JPH0882636A - 車両のヨーレート推定方法及びその装置 - Google Patents

Abstract

(57)【要約】 【目的】 ニューラルネットワーク演算により車両に発
生するヨーレートを推定するに当り、推定ヨーレート値
にダイナミックスを持たせ、過渡時の推定精度を高め
る。 【構成】 左右輪の回転差Ｒv 、操舵角Ｆs 及び車速Ｖ
をそれぞれ検出手段５，３，１３で検出し、これらの検
出値を入力変数とするニューラルネットワーク演算によ
り推定ヨーレート値φを算出する。その際、遅れ時間
ｉ，ｌの相違する過去の２つの推定ヨーレート出力値φ
i ，φl を入力変数に加えてニューラルネットワーク演
算を行う。遅れ時間ｉ，ｌは、車両のヨー固有周波数が
高い程短くなるように設定される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、車両に発生するヨーレ
ートを推定するヨーレート推定方法及びその装置に関す
るものである。

【０００２】

【従来の技術】従来、車両においては、４輪操舵装置等
を装備する場合に車両に発生するヨーレートを推定し、
該ヨーレートを用いてフィードバック制御をすることが
行われている。ヨーレートを推定する方法としては、左
右輪の回転差を基に円旋回時の幾何学的関係（いわゆる
二輪モデル）から導いた線形式でヨーレートを推定する
もの（例えば特開平２−４０５０４号公報参照）と、操
舵角を基に円旋回時の力学的関係から導いた線形式でヨ
ーレートを推定するもの（例えば特開平４−３５３０７
６号公報参照）とが知られている。

【０００３】ところが、上記従来のヨーレートを推定す
る方法は、いずれも円旋回時の理論式を基本にして導い
た線形式でヨーレートを推定するものであるため、非線
形領域の運動状態の時つまり左右輪回転差が所定値以上
の時又は操舵角が所定値以上の時にはヨーレートを精度
良く推定することができなくなるという問題があった。

【０００４】そこで、近年、非線形領域の運動状態の時
にもヨーレートを精度良く推定するために、ニューラル
ネットワークを用いたものが提案されている（例えば特
開平５−１８５９４７号公報参照）。このニューラルネ
ットワークは、通常、ヨーレートに関連する左右輪の回
転差、操舵角、操舵速度、車速及び車体加速度等の車両
状態量を入力変数として中間層のニューロンとシナプス
結合するとともに、該中間層のニューロンを、推定ヨー
レート値を出力する出力層のニューロンとシナプス結合
して構成されるものであって、学習回数を高めることで
線形領域から非線形領域に亘ってヨーレートを高い精度
で推定できることが実証されている。

【０００５】

【発明が解決しようとする課題】ところが、上記ニュー
ラルネットワーク演算は、単純な代数計算の集合体であ
るため、この演算で算出した推定ヨーレート値にダイナ
ミックスを持たせることができない。このため、操舵開
始時等の過渡時には実際のヨーレート値と推定ヨーレー
ト値とが異なり、推定精度が悪くなるという問題があ
る。

【０００６】本発明はかかる点に鑑みてなされたもので
あり、その目的とするところは、ニューラルネットワー
ク演算による推定ヨーレート値にダイナミックスを持た
せることにより、過渡時の推定精度を高めるものであ
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、請求項１に係わる発明は、車両に発生するヨーレー
トを推定するヨーレート推定方法として、ニューラルネ
ットワーク演算により推定ヨーレート値を算出するに当
り、所定の遅れ時間前の推定ヨーレート出力値を入力変
数に加えてニューラルネットワーク演算を行う構成とす
る。

【０００８】請求項２及び３に係わる発明は、いずれも
請求項１に係わる発明の下位概念に属するものであっ
て、ニューラルネットワーク演算による推定ヨーレート
値の算出方法の一つの態様を示す。すなわち、請求項２
に係わる発明は、少なくとも左右輪の回転差、操舵角及
び車速をそれぞれ検出し、これらの検出値を入力変数と
するニューラルネットワーク演算により推定ヨーレート
値を算出するに当り、所定の遅れ時間前の推定ヨーレー
ト出力値を入力変数に加えてニューラルネットワーク演
算を行う構成とする。また、請求項３に係わる発明は、
左右輪の回転差、操舵角及びその他の１つ以上の車両状
態量をそれぞれ検出し、上記左右輪の回転差と操舵角と
を入力変数とするニューラルネットワーク演算により近
似ヨーレート値を算出し、更に該近似ヨーレート値と上
記その他の１つ以上の車両状態量とを入力変数とするニ
ューラルネットワーク演算により推定ヨーレート値を算
出するに当り、所定の遅れ時間前の推定ヨーレート出力
値を入力変数に加えてニューラルネットワーク演算を行
う構成とする。

【０００９】請求項４に係わる発明は、請求項１〜３に
係わる発明において、ニューラルネットワーク演算の入
力変数に加える推定ヨーレート出力値を、１つ又は遅れ
時間が相違する２つのものに限定する。

【００１０】請求項５〜８に係わる発明は、いずれも請
求項４に係わる発明において、所定の遅れ時間の設定を
限定するものである。すなわち、請求項５に係わる発明
は、所定の遅れ時間を、車両のヨー固有周波数が高い程
短くなるように設定する。請求項６に係わる発明は、所
定の遅れ時間を、車速や車体加速度等車両の運動状態量
に応じて設定する。請求項７に係わる発明は、所定の遅
れ時間を、アクセル開度や操舵角等運転者の操作状態に
応じて設定する。更に、請求項８に係わる発明は、所定
の遅れ時間を、路面の摩擦係数や凹凸状態等走行道路の
状態に応じて設定する。

【００１１】請求項９に係わる発明は、請求項１に係わ
る発明の下位概念に属するものであって、所定の遅れ時
間前の推定ヨーレート出力値を用いてニューラルネット
ワーク演算による推定ヨーレート値を算出する際のノイ
ズ対策に係わる。すなわち、ニューラルネットワーク演
算により推定ヨーレート値を算出するに当り、所定の遅
れ時間前の推定ヨーレート出力値の信号をローパスフィ
ルターに通してノイズを除去した後、その信号を入力変
数に加えてニューラルネットワーク演算を行う構成とす
る。

【００１２】請求項１０、１２及び１３に係わる発明
は、いずれも請求項９に係わる発明において、ローパス
フィルターのカットオフ周波数の設定を限定するもので
ある。すなわち、請求項１０に係わる発明は、上記ロー
パスフィルターのカットオフ周波数を、操舵速度が高い
程高くなるように設定する。請求項１２に係わる発明
は、上記ローパスフィルターのカットオフ周波数を、車
速、操舵角及び操舵速度を入力変数とするニューラルネ
ットワーク演算により設定する。請求項１３に係わる発
明は、上記ローパスフィルターのカットオフ周波数を、
車速、操舵角及び操舵速度を入力情報とするファジィ演
算により設定する。

【００１３】請求項１１に係わる発明は、請求項１０に
係わる発明において、所定の遅れ時間を、ローパスフィ
ルターのカットオフ周波数が高い程短くなるように設定
する。

【００１４】請求項１４に係わる発明は、車両に発生す
るヨーレートを推定するヨーレート推定装置として、ニ
ューラルネットワーク演算により推定ヨーレート値を算
出する演算部と、該演算部から出力される推定ヨーレー
ト出力値を所定の遅れ時間記憶し、その遅れ時間後に上
記演算部の入力側に出力する遅延部とを備える構成とす
る。

【００１５】

【作用】上記の構成により、請求項１又は１４に係わる
発明では、ニューラルネットワーク演算により推定ヨー
レート値を算出するに当り、所定の遅れ時間前の推定ヨ
ーレート出力値を入力変数に加えてニューラルネットワ
ーク演算を行うことにより、推定ヨーレート値が、実際
のヨーレートと同様に、時々刻々と変化するダイナミッ
クスを持つようになり、実際のヨーレートと略一致す
る。

【００１６】ここで、車両に搭載するマイクロコンピュ
ータは、その記憶容量・演算能力に限界があることか
ら、ニューラルネットワーク演算の入力変数に加える推
定ヨーレート出力値を、請求項４に係わる発明の如く、
１つ又は遅れ時間が相違する２つのものに限定すること
が好ましく、更に、ヨーレートの時系列変化パターンを
学習されるために、ニューラルネットワーク演算の入力
変数に加える推定ヨーレート出力値を、遅れ時間が相違
する２つのものに限定することがより好ましい。

【００１７】また、実際のヨーレートの過渡応答特性
は、車両のヨー固有周波数に支配されることから、請求
項５に係わる発明の如く、所定の遅れ時間を、車両のヨ
ー固有周波数が高い程短くなるように設定すると、推定
ヨーレート値が実際のヨーレートと一層一致するように
なる。また、車速や車体加速度等車両の運動状態量、ア
クセル開度や操舵角等運転者の操作状態及び路面の摩擦
係数や凹凸状態等走行道路の状態は、車両のヨー固有周
波数と密接に関連しているので、車両のヨー固有周波数
の代りに、請求項６〜８に係わる発明の如く、所定の遅
れ時間を、車両の運動状態量、運転者の操作状態又は走
行道路の状態に応じて設定しても同様に、推定ヨーレー
ト値が実際のヨーレートと一層一致するようになる。

【００１８】請求項９に係わる発明では、所定の遅れ時
間前の推定ヨーレート出力値を用いてニューラルネット
ワーク演算による推定ヨーレート値を算出する際、予め
推定ヨーレート出力値の信号をローパスフィルターに通
してノイズを除去することにより、ノイズのない推定ヨ
ーレート出力値を用いてニューラルネットワーク演算が
適正に行われる。

【００１９】ここで、操舵速度が高いときにはヨーの変
化が速くなり、その周波数も高くなることから、請求項
１０に係わる発明の如く、ローパスフィルターのカット
オフ周波数を、操舵速度が高い程高くなるように設定す
ると、操舵速度に応じてノイズの除去が適切に行われる
ことになる。また、ローパスフィルターのカットオフ周
波数を高くすると、ニューラルネットワークとフィルタ
ーとを合成したシステムの周波数特性が高域側に広がる
ことから、所定の遅れ時間前の推定ヨーレート出力値を
入力変数に加えてニューラルネットワーク演算により推
定ヨーレート値を算出するときには、請求項１１に係わ
る発明の如く所定の遅れ時間を、ローパスフィルターの
カットオフ周波数が高い程短くすることが、推定ヨーレ
ート値に適正なダイナミックスを持たせる上で望まし
い。

【００２０】さらに、請求項１２及び１３に係わる発明
の如く、ローパスフィルターのカットオフ周波数を、車
速、操舵角及び操舵速度を入力変数とするニューラルネ
ットワーク演算又はファジィ演算により設定すると、ノ
イズの除去を一層適切に行うことができる。

