JP7413895B2 - 路面μ推定装置 - Google Patents

Description

本発明は、路面μ推定装置に関する。

従来、車両の運動方程式から得られる状態方程式と、観測値を示す観測方程式とに基づいて、オブザーバを構成するものがある（例えば、特許文献１）。特許文献１には、車両が走行する路面の路面摩擦係数である路面μを推定できるようにした路面μ推定装置が開示されている。

特許文献１に記載の路面μ推定装置では、観測値にノイズを含むことを考慮して、オブザーバとして拡張カルマンフィルタを構成することで、路面μの推定値である路面μ推定値の推定精度を高めるようにしている。

特許第５７０７７９０号公報

ところで、車両が走行する路面の実際の路面μは、例えば、車両がアスファルト路から凍結路に進入等すると、その前後で大きく変化することが予測される。こうした状況では、路面μ推定値の推定精度として高い精度を得るための推定応答性が足りなければ、路面μ推定値が実際の路面μの大きな変化を追従することができなくなる。つまり、実際の路面μが大きく急速に変化する状況では、実際の路面μと、路面μの推定値との間に差を生じてしまい、路面μ推定値の推定精度が低下する可能性がある。

本発明の目的は、実際の路面μが大きく急速に変化する状況であっても、路面μ推定値の推定精度の低下を抑制できる路面μ推定装置を提供することになる。

上記課題を解決する路面μ推定装置は、路面の路面摩擦係数である路面μを状態変数とし、前記路面μを変数に含む観測値を持つ非線形カルマンフィルタを用いて前記路面μの推定値である路面μ推定値を演算するものにおいて、前記路面μ推定値のばらつき具合を示す指標として、システムノイズ分散値を演算するシステムノイズ分散値演算部と、前記観測値が含むノイズである観測ノイズのばらつき具合を示す指標として、観測ノイズ分散値を演算する観測ノイズ分散値演算部と、前記路面μ推定値を演算するなかで得られる前記観測値の推定値である観測推定値と前記観測値との偏差である観測偏差に関し、前記観測偏差の過去のばらつき具合を示す指標に対して新たに得られる前記観測偏差のずれ具合を示す指標を演算し、当該指標を前記路面μの変化量を示すμ変化量として演算するμ変化量演算部と、前記システムノイズ分散値と、前記観測ノイズ分散値とに基づいて、前記非線形カルマンフィルタにおける前記路面μ推定値の修正量を示すカルマンゲインを演算するカルマンゲイン演算部と、を備え、前記システムノイズ分散値演算部は、前記システムノイズ分散値を演算する際に、前記μ変化量を加味するようにしている。

上記構成によれば、観測値は、路面μを変数として含むため、実際の路面μに変化があると、その影響が観測偏差についてのばらつき具合として現れる。つまり、観測偏差のばらつき具合は、路面μの変化具合の指標として用いることができる。これにより、路面μ推定値のばらつき具合を示す指標としてμ変化量を加味して演算されるシステムノイズ分散値は、実際の路面μに変化があれば、その変化量に応じて変化するようになる。そして、システムノイズ分散値が変化するということは、当該システムノイズ分散値に基づき演算されるカルマンゲインが変化するということである。その結果、路面μ推定値は、μ変化量に応じたカルマンゲインのもとで修正された値として演算されるようになる。

上記構成では、例えば、車両がアスファルト路から凍結路に進入等して、実際の路面μが変化すると、この変化をμ変化量として捉えることができるようになる。これに対して、μ変化量が大きければ、当該μ変化量が加味されたシステムノイズ分散値に基づいて、路面μ推定値の修正量を大きくするようにカルマンゲインが変化する。この場合、路面μ推定値の推定応答性を一時的に高めることができるようになる。これにより、実際の路面μが大きく急速に変化する状況では、こうした変化を素早く検出して、当該変化に対して素早く追従することができるようになる。したがって、実際の路面μが大きく急速に変化する状況であっても、路面μ推定値の推定精度の低下を抑制することができる。

これを実現する場合、具体的には、前記μ変化量は、当該μ変化量に対して前記システムノイズ分散値が比例するように、当該システムノイズ分散値の係数として演算されるものである。

また、上記路面μ推定装置において、前記μ変化量は、前記観測偏差について過去のばらつき具合を示す指標からなる情報群があることを前提とし、当該情報群に対して新たに得られる前記観測偏差のずれ具合を定量的に示すマハラノビス距離であることが好ましい。

ここで、マハラノビス距離では、過去の情報群に対して新たに得られる情報のずれ具合として相関性を考慮した距離で定量的に検出することができるといった特徴がある。
つまり、上記構成によれば、システムノイズ分散値の係数として、マハラノビス距離を用いることで、実際の路面μの変化を定量的にシステムノイズ分散値に反映させることができるようになる。これにより、実際の路面μの変化がシステムノイズ分散値を通じてカルマンゲインに反映され、実際の路面μの変化に応じた推定応答性が設定されるようになる。したがって、実際の路面μの変化に適した推定応答性で路面μ推定値を演算することができる。

上記を実現する場合、具体的には、前記観測値として、車両に生じている横加速度及びヨーレートと、車両の転舵輪を上方から見た場合の転舵の中心のアライニングトルクとを少なくとも含むものである。

また、上記路面μ推定装置において、前記非線形カルマンフィルタは、拡張カルマンフィルタであることが好ましい。
上記構成によれば、非線形カルマンフィルタとして拡張カルマンフィルタを採用することで、路面μ推定装置の汎用性を高める点で効果的である。

本発明の路面μ推定装置によれば、実際の路面μが大きく変化する状況であっても、路面μの推定値の推定精度の低下を抑制することができる。

第１実施形態の車両用制御装置の概略構成図。 路面μ推定装置の機能を示すブロック図。 路面μ推定装置が構成する拡張カルマンフィルタの機能を示すブロック図。 （ａ）は路面μの変化を示す図、（ｂ）はμ変化量の変化を示す図。 路面μ推定値の推定応答性について本実施形態の適用ありと適用なしとを比較して示す図。 第２実施形態の車両用制御装置の概略構成図。

（第１実施形態）
以下、路面μ推定装置を車両の作動を制御する車両用制御装置に適用した第１実施形態を図面に従って説明する。

図１に示すように、車両Ａは、当該車両Ａの作動を制御する車両用制御装置Ｂを備えている。車両Ａは、車両用制御装置Ｂの制御対象となる操舵装置１を備えている。操舵装置１は、当該操舵装置１の作動を制御する操舵制御装置２を備えている。操舵制御装置２は、車両用制御装置Ｂのなかで、車両Ａの作動として操舵装置１の作動を制御する。操舵装置１は、運転者によるステアリングホイール３の操作であるステアリング操作に基づいて転舵輪４を転舵させる操舵機構５を備えている。また、操舵装置１は、操舵機構５にステアリング操作を補助するためのアシスト力を付与するアクチュエータ６を備えている。つまり、本実施形態において、操舵装置１は、運転者によるステアリング操作を補助する電動パワーステアリング装置である。

