JPH06249001A

JPH06249001A - 車両の駆動力制御装置

Info

Publication number: JPH06249001A
Application number: JP3777993A
Authority: JP
Inventors: Makoto Nishida; 誠西田; Masuji Oshima; 満寿治大嶋; 浩之 ▲吉▼田; Hiroyuki Yoshida
Original assignee: Toyota Motor Corp; Toyota Central R&D Labs Inc
Current assignee: Toyota Motor Corp; Toyota Central R&D Labs Inc
Priority date: 1993-02-26
Filing date: 1993-02-26
Publication date: 1994-09-06

Abstract

(57)【要約】【目的】常に運転者の特性に合った駆動力制御を行うと
共に、短い発進及び停止が繰り返された後に急激な加速
要求があった場合にも、十分な加速を得る。【構成】ニューロコンピュータ２２は加速度Ｇを教師デ
ータとし、アクセルストロークＳ，車速Ｖに対する加速
度Ｇの関係を「要求加速度モデル」として学習する。
「要求加速度モデル」出力と加速度Ｇとの偏差を誤差信
号とし、アクセルストロークＳ，車速Ｖに対するスロッ
トル開度Ｔｈの関係を「スロットル感度モデル」として
学習する。車両１の発進持続時間が所定時間よりも短
く、且つ発進終了時のスロットル感度モデルの出力が所
定値よりも小さいと、今回の発進における要求加速度モ
デル及びスロットル感度モデルの学習を無効化する。ス
ロットルコンピュータ２１は「スロットル感度モデル」
出力を参照データとし、アクセルストロークＳに応じて
スロットルバルブ７を開閉させエンジン出力を制御す
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、車両の加速度が運転
者の要求する加速度となるように駆動力を制御するよう
にした車両の駆動力制御装置に関するものである。

【０００２】

【従来の技術】一般に、車両に対しては、様々な環境条
件の下での走行が要求されると共に、個々の運転者によ
る種々の運転操作がなされる。そして、車両の挙動につ
いては、運転者の意図する応答性と円滑性が要求され
る。従来より、車両の駆動力に関わる挙動については、
例えば内燃機関を搭載した車両において、運転者による
アクセルペダルの踏込量に応じて制御が行われることが
知られている。

【０００３】例えば、先に本願出願人により提案された
特願平３−８０１０３号では、内燃機関を搭載した車両
において、リンクレスタイプのスロットルバルブの開度
（スロットル開度）が、運転者によるアクセルペダルの
踏込量（アクセルストローク）に応じて制御されるよう
になっている。ここで、アクセルストロークに対応した
目標加速度を決定するためのデータは、マップとして予
めバックアップＲＡＭに記憶されている。そして、車両
の実際の加速度がマップより決定される目標加速度とな
るように、スロットル開度が制御され、もって車両の駆
動力が制御される。又、この提案技術では、アクセルス
トロークの変化と実際の加速度とが運転者の加速度要求
度合いの変化として検知され、その検知された加速度要
求度合いと、上記のマップより決定される目標加速度と
の偏差が最小となるように、そのマップのデータが修正
されてバックアップＲＡＭに記憶し直されるようになっ
ている。数学的には、目標加速度に関する補正（修正）
が上記の偏差に応じてなされることにより、マップの書
き替えが行われる。つまり、アクセルストロークに対応
する目標加速度のデータが学習される。

【０００４】従って、上記のように目標加速度のデータ
が、運転者の加速度要求度合いに合致するように学習さ
れることから、常に運転者の特性に合った目標加速度が
決定されることになった。その結果、運転者の意識状態
や運転環境に関係なく、常に運転者の特性に適した駆動
力が得られ、良好な運転性能が得られることになった。

【０００５】しかしながら、上記の提案技術では、目標
加速度のデータの学習としては、単にデータが補正（修
正）されてマップの書き替えが行われているだけであっ
た。そして、マップの書き替えについては、その時々で
アクセルストロークのある点、或いはある範囲について
のみ、目標加速度のデータが学習されるだけであった。
従って、特定の運転領域についてのみ目標加速度が補正
（修正）されるだけとなり、書き替えられたマップに領
域的な偏りが生じることになった。その結果、書き替え
られたマップで、アクセルストロークに対する目標加速
度の関係が部分的に不連続となり、車両の駆動力の制御
がアクセルストロークの変化に対して部分的に不連続な
ものとなる傾向があった。

【０００６】そこで、上記の不具合に対処することを狙
って、新たな技術が本願出願人により特願平４−３３６
３２３号に提案された。この提案技術では、ニューラル
ネットワーク技術を利用してマップの学習制御が行われ
るようになっている。ここでは、車両の走りに対する運
転者の要求が、その時々の実際の加速度から「要求加速
度モデル」として推定され、その「要求加速度モデル」
に基づき「スロットル感度モデル」が変更されてスロッ
トル感度が決定されている。又、その決定されたスロッ
トル感度とアクセルストロークとの積から求められる目
標スロットル開度と、実際のスロットル開度とが一致す
るように、エンジンのスロットルバルブが開閉制御され
るようになっている。

【０００７】従って、上記のようにニューラルネットワ
ーク技術を利用してマップの学習制御が行われることか
ら、アクセルストロークの全範囲に対する加速度及びス
ロットル開度の関係の全体が不連続とならず、エンジン
駆動力の制御を運転者によるアクセルストロークの全範
囲に渡って連続的なものとすることができることになっ
た。

【０００８】

【発明が解決しようとする課題】ところが、前記後者の
新たな提案技術では、スロットル感度が自動的に調整さ
れるものの、そのスロットル感度が時間の経過と共に連
続して徐々に変化してゆく。従って、スロットル感度の
調整は、比較的ゆっくりとしたものになってしまう。こ
のため、車両の走行状態が、加速度変化の少ない状態か
ら急激な加速を要する状態へ切り替わった場合、即ち、
スロットル感度を低い値から高い値へ移行させる場合、
その移行のための調整が運転者の要求に対し遅れてしま
う。

【０００９】上記の問題は、例えば、車両の走行中、見
通しの悪いＴ字路にさしかかった場合に生ずる。詳しく
は、Ｔ字路において安全に車両を支線から本線に合流さ
せる場合、一般には急激な発進は行われず、本線での本
格的な発進前に、短い時間の発進と停止とが数回に分け
て繰り返される。この際、加速度の変化が僅かであるの
で、スロットル感度が低い値に調整される。

【００１０】前記の短い時間の発進及び停止が終了し、
車両が支線から本線へ合流された後に、本格的な発進の
ためにアクセルペダルが踏み込まれる。このとき、スロ
ットル感度は連続した値を採り、時間の経過と共に徐々
にしか変化しない。従って、スロットル感度が低く、ア
クセルコントロールに対する車両の挙動が小さくなる。
つまり、運転者が急加速を要求しているにもかかわら
ず、それに追従した応答性のよい加速が得られず、運転
者の意図を車両の駆動力の制御に反映させる上で、アク
セルコントロール性の低下を起こすおそれがあった。

【００１１】尚、上記の問題は、Ｔ字路以外にも渋滞時
等において短い時間の発進と停止とが繰り返される場合
にも同様にして起こる。この発明は前述した事情に鑑み
てなされたものであって、その目的は、運転者の意識状
態や運転環境にかかわりなく常に運転者の特性に合った
駆動力の制御を実現すると共に、車両の短い時間の発進
と停止とが繰り返された後に運転者が加速の要求を行っ
た場合に、その要求に見合った応答性のよい十分な加速
を得ることが可能な車両の駆動力制御装置を提供するこ
とにある。

