JPH06206550A - ステアリング操舵系のフラッタ防止装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明はステアリング操舵系に生ずるフラッ
タを早期に収束させるよう構成したステアリング操舵系
のフラッタ防止装置を提供することを目的とする。 【構成】 本発明は、ステアリングホイール（Ａ１）の
回動操作力を車両の前輪に伝達するステアリング操舵系
（Ａ２）の軸力を検出する検出手段（Ａ３）と、少なく
とも該検出手段（Ａ３）により検出されたステアリング
操舵系（Ａ２）の軸力を所定時間間隔の時系列データと
して記憶する記憶手段（Ａ４）と、記憶手段（Ａ４）に
記憶された各データを学習された結合度で結合させる結
合度学習手段（Ａ５）と、結合度学習手段（Ａ５）によ
り得られた結合値に基づいてフラッタを予測するフラッ
タ発生予測手段（Ａ６）と、フラッタ発生予測手段（Ａ
６）によりフラッタ発生が予測されたときステアリング
操舵系（Ａ２）のフラッタを収束させるフラッタ収束手
段（Ａ７）と、よりなる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はステアリング操舵系のフ
ラッタ防止装置に係り、特にステアリング操舵系に生ず
るフラッタを早期に収束させるよう構成したステアリン
グ操舵系のフラッタ防止装置に関する。

【０００２】

【従来の技術】従来より車両の高速走行時におけるタイ
ヤアンバランス等により生じるステアリング振動（以下
「フラッタ」と言う）、車両停止時若しくはアイドリン
グ時にエンジンのトルク変動成分により発生するフラッ
タを低減する手段として、次のようなものが知られてい
る。

【０００３】その一つとして、実開昭６４−４１４７４
号公報にみられるように、ステアリングホイールに設け
られたフラッタ検出センサからの検出信号に基づいてア
クチュエータを作動させ、インターミディエイトシャフ
トに設けられたオイル室にオイルを供給してステアリン
グ操舵系の慣性質量を増加させてステアリング操舵系の
共振周波数を変化させるステアリング操舵系の慣性モー
メント可変装置がある。タイヤに近いステアリング操舵
系の一部で発生した振動がステアリングホイールに伝達
されて共振したときステアリングホイールのフラッタが
大きくなる。従って、この装置では、ステアリングホイ
ールにおいてフラッタ検出センサにより所定以上の大き
さのフラッタが検出されると、上記インターミディエイ
トシャフトに設けられたオイル室にオイルを供給してス
テアリング操舵系の慣性モーメントを可変させて、フラ
ッタが大になる高速走行時には、ステアリング操舵系の
固有振動数の周波数がタイヤアンバランスに起因する周
波数よりも高くなり、ステアリング操舵系の共振状態が
回避されてステアリングホイールのフラッタを収束させ
るよう構成されている。

【０００４】

【発明が解決しようとする課題】しかしながら、上記従
来の装置では、ステアリング操舵系の振動がステアリン
グホイールに伝達され、ステアリングホイールに発生し
たフラッタをフラッタ検出センサにより検出してからフ
ラッタを収束させるアクチュエータを作動させるため、
フラッタが発生してからある程度の大きさの振動になっ
てからでないと収束させるための対応が取れず、しかも
アクチュエータを作動させるときには収束させるための
負荷が高くなってしまうため、フラッタを収束させるま
での時間が余計にかかってしまうといった課題がある。

【０００５】従って、上記装置では、ステアリング操舵
系の振動発生の初期にフラッタを収束させることができ
ず、ある程度ステアリングホイールに振動が伝達されて
しまうため、運転者に不快感を与えてしまうといった課
題もある。

【０００６】そこで、本発明は上記課題に鑑み、ステア
リング操舵系のフラッタ発生を予測して早期にフラッタ
を収束させるよう構成したステアリング操舵系のフラッ
タ防止装置を提供することを目的とする。

