JPH07127718A

JPH07127718A - 自動変速機の制御装置

Info

Publication number: JPH07127718A
Application number: JP27145993A
Authority: JP
Inventors: Hiroshi Tsutsui; 洋筒井; Yoshihisa Yamamoto; 義久山本
Original assignee: Aisin AW Co Ltd
Current assignee: Aisin AW Co Ltd
Priority date: 1993-10-29
Filing date: 1993-10-29
Publication date: 1995-05-16

Abstract

(57)【要約】【目的】運転者の実際の要求や意思などを反映した変速
段を決定することができる自動変速機の制御装置を提供
する。【構成】現在の走行状態をファジィ推論する状態把握フ
ァジィ推論手段１０と、少なくとも該状態把握ファジィ
推論手段１０によって出力された状態の度合いＥ及び検
出値ｘ_Sが入力値Ｘ_iとして入力されるニューラルネッ
トワーク１１と、変速段変換手段１２と、変速比変換手
段１４とを有する。また、ファジィ推論によって現在の
変速比Ｒ_t ^G及び過去の変速比を評価して教示変速比Ｔ
_Rを計算する教示変速比計算手段２８と、前記入力値Ｘ
_i及び教示変速比Ｔ_Rによって構成された学習パターン
Ｐ_nを作成するパターン記憶装置２０と、結合荷重
Ｖ_ji，Ｗ_kjを修正する結合荷重修正手段とを有する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、自動変速機の制御装置
に関するものである。

【０００２】

【従来の技術】従来、車両用の自動変速機の制御装置に
おいては、車速及びスロットル開度が検出され、検出さ
れた車速及びスロットル開度に対応する変速段が所定の
変速線図に基づいて選択されるようになっている。しか
し、この種の自動変速機の制御装置においては変速特性
が画一的に決定されるので、車両の状態、走行路の状態
等の各種の走行条件に対応させた最適な変速比を得るこ
とができない。

【０００３】そこで、各種の走行条件に対応させて形成
された制御ルールに基づいてファジィ推論を行い、変速
段を決定するようにした自動変速機の制御装置が提供さ
れている（特開平１−２９３２４０号公報参照）。この
場合、各制御ルールは運転者の要求や意思などを直接的
に表現するものであり、各制御ルールの満足度に基づい
て変速段が決定されるようになっている。

【０００４】

【発明が解決しようとする課題】しかしながら、前記従
来の自動変速機の制御装置においては、運転者の実際の
要求や意思などを反映した変速段を決定することができ
ない。すなわち、運転者が実際に車両を走行させる場合
には、車両の現在の状態を考慮するだけでなく車両の先
の状態を予測し、燃費や乗り心地などを巧みに調和させ
て変速段を選択するようにしている。ところが、車両の
状態、走行路の状態等の通常の走行条件だけでなく、車
両の先の状態、燃費、乗り心地等の特殊な走行条件を制
御ルールによって表現するのは困難であり、表現するこ
とができたとしても極めて多くの制御ルールが必要とな
る。

【０００５】また、前記特殊な走行条件を各制御ルール
ごとにファジィ関数を設定する場合、経験者の潜在的な
知識を演繹（えんえき）的な制御ルールで表現すること
になり、作業が極めて困難になるとともに、コストが高
くなってしまう。本発明は、前記従来の自動変速機の制
御装置の問題点を解決して、運転者の実際の要求や意思
などを反映した変速段を決定することができる自動変速
機の制御装置を提供することを目的とする。

【０００６】

【課題を解決するための手段】そのために、本発明の自
動変速機の制御装置においては、車両の走行条件を検出
するセンサと、該センサの検出値が入力され、現在の走
行状態をファジィ推論する状態把握ファジィ推論手段
と、少なくとも該状態把握ファジィ推論手段によって出
力された状態の度合い及び前記センサの検出値が入力値
として入力され、変速比を出力するニューラルネットワ
ークと、前記変速比を変速段に変換する変速段変換手段
と、前記変速段を現在の変速比に変換する変速比変換手
段とを有する。

【０００７】また、現在及び過去の入力値並びに現在及
び過去の変速比に基づいて、ファジィ推論によって現在
及び過去の変速比を評価して教示変速比を計算する教示
変速比計算手段と、前記入力値及び教示変速比によって
構成された学習パターンを作成するパターン記憶装置
と、前記学習パターンに基づいて前記ニューラルネット
ワークの結合荷重を修正する結合荷重修正手段とを有す
る。

【０００８】

【作用及び発明の効果】本発明によれば、前記のように
自動変速機の制御装置においては、車両の走行条件を検
出するセンサと、該センサの検出値が入力され、現在の
走行状態をファジィ推論する状態把握ファジィ推論手段
と、少なくとも該状態把握ファジィ推論手段によって出
力された状態の度合い及び前記センサの検出値が入力値
として入力され、変速比を出力するニューラルネットワ
ークと、前記変速比を変速段に変換する変速段変換手段
と、前記変速段を現在の変速比に変換する変速比変換手
段とを有する。

【０００９】前記ニューラルネットワークは、前記入力
値が入力されると、該入力値に基づいてニューロ計算し
て変速比を出力する。また、現在及び過去の入力値並び
に現在及び過去の変速比に基づいて、ファジィ推論によ
って現在及び過去の変速比を評価して教示変速比を計算
する教示変速比計算手段と、前記入力値及び教示変速比
によって構成された学習パターンを作成するパターン記
憶装置と、前記学習パターンに基づいて前記ニューラル
ネットワークの結合荷重を修正する結合荷重修正手段と
を有する。

【００１０】したがって、学習と評価が繰り返されてニ
ューラルネットワークが成長し、変速後の車両の先の状
態を予測したり、変速を行う場合の制約を満たしたり、
燃費、駆動力、快適性等の目的値を満たしたりすること
ができ、更に、車両及び走行路の状態に合わせた変速比
を出力することができる。しかも、評価のための制御ル
ールの場合は、帰納的な推理方法で表現することができ
るので、制御ルールの設定が容易になる。