【００１２】

【課題を解決するための手段】上記の目的を達成するた
めに、この発明においては、図１に示すように、車両Ｍ
１に搭載された駆動源Ｍ２の制御量を変更するための制
御量変更手段Ｍ３と、駆動源Ｍ２の出力を任意に制御す
るために運転者により操作される出力操作手段Ｍ４と、
その出力操作手段Ｍ４の操作量を検出するための操作量
検出手段Ｍ５とを備え、操作量検出手段Ｍ５の検出結果
に応じて制御量変更手段Ｍ３を駆動させることにより駆
動源Ｍ２の出力を制御して車両Ｍ１の駆動力を制御する
ようにした車両の駆動力制御装置において、車両Ｍ１の
加速度を検出するための加速度検出手段Ｍ６と、車両Ｍ
１の速度を検出するための速度検出手段Ｍ７と、加速度
検出手段Ｍ６の検出により得られる加速度を比較すべき
教師データとして、その教師データと当該手段Ｍ８の出
力との偏差を誤差信号とし、その誤差分が小さくなるよ
うに、出力操作手段Ｍ４の操作量及び速度検出手段Ｍ７
の検出により得られる速度に対する車両Ｍ１の加速度の
関係を、運転者の要求する加速度モデルとして学習する
ための要求加速度モデル学習手段Ｍ８と、加速度検出手
段Ｍ６の検出により得られる加速度と要求加速度モデル
学習手段Ｍ８により学習される加速度モデルの出力との
偏差を誤差信号として、その誤差分が小さくなるよう
に、出力操作手段Ｍ４の操作量及び速度検出手段Ｍ７の
検出により得られる速度に対する駆動源Ｍ２の制御量の
関係を、制御量感度モデルとして学習するための制御量
感度モデル学習手段Ｍ９と、その制御量感度モデル学習
手段Ｍ９により学習される制御量感度モデルの出力を参
照データとして、その参照データに基づき操作量検出手
段Ｍ５により検出される操作量に応じて制御量変更手段
Ｍ３の駆動を制御する駆動制御手段Ｍ１０と、車両Ｍ１
の発進動作の開始を検出する発進開始検出手段Ｍ１１
と、車両Ｍ１の発進動作の終了を検出する発進終了検出
手段Ｍ１２と、発進開始検出手段Ｍ１１により車両Ｍ１
の発進動作開始が検出されてから発進終了検出手段Ｍ１
２により車両Ｍ１の発進動作終了が検出されるまでの発
進持続時間を計測する発進持続時間計測手段Ｍ１３と、
発進持続時間計測手段Ｍ１３による発進持続時間が予め
定めた所定時間よりも短く、且つ、制御量感度モデル学
習手段Ｍ９により学習された発進終了時の制御量感度モ
デルの出力が予め定めた所定値よりも小さいときには、
要求加速度モデル学習手段Ｍ８による今回の発進におけ
る要求加速度モデルの学習、及び制御量感度モデル学習
手段Ｍ９による今回の発進における制御量感度モデルの
学習を無効化し、要求加速度モデル及び制御量感度モデ
ルの学習状態を前回の発進終了時における学習状態に戻
す学習無効化手段Ｍ１４とを備えたことを趣旨としてい
る。

【００１３】

【作用】上記の構成によれば、図１に示すように、加速
度検出手段Ｍ６の検出により得られる加速度は、要求加
速度モデル学習手段Ｍ８において、比較すべき教師デー
タとして用いられる。つまり、車両Ｍ１の実際の加速度
が、運転者の要求する加速度として比較に用いられる。
そして、要求加速度モデル学習手段Ｍ８では、その教師
データと当該手段Ｍ８の出力との偏差が小さくなるよう
に、即ち、運転者の要求する加速度と要求加速度モデル
の出力との偏差が小さくなるように、出力操作手段Ｍ４
の操作量及び速度検出手段Ｍ７の検出により得られる速
度に対する車両Ｍ１の加速度の関係が、運転者の要求す
る加速度モデルとして学習される。又、制御量感度モデ
ル学習手段Ｍ９では、同じく加速度検出手段Ｍ６の検出
により得られる加速度と、上記のように学習される加速
度モデルの出力との偏差が誤差信号として用いられる。
そして、制御量感度モデル学習手段Ｍ９では、上記の誤
差信号の誤差分が小さくなるように、即ち、車両Ｍ１の
加速度と加速度モデルの出力との偏差が小さくなるよう
に、出力操作手段Ｍ４の操作量及び車両Ｍ１の速度に対
する駆動源Ｍ２の制御量の関係が、制御量感度モデルと
して学習される。そして、駆動制御手段Ｍ１０では、上
記のように学習される制御量感度モデルの出力が参照デ
ータとして用いられ、その参照データに基づき、運転者
の操作による出力操作手段Ｍ４の操作量に応じて制御量
変更手段Ｍ３の駆動が制御される。その結果、駆動源Ｍ
２の出力が制御され、もって車両Ｍ１の駆動力が制御さ
れる。

【００１４】従って、この発明によれば、常に運転者の
要求に応じた加速度モデルが得られ、その加速度モデル
に対応して制御量感度モデルが得られる。そして、常に
運転者の要求に合った加速度をもって、駆動源Ｍ２の制
御量が制御される。又、この発明によれば、出力操作手
段Ｍ４の操作量及び車両Ｍ１の速度に対する車両Ｍ１の
加速度の関係の全体が連続的なモデルとして学習され、
出力操作手段Ｍ４の操作量及び車両Ｍ１の速度に対する
駆動源Ｍ２の制御量の関係の全体が連続的なモデルとし
て学習される。そのため、車両Ｍ１の速度の全範囲につ
いて、出力操作手段Ｍ４の操作量の全範囲に対する加速
度及び制御量の関係が部分的に不連続となることはな
い。

【００１５】一方、車両Ｍ１の短い時間の発進及び停止
が数回繰り返されると、加速度の変化が僅かであること
から、駆動制御手段Ｍ１０において制御量変更手段Ｍ３
の駆動を制御するために使用される参照データが低い値
に調整される。

【００１６】しかし、この発明では、車両Ｍ１の発進動
作の開始が発進開始検出手段Ｍ１１によって検出され、
車両Ｍ１の発進動作の終了が発進終了検出手段Ｍ１２に
よって検出される。車両Ｍ１の発進動作開始が検出され
てから発進動作終了が検出されるまでの発進持続時間
が、発進持続時間計測手段Ｍ１３によって計測される。
そして、発進持続時間計測手段Ｍ１３による発進持続時
間が予め定めた所定時間よりも短く、且つ、制御量感度
モデル学習手段Ｍ９により学習された発進終了時の制御
量感度モデルの出力が予め定めた所定値よりも小さい
と、要求加速度モデル学習手段Ｍ８による今回の発進に
おける要求加速度モデルの学習、及び制御量感度モデル
学習手段Ｍ９による今回の発進における制御量感度モデ
ルの学習状態が、学習無効化手段Ｍ１４によって前回の
発進終了時における学習状態に戻される。

【００１７】従って、前記のように短い時間の発進及び
停止が繰り返されると参照データが低い値に調整される
が、発進動作終了後に本格的な発進動作のために急激な
加速が必要とされた場合には、その参照データが、駆動
制御手段Ｍ１０において制御量変更手段Ｍ３の駆動を制
御するために使用されることはない。つまり、制御量変
更手段Ｍ３の駆動を制御するための参照データが非常に
低く調整されることがなくなる。その結果、運転者によ
る出力操作手段Ｍ４の少しの変化で車速を大きく変化さ
せることが可能となる。これに伴い、駆動源Ｍ２の出力
制御に要する出力操作手段Ｍ４の操作が、運転者にとっ
て発進動作に適したものとなる。

【００１８】

【実施例】以下、この発明における車両の駆動力制御装
置を具体化した一実施例を図２〜図１１に基づいて詳細
に説明する。

【００１９】図２は、この実施例における車両の駆動力
制御装置を概略的に示す構成図である。車両１には、駆
動源としての多気筒直列型のガソリンエンジン（以下単
に「エンジン」という。）２が搭載されている。エンジ
ン２において気筒毎に設けられた燃焼室には、吸気通路
３を通じて外気と燃料との混合気が取り込まれる。この
混合気が点火プラグの作動にて爆発・燃焼されることに
より、ピストン、クランクシャフト等が作動してエンジ
ン２の出力が得られる。燃焼により生じた既燃焼ガス
は、排気通路４を通じて外部へ排出される。

