JP7332005B1

JP7332005B1 - 制御装置及び制御方法

Info

Publication number: JP7332005B1
Application number: JP2022134335A
Authority: JP
Inventors: 元哉鈴木; 修一矢作
Original assignee: Isuzu Motors Ltd
Current assignee: Isuzu Motors Ltd
Priority date: 2022-08-25
Filing date: 2022-08-25
Publication date: 2023-08-23
Anticipated expiration: 2042-08-25
Also published as: CN117631526A; US20240067186A1; DE102023118940A1; JP2024031041A

Abstract

【課題】測定ノイズの影響を抑制したＰＩ制御を実現する。
【解決手段】目標値と出力との差に基づいて制御対象への制御入力をＰＩ制御する制御装置は、測定ノイズを含む制御対象の出力の微分を、制御入力と規範モデルに対するずれ量とで規定したウルトラローカルモデルを、状態空間モデルに変換するモデル変換部３４と、状態空間モデルから構成されたカルマンフィルタを適用してウルトラローカルモデルのずれ量を推定する推定部３６と、推定したずれ量、比例ゲイン及び積分ゲインに基づいて、前記制御入力を求める操舵角算出部３８を備える。
【選択図】図４

Description

本発明は、ＰＩ制御を行う制御装置及び制御方法に関する

目標値と制御対象からの出力との差に基づいて制御対象への制御入力を制御する制御装置として、車両のヨーレートを制御するヨーレート制御装置が知られている。ヨーレート制御装置は、例えば、目標ヨーレートと実ヨーレートの差に応じて、車両の操舵角を制御している。

特開２０１０－１２６０９３号公報

近年、目標値と制御対象の出力の乖離を抑制すべく、ＰＩ制御を用いると共に、ウルトラローカルモデル（Ultra-Local Model）に規定された制御対象からの出力のずれ量を推定して制御入力を求める方式が提案されている。
しかし、上記の方式では、誤差を推定する際に出力を微分するため、出力に含まれる測定ノイズの影響が増大するおそれがあった。

そこで、本発明はこれらの点に鑑みてなされたものであり、測定ノイズの影響を抑制したＰＩ制御を実現することを目的とする。

本発明の第１の態様においては、制御対象への目標値と、前記制御対象からの出力との差に基づいて、前記制御対象への制御入力をＰＩ制御する制御装置であって、測定ノイズを含む前記制御対象の出力の微分を、前記制御入力と規範モデルに対するずれ量とで規定したウルトラローカルモデル（Ultra-Local Model）を、状態空間モデルに変換するモデル変換部と、前記状態空間モデルから構成されたカルマンフィルタを適用して、前記ウルトラローカルモデルの前記ずれ量を推定する推定部と、推定した前記ずれ量、比例ゲイン及び積分ゲインに基づいて、前記制御入力を求める算出部と、を備える制御装置を提供する。

また、前記モデル変換部は、前記ウルトラローカルモデルの前記ずれ量の微分を０と仮定して、前記ウルトラローカルモデルを前記状態空間モデルに変換することとしてもよい。

また、前記推定部は、前記カルマンフィルタとして定常カルマンフィルタを適用して、前記ずれ量を推定することとしてもよい。

また、前記出力は、車両の実ヨーレートであり、前記目標値は、前記車両の目標ヨーレートであり、前記制御入力は前記車両の操舵角であることとしてもよい。

本発明の第２の態様においては、制御対象への目標値と、前記制御対象からの出力との差に基づいて、前記制御対象への制御入力をＰＩ制御する制御方法であって、測定ノイズを含む前記制御対象の出力の微分を、前記制御入力と規範モデルに対するずれ量とで規定したウルトラローカルモデル（Ultra-Local Model）を、状態空間モデルに変換する工程と、前記状態空間モデルから構成されたカルマンフィルタを適用して、前記ウルトラローカルモデルの前記ずれ量を推定する工程と、推定した前記ずれ量、比例ゲイン及び積分ゲインに基づいて、前記制御入力を求める工程と、を備える制御方法を提供する。

本発明によれば、測定ノイズの影響を抑制したＰＩ制御を実現できるという効果を奏する。

ヨーレート制御システム１００の構成を示す模式図である。シミュレーション結果を示す図である。ヨーレート制御装置１の機能構成を示す模式図である。比較例に係るヨーレート制御システム２００の構成を示す模式図である。

＜ヨーレート制御システムの構成＞
ヨーレート制御システムは、走行中の車両のヨーレートを制御するシステムである。ヨーレートは、車両の旋回方向への回転角の変化する速度を意味する。以下では、本発明に係るヨーレート制御システムの構成を説明する前に、比較例に係るヨーレート制御システムの構成について、図４を参照しながら説明する。

