JPH0740763A - 制御システム及び定速走行装置 - Google Patents
制御システム及び定速走行装置Info
- Publication number
- JPH0740763A JPH0740763A JP18580793A JP18580793A JPH0740763A JP H0740763 A JPH0740763 A JP H0740763A JP 18580793 A JP18580793 A JP 18580793A JP 18580793 A JP18580793 A JP 18580793A JP H0740763 A JPH0740763 A JP H0740763A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- output
- pattern recognition
- input
- learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Controls For Constant Speed Travelling (AREA)
- Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】熟練運転者のノウハウを取り入れた制御性能の
良い定速走行装置を提供することにある。 【構成】自動車の状態から特徴的なパターンを抽出する
機構と、制御量の積和演算とその結果を非線形回路を通
すことによって特徴的なパターンの確信度を求め、各特
徴的なパターンの確信度に基づくアクチュエータの操作
量をファジィ推論により決定する機構と、パターンを抽
出する機構の各ノードの重みを変更するための学習機構
を備えた定速走行装置。 【効果】熟練運転者と同等の制御性能を得ることができ
る。
良い定速走行装置を提供することにある。 【構成】自動車の状態から特徴的なパターンを抽出する
機構と、制御量の積和演算とその結果を非線形回路を通
すことによって特徴的なパターンの確信度を求め、各特
徴的なパターンの確信度に基づくアクチュエータの操作
量をファジィ推論により決定する機構と、パターンを抽
出する機構の各ノードの重みを変更するための学習機構
を備えた定速走行装置。 【効果】熟練運転者と同等の制御性能を得ることができ
る。
Description
【０００１】
【産業上の利用分野】本発明は、エンジン出力を制御す
る定速走行装置に関する。
る定速走行装置に関する。
【０００２】
【従来の技術】従来の定速走行装置は、制御対象の動作
状態を表わす複数の出力信号を用い、制御を行っている
が、個別の出力を見て制御する方式では、制御が局所的
になってしまい、システム全体の最適性を考慮できない
という欠点があった。
状態を表わす複数の出力信号を用い、制御を行っている
が、個別の出力を見て制御する方式では、制御が局所的
になってしまい、システム全体の最適性を考慮できない
という欠点があった。
【０００３】そこで、最近は、複数の信号を用い、全体
の最適性を求める傾向がある。定速走行装置では、自動
車の走行環境が多岐にわたるため、単に速度のフィード
バックによる制御では、目標とする車速を維持する事が
困難である、という問題があった。
の最適性を求める傾向がある。定速走行装置では、自動
車の走行環境が多岐にわたるため、単に速度のフィード
バックによる制御では、目標とする車速を維持する事が
困難である、という問題があった。
【０００４】
【発明が解決しようとする課題】上記従来技術は熟練運
転者のノウハウを生かす点に配慮がされておらず、ま
た、制御によって動作点が変更され、制御余裕が無くな
っているなど制御性能に問題があった。
転者のノウハウを生かす点に配慮がされておらず、ま
た、制御によって動作点が変更され、制御余裕が無くな
っているなど制御性能に問題があった。
【０００５】本発明の目的は、熟練運転者のノウハウを