【００２０】この実施例で、車両１はフロントエンジン
・リヤドライブ方式（ＦＲ方式）のものであり、エンジ
ン２のクランクシャフトは、図示しないトランスミッシ
ョン、プロペラシャフト、ディファレンシャルギヤ、ド
ライブシャフト等を介して、駆動輪である左右一対の後
輪５に駆動連結されている。又、従動輪である左右一対
の前輪６は、運転席に設けられた図示しないステアリン
グホイールの操作に連動する操舵輪となっている。

【００２１】この実施例において、吸気通路３の途中に
は、リンクレスタイプのスロットルバルブ７が軸７ａに
より回動可能に支持されている。この軸７ａは、スロッ
トルバルブ７の近傍に設けられた直流モータ８に連結さ
れている。これらのスロットルバルブ７及び直流モータ
８は制御量変更手段を構成している。そして、直流モー
タ８の作動により、スロットルバルブ７が軸７ａと一体
回動され、エンジン２の制御量としてのスロットルバル
ブ７の開度（スロットル開度Ｔｈ）が調整される。この
作用により、吸気通路３を通じてエンジン２の各燃焼室
へ取り込まれる空気量が調整され、エンジン２の出力が
制御される。

【００２２】スロットルバルブ７の近傍にはスロットル
センサ９が設けられている。このスロットルセンサ９で
は、スロットル開度Ｔｈが検出され、それに応じた信号
が出力される。車両１の運転席には、出力操作手段を構
成するアクセルペダル１０が設けられている。このアク
セルペダル１０は、エンジン２の出力を任意に制御する
ために、運転者ＤＲにより踏み込み操作されるものであ
る。アクセルペダル１０の近傍にはアクセルセンサ１１
が設けられている。アクセルセンサ１１は操作量検出手
段を構成すると共に、発進開始検出手段の一部及び発進
終了検出手段の一部をそれぞれ構成している。このアク
セルセンサ１１では、アクセルペダル１０の操作量であ
るアクセルストロークＳが検出され、それに応じた信号
が出力される。

【００２３】前記アクセルペダル１０の近傍にはブレー
キペダル１５が並設されている（図２では便宜的にアク
セルペダル１０の上方に示している）。ブレーキペダル
１５は、車両１の走行を停止させたり、停止している車
両が走行するのを阻止したりするために、運転者ＤＲに
より踏み込み操作されるものである。ブレーキペダル１
５の近傍には、発進終了検出手段の一部を構成するプッ
シュ式のストップランプスイッチ１４が設けられてい
る。このストップランプスイッチ１４は通常オフ状態と
なっており、運転者ＤＲによってブレーキペダル１５が
所定量以上踏み込まれたときにのみオン信号が出力され
る。

【００２４】車両１のほぼ中央には、加速度検出手段を
構成する周知の加速度センサ１２が設けられている。こ
の加速度センサ１２では、車両１の前後方向の加速度Ｇ
が検出され、それに応じた信号が出力される。前輪６に
は、速度検出手段を構成すると共に、発進開始検出手段
の一部及び発進終了検出手段の一部をそれぞれ構成する
周知の車速センサ１３が設けられている。この車速セン
サ１３では、前輪６の回転数に応じて車両１の走行速度
である車速Ｖが検出され、それに応じた信号が出力され
る。

【００２５】そして、この実施例では、スロットルバル
ブ７を運転者ＤＲの要求に応じて好適に開閉制御するた
めに、スロットルコンピュータ２１及びニューロコンピ
ュータ２２が設けられている。スロットルコンピュータ
２１は駆動制御手段を構成している。スロットルコンピ
ュータ２１には、前記直流モータ８及びスロットルセン
サ９がそれぞれ電気的に接続されている。又、ニューロ
コンピュータ２２はニューラルネットワークの技術が適
用されたもので、要求加速度モデル学習手段、制御量感
度モデル学習手段、発進持続時間計測手段及び学習無効
化手段を構成すると共に、発進開始検出手段の一部及び
発進終了検出手段の一部をそれぞれ構成している。この
ニューロコンピュータ２２には、アクセルセンサ１１、
加速度センサ１２、車速センサ１３及びストップランプ
スイッチ１４がそれぞれ電気的に接続されている。ニュ
ーロコンピュータ２２とスロットルコンピュータ２１と
は互いに電気的に接続されている。

【００２６】図３はスロットルコンピュータ２１及びニ
ューロコンピュータ２２の電気的構成を示すブロック図
である。ニューロコンピュータ２２は、カウンタの機能
を兼ね備えた中央処理装置（ＣＰＵ）２３、ニューラル
ネットワーク技術を利用した学習制御プログラム等を予
め記憶した読み出し専用メモリ（ＲＯＭ）２４、ＣＰＵ
２３の演算結果等を一時記憶するランダムアクセスメモ
リ（ＲＡＭ）２５、予め記憶されたデータを保存するバ
ックアップＲＡＭ２６等を備えている。そして、ニュー
ロコンピュータ２２は、それら各部２３〜２６と外部入
出力回路２７等がバス２８によって接続された論理演算
回路として構成されている。

【００２７】外部入出力回路２７には、前述したアクセ
ルセンサ１１、車速センサ１３及びストップランプスイ
ッチ１４がそれぞれ接続されている。又、外部入出力回
路２７には、ローパスフィルタ２９を介して加速度セン
サ１２が接続されている。このローパスフィルタ２９
は、加速度センサ１２の検出信号のうち、基準となる所
定の遮断周波数より低い周波数の信号は自由に通し、高
い周波数には大きな減衰を与えるようになっている。併
せて、外部入出力回路２７には、前記したスロットルコ
ンピュータ２１が接続されている。

【００２８】そして、ＣＰＵ２３は、外部入出力回路２
７を介して入力される各センサ１１〜１３及びストップ
ランプスイッチ１４からの各種信号を入力値として読み
込む。ＣＰＵ２３は、それら入力値に基づき、ＲＯＭ２
４に記憶されている学習制御プログラムに従い、運転者
ＤＲの要求する「要求加速度モデル」と、それに応じた
制御量感度モデルとしての「スロットル感度モデル」の
学習制御を実行する。そして、ＣＰＵ２３はその学習結
果を外部入出力回路２７を介してスロットルコンピュー
タ２１へ出力する。

【００２９】一方、スロットルコンピュータ２１はニュ
ーロコンピュータ２２と基本的に同じ構成をなしてお
り、ＣＰＵ３０、ＲＯＭ３１、ＲＡＭ３２、バックアッ
プＲＡＭ３３、外部入出力回路３４及びバス３５によっ
て構成されている。外部入出力回路３４には、前述した
直流モータ８、スロットルセンサ９及びニューロコンピ
ュータ２２がそれぞれ接続されている。ＲＯＭ３１に
は、ニューロコンピュータ２２の学習結果、或いは別途
に設定された設定値に基づきスロットルバルブ７の開閉
を制御するためのスロットル開度制御プログラムが予め
記憶されている。

【００３０】そして、ＣＰＵ３０は、ニューロコンピュ
ータ２２から外部入出力回路３４を介して入力される学
習結果のデータを入力値として読み込む。又、ＣＰＵ３
０は、外部入出力回路３４を介して入力されるスロット
ルセンサ９からの信号を入力値として読み込む。ＣＰＵ
３０は、それら入力値に基づき、ＲＯＭ３１に記憶され
ているスロットル開度制御プログラムに従い直流モータ
８を好適に制御する。

【００３１】ここで、ニューロコンピュータ２２に適用
されているニューラルネットワーク技術の概念的な構成
について説明する。この実施例におけるニューラルネッ
トワークは、図４（ａ），（ｂ）に示すように、二つの
多層型ニューラルネットワークを備えている。各多層型
ニューラルネットワークは、基本的には同じ構成をなし
ており、２個のニューロンｎ１よりなる「入力層」と、
２〜１０個のニューロンｎ２よりなる「中間層」と、１
個のニューロンｎ３よりなる「出力層」とを備えてい
る。又、各層の間で各ニューロンｎ１，ｎ２，ｎ３がシ
ナプスｓｐにより結合されている。各多層型ニューラル
ネットワークにおいて、信号は「入力層」から「中間
層」、「中間層」から「出力層」へ向かって一方向へ流
れる。各層のニューロンｎ１，ｎ２，ｎ３では、前の層
から受け取った信号に基づいて状態が決定され、次の層
へ信号が伝えられる。そして、各多層型ニューラルネッ
トワークの出力結果は、「出力層」のニューロンｎ３の
状態値として得られる。

