特表 2024-536437 車両のアンチスリップコントロールを自動式に適合化する方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-10-04

(54)【発明の名称】車両のアンチスリップコントロールを自動式に適合化する方法

(51)【国際特許分類】

   B60T 8/174 20060101AFI20240927BHJP

   B60T 8/176 20060101ALI20240927BHJP

【ＦＩ】

B60T8/174 C

B60T8/176 Z

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2024521118

(86)(22)【出願日】2022-09-20

(85)【翻訳文提出日】2024-04-08

(86)【国際出願番号】 EP2022076009

(87)【国際公開番号】W WO2023066581

(87)【国際公開日】2023-04-27

(31)【優先権主張番号】102021211740.6

(32)【優先日】2021-10-18

(33)【優先権主張国・地域又は機関】DE

(81)【指定国・地域】

(71)【出願人】

【識別番号】591245473

【氏名又は名称】ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツング

【氏名又は名称原語表記】ＲＯＢＥＲＴ ＢＯＳＣＨ ＧＭＢＨ

(74)【代理人】

【識別番号】100177839

【弁理士】

【氏名又は名称】大場 玲児

(74)【代理人】

【識別番号】100172340

【弁理士】

【氏名又は名称】高橋 始

(74)【代理人】

【識別番号】100182626

【弁理士】

【氏名又は名称】八島 剛

(72)【発明者】

【氏名】エルデン，ミヒャエル

(72)【発明者】

【氏名】シュトゥム，マルコ

(72)【発明者】

【氏名】シャルバク，ラミ

(72)【発明者】

【氏名】クラウス，ヨナス

【テーマコード（参考）】

3D246

【Ｆターム（参考）】

3D246BA02

3D246DA01

3D246EA05

3D246GA22

3D246GB01

3D246GC14

3D246HA03A

3D246HA13A

3D246HA44A

3D246HA67A

3D246HA72A

3D246HA86A

3D246HA95A

3D246JB10

3D246JB21

3D246LA02Z

3D246LA15Z

3D246LA16Z

(57)【要約】

本発明は、車両のアンチスリップコントロールを自動式に適合化する方法に関し、当該方法は、次の各ステップを含む：車両（Ｆ）の最新の状態をそれぞれ示唆する車両（Ｆ）の最新の状態変数（Ｚ）が受信され；受信された最新の状態変数（Ｚ）をベースとしてアンチスリップコントローラ（２０）により制御動作（Ａ）が決定され、制御動作（Ａ）は制御量の引き上げ、維持、または引き下げを含み、制御量は車両（Ｆ）のモータのトルクおよび／または車両（Ｆ）のブレーキシリンダの圧力を含み；値マトリクス（Ｍ）を利用したうえで制御量の制御勾配（ＧＴ，ＧＰ）が決定され、値マトリクス（Ｍ）はそれぞれ車両（Ｆ）の最新の値マトリクス・状態変数に割り当てられる多数のパラメータ（Ｐ）を含み、制御勾配（ＧＴ，ＧＰ）は最新の値マトリクス・状態変数に依存して多数のパラメータ（Ｐ）から選択され、最新の状態変数（Ｚ）は最新の値マトリクス・状態変数を含み；車両（Ｆ）のアンチスリップコントロールが実行され、決定された制御動作に応じて決定された制御勾配だけ制御量が適合化され；観察される時間にわたってアンチスリップコントロールの実行による最新の状態変数の変化（ΔＳ）が決定され；最新の状態変数の決定された変化（ΔＳ）に依存して、事前に規定されている少なくとも１つの学習規則（Ｌ）がトリガされることによって値マトリクス（Ｍ）の少なくとも１つのパラメータ（Ｐ）が適合化される。
【選択図】 図１

【特許請求の範囲】

【請求項1】

車両のアンチスリップコントロールを自動式に適合化する方法において、次の各ステップを含み、
前記車両（Ｆ）の最新の状態をそれぞれ示唆する前記車両（Ｆ）の最新の状態変数（Ｚ）が受信され、
受信された最新の状態変数（Ｚ）をベースとしてアンチスリップコントローラ（２０）により制御動作（Ａ）が決定され、前記制御動作（Ａ）は制御量の引き上げ、維持、または引き下げを含み、制御量は前記車両（Ｆ）のモータのトルクおよび／または前記車両（Ｆ）のブレーキシリンダの圧力を含み、
値マトリクス（Ｍ）を利用したうえで制御量の制御勾配（ＧＴ，ＧＰ）が決定され、前記値マトリクス（Ｍ）はそれぞれ前記車両（Ｆ）の最新の値マトリクス・状態変数に割り当てられる多数のパラメータ（Ｐ）を含み、前記制御勾配（ＧＴ，ＧＰ）は最新の値マトリクス・状態変数に依存して多数の前記パラメータ（Ｐ）から選択され、前記最新の状態変数（Ｚ）は最新の値マトリクス・状態変数を含み、
前記車両（Ｆ）のアンチスリップコントロールが実行され、決定された制御動作に応じて決定された制御勾配だけ制御量が適合化され、
観察される時間にわたってアンチスリップコントロールの実行による最新の状態変数の変化（ΔＳ）が決定され、
最新の状態変数の決定された変化（ΔＳ）に依存して、事前に規定されている少なくとも１つの学習規則（Ｌ）がトリガされることによって前記値マトリクス（Ｍ）の少なくとも１つのパラメータ（Ｐ）が適合化される、方法。

【請求項2】

前記車両（Ｆ）の最新の値マトリクス・状態変数は前記車両（Ｆ）のスリップ（Ｓ）とホイール加速度（Ｙａ）とを含む、請求項１に記載の方法。

【請求項3】

少なくとも１つの学習規則（Ｌ）は観察される時間に最新の状態変数が事前に規定された限界値の分だけ特定の変化をすることによってトリガされ、前記学習規則（Ｌ）は学習値を決定し、この学習値の分だけ少なくとも１つの前記パラメータ（Ｐ）が適合化される、請求項１または２のいずれか１項に記載の方法。

