JPH08172809A - 作業用走行車の制御装置 - Google Patents

Abstract

(57)【要約】 【目的】 自動制御の安定度情報をリアルタイムに取得
することを可能にするうえに、取得した安定度情報に基
づいて安定度表示、不感帯調整、作動速度調整等を行う
ことにより、自動制御の安定度や精度の向上を計る。 【構成】 耕深センサ１５、エンジン回転センサ３３、
ローリングセンサ３１等のセンサ値に基づいて作業部姿
勢を自動制御するにあたり、各センサ値の経時的な変化
を記憶すると共に、該記憶データを階層型ニューラルネ
ットワークの入力データとして自動制御の安定度を演算
し、演算した安定度を自動制御の状態表示情報、自動制
御のフィードバック情報等に利用する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、トラクタ、田植機、コ
ンバイン等の作業用走行車の制御装置に関するものであ
る。

【０００２】

【従来技術及び発明が解決しようとする課題】一般に、
この種作業用走行車のなかには、走行機体に姿勢変化自
在に装着される作業部と、該作業部を強制的に姿勢変化
せしめるアクチュエータと、目標とする作業部姿勢（対
地高さ姿勢、傾斜姿勢等）もしくは作業負荷（エンジン
負荷等）を設定する設定器と、実際の作業部姿勢もしく
は作業負荷を検出する検出センサと、該検出センサの検
出値が設定器の設定値に合致するように前記アクチュエ
ータを自動制御（耕深自動制御、傾斜自動制御、負荷自
動制御等）する制御部とを備えるものがある。しかる
に、前記検出値の変動具合は、圃場における凹凸の大小
や耕土の硬軟に応じて変化するため、検出センサの検出
値に基づいて行われる自動制御の安定度も作業状況に応
じて変化することになり、特に、検出値の変動具合が大
きい場合には、オーバーシュート（目標位置を越えるア
クチュエータ駆動）を繰り返す所謂ハンチングが発生し
て安定した作業を行い難いのが実状であった。そこで、
一般的な作業用走行車では、自動制御の感度調整（不感
帯幅調整、アクチュエータ速度調整等）を可能にすべく
感度調整操作具を設けているが、自動制御の安定度を具
体的に判断する手段が無いため、状況に適合する制御感
度を選択することが難しく、その結果、必要以上に鋭い
感度を選択して前述のハンチングを発生させたり、必要
以上に鈍い感度を選択して作業精度を低下させる等の不
都合があった。

【０００３】

【課題を解決するための手段】本発明は、上記の如き実
情に鑑みこれらの課題を一掃することができる作業用走
行車の制御装置を提供することを目的として創案された
ものであって、走行機体に姿勢変化自在に装着される作
業部と、該作業部を強制的に姿勢変化せしめるアクチュ
エータと、目標とする作業部姿勢もしくは作業負荷を設
定する設定器と、実際の作業部姿勢もしくは作業負荷を
検出する検出センサと、該検出センサの検出値が設定器
の設定値に合致するように前記アクチュエータを自動制
御する制御部とを備えてなる作業用走行車において、前
記制御部に、検出センサの検出値変化を経時的に記憶す
る検出値変化記憶手段と、記憶した検出値変化から自動
制御の安定度判定情報を生成すべくニューラルネットワ
ークによる演算を行うニューロ演算手段とを設けたこと
を特徴とするものである。そして本発明は、この構成に
よって、自動制御の安定度情報をリアルタイムに取得す
ることを可能にするうえに、取得した安定度情報に基づ
いて安定度表示、不感帯調整、作動速度調整等を行うこ
とにより、自動制御の安定度や精度の向上を計ることが
できるようにしたものである。

【０００４】

【実施例】次に、本発明の一実施例を図面に基づいて説
明する。図面において、１はトラクタの走行機体であっ
て、該走行機体１には、走行動力、ＰＴＯ動力、油圧動
力等を発生するエンジン２、エンジン動力の変速および
分配を行うトランスミッション３、運転席４、操作パネ
ル５、表示パネル６および各種の操作具が設けられる操
作部７等で構成されているが、前記トランスミッション
３に設けられる走行変速機構（図示せず）には、アクチ
ュエータ駆動に基づいて無人で変速操作を行うことので
きる無人変速機構８が連繋されている。

