JPH02231611A - 車両用自動操縦制御装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分野］ 本発明は車両用自動操縦制御装置、特に予め定められて
いる誘導路を自動的に走行させるための自動操縦制御装
置の制御内容に関するものである。

［従来の技術］ 予め定められた走路（コース）を自動的に走行する自動
操縦車が周知であり、工場内の無人搬送車や耐久走行試
験などで用いられている。この自動操縦車は、例えば所
定のコースに誘導ケーブルを設け、この誘導ケーブルの
位置を磁界センサにて検出しながら、ハンドル、アクセ
ル、ブレーキ等をアクチュエータにて操縦し、誘導ケー
ブルに沿った自動走行を実現しており、これにより車両
をコースに忠実に走行させることが可能となる。

また、従来においては、特開昭６３−３３１５号公報に
示されるように、実際のコースを有人操縦で走らせてコ
ース情報を採取することにより、前もって走行コースの
設定に必要な情報を与えるものがある。これによれば、
比較的複雑な地形であっても所定のコースを外れること
なく円滑に走行させることができる。

［発明が解決しようとする課題］ しかしながら、従来の車両の自動操縦では、現状のコー
ス誤差を基本に車両の操縦を行うので、人間が実際に操
縦するような予測を用いたなめらかな運転はできず、物
だけでなく人間を運搬する場合には乗り心地が悪いとい
う問題がある。

一般に、自動操縦車ではコースを忠実に走行することが
最も重要であり、比較的フィードバックゲインを高くし
た高速の制御を用いるため、上記の如く人間が操縦した
ものとは大きく異なり、制御の安定性が悪くなっている
。なお、前記特開昭６３−３３１５号の場合でも、教示
されるのはコースのみで操縦量までは教示されない。

更に、車両の種類が異なる場合には車両の運動性が変化
し、同一の制御では対応できない場合が生じる。しかし
、従来においては、車両の種類の区別をすることなく、
一定のフィードバック制御により操縦制御を行っている
ので、車種によってはコースアウトを引き起こすという
問題がある。

そこで、本発明者は車両の現在位置から所定距離先で発
生する予測誤差を演算し、この予測誤差に運動ゲイン（
フィードバックゲイン）を掛けて誤差修正量を求め、こ
の修正量と予め記憶させた人間の操作量との和によりス
テアリング等を操作し、追従性と人間の操縦に近い安定
性のよい自動操縦を行うこと提案している。

しかし、車両の運動は例えば路面の摩擦係数μ等の環境
条件により大きく変化するため、操作量を予め記憶させ
た時の条件と実際に自動操縦するときの条件が相違する
場合には、記憶している操作量は適当なものでなくなる
。

また、時間の経過と共に環境条件が変化すると、この場
合はその差を補正するためフィードバック量が増大し、
制御系全体がフィードバックの応答性、安定性に大きく
左右されることになり、人間の操縦に近いフィードフォ
ワード制御の意味が半減する。

本発明は前記従来の問題点を解決することを課題として
なされたものであり、その目的は人間の操縦に近く、精
度のよい予測フィードバック制御を行い、かつ環境の変
化に対しても良好に追従できる車両用自動操縦制御装置
を提供することにある。

［課題を解決するための手段］ 前記目的を達成するために、本発明は、誘導路に対する
現在の車両の位置及び走行状態を計υ１しこの位置及び
走行状態に基づいて自動操縦のための各アクチュエータ
を操作制御する車両用自動操縦装置において、前記誘導
路及びこの誘導路を運転者が運転するときの各アクチュ
エータの操作量を記憶する記憶手段と、この記憶手段の
記憶内容に従って車両が現在位置から所定距離先まで走
行する場合の予測誤差を演算する予測誤差演算手段と、
前記予測誤差演算手段から出力された予測誤差に基づい
て学習量を演算し記憶する学習演算手段と、前記予測誤
差及び学習量に応じて前記記憶内容を修正しアクチュエ
ータの操作量を演算するアクチュエータ操作量演算手段
とを備えたことを特徴とする。

［作用】 以上の構成によれば、記憶手段には誘導路と各アクチュ
エータの操作量が記憶され、記憶されている誘導路を所
定の操作量に従って自動操縦されることになるが、この
際には現在位置から所定距離先まで走行した場合の予測
誤差が逐次演算され、この予測誤差に応じて修正された
アクチュエータの操作量が演算される。