【請求項4】

事前に規定される学習値が前記車両の前記ホイール加速度（Ｙａ）に依存して適合化される、請求項２に記載の方法。

【請求項5】

学習規則は調整・学習規則（Ｌ＿Ｅ）と制御・学習規則（Ｌ＿Ｒ）とを含み、前記調整・学習規則（Ｌ＿Ｅ）は前記スリップ（Ｓ）の調整段階（Ｒ＿Ｅ）中に適用され、前記制御・学習規則（Ｒ＿Ｒ）は前記スリップ（Ｓ）の前記調整段階（Ｒ＿Ｅ）の後の制御中に適用される、請求項１から４のいずれか１項に記載の方法。

【請求項6】

少なくとも２つの学習規則（Ｌ１，Ｌ２）が事前に規定された相互の時間的間隔を下回っている場合に、時間的に連続する少なくとも２つの学習規則（Ｌ１，Ｌ２）がアービトレーションされることを含む、請求項１から５のいずれか１項に記載の方法。

【請求項7】

前記最新の状態変数の変化（ΔＳ）の評価（Ｅｖ）と、アンチスリップコントロールとの間の反応時間（ｔ＿Ｒ）が学習されることを含む、請求項１から６のいずれか１項に記載の方法。

【請求項8】

トリガされた学習規則（Ｌ）が前記最新の状態変数（Ｚ）に依存して無視されることを含む、請求項１から７のいずれか１項に記載の方法。

【請求項9】

請求項１から８のいずれか１項に記載の方法を実施するためにセットアップされたコンピュータプログラム製品。

【請求項10】

請求項１から８のいずれか１項に記載の方法を実施するためにセットアップされた装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、車両のアンチスリップコントロールを自動式に適合化する方法、ならびにそのための装置に関する。

【背景技術】

【0002】

現代の車両は、エレクトロニックスタビリティプログラムＥＳＰシステムの機能モジュールとして、アンチスリップコントロールないし駆動スリップコントロールを含んでいる。「アンチスリップコントロール」という概念は、以下においては「駆動スリップコントロール」の概念と同義で使用し、この概念に置き換えることもできる。アンチスリップコントロールは、トラクションコントロールシステムＴＣＳによって実行される。ＴＣＳの機能上の目的は、車両が前後方向へ発進するときに各ホイールが空転せず、そのようにして安定性、操舵性、トラクションに関わる車両要求事項を満たすことにある。従来式のコントローラストラテジーでは、物理的なベースに基づくアクチュエータ目標値（モータ／ブレーキ）に相当する走行状況を最善に調整できるようにすることが意図される。目標値決定のために、認識、見積り、モデルが必要となる。コントローラパラメータは、目標値へと理想的に近づけるための役目を果たし、アプリケーションエンジニアによって手動式に／手作業で決定されなければならない。

【0003】

しかしアプリケーションのためのＴＣＳの最新のコントローラは、人間によって設計されている。このことは、比較的高い時間コストおよびこれに伴って高い経費と結びつく。しかも人間は、ＴＣＳのパフォーマンスに対して客観的ではない個人的影響力を持っている。さらに従来式のコントローラストラテジーは、それぞれ異なる操作／バックグラウンドについて目標が相反していると、最適解を見出すのが難しいことも示されている。最後に、車両の走行ダイナミクスは車両のバリエーションによって強い影響を受ける。そのため最善のアプリケーションには、どのような車両バリエーションにも適用できることが求められるであろう。

【0004】

したがって、自動式に適合化される車両のアンチスリップコントロールへの需要がある。

【発明の概要】

【0005】

本発明の１つの態様によると、車両のアンチスリップコントロールを自動式に適合化する方法は、次の各ステップを含む。１つのステップで、車両の最新の状態をそれぞれ示唆する車両の最新の状態変数が受信される。次のステップで、受信された最新の状態変数をベースとしてアンチスリップコントローラにより制御動作が決定され、制御動作は制御量の引き上げ、維持、または引き下げを含み、制御量は車両のモータのトルクおよび／または車両のブレーキシリンダの圧力を含む。次のステップで、値マトリクスを利用したうえで制御量の制御勾配が決定され、値マトリクスはそれぞれ車両の最新の値マトリクス・状態変数に割り当てられる多数のパラメータを含み、制御勾配は最新の値マトリクス・状態変数に依存して多数のパラメータから選択され、最新の状態変数は最新の値マトリクス・状態変数を含む。次のステップで、車両のアンチスリップコントロールが実行され、決定された制御動作に応じて決定された制御勾配だけ制御量が適合化される。次のステップで、観察される時間にわたってアンチスリップコントロールの実行による最新の状態変数の変化が決定される。次のステップで、最新の状態変数の決定された変化に依存して、事前に規定されている少なくとも１つの学習規則がトリガされることによって値マトリクスの少なくとも１つのパラメータが適合化される。

【0006】

ここで使用する「状態変数」という概念は、車両の状態に関する情報を含む変数を表す。状態変数は、車両のセンサから提供されるのが好ましい。状態変数は、スリップ、ホイール加速度、モータのトルク、ブレーキシリンダの圧力、ブレーキペダル位置ないし進んだペダルストローク、車両の操舵角、車両の左右方向加速度、および車両の速度を含むのが好ましい。

【0007】

ここで使用する「値マトリクス・状態変数」という概念は、値マトリクスによって反映される、車両の状態変数の集合を表す。換言すると、値マトリクス・状態変数は車両の状態変数を含んでいて、これらの状態変数に値マトリクスによってパラメータが割り当てられ、さらにこれらのパラメータをベースとして制御勾配が決定される。

【0008】

ここで使用される「制御勾配」という概念は、制御量に適用される勾配を表す。換言すると制御勾配は、アンチスリップコントロールによって制御量がどれだけの量だけ変更されるべきかを表す。

【0009】

ここで使用される「制御量」という概念は、アンチスリップコントロールによって制御されるべき量を表す。アンチスリップコントロールでは、車両のモータおよび／または車両のブレーキが制御されることによって、スリップを低減するよう試みられるのが好ましい。したがって制御量は、すなわち制御される量は、車両のモータのトルクおよび／または車両のブレーキシリンダの圧力であることが判明する。

【0010】

ここで使用される「学習規則」という概念は、車両の最新の状態変数をベースとしたうえで、値マトリクスの１つまたは複数のパラメータが、特にいわゆる学習値の大きさに関して、どのように変更されるべきかを定義する規則を表す。換言すると学習規則は、最新の状態変数と学習値との依存性を表す。

