２を選択し、路面が滑り易いときは相関係数σ１を選択し、選択した相関係数を勾配変換回路１６に供給する。
【０１５５】
勾配変換回路１６は、相関係数σとμ勾配との対応関係を示す対応テーブルを記憶している。勾配変換回路１６は、相関係数演算値切替回路１５で選択された相関係数σを上記対応テーブルと比較し、相関係数σに対応するμ勾配を出力する。
【０１５６】
図８は、従来の路面摩擦状態推定装置（例えば特開平１１−７８８４３号公報に記載された発明）によって推定されたμ勾配（Ａ）と、第４の実施の形態に係る路面摩擦状態推定装置によって推定されたμ勾配（Ｂ）とを比較する図である。図８（Ａ）によると、μ勾配推定値のばらつきが大きく、路面の滑り易さの変化を確実に検出することができていない。一方、図８（Ｂ）によると、μ勾配推定値のばらつきが小さく、路面の滑り易さの変化を確実に検出することができる。
【０１５７】
以上のように、第４の実施の形態に係る路面摩擦状態推定装置は、車輪速振動Δω₁の周期性の度合いを示す相関係数σがμ勾配と深い相関関係があることを利用して、相関係数σに基づいてμ勾配を推定する。この結果、最小自乗法を用いる場合に比べて演算量を大きく低減することができ、μ勾配の推定速度を向上させることができる。
【０１５８】
また、路面摩擦状態推定装置は、異なる値の忘却係数ρを用いてそれぞれ相関係数σ１，σ２を演算し、路面摩擦状態に応じて最適な相関係数σ１，σ２を選択する。したがって、路面の滑り易さの変化に高応答に追従し、かつμ勾配推定値のばらつきを抑えることができる。
【０１５９】
【発明の効果】
請求項１記載の発明は、コストをかけることなく演算量を少なくし、かつ推定値のばらつきを低減させることができ、この結果、車輪と路面との間の滑り易さの変化に対して高応答に推定値を求めることができる。
【０１６０】
請求項２記載の発明は、応答出力と該応答出力の偶数階微分又は偶数階差分との相関関係を示す相関係数を演算することによって、前記応答出力の周期性の度合いを求めることができ、この結果、車輪と路面との間の滑り易さの変化に対して高応答に推定値を求めることができる。
【０１６１】
請求項３記載の発明は、振動モデルを用いた場合であっても周期性の度合いの演算値に基づいて推定速度を変更することによって、コストをかけることなく演算量を少なくし、車輪と路面との間の滑り易さに関する物理量の推定速度を向上させることができる。
【０１６２】
請求項４記載の発明は、応答出力の周期性の度合いを異なる演算速度でそれぞれ演算して、車輪と路面との間の滑り易さに関する物理量を推定することによって、推定速度を向上させつつ、推定値のばらつきを抑制することができる。
【図面の簡単な説明】
【図１】本発明の第１の実施の形態に係る路面摩擦状態推定装置の構成を示すブロック図である。
【図２】路面摩擦状態推定装置の相関係数演算回路により演算された相関係数とμ勾配との関係を示す図である。
【図３】従来の路面摩擦状態推定装置による推定結果と第１の実施の形態に係る路面摩擦状態推定装置の推定結果を示す図である。
【図４】本発明の第２の実施の形態に係る路面摩擦状態推定装置の構成を示すブロック図である。
【図５】加振回路による励振トルクΔＴ₁の信号波形の例を示す図である。
【図６】本発明の第３の実施の形態に係る路面摩擦状態推定装置の構成を示すブロック図である。
【図７】本発明の第４の実施の形態に係る路面摩擦状態推定装置の構成を示すブロック図である。
【図８】従来の路面摩擦状態推定装置による推定結果と第４の実施の形態に係る路面摩擦状態推定装置による推定結果を示す図である。
【図９】車輪共振系と等価な力学モデルを示す図である。
【図１０】車輪共振系におけるタイヤ−路面間の摩擦特性を示す図である。
【図１１】振動モデルの概念を示す図である。
【符号の説明】
１，１１ 車輪速センサ
２，１２ 前処理フィルタ
３ 伝達関数同定回路
４ 相関係数演算回路
５ μ勾配演算回路
１３ 第１の相関係数演算回路
１４ 第２の相関係数演算回路
１５ 相関係数演算値切替回路
１６ 勾配変換回路[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a road surface friction state estimation device, and more particularly, to a road surface friction state estimation device that improves an estimated speed of a physical quantity related to slipperiness between a wheel and a road surface and suppresses variations in estimated values.
[0002]
[Prior art]
Currently, systems that improve vehicle performance and safety, such as ABS (Anti-lock Braking System), TCS (Traction Control System), and air pressure drop warning system, have been developed. These systems estimate the friction state between the wheels and the road surface during driving and braking, and perform various controls based on the estimated values.
[0003]
In view of this, Japanese Patent Laid-Open No. 11-78843 has proposed an invention for estimating a friction state using a vibration model in a wheel resonance system including a friction characteristic between a wheel and a road surface.
[0004]
Here, the principle of the vibration model will be described with reference to the drawings of FIGS. 9 is an equivalent dynamic model of a wheel resonance system, FIG. 10 is a friction characteristic between a tire and a road surface that defines a transmission characteristic of the wheel resonance system of FIG. 9, and FIG. 11 is a transmission of the wheel resonance system of FIG. In the characteristics, an example of a vibration model from an excitation input to a response output is illustrated.
[0005]
As shown in FIG. 9, the vehicle has a vehicle body speed v (ω_v) Considering the vibration phenomenon of the wheel when traveling in), that is, the vibration phenomenon of the wheel resonance system composed of at least the wheel and the road surface, with reference to the mechanical model equivalently modeled by the wheel rotation axis . The various quantities shown in FIG. 9 are as follows.
[0006]
J₁: Rim moment of inertia
J₂: Inertia moment on the belt side
K: Tapping constant of tire
T₁: Braking / driving torque (positive sign on the drive side)
ω₁ : Rim side angular velocity
ω₂: Angular speed on the belt side
θ_s : Twist angle between rim and belt
T_d: Road disturbance
T_L: Generated force between tire and road surface
In the dynamic model of the wheel resonance system of FIG. 9, the braking / driving torque T acting on the rim₁Is transmitted to the belt via the twist constant K of the tire and acts on the road surface via the belt surface. At this time, the braking / driving torque T is applied to the wheel from the road surface with the contact point between the belt and the road surface as a base point.₁Force T as reaction_L Act.
[0007]
This generated force T_LIs caused by the frictional force between the tire and the road surface, and the braking / driving torque T₁Acts in the opposite direction. That is, the generated force T_LThe driving torque T is applied to the rim during driving.₁Is applied, the wheel rotation direction (ω₁Acting in the opposite direction to the braking torque T during braking₁Acts on the direction of rotation of the wheel. In addition, when there is unevenness on the road surface, road surface disturbance ΔT generated by the unevenness._dTorque also acts on the tire.
[0008]
Here, the vehicle has a certain speed v (the value converted into the rotating system is represented by ω_v) If the brake is applied while traveling, slip occurs between the tire and the road surface. The generated force T generated between the tire and the road surface at this time_L Is the slip ratio S₁(= (Ω_v−ω₂) / Ω_v), As shown in FIG.
[0009]
Similarly, even when the driver accelerates by stepping on the accelerator pedal while the vehicle is traveling at a certain speed v, a slip occurs between the tire and the road surface. Generated force T at this time_LIs the slip ratio S₂(= (Ω₂−ω_v) / Ω₂), As shown in FIG.
[0010]
Here, if the rotational direction of the wheel is a positive direction, the generated force T between the tire and the road surface_LCan be expressed as:
[0011]
During braking: T_L = WRμ (S₁)
Driving: T_L= -WRμ (S₂)
Here, W is a wheel load, R is a dynamic load radius of the tire, and μ is a coefficient of friction between the tire and the road surface. Μ is the slip ratio S₁Or S₂It is expressed as a function of
[0012]
In the S-μ curve shown in FIG. 10, when the slip rate is 0, the generated force T_LIs 0. Generated force T during braking at a certain positive slip ratio_LTakes a positive peak value, and the generated force T during driving at a certain negative slip ratio._LHolds a negative peak value. Further, at various operating points, the gradient of the generated force with respect to the slip ratio takes a unique value such as a value in the vicinity of 0 at the peak value. Therefore, the ease of slipping between the tire and the road surface can be expressed by using the gradient.
[0013]
Here, in the dynamic model shown in FIG.₁Amplitude ΔT around₁This excitation torque component becomes the wheel speed ω₁Vibration component around Δω₁Appears as Also, road disturbance T_dVibration component ΔT_dIf there is a wheel speed vibration component Δω₁In addition, a vibration component generated by the disturbance is also added.
[0014]
Therefore, when the transfer characteristics of the wheel resonance system in FIG. 9 are represented by vibration models at various operating points in FIG.
[0015]
Δω₁  = H₁(S) ΔT₁   + H₂(S) ΔT_d
Where H₁(S) is the formula (1), H₂(S) is as shown in equations (1) and (2).
[0016]
[Expression 1]