この予測誤差は、現在の状態の誤差をも考慮した値であ
り、これにより正確な軌道修正又は運転状態の修正が可
能となる。

これと同時に、予測誤差演算手段により得られた予測誤
差から学習量が演算され、この学習量は記憶手段に記憶
される。そして、次回に誘導路を自動走行する際には前
記学習量が加えられてアクチュエータの操作量が演算さ
れる。

このように、学習量を考慮して最終的なアクチュエータ
操作量を演算するので、フィードフォワード制御の割合
が大きくなり、人間の操縦に近い操作を行うことができ
、また環境の変化にも良好に追従することができる。

［実施例］ 以下、図面に基づいて本発明の好適な実施例を説明する
。

第１図には、本発明に係る車両用自動操縦制御装置の概
略構成が示され、第２図には自動操縦車両の具体的な構
成が示されている。

第１図において、位置争状態検出手段１０は誘導路に対
する車両の位置及び走行状態を検出する各種のセンサを
含み、アクチュエータ操作量検出手段１２は車両を運転
するための操舵量、アクセル量、ブレーキ量等の各種ア
クチュエータ操作量を検出するセンサを含んでいる。

本発明において特徴的なことは、所定距離先における車
両走行の誤差を予測してアクチュエータ操作量を修正す
ると共に、予測した誤差に基づいて演算算出された学習
量を加味して最終的な操作量を演算することであり、こ
のために、記憶手段１４、予測誤差演算手段１６、アク
チュエータ操作量演算手段１８及び学習量演算手段１９
が設けられる。

前記記憶手段１４は教示運転した際に前記位置・状態検
出手段１０で得られた車両の位置、走行状態、アクチュ
エータ操作量検出手段１２で得られた操作量及び学習量
を記憶し、予測誤差演算手段１６は前記記憶部１４から
の情報を入力すると共に、位置・状態検出手段１０から
の運転中の現在の車両情報を入力して、所定距離先の予
測誤差を演算する。また、学習量演算手段１９は前記予
測誤差演算手段１６で得られた予測誤差から現時点での
学習量を演算し、この学習量を記憶手段１４に戻して記
憶させる。

そして、アクチュエータ操作量演算手段１８は記憶手段
１４から各種アクチュエータの操作量と学習量を入力す
ると共に、予測誤差演算手段１６から予測誤差を入力し
、記憶手段に記憶されているデータにフィードバックを
かけると共に、学習量を加える形で操作量を修正して出
力する。

第２図により自動操縦車の構成を具体的に説明すると、
車両の横偏位を検出するために前部磁界センサ１　１　
０　ａ　ｓ前部横偏位検出回路１１１ａと後部磁界セン
サ１１０ｂ，後部偏位検出回路１１ｌｂが設けられ、誘
導路に設けられた誘導ケーブル２０から出力される磁界
を検出して横偏位を求めると共に、ヨー角も求めている
。すなわち、第３図に示されるように、前部の横偏位を
Ｙｆ，後部の横偏位Ｙ『とすると、車両３２の中心位置
０における横偏位Ｙは、 ・Ｙ　−　（Ｙｒ　＋Ｙｒ　）　／２　　　　　　・・
・（１）となり、また車両の長さをａとすると、車両の
ヨー角θは、 θ一（Ｙｆ−Ｙｒ）／ａ　　　　川（２）となる。

また、車速を求めるためにマグネットピックアップ１１
４が設けられ、マグネット回転板１１３の回転数を検出
することにより車速を検出する。

そして、誘導路における車両の位置を検出するためにア
ンテナ１１５及び基準位置検出回路１１６を設けており
、誘導路の所定点毎に設けられている位置ビーコンから
出力される電波をアンテナ１１５にて受信し基準位置検
出回路１１６に供給することより、コース上の基準位置
を検出することができる。

また、前述した各種センサから検出信号等を入力して各
種の演算処理をするために演算処理回路（ＥＣＵ）２４
と、車両を操縦する各種アクチュエータの操作量をフィ
ードバックして所定の処理を行うフィードバック処理回
路２６が設けられ、この演算処理回路２４及びフィード
バック処理回路２６により第１図の記憶手段１４、予測
誤差演算手段１６、アクチュエータ操作量演算手段１８
及び学習量演算手段１９が構成される。

