特許 7497603 車体すべり角推定装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-06-03

(45)【発行日】2024-06-11

(54)【発明の名称】車体すべり角推定装置

(51)【国際特許分類】

   B60W 40/103 20120101AFI20240604BHJP

   B60W 40/064 20120101ALI20240604BHJP

   B60C 19/00 20060101ALI20240604BHJP

   B62D 6/00 20060101ALN20240604BHJP

【ＦＩ】

B60W40/103

B60W40/064

B60C19/00 H

B62D6/00

【請求項の数】 6

(21)【出願番号】P 2020068351

(22)【出願日】2020-04-06

(65)【公開番号】P2021165063

(43)【公開日】2021-10-14

【審査請求日】2023-03-17

(73)【特許権者】

【識別番号】000001247

【氏名又は名称】株式会社ジェイテクト

(74)【代理人】

【識別番号】100105957

【弁理士】

【氏名又は名称】恩田 誠

(74)【代理人】

【識別番号】100068755

【弁理士】

【氏名又は名称】恩田 博宣

(72)【発明者】

【氏名】戸羽 弘安

【審査官】鶴江 陽介

(56)【参考文献】

【文献】特開２０１２－０５６３６４（ＪＰ，Ａ）

【文献】特開２００９－１７３１１２（ＪＰ，Ａ）

【文献】特開２０００－０２５５９９（ＪＰ，Ａ）

【文献】特開２００１－１５３６７８（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｂ６０Ｗ １０／００－６０／００

Ｂ６２Ｄ ６／００－ ６／１０

Ｂ６０Ｃ １／００－１９／１２

(57)【特許請求の範囲】

【請求項1】

車両の進行方向との間の当該車両の重心点を通る鉛直軸周りの角度である車体すべり角を状態変数とし、前記車両の幅方向に生じている横加速度を含む観測値を持ち、前記車体すべり角を変数に含むモデルに基づき定義される運動方程式を用いて構成された非線形カルマンフィルタを用いて前記車体すべり角の推定値である車体すべり角推定値を演算する車体すべり角推定装置において、
前記運動方程式で定義されるモデルに基づいて、前記車体すべり角推定値を演算する車体すべり角推定値演算部と、
前記運動方程式を用いた演算について前記車体すべり角推定値の推定精度を判定するすべり角推定精度判定部と、を備え、
前記車体すべり角推定値演算部は、前記すべり角推定精度判定部の判定結果に基づいて、前記運動方程式で定義されるモデルが異なる第１の演算状態と、第２の演算状態とを含む複数の演算状態を有しており、
前記第１の演算状態は、前記車体すべり角と、前記車両の前後輪のタイヤに路面から前記車両の前後方向に対して鉛直な幅方向に作用する力であるタイヤ横力とを変数に含むモデルに基づき定義される第１の運動方程式を用いて前記車体すべり角推定値を演算する状態であり、
前記第２の演算状態は、前記第１の運動方程式に対して前記タイヤ横力に関する成分を、前記車体すべり角推定値を演算するなかで得られる前記横加速度に関する成分に置き換えて定義される第２の運動方程式を用いて前記車体すべり角推定値を演算する状態であり、
前記車体すべり角推定値演算部は、前記すべり角推定精度判定部にて前記推定精度が高いことが判定される場合に前記第１の演算状態で前記車体すべり角推定値を演算する一方、前記すべり角推定精度判定部にて前記推定精度が低いことが判定される場合に前記第２の演算状態で前記車体すべり角推定値を演算するように構成されている
ことを特徴とする車体すべり角推定装置。

【請求項2】

前記第２の演算状態にて、前記タイヤ横力に関する成分に対して置き換えられる前記横加速度に関する成分は、前記横加速度の推定値である横加速度推定値に関する成分である請求項１に記載の車体すべり角推定装置。

【請求項3】

前記すべり角推定精度判定部は、前記タイヤが生じさせている現在の摩擦力を、前記タイヤで生じさせることのできる最大摩擦力で除算して得られる値で定義されるタイヤグリップ消費率に基づいて、前記タイヤグリップ消費率の大小の間で当該タイヤグリップ消費率が小さくて前記タイヤ横力の変化が飽和していないことを示す場合に前記推定精度が高いことを判定する一方、前記タイヤグリップ消費率の大小の間で当該タイヤグリップ消費率が大きくて前記タイヤ横力の変化が飽和していることを示す場合に前記推定精度が低いことを判定するものである請求項１又は請求項２に記載の車体すべり角推定装置。

【請求項4】

前記すべり角推定精度判定部は、前記推定精度を前記車体すべり角推定値のばらつき具合を示す指標に基づいて、前記指標の大小の間で当該指標が小さい場合に前記推定精度が高いことを判定する一方、前記指標の大小の間で当該指標が大きい場合に前記推定精度が低いことを判定するものであり、
前記車体すべり角推定値演算部は、前記第１の演算状態で前記車体すべり角推定値を演算するなかで、前記すべり角推定精度判定部にて前記推定精度が高いことが判定される場合に前記第１の演算状態で前記車体すべり角推定値を演算する一方、前記すべり角推定精度判定部にて前記推定精度が低いことが判定される場合に前記第２の演算状態で前記車体すべり角推定値を演算するように構成されている請求項１～請求項３のうちいずれか一項に記載の車体すべり角推定装置。

【請求項5】

前記観測値として、前記車両に生じている横加速度及びヨーレートと、前記車両の転舵輪を上方から見た場合の転舵の中心のアライニングトルクとを少なくとも含んでいる請求項１～請求項４のうちいずれか一項に記載の車体すべり角推定装置。

【請求項6】

前記非線形カルマンフィルタは、拡張カルマンフィルタである請求項１～請求項５のうちいずれか一項に記載の車体すべり角推定装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、車体すべり角推定装置に関する。

【背景技術】

【0002】

従来、車両の運動方程式から得られる状態方程式と、観測値を示す観測方程式とに基づいて、オブザーバを構成するものがある（例えば、特許文献１）。特許文献１には、車両の前後方向と車両の進行方向との間の当該車両の重心点を通る鉛直軸周りの角度である車体すべり角を推定できるようにした車体すべり角推定装置が開示されている。

【0003】

特許文献１に記載の車体すべり角推定装置では、観測値にノイズを含むことを考慮して、オブザーバとして拡張カルマンフィルタを構成することで、車体すべり角の推定値である車体すべり角推定値の推定精度を高めるようにしている。

【先行技術文献】

【特許文献】

【0004】

【文献】特許第５７０７７９０号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

ところで、特許文献１において、車体すべり角推定値を演算する際には、例えば、タイヤ横力と、タイヤすべり角との関係を用いたりするところ、当該タイヤすべり角が大きくなるほど、タイヤ横力の変化が小さくなりいずれは飽和するということが知られている。これは、タイヤすべり角が小さいときは粘着域が支配的であるが、タイヤすべり角が大きくなるにつれてすべり域が大きくなるからである。つまり、タイヤすべり角が大きくなり、タイヤ横力の変化が小さかったり、飽和したりする状況では、タイヤすべり角が変化してもタイヤ横力がほとんど変化しなくなる。つまり、運動方程式のダイナミクスが小さくなるため、結果的に車体すべり角の推定値の推定精度が低下する。これは、タイヤ横力と、タイヤすべり角との関係が要因のものに限らず、他の要因の場合でも生じる可能性がある。

【0006】

本発明の目的は、状況に関係なく車体すべり角推定値の推定精度の低下を抑制できる車体すべり角推定装置を提供することになる。

【課題を解決するための手段】

【0007】

上記課題を解決する車体すべり角推定装置は、車両の進行方向との間の当該車両の重心点を通る鉛直軸周りの角度である車体すべり角を状態変数とし、前記車両の幅方向に生じている横加速度を含む観測値を持ち、前記車体すべり角を変数に含むモデルに基づき定義される運動方程式を用いて構成された非線形カルマンフィルタを用いて前記車体すべり角の推定値である車体すべり角推定値を演算するものであり、前記運動方程式で定義されるモデルに基づいて、前記車体すべり角推定値を演算する車体すべり角推定値演算部と、前記運動方程式を用いた演算について前記車体すべり角推定値の推定精度を判定するすべり角推定精度判定部と、を備え、前記車体すべり角推定値演算部は、前記すべり角推定精度判定部の判定結果に基づいて、前記運動方程式で定義されるモデルが異なる第１の演算状態と、第２の演算状態とを含む複数の演算状態を有しており、前記第１の演算状態は、前記車体すべり角と、前記車両の前後輪のタイヤに路面から前記車両の前後方向に対して鉛直な幅方向に作用する力であるタイヤ横力とを変数に含むモデルに基づき定義される第１の運動方程式を用いて前記車体すべり角推定値を演算する状態であり、前記第２の演算状態は、前記第１の運動方程式に対して前記タイヤ横力に関する成分を、前記車体すべり角推定値を演算するなかで得られる前記横加速度に関する成分に置き換えて定義される第２の運動方程式を用いて前記車体すべり角推定値を演算する状態であり、前記車体すべり角推定値演算部は、前記すべり角推定精度判定部にて前記推定精度が高いことが判定される場合に前記第１の演算状態で前記車体すべり角推定値を演算する一方、前記すべり角推定精度判定部にて前記推定精度が低いことが判定される場合に前記第２の演算状態で前記車体すべり角推定値を演算するように構成されている。