操舵機構５は、ステアリングホイール３が固定されるステアリングシャフト１１と、ステアリングシャフト１１に連結された転舵軸であるラック軸１２と、ラック軸１２が往復動可能に挿通されるハウジングであるラックハウジング１３とを備えている。また、操舵機構５は、ステアリングシャフト１１の回転をラック軸１２の軸線方向の往復動に変換するラックアンドピニオン機構１４を備えている。なお、ステアリングシャフト１１は、ステアリングホイール３が位置する側から順にコラム軸１５、中間軸１６、及びピニオン軸１７を連結することにより構成されている。

ラック軸１２とピニオン軸１７とは、ラックハウジング１３内に所定の交差角をもって配置されている。ラックアンドピニオン機構１４は、ラック軸１２に設けられたラック歯１２ａとピニオン軸１７に設けられたピニオン歯１７ａとが噛合されることで構成されている。また、ラック軸１２の両端には、その軸端部に設けられたボールジョイントからなるラックエンド１８を介してタイロッド１９がそれぞれ駆動可能に連結されている。タイロッド１９の先端は、転舵輪４が組付けられた図示しないナックルに連結されている。したがって、操舵装置１では、ステアリング操作に伴うステアリングシャフト１１の回転がラックアンドピニオン機構１４によりラック軸１２の軸方向移動に変換され、この軸方向移動がタイロッド１９を介してナックルに伝達されることにより、転舵輪４の転舵角、すなわち車両の進行方向が変更される。

アクチュエータ６は、駆動源であるモータ２７と、ウォームアンドホイール等の減速機構２２とを備えている。モータ２７は減速機構２２を介してコラム軸１５に連結されている。そして、アクチュエータ６は、モータ２７の回転を減速機構２２により減速してコラム軸１５に伝達することによって、モータトルクをアシスト力として操舵機構５に付与する。なお、本実施形態のモータ２７には、三相のブラシレスモータが採用されている。

操舵制御装置２は、モータ２７に接続されており、その作動を制御する。なお、操舵制御装置２は、図示しない中央処理装置（ＣＰＵ）やメモリを備えており、所定の演算周期ごとにメモリに記憶されたプログラムをＣＰＵが実行する。これにより、各種の制御が実行される。

操舵制御装置２には、車両の車速値Ｖを検出する車速センサ３１、及び運転者の操舵によりステアリングシャフト１１に付与された操舵トルクＴｈを検出するトルクセンサ３２が接続されている。また、操舵制御装置２には、モータ２７の回転角θｍを３６０°の範囲内で検出する回転センサ３３が接続されている。なお、操舵トルクＴｈ及び回転角θｍは、例えば右方向に操舵した場合に正の値、左方向に操舵した場合に負の値として検出する。そして、操舵制御装置２は、これら各センサから入力される車両Ａの走行状態によって変化する変数を示す信号に基づいて、モータ２７に駆動電力を供給することにより、アクチュエータ６の作動、すなわち操舵機構５にラック軸１２を往復動させるべく付与するアシスト力を制御する。

また、車両用制御装置Ｂは、路面μ推定装置４０、統合制御装置４１、警告制御装置４２、エンジン制御装置４３、及びブレーキ制御装置４４を含んでいる。路面μ推定装置４０は、車両用制御装置Ｂが制御対象の作動を制御する際に最適な制御を行うことができるようにするための情報として、車両Ａが走行する路面の路面摩擦係数である路面μに関わる情報を各装置２，４１に対して提供する。本実施形態において、路面μに関わる情報は、実際の路面μを推定した情報である路面μ推定値μｅである。そして、操舵制御装置２は、路面μ推定装置４０が提供する路面μ推定値μｅに基づいて、当該路面μ推定値μｅが低く、車両Ａが凍結路に進入等したことを判断できる場合に、その旨を操舵装置１のアクチュエータ６の制御を通じて運転者に知らせたり、車両Ａの走行が安定するようにアシストしたりする。なお、以下の説明では、「＾（ハット）」の記号の替わりに「ｅ」を付すことで推定値を表すようにしている。

また、統合制御装置４１は、車両用制御装置Ｂのなかで、操舵制御装置２や、警告制御装置４２や、エンジン制御装置４３や、ブレーキ制御装置４４を制御する。そして、統合制御装置４１は、路面μ推定装置４０が提供する路面μ推定値μｅに基づいて、車両Ａが安全に走行できるように、操舵制御装置２や、警告制御装置４２や、エンジン制御装置４３や、ブレーキ制御装置４４を統合的に制御するための各種指示を行う。

警告制御装置４２は、統合制御装置４１の指示に基づいて、車両Ａに設けられた各種異常を運転者等に知らせるための図示しない各種の警告装置の作動を制御する。そして、警告制御装置４２は、統合制御装置４１の指示に基づいて、路面μ推定値μｅが低く車両Ａが凍結路に進入等した旨を警告したりする。

また、エンジン制御装置４３は、統合制御装置４１の指示に基づいて、車両Ａに搭載される図示しない内燃機関である、例えばエンジンの作動を制御する。そして、エンジン制御装置４３は、統合制御装置４１の指示に基づいて、路面μ推定値μｅが低く車両Ａが凍結路に進入等した場合に当該車両Ａの走行が安定するようにエンジンの回転数を変更したりする。

また、ブレーキ制御装置４４は、統合制御装置４１の指示に基づいて、車両Ａに搭載される図示しないブレーキ機構の作動を制御する。そして、ブレーキ制御装置４４は、統合制御装置４１の指示に基づいて、路面μ推定値μｅが低く車両Ａが凍結路に進入等した場合に当該車両Ａの走行が安定するようにブレーキ機構の制動量を変更したりする。

ここで、路面μ推定装置４０について詳しく説明する。
路面μ推定装置４０には、車両の車速値Ｖを検出する車速センサ３１の他、車両Ａの重心点を通る上下方向のｚ軸周りの回転角速度であるヨーレートｒを検出するヨーレートセンサ３４と、車両Ａの前後方向に対して鉛直な幅方向であるｙ軸方向に作用する加速度である横加速度ａｙを検出する横加速度センサ３５とが接続されている。また、路面μ推定装置４０には、操舵制御装置２に構成される機能であるラック軸力推定装置３６が出力するラック軸力推定値ＲＦｅが入力されるようになっている。ラック軸力推定装置３６は、操舵制御装置２で得られる情報に基づいて、ラック軸１２に作用する軸力であるラック軸力を推定した情報であるラック軸力推定値ＲＦｅを演算するオブザーバ等で構成されている。ラック軸力推定装置３６は、ラック軸力推定値ＲＦｅを演算すると、当該ラック軸力推定値ＲＦｅを路面μ推定装置４０に対して提供するように出力する。本実施形態において、ラック軸力推定装置３６は、ラック軸力を検出するためのセンサとしての機能を果たす。つまり、路面μ推定装置４０には、ラック軸力を検出するためのセンサとして機能するラック軸力推定装置３６が接続されている。そして、路面μ推定装置４０は、これら各センサから入力される車両Ａの走行状態によって変化する物理量を示す信号を変数として、路面μ推定値μｅを演算する。