【０００７】

【課題を解決するための手段】図１は本発明の原理図で
ある。

【０００８】同図中、本発明になるステアリング操舵系
のフラッタ防止装置は、ステアリングホイール（Ａ１）
の回動操作力を車両の前輪に伝達するステアリング操舵
系（Ａ２）の軸力を検出する検出手段（Ａ３）と、少な
くとも該検出手段（Ａ３）により検出された前記ステア
リング操舵系（Ａ２）の軸力を所定時間間隔の時系列デ
ータとして記憶する記憶手段（Ａ４）と、該記憶手段
（Ａ４）に記憶された前記各データを学習された結合度
で結合させる結合度学習手段（Ａ５）と、該結合度学習
手段（Ａ５）により得られた結合値に基づいて前記ステ
アリングホイール（Ａ１）の周方向の振動として発生す
るフラッタを予測するフラッタ発生予測手段（Ａ６）
と、該フラッタ発生予測手段（Ａ６）によりフラッタ発
生が予測されたとき前記ステアリング操舵系（Ａ２）の
フラッタを収束させるフラッタ収束手段（Ａ７）と、よ
りなることを特徴とする。

【０００９】

【作用】本発明によれば、検出手段（Ａ３）によって検
出されたステアリング操舵系（Ａ２）の軸力の、記憶手
段（Ａ４）に記憶された時系列データを、結合度学習手
段（Ａ５）により結合させて得られた結合値に基づい
て、ステアリングホイール（Ａ１）の周方向の振動とし
て発生するフラッタが、フラッタ発生予測手段（Ａ６）
によって予測されたときにフラッタ収束手段（Ａ７）が
作動させられてステアリング操舵系（Ａ２）のフラッタ
が収束させられる。

【００１０】

【実施例】図２乃至図４に本発明になるステアリング操
舵系のフラッタ防止装置の第１実施例を示す。

【００１１】各図中、ステアリング操舵系のフラッタ防
止装置は、ステアリングホイール１の回動操作力を車両
の前輪に伝達するステアリング操舵系２のタイロッド３
の軸力を検出する軸力検出センサ（検出手段）４と、軸
力検出センサ４により検出された検出信号が入力される
軸力処理部５と、軸力処理部５により処理されたステア
リング操舵系２の軸力を所定時間間隔の時系列データ
（図６参照）として記憶するメモリ６（記憶手段）と、
メモリ６に記憶された各データを学習して得られた結合
度で結合させ、その結合値に基づいてステアリングホイ
ール１の周方向の振動として発生するフラッタを予測す
るニューラルネット演算処理部７（結合度学習手段、フ
ラッタ発生予測手段）と、フラッタ発生が予測されたと
きステアリング操舵系２のフラッタを収束させるフラッ
タ収束機構８と、よりなる。

【００１２】尚、軸力検出センサ４はステアリング操舵
系２のタイロッド３に内蔵されるように設けられてお
り、軸力検出センサ４としては、例えば圧電素子が用い
られる。又、軸力処理部５では例えばタイロッド３の軸
力に応じた電圧値を検出し、その検出信号をメモリ６に
出力する。

【００１３】本実施例では、タイロッド３の軸力を検出
してフラッタ発生を予測するよう構成されているが、そ
の理由は、タイロッド３がタイヤに近くタイヤアンバラ
ンスによる振動が最初に発生する部分であり、タイロッ
ド３の振動がステアリング操舵系２の各軸に伝達される
ことによりステアリングホイール１にフラッタが発生す
るからである。即ち、タイロッド３の挙動を監視するこ
とによりステアリングホイール１のフラッタ発生の前兆
をとらえることが可能であり、しかもタイロッド３の軸
力に基づいてフラッタ発生を予測できる確率がかなり高
く、予測結果を信頼できるからである。

【００１４】又、フラッタ収束機構７としては、例えば
図３に示すようなステアリング操舵系の慣性モーメント
可変装置が一例として用いられる。１１はステアリング
ホイール１の回動力を車両の前輪に伝達するステアリン
グシャフトに一部を構成するインターミディエイトシャ
フトである。このインターミディエイトシャフト１１は
外シャフト１２と内シャフト１３とから構成されてい
る。