【0008】

上記構成によれば、第１の演算状態と、第２の演算状態との間では、車体すべり角推定値を演算するために用いる運動方程式を異ならせることで、車両の走行状態が同一であっても車体すべり角推定値を推定する場合に演算状態毎に異なる推定精度が得られるようになる。この場合、例えば、第１の演算状態で車体すべり角推定値を演算している間に、この推定精度が低下する状況への変化がすべり角推定精度判定部により判定されるのであれば、第２の演算状態で車体すべり角推定値を演算するように演算状態を切り替えて推定精度の低下を抑えたりするように工夫を施すことができる。したがって、状況に関係なく車体すべり角の推定値の推定精度の低下を抑制することができる。

【0009】

これを実現する場合、具体的には、前記第２の演算状態にて、前記タイヤ横力に関する成分に対して置き換えられる前記横加速度に関する成分は、前記横加速度の推定値である横加速度推定値に関する成分である。

【0010】

ここで、タイヤ横力と、タイヤすべり角との関係について言えば、当該タイヤすべり角が大きくなるほど、タイヤ横力の変化が小さくなりいずれは飽和するということが知られていることは、上記［発明が解決しようとする課題］で説明した通りである。

【0011】

そして、上記車体すべり角推定装置で用いている非線形カルマンフィルタは、現在の状態を推定するために、当該現在に対して前回の状態に基づき現在の状態を予測して事前推定する処理と、当該事前推定を通じて予測した状態を修正するように更新、すなわち補正して事後推定する処理とを行うものである。つまり、非線形カルマンフィルタは、事前推定し、当該事前推定で得られる値からの観測推定値と観測値との差分をフィードバックするかたちで事後推定にて補正し、これを繰り返す結果、より実際の値に近い状態を推定できるようにするものである。

【0012】

この点、上記第１の演算状態では、上述の如くタイヤ横力の変化が飽和してしまうと、事前推定の更新がされ難くなり、事後推定を通じた補正の効果が低下することになる。これは、非線形カルマンフィルタの特徴である事前推定が機能しなくなることを示し、車体すべり角推定値の推定精度を低下させることになる。

【0013】

これに対して、上記第２の演算状態では、タイヤ横力の変化が飽和してしまっていても、観測値に含まれる横加速度については微小でも変化があれば観測値から補正される結果、事前推定の更新が好適にされるようになる。これは、非線形カルマンフィルタの特徴である事前推定が機能していることを示し、車体すべり角推定値の推定精度の低下を抑えてある程度の精度で維持できることになる。つまり、上記第２の演算状態では、タイヤ横力の変化が飽和している場合、第１の演算状態と比較して車体すべり角推定値の推定精度を高く維持することができる。

【0014】

そこで、上記車体すべり角推定装置において、前記すべり角推定精度判定部は、前記タイヤが生じさせている現在の摩擦力を、前記タイヤが生じさせることのできる最大摩擦力で除算して得られる値で定義されるタイヤグリップ消費率に基づいて、前記タイヤグリップ消費率の大小の間で当該タイヤグリップ消費率が小さくて前記タイヤ横力の変化が飽和していないことを示す場合に前記推定精度が高いことを判定する一方、前記タイヤグリップ消費率の大小の間で当該タイヤグリップ消費率が大きくて前記タイヤ横力の変化が飽和していることを示す場合に前記推定精度が低いことを判定するものであることが好ましい。

【0015】

上記構成によれば、タイヤ横力の変化が飽和していない場合、第１の演算状態での演算を通じて、車体すべり角推定値の推定精度を確保することができるようになる。一方、タイヤ横力の変化が飽和している場合、第２の演算状態での演算を通じて、車体すべり角推定値の推定精度を確保することができる。

【0016】

なお、上記第１の演算状態では、第１の運動方程式としてモデル定義やパラメータが適切であれば十分に高い推定精度を確保することができるという特徴がある。一方、上記第２の演算状態では、横加速度が適切に観測できていればある程度の推定精度を確保することができる反面、横加速度が車両上で検出されるとともにロールやピッチが考慮、検出されない場合、実際の変化に対して検出が遅れることによる応答遅れやロール角等で誤差が生じ易いという特徴がある。

【0017】

こうした各演算状態の特徴を考慮して、上記車体すべり角推定装置において、前記すべり角推定精度判定部は、前記推定精度を前記車体すべり角推定値のばらつき具合を示す指標に基づいて、前記指標の大小の間で当該指標が小さい場合に前記推定精度が高いことを判定する一方、前記指標の大小の間で当該指標が大きい場合に前記推定精度が低いことを判定するものであり、前記車体すべり角推定値演算部は、前記第１の演算状態で前記車体すべり角推定値を演算するなかで、前記すべり角推定精度判定部にて前記推定精度が高いことが判定される場合に前記第１の演算状態で前記車体すべり角推定値を演算する一方、前記すべり角推定精度判定部にて前記推定精度が低いことが判定される場合に前記第２の演算状態で前記車体すべり角推定値を演算するように構成されていることが好ましい。

【0018】

上記構成によれば、第１の演算状態での推定を通じて十分に高い推定精度を確保するなかで、当該第１の演算状態での推定精度の確保が困難なる状況では、第２の演算状態での推定を通じて上述のように応答遅れやロール角等で誤差が生じやすい特徴があるものの、ある程度の推定精度を確保することができるようになる。したがって、状況に関係なく車体すべり角の推定値の推定精度の低下を抑制することができる。

【0019】

上記を実現する場合、具体的には、前記観測値として、前記車両に生じている横加速度及びヨーレートと、前記車両の転舵輪を上方から見た場合の転舵の中心のアライニングトルクとを少なくとも含むものである。

【0020】

また、上記車体すべり角推定装置において、前記非線形カルマンフィルタは、拡張カルマンフィルタであることが好ましい。
上記構成によれば、非線形カルマンフィルタとして拡張カルマンフィルタを採用することで、車体すべり角推定装置の汎用性を高める点で効果的である。

【発明の効果】

【0021】

本発明の車体すべり角推定装置によれば、状況に関係なく車体すべり角推定値の推定精度の低下を抑制することができる。

【図面の簡単な説明】

【0022】

【図1】第１実施形態の車両用制御装置の概略構成図。

【図2】車体すべり角推定装置の機能を示すブロック図。

【図3】車体すべり角推定装置が構成する拡張カルマンフィルタの機能を示すブロック図。

【図4】タイヤグリップ消費率と、事後確率と、演算状態との関係を示す図。

【図5】タイヤ横力と、タイヤすべり角との関係を示す図。

【図6】第２実施形態の車両用制御装置の概略構成図。

【発明を実施するための形態】

【0023】

（第１実施形態）
以下、車体すべり角推定装置を車両の作動を制御する車両用制御装置に適用した第１実施形態を図面に従って説明する。

【0024】

図１に示すように、車両Ａは、当該車両Ａの作動を制御する車両用制御装置Ｂを備えている。車両Ａは、車両用制御装置Ｂの制御対象となる操舵装置１を備えている。操舵装置１は、当該操舵装置１の作動を制御する操舵制御装置２を備えている。操舵制御装置２は、車両用制御装置Ｂのなかで、車両Ａの作動として操舵装置１の作動を制御する。操舵装置１は、運転者によるステアリングホイール３の操作であるステアリング操作に基づいて転舵輪４を転舵させる操舵機構５を備えている。また、操舵装置１は、操舵機構５にステアリング操作を補助するためのアシスト力を付与するアクチュエータ６を備えている。つまり、本実施形態において、操舵装置１は、運転者によるステアリング操作を補助する電動パワーステアリング装置である。

【0025】

操舵機構５は、ステアリングホイール３が固定されるステアリングシャフト１１と、ステアリングシャフト１１に連結された転舵軸であるラック軸１２と、ラック軸１２が往復動可能に挿通されるハウジングであるラックハウジング１３とを備えている。また、操舵機構５は、ステアリングシャフト１１の回転をラック軸１２の軸線方向の往復動に変換するラックアンドピニオン機構１４を備えている。なお、ステアリングシャフト１１は、ステアリングホイール３が位置する側から順にコラム軸１５、中間軸１６、及びピニオン軸１７を連結することにより構成されている。

【0026】

ラック軸１２とピニオン軸１７とは、ラックハウジング１３内に所定の交差角をもって配置されている。ラックアンドピニオン機構１４は、ラック軸１２に設けられたラック歯１２ａとピニオン軸１７に設けられたピニオン歯１７ａとが噛合されることで構成されている。また、ラック軸１２の両端には、その軸端部に設けられたボールジョイントからなるラックエンド１８を介してタイロッド１９がそれぞれ駆動可能に連結されている。タイロッド１９の先端は、転舵輪４が組付けられた図示しないナックルに連結されている。したがって、操舵装置１では、ステアリング操作に伴うステアリングシャフト１１の回転がラックアンドピニオン機構１４によりラック軸１２の軸方向移動に変換され、この軸方向移動がタイロッド１９を介してナックルに伝達されることにより、転舵輪４の転舵角、すなわち車両の進行方向が変更される。

【0027】

アクチュエータ６は、駆動源であるモータ２１と、ウォームアンドホイール等の減速機構２２とを備えている。モータ２１は減速機構２２を介してコラム軸１５に連結されている。そして、アクチュエータ６は、モータ２１の回転を減速機構２２により減速してコラム軸１５に伝達することによって、モータトルクをアシスト力として操舵機構５に付与する。なお、本実施形態のモータ２１には、三相のブラシレスモータが採用されている。

【0028】

操舵制御装置２は、モータ２１に接続されており、その作動を制御する。なお、操舵制御装置２は、図示しない中央処理装置（ＣＰＵ）やメモリを備えており、所定の演算周期ごとにメモリに記憶されたプログラムをＣＰＵが実行する。これにより、各種の制御が実行される。