【0011】

ここで使用される「値マトリクス」という概念は、一般に、少なくとも１つの入力値への、少なくとも１つの出力値の割当を表す。このケースでは入力値は、ここでは値マトリクス・状態変数と呼ばれる車両の最新の状態変数である。換言すると値マトリクスは、入力値の各々の組み合せに少なくとも１つの出力値を割り当てる。このように値マトリクスは多数のパラメータを含み、各々のパラメータが車両の最新の状態変数の組み合せに割り当てられる。値マトリクスの多数のパラメータのうち、値マトリクスに入力として提供された最新の状態変数の組み合せに割り当てられたパラメータが、いわゆる制御勾配を表す。したがって制御勾配は値マトリクスの出力であり、すなわち、アンチスリップコントロールの際に制御量が変更されるベースとなるパラメータである。各々の制御動作について、独自の値マトリクスが設けられるのが好ましい。換言すると、制御量の引き上げについては、同一の制御量の引き下げとは別の値マトリクスが設けられる。

【0012】

このように、たとえば後輪駆動部を有する車両では６つの値マトリクスがインプリメントされる。具体的には、モータのモータトルクを引き上げるための第１の値マトリクス、モータのモータトルクを引き下げるための第２の値マトリクス、車両の第１の後輪のブレーキシリンダの圧力を引き上げるための第３の値マトリクス、車両の第１の後輪のブレーキシリンダの圧力を引き下げるための第４の値マトリクス、車両の第２の後輪のブレーキシリンダの圧力を引き上げるための第５の値マトリクス、および、車両の第２の後輪のブレーキシリンダの圧力を引き下げるための第６の値マトリクスである。

【0013】

万一、車両が複数のモータを有している場合、たとえばホイールハブモータの場合、モータコントローラについての値マトリクスの数が、すなわち各々のモータについてトルクを引き上げるための値マトリクスとトルクを引き下げるための値マトリクスが、相応に乗算される。

【0014】

同様のことは、駆動されるホイール／アクスルの数にも当てはまる。換言すると、ブレーキを有する各々のホイールに２つの値マトリクスが、すなわちブレーキトルクを引き上げるための値マトリクスとブレーキトルクを引き下げるための値マトリクスが、割り当てられる。

【0015】

相応のコントローラが最新のコントロールの強化を要求している場合、または最新のコントロールの緩和を要求している場合、それぞれ異なる値マトリクスが適用されるのが好ましい。たとえば、トルクが現在低下しているときにコントローラがトルクの上昇を要求しているケースについて、および、トルクが現在すでに上昇しているときにコントローラがトルクの上昇を要求しているケースについて、それぞれ２つの異なる値マトリクス（トルクの引き上げと引き下げ）が適用される。

【0016】

観察されるべき時間は、２００ｍｓの時間を含むのが好ましい。アンチスリップコントロールの実行による最新の状態変数の変化が観察される、観察されるべき時間は、各々の学習規則について相違していてよい。

【0017】

たとえばアンチスリップコントローラは、まだテスト段階の間に大部分が最適化され、すなわち値マトリクスのパラメータが適合化される。すなわち、たとえば最適化の９０％をまだ車両の納品前に行うことができ、残りの１０％を車両の作動時に再最適化することができる。

【0018】

このようにして、自動式のアルゴリズムによってアンチスリップコントロールが学習規則をベースとして調節される。

【0019】

提案される方法は、アンチスリップコントロールを最適化するための客観的な規則を導入し、それによって人間の影響が最小化される。

【0020】

さらに、提案される方法は、さまざまな車両バリエーションに合わせたアンチスリップコントローラの迅速で個別的な適合化を可能にする。

【0021】

提案される方法を実施するアンチスリップコントローラにノウハウが主として含まれているので、アンチスリップコントロールを最適化するために、さほど高い能力を備えていない人員しか必要ない。

【0022】

最終的に、提案される方法は、比較的少ない時間コストでアンチスリップコントロールを最適化することを可能にする。

【0023】

好ましい実施形態では、車両の最新の値マトリクス・状態変数は車両のスリップとホイール加速度とを含む。

【0024】

値マトリクスは二次元の値マトリクスを含むのが好ましく、すなわち、２つの入力値の組み合せに１つのパラメータを割り当てる値マトリクスを含む。たとえば値マトリクスは、車両のスリップとホイール加速度との多数の組み合せに、特に制御勾配を表すそれぞれ１つのパラメータを割り当てる。

【0025】

原則として３次元または多次元の値マトリクスも考えられるが、２次元の値マトリクスでは、値マトリクスの複雑性と、アンチスリップコントロールに対するパフォーマンス影響とが好ましく調和する。

【0026】

好ましい実施形態では、少なくとも１つの学習規則は観察される時間に最新の状態変数が事前に規定された限界値の分だけ特定の変化をすることによってトリガされ、学習規則は学習値を決定し、この学習値の分だけ少なくとも１つのパラメータが適合化される。

【0027】

換言すると学習規則は、チェックされるべき各々の状態変数についての限界値を含み、特に、下側の限界値と上側の限界値とを含む。それぞれの状態変数についての限界値を上回ると、ないしは下回ると、学習規則が実行され、または換言するとトリガされる。学習規則は、学習規則によって定義される条件に応じて、値マトリクスの少なくとも１つのパラメータが変更されるべき学習値を出力する。

【0028】

ここで使用される「学習値」という概念は、その分だけ値マトリクスの少なくとも１つのパラメータが変更されるべき値を表す。学習値は１０％の値に事前に規定されるのが好ましい。換言すると１０％の学習値とは、値マトリクスの少なくとも１つのパラメータが、それぞれのパラメータの最新の値の１０％だけ引き上げられ、ないしは引き下げられることを意味する。このとき学習値は、そのパラメータが指定された値だけ引き上げられるのか、それとも引き下げられるかの情報を含むのが好ましい。

【0029】

少なくとも１つの学習規則は機械学習モデルの一部であるのが好ましく、機械学習モデルは強化学習モデルを含み、最新の状況が観察されて、コントローラの以前の動作が評価される。機械学習モデルは、最新の状態変数の特定の変化に応じて少なくとも１つの学習規則を適合化するようにセットアップされるのが好ましい。特に、少なくとも１つの学習規則の適合化は、事前に規定された限界値および／または学習値の適合化を含む。