【０００５】９は前記走行機体１の後部に昇降リンク機
構１０を介して昇降自在に連結されるロータリ耕耘式の
作業部であって、該作業部９は、リフトシリンダ１１の
伸縮に伴うリフトアーム１２の上下揺動に基づいて昇降
する一方、リフトアーム１２とロアリンク１０ａとの間
に介設されるリフトロッドシリンダ１３の伸縮に基づい
て左右傾斜するようになっている。

【０００６】１４は前記作業部９の後部に上下揺動自在
に設けられるリヤカバーであって、該リヤカバー１４
は、耕耘盛土に弾圧状に接地する均平板として機能する
が、リヤカバー１４の基端部には、リヤカバー１４の上
下揺動角に基づいて耕深（耕耘深さ）を検出するアナロ
グ式の耕深センサ（ポテンショメータ）１５が連繋さ
れ、該耕深センサ１５の検知信号を所定のインターフェ
ース回路（Ａ／Ｄ変換回路）を介して後述する制御部１
６に入力するようになっている。尚、１７は後述する耕
深・負荷設定ボリューム１８の耕深設定操作等に連動し
てリヤカバー１４の長さを調整するリヤカバーシリンダ
（電動シリンダ）である。

【０００７】一方、前記操作パネル５には、作業部９を
昇降操作するためのポジションレバー１９、作業部９を
ワンタッチ操作で昇降させるための昇降操作スイッチ２
０、後述する耕深自動制御の目標耕深設定器および負荷
自動制御の目標負荷設定器に兼用される耕深・負荷設定
ボリューム１８、後述する傾斜自動制御をＯＮ−ＯＦＦ
するための傾斜自動スイッチ２１、耕深自動制御および
負荷自動制御をＯＮ−ＯＦＦするための耕深・負荷自動
スイッチ２２、耕深自動制御と負荷自動制御との手動切
換状態および自動切換状態を選択可能な制御切換スイッ
チ２３、傾斜自動制御の目標傾斜を設定するための傾斜
設定ボリューム２４、作業部９の種類等に応じて制御モ
ードを切換えるためのモード切換スイッチ２５、耕深自
動制御等の感度調整を行うための感度調整スイッチ２
６、リフトアーム１２を手動操作するためのリフトアー
ム手動スイッチ２７等が配設されている。

【０００８】また、前記制御部１６は、所謂マイクロコ
ンピュータを用いて構成されるものであるが、このもの
は、リヤカバー１４の揺動角に基づいて耕深を検出する
前述の耕深センサ１５、リヤカバーシリンダ１７のシリ
ンダ長を検出するリヤカバー長センサ２８、リフトアー
ム１２の上下揺動角を検出するアーム角センサ２９、リ
フトロッドシリンダ１３のロッド長を検知するロッド長
センサ３０、走行機体１（もしくは作業部９）の左右傾
斜を検出するローリングセンサ３１、走行機体１の前後
傾斜を検出するピッチングセンサ３２、エンジン回転数
を検出するエンジン回転センサ３３、走行機体１の走行
速度を検出する車速センサ３４、ポジションレバー１９
のレバー角を検出するレバー角センサ３５等のセンサ類
や前述した操作具類１８〜２７から信号を入力し、これ
らの入力信号に基づく判断で、前述した無人変速機構
８、リヤカバーシリンダ１７、リフトシリンダ用油圧バ
ルブに設けられる伸長用、縮小用ソレノイド３６、３
７、リフトロッドシリンダ用油圧バルブに設けられる伸
長用、縮小用ソレノイド３８、３９、自動制御の安定度
を表示する安定度表示モニタ４０、枕地判定結果を表示
する枕地判定表示モニタ４１等に対して作動指令を出力
するようになっている。

