JP6628702B2 - 車両状態量推定装置 - Google Patents

Description

本発明は、車両の状態量を推定する車両状態量推定装置に関する。

センサでの直接検出が困難な車体の横すべり角や横方向速度、ロール角などの状態量は、慣性センサなどの検出値と車両運動モデルを用いて推定しているが、モデルパラメータの誤差などによって推定誤差が生じる。この推定誤差を小さくするため、従来はオブザーバやカルマンフィルタを用いた推定値の補正の他、例えば特許文献１に記載されているようなカメラやＧＰＳなどの外界認識手段を用いて直接検出した相対ヨー角を用いて推定横すべり角を補正する車両状態量の推定方法が知られている。

特許第５４０２２４４号

しかしながら、特許文献１に記載された車両状態量の推定方法では、良好な環境条件であれば高精度な推定値が得られるものの、雨天などの外界認識手段が検出困難な悪条件では推定値を補正することができず、精度が大幅に低下する可能性がある。

本発明は、前記の課題を解決するための発明であって、外界認識手段が検出困難な悪条件であっても車体の横すべり角や横方向速度、ロール角などの状態量を高精度に推定できる車両状態量推定装置を提供することを目的とする。

前記目的を達成するため、本発明の車両状態量推定装置は、慣性センサの検出値と、外界認識手段の検出値が入力され、該慣性センサの検出値と予め設定されている車両パラメータに基づいて車両の状態量を出力する車両状態量推定装置において、前記外界認識手段の検出値を用いて、前記車両パラメータを更新することを特徴する。

本発明によれば、車両状態量を高精度に推定することができる。

車両状態量推定装置１の概念図。 ４輪車モデルを示す図。 ４輪車の等価的な２輪車モデルを示す図。 重心点１１に作用する横加速度に伴うロール運動を示す図。 重心点１１に作用する前後加速度に伴うピッチ運動を示す図。 重心点などの位置関係を示す図。 実施形態１に係る車両状態量推定装置１を搭載した車両構成を示す図。 実施形態１に係る車両状態量推定装置１による処理概要を示すフローチャート。 実施形態１に係る車両状態量推定装置１による安定度判断を示すフローチャート。 実施形態１に係る車両状態量推定装置１によるパラメータ更新を示すフローチャート。 実施形態１に係る車両状態量推定装置１による処理結果の時間変化を示す図。 実施形態１に係る地面に固定した座標系に対する重心点１１の位置関係を示す図。 実施形態１に係る定常円旋回時の重心点１１の軌跡を示す図。 実施形態２に係る車両状態量推定装置１による安定度判断を示すフローチャート。 実施形態２に係る車両状態量推定装置１による処理結果の時間変化を示す図。 実施形態３に係る車両状態量推定装置１によるパラメータ更新を示すフローチャート。 実施形態３に係る車両状態量推定装置１による処理結果の時間変化を示す図。 実施形態４に係る車両状態量出力装置３０の概念図。 実施形態４に係る車両状態量出力装置３０による出力値判断を示すフローチャート。 実施形態４に係る車両状態量出力装置３０による処理結果の時間変化を示す図。 実施形態５に係る車両状態量推定装置１あるいは車両状態量出力装置３０を搭載した車両構成を示す図。 実施形態５に係る制御サスペンション装置４１の１機能である乗心地制御を行うサスペンション制御ユニット４０の概念図。 実施形態５に係る制御サスペンション装置４１の１機能であるアンチロール制御を行うサスペンション制御ユニット４０の概念図。 実施形態５に係る制御サスペンション装置４１の１機能であるアンチダイブ制御およびアンチスクワット制御を行うサスペンション制御ユニット４０の概念図。 実施形態５に係るサスペンション制御ユニットの処理結果の加速度ＰＳＤを示す図。 実施形態５に係るサスペンション制御ユニットの処理結果の時間変化を示す図。 実施形態６に係る車両状態量推定装置１あるいは車両状態量出力装置３０を搭載した車両構成を示す図。 実施形態６に係る質量ｍ_ｐの質点が作用した車体の上下変位を示す図。 実施形態７に係る車両状態量推定装置１’の概念図。 実施形態７に係る２自由度の１／４車両モデルを示す図。 実施形態７に係る車両状態量推定装置１’によるパラメータ更新を示すフローチャート。 実施形態７に係る重心点１１に作用する加速度に伴う荷重移動を示す図。 実施形態７に係るカント角σのバンク路を走行する車両の重心点１１に作用する加速度を示す図。

本発明を実施するための実施形態について、適宜図面を参照しながら詳細に説明する。

図１〜図５を用いて、本発明における外界認識手段の検出値の安定度判断、前記検出値に基づくパラメータ更新や、前記パラメータを用いた車両状態量推定の方法について説明する。

図１は、外界認識手段２の検出値の安定度判断や、前記検出値に基づくパラメータ更新や、前記パラメータを用いた車両状態量推定を行う車両状態量推定装置１の概念図である。

車両状態量推定装置１には、例えば、慣性センサやジャイロセンサで検出した第一の車両運動状態量検出値１００や、舵角センサやストロークセンサなどで検出したドライバ入力量検出値や、外界認識手段で検出した第二の車両運動状態量検出値２００が入力される。そして、入力された信号に基づき、車両運動量状態量推定値３００を出力する。

ここで、第一の車両運動状態量検出値１００は、車輪速や車体の前後加速度、横加速度、ヨーレートなどの値である。ドライバ入力量検出値は、操舵角やアクセル開度、ブレーキ踏力などの値である。また、第二の車両運動状態量検出値２００は、外界認識手段２で検出した車体の横すべり角や横方向速度、ヨー角、ロール角、ピッチ角などの値である。また、車両運動状態量推定値３００は、車体の横すべり角や横方向速度、ロール角、ピッチ角などである。

車両状態量推定装置１は、安定度判断部２１と、パラメータ更新部２２と、状態量推定部２３を備える。車両状態量推定装置１は、安定度判断部２１と、パラメータ更新部２２と、状態量推定部２３を備える。

状態量推定部２３には、予め設定された車両のパラメータが記憶されており、車両運動状態量検出値１００とパラメータを用いて、車両状態量推定値３００を算出する。

安定度判断部２１は、外界認識手段２や、慣性センサからの入力値を用いて外界認識手段２からの入力値である第二の車両運動状態量検出値２００が安定しているかを判断し、その判断結果を出力する。

パラメータ更新部２２は、外界認識手段２や慣性センサからの入力値および安定度判断部２１からの判断結果を用いて、状態量推定部２３に記憶されているパラメータの更新を行う。具体的には、外界認識手段２で検出した車両運動状態量検出値２００と、慣性センサやパラメータを用いて状態量推定部で算出した推定値の値が同じとなるように車両パラメータを更新する。言い換えると、パラメータを更新することにより、状態量推定部２３で求めた推定値を外界認識手段で求めた実測値により同定している。

ここで、本発明におけるパラメータ更新とは、人の乗り降りやタイヤ交換などによって変化する車両の質量や重心位置、慣性モーメント、コーナリングパワーなどのパラメータを入力値に基づいて算出し、記憶されているパラメータを、算出したパラメータに置き換えることである。

車両パラメータは、人の乗り降りやタイヤ交換、タイヤの劣化などによって変化する。そのため、予め記憶されている車両パラメータと実際の車両パラメータに差異が生じ、この差異が車両運動状態量推定値３００の誤差となる。本発明は、外界認識手段２の検出値と、状態量推定部２３での推定値とが合うようにパラメータを更新し、更新したパラメータと慣性センサの値に基づいて車両運動状態量推定値３００を算出している。そのため、車両パラメータの変動に対応可能となり、横すべり角や横方向速度、ロール角などの慣性センサでは直接検出が難しい状態量を、慣性センサの値を用いて高精度に推定できる。