【００１１】また、変速後の走行条件についても学習す
ることができる。したがって、例えば、繰返し変速を防
止する場合、各種の走行条件ごとに制御ルールを設定す
る必要はなく、繰返し変速が行われた時に、その変速の
変速比の適合度を修正することができるような制御ルー
ルを一つ設定するだけでよい。さらに、前記学習及び評
価は、運転者が実際に車両を走行させた時の検出値に基
づいてオンラインで行われるので、運転者のシフト操作
の傾向に合わせた変速を行うことができ、前記シフト操
作の傾向に基づいて燃費などの目的値を向上させること
ができる。したがって、運転者が変わっても、その運転
者のシフト操作の傾向に合わせた変速を行うことができ
る。

【００１２】

【実施例】以下、本発明の実施例について図面を参照し
ながら詳細に説明する。図１は本発明の実施例における
自動変速機の制御装置のブロック図である。図におい
て、ｘ_Sは図示しないセンサによって検出された検出
値、８は該検出値ｘ_Sを読み込んで計算を行い、計算結
果を入力値Ｘ_Cとして出力する検出値計算手段、９は該
入力値Ｘ_Cを無次元化する無次元化手段である。また、
１０は前記入力値Ｘ_Cが入力され、ファジィ推論によっ
て現在の車両及び走行路の状態を把握し、状態の度合い
Ｅを発生させる状態把握ファジィ推論手段、１１は多数
のニューロンを結合させて形成されたニューラルネット
ワークであり、少なくとも前記無次元化された後の入力
値Ｘ_C及び状態の度合いＥが入力値Ｘ_iとして入力さ
れ、ニューロ計算によって変速比Ｒを出力する。

【００１３】そして、１２は前記ニューラルネットワー
ク１１から出力された変速比Ｒが入力され、該変速比Ｒ
を変速段Ｇに変換して出力する変速段変換手段、１４は
出力された変速段Ｇを現在の変速比Ｒ_t ^Gに変換して、
ニューラルネットワーク１１に入力値Ｘ_iとして入力す
る変速比変換手段である。この場合、車両は自動変速モ
ード及び手動変速モードによって走行させられ、自動変
速モードにおいては、車両の走行条件に対応して前記変
速段Ｇが自動的に選択され、手動変速モードにおいて
は、運転者が車両の状態、走行路の状態等の通常の走行
条件だけではなく、車両の先の状態、燃費、乗り心地等
の特殊な走行条件に対応したシフト操作を行うことによ
って任意の変速段が選択される。そのために、図示しな
いシフトレバーなどのシフト操作手段が配設される。な
お、該シフト操作手段は必ずしもシフトレバーである必
要はなく、操作スイッチであってもよい。

【００１４】前記手動変速モードにおいて前記シフト操
作手段が操作されると、図示しないＣＰＵによって選択
された前記変速段に対応する図示しないソレノイドがオ
ン・オフさせられ、該ソレノイドのオン・オフによって
図示しない油圧回路の油圧サーボに油が供給されるよう
になっている。そして、該油圧サーボに油が供給される
と、油圧サーボに対応する図示しない摩擦係合要素が係
脱させられ、所期の変速段が達成される。

【００１５】この時、前記ニューラルネットワーク１１
は初期値として与えられた通常の変速パターンに基づい
て、学習パターンＰ_nによって学習するとともに、変速
比Ｒをニューロ計算する。一方、自動変速モードにおい
ては、前記ニューラルネットワーク１１の学習の結果に
基づいて前記変速段変換手段１２によって出力された変
速段Ｇが前記ＣＰＵに対して出力される。そして、同様
に、前記変速段Ｇに対応する前記ソレノイドがオン・オ
フさせられ、該ソレノイドのオン・オフによって前記油
圧回路の油圧サーボに油が供給されるようになってい
る。そして、該油圧サーボに油が供給されると、油圧サ
ーボに対応する前記摩擦係合要素が係脱させられ、所期
の変速段Ｇが達成される。

【００１６】ところで、前記ニューラルネットワーク１
１が学習パターンＰ_nによって学習するに当たり、学習
パターンＰ_nはパターン記憶装置２０によって作成され
るとともに記憶される。本実施例において、前記学習パ
ターンＰ_nは前記入力値Ｘ_i及び後述するファジィ推論
によって計算された教示変速比Ｔ_Rを教示信号として有
する。

【００１７】そして、前記ニューラルネットワーク１１
は前記変速比Ｒと教示変速比Ｔ_Rの誤差Ｅ_Pが所定の収
束条件を満たしたときに学習を終了する。また、前記入
力値Ｘ_iは制約評価手段２２、目的値評価手段２４及び
状態評価手段２６に入力される。さらに、前記ニューラ
ルネットワーク１１がニューロ計算した変速比Ｒは変速
段変換手段１２及び変速比変換手段１４を介して現在の
変速比Ｒ_t ^Gになり、前記パターン記憶装置２０に入力
され、前回の変速時の変速比Ｒ_t ^G-1及び前々回の変速
時の変速比Ｒ_t ^G-2が制約評価手段２２に、前々回の変
速時の変速比Ｒ_t ^G-2が目的値評価手段２４に入力され
る。

【００１８】そして、前記制約評価手段２２において、
変速を行う場合の各種の制約に基づいて現在の変速比Ｒ
_t ^G及び前回の変速時の変速比Ｒ_t ^G-1が評価され、目
的値評価手段２４において、変速後の燃費、アクセル操
作量に対する加速度増加量の達成度合い、快適性等の目
的値に基づいて前々回の変速時の変速比Ｒ_t ^G-2が評価
され、状態評価手段２６において、前記状態の度合いＥ
に基づいて現在の変速比Ｒ_t ^Gが評価される。

