JPH06249004A

JPH06249004A - 車両の駆動力制御装置

Info

Publication number: JPH06249004A
Application number: JP3778293A
Authority: JP
Inventors: Tatsuya Hattori; 達哉服部; 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
Anticipated expiration: 2014-10-06
Also published as: JP2959921B2

Abstract

(57)【要約】【目的】運転者の加速に関する要求（加速要求）をより
直接的に推定して運転者の特性に適した駆動力及び良好
な運転性能を得ると共に、コストの低減を図り、駆動力
の制御の遅れを防止する。【構成】ニューロコンピュータ２２の競合学習ニューラ
ルネットワークは、出庫前段階に予め車速Ｖ及びアクセ
ルストロークＳの時系列データを入力値として学習がな
されている。そして、走行時において、車速Ｖ及びアク
セルストロークＳの時系列データに基づいて、上記ニュ
ーラルネットワーク等によりアクセルパターンを分類
し、加速要求を推定する。このとき加速度センサ等は用
いられず、より直接的な加速要求が推定される。その推
定結果に基づきスロットル感度が演算され設定される。
スロットルコンピュータ２１では、スロットル感度を参
照データとし、スロットルバルブ７を開閉させてエンジ
ン２を出力制御する。

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のである。

【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
ものとなるおそれがあった。

【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、車両の走り
に対する運転者の要求（加速要求）は、実際には先ずア
クセルペダル等の出力操作手段に反映されるのに対し、
上記後者の新たな提案技術では、走りに対する運転者の
要求が、その時々の実際の加速度に基づいて推定されて
いるようになっていた。そのため、運転者の加速要求を
より直接的に推定することが困難となるおそれがあっ
た。その結果、運転者の特性に適した駆動力及び良好な
運転性能の確保の上で若干の支障が起こるおそれがあっ
た。また、上記技術では、車両の加速度を検出するため
の加速度センサ等の加速度検出手段が必要とされ、この
加速度検出手段を設ける分だけコストの上昇を招くおそ
れがあった。

【０００９】さらに、上記技術では、「要求加速度モデ
ル」及び「スロットル感度モデル」は走行に際し常に学
習更新が行われうる状態にあった。そのため、その学習
に時間を要することとなり、その要した時間分だけ制御
周期が長くなり、スロットルバルブの開閉制御ひいては
駆動力の制御に遅れが生じてしまうおそれがあった。

【００１０】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、駆動力の制御を運転者によるアク
セルペダル等の操作量の全範囲に渡って連続的なものと
することが可能で、併せて、運転者の加速要求をより直
接的に推定して、運転者の特性に適した駆動力及び良好
な運転性能を得ると共に、加速度検出手段分のコストの
低減及び駆動力の制御の遅れを防止することの可能な車
両の駆動力制御装置を提供することにある。

【００１１】

【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、
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の速度
を検出するための速度検出手段Ｍ６と、予め車両Ｍ１の
出庫前段階において、速度検出手段Ｍ６の検出により得
られる速度と、操作量検出手段Ｍ５の検出により得られ
る出力操作手段Ｍ４の操作量の所定時間での時系列デー
タとに基づいて学習された運転者の加速に関する要求
（加速要求）を推定するアクセルパターンを、時刻に対
する出力操作手段Ｍ４の操作量の関係でもって図形的に
記憶するアクセルパターン記憶手段Ｍ７と、速度検出手
段Ｍ６の検出により得られる速度と、操作量検出手段Ｍ
５の検出により得られる出力操作手段Ｍ４の操作量の所
定時間での時系列データとを入力データとして、アクセ
ルパターン記憶手段Ｍ７に基づいて運転者のアクセルパ
ターンを分類し、加速要求を推定するための加速要求推
定手段Ｍ８と、加速要求推定手段Ｍ８の推定結果に基づ
いて、制御量感度を演算する制御量感度演算手段Ｍ９
と、制御量感度演算手段Ｍ９により演算される制御量感
度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とを備
えたことをその要旨としている。

【００１２】

【作用】上記の構成によれば、図１に示すように、操作
量検出手段Ｍ５により出力操作手段Ｍ４の操作量が検出
される。また、速度検出手段Ｍ６により車両Ｍ１の速度
が検出される。そして、アクセルパターン記憶手段Ｍ７
では、予め車両Ｍ１の出庫前段階において、速度検出手
段Ｍ６の検出により得られる速度と、操作量検出手段Ｍ
５の検出により得られる出力操作手段Ｍ４の操作量の所
定時間での時系列データとに基づいて学習された運転者
の加速要求を推定するためのアクセルパターンが、時刻
に対する出力操作手段Ｍ４の操作量の関係でもって図形
的に記憶される。

