JPH0911929A - 操作フィーリング推定方法およびその装置 - Google Patents
操作フィーリング推定方法およびその装置Info
- Publication number
- JPH0911929A JPH0911929A JP18780795A JP18780795A JPH0911929A JP H0911929 A JPH0911929 A JP H0911929A JP 18780795 A JP18780795 A JP 18780795A JP 18780795 A JP18780795 A JP 18780795A JP H0911929 A JPH0911929 A JP H0911929A
- Authority
- JP
- Japan
- Prior art keywords
- index
- operation feeling
- feeling
- driver
- sensory evaluation
- 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
- Arrangement Or Mounting Of Control Devices For Change-Speed Gearing (AREA)
- Non-Deflectable Wheels, Steering Of Trailers, Or Other Steering (AREA)
Abstract
(57)【要約】
【目的】 複数のブレーキ操作フィーリングを精度良く
推定できるブレーキ操作フィーリング推定方法およびそ
の装置を提供する。 【構成】 車両１に取り付けた加速度センサ、ブレーキ
ペダル３に取り付けた踏力センサとストロークセンサの
信号を制動パターンに従って計測する計測部１０と、前
処理を実行し、操作フィーリングと相関の大きい指標を
得る前処理部２０と、ニューラルネットワーク（ＮＮ）
で構成し、指標を入力信号、ドライバの官能評価結果を
教師信号とし学習アルゴリズムを用いて学習し、計測デ
ータを前処理した指標とドライバの官能評価との関係を
表わすモデルとなし、指標を入力して操作フィーリング
を出力するフィーリング推定部３０と、から成り、複数
のブレーキ操作フィーリングを精度良く推定できる。
推定できるブレーキ操作フィーリング推定方法およびそ
の装置を提供する。 【構成】 車両１に取り付けた加速度センサ、ブレーキ
ペダル３に取り付けた踏力センサとストロークセンサの
信号を制動パターンに従って計測する計測部１０と、前
処理を実行し、操作フィーリングと相関の大きい指標を
得る前処理部２０と、ニューラルネットワーク（ＮＮ）
で構成し、指標を入力信号、ドライバの官能評価結果を
教師信号とし学習アルゴリズムを用いて学習し、計測デ
ータを前処理した指標とドライバの官能評価との関係を
表わすモデルとなし、指標を入力して操作フィーリング
を出力するフィーリング推定部３０と、から成り、複数
のブレーキ操作フィーリングを精度良く推定できる。
Description
【０００１】
【産業上の利用分野】本発明は、複数のブレーキ操作フ
ィーリング、ステアリング操作フィーリング、アクセル
操作フィーリング等を精度良く推定できる操作フィーリ
ング推定方法およびその装置に関する。
ィーリング、ステアリング操作フィーリング、アクセル
操作フィーリング等を精度良く推定できる操作フィーリ
ング推定方法およびその装置に関する。
【０００２】
【従来の技術】従来、例えば、ブレーキ操作フィーリン
グを推定する方法として、制動試験時の計測データにつ
いて、一般ユーザの主観的評価との相関から決定した重
み係数を用いたブレーキフィーリング指標（FBI）が知
られている（ＳＡＥペーパ９４０３３１）。このFBI
は、表１に示すように、７項目の計測データに重み係数
を付け、各計測項目について目標値をはずれたとき所定
の減点を行った加算値により算出する。
グを推定する方法として、制動試験時の計測データにつ
いて、一般ユーザの主観的評価との相関から決定した重
み係数を用いたブレーキフィーリング指標（FBI）が知
られている（ＳＡＥペーパ９４０３３１）。このFBI
は、表１に示すように、７項目の計測データに重み係数
を付け、各計測項目について目標値をはずれたとき所定
の減点を行った加算値により算出する。
【０００３】
【表１】
【０００４】
【発明が解決しようとする課題】しかし、FBI は、単一
の指標であり、種々の操作フィーリング（効き、ペダル
剛性、コントロール性）を表現できない。また、各計測
項目を独立に扱うため、計測項目の相互作用を考慮でき
ない。さらに、目標値から外れたときの減点量を線形計
算するため、線形領域内でデータの相関は人間の感覚の