次に、路面μ推定装置４０の機能について説明する。
路面μ推定装置４０は、図示しない中央処理装置（ＣＰＵ）やメモリを備えており、所定の演算周期ごとにメモリに記憶されたプログラムをＣＰＵが実行する。これにより、各種の処理が実行される。

図２に、路面μ推定装置４０が実行する処理の一部を示す。図２に示す処理は、メモリに記憶されたプログラムをＣＰＵが実行することで実現される処理の一部を、実現される処理の種類毎に記載したものである。

路面μ推定装置４０は、路面μ推定値μｅを状態変数として持つ推定値の出力である状態推定量ｘｅを演算するために必要な観測量ｙを演算する観測値演算部５１を備えている。また、路面μ推定装置４０は、状態推定量ｘｅを演算するとともに、観測量ｙを推定した情報であり、状態推定量ｘｅを演算するために必要な観測推定量ｙｅを演算する推定値演算部５２を備えている。また、路面μ推定装置４０は、後述の拡張カルマンフィルタでの推定値である状態推定量ｘｅの修正量を示すカルマンゲインＫを演算するゲイン演算部５３を備えている。

具体的には、観測値演算部５１には、横加速度ａｙと、ヨーレートｒと、ラック軸力推定値ＲＦｅとが入力される。観測値演算部５１は、ラック軸力推定値ＲＦｅに基づいて、転舵輪４に作用する力であるタイヤ力として当該転舵輪４のキングピン軸周りの力であるキングピントルクＴｋｐａを演算する。具体的には、観測値演算部５１は、タイロッド１９の軸方向に作用するタイロッドフォースに近似されるラック軸力推定値ＲＦｅと、車両Ａの仕様により定まるナックルアーム長との積により観測値としてのキングピントルクＴｋｐａを演算する。上記観測値としてのキングピントルクＴｋｐａは、タイヤ横力と、キャスタートレイルとの積に対して、タイヤアライニングトルクを加算したもので近似できることが知られている。そして、観測値演算部５１は、横加速度ａｙ、ヨーレートｒ、キングピントルクＴｋｐａを観測値とする３次の観測量ｙ［ａｙ，ｒ，Ｔｋｐａ］（３×１行列）を演算する。こうして得られた観測量ｙは、減算器５４に出力される。

推定値演算部５２には、回転角θｍと、車速値Ｖと、カルマンゲインＫとが入力される。推定値演算部５２は、回転角θｍと、車速値Ｖとを後述の入力量ｕとして、路面μのダイナミクスモデル、すなわち路面μを変数に含むモデルとして、例えば、２輪２自由度平面車両モデルに基づいて、状態推定量ｘｅと、観測推定量ｙｅとを演算する。推定値演算部５２は、車体すべり角βを推定した情報である車体すべり角推定値βｅ、ヨーレートｒを推定した情報であるヨーレート推定値ｒｅ、路面μ推定値μｅを推定値とする３次の状態推定量ｘｅ［βｅ，ｒｅ，μｅ］（３×１行列）を演算する。なお、車体すべり角βは、車両Ａの前後方向と車両進行方向との間の当該車両Ａの重心点を通る鉛直軸周りの角度である。こうして演算された状態推定量ｘｅは、路面μ推定値μｅを示す情報として、各装置２，４１に出力される。本実施形態では、車両Ａの作動を制御する際に車体すべり角βを考慮することができるように車体すべり角推定値βｅを状態変数として持つように状態推定量ｘｅを設定するようにしている。また、本実施形態では、ヨーレートｒをオフセットしたり、各種のノイズを除去したりすることができるようにヨーレート推定値ｒｅを状態変数として持つように状態推定量ｘｅを設定するようにしている。

また、推定値演算部５２は、横加速度ａｙを推定した情報である横加速度推定値ａｙｅ、ヨーレート推定値ｒｅ、キングピントルクＴｋｐａを推定した情報であるキングピントルク推定値Ｔｋｐａｅを推定値とする３次の観測推定量ｙｅ［ａｙｅ，ｒｅ，Ｔｋｐａｅ］（３×１行列）を演算する。こうして得られた観測推定量ｙｅは、観測量ｙから減算して減算器５４を通じて得られる観測偏差Δｙとしてゲイン演算部５３に出力される。

ゲイン演算部５３には、観測偏差Δｙが入力される。ゲイン演算部５３は、観測量ｙに対する観測推定量ｙｅの誤差である観測偏差Δｙに基づいて、当該観測偏差Δｙを減らすべく推定値演算部５２が状態推定量ｘｅを修正するための修正量を調整する機能を有するカルマンゲインＫを演算する。こうして得られたカルマンゲインＫは、推定値演算部５２に出力される。

そして、本実施形態において、路面μ推定装置４０は、状態推定量ｘｅを演算する手法として、観測値演算部５１、推定値演算部５２、及びゲイン演算部５３で非線形カルマンフィルタの一種である拡張カルマンフィルタＥＫＦを構成し、当該拡張カルマンフィルタＥＫＦを用いた推定オブザーバを構成している。

次に、本実施形態において、路面μ推定装置４０が構成する拡張カルマンフィルタＥＫＦについて詳しく説明する。以下の説明では、図３中、符号に付す括弧：（）は時刻を意味し、ハイフン：-は現在に対して前回の情報に基づき推定した状態であることを意味する。

図３に示すように、拡張カルマンフィルタＥＫＦは、現在の状態推定量ｘｅ（ｋ）を演算するために、当該現在に対して前回の情報に基づき現在の状態を予測して事前推定する処理と、当該事前推定を通じて予測した状態を修正するように更新、すなわち補正して事後推定する処理とを行う。つまり、拡張カルマンフィルタＥＫＦは、事前推定し、当該事前推定の結果を事後推定を通じて補正し、これを繰り返す結果、より実際の値に近い状態推定量ｘｅを演算できるようにするものである。

ここで、拡張カルマンフィルタＥＫＦは、状態推定量ｘｅを演算するのに用いる状態方程式ｆ（ｘ，ｕ）として、路面μを変数に含むモデルに基づき定義される所定の運動方程式を設定し、当該運動方程式に離散化を施して得られる下記式（１）を設定している。所定の運動方程式は、例えば、回転角θｍから演算される転舵輪４の舵角の情報である転舵角θｔ、車速値Ｖの２次の入力量u［θｔ，Ｖ］（２×１行列）と、車体すべり角β、ヨーレートｒ、路面μの３次の状態量ｘ［β，ｒ，μ］とを関係づけるものであればよい。

式（１）において、状態量ｘは、状態方程式ｆ（ｘ，ｕ）に対して、当該状態方程式ｆ（ｘ，ｕ）が含みうるモデルや変数に対して生じる誤差であるシステムノイズｗを加味して得られる結果である。

また、拡張カルマンフィルタＥＫＦは、状態推定量ｘｅを演算するのに用いる観測方程式ｈ（ｘ，ｕ）として、路面μを変数に含むモデルに基づき定義される所定の運動方程式を設定し、当該運動方程式に離散化を施して得られる下記式（２）を設定している。所定の運動方程式は、例えば、状態量ｘ及び入力量u［θｔ，Ｖ］（２×１行列）と、観測量ｙ［ａｙ，ｒ，Ｔｋｐａ］とを関係づけるものであればよい。

