JP5089334B2

JP5089334B2 - Hybrid car

Info

Publication number: JP5089334B2
Application number: JP2007278873A
Authority: JP
Inventors: 真弘鈴木; 智彦荒木; 誠一山口
Original assignee: Hino Motors Ltd
Current assignee: Hino Motors Ltd
Priority date: 2007-10-26
Filing date: 2007-10-26
Publication date: 2012-12-05
Anticipated expiration: 2027-10-26
Also published as: JP2009107384A

Description

本発明は、エンジンと電動機とを併せて備えたハイブリッド自動車に関する。 The present invention relates to a hybrid vehicle including an engine and an electric motor.

低燃費を実現するためにエンジンと電動機とを併せて備えたハイブリッド自動車が普及しつつある。一般的に、ハイブリッド自動車は、発車時のように一時的に大きなエンジントルクが必要な状況下では電動機によって駆動することによりエンジンの負荷を軽減し、高速走行中のように低いトルクが継続する状況下ではエンジンによって駆動することにより、電動機用バッテリに充電を行っている（例えば、特許文献１参照）。 Hybrid vehicles equipped with an engine and an electric motor in order to achieve low fuel consumption are becoming popular. In general, a hybrid vehicle is driven by an electric motor under a situation where a large engine torque is temporarily required, such as at the time of departure, and the engine load is reduced, and a low torque continues during high-speed driving. Below, the battery for electric motors is charged by driving with an engine (for example, refer patent document 1).

エンジンと電動機とを最適に制御するためには、自動車メーカ側が予め実験を行って得た結果に基づくアシストマップを複数搭載しており、その時点における運転者の要求トルクと自動車の走行状態とに基づき複数のアシストマップの中から最適なアシストマップを選択して使用する。 In order to optimally control the engine and the electric motor, a plurality of assist maps based on the results obtained from the experiment conducted in advance by the car manufacturer are installed, and the driver's required torque and the driving state of the car at that time are determined. Based on the plurality of assist maps, the optimum assist map is selected and used.

特開平１１−３２４４２号公報JP-A-11-32442

乗用車では、オートマチック車が広く普及しており、運転者の運転上の癖が反映される部分も比較的少なくなっているが、トラックやバスなどの大型自動車では、マニュアルトランスミッションが主流であるため、運転者の運転上の癖が反映される部分は多い。例えば、急発進や急加速を頻繁に行う運転者もいれば、そのような行為を行わない運転者もいる。 As for passenger cars, automatic vehicles are widely used, and there are relatively few parts that reflect driver's driving habits, but manual transmissions are the mainstream in large vehicles such as trucks and buses. There are many parts that reflect the driving habits of the driver. For example, some drivers frequently make sudden starts and accelerations, while others do not perform such actions.

また、長時間高速道路を走行する長距離トラック便または高速バスや頻繁に発車、停車を繰り返す宅配便または路線バスなどのように、トラックやバスなどの大型自動車は、その使用環境が様々である。 In addition, large vehicles such as trucks and buses are used in various environments, such as long-distance truck flights or high-speed buses that travel on highways for long periods of time, and courier services or route buses that frequently start and stop. .

したがって、乗用車のように、予めメーカ側で用意されたアシストマップを用いるハイブリッド制御を行った場合に、様々な運転者の癖や使用環境に対応できない場合も有り得るという問題がある。 Therefore, there is a problem that, when a hybrid control using an assist map prepared in advance by the manufacturer is performed like a passenger car, it may not be possible to cope with various driver's habits and usage environments.

本発明は、このような背景の下に行われたものであって、予め用意されたアシストマップに依らず様々な運転者の癖や使用環境に対応してエンジンと電動機とのトルク配分を最適に制御することができるハイブリッド自動車を提供することを目的とする。 The present invention has been made under such a background, and optimum torque distribution between the engine and the electric motor according to various driver's habits and use environments without depending on the assist map prepared in advance. An object of the present invention is to provide a hybrid vehicle that can be controlled.

本発明は、エンジンと、電動機と、運転者の要求トルクと車両の走行状態とに基づき上記エンジンおよび電動機に配分するトルクをそれぞれ算出する算出手段とを備えたハイブリッド自動車である。 The present invention is a hybrid vehicle including an engine, an electric motor, and calculation means for calculating torques to be distributed to the engine and the electric motor based on a driver's requested torque and a running state of the vehicle.

ここで、本発明の特徴とするところは、上記算出手段は、所定時間内における、運転者の要求トルクと、上記エンジンの回転速度と、上記電動機に電源を供給するバッテリへの回生電流と、当該バッテリの充電状態を示す値とに関する情報をそれぞれ取得する手段と、この取得した情報に基づき燃料噴射量およびバッテリ電流に関するシミュレーションを実施する手段と、このシミュレーション結果に基づき上記エンジンの燃料消費量および上記バッテリの充電状態を示す値が最適値になるようにアシストマップを作成するアシストマップ作成手段とを備えたところにある。 Here, the feature of the present invention is that the calculation means includes a driver's required torque, a rotational speed of the engine, a regenerative current to a battery that supplies power to the electric motor, within a predetermined time, Means for acquiring information relating to the value indicating the state of charge of the battery, means for performing a simulation relating to the fuel injection amount and the battery current based on the acquired information, and the fuel consumption amount of the engine based on the simulation result There is provided an assist map creating means for creating an assist map so that a value indicating the state of charge of the battery becomes an optimum value.