非線形性に合わない等により、必要な精度で定量的に操
作フィーリングを推定できない問題がある。
の指標であり、種々の操作フィーリング（効き、ペダル
剛性、コントロール性）を表現できない。また、各計測
項目を独立に扱うため、計測項目の相互作用を考慮でき
ない。さらに、目標値から外れたときの減点量を線形計
算するため、線形領域内でデータの相関は人間の感覚の
非線形性に合わない等により、必要な精度で定量的に操
作フィーリングを推定できない問題がある。
【０００５】（目的）本発明の目的は、FBI の問題点を
解決し、複数のブレーキ操作フィーリングを精度良く推
定できるブレーキ操作フィーリング推定装置を提供する
ことにある。
解決し、複数のブレーキ操作フィーリングを精度良く推
定できるブレーキ操作フィーリング推定装置を提供する
ことにある。
【０００６】
【課題を解決するための手段】本発明のブレーキ操作フ
ィーリング推定方法は、車両に取り付けた加速度セン
サ、ブレーキペダルに取り付けた踏力センサとストロー
クセンサの信号を計測部により制動パターンに従って計
測し、前処理部により前処理を実行し、操作フィーリン
グと相関の大きい指標を得ると共に、ニューラルネット
ワーク（ＮＮ）で構成したフィーリング推定部により指
標を入力信号、ドライバの官能評価結果を教師信号とし
学習アルゴリズムを用いて学習し、計測データを前処理
した指標とドライバの官能評価との関係を表わすモデル
となし、指標を入力して操作フィーリングを出力する構
成である。
ィーリング推定方法は、車両に取り付けた加速度セン
サ、ブレーキペダルに取り付けた踏力センサとストロー
クセンサの信号を計測部により制動パターンに従って計
測し、前処理部により前処理を実行し、操作フィーリン
グと相関の大きい指標を得ると共に、ニューラルネット
ワーク（ＮＮ）で構成したフィーリング推定部により指
標を入力信号、ドライバの官能評価結果を教師信号とし
学習アルゴリズムを用いて学習し、計測データを前処理
した指標とドライバの官能評価との関係を表わすモデル
となし、指標を入力して操作フィーリングを出力する構
成である。
【０００７】また、本発明のブレーキ操作フィーリング
推定装置は、車両に取り付けた加速度センサ、ブレーキ
ペダルに取り付けた踏力センサとストロークセンサの信
号を制動パターンに従って計測する計測部と、前処理を
実行し、操作フィーリングと相関の大きい指標を得る前
処理部と、ニューラルネットワーク（ＮＮ）で構成し、
指標を入力信号、ドライバの官能評価結果を教師信号と
し学習アルゴリズムを用いて学習し、計測データを前処
理した指標とドライバの官能評価との関係を表わすモデ
ルとなし、指標を入力して操作フィーリングを出力する
フィーリング推定部とから成る。
推定装置は、車両に取り付けた加速度センサ、ブレーキ
ペダルに取り付けた踏力センサとストロークセンサの信
号を制動パターンに従って計測する計測部と、前処理を
実行し、操作フィーリングと相関の大きい指標を得る前
処理部と、ニューラルネットワーク（ＮＮ）で構成し、
指標を入力信号、ドライバの官能評価結果を教師信号と
し学習アルゴリズムを用いて学習し、計測データを前処
理した指標とドライバの官能評価との関係を表わすモデ
ルとなし、指標を入力して操作フィーリングを出力する
フィーリング推定部とから成る。
【０００８】なお、本発明の操作フィーリング推定方法
およびその装置は、ステアリング操作フィーリング推定
やアクセル操作フィーリング推定等の場合には、計測部
が車両に取り付けた横加速度センサ、舵角センサやアク
セルペダルに取り付けた踏力センサ、ストロークセンサ
を用いることにより、精度良く操作フィーリングを推定
できる。
およびその装置は、ステアリング操作フィーリング推定
やアクセル操作フィーリング推定等の場合には、計測部
が車両に取り付けた横加速度センサ、舵角センサやアク
セルペダルに取り付けた踏力センサ、ストロークセンサ
を用いることにより、精度良く操作フィーリングを推定
できる。
【０００９】
【作用】上記構成からなる本発明のブレーキ操作フィー
リング推定方法およびその装置は、制動試験時の計測デ
ータを前処理し、ドライバの操作フィーリング（効き、
ペダル剛性、コントロール性）の官能評価値と相関の大
きい指標を得る。そして、この指標と官能評価値との関
係をニューラルネットワーク（ＮＮ）を用いて学習する
ことにより、計測データから操作フィーリングを推定す
るモデルを作成する。
リング推定方法およびその装置は、制動試験時の計測デ
ータを前処理し、ドライバの操作フィーリング（効き、
ペダル剛性、コントロール性）の官能評価値と相関の大
きい指標を得る。そして、この指標と官能評価値との関
係をニューラルネットワーク（ＮＮ）を用いて学習する