【００１９】この場合、現在の変速比Ｒ_t ^G、前回の変
速時の変速比Ｒ_t ^G-1及び前々回の変速時の変速比Ｒ_t
^G-2がいずれもファジィ推論によって評価され、前記制
約評価手段２２、目的値評価手段２４及び状態評価手段
２６の評価結果に基づいて教示変速比計算手段２８が教
示変速比Ｔ_Rを計算する。そして、該パターン記憶装置
２０において、現在の入力値Ｘ_i ^G及び教示変速比Ｔ_R
^Gが組み合わせられて現在の学習パターンＰ_n ^G（Ｘ_i
^G，Ｔ_R ^G）が、前回の変速時の入力値Ｘ_i ^G-1及び教
示変速比Ｔ_R ^G-1が組み合わせられて前回の変速時の学
習パターンＰ_n ^G-1（Ｘ_i ^G-1，Ｔ_R ^G-1）が、前々回
の変速時の入力値Ｘ_i ^G-2及び教示変速比Ｔ_R ^G-2が組
み合わせられて前々回の変速時の学習パターンＰ_n ^G-2
（Ｘ_i ^G-2，Ｔ_R ^G-2）が作成され、これらの学習パタ
ーンＰ_n（Ｘ_i，Ｔ_R）によってニューラルネットワー
ク１１が学習し、更に変速比Ｒを出力するようになって
いる。

【００２０】そして、結合荷重修正手段としてのバック
プロパゲーション手段２７においては、前記学習パター
ンＰ_n及び変速比Ｒに基づいて結合荷重Ｖ_ji，Ｗ_kjが繰
り返し修正され、そのたびにニューラルネットワーク１
１によって出力された変速比Ｒと前記教示変速比Ｔ_Rの
誤差Ｅ_Pが求められる。このようにして、学習と評価が
繰り返されてニューラルネットワーク１１が成長し、変
速後の車両の先の状態を予測したり、変速を行う場合の
制約を満たしたり、燃費、駆動力、快適性等の目的値を
満たしたりすることができる。

【００２１】しかも、評価のための制御ルールの場合
は、帰納的な推理方法で表現することができるので、制
御ルールの設定が容易になる。また、前々回の変速時の
入力値Ｘ_i ^G-2及び教示変速比Ｔ_R ^G-2が組み合わせら
れた学習パターンＰ_n ^G-2（Ｘ _i ^G-2，Ｔ_R ^G-2）によ
って変速後の走行条件についても学習することができ
る。したがって、例えば、繰返し変速を防止する場合、
各種の走行条件ごとに制御ルールを設定する必要はな
く、繰返し変速が行われた時に、その変速の変速比Ｒの
適合度を修正することができるような制御ルールを一つ
設定するだけでよい。

【００２２】また、燃費、駆動力、快適性などの目的値
を設定し、その評価を変速後の所定の期間にわたって行
うことによって、これらの目的値を走行中の全般にわた
って満たすようにすることもできる。さらに、前記学習
及び評価は、運転者が実際に車両を走行させた時の検出
値ｘ _Sに基づいてオンラインで行われるので、運転者の
シフト操作の傾向に合わせた変速を行うことができ、前
記シフト操作の傾向に基づいて燃費などの目的値を向上
させることができる。したがって、運転者が変わって
も、その運転者のシフト操作の傾向に合わせた変速を行
うことができる。

【００２３】また、車両及び走行路の状態に合わせた変
速比Ｒを出力することができるので、状態ごとに区別し
た変速を行うことができる。次に、前記構成の自動変速
機の制御装置の動作について説明する。図２は本発明の
実施例における自動変速機の制御装置の第１のフローチ
ャート、図３は本発明の実施例における自動変速機の制
御装置の第２のフローチャートである。ステップＳ１検出値計算手段８（図１）は図示しない
各センサの検出値ｘ_Sを読み込む。ステップＳ２検出値計算手段８は検出値ｘ_Sによって
計算を行い、計算結果を入力値Ｘ_Cとして出力する。ステップＳ３状態把握ファジィ推論手段１０は、入力
値Ｘ_Cに基づいてファジィ推論によって車両及び走行路
の状態を把握し、状態の度合いＥを発生させる。ステップＳ４無次元化手段９は入力値Ｘ_Cを無次元化
する。ステップＳ５ニューラルネットワーク１１が変速比Ｒ
をニューロ計算する。ステップＳ６変速段変換手段１２は変速比Ｒを変速段
Ｇに変換し、該変速段Ｇを出力する。ステップＳ７変速を行うか否かを判断する。前記変速
段Ｇが現在の変速段と異なり、変速を行う場合はステッ
プＳ８に、前記変速段Ｇが現在の変速段と同じであり、
変速を行わない場合はステップＳ９に進む。ステップＳ８変速段Ｇへの変速を行う。ステップＳ９入力値Ｘ_iを選択する。入力値Ｘ_iが既
に学習したものと比べて大きく変化していない場合は、
新たに学習する必要はないので、該入力値Ｘ_iについて
は学習しない。ステップＳ１０入力値Ｘ_iをパターン記憶装置２０に
記憶させるか否かを判断する。記憶させる場合はステッ
プＳ１１に進み、記憶させない場合はステップＳ１に戻
る。ステップＳ１１入力パターンを検索する。この場合、
現在の入力パターンを（Ｘ_i ^G，Ｒ_t ^G，Ｔ_R ^G）と
し、前回の変速時の入力パターンを（Ｘ_i ^G-1，Ｒ _t
^G-1，Ｔ_R ^G-1）とし、前々回の変速時の入力パターン
を（Ｘ_i ^G-2，Ｒ_t ^G- ²，Ｔ_R ^G-2）とする。ステップＳ１２制約評価手段２２は、変速を行う場合
の各種の制約に基づいて現在の変速比Ｒ_t ^G及び前回の
変速時の変速比Ｒ_t ^G-1を評価する。ステップＳ１３状態評価手段２６は、状態の度合いＥ
に基づいて現在の変速比Ｒ_t ^Gを評価する。ステップＳ１４目的値評価手段２４は、変速後の燃
費、駆動力、快適性等の目的値に基づいて前々回の変速
時の変速比Ｒ_t ^G-2を評価する。ステップＳ１５教示変速比計算手段２８は教示変速比
Ｔ_Rを計算する。ステップＳ１６入力値Ｘ_i及び教示変速比Ｔ_Rが学習
パターンＰ_n（Ｘ_i，Ｔ _R）としてパターン記憶装置２
０に記憶させられ、学習パターンＰ_n（Ｘ_i ^G-1，Ｔ_R
^G-1），（Ｘ_i ^G-2，Ｔ_R ^G-2）の教示変速比
Ｔ_R ^G-1，Ｔ_R ^G-2が修正される。ステップＳ１７ニューラルネットワーク１１が学習パ
ターンＰ_nによって変速比Ｒをニューロ計算する。ステップＳ１８バックプロパゲーション手段２７が結
合荷重Ｖ_ji，Ｗ_kjを修正する。すべての学習パターンＰ
_nについての学習が終了するまでステップＳ１７，Ｓ１
８を繰り返す。ステップＳ１９変速比Ｒと前記教示変速比Ｔ_Rの誤差
Ｅ_Pが所定の収束条件で収束したか否かを判断する。収
束した場合はステップＳ１に、収束していない場合はス
テップＳ１７に戻る。