【０００９】即ち、制御部１６が備えるメモリ（ＲＯ
Ｍ）には、アーム角センサ２９の検出値がレバー角セン
サ３５の検出値に合致するよう自動的にリフトシリンダ
１１を伸縮制御するポジション制御（対機高さ制御）、
耕深センサ１５の検出値が耕深・負荷設定ボリューム１
８で設定される設定耕深値に合致するよう自動的にリフ
トシリンダ１１を伸縮制御する耕深自動制御（対地高さ
制御）、エンジン回転センサ３３の検出値に基づいて演
算される作業負荷が耕深・負荷設定ボリューム１８で設
定される設定負荷に合致するよう自動的にリフトシリン
ダ１１を伸縮制御する負荷自動制御、走行機体１のロー
リングに拘わらず作業部９が傾斜設定ボリューム２４の
設定傾斜を維持するよう自動的にリフトロッドシリンダ
１３を伸縮制御する傾斜自動制御等の既存の制御ルーチ
ンが予め書き込まれているが、さらに本実施例では、各
自動制御の実行状態を切換えるメインルーチン、枕地を
判定する枕地判定制御、各自動制御の安定度を判定する
安定度判定制御、各自動制御の作動速度を調整する作動
速度調整制御等の制御ルーチンが追加されており、以
下、追加された制御ルーチンをフローチャートに基づい
て詳述する。

【００１０】さて、前記メインルーチンでは、起動時に
初期設定を行った後、ポジションレバー１９および耕深
・負荷自動スイッチ２２の操作位置を判断する。ここ
で、ポジションレバー１９が下限位置で、かつ耕深・負
荷自動スイッチ２２がＯＮであると判断した場合には、
耕深自動制御や負荷自動制御の前準備として枕地判定制
御を実行するが、それ以外の判断をした場合には、耕深
自動制御や負荷自動制御の制御ルーチンを通ることなく
前述したポジション制御を実行するようになっている。

【００１１】前記枕地判定制御は、図１０に示す様に、
１１個の入力ユニットと、３個の中間ユニットと、１個
の出力ユニットとを階層状に結合した階層型ニューラル
ネットワークを構成している。そして、各ユニットは、
図１１に示す如く、多入力１出力（入力ユニットは１入
力１出力）であり、複数の前段ユニットからの信号（演
算結果）Ｏｉをそれぞれ結合荷重Ｗｉを通してユニット
内に取り込むと共に、取り込んだ値（Ｏｉ×Ｗｉ）の総
和ｘ（ｘ＝ΣＯｉ×Ｗｉ）を演算し、さらに、総和ｘか
ら所定のしきい値Ｈを引いた後、これをジグモイド関数
｛１／（１＋ｅ^-x）｝等の関数を用いて変形してユニッ
トの出力ｙとする。つまり、階層型ニューラルネットワ
ークは、与えられた複数の入力値に対し、入力ユニッ
ト、中間ユニット、出力ユニットの順で演算を行い、出
力ユニットから単一の演算結果を出力するものである
が、本実施例の階層型ニューラルネットワークでは、図
１３に示す如く、凹凸が小さい圃場を耕耘した場合にお
ける耕深センサ１５の出力波形（所定時間毎にサンプリ
ングした経時的データ）を第一入力教師、凹凸が中程度
の圃場を耕耘した場合における耕深センサ１５の出力波
形を第二入力教師、凹凸が大きい枕地を耕耘した場合に
おける耕深センサ１５の出力波形を第三入力教師とする
一方、第一〜第三入力教師に対応する出力教師をそれぞ
れ０、０、１（平耕、平耕、枕地）として、所謂逆誤差
伝播法（バックプロパゲーション法、ＰＢ法）に基づい
て学習した結合荷重Ｗｉを各ユニットに設定している。
従って、所定時間毎にサンプリングした耕深センサ１５
の検出値変化に基づいて階層型ニューラルネットワーク
による演算を行うと、旋回に伴う車輪跡や作業部昇降に
伴う凹凸が存在する枕地耕耘では、大きい枕地判定値
（０．８〜１．０程度）を出力する一方、比較的平坦な
圃場中央部の耕耘（平耕）では、小さい枕地判定値（０
〜０．８）を出力するようになっている。因みに、前記
逆誤差伝播法とは、出力ユニットの出力値と出力教師値
との誤差が最小となるように各ユニットの結合荷重Ｗｉ
を逆伝播で補正する教師付き学習方法であり、ｉ番目ユ
ニットの結合荷重修正量ΔＷｉは、下記の式で求められ
る。 ΔＷｉ＝−ε・（∂Ｅ／∂ｘ）・Ｏｉ 但し、εは学習係数、（∂Ｅ／∂ｘ）は各ユニットの誤
差である。