ことにより、計測データから操作フィーリングを推定す
るモデルを作成する。
【００１０】詳述すれば、本発明のブレーキ操作フィー
リング推定装置の全体構成を図１に示す。車両１のドラ
イバ２は、図２に示す定められた制動パターンに従って
制動試験を行う。このとき、計測部１０は、車両１に取
り付けた加速度センサ、ブレーキペダル３に取り付けた
踏力センサとストロークセンサの信号を計測する。ま
た、ドライバは、種々のブレーキ操作フィーリングを官
能評価する。この制動試験を、多数の車両について行
う。
リング推定装置の全体構成を図１に示す。車両１のドラ
イバ２は、図２に示す定められた制動パターンに従って
制動試験を行う。このとき、計測部１０は、車両１に取
り付けた加速度センサ、ブレーキペダル３に取り付けた
踏力センサとストロークセンサの信号を計測する。ま
た、ドライバは、種々のブレーキ操作フィーリングを官
能評価する。この制動試験を、多数の車両について行
う。
【００１１】前処理部２０は、前処理を実行し、操作フ
ィーリングと相関の大きい指標を得る。すなわち、前処
理部２０は、ＣＰＵ５のプログラムとして作成し、図２
(a)の計測データから、マスタシリンダ液圧立ち上がり
時の踏力Ｆ0 、ストロークＳ0 、ヒステリシスＦh を指
標として検出する。次に、一定減速時の計測データ図２
(b) から一定減速度に達したときの踏力Ｆ11, Ｆ12, Ｆ
21, Ｆ22とストロークＳ11, Ｓ12, Ｓ21, Ｓ22を指標と
して検出する。最後に、追い込み制動の計測データ図２
(c) は、表２の縦軸の値を計算する。その後、横軸の数
点の指定した値における縦軸の値を求め操作フィーリン
グの指標を得る。
ィーリングと相関の大きい指標を得る。すなわち、前処
理部２０は、ＣＰＵ５のプログラムとして作成し、図２
(a)の計測データから、マスタシリンダ液圧立ち上がり
時の踏力Ｆ0 、ストロークＳ0 、ヒステリシスＦh を指
標として検出する。次に、一定減速時の計測データ図２
(b) から一定減速度に達したときの踏力Ｆ11, Ｆ12, Ｆ
21, Ｆ22とストロークＳ11, Ｓ12, Ｓ21, Ｓ22を指標と
して検出する。最後に、追い込み制動の計測データ図２
(c) は、表２の縦軸の値を計算する。その後、横軸の数
点の指定した値における縦軸の値を求め操作フィーリン
グの指標を得る。
【００１２】
【表２】
【００１３】フィーリング推定部３０は、ＣＰＵ５のプ
ログラムとして作成したニューラルネットワーク（Ｎ
Ｎ）で構成し、前処理部で求めたｎ個の指標を入力信
号、ドライバの官能評価結果を教師信号とし、例えば、
一般に知られている、誤差逆伝搬学習アルゴリズムを用
いて学習する。ニューラルネットワーク（ＮＮ）の構成
を図３に示す。この学習によって、ＮＮは、計測データ
を前処理した指標とドライバの官能評価との関係を表わ
すモデルになり、指標を入力すれば、操作フィーリング
を出力する。すなわち、本発明によって作成したフィー
リング推定部は、前処理部によって求めた指標を入力す
れば、操作フィーリングを出力する。すなわち、図４に
示すように、評価したい車両について、制動試験の計測
データから、操作フィーリングを推定（判定）できる。
ログラムとして作成したニューラルネットワーク（Ｎ
Ｎ）で構成し、前処理部で求めたｎ個の指標を入力信
号、ドライバの官能評価結果を教師信号とし、例えば、
一般に知られている、誤差逆伝搬学習アルゴリズムを用
いて学習する。ニューラルネットワーク（ＮＮ）の構成
を図３に示す。この学習によって、ＮＮは、計測データ
を前処理した指標とドライバの官能評価との関係を表わ
すモデルになり、指標を入力すれば、操作フィーリング
を出力する。すなわち、本発明によって作成したフィー
リング推定部は、前処理部によって求めた指標を入力す
れば、操作フィーリングを出力する。すなわち、図４に
示すように、評価したい車両について、制動試験の計測
データから、操作フィーリングを推定（判定）できる。
【００１４】
【発明の効果】本発明のブレーキ操作フィーリング推定
方法およびその装置は、複数の操作フィーリングを実現
できる。また、ＮＮの特性から、指標間の相互作用と非
線形性を表現できる。したがって、FBI の問題点を解決
でき、ブレーキ操作フィーリングを精度良く推定でき
る。その結果、官能評価を専門とするドライバを代行す
ることができ、ドライバの疲労や体調に影響されず、操
作フィーリングを精度良く推定できる。また、作成した
ＮＮについて、図５の方法で任意の指標を微小変化させ
たときの操作フィーリングの変化から、操作フィーリン
グに対する指標の寄与率を求めることにより、図６に示
すように、ブレーキ系の操作フィーリングの改善指針を