[0017]
Note that s is a Laplace operator. D₀Depending on the time of braking and driving,_Ten, D₂₀Represented by
[0018]
[Expression 2]

[0019]
Where S_Ten, S₂₀Is the slip ratio at a certain operating point during braking and driving, respectively,_v0Is the vehicle speed at the operating point.
[0020]
From the above formula, D_TenIs the slip ratio S at the operating point_TenThe slope of the S-μ curve at (∂μ / ∂S₁) And the wheel load W, and the vehicle speed ω at the operating point_v0Inversely proportional to S₂₀Where D is close to 0, D₂₀The same is true for.
[0021]
Up to this point, it has been assumed that μ has a slip ratio dependency.₁ = Ω_v−ω₂, S₂= Ω₂−ω_v Is re-defined as (5) and (6).
[0022]
[Equation 3]

[0023]
Again, D_10,20Is the slip ratio S at the operating point_10,20 It is proportional to the slope of the S-μ curve and the wheel load W.
[0024]
Since the vibration model described above represents an operation at an arbitrary operating point, as a special case, a case of steady running in which neither braking nor driving is performed is described. In steady running, the operating point is the origin of the S-μ curve and D₀= D_Ten= D₂₀Represents the μ gradient at the origin.
[0025]
The vibration model is expressed by a third-order system with respect to the Laplace operator s. However, the second-order is considered sufficient to describe a physical phenomenon called vibration. Therefore, when the third order model is approximated by a second order model, Expressions (7) and (8) are obtained.
[0026]
[Expression 4]