【００１５】内シャフト１３は外シャフト１２に嵌合さ
れ、両者はねじり方向には剛に連結されている。外シャ
フト１２の一方は、図示しないシャフトを介してギヤボ
ックス側と連結されている。内シャフト１３の一方はメ
インシャフト１４を介してステアリングホイール１に連
結されている。

【００１６】インターミディエイトシャフト１１の内シ
ャフト１３には、半径方向外方に膨出する中空部が形成
されており、この中空部がアキュームレータ２３からの
オイル２５を貯留するオイル室１６を構成している。イ
ンターミディエイトシャフト１１のオイル室１６近傍に
は、内周面に周方向に延びる油溝１７を有する半割り型
のカラー１８が取り付けられている。カラー１８は、内
シャフト１３の外周面の一部を覆い、カラー１８の油溝
１７とオイル室１６とが内シャフト１３内に形成された
オイル通路１９を介して連通されている。カラー１８の
油溝１７の両側にはシール溝２０が１本ずつ形成され、
シール溝２０には油溝１７に供給されたオイルが外部に
漏れるのを防止するオイルシール２１が夫々装着されて
いる。この場合、カラー１８に対して内シャフト１３は
回動可能に設けられている。

【００１７】カラー１８の油溝１７は、アクチュエータ
２２を介してオイル供給源としてのアキュームレータ２
３に接続されている。アキュームレータ２３は、オイル
を所定の圧力で蓄積しており、その容量はオイル室１６
の容積よりも大となっている。アクチュエータ２２は、
制御回路２４と電気的に接続されており、制御回路２４
からの出力信号によって作動するようになっている。

【００１８】制御回路２４にはニューラルネット演算処
理部７が設けられており、このニューラルネット演算処
理部７によりフラッタ発生が予測されたとき、制御回路
２４からアクチュエータ２２に出力信号が出力され、ア
クチュエータ２２によってアキュームレータ２３内のオ
イル２５がカラー１８の油溝１７及びオイル通路１９を
介して内シャフト１３のオイル室１６に供給される。

【００１９】これにより、オイル室１６はオイルによっ
て満たされ、インターミディエイトシャフト１１の慣性
質量が大幅に増加され、インターミディエイトシャフト
１１の慣性モーメントが大となる。そのため、オイル室
１６にオイルが満たされていない状態に比べて慣性質量
が増加した分、ステアリング操舵系の共振周波数が変更
され、車両の高速走行時における共振周波数がタイヤの
アンバランス等に起因する周波数よりも高くなり、共振
状態が回避されてステアリングホイール１のフラッタが
収束される。

【００２０】そして、フラッタが収束すると、アクチュ
エータ２２によってオイル室１６のオイルがアキューム
レータ２３に戻される。これにより、インターミディエ
イトシャフト１１の慣性モーメントが低下する。

【００２１】ここで、上記ニューラルネット演算処理部
７を有する制御回路２４によりフラッタ発生を予測する
際の処理について説明する。

【００２２】この制御回路２４は、ニューラルネット演
算処理部７によりフラッタ発生を瞬時に予測して早期に
フラッタを収束させるように演算処理を行う。図４に示
すようにニューラルネット演算処理部７は、入力層３１
の入力値ｘ_i （ｉ＝１，…，ｎ）から出力値Ｙを図５に
示す演算を行って算出する。

【００２３】この演算は、入力をｘ_i （ｉ＝１，…，
ｎ），結合の重み定数をｗ_i （ｉ＝１，…，ｎ），入力
数をｎ，出力をＹ，スレショルド値（しきい値）をθと
すると、次式（１），（２）によって出力Ｙを算出す
る。