得ることができる。たとえば、図６の例では、低減速度
のとき踏力とストロークを大きく、中減速度のとき踏力
とストロークを小さくすれば操作フィーリングを改善で
きることがわかる。
方法およびその装置は、複数の操作フィーリングを実現
できる。また、ＮＮの特性から、指標間の相互作用と非
線形性を表現できる。したがって、FBI の問題点を解決
でき、ブレーキ操作フィーリングを精度良く推定でき
る。その結果、官能評価を専門とするドライバを代行す
ることができ、ドライバの疲労や体調に影響されず、操
作フィーリングを精度良く推定できる。また、作成した
ＮＮについて、図５の方法で任意の指標を微小変化させ
たときの操作フィーリングの変化から、操作フィーリン
グに対する指標の寄与率を求めることにより、図６に示
すように、ブレーキ系の操作フィーリングの改善指針を
得ることができる。たとえば、図６の例では、低減速度
のとき踏力とストロークを大きく、中減速度のとき踏力
とストロークを小さくすれば操作フィーリングを改善で
きることがわかる。
【００１５】
【実施例】以下、本発明を代表的な実施例に基づき詳細
に説明する。
に説明する。
【００１６】［実施例１］本発明の実施例１における前
処理部２０は、図１に示すようにＣＰＵ５のプログラム
により構成する。制動試験時の制動パターンは図２に示
す。そして、図２（ａ）に示す制動パターンは、停止時
におけるペダル踏力（踏力）、ペダルストローク（スト
ローク）、マスタシリンダ液圧（液圧）の関係である。
前処理部２０は、このときの計測データから、液圧の立
ち上がり時の踏力Ｆ0 とストロークＳ0 、および定めら
れた踏力Ｆc における踏み込み時と踏み戻し時の踏力の
ヒステリシスＦh を求め指標にする。次に、図２（ｂ）
に示す制動パターンは、定められた車速（低速Ｖ1 およ
び高速Ｖ2）から、定められた一定の低減速度Ｇ1 およ
び中減速度Ｇ2 の制動である。前処理部２０は、このと
きの計測データについて、車速Ｖ1 から減速度Ｇ1 に達
したときの踏力Ｆ11とストロークＳ11、車速Ｖ1 から減
速度Ｇ2 に達したときの踏力Ｆ12とストロークＳ12、車
速Ｖ2 から減速度Ｇ1 に達したときの踏力Ｆ21とストロ
ークＳ21、車速Ｖ2 から減速度Ｇ2 に達したときの踏力
Ｆ22とストロークＳ22 を求め指標にする。
処理部２０は、図１に示すようにＣＰＵ５のプログラム
により構成する。制動試験時の制動パターンは図２に示
す。そして、図２（ａ）に示す制動パターンは、停止時
におけるペダル踏力（踏力）、ペダルストローク（スト
ローク）、マスタシリンダ液圧（液圧）の関係である。
前処理部２０は、このときの計測データから、液圧の立
ち上がり時の踏力Ｆ0 とストロークＳ0 、および定めら
れた踏力Ｆc における踏み込み時と踏み戻し時の踏力の
ヒステリシスＦh を求め指標にする。次に、図２（ｂ）
に示す制動パターンは、定められた車速（低速Ｖ1 およ
び高速Ｖ2）から、定められた一定の低減速度Ｇ1 およ
び中減速度Ｇ2 の制動である。前処理部２０は、このと
きの計測データについて、車速Ｖ1 から減速度Ｇ1 に達
したときの踏力Ｆ11とストロークＳ11、車速Ｖ1 から減
速度Ｇ2 に達したときの踏力Ｆ12とストロークＳ12、車
速Ｖ2 から減速度Ｇ1 に達したときの踏力Ｆ21とストロ
ークＳ21、車速Ｖ2 から減速度Ｇ2 に達したときの踏力
Ｆ22とストロークＳ22 を求め指標にする。
【００１７】図２（ｃ）に示す制動パターンは、定めら
れた車速Ｖ3 から、定められた一定の傾きで減速度を増
加させる制動である。前処理部２０は、このときの計測
データから表２の縦軸に示す式の値を求める。表２に示
した変数の記号は、Ｇ＝減速度、Ｆ＝踏力、Ｓ＝ストロ
ーク、dＧ＝減速度の微分、dＦ＝踏力の微分、dＳ＝ス
トロークの微分を表わす。次に、式の値を縦軸、対応す
る表２の横軸の変数を横軸にとり、横軸上の数点の定め
られた値における縦軸の値を求めて指標にする。これら
の前処理により、操作フィーリングと相関の大きいｎ個
の指標を得る。フィーリング推定部３０は、ＣＰＵ５の
プログラムによるニューラルネットワーク（ＮＮ）で構
成し、前処理部２０によって求めたｎ個の指標をＮＮの
入力信号、ドライバの官能評価結果をＮＮの教師信号と
し、一般に知られている、誤差逆伝搬学習アルゴリズム
を用いて学習する。
れた車速Ｖ3 から、定められた一定の傾きで減速度を増
加させる制動である。前処理部２０は、このときの計測
データから表２の縦軸に示す式の値を求める。表２に示
した変数の記号は、Ｇ＝減速度、Ｆ＝踏力、Ｓ＝ストロ
ーク、dＧ＝減速度の微分、dＦ＝踏力の微分、dＳ＝ス
トロークの微分を表わす。次に、式の値を縦軸、対応す
る表２の横軸の変数を横軸にとり、横軸上の数点の定め