【0029】

操舵制御装置２には、車両の車速値Ｖを検出する車速センサ３１、及び運転者の操舵によりステアリングシャフト１１に付与された操舵トルクＴｈを検出するトルクセンサ３２が接続されている。また、操舵制御装置２には、モータ２１の回転角θｍを３６０°の範囲内で検出する回転センサ３３が接続されている。なお、操舵トルクＴｈ及び回転角θｍは、例えば右方向に操舵した場合に正の値、左方向に操舵した場合に負の値として検出する。そして、操舵制御装置２は、これら各センサから入力される車両Ａの走行状態によって変化する各状態変数を示す信号に基づいて、モータ２１に駆動電力を供給することにより、アクチュエータ６の作動、すなわち操舵機構５にラック軸１２を往復動させるべく付与するアシスト力を制御する。

【0030】

また、車両用制御装置Ｂは、車体すべり角推定装置４０、統合制御装置４１、警告制御装置４２、エンジン制御装置４３、及びブレーキ制御装置４４を含んでいる。車体すべり角推定装置４０は、車両用制御装置Ｂが制御対象の作動を制御する際に最適な制御を行うことができるようにするための情報として、車両Ａの前後方向と車両Ａの進行方向との間の当該車両Ａの重心点を通る鉛直軸周りの角度である車体すべり角βに関わる情報を各装置２，４１に対して提供する。本実施形態において、車体すべり角βに関わる情報は、実際の車体すべり角βを推定した情報である車体すべり角推定値βｅである。そして、操舵制御装置２は、車体すべり角推定装置４０が提供する車体すべり角推定値βｅに基づいて、当該車体すべり角推定値βｅが異常であり、車両Ａがスリップ等したことを判断できる場合に、その旨を操舵装置１のアクチュエータ６の制御を通じて運転者に知らせたり、車両Ａの走行が安定するようにアシストしたりする。なお、本実施形態において、変数に「＾（ハット）」の記号を付す、又は「＾（ハット）」の記号の替わりに「ｅ」を付すことで推定値を表すようにしている。

【0031】

また、統合制御装置４１は、車両用制御装置Ｂのなかで、上述の操舵制御装置２に加えて、警告制御装置４２や、エンジン制御装置４３や、ブレーキ制御装置４４を制御する。そして、統合制御装置４１は、車体すべり角推定装置４０が提供する車体すべり角推定値βｅに基づいて、車両Ａが安全に走行できるように、操舵制御装置２や、警告制御装置４２や、エンジン制御装置４３や、ブレーキ制御装置４４を統合的に制御するための各種指示を行う。

【0032】

警告制御装置４２は、統合制御装置４１の指示に基づいて、車両Ａの作動として当該車両Ａに設けられた各種異常を運転者等に知らせるための図示しない各種の警告装置の作動を制御する。そして、警告制御装置４２は、統合制御装置４１の指示に基づいて、車両Ａがスリップ等した旨を警告したりする。

【0033】

また、エンジン制御装置４３は、統合制御装置４１の指示に基づいて、車両Ａの作動として当該車両Ａに搭載される図示しない内燃機関である、例えばエンジンの作動を制御する。そして、エンジン制御装置４３は、統合制御装置４１の指示に基づいて、車両Ａがスリップ等した場合に当該車両Ａの走行が安定するようにエンジンの回転数を変更したりする。

【0034】

また、ブレーキ制御装置４４は、統合制御装置４１の指示に基づいて、車両Ａの作動として当該車両Ａに搭載される図示しないブレーキ機構の作動を制御する。そして、ブレーキ制御装置４４は、統合制御装置４１の指示に基づいて、車両Ａがスリップ等した場合に当該車両Ａの走行が安定するようにブレーキ機構の制動量を変更したりする。

【0035】

ここで、車体すべり角推定装置４０について詳しく説明する。
車体すべり角推定装置４０には、車両の車速値Ｖを検出する車速センサ３１の他、車両Ａの重心点を通る上下方向のｚ軸周りの回転角速度であるヨーレートｒを検出するヨーレートセンサ３４と、車両Ａの前後方向に対して鉛直な幅方向であるｙ軸方向に作用する加速度である横加速度ａｙを検出する横加速度センサ３５とが接続されている。また、車体すべり角推定装置４０には、操舵制御装置２に構成される機能であるラック軸力推定装置３６が出力するラック軸力推定値ＲＦｅが入力されるようになっている。ラック軸力推定装置３６は、操舵制御装置２で得られる情報に基づいて、ラック軸１２に作用する軸力であるラック軸力を推定した情報であるラック軸力推定値ＲＦｅを演算するオブザーバ等で構成されている。ラック軸力推定装置３６は、ラック軸力推定値ＲＦｅを演算すると、当該ラック軸力推定値ＲＦｅを車体すべり角推定装置４０に対して提供するように出力する。本実施形態において、ラック軸力推定装置３６は、ラック軸力を検出するためのセンサとしての機能を果たす。つまり、車体すべり角推定装置４０には、ラック軸力を検出するためのセンサとして機能するラック軸力推定装置３６が接続されている。そして、車体すべり角推定装置４０は、これら各センサから入力される車両Ａの走行状態によって変化する物理量を示す信号を変数として、車体すべり角推定値βｅを演算する。

【0036】

次に、車体すべり角推定装置４０の機能について説明する。
車体すべり角推定装置４０は、図示しない中央処理装置（ＣＰＵ）やメモリを備えており、所定の演算周期ごとにメモリに記憶されたプログラムをＣＰＵが実行する。これにより、各種の処理が実行される。

【0037】

図２に、車体すべり角推定装置４０が実行する処理の一部を示す。図２に示す処理は、メモリに記憶されたプログラムをＣＰＵが実行することで実現される処理の一部を、実現される処理の種類毎に記載したものである。

【0038】

車体すべり角推定装置４０は、車体すべり角推定値βｅを状態変数に含む推定値の出力である状態推定量ｘｅを演算するために必要な観測量ｙを演算する観測値演算部５１を備えている。また、車体すべり角推定装置４０は、状態推定量ｘｅを演算するとともに、観測量ｙを推定した情報であり、状態推定量ｘｅを演算するために必要な観測推定量ｙｅを演算する推定値演算部５２を備えている。また、車体すべり角推定装置４０は、後述の拡張カルマンフィルタでの推定値である状態推定量ｘｅの修正量を示すカルマンゲインＫを演算するゲイン演算部５３を備えている。

【0039】

具体的には、観測値演算部５１には、横加速度ａｙと、ヨーレートｒと、ラック軸力推定値ＲＦｅとが入力される。観測値演算部５１は、ラック軸力推定値ＲＦｅに基づいて、転舵輪４に作用する力であるタイヤ力として当該転舵輪４のキングピン軸周りの力であるキングピントルクＴｋｐａを演算する。具体的には、観測値演算部５１は、タイロッド１９の軸方向に作用するタイロッドフォースに近似されるラック軸力推定値ＲＦｅと、車両Ａの仕様により定まるナックルアーム長との積により観測値としてのキングピントルクＴｋｐａを演算する。上記観測値としてのキングピントルクＴｋｐａは、タイヤ横力と、キャスタートレイルとの積に対して、タイヤアライニングトルクを加算したもので近似できることが知られている。そして、観測値演算部５１は、横加速度ａｙ、ヨーレートｒ、キングピントルクＴｋｐａを観測値とする３次の観測量ｙ［ａｙ，ｒ，Ｔｋｐａ］（３×１行列）を演算する。こうして得られた観測量ｙは、減算器５４に出力される。

【0040】

推定値演算部５２には、転舵角θｔと、車速値Ｖと、カルマンゲインＫとが入力される。推定値演算部５２は、転舵角θｔと、車速値Ｖとを後述の入力量ｕとして、車体すべり角βのダイナミクスモデル、すなわち車体すべり角βを変数に含むモデルとして、例えば、２輪２自由度平面車両モデルに基づいて、状態推定量ｘｅと、観測推定量ｙｅとを演算する。なお、転舵角θｔは、操舵制御装置２に入力される回転角θｍから当該操舵制御装置２内の処理を通じて演算される転舵輪４の舵角の情報である。推定値演算部５２は、車体すべり角推定値βｅ、ヨーレートｒを推定した情報であるヨーレート推定値ｒｅ、実際の路面μを推定した情報である路面μ推定値μｅ、コーナリングスティフネスＫｙを推定した情報であるコーナリングスティフネス推定値Ｋｙｅを推定値とする４次の状態推定量ｘｅ［βｅ，ｒｅ，μｅ，Ｋｙｅ］（４×１行列）を演算する。こうして演算された状態推定量ｘｅは、車体すべり角推定値βｅを示す情報として、各装置２，４１に出力される。本実施形態では、車両Ａの作動を制御する際に路面μを考慮することができるように路面μ推定値μｅを状態変数として持つように状態推定量ｘｅを設定するようにしている。また、本実施形態では、ヨーレートｒをオフセットしたり、各種のノイズを除去したりすることができるようにヨーレート推定値ｒｅを状態変数として持つように状態推定量ｘｅに含ませるようにしている。

【0041】

また、推定値演算部５２は、横加速度ａｙを推定した情報である横加速度推定値ａｙｅ、ヨーレート推定値ｒｅ、キングピントルクＴｋｐａを推定した情報であるキングピントルク推定値Ｔｋｐａｅを推定値とする３次の観測推定量ｙｅ［ａｙｅ，ｒｅ，Ｔｋｐａｅ］（３×１行列）を演算する。こうして得られた観測推定量ｙｅは、観測量ｙから減算して減算器５４を通じて得られる観測偏差Δｙとして推定値演算部５２での状態推定量ｘｅや、事前推定量ｘ-eの演算に用いられる。