【００３２】ここで、図４（ａ）に示す多層型ニューラ
ルネットワークは、「入力層」の各ニューロンｎ１に、
アクセルセンサ１１により検出されるアクセルストロー
クＳ、車速センサ１３により検出される車速Ｖがそれぞ
れ入力される。又、「出力層」のニューロンｎ３から得
られる出力、即ち要求加速度モデル出力Ｇｘは、加速度
センサ１２の検出により得られる車両１の加速度Ｇを
「教師データ」として、その「教師データ」と比較され
る。そして、その比較による加速度偏差ΔＧ（＝Ｇ−Ｇ
ｘ）を「誤差信号」とし、その誤差分が小さくなる方向
へ全てのニューロンｎ１，ｎ２，ｎ３のシナプスｓｐの
「重み係数」が修正される。つまり、車両１の加速度Ｇ
を運転者ＤＲの要求する加速度とし、その加速度Ｇを比
較すべき「教師データ」としている。そして、その「教
師データ」との偏差が小さくなるように、アクセルスト
ロークＳ及び車速Ｖに対する加速度Ｇの関係が、運転者
ＤＲの要求する「要求加速度モデル」として学習され
る。そして、この多層型ニューラルネットワークの出力
結果は、要求加速度モデル出力Ｇｘとして得られる。即
ち、「要求加速度モデル」は図５に示すような特性とし
て、要求加速度モデル出力Ｇｘが加速度Ｇに近づく方向
に学習される。

【００３３】一方、図４（ｂ）に示す多層型ニューラル
ネットワークは、「入力層」の各ニューロンｎ１に、上
記と同じくアクセルストロークＳ、車速Ｖがそれぞれ入
力される。又、「出力層」のニューロンｎ３から得られ
る出力結果、即ちスロットル感度モデル出力Ｔｈｘは、
加速度Ｇと上記の要求加速度モデル出力Ｇｘとの間の加
速度偏差ΔＧを「誤差信号」として学習が行われ、全て
のニューロンｎ１，ｎ２，ｎ３のシナプスｓｐの「重み
係数」が修正される。つまり、加速度偏差ΔＧを「誤差
信号」とし、その誤差分が小さくなるように、アクセル
ストロークＳ及び車速Ｖに対するスロットル開度Ｔｈの
関係が、運転者ＤＲの要求する「スロットル感度モデ
ル」として学習される。そして、この多層型ニューラル
ネットワークの出力結果は、スロットル感度モデル出力
Ｔｈｘとして得られる。即ち、「スロットル感度モデ
ル」は図６に示すような特性として学習される。

【００３４】上記のようなニューラルネットワークの概
念的な構成は、あくまでも便宜的に説明されたものであ
り、ニューラルネットワークの実体は、ニューロコンピ
ュータ２２のＲＯＭ２４に予め記憶されている学習制御
プログラムにある。そして、ニューラルネットワーク
は、その学習制御プログラムにおける数学的な演算の上
に成り立っており、学習方法としては一般に知られてい
る「誤差逆伝搬学習アルゴリズム」が適用されている。
この実施例では、最終的には図７に示すような、アクセ
ルストロークＳに対するスロットル感度Ｔｈｇの関係の
特性を求めるために、学習制御プログラムが作成されて
いる。

【００３５】次に、ニューロコンピュータ２２におい
て、上記のようなニューラルネットワーク技術を用いて
実行される「要求加速度モデル」及び「スロットル感度
モデル」等の学習のための処理動作について説明する。

【００３６】図８は、ニューロコンピュータ２２により
実行される学習制御プログラムの「学習制御ルーチン」
を示すフローチャートである。このルーチンの処理は開
始された後、一定の周期、例えば「０．１秒」の時間間
隔をもって周期的に実行される。

【００３７】学習制御ルーチンの各処理は、プログラム
内のカウンタのカウント動作に基づいて実行される。カ
ウンタは、車両１の発進動作が開始されてから終了され
るまでの期間に求められたスロットル感度Ｔｈｇの算出
回数をカウントする。カウント動作により得られるカウ
ント値τは、車両１の発進動作開始が検出されてから発
進動作終了が検出されるまでの発進持続時間に相当す
る。

【００３８】発進開始条件は、発進開始条件が成立して
いるか否かを表す（条件が成立している場合は「１」、
成立していない場合は「０」）発進開始フラグＦが
「０」で、且つ、単位時間（例えば０．１秒）当たりの
アクセルストロークＳの変化分ΔＳが所定値（例えば３
％）以上で、且つ、車速Ｖが所定値（例えば５Ｋｍ／
時）以下の場合である。

【００３９】発進終了条件は、発進開始条件が成立して
発進開始フラグＦが「１」の状態で、且つ、ブレーキペ
ダル１５が踏み込まれてストップランプスイッチ１４が
オン状態になった場合、或いは、発進開始条件が成立し
てから所定時間（例えば１秒）以上経過し、且つ、アク
セルストロークＳが所定値（例えば１０％）以下で、且
つ、車速Ｖが所定値（例えば１０Ｋｍ／時）以下の場
合、或いは、カウント値τが予め定められた第１の所定
値Ｔ以上になった場合である。

【００４０】尚、カウント値τと発進開始フラグＦは、
エンジン始動のためにイグニションキーがオン操作され
たときに初期値として「０」に設定される。このルーチ
ンの処理が開始されると、ステップ１０１において、ア
クセルセンサ１１、加速度センサ１２及び車速センサ１
３からの各種信号に基づきアクセルストロークＳ、加速
度Ｇ及び車速Ｖをそれぞれ読み込む。

【００４１】続いて、ステップ１０２において、アクセ
ルストロークＳよりアクセルストローク変化分ΔＳを算
出する。ここで、アクセルストローク変化分ΔＳは、ア
クセルストロークＳに関する今回と前回との読み込み値
の差により求められる。

【００４２】次に、ステップ１０３において、「スロッ
トル感度モデル」を実行する。即ち、今回読み込まれた
アクセルストロークＳと車速Ｖとを入力値として、既に
学習済の「スロットル感度モデル」の特性（図６を参
照）からスロットル感度モデル出力Ｔｈｘを求める。続
いて、ステップ１０４において、スロットル感度モデル
出力Ｔｈｘより、以下の計算式（１）に従ってスロット
ル感度Ｔｈｇを決定する。

【００４３】Ｔｈｇ＝α＋Ｔｈｘ＊Ｋ …（１）ここで、「α」は基準値であり、この実施例では「α＝
１．０」となっている。又、「Ｋ」は正の定数である。

【００４４】そして、ステップ１０５において、今回決
定されたスロットル感度ＴｈｇとアクセルストロークＳ
とをスロットルコンピュータ２１へ出力する。或いは、
スロットル感度ＴｈｇとアクセルストロークＳとの積、
即ち目標スロットル開度Ｔｈｇ・Ｓを求め、その目標ス
ロットル開度Ｔｈｇ・Ｓをスロットルコンピュータ２１
へ出力する。

【００４５】次に、ステップ１０６において、発進開始
条件が成立したか否かを判定する。そして、発進開始条
件が成立した場合には、ステップ１０７へ移行し、発進
開始フラグＦを「１」にセットしてステップ１０８へ移
行する。一方、ステップ１０６において、発進開始条件
が成立しない場合はステップ１１３へ移行する。ステッ
プ１１３では発進開始フラグＦが「１」であるか否かを
判定する。ステップ１０６の判定は、発進開始のタイミ
ングのみを検出し、発進加速が持続中であるか否かは判
定していない。よって、既に発進開始条件が成立して発
進開始フラグＦが「１」ならば、発進加速持続中であ
り、ステップ１０６→１１３→１０８と移行する。