られた値における縦軸の値を求めて指標にする。これら
の前処理により、操作フィーリングと相関の大きいｎ個
の指標を得る。フィーリング推定部３０は、ＣＰＵ５の
プログラムによるニューラルネットワーク（ＮＮ）で構
成し、前処理部２０によって求めたｎ個の指標をＮＮの
入力信号、ドライバの官能評価結果をＮＮの教師信号と
し、一般に知られている、誤差逆伝搬学習アルゴリズム
を用いて学習する。
【００１８】誤差逆伝搬学習アルゴリズムを用いて学習
するＮＮの構成を図３に示す。ＮＮは、入力層、中間
層、出力層の３層構造を用いる。入力要素数は、指標の
個数ｎと同一である。出力要素数は、３種類の操作フィ
ーリング（効き、剛性、コントロール性）に対応した３
個である。なお、中間要素数は、３個とした。複数の車
両について、計測データを前処理した指標とドライバの
官能評価との関係を学習することにより、ＮＮは、指標
とドライバの官能評価との関係を表わすモデルになり、
指標を入力すれば、操作フィーリングを出力する。すな
わち、評価したい車両について、制動試験の計測データ
から前処理部によって求めた指標をＮＮに入力すること
により、操作フィーリングを推定（判定）できる。車両
の操作フィーリングの推定結果を図４に示す。本実施例
１では、３種類の操作フィーリングを表現できる。ま
た、ＮＮの特性から、指標間の相互作用と非線形性を表
現できる。したがって、FBI の問題点を解決でき、ブレ
ーキ操作フィーリングを精度良く推定できる。その結
果、官能評価を専門とするドライバを代行でき、ドライ
バの疲労や体調に影響されず、操作フィーリングを精度
良く推定できる。また、指標を変更したときの操作フィ
ーリングを机上で推定できる。たとえば、低減速度にお
ける踏力をある値にしたとき、その値をＮＮに入力する
ことにより、操作フィーリングを推定でき、ブレーキ系
の改良の指針を得ることができる。
するＮＮの構成を図３に示す。ＮＮは、入力層、中間
層、出力層の３層構造を用いる。入力要素数は、指標の
個数ｎと同一である。出力要素数は、３種類の操作フィ
ーリング（効き、剛性、コントロール性）に対応した３
個である。なお、中間要素数は、３個とした。複数の車
両について、計測データを前処理した指標とドライバの
官能評価との関係を学習することにより、ＮＮは、指標
とドライバの官能評価との関係を表わすモデルになり、
指標を入力すれば、操作フィーリングを出力する。すな
わち、評価したい車両について、制動試験の計測データ
から前処理部によって求めた指標をＮＮに入力すること
により、操作フィーリングを推定（判定）できる。車両
の操作フィーリングの推定結果を図４に示す。本実施例
１では、３種類の操作フィーリングを表現できる。ま
た、ＮＮの特性から、指標間の相互作用と非線形性を表
現できる。したがって、FBI の問題点を解決でき、ブレ
ーキ操作フィーリングを精度良く推定できる。その結
果、官能評価を専門とするドライバを代行でき、ドライ
バの疲労や体調に影響されず、操作フィーリングを精度
良く推定できる。また、指標を変更したときの操作フィ
ーリングを机上で推定できる。たとえば、低減速度にお
ける踏力をある値にしたとき、その値をＮＮに入力する
ことにより、操作フィーリングを推定でき、ブレーキ系
の改良の指針を得ることができる。
【００１９】［実施例２］前記実施例１で作成したフィ
ーリング推定部３０について、ｎ個の指標のうち任意の
１個の指標を微小変化させたときの操作フィーリングの
変化から、操作フィーリングに対する指標の寄与率を求
めることにより、ブレーキ系の操作フィーリングの改善
指針を得る構成を図７に示す。寄与率推定部４０は、Ｃ
ＰＵ５のプログラムとして作成し、図５に示す処理を行
う。すなわち、ステップ１により、学習時の入力データ
としたｎ個の指標について、それぞれの指標の平均値を
計算する。ステップ２により、ｎ個の指標から寄与率を
求める指標１個を選択する。ステップ３により、寄与率
を求める指標は操作フィーリングを改善したい車両の
値、他の指標はステップ１で求めた平均値をフィーリン
グ推定部３０のＮＮに入力し、操作フィーリングを推定
する。ステップ４により、寄与率を求める指標を微小変
化、たとえば平均値の５％を増加させたときの操作フィ
ーリングを推定する。ステップ５ により、選択した指
標の寄与率を、ステップ４の推定結果−ステップ３の推
定結果として求める。全指標について寄与率の計算を終
了していないときステップ２へ戻る。終了しているとき
寄与率の計算を終了する。
ーリング推定部３０について、ｎ個の指標のうち任意の
１個の指標を微小変化させたときの操作フィーリングの
変化から、操作フィーリングに対する指標の寄与率を求
めることにより、ブレーキ系の操作フィーリングの改善