【００２１】

【実施例】以下、本発明の実施例を図面に基づいて説明
する。

【００２２】図１は本発明の第１実施例に係わる車両の
ヨーレート推定装置のブロック線図である。図１におい
て、１は右車輪の所定時間当りの回転数である車輪速を
検出する右車輪速センサ、２は左車輪の車輪速を検出す
る左車輪速センサ、３は操舵輪である前輪の操舵角を検
出する操舵角検出手段としての操舵角センサである。上
記両車輪速センサ１，２で検出された車輪速Ｗr ，Ｗl
は加算点４で互いに減算されることにより左右輪の回転
差（詳しくは所定時間当りの回転数差ないし回転速度
差）Ｒv が算出されるようになっており、車輪速センサ
１，２及び加算点４により、左右輪の回転差を検出する
回転差検出手段５が構成されている。上記回転差Ｒv
は、フィルター６及び正規化処理部７を通して推定ヨー
レート値演算部８に入力される。

【００２３】上記両車輪速センサ１，２で検出された車
輪速Ｗr ，Ｗl は加算点１１で互いに加算されるととも
に、この加算値は係数積算部１２で１／２倍されること
により車速Ｖが算出されるようになっており、車輪速セ
ンサ１，２、加算点１１及び係数積算部１２により、車
速Ｖを検出する車速検出手段１３が構成されている。車
速Ｖは正規化処理部７を通して推定ヨーレート値演算部
８に入力される。上記操舵角センサ３で検出された操舵
角Ｆs も正規化処理部７を通して推定ヨーレート値演算
部８に入力される。

【００２４】上記推定ヨーレート値演算部８は、正規化
処理部７で各々正規化された左右輪の回転差正規化値Ｒ
vn、車速正規化値Ｖn 、操舵角正規化値Ｆsn及び過去の
２つの推定ヨーレート出力値正規化値φni，φnlを入力
変数としかつ中間層に複数（本実施例の場合は６個）の
ニューロンを有するニューラルネットワークにより構成
されており、ニューラルネットワーク演算により推定ヨ
ーレート値φを算出する。

【００２５】さらに、１６及び１７は上記推定ヨーレー
ト値演算部８からの推定ヨーレート出力値φが入力され
る記憶部であって、該両記憶部１６，１７は、それぞれ
遅れ時間設定部１８の指令に基づいて、推定ヨーレート
出力値φを、所定の遅れ時間ｉ，ｌ記憶し、その遅れ時
間ｉ，ｌ後に上記推定ヨーレート値演算部８の入力層に
正規化処理部７を通して出力するようになっている。上
記２つの遅れ時間ｉ，ｌは相違し、ｉ＞ｌの大小関係が
成立する。上記遅れ時間設定部１８は、回転差検出手段
５で検出された左右輪の回転差Ｒv と操舵角センサ３で
検出された操舵角Ｆs とを受け、互いに相違する２つの
遅れ時間ｉ，ｌを設定して記憶部１６，１７に出力す
る。

【００２６】次に、上記第１実施例のヨーレート推定装
置において、ヨーレートを推定する場合の動作手順であ
るヨーレート推定方法について、図２に示すメインフロ
ーチャートに従って説明する。

【００２７】図２において、先ず、ステップＳ1 で計測
タイミングとなるのを待った後、ステップＳ2 で車両運
動情報としての右車輪速Ｗr 及び左車輪速Ｗl をそれぞ
れ車輪速センサ１，２により計測するとともに、ステッ
プＳ3 でドライバー操作情報としての操舵角Ｆs を操舵
角センサ３により計測する。続いて、ステップＳ4 にお
いて上記右車輪速Ｗr と左車輪速Ｗl との差分である左
右輪回転差Ｒv を加算点４で求めるとともに、該左右輪
回転差Ｒv に対しフィルター６でフィルター計算をす
る。この左右輪回転差Ｒv のフィルター計算は、下記の
式 Ｒvf＝Filter（Ｗl −Ｗr ） ＝ｂ(1) ・Ｒv(t)＋ｂ(2) ・Ｒv(t-1)＋ｂ(3) ・Ｒv(t-3) ＋ｂ(4) ・Ｒv(t-4)＋ｂ(5) ・Ｒv(t-5)−ａ(2) ・Ｒvf(t-1) −ａ(3) ・Ｒvf(t-2) −ａ(4) ・Ｒvf(t-4) −ａ(5) ・Ｒvf(t-5) … により行う。但し、フィルター定数は、例えば ａ＝［1.0 -2.5562 2.6311 -1.2487 0.2299 ］ ｂ＝［0.0199 -0.0052 0.0266 -0.0052 0.0199］ である。

【００２８】上記フィルター計算の後、ステップＳ5 で
ヨーレート遅れ時間ｉ，ｌを遅れ時間設定部１８により
決定する。このヨーレート遅れ時間ｉ，ｌの決定は、図
３及び図４に示すフローチャートに従って行う。

【００２９】続いて、ステップＳ6 で正規化処理部７に
てその入力情報である車速Ｖ、左右輪回転差Ｒv 、操舵
角Ｆs 及び上記遅れ時間ｉ，ｌ前の２つの推定ヨーレー
ト出力値φi ，φl を正規化する。この正規化計算は、
下記の式 Ｖn ＝（Ｖ−７０）／７０ Ｒvn＝Ｒv ／２ Ｆsn＝Ｆs ／５ φni＝φi ／３０ φnl＝φl ／３０ Ｐ＝［Ｖn ，Ｒvn，Ｆsn，φni，φnl］^T により行う。尚、マトリックスＰのT は転置マトリック
スを意味する。

【００３０】続いて、ステップＳ7 で推定ヨーレート値
演算部８にて車速正規化値Ｖn 、左右輪回転差正規化値
Ｒvn、操舵角正規化値Ｆsn及び２つの推定ヨーレート出
力値正規化値φni，φnlを入力変数とするニューラルネ
ットワーク演算をして推定ヨーレート値φを算出する。
この推定ヨーレート値φの計算（ニューラルネットの計
算）は、図５に示すフローチャートに従って行う。しか
る後、ステップＳ8 で推定ヨーレート値φを出力し、ス
テップＳ1 に戻る。

【００３１】次に、ヨーレート遅れ時間の決定につい
て、図３及び図４に示すフローチャートに従って説明す
る。

【００３２】図３及び図４において、先ず、ステップＳ
11〜Ｓ13で操舵角センサ３からの操舵角情報Ｆs 及び回
転差検出手段５からの左右輪回転差情報Ｒv をサンプリ
ング数ｊが所定値ｊm 以上になるまで収集する。続い
て、ステップＳ14で収集した操舵角情報Ｆs 及び左右輪
回転差情報Ｒv を用いて車両のヨー運動特性を同定す
る。つまり操舵角情報Ｆs を入力とし、左右輪回転差情
報Ｒv を出力とするモデルをＡＲＸ法で同定し、下記の
式 Ａ（ｚ）＝１＋ａ1 ｚ^-1＋ａ2 ｚ^-2＋ａ3 ｚ^-3 Ｂ（ｚ）＝ｂ1 ＋ｂ2 ｚ^-1＋ｂ3 ｚ^-2 の係数ａ1 〜ａ3 ，ｂ1 〜ｂ3 を決定する。

【００３３】続いて、ステップＳ15で上記Ａ（ｚ），Ｂ
（ｚ）を用いて、車両の伝達関数Ｇ（ｚ）を下記の式 Ｇ（ｚ）＝Ｂ（ｚ）／Ａ（ｚ） により算出し、ステップＳ16で更にこのＧ（ｚ）におい
て、ｚ＝ｅｘｐ（ｊωｔ）に置き換えることでＧ（ｚ）
を周波数領域（ω領域）に変換し、ボード線図を得る。

【００３４】しかる後、ステップＳ17でボード線図のゲ
イン特性曲線からヨーレートゲインピーク周波数（ヨー
共振周波数）ωn を読み取り、ステップＳ18でボード線
図の位相特性曲線から位相遅れπ／２（ｒａｄ）点の周
波数ωp を読み取る。そして、ステップＳ19で上記両周
波数ωn ，ωp の低い方をヨー固有周波数ωＹとして設
定する。このようなヨー固有周波数ωＹの設定において
は、（イ）ヨー共振周波数ωn は、車速がある程度以上
高くなるとヨー固有周波数ωＹと殆ど同じになるため、
このヨー共振周波数ωn をヨー固有周波数ωＹとするこ
と、（ロ）ゲイン特性に明瞭なピークが発現しない場合
でも、位相角が９０度（π／２）遅れる周波数をもって
ヨー固有周波数ωＹとすること、（ハ）車両制御の場合
安全側にすることが何よりも大切であるから、ωn とω
p の両者が得られた場合はより低い方をヨー固有周波数
ωＹとすべきであることが考慮されている。

【００３５】続いて、ステップＳ20で更に位相特性曲線
から位相遅れπ／４点の周波数ωqを読み取り、ステッ
プＳ21でこのωq とωp とからヨー減衰係数ζを下記の
式 ζ＝｛１−（ωq ／ωp ）² ｝／２（ωq ／ωp ） により決定する。

【００３６】続いて、ステップＳ22でヨー減衰係数ζと
ヨー固有周波数ωＹとの積から、予め設定されたマップ
を用いて遅れ時間ｉを決定するとともに、ステップＳ23
でヨー固有周波数ωＹから、同じく予め設定されたマッ
プを用いて遅れ時間ｌを決定する。しかる後、ステップ
Ｓ24でサンプリング数ｊを零にリセットし、メインフロ
ーチャートに戻る。ここで、各遅れ時間ｉ，ｌ決定用の
マップでは、共に遅れ時間ｉ，ｌの最大値が０．３秒、
最小値が０．１秒でかつζ・ωＹ又はωＹが高くなるに
従って遅れ時間ｉ又はｌが一次関数的に短くなるように
設定されている。

【００３７】次に、ニューラルネットの計算について、
図５に示すフローチャートに従って説明する。

【００３８】図５において、先ず、ステップＳ31で正規
化情報Ｐ（車速正規化値Ｖn ，左右輪回転差正規化値Ｒ
vn，操舵角正規化値Ｆsn及び過去の２つの推定ヨーレー
ト出力値正規化値φni，φnl）を入力した後、ステップ
Ｓ32でこの正規化情報Ｐと中間層重み係数Ｗ1 （ｉ，
ｊ）とのマトリックス積Ｕ0 を求め、ステップＳ33でこ
のマトリックスＵ0 に中間層バイアス係数Ｂ1 （ｉ）を
加算し、その値を新たにマトリックスＵ0 と置換える。
ここで、ｉは中間層のニューロン数、ｊは入力数であ
り、本実施例の場合はｉ＝６，ｊ＝５である。

【００３９】続いて、ステップＳ34で上記マトリックス
Ｕ0 の正接双曲線関数である中間層伝達関数Ｕ（＝ｔａ
ｎｈ（Ｕ0 ））を計算する。中間層伝達関数に正接双曲
線関数を用いたのは、入力が正負両方に分布することに
対応したものである。この中間層伝達関数Ｕの計算は、
図６に示すフローチャートに従って行う。しかる後、ス
テップＳ35で上記中間層伝達関数Ｕと出力層重み係数Ｗ
2 （ｉ）とのマトリックス積である推定ヨーレート値φ
を求め、ステップＳ36でこの推定ヨーレート値φに出力
層バイアス係数Ｂ2 を加算し、その値を新たに推定ヨー
レート値φと置換える。その後メインフローチャートに
戻る。