ここで、状態量推定部２３における推定精度は、この更新パラメータの精度に左右されるため、更新に用いる車両運動状態量検出値２００が安定している、つまり信頼性が高い値のみを用いることが好ましいので、安定度判断部２１における車両運動状態量検出値２００の安定度判断を行う。また、図１には車両運動状態量推定値３００のみを出力する場合を記載しているが、必要に応じて安定度判断結果や更新パラメータを出力しても良く、車両状態量推定装置１の出力値は限定しない。

外界認識手段２が検出困難な状況であっても、慣性センサの検出値と更新したパラメータを用いて車両の状態量を推定しているため、本発明によれば、従来よりも精度よく車両の状態量が推定可能である。

図２〜図５を用いて、状態量推定部２３における車両運動状態量の推定方法、パラメータ更新部２２におけるパラメータ算出方法の具体例を説明する。

最初に、状態量推定部２３における車両運動状態量の推定方法の一例を説明する。

図２は、４輪車モデルを示す図である。本実施例では車両の重心点１１を原点とし、車両の前後方向をｘ、車両の左右方向をｙ、車両の上下方向をｚとする。図２は旋回中の４輪車の運動を示したものであり、実舵角をδ、車両の進行方向の速度をＶ、車両の前後方向の速度をＶ_ｘ、車両の左右方向の速度をＶ_ｙ、速度Ｖで旋回する車両に生じる進行方向と車体前後方向のなす角を横すべり角β、前輪右タイヤ、前輪左タイヤ、後輪右タイヤ、後輪左タイヤのそれぞれの移動速度方向とタイヤ前後方向が成す角であるタイヤの横すべり角をβ_ｆｒ、β_ｆｌ、β_ｒｒ、β_ｒｌ、これらタイヤに働くコーナリングフォースをＹ_ｆｒ、Ｙ_ｆｌ、Ｙ_ｒｒ、Ｙ_ｒｌとする。また、重心点１１を通るｚ軸周りに生じるヨーレートをｒ、重心点１１と前輪軸との距離、および後輪軸との距離をそれぞれｌ_ｆ、ｌ_ｒ、前輪軸と後輪軸との距離であるホイールベースをｌ、車両前後輪のトレッド幅をそれぞれｄ_ｆ、ｄ_ｒとする。

図３は、４輪車の等価的な２輪車モデルを示す図である。図３は、図２に対して左右タイヤの横すべり角が小さく、かつその値が小さく、実舵角も小さいとみなした範囲において、車両のトレッドを無視して前後の左右輪が前後輪軸と車軸との交点に集中しているモデルに置き換えたものである。ここでコーナリングフォース２Ｙ_ｆ、２Ｙ_ｒは、図２に示した前後輪タイヤの左右に働くコーナリングフォースの合力である。

図４は、重心点１１に作用する横加速度に伴うロール運動を示す図である。図４は、横加速度Ｇ_ｙが作用するばね上質量ｍ_ｂの車両にロール角φが生じる様子を示したものである。ここで単位ロール角あたりの前後サスペンションの伸縮で生じるモーメントの大きさであるロール剛性をＫ_φｆ、Ｋ_φｒ、車体の幾何学的な瞬間回転中心であるロールセンタの地面からの高さをｈ_ｆ、ｈ_ｒ、重心点１１の高さをｈ、前後のロールセンタを結ぶロール軸１２と重心点１１の間の距離をｈ_φ、タイヤを含む前後のサスペンションのばね定数をＫ_ｓｆ、Ｋ_ｓｒ、タイヤを含む前後のサスペンションの減衰係数をＣ_ｓｆ、Ｃ_ｓｒとする。

図５は、重心点１１に作用する前後加速度に伴うピッチ運動を示す図である。図５は、前後加速度Ｇ_ｘが作用するばね上質量ｍ_ｂの車両にピッチ角ψが生じる様子を示したものである。ここで単位ピッチ角あたりのタイヤを含む前後のサスペンションの伸縮で生じるモーメントの大きさであるピッチ剛性をＫ_ψ、車体の幾何学的な瞬間回転中心であるピッチ軸１３と重心点１１の間の距離をh_ψとする。

ここで図１に示した状態量推定部２３における状態量推定の一例として、まず図３に示した４輪車の等価的な２輪車モデルを用いた車体の横すべり角βと横方向速度Ｖ_ｙの算出方法を説明する。横方向速度Ｖ_ｙの時間微分であるｄＶ_ｙ/ｄｔとｚ軸周りに生じるヨーレートｒの時間微分であるｄｒ/ｄｔは、車両の質量をｍ、前後タイヤの単位横すべり角あたりのコーナリングフォースであるコーナリングパワーをそれぞれＫ_ｆ、Ｋ_ｒ、車両のヨー慣性モーメントをＩ_ｚとして、以下の式（１）、式（２）で表される。

更にヨーレートｒの出力偏差をフィードバックするオブザーバを構成し、式（１）、式（２）を状態方程式と出力方程式で表すと以下の式（３）、式（４）になる。

であり、（Ｖ_ｙ＾，ｒ＾）は，（Ｖ_ｙ，ｒ）の推定値である。オブザーバでは偏差ｅが減少するようにオブザーバ入力が補正され、状態量の推定誤差が低減される。この式（３）、式（４）から横方向速度の推定値Ｖ_ｙ＾が得られ、車体の横すべり角の推定値β＾は以下の式（５）を用いて算出できる。

次に図４に示した重心点１１に作用する横加速度Ｇ_ｙに伴うロール運動モデルを用いた車体のロール角φの算出方法と、図５に示した重心点１１に作用する前後加速度Ｇ_ｘに伴うピッチ運動モデルを用いた車体のピッチ角ψの算出方法の一例を説明する。車両が一定の加速度を持ち、重心点１１に一定の慣性力が働いていると仮定した場合、ロール角φとピッチ角ψは重力加速度をｇとして、以下の式（６）、式（７）で表される方程式を用いて算出できる。

以上の式（１）〜式（７）において、車両の質量ｍ、ばね上質量ｍ_ｂ、重心点１１と前輪軸との距離、および後輪軸との距離ｌ_ｆ、ｌ_ｒ、車両のヨー慣性モーメントＩ_ｚ、コーナリングパワーＫ_ｆ、Ｋ_ｒ、ロール剛性Ｋ_φｆ、Ｋ_φｒ、ピッチ剛性Ｋ_ψ、前後のロールセンタを結ぶロール軸１２と重心点１１の間の距離ｈ_φ、車体の幾何学的な瞬間回転中心であるピッチ軸１３と重心点１１の間の距離h_ψはパラメータであり、それ以外の前後加速度Ｇ_ｘやヨーレートｒなどは図１で述べた検出値である。

これらのパラメータには従来、車両設計時の走行試験や数値解析の結果などに基づいて、経年劣化や環境変化などに対応するロバスト性を考慮した値が定義され、定数として状態量推定などに用いられている。しかし、ロバスト性を考慮した定数であるため、常に推定誤差が生じるという課題があった。それに対して本発明では、このパラメータを変数として扱い、図１で述べた外界認識手段２の検出値に基づいて実車に即した値に更新することで推定誤差を低減し、前記課題を解決する。

次に、パラメータ更新部２２におけるパラメータ算出方法の一例を説明する。図６は、車両に質量ｍ_ｐの質点１６が加わることによって重心点が１４から１５へ移動した様子を示す図である。なお、本実施例では理解が容易になるように、車体のロール角φが生じない位置に質点１６が作用しているものと仮定した一例であり、より詳細に荷重移動を算出する場合には車体のロール角φを考慮することが望ましい。また、本実施例では車両設計時の走行試験や数値解析の結果などに基づくパラメータを設計値、更新パラメータを更新値とし、以降で述べる式の’が付く記号は更新値とする。ここでｌ_ｆ’、ｌ_ｒ’は重心点（更新値）１５と前輪軸との距離、および後輪軸との距離、ｘ_Ｇは重心点（設計値）１４と重心点（更新値）１５との距離、ｘ_Ｐは質点１６と重心点（更新値）１５との距離である。