そして、自動操縦のために車両２８に設けられた各種ア
クチュエータとしては、図示されている駆動モータ２９
とステアリング３０の他にも、アクセル、ブレーキなど
が設けられ、これらの操作量は各種アクチュエータに設
けられているセンサ、例えば操舵量センサ３２等にて検
出されてフィードバックされる。

また、実施例は誘導路を人間が教示した目標コースとし
この目標コースを自動操縦しているので、教示運転モー
ドと自動運転モードとを切り換えるマニアルスイッチ３
４と、このモード状態を識別するための表示ランブ３６
を設けている。

次に、第４図に基づいて、教示した目標コースを操舵量
制御しながら自動操縦する第１実施例を具体的に説明す
る。

第４図には、教示データから最終的なアクチュエータ操
作量を求めるまでの演算処理ブロック回路が示されてお
り、目標コースマップ１４１と操舵量マップ１４２及び
学習量マップ５２は前記記憶手段１４中に設定されてい
るものである。前記目標コースマップ１４１には、教示
運転の際に位置ビーコン２２等から検出した位置Ｘの情
報とこの位置Ｘにおける教示運転時の横偏位ＹＯとヨー
角θ。が平均化部２４１にて平均化されて記憶されてい
る。この場合の横偏位Ｙｏとヨー角θ。は、誘導路を基
準として測った値であり、実施例では誘導ケーブル２０
から測定した値である。そして、操舵量マップ１４２に
は、教示運転において運転者がステアリングを操作した
量が操舵量として平均化部２４２にて平均化されて記憶
されている。

また、予測誤差演算手段１６として加減算器１６１，１
６２、誤差算出部１６３及びゲイン乗算器１６４が設け
られ、アクチュエータ操作量演算手段１８として加算器
１８１が設けられる。

例えば、第５図に示す状態で車両が走行している場合に
は次のような演算が行われる。

第５図では、目標コース８００を自動走行しているが、
車両２８が目標コースからΔｌｍ（横偏位）離れた図の
現在位置を走行し、この時の車両のヨー角はΔθである
。このヨー角は目標コースの接線８０１　（８０１−）
に対する車両の向きである。この状態において、通常の
フィードバック制御ではΔＪｍを修正するための操舵量
を与えることになるが、本発明ではＬｍ先の予測誤差量
を求める。なお、この距離Ｌは、１０〜２０ｍの距離が
好適である。

すなわち、現在の車両のヨー角がΔθであるから、Ｌｍ
先ではＬ・Δθ（Δθは小さ（ｓｉｎΔθ岬Δθとする
）の誤差が新たに生じることになり、最終的なＬｍ先の
予測誤差ε０は、ε。一ΔＪ−Ｌ−Δθ　　　　　・・
・（３）となり、これは誤差算出部１６３で行われる。

この場合の演算の情報である横偏位とヨー角は誘導ケー
ブル（誘導路）を基準とした値にするため、目標コース
マップ１４１の出力から現在の検出値を加減算器１６１
．１６２で加減算することになる。すなわち、前記（３
）式のΔｌは、Δｌ−Ｙ，−Ｙ，Δθは、Δθ一θ０−
θとなる。そして、前記誤差算出部１６３で得られた予
測誤差ε。はゲイン乗算器１６４によりゲインＫｐが乗
算され、最終的な誤差修正量ΔＵは、 ΔｕｓｗＫｐε０　　　　　　　　　　・・・（４）と
なり、これはアクチニエータ操作量演算手段１８である
加算器１８１に出力される。

また、学習量演算手段１９は予測誤差演算手段１６から
出力された誤差修正量にゲインＫｇを演算し、前回の学
習量に加算することにより学習量Δｕ８を演算しており
、これは次式で示されるものとなる。

ΔｕＩＩ一Δｕ＊（＋）＋Ｋｇ　ｍΔＵ（Δｕ１１（−
１１は前回の学習量、Ｋｇ＜　１）・・・（５） 従って、学習量は予測誤差量に所定のゲインを掛けた値
を前回の学習量に加えた値となり、あくまでも前回の学
習量を反映させることになる。

