特開 2024-136422 サスペンションシステム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024136422

(43)【公開日】2024-10-04

(54)【発明の名称】サスペンションシステム

(51)【国際特許分類】

   B60G 17/0185 20060101AFI20240927BHJP

   B60G 17/015 20060101ALI20240927BHJP

【ＦＩ】

B60G17/0185

B60G17/015 B

B60G17/015 A

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2023047536

(22)【出願日】2023-03-24

(71)【出願人】

【識別番号】000000011

【氏名又は名称】株式会社アイシン

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】山本 彰人

【テーマコード（参考）】

3D301

【Ｆターム（参考）】

3D301AA60

3D301AA62

3D301DA08

3D301DA33

3D301DA35

3D301EA10

3D301EA15

3D301EA17

3D301EA19

3D301EA21

3D301EA22

3D301EC01

3D301EC59

(57)【要約】

【課題】学習済みモデルを利用して減衰力を調整するサスペンションシステムにおける異常を検知する。
【解決手段】実施形態のサスペンションシステムは、学習済みモデルを利用して、ばね上加速度の実測値を含む入力情報から、ショックアブソーバの変位量を示すストローク変位量及びショックアブソーバの変位速度を示すストローク速度の少なくとも一方を推定する推定部と、推定部による推定結果に基づいて、ばね上加速度の推定値を算出する演算部と、ばね上加速度の実測値とばね上加速度の推定値との誤差に基づいて、異常の有無を判定する異常判定部と、を備える。
【選択図】図３

【特許請求の範囲】

【請求項1】

車輪と車体との間に介在されるスプリングの振動を収束させる減衰力を発生させるショックアブソーバを備え、前記減衰力を調整可能なサスペンションシステムであって、
学習済みモデルを利用して、ばね上加速度の実測値を含む入力情報から、前記ショックアブソーバの変位量を示すストローク変位量及び前記ショックアブソーバの変位速度を示すストローク速度の少なくとも一方を推定する推定部と、
前記推定部による推定結果に基づいて、前記ばね上加速度の推定値を算出する演算部と、
前記ばね上加速度の実測値と前記ばね上加速度の推定値との誤差に基づいて、異常の有無を判定する異常判定部と、
を備えるサスペンションシステム。

【請求項2】

前記推定部が前記ストローク変位量及び前記ストローク速度を推定する場合には、前記演算部は、前記推定部により推定された前記ストローク変位量の推定値に基づいて、前記スプリングが発生させる反力であるばね力の推定値を算出し、前記推定部により推定された前記ストローク速度の推定値に基づいて、前記減衰力の推定値を算出し、前記ばね力の推定値及び前記減衰力の推定値に基づいて、前記ばね上加速度の推定値を算出する、
請求項１に記載のサスペンションシステム。

【請求項3】

前記推定部が前記ストローク変位量を推定する場合には、前記演算部は、前記推定部により推定された前記ストローク変位量の推定値に基づいて、前記スプリングが発生させる反力であるばね力の推定値と、前記ショックアブソーバの変位速度を示すストローク速度の推定値と、を算出し、前記ストローク速度の推定値に基づいて、前記減衰力の推定値を算出し、前記ばね力の推定値及び前記減衰力の推定値に基づいて、前記ばね上加速度の推定値を算出する、
請求項１に記載のサスペンションシステム。

【請求項4】

前記推定部が前記ストローク速度を推定する場合には、前記演算部は、前記推定部により推定された前記ストローク速度の推定値に基づいて、前記ストローク変位量の推定値と、前記減衰力の推定値と、を算出し、前記ストローク変位量の推定値に基づいて、前記スプリングが発生させる反力であるばね力の推定値を算出し、前記ばね力の推定値及び前記減衰力の推定値に基づいて、前記ばね上加速度の推定値を算出する、
請求項１に記載のサスペンションシステム。

【請求項5】

前記異常判定部は、異常があると判定された場合に、前記学習済みモデルにおけるパラメータをリセットする、
請求項１～４のいずれか１項に記載のサスペンションシステム。

【請求項6】

前記異常判定部は、異常があると判定された場合に、前記推定部による推定結果を前記減衰力の制御に使用することを禁止する、
請求項１～４のいずれか１項に記載のサスペンションシステム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施形態は、サスペンションシステムに関する。