取り入れた拡張性に富む定速走行装置を提供することに
ある。
取り入れた拡張性に富む定速走行装置を提供することに
ある。
【０００６】
【課題を解決するための手段】上記目的は、熟練運転者
の勘と経験を定量化し、アクチュエータの操作量を決定
することにより達成される。
の勘と経験を定量化し、アクチュエータの操作量を決定
することにより達成される。
【０００７】
【作用】自動車の状態から特徴的なパターンを抽出し、
あいまいな操作(ファジィ制御）を行う。同様に、制御
量の積和演算とその結果を非線形回路を通すことによっ
て特徴的なパターンの確信度を求め、各特徴的なパター
ンの確信度に基づくアクチュエータの操作量をファジィ
推論により決定することで、熟練運転者と同等の制御性
能を得ることができる。
あいまいな操作(ファジィ制御）を行う。同様に、制御
量の積和演算とその結果を非線形回路を通すことによっ
て特徴的なパターンの確信度を求め、各特徴的なパター
ンの確信度に基づくアクチュエータの操作量をファジィ
推論により決定することで、熟練運転者と同等の制御性
能を得ることができる。
【０００８】
【実施例】以下、本発明の実施例を図１により説明す
る。
る。
【０００９】制御対象の定速走行装置は、車速を運転者
が設定した目標車速に自動的に追従させる装置である。
車速の調節にはスロットルアクチュエータ１を用いる。
これは電動機あるいは、エンジンの負圧を利用したアク
チュエータなどが用いられる。このアクチュエータを動
作させるために動作指令を発生させる指令発生機構３、
前記指令発生機構３に対し、自動車の走行状態が予め記
憶された複数のパターンのうちどの種類のパターンに属
するかを判断し、該パターンの確信度を出力するパター
ン認識機構４、該パターン認識機構４に対し、走行状態
を検出し、出力する走行状態検出機構５、前記走行状態
検出機構５と、指令発生機構３の出力を記憶する記憶機
構７、及び、記憶機構７の情報を用い、パターン認識機
構４のパラメータを学習により変化させる学習機構８か
ら構成される。
が設定した目標車速に自動的に追従させる装置である。
車速の調節にはスロットルアクチュエータ１を用いる。
これは電動機あるいは、エンジンの負圧を利用したアク
チュエータなどが用いられる。このアクチュエータを動
作させるために動作指令を発生させる指令発生機構３、
前記指令発生機構３に対し、自動車の走行状態が予め記
憶された複数のパターンのうちどの種類のパターンに属
するかを判断し、該パターンの確信度を出力するパター
ン認識機構４、該パターン認識機構４に対し、走行状態
を検出し、出力する走行状態検出機構５、前記走行状態
検出機構５と、指令発生機構３の出力を記憶する記憶機
構７、及び、記憶機構７の情報を用い、パターン認識機
構４のパラメータを学習により変化させる学習機構８か
ら構成される。
【００１０】センサ６は車速や車両に加わる加速度，ス
ロットル開度等の検出器から構成される。
ロットル開度等の検出器から構成される。
【００１１】図２に上記パターン認識機構４の詳細図を
示す。パターン認識機構４は、入力セル３７，３８を含
む入力層５１と、該入力層５１に接続されセル４０，４
１を含む中間層３９と、該中間層３９に順次直列に接続
された中間層４７，４９及び出力層５０とを含んでい
る。セル４０は重み関数４３，４６，加算器４４及び関
数器４５を含んでおり、セル４１は重み関数４８，加算
器４９、及び関数器５０を含んでなっている。形状検出
機構３４及び記憶機構３５の出力は、前記パターン認識
機構３３の入力セル３７，３８に入力され、該入力セル
３７，３８では入力された信号が関数値で変換され中間
層３９へ出力され、中間層３９へ入力された該入力セル
３７，３８の出力は中間層３９のセル４０，４１へ入力
される。入力セル３７の出力でセル４０に入力された信
号は重み関数４３で、ω１１倍され加算器４４に入力さ
れるとともに、入力セル３８の出力は重み関数４６を介