例えば、最適値とは、燃料消費量についてみれば従来と比較して改善がみられる値であり、ＳＯＣについてみれば高い値で一定を保つような値である。これら双方の値が同時に最適値となるようにアシストマップを作成する。 For example, the optimum value is a value that can be improved as compared with the conventional fuel consumption, and a value that is constant at a high value for the SOC. An assist map is created so that both of these values simultaneously become optimum values.

例えば、予め定められた複数のパラメータの組合せのそれぞれについて仮のトルク配分パターンを複数設定し、仮のエンジントルクおよび仮の電動機トルクをそれぞれ出力して前記シミュレーションを実施する手段に与えるトルク配分試行手段を備え、さらに、前記シミュレーションを実施する手段は、前記取得した情報のエンジンの回転速度と前記仮のエンジントルクとを入力し、燃料噴射量を出力する第一の演算手段と、前記取得した情報のエンジンの回転速度と前記仮の電動機トルクと前記取得した情報のバッテリの充電状態を示す値とを入力し、バッテリ電流を出力する第二の演算手段とを備える。 For example, torque distribution trial means for setting a plurality of provisional torque distribution patterns for each of a plurality of predetermined parameter combinations, and outputting the provisional engine torque and provisional motor torque to the means for executing the simulation. And the means for performing the simulation inputs the engine speed of the acquired information and the temporary engine torque, and outputs a fuel injection amount, and the acquired information And a second calculation means for inputting a value indicating the charge state of the battery in the acquired information and outputting a battery current.

予め定められた複数のパラメータの組合せのそれぞれについて設定された複数の仮のトルク配分パターン毎に、燃料消費量およびバッテリ電流のシミュレーションを実施することができ、複数のシミュレーション結果を得ることができる。 A simulation of fuel consumption and battery current can be performed for each of a plurality of provisional torque distribution patterns set for each of a plurality of predetermined parameter combinations, and a plurality of simulation results can be obtained.

前記アシストマップ作成手段は、これら２つの演算手段の出力に基づく複数のシミュレーション結果の中から上記エンジンの燃料消費量および上記バッテリの充電状態を示す値が最適値になるようなシミュレーション結果を選び、そのシミュレーション結果が得られたときのトルク配分パターンに基づき最適なアシストマップを作成することができる。 The assist map creating means selects a simulation result such that the value indicating the fuel consumption of the engine and the state of charge of the battery is an optimum value from a plurality of simulation results based on the outputs of these two computing means, An optimal assist map can be created based on the torque distribution pattern when the simulation result is obtained.

例えば、前記第一の演算手段は、前記取得した情報のエンジンの回転速度と前記仮のエンジントルクとを入力し、燃料噴射量を出力するように予め学習が施されたニューラルネットワークを備え、前記第二の演算手段は、前記取得した情報のエンジンの回転速度と前記仮の電動機トルクと前記取得した情報のバッテリの充電状態を示す値とを入力し、バッテリ電流を出力するように予め学習が施されたニューラルネットワークを備えるようにすれば、これらの演算手段を簡単な構成により実現することができる。 For example, the first calculation means includes a neural network that has been trained in advance to input the engine rotational speed of the acquired information and the provisional engine torque, and output a fuel injection amount, The second calculation means inputs in advance the engine speed of the acquired information, the temporary motor torque, and the value of the acquired information indicating the state of charge of the battery, and learns in advance to output the battery current. If the provided neural network is provided, these calculation means can be realized with a simple configuration.

本発明によれば、様々な運転者の癖や使用環境に対応してエンジンと電動機とのトルク配分を最適に制御することができる。 According to the present invention, it is possible to optimally control the torque distribution between the engine and the electric motor in accordance with various driver's habits and usage environments.

（本発明の概要）
本発明の概要を図１を参照して説明する。図１は、本発明の概要を説明するための図である。 (Outline of the present invention)
The outline of the present invention will be described with reference to FIG. FIG. 1 is a diagram for explaining the outline of the present invention.

本発明は、図１に示すように、時間Ｔ１において取得した情報に基づきシミュレーションを行って最適なアシストマップを作成し、このアシストマップを時間Ｔ２の走行において使用する。さらに、時間Ｔ２において取得した情報に基づきシミュレーションを行って最適なアシストマップを作成し、このアシストマップを時間Ｔ３の走行において使用する。 In the present invention, as shown in FIG. 1, a simulation is performed based on the information acquired at time T1 to create an optimal assist map, and this assist map is used for traveling at time T2. Furthermore, a simulation is performed based on the information acquired at time T2 to create an optimal assist map, and this assist map is used for traveling at time T3.

すなわち、時間Ｔ（Ｎ−１）において取得した情報に基づきシミュレーションを行って最適なアシストマップを作成し、このアシストマップを時間ＴＮの走行において使用する。 That is, based on the information acquired at time T (N-1), a simulation is performed to create an optimal assist map, and this assist map is used for traveling at time TN.

このようにして逐次、最適なアシストマップを作成しながら走行を行うことができるため、様々な運転者の癖や使用環境に対応してエンジンと電動機とのトルク配分を最適に制御することができる。
（本発明の実施形態）
本発明の実施形態のハイブリッド自動車を図２から図１３を参照して説明する。図２は、本発明の実施形態のハイブリッド自動車の要部構成を示す図である。図３は、ハイブリッド制御部３のブロック構成図である。 Since it is possible to travel while creating an optimal assist map sequentially in this way, it is possible to optimally control the torque distribution between the engine and the electric motor corresponding to various driver's habits and usage environments. .
(Embodiment of the present invention)
A hybrid vehicle according to an embodiment of the present invention will be described with reference to FIGS. FIG. 2 is a diagram illustrating a main configuration of the hybrid vehicle according to the embodiment of the present invention. FIG. 3 is a block configuration diagram of the hybrid control unit 3.