[0027]
As described above, in the wheel resonance system including the frictional characteristics between the tire and the road surface, the vibration model described above is an excitation input torque ΔT applied to the resonance system.₁And road surface vibration ΔT caused by rolling of the tire on an uneven road surface_dSpeed vibration as a response output to₁In addition, a physical quantity D relating to the ease of slipping between the tire and the road surface₀It can be seen that
[0028]
The state of transmission from the vibration input to the response output in the above vibration model is illustrated in FIG.
[0029]
[Problems to be solved by the invention]
The invention described in Japanese Patent Application Laid-Open No. 11-78843 is based on the vibration model of the wheel resonance system including the friction characteristics between the wheel and the road surface as described above, and the wheel as an unknown element from the response output of the wheel resonance system. The frictional state including the slipperiness between the road surface and the road surface is estimated.
[0030]
As shown in FIGS. 3A and 8A, the estimated values estimated by the above invention tend to vary widely. In order to reduce this variation, the value of the forgetting factor ρ used in the calculation of the least square method may be increased. However, the forgetting factor ρ is a parameter that affects the estimated speed, and there is a problem that the estimated speed becomes slow if a large forgetting coefficient is set.
[0031]
In the above invention, the unknown element is estimated using the method of least squares, so that the calculation amount is large. For this reason, simply trying to increase the estimated speed requires more memory and an arithmetic processing unit with a higher processing capability, resulting in an increase in cost.
[0032]
The present invention has been proposed to solve the above-described problems, and can improve the estimated speed of the road surface friction state without increasing the cost, and can suppress variations in the estimated value. An object is to provide a state estimation device.
[0033]
[Means for Solving the Problems]
In the present invention, the degree of periodicity of the response output and the physical quantity related to the slipperiness between the wheels and the road surface are deeply correlated, and the periodicity of the response output is higher than the amount of computation of the least square method. The problem described above has been solved by utilizing the fact that the calculation amount of the degree is very small.
[0034]
That is, the invention according to claim 1 calculates the degree of periodicity of the response output detected by the detection means for detecting the response output to the vibration input to the wheel vibration system and the detection means, and the periodicity And an estimation means for estimating a physical quantity related to the slipperiness between the wheel and the road surface based on the calculated value of the degree.
[0035]
The present inventors have found that the degree of periodicity of the response output detected by the detection means has a deep correlation with the friction state between the wheel and the road surface. For example, when the road surface is slippery, the degree of periodicity of the response output is small, and when the road surface is difficult to slip, the degree of periodicity of the response output is large. Therefore, the degree of periodicity of the response output is considered to indicate the frictional state between the wheel and the road surface itself. In addition, the calculation of the degree of periodicity of the response output has a very high calculation speed because the calculation amount is small compared with the calculation of the least square method, for example. Therefore, by estimating the physical quantity related to the slipperiness between the wheel and the road surface based on the characteristic of the degree of periodicity of the response output, it is possible to increase the estimated speed or reduce the variation of the estimated value. it can.
[0036]
In order to calculate the degree of periodicity of the response output, the estimation means may calculate the response output detected by the detection means and the even-order differential or the even-order difference of the response output, as in the invention of claim 2. It is preferable to calculate a correlation coefficient indicating a correlation with
[0037]
  The estimating means is,The transfer characteristic of the wheel resonance system from the vibration input to the response output is represented by a vibration model including at least a physical quantity relating to the ease of slipping between the wheel and the road surface as an unknown element. In estimating the unknown element that substantially satisfies the response output, the estimated speed of the unknown element may be changed based on the calculated value of the degree of periodicity.
[0038]
When a physical quantity related to the slipperiness between the wheel and the road surface is estimated using the vibration model, the estimated speed may become slow or the estimated value may vary. Therefore, by calculating the degree of periodicity of the response output that has a deep correlation with the friction state between the wheel and the road surface, and changing the estimated speed based on the calculated value of the degree of periodicity, the change in the road surface Can follow a high response.
[0039]
  Further, the estimating means is the claim.3As in the described invention, the degree of periodicity of the response output detected by the detecting means is calculated at different calculation speeds, and one periodicity is calculated based on the degree of periodicity calculated at a predetermined calculation speed. A calculation value of the degree may be selected, and a physical quantity related to slipperiness between the wheel and the road surface may be estimated based on the selected calculation value.
[0040]
The estimating means calculates the degree of periodicity of the response output at different calculation speeds in advance. Further, the slipperiness of the road surface is determined based on the degree of periodicity calculated at a predetermined calculation speed, and one calculated value of the degree of periodicity is selected according to the slipperiness of the road surface. And, by estimating the physical quantity related to the slipperiness between the wheel and the road surface based on the selected calculation value of the degree of periodicity, it follows a high response to changes in the road surface, and the estimated value varies Can be suppressed.
[0041]
DETAILED DESCRIPTION OF THE INVENTION
[First Embodiment]
The road surface friction state estimating device of the first embodiment is a road surface disturbance ΔT._d Only calculates the μ gradient of the wheel resonance system that is input as the excitation input.
[0042]
As shown in FIG. 1, the road surface friction state estimating device₁Wheel speed sensor 1 for detecting the wheel speed ω of each detected wheel₁To road surface disturbance ΔT_dSpeed oscillation of each wheel as a response output of the wheel resonance system₁Pre-processing filter 2 for detecting the wheel speed vibration Δω detected₁Transfer function identification circuit 3 for identifying the transfer function of each wheel that satisfies the above-mentioned conditions using the least square method, and wheel speed vibration Δω₁And the wheel speed vibration Δω₁A correlation coefficient calculation circuit 4 for calculating a correlation coefficient σ indicating a correlation with the second-order derivative of the vehicle, and a gradient (μ gradient) of the friction coefficient μ between the wheel and the road surface based on the identified transfer function. A μ gradient calculation circuit 5 for calculating each wheel.
[0043]
The wheel speed sensor 1 is a wheel speed ω corresponding to the rotational speed of each wheel.₁Detects this wheel speed ω₁Is supplied to the preprocessing filter 2.
[0044]
The pre-processing filter 2 includes a band-pass filter that passes only a frequency component in a certain band, a high-pass filter that passes only a high-band frequency component including the resonance frequency component, and the like. And the preprocessing filter 2 has a wheel speed ω.₁Remove the DC component of the wheel speed vibration Δω₁Is output.
[0045]
Note that the transfer function F (s) of the preprocessing filter 2 is expressed by the following equation (11). Here, ci is a coefficient of the filter transfer function, and s is a Laplace operator.
[0046]
[Equation 5]