【００４０】尚、中間層重み係数Ｗ1 、中間層バイアス
係数Ｂ1 、出力層重み係数Ｗ2 及び出力層バイアス係数
Ｂ2 は、バックプロパゲーション法を用いた学習によ
り、本実施例に係わるヨーレート推定装置の製造前に全
装置共通に決定されたものである。

【００４１】次に、中間層伝達関数Ｕの計算について、
図６に示すフローチャートに従って説明する。

【００４２】図６において、先ず、ステップＳ41で変数
ｉｉに１をセットした後、ステップＳ42でマトリックス
の値Ｕ0 （ｉｉ）が正であるか負であるかを判定する。
正であるときにはステッブＳ43でフラグｆをリセット
し、ステップＳ46へ移行する一方、負であるときにはス
テップＳ44でフラグｆをセットし、ステップＳ45でマト
リックスの値Ｕ0 （ｉｉ）にマイナス符号を掛けて正の
値に置換えた後、ステップＳ46へ移行する。ステップＳ
46では予め作成されたマップを用いて上記値Ｕ0（ｉ
ｉ）に対応した中間層伝達関数値Ｕ（ｉｉ）を算出す
る。上記マップは、Ｕ＝ｔａｎｈ（Ｕ0 ）を０≦Ｕ0 ≦
２０の範囲で表現したものである。このようにマップを
用いて中間層伝達関数値Ｕ（ｉｉ）を算出すると計算時
間を節約することができる。

【００４３】しかる後、ステップＳ47でフラグｆがセッ
トされているか否かを判定し、セットされているときつ
まり先にマトリックスの値Ｕ0 （ｉｉ）を正の値にして
いるときには、ステップＳ48でこの値にマイナス符号を
掛けて元の負の値に戻す。続いて、ステップＳ49で変数
ｉｉを１カウントアップした後、ステップＳ50で変数ｉ
ｉがニューラルネットワークの入力情報の次数ｉより大
きいか否かを判定する。この判定がＮＯのときにはステ
ップＳ42に戻る一方、判定がＹＥＳのときには中間層伝
達関数Ｕを終了し、ニューラルネット計算に戻る。

【００４４】以上のように、第１実施例においては、車
速正規化値Ｖn 、左右輪回転差正規化値Ｒvn及び操舵角
正規化値Ｆsnを入力変数とするニューラルネットワーク
演算により推定ヨーレート値φを算出するに当り、所定
の遅れ時間ｉ，ｌ前の２つの推定ヨーレート出力値φi
，φl （詳しくはそれらの正規化値φni，φnl）を入
力変数に加えてニューラルネットワーク演算を行うこと
により、推定ヨーレート値φが、実際のヨーレートと同
様に、図７に実線Ａで示すように、時々刻々と変化する
ダイナミックスを持つようになり、実際のヨーレートと
一致するので、ヨーレートの推定精度を高めることがで
きる。尚、図７はニューラルネットワークにステップ状
の入力を印加した時の出力値の変化状態を示す図であ
り、同図中破線Ｂ1 は、遅れ時間ｉ，ｌが短すぎる場合
を示し、破線Ｂ2 は遅れ時間ｉ，ｌが長すぎる場合を示
す。

【００４５】また、実際のヨーレートの過渡応答特性
は、車両のヨー固有周波数ωＹ及びヨー減衰係数ζに支
配されるが、上記遅れ時間ｉ，ｌ（ｉ＞ｌ）は、車両の
ヨー固有周波数ωＹとヨー減衰係数ζとの積（ωＹ・
ζ）又はヨー固有周波数ωＹが高い程短くなるように設
定されているため、推定ヨーレート値φを実際のヨーレ
ートに一層一致させることができ、推定精度の向上をよ
り図ることができる。

【００４６】さらに、遅れ時間ｉ，ｌの相違する２つの
推定ヨーレート出力値φi ，φl を入力変数に加えてニ
ューラルネットワーク演算を行うため、ヨーレートの時
系列変化パターンを学習されることができ、推定精度の
向上をより一層図ることができる。しかも、ニュートラ
ルネットワーク演算の入力変数は、２つ増加するに過ぎ
ないので、マイクロコンピュータの記憶容量や演算能力
を大きくする必要はない。

【００４７】（第２実施例）図８は本発明の第２実施例
に係わる車両のヨーレート推定装置のブロック線図であ
る。図８において、２１は右車輪の所定時間当りの回転
数である車輪速を検出する右車輪速センサ、２２は左車
輪の車輪速を検出する左車輪速センサ、２３は操舵輪で
ある前輪の操舵角を検出する操舵角検出手段としての操
舵角センサである。上記両車輪速センサ２１，２２で検
出された車輪速Ｗr ，Ｗl は加算点２４で互いに減算さ
れることにより左右輪の回転差Ｒv が算出されるように
なっており、車輪速センサ２１，２２及び加算点２４に
より、左右輪の回転差を検出する回転差検出手段２５が
構成されている。上記回転差Ｒv は、フィルター２６及
び正規化処理部２７を通して近似ヨーレート値演算部２
８に入力される。また、上記操舵角センサ２３で検出さ
れた操舵角Ｆs も正規化処理部２７を通して近似ヨーレ
ート値演算部２８に入力される。

【００４８】上記近似ヨーレート値演算部２８は、正規
化処理部２７で各々正規化された左右輪の回転差正規化
値Ｒvnと操舵角正規化値Ｆsnとを入力変数としかつ中間
層に複数（本実施例の場合は６個）のニューロンを有す
るニューラルネットワークにより構成されており、ニュ
ーラルネットワーク演算により近似ヨーレート値φpを
算出する。該近似ヨーレート値φp は、正規化処理部２
９を通して推定ヨーレート値演算部３０に入力される。

【００４９】また、上記両車輪速センサ２１，２２で検
出された車輪速Ｗr ，Ｗl は加算点３１で互いに加算さ
れるとともに、この加算値は係数積算部３２で１／２倍
されることにより車速Ｖが算出されるようになってお
り、車輪速センサ２１，２２、加算点３１及び係数積算
部３２により、車速Ｖを検出する車速検出手段３３が構
成されている。車速Ｖは、正規化処理部２９を通して推
定ヨーレート値演算部３０に入力される。また車速Ｖ
は、加算点３４に対し、そのまま入力されるとともに、
遅延回路３５で１計測タイミング遅れた後に入力され、
該加算点３４でこの両入力値が互いに減算されることに
より車体加速度ｇが算出されるようになっており、上記
車速検出手段３３に加えて加算点３４と遅延回路３５と
により、車体加速度ｇを検出する加速度検出手段３６が
構成されている。上記車体加速度ｇも正規化処理部２９
を通して推定ヨーレート値演算部３０に入力される。

【００５０】上記推定ヨーレート値演算部３０は、正規
化処理部２９で各々正規化された近似ヨーレート値正規
化値φpn、車速正規化値Ｖn 、車体加速度正規化値ｇn
及び過去の２つの推定ヨーレート出力値正規化値φni，
φnlを入力変数としかつ中間層に複数（本実施例の場合
は６個）のニューロンを有するニューラルネットワーク
により構成されており、ニューラルネットワーク演算に
より推定ヨーレート値φを算出する。

【００５１】さらに、４１及び４２は上記推定ヨーレー
ト値演算部３０からの推定ヨーレート出力値φが入力さ
れる記憶部であって、該両記憶部４１，４２は、それぞ
れ遅れ時間設定部４３の指令に基づいて、推定ヨーレー
ト出力値φを、所定の遅れ時間ｉ，ｌ記憶し、その遅れ
時間ｉ，ｌ後に上記推定ヨーレート値演算部３０の入力
層に正規化処理部２９を通して出力するようになってい
る。上記２つの遅れ時間ｉ，ｌは相違し、ｉ＞ｌの大小
関係が成立する。上記遅れ時間設定部４３は、回転差検
出手段２５で検出された左右輪の回転差Ｒv と操舵角セ
ンサ２３で検出された操舵角Ｆs とを受け、互いに相違
する２つの遅れ時間ｉ，ｌを設定して記憶部４１，４２
に出力する。

【００５２】次に、上記第２実施例のヨーレート推定装
置において、ヨーレートを推定する場合の動作手順であ
るヨーレート推定方法について、図９に示すメインフロ
ーチャートに従って説明する。

【００５３】図９において、先ず、ステップＳ61で計測
タイミングとなるのを待った後、ステップＳ62で車両運
動情報としての右車輪速Ｗr 及び左車輪速Ｗl をそれぞ
れ車輪速センサ２１，２２により計測するとともに、ス
テップＳ63でドライバー操作情報としての操舵角Ｆs を
操舵角センサ２３により計測する。続いて、ステップＳ
64において上記右車輪速Ｗr と左車輪速Ｗl との差分で
ある左右輪回転差Ｒvを加算点２４で求めるとともに、
該左右輪回転差Ｒv に対しフィルター２６でフィルター
計算をする。この左右輪回転差Ｒv のフィルター計算
は、第１実施例の場合に述べた式により行う。

【００５４】しかる後、ステップＳ65でヨーレート遅れ
時間ｉ，ｌを遅れ時間設定部４３により決定する。この
ヨーレート遅れ時間ｉ，ｌの決定は、第１実施例の場合
に述べた図３及び図４に示すフローチャートに従って行
う。

【００５５】続いて、ステップＳ66で正規化処理部２７
にてその入力情報（第一段入力情報）である左右輪回転
差Ｒv 及び操舵角Ｆs を正規化する。この正規化計算
は、下記の式 Ｒvn＝Ｒv ／２ Ｆsn＝Ｆs ／５ Ｐ1 ＝［Ｒvn，Ｆsn］^T により行う。尚、マトリックスＰ1 のT は転置マトリッ
クスを意味する。

【００５６】続いて、ステップＳ67で近似ヨーレート値
演算部２８にて左右輪回転差正規化値Ｒvnと操舵角正規
化値Ｆsnとを入力変数とするニューラルネットワーク演
算をして近似ヨーレート値φp を算出する。この近似ヨ
ーレート値φp の計算（第一段ニューラルネットの計
算）は、図１０に示すフローチャートに従って行う。

【００５７】続いて、ステップＳ68で正規化処理部２９
にてその入力情報（第二段入力情報）である近似ヨーレ
ート値φp 、車体加速度ｇ、車速Ｖ及び過去の２つの推
定ヨーレート出力値φi ，φl を正規化する。この正規
化に先立って、車速検出手段３３にて左右輪の車輪速Ｗ
r ，Ｗl に基づいて車速Ｖを検出するとともに、加速度
検出手段３６にて該車速Ｖの微分値から車体加速度ｇを
検出する。また、正規化計算は、下記の式 φpn＝φp ／３０ ｇn ＝｛Ｖ（ｔ）−Ｖ（ｔ−１）｝／１０ Ｖn ＝（Ｖ−７０）／７０ φni＝φi ／３０ φnl＝φl ／３０ Ｐ2 ＝［φpn，ｇn ，Ｖn ，φni，φnl］^T により行う。尚、マトリックスＰ2 のT は転置マトリッ
クスを意味する。