式（２）において、観測量ｙは、観測方程式ｈ（ｘ，ｕ）に対して、当該観測方程式ｈ（ｘ，ｕ）が含みうる観測時に生じる誤差である観測ノイズｖを加味して得られる結果である。

なお、式（１）及び式（２）を導出する際に用いる離散化の方法としては、積分法や双一次変換等、種々の方法を採用することができる。
そして、拡張カルマンフィルタＥＫＦは、上記式（１）を主に用いて事前推定を行う事前推定処理部Ｅｐｒｉと、上記式（１）によって得られる結果が反映される上記式（２）を主に用いて事後推定を行う事後推定処理部Ｅｐｏｓとを備えている。事前推定処理部Ｅｐｒｉは、現在である時刻「ｋ」以前、すなわち当該現在に対して前回である時刻「ｋ－１」の状態推定量ｘｅ（ｋ－１）を基に、当該時刻「ｋ」の値を予測した値である事前推定量ｘ-e（ｋ）と、当該事前推定量ｘ-eの推定の精度を示す指標である事前確率Ｐ-とを状態方程式ｆ（ｘ，ｕ）に基づき演算するように事前推定を行う。事後推定処理部Ｅｐｏｓは、現在である時刻「ｋ」での観測量ｙ（ｋ）や、観測推定量ｙｅや、事前推定処理部Ｅｐｒｉが演算した事前確率Ｐ-を基に、事前推定処理部Ｅｐｒｉが演算した事前推定量ｘ-e（ｋ）を補正して時刻「ｋ」での状態推定量ｘｅ（ｋ）を演算するように事後推定を行う。

具体的には、事前推定処理部Ｅｐｒｉは、事前推定量ｘ-eを演算する事前推定量演算部６１と、システムノイズｗのばらつき具合を示す指標としてシステムノイズ分散値Ｑを演算するシステムノイズ分散値演算部６２と、事前推定量ｘ-eのばらつき具合を示す指標として事前確率Ｐ-を演算する事前確率演算部６３とを備えている。なお、本実施形態では、システムノイズ分散値Ｑは共分散値であり、事前確率Ｐ-は共分散行列である。

事後推定処理部Ｅｐｏｓは、観測推定量ｙｅを演算する観測推定量演算部７１と、カルマンゲインＫを演算するカルマンゲイン演算部７２と、観測ノイズｖのばらつき具合を示す指標として観測ノイズ分散値Ｒを演算する観測ノイズ分散値演算部７３と、事後推定量として状態推定量ｘｅを演算する事後推定量演算部７４とを備えている。また、事後推定処理部Ｅｐｏｓは、状態推定量ｘｅのばらつき具合を示す指標として事後確率Ｐを演算する事後確率演算部７５と、実際の路面μの変化量を示すμ変化量として路面μ変化距離λμを演算する路面μ変化距離演算部７６とを備えている。なお、本実施形態では、観測ノイズ分散値Ｒは共分散値であり、事後確率Ｐは共分散行列である。

本実施形態において、事前推定処理部Ｅｐｒｉの事前推定量演算部６１と、事後推定処理部Ｅｐｏｓの観測推定量演算部７１及び事後推定量演算部７４とは、図２中、推定値演算部５２に対応する。また、事前推定処理部Ｅｐｒｉのシステムノイズ分散値演算部６２及び事前確率演算部６３と、事後推定処理部Ｅｐｏｓのカルマンゲイン演算部７２、観測ノイズ分散値演算部７３、事後確率演算部７５、及び路面μ変化距離演算部７６とは、図２中、ゲイン演算部５３に対応する。なお、路面μ変化距離演算部７６はμ変化量演算部の一例である。

以下、事前推定処理部Ｅｐｒｉの機能について説明する。
事前推定量演算部６１には、上記事後推定量演算部７４で演算された時刻「ｋ」に対して時刻「ｋ－１」での状態推定量ｘｅ（ｋ－１）と、時刻「ｋ」での入力量ｕ（ｋ）とが入力される。事前推定量演算部６１は、状態推定量ｘｅ（ｋ－１）と、入力量ｕ（ｋ）とに基づいて、上記式（１）で示した状態方程式ｆ（ｘ，ｕ）による下記式（３），（４）を用いて、時刻「ｋ」での事前推定量ｘ-e（ｋ）を演算する。

本実施形態において、状態方程式ｆ（ｘ，ｕ）は、公知の２輪２自由度平面車両モデルに基づき定義される運動方程式に離散化を施したものである。上記式（４）において、「Ｆｙｆ」は路面から前輪のタイヤに作用する車両Ａの幅方向の力であるタイヤ横力、「Ｆｙｒ」は路面から後輪のタイヤに作用する車両Ａの幅方向の力であるタイヤ横力、「Ｍ」は車両重量、「Ｉｚ」は車両のヨー慣性を示す。また、上記式（４）において、「ｌｆ」は車両重心から前輪の車軸までの車両の前後方向距離である前輪ホイールベース、「ｌｒ」は車両重心から後輪の車軸までの車両の前後方向距離である後輪ホイールベースを示す。タイヤ横力Ｆｙｆ，Ｆｙｒの関数は、車両Ａの前後方向とタイヤ進行方向との間の転舵輪４の重心点を通る鉛直軸周りの角度である前後輪のタイヤのタイヤすべり角αｆ，αｒと、タイヤ横力Ｆｙｆ，Ｆｙｒとを関係づける、路面μを変数に含む、例えば、公知のｆｉａｌａモデルやＢｒｕｓｈモデルやＭＦモデル等である。上記式（４）において、タイヤ横力Ｆｙｆ，Ｆｙｒの関数のうち、状態推定量ｘｅ及び入力量ｕの時刻やハイフンについては便宜上省略している。

また、タイヤ横力Ｆｙｆ，Ｆｙｒの関数で用いるタイヤすべり角αｆ，αｒは、車体すべりβ、各ホイールベースｌｆ，ｌｒ、ヨーレートｒ、転舵角θｔ、車速値Ｖとの関係を定義する下記式（５），（６）を用いて演算される。

こうして得られた事前推定量ｘ-e（ｋ）は、観測推定量演算部７１、カルマンゲイン演算部７２、及び事後推定量演算部７４に出力される。

システムノイズ分散値演算部６２には、上記事前推定量演算部６１に入力されたのと同様の状態推定量ｘｅ（ｋ－１）と、上記路面μ変化距離演算部７６で演算される時刻「ｋ－１」での路面μ変化距離λμ（ｋ－１）とが入力される。システムノイズ分散値演算部６２は、状態推定量ｘｅ（ｋ－１）と、路面μ変化距離λμ（ｋ－１）とに基づいて、下記式（７），（８），（９）を用いて、時刻「ｋ－１」でのシステムノイズ分散値Ｑ（ｋ－１）を演算する。