[0047]
The transfer function identification circuit 3 uses a wheel resonance system vibration model to generate wheel speed vibration Δω.₁The transfer function of each wheel that satisfies the above is identified using the method of least squares.
[0048]
Here, the derivation of the arithmetic expression on which the transfer function identification circuit 3 depends will be described. The transfer function to be identified by the transfer function identification circuit 3 is the road surface disturbance ΔT._d Is the wheel speed vibration Δω detected by the preprocessing filter 2₁Is a quadratic model with a response output. That is, the vibration model shown in Equation (12) is assumed.
[0049]
[Formula 6]

[0050]
Where v is the wheel speed ω₁Is an observation noise included when observing. When formula (12) is transformed, formula (13) is obtained.
[0051]
[Expression 7]

[0052]
The formula obtained by multiplying the formula (13) by the preprocessing filter of the formula (11) is discretized. At this time, Δω₁, ΔT_d , V is the sampling period T_sDiscretized data Δω sampled every time₁(K), ΔT_d (K), v (k) (k is a sampling number: k = 1, 2, 3,...). The Laplace operator s can be discretized using a predetermined discretization method. In the present embodiment, as an example, discretization is performed by bilinear transformation represented by the equation (14). Note that d is a one-sample delay operator.
[0053]
[Equation 8]

[0054]
The order m of the preprocessing filter is preferably 2 or more. In the present embodiment, m = 2 is set in consideration of the calculation time, thereby obtaining Expression (19) from Expression (15).
[0055]
[Equation 9]

[0056]
In addition, wheel speed vibration Δω based on the least square method₁In order to identify the transfer function from each data of (5), the equation (15) is transformed into equations (20) and (21) so that the parameters to be identified are in the form of a linear function. "^T"" Indicates transposition of the matrix, and θ is a parameter of the transfer function to be identified.
[0057]
[Expression 10]

[0058]
Then, the transfer function identification circuit 3 calculates the wheel speed vibration Δω with respect to the equation (20) derived as described above.₁The unknown parameter θ is estimated by sequentially applying the discretized data and applying the least square method, thereby identifying the transfer function.
[0059]
Specifically, the detected wheel speed vibration Δω₁Discretized data Δω₁(K) (k = 1, 2, 3,...), The data is sampled at N points, and the transfer function parameter θ is estimated using the least squares arithmetic expression of equation (22). To do.
[0060]
[Expression 11]

[0061]
Here, the amount with the symbol “^” is defined as the estimated value.
[0062]
Further, the least square method may be calculated using a sequential least square method in which the parameter θ is obtained by a recurrence formula of the following formulas (23) to (25).
[0063]
[Expression 12]

[0064]
Here, ρ is a forgetting factor. When the forgetting factor ρ is increased, variations in the estimated value of the road surface friction state are suppressed, but the estimated speed is decreased. On the other hand, when the forgetting factor ρ is reduced, the variation in the estimated value of the road surface friction state is increased, but the estimated speed is increased.
The initial value of the forgetting factor ρ may be as shown in equation (26).
[0065]
[Formula 13]

[0066]
The forgetting factor ρ is variable and is set to a predetermined value by the correlation coefficient calculation circuit 4.
[0067]
Various modified least square methods may be used as a method for reducing the estimation error of the least square method. In the present embodiment, an example using an auxiliary variable method that is a least square method with an auxiliary variable introduced will be described. According to this method, the parameter of the transfer function is estimated using equation (27) with m (k) as an auxiliary variable when the relationship of equation (20) is obtained.
[0068]
[Expression 14]

[0069]
Further, the sequential calculation is as shown in the following equations (28) to (30).
[0070]
[Expression 15]

[0071]
The principle of the auxiliary variable method is as follows. Substituting equation (20) into equation (27) yields equation (31).
[0072]
[Expression 16]

[0073]
If an auxiliary variable is selected so that the second term on the right side of equation (31) is zero, the estimated value of θ matches the true value of θ. Therefore, in this embodiment, as an auxiliary variable,
ζ (k) = [− ξ_y1(K) -ξ_y2(K)]^T
Is delayed so as not to correlate with the error r (k). That is,
m (k) = [− ξ_y1(KL) -ξ_y2(KL)]^T          (32)
And However, L is a delay time.
[0074]
After the transfer function is identified as described above, the μ gradient arithmetic circuit 5 calculates the road surface μ gradient D based on the equation (33).₀Is calculated.
[0075]
[Expression 17]

[0076]
On the other hand, the correlation coefficient calculation circuit 4 sequentially sets the forgetting coefficient ρ used in the transfer function identification circuit 3. Specifically, the correlation coefficient calculation circuit 4 calculates the wheel speed vibration Δω from the preprocessing filter 2.₁(34) is calculated using, and the correlation coefficient σ is calculated.
[0077]
[Expression 18]