【００５８】続いて、ステップＳ69で推定ヨーレート値
演算部３０にて近似ヨーレート値正規化値φpn、車体加
速度正規化値ｇn 、車速正規化値Ｖn 及び過去の２つの
推定ヨーレート出力値正規化値φni，φnlを入力変数と
するニューラルネットワーク演算をして推定ヨーレート
値φを算出する。この推定ヨーレート値φの計算（第二
段ニューラルネットの計算）は、図１１に示すフローチ
ャートに従って行う。しかる後、ステップＳ70で推定ヨ
ーレート値φを出力し、ステップＳ61に戻る。

【００５９】次に、第一段ニューラルネットの計算につ
いて、図１０に示すフローチャートに従って説明する。

【００６０】図１０において、先ず、ステップＳ71で正
規化情報Ｐ1 （左右輪回転差正規化値Ｒvnと操舵角正規
化値Ｆsn）を入力した後、ステップＳ72でこの正規化情
報Ｐ1 と中間層重み係数Ｗ1 （ｉ，ｊ）とのマトリック
ス積Ｕ0 を求め、ステップＳ73でこのマトリックスＵ0
に中間層バイアス係数Ｂ1 （ｉ）を加算し、その値を新
たにマトリックスＵ0 と置換える。ここで、ｉは中間層
のニューロン数、ｊは入力数であり、本実施例の場合は
ｉ＝３，ｊ＝２である。

【００６１】続いて、ステップＳ74で上記マトリックス
Ｕ0 の正接双曲線関数である中間層伝達関数Ｕ（＝ｔａ
ｎｈ（Ｕ0 ））を計算する。中間層伝達関数に正接双曲
線関数を用いたのは、入力が正負両方に分布することに
対応したものである。この中間層伝達関数Ｕの計算は、
第１実施例の場合に述べた図６に示すフローチャートに
従って行う。しかる後、ステップＳ75で上記中間層伝達
関数Ｕと出力層重み係数Ｗ2 （ｉ）とのマトリックス積
である近似ヨーレート値φp を求め、ステップＳ76でこ
の近似ヨーレート値φp に出力層バイアス係数Ｂ2 を加
算し、その値を新たに近似ヨーレート値φp と置換え
る。その後メインフローチャートに戻る。

【００６２】尚、中間層重み係数Ｗ1 、中間層バイアス
係数Ｂ1 、出力層重み係数Ｗ2 及び出力層バイアス係数
Ｂ2 は、後述する第二段ニューラルネットの計算のそれ
らと同じく、バックプロパゲーション法を用いた学習に
より、本実施例に係わるヨーレート推定装置の製造前に
全装置共通に決定されたものである。

【００６３】次に、第二段ニューラルネットの計算につ
いて、図１１に示すフローチャートに従って説明する。

【００６４】図１１において、先ず、ステップＳ81で正
規化情報Ｐ2 （近似ヨーレート値正規化値φpn、車体加
速度正規化値ｇn 、車速正規化値Ｖn 及び過去の２つの
推定ヨーレート出力値正規化値φni，φnl）を入力した
後、ステップＳ82でこの正規化情報Ｐ2 と中間層重み係
数Ｗ1 （ｉ，ｊ）とのマトリックス積Ｕ0 を求め、ステ
ップＳ83でこのマトリックスＵ0 に中間層バイアス係数
Ｂ1 （ｉ）を加算し、その値を新たにマトリックスＵ0
と置換える。本実施例の場合はｉ＝６，ｊ＝５である。

【００６５】続いて、ステップＳ84で上記マトリックス
Ｕ0 の正接双曲線関数である中間層伝達関数Ｕ（＝ｔａ
ｎｈ（Ｕ0 ））を計算する。この中間層伝達関数Ｕの計
算は、第１実施例の場合に述べた図６に示すフローチャ
ートに従って行う。しかる後、ステップＳ85で上記中間
層伝達関数Ｕと出力層重み係数Ｗ2 （ｉ）とのマトリッ
クス積である推定ヨーレート値φを求め、ステップＳ86
でこの推定ヨーレート値φに出力層バイアス係数Ｂ2 を
加算し、その値を新たに推定ヨーレート値φと置換え
る。その後メインフローチャートに戻る。

【００６６】以上のように、第２実施例においては、左
右輪回転差正規化値Ｒvnと操舵角正規化値Ｆsnとを入力
変数とするニューラルネットワーク演算により近似ヨー
レート値φp を算出し、該近似ヨーレート値の正規化値
φpnと車速正規化値Ｖn と車体加速度正規化値ｇn とを
入力変数とするニューラルネットワーク演算により推定
ヨーレート値φを算出しているため、上記左右輪回転差
正規化値Ｒvnと操舵角正規化値Ｆsnと車速正規化値Ｖn
と車体加速度正規化値ｇn とを入力変数とするニューラ
ルネットワーク演算により推定ヨーレート値φを算出す
る場合に比べて、各ニューラルネットワーク８，１０に
おける入力情報の次数及びこれらと結合される中間層の
ニューロン数を少なくすることができ、演算の迅速化及
びマイクロコンピュータの小型化に寄与することができ
る。

【００６７】その上、近似ヨーレート値正規化値φp 等
を入力変数とするニューラルネットワーク演算により推
定ヨーレート値φを算出するに当り、所定の遅れ時間
ｉ，ｌ前の２つの推定ヨーレート出力値φi ，φl （詳
しくはそれらの正規化値φni，φnl）を入力変数に加え
てニューラルネットワーク演算を行っているため、第１
実施例の場合と同様に、推定ヨーレート値φにダイナミ
ックスを持たせることができ、ヨーレートの推定精度を
高めることができる。

【００６８】また、上記遅れ時間ｉ，ｌを、車両のヨー
固有周波数ωＹとヨー減衰係数ζとの積（ωＹ・ζ）又
はヨー固有周波数ωＹが高い程短くなるように設定する
ことにより、推定精度の向上をより図ることができるこ
と、さらに、遅れ時間ｉ，ｌの相違する２つの推定ヨー
レート出力値φi ，φl を入力変数に加えてニューラル
ネットワーク演算を行うことにより、マイクロコンピュ
ータの記憶容量や演算能力を大きくすることなく、ヨー
レートの時系列変化パターンを学習されることができる
ことも、第１実施例の場合と同様である。

【００６９】尚、上記第１及び２実施例では、車両のヨ
ー固有周波数ωＹ及びヨー減衰係数ζが高い程遅れ時間
ｉ，ｌを短く設定したが、本発明は、このヨー固有周波
数ωＹ等の代りに、検出が容易な車速や車体加速度等車
両の運動状態量、操舵角やアクセル開度等運転者の操作
状態又は路面の摩擦係数や凹凸状態等走行道路の状態に
応じて遅れ時間を設定してもよい。

【００７０】すなわち、車速に応じて遅れ時間を設定す
る場合、ヨー固有周波数ωＹとヨー減衰係数ζとの積と
車速Ｖとの間には、例えば図１２に示すように、車速Ｖ
が高くなるに従いωＹ・ζの値が次第に小さくなるとい
う相関関係がある。従って、図１３に示すように、車速
Ｖが高くなるに従って、遅れ時間ｔを次第に長くするよ
うに設定すればよい。図１４（ａ）〜（ｄ）は、三角波
状の操舵を与えたときの車速と遅れ時間との相関関係を
見出すために行った実験結果を示し、図１４（ａ）は車
速２０ｋｍ／ｈの時、図１４（ｂ）は車速６０ｋｍ／ｈ
の時、図１４（ｃ）は車速１００ｋｍ／ｈの時、図１４
（ｄ）は車速１４０ｋｍ／ｈの時をそれぞれ示す。ま
た、これらの図中、実線は実際のヨーレートを、破線は
遅れ時間（正規化値）が１のときの推定ヨーレートを、
一点鎖線は遅れ時間が３のときの推定ヨーレートを、二
点鎖線は遅れ時間が５のときの推定ヨーレートをそれぞ
れ示す。この図からも分るように、車速Ｖが低いときは
遅れ時間が短いときの推定ヨーレートが実際のヨーレー
トとよく一致し、車速Ｖが高いときは遅れ時間が長いと
きの推定ヨーレートが実際のヨーレートとよく一致す
る。

【００７１】車体加速度に応じて遅れ時間を設定する場
合、ＦＦ車では、加速時には前輪駆動力が増大し、前輪
のコーナリングフォースが低下するとともに、加速に伴
い後輪荷重が増加し、後輪コーナリングフォースが増大
することから、ヨー固有周波数ωＹが上昇する。ＦＲ車
では、加速時には後輪駆動力が増大し、後輪のコーナリ
ングフォースが低下する一方、加速に伴い後輪荷重が増
加し、後輪のコーナリングフォースが増大するが、後輪
コーナリングフォースの低下の方が大きいので、ヨー固
有周波数ωＹが低下する。このことは、図１５に示すヨ
ー固有周波数ωＹと車体加減速度との関係からも分か
る。従って、図１６に示すように、ＦＦ車では、車体加
速度ｇが増加するに従って遅れ時間ｔを次第に短くする
ように設定し、ＦＲ車では、逆に、車体加速度ｇが増加
するに従って遅れ時間ｔを次第に長くするように設定す
ればよい。

【００７２】車両の横滑り角βに応じて遅れ時間を設定
する場合、横滑り角βの増大により車輪のコーナリング
フォースが低下し、一般的にヨー固有周波数ωＹが低下
する。従って、図１７に示すように、横滑り角βが増大
するに従って遅れ時間ｔを次第に長くするように設定す
ればよい。

【００７３】図１８（ａ）〜（ｄ）は、三角波状の操舵
を与えたときの最大操舵角と遅れ時間との相関関係を見
出すために行った実験結果を示し、図１８（ａ）は最大
操舵角が５度の時、図１８（ｂ）は最大操舵角が１０度
の時、図１８（ｃ）は最大操舵角が１５度の時、図１８
（ｄ）は最大操舵角が２０度の時をそれぞれ示す。ま
た、これらの図中、実線は実際のヨーレートを、破線は
遅れ時間（正規化値）が１のときの推定ヨーレートを、
一点鎖線は遅れ時間が３のときの推定ヨーレートを、二
点鎖線は遅れ時間が５のときの推定ヨーレートをそれぞ
れ示す。この図から分るように、操舵角が小さいときは
遅れ時間が短いときの推定ヨーレートが実際のヨーレー
トとよく一致し、操舵角が大きいときは遅れ時間が長い
ときの推定ヨーレートが実際のヨーレートとよく一致す
る。従って、操舵角に応じて遅れ時間を設定する場合、
図１９に示すように、操舵角Ｆstg が増大するに従って
遅れ時間ｔを次第に長くするように設定すればよい。