【００２４】次に、前記ニューラルネットワーク１１に
ついて説明する。前記入力値Ｘ_iは前記ニューラルネッ
トワーク１１に入力され、変速比Ｒをニューロ計算する
ために使用される。そのため、前記各センサによって検
出値ｘ_Sが検出され、各検出値ｘ_Sが検出値計算手段８
に読み込まれ、所定の計算が行われて入力値Ｘ_iにな
り、無次元化手段９によって無次元化される。

【００２５】前記センサによって検出される検出値ｘ_S
としては、アクセル開度Ａ、ブレーキ踏込度Ｂ、ステア
リング角Ｓ、車速ｖ、走行抵抗ＤＲ、路面の摩擦係数Ｌ
Ｒ、ステアリング操作頻度ＮＳ等が考えられ、これらの
検出値ｘ_Sに基づいて入力値Ｘ_Cを計算した後、無次元
化して入力値Ｘ_iとする。この場合、前記検出値ｘ_Sを
そのまま無次元化して入力値Ｘ_iとすることができ、ま
た、各検出値ｘ_Sの変化量を計算した後、無次元化して
入力値Ｘ_iとすることもできる。

【００２６】例えば、アクセル開度Ａの変化量としてア
クセル操作速度ｄＡを、ブレーキ踏込度Ｂの変化量とし
てブレーキ操作速度ｄＢを、ステアリング角Ｓの変化量
としてステアリング操作速度ｄＳを、車速ｖの変化量と
して加速度ｄｖを計算した後、無次元化して入力値Ｘ_i
とすることができる。さらに、例えば、１００〔ｍ〕手
前からのブレーキ踏込回数で表されるブレーキ頻度ＮＢ

【００２７】

【数１】

【００２８】や、走行時間５分当たりの平均速度ｖ_A

【００２９】

【数２】

【００３０】や、走行時間Δｔ当たりの平均加速度ｄｖ
_A

【００３１】

【数３】

【００３２】や、平均アクセル操作速度ｄＡ_Aなどを計
算した後、無次元化して入力値Ｘ_iとすることもでき
る。次に、状態把握ファジィ推論手段１０について説明
する。図４は本発明の実施例における状態把握ファジィ
推論手段の制御ルールを示す図、図５は本発明の実施例
における状態把握ファジィ推論手段のファジィ推論方法
を示す図、図６は本発明の実施例におけるファジィ関数
の類型を示す図である。図６の（ａ）は第１の類型を、
（ｂ）は第２の類型を、（ｃ）は第３の類型を示す。

【００３３】前記状態把握ファジィ推論手段１０（図
１）は、前記入力値Ｘ_Iを使用し、次のＲＵＬＥ１〜Ｒ
ＵＬＥ７によってファジィ推論を行う。すなわち、ＲＵ
ＬＥ１は渋滞推測用の制御ルールであり、ブレーキ頻度
ＮＢが高く、平均速度ｖ_Aが低い場合は渋滞路であると
推測することができる。また、ＲＵＬＥ２は市街推測用
の制御ルールであり、ブレーキ頻度ＮＢがやや高く、平
均速度ｖ_Aが３０〔ｋｍ／ｈ〕程度である場合は市街路
であると推測することができる。そして、ＲＵＬＥ３は
高速推測用の制御ルールであり、ブレーキ頻度ＮＢが低
く、平均速度ｖ_Aが７０〔ｋｍ／ｈ〕以上である場合は
高速道路であると推測することができる。

【００３４】また、ＲＵＬＥ４は屈曲路用の制御ルール
であり、ステアリング操作頻度ＮＳが高く、平均速度ｖ
_Aが３０〔ｋｍ／ｈ〕程度である場合は屈曲路であると
推測することができる。そして、ＲＵＬＥ５は運動性指
向用の制御ルールであり、平均加速度ｄｖ_Aが大きく、
平均アクセル操作速度ｄＡ_Aが高い場合は運動性を重視
した運転であると推測することができる。さらに、ＲＵ
ＬＥ６は燃費指向用の制御ルールであり、平均加速度ｄ
ｖ_Aが小さく、アクセル操作速度ｄＡが低い場合は燃費
を重視した運転であると推測することができる。そし
て、ＲＵＬＥ７は快適性指向用の制御ルールであり、平
均アクセル操作速度ｄＡ_Aが低く、平均加速度ｄｖ_Aが
小さい場合は快適性を重視した運転であると推測するこ
とができる。

【００３５】前記状態把握ファジィ推論手段１０の各制
御ルールＲＵＬＥ１〜ＲＵＬＥ７においてファジィ推論
は図５に示すように行われる。すなわち、前件部の各入
力値Ｘ_A，Ｘ_Bに対応する満足度の値をＹ_A，Ｙ_Bとし
たとき、そのうちの最小値Ｙ _A Ｙ_A＝ｍｉｎ（Ｙ_A，Ｙ_B）を後件部の入力値とし、該入力値に対応する満足度が状
態の度合いＥになる。