【背景技術】

【0002】

路面から車体への衝撃を緩和させるスプリングの振動（伸縮運動）を収束させる減衰力を状況に応じて調整可能なサスペンションシステムにおいて、減衰力の制御に学習済みモデル（人工知能）が利用される場合がある。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】国際公開第２０２２／０２４９１９号

【特許文献2】国際公開第２０１９／０６４８３３号

【発明の概要】

【発明が解決しようとする課題】

【0004】

上記のようなシステムにおいては、学習済みモデルによる処理が適切性を失う可能性を考慮し、異常の発生を検知する機能が要求される。

【0005】

本発明の実施形態が解決しようとする課題の一つは、学習済みモデルを利用して減衰力を調整するサスペンションシステムにおける異常を検知可能にすることである。

【課題を解決するための手段】

【0006】

本発明の一実施形態は、車輪と車体との間に介在されるスプリングの振動を収束させる減衰力を発生させるショックアブソーバを備え、減衰力を調整可能なサスペンションシステムであって、学習済みモデルを利用して、ばね上加速度の実測値を含む入力情報から、ショックアブソーバの変位量を示すストローク変位量及びショックアブソーバの変位速度を示すストローク速度の少なくとも一方を推定する推定部と、推定部による推定結果に基づいて、ばね上加速度の推定値を算出する演算部と、ばね上加速度の実測値とばね上加速度の推定値との誤差に基づいて、異常の有無を判定する異常判定部と、を備えるものである。

【0007】

上記構成によれば、ばね上加速度の実測値を含む入力情報から学習済みモデルにより推定されたストローク変位量及びストローク速度の少なくとも一方に基づいてばね上加速度の推定値が算出され、ばね上加速度の実測値と推定値との誤差に基づいて異常が判定される。これにより、学習済みモデルを利用した制御を行うシステムにおける異常を高精度に検知でき、システムの信頼性を向上させることができる。

【0008】

また、上記構成において、推定部がストローク変位量及びストローク速度を推定する場合には、演算部は、推定部により推定されたストローク変位量の推定値に基づいて、スプリングが発生させる反力であるばね力の推定値を算出し、推定部により推定されたストローク速度の推定値に基づいて、減衰力の推定値を算出し、ばね力の推定値及び減衰力の推定値に基づいて、ばね上加速度の推定値を算出してもよい。

【0009】

上記構成によれば、学習済みモデルにより推定されたストローク変位量及びストローク速度に基づいて、ばね上加速度の推定値を効率的に算出できる。

【0010】

また、上記構成において、推定部がストローク変位量を推定する場合には、演算部は、推定部により推定されたストローク変位量の推定値に基づいて、スプリングが発生させる反力であるばね力の推定値と、ショックアブソーバの変位速度を示すストローク速度の推定値と、を算出し、ストローク速度の推定値に基づいて、減衰力の推定値を算出し、ばね力の推定値及び減衰力の推定値に基づいて、ばね上加速度の推定値を算出してもよい。

【0011】

上記構成によれば、学習済みモデルにより推定されたストローク変位量に基づいて、ばね上加速度の推定値を効率的に算出できる。

【0012】

また、上記構成において、推定部がストローク速度を推定する場合には、演算部は、推定部により推定されたストローク速度の推定値に基づいて、ストローク変位量の推定値と、減衰力の推定値と、を算出し、ストローク変位量の推定値に基づいて、スプリングが発生させる反力であるばね力の推定値を算出し、ばね力の推定値及び減衰力の推定値に基づいて、ばね上加速度の推定値を算出してもよい。