【００２４】

【数１】

【００２５】

【数２】

【００２６】中間層３２より出力される中間出力Ｘは、
タイロッド３の軸力をタイロッド３の形状の特徴の情報
（本実施例では軸力の変化）を抽出したものであり、出
力層３３より出力される出力Ｙは中間出力Ｘの情報を最
終的な出力値を収束させやすい形、つまりフラッタ発生
状況を識別しやすい形の信号に加工したものである。
尚、図６は、タイロッド３の軸力又はタイロッド３の横
加速度を示すグラフであり、メモリ６に記憶されたこの
グラフより軸力の変化がわかる。そして、ステアリング
ホイール１に発生するフラッタは、ステアリングホイー
ル１の周方向の約１４Hzの周波数の振動である。

【００２７】上記出力層３３より出力される出力Ｙと中
間層３２より出力される中間出力Ｘとの関係は、図７に
示すように非線型となる。

【００２８】又、入力層３１と中間層３２との間の結合
の重み定数ｗ_i （ｉ＝１，…，ｎ）は、演算処理調整用
のタイロッド３の軸力として、フラッタ発生時と正常時
の典型的なタイロッド３の軸力によって、次の方法で調
整する。

【００２９】図８は上記演算処理調整のフローチャート
である。

【００３０】同図中、まず、ステップＳ１（以下「ステ
ップ」を省略する）で予測判断しようとするフラッタ発
生時と正常時の典型的なタイロッド３の軸力波形を数種
類（Ｃ個）をメモリ６より読みだす。さらに、要求する
出力状態（Ｄｊ）を夫々の場合に対応させて決める。そ
の場合、例えばフラッタ発生時の周波数は「１」、正常
時の周波数は「０」とする。

【００３１】次に、Ｓ２で上記Ｓ１で得られたデータを
入力する。この場合、重み定数ｗ_i（ｉ＝１，…，ｎ）
は乱数で与えられる。

【００３２】続いて、Ｓ３では、上記Ｓ２で得られた結
果（Ｙｊ）とＳ１での要求出力（Ｄｊ）とを比較する。
そして、エラー（Ｅ）として、次の量を次式（３）によ
り算出する。

【００３３】

【数３】

【００３４】次に、Ｓ４において、このＥの大きさが、
十分小さければ、調整終了とする。その時の重み定数が
実際の予測判別に使用する重み定数となる。もし、Ｓ４
にて、Ｅの大きさがまだ大きい場合には、Ｓ５にて各重
み定数のエラーへの影響を算出する。

【００３５】この重み寄与率は次式（４）により算出す
る。

【００３６】

【数４】

【００３７】ここでは、上記メモリ６に記憶された時系
列データのうち特定の１つの波形を入力し、次式（５）
の演算を行う。

【００３８】

【数５】

【００３９】又、ｉ番目の素子と、ｊ番目の素子間の結
合の重み定数（Ｗ_ij）の寄与率は、次式（６）により求
まる。

【００４０】

【数６】

【００４１】さらに、中間層の出力Ｘｉがエラー（Ｅ）
に与える寄与率は、次式（７）により求まる。

【００４２】

【数７】

【００４３】総和ｊは、出力Ｘｉが次の層に結合してい
るすべてに対して考える。

【００４４】又、出力層３３と中間層３２間は、上記方
法の寄与率で算出できるが、それ以前の結合には、δＥ
／δＷ_ijとδＥ／δＸ_i を繰り返し計算して寄与率を算
出する。

【００４５】次のＳ６では、上記Ｓ５で得られたδＥ／
δＷ_ijを用いて重みを変化させる。この変化量は、次式
（８）のように表せる。

【００４６】

【数８】

【００４７】ここで、ε、αは係数、ΔＷ（ｔ−１）は
１ステップ前の変化量である。

【００４８】そして、重み定数はＷ＝Ｗ＋ΔＷで変化さ
せる。このとき、Ｗが「０」に近くなった場合には結合
が無くなったと考え、その結合を切り離してもよい。

【００４９】すべての重みを変化させた後、前述したＳ
１のデータを使い、Ｓ７において再び演算を行う。そし
て、前述した上記Ｓ３からＳ７までの処理を繰り返して
エラーＥを小さくし、最適の重み定数を求める。