本発明の実施形態のハイブリッド自動車は、図２に示すように、エンジン１と、電動機２と、運転者の要求トルクと車両の走行状態とに基づきエンジン１および電動機２に配分するトルクをそれぞれ算出する算出手段であるハイブリッド制御部３とを備える。当該車両は、マニュアル操作によるクラッチ６およびトランスミッション７を備えている車両を想定しているが、本発明の適用範囲をマニュアル車に限定するものではない。 As shown in FIG. 2, the hybrid vehicle according to the embodiment of the present invention calculates the torque distributed to the engine 1 and the electric motor 2 based on the engine 1, the electric motor 2, the driver's requested torque and the vehicle running state, respectively. And a hybrid control unit 3 that is a calculation means for performing the above-described calculation. Although the said vehicle assumes the vehicle provided with the clutch 6 and the transmission 7 by manual operation, the application range of this invention is not limited to a manual vehicle.

ここで、特徴とするところは、図３に示すように、ハイブリッド制御部３は、所定時間内における、運転者の要求トルクと、エンジン１の回転速度と、電動機２に電源を供給するバッテリ５への回生電流と、当該バッテリ５の充電状態（以下では、ＳＯＣ(state of charge)という）を示す値とに関する情報をそれぞれ取得する手段である情報取得部１０と、この取得した情報に基づき燃料噴射量およびバッテリ電流に関するシミュレーションを実施する手段である燃料噴射計算モデル部１２およびバッテリ電流計算モデル部１３と、このシミュレーション結果に基づきエンジン１の燃料消費量およびバッテリ５のＳＯＣを示す値が最適値になるようにアシストマップを作成するアシストマップ作成手段であるアシストマップ作成部１５とを備えたところにある。 Here, as shown in FIG. 3, the hybrid control unit 3 has a battery 5 that supplies power to the driver's required torque, the rotational speed of the engine 1, and the electric motor 2 within a predetermined time. And an information acquisition unit 10 which is a means for acquiring information relating to a regenerative current to the battery and a value indicating a state of charge (hereinafter referred to as SOC (state of charge)) of the battery 5, and fuel based on the acquired information. The fuel injection calculation model unit 12 and the battery current calculation model unit 13 which are means for performing a simulation regarding the injection amount and the battery current, and the values indicating the fuel consumption of the engine 1 and the SOC of the battery 5 based on the simulation results are optimum values. An assist map creating unit 15 which is an assist map creating means for creating an assist map so as to become There is the time.

なお、最適値とは、燃料消費量についてみれば従来のハイブリッド車ではない同型車両と比較して改善がみられる値であり、ＳＯＣについてみれば高い値で一定を保つような値である。これら双方の値が同時に最適値となるようにアシストマップを作成する。 Note that the optimum value is a value that is improved as compared with the same type vehicle that is not a conventional hybrid vehicle in terms of fuel consumption, and a value that maintains a constant value at a high value in terms of SOC. An assist map is created so that both of these values simultaneously become optimum values.

また、予め定められた複数のパラメータの組合せのそれぞれについて仮のトルク配分パターンを複数設定し、仮のエンジントルクおよび仮の電動機トルクをそれぞれ出力して燃料噴射計算モデル部１２およびバッテリ電流計算モデル部１３に与えるトルク配分試行部１１を備える。 Further, a plurality of provisional torque distribution patterns are set for each of a plurality of predetermined parameter combinations, and provisional engine torque and provisional motor torque are respectively output to output the fuel injection calculation model unit 12 and the battery current calculation model unit. The torque distribution trial part 11 given to 13 is provided.

なお、燃料噴射計算モデル部１２は、情報取得部１０が取得した情報のエンジン１の回転速度と仮のエンジントルクとを入力し、燃料噴射量を出力する第一の演算手段を備え、バッテリ電流計算モデル部１３は、情報取得部１０が取得した情報のエンジン１の回転速度と仮の電動機トルクと情報取得部１０が取得した情報のバッテリ５のＳＯＣを示す値とを入力し、バッテリ電流を出力する第二の演算手段を備える。 The fuel injection calculation model unit 12 includes first calculation means for inputting the rotational speed of the engine 1 and the temporary engine torque of the information acquired by the information acquisition unit 10 and outputting the fuel injection amount, and the battery current The calculation model unit 13 inputs the rotation speed of the engine 1 of the information acquired by the information acquisition unit 10, the temporary motor torque, and the value of the information acquired by the information acquisition unit 10 indicating the SOC of the battery 5, and calculates the battery current. Second calculating means for outputting is provided.

これにより、アシストマップ作成部１５は、これら２つの演算手段の出力に基づきエンジン１の燃料消費量およびバッテリ５のＳＯＣを示す値が最適値になるような仮のトルク配分パターンを選択してアシストマップを作成し、このアシストマップに従って、エンジン１にはエンジン制御情報を送出し、電動機２のインバータ４には電動機制御情報を送出する。 As a result, the assist map creation unit 15 selects and assists a temporary torque distribution pattern in which the values indicating the fuel consumption of the engine 1 and the SOC of the battery 5 are optimum values based on the outputs of these two computing means. A map is created, and engine control information is sent to the engine 1 according to the assist map, and motor control information is sent to the inverter 4 of the motor 2.