上記式（７）は、上記式（９）で得られるシステムノイズ分散値Ｑμ（ｋ－１）に上記式（８）で示す状態量ｘのうち路面μに関連するヤコビアンＦμ（ｋ－１）を用いた線形近似を施して得られるものに対して、路面μ変化距離λμ（ｋ－１）を係数として得られるものをシステムノイズ分散値Ｑ（ｋ－１）と定義することを示す。上記式（８）は、路面μについて状態推定量ｘｅ（ｋ－１）周りでのヤコビアンＦμ（ｋ－１）を示す。上記式（９）は、路面μ推定値μｅのばらつき具合を示す指標として、状態量ｘのうち路面μに関するシステムノイズ分散値Ｑμ（ｋ－１）、すなわち路面μ推定分散値σμ^2（二乗）を演算することを示す。なお、路面μ変化距離λμについては後で詳しく説明する。

こうして得られたシステムノイズ分散値Ｑ（ｋ－１）は、事前確率演算部６３に出力される。
事前確率演算部６３には、上記事前推定量演算部６１に入力されたのと同様の状態推定量ｘｅ（ｋ－１）と、上記システムノイズ分散値演算部６２で演算されるシステムノイズ分散値Ｑ（ｋ－１）と、上記事後確率演算部７５で演算される時刻「ｋ－１」での事後確率Ｐ（ｋ－１）とが入力される。事前確率演算部６３は、状態推定量ｘｅ（ｋ－１）と、システムノイズ分散値Ｑ（ｋ－１）と、事後確率Ｐ（ｋ－１）とに基づいて、下記式（１０），（１１）を用いて、時刻「ｋ」での事前確率Ｐ-（ｋ）を演算する。

上記式（１０）は、事後確率Ｐ（ｋ－１）に対して、上記式（１１）で示す状態量ｘに関連する状態推定量ｘｅ（ｋ－１）周りでのヤコビアンＦ（ｋ－１）を用いた線形近似を施したものと、上記式（７）で示すシステムノイズ分散値Ｑ（ｋ－１）とを加算して事前確率Ｐ-（ｋ）を演算することを示す。

こうして得られた事前確率Ｐ-（ｋ）は、カルマンゲイン演算部７２及び事後確率演算部７５に出力される。
このように、事前推定処理部Ｅｐｒｉは、事前推定量ｘ-eを推定するが、当該事前推定量ｘ-eには上記式（１）で示したようにモデルや変数に対して生じる誤差が含まれているので、その影響で事前推定量ｘ-eの推定の精度がどの程度になるか事前確率Ｐ-として演算しておくものである。

次に、事後推定処理部Ｅｐｏｓの機能について説明する。
観測推定量演算部７１には、上記事前推定量演算部６１で演算された事前推定量ｘ-e（ｋ）と、上記事前推定量演算部６１に入力されたのと同様の入力量ｕ（ｋ）とが入力される。観測推定量演算部７１は、事前推定量ｘ-e（ｋ）と、入力量ｕ（ｋ）とに基づいて、上記式（２）で示した観測方程式ｈ（ｘ，ｕ）による下記式（１２），（１３）を用いて、時刻「ｋ」での観測推定量ｙｅ（ｋ）を演算する。

本実施形態において、観測方程式ｈ（ｘ，ｕ）は、事前推定量ｘ-e（ｋ）及び入力量u（ｋ）と、観測推定量ｙｅである横加速度推定値ａｙｅ、ヨーレート推定値ｒｅ、キングピントルクＴｋｐａとを関係づける運動方程式に離散化を施したものである。上記式（１３）において、タイヤ横力Ｆｙｆ，Ｆｙｒの関数は、上記式（４）と同様、路面μを変数に含む、例えば、公知のＦｉａｌａモデルやＢｒｕｓｈモデルやＭａｇｉｃ ｆｏｒｍｕｌａ（ＭＦ）モデル等である。なお、タイヤ横力Ｆｙｆ，Ｆｙｒの関数のうち、状態推定量ｘｅ及び入力量ｕの時刻やハイフンについては便宜上省略している。上記式（１３）において、「Ｍｚｆ」はセルフアライニングトルク、「ｔｃａｓｔｅｒ」はキャスタートレイルを示す。

こうして得られた観測推定量ｙｅ（ｋ）は、観測値演算部５１で演算された観測量ｙから減算して減算器７７を通じて得られる時刻「ｋ」での観測偏差Δｙ（ｋ）として事後推定量演算部７４及び路面μ変化距離演算部７６に出力される。

カルマンゲイン演算部７２には、上記事前推定量演算部６１で演算された事前推定量ｘ-e（ｋ）と、上記事前確率演算部６３で演算された事前確率Ｐ-（ｋ）と、観測ノイズ分散値演算部７３で演算された観測ノイズ分散値Ｒ（ｋ）とが入力される。観測ノイズ分散値Ｒは、所定のヤコビアンを用いた線形近似を施して得られる所定の観測ノイズ分散値Ｒ（ｋ）として観測ノイズ分散値演算部７３で演算されるものであり、本実施形態では予め定められた定数である。カルマンゲイン演算部７２は、事前推定量ｘ-e（ｋ）と、事前確率Ｐ-（ｋ）と、観測ノイズ分散値Ｒ（ｋ）とに基づいて、下記式（１４），（１５）を用いて、時刻「ｋ」でのカルマンゲインＫ（ｋ）を演算する。

上記式（１４）は、上記式（１５）で示す状態量ｘに関連する事前推定量ｘ-e（ｋ）周りでのヤコビアンＨ（ｋ）を用いた線形近似を施してカルマンゲインＫ（ｋ）を演算することを示す。つまり、カルマンゲインＫ（ｋ）は、ヤコビアンＨ（ｋ）の転置行列が乗算される結果、状態推定量ｘｅと同一次元での修正量を定数化するように線形近似が施されている。

こうして得られたカルマンゲインＫ（ｋ）は、事後推定量演算部７４及び事後確率演算部７５に出力される。
事後推定量演算部７４には、上記事前推定量演算部６１で演算された事前推定量ｘ-e（ｋ）と、観測偏差Δｙ（ｋ）と、上記カルマンゲイン演算部７２で演算されたカルマンゲインＫ（ｋ）とが入力される。事後推定量演算部７４は、事前推定量ｘ-e（ｋ）と、観測偏差Δｙ（ｋ）と、カルマンゲインＫ（ｋ）とに基づいて、下記式（１６）を用いて、時刻「ｋ」での状態推定量ｘｅ（ｋ）を演算する。

上記式（１６）において、「ｙ（ｋ）－ｙｅ（ｋ）」は、観測偏差Δｙ（ｋ）を示す。

こうして得られた状態推定量ｘｅ（ｋ）は、前回値保持部７８を通じて時刻「ｋ－１」で保持された前回の情報である状態推定量ｘｅ（ｋ－１）として事前推定量演算部６１に出力される。また、状態推定量ｘｅ（ｋ）は、各装置２，４１に出力される。

事後確率演算部７５には、上記事前確率演算部６３で演算される事前確率Ｐ-（ｋ）と、上記カルマンゲイン演算部７２で演算されるカルマンゲインＫ（ｋ）とが入力される。事後確率演算部７５は、事前確率Ｐ-（ｋ）と、カルマンゲインＫ（ｋ）とに基づいて、下記式（１７）を用いて、時刻「ｋ」での事後確率Ｐ（ｋ）を演算する。