【0042】

ゲイン演算部５３には、状態推定量ｘｅ、事前推定量ｘ-e、及び後述する精度情報ＦＬＧが入力される。ゲイン演算部５３は、状態推定量ｘｅ、事前推定量ｘ-e、及び後述する精度情報ＦＬＧに基づいて、観測量ｙに対する観測推定量ｙｅの誤差である観測偏差Δｙを減らすべく推定値演算部５２が状態推定量ｘｅを修正するための修正量を調整する機能を有するカルマンゲインＫを演算する。こうして得られたカルマンゲインＫは、推定値演算部５２に出力される。

【0043】

そして、本実施形態において、車体すべり角推定装置４０は、状態推定量ｘｅを演算する手法として、観測値演算部５１、推定値演算部５２、及びゲイン演算部５３で非線形カルマンフィルタの一種である拡張カルマンフィルタＥＫＦを構成し、当該拡張カルマンフィルタＥＫＦを用いた推定オブザーバを構成している。

【0044】

次に、本実施形態において、車体すべり角推定装置４０が構成する拡張カルマンフィルタＥＫＦについて詳しく説明する。以下の説明では、図３中、符号に付す括弧：（）は時刻を意味し、ハイフン：-は現在に対して前回の情報に基づき推定した状態であることを意味する。

【0045】

図３に示すように、拡張カルマンフィルタＥＫＦは、現在の状態推定量ｘｅ（ｋ）を演算するために、当該現在に対して前回の情報に基づき現在の状態を予測して事前推定する処理と、当該事前推定を通じて予測した状態を修正するように更新、すなわち補正して事後推定する処理とを行う。つまり、拡張カルマンフィルタＥＫＦは、事前推定し、当該事前推定の結果を事後推定を通じて補正し、これを繰り返す結果、より実際の値に近い状態推定量ｘｅを演算できるようにするものである。

【0046】

ここで、拡張カルマンフィルタＥＫＦは、状態推定量ｘｅを演算するのに用いる状態方程式ｆ（ｘ，ｕ）として、車体すべり角βを変数に含むモデルに基づき定義される所定の運動方程式を設定し、当該運動方程式に離散化を施して得られる下記式（１）を設定している。所定の運動方程式は、例えば、回転角θｍから演算される転舵輪４の舵角の情報である転舵角θｔ、車速値Ｖの２次の入力量u［θｔ，Ｖ］（２×１行列）と、車体すべり角β、ヨーレートｒ、路面μ、コーナリングスティフネスＫｙの４次の状態量ｘ［β，ｒ，μ，Ｋｙ］とを関係づけるものであればよい。

【0047】

【数1】

式（１）において、状態量ｘは、状態方程式ｆ（ｘ，ｕ）に対して、当該状態方程式ｆ（ｘ，ｕ）が含みうるモデルや変数に対して生じる誤差であるシステムノイズｗを加味して得られる結果である。

【0048】

また、拡張カルマンフィルタＥＫＦは、状態推定量ｘｅを演算するのに用いる観測方程式ｈ（ｘ，ｕ）として、車体すべり角βを変数に含むモデルに基づき定義される所定の運動方程式を設定し、当該運動方程式に離散化を施して得られる下記式（２）を設定している。所定の運動方程式は、例えば、状態量ｘ及び入力量u［θｔ，Ｖ］（２×１行列）と、観測量ｙ［ａｙ，ｒ，Ｔｋｐａ］とを関係づけるものであればよい。

【0049】

【数2】

式（２）において、観測量ｙは、観測方程式ｈ（ｘ，ｕ）に対して、当該観測方程式ｈ（ｘ，ｕ）が含みうる観測時に生じる誤差である観測ノイズｖを加味して得られる結果である。

【0050】

なお、式（１）及び式（２）を導出する際に用いる離散化の方法としては、積分法や双一次変換等、種々の方法を採用することができる。
そして、拡張カルマンフィルタＥＫＦは、上記式（１）を主に用いて事前推定を行う事前推定処理部Ｅｐｒｉと、上記式（１）によって得られる結果が反映される上記式（２）を主に用いて事後推定を行う事後推定処理部Ｅｐｏｓとを備えている。事前推定処理部Ｅｐｒｉは、現在である時刻「ｋ」以前、すなわち当該現在に対して前回である時刻「ｋ－１」の状態推定量ｘｅ（ｋ－１）を基に、当該時刻「ｋ」の値を予測した値である事前推定量ｘ-e（ｋ）と、当該事前推定量ｘ-eの推定の精度を示す指標である事前確率Ｐ-とを状態方程式ｆ（ｘ，ｕ）に基づき演算するように事前推定を行う。事後推定処理部Ｅｐｏｓは、現在である時刻「ｋ」での観測量ｙ（ｋ）や、観測推定量ｙｅや、事前推定処理部Ｅｐｒｉが演算した事前確率Ｐ-を基に、事前推定処理部Ｅｐｒｉが演算した事前推定量ｘ-e（ｋ）を補正して時刻「ｋ」での状態推定量ｘｅ（ｋ）を演算するように事後推定を行う。

【0051】

具体的には、事前推定処理部Ｅｐｒｉは、事前推定量ｘ-eを演算する事前推定量演算部６１と、システムノイズｗのばらつき具合を示す指標としてシステムノイズ分散値Ｑを演算するシステムノイズ分散値演算部６２と、事前推定量ｘ-eのばらつき具合を示す指標として事前確率Ｐ-を演算する事前確率演算部６３とを備えている。また、事前推定処理部Ｅｐｒｉは、状態方程式ｆ（ｘ，ｕ）を用いた演算について状態推定量ｘｅの推定精度の高低を示す情報である精度情報ＦＬＧを演算するすべり角推定精度判定部６４を備えている。なお、本実施形態では、システムノイズ分散値Ｑ、事前確率Ｐ-は共分散行列である。

【0052】

事後推定処理部Ｅｐｏｓは、観測推定量ｙｅを演算する観測推定量演算部７１と、カルマンゲインＫを演算するカルマンゲイン演算部７２と、観測ノイズｖのばらつき具合を示す指標として観測ノイズ分散値Ｒを演算する観測ノイズ分散値演算部７３とを備えている。また、事後推定処理部Ｅｐｏｓは、事後推定量として状態推定量ｘｅを演算する事後推定量演算部７４と、状態推定量ｘｅのばらつき具合を示す指標として事後確率Ｐを演算する事後確率演算部７５とを備えている。なお、本実施形態では、観測ノイズ分散値Ｒ、事後確率Ｐは共分散行列である。

【0053】

本実施形態において、事前推定処理部Ｅｐｒｉの事前推定量演算部６１及びすべり角推定精度判定部６４と、事後推定処理部Ｅｐｏｓの観測推定量演算部７１及び事後推定量演算部７４とは、図２中、推定値演算部５２に対応する。また、事前推定処理部Ｅｐｒｉのシステムノイズ分散値演算部６２及び事前確率演算部６３と、事後推定処理部Ｅｐｏｓのカルマンゲイン演算部７２、観測ノイズ分散値演算部７３、及び事後確率演算部７５とは、図２中、ゲイン演算部５３に対応する。なお、事前推定量演算部６１は車体すべり角推定値演算部の一例である。

【0054】

以下、事前推定処理部Ｅｐｒｉの機能について説明する。
事前推定量演算部６１には、上記事後推定量演算部７４で演算された時刻「ｋ」に対して時刻「ｋ－１」での状態推定量ｘｅ（ｋ－１）と、時刻「ｋ」での入力量ｕ（ｋ）とが入力される。また、事前推定量演算部６１には、上記観測推定量演算部７１で演算された時刻「ｋ」に対して時刻「ｋ－１」での観測推定量ｙｅ（ｋ－１）と、上記すべり角推定精度判定部６４で演算された精度情報ＦＬＧとが入力される。なお、精度情報ＦＬＧとしては、時刻「ｋ－１」での情報として入力されてもよいし、時刻「ｋ」での情報として入力されてもよい。事前推定量演算部６１は、状態推定量ｘｅ（ｋ－１）と、入力量ｕ（ｋ）と、精度情報ＦＬＧとに基づいて、上記式（１）で示した状態方程式ｆｎ（ｘ，ｕ）による下記式（３），（４）及び下記式（３），（５）のいずれかを用いて、時刻「ｋ」での事前推定量ｘ-e（ｋ）を演算する。

【0055】

【数3】

上記式（３）において、「ｎ」は上記式（４），（５）に対応しており、「１」であれば上記式（４）であること、「２」であれば上記式（５）であることを示す。上記式（４），（５）において、「Ｆｙｆ」は路面から前輪のタイヤに作用する車両Ａの幅方向の力であるタイヤ横力、「Ｆｙｒ」は路面から後輪のタイヤに作用する車両Ａの幅方向の力であるタイヤ横力、「Ｍ」は車両重量、「Ｉｚ」は車両のヨー慣性を示す。また、上記式（４）において、「ｌｆ」は車両重心から前輪の車軸までの車両の前後方向距離である前輪ホイールベース、「ｌｒ」は車両重心から後輪の車軸までの車両の前後方向距離である後輪ホイールベースを示す。タイヤ横力Ｆｙｆ，Ｆｙｒの関数は、車両Ａの前後方向とタイヤ進行方向との間の転舵輪４の重心点を通る鉛直軸周りの角度である前後輪のタイヤのタイヤすべり角αｆ，αｒと、タイヤ横力Ｆｙｆ，Ｆｙｒとを関係づける、車体すべり角βを変数に含む、例えば、公知のＦｉａｌａモデルやＢｒｕｓｈモデルやＭａｇｉｃ ｆｏｒｍｕｌａ（ＭＦ）モデル等である。上記式（４），（５）において、タイヤ横力Ｆｙｆ，Ｆｙｒの関数のうち、状態推定量ｘｅ及び入力量ｕの時刻やハイフンについては便宜上省略している。