し、加算器４４に入力される。加算器４４は上記重み関
数４３，４６の出力を加算し、関数器４５へ出力する。
関数器４５は、入力された信号に対して線形又は非線形
の関数演算を行い、次段の中間層４７に出力する。
示す。パターン認識機構４は、入力セル３７，３８を含
む入力層５１と、該入力層５１に接続されセル４０，４
１を含む中間層３９と、該中間層３９に順次直列に接続
された中間層４７，４９及び出力層５０とを含んでい
る。セル４０は重み関数４３，４６，加算器４４及び関
数器４５を含んでおり、セル４１は重み関数４８，加算
器４９、及び関数器５０を含んでなっている。形状検出
機構３４及び記憶機構３５の出力は、前記パターン認識
機構３３の入力セル３７，３８に入力され、該入力セル
３７，３８では入力された信号が関数値で変換され中間
層３９へ出力され、中間層３９へ入力された該入力セル
３７，３８の出力は中間層３９のセル４０，４１へ入力
される。入力セル３７の出力でセル４０に入力された信
号は重み関数４３で、ω１１倍され加算器４４に入力さ
れるとともに、入力セル３８の出力は重み関数４６を介
し、加算器４４に入力される。加算器４４は上記重み関
数４３，４６の出力を加算し、関数器４５へ出力する。
関数器４５は、入力された信号に対して線形又は非線形
の関数演算を行い、次段の中間層４７に出力する。
【００１２】同様に、セル４１は入力セル３７，３８の
出力が入力され、入力層３７の出力は重み関数４８でω
12倍化され加算器４９，関数器５０を介し次段の中間層
４７へ出力される。
出力が入力され、入力層３７の出力は重み関数４８でω
12倍化され加算器４９，関数器５０を介し次段の中間層
４７へ出力される。
【００１３】中間層４７は、中間層３９と同一の構造で
あり、入力層３７，３８の出力の代りに中間層３９の出
力が用いられるものである。
あり、入力層３７，３８の出力の代りに中間層３９の出
力が用いられるものである。
【００１４】ここで、重み関数４３，４６，４８の重み
をωijで表わすと、ωはｋ番目の中間層のｉ番目のセル
に於て、ｋ−１番目の中間層（但し、ｋ＝１の時だけは
入力セル）のｊ番目の出力に掛ける重みを示す。
をωijで表わすと、ωはｋ番目の中間層のｉ番目のセル
に於て、ｋ−１番目の中間層（但し、ｋ＝１の時だけは
入力セル）のｊ番目の出力に掛ける重みを示す。
【００１５】以上のようにパターン認識機構４に入力さ
れた信号は、入力セル３７，３８，複数段の中間層３
９，４７，４９を介し、中間層セルから重み関数と加算
器を取り除いた形式の出力層５０を介し、出力される。
なお、入力層５１は入力セル３７，３８を全て纏めたも
のを表わす。
れた信号は、入力セル３７，３８，複数段の中間層３
９，４７，４９を介し、中間層セルから重み関数と加算
器を取り除いた形式の出力層５０を介し、出力される。
なお、入力層５１は入力セル３７，３８を全て纏めたも
のを表わす。
【００１６】このパターン認識機構３３の特徴は、単純
な積和演算ですみ、フィードバック等の繰り返し演算が
無いこと、及び、中間層の各積和項はハードウエアで実
現する場合、並列に処理ができるため、高速演算が可能
であることである。
な積和演算ですみ、フィードバック等の繰り返し演算が
無いこと、及び、中間層の各積和項はハードウエアで実
現する場合、並列に処理ができるため、高速演算が可能
であることである。
【００１７】このパターン認識機構の出力層５０の次に
予め各出力パターンに応じてアクチュエータに対する指
令値を記憶させておき、最も出力パターンに近い指令値
を直接アクチュエータに指示することも可能である。こ
の方式では応答性は良いが後述の方式に比べて制御の精
度は若干悪くなる。
予め各出力パターンに応じてアクチュエータに対する指
令値を記憶させておき、最も出力パターンに近い指令値
を直接アクチュエータに指示することも可能である。こ