上記式（１７）は、事前確率Ｐ-（ｋ）に対して、上記式（１５）で示す状態量ｘに関連する事前推定量ｘ-e（ｋ）周りでのヤコビアンＨ（ｋ）を用いた線形近似を施して事後確率Ｐ（ｋ）を演算することを示す。この場合、カルマンゲインＫ（ｋ）は、上記式（１４）でヤコビアンＨ（ｋ）の転置行列が乗算されるのに対して、ヤコビアンＨ（ｋ）が乗算される結果、状態推定量ｘｅと同一次元での修正量を示すように線形近似が施されている。

こうして得られた事後確率Ｐ（ｋ）は、前回値保持部７９を通じて時刻「ｋ－１」で保持された前回の情報である事後確率Ｐ（ｋ－１）として事前確率演算部６３に出力される。また、事後確率Ｐ（ｋ）は、路面μ変化距離演算部７６に出力される。

路面μ変化距離演算部７６には、観測偏差Δｙ（ｋ）と、ヤコビアンＨ（ｋ）と、上記事後確率演算部７５で演算される事後確率Ｐ（ｋ）と、上記観測ノイズ分散値演算部７３で演算される観測ノイズ分散値Ｒ（ｋ）とが入力される。路面μ変化距離演算部７６は、観測偏差Δｙ（ｋ）と、ヤコビアンＨ（ｋ）と、事後確率Ｐ（ｋ）と、観測ノイズ分散値Ｒ（ｋ）とに基づいて、下記式（１８）を用いて、時刻「ｋ」での路面μ変化距離λμ（ｋ）を演算する。

上記式（１８）は、事前確率Ｐ-（ｋ）に対して上記式（１５）で示す状態量ｘに関連する事前推定量ｘ-e（ｋ）周りでのヤコビアンＨ（ｋ）を用いた線形近似を施した正定値対称行列である観測偏差Δｙについて過去のばらつき具合を示す指標からなる指標と、観測偏差Δｙ（ｋ）とを用いて路面μ変化距離λμ（ｋ）を演算することを示す。そして、上記式（１８）は、観測偏差Δｙについて過去のばらつき具合を示す指標である「（Ｈ）・（Ｐ-）・（Ｈ：転置行列）＋Ｒ」からなる情報群があることを前提とし、当該情報群に対して新たに得られる観測偏差Δｙ（ｋ）のずれ具合を定量的に示すマハラノビス距離を演算することを示す。そして、観測偏差Δｙ（ｋ）が上記情報群からずれるということは、観測量ｙを観測する環境、すなわち車両Ａが走行する路面の実際の路面μが変化したことを示す。つまり、本実施形態では、観測偏差Δｙのばらつき具合を示す指標に対して新たに得られる観測偏差Δｙ（ｋ）のずれ具合を、実際の路面μの変化量を示すμ変化量、すなわち路面μ変化距離λμとして用いるようにしている。

こうして得られた路面μ変化距離λμ（ｋ）は、システムノイズ分散値演算部６２に出力される。
このように、事後推定処理部Ｅｐｏｓは、観測偏差Δｙに基づき演算するカルマンゲインＫを用いて状態推定量ｘｅを補正するとともに、当該状態推定量ｘｅを補正する結果で状態推定量ｘｅの推定の精度がどの程度になるか事後確率Ｐとして演算しておくものである。

以下、本実施形態の作用を説明する。
本実施形態によれば、観測量ｙは、路面μを変数として含むため、実際の路面μに変化があると、その影響が観測偏差Δｙについてのばらつき具合、すなわち路面μ変化距離λμとして現れる。つまり、路面μ変化距離λμは、路面μの変化具合の指標として用いることができる。

上記式（７）に示したように、こうした路面μ変化距離λμは、当該路面μ変化距離λμの変化に対してシステムノイズ分散値Ｑが比例して変化するように、当該システムノイズ分散値Ｑの係数として演算される。

これにより、路面μ変化距離λμを加味して演算されるシステムノイズ分散値Ｑは、実際の路面μに変化があれば、その変化量に応じて変化するようになる。そして、システムノイズ分散値Ｑが変化するということは、当該システムノイズ分散値Ｑに基づき演算されるカルマンゲインＫが変化するということである。その結果、状態推定量ｘｅ、すなわち路面μ推定値μｅは、路面μ変化距離λμに応じたカルマンゲインＫのもとで修正された値として演算されるようになる。

具体的には、図４（ａ），（ｂ）に示すように、本実施形態では、例えば、車両Ａがアスファルト路から凍結路に進入等して、実際の路面μが変化すると、この変化を路面μ変化距離λμとして捉えることができるようになる。

この場合、図４（ａ）に示すように、凍結路での路面μの値を「μ０」、アスファルト路での路面μの値を「μ１」とし、例えば、時刻ｔ１，ｔ２，ｔ３，ｔ４，ｔ５にて、車両Ａがアスファルト路及び凍結路の間で進入及び脱出を繰り返すと、それぞれのタイミングで路面μが変化する。

これら路面μが変化したことは、図４（ｂ）に示すように、路面μの変化がほとんど見られない場合の値を「λ０」、路面μの変化が見られる場合の値を「λ１」とし、時刻ｔ１，ｔ２，ｔ３，ｔ４，ｔ５にて、路面μ変化距離λμの「λ１」を超える大きなピークとして現れる。なお、「λ１」は、車両Ａがアスファルト路と及び凍結路の間で進入又は脱出したことを判定できるとして実験的に求められる範囲の値に設定される。この路面μ変化距離λμとして現れる大きなピークに連動し、当該路面μ変化距離λμが加味されたシステムノイズ分散値Ｑに基づいて、路面μ推定値μｅの修正量を大きくするようにカルマンゲインが変化する。

この場合、図５に実線で示すように、路面μ変化距離λμが大きければ、図中に破線で示す本実施形態の適用ありの場合、図中に一点鎖線で示す本実施形態の適用なしの場合と比較して路面μ推定値μｅの推定応答性を高めることができる。すなわち、本実施形態では、車両Ａがアスファルト路及び凍結路の間で進入及び脱出を繰り返す時刻ｔ１，ｔ２，ｔ３，ｔ４，ｔ５のそれぞれにて、路面μ推定値μｅの推定応答性を一時的に高めることができるようになる。

以下、本実施形態の効果を説明する。
（１）本実施形態では、図５に示すように、実際の路面μが大きく変化する状況では、こうした変化を素早く検出して、当該変化に対して素早く追従することができるようになる。図５の場合、図中に破線で示す本実施形態の適用ありの場合、図中に一点鎖線で示す本実施形態の適用なしの場合と比較して、追従にかかる時間を時間偏差Δｔ分短縮することができる。したがって、実際の路面μが大きく急速に変化する状況であっても、路面μ推定値μｅの推定精度の低下を抑制することができる。