[0078]
In the equation (34), ω is a wheel speed vibration Δω.₁Ω '' is Δω₁The second derivative of is shown. Furthermore, ρ_cIs a forgetting factor (fixed value) for the sequential calculation of the correlation coefficient σ. Note that ω ″ is a second-order differential signal output from the preprocessing filter 2, but may be an even-order differential signal or an even-order differential signal. Since the correlation coefficient calculation circuit 4 calculates using such parameters, the equation (34) can be calculated with a very small calculation amount compared to the calculation amount of the least square method.
[0079]
The correlation coefficient σ is the wheel speed vibration Δω₁If the signal is completely periodic, it will be “1” and the wheel speed vibration Δω₁If it is white noise, it becomes “0”. Therefore, the correlation coefficient σ is the wheel speed vibration Δω₁The value of (0 <σ <1) is taken according to the strength of resonance. That is, the correlation coefficient σ represents the degree of periodic output of the preprocessing filter 2.
[0080]
FIG. 2 is a diagram showing the relationship between the μ gradient calculated by the μ gradient calculation circuit 5 and the correlation coefficient σ calculated by the correlation coefficient calculation circuit 4. From the figure, it can be seen that the μ gradient and the correlation coefficient σ have a one-to-one correspondence. That is, if the correlation coefficient σ is known, the μ gradient is also known, and the correlation coefficient σ itself represents the μ gradient.
[0081]
Therefore, the correlation coefficient calculation circuit 4 sets the forgetting coefficient ρ used in the transfer function identification circuit 3 according to the calculated correlation coefficient σ. Specifically, when the correlation coefficient σ is large (when the road surface is difficult to slip), the forgetting coefficient ρ is set to a value close to 1, and when the correlation coefficient σ is small (when the road surface is slippery), the forgetting coefficient ρ. Set to a smaller value. Therefore, when the road surface is difficult to slip, variation in the estimated value of the μ gradient is suppressed, and when the road surface is slippery, the estimated speed of the μ gradient is increased.
[0082]
As described above, the road surface friction state estimating device calculates the correlation coefficient σ in consideration of the fact that the correlation coefficient σ corresponds to the μ gradient, and forgets set according to the value of the correlation coefficient σ. The μ gradient is estimated using the coefficient ρ. Thereby, the road surface friction state estimation device can improve the estimated speed of the μ gradient or suppress variations in the estimated value of the μ gradient according to the road surface friction state.
[0083]
For example, when the road surface is difficult to slip, the estimated speed of the μ gradient is not so required, so the road surface friction state estimating device sets a large forgetting factor ρ to suppress variation in the estimated value of the μ gradient. On the other hand, since it is necessary to constantly monitor the road surface friction state when the road surface is slippery, the road surface friction state estimation device sets the forgetting factor ρ small and increases the estimated speed of the μ gradient.
[0084]
Further, since the road surface friction state estimation device has an extremely small amount of calculation of the equation (34), the forgetting coefficient ρ is set following a high response to the change in the slipperiness of the road surface to improve the estimated speed and the estimated value. Variations can be suppressed quickly.
[0085]
FIG. 3 shows a μ gradient (A) estimated by a conventional road friction state estimation device (for example, the invention described in Japanese Patent Laid-Open No. 11-78843), and a road surface friction state estimation device according to the first embodiment. It is a figure which compares (micro | micron | mu) gradient (B) estimated by (1). According to FIG. 3A, the variation in the estimated value of the μ gradient is large, and a change in the slipperiness of the road surface cannot be reliably detected. On the other hand, according to FIG. 3B, the variation in the estimated value of the μ gradient is small, and the change in the slipperiness of the road surface can be reliably detected.
[0086]
[Second Embodiment]
FIG. 4 is a diagram illustrating a configuration of a road surface friction state estimation device according to the second embodiment. In addition, about the structure similar to 1st Embodiment, the same code | symbol is attached | subjected and detailed description is abbreviate | omitted.
[0087]
The road surface friction state estimation apparatus according to the second embodiment includes an excitation torque ΔT as an excitation input.₁The average braking / driving torque T₁Is further provided with an excitation circuit 6 to be superimposed around the. The vibration circuit 6 excites the wheel around its central axis by exciting the brake pressure and engine output.
[0088]
For example, when exciting the braking torque, the vibration circuit 6 applies a braking command by superimposing an increasing / decreasing command of a predetermined frequency on an average braking pressure command in a control command for an increasing / decreasing valve of a hydraulic actuator for braking pressure. Apply torque.
[0089]
Here, the excitation torque ΔT by the excitation circuit 6₁An example of the signal waveform is shown in FIGS.
[0090]
The signal in FIG. 5A is a pseudo-random signal, and can be generated based on an M-sequence signal that is well known as one of pseudo-random signals, for example. In this case, since the excitation input has many frequency components, there is an advantage that the estimation accuracy of the transfer function is improved.
[0091]
The signal in FIG. 5B is a step signal that suddenly rises from a state where the excitation torque is 0 at a certain time and thereafter becomes a constant excitation torque. When this step-like signal is used, it is not necessary to change the torque as frequently as the pseudo-random signal, so that there is an advantage that vibration and noise are reduced and the burden on the actuator can be reduced.
[0092]
The signal in FIG. 5C is an impulse signal that suddenly rises at a certain time from a state where the excitation torque is 0, and returns to the state where the excitation torque is 0 again after a predetermined time has elapsed. When this impulse signal is used, the torque has no offset component and can be instantaneously applied in various driving conditions such as braking, driving, and steady driving, so that the transfer function can be estimated in an arbitrary driving condition. .
[0093]
Next, an arithmetic expression on which the transfer function identification circuit 3 according to the present embodiment depends is derived. First, the transfer function to be identified in the second embodiment is the road surface torque ΔT.₁As a vibration input, the wheel speed vibration Δω detected by the preprocessing filter 2 at this time₁Is a quadratic model with a response output. That is,
[0094]
[Equation 19]

[0095]
The vibration model is assumed. Here, v is an observation noise included when the wheel speed signal is observed. When formula (35) is transformed, formula (36) is obtained.
[0096]
[Expression 20]

[0097]
First, the equation obtained by applying the preprocessing filter of equation (11) to equation (36) is discretized. At this time, Δω₁, ΔT_d, V is the sampling period T_s Discretized data Δω sampled every time₁(K), ΔT_d(K) and v (k). The Laplace operator s can be discretized by the bilinear transformation using the delay arithmetic element d.
[0098]
In addition, since the order m of the preprocessing filter is preferably 2 or more, in this embodiment, m = 2 is set in consideration of the calculation time, thereby obtaining Expression (41) from Expression (37).
[0099]
[Expression 21]

[0100]
In addition, wheel speed vibration Δω based on the least square method₁In order to identify the transfer function from each of the discretized data, the equation (37) is transformed into the form of a linear function with respect to the parameter to be identified as in the equations (42) and (43).
[0101]
[Expression 22]