【0056】

本実施形態において、第１の状態方程式ｆ１（ｘ，ｕ）は、車体すべり角βと、タイヤ横力Ｆｙｆ，Ｆｙｒとを変数に含む、公知の２輪２自由度平面車両モデルに基づき定義される第１の運動方程式に離散化を施したものである。また、第２の状態方程式ｆ２（ｘ，ｕ）は、第１の状態方程式ｆ１（ｘ，ｕ）に対してタイヤ横力Ｆｙｆ，Ｆｙｒに関する成分である当該タイヤ横力Ｆｙｆ，Ｆｙｒを車両重量Ｍで除算したものを、横加速度ａｙに関する成分である横加速度推定値ａｙｅに置き換えて定義される第２の運動方程式に離散化を施したものである。なお、横加速度推定値ａｙｅは、状態推定量ｘｅ、すなわち車体すべり角推定値βｅを演算するなかで観測推定量ｙｅとして得られる。

【0057】

また、タイヤ横力Ｆｙｆ，Ｆｙｒの関数で用いるタイヤすべり角αｆ，αｒは、車体すべりβ、各ホイールベースｌｆ，ｌｒ、ヨーレートｒ、転舵角θｔ、車速値Ｖとの関係を定義する下記式（６），（７）を用いて演算される。

【0058】

【数4】

本実施形態において、事前推定量演算部６１は、精度情報ＦＬＧに基づいて、当該精度情報ＦＬＧで示される状況に応じて、上記第１の状態方程式ｆ１（ｘ，ｕ）及び上記第２の状態方程式ｆ２（ｘ，ｕ）を切り替えて、いずれかの状態方程式ｆｎ（ｘ，ｕ）に基づき事前推定量ｘ-e（ｋ）を演算する。なお、状態方程式ｆｎ（ｘ，ｕ）を切り替える条件である精度情報ＦＬＧについては後で詳しく説明する。こうして得られた事前推定量ｘ-e（ｋ）は、観測推定量演算部７１、カルマンゲイン演算部７２、及び事後推定量演算部７４に出力される。本実施形態において、事前推定量演算部６１は車体すべり角推定値演算部の一例である。

【0059】

システムノイズ分散値演算部６２には、上記事前推定量演算部６１に入力されたのと同様の状態推定量ｘｅ（ｋ－１）が入力される。システムノイズ分散値演算部６２は、状態推定量ｘｅ（ｋ－１）に基づいて、下記式（８），（９），（１０）を用いて、時刻「ｋ－１」でのシステムノイズ分散値Ｑ（ｋ－１）を演算する。

【0060】

【数5】

上記式（８）は、上記式（１０）で得られるシステムノイズ分散値Ｑｘ（ｋ－１）に上記式（９）で示す状態量ｘに関連するヤコビアンＦ（ｋ－１）を用いた線形近似を施して得られるものをシステムノイズ分散値Ｑ（ｋ－１）と定義することを示す。上記式（１０）は、車体すべり角推定値βｅを含む状態推定量ｘｅのばらつき具合を示す指標としてシステムノイズ分散値Ｑｘ（ｋ－１）、すなわち、車体すべり角推定分散値（σβ）^２、ヨーレート推定分散値（σｒ）^２、路面μ推定分散値（σμ）^２、コーナリングスティフネス推定分散値（σＫｙ）^２を定義して演算することを示す。

【0061】

こうして得られたシステムノイズ分散値Ｑ（ｋ－１）は、事前確率演算部６３に出力される。
事前確率演算部６３には、上記事前推定量演算部６１に入力されたのと同様の状態推定量ｘｅ（ｋ－１）と、上記システムノイズ分散値演算部６２で演算されるシステムノイズ分散値Ｑ（ｋ－１）と、事後確率演算部７５で演算される時刻「ｋ－１」での事後確率Ｐ（ｋ－１）とが入力される。事前確率演算部６３は、状態推定量ｘｅ（ｋ－１）と、システムノイズ分散値Ｑ（ｋ－１）と、事後確率Ｐ（ｋ－１）とに基づいて、下記式（１１）を用いて、時刻「ｋ」での事前確率Ｐ-（ｋ）を演算する。

【0062】

【数6】

上記式（１１）は、事後確率Ｐ（ｋ－１）に対して、上記式（９）で示す状態推定量ｘｅ（ｋ－１）周りでのヤコビアンＦ（ｋ－１）を用いた線形近似を施したものと、上記式（８）で示すシステムノイズ分散値Ｑ（ｋ－１）とを加算して事前確率Ｐ-（ｋ）を演算することを示す。

【0063】

こうして得られた事前確率Ｐ-（ｋ）は、カルマンゲイン演算部７２及び事後確率演算部７５に出力される。
すべり角推定精度判定部６４には、上記事後推定量演算部７４で演算された状態推定量ｘｅ（ｋ）と、上記事後確率演算部７５で演算された事後確率Ｐ（ｋ）とが入力される。すべり角推定精度判定部６４は、状態推定量ｘｅ（ｋ）と、事後確率Ｐ（ｋ）とに基づいて、精度情報ＦＬＧを演算する。なお、精度情報ＦＬＧの演算の仕方については後で詳しく説明する。

【0064】

このように、事前推定処理部Ｅｐｒｉは、事前推定量ｘ-eを推定するが、当該事前推定量ｘ-eには上記式（１）で示したようにモデルや変数に対して生じる誤差が含まれているので、その影響で事前推定量ｘ-eの推定の精度がどの程度になるか事前確率Ｐ-として演算しておくものである。

【0065】

次に、事後推定処理部Ｅｐｏｓの機能について説明する。
観測推定量演算部７１には、上記事前推定量演算部６１で演算された事前推定量ｘ-e（ｋ）と、上記事前推定量演算部６１に入力されたのと同様の入力量ｕ（ｋ）とが入力される。観測推定量演算部７１は、事前推定量ｘ-e（ｋ）と、入力量ｕ（ｋ）とに基づいて、上記式（２）で示した観測方程式ｈ（ｘ，ｕ）による下記式（１２），（１３）を用いて、時刻「ｋ」での観測推定量ｙｅ（ｋ）を演算する。

【0066】

【数7】

本実施形態において、観測方程式ｈ（ｘ，ｕ）は、事前推定量ｘ-e（ｋ）及び入力量u（ｋ）と、観測推定量ｙｅである横加速度推定値ａｙｅ、ヨーレート推定値ｒｅ、キングピントルクＴｋｐａとを関係づける運動方程式に離散化を施したものである。上記式（１３）において、タイヤ横力Ｆｙｆ，Ｆｙｒの関数は、上記式（４）、（５）と同様、車体すべり角βを変数に含む、例えば、公知のＦｉａｌａモデルやＢｒｕｓｈモデルやＭａｇｉｃ ｆｏｒｍｕｌａ（ＭＦ）モデル等である。なお、タイヤ横力Ｆｙｆ，Ｆｙｒの関数のうち、状態推定量ｘｅ及び入力量ｕの時刻やハイフンについては便宜上省略している。上記式（１３）において、「Ｍｚｆ」はフロントタイヤのセルフアライニングトルク、「ｔｃａｓｔｅｒ」はキャスタートレイルを示す。

【0067】

こうして得られた観測推定量ｙｅ（ｋ）は、前回値保持部７６を通じて時刻「ｋ－１」で保持された前回の情報である観測推定量ｙｅ（ｋ－１）として事前推定量演算部６１に出力される。また、観測推定量ｙｅ（ｋ）は、観測値演算部５１で演算された観測量ｙから減算して減算器７７を通じて得られる時刻「ｋ」での観測偏差Δｙ（ｋ）として事後推定量演算部７４に出力される。

【0068】

カルマンゲイン演算部７２には、上記事前推定量演算部６１で演算された事前推定量ｘ-e（ｋ）と、上記事前確率演算部６３で演算された事前確率Ｐ-（ｋ）と、観測ノイズ分散値演算部７３で演算された観測ノイズ分散値Ｒ（ｋ）とが入力される。観測ノイズ分散値Ｒは、本実施形態では予め定められた定数である。カルマンゲイン演算部７２は、事前推定量ｘ-e（ｋ）と、事前確率Ｐ-（ｋ）と、観測ノイズ分散値Ｒ（ｋ）とに基づいて、下記式（１４），（１５）を用いて、時刻「ｋ」でのカルマンゲインＫ（ｋ）を演算する。

【0069】

【数8】

上記式（１４）は、上記式（１５）で示す状態量ｘに関連する事前推定量ｘ-e（ｋ）周りでのヤコビアンＨ（ｋ）を用いた線形近似を施してカルマンゲインＫを演算することを示す。つまり、カルマンゲインＫは、ヤコビアンＨ（ｋ）の転置行列が乗算される結果、状態推定量ｘｅと同一次元での修正量を定数化するように線形近似が施されている。