なお、第一の演算手段は、情報取得部１０が取得した情報のエンジン１の回転速度と仮のエンジントルクとを入力し、燃料噴射量を出力するように予め学習が施されたニューラルネットワークを備え、第二の演算手段は、情報取得部１０が取得した情報のエンジン１の回転速度と仮の電動機トルクと情報取得部１０が取得した情報のバッテリ５のＳＯＣを示す値とを入力し、バッテリ電流を出力するように予め学習が施されたニューラルネットワークを備える。 The first calculating means inputs a rotational speed of the engine 1 and provisional engine torque of information acquired by the information acquisition unit 10 and uses a neural network that has been learned in advance to output the fuel injection amount. And the second calculation means inputs the rotation speed of the engine 1 of the information acquired by the information acquisition unit 10, the temporary motor torque, and the value acquired by the information acquisition unit 10 indicating the SOC of the battery 5; A neural network that has been learned in advance to output battery current is provided.

このようにニューラルネットワークを用いることにより、簡単な構成により演算手段を実現することができるが、本発明に適用される演算手段をニューラルネットワークに限定するものではない。 By using the neural network in this way, the calculation means can be realized with a simple configuration, but the calculation means applied to the present invention is not limited to the neural network.

次に、ハイブリッド制御部３の処理手順を図４のフローチャートを参照して説明する。図４は、ハイブリッド制御部３の処理手順を示すフローチャートである。図４に示すように、情報取得部１０は、ＣＡＮ(Control Area Network)８を介し、バッテリ制御部５Ｃからの回生電流情報およびＳＯＣ情報、エンジン制御部１Ｃからのエンジン回転速度情報および運転者の要求トルク情報をそれぞれ取得する（ステップＳ１）。 Next, the processing procedure of the hybrid control unit 3 will be described with reference to the flowchart of FIG. FIG. 4 is a flowchart showing a processing procedure of the hybrid control unit 3. As shown in FIG. 4, the information acquisition unit 10 via a CAN (Control Area Network) 8 regenerative current information and SOC information from the battery control unit 5C, engine rotation speed information from the engine control unit 1C, and the driver's Each request torque information is acquired (step S1).

これらの情報は、それぞれ回生電流情報バッファ１０−１、エンジン回転速度情報バッファ１０−２、運転者の要求トルク情報バッファ１０−３、ＳＯＣ情報バッファ１０−４に蓄積される。 These pieces of information are stored in the regenerative current information buffer 10-1, the engine speed information buffer 10-2, the driver's requested torque information buffer 10-3, and the SOC information buffer 10-4, respectively.

また、情報取得部１０には、タイマ１０−５が設けられており、タイマ１０−５には外部から所定時間が設定される。この所定時間は、情報取得部１０が情報を取得する時間であり、本実施形態では５０秒間とした。 The information acquisition unit 10 is provided with a timer 10-5, and a predetermined time is set to the timer 10-5 from the outside. The predetermined time is a time for the information acquisition unit 10 to acquire information, and is set to 50 seconds in the present embodiment.

この所定時間は、情報取得部１０が情報を取得する期間であり、所定時間内に取得した情報に基づき以降のシミュレーションが実施される。取得した情報の処理手法としては、例えば、期間内に取得した情報から得られた値を平均化して用いたり、あるいは、期間内に取得した情報から最も特徴的な挙動（最大値、最小値など）を抽出して用いるなどの処理手法が考えられるが、これは従来から用いられている処理手法を用いればよいので詳細な説明は省略する。いずれの処理手法であっても、所定時間が長ければ長い程、シミュレーションに用いることができる情報量は多くなり、シミュレーションの精度が高くなるが、その代わり、シミュレーション結果のリアルタイム性が失われるので、車両の使用状況に基づき適宜設定する。 This predetermined time is a period during which the information acquisition unit 10 acquires information, and the subsequent simulation is performed based on the information acquired within the predetermined time. As a processing method of the acquired information, for example, the value obtained from the information acquired within the period is averaged or used, or the most characteristic behavior (maximum value, minimum value, etc.) from the information acquired within the period is used. ) Is extracted and used. However, since a conventional processing method may be used, detailed description thereof is omitted. Regardless of the processing method, the longer the predetermined time, the more information that can be used for the simulation and the higher the accuracy of the simulation, but instead the real-time nature of the simulation result is lost. Set as appropriate based on vehicle usage.

例えば、主に高速道路を走行する車両であれば、道路の環境の変化は少ないため、所定時間は長めであってもよいが、主に市街地を走行する車両であれば、道路の環境の変化が大きいため、所定時間は短めであることが望ましい。 For example, if the vehicle travels mainly on an expressway, the road environment changes little, so the predetermined time may be longer. However, if the vehicle travels mainly in an urban area, the road environment changes. Therefore, it is desirable that the predetermined time is short.