【0030】

好ましい実施形態では、事前に規定された学習値は、車両のホイール加速度に依存して適合化される。

【0031】

ホイール加速度は、ホイールダイナミクスまたはアクスルダイナミクスとも呼ばれる。

【0032】

学習値を適合化することができる学習値の範囲は５％から３０％の間であるのが好ましい。小さすぎる学習値は、走行挙動に関する変更が小さくなるので、不必要に多い回数の反復が学習のために必要となることにつながり得る。大きすぎる学習値は、コントロールの最適化を正確に調節できないことにつながり得る。というのも当該パーセンテージで変更をすることが、それを妨げるからである。

【0033】

学習値が当初に１０％に規定されると、アクスルダイナミクスに対する、および５～３０％の学習値の可変の大きさに対する、学習値の依存性が、学習中のいっそう改善されたいっそう迅速な結果につながることが確認されている。

【0034】

たとえば１つの学習規則は、－２．７５のアクスルダイナミクスのもとで、すなわちアクスルの中程度の強さの減速のもとで、２０％の学習値によるパラメータの変更がトリガされることを意味する。

【0035】

たとえば別の学習規則は、１．５のアクスルダイナミクスのもとで、すなわちアクスルの軽微な加速度のもとで、－１５％の学習値によるパラメータの変更がトリガされることを意味する。

【0036】

好ましい実施形態では、学習規則は調整・学習規則と制御・学習規則とを含み、調整・学習規則はスリップの調整段階中に適用され、制御・学習規則はスリップの調整段階後の制御中に適用される。

【0037】

調整・学習規則は、アンチスリップコントロールの調整挙動全体だけを観察するのが好ましい。あらゆるコントローラと同じくアンチスリップコントロールも、通常はコントローラの以後の制御挙動とは相違する調整挙動を有する。この理由により調整挙動については、特別な調整・学習規則が利用される。調整挙動は、制御されるべきスリップが第１の学習規則の適用後に目標スリップを突破するまでの、アンチスリップコントロールの時間領域として定義されるのが好ましい。その代替として調整挙動は、スリップが目標値の近傍で事前に規定された時間のあいだとどまるまでの時間領域として定義される。さらに代替として調整挙動は、目標値を中心とするスリップの振幅が事前に規定された限界値を下回っている時間領域として定義される。たとえば初期のアンチスリップコントロールによって、学習規則をトリガする目標スリップの最小の限界値よりもスリップが低下する。アンチスリップコントロールに基づいてスリップが目標スリップの最大の限界値を突破すると、ただちに調整段階が終了して本来のスリップの制御が開始される。

【0038】

調整・学習規則の１つの例は、アクスルが駆動スリップの状態ではなくなる、調整段階におけるいわゆる「ＯｎＲｅｆ」状況である。したがって、コントローラがスリップを強く低減しすぎている。したがって調整・学習規則は、モータトルクを引き下げるための値マトリクスと、ブレーキ圧を引き上げるための値マトリクスとを適合化して、値マトリクスのパラメータが１０％だけ引き下げられるようにし、すなわち学習値は－１０％である。パラメータ値の引き下げは、次回にこの状態のもとで低すぎるスリップを防止するためのものである。さらに学習規則は、モータトルクを引き上げるための値マトリクスと、ブレーキ圧を引き下げるための値マトリクスとを適合化して、値マトリクスのパラメータが１０％だけ引き上げられるようにし、すなわち学習値は１０％である。パラメータ値の引き上げは、次回にこの状態のもとで低すぎるスリップを防止するためのものである。

【0039】

調整・学習規則のさらに別の例は、ホイールダイナミクスが、すなわちホイール加速度が、定義された時間のあいだ、たとえば８０ｍｓのあいだ、引き下げられてから、目標スリップに達することなく引き上げられる状況である。したがって調整・学習規則は、モータトルクを引き下げるための値マトリクスと、ブレーキ圧を引き上げるための値マトリクスとを適合化して、値マトリクスのパラメータが１０％だけ引き上げられるようにし、すなわち学習値は１０％である。パラメータ値の引き上げは、次回にこの状態のもとで恒常的に高すぎるスリップを防止するためのものである。さらに学習規則は、モータトルクを引き上げるための値マトリクスと、ブレーキ圧を引き下げるための値マトリクスとを適合化して、値マトリクスのパラメータが１０％だけ引き下げられるようにし、すなわち学習値は－１０％である。パラメータ値の引き下げは、次回にこの状態のもとで、発進時にいっそう低いスリップを実現することを可能にするためのものである。

【0040】

調整・学習規則のさらに別の例は、ホイールダイナミクスが、すなわちホイール加速度が、定義された時間のあいだ、たとえば２００ｍｓのあいだ、引き下げられていない状況である。したがって調整・学習規則は、モータトルクを引き下げるための値マトリクスと、ブレーキ圧を引き上げるための値マトリクスとを適合化して、値マトリクスのパラメータが１０％だけ引き上げられるようにし、すなわち学習値は１０％である。パラメータ値の引き上げは、次回にこの状態のもとで恒常的に高すぎるスリップを防止するためのものである。

【0041】

調整段階でアンチスリップコントロールが実行されることによる最新の状態変数の変更は、調整段階全体を通じて決定され、そのようにして評価されるのが好ましい。そのようにして比較的長く続くコントロールでも、換言すると動作段階でも、観察して学習することができる。たとえば引き上げ段階は、モータが追随できない程非常に大規模である。したがって、その前に位置する引き下げ段階も適合化される。

【0042】

制御・学習規則の１つの例は、観察されるべき時間領域でスリップ目標の最小の限界値を下回っている状況、特に目標より３．５％を超えて低いスリップの状況である。したがって制御・学習規則は、モータトルクを引き上げるための値マトリクスと、ブレーキ圧を引き下げるための値マトリクスとを適合化して、値マトリクスのパラメータが１０％だけ引き上げられるようにし、すなわち学習値は１０％である。パラメータ値の引き上げは、次回にこの状態のもとで低すぎるスリップを防止するためのものであり、それは、直近の制御動作がスリップを引き上げるためのものである場合に、これがスリップを過度に弱く引き上げていたことに起因する。したがって、その代替として制御・学習規則は、モータトルクを引き下げるための値マトリクスと、ブレーキ圧を引き上げるための値マトリクスとを適合化して、値マトリクスのパラメータが１０％だけ引き下げられるようにし、すなわち学習値は－１０％である。パラメータ値の引き下げは、次回にこの状態のもとで低すぎるスリップを防止するためのものであり、それは、直近の制御動作がスリップを引き下げるためのものである場合に、これがスリップを強く引き下げすぎていたことに起因する。