図４は、比較例に係るヨーレート制御システム２００の構成を説明するための模式図である。ヨーレート制御システム２００は、図４に示すように、制御対象２０２と、ヨーレート制御装置２０４を有する。

制御対象２０２は、ここでは車両（具体的には、車両の操舵装置）である。制御対象２０２には、制御入力である操舵角ｕが入力される。また、制御対象２０２からは出力として実ヨーレートｙが出力される。

ヨーレート制御装置２０４は、目標ヨーレートｒと実ヨーレートｙの偏差に基づいて、制御対象２０２の制御入力である操舵角ｕを制御する。ヨーレート制御装置２０４は、目標ヨーレートｒと実ヨーレートｙの偏差ｅをゼロにするように、操舵角ｕをフィードバック制御する。また、ヨーレート制御装置２０４は、ＰＩ制御を行うべく、比例器２０５ａ及び積分器２０５ｂを有する。

ヨーレート制御システム２００においては、所望のヨーレート応答を実現すべく、制御対象１０２を公知のウルトラローカルモデル（Ultra-Local Model）としてモデリングしている。なお、ウルトラローカルモデルは、超局所モデルとも呼ばれ、式（１）のように示される。

式（１）において、ａは設計パラメータであり、Ｆはずれ量である。ずれ量Ｆは、所望の応答特性に設計された規範モデルに対するずれ量であり、様々な誤差を含めたものである。

ずれ量Ｆを推定した推定ずれ差Ｆ_ｅは、式（１）から式（２）のように示される。
式（２）のｕ_ｅは、制御入力である操舵角ｕを推定した推定入力であり、式（３）のように示される。

この場合、操舵角ｕは、式（４）のように示される。
式（４）において、Ｋ_ｐは比例ゲインであり、Ｋ_ｉは積分ゲインである。

制御対象２０２の出力ｙ_ｐと測定ノイズｄとから、実ヨーレートｙが決定される。このため、式（１）に示すウルトラローカルモデルは、測定ノイズｄを含む制御対象２０２の出力の微分を、操舵角ｕとずれ量Ｆとで規定したモデルである。

式（２）の推定ずれ量Ｆ_ｅは、式（５）のように示される。

式（２）に示されるように、推定ずれ量Ｆｅは、実ヨーレートｙを微分した値を用いてあらわされ、また、式（５）に示されるように、測定ノイズｄを微分した値であらわされる。そして、測定ノイズｄを微分すると増大するため、推定ずれ量Ｆ_ｅが測定ノイズｄの影響を受けやすい。この結果、制御入力である操舵角ｕも、振動してしまうことになる。

これに対して、図１に示す本発明に係るヨーレート制御システム１００は、詳細は後述するが、カルマンフィルタを適用して推定ずれ量Ｆ_ｅを求めることで、測定ノイズｄの影響を抑制できるヨーレート制御を実現できる。

図１は、一の実施形態に係るヨーレート制御システム１００の構成を示す模式図である。ヨーレート制御システム１００は、車両の車速変化や車両の重心位置変化等に起因した目標ヨーレートと実ヨーレートの乖離を抑制するように、ヨーレート制御を行う。ヨーレート制御システム１００は、制御対象１０２と、ヨーレート制御装置１０４を有する。

制御対象１０２は、前述した制御対象２０２と同様に、ウルトラローカルモデルとしてモデリングされている。すなわち、制御対象１０２は、前述した式（１）で規定される。

ヨーレート制御装置１０４は、前述したヨーレート制御装置２０４と同様に、目標ヨーレートｒと実ヨーレートｙの偏差に基づいて、制御対象２０２の制御入力である操舵角ｕを制御する。ヨーレート制御装置１０４は、ＰＩ制御を行うべく、比例器１０５ａ及び積分器１０５ｂを有する。

一方で、ヨーレート制御装置１０４は、ヨーレート制御装置２０４とは異なり、カルマンフィルタ部１０６を有する。カルマンフィルタ部１０６は、測定ノズルｄの影響が生じないように推定ずれ量Ｆｅを推定する機能を有する。なお、図１では、ヨーレート制御装置１０４は、破線のブロックで示され、カルマンフィルタ部１０６は、点線のブロックで示されている。カルマンフィルタ部１０６の詳細については、後述する。

ヨーレート制御システム１００においては、以下の流れで、制御入力である操舵角ｕが求まる。
ここでは、前述した式（１）のずれ量Ｆの変化速度が微小であると仮定する。この場合、式（６）が満たされる。