【００４６】ステップ１０８では、発進終了条件が成立
したか否かを判定する。そして、発進終了条件が成立し
た場合には、ステップ１１４へ移行する。一方、発進終
了条件が成立しない場合、つまり発進加速持続中の場合
はステップ１０９へ移行する。ステップ１０９において
は、カウント値τを「１」だけカウントアップする。

【００４７】次に、ステップ１１０において、車両１の
加速度Ｇを「教師データ」として、運転者ＤＲの要求す
る「要求加速度モデル」の学習を実行する。つまり、加
速度センサ１２により検出される車両１の加速度Ｇを比
較すべき「教師データ」として、その「教師データ」と
の偏差が小さくなるように、アクセルストロークＳ及び
車速Ｖに対する加速度Ｇの関係を、運転者ＤＲの要求す
る「要求加速度モデル」として学習する。

【００４８】例えば、図５に実線で示す曲線が現在の
「要求加速度モデル」の特性であるとする。そして、車
両１を現在より速く走行させるために運転者ＤＲがアク
セルペダル１０を踏み込んで、車両１の加速度Ｇが現在
の要求加速度モデル出力Ｇｘよりも大きくなったとす
る。このときの加速度Ｇが新しい要求加速度であり、
「要求加速度モデル」は図５に実線で示す特性が破線で
示す特性に更新される。即ち、アクセルストロークＳ及
び車速Ｖに対する要求加速度モデル出力Ｇｘの関係の全
体が連続的なモデルとして学習される。そして、この特
性は部分的に不連続となることはない。

【００４９】尚、図５には車速Ｖが「０」のときの特性
が示されているが、「要求加速度モデル」では、アクセ
ルストロークＳの全範囲及び車速Ｖの全範囲と車両１の
加速度Ｇとの関係が学習されるようになっている。

【００５０】続いて、ステップ１１１においては、加速
度Ｇと上記の要求加速度モデル出力Ｇｘとの差を加速度
偏差ΔＧとして求める。そして、ステップ１１２におい
て、その加速度偏差ΔＧを「誤差信号」として、「スロ
ットル感度モデル」の学習を実行する。つまり、加速度
偏差ΔＧを「誤差信号」として、その誤差分が小さくな
るように、アクセルストロークＳ及び車速Ｖに対するス
ロットル開度Ｔｈの関係を、「スロットル感度モデル」
として学習する。

【００５１】例えば、図６に実線で示す直線を「スロッ
トル感度モデル」の初期値であるとする。そして、車両
１を現在より速く走行させるために運転者ＤＲがアクセ
ルペダル１０を踏み込むと、車両１の加速度Ｇが大きく
なり、要求加速度モデル出力Ｇｘとの間で差が発生し、
そのときの加速度偏差ΔＧが求められる。そして、その
加速度偏差ΔＧを「誤差信号」とし、その誤差分が小さ
くなるように学習が行われると、そのときのスロットル
感度モデル出力Ｔｈｘが新しいスロットル感度モデル出
力Ｔｈｘであり、「スロットル感度モデル」は図６に実
線で示す初期値から破線で示す曲線のような特性に更新
される。即ち、アクセルストロークＳ及び車速Ｖに対す
るスロットル感度モデル出力Ｔｈｘの関係の全体が連続
的なモデルとして学習される。そして、この特性は部分
的に不連続となることはない。

【００５２】このようにして、ニューラルネットワーク
の技術を用いた学習制御の処理が実行され、運転者ＤＲ
の要求する「要求加速度モデル」及び「スロットル感度
モデル」の特性がそれぞれ学習される。ここでは、その
時々に学習される「要求加速度モデル」及び「スロット
ル感度モデル」の特性としてのシナプスｓｐの「重み係
数」が、バックアップＲＡＭ２６に書き替えられて記憶
される。

【００５３】尚、車両１の工場出荷時における上記の
「重み係数」の初期値は、次のように決定される。先
ず、要求加速度モデルは、車両１が複数の運転者ＤＲに
より運転されたときの加速度Ｇが「教師データ」として
学習され、その学習結果の平均的な特性が初期値とされ
る。そして、スロットル感度モデルの「重み係数」は、
そのスロットル感度モデル出力Ｔｈｘが「０」になるよ
うに学習される。

【００５４】ステップ１１２の処理が実行されると、そ
の後の処理を一旦終了し、処理開始から「０．１秒」が
経過すると、再びステップ１０１からの処理を開始す
る。一方、ステップ１０８において、発進終了条件が成
立した場合には、ステップ１１４へ移行する。ステップ
１１４では、以下の２つの条件（１），（２）が共に成
立しているか否かを判定する。条件（１）は、カウント
値τが予め定めた第１の所定値Ｔ（例えば３秒に相当す
る値）よりも小さい場合である。条件（２）は、スロッ
トル感度Ｔｈｇが予め定めた第２の所定値ＴＨＧ（例え
ば０．８）よりも小さい場合である。ここで、上記の条
件（１），（２）のいずれか一方でも成立していない場
合はステップ１１７へ移行する。ステップ１１７では、
今回の発進終了時における要求加速度モデル及びスロッ
トル感度モデルの学習状態を記憶する。つまり、要求加
速度モデル及びスロットル感度モデルの「重み係数」を
記憶する。続いて、ステップ１１８において、カウント
値τと学習開始フラグＦをそれぞれ「０」にリセット
し、その後の処理を一旦終了し、処理開始から「０．１
秒」が経過すると、再びステップ１０１からの処理を開
始する。

【００５５】ステップ１１４において、条件（１），
（２）が共に成立している場合は、短い時間の発進と停
止とが数回に渡って繰り返されて加速度Ｇの変化が僅か
であり、しかもスロットル感度Ｔｈｇが非常に低い値に
調整されているものと判定した場合であり、ステップ１
１５へ移行する。このような車両１の挙動が見られる状
況としては、例えば支線を走行中の車両１がＴ字路等の
見通しの悪い交差点にさしかかり、本線に安全に合流す
るために、本格的な発進に先立ち車両１を発進させたり
停止させたりする場合がある。又、渋滞路での車両１の
走行時に、短い時間の発進と停止とが繰り返される場合
もある。

【００５６】ステップ１１５では、現在の要求加速度モ
デル及びスロットル感度モデルの「重み係数」を無効に
し、記憶してある前回の発進終了時における「重み係
数」を読み出し、要求加速度モデル及びスロットル感度
モデルに設定する。つまり、現在の要求加速度モデル及
びスロットル感度モデルの学習状態を前回の発進終了時
における学習状態に戻す。そして、ステップ１１６にお
いて、カウント値τと学習開始フラグＦをそれぞれ
「０」にリセットし、その後の処理を一旦終了し、処理
開始から「０．１秒」が経過すると、再びステップ１０
１からの処理を開始する。

【００５７】このように、次回の制御周期におけるステ
ップ１０３→１０４→１０５の実行により、スロットル
感度Ｔｈｇは前回の発進終了時における値に戻すことが
できる。

【００５８】次に、上記のような処理動作により決定さ
れるスロットル感度Ｔｈｇと、そのときのアクセルスト
ロークＳとに基づき、スロットルコンピュータ２１によ
り実行されるスロットル開度制御の処理動作について説
明する。図１１のフローチャートはスロットルコンピュ
ータ２１により実行されるスロットル開度制御プログラ
ムの「スロットル開度制御ルーチン」を示している。こ
のルーチンの処理は所定の時間間隔をもって周期的に実
行される。

【００５９】このルーチンの処理が開始されると、先ず
ステップ２０１において、スロットルセンサ９からの信
号に基づきスロットル開度Ｔｈを読み込むと共に、ニュ
ーロコンピュータ２２から出力されるスロットル感度Ｔ
ｈｇとアクセルストロークＳ、又は目標スロットル開度
Ｔｈｇ・Ｓを読み込む。ここで、スロットル感度Ｔｈｇ
とアクセルストロークＳとの読み込みが前提である場合
には、同ステップ２０１において、両者Ｔｈｇ，Ｓの積
が目標スロットル開度Ｔｈｇ・Ｓとして求められる。続
いて、ステップ２０２において、現在のスロットル開度
Ｔｈが目標スロットル開度Ｔｈｇ・Ｓよりも小さいか否
かを判断する。ここで、スロットル開度Ｔｈが目標スロ
ットル開度Ｔｈｇ・Ｓよりも小さい場合には、ステップ
２０３において、スロットルバルブ７を開方向へ駆動さ
せるように直流モータ８を例えば正転させる。又、ステ
ップ２０４において、スロットルセンサ９からの信号に
基づきスロットル開度Ｔｈを読み込む。