【００１３】また、加速要求推定手段Ｍ８では、速度検
出手段Ｍ６の検出により得られる速度と、操作量検出手
段Ｍ５の検出により得られる出力操作手段Ｍ４の操作量
の所定時間での時系列データとを入力データとして、ア
クセルパターン記憶手段Ｍ７に基づいて運転者のアクセ
ルパターンが分類され、加速要求が推定される。さら
に、制御量感度演算手段Ｍ９では、加速要求推定手段Ｍ
８の推定結果に基づいて、制御量感度が演算される。そ
して、駆動制御手段Ｍ１０では、上記のように演算され
る制御量感度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。これにより、駆動源Ｍ２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
要求加速を推定するためのアクセルパターンが得られ、
そのアクセルパターンから推定された加速要求に対応し
て制御量感度が得られる。そして、常に運転者の要求に
直接的に適合した加速要求をもって、駆動源Ｍ２の制御
量が制御される。又、この発明によれば、予め車両Ｍ１
の出庫前段階において、運転者の要求を推定するための
アクセルパターンが時刻に対する出力操作手段Ｍ４の操
作量の関係でもって図形的に学習され、記憶されてい
る。そして、走行時においては、速度と、出力操作手段
Ｍ４の操作量の所定時間での時系列データとを入力デー
タとして、アクセルパターン記憶手段Ｍ７に基づいて運
転者のアクセルパターンが分類され、加速要求が推定さ
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制御量の関係
が部分的に不連続となることはない。

【００１５】また、この発明によれば、速度と、出力操
作手段Ｍ４の操作量の所定時間での時系列データとを入
力データとして、加速要求を推定するためのアクセルパ
ターンが分類される。このため、車両の加速度を検出す
るための加速度センサ等の加速度検出手段が必要とされ
ない。

【００１６】さらに、この発明によれば、アクセルパタ
ーンの学習は出庫前段階において完了しているので、走
行時において、その学習が行われることはない。そのた
め、走行時において学習に時間を要することがなくな
り、その時間分だけ制御周期を短縮でき、制御量変更手
段Ｍ３の開閉制御ひいては車両Ｍ１の駆動力の制御が速
く行われることとなる。

【００１７】

【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９に基づいて詳細に
説明する。

【００１８】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は複数気筒の直
列型となっている。エンジン２の吸気通路３には外気が
取り込まれ、図示しないインジェクタから噴射される燃
料が供給される。そして、エンジン２の図示しない各燃
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。更に、各燃焼室に取り込まれた混合気
が、図示しない各点火プラグの作動により爆発・燃焼さ
れることにより、図示しないピストン及びクランクシャ
フト等が作動してエンジン２の出力が得られる。又、エ
ンジン２の各燃焼室で燃焼された後の既燃焼ガスは、排
気通路４を通じて外部へと排出される。

【００１９】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及び
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。

【００２０】この実施例において、吸気通路３の途中に
は、制御量変更手段を構成するリンクレスタイプのスロ
ットルバルブ７が設けられている。即ち、スロットルバ
ルブ７は、その近傍に設けられた直流モータ８に連結さ
れている。そして、直流モータ８の作動により、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、即ち
スロットル開度Ｔｈが制御される。これにより、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、この空気量の調整により、エンジン２の
出力が制御される。

【００２１】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。又、車両１の運転席には、出力操作手
段としてのアクセルペダル１０が設けられている。この
アクセルベダル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により操作されるものである。
又、アクセルペダル１０の近傍には、操作量検出手段と
してのアクセルセンサ１１が設けられている。このアク
セルセンサ１１では、アクセルペダル１０の操作量、即
ち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。さらに、前輪６には速度検出手段を構成
する周知の車速センサ１２が設けられている。この車速
センサ１２では、前輪６の回転数に応じて車両１の速
度、即ち車速Ｖが検出され、それに応じた信号が出力さ
れる。

【００２２】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おり、スロットルコンピ
ュータ２１には、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はアクセルパターン記憶手段、加速要求推
定手段、制御量感度演算手段を構成しており、ニューラ
ルネットワークの技術を適用して構成されている。この
ニューロコンピュータ２２には、アクセルセンサ１１及
び車速センサ１２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。

【００２３】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、タイマの機能を
兼ね備えた中央処理装置（ＣＰＵ）２３、所定の制御プ
ログラム等を予め記憶した読み出し専用メモリ（ＲＯ
Ｍ）２４、ＣＰＵ２３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。外部入
出力回路２７には、前述したアクセルセンサ１１及び車
速センサ１２がそれぞれ接続されている。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。又、ＲＯＭ２４には、ニューラ
ルネットワーク技術を利用した加速要求推定プログラム
等が予め記憶されている。

【００２４】そして、ＣＰＵ２３は、外部入出力回路２
７等を介して入力される各センサ１１，１２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、予めＲＯＭ２４に記憶されている加速要
求推定プログラムに従い、運転者ＤＲの要求する「加速
要求」を推定するとともに、それに応じた制御量感度の
演算制御を実行する。そして、ＣＰＵ２３はその演算結
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。

【００２５】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等によ
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。又、ＲＯＭ３
１には、ニューロコンピュータ２２の演算結果、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。

【００２６】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目
標スロットル開度のデータを入力値として読み込む。
又、ＣＰＵ３０は、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。又、ＣＰＵ３０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。

