JP7456867B2 - ハイブリッド車両の制御装置 - Google Patents

ハイブリッド車両の制御装置 Download PDF

Info

Publication number
JP7456867B2
JP7456867B2 JP2020116442A JP2020116442A JP7456867B2 JP 7456867 B2 JP7456867 B2 JP 7456867B2 JP 2020116442 A JP2020116442 A JP 2020116442A JP 2020116442 A JP2020116442 A JP 2020116442A JP 7456867 B2 JP7456867 B2 JP 7456867B2
Authority
JP
Japan
Prior art keywords
output
electric motor
hybrid vehicle
engine
allocated
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2020116442A
Other languages
English (en)
Other versions
JP2022014219A (ja
Inventor
敬之 山根
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hino Motors Ltd
Original Assignee
Hino Motors Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hino Motors Ltd filed Critical Hino Motors Ltd
Priority to JP2020116442A priority Critical patent/JP7456867B2/ja
Publication of JP2022014219A publication Critical patent/JP2022014219A/ja
Application granted granted Critical
Publication of JP7456867B2 publication Critical patent/JP7456867B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/60Other road transportation technologies with climate change mitigation effect
    • Y02T10/62Hybrid vehicles
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/60Other road transportation technologies with climate change mitigation effect
    • Y02T10/70Energy storage systems for electromobility, e.g. batteries
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/60Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/60Other road transportation technologies with climate change mitigation effect
    • Y02T10/72Electric energy management in electromobility

Landscapes

  • Electric Propulsion And Braking For Vehicles (AREA)
  • Hybrid Electric Vehicles (AREA)