【0070】

こうして得られたカルマンゲインＫ（ｋ）は、事後推定量演算部７４及び事後確率演算部７５に出力される。
事後推定量演算部７４には、上記事前推定量演算部６１で演算された事前推定量ｘ-e（ｋ）と、観測偏差Δｙ（ｋ）と、上記カルマンゲイン演算部７２で演算されたカルマンゲインＫ（ｋ）とが入力される。事後推定量演算部７４は、事前推定量ｘ-e（ｋ）と、観測偏差Δｙ（ｋ）と、カルマンゲインＫ（ｋ）とに基づいて、下記式（１６）を用いて、時刻「ｋ」での状態推定量ｘｅ（ｋ）を演算する。

【0071】

【数9】

上記式（１６）において、「ｙ（ｋ）－ｙｅ（ｋ）」は、観測偏差Δｙ（ｋ）を示す。

【0072】

こうして得られた状態推定量ｘｅ（ｋ）は、前回値保持部７８を通じて時刻「ｋ－１」で保持された前回の情報である状態推定量ｘｅ（ｋ－１）として事前推定量演算部６１に出力される。また、状態推定量ｘｅ（ｋ）は、すべり角推定精度判定部６４及び各装置２，４１に出力される。

【0073】

事後確率演算部７５には、上記事前確率演算部６３で演算される事前確率Ｐ-（ｋ）と、上記カルマンゲイン演算部７２で演算されるカルマンゲインＫ（ｋ）とが入力される。事後確率演算部７５は、事前確率Ｐ-（ｋ）と、カルマンゲインＫ（ｋ）とに基づいて、下記式（１７）を用いて、時刻「ｋ」での事後確率Ｐ（ｋ）を演算する。

【0074】

【数10】

上記式（１７）中の「Ｉ」は単位行列を示す。上記式（１７）は、事前確率Ｐ-（ｋ）に対して、上記式（１５）で示す状態量ｘに関連する事前推定量ｘ-e（ｋ）周りでのヤコビアンＨ（ｋ）を用いた線形近似を施して事後確率Ｐ（ｋ）を演算することを示す。この場合、カルマンゲインＫ（ｋ）は、ヤコビアンＨ（ｋ）が乗算される結果、状態推定量ｘｅと同一次元での修正量を示すように線形近似が施されている。

【0075】

こうして得られた事後確率Ｐ（ｋ）は、前回値保持部７９を通じて時刻「ｋ－１」で保持された前回の情報である事後確率Ｐ（ｋ－１）として事前確率演算部６３及びすべり角推定精度判定部６４に出力される。

【0076】

このように、事後推定処理部Ｅｐｏｓは、観測偏差Δｙに基づき演算するカルマンゲインＫを用いて状態推定量ｘｅを補正するとともに、当該状態推定量ｘｅを補正する結果で状態推定量ｘｅの推定の精度がどの程度になるか事後確率Ｐとして演算しておくものである。

【0077】

ここで、すべり角推定精度判定部６４の機能について詳しく説明する。
すべり角推定精度判定部６４は、精度情報ＦＬＧを演算する際に、タイヤグリップ消費率ＴＧＣ、又は事後確率Ｐに基づいて、状態方程式ｆｎ（ｘ，ｕ）を用いた演算について状態推定量ｘｅの推定精度の高低を判定するように構成されている。タイヤグリップ消費率ＴＧＣは、タイヤ横力Ｆｙｆ，Ｆｙｒの変化が飽和しているか否かを示す指標となるものである。事後確率Ｐは、状態推定量ｘｅのばらつき具合を示す指標となるものである。本実施形態では、状態推定量ｘｅの推定精度の高低を判定する際に、事後確率Ｐとして、特に前回の情報である事後確率Ｐ（ｋ－１）を用いるようにしている。

【0078】

具体的には、すべり角推定精度判定部６４は、タイヤが生じさせている現在の摩擦力μｕｓｅｄと、当該タイヤで生じさせることのできる最大摩擦力μｍａｘとに基づいて、下記式（１８）を用いて、タイヤグリップ消費率ＴＧＣを演算する。

【0079】

【数11】

上記式（１８）において、「Ｆｘ」は路面から前後輪のタイヤに作用する車両Ａの前後方向の力であるタイヤ前後力、「Ｆｚ」は前後輪のタイヤに作用する車両Ａの上下方向の力であるタイヤ垂直荷重を示す。なお、本実施形態では、上記式（１８）において、「Ｆｘ」は零値とする。また、上記式（１８）において、タイヤ荷重Ｆｚは、車両重量Ｍと、各ホイールベースｌｆ，ｌｒとの公知の関係を用いて演算される。また、上記式（１８）において、タイヤ横力Ｆｙｆ，Ｆｙｒは、上記式（１３）の過程にて演算されるものを用いる。

【0080】

そして、すべり角推定精度判定部６４は、上記事後推定量演算部７４で演算される状態推定量ｘｅに基づいて、タイヤグリップ消費率ＴＧＣを演算し、当該タイヤグリップ消費率ＴＧＣに応じた精度情報ＦＬＧを演算する。この場合、精度情報ＦＬＧは、タイヤグリップ消費率ＴＧＣが判定閾値ＴＧＣｔｈ未満であれば、タイヤ横力Ｆｙｆ，Ｆｙｒの変化が飽和していない状態を示し、状態推定量ｘｅの推定精度が高いことを示す情報として演算される。また、精度情報ＦＬＧは、タイヤグリップ消費率ＴＧＣが判定閾値ＴＧＣｔｈ以上であれば、タイヤ横力Ｆｙｆ，Ｆｙｒの変化が飽和している状態を示し、状態推定量ｘｅの推定精度が低いことを示す情報として演算される。判定閾値ＴＧＣｔｈは、タイヤ横力Ｆｙｆ，Ｆｙｒの変化が飽和していることを判定できるとして実験的に求められる範囲の値に設定されている。

【0081】

また、すべり角推定精度判定部６４は、上記事後確率演算部７５で演算される事後確率Ｐ（ｋ）の前回の情報である事後確率Ｐ（ｋ－１）に応じた精度情報ＦＬＧを演算する。この場合、精度情報ＦＬＧは、事後確率Ｐ（ｋ－１）の共分散行列の各対角成分のいずれもが判定閾値Ｐｔｈ未満であれば、状態推定量ｘｅのばらつき具合、すなわち誤差が許容できるほど小さい状態を示し、状態推定量ｘｅの推定精度が高いことを示す情報として演算される。また、精度情報ＦＬＧは、事後確率Ｐ（ｋ－１）の共分散行列の各対角成分の少なくともいずれかが判定閾値Ｐｔｈ以上であれば、状態推定量ｘｅのばらつき具合、すなわち誤差が許容できないほど大きい状態を示し、状態推定量ｘｅの推定精度が低いことを示す情報として演算される。判定閾値Ｐｔｈは、状態推定量ｘｅのばらつき具合、すなわち誤差が許容できないほど大きいことを判定できるとして実験的に求められる範囲の値に設定されている。

【0082】

こうして得られた精度情報ＦＬＧは、事前推定量演算部６１及びシステムノイズ分散値演算部６２にて状態方程式ｆｎ（ｘ，ｕ）の切り替えに用いられる。
具体的には、事前推定量演算部６１は、精度情報ＦＬＧに基づいて、状態推定量ｘｅの推定精度が高いことを特定できる場合、状態方程式ｆｎ（ｘ，ｕ）として第１の状態方程式ｆ１（ｘ，ｕ）を用いた演算を行う。この場合の演算状態は、第１の演算状態の一例である。

【0083】

また、事前推定量演算部６１は、精度情報ＦＬＧに基づいて、状態推定量ｘｅの推定精度が低いことを特定できる場合、状態方程式ｆｎ（ｘ，ｕ）として第２の状態方程式ｆ２（ｘ，ｕ）を用いた演算を行う。この場合の演算状態は、第２の演算状態の一例である。

【0084】

以下、本実施形態の作用を説明する。
本実施形態によれば、第１の演算状態と、第２の演算状態との間では、車体すべり角推定値を演算するために用いる状態方程式ｆｎ（ｘ，ｕ）を異ならせることで、車両の走行状態が同一であっても状態推定量ｘｅ、すなわち車体すべり角推定値βｅを推定する場合に演算状態毎に異なる推定精度が得られるようになる。

【0085】

本実施形態では、第１の演算状態で車体すべり角推定値βｅを演算している間に、この推定精度が低下する状況への変化がすべり角推定精度判定部６４により判定されるのであれば、第２の演算状態で車体すべり角推定値βｅを演算するように演算状態を切り替えて推定精度の低下を抑えることができるように工夫を施している。

【0086】

具体的には、図４に示すように、状態推定量ｘｅの演算では、すべり角推定精度判定部６４の判定に基づいて、第１の演算状態及び第２の演算状態を切り替えるようにしている。

【0087】

例えば、すべり角推定精度判定部６４が、タイヤグリップ消費率ＴＧＣが判定閾値ＴＧＣｔｈ未満（図中、「小（未飽和）」）、且つ事後確率Ｐ（ｋ－１）の対角成分のいずれもが判定閾値Ｐｔｈ未満（図中、「小（誤差小）」）であることを判定する場合、第１の演算状態で状態推定量ｘｅを演算する。この場合、車体すべり角推定値βｅの演算では、第１の状態方程式ｆ１（ｘ，ｕ）に基づきタイヤ横力Ｆｙｆ，Ｆｙｒを車両重量Ｍで除算したものが用いられることになる。