【００２７】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
を図４に従って説明する。この実施例におけるニューラ
ルネットワークは、図４に示すように、競合学習ニュー
ラルネットワークを備えている。まず、この競合学習ニ
ューラルネットワークについて簡単に説明する。競合学
習ニューラルネットワークは、入力パターンの特徴を表
現する層（入力層という）Ｆ１と、カテゴリを表現する
層（出力層という）Ｆ２と、理論上の荷重を備えた適応
フィルタＺとを有している。そして、入力層Ｆ１に入力
パターンが与えられると、入力層Ｆ１には興奮パターン
Ｘ＝（ｘ₁，ｘ₂，・・，ｘ_M）が生じ、それに応じて
入力層Ｆ１の各素子から上記パターンＸの信号が出力さ
れる。また、上記信号は、適応フィルタＺの荷重を介し
て出力層Ｆ２の素子に伝えられ、その和が計算され、出
力層Ｆ２の興奮パターンＹ＝（ｙ₁，ｙ₂，・・，
ｙ_N）が生成される。

【００２８】同図において、入力層Ｆ１の第ｉ番目の素
子Ｒ_iへの入力をＩ_i（ｉ＝１，２，・・，Ｍ）、第ｉ
番目の素子Ｒ_iの活動度をｘ_i、出力層Ｆ２の第ｊ番目
の素子Ｒ_jの活動度をｙ_j（ｊ＝１，２，・・，Ｎ）、
そして、入力層Ｆ１の第ｉ番目の素子Ｒ_iから出力層Ｆ
２の第ｊ番目の素子Ｒ_jへの結合荷重をｚ_ijとする。入
力パターンを与えたとき、入力層Ｆ１の素子に現れる活
動度（興奮パターン）ｘ_iを式（１）とする。この式
（１）は、入力パターンを正規化したものである。

【００２９】

【数１】

【００３０】このとき、出力層Ｆ２の第ｊ番目の素子Ｒ
_jが入力層Ｆ１から受け取る信号の和Ｔ_jは下記の式
（２）となる。

【００３１】

【数２】

【００３２】このとき、出力層Ｆ２の第ｊ番目の素子Ｒ
_jの活動度ｙ_jを式（３），（４）とする。式（３），
（４）は最大入力を受け取る出力層Ｆ２の第ｊ番目の素
子Ｒ _jが競合に勝ち、出力層Ｆ２の興奮パターンＹとし
て選択されることを示す。

【００３３】ｙ_j＝１（Ｔ_j＝ｍａｘ（Ｔ_k，ｋ＝１，２，・・，Ｎ）のとき）…（３）ｙ_j＝０（Ｔ_j≠ｍａｘ（Ｔ_k，ｋ＝１，２，・・，Ｎ）のとき）…（４）そして、選択された第ｊ番目の素子Ｒ_jの荷重ベクトル
Ｚ_j＝（ｚ_1j，ｚ_2j，・・，ｚ_Mj）を式（５）によって
修正（学習）する。

【００３４】ｚ_ij＝ｚ_ij＋ε・ｙ_j・（ｘ_i−ｚ_ij） ……（５）同式からもわかるように、荷重ベクトルＺ_jは、それ自
身とベクトルｘ_i＝（ｘ₁，ｘ₂，・・，ｘ_M）との誤
差に関する最急降下法によって修正する。従って、荷重
ベクトルＺ_jは素子Ｒ_jに分類された入力パターンの写
像である。

【００３５】なお、εは荷重ベクトル（適応フィルタ）
の学習率（０＜ε＜１．０）である。但し、この実施例
では、上記入力パターンというのは、車速センサ１２に
より検出される車速Ｖ及び発進から所定時間Ｔ（例えば
２秒〜７秒程度）までの時系列毎のアクセルセンサ１１
により検出されるアクセルストロークＳ（時系列デー
タ）のことである。この時系列データというのは、上記
所定時間ＴをＰ（例えばＰ＝「５０」）等分した値をサ
ンプリング時間Δｔとして、発進から所定時間Ｔが経過
するまでの各サンプリング時間Δｔ毎のアクセルストロ
ークＳのことをいう。従って、入力パターンの個数Ｍは
「Ｍ＝１＋Ｐ」ということになる。

【００３６】また、上記出力層Ｆ２の素子Ｒ_jは、時刻
に対するアクセルストロークの関係を図形的に捉えて分
類したものであって、より具体的には、Ｒ₁，Ｒ₂，Ｒ
₃の３つの素子からなっている。このように分類された
アクセルパターンは、学習に用いた実験データとそのと
きの運転者の官能評価（より速く、ちょうどよい、より
遅く）との対応から決定することを意味する。その結
果、図５（ａ）〜（ｃ）に示すように、素子Ｒ₁に基づ
く興奮パターンｙ₁はより速く走りたいという要求を表
すパターンを、素子Ｒ₂に基づく興奮パターンｙ₂はち
ょうどよいという要求を表すパターンを、素子Ｒ₃に基
づく興奮パターンｙ₃はより遅く走りたいという要求を
表すパターンを時刻に対するアクセルストロークＳの関
係としてそれぞれ図形的に示す。そして、出力層Ｆ２の
素子Ｒ_j（ｊ＝１，２，３）の中から最も興奮した値が
採択され、興奮パターンｙ₁〜ｙ₃のうちのいずれか１
つが出力パターンＧｘとして出力される。なお、図４に
おけるＺは荷重ベクトルＺ_jの総称であって、同図の荷
重ベクトルＺ_jはＺ₂だけを図示しているものである。