Description

本発明は、ハイブリッド車両の制御装置に関する。
従来、ハイブリッド車両の制御装置に関する技術として、例えば特許文献1に記載の技術が知られている。特許文献1の技術では、アシストマップを用いて要求トルクがエンジンと電動機とに配分され、配分されたトルクがエンジンECU及びインバータECUに指示される。エンジン及び電動機のそれぞれトルクが配分された場合は、エンジン及び電動機の出力トルクが変速機を介して左右の駆動輪に伝達される。電動機にトルクが配分されない場合は、電動機からトルクは発生せず、エンジンのみによって要求トルクが出力される。電動機にのみトルクが配分される場合は、クラッチが切断された状態で電動機により要求トルクの出力が行われる。
特開2011-68241号公報
上述のようなハイブリッド車両においては、内燃機関の出力を用いないで電動機が発電した回生により得た電気エネルギを力行に使用することにより、内燃機関の負荷を低減し、内燃機関を高効率に運転することが図られている。しかしながら、相対的に加減速の少ない巡航走行等では、回生で電気エネルギを得ることが難しくなる。そのため、更なる燃費向上を図る余地が残されていた。
本発明は、相対的に加減速の少ない走行条件下で内燃機関をより高効率に運転することが可能となるハイブリッド車両を提供することを目的とする。
本発明のハイブリッド車両の制御装置は、内燃機関と電動機とを含む駆動源を制御するハイブリッド車両の制御装置であって、駆動源の要求出力を取得する要求出力取得部と、ハイブリッド車両の走行状態を取得する走行状態取得部と、要求出力と走行状態とに基づいて、電動機に出力又は吸収させる電動機割当出力とを算出する割当出力算出部と、を備え、割当出力算出部は、ダイナミックプログラミング手法を用いた事前シミュレーションにより入力値に対応させて出力するように実施された学習の学習結果に基づいて予め算出された電動機割当出力を記憶し、入力値は、所定時間内における、要求出力と、内燃機関の回転数と、電動機からのバッテリへの入力電流と、バッテリの充電状態とを含み、入力電流は、内燃機関の出力を用いないで電動機が発電した回生電流と、内燃機関の出力を用いて電動機が発電した発電電流と、を含む。
本発明の一態様に係るハイブリッド車両の制御装置では、電動機割当出力は、入力値に対応させて出力するように実施された学習の学習結果に基づいて予め算出される。入力値は、所定時間内における、要求出力と、内燃機関の回転数と、電動機からのバッテリへの入力電流と、バッテリの充電状態とを含み、入力電流は、内燃機関の出力を用いないで電動機が発電した回生電流と、内燃機関の出力を用いて電動機が発電した発電電流と、を含む。すなわち、電動機割当出力を予め算出する学習では、内燃機関の出力を用いないで電動機が発電した回生電流だけでなく、内燃機関の出力を用いて電動機が発電した発電電流が電動機からのバッテリへの入力電流として用いられる。ここで、相対的に加減速の少ない走行条件下では、例えば内燃機関の出力を用いないで電動機が発電する回生電流よりも、内燃機関の出力を用いて電動機が発電する発電電流の方を得る方が容易である場合が多い。そのため、電動機割当出力を予め算出するための学習に、内燃機関の出力を用いて電動機が発電する発電電流も含めることにより、相対的に加減速の少ない走行条件下で得た電気エネルギを力行に使用することが容易となる。よって、ハイブリッド車両の制御装置によれば、相対的に加減速の少ない走行条件下で内燃機関をより高効率に運転することが可能となる。
一実施形態において、割当出力算出部は、電動機に吸収させる電動機割当出力を設定する場合、電動機に吸収させる電動機割当出力を設定しない場合と比べて内燃機関の燃料消費率が大きくなるように、電動機割当出力の絶対値の大きさを設定してもよい。この場合、電動機に吸収させる出力に相当する負荷増加を利用して、内燃機関を効率的に運転させることができる。
本発明によれば、相対的に加減速の少ない走行条件下で内燃機関をより高効率に運転することが可能となる。
一実施形態のハイブリッド車両の制御装置を備える車両を例示する概略構成図である。 ハイブリッド車両の情報処理を説明するための概念図である。 図3(a)は、トルク配分生成部の学習工程のうち事前シミュレーション工程を説明する図である。図3(b)は、トルク配分生成部の学習工程のうち対応付け工程を説明する図である。図3(c)は、トルク配分生成部の学習工程のうち対応関係学習工程を説明する図である。図3(d)は、トルク配分生成部の学習工程のうち実装工程を説明する図である。 図4(a)は、最適化マップに基づき生成されるアシストマップの一例である。図4(b)は、比較例に係るアシストマップである。 図5は、ニューラルネットワークを構成するニューロンを例示する図である。 図6は、ニューラルネットワークの全体構成を例示する図である。 図7(a)は、ニューラルネットワークの入力層の重み及び閾値のテーブルである。図7(b)は、ニューラルネットワークの中間層の重み及び閾値のテーブルである。図7(c)は、ニューラルネットワークの出力層の重み及び閾値のテーブルである。 図8は、HVECUの詳細なブロック構成を例示する図である。 図9は、ニューラルネットワークに入力するバッテリ投入可能電力量を例示する図である。 図10は、アシストマップ初期化処理を示すフローチャートである。 図11は、アシストマップ更新処理を示すフローチャートである。
以下、本発明の実施形態について図面を参照して説明する。なお、以下の説明において、同一又は相当要素には同一符号を用い、重複する説明は省略する。
[ハイブリッド車両の構成]
図1に示されるように、ハイブリッド車両1は、エンジン(内燃機関)2及びモータジェネレータ(電動機)3を駆動力源として備えるハイブリッド車両である。ハイブリッド車両1は、利用する駆動力源を適宜切り替えると共に、各駆動力源からの駆動力の割合を変更しながら走行する。ハイブリッド車両の制御装置10は、詳しくは後述するように、各駆動力源からの駆動力の割合を算出するための装置である。
ハイブリッド車両1は、例えば、差込みプラグを用いてバッテリに直接給電可能なプラグインハイブリッド車両である。ハイブリッド車両1は、例えばバスやトラック等の商用車である。ハイブリッド車両1は、特に限定されるものではなく、大型車両や中型車両、普通乗用車、小型車両又は軽車両等の何れであってもよい。また、ハイブリッド車両1は、プラグインハイブリッド車両以外のハイブリッド車両であってもよい。以下では、まず、ハイブリッド車両1の構成について説明した後、ハイブリッド車両の制御装置10の構成について説明する。
ハイブリッド車両1は、エンジン2と、モータジェネレータ3と、AMT(AMT:Automated Manual Transmission)4と、バッテリ6と、インバータ7と、電動架装8と、を備えている。AMT4は、クラッチ5を含んで構成されており、エンジン2とモータジェネレータ3とは、クラッチ5を介して互いに接続されている。
エンジン2は、例えばディーゼルエンジンである。エンジン2の動作は、例えば、ドライバのアクセル操作量に応じて取得されるドライバ要求出力に基づいて、エンジン2と通信可能に接続されたエンジンECU(ECU:Electronic Control Unit)11によって制御される。
モータジェネレータ3は、ハイブリッド車両1の駆動力源として機能する。モータジェネレータ3は、バッテリ6の電力により回転して力行(アシスト)し、ハイブリッド車両1を駆動する。この場合のモータジェネレータ3のアシスト量は、正のトルク値を用いて表すことができる。
モータジェネレータ3は、例えば比較的低開度でのアクセルオン時にエンジン2によって回転させられ、発電してバッテリ6を充電する。この場合のモータジェネレータ3のアシスト量は、負のトルク値を用いて表すことができ、正の吸収量に相当する。
モータジェネレータ3は、バッテリ6を充電するための発電機として機能する。モータジェネレータ3は、例えばアクセルオフ時にハイブリッド車両1の車輪Wによって回転させられて回生し、発電してバッテリ6を充電する。