[0102]
In the above equation, θ is a parameter of the transfer function to be identified.
[0103]
Next, the operation of the present embodiment will be described.
[0104]
The transfer function identification circuit 3 detects the detected wheel speed vibration Δω.₁The unknown parameter θ is estimated by applying the least square method to each data obtained by sequentially applying the discretized data to the equation (42), thereby identifying the transfer function.
[0105]
Specifically, the detected wheel speed vibration Δω₁Discretized data Δω₁Convert to (k) and sample the data N points. And the above equations ζ (k) and ξ_y0Using (k), the parameter a of the transfer function is obtained by the same calculation as in the equations (22) to (31) in the first embodiment.₁And a₂The estimated value (with ^) is calculated. Note that a sequential least square method and an auxiliary variable method may be used.
[0106]
On the other hand, the correlation coefficient calculation circuit 4 calculates the correlation coefficient σ by calculating the expression (34), and the forgetting coefficient ρ used in the expressions (22) to (31) as in the first embodiment. Is set based on the correlation coefficient σ. When the transfer function is identified, the μ gradient calculation circuit 5 determines the road surface μ gradient D based on the equation (33).₀Is calculated.
[0107]
As described above, the road surface friction state estimating apparatus according to the second embodiment calculates the correlation coefficient σ and estimates the μ gradient using the forgetting coefficient ρ set according to the value of the correlation coefficient σ. To do. Thereby, the road surface friction state estimation device can improve the estimated speed of the μ gradient or suppress variations in the estimated value of the μ gradient according to the road surface friction state.
[0108]
[Third Embodiment]
FIG. 6 is a diagram illustrating a configuration of a road surface friction state estimation device according to the third embodiment. In addition, about the structure similar to embodiment mentioned above, the same code | symbol is attached | subjected and detailed description is abbreviate | omitted.
[0109]
The road surface friction state estimating apparatus according to the third embodiment is an excitation torque ΔT as an excitation input given to the wheel by the excitation circuit 6.₁Is further provided with an excitation input detection circuit 7 for detecting the actual value of.
[0110]
The preprocessing filter 2 converts the detected vibration input into the wheel speed ω.₁At the same time, a predetermined filtering process is performed. The transfer function identification circuit 3 generates the filtered vibration input component and the wheel speed vibration Δω.₁And estimate the parameters of the transfer function.
[0111]
The excitation input detection method by the excitation input detection circuit 7 is, for example, when exciting a braking torque, detecting a brake pressure (wheel cylinder pressure) corresponding to the braking torque with a pressure sensor and multiplying by a predetermined constant. Thus, the torque is converted into a braking torque including an excitation component, and only the excitation torque component is extracted as an excitation input by subtracting an average braking torque value from the braking torque.
[0112]
Next, an arithmetic expression on which the transfer function identification circuit 3 depends is derived. First, the transfer function to be identified in the third embodiment is expressed as excitation torque ΔT.₁As a vibration input, the wheel speed vibration Δω detected by the preprocessing filter 2 at this time₁Is a quadratic model with a response output. That is, formula (44)
[0113]
[Expression 23]

[0114]
The vibration model is assumed. Where ΔT₁Is the actual excitation torque detected by the excitation input detection circuit 7, and v is the observation noise included when observing the wheel speed signal. When formula (44) is transformed, formula (45) is obtained.
[0115]
[Expression 24]

[0116]
First, the formula obtained by multiplying the formula (45) by the preprocessing filter of the formula (11) is discretized. At this time, Δω₁, ΔT_d , V is the sampling period T_s Discretized data Δω sampled every time₁(K), ΔT_d (K) and v (k). The Laplace operator s can be discretized by the bilinear transformation using the delay arithmetic element d.
[0117]
In addition, since the order m of the preprocessing filter is desirably 2 or more, in this embodiment, m = 2 is set in consideration of the calculation time.
[0118]
[Expression 25]

[0119]
Also, based on the least square method, the wheel speed vibration Δω₁In order to identify the transfer function from the respective discretized data, the equation (46) is transformed into the equation (51) and the equation (52) so as to be in the form of a linear function with respect to the parameter to be identified.
[0120]
[Equation 26]

[0121]
In the above equation, θ is a parameter of the transfer function to be identified. In this embodiment, ΔT₁Unlike the first and second embodiments, the coefficient b is detected.₀, B₁, B₂Also estimate.
[0122]
Next, the operation of the third embodiment will be described.
[0123]
The transfer function identification circuit 3 detects the detected wheel speed vibration Δω.₁The unknown parameter θ is estimated by applying the least square method to each data obtained by sequentially applying the discretized data to the equation (51), thereby identifying the transfer function.
[0124]
Specifically, the detected wheel speed vibration Δω₁Discretized data Δω₁Convert to (k) and sample the data N points. And the above equations ζ (k) and ξ_y0Using (k), the parameter a of the transfer function is obtained by the same calculation as in the equations (22) to (31) in the first embodiment.₁And a₂The estimated value (with ^) is calculated.
[0125]
On the other hand, the correlation coefficient calculation circuit 4 calculates the correlation coefficient σ by calculating the expression (34), and the forgetting coefficient ρ used in the expressions (22) to (31) as in the first embodiment. Is set based on the correlation coefficient σ.
[0126]
Note that, not limited to the above-described calculation, a sequential least square method or an auxiliary variable method may be used. When the auxiliary variable method is used, if the excitation input can be detected as in the present embodiment, using the parameters of the identified transfer function, equation (53)
[0127]
[Expression 27]

[0128]
Thus, the estimated value (^) of the true output x (k) can be obtained sequentially, and the auxiliary variable can be configured as in the equations (54) and (55) using this estimated value.
[0129]
[Expression 28]

[0130]
Also,
ζ (k) = [− ξ_y1(k) −ξ_y2(k) ξ_u0(k) ξ_u1(k) ξ_u2(k)]^T
Is delayed so as not to correlate with the equation error r (k). That is, equation (56)
[0131]
[Expression 29]

