JP7516682B2 - 装置の動作性能パラメータを決定するための方法およびシステム - Google Patents
装置の動作性能パラメータを決定するための方法およびシステム Download PDFInfo
- Publication number
- JP7516682B2 JP7516682B2 JP2023560159A JP2023560159A JP7516682B2 JP 7516682 B2 JP7516682 B2 JP 7516682B2 JP 2023560159 A JP2023560159 A JP 2023560159A JP 2023560159 A JP2023560159 A JP 2023560159A JP 7516682 B2 JP7516682 B2 JP 7516682B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter set
- parameter
- kalman filter
- model
- parameters
- 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
Links
- 238000000034 method Methods 0.000 title claims description 41
- 230000001133 acceleration Effects 0.000 claims description 11
- 230000000153 supplemental effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 description 12
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 102100030988 Angiotensin-converting enzyme Human genes 0.000 description 1
- 101000873780 Homo sapiens m7GpppN-mRNA hydrolase Proteins 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 108010083141 dipeptidyl carboxypeptidase Proteins 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 102100035860 m7GpppN-mRNA hydrolase Human genes 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Description
本発明は、装置搭載センサとコンピュータ実装モデルとを用いて、装置（特に車両）の動作性能パラメータを決定する方法に関する。さらに、本発明は、上記装置（特に車両）の動作性能パラメータを決定するためのシステム（特に、当該装置に適用される仮想センサ）であって、装置搭載センサと、出力パラメータセットを生成するために上述のコンピュータ実装方法を実行するように構成された少なくとも１つの処理ユニットと、を備えるシステムに関する。
より具体的には、本発明は、特に車両用途の仮想センサまたは仮想検知／ソフト検知（プロキシ検知、推論検知、または代理検知）に関するものであり、高コストなまたは非実用的な物理的計測機器に代わる、実現可能で経済的な代替手段を可能にする。仮想検知は、物理的に測定されたデータと適切なモデルとの組合せに基づく推定技術であり、実際のセンサを適用したり対象物に直接接触したりすることなく関心領域内における所望の量の推定を得たり、あるいは直接測定された量の改善（例えば、安定性と信頼性の向上、ノイズ低減など）を得たりすることができる。
非特許文献１および２から、シングルトラック車両モデルと適応線形タイヤモデルとを結合することによって、タイヤのスリップ角と横力との間の非線形関係は、タイヤのスリップ角の値が大きい場合にのみ考慮すればよいことが知られている。
非特許文献３に提案されるように、ロール運動を考慮することによって、横方向速度の推定精度を向上できる可能性がある。
非特許文献４および５から、請求項１の前文の側面がそれぞれ知られている。
ハンドル（ステアリングホイール）の操舵角は、車両モデルの入力の１つであり得る。ハンドルの操舵角は、一般的には、ハンドルの角度を測定し、それを既知の比率で割ることで得られる。しかし、この関係は非線形であることが知られている。この問題に対処するための推定器が、非特許文献６で提案されている。
F. Naets, S. van Aalst, B. Boulkroune, N. E. Ghouti and W. Desmet, "Design and Experimental Validation of a Stable Two-Stage Estimator for Automotive Sideslip Angle and Tire Parameters（自動車の横滑り角とタイヤパラメータの安定した２段階推定器の設計と実験的検証）," (in IEEE Transactions on Vehicular Technology, vol. 66, no. 11, pp. 9727-9742, Nov. 2017, doi: 10.1109/TVT.2017.2742665)
S. van Aalst, F. Naets., B. Boulkroune, W. Nijs and W. Desmet, "An Adaptive Vehicle Sideslip Estimator for Reliable Estimation in Low and High Excitation Driving（低加振走行および高加振走行における信頼性の高い推定を可能にする適応型自動車横滑り推定器）", IFAC-PapersOnLine, vol. 51, no. 9, pp. 243-248, 2018
M. Ricci, "Vehicle parameters estimation techniques in low response maneuvers（低応答操縦における車両パラメータ推定技術）", 2018
