JPH0939821A

JPH0939821A - 車両の後輪操舵制御装置

Info

Publication number: JPH0939821A
Application number: JP19767495A
Authority: JP
Inventors: Manabu Kato; 加藤　　学
Original assignee: Mitsubishi Motors Corp
Current assignee: Mitsubishi Motors Corp
Priority date: 1995-08-02
Filing date: 1995-08-02
Publication date: 1997-02-10

Abstract

(57)【要約】【課題】後輪操舵本来の機能を制限することなく、後
輪操舵に起因したドライバの違和感の解消する車両の後
輪操舵制御装置を提供する。【解決手段】車両の後輪操舵制御装置は、後輪を操舵
する後輪操舵アクチュエータ８と、後輪操舵アクチュエ
ータ８の作動を制御するフィードバックコントローラ１
３と、フィードバックコントローラ１３に目標後輪舵角
δr(t)を出力するコントロールユニット１４を備えてお
り、コントロールユニット１４は算出式に基づき、目標
後輪舵角δr(t)を算出する算出部２６と、算出部２６の
算出式中、前輪舵角速度の項に働きかける制御変数Ｎを
車両の旋回走行状況に応じて出力するニューラルネット
ワーク３６とを有している。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、前輪の操舵に伴
い後輪を操舵する車両の後輪操舵制御装置に係わり、特
に、目標後輪舵角をニューラルネットワークを利用して
求めるようにした車両の後輪操舵制御装置に関する。

【０００２】

【関連する背景技術】この種の後輪操舵制御装置は例え
ば特開平６−２７０８２７号公報に開示されており、こ
の公知の後輪操舵制御装置は４輪操舵コントローラ（４
ＷＳコントローラ）及びニューラルネットワークを備え
ている。４ＷＳコントローラではハンドル角や車速に基
づいて目標後輪舵角が算出され、そして、算出された目
標後輪舵角はニューラルネットワークからの出力である
制御ゲインにより補正される。より詳しくは、車両の旋
回走行状況によっては後輪の操舵がドライバに違和感を
与えてしまうため、これを防止するために制御ゲインに
より目標後輪舵角が補正される。

【０００３】この後、補正後の目標後輪舵角はフィード
バックコントローラに出力され、このフィードバックコ
ントローラは目標後輪舵角に実後輪舵角を一致させるべ
く後輪操舵アクチュエータの作動を制御する。

【０００４】

【発明が解決しようとする課題】前述した後輪操舵制御
装置によれば、４ＷＳコントローラからの目標後輪舵角
の全体に制御ゲインが効くため、その旋回走行状況では
本来の４輪操舵機能が得られないことになる。また、後
輪操舵制御装置のニューラルネットワークでは、その入
力を得るために各種センサからのセンサ信号の前処理や
車体重心スリップ角の近似値を算出する必要があるな
ど、制御ゲインの演算が複雑となり、更に、制御ゲイン
が有効に働くための車両の走行状況の判定が不十分とな
る不具合がある。

【０００５】この発明は、上述した事情に基づいてなさ
れたもので、その目的とするところは、ニューラルネッ
トワークへの入力及び出力を改善して、ニューラルネッ
トワークを使用した後輪操舵制御を効果的に行え、しか
も、、ニューラルネットワーク内での演算処理の効率化
をも図ることができる車両の後輪操舵制御装置を提供す
ることにある。

【０００６】

【課題を解決するための手段】上述の課題は、この発明
の車両の後輪操舵制御装置によって達成され、請求項１
の装置は、前輪の操舵状態を検出する操舵状態検出手段
と、車両の車速を検出する車速検出手段と、検出された
前輪操舵状態量及び車速に加えて、前輪操舵状態量に働
きかける制御変数に基づき目標後輪操舵量を算出する算
出手段と、入力に前輪操舵状態量及び車速を有したニュ
ーラルネットワークを含み、このニューラルネットワー
クの出力として車両の旋回走行状況に応じた制御変数を
演算する制御変数演算手段とを備えている。