上記の仮定のもとで、ウルトラローカルモデルを状態空間モデルに変換する。変換された状態空間モデルは、式（７）～式（１２）で規定される。
なお、式（７）が状態方程式であり、式（８）が観測方程式である。ｘは状態変数であり、Ａ、Ｂ、Ｃは、それぞれウルトラローカルモデルから求まる係数である。

次に、上記の状態空間モデルを用いて、推定ずれ量Ｆ_ｅを推定するためのカルマンフィルタであるカルマンフィルタ部１０６を構成する。カルマンフィルタは、状態空間モデルにおける状態を推定するための手法である。カルマンフィルタは、ここでは定常カルマンフィルタであり、式（１３）～式（１５）で規定される。
なお、式（１３）においてｘ_ｅは、状態変数ｘの推定値であり、ｙ_ｅは、実ヨーレートｙの推定値である。また、式（１５）に示すカルマンゲインＬは、ここでは、公知であるリカッチ方程式から導かれている。

制御入力である操舵角ｕは、推定ずれ量Ｆ_ｅの推定則とＰＩ制御則から、式（１６）、式（１７）のように示される。

式（１３）～式（１５）から明らかなように、カルマンフィルタを適用する場合には、推定ずれ量Ｆ_ｅを推定する際に実ヨーレートｙを微分する必要がない。このため、実ヨーレートｙに含まれる測定ノイズｄの影響を抑制して推定ずれ量Ｆ_ｅを推定できる。この結果、式（１６）で示される操舵角ｕが測定ノイズｄの増大に起因して振動することも抑制できる。

図２は、シミュレーション結果を示す図である。破線Ａが目標ヨーレートを示し、実線Ｂが実ヨーレートを示している。図２（ａ）には、図４に示す比較例に係るヨーレート制御システム２００のシミュレーション結果が示され、図２（ｂ）には、図１に示す本実施形態に係るヨーレート制御システム１００のシミュレーション結果が示されている。比較例においては、図２（ａ）に示すように実ヨーレートＢが目標ヨーレートＡから乖離している。一方で、本実施形態においては、図２（ｂ）に示すように実ヨーレートＢが目標ヨーレートＡに近い値を示している。この結果から、本実施形態の場合には、測定ノイズの影響が抑制されたヨーレート制御を実現できていることが分かる。なお、図２（ｂ）では、実ヨーレートＢが目標ヨーレートＡとほぼ一致するため、目標ヨーレートＡを示す破線が実ヨーレートＢを示す実線によって隠れている。

＜ヨーレート制御装置の構成＞
図３は、ヨーレート制御装置１の機能構成を示す模式図である。ヨーレート制御装置１が、制御対象への目標値と制御対象からの出力との差に基づいて、制御対象への制御入力をＰＩ制御する制御装置に相当する。

ヨーレート制御装置１は、図１に示すヨーレート制御装置１０４に該当する。ヨーレート制御装置１は、ここでは車両に搭載されている。ヨーレート制御装置１は、車両の目標ヨーレートと実ヨーレートとの差に基づいて、制御入力である車両の操舵角をＰＩ制御する。ヨーレート制御装置１は、図３に示すように、記憶部２０と制御部３０を有する。

記憶部２０は、コンピュータのＢＩＯＳ（Basic Input Output System）等を格納するＲＯＭ（Read Only Memory）、作業領域となるＲＡＭ（Random Access Memory）を含む。また、記憶部２０は、ＯＳ（Operating System）やアプリケーションプログラム、当該アプリケーションプログラムの実行時に参照される種々の情報を格納するＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の大容量記憶装置である。

制御部３０は、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等のプロセッサである。制御部３０は、記憶部２０に記憶されたプログラムを実行することによって、データ取得部３２、モデル変換部３４、推定部３６及び操舵角算出部３８として機能する。

データ取得部３２は、目標ヨーレートと実ヨーレートを取得する。例えば、データ取得部３２は、車両のＥＣＵによって設定された目標ヨーレートを取得する。また、データ取得部３２は、車両に搭載されたセンサ等の検出部が検出した実ヨーレートを取得する。データ取得部３２は、車両の走行中に所定間隔毎に、目標ヨーレート及び実ヨーレートを取得しうる。

モデル変換部３４は、制御対象（例えば、操舵装置）のウルトラローカルモデルを、状態空間モデルに変換する。具体的には、モデル変換部３４は、前述した式（１）で示されるウルトラローカルモデルを、前述した式（７）～式（１２）で示される状態空間モデルに変換する。この際、モデル変換部３４は、ずれ量Ｆの速度変化が微小であるためウルトラローカルモデルのずれ量Ｆの微分を０と仮定して（式（６）参照）、状態変換モデルに変換する。