【００３７】但し、上記の採択は、適応フィルタＺの荷
重ベクトルＺ_jによって異なってくるのであるが、この
実施例では、上記荷重ベクトルＺ_jは車両１の出庫前段
階において既に設定されており、出庫後の段階では不変
となる。より詳細に説明するならば、適応フィルタＺの
荷重ベクトルＺ_jの設定に際しては、車両１の出庫前段
階において多数回の実験が繰り返される。そして、その
実験データを用いて修正（学習）がなされて、その出荷
先のユーザー（例えば出荷先の相手国）に適した荷重ベ
クトルＺ_jとされている。つまり、車両１の出庫後にお
いては、車速Ｖ及びアクセルストロークＳの時系列デー
タの入力により、予め設定された荷重ベクトルＺ_jに基
づいて、「アクセルパターン」としての上記３段階の素
子Ｒ₁，Ｒ₂，Ｒ₃のうちの１つが採択され、１つの出
力パターンＧｘ（Ｇｘ＝ｙ₁，ｙ ₂又はｙ₃）が出力さ
れる。

【００３８】上記のような競合学習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
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、その推定制御プログラムにおける数学的な演算の
上に成り立っている。この実施例では、最終的には後述
するスロットル感度Ｔｈｇを求めるために、推定制御プ
ログラムが作成されている。

【００３９】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「アクセルパターン」による加速要求の推定
及びスロットル感度の演算のための処理動作について説
明する。図６，７はニューロコンピュータ２２により実
行される推定制御プログラム及び演算プログラムの「加
速要求推定及びスロットル感度演算ルーチン」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。

【００４０】このルーチンの処理が開始されると、ステ
ップ１０１においては、現段階において、スロットル感
度Ｔｈｇ及び前回出力したスロットル感度Ｔｈｇφのデ
ータがあるか否かを判断する。そして、スロットル感度
Ｔｈｇ及びＴｈｇφのデータがない場合には、ステップ
１０２において、予め定められた基準値Ｔｈｇｓｔｄ
（例えばＴｈｇｓｔｄ＝「１．０」）をスロットル感度
Ｔｈｇ及び前回出力したスロットル感度Ｔｈｇφとして
設定し、ステップ１０３に移行する。

【００４１】また、既にスロットル感度Ｔｈｇ及びＴｈ
ｇφのデータがある場合には、ステップ１０３にジャン
プする。ステップ１０３においては、アクセルセンサ１
１及び車速センサ１２からの各種信号に基づきアクセル
ストロークＳ及び車速Ｖをそれぞれ読み込む。

【００４２】続いて、スロットル感度Ｔｈｇが急激に変
化することを防ぐため、ステップ１０４において今回設
定されているスロットル感度Ｔｈｇと前回出力したスロ
ットル感度Ｔｈｇφとを比較する。すなわち、今回設定
されているスロットル感度Ｔｈｇと前回出力したスロッ
トル感度Ｔｈｇφとの差の絶対値が所定の感度変化量γ
（この実施例では「０．１」）以下のとき、ステップ１
０５へ移行し、今回出力するスロットル感度Ｔｈｇ１を
スロットル感度Ｔｈｇとする。

【００４３】続いて、ステップ１０６では、今回出力す
るステップ感度Ｔｈｇ１を前回出力したスロットル感度
Ｔｈｇφとして記憶する。また、ステップ１０４におい
て、今回設定されているスロットル感度Ｔｈｇと前回出
力したスロットル感度Ｔｈｇφとの差の絶対値が所定の
感度変化量γよりも大きいとき、ステップ１０７へ移行
する。そして、今回設定されているスロットル感度Ｔｈ
ｇと前回出力したスロットル感度Ｔｈｇφとの差の正負
を判定する。その差が正のときはステップ１０８へ移行
し、今回出力するステップ感度Ｔｈｇ１を、前回出力し
たスロットル感度Ｔｈｇφに感度変化量γを加算した値
とし、ステップ１０６へジャンプする。また、差が負又
はゼロのときはステップ１０９へ移行し、今回出力する
ステップ感度Ｔｈｇ１を、前回出力したスロットル感度
Ｔｈｇφから感度変化量γを減算した値とし、ステップ
１０６へジャンプする。

【００４４】ステップ１０６から移行し、ステップ１１
０においては、今回出力するスロットル感度Ｔｈｇ１と
上記の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Ｔｈｇ１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
Ｔｈｇ１・Ｓを求め、その目標スロットル開度Ｔｈｇ１
・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１１１において、今回のル
ーチンで読み込まれたアクセルストロークＳ及び車速Ｖ
に基づいて、現在が発進あるいはアクセルの踏み増しの
開始されたときであるか否かを判断する。なお、この実
施例では、前回のルーチンにおけるアクセルストローク
Ｓに対する今回のルーチンにおけるアクセルストローク
Ｓの増加率が「３％」以上で、かつ、車速Ｖが「５ｋｍ
／ｈ」以下であることが、発進開始時であることの判断
条件とされる。また、アクセルストロークＳの増加率が
「５％」以上であることが、アクセルの踏み増しの開始
時であることの判断条件とされる。そして、現在が発進
開始時あるいはアクセルの踏み増しの開始時である場合
には、ステップ１１３へ移行し、タイマによるカウント
値Ｃを「１」ずつインクリメントさせる。