【０００７】請求項１の装置によれば、前輪の操舵状
態、車速及びニューラルネットワークから出力される制
御変数に基づき、その車両の旋回走行状況に応じた目標
後輪操舵量自体が算出され、そして、この目標後輪操舵
量に直接的に従い、後輪の操舵が制御される。請求項２
の装置の場合、操舵状態検出手段は、ステアリングハン
ドルのハンドル角を検出し、ハンドル角を出力するハン
ドル角検出手段と、検出したハンドル角に基づき前輪舵
角及び前輪舵角速度を算出する手段とを備えており、そ
して、算出手段は、前輪舵角及び前輪舵角速度を前輪操
舵状態量とし、その前輪舵角速度に制御変数を乗算して
目標後輪操舵量を算出するものとなっている。

【０００８】請求項２の装置によれば、制御変数が前輪
舵角速度のみに乗算されることから、前輪舵角速度に基
づく後輪操舵分をその時点での旋回走行状況、つまり、
旋回過渡期の状況に応じて増減した結果の目標後輪操舵
量が算出される。請求項３の装置の場合、制御変数演算
手段は、ニューラルネットワークからの制御変数の出力
を車速に応じて規制する規制手段を備えている。

【０００９】請求項３の装置によれば、制御変数の出力
が規制されるため、ニューラルネットワークへの学習デ
ータが少なくてすみ、その学習は簡単且つ短時間で行わ
れる。具体的には、請求項４における装置の規制手段
は、車速が所定の速度域にあるときには車速の増加に伴
って０から１に向かって増加し、速度域以上では１に維
持される減衰係数を制御変数に乗算し、その乗算結果を
出力する。

【００１０】請求項５の装置の場合、その制御変数演算
手段が３層のニューラルネットワークを有しており、こ
のニューラルネットワークにおける入力層の各ユニット
には車速、ステアリングハンドルのハンドル角に関する
時系列データ及びハンドル角速、並びに、車両に関する
横加速度、ヨーレイト及びロールレイトがそれぞれ入力
され、そして、入力層の各ユニットは中間層の各ユニッ
トにそれぞれ結合されている。

【００１１】請求項５における装置のニューラルネット
ワークによれば、このニューラルネットワークはハンド
ル角の時系列データ、ハンドル角速度、横加速度、ヨー
レイト及びロールレイトに基づき、旋回走行状況に応じ
た制御変数を出力する。請求項６の装置の場合、その制
御変数演算手段は４層のニューラルネットワークを有し
ており、このニューラルネットワークにおける入力層の
各ユニットには車速、ステアリングハンドルのハンドル
角に関する時系列データ及びハンドル角速度がそれぞれ
入力され、入力層内の前記時系列データが入力されるユ
ニットは第１中間層の各ユニットにそれぞれ結合されて
いる一方、入力層のハンドル角速度及び車速が入力され
るユニットは、第１中間層の各ユニットに結合された第
２中間層の各ユニットにそれぞれ結合されている。

【００１２】請求項６の装置におけるニューラルネット
ワークによれば、このニューラルネットワークは、ハン
ドル角の時系列データ、ハンドル角速度及び車速のみの
入力だけで、請求項５のニューラルネットワークと同様
な制御変数の出力が得られる。

【００１３】

【発明の実施の態様】図１を参照すると、前後輪操舵式
車両（４ＷＳ車両）は左右の前輪ＦＷL，ＦＷRを操舵す
る前輪操舵系６と、左右の後輪ＲＷL，ＲＷRを操舵する
後輪操舵系１０とを備えている。前輪操舵系６はステア
リングハンドル４の操作に応じて作動するパワーステア
リング装置を含み、このパワーステアリング装置はラッ
ク・ピニオン機構が内蔵されたパワーシリンダ２を有し
ている。

【００１４】一方、後輪操舵系１０は、油圧シリンダか
らなる後輪操舵アクチュエータ８を含み、この後輪操舵
アクチュエータ８は電磁バルブ１２の切換作動により作
動される。電磁バルブ１２は、フィードバックコントロ
ーラ１３を介してコントロールユニット１４に電気的に
接続されており、フィードバックコントローラ１３には
後輪舵角センサ１１が電気的に接続されている。

【００１５】コントロールユニット１４にて目標後輪操
舵量、即ち、目標後輪舵角が算出されると、この目標後
輪舵角はフィードバックコントローラ１３に供給され、
このフィードバックコントローラ１３はその目標後輪舵
角に従い電磁バルブ１２の開弁方向及び開度を制御して
後輪操舵アクチュエータ８を作動させ、これにより、目
標後輪舵角に後輪舵角センサ１１にて得た実後輪舵角を
一致させるべく、左右の後輪ＲＷL，ＲＷRが操舵され
る。なお、図１中、前輪操舵系６及び後輪操舵系１０の
油圧回路は省略されている。

