JPH04138970A - 後輪舵角制御方法 - 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） この発明は、車両の走行条件に応じて後輪の舵角を制御
する制御方法に関する。

（従来の技術とその課題） この種の制御方法として、例えば、特開昭６３−２８７
６７６号公報所載の発明が従来から知られている。そし
て、この制御方法で用いられている制御則は、車両の運
動理論に近似した理論式を使いやすい形に修正したもの
である。すなわち、前輪舵角に対するヨーレイトのゲイ
ンを周波数に関係なく一定にするために次のようにして
いる。

前輪舵角関数のラプラス変換値をδｆ　（ｓ）、後輪舵
角関数のラプラス変換値をδｒ、３．とする時、の制御
関数で与えられる後輪舵角となるような制御ができるよ
うにしている。なお、 Ａ：車速Ｖの関数Ａ　（Ｖ） Ｂ：車速■及び定常ヨーレイトゲイン φ０の関数Ｂ　（Ｖ、φ。） Ｃ：車速Ｖ及び定常ヨーレイトゲイン φ０の関数Ｃ（Ｖ、φ０） Ｄ二車速Ｖ及び定常ヨーレイトゲイン φ０の関数Ｄ　（Ｖ、φ。） Ｓニラプラス演算子　　　　　である。

しかし、この方法では、線形２輪モデルを採用している
ので、ローリング、ピッチングあるいはバウンシング等
によるヨーレイトへの影響を評価できなかったり、車輪
のコーナリングフォースなどの非線形要素が考慮されな
かったりして、実車両においてヨーレイトゲインを一定
にすることができなかった。

また、別の制御方法として特開昭６３−１９２６６６号
公報所載の発明がある。このものは、センサで検出した
ヨーレイトをフィードバックして目標ヨーレイトに一致
させるよう後輪を転舵するものである。そして、この場
合には、実ヨーレイトをセンサでフィードバックするの
で、前者の従来例のような問題は発生しないが、センサ
が非常に高価なので、全体のコストが上昇してしまうと
いう問題があった。

この発明の目的は、実ヨーレイト等の車両パラメータを
、他の車両パラメータから簡単に計測できる制御方法を
提供することである。

（課題を解決するための手段） この発明は、車両パラメータを、他のパラメータを人力
値としたニューラルネットワークの出力として得、この
出力に応じて、後輪舵角を制御するとともに、ニューラ
ルネットワークのニューロン間のウェイトは、実車両の
計測値の入力信号を基にした出力値と、入力データとし
て与えられた教師信号とを比較し、その差が小さくなる
ようにバックプロパゲーション法により学習決定する点
に特徴を有する。

（本発明の作用） この発明は、上記のように構成したので、例えば、操舵
トルク、前輪舵角、後輪舵角あるいは車速等の実車両の
計測値を入力値としてニューラルネットワークの出力値
であるヨーレイト等の車両パラメータを得、このパラメ
ータに応じて後輪舵角を制御できる。

（本発明の効果） ヨーレイト等、実際に計測するのが難しい車両パラメー
タを、ニューラルネットワークの出力として簡単に得る
ことができる。

また、この車両パラメータを基にして後輪を制御するの
で、誤差等もほとんどなくなる。

（本発明の実施例） 第１図はこの実施例の制御ブロック図で、ニューラルネ
ットワーク１の入力層には、各センサからの次の信号が
入力するようにしている。すなわち、　前後加速度Ｘ、
左右加速度凱上下加速度２、操舵トルクＴ　ｉｎ、前輪
舵角θｆ、車速■、後輪舵角θ、のそれぞれの信号が上
記人力層２に入力するようにしている。

上記のようにしたニューラルネットワーク１の構成を具
体的に示したのが第２図である。この第２図からも明ら
かなように、入力層２には、前後加速度Ｘ、左右加速度
ｙ、上下加速度２、操舵トルクＴ　ｉｎ、前輪舵角θｆ
、車速Ｖ、後輪舵角θ。