BAFFET G ET AL: "Estimation of vehicle sideslip, tire force and wheel cornering stiffness（車両の横滑り、タイヤ力、および車輪のコーナリング剛性の推定）", CONTROL ENGINEERING PRACTICE, PERGAMON PRESS, OXFORD, GB, vol. 17, no. 11, 1 November 2009 (2009-11-01), pages 1255-1264, XP026666765, ISSN: 0967-0661, DOI: 10.1016/ J.CONENGPRAC.2009.05.005
ANDERSON R ET AL: "Estimation of tire cornering stiffness using GPS to improve model based estimation of vehicle states（車両状態のモデルベースの推定を改善するための、ＧＰＳを用いたタイヤコーナリング剛性の推定）", INTELLIGENT VEHICLES SYMPOSIUM, 2005. PROCEEDINGS. IEEE LAS VEGAS, NV, USA JUNE 6-8, 2005, PISCATAWAY, NJ, USA, IEEE, PISCATAWAY, NJ, USA, 6 June 2005 (2005-06-06), pages 801-806, XP010833895, DOI: 10.1109/IVS.2005.1505203 ISBN: 978-0-7803-8961-8
G. Streppa, "Rotational motion identification from MEMS inertial sensors（ＭＥＭＳ慣性センサによる回転運動の同定）", 2018
自動車分野における仮想検知は、主に車両制御の分野で使用されている。本発明はまた、仮想センサの使用を、高価で時間のかかる現在の広範な試験方法に代わるものとして、車両動態解析の領域に拡張することを目的としている。このような応用では、通常は無視できると考えられる非線形現象を考慮する必要があるため、解析および試験には、従来の自動車用の推定器よりも高い精度が必要とされる。これは、難易度の高いオンセンタードライビングシナリオ（直進走行）において特に当てはまり、横方向速度のように、高い横方向加速度では容易に測定できる量でさえ、信頼できなくなる。
本発明の１つの目的は、装置（特に車両）の動作パラメータの決定を改善して動的解析および試験を可能にし、その技術分野における現在の慣習を、望ましくは非線形現象（例えば、オンセンタードライビングシナリオ）に関する自動車推定器について、より高精度のものにすることである。
本発明の目的は、独立請求項により達成される。従属請求項には、発明の有利な改良や変更が記載されている。
本発明は、装置搭載センサとコンピュータ実装モデルとを用いて、装置（特に車両）の動作性能パラメータを決定するコンピュータ実施方法を提供する。この方法は、以下のステップ：
（ａ）前記センサを使用して、前記装置の動作中に第１のパラメータセットを測定すること、
（ｂ）コンピュータに実装された補足モデルを提供し、前記補足モデルによって第２のパラメータセットを決定すること、
（ｃ）前記第１のパラメータセットのパラメータを、前記第２のパラメータセットのうちの少なくとも１つの選択されたパラメータと組み合わせて、ハイブリッドパラメータセットを得ること、
（ｄ）前記ハイブリッドパラメータセットのパラメータを、カルマンフィルタモジュールに提供すること、
（ｅ）前記カルマンフィルタモジュールが、第２のモデルによって、前記ハイブリッドパラメータセットとそれぞれのパラメータ種に関して等価な第３のパラメータセットを推定すること、
（ｆ）前記カルマンフィルタモジュールが、前記ハイブリッドパラメータセットおよび前記第３のパラメータセットの前記パラメータを比較すること、および
（ｇ）前記カルマンフィルタモジュールが、出力パラメータセットを推定すること、
を含む。
（ａ）前記センサを使用して、前記装置の動作中に第１のパラメータセットを測定すること、
（ｂ）コンピュータに実装された補足モデルを提供し、前記補足モデルによって第２のパラメータセットを決定すること、
（ｃ）前記第１のパラメータセットのパラメータを、前記第２のパラメータセットのうちの少なくとも１つの選択されたパラメータと組み合わせて、ハイブリッドパラメータセットを得ること、
（ｄ）前記ハイブリッドパラメータセットのパラメータを、カルマンフィルタモジュールに提供すること、
（ｅ）前記カルマンフィルタモジュールが、第２のモデルによって、前記ハイブリッドパラメータセットとそれぞれのパラメータ種に関して等価な第３のパラメータセットを推定すること、
（ｆ）前記カルマンフィルタモジュールが、前記ハイブリッドパラメータセットおよび前記第３のパラメータセットの前記パラメータを比較すること、および
（ｇ）前記カルマンフィルタモジュールが、出力パラメータセットを推定すること、
を含む。
本発明によるコンピュータ実施発明とは、コンピュータ、コンピュータネットワーク、または他のプログラマブル装置の使用を伴うものであり、１つ又は複数の特徴が、全体的に、または、部分的に、コンピュータプログラムによって実現される。当業者であれば、本明細書または特許請求の範囲に照らして、コンピュータによって実施されるステップと理解され得る本発明に係る全ての方法ステップは、本方法のコンピュータ実施のステップとみなすことができる。コンピュータ実施方法は、コンピュータなしで実施されるステップを含むことができる。
本発明によるカルマンフィルタ（Kalman filter）は、経時的に観測される一連の測定を使用する線形二次推定方法で、統計的ノイズやその他の不正確性を含み得るものであり、カルマンフィルタは、未知の変数の推定を生成する。カルマンフィルタは、遷移系および測定系の両方において、加算性独立白色雑音を有する線形システムモデルのための最適線形推定器と考えることができる。