[0132]
And Here, L is the number of delay steps.
[0133]
Here, the waveform of the vibration input may be as shown in FIG. 5A, FIG. 5B, and FIG. 5C, as in the second embodiment. In addition, when the resonance frequency when the tire is gripping the road surface (hereinafter referred to as “tire resonance frequency”) is clear, vibration can be applied at the resonance frequency. According to the inventors' experimental research, the vibration model expressed by equation (7) is expressed by equation (57).
[0134]
[30]

[0135]
I know that Based on the equations (7) and (57), the transfer characteristic from the vibration input to the response output when vibration is applied at the tire resonance frequency is obtained.
[0136]
[31]

[0137]
The zeroth-order transfer function of Therefore, the transfer function to be identified is
Δω₁= G_d ΔT₁                                    (59)
Then, in the transfer function identification circuit 3, the transfer function is identified using the least square method as shown in the equations (60) to (63).
[0138]
[Expression 32]

[0139]
Further, the least square method can be calculated as a sequential least square method as shown in equations (64) to (66).
[0140]
[Expression 33]

[0141]
Here, the correlation coefficient calculation circuit 4 calculates the correlation coefficient σ by calculating the expression (34), and sets the forgetting coefficient ρ used in the above-described expression based on the correlation coefficient σ. The initial value of the forgetting factor ρ is the same as that in the equation (26). Furthermore, a more accurate estimated value can be obtained by applying a modified least square method such as an auxiliary variable method to the least square method. And the parameter G of the identified transfer function_d The estimated value of (67) is obtained from the correspondence between the expressions (58) and (59).
[0142]
[Expression 34]

[0143]
It is. Then, the μ gradient arithmetic circuit 5_dThe slipperiness of the road surface from equation (67) using the estimated value of₀The physical quantity related to is calculated.
[0144]
As described above, the road surface friction state estimation device according to the third embodiment calculates the correlation coefficient σ related to the road surface friction state, and sets the forgetting coefficient ρ according to the value of the correlation coefficient σ. Is used to estimate the μ gradient. Thereby, the road surface friction state estimation device can improve the estimated speed of the μ gradient or suppress variations in the estimated value of the μ gradient according to the road surface friction state.
[0145]
[Fourth Embodiment]
As shown in FIG. 7, the road surface friction state estimation device according to the fourth embodiment has a wheel speed ω.₁A wheel speed sensor 11 for detecting₁To wheel speed vibration Δω₁Pre-processing filter 12 for extracting the wheel speed vibration Δω₁And the wheel speed vibration Δω₁A first correlation coefficient calculation circuit 13 for calculating a correlation coefficient σ1 indicating a correlation with the second-order differential of the wheel speed vibration Δω₁And the wheel speed vibration Δω₁A second correlation coefficient calculation circuit 14 that calculates a correlation coefficient σ2 that indicates a correlation with the second-order derivative of the correlation coefficient calculation value switching circuit 15 that selects one of the correlation coefficients σ1 and σ2, And a μ gradient conversion circuit 16 for converting the selected correlation coefficient into a μ gradient.
[0146]
The preprocessing filter 12 is configured similarly to the preprocessing filter 2 of the first embodiment, and the wheel speed ω detected by the wheel speed sensor 11 is determined.₁To wheel speed vibration Δω₁This wheel speed vibration Δω₁Is supplied to the first correlation coefficient calculation circuit 13 and the second correlation coefficient calculation circuit 14.
[0147]
The first correlation coefficient calculation circuit 13 is configured to generate the wheel speed vibration Δω from the preprocessing filter 12.₁(68) is calculated using, and the correlation coefficient σ1 is calculated.
[0148]
[Expression 35]

[0149]
In the formula (68), ω is a wheel speed vibration Δω.₁Ω '' is Δω₁The second derivative of is shown. ρ_c1Is a forgetting factor (fixed value) for the sequential calculation of the correlation coefficient σ1. The first correlation coefficient calculation circuit 13 uses a forgetting coefficient ρ that is a fixed value._c1, The correlation coefficient σ1 indicating the road surface friction state is sequentially calculated.
[0150]
The second correlation coefficient calculation circuit 14 is configured to calculate the wheel speed vibration Δω from the preprocessing filter 12.₁(69) is calculated using, and the correlation coefficient σ2 is calculated.
[0151]
[Expression 36]