推定部３６は、状態空間モデルから構成されたカルマンフィルタを適用して、ウルトラローカルモデルのずれ量を推定する。具体的には、推定部３６は、前述した式（１３）～式（１５）で規定されるカルマンフィルタを適用して、推定ずれ量Ｆ_ｅを推定する。推定部３６は、ここではカルマンフィルタとして定常カルマンフィルタを適用して、推定ずれ量Ｆ_ｅを推定する。この場合、カルマンフィルタのカルマンゲインを、リカッチ方程式により導出でき、推定ずれ量Ｆ_ｅを推定しやすくなる。

操舵角算出部３８は、推定ずれ量Ｆ_ｅ、比例ゲイン及び積分ゲインに基づいて、制御入力を求める算出部である。具体的には、操舵角算出部３８は、前述した式（１６）、（１７）から、制御入力である車両の操舵角ｕを求める。すなわち、操舵角算出部３８は、推定ずれ量Ｆ_ｅの推定則とＰＩ制御則から、操舵角ｕを求める。推定ずれ量Ｆ_ｅが測定ノイズｄの微分を含まないため、求めた操舵角ｕにおける測定ノイズｄの影響が抑制される。

＜本実施形態における効果＞
上述した実施形態のヨーレート制御装置１は、測定ノイズｄを含む制御対象１０２を規定したウルトラローカルモデルを状態空間モデルに変換するモデル変換部３４と、状態空間モデルから構成されたカルマンフィルタを適用してウルトラローカルモデルの推定ずれ量Ｆ_ｅを推定する推定部３６とを有する。さらに、ヨーレート制御装置１は、推定ずれ量Ｆ_ｅ、比例ゲイン及び積分ゲインに基づいて、制御入力である操舵角ｕを求める操舵角算出部３８を有する。
推定部３６がカルマンフィルタを適用して推定ずれ量Ｆ_ｅを推定する場合には、カルマンフィルタが実ヨーレートｙ（制御対象の出力）の微分を行わないため、実ヨーレートｙに含まれる測定ノイズｄの影響を抑制したヨーレート制御を実現できる。また、車両の車速変化や車両の重心位置変化等に起因した目標ヨーレートｒと実ヨーレートｙの乖離を抑制できるので、ヨーレート制御の劣化を抑制できる。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を併せ持つ。

１ヨーレート制御装置
３４モデル変換部
３６推定部
３８操舵角算出部
１００ヨーレート制御システム
１０２制御対象
１０５ａ比例器
１０５ｂ積分器
１０６カルマンフィルタ部

Claims

制御対象への目標値と、前記制御対象からの出力との差に基づいて、前記制御対象への制御入力をＰＩ制御する制御装置であって、
測定ノイズを含む前記制御対象の出力の微分を、前記制御入力と規範モデルに対するずれ量とで規定したウルトラローカルモデル（Ultra-Local Model）を、状態空間モデルに変換するモデル変換部と、
前記状態空間モデルから構成されたカルマンフィルタを適用して、前記ウルトラローカルモデルの前記ずれ量を推定する推定部と、
推定した前記ずれ量、比例ゲイン及び積分ゲインに基づいて、前記制御入力を求める算出部と、
を備える制御装置。
前記モデル変換部は、前記ウルトラローカルモデルの前記ずれ量の微分を０と仮定して、前記ウルトラローカルモデルを前記状態空間モデルに変換する、
請求項１に記載の制御装置。
前記推定部は、前記カルマンフィルタとして定常カルマンフィルタを適用して、前記ずれ量を推定する、
請求項１に記載の制御装置。
前記出力は、車両の実ヨーレートであり、前記目標値は、前記車両の目標ヨーレートであり、前記制御入力は前記車両の操舵角である、
請求項１乃至３のいずれか1項に記載の制御装置。
制御対象への目標値と、前記制御対象からの出力との差に基づいて、前記制御対象への制御入力をＰＩ制御する制御方法であって、
測定ノイズを含む前記制御対象の出力の微分を、前記制御入力と規範モデルに対するずれ量とで規定したウルトラローカルモデル（Ultra-Local Model）を、状態空間モデルに変換する工程と、
前記状態空間モデルから構成されたカルマンフィルタを適用して、前記ウルトラローカルモデルの前記ずれ量を推定する工程と、
推定した前記ずれ量、比例ゲイン及び積分ゲインに基づいて、前記制御入力を求める工程と、
を備える制御方法。