本発明と従来技術との違いの１つは、特にこれらの量について低い値および／または低い動的値のみしか予測されない状況において、所望の量の推定に特に重点が置かれていることである。このような場合、これらの量は、通常は一定またはゼロに設定される。例えば、車両運動力学の場合、コーナリング剛性および横滑り角は、操舵角が小さい状況（すなわち、高速道路上で直線上に留まるために制限されたハンドル操作が実行される「オンセンター性能」）では、一定値またはゼロ値に設定される。本発明は、２つの異なるモデルを考慮することを提案する。１つはハイブリッドパラメータセットを準備するためのものであり、もう１つはカルマンフィルターの一部として、好ましくは非線形挙動（例えば、スリップ角の値が小さい場合に特徴的であり得る車両のタイヤスリップに関するもの）を考慮するものである。なお、スリップ角の量は、従来は、ゼロ、一定、または少なくとも線形挙動であると考えられていたものである。車両力学の場合、例えば、本発明による方法によって得られる少なくとも１つの車両タイヤのコーナリング剛性は、車両の横荷重を計算するために用いることができる。
本発明によれば、以下の付加的なステップが提供される：
（ｉ）第１のパラメータセットの１つの別個のパラメータと、前記第２のパラメータセットの等価なパラメータと、のそれぞれの間の偏差を決定すること、
（ii）前記偏差の値と、前記第３のパラメータセットのうちの少なくとも１つのパラメータの共分散値と、の間の相関を提供すること、
（iii）決定された偏差に基づいて、前記相関から共分散値を決定すること、
（iv）前記出力パラメータセットを推定するために、共分散値を前記カルマンフィルタモジュールに転送すること。
共分散は、カルマンフィルタにおいて、決定された測定または推定についての不確実性のレベルを表す。この特徴により、最終的な推定器の性能を調整するためのチューニングパラメータとして共分散を使用する。
（ｉ）第１のパラメータセットの１つの別個のパラメータと、前記第２のパラメータセットの等価なパラメータと、のそれぞれの間の偏差を決定すること、
（ii）前記偏差の値と、前記第３のパラメータセットのうちの少なくとも１つのパラメータの共分散値と、の間の相関を提供すること、
（iii）決定された偏差に基づいて、前記相関から共分散値を決定すること、
（iv）前記出力パラメータセットを推定するために、共分散値を前記カルマンフィルタモジュールに転送すること。
共分散は、カルマンフィルタにおいて、決定された測定または推定についての不確実性のレベルを表す。この特徴により、最終的な推定器の性能を調整するためのチューニングパラメータとして共分散を使用する。
最も好ましくは、本発明が適用される装置は車両であり、この場合、前記少なくとも１つの選択されたパラメータは、車両の横滑り角であり得る。
別の好ましい実施形態では、前記パラメータセットはそれぞれ、横方向速度、縦方向速度、ヨーレート、横方向加速度、フロントコーナリング剛性、およびリアコーナリング剛性のうちの少なくとも１つを含む。
最も好ましい前記カルマンフィルタモジュールは、拡張カルマンフィルタであってよく、これは、現在の平均および共分散の推定について線形化するカルマンフィルタの非線形版である。拡張カルマンフィルタは、多変量のテイラー級数展開を適応させて、作用点に関するモデルを線形化する。システムモデルが不正確な場合、モンテカルロ法、特に粒子フィルタ、を推定に使用することができる。拡張カルマンフィルタは、非線形であってもよいが、微分可能な関数であることが望ましい。
本発明を車両に適用する１つの好ましい応用例は、補足モデルおよび／または第２のモデルそれぞれへの入力が、縦加速度、操舵角のうちの少なくとも１つである、ものを提供する。これらの量は、従来の測定装置で容易に取得することができ、平均的な車両の標準装備の一部であってもよい。
前記補足モデルが線形タイプであり、前記第２のモデルが非線形タイプである場合に、出力される推定の最良の精度が得られるようになる。これにより、好ましくは動作状況に応じて、両方のモデルタイプの利点を利用することができる。線形タイプのモデルは、好ましくは、シングルトラック車両モデルであってよく、非線形タイプのモデルは、適応線形タイヤモデルであってよい。
共分散調整によって共通フィルタ出力を調整する場合、本発明の好ましい一実施形態は、共分散値の決定のための前記別個のパラメータが、ヨーレートであることを提供する。ここで、決定された偏差に基づいて前記相関から決定される共分散値は、前記車両の車両タイヤのコーナリング剛性の共分散として前記カルマンフィルタに転送され、前記相関は、偏差が小さい場合にはより低い共分散値を提供し、偏差が大きい場合にはより高い共分散値を提供する。
本発明による方法の１つの好ましい使用法は、前記出力パラメータセットの少なくとも１つのパラメータまたは前記出力パラメータセットに基づく修正パラメータを、ユーザに対してディスプレイ上に表示することによって、オペレータまたはユーザに知らせることであってもよい。したがって、本発明によるシステムの好ましい一実施形態は、前記出力パラメータセットの少なくとも１つのパラメータまたは前記出力パラメータセットに基づく修正パラメータを、ユーザに対してディスプレイ上に表示するためのディスプレイを提供する。
本発明による方法は、装置、特に車両、に適用される仮想センサという面において、該装置の動作性能パラメータを決定するために有益に使用可能であり、前記システムは、
装置搭載センサと、
本発明に係るコンピュータ実施方法を実行するように構成された少なくとも１つの処理ユニットと、
を備える。
このような視覚センサは、現実世界のある部分をシミュレートする特定のデジタルツインとして理解することができ、物理的実体を測定するセンサによってフィードバックに接続されて、そのシミュレーションを仮想センシング位置の周囲の現実世界の環境と整合させる。
装置搭載センサと、
本発明に係るコンピュータ実施方法を実行するように構成された少なくとも１つの処理ユニットと、
を備える。
このような視覚センサは、現実世界のある部分をシミュレートする特定のデジタルツインとして理解することができ、物理的実体を測定するセンサによってフィードバックに接続されて、そのシミュレーションを仮想センシング位置の周囲の現実世界の環境と整合させる。