【0013】

上記構成によれば、学習済みモデルにより推定されたストローク速度に基づいて、ばね上加速度の推定値を効率的に算出できる。

【0014】

また、上記構成において、異常判定部は、異常があると判定された場合に、学習済みモデルにおけるパラメータをリセットしてもよい。

【0015】

上記構成によれば、学習済みモデルの機能を正常化させることができる。

【0016】

また、上記構成において、異常判定部は、異常があると判定された場合に、推定部による推定結果を減衰力の制御に使用することを禁止してもよい。

【0017】

上記構成によれば、不適切な推定結果に基づく制御の実行を回避できる。

【図面の簡単な説明】

【0018】

【図1】図１は、第１実施形態の車両に搭載されたサスペンションシステムの構成の一例を示す図である。

【図2】図２は、第１実施形態の懸架装置の構成の一例を示す図である。

【図3】図３は、第１実施形態のＥＣＵの機能構成の一例を示す図である。

【図4】図４は、第１実施形態における推定ばね上加速度の算出方法の一例を説明するための図である。

【図5】図５は、第１実施形態の異常発生時におけるばね上加速度と誤差と異常判定フラグとの関係の一例を示す図である。

【図6】図６は、第１実施形態のＥＣＵによる処理の一例を示すフローチャートである。

【図7】図７は、第２実施形態のＥＣＵの機能構成の一例を示す図である。

【図8】図８は、第２実施形態における推定ばね上加速度の算出方法の一例を説明するための図である。

【図9】図９は、第２実施形態のＥＣＵによる処理の一例を示すフローチャートである。

【図10】図１０は、第３実施形態のＥＣＵの機能構成の一例を示す図である。

【図11】図１１は、第３実施形態における推定ばね上加速度の算出方法の一例を説明するための図である。

【図12】図１２は、第３実施形態のＥＣＵによる処理の一例を示すフローチャートである。

【発明を実施するための形態】

【0019】

以下、本発明の例示的な実施形態が開示される。以下に示される実施形態の構成、並びに当該構成によってもたらされる作用、結果及び効果は、一例である。本発明は、以下の実施形態に開示される構成以外によっても実現可能であるとともに、基本的な構成に基づく種々の効果や、派生的な効果のうち、少なくとも一つを得ることが可能である。

【0020】

（第１実施形態）
図１は、第１実施形態の車両１に搭載されたサスペンションシステムＳの構成の一例を示す図である。ここで例示する車両１は、路面上を走行可能な四輪自動車であり、車体２と４つの車輪３とを有する。

【0021】

サスペンションシステムＳは、懸架装置１１、加速度センサ１２及びＥＣＵ（Electronic Control Unit）１３を有する。

【0022】

懸架装置１１は、４つの車輪３のそれぞれと車体２との間に設置され、路面から車体２への衝撃を緩和する作用を奏する装置である。

【0023】

加速度センサ１２は、４つの懸架装置１１のそれぞれの上部に設置され、各設置位置に対応するばね上加速度を検出するセンサである。ばね上加速度とは、懸架装置１１より上の部分（主に車体２）の上下方向の変位の加速度である。なお、加速度センサ１２の数や設置位置はこれに限定されるものではない。

【0024】

ＥＣＵ１３は、各懸架装置１１を制御するための情報処理を実行する情報処理装置であり、ＣＡＮ（Controller Area Network）等のネットワークを介して懸架装置１１等の車載デバイスと通信可能に接続している。また、ＥＣＵ１３は、加速度センサ１２から出力された信号（アナログ信号）を適宜な回線を介して取得する。ＥＣＵ１３は、例えばＣＰＵ（Central Processing Unit）、メモリ、ＦＰＧＡ（Field Programmable Gate Array）、ＡＳＩＣ（Application Specific Integrated Circuit）等を利用して構成され得る。ＥＣＵ１３と接続する車載デバイスには、懸架装置１１及び加速度センサ１２の他に、例えば、車輪３の回転速度（車輪速度）を検出する車輪速センサ、車体２の傾きを検出する３軸加速度センサ、舵角を検出する舵角センサ、所定の制御を実行する他のＥＣＵ等が含まれ得る。

【0025】

図２は、第１実施形態の懸架装置１１の構成の一例を示す図である。図２において、１つの車輪３と車体２との間に介在された１つの懸架装置１１の構成が模式的に示されている。懸架装置１１は、スプリング２１とショックアブソーバ２２とを有する。なお、４つの懸架装置１１は全て同様の構成を有する。

【0026】

スプリング２１は、車輪３と車体２との間に介在され、路面Ｒから車体２への衝撃を吸収するように伸縮する部材であり、その伸縮状態に応じて反力（復元力）を発生させる。以下、当該スプリング２１の伸縮状態に応じた反力をばね力と称する。

