JP7456867B2

JP7456867B2 - ハイブリッド車両の制御装置

Info

Publication number: JP7456867B2
Application number: JP2020116442A
Authority: JP
Inventors: 敬之山根
Original assignee: Hino Motors Ltd
Current assignee: Hino Motors Ltd
Priority date: 2020-07-06
Filing date: 2020-07-06
Publication date: 2024-03-27
Anticipated expiration: 2040-07-06
Also published as: JP2022014219A

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」Ｑ_{Ｄｒｖ＿ｒｅｑ}が入力信号となる例を示す。ニューロンでは、入力信号Ｑ_{Ｄｒｖ＿ｒｅｑ１}～Ｑ_{Ｄｒｖ＿ｒｅｑＮ}と重みｗ１～ｗＮに基づいて、
ｎｅｔ＝Ｑ_{Ｄｒｖ＿ｒｅｑ１}×ｗ１＋Ｑ_{Ｄｒｖ＿ｒｅｑ２}×ｗ２
＋ … ＋Ｑ_{Ｄｒｖ＿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Ｑ_{Ｄｒｖ＿ｒｅｑ１}～Ｑ_{Ｄｒｖ＿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

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。