本発明による方法の有利な構成および実施形態は、特許請求の範囲および以下の説明の態様から導かれる。
以下に、本発明の実施形態を、単なる例示として、添付図面を参照して説明する。
図面は概略的な形で図示されている。異なる図において、類似または同一のパラメータに、同一の参照符号が付されている場合があることに留意されたい。
図面の説明
図１は、本発明による方法－ステップとこの方法を実施するためのシステムの概略図を示しており、前記システムは仮想センサである。図１は、装置（ＤＶＣ）～ここでは、本発明による方法が組み込まれ得る車両（ＶＣＬ）～に適用される前記方法を示す。ここでは、センサ（ＳＮＳ）を使用して、車両（ＶＣＬ）の運転中における第１のパラメータセット（ＰＳ１）の測定［ステップａ］が実行される。車両（ＶＣＬ）は、ユーザからの入力（ＩＰＴ）として、ハンドルにおける操舵角δと、前後加速度ａxと、を自動車のエンジンからそれぞれ受け取る。操舵角δは、ハンドルにおける角度を測定し、既知の比率で除算することによって得ることができる。前後加速度ａxは、加速度計によって得ることができる。この入力（ＩＰＴ）は、第２のパラメータセット（ＰＳ２）を決定するために、コンピュータに実装された補足モデル（ＭＤ１）に転送される［ステップｂ］。
図１は、本発明による方法－ステップとこの方法を実施するためのシステムの概略図を示しており、前記システムは仮想センサである。図１は、装置（ＤＶＣ）～ここでは、本発明による方法が組み込まれ得る車両（ＶＣＬ）～に適用される前記方法を示す。ここでは、センサ（ＳＮＳ）を使用して、車両（ＶＣＬ）の運転中における第１のパラメータセット（ＰＳ１）の測定［ステップａ］が実行される。車両（ＶＣＬ）は、ユーザからの入力（ＩＰＴ）として、ハンドルにおける操舵角δと、前後加速度ａxと、を自動車のエンジンからそれぞれ受け取る。操舵角δは、ハンドルにおける角度を測定し、既知の比率で除算することによって得ることができる。前後加速度ａxは、加速度計によって得ることができる。この入力（ＩＰＴ）は、第２のパラメータセット（ＰＳ２）を決定するために、コンピュータに実装された補足モデル（ＭＤ１）に転送される［ステップｂ］。
補足モデル（ＭＤ１）は、線形モデルである。補足モデル（ＭＤ１）は、横滑り角βlinに関し次式が適用され得るという微小角度の仮定の下で、線形補足モデル（ＭＤ１）を時間積分することによって得られ、仮想測定とみなすことができる仮想横滑り角βlinを受け取る。
式中、ｖyは横方向速度であり、ｖxは縦方向速度である。
補足モデル（ＭＤ１）は、以下のように定式化することができる。
次のステップ（ｃ）では、第１のパラメータセット（ＰＳ１）のパラメータが、第２のパラメータセット（ＰＳ２）のうちの少なくとも１つの選択されたパラメータ（ＳＰＳ）～ここでは、βlin～と組み合わされて、ハイブリッドパラメータセット（ＰＳＨ）が得られる。このハイブリッドパラメータセット（ＰＳＨ）は、測定量と、仮想センサ測定とみなされる少なくとも１つの計算量と、を含む。
続くステップ（ｄ）において、ハイブリッドパラメータセット（ＰＳＨ）のパラメータは、カルマンフィルタモジュール（ＥＫＦ）に提供される。
カルマンフィルタモジュール（ＥＫＦ）は、ステップ（ｅ）内で、第２のモデル（ＭＤ２）によって、それぞれのパラメータタイプに関してハイブリッドパラメータセット（ＰＳＨ）と等価である第３のパラメータセット（ＰＳ３）を推定する。ここで、カルマンフィルタモジュール（ＥＫＦ）は、適応線形タイヤモデルと結合されたシングルトラックモデルを採用する拡張カルマンフィルタであり、次の状態方程式のセットを結果として生じる。
カルマンフィルタモジュール（ＥＫＦ）の初期出力方程式のセットは以下のとおりである。
カルマンフィルタモジュール（ＥＫＦ）の最終的な出力方程式は、前記補足モデル（ＭＤ１）から得られた前記横滑り角βlinの仮想測定でこの方程式を補強することにより得られ、ここでは、上記で参照した線形モデルを経時的に積分することによって得られる。最終的な方程式は、次のようになる。
前記横滑り角βlinの仮想測定は、コーナリング剛性が基本的に観測不可能となる直進走行中に、信頼できる参照を提供する。さらに、前記横滑り角βlinの仮想測定は、特に横方向加速度が低レベルの場合に、測定が非常に困難な横方向速度に対する追加の基準を提供する。
方法ステップ（ｆ）において、カルマンフィルタモジュール（ＥＫＦ）は、ハイブリッドパラメータセット（ＰＳＨ）および第３のパラメータセット（ＰＳ３）のパラメータを比較する。このことは、図１に、差分（ＤＩＦ）の決定によって示される。
ステップ（ｇ）において、拡張カルマンフィルタモジュール（ＥＫＦ）は、カルマンフィルタ出力モジュール（ＥＫＦ－ＯＴＰ）によって、出力パラメータセット（ＰＳＯ）を推定する。この推定は、線形二次推定（ＬＱＥ）として知られている既知の方法で行われる。線形二次推定（ＬＱＥ）は、測定履歴を含む前記測定を使用するアルゴリズムである。これらの測定は、統計的ノイズやその他の不正確さを含む可能性がある。カルマンフィルタモジュール（ＥＫＦ）は、単一の測定のみに基づく推定よりも正確である可能性が高い状態変数の推定を生成する。カルマンフィルタモジュール（ＥＫＦ）は、各時間枠の変数に対する同時確率分布を推定する。
単純化されたモデル（補足モデル（ＭＤ１））の結果としてのβlinのような仮想参照を使用することは、特定の動作条件における車両の実際の挙動を正しく表現する可能性があるが、他の動作条件ではエラーや制限を招くこともある。
図１は、精度を高めるために、この問題にそれぞれ対処するための以下の追加のステップを示す。
（ｉ）第１のパラメータセット（ＰＳ１）のうちのそれぞれ１つの別個のパラメータ（ＤＣＰ，ＤＣＰ１）と、第２のパラメータセット（ＰＳ２）のうちの等価なパラメータ（ＤＣＰ，ＤＣＰ２）と、の間の偏差（ＤＶＴ）を決定すること
（ii）前記偏差（ＤＶＴ）の値と、前記第３のパラメータセット（ＰＳ３）の少なくとも１つのパラメータに関する共分散値（ＣＯＶ）と、の間の相関（ＣＶＬ）を提供すること