【００４６】また、現在が発進開始時あるいはアクセル
の踏み増し時でない場合には、ステップ１１２へ移行す
る。ステップ１１２においては、ＣＰＵ２３に内蔵され
たタイマによるカウント値Ｃが「０」であるか否かを判
断する。そして、カウント値Ｃが「０」の場合には、ス
ロットル感度Ｔｈｇの変更設定条件が成立していないも
のとして、その後の処理を一旦終了する。

【００４７】一方、カウント値Ｃが「０」でない場合に
は、スロットル感度Ｔｈｇの変更設定条件が成立してお
り、現在時間計測中であるものとして、ステップ１１３
へ移行し、タイマによるカウント値Ｃを「１」ずつイン
クリメントさせる。

【００４８】続くステップ１１４においては、アクセル
ストロークＳの時系列データ、すなわち、サンプリング
時間Δｔ毎のアクセルストロークＳをＲＡＭ２５に一旦
記憶させる。

【００４９】そして、ステップ１１５においては、前記
カウント値Ｃに基づく時間が所定時間Ｔよりも大きいか
否か、すなわち、発進あるいはアクセルの踏み増しが開
始されてから所定時間Ｔが経過したか否かを判断する。
そして、未だ所定時間Ｔが経過していない場合には、そ
の後の処理を一旦終了する。つまり、所定時間Ｔが経過
するまでアクセルストロークＳの時系列データをＲＡＭ
２５に一旦記憶させる動作を繰り返す。

【００５０】また、発進あるいはアクセルの踏み増しが
開始されてから所定時間Ｔが経過した場合には、ステッ
プ１１６へ移行し、タイマによるカウントを終了させ、
そのカウント値Ｃをリセットする。

【００５１】更に、次のステップ１１７においては、発
進あるいはアクセルの踏み増し開始から所定時間Ｔが経
過した時点における車速ＶをＲＡＭ２５に一旦記憶させ
る。続いて、ステップ１１８においては、今回のルーチ
ンでＲＡＭ２５に一旦記憶されたアクセルストロークＳ
の時系列データのうちの最大の値（最大アクセルストロ
ークＳｍａｘ）が、予め定められた第１の所定値Ｓ１
（この実施例では例えば「８０％」）よりも大きいか否
かを判断する。そして、最大アクセルストロークＳｍａ
ｘが第１の所定値Ｓ１よりも大きい場合には、運転者Ｄ
Ｒによる加速要求が極めて大きいものとして、ステップ
１１９へ移行する。ステップ１１９においては、スロッ
トル感度Ｔｈｇを最大スロットル感度Ｔｈｇｍａｘ（こ
の実施例では例えば「１．５」）に設定し、その後の処
理を一旦終了する。

【００５２】また、最大アクセルストロークＳｍａｘが
第１の所定値Ｓ１よりも大きくない場合には、ステップ
１２０に移行する。ステップ１２０においては、最大ア
クセルストロークＳｍａｘが、予め定められた第２の所
定値Ｓ２（この実施例では例えば「１０％」）よりも小
さいか否かを判断する。そして、最大アクセルストロー
クＳｍａｘが第２の所定値Ｓ２よりも小さい場合には、
運転者ＤＲによる加速要求が極めて小さいものとして、
ステップ１２１に移行する。ステップ１２１において
は、スロットル感度Ｔｈｇを最小スロットル感度Ｔｈｇ
ｍｉｎ（この実施例では例えば「０．５」）に設定し、
その後の処理を一旦終了する。

【００５３】このように、車両１の発進から所定時間Ｔ
経過までの間の最大アクセルストロークＳｍａｘが第１
の所定値Ｓ１よりも大きい場合には、加速要求が極めて
大きいものとされる。そして、スロットル感度Ｔｈｇが
無条件に最大スロットル感度Ｔｈｇｍａｘに設定され
る。また、車両１の発進から所定時間Ｔ経過までの間の
最大アクセルストロークＳｍａｘが第２の所定値Ｓ２よ
りも小さい場合には、加速要求が極めて小さいものとさ
れる。そして、スロットル感度Ｔｈｇは無条件に最小ス
ロットル感度Ｔｈｇｍｉｎに設定されるのである。

【００５４】また、ステップ１２０において、最大アク
セルストロークＳｍａｘが第２の所定値Ｓ２よりも小さ
くない場合には、より厳密に加速要求を推定する必要が
あるものとして、続くステップ１２２に移行する。

【００５５】ステップ１２２においては、ステップ１１
７で一旦記憶された車速Ｖ及び前記アクセルストローク
Ｓの時系列データを、上述した競合学習ニューラルネッ
トワークの入力層Ｆ１に入力させる。

【００５６】続いてステップ１２３においては、入力層
Ｆ１への入力に基づいて出力層Ｆ２から出力される出力
パターンＧｘを演算して読み込む。ここで、予め車両１
の出庫前段階において設定された荷重ベクトルＺ_jによ
って、興奮パターンｙ₁〜ｙ ₃のうちのいずれか１つが
出力パターンＧｘとして出力される。

【００５７】つまり、車速Ｖ及び前記アクセルストロー
クＳの時系列データが競合学習ニューラルネットワーク
への入力値とされる。そして、競合学習ニューラルネッ
トワークにより、運転者ＤＲの加速要求が図５の（ａ）
〜（ｃ）のうちのいずれか１つの出力パターンＧｘとし
て推定されるのである。

【００５８】次に、ステップ１２４においては、今回の
ルーチンで読み込まれた出力パターンＧｘに基づいて、
下記の式（６）〜（８）によりスロットル感度Ｔｈｇを
演算し、その値を新たなスロットル感度Ｔｈｇとして設
定する。

【００５９】Ｇｘ＝ｙ₁のときＴｈｇ＝（現在の）Ｔｈｇ＋ΔＴｈｇ ……（６）Ｇｘ＝ｙ₂のときＴｈｇ＝（現在の）Ｔｈｇ ……（７）Ｇｘ＝ｙ₃のときＴｈｇ＝（現在の）Ｔｈｇ−ΔＴｈｇ ……（８）（但し、ΔＴｈｇは正の定数であって、例えば「０．
１」）例えば、現在のスロットル感度Ｔｈｇが「１．
０」であったとする。そして、前記ニューラルネットワ
ークの出力パターンＧｘが「ｙ₁」の場合には、現状よ
りもより速く走りたいと推定される。この場合、上記の
式（６）により、新たなスロットル感度Ｔｈｇは「１．
０＋０．１＝１．１」に設定されることとなる。また、
出力パターンＧｘが「ｙ₂」の場合には、現状のままで
ちょうどよいと推定される。この場合、上記の式（７）
により、新たなスロットル感度Ｔｈｇは「１．０」に設
定される。つまり、現状値に保持されることとなる。更
に、出力パターンＧｘが「ｙ₃」の場合には、現状より
もより遅く走りたいと推定される。この場合、上記の式
（８）により、新たなスロットル感度Ｔｈｇは「１．０
−０．１＝０．９」に設定されることとなる。

【００６０】このようにして、ニューラルネットワーク
の技術を用いた推定及び演算制御の処理が実行され、運
転者ＤＲの要求する加速要求が推定されるとともに、ス
ロットル感度Ｔｈｇが演算され設定される。

【００６１】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Ｔｈｇ１と、そのときのアクセルス
トロークＳとに基づいて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７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、所定の時間間隔をもっ
て周期的に実行される。

【００６２】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。又、ニュー
ロコンピュータ２２から出力される最新のスロットル感
度Ｔｈｇ１とアクセルストロークＳ、或いは目標スロッ
トル開度Ｔｈｇ１・Ｓを読み込む。ここで、スロットル
感度Ｔｈｇ１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Ｔ
ｈｇ１，Ｓの積が目標スロットル開度Ｔｈｇ１・Ｓとし
て求められる。

【００６３】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Ｔｈｇ１・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。

【００６４】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Ｔｈｇ１・Ｓよりも
小さいか否かを再び判断する。ここで、スロットル開度
Ｔｈが目標スロットル開度Ｔｈｇ１・Ｓよりも小さい場
合には、ステップ２０３へジャンプし、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２０
３，２０４，２０５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Ｔｈｇ１・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。

【００６５】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Ｔｈｇ１・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Ｔｈｇ１・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Ｔｈｇ１・Ｓよりも大きくない場合に
は、そのままその後の処理を一旦終了する。

【００６６】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Ｔｈｇ１・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。

【００６７】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Ｔｈｇ１・Ｓよりも
大きいか否かを再び判断する。ここで、スロットル開度
Ｔｈが目標スロットル開度Ｔｈｇ１・Ｓよりも大きい場
合には、ステップ２０７へジャンプし、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Ｔｈｇ１・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。このように、スロットル開度Ｔｈが
目標スロットル開度Ｔｈｇ１・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。これにより、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。

【００６８】以上説明したように、この実施例では、ス
ロットル感度Ｔｈｇを設定するための演算時には、車両
１の走りに対する運転者ＤＲの要求（加速要求）が、そ
の時々の車速Ｖ及びアクセルストロークＳの時系列デー
タから「アクセルパターン」としてニューラルネットワ
ーク等により分類され、加速要求が推定される。又、そ
の推定された「加速要求」に基づきスロットル感度Ｔｈ
ｇが設定される。又、その設定されたスロットル感度Ｔ
ｈｇから演算したスロットル感度Ｔｈｇ１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
ｈｇ１・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「加速要求」が得られ、その「加速要
求」に対応して、スロットル感度Ｔｈｇ１が得られる。
そして、常に運転者ＤＲの加速要求をもって、エンジン
２のスロットル開度Ｔｈが制御される。

【００６９】すなわち、図９に示すように、アクセルス
トロークＳの時系列データのうちの最大アクセルストロ
ークＳｍａｘが第１の所定値Ｓ１よりも大きい場合に
は、車両１に対する運転者ＤＲの加速要求が極めて大き
いと判断される。そして、スロットル感度Ｔｈｇが最大
スロットル感度Ｔｈｇｍａｘに設定される。そのため、
同一の加速度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を
得ることができ、加速感を向上させることができる。

【００７０】一方、最大アクセルストロークＳｍａｘが
第２の所定値Ｓ２よりも小さい場合には、車両１に対す
る運転者ＤＲの加速要求が極めて小さいと判断される。
そして、スロットル感度Ｔｈｇが最小スロットル感度Ｔ
ｈｇｍｉｎに設定される。そのため、同一の加速度を得
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１０の多い操作によって加速度を微妙に
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１０の多い操作によって加速度を微妙に変
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。

【００７１】また、最大アクセルストロークＳｍａｘが
第２の所定値Ｓ２以上で、かつ、第１の所定値Ｓ１以下
の場合には、車両１に対する運転者ＤＲの加速要求をよ
り厳密に推定する必要があるものとして、上述した競合
学習ニューラルネットワークを用いて推定するようにし
ている。すなわち、車速Ｖ及び前記アクセルストローク
Ｓの時系列データが入力され、競合学習ニューラルネッ
トワークにより運転者ＤＲのアクセルパターンが、出力
パターンＧｘという、時刻に対するアクセルストローク
Ｓの図形的な関係が１つのパターンとして分類されるの
である。そして、上記３種類の出力パターンＧｘによ
り、現状よりもより速く走りたいのか、ちょうどよいの
か、より遅く走りたいのかが加速要求として推定され
る。そして、その推定された加速要求に応じてスロット
ル感度Ｔｈｇが変更、設定されるのである。

【００７２】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（加速要求）に合致するように
車速Ｖ及び前記アクセルストロークＳの時系列データが
考慮されることから、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Ｄ
Ｒ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
うことができるのである。

【００７３】又、この実施例では、ニューロコンピュー
タ２２における加速要求の推定制御に、競合学習ニュー
ラルネットワーク技術を用いており、しかも、このニュ
ーラルネットワークの荷重ベクトルＺ_jは予め学習設定
されている。このため、スロットル感度Ｔｈｇの設定に
際し、その特性自体が部分的に不連続となることはな
い。これは、出庫前の段階で多数の実験データを用いて
既に学習が完了しており、走行時に改めて学習されるこ
とがないからである。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１０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。

【００７４】更に、この実施例では、加速要求を推定す
るための手段として加速度センサ等の加速度検出手段を
用いることなく、車速ＶとアクセルストロークＳの時系
列データとを入力データとしている。このため、加速度
センサ等の加速度検出手段が必要とされない分だけ、コ
ストの低減を図ることができる。

【００７５】さらに、この実施例では、加速要求を推定
するための学習は車両１の出庫前段階において完了して
いるので、走行時において、その推定のための学習が行
われることはない。そのため、走行時において学習に時
間を要することがなくなり、その時間分だけ制御周期を
短縮でき、スロットルバルブ７の開閉制御を速く行うこ
とができる。その結果、車両１の駆動力の制御の遅れを
防止して、該制御を速く行うことができる。

【００７６】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、最大アクセルストロークＳｍａ
ｘが第１の所定値Ｓ１よりも大きいときには、スロット
ル感度Ｔｈｇを最大スロットル感度Ｔｈｇｍａｘに設定
するようにした。また、最大アクセルストロークＳｍａ
ｘが第２の所定値Ｓ２よりも小さいときには、スロット
ル感度Ｔｈｇを最小スロットル感度Ｔｈｇｍｉｎに設定
するようにした。しかし、必ずしもこれら第１の所定値
Ｓ１や第２の所定値Ｓ２のような「しきい値」を設定す
る必要はない。すなわち、最大アクセルストロークＳｍ
ａｘの値に関わりなく、全範囲に渡って、車速Ｖとアク
セルストロークＳの時系列データとを競合学習ニューラ
ルネットワークに入力し、加速要求を推定するようにし
てもよい。このときは、式（１）の正規化は行わない。

【００７７】（２）前記実施例では、競合学習ニューラ
ルネットワークを用いた加速要求を推定するための出力
パターンＧｘとして、「ｙ₁」：〔より速く〕、
「ｙ₂」：〔ちょうどよい〕、「ｙ₃」：〔より遅く〕
の３段階を設定し、これらの値のうちのいずれか１つが
採択されるようにしたが、４段階以上に設定してより細
かな推定を行うようにしてもよいし、また、２段階に設
定してもよい。

【００７８】（３）前記実施例では、ニューラルネット
ワークを用いて加速要求を推定して、スロットル感度Ｔ
ｈｇを演算する場合に、上記式（６）〜（８）に従って
演算するようにしたが、それ以外にも例えば下記の式
（９）又は式（１０）に従って演算するようにしてもよ
い。

【００７９】Ｔｈｇ＝Ｔｈｇｓｔｄ＋α＊ｋ１ ……（９）Ｔｈｇ＝（現在の）Ｔｈｇ＋α＊ｋ２ ……（１０）（但し、αは出力パターンＧｘが「ｙ₁」のときには
「１」、出力パターンＧｘが「ｙ₂」のときには
「０」、出力パターンＧｘが「ｙ₃」のときには「−
１」である。また、ｋ１は正の定数であって、例えば
「０．５」である。さらに、ｋ２は正の定数であって、
例えば「０．１」である。）上記のように演算した値を
スロットル感度Ｔｈｇとして設定しても前記実施例とほ
ぼ同等の作用・効果を奏する。

【００８０】（４）前記実施例では、最大アクセルスト
ロークＳｍａｘと、第１の所定値Ｓ１又は第２の所定値
Ｓ２との大小関係を比較するようにしたが、アクセルス
トロークＳの時系列データの平均ストロークと第１の所
定値Ｓ１又は第２の所定値Ｓ２との大小関係を比較する
ようにしてもよい。但し、この場合、第１の所定値Ｓ１
は前記実施例の場合に比べて小さく設定されるのが望ま
しい（例えば「６０％」）。また、第２の所定値Ｓ２も
前記実施例の場合に比べて小さく設定されるのが望まし
い（例えば「５％」）。

【００８１】（５）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をその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。

【００８２】（６）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、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。

【００８３】（７）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もできる。

【００８４】（８）前記実施例では、ニューラルネット
ワークの入力として、アクセルストロークＳの時系列デ
ータを用いたが、アクセルストロークＳの変化分の時系
列データを用いてもよい。また、両者を用いてもよい。

【００８５】（９）前記実施例では、ニューラルネット
ワークの入力として、所定時間経過後の車速Ｖを用いた
が、発進あるいはアクセル踏み増し開始時の車速を用い
てもよい。また、両者を用いてもよい。

【００８６】（１０）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
競合学習ニューラルネットワークを用いたが、相互結合
ニューラルネットワークを採用することもできる。

【００８７】

【発明の効果】以上詳述したように、この発明によれ
ば、予め車両の出庫前段階において、速度検出手段の検
出により得られる速度と、操作量検出手段の検出により
得られる出力操作手段の操作量の所定時間での時系列デ
ータとに基づいて学習された運転者の加速に関する要求
（加速要求）を推定するアクセルパターンを記憶するよ
うにしている。そして、その速度と、出力操作手段の操
作量の所定時間での時系列データとを入力データとし
て、上記の記憶に基づいてアクセルパターンを分類して
加速要求を推定するとともに、その推定結果に基づい
て、制御量感度を演算するようにしている。

【００８８】従って、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、駆動力の制御を運転者によるアクセルペ
ダル等の操作量の全範囲に渡って連続的なものとするこ
とができる。また、出力操作手段の操作量に基づき、運
転者の加速要求をより直接的に推定して、運転者の特性
に適した駆動力及び良好な運転性能を得ることができる
という優れた効果を発揮する。

【００８９】さらに、この発明によれば、加速度検出手
段を必要とせずとも、加速要求を推定することができ、
加速度検出手段分のコストの低減を図ることができる。
併せて、この発明によれば、走行時において学習が行わ
れないようにしたので、駆動力の制御に際し、学習のた
めの時間をなくすことができ、その結果、制御周期を短
縮でき、制御量変更手段及び駆動力の制御の遅れを防止
することができるという優れた効果を発揮する。

【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
用されている競合学習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】（ａ）〜（ｃ）は一実施例において、競合学習
ニューラルネットワークによって分類したアクセルパタ
ーンを示す図である。

【図６】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「加速要求推定及びスロットル感度演算ル
ーチン」を示すフローチャートである。

【図７】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「加速要求推定及びスロットル感度演算ル
ーチン」を示すフローチャートである。

【図８】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。

【図９】一実施例において、時刻に対するアクセルスト
ロークの種々のパターンを示すグラフである。

【符号の説明】

１…車両、２…駆動源としてのエンジン、７…スロット
ルバルブ、８…直流モータ（７，８は制御量変更手段を
構成している）、１０…出力操作手段としてのアクセル
ペダル、１１…操作量検出手段としてのアクセルセン
サ、１２…速度検出手段としての車速センサ、２１…駆
動制御手段を構成するスロットルコンピュータ、２２…
アクセルパターン記憶手段、加速要求推定手段、制御量
感度演算手段を構成するニューロコンピュータ。

───────────────────────────────────────────────────── 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 Ａ 7536−3Ｇ３７２Ｆ 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、前記車両の速度を検出するための速度検出手段と、予め前記車両の出庫前段階において、前記速度検出手段
の検出により得られる速度と、前記操作量検出手段の検
出により得られる前記出力操作手段の操作量の所定時間
での時系列データとに基づいて学習された前記運転者の
加速に関する要求を推定するアクセルパターンを、時刻
に対する前記出力操作手段の操作量の関係でもって図形
的に記憶するアクセルパターン記憶手段と、前記速度検出手段の検出により得られる速度と、前記操
作量検出手段の検出により得られる前記出力操作手段の
操作量の所定時間での時系列データとを入力データとし
て、前記アクセルパターン記憶手段に基づいて前記運転
者のアクセルパターンを分類し、加速要求を推定するた
めの加速要求推定手段と、前記加速要求推定手段の推定結果に基づいて、制御量感
度を演算する制御量感度演算手段と、前記制御量感度演算手段により演算される制御量感度を
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、を備えたこと
を特徴とする車両の駆動力制御装置。