まず、検出値に基づいて車両の質量ｍとばね上質量ｍ_ｂを算出する方法を説明する。

ばね定数などのサスペンション関連のパラメータが変化しておらず、タイヤを含む前後のサスペンションのばね定数Ｋ_ｓｆ、Ｋ_ｓｒを線形ばねと仮定した場合、車両の質量とばね上質量の更新値ｍ’、ｍ_ｂ’は、以下の式（８）で表される方程式を用いて算出できる。

ここで式（８）のｍ、ｍ_ｂは車両の質量とばね上質量の設計値、ｍ_Ｐは質点１６の質量、ｚ_ｆ、ｚ_ｒはそれぞれ車体の前側、後側の上下変位であり、以下の式（９）で表される方程式を用いて算出できる。

ここで式（９）のピッチ角ψは、外界認識手段２で検出した車両運動状態量検出値２００である。また、式（９）のｌ_ｆ’、ｌ_ｒ’は、図６に示す重心点（更新値）１５と前輪軸との距離、および後輪軸との距離の更新値であり、以下の式（１０）で表される方程式を用いて算出できる。

ここで式（１０）は車速Ｖが０とみなせるほどの低速で旋回している時に成立し、車体の横すべり角βは外界認識手段２で検出した車両運動状態量検出値２００、実舵角δはドライバ入力量検出値の換算値である。以上の式（８）〜式（１０）を用いることで、車両の質量とばね上質量の更新値ｍ’、ｍ_ｂ’を算出できる。

但し、この算出方法は車体の質量変化に伴ってピッチ角ψが変化することが前提であり、車内の人や荷物の質量および位置によってはそれらが変化せず、式（８）〜式（１０）だけでは正しい質量を算出できない場合が考えられる。そのため、以下の式（１１）で表される方程式を用いて算出する方法を併用することが望ましい。ここで式（１１）のＴはタイヤ出力トルク、Ｒはタイヤ半径である。なお、タイヤ出力トルクＴは、例えばエンジンやモータのトルクマップ、変速機の変速比、効率などから算出する方法や、トルクセンサを用いて駆動軸のトルクを直接検出する方法により取得できる。なお、式（１１）を併用した場合、車両の質量とばね上質量の更新値ｍ’、ｍ_ｂ’がそれぞれ２つ算出されるが、ピッチ角ψが変化する場合にはそれらの値は等しくなり、ピッチ角ψが変化しない場合には式（１１）による更新値が式（８）〜式（１０）による更新値より大きくなるため、値が大きい方を選定することで正しい車両の質量とばね上質量の更新値ｍ’、ｍ_ｂ’を算出できる。

ここで、外界認識手段２の検出値を用いた車両の質量とばね上質量の更新値ｍ’、ｍ_ｂ’の算出方法は、上記で述べた方法に限定されるものではなく、例えばサスペンションジオメトリを考慮した外界認識手段２の検出値と車両の質量とばね上質量の更新値ｍ’、ｍ_ｂ’の関係を表す特性マップを予め車両状態量推定装置１に記憶しておき、その特性マップに外界認識手段２の検出値を入力することで車両の質量とばね上質量の更新値ｍ’、ｍ_ｂ’を算出しても良い。更に、前記特性マップに加速度の軸を追加することで、路面傾斜による重力加速度の影響を除去した車両の質量とばね上質量の更新値ｍ’、ｍ_ｂ’を算出できる。

次に、検出値に基づいて重心高さｈやロール軸１２と重心１１の間の距離ｈ_φなどの重心位置を算出する方法を説明する。

ロール剛性Ｋ_φｆ、Ｋ_φｒ、ピッチ剛性Ｋ_ψなどのサスペンション関連のパラメータが変化していないと仮定した場合、ロール軸１２と重心１１の間の距離、ピッチ軸１３と重心１１の間の距離、重心高さの更新値ｈ_φ’、ｈ_ψ’、ｈ’は、以下の式（１２）で表される方程式を用いて算出できる。

次に検出値に基づいて図６に示す重心点（設計値）１４と重心点（更新値）１５との距離ｘ_Ｇ、質点１６と重心点（更新値）１５との距離ｘ_Ｐを算出する方法を説明する。距離ｘ_Ｇは重心点と後輪軸との距離の設計値ｌｒと更新値ｌｒの差の絶対値であり、距離ｘ_Ｐは重心点（更新値）１５を中心とした車両の質量の設計値ｍと質点１６の質量ｍ_Ｐによるモーメントの釣り合いより、以下の式（１３）で表される方程式を用いて算出できる。

ここで、外界認識手段２の検出値を用いた重心高さｈなどの重心位置の算出方法は、上記で述べた方法に限定されるものではなく、例えばサスペンションジオメトリを考慮した外界認識手段２の検出値と重心位置の関係を表す特性マップを予め車両状態量推定装置１に記憶しておき、その特性マップに外界認識手段２の検出値を入力することで重心位置を算出しても良い。更に、前記特性マップに加速度の軸を追加することで、路面傾斜による重力加速度の影響を除去した重心位置を算出できる。

次に、検出値に基づいてヨー慣性モーメントＩ_ｚなどの慣性モーメントを算出する方法を説明する。

慣性モーメントの算出方法の一例として、ヨー慣性モーメントの更新値Ｉ_ｚ’は、平行軸の定理を用いた以下の式（１４）で表される方程式で算出できる。ここで、式（１４）のＩ_ｚはヨー慣性モーメントの設計値である。

次に、検出値に基づいてコーナリングパワーＫ_ｆ、Ｋ_ｒなどのタイヤ特性を算出する方法を説明する。

タイヤ特性の算出方法の一例として、コーナリングパワーの更新値Ｋ_ｆ’、Ｋ_ｒ’は、以下の式（１５）で表される方程式を用いて算出できる。

ここで式（１５）に示すコーナリングフォースＹ_ｆ、Ｙ_ｒ、タイヤの横すべり角β_ｆ、β_ｒは、それぞれ以下の式（１６）、式（１７）で表される方程式を用いて算出できる。

以上が本発明における車両運動状態量の推定方法、パラメータ算出方法の一例である。

前述した本発明の車両状態量推定装置１における具体的な実施形態について、図７から図１３を用いて説明する。

図７は、本発明の実施形態による車両状態量推定装置１を搭載した車両１０の構成図を示したものである。

本実施形態の車両状態量推定装置１は車両１０に搭載され、カメラやＧＰＳなどの外界認識手段２、加速度センサ３、ジャイロセンサ４、車輪速センサ６から車両運動に関する状態量、操作角センサ５からドライバ操作に関する状態量の検出値を取得する。車両状態量推定装置１は、図１で述べたように検出値を用いて外界認識手段２の安定度を判断し、その判断結果に基づいてパラメータを更新、更新したパラメータと検出値を用いて車体の横すべり角や横方向速度などを推定し、その結果を車両の制駆動力を制御する駆動制御ユニット８とブレーキ制御ユニット９に出力する。

図８は、車両状態量推定装置１の処理概要を示すフローチャートである。まず、車両状態量推定装置１はパラメータ更新や状態量推定に必要な車両運動状態量およびドライバ操作量の検出値を、加速度センサ３やジャイロセンサ４などから取得する（ステップＳ８０１）。次にステップＳ８０１で取得した加速度センサ３などの検出値である車両運動状態量検出値１００と、外界認識手段２の検出値である車両運動状態量検出値２００を比較し、その大小関係に基づいて車両運動状態量検出値２００が安定しているか否かを判断し、その安定度判断結果を出力する（ステップＳ８０２）。次にステップＳ８０２において安定判断がなされた場合、検出値に基づいて前述の式（８）〜式（１８）を用いて車両の質量ｍやヨー慣性モーメントＩ_ｚなどのパラメータを更新し、その更新パラメータを出力する（ステップＳ８０３）。最後にステップＳ８０３で更新されたパラメータと車両運動状態量検出値１００、ドライバ操作量検出値に基づいて、上述の式（１）〜式（７）を用いて車体の横すべり角βや横方向速度Ｖ_ｙ、ロール角φ、ピッチ角ψを推定し、その車両運動状態量推定値３００を駆動制御ユニット８やブレーキ制御ユニット９に出力し、終了する。なお、一般的に外界認識手段２の検出値の出力周期は、加速度センサなどの慣性センサの検出値の出力周期より遅い。そのため、後述する安定度判断やパラメータ更新などにおいて、出力周期の差による誤処理を防ぐには、処理周期を最も出力周期が遅いセンサの出力周期に合わせる、または最も出力周期が遅いセンサの検出値を時間微分し、その時間微分値に基づいて予測した値を用いることが望ましい。また、燃料ゲージや着座センサ、シートベルトセンサなどから取得した情報に基づいて更新パラメータの信頼性を評価し、その評価結果に基づいてパラメータ更新を行うか否かを判断する処理をステップＳ８０３とステップＳ８０４の間に追加しても良い。