【００５０】以上の方法で結合の重み定数を調整した
後、その重み定数を使ってフラッタを予測判別する。こ
の演算方法は、一般にバックプロバケーションとして知
られている。

【００５１】上記のように、フラッタの発生を予測判別
するに際しては、タイロッド３に内蔵された圧電素子か
らなる軸力検出センサ４により検出されたタイロッド３
の軸力の一部分を取り出し、ニューラルネット演算処理
部７に入力する。入力されたタイロッド３の軸力は、入
力層３１の素子では特別な変換をされることなく、その
まま次の中間層３２の素子へ入力される。中間層３２で
は、各入力層３１からの入力に前述した重み定数を乗算
し、それを加算した後に非線形変換して図５に示す入力
ｘ_i （ｉ＝１，…，ｎ）が複数の場合に相当する演算を
行う。

【００５２】この非線形変換は、例えば図７に示すよう
な関数で与えられる。出力層では、各中間層からの入力
に重み定数を乗算し、それを加算した後に非線形変換
し、最終的な出力値を得る。この出力値は、正常の場合
はある値以下であるが、フラッタ発生時は大きな値とな
る。つまり、この出力値がある値以上になればフラッタ
が発生すると予測判別してフラッタ収束機構８の作動を
指令する。

【００５３】このようにしてステアリング操舵系２のタ
イロッド３の軸力の検出値に基づいて上記ニューラルネ
ット演算処理部７によりフラッタ発生を予測し、フラッ
タ発生と略同時にフラッタ収束機構８のアクチュエータ
２２に出力信号が出力され、アクチュエータ２２によっ
てアキュームレータ２３内のオイル２５がカラー１８の
油溝１７及びオイル通路１９を介して内シャフト１３の
オイル室１６に供給される。

【００５４】これにより、オイル室１６はオイルによっ
て満たされ、インターミディエイトシャフト１１の慣性
質量が大幅に増加され、インターミディエイトシャフト
１１の慣性モーメントが大となってステアリングホイー
ル１のフラッタ発生が早期に防止される。

【００５５】従って、本実施例では、上記ニューラルネ
ット演算処理部７によりステアリングホイール１のフラ
ッタ発生を迅速且つ正確に予測することができるので、
フラッタ発生直前のステアリング操舵系２の軸力の挙動
を監視してフラッタ発生の前兆をとらえることができ、
これによりフラッタ発生直前にフラッタ収束機構８を作
動させてインターミディエイトシャフト１１の共振周波
数をずらしてステアリング操舵系２のフラッタを早期に
収束させることができる。

【００５６】本実施例においては、タイロッド軸力を直
接検出するようにされていたが、タイロッド左右加速度
を検出して、これをタイロッド軸力に代用してもよい。

【００５７】図９乃至図１２に本発明の第２実施例を示
す。

【００５８】上記第１実施例では、ステアリング操舵系
２のタイロッド３の軸力に基づいてフラッタ発生を予測
したが、これ以外のデータを組み合わせてフラッタ発生
を予測するようにしてもよい。従って、本発明の第２実
施例では、上記タイロッド３の軸力の他に車速、タイヤ
ユニフォミティー（タイヤのドーナツ形の均一性）など
のデータをセンシングしてより総合的にフラッタ発生を
予測を行う。

【００５９】ここで、タイヤユニフォミティーを一例と
して挙げるのは、発生要因のなかでも非常に影響度の大
きい項目であり、フラッタ発生予測の精度向上が図れる
からである。但し、タイヤユニフォミティーとタイロッ
ド軸力との相関を取るのは、非常に困難である。タイヤ
ユニフォミティーとタイロッド軸力を実走行で関連付け
ることは、路面ノイズ、タイヤ変形という外乱要素が大
きすぎる。