【００７４】アクセル開度に応じて遅れ時間を設定する
場合、アクセルの踏み込みによる車両の運動特性、特に
ヨー固有周波数の影響は、車体加速度の場合と同じであ
ることから、図２０に示すように、ＦＦ車では、アクセ
ル開度が増加するに従って遅れ時間ｔを次第に短くする
ように設定し、ＦＲ車では、逆に、アクセル開度が増加
するに従って遅れ時間ｔを次第に長くするように設定す
ればよい。

【００７５】路面摩擦係数μに応じて遅れ時間を設定す
る場合、低μ路では、車輪のコーナリングパワー及び最
大コーナリングフォースが低下するため、一般的に操舵
に対する車両応答性は鈍くなり、車両の運動特性として
みると、ヨー固有周波数は低下する。このことは、横滑
り角が増大し、コーナリングパワー及びコーナリングフ
ォースが低下した状況と同じである。従って、図２１に
示すように、路面摩擦係数μが高いときは遅れ時間ｔを
小さくし、路面摩擦係数μが低くなるに従って遅れ時間
ｔを長くするように設定すればよい。

【００７６】（第３実施例）図２２は本発明の第３実施
例に係わる車両のヨーレート推定装置のブロック線図で
ある。図２２において、５１は右車輪の所定時間当りの
回転数である車輪速を検出する右車輪速センサ、５２は
左車輪の車輪速を検出する左車輪速センサ、５３は操舵
輪である前輪の操舵角を検出する操舵角検出手段として
の操舵角センサである。上記両車輪速センサ５１，５２
で検出された車輪速Ｗr ，Ｗl は加算点５４で互いに減
算されることにより左右輪の回転差Ｒv が算出されるよ
うになっており、車輪速センサ５１，５２及び加算点５
４により、左右輪の回転差を検出する回転差検出手段５
５が構成されている。上記回転差Ｒv は、フィルター５
６及び正規化処理部５７を通して推定ヨーレート値演算
部５８に入力される。

【００７７】上記両車輪速センサ５１，５２で検出され
た車輪速Ｗr ，Ｗl は加算点６１で互いに加算されると
ともに、この加算値は係数積算部６２で１／２倍される
ことにより車速Ｖが算出されるようになっており、車輪
速センサ５１，５２、加算点６１及び係数積算部６２に
より、車速Ｖを検出する車速検出手段６３が構成されて
いる。車速Ｖは正規化処理部５７を通して推定ヨーレー
ト値演算部５８に入力される。

【００７８】上記操舵角センサ５３で検出された操舵角
Ｆs は正規化処理部５７を通して推定ヨーレート値演算
部５８に入力される。また、操舵角Ｆs は、加算点６４
に対し、そのまま入力されるとともに、遅延回路６５で
１計測タイミング遅れた後に入力され、該加算点６４で
この両入力値が互いに減算されることにより操舵速度Ｄ
fsが算出されるようになっており、操舵角センサ５３に
加えて加算点６４と遅延回路６５とにより、操舵速度Ｄ
fsを検出する操舵速度検出手段６６が構成されている。
操舵速度Ｄfsも正規化処理部５７を通して推定ヨーレー
ト値演算部５８に入力される。

【００７９】上記推定ヨーレート値演算部５８は、正規
化処理部５７で各々正規化された左右輪の回転差正規化
値Ｒvn、車速正規化値Ｖn 、操舵角正規化値Ｆsn、操舵
速度正規化値Ｄfsn 及び過去の２つの推定ヨーレート出
力値正規化値φni，φnlを入力変数としかつ中間層に複
数のニューロンを有するニューラルネットワークにより
構成されており、ニューラルネットワーク演算により推
定ヨーレート値φを算出する。

【００８０】さらに、７１及び７２は上記推定ヨーレー
ト値演算部５８からの推定ヨーレート出力値φがフィー
ドバックフィルターとしてのローパスフィルター７３を
通して入力される記憶部であって、該両記憶部７１，７
２は、それぞれ遅れ時間設定部７４の指令に基づいて、
推定ヨーレート出力値φを、所定の遅れ時間ｉ，ｌ記憶
し、その遅れ時間ｉ，ｌ後に上記推定ヨーレート値演算
部５８の入力層に正規化処理部５７を通して出力するよ
うになっている。上記２つの遅れ時間ｉ，ｌは相違し、
ｉ＞ｌの大小関係が成立する。上記ローパスフィルター
７３は、推定ヨーレート出力値φの信号からノイズを除
去するためのものであり、本実施例では、遮断特性が他
のフィルターに比べてシャープなチェビシェフフィルタ
ーからなる。該ローパスフィルター７３に付随して、カ
ットオフ周波数を設定するカットオフ周波数設定部７５
と、該設定部７５で設定されたカットオフ周波数に応じ
てフィルター定数を設定するフィルター設計部７６とが
設けられている。上記カットオフ周波数設定部７５は、
操舵速度検出手段６６で検出された操舵速度Ｄfsを受
け、カットオフ周波数を設定するようになっている。ま
た、上記遅れ時間設定部７４は、該カットオフ周波数設
定部７５で設定されたカットオフ周波数を受け、互いに
相違する２つの遅れ時間ｉ，ｌを設定して記憶部４１，
４２に出力する。

【００８１】次に、上記第３実施例のヨーレート推定装
置において、ヨーレートを推定する場合の動作手順であ
るヨーレート推定方法について、図２３に示すメインフ
ローチャートに従って説明する。

【００８２】図２３において、先ず、ステップＳ101 で
計測タイミングとなるのを待った後、ステップＳ102 で
車両運動情報としての右車輪速Ｗr 及び左車輪速Ｗl を
それぞれ車輪速センサ５１，５２により計測するととも
に、ステップＳ103 でドライバー操作情報としての操舵
角Ｆs を操舵角センサ５３により計測する。続いて、ス
テップＳ104 において上記右車輪速Ｗr と左車輪速Ｗl
との差分である左右輪回転差Ｒv を加算点５４で求める
とともに、該左右輪回転差Ｒv に対しフィルター５６で
フィルター計算をする。この左右輪回転差Ｒv のフィル
ター計算は、第１実施例の場合に述べた式により行
う。

【００８３】しかる後、ステップＳ105 でフィードバッ
クフィルター７３のカットオフ周波数ｆをカットオフ周
波数設定部７５にて決定する。このカットオフ周波数ｆ
の決定では、図２４に示すようなマップが用いられ、操
舵速度Ｄfsが高い程カットオフ周波数ｆを高く設定す
る。

【００８４】続いて、ステップＳ106 でフィードバック
フィルター７３のフィルター定数ａ，ｂをフィルター設
計部７６にて設計する。この設計では、先ず、チェビシ
ェフフィルターの伝達関数Ｈｎを求め、しかる後、該伝
達関数Ｈｎからフィルター定数ａ，ｂを求める。チェビ
シェフフィルターの伝達関数Ｈｎは、 ｜Ｈｎ（Ω）｜＝１／√（１＋ε² Ｃｎ（Ω）² ） である。但し、Ｃｎはチェビシェフの多項式、εは通過
領域のリップルである。上記伝達関数Ｈｎを求める場合
には、カットオフ周波数ｆの指定を受けた後、先ず、該
カットオフ周波数ｆを実現させる、例えば４次のチェビ
シェフ・アナログフィルターＨ（ｓ）を設計し、次に、
サンプリング周期をベースにＨ（ｓ）を双１次変換方式
によりデェジタルフィルターＨ（ｚ）に変換する。

【００８５】上記フィードバックフィルターの設計後、
ステップＳ107 でヨーレート遅れ時間ｉ，ｌを遅れ時間
設定部７４にて決定する。この遅れ時間ｉ，ｌの設定で
は、図２５に示すようなマップが用いられ、カットオフ
周波数ｆが高い程遅れ時間ｉ，ｌを短く設定する。尚、
２つの遅れ時間ｉ，ｌは相違し、常にｉ＞ｌの大小関係
が成立する。

【００８６】続いて、ステップＳ108 で推定ヨーレート
出力値φに対し、フィードバックフィルター７３にてフ
ィルター計算をする。この推定ヨーレート出力値φのフ
ィルター計算は、先に設計したフィルター定数ａ，ｂを
用いて、下記の式 φf ＝Filter（φ，ａ，ｂ） ＝ｂ(1) ・φ(t) ＋ｂ(2) ・φ(t-1) ＋ｂ(3) ・φ(t-3) ＋ｂ(4) ・φ(t-4) ＋ｂ(5) ・φ(t-5) −ａ(2) ・φf(t-1) −ａ(3) ・φf(t-2)−ａ(4) ・φf(t-4)−ａ(5) ・φf(t-5) … により行う。

【００８７】続いて、ステップＳ109 で正規化処理部５
７にてその入力情報である左右輪回転差Ｒv ，車速Ｖ，
操舵角Ｆs ，操舵速度Ｄfs及び上記遅れ時間ｉ，ｌ前の
２つの推定ヨーレート出力値φi ，φl を正規化する。
この正規化計算は、下記の式 Ｒvn＝Ｒv ／２ Ｖn ＝（Ｖ−７０）／７０ Ｆsn＝Ｆs ／５ Ｄfsn ＝（Ｆs （ｔ）−Ｆs （ｔ−１））／２０ φni＝φi ／３０ φnl＝φl ／３０ Ｐ＝［Ｒvn，Ｖn ，Ｆsn，Ｄfsn ，φni，φnl］^T により行う。尚、マトリックスＰのT は転置マトリック
スを意味する。

【００８８】続いて、ステップＳ110 で推定ヨーレート
値演算部５８にて左右輪回転差正規化値Ｒvn、車速正規
化値Ｖn 、操舵角正規化値Ｆsn、操舵速度正規化値Ｄfs
n 及び２つの推定ヨーレート出力値正規化値φni，φnl
を入力変数とするニューラルネットワーク演算をして推
定ヨーレート値φを算出する。この推定ヨーレート値φ
の計算（ニューラルネットの計算）は、図５に示す第１
実施例の場合のそれと比べて単に入力情報が若干異なる
だけである。この推定ヨーレート値φを出力した後、ス
テップＳ101 に戻る。

【００８９】以上のように、第３実施例においては、所
定の遅れ時間ｉ，ｌ前の２つの推定ヨーレート出力値φ
i ，φl を入力変数に加えてニューラルネットワーク演
算により推定ヨーレート値φを算出する際、予め推定ヨ
ーレート出力値φi ，φl の信号をローパスフィルター
７３に通してノイズを除去し、ノイズのない推定ヨーレ
ート出力値を用いてニューラルネットワーク演算を行っ
ているため、推定ヨーレート値φにダイナミックスを持
たせることと相俟って、ヨーレート推定を適正に行うこ
とができ、推定精度を一層高めることができる。