（iii）決定された偏差（ＤＶＴ）に基づいて、前記相関（ＣＶＣ）から、共分散値（ＣＯＶ）を決定すること
（iv）前記出力パラメータセット（ＰＳＯ）を推定するために、前記共分散値（ＣＯＶ）を前記カルマンフィルタモジュール（ＥＫＦ）に転送すること
図に示すように、共分散モジュール（ＣＶＭ）は、所定の相関関係に基づいて共分散値（ＣＯＶ）を提供する。
（ｉ）第１のパラメータセット（ＰＳ１）のうちのそれぞれ１つの別個のパラメータ（ＤＣＰ，ＤＣＰ１）と、第２のパラメータセット（ＰＳ２）のうちの等価なパラメータ（ＤＣＰ，ＤＣＰ２）と、の間の偏差（ＤＶＴ）を決定すること
（ii）前記偏差（ＤＶＴ）の値と、前記第３のパラメータセット（ＰＳ３）の少なくとも１つのパラメータに関する共分散値（ＣＯＶ）と、の間の相関（ＣＶＬ）を提供すること
（iii）決定された偏差（ＤＶＴ）に基づいて、前記相関（ＣＶＣ）から、共分散値（ＣＯＶ）を決定すること
（iv）前記出力パラメータセット（ＰＳＯ）を推定するために、前記共分散値（ＣＯＶ）を前記カルマンフィルタモジュール（ＥＫＦ）に転送すること
図に示すように、共分散モジュール（ＣＶＭ）は、所定の相関関係に基づいて共分散値（ＣＯＶ）を提供する。
偏差（ＤＶＴ）は、線形補足モデル（ＭＤ１）が各時間ステップで信頼できるかどうかを決定する非線形性の尺度である。ここでは、次のようになる。
偏差（ＤＶＴ）の値は、次に、前記第３のパラメータセット（ＰＳ３）のうちの少なくとも１つのパラメータに関する共分散値（ＣＯＶ）（例えば、コーナリング剛性ＱＣf，ＱＣrの共分散値と仮想横滑り角測定Ｒβlinの共分散値）を適合させるために使用される。共分散（ＣＯＶ）は、前記モデルまたは前記尺度のいずれかに置かれた信頼度に応じて最終的な推定器の性能を調整するための調整パラメータとして使用される。
好ましくは、前記偏差（ＤＶＴ）値と共分散値（ＣＯＶ）との間の相関（ＣＶＬ）は、より低い偏差の場合にはより低い共分散値を提供し、より高い偏差の場合にはより高い共分散値を提供することができる。詳細には、以下の規則を適用することが好ましい。
図１に示すシステム（ＳＹＳ）は、本発明に係るコンピュータ実施方法を実行し、前記出力パラメータセット（ＰＳＯ）を生成するように構成された、少なくとも１つの処理ユニット（ＣＰＵ）を備える。システム（ＳＹＳ）はさらに、前記出力パラメータセット（ＰＳＯ）の少なくとも１つのパラメータまたは前記出力パラメータセット（ＰＳＯ）に基づく修正パラメータを、ユーザ（ＵＳＲ）に向けてディスプレイ（ＤＳＰ）上に表示するためのディスプレイ（ＤＳＰ）を備える。
本発明を好適な実施形態を用いて詳細に説明したが、本発明は、開示された実施例によって限定されるものではなく、請求項によって規定される範囲によって限定され、独立請求項によって規定される本発明の範囲から逸脱することなく、当業者によって数多くの追加的な修飾や変形がなされ得ることが理解される。
なお、本出願を通して「ａ」または「ａｎ」を用いることは、複数を除外するものではなく、また、「含む（comprising）」は他のステップまたはパラメータを除外するものではない。また、異なる実施形態に関連して記載されるパラメータは、組み合わされてもよい。特許請求の範囲における参照符号は、特許請求の範囲を限定するものとして解釈されるべきではないことにも留意されたい。
なお、本明細書は、少なくとも下記の特許請求の範囲に記載の構成を開示する。
（１）
装置搭載センサ（ＳＮＳ）およびコンピュータ実装モデル（ＭＤＳ、ＭＤ２）を用いて、装置、特に車両（ＶＣＬ）、の動作性能パラメータを決定するコンピュータ実施方法であって、以下の工程：
（ａ）前記センサ（ＳＮＳ）を用いて前記装置（ＤＶＣ）の動作中に第１のパラメータセット（ＰＳ１）を測定すること、
（ｂ）コンピュータに実装される補足モデル（ＭＤ１）を提供し、前記補足モデル（ＭＤ１）によって第２のパラメータセット（ＰＳ２）を決定すること、
（ｃ）前記第１のパラメータセット（ＰＳ１）のパラメータを、前記第２のパラメータセット（ＰＳ２）のうちの少なくとも１つの選択されたパラメータ（ＳＰＳ）と結合して、ハイブリッドパラメータセット（ＰＳＨ）を得ること、
（ｄ）前記ハイブリッドパラメータセット（ＰＳＨ）のパラメータをカルマンフィルタモジュール（ＥＫＦ）に提供すること、
（ｅ）前記カルマンフィルタモジュール（ＥＫＦ）が、第２のモデル（ＭＤ２）によってそれぞれのパラメータタイプに関して前記ハイブリッドパラメータセット（ＰＳＨ）と等価である第３のパラメータセット（ＰＳ３）を推定すること、
（ｆ）前記カルマンフィルタモジュール（ＥＫＦ）が、前記ハイブリッドパラメータセット（ＰＳＨ）および前記第３のパラメータセット（ＰＳ３）の前記パラメータを比較すること、
（ｇ）前記カルマンフィルタモジュール（ＥＫＦ）が、出力パラメータセット（ＰＳＯ）を推定すること、
を含み、
（ｉ）前記第１のパラメータセット（ＰＳ１）のそれぞれ１つの別個のパラメータ（ＤＣＰ）と前記第２のパラメータセット（ＰＳ２）の前記等価なパラメータとの間の偏差（ＤＶＴ）を決定すること、
（ii）前記偏差（ＤＶＴ）の値と、前記第３のパラメータセット（ＰＳ３）の少なくとも１つのパラメータに関する共分散値（ＣＯＶ）と、の間の相関（ＣＶＬ）を提供すること、
（iii）決定された前記偏差（ＤＶＴ）に基づいて、前記相関（ＣＶＣ）から共分散値（ＣＯＶ）を決定すること、
（iv）前記出力パラメータセット（ＰＳＯ）を推定するために、前記共分散値（ＣＯＶ）を前記カルマンフィルタモジュール（ＥＫＦ）に転送すること、
を含むことを特徴とする、方法。
（２）
前記装置は、車両であり、
前記少なくとも１つの選択されたパラメータ（ＳＰＳ）は、車両横滑り角（ＢＴＬ）である、
前記構成の少なくとも１つに記載の方法。
（３）
前記パラメータセット（ＰＳ１、ＰＳＨ、ＰＳ３）はそれぞれ、横方向速度（ＰＶＹ）、縦方向速度（ＰＶＸ）、ヨーレート（ＰＹＲ）、横方向加速度（ＰＡＹ）、フロントコーナリング剛性（ＰＣＦ）、およびリアコーナリング剛性（ＰＣＲ）のうちの少なくとも１つを含み、
前記カルマンフィルタモジュール（ＥＫＦ）は、拡張カルマンフィルタである、
前記構成の少なくとも１つに記載の方法。
（４）