【００１６】コントロールユニット１４にて目標後輪舵
角を算出するため、コントロールユニット１４にはハン
ドル角センサ１６、車速センサ１８、横加速度センサ２
０、ヨーレイトセンサ２２及びロールレイトセンサ２４
がそれぞれ電気的に接続されている。ハンドル角センサ
１６はステアリングハンドル４の操作量つまりハンドル
角θHを検出し、このハンドル角θHをコントロールユニ
ット１４に供給する。

【００１７】車速センサ１８は車両のスピードメータで
あってもよいが、各車輪に車輪速センサが装備されてい
る場合には、これら車輪速センサにて検出した車輪速か
ら求めた車速Ｖをコントロールユニット１４に供給す
る。この場合、具体的には、前輪ＦＷの車輪速の平均値
と後輪ＲＷの車輪速の平均値とが比較され、その小さい
方の平均値が車速Ｖとして設定される。

【００１８】横加速度センサ２０、ヨーレイトセンサ２
２及びロールレイトセンサ２４は、車両に対して、その
幅方向に作用する横加速度Ｇy、その垂直軸線周りに作
用するヨーレイトγ及びその前後軸線周りに作用するロ
ールレイトＲをそれぞれ検出し、これらをコントロール
ユニット１４に供給する。コントロールユニット１４の
詳細は図２に示されており、このコントロールユニット
１４は目標後輪舵角δrの算出部２６を備えており、こ
の算出部２６では、次式から、現時点での目標後輪舵角
δr(t)が算出される。

【００１９】δr(t)＝（ｋ/（ｋ+1)）・δr(t-1)＋（1/
(ｋ+1)）・｛Ｋ１・δf(t)＋Ｎ・Ｋ２・dδf(t)｝上式中、δr(t-1)，ｋ，δf(t)，dδf(t)，Ｋ１，Ｋ
２，Ｎは以下の通りである。 δr(t-1) ：前回の演算サイクルにて算出された目標後
輪舵角ｋ：時定数 δf(t) ：今回の演算サイクルで算出された前輪舵角 dδf(t) ：今回の演算サイクルで算出された前輪舵角
速度(=dδf(t)/dt) Ｋ１：前輪舵角δf(t)に対する操舵角比Ｋ２：前輪舵角速度dδf(t)に対する操舵角比Ｎ：前輪舵角速度dδf(t)に乗算される制御変数前記の算出式から明らかなように目標後輪舵角δr(t)
は、その第１項における前回の目標後輪舵角δr(t-1)に
その第２項の操舵成分を加えて求められるものとなって
おり、そして、第２項の操舵成分は、前輪舵角δf(t)か
ら得られる部分と前輪舵角速度dδf(t)から得られる部
分との和からなっている。

【００２０】次に、前輪舵角δf(t)、前輪舵角速度dδf
(t)、時定数ｋ、操舵角比Ｋ１，Ｋ２及び制御変数Ｎに
関して順次説明する。：時定数ｋ：図２に示されているようにコントロールユ
ニット１４は時定数の演算部２８を備えており、この演
算部２８は車速Ｖ及び車両諸元に基づき時定数ｋを算出
し、算出した時定数ｋを前記算出部２６に供給する。従
って、演算部２８には車両諸元のデータが予め与えられ
ているともに、車速Ｖが供給される。

【００２１】ここで、車両諸元には、車両重量、車両の
前後重量配分、ヨー慣性モーメント、ホイールベース、
前輪１輪の等価コーナリングパワー、後輪１輪の等価コ
ーナリングパワーなどが含まれている。：操舵角比Ｋ１，Ｋ２：コントロールユニット１４は操
舵角比の演算部３０を備えており、この演算部３０は前
述した演算部２８と同様に車速Ｖ及び車両諸元に基づ
き、操舵角比Ｋ１，Ｋ２をそれぞれ算出し、算出した操
舵角比Ｋ１，Ｋ２を算出部２６に供給する。具体的に
は、操舵角比Ｋ１，Ｋ２は図３に示されているマップか
ら車速Ｖに基づいてそれぞれ読み出される。図３から明
らかなように実線で示されている操舵角比Ｋ１は車速Ｖ
が０から増加するに従い負の値から増加し、車速ＶがＶ
1に一致したとき０となり、そして、Ｖ1を越えて増加す
ると、正の値に収束していく特性を有している。一方、
破線で示されている操舵角比Ｋ２は、車速Ｖが０から増
加するに従い０から負の方向に一旦増加した後、正の方
向つまり０に向けて徐々に増加する特性を有している。