【００９０】しかも、操舵速度Ｄfsが高いときにはヨー
の変化が速くなり、ヨーの周波数も高くなることに対応
して、上記ローパスフィルター７３のカットオフ周波数
ｆは、操舵速度Ｄfsが高い程高くなるように設定される
ため、操舵速度Ｄfsないしヨー周波数の大きさに応じて
ノイズを適切に除去することができる。また、ローパス
フィルター７３のカットオフ周波数ｆを高くすると、ニ
ューラルネットワークとフィルター７３とを合成したシ
ステムの周波数特性が高域側へ広がるが、本実施例で
は、所定の遅れ時間ｉ，ｌ前の２つの推定ヨーレート出
力値φi ，φl を入力変数に加えてニューラルネットワ
ーク演算により推定ヨーレート値φを算出する際、上記
遅れ時間ｉ，ｌを、ローパスフィルター７３のカットオ
フ周波数ｆが高い程短くするようにしているため、シス
テム周波数特性の高域側への広がりの影響を受けること
なく、推定ヨーレート値に適正なダイナミックスを持た
せることができ、ヨーレートの推定精度をより一層高め
ることができる。

【００９１】（第４実施例）図２６は本発明の第４実施
例に係わる車両のヨーレート推定装置のブロック線図で
ある。第４実施例の場合、推定ヨーレート値演算部５８
から推定ヨーレート出力値φを記憶部７１，７２に戻す
経路上に設けられたフィードバックフィルターとしての
ローパスフィルター７３に付随して、フィルター選択実
行部８１とフィルター・遅れ時間選択用演算部８２とが
設けられている。フィルター選択実行部８１は、予め所
定のカットオフ周波数ｆi に対応して設計されたフィル
ター定数ａi ，ｂi を複数組（ｎ組）記憶するととも
に、その中から、フィルター・遅れ時間選択用演算部８
２の指令に基づいて１組のフィルター定数ａi ，ｂi を
選択してローパスフィルター７３に出力するようになっ
ている。

【００９２】また、上記フィルター・遅れ時間選択用演
算部８２は、正規化処理部５７で各々正規化された車速
正規化値Ｖn と操舵角正規化値Ｆsnと操舵速度正規化値
Ｄfsn とを入力変数としかつ中間層に複数のニューロン
を有するニューラルネットワークにより構成されてお
り、ニューラルネットワーク演算により１つのカットオ
フ周波数ｆi 及びこれに対応した２つの遅れ時間ｉ，ｌ
をｎ組の中から選択的に算出する。カットオフ周波数ｆ
i はフィルター選択実行部８１に出力され、該フィルタ
ー選択実行部８１における１組のフィルター定数ａi ，
ｂi の選択に供される。また、２つの遅れ時間ｉ，ｌは
それぞれ記憶部７１，７２に出力され、該記憶部７１，
７２は、推定ヨーレート出力値φを、所定の遅れ時間
ｉ，ｌ記憶し、その遅れ時間ｉ，ｌ後に推定ヨーレート
値演算部５８の入力層に正規化処理部５７を通して出力
する。尚、ヨーレート推定装置のその他の構成は、第３
実施例の場合と同じであり、同一部材には同一符号を付
してその説明は省略する。

【００９３】次に、上記第４実施例のヨーレート推定装
置において、ヨーレートを推定する場合の動作手順であ
るヨーレート推定方法について、図２７に示すメインフ
ローチャートに従って説明する。

【００９４】図２７において、先ず、ステップＳ121 で
計測タイミングとなるのを待った後、ステップＳ122 で
車両運動情報としての右車輪速Ｗr 及び左車輪速Ｗl を
それぞれ車輪速センサ５１，５２により計測するととも
に、ステップＳ123 でドライバー操作情報としての操舵
角Ｆs を操舵角センサ５３により計測する。続いて、ス
テップＳ124 において上記右車輪速Ｗr と左車輪速Ｗl
との差分である左右輪回転差Ｒv を加算点５４で求める
とともに、該左右輪回転差Ｒv に対しフィルター５６で
フィルター計算をする。この左右輪回転差Ｒv のフィル
ター計算は、第１実施例の場合に述べた式により行
う。

【００９５】続いて、ステップＳ125 で正規化処理部５
７にてその入力情報の一部である左右輪回転差Ｒv ，車
速Ｖ，操舵角Ｆs 及び操舵速度Ｄfsを正規化する。この
正規化計算は、下記の式 Ｒvn＝Ｒv ／２ Ｖn ＝（Ｖ−７０）／７０ Ｆsn＝Ｆs ／５ Ｄfsn ＝（Ｆs （ｔ）−Ｆs （ｔ−１））／２０ Ｐ＝［Ｒvn，Ｖn ，Ｆsn，Ｄfsn ］^T により行う。尚、マトリックスＰのT は転置マトリック
スを意味する。

【００９６】上記正規化計算の後、ステップＳ126 でフ
ィルター・遅れ時間選択用演算部８２にて正規化車速Ｖ
n ，正規化操舵角Ｆsn及び正規化操舵速度Ｄfsn を入力
変数とするニューラルネットワーク演算によりカットオ
フ周波数ｆi 及び２つの遅れ時間ｉ，ｌを算出する。こ
のニューラルネットの計算は、基本的には、図５に示す
推定ヨーレート値計算用のニューラルネットの計算と同
じ手順で行われる。尚、その際に用いる重み係数Ｗ1 ，
Ｗ2 （詳しくは中間重み係数Ｗ11，Ｗ21と出力層重み係
数Ｗ21，Ｗ22）及びバイアス係数Ｂ1 ，Ｂ2 （詳しくは
中間バイアス係数Ｂ11，Ｂ21と出力層バイアス係数Ｂ2
1，Ｂ22）は、バックプロパゲーション法を用いた学習
により、本実施例に係わるヨーレート推定装置の製造前
に全装置共通に決定されたものである。

【００９７】続いて、ステップＳ127 でフィルター選択
実行部８１にて上記フィルター・遅れ時間選択用演算部
８２からのカットオフ周波数ｆi を受け、該カットオフ
周波数ｆi に対応した１組のフィルター係数ａi ，ｂi
を選択する。次に、ステップＳ128 で推定ヨーレート出
力値φに対し、フィードバックフィルター７３にてフィ
ルター計算をする。この推定ヨーレート出力値φのフィ
ルター計算は、上記１組のフィルター定数ａi ，ｂi を
用い、第３実施例の場合に述べた式により行う。

【００９８】続いて、ステップＳ129 で正規化処理部５
７にて、先に正規化した入力情報Ｐ1 （＝［Ｒvn，Ｖn
，Ｆsn，Ｄfsn ］^T ）の他に、所定の遅れ時間ｉ，ｌ
前の２つの推定ヨーレート出力値φi ，φl を正規化す
る。この正規化計算は、下記の式 φni＝φi ／３０ φnl＝φl ／３０ Ｐ＝［Ｒvn，Ｖn ，Ｆsn，Ｄfsn ，φni，φnl］^T により行う。尚、マトリックスＰのT は転置マトリック
スを意味する。

【００９９】続いて、ステップＳ130 で推定ヨーレート
値演算部５８にて左右輪回転差正規化値Ｒvn、車速正規
化値Ｖn 、操舵角正規化値Ｆsn、操舵速度正規化値Ｄfs
n 及び２つの推定ヨーレート出力値正規化値φni，φnl
を入力変数とするニューラルネットワーク演算をして推
定ヨーレート値φを算出する。この推定ヨーレート値φ
の計算（ニューラルネットの計算）は、図５に示す第１
実施例の場合のそれと比べて単に入力情報が若干異なる
だけである。この推定ヨーレート値φを出力した後、ス
テップＳ101 に戻る。

【０１００】以上のように、第４実施例においても、第
３実施例の場合と同じく、所定の遅れ時間ｉ，ｌ前の２
つの推定ヨーレート出力値φi ，φl を入力変数に加え
てニューラルネットワーク演算により推定ヨーレート値
φを算出する際、予め推定ヨーレート出力値φi ，φl
の信号をローパスフィルター７３に通してノイズを除去
し、ノイズのない推定ヨーレート出力値を用いてニュー
ラルネットワーク演算を行っているため、推定ヨーレー
ト値φにダイナミックスを持たせることと相俟って、ヨ
ーレート推定を適正に行うことができ、推定精度を一層
高めることができる。

【０１０１】また、第３実施例では、ローパスフィルタ
ー７３のカットオフ周波数ｆを変更するときには、フィ
ルター設計部７６（図２２参照）でその都度変更後のカ
ットオフ周波数ｆに対応したフィルター定数ａ，ｂを算
出するようにしたが、第４実施例においては、予め所定
のカットオフ周波数ｆi に対応して設計されたフィルタ
ー定数ａi ，ｂi を複数組用意し、その中から１組のフ
ィルター定数ａi ，ｂi を選択するようにしているた
め、フィルター設計のために要する時間を省略すること
ができ、ヨーレート推定の迅速化及び適正化を図ること
ができる。

【０１０２】しかも、複数組のフィルター定数ａi ，ｂ
i の中から、１組のフィルター定数ａi ，ｂi に対応し
たカットオフ周波数ｆi をフィルター・遅れ時間選択用
演算部８２において選択するに当たり、車速Ｖ，操舵角
Ｆs 及び操舵速度Ｄfs（詳しくはこれらの正規化値）を
入力変数とするニューラルネットワーク演算によりカッ
トオフ周波数ｆi を算出しているため、カットオフ周波
数ｆi ないしフィルター定数ａi ，ｂi を車両の操作・
運動状態に応じて適切に設定することができる。

【０１０３】さらに、上記フィルター・遅れ時間選択用
演算部８２は、ニューラルネットワーク演算によりカッ
トオフ周波数ｆi と共に遅れ時間ｉ，ｌを算出する。こ
の場合、ローパスフィルター７３のカットオフ周波数ｆ
i が高い時は、ニューラルネットワークとフィルター７
３とを合成したシステムの周波数特性が高域側へ広がる
ため、これに対応して遅れ時間ｉ，ｌを短くすることが
望ましいが、ニューラルネット計算に用いる遅れ時間用
の重み係数Ｗ2 及びバイアス係数Ｂ2 は、このことを加
味した学習により決定されており、また、それにより、
システム周波数特性の高域側への広がりの影響を受ける
ことなく、推定ヨーレート値に適正なダイナミックスを
持たせることができ、ヨーレートの推定精度をより一層
高めることができる。

【０１０４】ローパスフィルター７３のカットオフ周波
数ｆを設定する場合、操舵速度Ｄfsに対するカットオフ
周波数ｆの好ましい設定法については、既に第３実施例
において図２４を用いて説明したが、操舵速度Ｄfs以外
の車両の操作・運動状態に対するカットオフ周波数ｆの
好ましい設定法について、以下に説明する。