前記補足モデル（ＭＤ１）および／または前記第２のモデル（ＭＤ２）のそれぞれに対する入力は、縦方向加速度（ＰＡＸ）、操舵角（ＰＳＡ）のうちの少なくとも１つである、
前記構成の少なくとも１つに記載の方法。
（５）
前記補足モデル（ＭＤ１）は線形タイプであり、
前記第２のモデル（ＭＤ２）は非線形タイプである、
前記構成の少なくとも１つに記載の方法。
（６）
前記共分散値（ＣＯＶ）を決定するための前記個別パラメータ（ＤＣＰ）は、前記ヨーレート（ＰＹＲ）であり、
決定された前記偏差（ＤＶＴ）に基づいて前記相関（ＣＶＣ）から決定される前記共分散値（ＣＯＶ）は、前記車両（ＶＣＬ）の車両タイヤ（ＶＴＲ）のコーナリング剛性（ＣＲＦ、ＣＲＲ）の共分散として前記カルマンフィルタ（ＥＫＦ）に転送され、
前記相関（ＣＶＬ）は、偏差が小さい場合に低い共分散（ＣＯＶ）値を提供し、偏差が大きい場合に高い共分散（ＣＯＶ）値を提供する、
前記構成の少なくとも１つに記載の方法。
（７）
以下の追加の工程：
前記出力パラメータセット（ＰＳＯ）の少なくとも１つのパラメータ、または前記出力パラメータセット（ＰＳＯ）に基づいて修正されたパラメータを、ユーザ（ＵＳＲ）に対してディスプレイ（ＤＳＰ）上に表示すること、
をさらに含む、
前記請求項の少なくとも１つに記載の方法。
（８）
装置、特に車両（ＶＣＬ）、の動作性能パラメータを決定するために前記装置に適用されるシステム（ＳＹＳ）、特に仮想センサ（ＶＲＳ）、であって、
装置搭載センサ（ＳＮＳ）と、
前記請求項のうちの少なくとも１つに記載の前記コンピュータ実施方法を実行し、前記出力パラメータセット（ＰＳＯ）を生成するように構成された、少なくとも１つの処理ユニット（ＣＰＵ）と、
を備える、システム（ＳＹＳ）。
（９）
前記出力パラメータセット（ＰＳＯ）の少なくとも１つのパラメータ、または前記出力パラメータセット（ＰＳＯ）に基づいて修正されたパラメータを、ユーザ（ＵＳＲ）に対しディスプレイ（ＤＳＰ）上に表示するためのディスプレイ（ＤＳＰ）を含む、
構成（８）に記載のシステム（ＳＹＳ）。
なお、本明細書は、少なくとも下記の特許請求の範囲に記載の構成を開示する。
（１）
装置搭載センサ（ＳＮＳ）およびコンピュータ実装モデル（ＭＤＳ、ＭＤ２）を用いて、装置、特に車両（ＶＣＬ）、の動作性能パラメータを決定するコンピュータ実施方法であって、以下の工程：
（ａ）前記センサ（ＳＮＳ）を用いて前記装置（ＤＶＣ）の動作中に第１のパラメータセット（ＰＳ１）を測定すること、
（ｂ）コンピュータに実装される補足モデル（ＭＤ１）を提供し、前記補足モデル（ＭＤ１）によって第２のパラメータセット（ＰＳ２）を決定すること、
（ｃ）前記第１のパラメータセット（ＰＳ１）のパラメータを、前記第２のパラメータセット（ＰＳ２）のうちの少なくとも１つの選択されたパラメータ（ＳＰＳ）と結合して、ハイブリッドパラメータセット（ＰＳＨ）を得ること、
（ｄ）前記ハイブリッドパラメータセット（ＰＳＨ）のパラメータをカルマンフィルタモジュール（ＥＫＦ）に提供すること、
（ｅ）前記カルマンフィルタモジュール（ＥＫＦ）が、第２のモデル（ＭＤ２）によってそれぞれのパラメータタイプに関して前記ハイブリッドパラメータセット（ＰＳＨ）と等価である第３のパラメータセット（ＰＳ３）を推定すること、
（ｆ）前記カルマンフィルタモジュール（ＥＫＦ）が、前記ハイブリッドパラメータセット（ＰＳＨ）および前記第３のパラメータセット（ＰＳ３）の前記パラメータを比較すること、
（ｇ）前記カルマンフィルタモジュール（ＥＫＦ）が、出力パラメータセット（ＰＳＯ）を推定すること、
を含み、
（ｉ）前記第１のパラメータセット（ＰＳ１）のそれぞれ１つの別個のパラメータ（ＤＣＰ）と前記第２のパラメータセット（ＰＳ２）の前記等価なパラメータとの間の偏差（ＤＶＴ）を決定すること、
（ii）前記偏差（ＤＶＴ）の値と、前記第３のパラメータセット（ＰＳ３）の少なくとも１つのパラメータに関する共分散値（ＣＯＶ）と、の間の相関（ＣＶＬ）を提供すること、
（iii）決定された前記偏差（ＤＶＴ）に基づいて、前記相関（ＣＶＣ）から共分散値（ＣＯＶ）を決定すること、
（iv）前記出力パラメータセット（ＰＳＯ）を推定するために、前記共分散値（ＣＯＶ）を前記カルマンフィルタモジュール（ＥＫＦ）に転送すること、
を含むことを特徴とする、方法。
（２）
前記装置は、車両であり、
前記少なくとも１つの選択されたパラメータ（ＳＰＳ）は、車両横滑り角（ＢＴＬ）である、
前記構成の少なくとも１つに記載の方法。
（３）
前記パラメータセット（ＰＳ１、ＰＳＨ、ＰＳ３）はそれぞれ、横方向速度（ＰＶＹ）、縦方向速度（ＰＶＸ）、ヨーレート（ＰＹＲ）、横方向加速度（ＰＡＹ）、フロントコーナリング剛性（ＰＣＦ）、およびリアコーナリング剛性（ＰＣＲ）のうちの少なくとも１つを含み、
前記カルマンフィルタモジュール（ＥＫＦ）は、拡張カルマンフィルタである、
前記構成の少なくとも１つに記載の方法。
（４）
前記補足モデル（ＭＤ１）および／または前記第２のモデル（ＭＤ２）のそれぞれに対する入力は、縦方向加速度（ＰＡＸ）、操舵角（ＰＳＡ）のうちの少なくとも１つである、
前記構成の少なくとも１つに記載の方法。
（５）
前記補足モデル（ＭＤ１）は線形タイプであり、
前記第２のモデル（ＭＤ２）は非線形タイプである、
前記構成の少なくとも１つに記載の方法。
（６）
前記共分散値（ＣＯＶ）を決定するための前記個別パラメータ（ＤＣＰ）は、前記ヨーレート（ＰＹＲ）であり、
決定された前記偏差（ＤＶＴ）に基づいて前記相関（ＣＶＣ）から決定される前記共分散値（ＣＯＶ）は、前記車両（ＶＣＬ）の車両タイヤ（ＶＴＲ）のコーナリング剛性（ＣＲＦ、ＣＲＲ）の共分散として前記カルマンフィルタ（ＥＫＦ）に転送され、
前記相関（ＣＶＬ）は、偏差が小さい場合に低い共分散（ＣＯＶ）値を提供し、偏差が大きい場合に高い共分散（ＣＯＶ）値を提供する、
前記構成の少なくとも１つに記載の方法。
（７）
以下の追加の工程：
前記出力パラメータセット（ＰＳＯ）の少なくとも１つのパラメータ、または前記出力パラメータセット（ＰＳＯ）に基づいて修正されたパラメータを、ユーザ（ＵＳＲ）に対してディスプレイ（ＤＳＰ）上に表示すること、
をさらに含む、
前記請求項の少なくとも１つに記載の方法。