図９は、車両状態量推定装置１の安定度判断部２１の処理概要を示すフローチャートである。本実施例ではジャイロセンサ４で検出したヨーレートｒの時間積分値であるヨー角θを真値と仮定し、その真値に対する外界認識手段２で検出したヨー角θ＾の誤差に基づいて安定度を判断する方法を説明する。まず、安定度判断部２１はジャイロセンサ４からヨーレートｒ、外界認識手段２からヨー角θ＾を取得する（ステップＳ９０１）。次にステップＳ９０１で取得したヨーレートｒを時間積分し、ヨー角θを算出する（ステップＳ９０２）。次にステップＳ９０２で算出したヨー角θを真値として、真値とステップＳ９０１で取得したヨー角θ＾の差であるヨー角誤差を算出する（ステップＳ９０３）。次にステップＳ９０３で算出したヨー角誤差が所定の閾値に対して小さいか否かを判定し（ステップＳ９０４）、小さい場合は（ステップＳ９０４、ＹＥＳ）、ステップＳ９０５に進んでカウント値に所定の値を加算するカウントアップ処理を行い、大きい場合は（ステップＳ９０４、ＮＯ）、ステップＳ９０６に進んでカウント値を０にするカウントリセット処理を行う。次にステップＳ９０５でのカウントアップ処理、またはステップＳ９０６でのカウントリセット処理をしたカウント値が所定の閾値に対して大きいか否かを判定し（ステップＳ９０７）、大きい場合は（ステップＳ９０７、ＹＥＳ）、外界認識手段２で検出した車両運動状態量検出値２００が所定の期間において継続して安定し、信頼できると判断してステップＳ９０８に進んで安定判断を出力し、小さい場合は（ステップＳ９０７、ＮＯ）、外界認識手段２で検出した車両運動状態量検出値２００が所定の期間において継続して安定しておらず、信頼できないと判断してステップＳ９０９に進んで不安定判断を出力し、処理を終了する。ここでステップＳ９０１〜ステップＳ９０９における安定度を判断する方法は、上記で述べたカウントアップによる処理に限定されるものではなく、例えばカウント値から所定の値を減算するカウントダウンによる判断方法や、外界認識手段２が自己診断した情報に基づく判断方法であっても良い。また、安定度の判断対象は、上記で述べたヨー角誤差に限定されるものではなく、例えばジャイロセンサ４で検出したヨーレートｒを真値とし、真値と外界認識手段２で検出したヨー角を時間微分したヨーレートｒ＾との差であるヨーレート誤差を判断対象としても良い。

図１０は、車両状態量推定装置１のパラメータ更新部２２の処理概要を示すフローチャートである。まず、パラメータ更新部２２は安定度判断部２１の出力である安定度判断結果を取得する（ステップＳ１００１）。次にステップＳ１００１で取得した安定度判断結果が安定判断であるか不安定判断であるかを判定し（ステップＳ１００２）、安定判断である場合は（ステップＳ１００２、ＹＥＳ）、外界認識手段２の検出値にパラメータを更新するための信頼性があると判断してステップＳ１００３に進み、不安定判断である場合は（ステップＳ１００２、ＮＯ）、外界認識手段２の検出値にパラメータを更新するための信頼性がないと判断してパラメータの更新を行わずに処理を終了する。ステップＳ１００２において外界認識手段２の検出値にパラメータを更新するための信頼性があると判断された場合、車両運動状態量およびドライバ操作量の検出値を、加速度センサ３やジャイロセンサ４などから取得し（ステップＳ１００３）、ステップＳ１００４に進む。ステップＳ１００４〜ステップＳ１００７では、ステップＳ１００３で取得した検出値に基づいて、上述の式（８）〜式（１７）を用いて質量、重心位置、慣性モーメント、タイヤ特性を算出し、パラメータを更新、更新したパラメータを出力して、処理を終了する。

ここでパラメータの更新方法は上記の方法に限定されるものではなく、例えば最適化手法やシステム同定手法を用いて走行中にセンサで取得した時系列データからパラメータを更新しても良い。また、パラメータ更新部２２において更新するパラメータの値の範囲は、センサの誤検出による更新値の発散などを防ぐため、例えば質量の場合は空車時の質量を下限値、最大積載時の質量を上限値とするなど、各パラメータで変化する可能性がある範囲を予め定義し、その範囲内で更新することが望ましい。また、更新パラメータの保存形態は数値に限定せず、例えば式（１６）と式（１７）を用いて算出したコーナリングフォースＹ_ｆ、Ｙ_ｒとタイヤの横すべり角β_ｆ、β_ｒに基づくタイヤ特性のマップとして保存しても良い。

図１１は、車両状態量推定装置１の検出値、検出値の誤差、安定期間のカウント値、推定値と検出値の時間変化を示す図である。検出値、検出値の誤差、安定期間のカウント値は、図９で述べた安定度判断部２１における処理結果の一例である。また、推定値は図１０で述べたパラメータ更新部２２から出力された更新パラメータを用いて状態量推定部２３が推定した結果の一例である。図１１に示す安定判断期間は、検出値の誤差（Ｑ）が閾値（ａ）より小さく、そのカウント値（Ｊ）が閾値（ｂ）より大きい期間であり、外界認識手段２で検出した車両運動状態量検出値２００が所定の期間において継続して安定し、信頼できるとして、安定度判断部２１が安定判断を出力した期間である。パラメータ更新部２２は、前記の安定判断期間内にパラメータ更新を行い、それ以外の期間（不安定判断期間）ではパラメータ更新を中止する。その結果、状態量推定部２３は安定判断期間において従来方法と同様に真値と概ね等しい高精度な推定値を出力できる。更に本実施例の状態量推定部２３は、安定判断期間で更新された最新のパラメータを用いて推定を行うため、不安定判断期間において外界認識手段２の検出値による推定値の補正ができない従来方法に比べて真値に近い推定値を出力することができる。このように従来方法では定数として扱っていたパラメータを変数として扱い、そのパラメータを外界認識手段２の検出値に基づいて実車に即した値に更新し、その更新したパラメータを用いて推定を行うことで従来方法より推定誤差を低減できる。

以上のような車両状態量推定装置１を適用した場合の効果を以下で説明する。

横滑り防止装置の場合、例えば設計時より低性能なタイヤに交換、またはタイヤ空気圧が低下、または磨耗したタイヤを使用した際、従来方法では横滑り防止装置の制動力指令が不足して横すべりが増大し、走行安定性が低下する恐れがあった。それに対して本実施例の車両状態量推定装置１を適用した場合、現状のタイヤ特性に基づいて横滑り防止装置の制動力指令を補正できるため、従来方法より横すべりを低減し、走行安定性を向上させることができる。

また、本実施例の車両状態量推定装置１を適用した場合、真値と概ね等しい高精度な推定値が得られる、つまりドライバの操作入力に対する状態量の予測値が得られるため、その予測値に基づいて横滑り防止装置の制動力指令を補正でき、従来方法より横すべりを低減し、走行安定性を向上できる。