【0043】

制御・学習規則のさらに別の例は、最大の限界値を上回っている状況であり、特に７％よりも高いスリップの状況である。したがって制御・学習規則は、モータトルクを引き上げるための値マトリクスと、ブレーキ圧を引き下げるための値マトリクスとを適合化して、値マトリクスのパラメータが１０％だけ引き下げられるようにし、すなわち学習値は－１０％である。パラメータ値の引き下げは、次回にこの状態のもとで高すぎるスリップを防止するためのものであり、それは、直近の制御動作がスリップを引き上げるためのものである場合に、これがスリップを強く引き上げすぎていたことに起因する。したがって、その代替として制御・学習規則は、モータトルクを引き下げるための値マトリクスと、ブレーキ圧を引き上げるための値マトリクスとを適合化して、値マトリクスのパラメータが１０％だけ引き上げられるようにし、すなわち学習値は１０％である。パラメータ値の引き上げは、次回にこの状態のもとで高すぎるスリップを防止するためのものであり、それは、直近の制御動作がスリップを引き下げるためのものである場合に、これがスリップを過度に弱く引き下げていたことに起因する。

【0044】

制御・学習規則のさらに別の例は、観察される時間で１つのスリップ状態が、すなわち目標スリップの最大の限界値よりも上の最新のスリップが、または目標スリップの最小の限界値よりも下の最新のスリップが、変わらずに保たれている状況である。このことは、コントローラの所望の動作の小さすぎる変化を、すなわちスリップの増大または低減を、示唆しており、そのために車両が良好に制御されていない。したがって制御・学習規則は、値マトリクスの相応のパラメータを引き上げる。

【0045】

制御・学習規則のさらに別の例は、たとえば１２００ｒｐｍの低すぎる回転数のもとでのモータのストールを防止するという全般的な要請である。したがって制御・学習規則は状態変数「モータの回転数」をベースとして、モータトルクを引き下げるための値マトリクスと、ブレーキ圧を引き上げるための値マトリクスとを適合化して、値マトリクスのパラメータが１０％だけ引き下げられるようにし、すなわち学習値は－１０％である。パラメータ値の引き下げは、次回にこの状態のもとで低すぎる回転数を回避するためのものであり、それは、直近の制御動作が回転数を強く引き下げすぎていたことに起因する。その代替として、制御・学習規則が、モータトルクを引き上げるための値マトリクスと、ブレーキ圧を引き下げるための値マトリクスとを適合化して、値マトリクスのパラメータが１０％だけ引き上げられるようにし、すなわち学習値は１０％である。パラメータ値の引き上げは、次回にこの状態のもとで低すぎる回転数を回避するためのものであり、それは、直近制御動作が回転数を強く引き下げすぎていたことに起因する。

【0046】

好ましい実施形態では、本方法は次のステップを含む：少なくとも２つの学習規則が事前に規定された相互の時間的間隔を下回っている場合に、時間的に連続する少なくとも２つの学習規則がアービトレーションされる。

【0047】

パラメータが引き上げられ、引き続いて引き下げられることがしばしば行われ、またはこの逆が行われる。パラメータの引き上げと引き下げが時間的に非常に接近して、たとえば１５０ｍｓ以内に、相次いで生じると、第１の学習が第２の学習を阻害することになる。したがってこのようなシナリオについては、学習規則のアービトレーションが適用されなければならない。

【0048】

アービトレーションは、時間的に早いほうの学習規則が無視されることを含む。というのも、第２の学習規則のほうが、最新の情報および／または多くの情報を有しているからである。その代替としてアービトレーションは、両方の学習規則が無視されることを含む。その代替としてアービトレーションは、時間的に第２の学習規則のトリガから遠く離れて位置している領域に対してのみ、時間的に第１の学習規則が適用されることを含む。

【0049】

このようにアンチスリップコントロールのアービトレーションは、それぞれ異なる操作および／またはバックグラウンドに関わる要求事項を考慮することを可能にする。

【0050】

好ましい実施形態では、本方法は次のステップを含む：最新の状態変数の変化の評価と、アンチスリップコントロールとの間の反応時間が学習される。

【0051】

反応時間とは、観察されるべき時間における、判断すなわち最終的な学習規則のトリガと、それぞれの原因すなわち状態変数の変化との間の時間的な遅延を表す。車両および／またはモータバリエーションに応じて、最適化されたアンチスリップコントロールのための反応時間がそれぞれ相違する。