【００２２】：前輪舵角δf(t)：コントロールユニット
１４は乗算部３２を備えており、この乗算部３２には前
述したハンドル角センサ１６からのハンドル角θHが供
給される。乗算部３２はハンドル角θHに前輪操舵系６
のステアリング比ρを乗算して前輪舵角δf(t)を求め、
この前輪舵角δf(t）を算出部２６に供給する。

【００２３】：前輪舵角速度dδf(t)：乗算部３２から
出力された前輪舵角δf(t)は微分部３４にも供給され、
この微分部３４は前輪舵角δf(t)を時間微分して前輪舵
角速度dδf(t)を求め、この前輪舵角速度dδf(t)を算出
部２６に供給する。：制御変数Ｎ：コントロールユニット１４はニューラル
ネットワーク３６を備えており、このニューラルネット
ワーク３６にはその入力情報として、ハンドル角θHに
関する時系列データ、ハンドル角速度dθH（=dθH/d
t）、横加速度Ｇy、ヨーレイトγ、ロールレイトＲ及び
車速Ｖが与えられ、そして、ニューラルネットワーク３
６の出力が制御変数Ｎとなる。

【００２４】ハンドル角θHの時系列データ及びハンド
ル角速度dθHに関してより詳しく説明すると、ハンドル
角センサ１６からのハンドル角θHはメモリ３８に格納
され、このメモリ３８内にてハンドル角θHに関し、現
時点ｔから例えば50msec間毎の時系列データθH(t)，θ
H(t-1)，θH(t-2)，・・・，θH(t-n)が作成され、これ
ら時系列データがニューラルネットワーク３６に供給さ
れる。ここで、ｎは２０であって、従って、時系列デー
タのデータ数は２１個となる。

【００２５】また、ハンドル角θHは微分部４０にも供
給され、この微分部４０はハンドル角θHを時間微分し
てハンドル角速度dθHとし、このハンドル角速度dθHを
ニューラルネットワーク３６に供給する。図４に示した
モデルから明らかなように、ニューラルネットワーク３
６は３層の階層型であって、入力層、中間層及び出力層
を有し、入力層の各入力ユニットＩＵに前述した入力情
報がそれぞれ供給されている。中間層の各中間ユニット
ＭＵは各入力ユニットＩＵにそれぞれ結合されている。
そして、出力層は制御変数Ｎを出力する１つの出力ユニ
ットＯＵを有しており、この出力ユニットＯＵは各中間
ユニットＭＵにそれぞれ結合されている。

【００２６】次に、ニューラルネットワーク３６の出力
である制御変数Ｎは出力減衰部４２に供給され、この出
力減衰部４２には車速Ｖもまた供給されている。出力減
衰部４２では、制御変数Ｎに車速Ｖから求まる減衰係数
Ｋnwを乗算し、その乗算結果である制御変数Ｎを出力レ
ンジ制限部４４に供給する。減衰係数Ｋnwは、図５に示
すマップから車速Ｖに基づいて読み出される。図５から
明らかなように減衰係数Ｋnwは、車速Ｖが前述の車速Ｖ
1よりも低い車速Ｖ0以上になると、車速Ｖの増加に伴っ
て０から徐々に増加し、車速ＶがＶ1になったときに0.5
となる。車速Ｖが更に上昇し、Ｖ1よりも高いＶ2以上に
達すると、減衰係数Ｋnwは１に維持される。

【００２７】また、出力レンジ制限部４４は図６に示す
マップに従い、制御変数Ｎをクリップし、その結果を算
出部２６に供給する。より詳しくは、出力レンジ制限部
４４ではその入力制御変数Ｎが最小値Ｎmin以下の場
合、その出力制御変数Ｎは最小値Ｎminに維持され、ま
た、入力制御変数Ｎが最大値Ｎmax以上の場合、その出
力制御変数Ｎは最大値Ｎmaxに維持される。そして、入
力制御変数Ｎが最小値Ｎminと最大値Ｎmaxとの間にある
とき、出力レンジ制限部４４は入力された制御変数Ｎを
制限することなく、そのまま算出部２６に供給する。