【００３６】この場合、各入力値Ｘ_Cに対応する満足度
は次の式のように計算される。なお、ｘは入力値Ｘ_Cの
変数、ｙは満足度、αは入力値Ｘ_Cの基準値、Ｃは定数
である。すなわち、図６の（ａ）に示す第１の類型の場
合、ｙ＝１−｜α−ｘ｜／Ｃによって、図６の（ｂ）に示す第２の類型の場合、ｙ＝ｍｉｎ｛１，１−（α−ｘ）／Ｃ｝によって、図６の（ｃ）に示す第３の類型の場合、ｙ＝ｍｉｎ｛１，１−（ｘ−α）／Ｃ｝によって計算することができる。

【００３７】このように、前記状態把握ファジィ推論手
段１０によって、車両及び走行路の状態を把握し、各状
態の度合いＥを発生させることができる。続いて、前記
入力値Ｘ_Cは次のように無次元化されて入力値Ｘ_iにな
る。なお、各式においてｍａｘは各検出値ｘ_Sの最大値
であることを示す。Ｘ₁＝Ａ〔％〕／１００〔％〕Ｘ₂＝Ｂ〔％〕／１００〔％〕Ｘ₃＝Ｓ〔°〕／６０〔°〕Ｘ₄＝ｖ〔ｋｍ／ｈ〕／１５０〔ｋｍ／ｈ〕Ｘ₅＝ｄＡ〔％／ｓ〕／ｄＡ_max〔％／ｓ〕Ｘ₆＝ｄＢ〔％／ｓ〕／ｄＢ_max〔％／ｓ〕Ｘ₇＝ｄＳ〔°／ｓ〕／ｄＳ_max〔°／ｓ〕Ｘ₈＝ｄｖ〔ｍ／ｓ²〕／ｄｖ_max〔ｍ／ｓ²〕このようにして、無次元化された入力値Ｘ_Cは入力値Ｘ
_iとしてニューラルネットワーク１１に入力される。

【００３８】なお、本実施例においては、本来無次元で
ある入力値Ｘ_Cも入力値Ｘ_iとしてニューラルネットワ
ーク１１に入力されるようになっている。Ｘ₉＝Ｅ₁ Ｘ₁₀＝Ｅ₂ Ｘ₁₁＝Ｅ₃ Ｘ₁₂＝Ｅ₄ Ｘ₁₃＝Ｅ₅ Ｘ₁₄＝Ｅ₆ Ｘ₁₅＝Ｅ₇ Ｘ₁₆＝Ｒ_t ^G Ｘ₁₇＝ＤＲＸ₁₈＝Ｒ_t ^G-1 図７は本発明の実施例におけるニューラルネットワーク
の概念図である。

【００３９】図において、Ｘ_iは入力層の各ニューロン
に入力される入力値、Ｉ_iは中間層の各ニューロンに入
力される入力信号、Ｊ_jは出力層のニューロンに入力さ
れる入力信号、Ｋは出力層の出力信号である。また、Ｖ
_jiは入力信号Ｉ_iの結合荷重、Ｗ_kjは入力信号Ｊ_jの結
合荷重、γ_j，θ_kはオフセット量である。前記ニュー
ラルネットワーク１１においては、各式（１）〜（４）
に示すように、前記入力層の各ニューロンに前記入力値
Ｘ_iが入力され、前記結合荷重Ｖ_jiによって重み付けが
行われ入力信号Ｉ_iになって中間層の各ニューロンに入
力される。そして、該中間層の各ニューロンに入力され
た入力信号Ｉ_iは前記結合荷重Ｗ_kjによって重み付けが
行われ入力信号Ｊ_jになって出力層のニューロンに入力
され、該出力層から出力信号Ｋになって出力される。本
実施例において、出力信号Ｋは変速比Ｒである。

【００４０】

【数４】

【００４１】前記出力信号Ｋ及び変速比Ｒはシグモイド
関数ｆ（ｘ）

【００４２】

【数５】

【００４３】で与えられる。なお、ｕ₀はシグモイド関
数ｆ（ｘ）の傾き係数である。次に、前記変速段変換手
段１２（図１）について説明する。前記ニューラルネッ
トワーク１１から出力された変速比Ｒは、変速段変換手
段１２に入力され、該変速段変換手段１２において変速
段Ｇに変換される。図８は本発明の実施例における変速
段変換手段の満足度を示す図である。図の横軸は変速比
Ｒを、縦軸は各変速段Ｇの満足度ｇ_tを示す。

【００４４】図において、Ｒ₁〜Ｒ₅は各変速段Ｇ、す
なわち１速〜５速の変速比であり、各変速段Ｇごとに満
足度ｇ_t ｇ_t＝μ_t（Ｒ）（ｔ＝１〜５）が与えられる。そして、最大の満足度ｇ_tに対応する変
速段Ｇを選択する。

【００４５】次に、前記制約評価手段２２（図１）にお
いて、変速を行う場合の各種の制約に基づいて現在の変
速比Ｒ_t ^G及び前回の変速時の変速比Ｒ_t ^G-1が評価さ
れ、目的値評価手段２４において、変速後の燃費、アク
セル操作量に対する加速度増加量の達成度合い、快適性
等の目的値に基づいて前々回の変速時の変速比Ｒ_t ^G- ²
が評価され、状態評価手段２６において、前記状態の度
合いＥに基づいて現在の変速比Ｒ_t ^Gが評価される。

【００４６】この場合、現在の入力パターンを
（Ｘ_i ^G，Ｒ_t ^G，Ｔ_R ^G）とし、前回の変速時の入力
パターンを（Ｘ_i ^G-1，Ｒ_t ^G-1，Ｔ_R ^G-1）とし、前
々回の変速時の入力パターンを（Ｘ_i ^G-2，Ｒ_t ^G-2，
Ｔ_R ^G-2）とし、それぞれに基づいて現在の変速比Ｒ_t
^G及び前回の変速時の変速比Ｒ_t ^G-1が評価される。次
に、前記制約評価手段２２について説明する。