【０１０５】すなわち、ローパスフィルター７３のカッ
トオフ周波数ｆは、ノイズ除去という目的から見ると、
可能な限り低く設定すべきであるが、車両運動であるヨ
ーレートの正確な推定という視点からは、できる限り高
い方が望ましい。そこで、車両のヨー運動の変化速度の
可能性から考えると、操舵角Ｆs 、ＦＦ車でのアクセル
開度及び前後加速度の場合、図２８に示すように、これ
らが大きい程カットオフ周波数ｆを小さくする方がよ
い。一方、車速Ｖ、ＦＲ車でのアクセル開度及び前後加
速度の場合、図２９に示すように、これらが大きい程カ
ットオフ周波数ｆを大きくする方がよい。第４実施例の
場合、フィルター・遅れ時間選択用演算部８２でのニュ
ーラルネット計算に用いるカットオフ周波数用の重み係
数Ｗ1 及びバイアス係数Ｂ1 は、このことを加味した学
習により決定されている。

【０１０６】尚、上記第４実施例では、フィルター・遅
れ時間選択用演算部８２において、車速Ｖ，操舵角Ｆs
及び操舵速度Ｄfs（詳しくはこれらの正規化値Ｖn ，Ｆ
sn，Ｄfsn ）を入力変数とするニューラルネットワーク
演算によりカットオフ周波数ｆi 及び２つの遅れ時間
ｉ，ｌを算出するようにしたが、本発明は、ニューラル
ネットワーク演算の入力変数を第４実施例のものに限定
するものではない。また、ニューラルネットワーク演算
の代りに、ファジィ演算によりカットオフ周波数ｆi 及
び２つの遅れ時間ｉ，ｌを算出するようにしてもよい。

【０１０７】図３０はフィルター・遅れ次数選択用ファ
ジィ演算のサブルーチンを示すフローチャートであり、
以下、このサブルーチンについて説明する。尚、遅れ次
数は制御サイクルの回数を意味し、この遅れ次数と制御
サイクル時間との積が遅れ時間ｌに相当し、その２倍が
遅れ時間ｉに相当する。また、フィルターのカットオフ
周波数ｆi はｆ1 ，ｆ2 ，ｆ3 （ｆ1 ＜ｆ2 ＜ｆ3 ）の
３つ用意され、遅れ次数も１〜３の３つ用意されてい
る。

【０１０８】図３０において、先ず、ステップＳ141 で
入力情報である車速正規化値Ｖn ，操舵角正規化値Ｆsn
及び操舵速度正規化値Ｄfsn を、図３１（ａ），（ｂ）
及び（ｃ）にそれぞれ示すメンバーシップ関数を用いて
ファジィ化する。このファジィ化では、車速正規化値Ｖ
n を遅い（ｓＶn ）、普通（ｍＶn ）、速い（ｌＶn）
の３つに、操舵角正規化値Ｆsnを小さい（ｓＦsn）、普
通（ｍＦsn）、大きい（ｌＦsn）の３つに、操舵速度正
規化値Ｄfsn を遅い（ｓＤfsn ）、速い（ｌＤfsn ）の
２つにそれぞれ分けている。

【０１０９】続いて、ステップＳ142 で各ファジィルー
ルの適合度を計算する。ファジィルールは、車速正規化
値Ｖn と操舵角正規化値Ｆsnと操舵速度正規化値Ｄfsn
の各区分によって１８ルールからなり、各ルールの適合
度ｇ（１）〜ｇ（18）はそれぞれ下記の式 ｇ（１）＝ｇ（ｓＶn ）×ｇ（ｓＦsn）×ｇ（ｓＤfsn ） ｇ（２）＝ｇ（ｍＶn ）×ｇ（ｓＦsn）×ｇ（ｓＤfsn ） ｇ（３）＝ｇ（ｌＶn ）×ｇ（ｓＦsn）×ｇ（ｓＤfsn ） ｇ（４）＝ｇ（ｓＶn ）×ｇ（ｍＦsn）×ｇ（ｓＤfsn ） ・ ・ ・ ｇ（17）＝ｇ（ｌＶn ）×ｇ（ｌＦsn）×ｇ（ｓＤfsn ） ｇ（18）＝ｇ（ｍＶn ）×ｇ（ｌＦsn）×ｇ（ｌＤfsn ） により算出される。尚、ｇ（ｓＶn ）は車速Ｖn のメン
バーシップ関数ｓＶn に対するグレード値であり、他も
同様に意味する。

【０１１０】続いて、ステップＳ143 でフィルター適応
度Ｆa を演算する。フィルター適応度Ｆa は、 Ｆa ＝Σ（ｇ（ｉ）×Ｆ（ｉ））／Σｇ（ｉ） ｉ＝１〜１８ である。ここで、Ｆ（ｉ）は、予め各ルール（ｉ）毎に
定められている適用フィルターであり、例えばルール
（１）は、もし車速正規化値Ｖn が遅く、操舵角正規化
値Ｆsnが小さく、操舵速度正規化値Ｄfsn が遅いなら
ば、フィルターのカットオフ周波数ｆi をｆ1 にすると
いうものである。

【０１１１】上記フィルター適応度Ｆa を演算した後、
ステップＳ144 でその適応度Ｆa に応じて、フィルター
のカットオフ周波数ｆi 及び遅れ次数を決定する。つま
り、適応度Ｆa が１．４未満ならばフィルターのカット
オフ周波数ｆi をｆ1 に、遅れ次数を１に設定し、適応
度Ｆa が１．４以上２．４未満ならばフィルターのカッ
トオフ周波数ｆi をｆ2 に、遅れ次数を２に設定し、適
応度Ｆa が２．４以上ならばフィルターのカットオフ周
波数ｆi をｆ3 に、遅れ次数を３に設定する。以上によ
って、ファジィ演算サブルーチンを終了する。

【０１１２】（第５実施例）図３２は本発明の第５実施
例に係わる車両のヨーレート推定装置のブロック線図で
ある。第５実施例の場合、推定ヨーレート値演算部５８
から出力される推定ヨーレート出力値φは、正規化処理
部９１で正規化した後、記憶部９２に入力される。該記
憶部９２は、入力情報である推定ヨーレート出力値正規
化値φn を時系列的に記憶するとともに、その記憶した
時系列の推定ヨーレート出力値正規化値φnnをフィード
バックフィルターとしてのローパスフィルター９３に対
し出力するようになっている。上記ローパスフィルター
９３は、時系列の推定ヨーレート出力値正規化値φnnと
共に、正規化処理部５７で正規化された車速正規化値Ｖ
n ，操舵角正規化値Ｆsn及び操舵速度正規化値Ｄfsn を
入力情報としかつ中間層に複数のニューロンを有するニ
ューラルネットワークにより構成されており、ニューラ
ルネットワーク演算によりノイズを除去した所定の遅れ
時間ｉ，ｌ前の推定ヨーレート値φi ，φl を算出す
る。該推定ヨーレート値φi ，φl は、ローパスフィル
ター９３から正規化処理部５７を通して推定ヨーレート
値演算部５８に出力される。上記２つの遅れ時間ｉ，ｌ
は相違し、ｉ＞ｌの大小関係が成立する。尚、ヨーレー
ト推定装置のその他の構成は、第３実施例の場合と同じ
であり、同一部材には同一符号を付してその説明は省略
する。

【０１１３】次に、上記第５実施例のヨーレート推定装
置において、ヨーレートを推定する場合の動作手順であ
るヨーレート推定方法について、図３３に示すメインフ
ローチャートに従って説明する。

【０１１４】図３３において、先ず、ステップＳ151 で
計測タイミングとなるのを待った後、ステップＳ152 で
車両運動情報としての右車輪速Ｗr 及び左車輪速Ｗl を
それぞれ車輪速センサ５１，５２により計測するととも
に、ステップＳ153 でドライバー操作情報としての操舵
角Ｆs を操舵角センサ５３により計測する。続いて、ス
テップＳ154 において上記右車輪速Ｗr と左車輪速Ｗl
との差分である左右輪回転差Ｒv を加算点５４で求める
とともに、該左右輪回転差Ｒv に対しフィルター５６で
フィルター計算をする。この左右輪回転差Ｒv のフィル
ター計算は、第１実施例の場合に述べた式により行
う。

【０１１５】続いて、ステップＳ155 で正規化処理部５
７にてその入力情報である左右輪回転差Ｒv ，車速Ｖ，
操舵角Ｆs 、操舵速度Ｄfs及び所定の遅れ時間ｉ，ｌ前
の２つの推定ヨーレート出力値φi ，φl を正規化す
る。この正規化計算は、下記の式 Ｒvn＝Ｒv ／２ Ｖn ＝（Ｖ−７０）／７０ Ｆsn＝Ｆs ／５ Ｄfsn ＝（Ｆs （ｔ）−Ｆs （ｔ−１））／２０ φni＝φi ／３０ φnl＝φl ／３０ Ｐ＝［Ｒvn，Ｖn ，Ｆsn，Ｄfsn ，φni，φnl］^T により行う。尚、マトリックスＰのT は転置マトリック
スを意味する。

【０１１６】続いて、ステップＳ156 で推定ヨーレート
値演算部５８にて左右輪回転差正規化値Ｒvn、車速正規
化値Ｖn 、操舵角正規化値Ｆsn、操舵速度正規化値Ｄfs
n 及び２つの推定ヨーレート出力値正規化値φni，φnl
を入力変数とするニューラルネットワーク演算をして推
定ヨーレート値φを算出する。この推定ヨーレート値φ
の計算（ニューラルネットの計算）は、図５に示す第１
実施例の場合のそれと比べて単に入力情報が若干異なる
だけである。

【０１１７】続いて、ステップＳ157 で正規化処理部９
１にて推定ヨーレート出力値φを正規化する。この正規
化式は、 φn ＝φ／３０ である。しかる後、ステップＳ158 で記憶部９２にて今
回の推定ヨーレート出力値正規化値φn をφnn(1) とし
て記憶するとともに、既に記憶している前回以前の推定
ヨーレート出力値正規化値についてφnn（t-1)からφnn
(t) に入れ替えを行う。尚、記憶部９２の記憶データ数
ｍは１０程度ある。

【０１１８】続いて、ステップＳ159 でローパスフィル
ター９３にて上記記憶部９２からの時系列の推定ヨーレ
ート出力値正規化値φnnと共に、正規化処理部５７で正
規化された車速正規化値Ｖn ，操舵角正規化値Ｆsn及び
操舵速度正規化値Ｄfsn を入力変数とするニューラルネ
ットワーク演算をして、ノイズを除去した所定の遅れ時
間ｉ，ｌ前の推定ヨーレート値φi ，φl を算出する。
このニューラルネットの計算は、基本的には、図５に示
す推定ヨーレート値計算用のニューラルネットの計算と
同じ手順で行われる。尚、その際に用いる重み係数Ｗf
及びバイアス係数Ｂf は、バックプロパゲーション法を
用いた学習により、本実施例に係わるヨーレート推定装
置の製造前に全装置共通に決定されたものである。