【００２８】前述したコントロールユニット１４を含む
４ＷＳ車両は、種々の旋回走行条件での走行試験を繰り
返して受け、そして、個々の走行試験の結果を受けて、
つまり、算出部２６からの出力である目標後輪舵角δr
(t)がその旋回走行状況にとって最適な値をとるように
ニューラルネットワーク３６に教師データが与えられ
る。即ち、ニューラルネットワーク３６はバックプロパ
ゲーション法に従い、その学習が繰り返される。

【００２９】ニューラルネットワーク３６の学習に関
し、車速ＶがＶ0よりも低い低車速域にあると、前述し
た出力減衰部４２の減衰係数Ｋnwが０に設定される結
果、出力減衰部４２を通過して出力される制御変数Ｎの
値も０となる。つまり、低車速域では、前輪舵角速度d
δf(t)から算出される目標後輪舵角δr(t)の成分は後輪
操舵の効果を余り発揮するものではないので、この場
合、制御変数Ｎを０としても後輪操舵機能が低下するこ
とはない。

【００３０】従って、前記低車速域での各種旋回走行条
件でのニューラルネットワーク３６の学習が不要となる
ので、学習データが少なくなって、その学習を短時間で
行え、また、学習後におけるニューラルネットワーク３
６の出力精度をも向上することになる。：後輪操舵ルーチン：ニューラルネットワーク３６はそ
の学習が完了して初めて有効に機能し、その学習済みの
ニューラルネットワーク３６を含むコントロールユニッ
ト１４の機能は図７の制御ルーチンに示されている。

【００３１】この制御ルーチンでは、先ず、前述した各
種センサからのセンサ情報として、車速Ｖ、ハンドル角
θH、横加速度Ｇy、ヨーレイトγ及びロールレイトＲが
コントロールユニット１４に入力され（ステップＳ
１）、コントロールユニット１４内ではハンドル角θH
の時系列データが作成され、そのメモリ３８にセーブさ
れる（ステップＳ２）。そして、コントロールユニット
１４の演算部２８，３０では車速Ｖに基づいて操舵角比
Ｋ１，Ｋ２が計算され（ステップＳ３）、また、時定数
ｋが計算される（ステップＳ４）。これら操舵角比Ｋ
１，Ｋ２、時定数ｋは算出部２６に供給される。

【００３２】次のステップＳ５，Ｓ６にて、ニューラル
ネットワーク３６はその入力情報、つまり、ハンドル角
θHの時系列データ、ハンドル角速度dθH、横加速度Ｇ
y、ヨーレイトγ、ロールレイトＲ及び車速Ｖから制御
変数Ｎを計算し、また、出力減衰部４２は車速Ｖに基づ
き減衰係数Ｋnwを計算する。そして、ニューラルネット
ワーク３６からの制御変数Ｎに減衰係数Ｋnwが乗算さ
れ、その乗算結果は出力レンジ制限部４４を経て算出部
２６に供給され、また、この算出部２６にはハンドル角
θHから求めた前輪舵角δf(t)及び前輪舵角速度dδf(t)
が供給される。

【００３３】算出部２６では、供給されたデータから前
記の算出式に基づき目標後輪舵角δr(t)を算出し（ステ
ップＳ７）、コントロールユニット１４は、算出した目
標後輪舵角δr(t)をフィードバックコントローラ１３に
出力する。この後、コントロールユニット１４では制御
ルーチンの処理が終了した否かを判別し（ステップＳ
９）、その判別結果が偽(No)の場合にはステップＳ１か
らの処理を繰り返して実行し、その判別結果が真(Yes)
になったとき、制御ルーチンを終了する。

【００３４】コントロールユニット１４からの目標後輪
舵角δr(t)を受け取ると、フィードバックコントローラ
１３は前述したように目標後輪舵角δr(t)に実後輪舵角
を一致させるべく後輪操舵アクチュエータ８の作動を制
御し、これにより、前輪ＦＷともに左右の後輪ＲＷが操
舵される。前述した後輪操舵制御装置によれば、目標後
輪舵角δr(t)の算出にあたり、ニューラルネットワーク
３６からの制御変数Ｎが前輪舵角速度dδf(t)の項から
得られる後輪操舵分のみに働くことから、車両が旋回過
渡期にあっても、算出部２６はその旋回過渡期に適合し
た目標後輪舵角δr(t)を算出することができる。