【００４７】図９は本発明の実施例における制約評価手
段の制御ルールを示す図、図１０は本発明の実施例にお
ける制約評価手段のファジィ推論方法を示す図である。
前記制約評価手段２２（図１）は、現在の入力パターン
（Ｘ_i ^G，Ｒ_t ^G，Ｔ _R ^G）、前回の変速時の入力パタ
ーン（Ｘ_i ^G-1，Ｒ_t ^G-1，Ｔ_R ^G-1）及び前々回の変
速時の入力パターン（Ｘ_i ^G-2，Ｒ_t ^G-2，Ｔ_R ^G-2）
を使用し、次のＲＵＬＥ１〜ＲＵＬＥ７によってファジ
ィ推論を行う。

【００４８】すわなち、ＲＵＬＥ１は従来のシフトパタ
ーンに準ずる変速を行うための制御ルールであり、ニュ
ーラルネットワーク１１による学習を開始した時に使用
される。従来のシフトパターンから得られる変速比をＲ
_Pとすると、可能な限り現在の現在の変速比Ｒ_t ^GをＲ
_Pとする。また、ＲＵＬＥ２は繰返し変速（ビジーシフ
ト）が行われたときの制御ルールであり、前々回の変速
を行った後に経過した時間が２秒より短く、前々回の変
速時の変速比Ｒ_t ^G-2と現在の変速比Ｒ_t ^Gの差が小さ
い場合は、前回の変速時の変速比Ｒ_t ^G-1を現在の変速
比Ｒ_t ^Gに近いものほど満足度が高くなるように評価す
る。

【００４９】そして、ＲＵＬＥ３は減速中の制御ルール
であり、加速度ｄｖが負であり、車速ｖが２０〔ｋｍ／
ｈ〕以上である場合は適度なエンジンブレーキを効かせ
る。また、ＲＵＬＥ４は登坂中の制御ルールであり、走
行抵抗ＤＲが大きくなるほど現在の変速比Ｒ_t ^Gを大き
くして低めの変速段Ｇを選択する。さらに、ＲＵＬＥ５
は下り坂を下降中の制御ルールであり、走行抵抗ＤＲが
大きくなるほど、アクセル開度Ａが２〔％〕より小さく
なるほど、しかも、加速度ｄｖが大きいほど現在の変速
比Ｒ_t ^Gを大きくして低い変速段Ｇを選択する。

【００５０】また、ＲＵＬＥ６は旋回中の制御ルールで
あり、ステアリング角Ｓが１０〔°〕より大きくなるほ
ど、車速ｖが３０〔ｋｍ／ｈ〕より高くなるほど変速を
行わない。そして、ＲＵＬＥ７はシフトアップの変速を
行った後に図示しないブレーキペダルが踏まれた場合の
制御ルールであり、前回の変速を行った後に経過した時
間がより短く、ブレーキ踏込度が正であり、前々回の変
速時の変速比Ｒ_t ^G-2と前回の変速時の変速比Ｒ_t ^G-1
の差が１．３より大きい場合には、前回の変速時の変速
比Ｒ_t ^G-1を前々回の変速時の変速比Ｒ_t ^G-2に近いも
のほど満足度が高くなるように評価する。

【００５１】なお、前記制御ルールＲＵＬＥ２，ＲＵＬ
Ｅ７は変速後の挙動に対しての評価、すなわち前回の変
速時の変速比Ｒ_t ^G-1の評価となる。前記制約評価手段
２２の各制御ルールＲＵＬＥ１〜ＲＵＬＥ７においてフ
ァジィ推論は図１０に示すように行われる。すなわち、
前件部の各入力値Ｘ_A，Ｘ_Bに対応する満足度の値をＹ
_A，Ｙ_Bとしたとき、そのうちの最小値Ｙ_A Ｙ_A＝ｍｉｎ（Ｙ_A，Ｙ_B）を頂点とする三角形を想定し、該三角形の比重を計算す
るようにしている。

【００５２】次に、状態評価手段２６について説明す
る。図１１は本発明の実施例における状態評価手段の制
御ルールを示す図である。この場合、前記状態把握ファ
ジィ推論手段１０（図１）によって発生させられた各状
態の度合いＥに基づいて現在の変速比Ｒ_t ^Gが評価され
る。ＲＵＬＥ１は状態の度合いＥ₁が大きく渋滞路であ
る場合の制御ルールであり、車速ｖが低い場合は現在の
変速比Ｒ_t ^Gを中程度（２〜３速）とする。また、ＲＵ
ＬＥ２は状態の度合いＥ₁が大きく渋滞路である場合の
制御ルールであり、図示しないブレーキペダルが踏ま
れ、現在の変速比Ｒ_t ^Gが大きい場合は現在の変速比Ｒ
_t ^Gを少し小さくする。

【００５３】そして、ＲＵＬＥ３は状態の度合いＥ₂が
大きく市街路である場合の制御ルールであり、図示しな
いアクセルペダルが戻されてアクセル開度Ａが小さくな
り、その時のアクセル操作速度ｄＡが高い場合は現在の
変速比Ｒ_t ^Gを小さくする。また、ＲＵＬＥ４は状態の
度合いＥ₂が大きく市街路である場合の制御ルールであ
り、アクセル操作速度ｄＡが低く、車速ｖが中程度であ
り、しかも、加速度ｄｖが小さい場合は現在の変速比Ｒ
_t ^Gを維持する。

【００５４】さらに、ＲＵＬＥ５は状態の度合いＥ₃が
大きく高速道路である場合の制御ルールであり、車速ｖ
が７０〔ｋ／ｍ〕以上である場合は現在の変速比Ｒ_t ^G
を大きくする。そして、ＲＵＬＥ６は状態の度合いＥ₃
が大きく高速道路である場合の制御ルールであり、ブレ
ーキペダルが踏まれ、戻し側へのアクセル操作速度ｄＡ
が高く、しかも、現在の変速比Ｒ_t ^Gが大きい場合は現
在の変速比Ｒ_t ^Gを小さくする。