AMT4は、有段の機械式自動変速機として構成され、互いに異なる変速比を有する複数のギア位置の変更(変速)並びにクラッチ5の接続及び分離の制御等の変速動作を自動で行う。AMT4は、エンジン2及びモータジェネレータ3の駆動力を、プロペラシャフト、デファレンシャルギア及びドライブシャフト等を介して車輪Wに伝達する。AMT4の動作は、AMT4と通信可能に接続されたAMTECU12によって制御される。
バッテリ6は、その内部で複数の二次電池が互いに接続されることにより構成されている。バッテリ6としては、例えばリチウムイオン電池等の種々の二次電池を用いることができる。バッテリ6は、インバータ7から供給される電力により充電される。バッテリ6の充電状態は、例えばSOC(State of Charge)で表され、バッテリ6と通信可能に接続されたバッテリECU13によって監視されている。バッテリ6は、充電状態に関する信号をバッテリECU13に送信する。
インバータ7は、モータジェネレータ3とバッテリ6とに電気的に接続されている。インバータ7は、バッテリ6から入力される電力を交流に変換し、当該変換した電力をモータジェネレータ3へ出力する。また、インバータ7は、モータジェネレータ3から入力される電力を直流に変換し、当該変換した電力をバッテリ6へ出力する。インバータ7は、バッテリ6による電源のモータジェネレータ3への供給量、及び、モータジェネレータ3からの発電のバッテリ6への充電量を調整する。
[ハイブリッド車両の制御装置]
続いて、ハイブリッド車両の制御装置10の構成について説明する。ハイブリッド車両の制御装置10は、HVECU20を有している。HVECU20は、例えばCPU(Central Processing Unit)、ROM(Read Only Memory)、RAM(Random Access Memory)を含むコンピュータにより構成されている。HVECU20は、例えばハイブリッド車両1をハイブリッド車両として機能させるための総合的な制御を実施する。HVECU20は、インバータ7、エンジンECU11、AMTECU12、及びバッテリECU13と通信可能に接続されている。
HVECU20は、機能的構成として、運転情報取得部21、バッテリ情報取得部22、トルク配分生成部(割当出力算出部)23、及びトルク指示部24を有している。
運転情報取得部21は、ドライバのアクセル操作量に応じてドライバ要求出力を取得する。運転情報取得部21は、例えばアクセルペダルに設けられたアクセル操作量センサの検出信号に基づいて、アクセル操作量に応じたドライバ要求出力をエンジンECU11を介して取得する。運転情報取得部21は、駆動源の要求出力を取得する要求出力取得部として機能する。
運転情報取得部21は、エンジン2の回転数(エンジン回転数)を取得する。運転情報取得部21は、例えばエンジン2に設けられたクランク角センサの検出信号に基づいて、エンジン2の回転数をエンジンECU11を介して取得する。運転情報取得部21は、ハイブリッド車両1の車速を取得する。運転情報取得部21は、例えば車輪Wと共に回転する車軸に設けられた車輪速センサの検出信号に基づいて、ハイブリッド車両1の車速を取得する。運転情報取得部21は、ハイブリッド車両の走行状態を取得する走行状態取得部として機能する。
バッテリ情報取得部22は、バッテリ6の充電状態を取得する。バッテリ情報取得部22は、バッテリ6の充電状態として、例えば充電状態に関する信号に基づいてバッテリ6のSOCをバッテリECU13を介して取得する。
バッテリ情報取得部22は、モータジェネレータ3からのバッテリ6への入力電流を取得する。バッテリ情報取得部22は、インバータ7で検出されたバッテリ6への入力電流をバッテリECU13を介して取得する。
バッテリ6への入力電流には、エンジン2の出力を用いないでモータジェネレータ3が発電した回生電流と、エンジン2の出力を用いてモータジェネレータ3が発電した発電電流と、が含まれる。ここでの回生電流は、例えばハイブリッド車両1の惰性走行等、ドライバがアクセルオフ操作時にハイブリッド車両1の車輪Wによってモータジェネレータ3が回転させられて、エンジン2の出力を用いないでモータジェネレータ3が発電した電流である。ここでの発電電流は、例えば相対的に加減速の少ないハイブリッド車両1の巡航走行等、ドライバが比較的低開度でのアクセルオン操作時にエンジン2によって回転させられ、エンジン2の出力を用いてモータジェネレータ3が発電した電流である。
トルク配分生成部23は、運転情報取得部21で取得したドライバ要求出力、エンジン2の回転数、及び車速に基づいて、モータジェネレータ3に出力又は吸収させる第2割当出力を算出する。トルク配分生成部23は、運転情報取得部21で取得したドライバ要求出力、エンジン2の回転数、及び車速に基づいて、エンジン2に出力させる第1割当出力を算出してもよい。
トルク配分生成部23は、ダイナミックプログラミング手法を用いた事前シミュレーションにより入力値に対応させて出力するように実施された学習の学習結果に基づいて予め算出する。トルク配分生成部23は、予め算出された第1割当出力及び第2割当出力を記憶する。トルク配分生成部23によって算出される第1割当出力及び第2割当出力について、詳細は後述する。
トルク指示部24は、トルク配分生成部23によって配分された第1割当出力に基づいて、第1割当出力をエンジン2に出力させるようにエンジンECU11に制御信号を送信する。トルク指示部24は、トルク配分生成部23によって配分された第2割当出力に基づいて、第2割当出力をモータジェネレータ3に出力又は吸収させるようにインバータ7に制御信号を送信する。
[ハイブリッド車両の情報処理の概念]
ハイブリッド車両の制御装置10が行う情報処理の基本的な概念について、図2を参照して説明する。ハイブリッド車両の制御装置10が行う情報処理は、図2に示されるように、トルク配分生成部23は、時間T1において取得した情報に基づいて、アシストマップを生成する。トルク配分生成部23は、このアシストマップを時間T2の走行において使用する。トルク配分生成部23は、時間T2において取得した情報に基づいて、アシストマップを生成する。トルク配分生成部23は、時間T2にて生成したアシストマップを時間T3の走行において使用する。トルク配分生成部23は、時間T3において取得した情報に基づいて、アシストマップを生成する。トルク配分生成部23は、時間T3にて生成したアシストマップを時間T3の走行において使用する。以下同様にして、時間Ti(iは1~Nの整数)において生成したアシストマップが、時刻Ti+1において使用される。
アシストマップは、電動機に出力又は吸収させる第2割当出力(電動機割当出力)を規定する二次元ルックアップテーブルである。アシストマップでは、例えば、エンジン2の回転数とドライバ要求出力とを各軸とした二次元ルックアップテーブルに、複数の第2割当出力のマップ値(以下の説明では、単に「最適化マップ」と称する)が与えられている(図4参照)。第2割当出力のマップ値は、いわゆるアシストトルクである。
ハイブリッド車両1は、逐次、アシストマップを生成しながら走行することができる。そのため、ハイブリッド車両の制御装置10は、様々なドライバの癖や使用環境に対応してエンジン2とモータジェネレータ3のトルク配分を最適に制御することができる。なお、ここでの最適な制御とは、エンジン2を運転する場合のエンジン2の燃料消費率(単位g/kWh)の向上とハイブリッド車両1の走行に伴う燃料消費量(単位g/h)の低減と、を両立させるようにアシストマップを生成することを意味する。
時間Tiに相当する所定時間は、制御のリアルタイム性を考慮して、ハイブリッド車両1の使用状況及び道路の環境に応じて適宜設定してもよい。例えば、主に高速道路を走行するハイブリッド車両1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。一方、主に市街地を走行するハイブリッド車両1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ってもよい。このようなハイブリッド車両1の相違による所定時間は、トラック、バス、乗用車など、車種に応じて予め設定することができる。また、ハイブリッド車両1の実際の走行状態、例えばブレーキの使用頻度を検知して、その検知された値によって所定時間が適宜変更されてもよい。なお、トルク配分生成部23は、所定時間の設定入力を受け付けてもよい。例えば、所定時間は、1秒~数分の範囲内の値であってもよい。