【0088】

ここで、すべり角推定精度判定部６４が、タイヤグリップ消費率ＴＧＣが判定閾値ＴＧＣｔｈ未満、且つ事後確率Ｐ（ｋ－１）の対角成分の少なくともいずれかが判定閾値Ｐｔｈ以上（図中、「大（誤差大）」）であることを判定すると、第１の演算状態から第２の演算状態で状態推定量ｘｅを演算する状態に切り替わる。この場合、車体すべり角推定値βｅの演算では、タイヤ横力Ｆｙｆ，Ｆｙｒを車両重量Ｍで除算したものの替わりに第２の状態方程式ｆ２（ｘ，ｕ）に基づき横加速度推定値ａｙｅが用いられることになる。これは、すべり角推定精度判定部６４が、タイヤグリップ消費率ＴＧＣが判定閾値ＴＧＣｔｈ以上（図中、「大（飽和）」）、且つ事後確率Ｐ（ｋ－１）の対角成分のいずれもが判定閾値Ｐｔｈ未満であることを判定する場合も同様である。また、すべり角推定精度判定部６４が、タイヤグリップ消費率ＴＧＣが判定閾値ＴＧＣｔｈ以上、且つ事後確率Ｐ（ｋ－１）の対角成分の少なくともいずれかが判定閾値Ｐｔｈ以上であることを判定する場合も同様である。

【0089】

以下、本実施形態の効果を説明する。
（１）本実施形態では、状態推定量ｘｅ、すなわち車体すべり角推定値βｅを推定する推定精度に応じて、状態方程式ｆｎ（ｘ，ｕ）を切り替えるように演算状態を切り替えて推定精度の低下を抑えることができるように工夫を施しているので、状況に関係なく車体すべり角推定値βｅの推定精度の低下を抑制することができる。

【0090】

（２）ここで、図５に示すように、タイヤ横力Ｆｙｆ，Ｆｙｒと、タイヤすべり角αとの関係について言えば、当該タイヤすべり角αが大きくなるほど、タイヤ横力Ｆｙｆ，Ｆｙｒの変化が小さくなり、図中、路面μ０～μ４毎に対応する角度α０～α４以上でそれぞれ飽和するということが知られている。

【0091】

そして、車体すべり角推定装置４０で用いている拡張カルマンフィルタＥＫＦは、現在の状態を推定するために、当該現在に対して前回の状態に基づき現在の状態を予測して事前推定する処理と、当該事前推定を通じて予測した状態を修正するように更新、すなわち補正して事後推定する処理とを行うものである。つまり、拡張カルマンフィルタＥＫＦは、事前推定し、当該事前推定で得られる値からの観測推定値と観測値との差分をフィードバックするかたちで事後推定にて補正し、これを繰り返す結果、より実際の値に近い状態を推定できるようにするものである。

【0092】

この点、第１の演算状態では、上述の如くタイヤ横力Ｆｙｆ，Ｆｙｒの変化が飽和してしまうと、事前推定の更新がされ難くなり、事後推定を通じた補正の効果が低下することになる。これは、拡張カルマンフィルタＥＫＦの特徴である事前推定が機能しなくなることを示し、車体すべり角推定値βｅの推定精度を低下させることになる。

【0093】

これに対して、第２の演算状態では、タイヤ横力Ｆｙｆ，Ｆｙｒの変化が飽和してしまっていても、観測量ｙに含まれる横加速度ａｙについては微小でも変化があれば観測値として補正される結果、事前推定の更新が好適にされるようになる。これは、拡張カルマンフィルタＥＫＦの特徴である事前推定が機能していることを示し、車体すべり角推定値βｅの推定精度の低下を抑えてある程度の精度で維持できることになる。つまり、第２の演算状態では、タイヤ横力Ｆｙｆ，Ｆｙｒの変化が飽和している場合、第１の演算状態と比較して車体すべり角推定値βｅの推定精度を高く維持することができる。

【0094】

これにより、本実施形態によれば、タイヤ横力Ｆｙｆ，Ｆｙｒの変化が飽和していない場合、第１の演算状態での演算を通じて、車体すべり角推定値βｅの推定精度を確保することができるようになる。一方、タイヤ横力Ｆｙｆ，Ｆｙｒの変化が飽和している場合、第２の演算状態での演算を通じて、車体すべり角推定値βｅの推定精度を確保することができる。

【0095】

（３）本実施形態において、第１の演算状態では、第１の状態方程式ｆ１（ｘ，ｕ）としてモデル定義やパラメータが適切であれば十分に高い推定精度を確保することができるという特徴がある。一方、第２の演算状態では、横加速度ａｙが適切に観測出来ていればある程度の推定精度を確保することができる反面、横加速度ａｙが車両Ａ上で検出されるとともにロールやピッチが考慮、検出されない場合、実際の変化に対して検出が遅れることによる応答遅れやロール角等で誤差が生じ易いという特徴がある。

【0096】

本実施形態では、こうした各演算状態の特徴を考慮して、生じ得る状況での演算状態を定めるようにしている。これにより、第１の演算状態での推定を通じて基本的に十分に高い推定精度を確保するなかで、当該第１の演算状態での推定精度の確保が困難なる状況では、第２の演算状態での推定を通じて上述のように応答遅れやロール角等で誤差が生じやすい特徴があるものの、ある程度の推定精度を確保することができるようになる。したがって、状況に関係なく車体すべり角推定値βｅの推定精度の低下を抑制することができる。

【0097】

（４）本実施形態では、非線形カルマンフィルタとして拡張カルマンフィルタを採用することで、車体すべり角推定装置４０の汎用性を高める点で効果的である。
（第２実施形態）
次に、車体すべり角推定装置の第２実施形態について説明する。なお、既に説明した実施形態と同一構成等は、同一の符号を付す等して、その重複する説明を省略する。

【0098】

図６に示すように、本実施形態の操舵制御装置１０１は、上記第１実施形態で備えていたラック軸力推定装置３６を備えないものである。そして、本実施形態の操舵装置１は、各種のセンサとして、ハブユニットセンサ３７（図１中、左側の左前輪センサ３７Ｌ及び右側の右前輪センサ３７Ｒ）がある。左前輪センサ３７Ｌは、左前ハブユニットＨＬに設けられている。右前輪センサ３７Ｒは、右前ハブユニットＨＲに設けられている。左前輪センサ３７Ｌは、左側の転舵輪４の回転速度である車輪速を検出する他、路面と、左側の転舵輪４との間に発生する力として、当該転舵輪４に作用する力を検出する。右前輪センサ３７Ｒは、右側の転舵輪４の回転速度である車輪速を検出する他、路面と、右側の転舵輪４との間に発生する力として、当該転舵輪４に作用する力を検出する。

【0099】

ここで、一例として、ハブユニット（例えば、特開２００９－１３３６８０号公報参照）に設けられる各前輪センサ３７Ｒ，３７Ｌについて詳しく説明する。
図６に示すように、ハブユニットセンサ３７は、転舵輪４を、車載される内燃機関の動力を伝達する図示しないドライブシャフトとともに車体に対して回転自在に支持する軸受装置としての各ハブユニットＨＬ，ＨＲに内蔵されている。つまり、本実施形態の各ハブユニットＨＬ，ＨＲは、路面と、転舵輪４との間に発生する力として、当該転舵輪４に作用する力を直接的に検出することができるセンサ機能付きのハブユニットである。

【0100】

左前輪センサ３７Ｌは、左側の転舵輪４に作用する力に基づいて、車両Ａの前後方向であるｘ軸方向の荷重Ｆｘ、車両Ａの幅方向であるｙ軸方向の荷重Ｆｙ、車両Ａの上下方向であるｚ軸方向の荷重Ｆｚ、ｘ軸回りのモーメント荷重Ｍｘ、ｚ軸回りのモーメント荷重Ｍｚをそれぞれ演算する。これは、右前輪センサ３７Ｒについても同様であり、各前輪センサ３７Ｌ，３７Ｒの間で、各種荷重Ｆｘ，Ｆｙ，Ｆｚ，Ｍｘ，Ｍｚの正負の方向が一致している。これら各種荷重Ｆｘ，Ｆｙ，Ｆｚ，Ｍｘ，Ｍｚ（単位：Ｎ（ニュートン）もしくはＮｍ（ニュートンメートル））は、車両の車速等の走行状態に応じても変化するものであり、車速等の要素も含む成分である。

【0101】

本実施形態において、各前輪センサ３７Ｌ，３７Ｒは、転舵輪４において検出されるｙ軸方向の荷重Ｆｙを示す情報であるタイヤ横力Ｆｙｆと、ｚ軸回りの荷重Ｍｚを示す情報である前輪の前輪モーメント荷重Ｍｚｆとを車体すべり角推定装置１０２に対して出力する。

【0102】

すなわち、本実施形態の車体すべり角推定装置１０２には、ラック軸力推定装置３６が出力するラック軸力推定値ＲＦｅが入力される替わりに、転舵輪４に設けられたハブユニットセンサ３７から得られるタイヤ横力Ｆｙｆ及び前輪モーメント荷重Ｍｚｆが入力されるようになっている。つまり、車体すべり角推定装置１０２は、転舵輪４に設けられたハブユニットセンサ３７から入力されるタイヤ横力Ｆｙｆ及び前輪モーメント荷重Ｍｚｆに基づいて、観測量ｙのキングピントルクＴｋｐａを演算する。