【0027】

ショックアブソーバ２２は、スプリング２１の振動（伸縮運動）を収束させる減衰力を発生させるユニットである。ショックアブソーバ２２の減衰力は、ＥＣＵ１３からの制御信号（制御電流）に応じて変更可能となっている。ショックアブソーバ２２の具体的構成は特に限定されるべきものではないが、例えば、流体圧力に応じて減衰力が変化する油圧ダンパ、ＥＣＵ１３からの制御電流に応じて油圧ダンパの流体圧力を変化させるように動作するアクチュエータ等を利用した構成が採用され得る。

【0028】

本実施形態のＥＣＵ１３は、加速度センサ１２やＣＡＮ等から取得される、車両１に関する各種情報に基づいて、ショックアブソーバ２２の減衰力を最適化するための処理を実行する。各種情報には、加速度センサ１２から取得されるばね上加速度、車輪速センサ等から取得される車輪速度、車体２に搭載された３軸加速度センサ等から取得される前後加速度、左右加速度、ヨーレート等が含まれ得る。ＥＣＵ１３による減衰力の具体的な制御方法は特に限定されるべきものではないが、例えば、スカイフック理論に基づく制御等が利用され得る。

【0029】

図３は、第１実施形態のＥＣＵ１３の機能構成の一例を示す図である。本実施形態のＥＣＵ１３は、推定部１０１、駆動制御部１０２、演算部１０３及び異常判定部１０４を有する。これらの機能部１０１～１０４は、ＥＣＵ１３を構成するハードウェア要素及びソフトウェア要素（プログラム等）の協働により構成され得る。また、これらの機能部１０１～１０４のうちの少なくとも１つが専用のハードウェア（回路等）により構成されてもよい。

【0030】

推定部１０１は、学習済みモデルを利用して、所定の入力情報からショックアブソーバ２２のストローク変位量及びストローク速度を推定する。ストローク変位量とは、ショックアブソーバ２２の上下方向の変位量である。ストローク速度とは、ショックアブソーバ２２の上下方向の変位速度である。入力情報には、少なくとも、加速度センサ１２により検出されたばね受け加速度の実測値である実測ばね上加速度が含まれる。入力情報には、更に、車輪速度、前後加速度、左右加速度、ヨーレート、その他の情報が含まれてもよい。

【0031】

学習済みモデルは、ニューラルネットワークに対して所定の教師データを用いて事前に行われた機械学習（深層学習）により生成されたモデルであり、機械学習により決定されたパラメータ（重み）が適用された所定のアルゴリズム等であり得る。学習済みモデルのパラメータには、使用（車両１の走行）に応じて更新されるパラメータが含まれてもよい。本実施形態の学習済みモデルは、実測ばね上加速度を含む入力情報の入力に対し、ストローク変位量の推定値である推定ストローク変位量と、ストローク速度の推定値である推定ストローク速度と、を出力する。学習済みモデルの具体的態様は特に限定されるべきものではないが、例えば、ＲＮＮ（Recurrent Neural Network）構造や、ＬＳＴＭ（Long Short Term Memory）構造等を有するモデルが採用され得る。

【0032】

駆動制御部１０２は、加速度センサ１２及びＣＡＮから取得される情報や推定部１０１による推定結果等に基づいてショックアブソーバ２２の減衰力の目標値を決定し、ショックアブソーバ２２の減衰力が当該目標値となるようにショックアブソーバ２２に対して制御信号（制御電流）を出力する。減衰力の目標値の決定方法は特に限定されるべきものではないが、例えば、スカイフック理論に基づく方法等が採用され得る。

【0033】

演算部１０３は、推定部１０１による推定結果、すなわち学習済みモデルから出力された推定ストローク変位量及び推定ストローク速度に基づいて、ばね上加速度の推定値である推定ばね上加速度を算出する。推定ストローク変位量及び推定ストローク速度から推定ばね上加速度を算出する方法は、公知の演算手法を適宜利用して実現され得る。例えば、推定ストローク変位量からスプリング２１のばね力の推定値である推定ばね力を算出し、推定ストローク速度からショックアブソーバ２２の減衰力の推定値である推定減衰力を算出し、推定ばね力及び推定減衰力から運動方程式等に基づいて推定ばね上加速度を算出できる。

【0034】

異常判定部１０４は、加速度センサ１２から取得された実測ばね上加速度と、演算部１０３により算出された推定ばね上加速度と、の誤差に基づいて、異常の有無を判定する。異常判定部１０４は、例えば、当該誤差が閾値以上である場合に、異常があると判定する。