[全体的な処理の流れについて]
次に、ハイブリッド車両の制御装置10の情報処理の全体的な処理の流れについて図3を参照して説明する。本実施形態では、まず、図3(a)に示されるように、コンピュータ装置40を用いて、HVECU20とはオフラインでシミュレーション♯1~♯Nに対応する最適化マップ♯1~♯Nを生成する。すなわち、所定の車種に対するダイナミックプログラミング手法によるシミュレーション♯1~♯Nを実施し、そのシミュレーション結果として得られる情報に基づいて複数のシミュレーション♯1~♯Nに対応する最適化マップ♯1~♯Nを生成する(ステップS1)。なお、これらのシミュレーションが事前シミュレーションとなる。
ステップS1でシミュレーション♯1~♯Nを実施するためのデータ入力には、「ドライバ要求出力分散値」、「エンジン回転数平均値」、「エンジン回転数分散値」及び「バッテリ投入可能電力量」などが含まれる。第2割当出力のマップ値(アシストトルクの数値)は、「ドライバ要求出力平均値」、「ドライバ要求出力分散値」、「エンジン回転数平均値」、「エンジン回転数分散値」及び「バッテリ投入可能電力量」などの入力値によって、様々に変化する。
ここで、ステップS1でシミュレーション♯1~♯Nを実施するためのデータ入力のうち「バッテリ投入可能電力量」に、バッテリ6への入力電流が含まれる。本実施形態では、バッテリ6への入力電流として、エンジン2の出力を用いないでモータジェネレータ3が発電した回生電流と、エンジン2の出力を用いてモータジェネレータ3が発電した発電電流と、が含まれる。また、シミュレーション♯1~♯Nは、エンジン2の出力を用いてモータジェネレータ3が発電した発電電流を、モータジェネレータ3の力行のための電気エネルギとして使用可能との条件で行われる。これにより、最適化マップ♯1~♯Nとして出力されるマップ値は、相対的に加減速の少ない走行条件下で発電電流を積極的に生じさせると共に、相対的に加減速の多い走行条件下でバッテリ6の電力を力行に積極的に活用させるような値として算出されることとなる。図3(b)に示されるように、ステップS01で生成された最適化マップ♯1~♯Nが、シミュレーション♯1~♯Nに対してそれぞれ対応付けられる(ステップS2)。
図3(c)に示されるように、生成された最適化マップ♯1~♯NをHVECU20のトルク配分生成部23に実装する前に、シミュレーション♯1~♯Nと最適化マップ♯1~♯Nとの対応関係を、ニューラルネットワーク50に学習させる(ステップS3)。学習が施されたニューラルネットワーク50では、シミュレーション又は実測データの各入力値そのものではなく、それらの近似値が入力した場合にも対応する最適化マップを生成することができる。学習が施されたニューラルネットワーク50は、トルク配分生成部23に実装される(ステップS4)。
これにより、トルク配分生成部23に実装されたニューラルネットワーク50は、ハイブリッド車両1の実際の走行において、例えばシミュレーション♯i(iは1~Nの整数)と近似する入力値を得た場合に、内挿補間又は外挿補間によって、そのシミュレーション♯iに対応する最適化マップ♯iを生成し出力することができる。
[ニューラルネットワーク50の構成について]
ニューラルネットワーク50は、ニューロンと、そのニューロンに付与された重みw及び閾値θとによって構成される。例えば上述のステップS3によって膨大な量の学習を施したニューラルネットワーク50であっても、トルク配分生成部23のメモリは、ニューロンと、その重みw及び閾値θとを保持すればよい。トルク配分生成部23のメモリには、学習の結果によって得られた最適化マップの情報が保持される。
図5は、ニューラルネットワークを構成するニューロンを例示する図である。ニューラルネットワーク50を構成するニューロンは、図5に模式的に示されている。図5では「ドライバ要求出力平均値」QDrv_reqが入力信号となる例を示す。ニューロンでは、入力信号QDrv_req1~QDrv_reqNと重みw1~wNに基づいて、
net=QDrv_req1×w1 + QDrv_req2×w2
+ … + QDrv_reqN×wN
out=f(net-θ)
という計算が行われて出力信号outが出力される。
すなわち、net(膜電位)が閾値θを超えると、そのニューロンは“1”を出力し、そうでなければ“0”を出力する。このようにニューロンでは入力信号QDrv_req1~QDrv_reqNに対する重みw1~wN及び閾値θを設定することによって、出力信号outが“1”となる条件を様々に変更することができる。
このようなニューロンを利用して、図6に示されるように、ニューラルネットワーク50が構成される。図6の例は、5つの特徴量ベクトルである「ドライバ要求出力平均値」、「ドライバ要求出力分散値」、「エンジン回転数平均値」、「エンジン回転数分散値」、「バッテリ投入可能電力量」を入力信号とし、5種類の最適化マップ♯1~♯5を出力信号とする例である。図6の例では最適化マップ♯3が出力されている。図6では、5種類の出力信号を図示したが、実際には例えば数十~数百種類あるいはそれ以上の最適化マップの個数とすることができる。このようにして、図4(a)のアシストマップにおいて第2割当出力のマップ値を決定するための最適化マップが出力される。なお、ニューラルネットワーク50は、図6に示される構成以外の公知の構成を採用することができる。
また、図7(a)は、ニューラルネットワークの入力層の重み及び閾値のテーブルである。図7(b)は、ニューラルネットワークの中間層の重み及び閾値のテーブルである。図7(c)は、ニューラルネットワークの出力層の重み及び閾値のテーブルである。図6に示すニューロンN11~N5n毎に設定された重みw11~w5n5、及び各閾値θは、図7(a)~(c)に示されるようにテーブルを用いて記録されていてもよい。
[コンピュータ装置40による最適化マップの生成について]
次に、図3のステップS1のコンピュータ装置40によるシミュレーション♯1~♯Nに対応する最適化マップ♯1~♯Nの生成について説明する。本実施形態では、最適化マップ♯1~♯Nの生成にダイナミックプログラミング手法と呼ばれている手法を用いる。ダイナミックプログラミング手法は周知の技術である。よって、ダイナミックプログラミング手法そのものについての詳細な説明は省略する。以下では、ダイナミックプログラミング手法とハイブリッド車両の制御装置10の処理との関連について主に説明する。
ダイナミックプログラミング手法とは、資源配分問題を短時間で解くために有効な手法である。すなわち、ある限られた資源を投資先に分配し、得られる利益を最大化(もしくは最小化)することが目的である。このようなダイナミックプログラミング手法をハイブリッド車両の制御装置10の処理に適用する場合を考える。
ある走行パターンでハイブリッド車両1が走行したとき、例えばエンジン2の出力を用いてモータジェネレータ3が発電する発電電流を0と仮定すれば、ドライバの運転操作が同じ条件下でモータジェネレータ3による電力回生量は決定される。よって、この回生電力(上述の資源に相当する)をドライバ要求出力に対してどの場面で投入(配分)すれば燃料消費率(上述の利益に相当する)を最大化しつつ、燃料消費量を最小化できるかという資源配分問題に帰着できる。この資源配分問題の数式表現については、公知の手法を用いることができる。
本実施形態では、更に、エンジン2の出力を用いてモータジェネレータ3が発電する発電電流が0よりも大きい場合も含めた事前シミュレーションを実施する。この手法としては、上述のように、エンジン2の出力を用いてモータジェネレータ3が発電した発電電流を、モータジェネレータ3の力行のための電気エネルギとして使用可能との条件でシミュレーション♯1~♯Nを行うこと、及び、最適化マップ♯1~♯Nのマップ値(すなわち第2割当出力のマップ値)としてマイナスの値を設定可能とすることが挙げられる。