実施例においては、目標コース及びアクチュエータ操作
量を教示するが、車両の運転はそのときの環境条件、例
えば路面の摩擦係数μによって大きく変化することがあ
り、この場合には運転制御の精度が低下することになる
。本発明は、学習量制御することにより前記のような環
境の変化にも追従できるものである。

一方、操舵量マップ１４２からは現在の位置において教
示により記憶されている操舵量がアクチュエータ操作量
として加算器１８１に供給されている。すなわち、第５
図に示されるε，は現在の操舵量で走行した場合に目標
コース８００からずれる量であり、このε，は教示操舵
量で現在の位置から操舵すれば解消し、この教示操舵量
は加算器１８１により、前記誤差修正量ΔＵと加算され
ることになる。

従って、前記教示操舵量をｕ８とすると、最終的な操舵
量ｕ　（ｔ）は、 ｕ　（ｔ）−ｕ”＋Δυ＋ΔＵ＊　　・・・（６）とな
り、この操舵量ｕ（ｔ）によりステアリング３０を操縦
すれば、目標コース８００上に車両は到達できることに
なる。

この場合、本発明では同時に学習量制御が行われるので
、環境条件が刻々と変化した場合にも正確な自動操縦が
でき、予測誤差を修正する意義も大きくなる。

第１実施例は以上の構成からなり、以下にその作用を説
明する。

第６図には、制御内容の全体の作用が示されており、制
御システムの電源をＯＮすると、プログラムがスタート
する。まず、ステップ６１にて定時割り込み（１　０ｍ
ｓ　ｅｃ程度のタイミング）が有ったか否かを判定して
おり、’ＹＥＳゝの場合はステップ６２へ移行して、車
両の位置及び運動状態を検出するセンサ並びにアクチュ
エータ操作量を検出するセンサからのセンサデータの読
み込み（詳細は第７図に示される）を行う。

次のステップ６３では、教示スイッチがＯＮＬているか
否かの判定を行い、′ＮＯ”の場合はステップ６Ｂへ、
’ＹＥＳ’の場合はステップ６４へ移行する。このステ
ップ６４では、現在教示モードとなっているので、操舵
のアクチュエータ制御をＯＦＦＬ、ステップ６５の教示
制御を行って（詳細は第９図に示される）運転者の操舵
に一任する。

一方、ステップ６６では、教示済ランプがついているか
否かの判定が行われ、“Ｎｏ”の場合は、教示が未だ行
われていないのにも拘らず、自動操縦がＯＮとなってい
るため、ステップ６７へ移行してアクチュエータ制御を
ＯＦＦにする。そして、この場合には異常状態と判定し
てステップ６８へ移行して警報を発する。

前記ステップ６６において“ＹＥＳ”となった場合は、
ステップ６９へ移行して前述した自動操縦制御を行う。

なお、この自動操縦制御を行うステップ６９に移行する
と、表示ランブ３６の自動操縦ランプがＯＮする。

第７図には、前記センサデー夕の読み込みの作用が示さ
れており、まずステップ６２１にて前後の横偏位Ｙｒ．
Ｙｒを読み込み、ステップ６２２では前記横偏位Ｙｆ，
Ｙｒからヨー角θ一（１−Ｙｒ）／ａを演算し、ステッ
プ６２３では構偏位Ｙ−ＣＹｒ　＋Ｙｒ　）／２を演算
する。また、ステップ６２４では車速を読み込み、ステ
ップ６２５では車両位置Ｘを評定し（詳細は第８図に示
される）、ステップ６２６では現在の操舵ｆｌｕを読み
込む。

第８図には、前記車両位置の評定の作用が示されており
、ステップ６２ａでは位置ビーコン２２から得られた基
準位置信号を取り込み、ステップ６２ｂに移行して真の
基準位置であるか否かの判定を行い、”ＹＥＳ’の場合
にはステップ６２ｃへ移行して基準位置の識別（Ａ点．
Ｂ点，Ｃ点・・・）が行われる。そして、ステップ６２
ｄでは基準距離をセットし、例えばＢ点のビーコン位置
であるとすると、ＸＢＡｓ８−ｘＢをセットし、ステッ
プ６２ｅへ移行してビーコン間の走行距離ΔＸを０にリ
セットする。