【００６０】そして、ステップ２０５において、スロッ
トル開度Ｔｈが目標スロットル開度Ｔｈｇ・Ｓよりも小
さいか否かを判定する。ここで、スロットル開度Ｔｈが
目標スロットル開度Ｔｈｇ・Ｓよりも小さい場合には、
ステップ２０３へ戻り、スロットルバルブ７を更に開方
向へ駆動させるために、ステップ２０３，２０４，２０
５の処理を繰り返す。これに対し、スロットル開度Ｔｈ
が目標スロットル開度Ｔｈｇ・Ｓと等しいかそれよりも
大きい場合には、スロットルバルブ７をそれ以上開方向
へ駆動させないものとして、その後の処理を一旦終了す
る。

【００６１】一方、ステップ２０２において、現在のス
ロットル開度Ｔｈが目標スロットル開度Ｔｈｇ・Ｓより
も小さくない場合には、ステップ２０６へ移行する。そ
して、同ステップ２０６において、現在のスロットル開
度Ｔｈが目標スロットル開度Ｔｈｇ・Ｓよりも大きいか
否かを判断する。ここで、スロットル開度Ｔｈが目標ス
ロットル開度Ｔｈｇ・Ｓよりも大きくない場合、即ちＴ
ｈ＝Ｔｈｇ・Ｓの場合には、そのままその後の処理を一
旦終了する。

【００６２】又、ステップ２０６において、スロットル
開度Ｔｈが目標スロットル開度Ｔｈｇ・Ｓよりも大きい
場合には、ステップ２０７において、スロットルバルブ
７を閉方向へ駆動させるように直流モータ８を逆転させ
る。又、ステップ２０８において、スロットルセンサ９
からの信号に基づきスロットル開度Ｔｈを読み込む。

【００６３】そして、ステップ２０９において、スロッ
トル開度Ｔｈが目標スロットル開度Ｔｈｇ・Ｓよりも大
きいか否かを判定する。ここで、スロットル開度Ｔｈが
目標スロットル開度Ｔｈｇ・Ｓよりも大きい場合には、
ステップ２０７へ戻り、スロットルバルブ７を更に閉方
向へ駆動させるためにステップ２０７，２０８，２０９
の処理を繰り返す。これに対し、スロットル開度Ｔｈが
目標スロットル開度Ｔｈｇ・Ｓと等しいかそれよりも小
さい場合には、スロットルバルブ７をそれ以上閉方向へ
駆動させないものとして、その後の処理を一旦終了す
る。

【００６４】このように、スロットル開度Ｔｈが目標ス
ロットル開度Ｔｈｇ・Ｓに一致するように直流モータ８
の回転が制御され、それによってスロットルバルブ７が
開閉制御される。スロットルバルブ７の開閉動作によ
り、エンジン２の出力が制御され、その結果として車両
１の駆動力が制御される。

【００６５】以上説明したように、この実施例では、ス
ロットル感度Ｔｈｇを求めるための学習時には、車両１
の走りに対する運転者ＤＲの要求が、その時々の加速度
Ｇから「要求加速度モデル」として推定される。又、そ
の「要求加速度モデル」に基づき「スロットル感度モデ
ル」が変更されてスロットル感度Ｔｈｇが決定される。
又、その決定されたスロットル感度Ｔｈｇとアクセルス
トロークＳとの積から求められる目標スロットル開度Ｔ
ｈｇ・Ｓと、スロットル開度Ｔｈとが一致するように、
スロットルバルブ７が開閉制御される。しかも、常に運
転者ＤＲの要求に応じた「要求加速度モデル」が得ら
れ、その「要求加速度モデル」に対応して、「スロット
ル感度モデル」が得られる。そして、常に運転者ＤＲの
要求に合った加速度Ｇをもって、エンジン２のスロット
ル開度Ｔｈが制御される。

【００６６】従って、車両１に対する運転者ＤＲの要求
加速度が大きいときには、スロットル感度Ｔｈｇが大き
くなる。そのため、同一の加速度Ｇを得るためのアクセ
ルストロークＳの変化範囲が狭くなり、アクセルペダル
１０の少ない操作によって大きな加速度Ｇを得ることが
できるようになり、車両１の加速性能が向上したように
運転者ＤＲに感じさせることができる。例えば、運転者
ＤＲの意識が急いだ状態であったり、車両１の運転環境
が渋滞のない高速道路であったりして、車両１を速く走
行させたいときには、アクセルペダル１０の少ない操作
によって大きな加速度Ｇを得ることができ、加速感を向
上させることができる。

【００６７】一方、車両１に対する運転者ＤＲの要求加
速度が小さいときには、スロットル感度Ｔｈｇが小さく
なる。そのため、同一の加速度Ｇを得るためのアクセル
ストロークＳの変化範囲が広くなり、アクセルペダル１
０の多い操作によって加速度Ｇを微妙に変化させること
ができるようになり、運転者ＤＲにとってアクセルペダ
ル１０の操作性能を向上させることができる。例えば、
運転者ＤＲの意識がのんびりした状態であったり、車両
１の運転環境が渋滞路や雪道等であったりして、車両１
をゆっくりと走行させたいときには、アクセルペダル１
０の多い操作によって加速度Ｇを微妙に変えることがで
き、車両１の操作感を向上させることができる。

【００６８】つまり、この実施例では、運転者ＤＲの加
速度に対する要求度合いに合致するように学習が行われ
ることから、常に運転者ＤＲの特性に合ったスロットル
感度Ｔｈｇが決定される。その結果、運転者ＤＲの意識
状態（急いでいる、のんびりしている等）や運転環境
（路面状態、昼間・夜間、トンネル内、雨中路、雪道、
山間路、渋滞路等）にかかわりなく、車両１について、
常に運転者ＤＲの特性に合った駆動力の制御を行うこと
ができる。

【００６９】又、この実施例では、ニューロコンピュー
タ２２における学習制御に、ニューラルネットワーク技
術を用いたことから、アクセルストロークＳ及び車速Ｖ
に対する要求加速度モデル出力Ｇｘの関係の全体が連続
的なモデルとして学習され、その特性が部分的に不連続
となることはない。同じく、アクセルストロークＳ及び
車速Ｖに対するスロットル感度モデル出力Ｔｈｘの関係
の全体が連続的なモデルとして学習され、その特性が部
分的に不連続となることはない。これは、ニューラルネ
ットワークの技術を用いたことにより、アクセルストロ
ークＳ及び車速Ｖの不連続点の間で学習される「要求加
速度モデル」が補間されるためである。つまり、アクセ
ルストロークＳ及び車速Ｖのある特定な範囲について行
われる要求加速度モデル出力Ｇｘの修正が、アクセルス
トロークＳ及び車速Ｖの他の範囲に対応する要求加速度
モデル出力Ｇｘの修正にも反映される。又、アクセルス
トロークＳ及び車速Ｖのある特定な範囲について行われ
るスロットル感度モデル出力Ｔｈｘの修正が、アクセル
ストロークＳ及び車速Ｖの他の範囲に対応するスロット
ル感度モデル出力Ｔｈｘにも反映される。

【００７０】その結果、車速Ｖの全範囲について、車両
１の駆動力の制御が運転者ＤＲによるアクセルペダル１
０の操作量、即ちアクセルストロークＳの全操作範囲に
渡って連続的なものとすることができる。よって、運転
者ＤＲによりアクセルペダル１０が連続的に踏み込まれ
たときには、車両１の加速度Ｇが唐突に変化するような
ことがなく、車速Ｖの上昇を常に滑らかなものにするこ
とができる。