タイマ１０−５が所定時間を計時するまで情報を取得したら（ステップＳ２のＹｅｓ）、アシストパラメータの選択手順に移行する（ステップＳ３）。図５は、パラメータの種類とその値を説明するための図である。パラメータは、図５に示すように、要求トルクＴ_reqに対する電動機２のトルクＴ_{a_peak}、トルクＴ_{a_peak}に対応するエンジン１の回転速度ω_{e_peak}、係数γ、アシストウェイトＥ_trqからなる。 When the information is acquired until the timer 10-5 counts the predetermined time (Yes in step S2), the process proceeds to the assist parameter selection procedure (step S3). FIG. 5 is a diagram for explaining the types of parameters and their values. Parameters, as shown in FIG. 5, the required torque T _req torque of the electric motor 2 for T _{A_peak,} rotational speed omega _{E_peak} of the engine 1 corresponding to the torque T _{A_peak,} coefficient gamma, consisting assist weights E _trq.

電動機２のトルクＴ_{a_peak}は、５０Ｎｍから３００Ｎｍまでの範囲を５０Ｎｍステップずつ区切った値を使用する。回転速度ω_{e_peak}は、５００ＲＰＭから２０００ＲＰＭまでの範囲を２５０ＲＰＭずつ区切った値を使用する。係数γは、２．５×１０^-4から５．５×１０^-4までの範囲を１．０×１０^-4ずつ区切った値を使用する。アシストウェイトＥ_trqは、０から１．０までの範囲を０．２ずつ区切った値を使用する。 As the torque _{Ta_peak} of the electric motor 2, a value obtained by dividing a range from ₅₀ Nm to 300 Nm by ₅₀ Nm steps is used. The rotation speed ω _{e_peak} uses a value obtained by dividing a range from 500 RPM to 2000 RPM by 250 RPM. As the coefficient γ, a value obtained by dividing a range from 2.5 × 10 ⁻⁴ to 5.5 × 10 ⁻⁴ by 1.0 × 10 ⁻⁴ is used. The assist weight _Etrq uses a value obtained by dividing the range from 0 to 1.0 by 0.2.

これらのパラメータを用いることにより、エンジン回転速度がω_eであるときのアシストトルクＴ_ass（ω_e）は、
Ｔ_ass（ω_e）＝γ（ω_e−ω_{e_peak}）²＋Ｔ_{a_peak}
と表すことができるので、この式に、図５のパラメータの値の組合せを順次代入する。図６は、アシストマップを示す図であり、横軸にエンジン回転速度をとり、縦軸にトルクをとる。図６に示すように、アシストマップ中に破線で示したアシストトルクＴ_ass（ω_e）を示すトルク配分パターンが全てのパラメータの値の組合せの分だけ生成される。この組合せは１００８通りになる。これを仮のトルク配分パターンと呼ぶことにする。 By using these parameters, the assist torque T _ass (ω _e ) when the engine speed is ω _e is
T _ass (ω _e ) = γ (ω _e −ω _{e_peak} ) ² + T _{a_peak}
Therefore, combinations of the parameter values in FIG. 5 are sequentially substituted into this equation. FIG. 6 is a diagram showing an assist map, in which the horizontal axis represents the engine rotation speed and the vertical axis represents torque. As shown in FIG. 6, torque distribution patterns indicating the assist torque T _ass (ω _e ) indicated by broken _lines in the assist map are generated for the combinations of all parameter values. There are 1008 combinations. This is called a temporary torque distribution pattern.

さらに、アシストトルクＴ_ass（ω_e）に基づき電動機トルクＴ_mおよびエンジントルクＴ_eが
Ｔ_m＝｛Ｔ_trq−Ｔ_ass（ω_e）｝×Ｅ_trq
Ｔ_e＝Ｔ_trq−Ｔ_m
と表される。 Further, the assist torque T _ass motor torque T based on the (ω _e) _m and the engine torque T _e is _{_{_{T m = {T trq -T ass}}} (ω e)} × E trq
T _e = T _trq −T _m
It is expressed.

エンジントルクＴ_eおよび電動機トルクＴ_mは、図３に示すように、それぞれ燃料噴射計算モデル部１２およびバッテリ電流計算モデル部１３に入力され、シミュレーションが実行される（ステップＳ４）。なお、これらのエンジントルクＴ_eおよび電動機トルクＴ_mは、仮のトルク配分パターンから導出された値であるので、これを仮のＴ_eおよび仮の電動機トルクＴ_mと呼ぶことにする。 As shown in FIG. 3, the engine torque _Te and the motor torque _Tm are input to the fuel injection calculation model unit 12 and the battery current calculation model unit 13, respectively, and a simulation is executed (step S4). Note that these are the engine torque T _e and the motor torque T _m, because it is the value derived from the provisional torque distribution pattern, which is referred to as a tentative T _e and tentative motor torque T _m.

図７は、エンジン回転速度ω_eと仮のエンジントルクＴ_eとを入力し、燃料噴射量を出力するニューラルネットワークを示す図である。図８は、エンジン回転速度ω_eと仮の電動機トルクＴ_mとＳＯＣ情報とを入力し、バッテリ電流を出力するニューラルネットワークを示す図である。 FIG. 7 is a diagram showing a neural network that inputs the engine rotational speed ω _e and the temporary engine torque _Te and outputs the fuel injection amount. FIG. 8 is a diagram showing a neural network that inputs engine rotational speed ω _e , temporary motor torque T _m, and SOC information, and outputs battery current.

図７に示すニューラルネットワークは、燃料噴射計算モデル部１２に設定されており、図８に示すニューラルネットワークは、バッテリ電流計算モデル部１３に設定されている。これらのニューラルネットワークは、予めそれぞれの入力に対して適切な出力を行うように学習が施されている。 The neural network shown in FIG. 7 is set in the fuel injection calculation model unit 12, and the neural network shown in FIG. 8 is set in the battery current calculation model unit 13. These neural networks are learned in advance so as to perform appropriate output for each input.