（２）本実施形態では、路面μ変化距離λμとして、観測偏差Δｙについて過去のばらつき具合を示す指標からなる情報群があることを前提とし、当該情報群に対して新たに得られる観測偏差Δｙ（ｋ）のずれ具合を定量的に示す距離であるマハラノビス距離を用いるようにしている。

そして、マハラノビス距離では、過去の情報群に対して新たに得られる情報のずれ具合として相関性を考慮した距離で定量的に検出することができるといった特徴がある。
つまり、本実施形態によれば、システムノイズ分散値Ｑの係数として、マハラノビス距離を用いることで、実際の路面μの変化を定量的にシステムノイズ分散値Ｑに反映させることができるようになる。これにより、実際の路面μの変化がシステムノイズ分散値Ｑを通じてカルマンゲインＫに反映され、実際の路面μの変化に応じた推定応答性が設定されるようになる。したがって、実際の路面μの変化に適した推定応答性で路面μ推定値μｅを演算することができる。

（３）本実施形態では、非線形カルマンフィルタとして拡張カルマンフィルタを採用することで、路面μ推定装置４０の汎用性を高める点で効果的である。
（第２実施形態）
次に、路面μ推定装置の第２実施形態について説明する。なお、既に説明した実施形態と同一構成等は、同一の符号を付す等して、その重複する説明を省略する。

図６に示すように、本実施形態の操舵制御装置１０１は、上記第１実施形態で備えていたラック軸力推定装置３６を備えないものである。そして、本実施形態の操舵装置１は、各種のセンサとして、ハブユニットセンサ３７（図１中、左側の左前輪センサ３７Ｌ及び右側の右前輪センサ３７Ｒ）がある。左前輪センサ３７Ｌは、左前ハブユニットＨＬに設けられている。右前輪センサ３７Ｒは、右前ハブユニットＨＲに設けられている。左前輪センサ３７Ｌは、左側の転舵輪４の回転速度である車輪速を検出する他、路面と、左側の転舵輪４との間に発生する力として、当該転舵輪４に作用する力を検出する。右前輪センサ３７Ｒは、右側の転舵輪４の回転速度である車輪速を検出する他、路面と、右側の転舵輪４との間に発生する力として、当該転舵輪４に作用する力を検出する。

ここで、一例として、ハブユニット（例えば、特開２００９－１３３６８０号公報参照）に設けられる各前輪センサ３７Ｒ，３７Ｌについて詳しく説明する。
図６に示すように、ハブユニットセンサ３７は、転舵輪４を、車載される内燃機関の動力を伝達する図示しないドライブシャフトとともに車体に対して回転自在に支持する軸受装置としての各ハブユニットＨＬ，ＨＲに内蔵されている。つまり、本実施形態の各ハブユニットＨＬ，ＨＲは、路面と、転舵輪４との間に発生する力として、当該転舵輪４に作用する力を直接的に検出することができるセンサ機能付きのハブユニットである。

左前輪センサ３７Ｌは、左側の転舵輪４に作用する力に基づいて、車両Ａの前後方向であるｘ軸方向の荷重Ｆｘ、車両Ａの幅方向であるｙ軸方向の荷重Ｆｙ、車両Ａの上下方向であるｚ軸方向の荷重Ｆｚ、ｘ軸回りのモーメント荷重Ｍｘ、ｚ軸回りのモーメント荷重Ｍｚをそれぞれ演算する。これは、右前輪センサ３７Ｒについても同様であり、各前輪センサ３７Ｌ，３７Ｒの間で、各種荷重Ｆｘ，Ｆｙ，Ｆｚ，Ｍｘ，Ｍｚの正負の方向が一致している。これら各種荷重Ｆｘ，Ｆｙ，Ｆｚ，Ｍｘ，Ｍｚ（単位：Ｎ（ニュートン）またはＮｍ（ニュートンメートル））は、車両の車速等の走行状態に応じても変化するものであり、車速等の要素も含む成分である。

本実施形態において、各前輪センサ３７Ｌ，３７Ｒは、転舵輪４において検出されるｙ軸方向の荷重Ｆｙを示す情報であるタイヤ横力Ｆｙｆと、ｚ軸回りの荷重Ｍｚを示す情報である前輪の前輪モーメント荷重Ｍｚｆとを路面μ推定装置１０２に対して出力する。

すなわち、本実施形態の路面μ推定装置１０２には、ラック軸力推定装置３６が出力するラック軸力推定値ＲＦｅが入力される替わりに、転舵輪４に設けられたハブユニットセンサ３７から得られるタイヤ横力Ｆｙｆ及び前輪モーメント荷重Ｍｚｆが入力されるようになっている。つまり、路面μ推定装置１０２は、転舵輪４に設けられたハブユニットセンサ３７から入力されるタイヤ横力Ｆｙｆ及び前輪モーメント荷重Ｍｚｆに基づいて、観測量ｙのキングピントルクＴｋｐａを演算する。

本実施形態によれば、上記第１実施形態の作用及び効果に対応する作用及び効果を奏する他、以下の効果を奏する。
（４）本実施形態のように、観測量ｙを演算する際にラック軸力推定装置３６が出力するラック軸力推定値ＲＦｅの替わりに、転舵輪４に設けられたハブユニットセンサ３７から得られるタイヤ横力Ｆｙｆ及び前輪モーメント荷重Ｍｚｆを用いる場合、サスペンションやステアリング各部の摩擦ロスがなくなる。このため、キングピントルクＴｋｐａとしてより精度の高い値を得ることができるようになる。したがって、路面μ推定値μｅの推定精度を高めるのに効果的である。

上記各実施形態は次のように変更してもよい。また、以下の他の実施形態は、技術的に矛盾しない範囲において、互いに組み合わせることができる。
・上記各実施形態では、μ変化量として、路面μの変化具合を検出できるのであれば、マハラノビス距離である路面μ変化距離λμの代わりに、ユークリッド距離や、標準偏差等、他の統計で用いる指標を用いるようにしてもよい。

・上記各実施形態では、上記式（８）に示したシステムノイズ分散値Ｑを演算する際に用いるヤコビアンとして、少なくとも路面μ推定値μｅに関するヤコビアンであればよく、車体すべり角推定値βｅや、ヨーレート推定値ｒｅを考慮した状態量ｘに関するヤコビアンを設定するようにしてもよい。

・上記各実施形態では、状態方程式ｆ（ｘ）として、路面μを変数に含むモデルに基づいたものであればよく、例えば、より多自由度の車両モデルを用いることもできる。この場合、入力量ｕ（ｋ）は、用いるモデルに基づいた変数を入力とするように変更される。

・上記各実施形態では、状態方程式ｆ（ｘ）のなかでタイヤ横力Ｆｙｆ，Ｆｙｒの関数として、路面μを変数に含むモデルに基づいたものであればよく、より複雑なモデルを用いることもできる。

・上記各実施形態では、観測方程式ｈ（ｘ）として、路面μを変数に含むモデルに基づいたものであればよく、より複雑なモデルを用いることもできる。この場合、入力量ｕ（ｋ）は、用いるモデルに基づいた変数を入力とするように変更される。