【0035】

また、異常判定部１０４は、異常があると判定された場合に、所定の異常対応処理を実行してもよい。異常対応処理は、例えば、学習済みモデルにおけるパラメータのリセット等であり得る。リセットの対象となるパラメータは、例えば、使用（車両１の走行）により更新されるパラメータであり、例えば、ＲＮＮやＬＳＴＭ等における記憶値等であり得る。これにより、学習済みモデルの作用を正常化させることができる可能性がある。また、異常対応処理は、例えば、推定部１０１による推定結果をショックアブソーバ２２の減衰力の制御に使用することを禁止する処理であってもよい。これにより、不適切な推定結果に基づく減衰力の制御を回避できる。

【0036】

図４は、第１実施形態における推定ばね上加速度の算出方法の一例を説明するための図である。図４に示されるように、本実施形態の学習済みモデルは、加速度センサ１２から取得された実測ばね上加速度を含む入力情報が入力されると、推定ストローク変位量及び推定ストローク速度を出力する。入力情報には、実測ばね上加速度の他、車輪速度、前後加速度、左右加速度、ヨーレート、推定ばね力のフィードバック値、推定減衰力のフィードバック値等が含まれてもよい。このように、実測ばね上加速度以外の情報を入力情報に含めることにより、学習済みモデルの推定精度の向上を図ることができる。

【0037】

学習済みモデルから出力された推定ストローク変位量にスプリング２１のばね定数を乗算することにより、推定ばね力が算出される。また、ストローク速度と減衰力との対応関係を示すＦＶ（Forth-Velocity）関係式を用いて、学習済みモデルから出力された推定ストローク速度に対応する減衰力である推定減衰力が算出される。ＦＶ関係式は、例えば、事前に行われた実験やシミュレーションに基づいて生成されてもよいし、走行中に取得される情報に基づいて生成されてもよい。このように算出された推定ばね力及び推定減衰力を学習済みモデルへの入力情報としてフィードバックさせてもよい。

【0038】

上記のように算出された推定ばね力と推定減衰力とを加算した値をばね上重量（例えば車体２の重量等）で除算することにより、推定ばね上加速度が算出される。そして、実測ばね上加速度と推定ばね上加速度との誤差に基づいて、異常の有無が判定される。

【0039】

なお、上記算出方法は例示であり、本実施形態における推定ばね上加速度の算出方法はこれに限定されるものではない。

【0040】

図５は、第１実施形態の異常発生時におけるばね上加速度と誤差と異常判定フラグとの関係の一例を示す図である。図５において、ばね上加速度変化情報２０１、誤差変化情報２０２及びフラグ変化情報２０３の対応関係が例示されている。

【0041】

ばね上加速度変化情報２０１は、ばね上加速度の実測値（実測ばね上加速度）及び推定値（推定ばね上加速度）の時系列変化を例示している。誤差変化情報２０２は、ばね上加速度の実測値と推定値との誤差（推定値－実測値）の時系列変化を例示している。Ｔｈ１は、正側の閾値を示し、Ｔｈ２は、負側の閾値を示している。フラグ変化情報２０３は、異常の有無を示すフラグの値（真偽値）の時系列変化を例示している。ここでは、正常時にはフラグの値が「０」となり、異常発生時にはフラグの値が「１」となる場合が例示されている。ばね上加速度変化情報２０１、誤差変化情報２０２及びフラグ変化情報２０３の時間軸（横軸）は一致しているものとする。

【0042】

図５において、時間経過に伴いばね上加速度の実測値と推定値とが徐々に乖離していき、時刻ｔ１において誤差が閾値Ｔｈ１に達した場合が例示されている。このような場合、時刻ｔ１においてフラグの値が１となり、異常対処処理が実行される。これにより、図５に示されるように、時刻ｔ１以降においてばね上加速度の実測値と推定値との乖離（誤差）が略なくなり、フラグの値が０となる。

【0043】

図６は、第１実施形態のＥＣＵ１３による処理の一例を示すフローチャートである。推定部１０１は、学習済みモデルに入力情報を入力し、推定ストローク変位量及び推定ストローク速度を取得する（Ｓ１０１）。演算部１０３は、推定ストローク変位量から推定ばね力を算出し（Ｓ１０２）、推定ストローク速度から推定減衰力を算出し（Ｓ１０３）、推定ばね力及び推定減衰力から推定ばね上加速度を算出する（Ｓ１０４）。