[0152]
In the equation (69), ω is a wheel speed vibration Δω.₁Ω '' is Δω₁The second derivative of is shown. ρ_c2Is a forgetting factor (variable value) for the sequential calculation of the correlation coefficient σ2, and (ρ_c1≦ ρ_c2). Therefore, the second correlation coefficient calculation circuit 14 is set so that the calculation speed is not faster than that of the first correlation coefficient calculation circuit 13.
[0153]
Here, when the correlation coefficient σ1 is large (when the road surface is difficult to slip), the first correlation coefficient calculation circuit 13 uses the forgetting coefficient ρ._c2When the correlation coefficient σ1 is small (when the road surface is slippery), the forgetting factor ρ_c2Set to a smaller value. The second correlation coefficient calculation circuit 14 sets the set forgetting coefficient ρ_c2Is used to calculate the above expression (69). Therefore, the first correlation coefficient calculation circuit 13 controls the estimated speed of the second correlation coefficient calculation circuit 14 according to the ease of slipping on the road surface.
[0154]
The correlation coefficient calculation value switching circuit 15 determines the friction state between the wheel and the road surface based on the correlation coefficient σ1. For example, the correlation coefficient calculation value selection circuit 15 determines that the road surface is difficult to slip when the value of the correlation coefficient σ1 is large, and determines that the road surface is slippery when the value of the correlation coefficient σ1 is small. Then, the correlation coefficient calculation value selection circuit 15 selects the correlation coefficient σ2 when the road surface is difficult to slip, selects the correlation coefficient σ1 when the road surface is slippery, and uses the selected correlation coefficient as the gradient conversion circuit 16. To supply.
[0155]
The gradient conversion circuit 16 stores a correspondence table indicating the correspondence between the correlation coefficient σ and the μ gradient. The gradient conversion circuit 16 compares the correlation coefficient σ selected by the correlation coefficient calculation value switching circuit 15 with the correspondence table, and outputs a μ gradient corresponding to the correlation coefficient σ.
[0156]
FIG. 8 shows a μ gradient (A) estimated by a conventional road friction state estimation device (for example, the invention described in Japanese Patent Application Laid-Open No. 11-78843) and a road surface friction state estimation device according to the fourth embodiment. It is a figure which compares (micro | micron | mu) gradient (B) estimated by (1). According to FIG. 8A, the variation in the estimated value of the μ gradient is large, and the change in the slipperiness of the road surface cannot be reliably detected. On the other hand, according to FIG. 8B, the variation in the estimated value of the μ gradient is small, and the change in the slipperiness of the road surface can be reliably detected.
[0157]
As described above, the road surface friction state estimating apparatus according to the fourth embodiment is configured to change the wheel speed vibration Δω.₁The μ gradient is estimated based on the correlation coefficient σ by utilizing the fact that the correlation coefficient σ indicating the degree of periodicity is deeply correlated with the μ gradient. As a result, the amount of calculation can be greatly reduced as compared with the case of using the method of least squares, and the estimated speed of the μ gradient can be improved.
[0158]
The road surface friction state estimation device calculates correlation coefficients σ1 and σ2 using different values of the forgetting coefficient ρ, and selects optimum correlation coefficients σ1 and σ2 according to the road surface friction state. Therefore, it is possible to follow a high response to a change in the slipperiness of the road surface and suppress variations in the estimated value of the μ gradient.
[0159]
【The invention's effect】
According to the first aspect of the present invention, the amount of calculation can be reduced and the variation of the estimated value can be reduced without incurring cost, and as a result, the change in slipperiness between the wheel and the road surface is high. An estimate can be determined for the response.
[0160]
The invention according to claim 2 can determine the degree of periodicity of the response output by calculating a correlation coefficient indicating a correlation between the response output and the even-order differential or even-order differential of the response output. As a result, an estimated value can be obtained with a high response to a change in slipperiness between the wheel and the road surface.
[0161]
The invention according to claim 3 reduces the amount of calculation without incurring cost by changing the estimated speed based on the calculated value of the degree of periodicity even when the vibration model is used. It is possible to improve the estimated speed of the physical quantity related to the slipperiness between the two.
[0162]
The invention according to claim 4 is to improve the estimated speed by calculating the degree of periodicity of the response output at different calculation speeds and estimating the physical quantity relating to the slipperiness between the wheel and the road surface, Variations in estimated values can be suppressed.
[Brief description of the drawings]
FIG. 1 is a block diagram showing a configuration of a road surface friction state estimation device according to a first embodiment of the present invention.
FIG. 2 is a diagram illustrating a relationship between a correlation coefficient calculated by a correlation coefficient calculation circuit of a road surface friction state estimation device and μ gradient.
FIG. 3 is a diagram showing an estimation result by a conventional road surface friction state estimation device and an estimation result of the road surface friction state estimation device according to the first embodiment.
FIG. 4 is a block diagram showing a configuration of a road surface friction state estimation device according to a second embodiment of the present invention.
FIG. 5: Excitation torque ΔT by the excitation circuit₁It is a figure which shows the example of these signal waveforms.
FIG. 6 is a block diagram showing a configuration of a road surface friction state estimation device according to a third embodiment of the present invention.
FIG. 7 is a block diagram showing a configuration of a road surface friction state estimation device according to a fourth embodiment of the present invention.
FIG. 8 is a diagram showing an estimation result by a conventional road surface friction state estimation device and an estimation result by a road surface friction state estimation device according to a fourth embodiment.
FIG. 9 is a diagram showing a dynamic model equivalent to a wheel resonance system.
FIG. 10 is a diagram showing a friction characteristic between a tire and a road surface in a wheel resonance system.
FIG. 11 is a diagram showing a concept of a vibration model.
[Explanation of symbols]
1,11 Wheel speed sensor
2,12 Preprocessing filter
3 Transfer function identification circuit
4 Correlation coefficient calculation circuit
5 μ gradient arithmetic circuit
13 First correlation coefficient calculation circuit
14 Second correlation coefficient calculation circuit
15 Correlation coefficient calculation value switching circuit
16 Gradient conversion circuit

Claims (3)

Detecting means for detecting a response output to the vibration input to the wheel vibration system including a friction characteristic between the wheel and the road surface;
The calculated degree of periodicity of the output is detected in response to the detection means, and an estimation means for estimating a physical quantity relating to ease of slippage between the wheel and the road surface based on the calculated value of the degree of the periodicity
The estimation means represents the transfer characteristic of the wheel resonance system from the vibration input to the response output as a vibration model including at least a physical quantity related to the ease of slipping between the wheel and the road surface as an unknown element, In estimating the unknown element that substantially satisfies the response output detected by the detecting means, the estimated speed of the unknown element is changed based on the calculated value of the degree of periodicity.
A road surface friction state estimation device characterized by the above . The road surface friction according to claim 1, wherein the estimating means calculates a correlation coefficient indicating a correlation between the response output detected by the detecting means and the even-order differential or even-order differential of the response output. State estimation device. The estimation means calculates the degree of periodicity of the response output detected by the detection means at different calculation speeds, and determines the degree of one periodicity based on the degree of periodicity calculated at a predetermined calculation speed. The road surface friction state estimation device according to claim 1, wherein a calculation value is selected, and a physical quantity related to slipperiness between the wheel and the road surface is estimated based on the selected calculation value.

Images