・上記各実施形態では、車速値Ｖとして、例えば、上記第２実施形態のようにハブユニットセンサ３７から得られる転舵輪４の回転速度である車輪速から演算することもできる。その他、車速値Ｖは、車両ＡにＧＰＳ（Global Positioning System）用の人工衛星からの測位信号を受信するＧＰＳセンサが設けられている場合には当該ＧＰＳセンサから演算してもよい。

・上記各実施形態では、状態推定量ｘｅとして、少なくとも車体すべり角推定値βｅ、路面μ推定値μｅの２次であればよく、前述のヨーレートｒについては入力量としてもよい。またすべり角センサやＧＰＳセンサによって車体すべり角βを測定できる場合、状態推定量ｘｅは路面μ推定値μｅの１次であってもよい。なお、車体すべり角βの代わりにタイヤすべり角αｆ，αｒを状態推定量や、入力量としてもよい。これらの場合、状態量ｘや観測量ｙや観測推定量ｙｅは、状態推定量ｘｅの変更に合わせて変更される。

・上記各実施形態において、操舵装置１は、キングピントルクＴｋｐａを直接検出できる機能を有していてもよく、例えば、タイロッド１９にひずみゲージ等の力センサを設けるようにしてもよい。

・上記第２実施形態では、観測量ｙとして、路面μを変数に少なくとも含んでいればよく、例えば、キングピントルクＴｋｐａの替わりにタイヤ横力Ｆｙｆ，Ｆｙｒを変数とした４次で構成することもできる。この場合、後輪には、転舵輪４に設けられているハブユニットセンサ３７と同様のハブユニットセンサが設けられるようにする。その他、観測量ｙは、観測方程式ｈ（ｘ）として、ｘ軸方向の加減速であったり、前後方向であるｘ軸方向の荷重Ｆｘを考慮するようにしてもよい。

・上記各実施形態において、上記各式で示した演算のなかで考慮する変数の時刻については、現在の時刻「ｋ」の替わりに前回の時刻「ｋ－１」を用いるようにしたり、前回の時刻「ｋ－１」の替わりに現在の時刻「ｋ」を用いるようにしたり、目的に合わせて適宜変更可能である。

・上記各実施形態では、路面μ推定装置４０，１０２として、非線形カルマンフィルタを構成すればよく、例えば、Ｕｎｓｃｅｎｔｅｄカルマンフィルタ（ＵＫＦ）や、アンサンブルカルマンフィルタ（ＥｎＫＦ）等を構成することもできる。

・上記各実施形態において、路面μ推定装置４０，１０２は、操舵制御装置２の機能として付加したり、統合制御装置４１の機能として付加したりしてもよい。
・上記各実施形態では、路面μ推定値μｅの利用の仕方として、車両Ａの走行が安定するように利用すればよく、上述した例の他、例えば、前輪又は後輪の左右の駆動力の配分を調整するために利用することもできる。

・上記第２実施形態において、各ハブユニットＨＬ，ＨＲでは、転舵輪４に作用する力に基づいて、タイヤ横力Ｆｙｆや前輪モーメント荷重Ｍｚｆを少なくとも出力することができるように構成されていればよい。このような条件を満たすのであれば、各ハブユニットＨＬ，ＨＲにおいて、各前輪センサ３７Ｌ，３７Ｒは、超音波検出式や、磁気検出式や、歪みゲージを用いた接触式等、センサの仕様は問わない。

・上記第２実施形態において、操舵制御装置１０１は、上記第１実施形態と同様にラック軸力推定装置３６を備えていてもよい。
・上記各実施形態において、路面μ推定装置４０，１０２を構成するＣＰＵは、コンピュータプログラムを実行する１つ以上のプロセッサ、あるいは各種処理のうち少なくとも一部の処理を実行する特定用途向け集積回路等の１つ以上の専用ハードウェア回路、あるいは上記プロセッサ及び上記専用ハードウェア回路の組み合わせを含む回路としてもよい。また、メモリには、汎用または専用のコンピュータでアクセスできるあらゆる利用可能な媒体によって構成してもよい。これは、操舵制御装置２等、各制御装置２，４１，４２，４３，４４，１０１についても同様である。

・上記各実施形態は、操舵装置１を、モータ２７の回転をラック軸１２に伝達することによって、モータトルクをアシスト力として操舵機構５に付与する、所謂、ラックアシスト型の操舵装置として実現することもできる。また、上記各実施形態は、ステアリングホイール３と、転舵輪４との間の動力伝達路が分離可能な構造とし、ステアバイワイヤ式の操舵装置として実現することもできる。この場合、ステアリングホイール３と、転舵輪４との間の動力伝達路は、機械的に常時分離した構造であってもよいし、クラッチにより分離可能な構造であってもよい。

４０，１０２…路面μ推定装置
６２…システムノイズ分散値演算部
７２…カルマンゲイン演算部
７３…観測ノイズ分散値演算部
７６…路面μ変化距離演算部
Ａ…車両
ＥＫＦ…拡張カルマンフィルタ（非線形カルマンフィルタ）

Claims (5)

1. 路面の路面摩擦係数である路面μを状態変数とし、前記路面μを変数に含む観測値を持つ非線形カルマンフィルタを用いて前記路面μの推定値である路面μ推定値を演算する路面μ推定装置において、
   前記路面μ推定値のばらつき具合を示す指標として、システムノイズ分散値を演算するシステムノイズ分散値演算部と、
   前記観測値が含むノイズである観測ノイズのばらつき具合を示す指標として、観測ノイズ分散値を演算する観測ノイズ分散値演算部と、
   前記路面μ推定値を演算するなかで得られる前記観測値の推定値である観測推定値と前記観測値との偏差である観測偏差に関し、前記観測偏差の過去のばらつき具合を示す指標に対して新たに得られる前記観測偏差のずれ具合を示す指標を演算し、当該指標を前記路面μの変化量を示すμ変化量として演算するμ変化量演算部と、
   前記システムノイズ分散値と、前記観測ノイズ分散値とに基づいて、前記非線形カルマンフィルタにおける前記路面μ推定値の修正量を示すカルマンゲインを演算するカルマンゲイン演算部と、を備え、
   前記システムノイズ分散値演算部は、前記システムノイズ分散値を演算する際に、前記μ変化量を加味する
   ことを特徴とする路面μ推定装置。
2. 前記μ変化量は、当該μ変化量に対して前記システムノイズ分散値が比例するように、当該システムノイズ分散値の係数として演算されるものである請求項１に記載の路面μ推定装置。
3. 前記μ変化量は、前記観測偏差について過去のばらつき具合を示す指標からなる情報群があることを前提とし、当該情報群に対して新たに得られる前記観測偏差のずれ具合を定量的に示すマハラノビス距離である請求項２に記載の路面μ推定装置。
4. 前記観測値として、車両に生じている横加速度及びヨーレートと、車両の転舵輪を上方から見た場合の転舵の中心のアライニングトルクとを少なくとも含んでいる請求項１～請求項３のうちいずれか一項に記載の路面μ推定装置。
5. 前記非線形カルマンフィルタは、拡張カルマンフィルタである請求項１～請求項４のうちいずれか一項に記載の路面μ推定装置。