指針を得る構成を図７に示す。寄与率推定部４０は、Ｃ
ＰＵ５のプログラムとして作成し、図５に示す処理を行
う。すなわち、ステップ１により、学習時の入力データ
としたｎ個の指標について、それぞれの指標の平均値を
計算する。ステップ２により、ｎ個の指標から寄与率を
求める指標１個を選択する。ステップ３により、寄与率
を求める指標は操作フィーリングを改善したい車両の
値、他の指標はステップ１で求めた平均値をフィーリン
グ推定部３０のＮＮに入力し、操作フィーリングを推定
する。ステップ４により、寄与率を求める指標を微小変
化、たとえば平均値の５％を増加させたときの操作フィ
ーリングを推定する。ステップ５ により、選択した指
標の寄与率を、ステップ４の推定結果−ステップ３の推
定結果として求める。全指標について寄与率の計算を終
了していないときステップ２へ戻る。終了しているとき
寄与率の計算を終了する。
【００２０】なお、ステップ３において、寄与率を求め
る指標は操作フィーリングを改善したい車両の値、他の
指標はステップ１で求めた平均値をフィーリング推定部
３０のＮＮに入力したが、全ての指標を操作フィーリン
グを改善したい車両の値としてもよい。このときは、ス
テップ１の処理は必要ない。操作フィーリングを改善し
たい車両について、それぞれの指標の寄与率の計算結果
の例を図６に示す。図６において、寄与率が正のとき、
指標が増加するとフィーリングが良くなることを表わ
す。逆に、寄与率が負のとき、指標が増加するとフィー
リングが悪くなることを表わす。すなわち、正の寄与率
となる指標を増加、負の寄与率となる指標を減少させる
ことにより、フィーリングを改善することができる。た
とえば、図６の例では、低減速度のとき踏力とストロー
クを大きく、中減速度のとき踏力とストロークを小さく
すれば操作フィーリングを改善できることがわかる。
る指標は操作フィーリングを改善したい車両の値、他の
指標はステップ１で求めた平均値をフィーリング推定部
３０のＮＮに入力したが、全ての指標を操作フィーリン
グを改善したい車両の値としてもよい。このときは、ス
テップ１の処理は必要ない。操作フィーリングを改善し
たい車両について、それぞれの指標の寄与率の計算結果
の例を図６に示す。図６において、寄与率が正のとき、
指標が増加するとフィーリングが良くなることを表わ
す。逆に、寄与率が負のとき、指標が増加するとフィー
リングが悪くなることを表わす。すなわち、正の寄与率
となる指標を増加、負の寄与率となる指標を減少させる
ことにより、フィーリングを改善することができる。た
とえば、図６の例では、低減速度のとき踏力とストロー
クを大きく、中減速度のとき踏力とストロークを小さく
すれば操作フィーリングを改善できることがわかる。
【００２１】このように、操作フィーリングへの指標の
寄与率を調べることにより、定量的に評価車両のブレー
キ系を改良する方法を示すことができる。なお、前記実
施例１では、前処理部２０で求めたｎ個の指標全てを用
いたが、本実施例２に示す方法で操作フィーリングへの
指標の寄与率を求め、寄与率の小さい指標を削除するこ
とにより、前処理部２０とフィーリング推定部３０を簡
略化でき、処理速度の向上とメモリ量の削減を計ること
ができる。
寄与率を調べることにより、定量的に評価車両のブレー
キ系を改良する方法を示すことができる。なお、前記実
施例１では、前処理部２０で求めたｎ個の指標全てを用
いたが、本実施例２に示す方法で操作フィーリングへの
指標の寄与率を求め、寄与率の小さい指標を削除するこ
とにより、前処理部２０とフィーリング推定部３０を簡
略化でき、処理速度の向上とメモリ量の削減を計ること
ができる。
【図１】本発明の全体構成を示す構成図
【図２】制動パターンを示す線図
【図３】ニューラルネットワーク（ＮＮ）の構成図
【図４】モデルの操作フィーリング推定結果を示す線図
【図５】寄与率の計算のフローを示す線図
【図６】操作フィーリングに対する指標の寄与率の例を
示す線図
示す線図
【図７】寄与率推定の構成図
１ 車両 ２ ドライバ ３ ブレーキペダル １０ 計測部 ２０ 前処理部 ３０ フィーリング推定部 ４０ 寄与率推定部
フロントページの続き (72)発明者 武井 一剛 愛知県愛知郡長久手町大字長湫字横道41番 地の１株式会社豊田中央研究所内 (72)発明者 佐藤 廣幸 愛知県刈谷市朝日町２丁目１番地 アイシ ン精機株式会社内 (72)発明者 河合 種市 愛知県刈谷市朝日町２丁目１番地 アイシ ン精機株式会社内 (72)発明者 舩橋 晃 愛知県刈谷市朝日町２丁目１番地 アイシ ン精機株式会社内
Claims (2)
- 【請求項１】 車両に取り付けた加速度センサ、ブレー
キペダルに取り付けた踏力センサとストロークセンサの