の方式では応答性は良いが後述の方式に比べて制御の精
度は若干悪くなる。
【００１８】次にパターン認識機構４の処理結果は図３
に示す指令発生機構３を経てスロットルアクチュエータ
に印加される。すなわち、パターン認識機構３３の出力
は指令発生機構３に設けられている操作量決定手段５２
に入力される。操作量決定手段５２では、内部に準備さ
れたファジィ推論を実行し操作量を出力する。前記操作
量決定手段の結果を用い、指令値計算手段は具体的なア
クチュエータの指令値であるスロットル操作量を発生す
る。なお、この指令発生機構３には、パターン認識機構
４を介さずに、走行状態検出機構５の出力を直接入力し
て、前記内部に準備されたファジィ推論機構で処理する
ことも可能である。しかしこの場合、専門のオペレータ
の操作方法を十分反映するには、大量の知識ベースを充
実する必要がある。
に示す指令発生機構３を経てスロットルアクチュエータ
に印加される。すなわち、パターン認識機構３３の出力
は指令発生機構３に設けられている操作量決定手段５２
に入力される。操作量決定手段５２では、内部に準備さ
れたファジィ推論を実行し操作量を出力する。前記操作
量決定手段の結果を用い、指令値計算手段は具体的なア
クチュエータの指令値であるスロットル操作量を発生す
る。なお、この指令発生機構３には、パターン認識機構
４を介さずに、走行状態検出機構５の出力を直接入力し
て、前記内部に準備されたファジィ推論機構で処理する
ことも可能である。しかしこの場合、専門のオペレータ
の操作方法を十分反映するには、大量の知識ベースを充
実する必要がある。
【００１９】図４に学習機構８の構成を示す。学習機構
８は、入力パターン発生機構６５，出力パターン発生機
構６７，出力突合せ機構６６、及び、学習制御機構６８
から構成される。前記出力突合せ機構６６は、出力層５
０の出力を指令発生機構３２と前記突合せ機構６６へ出
力するための分配器１３９の出力ｏi，ｏj，ｏn と、出
力パターン発生機構６７の出力ｏTi,ｏTj,ｏTnとの差を
加算器１６１，１６２，１６３により、偏差ｅi，ｅj，
ｅn として求め、学習制御機構６８に出力する。なお分
配器１３９の出力ｏi，ｏj，ｏn は入力パターン発生機
構６５の出力がパターン認識機構４（ルメルハート(Rum
elhart）型ニューロコンピュータ）の入力層５１に入力
されることにより発生する。このとき、該入力パターン
発生機構６５と該出力パターン発生機構６７は前記学習
制御機構６８に制御される。
８は、入力パターン発生機構６５，出力パターン発生機
構６７，出力突合せ機構６６、及び、学習制御機構６８
から構成される。前記出力突合せ機構６６は、出力層５
０の出力を指令発生機構３２と前記突合せ機構６６へ出
力するための分配器１３９の出力ｏi，ｏj，ｏn と、出
力パターン発生機構６７の出力ｏTi,ｏTj,ｏTnとの差を
加算器１６１，１６２，１６３により、偏差ｅi，ｅj，
ｅn として求め、学習制御機構６８に出力する。なお分
配器１３９の出力ｏi，ｏj，ｏn は入力パターン発生機
構６５の出力がパターン認識機構４（ルメルハート(Rum
elhart）型ニューロコンピュータ）の入力層５１に入力
されることにより発生する。このとき、該入力パターン
発生機構６５と該出力パターン発生機構６７は前記学習
制御機構６８に制御される。
【００２０】図５に前記学習過程における荷重関数ω11
４３と学習制御機構６８の関係を示す。前記加算器１６
１の出力である偏差ｅi を受けて、学習制御機構６８は
パターン認識機構４を構成するセル４０の荷重関数ω11
４３の値を、前記偏差が減少する方向に変化させる。
４３と学習制御機構６８の関係を示す。前記加算器１６
１の出力である偏差ｅi を受けて、学習制御機構６８は
パターン認識機構４を構成するセル４０の荷重関数ω11
４３の値を、前記偏差が減少する方向に変化させる。
【００２１】図６に前記学習制御機構６８の処理概要１