また、パワーステアリング装置の場合、例えば設計時より低性能なタイヤに交換、またはタイヤ空気圧が低下、または磨耗したタイヤを使用した場合、従来方法ではパワーステアリング装置のアシストが変化しないため、タイヤ特性相応の車両挙動が生じていた。それに対して本実施例の車両状態量推定装置１を適用した場合、現状のタイヤ特性に応じてパワーステアリング装置のアシスト力や舵角を増減できるため、限界域を除いて純正タイヤ時や新品タイヤ時と同等の車両挙動を実現することができる。また、本実施例の車両状態量推定装置１を適用した場合、ノミナルモデルと最新パラメータの推定モデルによる推定値を比較する事でタイヤ空気圧の低下などを検出でき、ドライバに伝達する事ができる。

また、電動ブースタ装置の場合、例えば設計時より低性能なタイヤに交換、またはタイヤ空気圧が低下、または磨耗したタイヤを使用した場合、従来方法では電動ブースタ装置の制動力指令が変化しないため、タイヤ特性相応の制動力が生じる。それに対して本実施例の車両状態量推定装置１を適用した場合、現状のタイヤ特性に応じて電動ブースタ装置の制動力指令を補正できるため、限界域を除いて純正タイヤ時や新品タイヤ時と同等の制動力を発生させる事ができる。

また、電動パーキングブレーキ装置の場合、最新の質量に基づいて適切な制動力指令を生成できるため、従来方法より電力消費を削減する事ができる。

図１２は、地面に固定した座標系に対する車両の重心点１１の位置関係を示す図である。車両の重心点１１の軌跡は、車両の重心点１１の地面に固定された座標系に対する位置を（Ｘ，Ｙ）、車両のＸ軸に対するヨー角をθとして、以下の式（１８）で表される。

ここで、Ｘ_０、Ｙ_０、θ_０はそれぞれｔ＝０でのＸ、Ｙ、θの値、ｔは任意の時間である。この式（１８）は車両の進行方向の速度Ｖや車体の横すべり角βといった外界認識手段２の検出値、または車両モデルを用いた式（１）などで算出される推定値を用いる。また、これらの外界認識手段２の検出値や車両モデルを用いて算出した推定値を用いずに車両の重心点１１の軌跡を算出するには、例えば以下の式（１９）を用いる方法がある。

図１３は、低性能なタイヤへの交換やタイヤ空気圧の低下に伴ってコーナリングパワーが低下した車両の定常円旋回時の重心点１１の軌跡を示す図である。真値（ｅ）は、外界認識手段２の検出値である車両運動状態量検出値２００および式（１８）を用いて算出した車両の重心点１１の実軌跡である。車両モデルなし（ｆ）は、式（１９）を用いて算出した車両の重心点１１の推定軌跡である。車両モデルあり, パラメータ更新なし（ｇ）は、パラメータを更新していない車両モデルを用いて算出した推定値および式（１８）を用いて算出した車両の重心点１１の推定軌跡である。車両モデルあり, パラメータ更新なし（ｈ）は、パラメータを更新した車両モデルを用いて算出した推定値および式（１８）を用いて算出した車両の重心点１１の推定軌跡である。

図１３に示すように車両の重心点１１の実軌跡である真値（ｅ）に対して、車両モデルあり, パラメータ更新あり（ｈ）の推定軌跡は概ね等しいが、車両モデルなし（ｆ）と車両モデルあり, パラメータ更新なし（ｇ）の推定軌跡は推定誤差が大きい。

自動運転装置の場合、従来方法では外界認識手段の検出値に基づいて自己位置推定を行っており、雨天やレンズ汚れなどの悪条件では検出精度が低下し、自動運転が継続できなくなる恐れがあった。この外界認識手段の検出精度低下に対して、自動運転を継続する方法として、式（１８）や式（１９）を用いて推定した車両の軌跡などの情報に基づいてマップマッチングを行う方法が考えられるが、上記の車両モデルなし（ｆ）や車両モデルあり, パラメータ更新なし（ｇ）のように軌跡の推定誤差が大きい方法では安全な自動運転を継続できない恐れがあった。それに対して本実施例の車両状態量推定装置１を適用した場合、車両の軌跡などを高精度に推定できるため、少なくとも安全に停車できる場所まで自動運転を継続することができる。

実施例２では、実施例１との差分について説明し、実施例１と同じ説明は省略する。

なお、実施例２と実施例１の主な違いは安定度判断部２１における安定度の判断方法であり、図１４と図１５を用いて、実施例２における車両状態量推定装置１の処理概要を説明する。

図１４は、実施例２における車両状態量推定装置１の安定度判断部２１の処理概要を示すフローチャートである。図１４のステップＳ１４０１〜ステップＳ１４０３の処理は、実施例１における図９のステップＳ９０１〜ステップＳ９０３と同じであり、説明は省略する。ステップＳ１４０４では、ステップＳ１４０３で算出したヨー角誤差を所定の期間で時間積分した値を算出する。次にステップＳ１４０４で算出したヨー角誤差の積分値が所定の閾値に対して小さいか否かを判定し（ステップＳ１４０５）、小さい場合は（ステップＳ１４０５、ＹＥＳ）、外界認識手段２で検出した車両運動状態量検出値２００が所定の期間において継続して安定し、信頼できると判断してステップＳ１４０６に進んで安定判断を出力し、大きい場合は（ステップＳ１４０５、ＮＯ）、外界認識手段２で検出した車両運動状態量検出値２００が所定の期間において継続して安定しておらず、信頼できないと判断してステップＳ１４０７に進んで不安定判断を出力し、処理を終了する。ここでステップＳ１４０４、ステップＳ１４０５における安定度の判断方法は、上記で述べた積分値による判断方法に限定されるものではなく、例えば平均値による判断方法であっても良い。

図１５は、実施例２における車両状態量推定装置１の検出値、検出値の誤差、検出値の誤差の積分値、推定値と検出値の時間変化を示す図である。図１５に示す安定判断期間は、検出値の誤差（Ｑ）を所定の期間で積分した積分値（Ｎ）が閾値（ｃ）より小さい期間であり、外界認識手段２で検出した車両運動状態量検出値２００が所定の期間において継続して安定し、信頼できるとして、安定度判断部２１が安定判断を出力した期間である。図１５の検出値と検出値の誤差に示す閾値（ａ）を超過する瞬間的なノイズは、実際の車両の使用環境下において生じる可能性がある。このようなノイズが生じた場合、実施例１における車両状態量推定装置１ではカウント値がリセットされ、パラメータ更新が中止される。それに対して実施例２における車両状態量推定装置１では、ノイズの大きさが小さく、積分値（Ｎ）が閾値（ｃ）より小さくなる期間を安定判断期間とすることで、実際の車両の使用環境下において、パラメータの更新にある一定の精度を確保しながら、パラメータの更新頻度を増やすことができる。

実施例３では、実施例１および実施例２との差分について説明し、実施例１および実施例２と同じ説明は省略する。

なお、実施例３と実施例１および実施例２の主な違いは、パラメータ更新部２２におけるパラメータの更新／未更新の判断方法であり、図１６と図１７を用いて、実施例３における車両状態量推定装置１の処理概要を説明する。

図１６は、実施例３における車両状態量推定装置１のパラメータ更新部２２の処理概要を示すフローチャートである。まず、実施例３のパラメータ更新部２２は、１処理周期前の外界認識手段２で検出した車両運動状態量検出値２００と、状態量推定部２３で推定した推定値を取得する（ステップＳ１６０１）。ここで本実施例では、図８で述べた車両状態量推定装置１の処理概要を示すフローチャートのＳＴＡＲＴからＥＮＤまでを１処理として定義する。次にステップＳ１６０１で取得した検出値、推定値の差である推定誤差を算出する（ステップＳ１６０２）。次にステップＳ１６０２で算出した推定誤差が所定の閾値に対して大きいか否かを判定し（ステップＳ１６０３）、大きい場合は（ステップＳ１６０３、ＹＥＳ）、推定値の精度が不十分と判断してステップＳ１６０４に進み、小さい場合は（ステップＳ１６０３、ＮＯ）、推定値の精度が必要十分であり、パラメータの更新は不要と判断して処理を終了する。ステップＳ１６０４では、図１０で述べたフローに従ってパラメータを更新し、処理を終了する。