信号を計測部により制動パターンに従って計測し、 前処理部により前処理を実行し、操作フィーリングと相
関の大きい指標を得ると共に、 ニューラルネットワーク（ＮＮ）で構成したフィーリン
グ推定部により指標を入力信号、ドライバの官能評価結
果を教師信号とし学習アルゴリズムを用いて学習し、計
測データを前処理した指標とドライバの官能評価との関
係を表わすモデルとなし、指標を入力して操作フィーリ
ングを出力するようにしたことを特徴とするブレーキ操
作フィーリング推定方法。 - 【請求項２】 車両に取り付けた加速度センサ、ブレー
キペダルに取り付けた踏力センサとストロークセンサの
信号を制動パターンに従って計測する計測部と、 前処理を実行し、操作フィーリングと相関の大きい指標
を得る前処理部と、 ニューラルネットワーク（ＮＮ）で構成し、指標を入力
信号、ドライバの官能評価結果を教師信号とし学習アル
ゴリズムを用いて学習し、計測データを前処理した指標
とドライバの官能評価との関係を表わすモデルとなし、
指標を入力して操作フィーリングを出力するフィーリン
グ推定部と、 から成ることを特徴とするブレーキ操作フィーリング推
定装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18780795A JPH0911929A (ja) | 1995-06-30 | 1995-06-30 | 操作フィーリング推定方法およびその装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18780795A JPH0911929A (ja) | 1995-06-30 | 1995-06-30 | 操作フィーリング推定方法およびその装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0911929A true JPH0911929A (ja) | 1997-01-14 |
Family
ID=16212595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP18780795A Pending JPH0911929A (ja) | 1995-06-30 | 1995-06-30 | 操作フィーリング推定方法およびその装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0911929A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003042909A (ja) * | 2001-07-31 | 2003-02-13 | Fuji Heavy Ind Ltd | 操縦性・安定性フィーリング評価用位相遅れ検出装置 |
| WO2012111192A1 (ja) * | 2011-02-18 | 2012-08-23 | ジヤトコ株式会社 | 変速ショック評価装置及びその評価方法 |
| JP2012220378A (ja) * | 2011-04-11 | 2012-11-12 | Mitsubishi Motors Corp | 車両の挙動シミュレーション装置及び方法 |
| JP2014066692A (ja) * | 2012-09-24 | 2014-04-17 | Hyundai Motor Company Co Ltd | 顧客感性基盤の変速感定量化評価方法 |
| CN114397111A (zh) * | 2021-12-15 | 2022-04-26 | 安徽江淮汽车集团股份有限公司 | 乘用车制动踏板感测试方法 |
-
1995
- 1995-06-30 JP JP18780795A patent/JPH0911929A/ja active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003042909A (ja) * | 2001-07-31 | 2003-02-13 | Fuji Heavy Ind Ltd | 操縦性・安定性フィーリング評価用位相遅れ検出装置 |
| JP4657514B2 (ja) * | 2001-07-31 | 2011-03-23 | 富士重工業株式会社 | 操縦性・安定性フィーリング評価用位相遅れ検出装置 |
| WO2012111192A1 (ja) * | 2011-02-18 | 2012-08-23 | ジヤトコ株式会社 | 変速ショック評価装置及びその評価方法 |
| CN103282760A (zh) * | 2011-02-18 | 2013-09-04 | 加特可株式会社 | 变速冲击评价装置及其评价方法 |