７０を示す。学習機構３６が起動されると、学習制御機
構６８の処理１７０が起動される。該処理１７０は、前
記入力パターン発生機構６５，出力パターン発生機構６
７を起動し、教師信号である入力と、希望出力を発生す
る前処理１７１，前記偏差ｅi の値、又は、前記偏差自
乗和が許容範囲以内になるまで以下のステップ１７３，
１７４，１７５を繰り返すステップ１７２，出力層５０
に近い中間層から入力層５１に向けて注目する中間層を
順次抽出するステップ１７３、該中間層において順次注
目するセルを抽出するステップ１７４、及び偏差ｅi が
小さくなる方向へ抽出したセルの荷重関数ω11４３を変
化させるステップ１７５、および、学習過程を終了させ
るためのステップ１７６から構成される。
７０を示す。学習機構３６が起動されると、学習制御機
構６８の処理１７０が起動される。該処理１７０は、前
記入力パターン発生機構６５，出力パターン発生機構６
７を起動し、教師信号である入力と、希望出力を発生す
る前処理１７１，前記偏差ｅi の値、又は、前記偏差自
乗和が許容範囲以内になるまで以下のステップ１７３，
１７４，１７５を繰り返すステップ１７２，出力層５０
に近い中間層から入力層５１に向けて注目する中間層を
順次抽出するステップ１７３、該中間層において順次注
目するセルを抽出するステップ１７４、及び偏差ｅi が
小さくなる方向へ抽出したセルの荷重関数ω11４３を変
化させるステップ１７５、および、学習過程を終了させ
るためのステップ１７６から構成される。
【００２２】このような学習機構を設ける事により、そ
れ迄考慮されなかった新しい現象が発生し、それに対す
る対応策が決定したならば、その知見を反映できる特徴
が有る。
れ迄考慮されなかった新しい現象が発生し、それに対す
る対応策が決定したならば、その知見を反映できる特徴
が有る。
【００２３】図７は、図１の記憶機構７の構成を示す。
記憶機構７は、指令発生機構３，走行状態検出機構５の
出力が入力されるメモリ要素６９，メモリ要素６９の内
容が一定時間経過後に転送されるメモリ要素７０、及び
順次メモリ要素にデータが転送され特定時間経過後に到
達するメモリ要素７１から構成され、各メモリ要素６
９，７０，７１の内容はパターンの微分や積分を行うた
めの演算機構５１０を介し、パターン認識機構４，学習
機構８へ入力される。
記憶機構７は、指令発生機構３，走行状態検出機構５の
出力が入力されるメモリ要素６９，メモリ要素６９の内
容が一定時間経過後に転送されるメモリ要素７０、及び
順次メモリ要素にデータが転送され特定時間経過後に到
達するメモリ要素７１から構成され、各メモリ要素６
９，７０，７１の内容はパターンの微分や積分を行うた
めの演算機構５１０を介し、パターン認識機構４，学習
機構８へ入力される。
【００２４】この記憶機構７により、走行状態検出機構
５や、指令発生機構３の時間的変化を考慮できる。例え
ば微分，積分等の動作が行えるようになる。
５や、指令発生機構３の時間的変化を考慮できる。例え
ば微分，積分等の動作が行えるようになる。
【００２５】以上説明した構成の制御方法の動作を具体
例を用いて以下に述べる。
例を用いて以下に述べる。
【００２６】パターン認識機構４を構成するニューロコ
ンピュータの中間層３９，４７，４９の荷重関数ωij４
８の値の初期値は当初、乱数又は適当な値、例えば荷重
関数が取り得る値（０〜１.０とすると）の半分（０.
５）に設定する。この時に、例えば、図８に示す入力パ
ターン発生機構６５が生成した登坂路状態パターンを入
力しても、出力層５０の出力において登坂路であるとい
う出力信号線９０の出力は１にならず、又、出力層５０
の出力線９１の出力である登坂路である確率は零になら
ない。
ンピュータの中間層３９，４７，４９の荷重関数ωij４
８の値の初期値は当初、乱数又は適当な値、例えば荷重
関数が取り得る値（０〜１.０とすると）の半分（０.