燃料噴射計算モデル部１２は、図７に示すニューラルネットワークを用い、トルク配分試行部１１から出力された仮のトルク配分パターンに基づく仮のエンジントルクＴ_e計算結果と情報取得部１０から出力されたエンジン回転速度ω_e情報とを入力し、これらの入力に対する燃料噴射量を出力する。 The fuel injection calculation model unit 12 uses the neural network shown in FIG. 7 and outputs the temporary engine torque _Te calculation result based on the temporary torque distribution pattern output from the torque distribution trial unit 11 and the information acquisition unit 10. The engine rotational speed ω _e information is input, and the fuel injection amount for these inputs is output.

バッテリ電流計算モデル部１３は、図８に示すニューラルネットワークを用い、トルク配分試行部１１から出力された仮のトルク配分パターンに基づく仮の電動機トルクＴ_m計算結果と情報取得部１０から出力されたエンジン回転速度ω_e情報およびＳＯＣ情報とを入力し、これらの入力に対する適切なバッテリ電流を出力する。 The battery current calculation model unit 13 uses the neural network shown in FIG. 8 and outputs the temporary motor torque _Tm calculation result based on the temporary torque distribution pattern output from the torque distribution trial unit 11 and the information acquisition unit 10. The engine speed ω _e information and the SOC information are input, and an appropriate battery current for these inputs is output.

ステップＳ３およびＳ４を１００８通りの全てのパラメータの組合せについて実行したら（ステップＳ５のＹｅｓ）、評価部１４は、そのシミュレーション結果に基づいて評価を実施する（ステップＳ６）。評価は、燃料消費量についてみれば従来と比較して改善がみられる値をとり、ＳＯＣについてみれば高い値で一定を保つような値をとるパラメータの値の組合せを最適なアシストを実現し得るパラメータの組合せとして評価する。 When Steps S3 and S4 are executed for all 1008 combinations of parameters (Yes in Step S5), the evaluation unit 14 performs evaluation based on the simulation result (Step S6). The evaluation takes a value that shows an improvement compared to the conventional case in terms of fuel consumption, and a combination of parameter values that take a value that remains constant at a high value in terms of the SOC can achieve optimal assistance. Evaluate as a combination of parameters.

評価部１４の評価手順について図９を参照して説明する。図９は、評価部１４の評価手順を示すフローチャートである。評価部１４は、図９に示すように、燃料噴射計算モデル部１２およびバッテリ電流計算モデル１３から燃料噴射量およびバッテリ電流のシミュレーション結果を取得し（ステップＳ６−１）、燃料消費量改善度が所定値以上であり、バッテリ電流が所定の範囲内となるシミュレーション結果が有るか否かを判定する（ステップＳ６−２）。そのようなシミュレーション結果があれば（ステップＳ６−２のＹｅｓ）、これを最適なシミュレーション結果として抽出する（ステップＳ６−３）。 The evaluation procedure of the evaluation unit 14 will be described with reference to FIG. FIG. 9 is a flowchart showing the evaluation procedure of the evaluation unit 14. As shown in FIG. 9, the evaluation unit 14 acquires a simulation result of the fuel injection amount and the battery current from the fuel injection calculation model unit 12 and the battery current calculation model 13 (step S6-1), and the fuel consumption improvement degree is It is determined whether or not there is a simulation result that is equal to or greater than a predetermined value and the battery current is within a predetermined range (step S6-2). If there is such a simulation result (Yes in step S6-2), this is extracted as an optimum simulation result (step S6-3).

なお、所定値とは、例えば、従来のハイブリッド車ではない同型車両における燃料消費量である。また、所定の範囲内とは、ＳＯＣをほぼ一定に保つことができるという条件を満たすバッテリ電流の値がとり得る範囲である。 The predetermined value is, for example, fuel consumption in the same type vehicle that is not a conventional hybrid vehicle. The predetermined range is a range in which the value of the battery current that satisfies the condition that the SOC can be kept substantially constant can be taken.

このときに、最適なシミュレーション結果が複数有る場合には（ステップＳ６−４のＹｅｓ）、その中から燃料噴射量およびバッテリ電流が共に最小となるシミュレーション結果を選択し（ステップＳ６−５）、当該シミュレーション結果を得たパラメータの組合せを最適なアシストを実現し得るパラメータの組合せとして評価する（ステップＳ６−６）。 At this time, if there are a plurality of optimum simulation results (Yes in step S6-4), a simulation result that minimizes both the fuel injection amount and the battery current is selected from the simulation results (step S6-5). The combination of parameters obtained as a result of the simulation is evaluated as a combination of parameters that can realize the optimum assist (step S6-6).

図１０は、最適なアシストを示す図であり、横軸にシミュレーションを行ったパラメータの値の組合せの通し番号をとり、縦軸に燃料消費量改善度をとる。図１０に示す曲線のうち、燃料消費量改善度が最大となる点を最適なアシストとする。なお、図１０の燃料消費量改善度は、バッテリ電流が前述した所定の範囲内にあることが前提である。 FIG. 10 is a diagram showing optimum assist, in which the horizontal axis indicates the serial number of the combination of the values of the simulated parameters, and the vertical axis indicates the fuel consumption improvement degree. Of the curves shown in FIG. 10, the point at which the degree of improvement in fuel consumption is maximized is taken as the optimum assist. The fuel consumption improvement degree in FIG. 10 is based on the premise that the battery current is within the predetermined range described above.