図１７は、実施例３における車両状態量推定装置１の検出値、検出値の誤差、安定期間のカウント値、推定誤差、推定値と検出値の時間変化を示す図である。図１７に示すように、安定判断期間であっても推定誤差が所定の閾値（ｄ）より小さい場合にはパラメータ更新を中止する。このように推定誤差の大きさに基づいてパラメータの更新／未更新を判断することで、ある一定の推定精度を確保しながら、車両状態量推定装置１の計算負荷を下げることができ、消費電力や発熱などを低減できる。

実施例４では、実施例１〜実施例３との差分について説明し、実施例１〜実施例３と同じ説明は省略する。

なお、実施例４と実施例１〜実施例３の主な違いは、実施例１〜実施例３の車両状態量推定装置１に出力値判断部２４を追加した車両状態量出力装置３０を構成したことであり、図１８〜図２０を用いて実施例４における車両状態量出力装置３０の処理概要を説明する。

図１８は、実施例４における車両状態量出力装置３０の概念図である。図１８に示すように、車両状態量出力装置３０は実施例１〜実施例３の車両状態量推定装置１に出力値判断部２４を追加した構成になっている。出力値判断部２４は、状態量推定部２３の出力である車両運動状態量推定値３００と、安定度判断部２１の出力である安定度判断結果と、外界認識手段２で検出した車両運動状態量検出値２００に基づいて、車両運動状態量推定値３００と車両運動状態量検出値２００のどちらを車両運動状態量出力値４００として出力するかを判断する。ここで、図１８には車両運動状態量出力値４００のみを出力する場合を記載しているが、必要に応じて安定度判断結果や更新パラメータ、車両運動状態量推定値３００を出力しても良く、車両状態量出力装置３０の出力値は限定しない。

図１９は、実施例４における車両状態量出力装置３０の出力値判断部２４の処理概要を示すフローチャートである。まず、出力値判断部２４は安定度判断部２１の出力である安定度判断結果を取得する（ステップＳ１９０１）。次にステップＳ１９０１で取得した安定度判断結果が安定判断であるか不安定判断であるかを判定し（ステップＳ１９０２）、安定判断である場合は（ステップＳ１９０２、ＹＥＳ）、外界認識手段２の検出値にパラメータを更新するための信頼性があると判断してステップＳ１９０３に進み、不安定判断である場合は（ステップＳ１９０２、ＮＯ）、外界認識手段２の検出値にパラメータを更新するための信頼性がないと判断してステップＳ１９０７に進み、推定値を出力して処理を終了する。ステップＳ１９０２において外界認識手段２の検出値にパラメータを更新するための信頼性があると判断された場合、１処理周期前の外界認識手段２で検出した車両運動状態量検出値２００と、状態量推定部２３で推定した推定値を取得する（ステップＳ１９０３）。ここで本実施例では、実施例１の図８で述べた車両状態量推定装置１の処理概要を示すフローチャートのＳＴＡＲＴからＥＮＤまでを１処理として定義する。次にステップＳ１９０３で取得した検出値、推定値の差である推定誤差を算出する（ステップＳ１９０４）。次にステップＳ１９０４で算出した推定誤差が所定の閾値に対して大きいか否かを判定し（ステップＳ１９０５）、大きい場合は（ステップＳ１９０５、ＹＥＳ）、推定値の精度が不十分と判断してステップＳ１９０６に進んで検出値を出力し、小さい場合は（ステップＳ１９０５、ＮＯ）、推定値の精度が必要十分であると判断してステップＳ１９０７に進んで推定値を出力し、処理を終了する。

図２０は、実施例４における車両状態量出力装置３０の検出値、検出値の誤差、安定期間のカウント値、推定誤差、推定値と検出値と出力値の時間変化を示す図である。図２０に示すように車両状態量出力装置３０は、安定判断期間であり、かつ推定誤差が閾値（ｄ）より大きい場合には検出値を出力値として出力し、それ以外では推定値を出力値として出力する。このように安定度判断結果および推定誤差の大きさに基づいて、車両状態量出力装置３０から出力する出力値を判断することで、車両状態量出力装置３０の中で真値に最も近い値を出力することができる。

実施例５では、実施例１〜実施例４との差分について説明し、実施例１〜実施例４と同じ説明は省略する。

なお、実施例５と実施例１〜実施例４の主な違いは、実施例１〜実施例４の車両１０にサスペンション制御ユニット４０と制御サスペンション装置４１を追加した車両１０’を構成したことであり、図２１〜図２４を用いて主に実施例５におけるサスペンション制御ユニット４０の処理概要を説明する。なお、実施例５における車両状態量推定装置１は、車両状態量出力装置３０であっても良い。

図２１は、実施例５における車両状態量推定装置１あるいは車両状態量出力装置３０を搭載した車両１０’の構成図を示したものである。図２１は、図７に対してサスペンション制御ユニット４０と制御サスペンション装置４１を追加した構成になっている。制御サスペンション装置４１は、減衰特性を調整可能な減衰力調整式のショックアブソーバあるいは車体と車輪の間の上下方向の力を調整可能なアクティブサスペンションである。サスペンション制御ユニット４０は、慣性センサやジャイロセンサなどの検出値や車両状態量推定装置１で更新した質量や重心位置などの更新パラメータに基づいて、乗心地制御やアンチロール制御などに必要な車両状態量を推定し、制御サスペンション装置４１の減衰特性あるいは上下方向の力を制御する制御信号を生成する。

次に図２２〜図２４を用いて車両状態量推定装置１で更新した更新パラメータを用いたサスペンション制御ユニット４０における乗心地制御、アンチロール制御、アンチダイブ・アンチスクワット制御の処理概要を説明する。

図２２は実施例５における制御サスペンション装置４１の１機能である乗心地制御を行うサスペンション制御ユニット４０の概念図である。サスペンション制御ユニット４０には、車両状態量推定装置１で更新された質量や重心位置などの更新パラメータや、慣性センサで検出したばね上上下加速度やばね下上下加速度などの車両運動状態量検出値１００が入力される。

サスペンション制御ユニット４０は、上下速度推定部４３と、目標減衰力算出部４４と、減衰力マップ４５を備える。

上下速度推定部４３は、車両状態量推定装置１の更新パラメータと車両運動状態量検出値１００を入力として、ばね上およびばね下の上下速度を推定する。

目標減衰力算出部４４は、上下速度推定部４２で推定した上下速度と車両運動状態量検出値１００に基づいて、制御サスペンション装置４１の目標減衰力を算出する。

減衰力マップ４５は、予め記憶された制御サスペンション装置４１の特性のマップ情報であり、目標減衰力算出部４４で算出した目標減衰力と車両運動状態量検出値１００を入力として、制御サスペンション装置４１を制御する指令電流を導出し、出力する。

図２３は実施例５における制御サスペンション装置４１の１機能であるアンチロール制御を行うサスペンション制御ユニット４０の概念図である。サスペンション制御ユニット４０には、車両状態量推定装置１で更新された質量や重心位置などの更新パラメータや、慣性センサで検出したばね上上下加速度やばね下上下加速度などの車両運動状態量検出値１００、舵角センサで検出した操舵角などのドライバ入力量検出値が入力される。

サスペンション制御ユニット４０は、主に車両運動モデル４６と、予め記憶されたロール制御ゲイン、ピッチ制御ゲインを備える。

車両運動モデル４６は、車両状態量推定装置１の更新パラメータと、車両運動状態量検出値１００と、ドライバ入力量検出値を入力として車両の横加速度を推定する。

サスペンション制御ユニット４０は、車両運動モデル４６で推定した横加速度を微分した横加加速度とロール制御ゲイン、車両運動モデル４６で推定した横加速度の絶対値とピッチ制御ゲインに基づいて、制御サスペンション装置４１を制御する指令電流を算出し、出力する。

図２４は実施例５における制御サスペンション装置４１の１機能であるアンチダイブ制御およびアンチスクワット制御を行うサスペンション制御ユニット４０の概念図である。サスペンション制御ユニット４０には、車両状態量推定装置１で更新された質量や重心位置などの更新パラメータと、ブレーキマスタシリンダ圧やエンジントルク、ギア位置などの車両運動状態量検出値１００が入力される。