【００１２】上記の前提を踏まえて枕地判定制御を具体
的に説明すると、該制御では、まず、カウント変数ｉに
初期値「１」をセットした後、所定時間毎にサンプリン
グした耕深センサ１５の検出値のうち、ｉ番目の検出値
をｉ番目の入力ユニットに結合強度Ｗｉを介して取り込
むステップと、取り込んだ値からしきい値Ｈｉを引くス
テップと、その値をジグモイド関数で出力値に変換する
ステップとで構成される入力ユニットの演算を、カウン
ト変数ｉをインクリメントしながら１１回繰返して入力
層の演算を終了する。次に、各入力ユニットの出力値Ｏ
ｎを結合強度Ｗｎを介して順次取り込むステップと、取
り込んだ値の総和を求めるステップと、総和からしきい
値Ｈｉを引くステップと、その値をジグモイド関数で出
力値に変換するステップとで構成される中間ユニットの
演算を、カウント変数ｉをインクリメントしながら３回
繰返して中間層の演算を終了する。続いて、各中間ユニ
ットの出力値Ｏｍを結合強度Ｗｍを介して順次取り込む
ステップと、取り込んだ値の総和を求めるステップと、
総和からしきい値Ｈｉを引くステップと、その値をジグ
モイド関数で出力値に変換するステップとで構成される
出力ユニットの演算を行う。そして、出力ユニットの出
力値が大きい値（０．８〜１．０）である場合には枕地
であると判定し、出力値が小さい値（０〜０．８）であ
る場合には平耕であると判定するようになっている。
尚、本実施例では、耕深センサ１５の検出値に基づいて
枕地を判定しているが、旋回に伴う車輪跡や作業部の昇
降に伴う凹凸が存在する枕地では、前述したエンジン回
転センサ３３、ローリングセンサ３１およびピッチング
センサ３２の検出値も大きく変化するため、これらの検
出値に基づいて枕地判定を行うことも可能であり、さら
には、２以上のセンサ値を合成し、該合成したセンサ値
に基づいて精度の高い枕地判定を行うこともできる。ま
た、本実施例では、予め開発用システムでニューラルネ
ットワークの学習を行い、その結果を実機のメモリに書
き込んでいるため、実際の作業では、学習のための演算
を行うことなくリアルタイムな枕地判定を行うことがで
きるようになっている。

【００１３】上記の如く枕地判定を行った後は、判定結
果が枕地であるか否かを判断する。そして、この判断結
果に基づいて枕地判定表示モニタ４１に枕地表示指令も
しくは平耕表示指令を出力するが、枕地であると判断し
た場合には、さらに、車速を自動的に減速（平耕時の約
８０％）すべく前記無人変速機構８に作動指令を出力す
るようになっている。即ち、旋回に伴う車輪跡や作業部
の昇降に伴う凹凸が存在する枕地では、車速が自動的に
減速されるため、安定した走行を行うことができるうえ
に、凹凸に影響を受ける自動制御の安定性や精度も向上
させることができるようになっている。

【００１４】続いて、前述した制御切換スイッチ２３の
操作位置を判断する。そして、負荷自動位置もしくは耕
深自動位置である場合には、それぞれ対応する制御を実
行することになるが、自動切換位置である場合には、前
記枕地判定結果を参照して負荷自動制御と耕深自動制御
とを自動的に選択実行するようになっている。即ち、凹
凸の小さい平耕状態では、リヤカバー変位に基づいて作
業部９を昇降制御する耕深自動自動制御を実行するが、
凹凸の大きい枕地では、検出点（作業点に対して後方に
位置ずれ）に遅れが生じるリヤカバー変位を利用するこ
となく、応答性に優れるエンジン負荷変動（エンジン回
転センサ３３）に基づいて作業部９を昇降制御する負荷
自動制御を実行するようになっている。

【００１５】そして、制御切換後は、負荷自動制御もし
くは耕深自動制御を実行し、さらに、傾斜自動スイッチ
がＯＮである場合には、傾斜自動制御も同時に実行する
ことになるが、各自動制御を実行する前準備として、安
定度判定、安定度表示、不感帯補正、作動速度補正等の
処理を実行するようになっている。