【００３５】つまり、旋回過渡期での後輪ＲＷの操舵に
関しては、そのときの走行条件によってドライバに違和
感を与えることもあるが、しかしながら、この発明の場
合にあっては、その違和感を解消すべくニューラルネッ
トワーク３６の学習が実施されているので、その出力で
ある制御変数Ｎは前輪舵角速度dδf(t)の項から得られ
る後輪操舵分をその時点での旋回走行条件に応じて最適
に設定することができ、後輪の操舵がドライバに違和感
を与えることはない。

【００３６】また、制御変数Ｎは前述したように目標後
輪舵角δr(t)の全体に効くのではないので、前記の算出
式から得られた目標後輪舵角δr(t)に基づいて後輪ＲＷ
の実後輪舵角が制御されると、４輪操舵本来の機能が十
分に発揮されることになる。更に、目標後輪舵角δr(t)
の算出にあたり、ニューラルネットワーク３６への入力
情報を得るために従来のような前処理や車体重心スリッ
プ角の近似値を計算する必要もないので、コントロール
ユニット１４内での演算処理が簡単になるばかりでな
く、ニューラルネットワーク３６には車両の旋回走行状
況を示す各種センサからの情報が直接的に入力されるの
で、ニューラルネットワーク３６からは各種の旋回走行
条件に適合した制御変数Ｎが高精度に出力されることと
なる。

【００３７】次に、図８を参照すれば、ニューラルネッ
トワークの使用を路面の摩擦係数が高い高μ路の限定し
た変形例が示されている。この変形例のニューラルネッ
トワーク４６は４層の階層型であって、入力層、第１及
び第２中間層及び出力層を有しており、入力層の各入力
ユニットＩＵには、ハンドル角θHの時系列データ、ハ
ンドル角速度dθH及び車速Ｖのみがそれぞれ供給されて
いる。

【００３８】そして、ハンドル角θHの時系列データが
供給される入力層の各入力ユニットＩＵは第１中間層の
各中間ユニットＭＵ１とそれぞれ結合されており、これ
に対し、ハンドル角速度dθH及び車速Ｖが供給される入
力層の各入力ユニットＩＵは第２中間層の各中間ユニッ
トＭＵ２にそれぞれ結合されている。各中間ユニットＭ
Ｕ１は各中間ユニットＭＵ２にそれぞれ結合されてい
る。

【００３９】図８のニューラルネットワーク４６のよう
に、ハンドル角θHの時系列データのみが第１中間層に
て先ず纏めて処理され、そして、その処理結果にハンド
ル角速度dθH及び車速Ｖとが加えられて第２中間層にて
処理されると、この場合、ドライバによるステアリング
ハンドル４の操作パターンに関して、そのパターン認識
精度が向上する結果、高μ路において図８のニューラル
ネットワーク４６は図７のニューラルネットワーク３６
と同様な精度で制御変数Ｎの出力が可能となる。

【００４０】従って、図８のニューラルネットワーク４
６を使用すれば、その入力情報として横加速度Ｇy、ヨ
ーレイトγ及びロールレイトＲが不要となるので、これ
らを検出するセンサを削減でき、また、入力情報がフィ
ードフォワード要素のみで構成されるため、ニューラル
ネットワーク４６の学習をも容易となる。

【００４１】

【発明の効果】以上説明したように、この発明の請求項
１，５の後輪操舵制御装置によれば、ニューラルネット
ワークから制御変数を目標後輪操舵量自体の算出に使用
しているから、種々の旋回走行状況に適合した目標後輪
操舵量の算出が可能となる。従って、４輪操舵本来の機
能を制限することもなく、また、後輪操舵から受けるド
ライバの違和感をも解消することができる。更に、この
場合、ニューラルネットワークに与えられる入力に関し
て、その前処理なども不要となるので、制御変数の演算
処理が簡単になる。

【００４２】請求項２の装置によれば、目標後輪操舵量
の算出に関し、制御変数が前輪操舵角速度から得られる
後輪操舵分のみに働くから、車両の旋回過渡期での後輪
操舵に起因したドライバの違和感が確実に解消すること
ができる。請求項３，４の装置によれば、ニューラルネ
ットワークからの制御変数は車速に応じて規制されるの
で、ニューラルネットワークの学習が容易になるばかり
でなく、その学習を短時間で完了させることができる。