【００７１】更に、この実施例では、加速度Ｇから「要
求加速度モデル」を推定し、その「要求加速度モデル」
から「スロットル感度モデル」を変更するように学習が
行われることから、単なる部分的な補正（修正）によっ
てマップの書き替えを行う場合と較べて、マップの補間
演算が不必要となり、演算時間を更に短くすることがで
きる。

【００７２】加えて、この実施例では、ニューロコンピ
ュータ２２において、加速度センサ１２がローパスフィ
ルタ２９を介して外部入出力回路２７に接続されてい
る。そのため、車両１が凸凹路を走行しているときのハ
ーシュネスに起因して、加速度センサ１２での検出信号
にノイズが発生した場合には、そのノイズに相関する高
周波成分がローパスフィルタ２９で減衰される。即ち、
加速度センサ１２からの加速度Ｇの信号に、図１０
（ａ）に示すようにハーシュネスに起因する大きなノイ
ズが含まれていた場合でも、その信号がローパスフィル
タ２９を通過することにより、図１０（ｂ）に示すよう
なノイズの少ない加速度Ｇの信号に調整されることにな
る。

【００７３】その結果、ニューロコンピュータ２２で
は、学習のために用いられる加速度Ｇの信号を、ハーシ
ュネスに起因したノイズが除去されたものとすることが
できる。よって、「要求加速度モデル」及び「スロット
ル感度モデル」についての誤学習を未然に防止すること
ができ、延いてはスロットル感度Ｔｈｇが誤った方向へ
調整されることを未然に防止することができる。

【００７４】ところで、車両１の短い時間の発進及び停
止が数回繰り返されると、加速度Ｇの変化が僅かである
ことから、スロットル感度Ｔｈｇは非常に低い値とな
る。しかし、この実施例では、車両１の発進動作開始が
検出されてから発進動作終了が検出されるまでの発進持
続時間（カウント値τ）が計測され、カウント値τが予
め定めた第１の所定値Ｔよりも小さく、且つ、今回の発
進終了時のスロットル感度Ｔｈｇが予め定めた第２の所
定値ＴＨＧよりも小さいと、今回の発進における要求加
速度モデルの学習及びスロットル感度モデルの学習が無
効化され、要求加速度モデル及びスロットル感度モデル
の学習状態が前回の発進終了時における学習状態に戻さ
れる。よって、今回の発進における学習により得られた
スロットル感度Ｔｈｇはスロットルコンピュータ２１へ
出力されず、前回の発進終了時のスロットル感度Ｔｈｇ
がスロットルコンピュータ２１へ出力される。この前回
の発進終了時のスロットル感度Ｔｈｇは、短い時間の発
進と停止とが繰り返される直前のスロットル感度であ
り、今回の発進終了時のスロットル感度Ｔｈｇよりも大
きな値である。

【００７５】従って、前記のように短い時間の発進及び
停止が繰り返されるとスロットル感度Ｔｈｇが非常に低
い値に調整されるが、発進動作終了後に本格的な発進動
作のために急激な加速が必要とされた場合には、スロッ
トルコンピュータ２１へ出力されるスロットル感度Ｔｈ
ｇが高い値に切替えられる。そして、その切替えられた
スロットル感度ＴｈｇとアクセルストロークＳとの積か
ら求められる目標スロットル開度Ｔｈｇ・Ｓと、スロッ
トル開度Ｔｈとが一致するように、スロットルバルブ７
が開閉制御される。このため、エンジン２の出力制御に
要するアクセルペダル１０の操作が、運転者ＤＲにとっ
て急加速走行に適したものとなる。

【００７６】例えば、図９において、時刻ｔ１で発進が
開始され、時刻ｔ２で終了したとする。この場合は、学
習制御ルーチンのステップ１１４の条件（１），（２）
の両方、或いはいずれか一方が成立せず、この発進にお
ける学習が有効な場合であり、この発進終了時における
要求加速度モデル及びスロットル感度モデルの学習状
態、つまり「重み係数」が記憶される。

【００７７】そして、時刻ｔ３において次の発進が開始
され、時刻ｔ４で終了したとする。この場合は、学習制
御ルーチンのステップ１１４の条件（１），（２）が共
に成立した場合であり、この発進における要求加速度モ
デルの学習及びスロットル感度モデルの学習が無効とさ
れ、前回の発進終了時における学習状態に戻される。つ
まり、前回の発進終了時に記憶した「重み係数」が読み
出され、要求加速度モデル及びスロットル感度モデルに
設定される。よって、スロットル感度モデルの実行によ
り、スロットル感度は前回の発進終了時の値に戻され
（時刻ｔ４において、二点鎖線から実線に変更）、時刻
ｔ５における急加速が必要になった場合に、スロットル
感度を速く、大きく変化させることができる。

【００７８】その結果、本格的な発進動作等の急激な加
速が必要とされる時に、運転者ＤＲの意図を車両１の駆
動力の制御に反映させる上で、アクセルコントロール性
を良好なものとすることができる。つまり、短い発進と
停止が終了した後に運転者ＤＲが急激な発進動作を要求
した場合には、第２の所定値ＴＨＧ（０．８）未満の低
い値に調整されていたスロットル感度Ｔｈｇが、図９に
おいて二点鎖線で示すように時間の経過と共にゆっくり
と増加するのを防止する。そして、アクセルストローク
Ｓの少しの変化で車速Ｖが大きく変化して車両１の挙動
が大きくなるようにすることができる。即ち、車両１の
本格的な発進時にはそれに適した良好な運転性能を確保
することができる。

【００７９】上記のように、この実施例によれば、数回
の短い発進・停止の繰り返しによってスロットル感度Ｔ
ｈｇが低くなっていても、運転者ＤＲが急加速の要求を
行った場合、十分な加速が得られる。

【００８０】尚、この発明は前記実施例に限定されるも
のではなく、発明の趣旨を逸脱しない範囲で構成の一部
を適宜に変更して次のように実施することもできる。（１）前記実施例では、ガソリンエンジン２を駆動源と
し、リンクレスタイプのスロットルバルブ７を制御量変
更手段としたが、それ以外の駆動源及び制御量変更手段
に具体化することもできる。例えば、電気自動車におい
て直流モータ等の電動機を駆動源とし、電動機への電流
を制御する電流制御回路等を制御量変更手段とすること
もできる。

【００８１】（２）前記実施例では、運転者ＤＲにより
操作される出力操作手段としてアクセルペダル１０を用
いたが、これに代え、出力操作手段としてアクセルレバ
ーやそれ以外の操作部材を用いることもできる。

【００８２】（３）前記実施例では、アクセルセンサ１
１を操作量検出手段としてアクセルストロークＳを検出
するようにしたが、次のようにすることもできる。即
ち、アクセルストロークＳの代わりにアクセル踏力を検
出するセンサを用いたり、アクセルストロークＳを検出
するアクセルセンサとアクセル踏力を検出するセンサと
を併用したりすること。

【００８３】（４）前記実施例では、加速度検出手段と
して加速度センサ１２を用いたが、車速センサ１３を加
速度検出手段として、車速センサ１３により検出される
車速Ｖを時間微分することにより加速度Ｇを得るように
してもよい。

【００８４】（５）前記実施例では、ニューロコンピュ
ータ２２におけるニューラルネットワーク技術として、
多層型ニューラルネットワークを採用したが、相互結合
型ニューラルネットワークを採用することもできる。

【００８５】（６）前記実施例では、スロットル感度モ
デル出力Ｔｈｘをスロットル感度の補正量とし、計算式
（１）によってスロットル感度Ｔｈｇを求めたが、この
スロットル感度Ｔｈｇを直接出力することもできる。こ
の場合、車両１の工場出荷時における初期値は、基準値
αを出力するように学習することになる。

【００８６】（７）学習無効化手段により、今回の発進
における要求加速度モデルの学習及び制御量感度モデル
の学習を無効とするか否かを判定するために用いる、第
１の所定値Ｔ及び第２の所定値ＴＨＧの各値を適宜変更
してもよい。