【００１６】さて、安定度判定制御は、前述した枕地判
定制御と同様の階層型ニューラルネットワークを構成す
るため、その構成および演算手順については枕地判定制
御の説明を援用するが、安定度判定制御で用いられる階
層型ニューラルネットワークは、図１６に示す如く、凹
凸が小さい圃場を耕耘した場合における所定センサ｛耕
深自動制御の安定度判定では耕深センサ１５、負荷自動
制御の安定度判定ではエンジン回転センサ３３、傾斜自
動制御の安定度判定ではローリングセンサ３１（作業部
９側に取付けた場合のみ判定可能）｝の出力波形を第一
入力教師、凹凸が中程度の圃場を耕耘した場合における
所定センサの出力波形を第二入力教師、凹凸が大きい圃
場を耕耘した場合における所定センサの出力波形を第三
入力教師とする一方、第一〜第三入力教師に対応する出
力教師をそれぞれＡ、Ｂ、Ｃ（実際は段階的に設定され
る数値）として、前述の逆誤差伝播法に基づいて学習し
た結合荷重Ｗｉを各ユニットに設定している。従って、
所定時間毎にサンプリングした所定センサの検出値変化
に基づいて階層型ニューラルネットワークによる演算を
行えば、各自動制御の安定度をＡ、Ｂ、Ｃの三段階（も
しくは０〜１．０の範囲の数値）でリアルタイムに判定
することができるようになっている。尚、本明細書の記
載では、判定対象を安定度と表現しているが、言い換え
れば、圃場の凹凸具合、仕上り具合、ハンチング発生具
合であり、これらの判定も安定度判定に含まれるものと
する。

【００１７】前記安定度判定が終了すると、判定結果を
参照してモニタに安定度表示を行うが、さらには、安定
度に応じて各自動制御の不感帯幅を自動的に補正するよ
うになっている。即ち、安定度がＡ（高い）である場合
には、不感帯幅を小さくして作業精度を優先し、安定度
がＢ（中程度）である場合には、現状を維持すべく不感
帯幅を固定し、さらに、安定度がＣ（低い）である場合
には、ハンチング等が発生している可能性があるため、
不感帯幅を大きくして安定度を優先するようになってい
る。尚、図１８には、安定度に基づいて不感帯幅を無段
階に補正する例を示した。

【００１８】前記安定度表示および不感帯補正が終了す
ると、各自動制御の制御対象であるアクチュエータの作
動速度を補正するが、本実施例では、前記安定度判定結
果Ａ、Ｂ、Ｃおよび偏差（目標値と検出値との差）を前
件（入力要素）とし、所謂ファジィ推論を用いて作動速
度の補正を行うようになっている。そして、ファジィ推
論を行うにあたり、安定度、偏差および作動速度のメン
バーシップ関数を図１９の（Ａ）、（Ｂ）に示す如く設
定すると共に、安定度および偏差に対する作動速度の関
係を図１９の（Ｃ）に示すファジィルールに設定してい
るが、メンバーシップ関数およびファジィルールにおい
て、ＰＢは正で大きい、ＰＭは正で中間、ＰＳは正で小
さい、ＺＯはゼロ、ＮＢは負で大きい、ＮＭは負で中
間、ＮＳは負で小さいを意味する。即ち、安定度が高
く、かつ偏差が正である場合には、アクチュエータを負
の方向に速く作動し、安定度が高く、かつ偏差が負であ
る場合には、アクチュエータを正の方向に速く作動し、
安定度が中間で、かつ偏差が正である場合には、アクチ
ュエータを負の方向に中間速度で作動し、安定度が中間
で、かつ偏差が負である場合には、アクチュエータを正
の方向に中間速度で作動する等のファジィルールが予め
設定されている。