【００６０】こうした外乱要素の影響を除去するととも
に、タイヤユニフォミティーとタイロッド軸力の相関を
明確なものとするにあたり、図１０，図１１に示すニュ
ーラルネット演算処理部７の神経網（ニューラルネット
ワーク）４１を利用する。

【００６１】タイヤユニフォミティーを実走行でセンシ
ングする手法は、タイロッド上下加速度、前後加速度若
しくはサスアーム上下加速度、前後加速度で代用するの
が一般的である。従って、神経網４１には、上記軸力検
出センサ４及びタイロッド上下加速度センサ４２、タイ
ロッド前後加速度センサ４３、車速センサ４４からの各
検出信号がデータ処理部４５を介して入力される。

【００６２】先ず、図１０を参照して各センサ群からの
データの処理と神経網の構成について説明する。

【００６３】車速データやタイロッド軸力、タイロッド
上下加速度、前後加速度等の信号は、データ取り込み部
ＳＤ_i （ｉ＝１，２，…）において所定の時間間隔毎に
読み込まれ、時系列データ展開部ＴＳＤ_i （ｉ＝１，
２，…）において所定時間間隔の時系列データに展開さ
れる。この時系列データ展開部ＴＳＤ_i は、単位時間毎
にデータをシフトする構成により、データに単位時間デ
ィレイを付与して、時系列データを生成する。

【００６４】神経網４１は、階層系のものであり、時系
列に展開された各データの夫々に対応して設けられた入
力ユニットＬｍからなる入力層４５と、中間ユニットＭ
ｎからなる中間層４６と、認識すべきフラッタ発生度合
いの種別数に対応する数だけ設けられた出力ユニットＯ
ｐからなる出力層４７とから構成される。

【００６５】各入力層４５と中間層４６との間の結合及
び中間層４６と出力層４７との間の結合は、前述したバ
ックプロバケーション等の手法により学習されている。
このバックプロバケーションによる学習とは、神経網４
１への入力に対し、それに対応する出力ユニットＯｐの
出力値が値「１」で、それ以外の出力ユニットＯｐの出
力値が値「０」となるように結合量Ｗを学習させるもの
である。

【００６６】この手法は公知のものなので、ここでは詳
細な説明は省略するが基本的には、各出力ユニットＯｐ
の実際の出力と理想的な出力（教師データ）との誤差が
最小になるように各ユニット間の結合の強さ（重み付け
データ）Ｗを学習するものであり、最小２乗誤差法が用
いられる。

【００６７】又、中間層４６と入力層４５については、
教師データに相当するものを決定することが事実上困難
なので、出力側の層の誤差値δに重み付けデータＷを乗
算した累積値をその層の誤差値とし、これが最小になる
ように学習を行う。

【００６８】こうした学習を繰り返し行って色々な入力
パターンに対して各層の結合の強さを学習しておけば、
学習した走行パターン以外のパターンが入力されても、
これに一番近い出力の連想（出力の計算）がなされる。

【００６９】上記時系列データ展開部ＴＳＤ_i によって
展開された時系列データは、神経網４１の入力層４５の
各入力ユニットＬｍに入力される。この時系列データ
は、単位時間毎の最も古いデータが一つ消去され、最新
のデータが一つ付け加えられて更新される。

【００７０】以上の処理を簡単にまとめると、このフラ
ッタ発生予測を行うニューラルネット演算処理部７にお
いて、先ず神経網４１の各階層の結合の強さをバックプ
ロバケーションの手法により学習し、学習後には、走行
中の各センサ４，４２，４３，４４からの入力信号の一
定時間の時系列データを入力して、出力の計算を行って
フラッタ発生を認識するものである。本実施例では、学
習された結合の強さを重み付けデータＷとして予めＲＯ
Ｍ（メモリ６）に記憶し、これを用いた演算を行う。