【0052】

反応時間は、比較的高い目標が設定され、当該目標が最新のモータによっていつ達成されるかを観察することによって決定されるのが好ましい。

【0053】

モータのそれぞれ異なる回転数のもとで、複数の反応時間が決定されるのがさらに好ましい。というのもモータ特性曲線が、それぞれ異なる挙動を引き起こし得るからである。

【0054】

好ましい実施形態では、本方法は次のステップを含む：トリガされた学習規則が最新の状態変数に依存して無視される。

【0055】

たとえば状態変数の目標ゾーンの、特に目標スリップまたは目標トルクを中心として２０％の学習規則は無視される。

【0056】

本発明の別の態様では、ここで説明される方法を実施するためにセットアップされたコンピュータプログラム製品が提供される。

【0057】

本発明の別の態様では、ここで説明される方法を実施するためにセットアップされた装置が提供される。

【0058】

本発明を改良するその他の方策については、以下において本発明の好ましい実施例の説明とともに、図面を参照しながら詳しく説明する。

【図面の簡単な説明】

【0059】

【図1】値マトリクスを用いるアンチスリップコントロールを示す模式図である。

【図2】二次元の値マトリクスを示す模式図である。

【図3】車両の多数の値マトリクスを示す模式図である。

【図4】アンチスリップコントロールを適合化する方法を示す模式図である。

【図5】アンチスリップコントロールにおける学習規則を示す模式図である。

【図6】学習値のダイナミックな適合化を示す模式図である。

【図7】それぞれの学習規則の間でのアービトレーションを示す模式図である。

【図8】両方のアンチスリップコントロールの反応時間の学習を示す模式図である。

【発明を実施するための形態】

【0060】

図１は、値マトリクスを用いるアンチスリップコントローラ１０の模式図である。アンチスリップコントローラは、制御量であるモータのトルクをモータ制御部ＣＭによって、およびブレーキシリンダの圧力をブレーキ制御部ＣＢによって、制御することで車両のスリップを制御する。アンチスリップコントローラ１０は、第１の状態定義ユニット２０ａをモータ制御部ＣＭに有するとともに、第２の状態定義ユニットをブレーキ制御部ＣＢ ２０ｂに有し、これらはそれぞれ車両の最新の状態変数Ｚを提供する。状態変数Ｚは、たとえばスリップＳ、モータ回転数ｎ、アクスルダイナミクスＹａ、モータの最新のトルク、および時間を含む。さらに制御相互動作ユニット３０が、アンチスリップコントローラ１０の最新のコントロールＲを提供する。特にアンチスリップコントローラ１０は、第１の制御動作決定ユニット４０ａをモータ制御部ＣＭに有するとともに、第２の制御動作決定ユニット４０ｂをブレーキ制御部ＣＢに有する。第１の制御動作決定ユニット４０ａと第２の制御動作決定ユニット４０ｂは、特に決定された状態変数Ｚおよび選択的に最新のコントロールＲをベースとして制御動作Ａを決定する。制御動作Ａは、相応の制御量の引き上げ、維持、または引き下げのいずれかを含む。

【0061】

さらにアンチスリップコントローラ１０は、値マトリクスＭａ，Ｍｂをモータ制御部ＣＭとブレーキ制御部ＣＢに含んでいる。制御されるべき各々の部材について値マトリクスが意図される。たとえばモータについて値マトリクスが割り当てられ、後輪駆動の場合には両方の後輪の各々についてそれぞれ別個の値マトリクスがそれぞれのブレーキシリンダについて割り当てられる。このケースでは３つの値マトリクスが必要となる。図１は、簡略化した形態で、モータ制御部Ｃｍについての第１の値マトリクスＭａと、ブレーキ制御部についての第２の値マトリクスＭｂだけを示している。最新の状態変数Ｚは、スリップＳとホイール加速度Ｙａとを含む。これら両方の状態変数Ｚに、第１の値マトリクスＭａと第２の値マトリクスＭｂがそれぞれ制御勾配ＧＭおよびＧＰを割り当てる。特に、第１の値マトリクスＭａはトルク制御勾配ＧＭを決定し、第２の値マトリクスＭｂは圧力制御勾配ＧＰを決定する。第１の値マトリクスＭａと第２の値マトリクスＭｂは、それぞれ制御量の引き上げと制御量Ａの引き下げのために利用される２つの値マトリクスをそれぞれ含んでいる。

【0062】

アンチスリップコントローラ１０は、制御動作制御部５０ａをモータ制御部ＣＭに含むとともに、第２の制御動作制御部５０ｂをブレーキ制御部ＣＢに含んでいる。第１の制御動作制御部５０ａは、決定された制御動作Ａと決定されたトルク制御勾配ＧＭをベースとして目標トルクＭＴを決定する。第２の制御動作制御部５０ｂは、決定された制御動作Ａと決定された圧力制御勾配ＧＰをベースとして目標圧力ＰＴを決定する。

【0063】

このようにしてアンチスリップコントローラ１０は、値マトリクスＭａ，Ｍｂを利用したうえで、目標スリップを実現するために車両のモータおよび／またはブレーキを制御する。

【0064】

図２は、二次元の値マトリクスＭの模式図である。値マトリクスＭは、車両の最新のホイール加速度Ｙａに対する車両の最新のスリップＳを、事前に規定された離散的なステップで表現する。このケースでは値マトリクスＭは１００個のエントリを含み、１０個の考えられる離散的なスリップ値Ｓと、１０個の考えられる離散的なホイール加速度Ｙａが各々の組み合せで表示されている。したがって最新のスリップＳが、値マトリクスの中でもっとも近くに位置するスリップのエントリの１つに割り当てられる。同様のことがホイール加速度Ｙａにも当てはまる。値マトリクスＭのこれらの各々のエントリをパラメータＰと呼ぶ。各々のパラメータＰは、考えられる制御勾配に関する、すなわち少なくとも１つの制御量の変化に関する、情報を含んでいる。このケースでは、値マトリクスＭはモータトルクの制御のために利用される。最新のスリップＳと最新のホイール加速度Ｙａとからなる１つの組み合わせが、パラメータ３３に割り当てられている。パラメータ３３は、制御されるべきモータトルクの変化に関する情報を含んでおり、すなわち、換言するとトルク制御勾配ＧＭを含んでいる。

【0065】

図３は、車両の多数の値マトリクスの模式図である。モータと後輪駆動部とを有する車両の一例が示されている。

【0066】

したがって、モータ制御部ＣＭは第１の値マトリクスＭ＿Ｍｉｎｃを含んでおり、これはトルク引き上げが決定されたケースにおいて、スリップＳすなわち車両の全体スリップを、およびホイール加速度Ｙａを、トルク制御勾配ＧＭに割り当てる。さらにモータ制御部Ｃｍは、第２の値マトリクスＭ＿Ｍｄｅｃを含んでおり、これはトルク引き下げが決定されたケースにおいて、車両のスリップＳを、およびホイール加速度Ｙａを、トルク制御勾配ＧＭに割り当てる。