【００１９】上記の前提を踏まえて作動速度補正制御を
具体的に説明すると、該制御では、前述した偏差を演算
し、しかる後、ファジィ推論を行う。ファジィ推論で
は、ファジィルールに設定されたルール毎（本実施例で
は５）に、安定度および偏差の適合度を前件メンバーシ
ップ関数に基づいて演算し、何れか低い方の値に基づい
て後件メンバーシップ関数上に領域を求める。そして、
各ルール毎に求めた領域を合成し、その横軸方向の重心
を作動速度として採用する。即ち、ニューラルネットワ
ークで演算した安定度情報を前件の一つとし、ファジィ
推論に基づいてアクチュエータの作動速度を自動的に補
正するため、安定度が高い場合には、アクチュエータの
作動速度を速くして応答性を優先し、安定度が低い場合
には、アクチュエータの作動速度を遅くして安定性を優
先する等の状況に応じた作動速度の補正が可能になる。
尚、本実施例では、予め開発用システムでファジィ推論
を実行し、その演算結果を実機のメモリに書き込んでい
るため、前記安定度および偏差に対応する作動速度をメ
モリから読み出す所謂テーブルルックアップ方式でファ
ジィ制御を実現している。

【００２０】叙述の如く構成された本発明の実施例にお
いて、耕深センサ１５、エンジン回転センサ３３、ロー
リングセンサ３１等のセンサ値に基づいて作業部姿勢を
自動制御することになるが、各センサ値の経時的な変化
を記憶すると共に、該記憶データを階層型ニューラルネ
ットワークの入力データとして自動制御の安定度を演算
するため、精度の高い安定度情報をリアルタイムに取得
して、自動制御の状態表示情報、自動制御のフィードバ
ック情報等に利用することができる。

【００２１】しかも、本実施例では、予め開発用システ
ムでニューラルネットワークの学習を行い、その結果を
実機のメモリに書き込んでいるため、実際の作業では、
学習のための演算を行う必要がなく、その結果、制御部
１６の負担を軽減してリアルタイムな安定度判定を行う
ことができる。

【００２２】また、本実施例では、演算した安定度情報
に基づいて安定度表示モニタ４０に安定度を表示するた
め、自動制御の安定度を認識しながら作業を行うことが
できる許りか、安定度に適合する不感帯幅調整や作動速
度調整を行うことができる。

【００２３】また、本実施例では、演算した安定度情報
に基づいて各自動制御の不感帯幅を自動的に補正するた
め、安定度が高い場合には、不感帯幅を小さくして作業
精度を優先し、安定度が中程度である場合には、現状を
維持すべく不感帯幅を固定し、さらに、安定度が低い場
合には、ハンチング等が発生している可能性があるた
め、不感帯幅を大きくして安定度を優先するような自動
補正が可能になり、この結果、オペレータによる不感帯
幅調整操作を不要にして操作性を向上させることができ
る許りか、不感帯幅調整具を省くことを可能にして部品
点数の削減にも寄与し、さらには、状況に適合しない不
感帯幅を設定してハンチングの発生や作業精度の低下を
招く不都合も防止することができる。

【００２４】また、本実施例では、演算した安定度情報
に基づいて各自動制御の作動速度を自動的に補正するた
め、安定度が高い場合には、アクチュエータの作動速度
を速くして応答性を優先し、安定度が低い場合には、ア
クチュエータの作動速度を遅くして安定性を優先する等
の状況に応じた作動速度の自動補正が可能になり、この
結果、オペレータによる作動速度調整操作を不要にして
操作性を向上させることができる許りか、作動速度調整
具を省くことを可能にして部品点数の削減にも寄与し、
さらには、状況に適合しない作動速度を設定してハンチ
ングの発生や作業精度の低下を招く不都合も防止するこ
とができる。

【００２５】また、前記作動速度補正は、安定度情報を
前件の一つとするファジィ推論に基づいて行われるた
め、作動速度の適合性を高めて自動制御の安定性および
精度をさらに向上させることができる。

【００２６】尚、本発明は、前記実施例に限定されない
ものであることは勿論であって、例えば作業部姿勢は、
作業部の対地高さ姿勢、傾斜姿勢等の上位概念を意味
し、他の作業部姿勢を検出するセンサ値変化に基づいて
安定度情報を生成することも可能である。また、作業負
荷センサとしては、エンジン回転センサ以外にも、エン
ジンガバナ開度センサ、作業部駆動軸回転センサ等を利
用することができる。