【0044】

異常判定部１０４は、実測ばね上加速度と推定ばね上加速度との誤差を算出し（Ｓ１０５）、当該誤差が閾値以上であるか否かを判定する（Ｓ１０６）。誤差が閾値以上でない場合（Ｓ１０６：Ｎｏ）、ステップＳ１０１以降の処理が再度実行され、誤差が閾値以上である場合（Ｓ１０６：Ｙｅｓ）、異常判定部１０４は、学習済みモデルのパラメータのリセット等の異常対処理を実行する（Ｓ１０７）。

【0045】

以上のように、本実施形態によれば、ばね上加速度の実測値を含む入力情報から学習済みモデルにより推定されたストローク変位量及びストローク速度に基づいてばね上加速度の推定値が算出され、ばね上加速度の実測値と推定値との誤差に基づいて異常が判定される。これにより、学習済みモデルを利用した制御を行うサスペンションシステムＳにおける異常を高精度に検知でき、当該システムの信頼性を向上させることができる。

【0046】

以下に、他の実施形態について説明するが、第１実施形態と同一又は同様の作用効果を奏する箇所についてはその説明を適宜省略する。

【0047】

（第２実施形態）
第１実施形態の学習済みモデルは、入力情報の入力に対して推定ストローク変位量及び推定ストローク速度を出力するものであったが、第２実施形態の学習済みモデルは、入力情報の入力に対して推定ストローク変位量を出力し、推定ストローク速度を出力しないものである。

【0048】

図７は、第２実施形態のＥＣＵ１３の機能構成の一例を示す図である。本実施形態の推定部１０１は、上記のような学習済みモデルを利用して、実測ばね上加速度を含む入力情報からストローク変位量の推定値（推定ストローク変位量）を推定する。本実施形態の演算部１０３は、推定部１０１により推定された推定ストローク変位量に基づいて、ばね上加速度の推定値（推定ばね上加速度）を算出する。

【0049】

図８は、第２実施形態における推定ばね上加速度の算出方法の一例を説明するための図である。図８に示されるように、本実施形態の学習済みモデルは、加速度センサ１２から取得された実測ばね上加速度を含む入力情報が入力されると、推定ストローク変位量を出力する。そして、本実施形態においては、学習済みモデルから出力された推定ストローク変位量を微分することにより、推定ストローク速度が算出される。

【0050】

その後の処理、すなわち推定ばね力、推定減衰力及び推定ばね上加速の算出は、第１実施形態と同様に行われる。すなわち、学習済みモデルから出力された推定ストローク変位量にスプリング２１のばね定数を乗算することにより推定ばね力が算出され、所定のＦＶ関係式を用いて推定ストローク速度に対応する推定減衰力が算出される。そして、推定ばね力と推定減衰力とに基づいて推定ばね上加速度が算出される。

【0051】

なお、上記算出方法は例示であり、本実施形態における推定ばね上加速度の算出方法はこれに限定されるものではない。

【0052】

図９は、第２実施形態のＥＣＵ１３による処理の一例を示すフローチャートである。推定部１０１は、学習済みモデルに入力情報を入力し、推定ストローク変位量を取得する（Ｓ２０１）。演算部１０３は、推定ストローク変位量から推定ばね力及び推定ストローク速度を算出し（Ｓ２０２）、推定ストローク速度から推定減衰力を算出し（Ｓ２０３）、推定ばね力及び推定減衰力から推定ばね上加速度を算出する（Ｓ２０４）。

【0053】

異常判定部１０４は、実測ばね上加速度と推定ばね上加速度との誤差を算出し（Ｓ２０５）、当該誤差が閾値以上であるか否かを判定する（Ｓ２０６）。誤差が閾値以上でない場合（Ｓ２０６：Ｎｏ）、ステップＳ２０１以降の処理が再度実行され、誤差が閾値以上である場合（Ｓ２０６：Ｙｅｓ）、異常判定部１０４は、学習済みモデルのパラメータのリセット等の異常対処理を実行する（Ｓ２０７）。