【００８７】

【発明の効果】以上詳述したように、この発明によれ
ば、車両の加速度を比較すべき教師データとして用い、
出力操作手段の操作量に対する車両の加速度の関係を、
運転者の要求する加速度モデルとして学習している。
又、その学習された加速度モデルの出力と車両の加速度
との偏差を誤差信号として用い、出力操作手段の操作量
に対する駆動源の制御量の関係を、制御量感度モデルと
して学習している。そして、その学習された制御量感度
モデルの出力を参照データとして用い、出力操作手段の
操作量に応じて駆動源の制御量を制御するようにしてい
る。

【００８８】従って、運転者の要求に応じた加速度モデ
ルが得られ、その加速度モデルに対応して、制御量感度
モデルが得られ、常に運転者の要求に合った加速度をも
って制御量が制御される。又、操作量に対する加速度の
関係や、操作量に対する制御量の関係の全体が連続的な
モデルとして学習され、出力操作手段の全操作範囲に対
する加速度及び制御量の関係の全体が不連続となること
はない。その結果、運転者の意識状態や運転環境にかか
わりなく常に運転者の特性に合った駆動力の制御を行う
ことができる。

【００８９】又、この発明によれば、車両の発進動作開
始が検出されてから発進動作終了が検出されるまでの発
進持続時間が所定時間よりも短く、且つ、発進終了時の
制御量感度モデルの出力が所定値よりも小さいときに
は、要求加速度モデル学習手段による今回の発進におけ
る要求加速度モデルの学習、及び制御量感度モデル学習
手段による発進終了時の制御量感度モデルの学習を無効
化する。今回の発進における制御量感度モデルの学習を
無効化する。そして、要求加速度モデル及び制御量感度
モデルの学習状態を前回の発進終了時における学習状態
に戻すようにしている。

【００９０】従って、例えばＴ字路や渋滞路において短
い時間の発進及び停止が繰り返された後に、本格的な発
進動作のために急激な加速が必要とされた場合にも、運
転者による出力操作手段の少しの変化で車速を大きく変
化させて車両の挙動を大きくさせることができる。これ
に伴い、車両の本格的な発進時にはそれに適した応答性
のよい十分な加速を得ることが可能となる。

【図面の簡単な説明】

【図１】この発明の基本的な概念構成を示す概念構成図
である。

【図２】この発明を具体化した一実施例における車両の
駆動力制御装置の概略的な構成を示す概略構成図であ
る。

【図３】一実施例において、スロットルコンピュータ及
びニューロコンピュータの電気的構成を示すブロック図
である。

【図４】一実施例において、ニューロコンピュータに適
用されている多層型ニューラルネットワークの概念的な
構成を示す構成図である。

【図５】一実施例において、「要求加速度モデル」の特
性を示す特性図である。

【図６】一実施例において、「スロットル感度モデル」
の特性を示す特性図である。

【図７】一実施例において、「スロットル感度」の特性
を示す特性図である。

【図８】一実施例において、ニューロコンピュータによ
り実行される「学習制御ルーチン」を示すフローチャー
トである。

【図９】一実施例において、スロットル感度の変化を示
すタイムチャートである。

【図１０】一実施例において、ローパスフィルタの作用
に関する加速度信号の変化を示すタイムチャートであ
る。

【図１１】一実施例において、スロットルコンピュータ
により実行される「スロットル開度制御ルーチン」を示
すフローチャートである。

【符号の説明】

１…車両、２…駆動源を構成するエンジン、７…制御量
変更手段の一部を構成するスロットルバルブ、８…制御
量変更手段の一部を構成する直流モータ、１０…出力操
作手段を構成するアクセルペダル、１１…操作量検出手
段を構成すると共に、発進開始検出手段の一部及び発進
終了検出手段の一部をそれぞれ構成するアクセルセン
サ、１２…加速度検出手段を構成する加速度センサ、１
３…速度検出手段を構成すると共に、発進開始検出手段
の一部及び発進終了検出手段の一部をそれぞれ構成する
車速センサ、１４…発進終了検出手段の一部を構成する
ストップランプスイッチ、２１…駆動制御手段を構成す
るスロットルコンピュータ、２２…要求加速度モデル学
習手段、制御量感度モデル学習手段、発進持続時間計測
手段及び学習無効化手段を構成すると共に、発進開始検
出手段の一部及び発進終了検出手段の一部をそれぞれ構
成するニューロコンピュータ、ＤＲ…運転者、Ｔｈ…エ
ンジンの制御量としてのスロットル開度、Ｇ…加速度、
Ｖ…車速、Ｓ…アクセルペダルの操作量としてのアクセ
ルストローク、Ｇｘ…要求加速度モデル出力、ΔＧ…誤
差信号としての加速度偏差、Ｔｈｘ…スロットル感度モ
デル出力、Ｔｈｇ…スロットル感度、τ…発進持続時間
に相当するカウント値、Ｔ…発進持続時間との比較に用
いられる第１の所定値、ＴＨＧ…発進終了時のスロット
ル感度との比較に用いられる第２の所定値

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁵ 識別記号庁内整理番号ＦＩ技術表示箇所Ｆ０２Ｄ 45/00 Ｃ 7536−3ＧＡ 7536−3ＧＧ０５Ｂ 13/02 Ｌ 9131−3Ｈ 13/04 9131−3Ｈ (72)発明者大嶋満寿治愛知県愛知郡長久手町大字長湫字横道41番地の１株式会社豊田中央研究所内 (72)発明者 ▲吉▼田浩之愛知県愛知郡長久手町大字長湫字横道41番地の１株式会社豊田中央研究所内

Claims

【特許請求の範囲】

【請求項１】車両に搭載された駆動源の制御量を変更
するための制御量変更手段と、前記駆動源の出力を任意に制御するために運転者により
操作される出力操作手段と、前記出力操作手段の操作量を検出するための操作量検出
手段とを備え、前記操作量検出手段の検出結果に応じて
前記制御量変更手段を駆動させることにより前記駆動源
の出力を制御して前記車両の駆動力を制御するようにし
た車両の駆動力制御装置において、前記車両の加速度を検出するための加速度検出手段と、前記車両の速度を検出するための速度検出手段と、前記加速度検出手段の検出により得られる加速度を比較
すべき教師データとして、その教師データと当該手段の
出力との偏差を誤差信号とし、その誤差分が小さくなる
ように、前記出力操作手段の操作量及び前記速度検出手
段の検出により得られる速度に対する前記車両の加速度
の関係を、前記運転者の要求する加速度モデルとして学
習するための要求加速度モデル学習手段と、前記加速度検出手段の検出により得られる加速度と前記
要求加速度モデル学習手段により学習される加速度モデ
ルの出力との偏差を誤差信号として、その誤差分が小さ
くなるように、前記出力操作手段の操作量及び前記速度
検出手段の検出により得られる速度に対する前記駆動源
の制御量の関係を、制御量感度モデルとして学習するた
めの制御量感度モデル学習手段と、前記制御量感度モデル学習手段により学習される制御量
感度モデルの出力を参照データとして、その参照データ
に基づき前記操作量検出手段により検出される操作量に
応じて前記制御量変更手段の駆動を制御する駆動制御手
段と、前記車両の発進動作の開始を検出する発進開始検出手段
と、前記車両の発進動作の終了を検出する発進終了検出手段
と、前記発進開始検出手段により車両の発進動作開始が検出
されてから発進終了検出手段により車両の発進動作終了
が検出されるまでの発進持続時間を計測する発進持続時
間計測手段と、前記発進持続時間計測手段による発進持続時間が予め定
めた所定時間よりも短く、且つ、前記制御量感度モデル
学習手段により学習された発進終了時の制御量感度モデ
ルの出力が予め定めた所定値よりも小さいときには、前
記要求加速度モデル学習手段による今回の発進における
要求加速度モデルの学習、及び前記制御量感度モデル学
習手段による今回の発進における制御量感度モデルの学
習を無効化し、要求加速度モデル及び制御量感度モデル
の学習状態を前回の発進終了時における学習状態に戻す
学習無効化手段とを備えたことを特徴とする車両の駆動
力制御装置。