これにより、相対的に加減速の少ないハイブリッド車両1の巡航走行等において、エンジン2の出力を用いてモータジェネレータ3が発電する発電電流を積極的に生じさせる(つまり、第2割当出力のマップ値としてマイナスの値を設定する)ことで、燃料消費率の更なる向上が図られる。また、比較的加減速の多い走行等において、発電電流を積極的に生じさせて蓄えられた電気エネルギを別のタイミングで活用してモータジェネレータ3によるエンジン2の力行を強化することで、燃料消費量の更なる低減が図られる。したがって、第2割当出力のマップ値としてマイナスの値を設定する場合、第2割当出力の絶対値の大きさが過大となることで燃料消費率が却って悪化することがないような範囲で、第2割当出力を設定してもよい。
図4(a)は、最適化マップに基づき生成されるアシストマップの一例である。
図4(a)に示されるように、アシストマップは、後述するトルク配分部70に作成されて保存されている二次元ルックアップテーブルである。アシストマップでは、「ドライバ要求出力」(横軸方向)と「エンジン回転数」(縦軸方向)とに対応させて、第2割当出力のマップ値が記録されている。第2割当出力のマップ値の単位は「Nm」である。
図4(b)は、比較例に係るアシストマップである。図4(b)のアシストマップは、上述のステップS1のデータ入力として、エンジン2の出力を用いないでモータジェネレータ3が発電した回生電流のみが含まれておりエンジン2の出力を用いてモータジェネレータ3が発電した発電電流が含まれない「バッテリ6への入力電流」を用いて、シミュレーション♯1~♯Nが実施された結果得られたアシストマップである。
図4(a)と図4(b)とでは、領域A1及び領域A2で互いに第2割当出力のマップ値が異なっている。領域A1は、相対的に加減速の少ないハイブリッド車両1の巡航走行等で参照されやすい領域である。領域A2は、例えば平地の加速状態あるいは登坂などの比較的加減速の多い走行等で参照されやすい領域である。
図4(a)の領域A1では、第2割当出力のマップ値がマイナスの値となっている。つまり、エンジン2の出力を用いて(吸収して)モータジェネレータ3に発電させることを意味する。これにより、エンジン2の出力を用いてモータジェネレータ3に発電させない場合(図4(b)の場合)と比べてエンジン2の回転数は同一で負荷が増加するため、領域A1でエンジン2を運転する場合のエンジン2の燃料消費率(g/kWh)の向上を図ることができる。
図4(a)の領域A2では、第2割当出力のマップ値が図4(b)の場合と比べて大きい値となっている。つまり、図4(a)の領域A1で発電電流を積極的に生じさせて蓄えられた電気エネルギを別のタイミングで活用して、モータジェネレータ3によるエンジン2の力行を強化することを意味する。これにより、図4(b)の場合と比べてエンジン2の回転数は同一で負荷が低減するため、ハイブリッド車両1の走行に伴う燃料消費量(単位g/h)の低減を図ることができる。
[トルク配分生成部23の構成について]
次に、トルク配分生成部23の構成について図8を参照して説明する。トルク配分生成部23は、図8に示されるように、ニューラルネットワーク50と、入力データ算出部60と、トルク配分部70とを含む。入力データ算出部60は、ニューラルネットワーク50に入力するデータを生成する。トルク配分部70は、ニューラルネットワーク50が生成した最適化マップに基づいて、エンジン2及びモータジェネレータ3のそれぞれにトルク配分を行う。
[トルク配分生成部23の動作について]
入力データ算出部60は、ハイブリッド車両1の走行中の実測値を用いて、走行中入力データを算出する。トルク配分生成部23には、特徴量ベクトルとなる5つのベクトルである「ドライバ要求出力」、「エンジン回転数」、「車速」、「バッテリ入力電流」、及び「SOC」が、所定時間毎に更新されて入力データ算出部60に入力される。所定時間は、例えば、図2で説明したT1(T2、…、TN)秒間である。入力データ算出部60は、これらの情報に基づいて、「ドライバ要求出力平均値」、「ドライバ要求出力分散値」、「エンジン回転数平均値」、「エンジン回転数分散値」及び「バッテリ投入可能電力量」を算出し、ニューラルネットワーク50に対し出力する。
入力データ算出部60は、「ドライバ要求出力」、「エンジン回転数」及び「車速」に基づいて、「ドライバ要求出力平均値」及び「ドライバ要求出力分散値」を生成する。入力データ算出部60は、「ドライバ要求出力」、「エンジン回転数」及び「車速」に基づいて、「エンジン回転速度平均値」及び「エンジン回転速度分散値」を生成する。入力データ算出部60は、「バッテリ入力電流」及び「SOC」に基づき「バッテリ投入可能電力量」を生成する。なお、アイドリングにおけるデータは、アシスト制御と無関係のため、ソフト的に排除してもよい。
図9にSOCと投入可能電力量との関係を示す。入力データ算出部60は、図9に示すSOCと投入可能電力量との関係に基づいて、ニューラルネットワーク50に入力するバッテリ投入可能電力量を算出する。
ニューラルネットワーク50は、入力データ算出部60により算出された「ドライバ要求出力平均値」、「「ドライバ要求出力分散値」、「エンジン回転数平均値」、「エンジン回転数分散値」、及び「バッテリ投入可能電力量」に応じて、入力値に対応する最適化マップの第2割当出力を生成する。ニューラルネットワーク50は、これらの入力値に近似する近似入力値から得られるシミュレーション♯i又は複数のシミュレーションに対応する最適化マップを選択する。ニューラルネットワーク50は、シミュレーション♯i又は複数のシミュレーションに対応する最適化マップの第2割当出力を、内挿補間又は外挿補間することにより、入力値に対応する最適化マップの第2割当出力を生成する。この最適化マップの演算は、所定時間(T1、T2、…、TN)毎に行われる。
トルク配分部70では、所定時間毎に算出された最適化マップから図4に示す第2割当出力(アシストトルク)が記載されたアシストマップとなる二次元ルックアップテーブルを生成する。この二次元ルックアップテーブルは、図4に示されるように、「ドライバ要求出力」と、「エンジン回転数」とに対応する第2割当出力を、広い数値範囲を網羅して示すマップである。前回の二次元ルックアップテーブルが生成されてから所定時間後に、今回の二次元ルックアップテーブルが生成される。よって、その所定時間内の入力値の範囲に対応する二次元ルックアップテーブルの部分が実測値に基づく第2割当出力となり、他の部分は、初期値あるいは以前に生成された第2割当出力となる。
次に、HVECU20による処理の一例について説明する。図10は、アシストマップ初期化処理を示すフローチャートである。図11の処理は、例えば、ハイブリッド車両1にてHVECU20の電源が投入されておりハイブリッド車両1が走行している場合に、所定周期で繰り返し実行される。
図10に示されるように、HVECU20は、S11において、トルク配分生成部23により初期化条件が成立しているか否かの判定を行う。トルク配分生成部23は、例えば、HVECU20の電源が遮断から投入に切り替えられた場合に、初期化条件が成立したと判定する。トルク配分生成部23は、例えば、HVECU20の電源の投入中において既にアシストマップの初期化が行われている場合、初期化条件が成立しないと判定する。
HVECU20は、トルク配分生成部23により初期化条件が成立していると判定された場合(S11:YES)、S12の処理に移行する。S12において、トルク配分生成部23によりアシストマップの初期化を行う。トルク配分生成部23は、例えば、予め記憶された所定の初期化用マップを用いて、アシストマップの初期化する。一方、HVECU20は、トルク配分生成部23により初期化条件が成立していないと判定された場合(S11:NO)、図11の処理に移行する。
図11は、アシストマップ更新処理を示すフローチャートである。図11の処理は、例えば、ハイブリッド車両1にてHVECU20の電源が投入されておりハイブリッド車両1が走行している場合に、所定周期で繰り返し実行される。