【００４３】請求項６の装置によれば、ニューラルネッ
トワークの使用を高μ路に限定することによってニュー
ラルネットワークに与えるべき入力情報が少なくて済
み、後輪操舵装置に要するセンサ数を大幅に削減できる
利点がある。

【図面の簡単な説明】

【図１】車両の後輪操舵制御装置の全体を示した概略図
である。

【図２】図１のコントロールユニットの機能を示すブロ
ック図である。

【図３】車速に対する操舵角比の特性を示したグラフで
ある。

【図４】図２のニューラルネットワークのモデルを示し
た概略図である。

【図５】車速に対する減衰係数の特性を示したグラフで
ある。

【図６】図２の出力レンジ制限部の機能を示すグラフで
ある。

【図７】コントロールユニットが実行する制御ルーチン
を示したフローチャートである。

【図８】変形例のニューラルネットワークのモデルを示
した概略図である。

【符号の説明】

２パワーシリンダ４ステアリングハンドル８後輪操舵アクチュエータ１１後輪舵角センサ１２電磁弁１３フィードバックコントローラ１４コントロールユニット１６ハンドル角センサ１８車速センサ２０横加速度センサ２２ヨーレイトセンサ２４ロールレイトセンサ２６算出部３６ニューラルネットワーク３８メモリ４２出力減衰部

Claims

【特許請求の範囲】

【請求項１】前輪が操舵されるとき、前輪の操舵に基
づいて後輪を操舵する車両の後輪操舵制御装置におい
て、前輪の操舵状態を検出し、前輪操舵状態量を出力する操
舵状態検出手段と、車両の車速を検出し、車速を出力する車速検出手段と、前記前輪操舵状態量及び前記車速に加えて、前記前輪操
舵状態量に働きかける制御変数に基づいて目標後輪操舵
量を算出する算出手段と、入力に前記前輪操舵状態量及び前記車速を有したニュー
ラルネットワークを含み、このニューラルネットワーク
の出力として、車両の旋回走行状況に応じた前記制御変
数を演算する制御変数演算手段とを具備したことを特徴
とする車両の後輪操舵制御装置。
【請求項２】前記操舵状態検出手段は、ステアリング
ハンドルのハンドル角を検出し、ハンドル角を出力する
ハンドル角検出手段と、検出したハンドル角に基づき前
輪舵角及び前輪舵角速度を算出する手段とを含み、前記算出手段は、前記前輪舵角及び前輪舵角速度を前記
前輪操舵状態量として前記目標後輪操舵量を算出し、こ
の算出の際、前記制御変数は前記前輪舵角速度に乗算さ
れることを特徴とする請求項１に記載の車両の後輪操舵
制御装置。
【請求項３】前記制御変数演算手段は、前記ニューラ
ルネットワークから出力された制御変数を前記車速に応
じて規制する規制手段を備えていることを特徴とする請
求項１に記載の車両の後輪操舵制御装置。
【請求項４】前記規制手段は、前記車速が所定の速度
域にあるときには車速の増加に伴い０から１に向かって
増加し、前記速度域以上では１に維持される減衰係数を
前記制御変数に乗算し、減衰後の制御変数を出力するこ
とを特徴とする請求項３に記載の車両の後輪操舵制御装
置。
【請求項５】前記制御変数演算手段は３層のニューラ
ルネットワークを有しており、このニューラルネットワ
ークにおける入力層の各ユニットには車速、ステアリン
グハンドルのハンドル角に関する時系列データ及びハン
ドル角速度、並びに、車両に関する横加速度、ヨーレイ
ト及びロールレイトがそれぞれ入力され、入力層の各ユ
ニットは中間層の各ユニットにそれぞれ結合されている
ことを特徴とする請求項１の車両の後輪操舵制御装置。
【請求項６】前記制御変数演算手段は４層のニューラ
ルネットワークを有し、このニューラルネットワークに
おける入力層の各ユニットには車速、ステアリングハン
ドルのハンドル角に関する時系列データ及びハンドル角
速度がそれぞれ入力され、入力層内の前記時系列データ
が入力されるユニットは第１中間層の各ユニットにそれ
ぞれ結合されている一方、入力層の前記ハンドル角速度
及び車速が入力されるユニットは、前記第１中間層の各
ユニットに結合された第２中間層の各ユニットにそれぞ
れ結合されていることを特徴とする請求項１に記載の車
両の後輪操舵制御装置。