（８）
装置、特に車両（ＶＣＬ）、の動作性能パラメータを決定するために前記装置に適用されるシステム（ＳＹＳ）、特に仮想センサ（ＶＲＳ）、であって、
装置搭載センサ（ＳＮＳ）と、
前記請求項のうちの少なくとも１つに記載の前記コンピュータ実施方法を実行し、前記出力パラメータセット（ＰＳＯ）を生成するように構成された、少なくとも１つの処理ユニット（ＣＰＵ）と、
を備える、システム（ＳＹＳ）。
（９）
前記出力パラメータセット（ＰＳＯ）の少なくとも１つのパラメータ、または前記出力パラメータセット（ＰＳＯ）に基づいて修正されたパラメータを、ユーザ（ＵＳＲ）に対しディスプレイ（ＤＳＰ）上に表示するためのディスプレイ（ＤＳＰ）を含む、
構成（８）に記載のシステム（ＳＹＳ）。
Claims (10)
- 装置搭載センサ（ＳＮＳ）およびコンピュータ実装モデル（ＭＤＳ、ＭＤ２）を用いて、装置の動作に関連するパラメータを推定するコンピュータ実施方法であって、以下の工程：
（ａ）前記装置搭載センサ（ＳＮＳ）を用いて前記装置（ＤＶＣ）の動作中に第１のパラメータセット（ＰＳ１）を測定すること、
（ｂ）コンピュータに実装される補足モデル（ＭＤ１）を提供し、前記補足モデル（ＭＤ１）によって前記第１のパラメータセット（ＰＳ１）に基づいて第２のパラメータセット（ＰＳ２）を決定すること、
（ｃ）前記第１のパラメータセット（ＰＳ１）のパラメータを、前記第２のパラメータセット（ＰＳ２）のうちの少なくとも１つの選択されたパラメータ（ＳＰＳ）と結合して、ハイブリッドパラメータセット（ＰＳＨ）を得ること、
（ｄ）前記ハイブリッドパラメータセット（ＰＳＨ）のパラメータをカルマンフィルタモジュール（ＥＫＦ）に提供すること、
（ｅ）前記カルマンフィルタモジュール（ＥＫＦ）が、第２のモデル（ＭＤ２）によって、それぞれのパラメータタイプに関して前記ハイブリッドパラメータセット（ＰＳＨ）と等価である第３のパラメータセット（ＰＳ３）を推定すること、
（ｆ）前記カルマンフィルタモジュール（ＥＫＦ）が、前記ハイブリッドパラメータセット（ＰＳＨ）のパラメータと前記第３のパラメータセット（ＰＳ３）のパラメータとを比較すること、
（ｇ）前記カルマンフィルタモジュール（ＥＫＦ）が、出力としての出力パラメータセット（ＰＳＯ）を推定すること、
を含み、
（ｉ）前記第１のパラメータセット（ＰＳ１）のそれぞれ１つの別個のパラメータ（ＤＣＰ）と前記第２のパラメータセット（ＰＳ２）の等価なパラメータとの間の偏差（ＤＶＴ）を決定すること、
（ii）前記偏差（ＤＶＴ）の値と、前記第３のパラメータセット（ＰＳ３）の少なくとも１つのパラメータに関する共分散値（ＣＯＶ）と、の間の相関（ＣＶＬ）を提供すること、
（iii）決定された前記偏差（ＤＶＴ）に基づいて、前記相関から共分散値（ＣＯＶ）を決定すること、
（iv）前記出力パラメータセット（ＰＳＯ）を推定するために、前記共分散値（ＣＯＶ）を前記カルマンフィルタモジュール（ＥＫＦ）に転送すること、
を含むことを特徴とする、方法。 - 前記装置は、車両であり、
前記少なくとも１つの選択されたパラメータ（ＳＰＳ）は、車両横滑り角（ＢＴＬ）である、
請求項１に記載の方法。 - 前記第１のパラメータセット（ＰＳ１）、前記ハイブリッドパラメータセット（ＰＳＨ、および前記第３のパラメータセット（ＰＳ３）はそれぞれ、横方向速度（ＰＶＹ）、縦方向速度（ＰＶＸ）、ヨーレート（ＰＹＲ）、横方向加速度（ＰＡＹ）、フロントコーナリング剛性（ＰＣＦ）、およびリアコーナリング剛性（ＰＣＲ）のうちの少なくとも１つを含み、
前記カルマンフィルタモジュール（ＥＫＦ）は、拡張カルマンフィルタである、
請求項１または２に記載の方法。 - 前記補足モデル（ＭＤ１）および／または前記第２のモデル（ＭＤ２）のそれぞれに対する入力は、縦方向加速度（ＰＡＸ）、操舵角（ＰＳＡ）のうちの少なくとも１つである、
請求項１～３のいずれか１項に記載の方法。 - 前記補足モデル（ＭＤ１）は線形タイプであり、
前記第２のモデル（ＭＤ２）は非線形タイプである、
請求項１～４のいずれか１項に記載の方法。 - 前記共分散値（ＣＯＶ）を決定するための前記別個のパラメータ（ＤＣＰ）は、ヨーレート（ＰＹＲ）であり、
決定された前記偏差（ＤＶＴ）に基づいて前記相関から決定される前記共分散値（ＣＯＶ）は、車両（ＶＣＬ）の車両タイヤ（ＶＴＲ）のコーナリング剛性（ＣＲＦ、ＣＲＲ）の共分散として前記カルマンフィルタモジュール（ＥＫＦ）に転送され、
前記相関（ＣＶＬ）は、偏差が第１の基準よりも小さい場合に第２の基準よりも低い共分散値（ＣＯＶ）を提供し、偏差が前記第１の基準よりも大きい場合に前記第２の基準よりも高い共分散値（ＣＯＶ）を提供する、
請求項１～５のいずれか１項に記載の方法。 - 以下の追加の工程：
前記出力パラメータセット（ＰＳＯ）の少なくとも１つのパラメータ、または前記出力パラメータセット（ＰＳＯ）に基づいて修正されたパラメータを、ユーザ（ＵＳＲ）に対してディスプレイ（ＤＳＰ）上に表示すること、
をさらに含む、
請求項１～６のいずれか１項に記載の方法。 - 装置の動作に関連するパラメータを推定するために前記装置に適用されるシステム（ＳＹＳ）であって、
装置搭載センサ（ＳＮＳ）と、
請求項１～７のいずれか１項に記載のコンピュータ実施方法を実行し、出力としての前記出力パラメータセット（ＰＳＯ）を生成するように構成された、少なくとも１つの処理ユニット（ＣＰＵ）と、
を備える、システム（ＳＹＳ）。 - 前記出力パラメータセット（ＰＳＯ）の少なくとも１つのパラメータ、または前記出力パラメータセット（ＰＳＯ）に基づいて修正されたパラメータを、ユーザ（ＵＳＲ）に対しディスプレイ（ＤＳＰ）上に表示するためのディスプレイ（ＤＳＰ）を含む、
請求項８に記載のシステム（ＳＹＳ）。 - 前記装置は車両であり、
当該システム（ＳＹＳ）は仮想センサ（ＶＲＳ）である、
請求項８または９に記載のシステム（ＳＹＳ）。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP21165650.9 | 2021-03-29 | ||