【０１１９】以上のように、第５実施例においても、第
３及び第４実施例の場合と同じく、所定の遅れ時間ｉ，
ｌ前の２つの推定ヨーレート出力値φi ，φl を入力変
数に加えてニューラルネットワーク演算により推定ヨー
レート値φを算出する際、予め推定ヨーレート出力値φ
i ，φl の信号をローパスフィルター９３に通してノイ
ズを除去し、ノイズのない推定ヨーレート出力値を用い
てニューラルネットワーク演算を行っているため、推定
ヨーレート値φにダイナミックスを持たせることと相俟
って、ヨーレート推定を適正に行うことができ、推定精
度を一層高めることができる。

【０１２０】しかも、上記ローパスフィルター９３は、
時系列の推定ヨーレート出力値正規化値φnnと共に車速
正規化値Ｖn ，操舵角正規化値Ｆsn及び操舵速度正規化
値Ｄfsn を入力変数とするニューラルネットワーク演算
によりノイズのない推定ヨーレート出力値φi ，φl を
算出するものであるので、ノイズのない推定ヨーレート
値φi ，φl を正確に算出することができ、ヨーレート
の推定精度をより一層高めることができる。

【０１２１】尚、上記第１〜第５実施例では、ニューラ
ルネットワーク演算により推定ヨーレート値を算出する
に当り、遅れ時間ｉ，ｌが相違する過去の２つの推定ヨ
ーレート出力値φi ，φl を入力変数に加えてニューラ
ルネットワーク演算を行うようにしたが、本発明は、過
去の推定ヨーレート出力値φを２つに限定するものでは
なく、１つ又は３つ以上にしてもよいのは言うまでもな
い。

【０１２２】

【発明の効果】以上の如く、本発明における車両のヨー
レート推定方法及びその装置によれば、ニューラルネッ
トワーク演算により推定ヨーレート値を算出するに当
り、所定の遅れ時間前の推定ヨーレート出力値を入力変
数に加えてニューラルネットワーク演算を行うことによ
って、推定ヨーレート値にダイナミックスを持たせるこ
とができるので、過渡時での推定精度を高めることがで
きる。

【０１２３】特に、請求項４に係わる発明によれば、マ
イクロコンピュータの記憶容量等を大きくすることな
く、推定ヨーレート値にダイナミックスを持たせること
ができるので、実施化を図る上で非常に有利である。

【０１２４】また、請求項５〜８に係わる発明によれ
ば、遅れ時間を、車両のヨー固有周波数、車両の運動状
態量、運転者の操作状態又は走行道路の状態に応じて設
定することにより、推定ヨーレート値のダイナミックス
を適切に調整することができ、過渡時での推定精度の向
上を一層図ることができる。

【０１２５】請求項９に係わる発明によれば、予め推定
ヨーレート出力値の信号をローパスフィルターに通して
ノイズを除去することにより、ノイズのない推定ヨーレ
ート出力値を用いてニューラルネットワーク演算による
推定ヨーレート値を適正に算出することができ、ヨーレ
ートの推定精度をより高めることができる。

【０１２６】請求項１０に係わる発明によれば、操舵速
度に応じてローパスフィルターのカットオフ周波数を調
整してノイズの除去を適切に行うことができる。

【０１２７】請求項１１に係わる発明によれば、操舵速
度に応じてローパスフィルターのカットオフ周波数を調
整してノイズの除去を適切に行いながら、ローパスフィ
ルターのカットオフ周波数に合わせて遅れ時間を調整
し、推定ヨーレート値に適正なダイナミックスを持たせ
ることができ、推定精度の向上を一層図ることができ
る。

【０１２８】さらに、請求項１２及び１３に係わる発明
によれば、ローパスフィルターのカットオフ周波数を、
車速、操舵角及び操舵速度を入力変数とするニューラル
ネットワーク演算又はファジィ演算により設定すること
により、ノイズの除去を一層適切に行うことができる。

【図面の簡単な説明】

【図１】本発明の第１実施例を示すヨーレート推定装置
のブロック線図である。

【図２】同ヨーレート推定方法のメインフローチャート
図である。

【図３】ヨーレート遅れ時間決定のフローチャートの部
分図である。

【図４】同じく部分図である。

【図５】ニューラルネット計算のフローチャート図であ
る。

【図６】中間層伝達関数計算のフローチャート図であ
る。

【図７】ニューラルネットワークにステップ状の入力を
印加した時の出力値の変化状態を示す図である。

【図８】第２実施例を示す図１相当図である。

【図９】同じく図２相当図である。

【図１０】第一段ニューラルネット計算のフローチャー
ト図である。

【図１１】第二段ニューラルネット計算のフローチャー
ト図である。

【図１２】ヨー固有周波数及びヨー減衰係数と車速との
相関関係を示す図である。

【図１３】車速に応じて遅れ時間を設定するときに用い
る図である。

【図１４】三角波状の操舵を与えたときの車速と遅れ時
間との相関関係を見出すために行った実験結果を示す図
である。

【図１５】ヨー固有周波数と車体加速度との相関関係を
示す図である。

【図１６】車体加速度に応じて遅れ時間を設定するとき
に用いる図である。

【図１７】横滑り角に応じて遅れ時間を設定するときに
用いる図である。

【図１８】三角波状の操舵を与えたときの最大操舵角と
遅れ時間との相関関係を見出すために行った実験結果を
示す図である。

【図１９】操舵角に応じて遅れ時間を設定するときに用
いる図である。

【図２０】アクセル開度に応じて遅れ時間を設定すると
きに用いる図である。

【図２１】路面摩擦係数に応じて遅れ時間を設定すると
きに用いる図である。

【図２２】第３実施例を示す図１相当図である。

【図２３】同じく図２相当図である。

【図２４】操舵速度に応じてカットオフ周波数を決定す
るときに用いる図である。

【図２５】カットオフ周波数に応じて遅れ時間を決定す
るときに用いる図である。

【図２６】第４実施例を示す図１相当図である。

【図２７】同じく図２相当図である。

【図２８】操舵角等に応じてカットオフ周波数を決定す
るときに用いる図である。

【図２９】車速等に応じてカットオフ周波数を決定する
ときに用いる図である。

【図３０】フィルター・遅れ次数選択用ファジィ演算の
サブルーチンを示すフローチャート図である。

【図３１】上記ファジィ演算のメンバシップ関数を示す
図である。

【図３２】第５実施例を示す図１相当図である。

【図３３】同じく図２相当図である。

【符号の説明】

３，２３，５３ 操舵角センサ（操舵角検出手
段） ５，２５，５５ 回転差検出手段 ８，３０，５８ 推定ヨーレート値演算部 １３，３３，６３ 車速検出手段 １６，１７，４１，４２，７１，７２ 記憶部 １８，４３ 遅れ時間設定部 ３６ 加速度検出手段 ６６ 操舵速度検出手段 ７３，９３ ローパスフィルター ７４ 遅れ時間設定部 ７５ カットオフ周波数設定部 ８２ フィルター・遅れ時間選択
用演算部

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

Claims (14)

【特許請求の範囲】
1. 【請求項１】 車両に発生するヨーレートを推定するヨ
   ーレート推定方法であって、 ニューラルネットワーク演算により推定ヨーレート値を
   算出するに当り、所定の遅れ時間前の推定ヨーレート出
   力値を入力変数に加えてニューラルネットワーク演算を
   行うことを特徴とする車両のヨーレート推定方法。
2. 【請求項２】 車両に発生するヨーレートを推定するヨ
   ーレート推定方法であって、 少なくとも左右輪の回転差、操舵角及び車速をそれぞれ
   検出し、 これらの検出値を入力変数とするニューラルネットワー
   ク演算により推定ヨーレート値を算出するに当り、所定
   の遅れ時間前の推定ヨーレート出力値を入力変数に加え
   てニューラルネットワーク演算を行うことを特徴とする
   車両のヨーレート推定方法。
3. 【請求項３】 車両に発生するヨーレートを推定するヨ
   ーレート推定方法であって、 左右輪の回転差、操舵角及びその他の１つ以上の車両状
   態量をそれぞれ検出し、 上記左右輪の回転差と操舵角
   とを入力変数とするニューラルネットワーク演算により
   近似ヨーレート値を算出し、 更に該近似ヨーレート値と上記その他の１つ以上の車両
   状態量とを入力変数とするニューラルネットワーク演算
   により推定ヨーレート値を算出するに当り、所定の遅れ
   時間前の推定ヨーレート出力値を入力変数に加えてニュ
   ーラルネットワーク演算を行うことを特徴とする車両の
   ヨーレート推定方法。
4. 【請求項４】 ニューラルネットワーク演算の入力変数
   に加える推定ヨーレート出力値は、１つ又は遅れ時間が
   相違する２つのものである請求項１、請求項２又は請求
   項３記載の車両のヨーレート推定方法。
5. 【請求項５】 所定の遅れ時間は、車両のヨー固有周波
   数が高い程短くなるように設定される請求項４記載の車
   両のヨーレート推定方法。
6. 【請求項６】 所定の遅れ時間は、車速や車体加速度等
   車両の運動状態量に応じて設定される請求項４記載の車
   両のヨーレート推定方法。
7. 【請求項７】 所定の遅れ時間は、アクセル開度や操舵
   角等運転者の操作状態に応じて設定される請求項４記載
   の車両のヨーレート推定方法。
8. 【請求項８】 所定の遅れ時間は、路面の摩擦係数や凹
   凸状態等走行道路の状態に応じて設定される請求項４記
   載の車両のヨーレート推定方法。
9. 【請求項９】 車両に発生するヨーレートを推定するヨ
   ーレート推定方法であって、 ニューラルネットワーク演算により推定ヨーレート値を
   算出するに当り、所定の遅れ時間前の推定ヨーレート出
   力値の信号をローパスフィルターに通してノイズを除去
   した後、その信号を入力変数に加えてニューラルネット
   ワーク演算を行うことを特徴とする車両のヨーレート推
   定方法。
10. 【請求項１０】 上記ローパスフィルターのカットオフ
    周波数は、操舵速度が高い程高くなるように設定される
    請求項９記載の車両のヨーレート推定方法。
11. 【請求項１１】 所定の遅れ時間は、ローパスフィルタ
    ーのカットオフ周波数が高い程短くなるように設定され
    る請求項１０記載の車両のヨーレート推定方法。
12. 【請求項１２】 上記ローパスフィルターのカットオフ
    周波数は、車速、操舵角及び操舵速度を入力変数とする
    ニューラルネットワーク演算により設定される請求項９
    記載の車両のヨーレート推定方法。
13. 【請求項１３】 上記ローパスフィルターのカットオフ
    周波数は、車速、操舵角及び操舵速度を入力情報とする
    ファジィ演算により設定される請求項９記載の車両のヨ
    ーレート推定方法。
14. 【請求項１４】 車両に発生するヨーレートを推定する
    ヨーレート推定装置であって、 ニューラルネットワーク演算により推定ヨーレート値を
    算出する演算部と、 該演算部から出力される推定ヨーレート出力値を所定の
    遅れ時間記憶し、その遅れ時間後に上記演算部の入力側
    に出力する遅延部とを備えたことを特徴とする車両のヨ
    ーレート推定装置。