【００７１】次に、図１２に示すフローチャートを参照
してニューラルネット演算処理部７が実行する処理につ
き説明する。

【００７２】先ず、Ｓ１１でデータＤ_i を取り込む。

【００７３】次に、Ｓ１２でデータＤ_i のアナログ信号
をデジタル信号に変換し終えたかどうかをチェックし、
このＡ／Ｄ変換が終了すると，次のＳ１３に進む。Ｓ１
３では、データＤ_i の取り込みが完了した後、それまで
に入力したＲＡＭ（メモリ６）の所定の領域に記憶した
全入力時系列的データＴＤｍをシフトする。この結果、
全入力時系列的データＴＤｍは単位時間だけディレイさ
れることになり、各最新データをロードする処理を行う
ことにより、全入力時系列的データＴＤｍを更新する。

【００７４】次のＳ１４では、入力層の各ユニットＬｍ
の出力値ＬＤｍを演算する。この演算処理は、各入力デ
ータＤ_i の全入力時系列的データＴＤｍに予め決定した
重み付けデータＷｍを乗算して次式（９）により累積値
ＮＥＴｍを求め、次式（１０）により累積値ＮＥＴｍの
シグモイド関数として出力値ＬＤｍを求める。 ＮＥＴｍ＝Ｗｍ・ＴＤｍ … （９） ＬＤｍ＝１／（１＋ｅ^-(NETm+Sm)） …（１０） 尚、上式（１０）のシグモイド関数は、累積値ＮＥＴｍ
＝０で関数値が０、累積値ＮＥＴｍが最大値になったと
ころで関数値が０．５となるように位相Ｓｍが決められ
ている。

【００７５】又、上記Ｗは、各階層間の結合の強さを表
す重み付けデータ、Ｗｍは入力データとこれに対応した
入力ユニットＬｍ間の重み付けデータ、Ｗｎｍは入力ユ
ニットＬｍと中間ユニットＭｎ間の重み付けデータ、Ｗ
ｐｎは中間ユニットＭｎと出力ユニットＯｐ間の重み付
けデータである。

【００７６】これらの重み付けデータは、バックプロバ
ケーションの手法により学習され、決定されてＲＯＭに
記憶される。

【００７７】次のＳ１５では、中間層４６の各ユニット
Ｍｎの出力値ＭＤｎを演算する。この出力値ＭＤｎの演
算は、上記入力ユニットＬｍの出力値ＬＤｍの演算と同
様に次式（１１）（１２）により行う。

【００７８】

【数９】

【００７９】次のＳ１６では、出力層の各ユニットＯｐ
の出力値ＯＤｐを算出する。この出力値ＯＤｐの演算
は、上記中間ユニットＭｎの出力値ＭＤｎの演算と同様
に次式（１３）（１４）により行う。

【００８０】

【数１０】

【００８１】以上の演算処理終了後、Ｓ１７で出力層の
各ユニットＯｐの出力値ＯＤｐを出力回路を介して出力
する。この出力値ＯＤｐは、神経網４１による認識であ
り、学習時のパターン若しくはこれに類似するパターン
が入力されれば、対応する出力値ＯＤｐが近似的に
「１」に、他の出力値ＯＤｐが近似的に「０」になる。

【００８２】従って、この出力値ＯＤｐがそのままフラ
ッタ発生予測の認識結果になり、上記神経網４１により
迅速且つ正確にフラッタ発生を予測することができる。

【００８３】尚、フラッタ発生認識後の動作は、前述し
た第１実施例と同様にフラッタ収束機構８のアクチュエ
ータ２２に出力信号が出力され、アクチュエータ２２に
よってアキュームレータ２３内のオイル２５がカラー１
８の油溝１７及びオイル通路１９を介して内シャフト１
３のオイル室１６に供給される。

【００８４】これにより、オイル室１６はオイルによっ
て満たされ、インターミディエイトシャフト１１の慣性
質量が大幅に増加され、インターミディエイトシャフト
１１の慣性モーメントが大となってステアリングホイー
ル１のフラッタ発生が防止される。