| EP21165650.9A EP4067191A1 (en) | 2021-03-29 | 2021-03-29 | Method and system for determining operating performance parameters of a device |
| PCT/EP2022/055054 WO2022207212A1 (en) | 2021-03-29 | 2022-03-01 | Method and system for determining operating performance parameters of a device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2024517571A JP2024517571A (ja) | 2024-04-23 |
| JP7516682B2 true JP7516682B2 (ja) | 2024-07-16 |
Family
ID=
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012131495A (ja) | 2003-12-24 | 2012-07-12 | Automotive Systems Lab Inc | 道路曲率推定システム |
| WO2017175844A1 (ja) | 2016-04-06 | 2017-10-12 | ヤマハ発動機株式会社 | 姿勢推定装置及び輸送機器 |
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012131495A (ja) | 2003-12-24 | 2012-07-12 | Automotive Systems Lab Inc | 道路曲率推定システム |
| WO2017175844A1 (ja) | 2016-04-06 | 2017-10-12 | ヤマハ発動機株式会社 | 姿勢推定装置及び輸送機器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109476287B (zh) | 用于控制车辆的方法、系统和非暂时性计算机可读存储器 | |
| Solmaz et al. | Real-time multiple-model estimation of centre of gravity position in automotive vehicles | |
| US6816799B2 (en) | Vehicle operating parameter determination system and method | |
| EP3115765B1 (en) | Tire sensor-based vehicle state estimation system and method | |
| CN107000755A (zh) | 用于估计影响车辆动力学的变量的方法和对应的虚拟传感器 | |
| JP2005199818A (ja) | 車両挙動再現システム | |
| US8041491B2 (en) | Reconfigurable structure method of estimating vehicle lateral velocity | |
| El Tannoury et al. | Synthesis and application of nonlinear observers for the estimation of tire effective radius and rolling resistance of an automotive vehicle | |
| KR102554795B1 (ko) | 타이어 강성 추정 및 도로 마찰 추정 | |
| US10940865B2 (en) | Method and device for determining a state of a roadway of a vehicle | |
| CN108749817A (zh) | 使用耦合动力学模型估计路面摩擦系数和车辆横向速度的系统和方法 | |
| CN103279675A (zh) | 轮胎-路面附着系数与轮胎侧偏角的估计方法 | |
| CN111623779A (zh) | 一种适用于噪声特性未知的时变系统自适应级联滤波方法 | |
| US20100100360A1 (en) | Model-based road surface condition identification | |
| CN115828425A (zh) | 轮胎模型及路面附着系数协同辨识方法、系统 | |
| Villagra et al. | Estimation of longitudinal and lateral vehicle velocities: an algebraic approach | |
| JP7516682B2 (ja) | 装置の動作性能パラメータを決定するための方法およびシステム | |
| Milanese et al. | Direct virtual sensor (DVS) design in vehicle sideslip angle estimation | |
| JP2024517571A (ja) | 装置の動作性能パラメータを決定するための方法およびシステム | |
| CN117068184A (zh) | 车身侧偏角的确定方法、装置及设备 | |
| US20040153216A1 (en) | Method for estimating a vehicle's velocity | |
| CN113771865B (zh) | 一种车载传感器测量数据异常情况下的汽车状态估计方法 | |
| US20240208516A1 (en) | Vehicle status parameter estimation method and apparatus | |
| CN117590441B (zh) | 一种完好性保护水平计算方法及相关设备 | |
| Chen et al. | Vehicle side-slip angle and lateral force estimator based on extended Kalman filtering algorithm |