【００５５】また、ＲＵＬＥ７は状態の度合いＥ₄が大
きく屈曲路である場合の制御ルールであり、減速側への
加速度ｄｖが大きく、車速ｖが５０〔ｋ／ｍ〕以下であ
る場合は現在の変速比Ｒ_t ^Gを少し小さくする。そし
て、ＲＵＬＥ８は状態の度合いＥ₅が大きく運動性を重
視した運転である場合の制御ルールであり、ブレーキペ
ダルが踏まれ、車速ｖが７０〔ｋ／ｍ〕以下である場合
は現在の変速比Ｒ_t ^Gを小さくする。

【００５６】次に、前記目的値評価手段２４について説
明する。図１２は本発明の実施例における目的値評価手
段のファジィ関数を示す図である。図の（ａ）は燃費満
足度ｈ_fのファジィ関数を、（ｂ）は駆動力満足度ｈ_F
のファジィ関数を、（ｃ）は快適性満足度ｈ_Cのファジ
ィ関数を示す。前述したように、目的値評価手段２４
（図１）においては、前々回の変速時の変速比Ｒ_t ^G-2
が評価される。この場合、変速が行われた時点ｔ₁から
次の変速が行われる時点ｔ₂までの燃費、駆動力及び快
適性の三つの目的値についてそれぞれ燃費満足度ｈ_f、
駆動力満足度ｈ_F及び快適性満足度ｈ_Cが高くなるよう
な変速比Ｒを求める。

【００５７】この場合、各式（５）〜（７）から燃費適
合度Ｍ_f、駆動力適合度Ｍ_F及び快適性適合度Ｍ_Cを計
算し、それらに基づいてそれぞれ燃費満足度ｈ_f、駆動
力満足度ｈ_F及び快適性満足度ｈ_Cを計算するようにし
ている。Ｒ_fをマップから読み出した燃費最適変速比と
し、Ｍ_fmaxを定数としたとき、燃費適合度Ｍ_fは

【００５８】

【数６】

【００５９】となる。そして、α_fを燃費指向係数とす
ると、燃費満足度ｈ_fはｈ_f＝α_f・Ｍ_f となり、図１２の（ａ）に示すようなファジィ関数とな
る。また、Δｄｖ／ΔＡをアクセル操作量ΔＡに対する
加速度変化量Δｄｖの比とし、ｗを車両の重量とし、Ｍ
_Fmaxを定数とすると、駆動力達成度Ｍ_Fは

【００６０】

【数７】

【００６１】となる。そして、α_Fを加速指向係数とす
ると、駆動力満足度ｈ_Fはｈ_F＝α_F・（１−Ｍ_F）となり、図１２の（ｂ）に示すようなファジィ関数とな
る。なお、図１２の（ｂ）において、Ｒ_Fは最大余裕駆
動力発生変速比である。次に、Ｒ_Cをあらかじめ車速ｖ
やアクセル開度Ａなどに基づいて計算された快適性最適
変速比とし、Ｍ_Cmaxを定数とすると、快適性適合度Ｍ_C
は

【００６２】

【数８】

【００６３】となる。そして、α_Cを快適性指向係数と
すると、快適性満足度ｈ_Cはｈ_C＝α_C・Ｍ_C となり、図１２の（ｃ）に示すようなファジィ関数とな
る。なお、前記燃費指向係数α_f、加速指向係数α_F及
び快適性指向係数α_Cは α_f＝Ｅ₆ α_F＝Ｅ₅ α_C＝Ｅ₇ で表される。

【００６４】前記燃費適合度Ｍ_fは燃費の悪化の度合い
を示す指標であり、燃費最適変速比Ｒ_fから離れるほど
大きくなる。また、駆動力適合度Ｍ_Fは、アクセル操作
量ΔＡに対する加速度変化量Δｄｖの達成度合いに、ア
クセル開度Ａに対する実質加速度ｄｖ＋ＤＲ／ｗの達成
度合いを乗算し、その値を時刻ｔ₁〜ｔ₂で積分したも
のであり、時刻ｔ₁〜ｔ₂の間のアクセル操作量ΔＡに
対する車両のレスポンスの良さを示す指標であって、十
分な加速度ｄｖが達成されないと駆動力適合度Ｍ_Fは小
さくなる。また、前記式（６）において、アクセル操作
量ΔＡに対する加速度増加量Δｄｖの達成度合いのみを
積分してもよい。

【００６５】さらに、快適性適合度Ｍ_cは快適性の悪化
の度合いを示す指標であり、快適性最適変速比Ｒ_Cから
離れるほど大きくなる。そして、燃費最適変速比Ｒ_f、
最大余裕駆動力発生変速比Ｒ_F、及び快適性最適変速比
Ｒ_Cの重み付けは前記状態把握ファジィ推論手段１０か
ら出力される燃費指向の度合いＥ₆、加速指向の度合い
Ｅ₅、快適性指向の度合いＥ₇によって行う。したがっ
て、例えば、加速指向で走行する場合は、最大余裕駆動
力発生変速比Ｒ_Fに近いほど駆動力満足度ｈ_Fが大きく
なる。

【００６６】このようにして、前記制約評価手段２２に
おいて、変速を行う場合の各種の制約に基づいて現在の
変速比Ｒ_t ^G及び前回の変速時の変速比Ｒ_t ^G-1が評価
され、目的値評価手段２４において、変速後の燃費、駆
動力、快適性等の目的値に基づいて前々回の変速時の変
速比Ｒ_t ^G-2が評価され、状態評価手段２６において、
前記状態の度合いＥに基づいて現在の変速比Ｒ_t ^Gが評
価されると、各評価によって得られた現在の変速比Ｒ_t
^G、前回の変速時の変速比Ｒ_t ^G-1及び前々回の変速時
の変速比Ｒ_t ^G-2の満足度を合成する。この場合、すべ
ての評価による変速比Ｒを合成したときの重心位置を求
め、その重心位置を教示変速比Ｔ_Rとする。