【0067】

後輪駆動部により、アンチスリップコントロールのためにそれぞれの後輪の両方のブレーキシリンダが制御される。すなわちブレーキ制御部ＣＢは第３の値マトリクスＭ＿Ｐ１ｉｎｃを含んでおり、これは圧力引き上げが決定されたケースにおいて、第１の後輪Ｓ１のスリップとホイール加速度Ｙａとを、第１の後輪についての第１の圧力制御勾配ＧＰ１に割り当てる。さらにブレーキ制御部ＣＢは第４の値マトリクスＭ＿Ｐ１ｄｅｃを含んでおり、これは圧力引き下げが決定されたケースにおいて、第１の後輪Ｓ１のスリップとホイール加速度Ｙａとを、第１の後輪についての第１の圧力制御勾配ＧＰ１に割り当てる。さらにブレーキ制御部ＣＢは第５の値マトリクスＭ＿Ｐ２ｉｎｃを含んでおり、これは圧力引き上げが決定されたケースにおいて、第２の後輪Ｓ２のスリップとホイール加速度Ｙａとを、第２の後輪についての第２の圧力制御勾配ＧＰ２に割り当てる。さらにブレーキ制御部ＣＢは第６の値マトリクスＭ＿Ｐ２ｄｅｃを含んでおり、これは圧力引き下げが決定されたケースにおいて、第２の後輪Ｓ２のスリップとホイール加速度Ｙａとを、第２の後輪についての第２の圧力制御勾配ＧＰ２に割り当てる。

【0068】

図４は、アンチスリップコントロールを適合化する方法の模式図である。このケースでは、モータトルクの制御によるアンチスリップコントロールが示されている。すでに説明したとおり、値マトリクスＭを通じてトルク制御勾配ＧＭが決定される。トルク制御勾配ＧＭをベースとして制御動作制御部５０は目標トルクを決定し、これに合わせてアンチスリップコントローラがモータトルクを制御する。このようにして車両Ｆのアンチスリップコントロールが実行され、このとき制御量は、このケースではモータトルクは、決定された制御動作に応じて、決定された制御勾配ＧＭの分だけ適合化される。引き続きアンチスリップコントローラは車両Ｓの最新の状態変数Ｓを監視し、観察される時間にわたってアンチスリップコントロールが実行されることによる最新の状態変数の変化ΔＳを決定する。挙動評価ユニット６０が、最新の状態変数の変化ΔＳを評価する。特に、挙動評価ユニット６０は事前に決定された多数の学習規則を含んでいて、これらを最新の状態変数の変化ΔＳに依存してトリガすることができる。個々の学習規則は、更新された値マトリクスＭ＿ｕを得るために学習値ΔＰを決定し、この分だけ値マトリクスＭのパラメータＰが適合化される。このようにして、ダイナミックに学習される値マトリクスを提供することができ、これをベースとして、アンチスリップコントローラが最適化されたアンチスリップコントロールを実行することができる。

【0069】

図５は、アンチスリップコントロールにおける学習規則の模式図である。特に図５は、モータの目標トルクＭＴ、制御動作Ａ、スリップＳ、およびアンチスリップコントロールの時間にわたっての目標スリップＳＴを示している。図５は、調整挙動およびこれに引き続いての通常の制御を示している。換言すると図５は、調整段階Ｒ＿Ｅと制御段階Ｒ＿Ｒとを示している。調整段階Ｒ＿Ｅについては、制御段階Ｒ＿Ｒとは異なる、トリガすることができる学習規則が意図される。さらに、調整・学習規則Ｌ＿Ｅと制御・学習規則Ｌ＿Ｒが時間にわたって図示されている。調整段階Ｒ＿Ｅでは、目標トルクＭＴを引き上げるために作用する第１の調整・学習規則Ｌ＿Ｅ１がトリガされる。第２の調整・学習規則Ｌ＿Ｅ２が、制御段階Ｒ＿Ｒでトリガされる。ただしこの第２の調整・学習規則Ｌ＿Ｅ２は、調整段階Ｒ＿Ｅでのみ関与するので無視される。制御段階Ｒ＿Ｒでは、制御・学習規則Ｌ＿Ｒだけが斟酌される。たとえば第１の制御・学習規則Ｌ＿Ｒ１が制御段階Ｒ＿Ｒでトリガされて、目標トルクＭＴの引き下げのために作用する。

【0070】

図６は、学習値のダイナミックな適合化の模式図である。この例では第１の学習規則Ｌ１がトリガされ、時間的に遅れて第２の学習規則Ｌ２がトリガされる。第１の学習規則Ｌ１がトリガされる時点で、ホイール加速度Ｙａは－２．７５の値を有しており、第２の学習規則Ｌ２がトリガされる時点で、ホイール加速度Ｙａは１．５の値を有している。－２．７５のホイール加速度Ｙａは、アクスルの中程度の強さの減速を表す。それに応じて１０％の学習値に代えて、２０％の学習値が適用される。換言すると、ホイール加速度Ｙａに基づき、値マトリクスＭのパラメータＰの適合化にあたって、事前に規定された１０％の値だけの適合化に代えて、２０％の値がダイナミックに適用される。同様に、１．５のホイール加速度Ｙａはアクスルの軽微な加速を表し、したがって－１０％の学習値に代えて、－１５％の学習値が適用される。このようにして、ホイール加速度Ｙａに依存して学習値の大きさがダイナミックに適合化される。

【0071】

図７は、２つの学習規則の間での、このケースでは第３の学習規則Ｌ３と第４の学習規則Ｌ４との間での、アービトレーションの模式図である。図示されているのは、スリップＳの推移、スリップＳがアンチスリップコントロールによって理想的な場合にその中にあるべき最大の限界値ＳＴｍａｘおよび最小の限界値ＳＴｍｉｎを有する目標スリップＳＴの推移である。このケースでは、たとえば１５０ｍｓの比較的短い時間で、互いに相反する２つの学習規則がトリガされる。第３の学習規則Ｌ３は、スリップが過度に強く増加しいるので、スリップの低減を強めようとする。第４の学習規則Ｌ４は、スリップが過度に強く低下しているので、スリップの低減を弱めようとする。

【0072】

その意味において、両方の学習規則Ｌ３、Ｌ４がアービトレーションされなければならない。アービトレーションは、時間的に早いほうの学習規則の無視を含む。というのも第２の学習規則のほうが、いっそう最新の情報および／またはいっそう多い情報を有するからである。その代替として、アービトレーションは両方の学習規則の無視を含む。その代替としてアービトレーションは、時間的に第２の学習規則のトリガから遠く離れて位置する領域についてのみ、時間的に第１の学習規則が適用されることを含む。このようにアンチスリップコントロールのアービトレーションは、操作および／またはバックグラウンドに関わるさまざまな要求事項を考慮することを可能にする。