一方、ステップ６２ｂにて″Ｎｏ″となった場合にはス
テップ６２ｆへ移行し、このステップ６２ｆでは、検出
した車速ｖＲの取り込みを行い（Ｖ＝ＶＲ）　、ステッ
プ６２ｇに移行して所定周期τ毎の走行距離を、 ΔｘａｌｌΔｘ　−　＋＋τｖＲ （ここで、Δｘ　−　１は前回演算の走行距離、τは所
定周期である）　　　　　　・・・（７）にて演算して
おり、次のステップ６２ｈでは最終的な位置Ｘを、 Ｘ　ｗａ　Ｘ　ＢＡ５Ｅ＋ΔＸ　　　　　　　　・・・
（８）にて演算する。

このように、走行距離Ｘはビーコン位置を基準位置とし
、この基準位置から所定周期毎に車両速度から演算され
る。

第９図には、教示制御の作用が示されており、まずステ
ップ６５１ではデータ記憶位置であるか否かの判定を行
い、′ＮＯ”の場合にはエンドに移行し、“ＹＥＳ″の
場合はステップ６５２へ移行してｎ＞８であるか否かの
判定を行う。実施例では、自動操縦のための情報は、コ
ース上の所定位置毎、例えば１ｍ間隔で設定された位置
毎に記憶しており、ステップ６５１ではこの位置を検索
することになる。また、記憶データは数回の平均値とし
ており、ステップ６５２ではその回数をカウントする。

例えば、３回の平均値を採る場合はａ−３とし、ｎ−３
となった場合（　’ＹＥＳ’　）にはステップ６５３へ
移行し、センサデータｖ２一（Ｘ．θ，　Ｙ，　　ｕ）
を読み込み、ステップ６５４に移行して次式のデータ平
均値を演算する。

ａ ｔ）ｘ　”　　＝　　Ｃｌ／ａ）　　Σ　　ｔ）ｚ　　
　　　　　−（９）ｔ−ｉ 次いで、ステップ６５５へ移行して教示マップへの書き
込みが行われ、目標コースマップ１４１と操舵量マップ
１４２へそれぞれの情報が記憶される。

一方、ステップ６５２において″ＮＯ２の場合には、次
式のように前回までのデータを平均化しステップ６５７
へ移行する。

ステップ６５７では、今回のデータが採用データとして
適切か否かの判定が次式にて行われ、Ｉ　Ｖ２　−Ｖ２
　１　＜ｂ　　　　　　　　＝　（１　１）ｌＶｚＶｚ
ｌがｂよりも大きい場合には記憶しないでエンドへ移行
し、ｂよりも小さい場合にはステップ６５８へ移行する
。

このステップ６５８では、データｖ２を記憶すると共に
、ｎｍｎ−’＋ｌとし、ステップ６５９に移行して全コ
ース記憶したか否かを判定する。そして、全コースを記
憶したらステップ６６０にて教示済ランプをＯＮし、ま
だ記憶していない場合は教示済ランプはＯＦＦのまま（
ステップ６６ｌ）エンドへ移行する。

実施例はこのような教示をした目標コースを学習量制御
しながら自動操縦するようにしており、この自動操縦制
御の作用を第１０図に基づいて説明する。

第１０図において、まずステップ７１にて前記第７図と
同様にして各種センサデー夕の読み込みが行われ、ステ
ップ７２では目標コースに対する横偏位Ｙｏの読み出し
、ステップ７３では目標コースに対するヨー角θ０の読
み出しが行われる。

次いで、ステップ７４では前記（３）式の予測誤差ｅ　
ｏ　＝　（Ｙｏ　−Ｙ）　−　Ｌ　（θ０−θ）が演算
され、ステップ７５へ移行し、このステップ７５では前
記（４）式の修正量Δｕ−Ｋｐ・ε０が算出される。そ
して、ステップ７６では、教示操舵ＪＩＬＩ”を読み出
してステップ７７へ移行する。