５）に設定する。この時に、例えば、図８に示す入力パ
ターン発生機構６５が生成した登坂路状態パターンを入
力しても、出力層５０の出力において登坂路であるとい
う出力信号線９０の出力は１にならず、又、出力層５０
の出力線９１の出力である登坂路である確率は零になら
ない。
【００２７】そこで出力層５０の出力線９０に対応する
学習機構８の出力パターン発生機構６７の出力線９２は
１を、出力線９１に対応する出力パターン発生機構６７
の出力線９３の出力を零に出力する。これらの出力を受
けて、出力突合せ機構６６は理想的な出力（出力パター
ン発生機構６７の出力）と、パターン認識機構４の出力
の偏差を受け学習制御機構６８は、パターン認識機構４
の荷重関数ωの大きさを該偏差が減少する方向に、該偏
差の大きさに比例して変更させる。このアルゴリズムの
代表例として早急傾斜法がある。
学習機構８の出力パターン発生機構６７の出力線９２は
１を、出力線９１に対応する出力パターン発生機構６７
の出力線９３の出力を零に出力する。これらの出力を受
けて、出力突合せ機構６６は理想的な出力（出力パター
ン発生機構６７の出力）と、パターン認識機構４の出力
の偏差を受け学習制御機構６８は、パターン認識機構４
の荷重関数ωの大きさを該偏差が減少する方向に、該偏
差の大きさに比例して変更させる。このアルゴリズムの
代表例として早急傾斜法がある。
【００２８】図６の処理に従って、順次荷重関数の重み
を変更し、図５のｅk の自乗和が許容範囲内に収まる
と、学習機構３６の動作が終了する。
を変更し、図５のｅk の自乗和が許容範囲内に収まる
と、学習機構３６の動作が終了する。
【００２９】学習終了後、図８の入力パターン発生機構
６５の出力パターンと同じ波形が図１の走行状態検出機
構５から入力されると、パターン認識機構４は、出力層
５０の出力線９０から１を出力し、出力層５０の出力線
９１から零を出力する。
６５の出力パターンと同じ波形が図１の走行状態検出機
構５から入力されると、パターン認識機構４は、出力層
５０の出力線９０から１を出力し、出力層５０の出力線
９１から零を出力する。
【００３０】次に、登坂路の波形が入力され、しかも、
学習が終了していない場合、パターン認識機構４の登坂
路を表現する出力線９１の出力が１で、その他の出力９
０が零になるパターンにならない。そこで前述のよう
に、典型的な登坂路のパターンを入力信号として、出力
パターン発生機構６７の出力は、前記出力線９１，９０
の出力に対応する値を夫々１，０なるようにする学習機
構４は、該荷重関数ωを変化させ、学習が完了した時
に、前記パターン認識機構４に、登坂路のパターンが入
力されると、図８の前記出力層５０の出力線９１は１
に、出力線９０は零になる。
学習が終了していない場合、パターン認識機構４の登坂
路を表現する出力線９１の出力が１で、その他の出力９
０が零になるパターンにならない。そこで前述のよう
に、典型的な登坂路のパターンを入力信号として、出力
パターン発生機構６７の出力は、前記出力線９１，９０
の出力に対応する値を夫々１，０なるようにする学習機
構４は、該荷重関数ωを変化させ、学習が完了した時
に、前記パターン認識機構４に、登坂路のパターンが入
力されると、図８の前記出力層５０の出力線９１は１
に、出力線９０は零になる。
【００３１】その結果、登坂路の波形がパターン認識機
構４に入力され、その出力は、出力層５０から前述のよ
うに予め入力された登坂路型の波形であることを示す出
力線９１によりその波形に類似している度合を確信度４
０％として出力されると同時に、降坂路型の波形である
ことを示す出力線９０から確信度５０％として出力され
る。
構４に入力され、その出力は、出力層５０から前述のよ
うに予め入力された登坂路型の波形であることを示す出
力線９１によりその波形に類似している度合を確信度４
０％として出力されると同時に、降坂路型の波形である
ことを示す出力線９０から確信度５０％として出力され
る。
【００３２】図９にファジィルールの一例を示す。
【００３３】前記パターン認識機構４で登坂路型５０％
の確信度として出力を得ると、ルールの前提部と照合
し、登坂路型ルール１８０と一致する。その結果、スロ
ットルを開く(程度はSmall）ルール１８１が得られる。
一方降坂路型の確信度４０％で、前提部１８２と一致
し、その結果、スロットルを閉じる(程度大)が得られ
る。その結果、図１０に示すように指令発生機構３は、
前記ルールとの照合の結果、スロットルの操作量は登坂
路型の確信度５０％なのでＢの斜線部の面積で表され
る。一方、降坂路型の確信度が４０％でＳである確信度
４０％なので、図１０のＳの斜線部の面積となる。次に
上記指令発生機構３は斜線部の重心ＡとＢを合成した重
心Ｃの値である５５％がスロットル操作量になる。
の確信度として出力を得ると、ルールの前提部と照合
し、登坂路型ルール１８０と一致する。その結果、スロ
ットルを開く(程度はSmall）ルール１８１が得られる。
一方降坂路型の確信度４０％で、前提部１８２と一致
し、その結果、スロットルを閉じる(程度大)が得られ
る。その結果、図１０に示すように指令発生機構３は、