アシストマップ作成部１５は、評価部１４により評価された最適なアシストを実現し得るパラメータの値の組合せを、シミュレーションを行ったパラメータの値の組合せの通し番号により認識し、当該パラメータの値の組合せによる仮のトルク配分パターンをトルク配分試行部１１から選択し、この仮のトルク配分パターン含むアシストマップを最適なアシストマップとして決定する。アシストマップの形態は、図６に示すとおりである。 The assist map creation unit 15 recognizes the combination of parameter values that can realize the optimum assist evaluated by the evaluation unit 14 from the serial number of the combination of parameter values that has been simulated, and depends on the combination of the parameter values. A temporary torque distribution pattern is selected from the torque distribution trial unit 11, and an assist map including the temporary torque distribution pattern is determined as an optimal assist map. The form of the assist map is as shown in FIG.

このアシストマップは、アシストマップ作成部１５に保持され、さらに、このアシストマップに従ってエンジン制御情報および電動機制御情報が生成されてエンジン１および電動機２のインバータ４に伝達される。エンジン１および電動機２は、このエンジン制御情報および電動機制御情報に基づいてハイブリッド制御を実施する。 The assist map is stored in the assist map creating unit 15, and engine control information and motor control information are generated according to the assist map and transmitted to the engine 1 and the inverter 4 of the motor 2. The engine 1 and the electric motor 2 perform hybrid control based on the engine control information and the electric motor control information.

（効果の説明）
図１１は、従来の固定的なパラメータの種類とその値を説明するための図であるが、従来の固定的なパラメータは、図１１に示すように、電動機２のトルクＴ_{a_peak}は、８０Ｎｍを使用する。回転速度ω_{e_peak}は、５００ＲＰＭを使用する。係数γは、２．５×１０^-4を使用する。アシストウェイトＥ_trqは、１．０を使用する。例えば、図９のステップＳ６−２における所定値は、図１１に示すパラメータを用いたシミュレーション結果を用いることができる。 (Explanation of effect)
FIG. 11 is a diagram for explaining the types and values of conventional fixed parameters. As shown in FIG. 11, the conventional fixed parameters are such that the torque _{Ta_peak} of the electric motor 2 is 80 Nm. use. The rotation speed ω _{e — peak} uses 500 RPM. The coefficient γ uses 2.5 × 10 ⁻⁴ . The assist weight _Etrq is 1.0. For example, a simulation result using the parameters shown in FIG. 11 can be used as the predetermined value in step S6-2 in FIG.

図１２および図１３は、従来の固定的なパラメータによるシミュレーション結果（実線：ｆｉｘｅｄ）と本発明による最適なシミュレーション結果（破線）とを併せて示す図であり、図１２は燃料消費量について示し、図１３はＳＯＣバランスについて示す。 FIGS. 12 and 13 are diagrams showing a simulation result (solid line: fixed) according to a conventional fixed parameter and an optimum simulation result (broken line) according to the present invention, and FIG. 12 shows the fuel consumption. FIG. 13 shows the SOC balance.

図１４は、効果を検証するために行ったテスト走行における車速、エンジン回転速度、運転者の要求トルクを示す図である。図１４に示したパターンによる走行を１３回行った際の燃料消費量とＳＯＣバランスとを比較した。なお、バッテリ保護のため、ＳＯＣがあるレベルを下回った場合は規定値に回復するまで走行発電を行うものとし、その際のアシストレートは０．５に固定とした。 FIG. 14 is a diagram showing a vehicle speed, an engine speed, and a driver's required torque in a test run performed to verify the effect. The fuel consumption and the SOC balance when the vehicle traveled 13 times according to the pattern shown in FIG. 14 were compared. In order to protect the battery, when the SOC falls below a certain level, traveling power generation is performed until the value returns to the specified value, and the assist rate at that time is fixed at 0.5.

図１２および図１３に示す従来の固定的なパラメータによるシミュレーション結果（実線：ｆｉｘｅｄ）と本発明による最適なシミュレーション結果（破線）とを比較すると、本発明によれば、図１４に示すパターンを１回走行するとアシスト制御が最適化され、ＳＯＣバランスが保たれているのに対し、従来は、ＳＯＣが低下し続け、走行発電が開始されている。燃料消費量については、アシスト最適化と、ハイブリッドシステムに対して非効率な走行発電を行わない効果によって従来よりも７％が向上した。 Comparing the simulation result (solid line: fixed) with the conventional fixed parameter shown in FIGS. 12 and 13 with the optimum simulation result (broken line) according to the present invention, according to the present invention, the pattern shown in FIG. While the assist control is optimized and the SOC balance is maintained when the vehicle travels round, conventionally, the SOC continues to decrease and traveling power generation is started. Fuel consumption has been improved by 7% compared to the previous model due to the optimization of the assist and the effect of not performing inefficient driving power generation for the hybrid system.

本発明によれば、バスやトラックなどの大型商用車においても最適なハイブリッド制御が可能となり、燃料消費量の節約に寄与することができる。 According to the present invention, optimum hybrid control can be performed even in a large commercial vehicle such as a bus or a truck, which can contribute to saving of fuel consumption.