図11に示されるように、HVECU20は、S21において、トルク配分生成部23により走行中の実測値を用いて走行中入力データの算出を行う。トルク配分生成部23は、例えば、入力データ算出部60により、所定時間内における、ドライバ要求出力と、エンジン回転数と、モータジェネレータ3からのバッテリへの入力電流と、バッテリ6のSOCとの走行中の実測値を用いて、走行中入力データを算出する。
HVECU20は、S22において、トルク配分生成部23により更新判定走行時間が所定時間を経過しているか否かの判定を行う。HVECU20は、トルク配分生成部23により、更新判定走行時間が所定時間を経過していると判定された場合(S22:YES)、S23の処理に移行する。一方、HVECU20は、トルク配分生成部23により、更新判定走行時間が所定時間を経過していないと判定された場合(S22:NO)、再びS21の処理に移行する。
HVECU20は、S23において、トルク配分生成部23により更新判定走行距離が所定時間を経過しているか否かの判定を行う。HVECU20は、トルク配分生成部23により、更新判定走行距離が所定距離を超えていると判定された場合(S23:YES)、S24の処理に移行する。一方、HVECU20は、トルク配分生成部23により、更新判定走行距離が所定距離を超えていないと判定された場合(S23:NO)、再びS21の処理に移行する。
S24において、トルク配分生成部23により、算出された走行中入力データに対応するアシストマップの生成を行う。トルク配分生成部23は、例えば、トルク配分部70により、算出された走行中入力データに対応する第2割当出力(アシストトルク)が記載されたアシストマップとなる二次元ルックアップテーブルを生成する。
S25において、トルク配分生成部23により、アシストマップの更新を行う。
トルク配分生成部23は、例えば、算出された走行中入力データに対応させて生成されたアシストマップにて、アシストマップを更新する。その後、図11の処理を終了する。
[作用及び効果]
以上説明したようにハイブリッド車両の制御装置10では、第2割当出力は、入力値に対応させて出力するように実施された学習の学習結果に基づいて予め算出される。入力値は、所定時間内における、ドライバ要求出力と、エンジン2の回転数と、モータジェネレータ3からのバッテリ6への入力電流と、バッテリ6のSOCとを含み、入力電流は、エンジン2の出力を用いないでモータジェネレータ3が発電した回生電流と、エンジン2の出力を用いてモータジェネレータ3が発電した発電電流と、を含む。すなわち、第2割当出力を予め算出する学習では、エンジン2の出力を用いないでモータジェネレータ3が発電した回生電流だけでなく、エンジン2の出力を用いてモータジェネレータ3が発電した発電電流がモータジェネレータ3からのバッテリ6への入力電流として用いられる。ここで、相対的に加減速の少ないハイブリッド車両1の巡航走行等の走行条件下では、例えばエンジン2の出力を用いないでモータジェネレータ3が発電する回生電流よりも、エンジン2の出力を用いてモータジェネレータ3が発電する発電電流の方を得る方が容易である場合が多い。そのため、第2割当出力を予め算出するための学習に、エンジン2の出力を用いてモータジェネレータ3が発電する発電電流も含めることにより、相対的に加減速の少ない走行条件下で得た電気エネルギを力行に使用することが容易となる。
トルク配分生成部23は、モータジェネレータ3に吸収させる第2割当出力を設定する場合、モータジェネレータ3に吸収させる第2割当出力を設定しない場合と比べてエンジン2の燃料消費率(g/kWh)が大きくなるように、第2割当出力の絶対値の大きさを設定してもよい。この場合、モータジェネレータ3に吸収させる出力に相当する負荷増加を利用して、エンジン2を効率的に運転させることができる。具体的には、相対的に加減速の少ないハイブリッド車両1の巡航走行等の走行条件下では、エンジン2の出力を用いてモータジェネレータ3に発電させない場合と比べてエンジン2の回転数は同一で負荷が増加されるため、領域A1でエンジン2を運転する場合のエンジン2の燃料消費率の向上を図ることができる。一方、比較的加減速の多い走行等においては、相対的に加減速の少ない場合と比べて、エンジン2の回転数は同一で負荷が低減されるため、ハイブリッド車両1の走行に伴う燃料消費量(単位g/h)の低減を図ることができる。したがって、ハイブリッド車両の制御装置10によれば、相対的に加減速の少ない走行条件下でエンジン2をより高効率に運転することが可能となる。
[変形例]
以上、本発明に係る実施形態について説明したが、本発明は、上述した実施形態に限られるものではない。
上記実施形態では、ドライバ要求出力を出力値として例示したが、ドライバ要求出力はトルク値であってもよい。
上記実施形態では、ニューラルネットワーク50を例示したが、ニューラルネットワーク50に替えて、CPUやDSPなどの小型のコンピュータ装置を備えてもよい。
上記実施形態では、内燃機関としてディーゼルエンジンを例示したが、例えばガソリンエンジン等、その他の内燃機関であってもよい。
本開示の主題は、例えば以下のような項目としても示すことができる。
(項目1)
内燃機関と電動機とを含む駆動源を備えたハイブリッド車両を対象とするコンピュータ装置であって、
前記ハイブリッド車両は、
前記駆動源の要求出力を取得する要求出力取得部と、
前記ハイブリッド車両の走行状態を取得する走行状態取得部と、
前記要求出力と前記走行状態とに基づいて、前記電動機に出力又は吸収させる電動機割当出力を算出する割当出力算出部と、
を備え、
ダイナミックプログラミング手法を用いて入力値に対応させて出力するように事前シミュレーションを実施し、
前記入力値は、所定時間内における、前記要求出力と、前記内燃機関の回転数と、前記電動機からのバッテリへの入力電流と、前記バッテリの充電状態とを含み、
前記入力電流は、前記内燃機関の出力を用いないで前記電動機が発電した回生電流と、前記内燃機関の出力を用いて前記電動機が発電した発電電流と、を含む、コンピュータ装置。
(項目2)
情報処理装置にインストールすることにより、内燃機関と電動機とを含む駆動源を備えるハイブリッド車両において、前記駆動源の要求出力と前記ハイブリッド車両の走行状態とに基づいて、前記電動機に出力又は吸収させる電動機割当出力を算出する割当出力算出部の機能を、前記情報処理装置に実現させ、
前記割当出力算出部は、ダイナミックプログラミング手法を用いた事前シミュレーションにより入力値に対応させて出力するように実施された学習の学習結果に基づいて予め算出された前記電動機割当出力を記憶し、
前記入力値は、所定時間内における、前記要求出力と、前記内燃機関の回転数と、前記電動機からのバッテリへの入力電流と、前記バッテリの充電状態とを含み、
前記入力電流は、前記内燃機関の出力を用いないで前記電動機が発電した回生電流と、前記内燃機関の出力を用いて前記電動機が発電した発電電流と、を含む、プログラム。
なお、HVECU20のCPUが実行する制御プログラムは、例えば、HVECU20の出荷前に、汎用の情報処理装置のメモリなどに記憶されたものであってもよいし、HVECU20の出荷後に、汎用の情報処理装置のメモリなどに記憶されたものであってもよい。また、制御プログラムの一部が、HVECU20の出荷後に、汎用の情報処理装置のメモリなどに記憶されたものであってもよい。HVECU20の出荷後に、汎用の情報処理装置のメモリなどに記憶される制御プログラムは、例えば、CD-ROMなどのコンピュータ読取可能な記録媒体に記憶されているものをインストールしてもよいし、インターネットなどの伝送媒体を介してダウンロードしたものをインストールしてもよい。制御プログラムは、汎用の情報処理装置によって直接実行可能なものだけでなく、ハードディスクなどにインストールすることによって実行可能となる形態も含む。また、圧縮されたり、暗号化されたりした形態も含む。
1…ハイブリッド車両、2…エンジン(内燃機関)、3…モータジェネレータ(電動機)、10…ハイブリッド車両の制御装置、21…運転情報取得部(要求出力取得部、走行状態取得部)、23…トルク配分生成部(割当出力算出部)。