このステップ７７では、前記（５）式に示される学習修
正量Δｕｓを読み出し、その後ステップ７８にて制御Ｅ
ｋｕ（ｔ）−ｕ”＋ΔＵ＋Δｕｌｌが演算される。

そして、ステップ７９では学習修正量の書き換えを行っ
ており、今回の予測誤差量ΔＵにゲインＫｇを乗算した
値ＫｇΔＵで前回の学習量は修正され、学習量マップ５
２に記憶される。従って、学習量は毎回学習効果により
修正される。なお、ステップ７９が終了するとステップ
８０へ移行して自動操縦ランプをＯＮする。このように
して、前記操舵ｆｉｕ　（ｔ）はステアリング３０に与
えられ、この操舵量により予測誤差を修正した良好な車
両の操縦が達成される。

以上のようして、本発明では学習量を考慮した自動操縦
が可能となり、路面の摩擦係数μ等の環境条件の変化に
も応じて効率のよい自動操縦制御ができ、将来の状況を
予測して制御を行うため、制御全体としてはフィードバ
ック制御となリ、人間の操縦に近い操縦が行えるという
利点がある。

特に、予測誤差を修正する制御においては、環境変化に
より精度の高い修正量を与えられなくなる恐れがあるが
、学習量制御を加えることにより制御の信頼性が向上す
ることになり、フエイルセーフの面から見ても、安全な
車両走行が実現できる。

次に、本発明により車速制御を行う第２実施例を第１１
図に基づいて説明する。

車速制御の場合は、目標コースマップの代わりに教示し
た速度を記憶するモードマップ１４３、操舵量マップの
代わりに教示したアクセル及びブレーキの操作量を記憶
するアクセル／ブレーキマップ１４４が設けられ、この
アクセル／ブレーキマップ１４４にはドライバの教示量
を平均化する平均化部３８が設けられている。また、加
速度と速度から所定時間（ｔｐ）後の速度を推定する一
次予測部４０と、前記モードマップ１４３から出力され
る教示速度Ｖｍと推定速度Ｖとの差を誤差ｚｓｗＶｍ−
Ｖとして求める減算器４２と、ブレーキ修正量演算とア
クセル修正量演算とを切り換える切換器４４と、誤差ε
に応じたブレーキ修正量を出力するブレーキゲイン乗算
部４６と、誤差εに応じたアクセル修正量を出力するア
クセルゲイン乗算部４８と、が予測誤差演算手段として
設けられる。なお、５０ａ．５０ｂは加算器である。

そして、学習量マップ５２′と学習量演算手段１９′が
設けられる。

車速制御の場合は、アクセルとブレーキで切り換えを行
っており、前記構成によれば、ε〉０及びｕｂ　＞Ｑ　
　−　ブレーキ制御ε〉Ｏ及びｕ，−０　→　アクセル
制御εくＯ及びｕ．　＞ｇ　　→　アクセル制御εく０
及びｕ．−０　→　ブレーキ制御となる。

車速制御の場合には、まずドライバの教示により、所定
位置Ｘでの速度Ｖｍがモードマップ１４２７、また位置
Ｘで教示されたアクセルｍｗａ．．ブレーキＪｌ　ｗ　
ｂがアクセル／ブレーキマップ１４４に記憶される。一
方、一次予ｆｆｌｊ部４０では所定時間ｔｐ後の速度を
前後加速度Ｖ−　（ｔ）と速度ｖ　（Ｂから次式にて推
定する。

Ｖ　（ｔ＋ｔｐ）−Ｖ　（ｔ）＋ｔｐｘＶ−　（ｔ）・
・・（１２） そして、減算器４２ではＶｍ　（ｔ＋ｔｐ）−Ｖ（ｔ＋
ｔｐ）一εが演算され、この予測誤差εによってアクセ
ル又はブレーキのいずれかが制御され、ブレーキゲイン
乗算部４６からはブレーキ修正量Δｕｂ、アクセルゲイ
ン乗算部４８からはアクセル修正量ΔＵ．が出力される
。

また、前記予測誤差εは学習量演算手段１９゛に出力さ
れ、これによりアクセル学習量ΔＵ．−Δｕ　．　ＩＩ
　（伺’　＋Ｋｇ・ΔＵ，と、ブレーキ学習量Δｕ１″
一Δｕ，　ｓ（−１）　＋Ｋｇ　＃ΔＵ．が演算され、
この学習量は学習量マップ５２′に出力され記憶される
。