サスペンション制御ユニット４０は、主に車両運動モデル４６と、予め記憶されたピッチ制御ゲインを備える。

車両運動モデル４６は、車両状態量推定装置１の更新パラメータと、車両運動状態量検出値１００を入力として車両の前後加速度を推定する。

サスペンション制御ユニット４０は、車両運動モデル４６で推定した前後加速度を微分した前後加加速度とピッチ制御ゲインに基づいて、制御サスペンション装置４１を制御する指令電流を算出し、出力する。

図２５と図２６は実施例５における更新パラメータを入力とした効果を示すシミュレーションの結果の一例である。図２５と図２６は共に高速うねり路において更新パラメータである質量の更新有無が乗心地に与える影響を比較した結果であり、図２５はフロア、Ｆｒタワー、Ｒｒタワーの上下加速度ＰＳＤ、図２６はフロア上下変位、ピッチ角、ロール角の時間変化を示す図である。図２５と図２６に示すようにパラメータ更新あり（本発明）は、予め記憶したロバスト性を考慮した設計時のパラメータを用いたパラメータ更新なし（従来方法）に対して、特にＲｒタワーの上下加速度ＰＳＤとピッチ角が小さくなっており、より高性能な乗心地制御が実現できる。

以上の構成により、最新の質量や重心位置などのパラメータを用いて高精度に推定したばね上上下速度や横加速度などの車両状態量に基づいてサスペンションを制御する指令電流を生成できるため、従来の予め記憶したロバスト性を考慮した設計時のパラメータを用いた場合より高性能なサスペンション制御を実現できる。また、質量や重心位置などが影響する予め記憶された減衰力マップやロール制御ゲイン、ピッチ制御ゲインは、最新の質量や重心位置などのパラメータを用いて更新することが望ましい。

実施例６では、実施例５との差分について説明し、実施例５と同じ説明は省略する。

なお、実施例６と実施例５の主な違いは、実施例５の車両１０’に車高センサ４２を追加した車両１０”を構成したことであり、図２７〜図２８を用いて主に実施例６におけるサスペンション制御ユニット４０の処理概要を説明する。

図２７は、実施例６における車両状態量推定装置１あるいは車両状態量出力装置３０を搭載した車両１０”の構成図を示したものである。図２７は、図２１に対して車高センサ４２を追加した構成になっている。

車高センサ４２は、路面と車体の相対的なｚ軸方向の距離、あるいは車両のサスペンションの変位量を検出する。サスペンション制御ユニット４０は、車高センサ４２などの各種センサの検出値や車両状態量推定装置１あるいは車両状態量出力装置３０の更新パラメータに基づいて制御サスペンション装置４１の減衰特性あるいは上下方向の力を制御する。車高センサ４２は、車体の右前側、左前側、右後側、左後側の上下変位ｚ_ｆｒ、ｚ_ｆｌ、ｚ_ｒｒ、ｚ_ｒｌを直接検出することができるため、車両の質量とばね上質量の更新値ｍ’、ｍ_ｂ’は、以下の式（２０）で表される方程式を用いて算出できる。

一般的に外界認識手段２で検出したピッチ角ψなどに基づいて算出した上下変位に比べて、車高センサ４２は上下変位を直接検出できるために精度が高く、車両状態量推定装置１あるいは車両状態量出力装置３０において高精度なパラメータ更新と、それを用いた高性能なサスペンション制御を実現できる。また、質量や重心位置、慣性モーメントは外界認識手段２および車高センサ４２の検出値から算出できるため、これらのパラメータに関してはどちらか一方が故障した場合であっても車両状態量推定装置１あるいは車両状態量出力装置３０によるパラメータ更新を継続することができる。

図２８は、質量ｍ_Ｐの質点が作用する車両に生じる上下変位を示す図である。図２８は、質量ｍ_Ｐの質点が作用する車体の右前側、左前側、右後側、左後側の上下変位ｚ_ｆｒ、ｚ_ｆｌ、ｚ_ｒｒ、ｚ_ｒｌが生じる様子を示したものである。この車体の上下変位を用いて、車体のロール角φとピッチ角ψは、以下の式（２１）で表される方程式を用いて算出できる。ここで本実施例では理解を容易にするために、車両前後輪のトレッド幅が等しいｄと仮定する。

この式（２１）を用いて算出したロール角φとピッチ角ψを外界認識手段２の検出値と比較することで、センサ故障の有無や検出値の信頼性を判断することができる。

実施例７では、実施例５および実施例６との差分について説明し、実施例５および実施例６と同じ説明は省略する。なお、実施例７と実施例５および実施例６の主な違いは、サスペンション制御ユニット４０で算出したタイヤの接地荷重に基づいて、車両状態量推定装置１がパラメータ更新の可否を判断することであり、図２９〜図３３を用いて、主に実施例７におけるサスペンション制御ユニット４０と車両状態量制御装置１あるいは車両状態量出力装置３０の処理概要を説明する。

図２９は、実施例７における車両状態量推定装置１’の概念図である。図２９に示すように、車両状態量推定装置１’は実施例１〜実施例３の車両状態量推定装置１のパラメータ更新部２２にサスペンション制御ユニット４０で算出したタイヤの接地荷重計算値を入力する構成になっている。なお、式（１５）などで述べたコーナリングパワーＫ_ｆ、Ｋ_ｒは接地荷重によって大きさが変化するため、車両運動状態量推定値３００の推定精度を向上させるためには接地荷重計算値を状態量推定部２３に入力する構成にすることが望ましい。また、接地荷重計算値は実施例４の車両状態量出力装置３０のパラメータ更新部２２に入力する構成であっても良い。

次にサスペンション制御ユニット４０におけるタイヤの接地荷重計算値の推定方法を説明する。

図３０は、１自由度の１／４車両モデルを示す図である。図３０は、質量ｍ_ｔのばね下上下変位ｚ_ｔによって質量ｍ_ｂのばね上が上下変位する様子を示したものである。ここでサスペンションのばね定数をＫ_ｓ、サスペンションの減衰係数をＣ_ｓ、ばね上の上下変位をｚ_ｂ、ばね下の上下変位をｚ_ｔ、タイヤの接地荷重をＷ_０とする。ばね上およびばね下の運動は、それぞれ以下の式（２２）、式（２３）で表される。

ここで式（２２）、式（２３）のサスペンションの減衰係数Ｃ_ｓには、制御サスペンション装置４１が減衰特性を調整可能な減衰力調整式のショックアブソーバの場合はサスペンション制御ユニット４０の指令電流に基づく減衰係数を入力する。また、車体と車輪の間の上下方向の力を調整可能なアクティブサスペンションの場合には、式（２２）、式（２３）の右辺をサスペンション制御ユニット４０で導出した上下方向の力に置き換える。また、ｄ^２ｚ_ｂ／ｄｔ^２、ｄ^２ｚ_t／ｄｔ^２は、ばね上およびばね下に設置した上下加速度センサの検出値およびそれらに基づく推定値に限定されるものではなく、例えば加速度センサ３や車高センサ４２などの検出値に基づく推定値であっても良い。

式（２３）のΔＷ_０は接地荷重の変動分であり、接地荷重Ｗ_０は静止時の接地荷重にこの変動分を加算した以下の式（２４）で表される。

以上の方法により、タイヤの接地荷重を算出することができる。

図３１は、実施例７における車両状態量推定装置１’のパラメータ更新部２２の処理概要を示すフローチャートである。図３１に示すフローチャートでは、パラメータを補正するにあたって、接地荷重変動周波数と接地荷重変動差の算出を行う。この接地荷重変動周波数と接地荷重変動差は、荒れた路面によって生じる接地荷重の振動や路面のくぼみによって生じる接地荷重の抜けなどのパラメータを補正する補正ゲインを導出するために算出する。まず、図３１の説明に先立ち、図３１の理解が容易になるように、図３２、図３３を用いて接地荷重変動差の算出方法について説明する。