【0103】

本実施形態によれば、上記第１実施形態の作用及び効果に対応する作用及び効果を奏する他、以下の効果を奏する。
（５）本実施形態のように、観測量ｙを演算する際にラック軸力推定装置３６が出力するラック軸力推定値ＲＦｅの替わりに、転舵輪４に設けられたハブユニットセンサ３７から得られるタイヤ横力Ｆｙｆ及び前輪モーメント荷重Ｍｚｆを用いる場合、キングピントルクＴｋｐａとしてより精度の高い値を得ることができるようになる。したがって、車体すべり角推定値βｅの推定精度を高めるのに効果的である。

【0104】

上記各実施形態は次のように変更してもよい。また、以下の他の実施形態は、技術的に矛盾しない範囲において、互いに組み合わせることができる。
・上記各実施形態では、演算状態に応じてシステムノイズ分散値Ｑを設定し、演算状態の切り替えに応じてシステムノイズ分散値Ｑを切り替えるようにすることもできる。

【0105】

・上記各実施形態において、すべり角推定精度判定部６４は、状態推定量ｘｅの推定精度の高低を判定する際に、事後確率Ｐ（ｋ－１）の代わりに、今回の事後確率Ｐ（ｋ）を用いるようにしたり、今回や前回の事前確率Ｐ-や、システムノイズ分散値Ｑを用いるようにしたりしてもよい。

【0106】

・上記各実施形態では、事後確率Ｐを用いて車体すべり角βについての推定精度を少なくとも判定できるように構成されていればよく、事前確率Ｐ-として少なくとも車体すべり角推定分散値（σβ）^２を演算するように構成されていればよい。

【0107】

・各実施形態において、第２の演算状態では、タイヤ横力Ｆｙｆ，Ｆｙｒに関する成分を横加速度推定値ａｙｅで置き換える代わりに、観測値である横加速度ａｙで置き換えるようにしてもよい。

【0108】

・上記第１実施形態において、車体すべり角推定装置４０は、すべり角推定精度判定部６４の判定の結果に関係なくとりあえず各演算状態のもとで事前推定量ｘ-eやシステムノイズ分散値Ｑをそれぞれ演算しておくなかで、状態推定量ｘｅを実際に演算する際にすべり角推定精度判定部６４の判定の結果に応じた値を選択する構成としてもよい。これは、第２実施形態の車体すべり角推定装置１０２についても同様である。

【0109】

・上記各実施形態において、すべり角推定精度判定部６４は、状態推定量ｘｅの推定精度の高低を判定する際に、タイヤグリップ消費率ＴＧＣの代わりに、例えば、スリップ率等を用いるようにしてもよい。

【0110】

・上記各実施形態において、タイヤグリップ消費率ＴＧＣの路面μは前回の状態推定量ｘｅや、今回や前回の事前推定量ｘ-e、タイヤ横力Ｆｙｆ，Ｆｙｒは前回の観測推定量ｙｅや、観測量ｙ等を用いて演算されるものであってもよい。

【0111】

・上記各実施形態において、すべり角推定精度判定部６４は、状態推定量ｘｅの推定精度の高低を判定する際に、タイヤグリップ消費率ＴＧＣ又は事後確率Ｐ（ｋ－１）のいずれかのみに基づき判定する構成であったり、他の条件を追加して判定する構成であったり適宜変更可能である。

【0112】

・上記各実施形態では、すべり角推定精度判定部６４を、タイヤグリップ消費率ＴＧＣに基づき推定精度を判定するタイヤグリップ状態判定部と、事後確率Ｐ（ｋ－１）に基づき推定精度を判定する事後確率判定部とに機能を分けることもできる。この場合、例えば、タイヤグリップ状態判定部は事後推定処理部Ｅｐｏｓの機能の一部として実現したり、事後確率判定部は事前推定処理部Ｅｐｒｉの機能の一部やゲイン演算部５３の機能の一部として実現したり適宜設計可能である。

【0113】

・上記各実施形態では、状態方程式ｆｎ（ｘ）として、車体すべり角βを変数に含むモデルに基づいたものであればよく、例えば、より多自由度の車両モデルを用いることもできる。この場合、入力量ｕ（ｋ）は、用いるモデルに基づいた変数を入力とするように変更される。

【0114】

・上記各実施形態では、状態方程式ｆｎ（ｘ）のなかでタイヤ横力Ｆｙｆ，Ｆｙｒの関数として、車体すべり角βを変数に含むモデルに基づいたものであればよく、より複雑なモデルを用いることもできる。

【0115】

・上記各実施形態において、状態方程式ｆｎ（ｘ，ｕ）は、少なくとも２種類の式を用意していればよく、式の種類としては３種類以上適宜変更してもよい。
・上記各実施形態では、観測方程式ｈ（ｘ）として、車体すべり角βを変数に含むモデルに基づいたものであればよく、より複雑なモデルを用いることもできる。この場合、入力量ｕ（ｋ）は、用いるモデルに基づいた変数を入力とするように変更される。

【0116】

・上記各実施形態では、車速値Ｖとして、例えば、上記第２実施形態のようにハブユニットセンサ３７から得られる転舵輪４の回転速度である車輪速から演算することもできる。その他、車速値Ｖは、車両ＡにＧＰＳ（Global Positioning System）用の人工衛星からの測位信号を受信するＧＰＳセンサが設けられている場合には当該ＧＰＳセンサから演算してもよい。

【0117】

・上記各実施形態では、状態推定量ｘｅとして、少なくとも車体すべり角推定値βｅ、路面μ推定値μｅの２次であればよい。この場合、状態量ｘや観測量ｙや観測推定量ｙｅは、状態推定量ｘｅの変更に合わせて変更される。

【0118】

・上記各実施形態では、ヨーレートｒを推定値及び観測値として用いているが、ヨーレートｒを入力量ｕとして用いてもよい。
・上記各実施形態において、操舵装置１は、キングピントルクＴｋｐａを直接検出できる機能を有していてもよく、例えば、タイロッド１９にひずみゲージ等の力センサを設けるようにしてもよい。

【0119】

・上記第２実施形態では、観測量ｙとして、車体すべり角βを変数に少なくとも含んでいればよく、例えば、キングピントルクＴｋｐａの替わりにタイヤ横力Ｆｙｆ，Ｆｙｒを変数として構成することもできる。その他、観測量ｙは、観測方程式ｈ（ｘ）として、ｘ軸方向の加減速であったり、前後方向であるｘ軸方向の荷重Ｆｘを考慮するようにしてもよい。

【0120】

・上記各実施形態において、上記各式で示した演算のなかで考慮する変数の時刻については、現在の時刻「ｋ」の替わりに前回の時刻「ｋ－１」を用いるようにしたり、前回の時刻「ｋ－１」の替わりに現在の時刻「ｋ」を用いるようにしたり、目的に合わせて適宜変更可能である。

【0121】

・上記各実施形態では、車体すべり角推定装置４０，１０２として、非線形カルマンフィルタを構成すればよく、例えば、Ｕｎｓｃｅｎｔｅｄカルマンフィルタ（ＵＫＦ）や、アンサンブルカルマンフィルタ（ＥｎＫＦ）等を構成することもできる。

【0122】

・上記各実施形態において、車体すべり角推定装置４０，１０２は、操舵制御装置２の機能として付加したり、統合制御装置４１の機能として付加したりしてもよい。
・上記各実施形態では、車体すべり角推定値βｅの利用の仕方として、車両Ａの走行が安定するように利用すればよく、上述した例の他、例えば、前輪・後輪の前後左右の駆動力の配分を調整するために利用することもできる。

【0123】

・上記第２実施形態において、各ハブユニットＨＬ，ＨＲでは、転舵輪４に作用する力に基づいて、タイヤ横力Ｆｙｆや前輪モーメント荷重Ｍｚｆを少なくとも出力することができるように構成されていればよい。このような条件を満たすのであれば、各ハブユニットＨＬ，ＨＲにおいて、各前輪センサ３７Ｌ，３７Ｒは、超音波検出式や、磁気検出式や、歪みゲージを用いた接触式等、センサの仕様は問わない。

【0124】

・上記第２実施形態において、操舵制御装置１０１は、上記第１実施形態と同様にラック軸力推定装置３６を備えていてもよい。
・上記第１実施形態において、車体すべり角推定装置４０を構成するＣＰＵは、コンピュータプログラムを実行する１つ以上のプロセッサ、あるいは各種処理のうち少なくとも一部の処理を実行する特定用途向け集積回路等の１つ以上の専用ハードウェア回路、あるいは上記プロセッサ及び上記専用ハードウェア回路の組み合わせを含む回路としてもよい。また、メモリには、汎用または専用のコンピュータでアクセスできるあらゆる利用可能な媒体によって構成してもよい。これは、第２実施形態の車体すべり角推定装置１０２や、各実施形態の操舵制御装置２等、各制御装置２，４１，４２，４３，４４，１０１についても同様である。

【0125】

・上記各実施形態は、操舵装置１を、モータ２１の回転をラック軸１２に伝達することによって、モータトルクをアシスト力として操舵機構５に付与する、所謂、ラックアシスト型の操舵装置として実現することもできる。また、上記各実施形態は、操舵装置１を、ステアリングホイール３と、転舵輪４との間の動力伝達路が分離可能な構造とし、ステアバイワイヤ式の操舵装置として実現することもできる。この場合、ステアリングホイール３と、転舵輪４との間の動力伝達路は、機械的に常時分離した構造であってもよいし、クラッチにより分離可能な構造であってもよい。

【符号の説明】

【0126】

４０，１０２…車体すべり角推定装置
６１…事前推定量演算部（車体すべり角推定値演算部）
６２…システムノイズ分散値演算部
６４…すべり角推定精度判定部
Ａ…車両
ＥＫＦ…拡張カルマンフィルタ（非線形カルマンフィルタ）

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】