【0054】

以上のように、本実施形態によれば、ばね上加速度の実測値を含む入力情報に対して推定ストローク変位量を出力する（推定ストローク速度を出力しない）学習済みモデルを利用する場合であっても、第１実施形態と同様に、システムにおける異常を検知でき、システムの信頼性を向上させることができる。

【0055】

（第３実施形態）
第１実施形態の学習済みモデルは、入力情報の入力に対して推定ストローク変位量及び推定ストローク速度を出力するものであったが、第３実施形態の学習済みモデルは、入力情報の入力に対して推定ストローク速度を出力し、推定ストローク変位量を出力しないものである。

【0056】

図１０は、第３実施形態のＥＣＵ１３の機能構成の一例を示す図である。本実施形態の推定部１０１は、上記のような学習済みモデルを利用して、実測ばね上加速度を含む入力情報からストローク速度の推定値（推定ストローク速度）を推定する。本実施形態の演算部１０３は、推定部１０１により推定された推定ストローク速度に基づいて、ばね上加速度の推定値（推定ばね上加速度）を算出する。

【0057】

図１１は、第３実施形態における推定ばね上加速度の算出方法の一例を説明するための図である。図１１に示されるように、本実施形態の学習済みモデルは、加速度センサ１２から取得された実測ばね上加速度を含む入力情報が入力されると、推定ストローク速度を出力する。そして、本実施形態においては、学習済みモデルから出力された推定ストローク速度を積分することにより、推定ストローク変位量が算出される。

【0058】

その後の処理、すなわち推定ばね力、推定減衰力及び推定ばね上加速の算出は、第１実施形態と同様に行われる。すなわち、上記のように算出された推定ストローク変位量にスプリング２１のばね定数を乗算することにより推定ばね力が算出され、所定のＦＶ関係式を用いて推定ストローク速度に対応する推定減衰力が算出される。そして、推定ばね力と推定減衰力とに基づいて推定ばね上加速度が算出される。

【0059】

なお、上記算出方法は例示であり、本実施形態における推定ばね上加速度の算出方法はこれに限定されるものではない。

【0060】

図１２は、第３実施形態のＥＣＵ１３による処理の一例を示すフローチャートである。推定部１０１は、学習済みモデルに入力情報を入力し、推定ストローク速度を取得する（Ｓ３０１）。演算部１０３は、推定ストローク速度から推定ストローク変位量及び推定減衰力を算出し（Ｓ３０２）、推定ストローク変位量から推定ばね力を算出し（Ｓ３０３）、推定ばね力及び推定減衰力から推定ばね上加速度を算出する（Ｓ３０４）。

【0061】

異常判定部１０４は、実測ばね上加速度と推定ばね上加速度との誤差を算出し（Ｓ３０５）、当該誤差が閾値以上であるか否かを判定する（Ｓ３０６）。誤差が閾値以上でない場合（Ｓ３０６：Ｎｏ）、ステップＳ３０１以降の処理が再度実行され、誤差が閾値以上である場合（Ｓ３０６：Ｙｅｓ）、異常判定部１０４は、学習済みモデルのパラメータのリセット等の異常対処理を実行する（Ｓ３０７）。

【0062】

以上のように、本実施形態によれば、ばね上加速度の実測値を含む入力情報に対して推定ストローク速度を出力する（推定ストローク変位量を出力しない）学習済みモデルを利用する場合であっても、第１実施形態と同様に、システムにおける異常を検知でき、システムの信頼性を向上させることができる。

【0063】

上記実施形態のサスペンションシステムＳの機能をコンピュータ（例えばＥＣＵ１４等）に実現させるためのプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ－ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ－Ｒ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のコンピュータで読み取り可能な記録媒体に記録して提供するように構成してもよい。

【0064】

また、当該プログラムをインターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また、当該プログラムをインターネット等のネットワーク経由で提供又は配布するように構成してもよい。

【0065】

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、請求の範囲に記載された発明とその均等の範囲に含まれる。

【符号の説明】

【0066】

１…車両、２…車体、３…車輪、１１…懸架装置、１２…加速度センサ、１３…ＥＣＵ、２１…スプリング、２２…ショックアブソーバ、１０１…推定部、１０２…駆動制御部、１０３…演算部、１０４…異常判定部、２０１…ばね上加速度変化情報、２０２…誤差変化情報、２０３…フラグ変化情報、Ｒ…路面、Ｓ…サスペンションシステム

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】