Claims (1)

  1. 内燃機関と電動機とを含む駆動源を備えたハイブリッド車両の制御装置であって、
    前記駆動源の要求出力を取得する要求出力取得部と、
    前記ハイブリッド車両の走行状態を取得する走行状態取得部と、
    前記要求出力と前記走行状態とに基づいて、前記電動機に出力又は吸収させる電動機割当出力を算出する割当出力算出部と、
    を備え、
    前記割当出力算出部は、ダイナミックプログラミング手法を用いた事前シミュレーションにより入力値に対応させて出力するように実施された学習の学習結果に基づいて予め算出された前記電動機割当出力を記憶し、
    前記入力値は、所定時間内における、前記要求出力と、前記内燃機関の回転数と、前記電動機からのバッテリへの入力電流と、前記バッテリの充電状態とを含み、
    前記入力電流は、前記内燃機関の出力を用いないで前記電動機が発電した回生電流と、前記内燃機関の出力を用いて前記電動機が発電した発電電流と、を含み、
    前記割当出力算出部は、前記電動機に吸収させる前記電動機割当出力を設定する場合、前記電動機に吸収させる前記電動機割当出力を設定しない場合と比べて前記内燃機関の燃料消費率が大きくなるように、前記電動機割当出力の絶対値の大きさを設定する、ハイブリッド車両の制御装置。
JP2020116442A 2020-07-06 2020-07-06 ハイブリッド車両の制御装置 Active JP7456867B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2020116442A JP7456867B2 (ja) 2020-07-06 2020-07-06 ハイブリッド車両の制御装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020116442A JP7456867B2 (ja) 2020-07-06 2020-07-06 ハイブリッド車両の制御装置