| JP5568647B2 (ja) * | 2011-02-18 | 2014-08-06 | ジヤトコ株式会社 | 変速ショック評価装置及びその評価方法 |
| KR101481361B1 (ko) * | 2011-02-18 | 2015-01-09 | 닛산 지도우샤 가부시키가이샤 | 변속 쇼크 평가 장치 및 그 평가 방법 |
| US8973432B2 (en) | 2011-02-18 | 2015-03-10 | Jatco Ltd | Gear shift shock evaluation apparatus and evaluation method of the same |
| JP2012220378A (ja) * | 2011-04-11 | 2012-11-12 | Mitsubishi Motors Corp | 車両の挙動シミュレーション装置及び方法 |
| JP2014066692A (ja) * | 2012-09-24 | 2014-04-17 | Hyundai Motor Company Co Ltd | 顧客感性基盤の変速感定量化評価方法 |
| CN114397111A (zh) * | 2021-12-15 | 2022-04-26 | 安徽江淮汽车集团股份有限公司 | 乘用车制动踏板感测试方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6815519B2 (ja) | 車両のタイヤを較正するシステム及び方法 | |
| CN106828503B (zh) | 一种驾驶员制动行为及状态实时辨识方法 | |
| Hamann et al. | Tire force estimation for a passenger vehicle with the unscented kalman filter | |
| EP1600757A1 (en) | Rough road drive simulation and evaluation for vehicle control system | |
| CN109460738B (zh) | 一种基于无损失函数的深度卷积神经网络的路面类型估算方法 | |
| CN105034986B (zh) | 一种驾驶员转向特性在线辨识方法及装置 | |
| CN110516658A (zh) | 一种基于面部图像和车辆运行信息的驾驶员情绪的识别算法设计 | |
| JP2002120709A (ja) | 路面状態推定装置 | |
| CN109552289A (zh) | 一种汽车自适应辅助制动系统及其控制方法 | |
| US20200372191A1 (en) | Method for identifying slow transient variations and/or local spatial variations of a physical property in a set of data points | |
| KR20210073358A (ko) | 차량 abs 제어기의 모델링 시스템 | |
| CN107512143A (zh) | 轮胎压力计算方法、装置及在自行车上的应用 | |
| CN111340074B (zh) | 基于改进的rbf神经网络的驾驶员制动意图辨识方法 | |
| JPH0911929A (ja) | 操作フィーリング推定方法およびその装置 | |
| JP2009129366A (ja) | 車両の感性推定システム | |
| JP3107752B2 (ja) | 車両の運転指向推定装置および車両の駆動力制御装置 | |
| DE102018222294A1 (de) | Verfahren, Computerprogramm, maschinenlesbares Speichermedium sowie Vorrichtung zur Datenvorhersage | |
| CN109910865B (zh) | 一种基于物联网的车辆预警刹车方法 | |
| JPH06331464A (ja) | 車両の粘着係数を求めるためのシステム | |
| JP3435625B2 (ja) | 路面状態演算装置 | |
| CN114648114B (zh) | 基于受限玻尔兹曼机的驾驶员活跃程度识别方法及系统 | |
| Holzmann et al. | Vehicle dynamics simulation based on hybrid modeling | |
| JPH07244065A (ja) | 運動評価方法 | |
| CN114297894A (zh) | 轮胎侧偏角在线估算方法、装置、终端及可读存储介质 | |
| CN117056799B (zh) | 一种车辆传感器数据的处理方法、装置、设备及介质 |