【0073】

図８は、アンチスリップコントロールにおける反応時間ｔ＿Ｒの学習の模式図である。このグラフは、第５の学習規則Ｌ５、制御動作Ａ、スリップＳ、ホイール加速度Ｙａ、および目標トルクＭＴを時間に対して示している。学習規則をトリガする理由Ｃは、ここでは両方の状態量ＳおよびＹａからもたらされる。その結果として生じる目標トルクの学習値領域が、黄色で囲まれている。図８は、本来の理由Ｃと、学習規則Ｌ５による評価Ｅｖとの間の反応時間ｔ＿Ｒがどれくらい長いかが、著しい影響を及ぼし得ることを示すためのものである。その意味において、最適化されたアンチスリップコントロールのためには、状態変数の変化ΔＳの評価に依存して、特に機械学習モジュールを用いて、反応時間ｔ＿Ｒが学習されると有益である。

【符号の説明】

【0074】

２０ アンチスリップコントローラ
Ａ 最新の制御動作
Ｅｖ 評価
Ｆ 車両
ＧＴ，ＧＰ 制御勾配
Ｌ 学習規則
Ｌ＿Ｅ 調整・学習規則
Ｌ＿Ｒ 制御・学習規則
Ｍ 値マトリクス
Ｐ パラメータ
Ｒ＿Ｅ 調整段階
Ｒ＿Ｒ 制御段階
Ｓ スリップ
ΔＳ 最新の状態変数の変化
ｔ＿Ｒ 反応時間
Ｙａ ホイール加速度
Ｚ 状態変数

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【手続補正書】

【提出日】2024-04-08

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

車両のアンチスリップコントロールを自動式に適合化する方法において、次の各ステップを含み、
前記車両（Ｆ）の最新の状態をそれぞれ示唆する前記車両（Ｆ）の最新の状態変数（Ｚ）が受信され、
受信された最新の状態変数（Ｚ）をベースとしてアンチスリップコントローラ（２０）により制御動作（Ａ）が決定され、前記制御動作（Ａ）は制御量の引き上げ、維持、または引き下げを含み、制御量は前記車両（Ｆ）のモータのトルクおよび／または前記車両（Ｆ）のブレーキシリンダの圧力を含み、
値マトリクス（Ｍ）を利用したうえで制御量の制御勾配（ＧＴ，ＧＰ）が決定され、前記値マトリクス（Ｍ）はそれぞれ前記車両（Ｆ）の最新の値マトリクス・状態変数に割り当てられる多数のパラメータ（Ｐ）を含み、前記制御勾配（ＧＴ，ＧＰ）は最新の値マトリクス・状態変数に依存して多数の前記パラメータ（Ｐ）から選択され、前記最新の状態変数（Ｚ）は最新の値マトリクス・状態変数を含み、
前記車両（Ｆ）のアンチスリップコントロールが実行され、決定された制御動作に応じて決定された制御勾配だけ制御量が適合化され、
観察される時間にわたってアンチスリップコントロールの実行による最新の状態変数の変化（ΔＳ）が決定され、
最新の状態変数の決定された変化（ΔＳ）に依存して、事前に規定されている少なくとも１つの学習規則（Ｌ）がトリガされることによって前記値マトリクス（Ｍ）の少なくとも１つのパラメータ（Ｐ）が適合化される、方法。

【請求項2】

前記車両（Ｆ）の最新の値マトリクス・状態変数は前記車両（Ｆ）のスリップ（Ｓ）とホイール加速度（Ｙａ）とを含む、請求項１に記載の方法。

【請求項3】

少なくとも１つの学習規則（Ｌ）は観察される時間に最新の状態変数が事前に規定された限界値の分だけ特定の変化をすることによってトリガされ、前記学習規則（Ｌ）は学習値を決定し、この学習値の分だけ少なくとも１つの前記パラメータ（Ｐ）が適合化される、請求項１または２のいずれか１項に記載の方法。

【請求項4】

事前に規定される学習値が前記車両の前記ホイール加速度（Ｙａ）に依存して適合化される、請求項２に記載の方法。

【請求項5】

学習規則は調整・学習規則（Ｌ＿Ｅ）と制御・学習規則（Ｌ＿Ｒ）とを含み、前記調整・学習規則（Ｌ＿Ｅ）は前記スリップ（Ｓ）の調整段階（Ｒ＿Ｅ）中に適用され、前記制御・学習規則（Ｌ＿Ｒ）は前記スリップ（Ｓ）の前記調整段階（Ｒ＿Ｅ）の後の制御中に適用される、請求項２または４のいずれか１項に記載の方法。

【請求項6】

少なくとも２つの学習規則（Ｌ１，Ｌ２）が事前に規定された相互の時間的間隔を下回っている場合に、時間的に連続する少なくとも２つの学習規則（Ｌ１，Ｌ２）がアービトレーションされることを含む、請求項１または２または４のいずれか１項に記載の方法。

【請求項7】

少なくとも２つの学習規則（Ｌ１，Ｌ２）が事前に規定された相互の時間的間隔を下回っている場合に、時間的に連続する少なくとも２つの学習規則（Ｌ１，Ｌ２）がアービトレーションされることを含む、請求項３に記載の方法。

【請求項8】

前記最新の状態変数の変化（ΔＳ）の評価（Ｅｖ）と、アンチスリップコントロールとの間の反応時間（ｔ＿Ｒ）が学習されることを含む、請求項１または２または４のいずれか１項に記載の方法。

【請求項9】

前記最新の状態変数の変化（ΔＳ）の評価（Ｅｖ）と、アンチスリップコントロールとの間の反応時間（ｔ＿Ｒ）が学習されることを含む、請求項３に記載の方法。

【請求項10】

トリガされた学習規則（Ｌ）が前記最新の状態変数（Ｚ）に依存して無視されることを含む、請求項１または２または４のいずれか１項に記載の方法。

【請求項11】

トリガされた学習規則（Ｌ）が前記最新の状態変数（Ｚ）に依存して無視されることを含む、請求項３に記載の方法。

【請求項12】

請求項１または２または４のいずれか１項に記載の方法を実施するためにセットアップされたコンピュータプログラム製品。

【請求項13】

請求項３に記載の方法を実施するためにセットアップされたコンピュータプログラム製品。

【請求項14】

請求項１または２または４のいずれか１項に記載の方法を実施するためにセットアップされた装置。

【請求項15】

請求項３に記載の方法を実施するためにセットアップされた装置。

【国際調査報告】