本発明の概要を説明するための図である。It is a figure for demonstrating the outline | summary of this invention. 本発明の実施形態のハイブリッド自動車の要部構成を示す図である。It is a figure which shows the principal part structure of the hybrid vehicle of embodiment of this invention. ハイブリッド制御部のブロック構成図である。It is a block block diagram of a hybrid control part. ハイブリッド制御部の処理手順を示すフローチャートである。It is a flowchart which shows the process sequence of a hybrid control part. パラメータの種類とその値を説明するための図である。It is a figure for demonstrating the kind of parameter and its value. アシストマップを示す図である。It is a figure which shows an assist map. エンジン回転速度ω_eと仮のエンジントルクＴ_eとを入力し、燃料噴射量を出力するニューラルネットワークを示す図である。It is a figure which shows the neural network which inputs engine rotational speed (omega) _e and temporary engine torque _Te, and outputs fuel injection quantity. エンジン回転速度ω_eと仮の電動機トルクＴ_mとＳＯＣ情報とを入力し、バッテリ電流を出力するニューラルネットワークを示す図である。It is a figure which shows the neural network which inputs engine rotational speed (omega) _e , temporary motor torque _Tm, and SOC information, and outputs a battery current. 評価部の評価手順を示すフローチャートである。It is a flowchart which shows the evaluation procedure of an evaluation part. 最適なアシストを示す図である。It is a figure which shows optimal assistance. 従来の固定的なパラメータの種類とその値を説明するための図である。It is a figure for demonstrating the kind of conventional fixed parameter, and its value. 従来の固定的なパラメータによるシミュレーション結果と本発明による最適なシミュレーション結果とを併せて示す図である（燃料消費量）。It is a figure which shows the simulation result by the conventional fixed parameter, and the optimal simulation result by this invention together (fuel consumption). 従来の固定的なパラメータによるシミュレーション結果と本発明による最適なシミュレーション結果とを併せて示す図である（ＳＯＣバランス）。It is a figure which shows the simulation result by the conventional fixed parameter, and the optimal simulation result by this invention together (SOC balance). 効果を検証するために行ったテスト走行における車速、エンジン回転速度、運転者の要求トルクを示す図である。It is a figure which shows the vehicle speed in the test driving | running | working performed in order to verify an effect, an engine speed, and a driver | operator's request torque.

Explanation of symbols

１エンジン
１Ｃエンジン制御部
２電動機
３ハイブリッド制御部（算出手段）
４インバータ
５バッテリ
５Ｃバッテリ制御部
６クラッチ
７トランスミッション
８ＣＡＮ
１０情報取得部（取得する手段）
１０−１回生電流情報バッファ
１０−２エンジン回転速度情報バッファ
１０−３運転者の要求トルク情報バッファ
１０−４ＳＯＣ情報バッファ
１０−５タイマ
１１トルク配分試行部（トルク配分試行手段）
１２燃料噴射計算モデル部（シミュレーションを実施する手段）
１３バッテリ電流計算モデル部（シミュレーションを実施する手段）
１４評価部（アシストマップ作成手段）
１５アシストマップ作成部（アシストマップ作成手段） DESCRIPTION OF SYMBOLS 1 Engine 1C Engine control part 2 Electric motor 3 Hybrid control part (calculation means)
4 Inverter 5 Battery 5C Battery Control Unit 6 Clutch 7 Transmission 8 CAN
10 Information acquisition unit (means for acquiring)
10-1 Regenerative current information buffer 10-2 Engine rotation speed information buffer 10-3 Driver requested torque information buffer 10-4 SOC information buffer 10-5 Timer 11 Torque distribution trial section (torque distribution trial means)
12 Fuel injection calculation model part (means for carrying out simulation)
13 Battery current calculation model part (means for carrying out simulation)
14 Evaluation Department (Assist map creation means)
15 Assist map creation unit (assist map creation means)

Claims

In a hybrid vehicle comprising an engine, an electric motor, and calculation means for calculating the torque to be distributed to the engine and the electric motor based on a driver's requested torque and the running state of the vehicle,
The calculation means is
Means for respectively obtaining information relating to a driver's required torque, a rotational speed of the engine, a regenerative current to a battery that supplies power to the electric motor, and a value indicating a state of charge of the battery within a predetermined time; ,
Means for performing a simulation on the fuel injection amount and the battery current based on the acquired information;
A hybrid vehicle comprising: an assist map creating means for creating an assist map so that values indicating the fuel consumption of the engine and the state of charge of the battery become optimum values based on the simulation result.

Torque distribution trial means for setting a plurality of provisional torque distribution patterns for each of a plurality of predetermined parameter combinations and outputting the provisional engine torque and provisional motor torque to the means for executing the simulation. The hybrid vehicle according to claim 1.

The means for performing the simulation is:
First calculation means for inputting the engine speed of the acquired information and the temporary engine torque, and outputting a fuel injection amount;
Input the engine speed of the acquired information, the temporary motor torque and a value indicating the state of charge of the battery of the acquired information, and a second computing means for outputting a battery current,
The assist map creating means selects the temporary torque distribution pattern so that the values indicating the fuel consumption of the engine and the state of charge of the battery are optimum values based on the outputs of the two calculation means. The hybrid vehicle according to claim 2 .

The first computing means includes a neural network that has been subjected to learning in advance so as to input the engine rotational speed of the acquired information and the temporary engine torque, and to output a fuel injection amount,
The second computing means inputs in advance the engine speed of the acquired information, the temporary motor torque, and the value of the acquired information indicating the state of charge of the battery, and learns in advance to output the battery current. The hybrid vehicle according to claim 3, further comprising: