JPH0699830A

JPH0699830A - 車両の操舵装置

Info

Publication number: JPH0699830A
Application number: JP25112892A
Authority: JP
Inventors: Kazunori Oda; 和典織田
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 1992-09-21
Filing date: 1992-09-21
Publication date: 1994-04-12

Abstract

(57)【要約】【目的】本発明は運転者の要求に応じて車両の操舵ア
シスト力を可変制御する操舵装置に関し、運転者の要求
にきめ細く対応できる車両の操舵装置を実現することを
目的とする。【構成】運転傾向係数決定手段１００は、音声認識部
２０よりの運転者の操舵力に対する要求を表わす選択信
号と、入力部３０よりの走行状態を表わす各種パラメー
タとから階層型ニューラルネットワークを用いて学習に
より運転者の運転傾向係数を求める。この運転傾向係数
は入力部３０よりの各種パラメータと共にアシスト力算
出部６０に入力されて階層型ニューラルネットワークに
よりアシスト力が算出される。この算出アシスト力に基
づいてアシスト力発生機構７０により操舵アシスト力が
発生される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は車両の操舵装置に係り、
特に運転者の要求に応じて車両の操舵アシスト力を可変
制御する操舵装置に関する。

【０００２】

【従来の技術】従来より、走行状態に応じて操舵アシス
ト力を発生してハンドルの操舵力の一部分を補助するこ
とにより、据え切り時及び低速走行時は十分に軽く、中
高速走行時においては操舵量に応じて適度な手応えが得
られるようにした、パワーステアリング装置と称される
車両の操舵装置が実用化されている。

【０００３】しかし、同じ走行状態であっても運転者が
要求するハンドル操舵力は運転者毎に異なるため、車両
の走行状態だけでなく、種々の運転者の運転傾向に適合
した操舵アシスト力を発生することが要求される。そこ
で、従来、運転状況パラメータ等からアソシアトロンを
用いて運転者の希望する操舵特性の情報パターンを作成
し、その情報パターンが実際の走行状態に合致したとき
に、運転者が希望する操舵特性の走行状態下にあるもの
と判定して操舵アシスト力をファジー制御するようにし
た車両の操舵装置が知られている（特開平２−７４４６
９号公報）。

【０００４】

【発明が解決しようとする課題】しかるに、上記の従来
の車両の操舵装置では、運転者が選択した運転傾向によ
り得られる操舵アシスト力特性が、万人向けの代表的な
特性であるから、走行状態を表わすパラメータが同じと
きに同じ運転傾向を選択すると同じ操舵アシスト力特性
が得られてしまうこととなる。しかし、選択したその運
転傾向により得られる他の走行状態のときの操舵アシス
ト力特性は運転者によっては必ずしも同一ではないた
め、最適な操舵アシスト力を得ることができない。

【０００５】また、アソシアトロンは一種の相互結合型
ニューラルネットワークであるため、同数のユニット
（神経細胞モデル）を用いた階層型ニューラルネットワ
ークに比べて結合数が多くて計算時間がかかる。また、
きめ細かな制御をしようとして、選択可能な運転傾向の
数を増すと、ファジー制御ではメンバシップ値がべき乗
で増加し、メンバシップ値が膨大になり、計算速度が低
下してしまう。従って、ある程度の実用的な計算速度を
確保しようとすると、メンバシップ値を制限せざるを得
ず、従来の操舵装置では制御範囲が狭く、きめ細かな制
御ができない。更に、上記の従来の操舵装置では、運転
傾向の選択が運転者のスイッチ操作で行なわれるが、一
般に操舵アシスト力が運転者の意図する大きさと異なる
ことを運転者が感じるのはハンドル操作中であり、よっ
て上記のスイッチ操作が実際には困難なことが多い。

【０００６】本発明は以上の点に鑑みなされたもので、
階層型ニューラルネットワークを用いて運転者の運転傾
向を決定することにより、上記の課題を解決した車両の
操舵装置を提案することを目的とする。

【０００７】

【課題を解決するための手段】上記目的を達成するた
め、本発明は図１の原理ブロック図に示すように、走行
状態を表わす各種パラメータと運転者の操舵アシスト力
に対する要求を表わす選択信号とから階層型ニューラル
ネットワークにより運転者の運転傾向係数を求める運転
傾向係数決定手段１００と、上記の運転傾向係数と各種
パラメータとに基づき階層型ニューラルネットワークに
よりアシスト力を算出するアシスト力算出部６０と、上
記算出アシスト力に基づいて車両のハンドルに対する操
舵アシスト力を発生するアシスト力発生機構７０とを有
する構成である。

【０００８】

【作用】本発明では、運転傾向係数決定手段１００及び
アシスト力算出部６０に夫々階層型ニューラルネットワ
ークを用いているが、運転傾向係数決定手段１００を構
成する階層型ニューラルネットワークは出力を可変する
ための「重み」と「しきい値」はデータとしてもってい
るのではなく学習で可変できるため、運転者のそれまで
の運転特性と現在の走行状態と現在の運転者の操舵アシ
スト力の要求とから、運転傾向係数を運転者の要求の都
度学習して決定することができることとなり、よって従
来装置に比し操舵アシスト力の制御範囲を大幅に広げる
ことができる。

【０００９】

【実施例】図２は本発明の一実施例のブロック図を示
す。同図中、図１と同一構成部分には同一符号を付して
ある。図１において、収音部１０は運転者の発声を収音
可能な位置（例えばハンドル中央）に設けられた、例え
ばマイクロホンとフィルタ回路よりなり、運転者が操舵
アシスト力に対する要求が必要なときに発声する「重
く」又は「軽く」の音声をマイクロホンで電気信号に変
換した後、フィルタ回路を通して図３（Ａ）に示す如き
時間離散的な音声データ、又は図３（Ｂ）に示す如き周
波数領域の離散的な音声データを出力する。

【００１０】図２の音声認識部２０はこの音声データを
認識して選択信号を出力する回路で、例えば図４に示す
如くデータ入力部２１、規格化部２２、第１のニューラ
ルネットワーク２３及び選択信号出力部２４より構成さ
れている。図４において、前記離散的音声データａ₁，
ａ₂，…，ａ_nはデータ入力部２１を通して規格化部２
２に入力され、ここで各値が「０」〜「１」の実数に規
格化される。そして、この規格化された音声データ
ｂ₁，ｂ₂，…，ｂ_nは第１のニューラルネットワーク
（以下、「ＮＮ」と略す）２３に入力される。

【００１１】この第１のＮＮ２３は例えば図５に示す如
く、入力層ユニット２３１、第１中間層ユニット２３
２、第２中間層ユニット２３３及び出力層ユニット２３
４からなる４層の階層型で、公知の補習学習付きバック
プロパゲーション仮想インピーダンス法で学習を行な
う。ここで、この学習方法について説明するに、説明の
簡単のため、図６に示す如き３層ＮＮについて考える
と、入力層の第ｉユニットの中間層の第ｊユニットへの
出力データの重み（結合計数）をｗ１_ji、中間層の第ｊ
ユニットの出力層の第ｋユニットへの出力データの重み
をｗ２_kjとし、中間層の第ｊユニットのしきい値をθ２
_j、出力層の第ｋユニットのしきい値をθ３_kとし、ま
たｆをシグモイド関数等の非線形関数とすると、中間層
の第ｊユニットの出力ｙ_j及び出力層の第ｋユニットの
出力ｚ_kは夫々次式で表わされる。

【００１２】

【数１】

【００１３】ただし、ｆ（ｕ）＝１／｛１＋ｅ^-u/T｝Ｔ：シグモイド関数の形状パラメータそして、バックプロパゲーション法の学習の過程は次の
ように表わされる。

【００１４】

【数２】

【００１５】ただし、ｔは学習回数、ｔが０以下のとき
Δｗ，Δθは夫々０、またＬｉｍｉｔは補習学習の許容
誤差を表わす。また、ε，αは正の実定数、βは正又は
負の実数である。

【００１６】ＮＮを実現するためのハードウェアは専用
のニューロチップでもよいし、コンピュータを用いても
よい。コンピュータを用いた場合は、コンピュータ内の
リード・オンリ・メモリ（ＲＯＭ）に出力ｚ_kを求める
ためのプログラムと、上記重みｗ１_ji，ｗ２_kj、しきい
値θ１_j，θ２_k等が格納され、コンピュータ内のラン
ダム・アクセス・メモリ（ＲＡＭ）にはｘ_i，ｙ_j，ｚ
_kを格納し、ＲＯＭ及びＲＡＭからのデータに基づき中
央処理装置（ＣＰＵ）が演算を行なう。

【００１７】第１のＮＮ２３は上記の学習方法で予め正
しい出力が得られるように学習した、学習済の音声認識
用ＮＮで、特定話者用又は不特定話者用が用いられる。
特定話者用ＮＮの場合は、特定の運転者に「重く」及び
「軽く」と順次発音させ、そのときの規格化部２２から
のデータｂ₁，ｂ₂，…，ｂ_nを入力とし、そのときの
ＮＮの出力を教師信号として学習を行なう。必要ならば
上記動作を繰り返す。第１のＮＮ２３をこの特定話者用
ＮＮとした場合は、その特定の運転者に対する音声認識
率が高くできるという特長がある。

【００１８】一方、第１のＮＮ２３として不特定話者用
のＮＮを用いる場合は、予め装置の開発段階で多数のパ
ネラーに「重く」と「軽く」とを夫々発音させて上記と
同様の学習を行ない、その学習済のＮＮを第１のＮＮ２
３とする。

【００１９】図５の第１のＮＮ２３の出力層２３４から
は、２つの出力信号Ｈ及びＬが出力されるが、認識した
音声が「重く」のときには出力信号Ｈの値の方が出力信
号Ｌの値より大であり、認識した音声が「軽く」のとき
には逆の結果となる。そこで、図４に示す選択信号出力
部２４は第１のＮＮ２３の出力信号Ｈ及びＬから、運転
者の発声を認識した選択信号を図７に示すフローチャー
トに従って出力する。図７において、まず出力信号Ｈが
しきい値θ_H（これは実数である）以上の値であるかど
うか判定し（ステップ２４１）、Ｈ≧θ_Hのときは運転
者が「重く」と発声していると判断して、その旨を示す
第１の選択信号を出力する（ステップ２４２）。他方、
Ｈ＜θ_Hのときはもう一つの出力信号Ｌがしきい値θ_L
（これは実数である）以上であるか否か判定し（ステッ
プ２４３）、Ｌ≧θ_Lのときは運転者が「軽く」と発声
していると判断してその旨を示す第２の選択信号を出力
する（ステップ２４４）。しかし、Ｌ＜θ_Lと判定され
たときは運転者の発声が「重く」でも「軽く」でもない
その他の音声と判断して選択信号を出力することなくこ
のルーチンを抜ける（ステップ２４５）。

【００２０】再び図２に戻って説明するに、上記の構成
の音声認識部２０の出力選択信号は学習制御部５０と共
に前記運転傾向係数決定手段１００を構成する運転傾向
係数決定部４０に、入力部３０からの車両の走行状態を
表わす各種パラメータと共に入力される。ここで、入力
部３０は図８に示す如く、ハンドルの操舵角Ｓ_tを検出
する操舵角センサ３１、車両に搭載されたエンジンの回
転数Ｎを検出するエンジン回転数センサ３２、アクセル
ペダルに連動して開度が制御されるスロットルバルブの
開度Ｓｌを検出するスロットル開度センサ３３、車速Ｖ
を検出する車速センサ３４等の各センサと、各センサ３
１〜３４の出力Ｓ_t，Ｎ，Ｓｌ及びＶの単位時間当りの
変化を夫々示す差分値Ｓ_t’，Ｎ’，Ｓｌ’及びＶ’を
夫々出力する差分器３５〜３８などよりなる。

【００２１】図２の運転傾向係数決定部４０は図９に示
す如き構成とされている。同図中、図２と同一構成部分
には同一符号を付し、その説明を省略する。図９に示す
ように、運転傾向係数決定部４０は規格化部４１、第２
のＮＮ４２及び運転傾向係数算出部４３よりなる。規格
化部４１は入力部３０よりの前記した走行状態を表わす
各種パラメータＳ_t，Ｓ_t’，Ｎ，Ｎ’，Ｓｌ，Ｓ
ｌ’，Ｖ，Ｖ’が入力され、それらを「０」〜「１」の
値（実数）を示すように規格化して第２のＮＮ４２へ出
力する。

【００２２】第２のＮＮ４２は運転者の運転傾向を推定
するためのＮＮで、図１０に示す如く、入力層ユニット
４２１、第１中間層ユニット４２２、第２中間層ユニッ
ト４２３及び出力層ユニット４２４からなる階層型であ
る点は第１のＮＮ２３と同じであるが、第１のＮＮ２３
は学習済であるのに対し、第２のＮＮ４２は予めほぼ正
しい出力をするように「重み」と「しきい値」の初期値
が与えられているが、運転者の意思と第２のＮＮ４２の
出力が異なった場合、後述の運転傾向係数算出部４３よ
り出力される運転者の意思を示す信号Ｓ_P’を教師信号
として入力されて前記バックプロパゲーション仮想イン
ピーダンス法で学習し、次回から運転者の意思に合った
出力が得られるように「重み」と「しきい値」が更新で
きるようにされている点が異なる。これにより、出力層
ユニット４２４からは走行状態や運転者の運転状況を加
味したスポーツ度Ｓ_Pが出力されて運転傾向係数算出部
４３に入力される。

【００２３】この運転傾向係数算出部４３は図１１のフ
ローチャートに従った動作を行なう。すなわち、まず上
記入力スポーツ度Ｓ_Dを変数Ｓ_Pに代入する（ステップ
４０１）。ここで、スポーツ度Ｓ_P（＝Ｓ_D）は、運転
者の運転傾向を表わす変数で、「０．０」から「１．
０」の実数で表わされ、差分値Ｓ_t’，Ｎ’，Ｓｌ及び
Ｖ’等が大きいほど車速、操舵角等の大なる変化を好
む、すなわちスポーツ運転指向の強い運転傾向を示して
いるものとして、大なる値を示す。

【００２４】続いて、運転傾向係数算出部４３は音声認
識部２０からの選択信号が「重く」であることを示して
いるか否か判定し（ステップ４０２）、「重く」を示し
ているときは運転者がより車速等の変化を好む、スポー
ツ度の高い操舵アシスト力を要求していると判断し、Ｓ
_P＜１．０の条件を満足しているか否か判定し（ステッ
プ４０３）、Ｓ_P＜１．０のときは現在の値Ｓ_Pに定数
ΔＳ_P（例えば０．１）を加算して（ステップ４０
４）、よりスポーツ度の高い修正スポーツ度Ｓ_P’、す
なわち運転傾向係数を算出する。そして、学習制御部５
０を介して第２のＮＮ４２の重み又はしきい値を可変し
てＳ_P’に対応した出力が第２のＮＮ４２より出力され
るように学習する（ステップ４０５）。一方、Ｓ_P＝
１．０のときはスポーツ度Ｓ_Pは最大であるので、その
値を運転傾向係数（修正スポーツ度）Ｓ _P’とする（ス
テップ４０６）。

【００２５】ステップ４０２で入力選択信号が「重く」
を示していないと判定したときは、ステップ４０７へ進
み、入力選択信号が「軽く」を示しているか否か判定す
る。「軽く」を示しているときは、運転者が現在よりも
車速等の変化が少ない（スポーツ度が低い）操舵アシス
ト力を要求していると判断して、ステップ４０８へ進
み、Ｓ_P＞０．０であるか否か判定する。

【００２６】Ｓ_P＞０．０のときは現在の値Ｓ_Pから定
数ΔＳ_Pを減算して（ステップ４０９）、よりスポーツ
度の低い運転傾向係数（修正スポーツ度）Ｓ_P’を算出
し、その値に基づいて前記第２のＮＮ４２の学習を学習
制御部５０を介して行なう（ステップ４１０）。Ｓ_P＝
０．０のときは最小値であり、これより低いスポーツ度
はないのでＳ_Pの値をそのまま運転傾向係数（修正スポ
ーツ度）Ｓ_P’とする（ステップ４１１）。

【００２７】このようにしてステップ４０５，４０６，
４１０又は４１１の処理が終ると、運転傾向係数（修正
スポーツ度）Ｓ_P’を運転者の意図する運転特性として
図２のアシスト力算出部６０へ出力する（ステップ４１
３）。このように、運転傾向係数決定部４０は走行状態
やそれまでの運転特性に現在の運転者の操舵アシスト力
の要求を加味した運転傾向係数（修正スポーツ度）
Ｓ_P’を決定する。

【００２８】アシスト力算出部６０は図１２に示す如
く、第３のＮＮ６１とデータ変換部６２とよりなる。第
３のＮＮ６１は図１３に示す如く、入力層ユニット６１
１、第１中間層ユニット６１２、第２中間層ユニット６
１３及び出力層ユニット６１４からなる階層型で、前記
第１のＮＮ２３と同様に学習済のものが用いられる。

【００２９】この第３のＮＮ６１は道路状況（走行状
態）を推定するためのもので、例えば車速Ｖが小のとき
は路地、車速Ｖが中程度のときは一般道路、車速Ｖが大
なるときは高速道路を夫々走行しているものと推定した
り、スロットル開度Ｓｌが大で、かつ、車速Ｖが小なる
ときは上り坂走行であり、スロットル開度Ｓｌが小で、
かつ、車速の差分値Ｖ’が大なるとき下り坂走行である
と推定し、また道路が渋滞しているか空いているかなど
を推定する。

【００３０】他にワイパ操作、外気温、湿度、車両の傾
斜等を入力パラメータとして晴天（曇天）、雨天、積雪
（凍結）などを推定してもよい。そして、第３のＮＮ６
１は種々の道路状況で多数のパネラーの好むアシスト力
を教師信号として学習を装置の製造段階で行なったもの
が用いられる。

【００３１】第３のＮＮ６１は入力部３０よりの運転状
況を表わす各種パラメータ（Ｓ_t，Ｓ_t’，Ｎ，…，
Ｖ’）と運転傾向係数決定部４０よりの運転傾向係数Ｓ
_P’とが夫々入力され、運転者の意図に適合した、か
つ、「０」〜「１」の値（実数）に規格化された操舵ア
シスト力Ｐを算出出力する。この操舵アシスト力Ｐは図
１２のデータ変換部６２により例えばアナログ信号に変
換された後、図２のアシスト力発生機構７０へ供給され
る。

【００３２】アシスト力発生機構７０は公知の機構であ
り、例えばステアリングギヤボックスのコントロールバ
ルブ部に設けられた油圧反力室に作用する油圧を、アシ
スト力算出部６０の出力アシスト力により制御する構造
である。

【００３３】以上説明した本実施例によれば、運転者の
操舵アシスト力の要求を示す運転傾向係数と運転状況を
表わす各種パラメータとから、階層型ＮＮにより算出し
たアシスト力で操舵アシスト力を発生するようにしたた
め、運転者個々の好みに応じた各種のアシスト力特性が
得られる。

【００３４】すなわち、前記した従来の操舵装置ではフ
ァジー制御のメンバシップ値の制約から、運転者の選択
した運転傾向に基づくアシスト力対車速特性は、図１４
（Ａ）にＩで示す万人向けの代表的なスポーツ運転指向
の強い特性と、IIで示す万人向けの代表的な穏やかな運
転指向の強い特性との間でしか得られず、制御範囲が狭
い。

【００３５】これに対し、本実施例によれば、階層型Ｎ
Ｎを用いて運転者のそれまでの運転特性と、現在の走行
状態（運転状況、道路状況）と現在の運転者の操舵アシ
スト力の要求とから運転傾向係数を運転者の要求の都度
決定し、階層型ＮＮにより運転傾向係数に応じたアシス
ト力を算出するようにしているため、本実施例のアシス
ト力対車速特性は図１４（Ｂ）に示す如く、アシスト力
発生機構７０のハード上の問題（例えば油圧ポンプの容
量等）にのみ依存する上限と下限の特性の間の広範囲で
得られる。

【００３６】従って、本実施例によれば、各運転者個々
に最適なアシスト特性を得ることができるため、図１５
にＡ，Ｂ，Ｃで示す如くかなり個性的なアシスト特性を
示す各運転者にも対応できる。図１５中、Ａは低速走行
時は重い操舵力を、また高速走行時は軽い操舵力を好む
運転者のアシスト特性であり、Ｂは低速走行時は比較的
重い操舵力を、また高速走行時は比較的軽い操舵力を好
む運転者のアシスト特性であり、Ｃは中速走行時に重い
操舵力を好む運転者のアシスト特性である。

【００３７】また、本実施例では選択信号が音声認識部
２０により生成されるので、操舵アシスト力のずれを感
じ易いハンドル操作中でも運転者が要求する操舵アシス
ト力を安全に、かつ、必要なときに伝達することができ
る。

【００３８】なお、本発明は以上の実施例に限定される
ものではなく、例えば入力部３０で入力される運転状況
を表わす各種パラメータに、シフト位置Ｓ、シフト操作
頻度Ｓ’、車両速度ａ、ワイパ操作、外気温、湿度、車
両の傾斜等を加えてもよい。また第１のＮＮ２３、第２
のＮＮ４２及び第３のＮＮ６１は夫々４層の階層型ＮＮ
として説明したが、正しい出力が得られるならば３層で
もよい。

【００３９】

【発明の効果】上述の如く、本発明によれば、従来装置
に比し広い範囲でアシスト力対車速特性が得られるた
め、各種の運転傾向をもつ各運転者の操舵アシスト力の
要求に対してきめ細かく対応することができ、各運転者
に最適な操舵アシスト力を与えることができる等の特長
を有するものである。

【図面の簡単な説明】

【図１】本発明の原理ブロック図である。

【図２】本発明の一実施例のブロック図である。

【図３】図２中の収音部の出力音声データを説明する図
である。

【図４】図２中の音声認識部のブロック図である。

【図５】図４中の第１のＮＮの構成図である。

【図６】ニューラルネットワークの一般的構成を説明す
る図である。

【図７】図４中の選択信号出力部の動作説明用フローチ
ャートである。

【図８】図２中の入力部の構成図である。

【図９】図２中の運転傾向係数決定部の構成図である。

【図１０】図９中の第２のＮＮの構成図である。

【図１１】図９中の運転傾向係数算出部の動作説明用フ
ローチャートである。

【図１２】図２中のアシスト力算出部の構成図である。

【図１３】図１２中の第３のＮＮの構成図である。

【図１４】従来装置と本発明装置のアシスト力対車速特
性を対比して示す図である。

【図１５】本発明の一実施例により得られるアシスト力
対車速特性の各例を示す図である。

【符号の説明】

１０収音部２０音声認識部２１データ入力部２２，４１規格化部２３第１のニューラルネットワーク（ＮＮ）２４選択信号出力部３０入力部４０運転傾向係数決定部４２第２のニューラルネットワーク（ＮＮ）４３運転傾向係数算出部５０学習制御部６０アシスト力算出部６１第３のニューラルネットワーク（ＮＮ）６１データ変換部７０アシスト力発生機構１００運転傾向係数決定手段

───────────────────────────────────────────────────── 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Ｂ６２Ｄ 113:00 127:00 137:00

Claims

【特許請求の範囲】

【請求項１】走行状態を表わす各種パラメータと運転
者の操舵アシスト力に対する要求を表わす選択信号とか
ら階層型ニューラルネットワークにより該運転者の運転
傾向係数を求める運転傾向係数決定手段と、前記運転傾向係数と前記走行状態を表わす各種パラメー
タとに基づき階層型ニューラルネットワークによりアシ
スト力を算出するアシスト力算出部と、算出された該アシスト力に基づいて車両のハンドルに対
する操舵アシスト力を発生するアシスト力発生機構とを
有することを特徴とする車両の操舵装置。