【００６７】次に、すべての評価による変速比Ｒを合成
する方法について説明する。図１３は本発明の実施例に
おいて変速比を合成する方法を示す図である。図におい
て、Ｒ′は各評価における変速比Ｒの中心、Ｃ₁，Ｃ₂
は変速比Ｒの広がりを示す値、ｈ′は各評価における満
足度である。そして、重心ｇ_xはｇ_x＝２｛（Ｃ₁＋Ｃ₂）／２−Ｃ₁｝／３−Ｒ′ であり、重みｇ_Wはｇ_W＝ｈ′・（Ｃ₁＋Ｃ₂）／２であるので、教示変速比Ｔ_Rを式（８）によって計算す
ることができる。

【００６８】

【数９】

【００６９】前記教示変速比Ｔ_Rに基づいて、現在の教
示変速比Ｔ_R ^G、前回の変速時の教示変速比Ｔ_R ^G-1、
及び前々回の変速時の教示変速比Ｔ_R ^G-2を得ることが
できる。そして、学習パターンＰ_n（Ｘ_i，Ｔ_R）が新
しく記憶させられ、学習パターンＰ_n（Ｘ_i ^G-1，Ｔ_R
^G-1），（Ｘ_i ^G-2，Ｔ_R ^G-2）の教示変速比
Ｔ_R ^G-1，Ｔ_R ^G-2が修正される。また、この時、最も
古く登録された学習パターンＰ_n（Ｘ_i，Ｔ_R）は廃棄
され、常時３０組の学習パターンＰ_n（Ｘ_i，Ｔ_R）が
登録される。

【００７０】前記バックプロパゲーション手段２７（図
１）は、３０組のパターンＰ_n（Ｘ _i，Ｔ_R）について
変速比Ｒと教示変速比Ｔ_Rの誤差Ｅ_Pが収束するように
ニューラルネットワーク１１の結合荷重Ｖ_ji，Ｗ_kjを修
正する。この場合、前記誤差Ｅ_Pの収束は次の収束条件
によって判断する。すなわち、ニューラルネットワーク
１１が学習している間の所定の期間Ｐにおける誤差Ｅ_P

【００７１】

【数１０】

【００７２】の和Ｅ_tが極小化したときに誤差Ｅ_Pが収
束したと判断する。そして、前記バックプロパゲーショ
ン手段２７による結合荷重Ｖ_ji，Ｗ_kj及びオフセット量
γ_j，θ_kは式（９）〜（１６）のように修正される。

【００７３】

【数１１】

【００７４】なお、Ｈ_jは中間層の出力ｆ（Ｊ_j）であ
る。また、各式（１１），（１３）〜（１６）のｔは結
合荷重Ｖ_ji，Ｗ_kj及びオフセット量γ_j，θ_kが修正前
のものであることを示し、各式（１３）〜（１６）のｔ
＋１は結合荷重Ｖ_ji，Ｗ_kj及びオフセット量γ_j，θ_k
が修正後のものであることを示す。さらに、修正モーメ
ント法による場合、結合荷重Ｗ_kjは式（１７）で与える
ことができる。

【００７５】

【数１２】

【００７６】なお、本発明は前記実施例に限定されるも
のではなく、本発明の趣旨に基づいて種々変形すること
が可能であり、これらを本発明の範囲から排除するもの
ではない。

【図面の簡単な説明】

【図１】本発明の実施例における自動変速機の制御装置
のブロック図である。

【図２】本発明の実施例における自動変速機の制御装置
の第１のフローチャートである。

【図３】本発明の実施例における自動変速機の制御装置
の第２のフローチャートである。

【図４】本発明の実施例における状態把握ファジィ推論
手段の制御ルールを示す図である。

【図５】本発明の実施例における状態把握ファジィ推論
手段のファジィ推論方法を示す図である。

【図６】本発明の実施例におけるファジィ関数の類型を
示す図である。

【図７】本発明の実施例におけるニューラルネットワー
クの概念図である。

【図８】本発明の実施例における変速段変換手段の満足
度を示す図である。

【図９】本発明の実施例における制約評価手段の制御ル
ールを示す図である。

【図１０】本発明の実施例における制約評価手段のファ
ジィ推論方法を示す図である。

【図１１】本発明の実施例における状態評価手段の制御
ルールを示す図である。

【図１２】本発明の実施例における目的値評価手段のフ
ァジィ関数を示す図である。

【図１３】本発明の実施例において変速比を合成する方
法を示す図である。

【符号の説明】

１０状態把握ファジィ推論手段１１ニューラルネットワーク１２変速段変換手段１４変速比変換手段２０パターン記憶装置２２制約評価手段２４目的値評価手段２６状態評価手段２７バックプロパゲーション手段２８教示変速比計算手段Ｅ状態の度合いＧ変速段Ｐ_n，Ｐ_n ^G，Ｐ_n ^G-1，Ｐ_n ^G-2 学習パターンＲ，Ｒ_t ^G，Ｒ_t ^G-1，Ｒ_t ^G-2 変速比Ｔ_R，Ｔ_R ^G，Ｔ_R ^G-1，Ｔ_R ^G-2 教示変速比Ｖ_ji，Ｗ_kj 結合荷重ｘ_S 検出値Ｘ_C，Ｘ_i，Ｘ_i ^G，Ｘ_i ^G-1，Ｘ_i ^G-2 入力値

Claims

【特許請求の範囲】

【請求項１】車両の走行条件を検出するセンサと、該
センサの検出値が入力され、現在の走行状態をファジィ
推論する状態把握ファジィ推論手段と、少なくとも該状
態把握ファジィ推論手段によって出力された状態の度合
い及び前記センサの検出値が入力値として入力され、変
速比を出力するニューラルネットワークと、前記変速比
を変速段に変換する変速段変換手段と、前記変速段を現
在の変速比に変換する変速比変換手段と、現在及び過去
の入力値並びに現在及び過去の変速比に基づいて、ファ
ジィ推論によって現在及び過去の変速比を評価して教示
変速比を計算する教示変速比計算手段と、前記入力値及
び教示変速比によって構成された学習パターンを作成す
るパターン記憶装置と、前記学習パターンに基づいて前
記ニューラルネットワークの結合荷重を修正する結合荷
重修正手段とを有することを特徴とする自動変速機の制
御装置。