図３２は、重心点１１に作用する加速度に伴う荷重移動を示す図である。図３２は、前後加速度Ｇ_ｘと横加速度Ｇ_ｙが作用するばね上質量ｍ_ｂの車両の各タイヤに接地荷重の変動量ΔＷ_ｆｌ、ΔＷ_ｆｒ、ΔＷ_ｒｌ、ΔＷ_ｒｒが生じる様子を示したものである。なお、図３２は理解が容易になるように、車体のロール角φおよびピッチ角ψが生じないと仮定した一例であり、より詳細に荷重移動を算出する場合には車体のロール角φおよびピッチ角ψに伴う荷重移動を考慮することが望ましい。

図３３は、カント角σのバンク路を走行する車両の重心点１１に作用する加速度を示す図である。なお、図３３は理解が容易になるように、車体のロール角φおよび車両の横すべり角βなどが生じないと仮定した一例であり、より詳細に荷重移動を算出する場合にはそれらを考慮して荷重移動を計算することが望ましい。

図３２、図３３に示したモデルを用いて、各タイヤの接地荷重の変動量ΔＷ_ｆｌ、ΔＷ_ｆｒ、ΔＷ_ｒｌ、ΔＷ_ｒｒの算出方法の一例を説明する。車両が一定の加速度を持ち、重心点１１に一定の慣性力が働いていると仮定した場合、接地荷重変動量の推定値ΔＷ_ｆｌ、ΔＷ_ｆｒ、ΔＷ_ｒｌ、ΔＷ_ｒｒは、以下の式（２５）で表される。

ここで式（２５）の右辺第一項は前後加速度Ｇｘに伴う接地荷重変動量、右辺第二項は左右加速度Ｇｙに伴う接地荷重変動量、右辺第三項はカント角σによって生じる上下加速度の変化に伴う接地荷重変動量である。また、式（２５）で用いるカント角σは、以下の式（２６）で表される方程式で算出できる。

次に接地荷重変動差ΔＷ_ＦＹ、ΔＷ_ＲＹ、ΔＷ_ＬＸ、ΔＷ_ＲＸは、サスペンション制御ユニット４０から入力された最新の接地荷重をＷ_ｆｌ、Ｗ_ｆｒ、Ｗ_ｒｌ、Ｗ_ｒｒ、最新の静止時の接地荷重をＷ_ｆｌ０、Ｗ_ｆｒ０、Ｗ_ｒｌ０、Ｗ_ｒｒ０として、式（２５）、式（２６）から算出した接地荷重変動量の推定値ΔＷ_ｆｌ、ΔＷ_ｆｒ、ΔＷ_ｒｌ、ΔＷ_ｒｒを用いて、以下の式(２７)で表される。

ここで式（２７）の第一式は前輪左右の接地荷重変動量の計算値と推定値の差、第二式は後輪左右の接地荷重変動量の計算値と推定値の差、第三式は左輪前後の接地荷重変動量の計算値と推定値の差、第四式は右輪前後の接地荷重変動量計算値と推定値の差である。

図３１に戻り、実施例７における車両状態量推定装置１’のパラメータ更新部２２の処理概要を示すフローチャートを説明する。

まず、実施例７のパラメータ更新部２２は、サスペンション制御ユニット４０で算出した接地荷重計算値を取得する（ステップＳ３１０１）。ここで本実施例では、図８で述べた車両状態量推定装置１の処理概要を示すフローチャートのＳＴＡＲＴからＥＮＤまでを１処理として定義する。

次にステップＳ３００１で取得した接地荷重計算値をＦＦＴ処理することで接地荷重の変動周波数を算出する（ステップＳ３１０２）。

次に前後加速度Ｇ_ｘや横加速度Ｇ_ｙ、ヨーレートｒなどの検出値と、式（２５）と式（２６）に基づいて接地荷重変動量推定値を算出する（ステップＳ３１０３）。

次にステップＳ３１０３で算出した接地荷重変動量推定値と、ステップＳ３１０１で取得した接地荷重計算値と、式（２７）に基づいて接地荷重変動差を算出する（ステップＳ３１０４）。

次にステップＳ３１０２で算出した接地荷重変動周波数、ステップＳ３１０４で算出した接地荷重変動差に基づいて補正ゲインを算出する。補正ゲインの算出方法としては、接地荷重変動周波数と接地荷重変動差を入力とし、予め記憶された補正ゲインマップに基づいて導出する方法が考えられるが、数式であっても良く、補正ゲインを算出する方法を限定しない。

ステップＳ３１０５では、ステップＳ３１０５で算出した補正ゲインを用いてパラメータを補正する。補正する方法はパラメータに補正ゲインを乗算する方法が考えられるが、除算する方法であっても良く、補正ゲインによるパラメータの補正方法を限定しない。

以上の構成により、外界認識手段２の検出値が不安定な状態で、接地荷重の変動が大きい悪路を走行している場合であっても接地状態に応じた適切なパラメータを用いることができるため、状態量推定部２３においてより高精度な推定や、サスペンション制御ユニット４０においてより高性能なサスペンション制御を実現できる。

１：車両状態量推定装置
２：外界認識手段
３：加速度センサ
４：ジャイロセンサ
５：操舵角センサ
６：車輪速センサ
７：タイヤ
８：駆動制御ユニット
９：ブレーキ制御ユニット
１０、１０’：車両
１１：重心点
１２：ロール軸
１３：ピッチ軸
１４：重心点（設計値）
１５：重心点（更新値）
１６：質点
２１：安定度判断部
２２：パラメータ更新部
２３：状態量推定部
２４：出力値判断部
３０：車両状態量出力装置
４０：サスペンション制御ユニット
４１：制御サスペンション装置
４２：車高センサ
４３：上下速度推定部
４４：目標減衰力算出部
４５：減衰力マップ
４６：車両運動モデル
１００：車両状態量検出値
２００：車両状態量検出値

Claims (5)

1. 加速度センサまたはジャイロセンサの検出値と、外界認識手段の検出値が入力され、該加速度センサまたは前記ジャイロセンサの検出値と車両の質量、重心位置、慣性モーメント、およびコーナリングパワーのいずれかを含む車両パラメータとに基づいて、前記車両の車体の横すべり角、横方向速度、ロール角、および、ピッチ角のいずれかを含む車両の状態量を推定する車両状態量推定装置であって、
   前記車両状態量推定装置は、安定度判断部と、パラメータ更新部とを備え、
   前記安定度判断部は、所定の期間における前記加速度センサまたは前記ジャイロセンサの検出値の時間積分値と前記外界認識手段の検出値との差が所定の値より小さい場合に、前記外界認識手段の検出値が安定していると判断し、
   前記パラメータ更新部は、前記安定度判断部により前記外界認識手段の検出値が安定していると判断した場合に、前記外界認識手段の検出値を用いて、前記車両パラメータを更新することを特徴する車両状態量推定装置。
2. 前記加速度センサまたは前記ジャイロセンサの検出値と、前記外界認識手段の検出値を入力として、前記車両パラメータを出力する特性マップを予め備え、前記特性マップに基づいて前記車両パラメータを更新することを特徴とする請求項１に記載の車両状態量推定装置。
3. 前記車両パラメータは所定の上限値および所定の下限値の範囲内で更新されることを特徴とする請求項１に記載の車両状態量推定装置。
4. 請求項１から３のいずれか一項に記載の車両状態量推定装置で更新された車両パラメータを入力され、前記車両を制御する制御指令値を出力する車両運動制御装置であって、
   前記更新された車両パラメータと、前記加速度センサまたは前記ジャイロセンサの検出値と異なる第２の検出値に基づいて、前記車両状態量推定装置で更新された前記車両の状態量と異なる第二の車両の状態量を推定し、前記制御指令値を出力することを特徴とする車両運動制御装置。
5. 路面のくぼみを検出する手段と、前記路面のくぼみの検出値を入力とする特性マップまたはゲインを備え、前記特性マップまたはゲインを用いて、前記車両パラメータを更新することを特徴とする請求項４に記載の車両運動制御装置。

Images