Publications (2)

Publication Number Publication Date
JP2022014219A JP2022014219A (ja) 2022-01-19
JP7456867B2 true JP7456867B2 (ja) 2024-03-27

Family

ID=80185255

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020116442A Active JP7456867B2 (ja) 2020-07-06 2020-07-06 ハイブリッド車両の制御装置

Country Status (1)

Country Link
JP (1) JP7456867B2 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010095067A (ja) 2008-10-15 2010-04-30 Hino Motors Ltd ハイブリッド自動車およびコンピュータ装置ならびにプログラム
JP2016210370A (ja) 2015-05-13 2016-12-15 トヨタ自動車株式会社 車両制御装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010095067A (ja) 2008-10-15 2010-04-30 Hino Motors Ltd ハイブリッド自動車およびコンピュータ装置ならびにプログラム
JP2016210370A (ja) 2015-05-13 2016-12-15 トヨタ自動車株式会社 車両制御装置

Also Published As

Publication number Publication date
JP2022014219A (ja) 2022-01-19

Similar Documents

Publication Publication Date Title
US9278682B2 (en) System and method for controlling auto cruise of hybrid electric vehicle
JP5133197B2 (ja) ハイブリッド自動車およびコンピュータ装置ならびにプログラム
CN110239360A (zh) 车轮扭矩控制系统和方法
Singh et al. Feed-forward modeling and real-time implementation of an intelligent fuzzy logic-based energy management strategy in a series–parallel hybrid electric vehicle to improve fuel economy
US20120123624A1 (en) Running Control Device for Electric Vehicle
Mayyas et al. Model-based design validation for advanced energy management strategies for electrified hybrid power trains using innovative vehicle hardware in the loop (VHIL) approach
WO2014080468A1 (ja) アクセルペダル反力制御装置及び車両
Mei et al. An adaptive fuzzy sliding‐mode control for regenerative braking system of electric vehicles
CN104175891B (zh) 纯电动汽车能量回收再生制动控制方法
CN104417556A (zh) 经济模式巡航控制
CN109131308B (zh) 控制混合动力系统的方法和装置
Lv et al. Cyber-physical system based optimization framework for intelligent powertrain control
Li et al. Methods and applications of energy saving control of in-wheel motor drive system in electric vehicles: A comprehensive review
Dokuyucu et al. Concurrent design of energy management and vehicle traction supervisory control algorithms for parallel hybrid electric vehicles
CN103339000A (zh) 混合动力车辆的驱动控制设备和方法及混合动力车辆
de Carvalho Pinheiro et al. All-wheel drive electric vehicle modeling and performance optimization
Ye et al. An imitation learning-based energy management strategy for electric vehicles considering battery aging
JP7456867B2 (ja) ハイブリッド車両の制御装置
Cheng et al. Modeling and simulation of plug-in hybrid electric powertrain system for different vehicular application
Liu et al. Robust energy management strategy for a range extender electric vehicle via genetic algorithm
JP2017154620A (ja) ハイブリッド車両の制御装置
KR102353411B1 (ko) 차량의 제어 장치 및 방법
Chen et al. An energy management strategy for through-the-road type plug-in hybrid electric vehicles
CN105452041A (zh) 车辆的减振控制装置
Liu et al. Fuel consumption optimization for a plug-in hybrid electric bus during the vehicle-following scenario

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230602

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20231102

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231107

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240109

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240312

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240314

R150 Certificate of patent or registration of utility model

Ref document number: 7456867

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150