【００８５】従って、本実施例では、上記神経網４１に
よりステアリングホイール１のフラッタ発生を迅速且つ
正確に予測することができるので、フラッタ発生直前の
ステアリング操舵系２の軸力及び上下加速度、左右加速
度、車速等の挙動を監視してフラッタ発生の前兆をとら
えることができ、これによりフラッタ発生直前にフラッ
タ収束機構８を作動させてインターミディエイトシャフ
ト１１の共振周波数をずらしてステアリング操舵系２の
フラッタを早期に収束させることができる。

【００８６】尚、上記実施例では、フラッタ収束機構８
としてオイル室１６内の油量を調整してインターミディ
エイトシャフト１１の慣性モーメントを増加させる構成
としたがこれに限らず、例えばインターミディエイトシ
ャフト１１あるいはステアリング操舵系２の軸に負荷を
加える構成のものを使用してもよい。

【００８７】

【発明の効果】上述の如く、本発明になるステアリング
操舵系のフラッタ防止装置は、フラッタ発生予測手段が
結合度学習手段により得られた結合値に基づいてステア
リングホイールの周方向の振動として発生するフラッタ
を予測することができるので、ステアリング操舵系の軸
力の挙動を監視してフラッタ発生の前兆をとらえること
によりフラッタ発生直前にフラッタ収束手段を作動させ
てステアリング操舵系のフラッタを早期に収束させるこ
とができ、しかも振動が小さいうちにフラッタを収束さ
せられるので、フラッタ収束手段を駆動する際のエネル
ギが少なくて済み、フラッタ収束までの時間がきわめて
短縮できる。

【図面の簡単な説明】

【図１】本発明の原理図である。

【図２】本発明の第１実施例の要部を説明するための概
略構成図である。

【図３】フラッタ収束機構を説明するための概略構成図
である。

【図４】ニューラルネットワークの階層構造を説明する
ための模式図である。

【図５】ニューラルネットワークの階層構造を説明する
ための模式図である。

【図６】ニューラルネット演算処理部の演算処理を説明
するための模式図である。

【図７】ニューラルネット演算処理部の出力Ｙと中間出
力Ｘとの関係を示すグラフである。

【図８】ニューラルネット演算処理部で実行される処理
を説明するためのフローチャートである。

【図９】本発明の第２実施例の要部を説明するための概
略構成図である。

【図１０】本発明の第２実施例のニューラルネットワー
クの階層構造を説明するための模式図である。

【図１１】本発明の第２実施例の神経網の処理動作を説
明するための模式図である。

【図１２】本発明の第２実施例のニューラルネット演算
処理部で実行される処理を説明するためのフローチャー
トである。

【符号の説明】

１ ステアリングホイール ２ ステアリング操舵系 ３ タイロッド ４ 軸力検出センサ ５ 軸処理部 ６ メモリ ７ ニューラルネット演算処理部 ８ フラッタ収束装置 １１ インターミディエイトシャフト １６ オイル室 ２２ アクチュエータ ２３ アキュームレータ ２４ 制御回路

Claims (1)

【特許請求の範囲】
1. 【請求項１】 ステアリングホイールの回動操作力を車
   両の前輪に伝達するステアリング操舵系の軸力を検出す
   る検出手段と、 少なくとも該検出手段により検出された前記ステアリン
   グ操舵系の軸力を所定時間間隔の時系列データとして記
   憶する記憶手段と、 該記憶手段に記憶された前記各データを学習された結合
   度で結合させる結合度学習手段と、 該結合度学習手段により得られた結合値に基づいて前記
   ステアリングホイールの周方向の振動として発生するフ
   ラッタを予測するフラッタ発生予測手段と、 該フラッタ発生予測手段によりフラッタ発生が予測され
   たとき前記ステアリング操舵系のフラッタを収束させる
   フラッタ収束手段と、 よりなることを特徴とするステアリング操舵系のフラッ
   タ防止装置。