前記ルールとの照合の結果、スロットルの操作量は登坂
路型の確信度５０％なのでＢの斜線部の面積で表され
る。一方、降坂路型の確信度が４０％でＳである確信度
４０％なので、図１０のＳの斜線部の面積となる。次に
上記指令発生機構３は斜線部の重心ＡとＢを合成した重
心Ｃの値である５５％がスロットル操作量になる。
【００３４】
【発明の効果】本発明によれば、定性的な知識が定量化
され、この定量化された情報によってアクチュエータが
操作され、また、制御によって移動した動作点が求めら
れ、該動作点に基づいて制御が行われるので、従来、自
動制御システムに導入するのが困難だった定性的な知識
が自動制御に導入され、多様な制御対象を充分な制御余
裕をもって制御することが可能となった。
され、この定量化された情報によってアクチュエータが
操作され、また、制御によって移動した動作点が求めら
れ、該動作点に基づいて制御が行われるので、従来、自
動制御システムに導入するのが困難だった定性的な知識
が自動制御に導入され、多様な制御対象を充分な制御余
裕をもって制御することが可能となった。
【図１】本発明の実施例の構成図である。
【図２】パターン検出機構の詳細図である。
【図３】指令発生機構の詳細図である。
【図４】学習機構の構成図である。
【図５】学習方法を示す図である。
【図６】学習制御機構の処理概要を示す図である。
【図７】記憶機構の構成図である。
【図８】学習制御方法を示す図である。
【図９】ファジィルールを示す図である。
【図１０】操作量の算出方法を示す図である。
１…アクチュエータ、３…指令発生機構、４…パターン
認識機構、５…走行状態検出装置、６…センサ、７…記
憶機構、８…学習機構。
認識機構、５…走行状態検出装置、６…センサ、７…記
憶機構、８…学習機構。
フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０５Ｂ 13/02 Ｌ 9131−3Ｈ Ｎ 9131−3Ｈ
Claims (5)
- 【請求項１】複数の検出器の検出信号と、前記検出器の
出力信号に応じて制御を実行するエンジン出力調節機構
を備えた自動車において、前記複数の検出信号の組合せ
をパターンとして認識し、前記信号の組合せパターンを
予め記憶する機能と、予め記憶されたパターンと新規入
力パターンを比較する機能，比較結果をパターンの類似
度として出力するパターン認識機構と、前記パターンの
類似度をファジィ推論により各アクチュエータの操作量
に変換し、前記操作量を前記各アクチュエータの指令値
に変換する指令発生機構とを備えたことを特徴とする制
御システム。 - 【請求項２】請求項１において、前記パターン認識機構
にニューロコンピュータを用いたことを特徴とする定速
走行装置。 - 【請求項３】請求項１において、前記パターン認識機構
に入力パターンを印加し、前記パターン認識機構が理想
出力となるように予め前記パターン認識機構の各ノード
の重みを変更するための学習機構を備えたことを特徴と
する定速走行装置。 - 【請求項４】請求項１において、前記学習機構はパター
ン認識機構の入力層に入力する入力パターン発生機構，
前記パターン認識機構の理想出力を発生する出力パター
ン発生機構，前記パターン認識機構の出力パターンと、
前記出力パターン発生機構の偏差を求める比較機構，前
記比較結果に基づき、パターン発生機構内のノードの重
みを変更する指令、及び前記入力パターン発生機構，出
力パターン発生機構の動作指令を発生する学習制御機構
で構成されることを特徴とする定速走行装置。 - 【請求項５】請求項１において、前記複数の検出器の検
出信号を時系列的に記憶する記憶機構を備え前記検出器
の検出信号と並列に前記記憶機構の出力を前記パターン
認識機構に入力する構成としたことを特徴とする定速走
行装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18580793A JPH0740763A (ja) | 1993-07-28 | 1993-07-28 | 制御システム及び定速走行装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18580793A JPH0740763A (ja) | 1993-07-28 | 1993-07-28 | 制御システム及び定速走行装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0740763A true JPH0740763A (ja) | 1995-02-10 |
Family
ID=16177237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP18580793A Pending JPH0740763A (ja) | 1993-07-28 | 1993-07-28 | 制御システム及び定速走行装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0740763A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9242652B2 (en) | 2013-06-12 | 2016-01-26 | Kia Motors Corporation | Apparatus and method for determining short-term driving tendency of driver |