の信号が入力するニューロンモデルを設定する。

また、その出力層３には、横すべり角βとヨーレイトγ
とを出力するニューロンモデルを設定してる。そして、
中間層４．５にもニューロンモデルの個数を設定してい
る。

このようにしたニューロンネットワーク１への入力の総
和をＩＪとすると ＩＪ＝ΣＷＪ、Ｏ。

となる。ここで、ＷＪｉはニューロンｉと３間のウェイ
トであり、０□は　０Ｊ＝ｆＪ　（１，）で与えられる
。ここでｆｊは微分可能で非減少な関数である。

そして、この実施例では、ニユーラルネツトワーりの人
力は、上記のように前後加速度Ｘ、左右加速度ｙ、上下
加速度２、操舵トルクＴ　Ａｎ、前輪舵角θｆ、車速■
、後輪舵角θ、のように簡単に計測できる車両運動パラ
メータを用いている。このような車両運動パラメータを
用いることによって、従来から計測が難しく、しかも高
価なセンサを必要とすると思われていた横すべり角βと
ヨーレイトγとを、簡単に得ることができる。

このとき精度のよい横すべり角βやヨーレイトγを得る
ためには、各ニューロン間のウェイトγを得るためには
、各ニューロン間のウェイトＷＪ、を適切に設定する必
要があるが、この実施例では上記ウェイトを決定する上
において、パックプロパゲーション法を用いている。そ
して、このプロパゲーション法を用いる上で、実車両の
計β、γを教師信号としている。そして、この教師信号
β、γと出力層３からの出力β、γの差がなるべく小さ
くなるように、上記パックプロパゲーション法で各ウェ
イトＷＪ、を学習させている。

そして、上記学習が終了して、各二ニーロンモデルのウ
ェイトが決まってから、前後角速度市、左右加速度す、
上下加速皮取操舵トルクＴｌｏ、前輪舵角θｆ、車速Ｖ
、後輪舵角θ、の計測値を入力層２に入力すれば、出力
層３がら、精度のよい推定値である横すべり角βとヨー
レイトγとかえられることになる。

そして、第１図の場合には、上記ヨーレイトγのコント
ローラ６では、目標ヨーレイトγと上記推定値のヨーレ
イトγとを比較する。そして、両者の間に差があれば、
その差をなくすに後輪の舵角を制御する信号を出力する
。

なお、上記の場合に、例えば、目標ヨーレイトを前輪舵
角θｆと車速Ｖで決定される定常ヨーレイトと等しくす
れば、 となる。なお、１はホイールベース、Ａは車両諸元によ
って決まるスタビリテイ・ファクタである。

第２図の場合は、横すべり角βをコントローラ６に入力
し、それを目標横すべり角βと比較し、それに差があれ
ば、その差をなくすように後輪舵角を制御する。

なお、上記の場合に目標横すべり角βを常にゼロとすれ
ば、β＝０となる。

なお、上記第１．２図の場合には、ヨーレイトγや横す
べり角βを別々にコントローラ６に入力したが、例えば
、 θ、＝−ｃ１　（γ−γ）−Ｃ２（β−β）として、ヨ
ーレイトγと横すべり角βをともにその目標値γ、βに
近ずけるように後輪舵角を制御してもよいし、別の制御
方式を用いてもよいものである。

また、例えば、上下加速度２を各輪ごとに４点計測して
、それを入力してもよいもので、この場合にも基本的な
考え方はかわらない。さらに、上記以外の車両パラメー
タとして、例えば、エンジン・トルク、ブレーキ圧等を
加えてもよいこと当然である。

【図面の簡単な説明】

図面第１図はこの発明の実施例を示す制御ブロック図、
第２図は他の実施例を示す制御ブロック図である。 １・−ニューラルネットワーク。

Claims (1)

【特許請求の範囲】
1. 車両パラメータを、他のパラメータを入力値としたニュ
   ーラルネットワークの出力として得、この出力に応じて
   、後輪舵角を制御するとともに、ニューラルネットワー
   クのニューロン間のウェイトは、実車両の計測値の入力
   信号を基にした出力値と、入力データとして与えられた
   教師信号とを比較し、その差が小さくなるようにバック
   プロパゲーション法により学習決定することを特徴とす
   る後輪舵角制御方法。