この学習量は、第１実施例の場合と同様に逐次演算され
修正される。従って、加算器５０ａからはプログラムア
クセル量Ｗａに修正量ΔＵ．と学習量ΔＵ．″が加えら
れたアクセル制御値が、加算器５０ｂからはプログラム
ブレーキ量ｗｂに修正量ΔＵ，と学習量Δｕ．１が加え
られたブレーキ制御値が出力されることになり一これに
より良好な予測制御が可能となる。

また、第１及び第２実施例では、誘導路を基準にして目
標コースを教示するようにしたので、誘導路に対する実
際の車両の走行コースを自由に設定することができ、異
なる車両でも最適なコースを選択することかでき、また
予測誤差を修正するようにしたので、車両を目標コース
上を正確に走行させることができ、コースアウトを起こ
すこともなくなる。

更に、各種アクチュエータの操作量も教示制御しかつ予
測誤差修正制御を行うことにより、人間が実際に操縦し
た場合と同様の乗り心地を得ることができ、物だけでな
く人間を運搬する場合にも自動操縦が良好に適用可能と
なる。

［発明の効果］ 以上説明したように、本発明によれば、予測誤差を修正
する制御を行う場合に、学習量制御をして最終的な操作
量を演算するようにしたので、フィードフォワード制御
の割合が大きくなり、人間の操縦に近い操縦を行うこと
ができ、路面の摩擦係数μ等の環境条件が変わった場合
でも、目標となる読導路を正確に自動操縦することが可
能となるという利点がある。

【図面の簡単な説明】

第１図は本発明に係る実施例の概略構成を示すブロック
図、 第２図は実際の自動操縦車両に本発明を適用した場合の
構成を示す図、 第３図は誘導路に対する横偏位の求め方を示す説明図、 第４図は操舵量制御に本発明を適用した第１実施例の構
成を示すブロック図、 第５図は第４図の実施例により行う予測誤差演算を説明
する図 第６図は第１実施例の全体的な動作を示すフローチャー
ト、 第７図はセンサデー夕の読み込み動作を示すフローチャ
ート、 第８図は車両位置の評定動作を示すフローチャート、 第９図は教示制御の動作を示すフローチャート、第１０
図は第１実施例の自動操縦制御の作用を説明するフロー
チャート、 第１１図は車速制御に本発明を適用した場合の第２実施
例の構成図である。 １０　・・・　位置・状態検出手段 １２　・・・　アクチュエータ操作量検出手段１４　・
・・　教示データ記憶手段 １６　・・・　予測誤差演算手段 工８　・・・　アクチュエータ操作量演算手段１９．１
１　　・・・　学習量演算手段２０　・・・　誘導ケー
ブル ２２　・・・　位置ビーコン ２４　・・・　演算処理回路（ＥＣＵ）２６　・・・　
フィードバック処理回路２８　・・・　車両 ３０　・・・　ステアリング ３２　・・・　操舵量センサ ３６　・・・　表示ランプ ５２　・・・　学習量マップ １４１　・・・　目標コースマップ １４２　・・・　操舵量マップ １８１　　・・・　加算器 第ｌ図 第３図 第 図 ９・り・テ−３め箋炙Ｊ＋込七一卸下 第７図 第 図 重泊壮僅梓夫丙動作 第８図

Claims (1)

【特許請求の範囲】
1. （１）誘導路に対する現在の車両の位置及び走行状態を
   計測しこの位置及び走行状態に基づいて自動操縦のため
   の各アクチュエータを操作制御する車両用自動操縦装置
   において、前記誘導路及びこの誘導路を運転者が運転す
   るときの各アクチュエータの操作量を記憶する記憶手段
   と、この記憶手段の記憶内容に従って車両が現在位置か
   ら所定距離先まで走行する場合の予測誤差を演算する予
   測誤差演算手段と、前記予測誤差演算手段から出力され
   た予測誤差に基づいて学習量を演算し記憶する学習演算
   手段と、前記予測誤差及び学習量に応じて前記記憶内容
   を修正しアクチュエータの操作量を演算するアクチュエ
   ータ操作量演算手段とを備えたことを特徴とする車両用
   自動操縦制御装置。