【００２７】

【作用効果】以上要するに、本発明は叙述の如く構成さ
れたものであるから、検出センサの検出値が設定器の設
定値に合致するように作業部を自動制御するものである
が、検出センサの検出値変化を経時的に記憶する検出値
変化記憶手段と、記憶した検出値変化から自動制御の安
定度判定情報を生成すべくニューラルネットワークによ
る演算を行うニューロ演算手段とを備えるため、予め学
習したニューラルネットワークを用いて精度の高い安定
度情報をリアルタイムに取得することができる。即ち、
ニューラルネットワークで演算した安定度情報に基づい
て、自動制御の安定度を表示したり、自動制御の制御感
度を自動調整することが可能になるため、自動制御の安
定度を判定する手段が無かった従来のように、状況に適
合しない制御感度を選択してしまう等の不都合を解消
し、この結果、誤った感度選択に基づくハンチングの発
生や作業精度の低下を防止することができる。

【図面の簡単な説明】

【図１】トラクタの側面図である。

【図２】操作パネルの平面図である。

【図３】制御部の入出力を示すブロック図である。

【図４】メインルーチンを示すフローチャートである。

【図５】枕地判定制御を示すフローチャートである。

【図６】安定度判定制御を示すフローチャートである。

【図７】作動速度補正制御を示すフローチャートであ
る。

【図８】耕深自動制御の概念を示すブロック図である。

【図９】負荷自動制御の概念を示すブロック図である。

【図１０】枕地判定用ニューラルネットワークを示すモ
デル図である。

【図１１】ユニットを示すモデル図である。

【図１２】逆誤差伝播を説明するモデル図である。

【図１３】入力教師データおよび出力教師データを示す
表図である。

【図１４】枕地および平耕の状態を示す平面図および断
面図である。

【図１５】安定度判定用ニューラルネットワークを示す
モデル図である。

【図１６】入力教師データおよび出力教師データを示す
表図である。

【図１７】不感帯幅補正および作動速度補正の概念を示
すブロック図である。

【図１８】安定度と不感帯幅の関係を示すグラフ図であ
る。

【図１９】（Ａ）は安定度のメンバーシップ関数を示す
グラフ図、（Ｂ）は作動速度のメンバーシップ関数を示
すグラフ図、（Ｃ）はファジィルールを示す表図であ
る。

【符号の説明】

１ 走行機体 ９ 作業部 １４ リヤカバー １５ 耕深センサ １６ 制御部 １８ 耕深・負荷設定ボリューム ３１ ローリングセンサ ３２ ピッチングセンサ ３３ エンジン回転センサ ４０ 安定度表示モニタ ４１ 枕地判定表示モニタ

Claims (4)

【特許請求の範囲】
1. 【請求項１】 走行機体に姿勢変化自在に装着される作
   業部と、該作業部を強制的に姿勢変化せしめるアクチュ
   エータと、目標とする作業部姿勢もしくは作業負荷を設
   定する設定器と、実際の作業部姿勢もしくは作業負荷を
   検出する検出センサと、該検出センサの検出値が設定器
   の設定値に合致するように前記アクチュエータを自動制
   御する制御部とを備えてなる作業用走行車において、前
   記制御部に、検出センサの検出値変化を経時的に記憶す
   る検出値変化記憶手段と、記憶した検出値変化から自動
   制御の安定度判定情報を生成すべくニューラルネットワ
   ークによる演算を行うニューロ演算手段とを設けたこと
   を特徴とする作業用走行車の制御装置。
2. 【請求項２】 請求項１の制御部には、判定した安定度
   を表示装置に表示する安定度表示手段が設けられている
   ことを特徴とする作業用走行車の制御装置。
3. 【請求項３】 請求項１の制御部には、判定した安定度
   が高いほど自動制御の不感帯幅を小さくし、安定度が低
   いほど不感帯幅を大きくする不感帯幅自動補正手段が設
   けられていることを特徴とする作業用走行車の制御装
   置。
4. 【請求項４】 請求項１の制御部には、判定した安定度
   が高いほどアクチュエータの作動速度を速くし、安定度
   が低いほど作動速度を遅くする作動速度自動補正手段が
   設けられていることを特徴とする作業用走行車の制御装
   置。