-
1993
- 1993-07-28 JP JP18580793A patent/JPH0740763A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9242652B2 (en) | 2013-06-12 | 2016-01-26 | Kia Motors Corporation | Apparatus and method for determining short-term driving tendency of driver |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pasquier et al. | Fuzzylot: a novel self-organising fuzzy-neural rule-based pilot system for automated vehicles | |
| KR100420442B1 (ko) | 자동변속기의변속비변화결정시스템 | |
| CN111731274B (zh) | 泊车扭矩的确定方法、装置、设备和介质 | |
| JPH0221058A (ja) | 車両の変速制御装置 | |
| JPH0698903B2 (ja) | 車両走行制御装置 | |
| Tsai et al. | Robust fuzzy model-following control of robot manipulators | |
| US5491775A (en) | Microcontroller fuzzy logic processing module using selectable membership function shapes | |
| US5131074A (en) | Knowledge compilation/pattern reasoning system | |
| Ribeiro | A tutorial on reinforcement learning techniques | |
| Zhu et al. | Vision-based control in the open racing car simulator with deep and reinforcement learning | |
| JPH0471933A (ja) | 車両用走行制御装置 | |
| JPH0740763A (ja) | 制御システム及び定速走行装置 | |
| CN116503029A (zh) | 用于自动驾驶的模块数据协同处理方法及系统 | |
| Kruse et al. | Learning methods for fuzzy systems | |
| JPH0635706A (ja) | ファジィ推論システムおよび方法，ならびにパターン入力型メンバーシップ値生成装置および方法 | |
| US5625754A (en) | Method of evaluating a set of linguistic rules | |
| Isik et al. | Decision making at a level of a hierarchical control for unmanned robot | |
| JP2958978B2 (ja) | 学習制御方法 | |
| CN111930117B (zh) | 一种基于转向的横向控制方法、装置、设备和存储介质 | |
| JPH1078803A (ja) | ファジィコントローラまたは結合されたファジィコントローラの系を設計または適応させる方法 | |
| Ohlsson-Öhman | Identifying operator usage of wheel loaders utilizing pattern recognition techniques | |
| Schierwagen | Vision as computation, or: Does a computer vision system really assign meaning to images? | |
| Halgamuge et al. | Application of fuzzy, neural and hybrid methods to an autonomously driven vehicle | |
| US20220327354A1 (en) | Rapid, energy-saving, iterative operation of artificial neural networks | |
| Godjevac et al. | Fuzzy systems and neural networks |