JPH04149605A - 車両制御方法 - Google Patents
車両制御方法Info
- Publication number
- JPH04149605A JPH04149605A JP27090790A JP27090790A JPH04149605A JP H04149605 A JPH04149605 A JP H04149605A JP 27090790 A JP27090790 A JP 27090790A JP 27090790 A JP27090790 A JP 27090790A JP H04149605 A JPH04149605 A JP H04149605A
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- simulation
- teacher signal
- vehicle
- main
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
（産業上の利用分野）
この発明は、前後輪転舵角やエンジン出力等を統合的に
制御して車両運動を制御する車両制御方法に関する。
制御して車両運動を制御する車両制御方法に関する。
（従来の技術とその間選点）
従来からステアリング制御、エンジン制御あるいは駆動
系等を統合的に制御するものが知られている。そして、
この場合には、各個別制御の統合化アルゴリズムを用い
てシステムを＃Ｉ築するようにしていた。
系等を統合的に制御するものが知られている。そして、
この場合には、各個別制御の統合化アルゴリズムを用い
てシステムを＃Ｉ築するようにしていた。
上記のようにした従来の制御方法では、統合化アルゴリ
ズムを構築しなければならないが、この作業は制御要素
数の２乗に比例して難しくなるといわれるものである。
ズムを構築しなければならないが、この作業は制御要素
数の２乗に比例して難しくなるといわれるものである。
したがって、制御要素数が増加するにともなって膨大な
アルゴリズム開発工数が必要になるという問題があった
。
アルゴリズム開発工数が必要になるという問題があった
。
この発明の目的は、簡単な方法で車両運動を制御てきる
ようにした制御方法を提供することである。
ようにした制御方法を提供することである。
（Ｈ，題を解決するための手段）
この発明は、車両運動をシュミレートするシュミレーシ
ョン用ニューラルネットと、車両を統合制御するメイン
ニューラルネットとを備え、シュミレーション用ニュー
ラルネットで特定した信号を基にメインニューラルネッ
トの教師信号を計算し、この教師信号に基づいてメイン
ニューラルネットのウェイトを修正するようにした点に
特徴を有する。
ョン用ニューラルネットと、車両を統合制御するメイン
ニューラルネットとを備え、シュミレーション用ニュー
ラルネットで特定した信号を基にメインニューラルネッ
トの教師信号を計算し、この教師信号に基づいてメイン
ニューラルネットのウェイトを修正するようにした点に
特徴を有する。
（本発明の作用）
この発明は、シュミレーション用ニューラルネットで車
両運動を学習させる。そして、この学習を終えたシュミ
レーション用ニューラルネットをメインニューラルネッ
トに接合するとともに、メインニューラルネットの教師
信号を特定し、この教師信号に基づいてメインニューラ
ルネットのウェイトを調整する。
両運動を学習させる。そして、この学習を終えたシュミ
レーション用ニューラルネットをメインニューラルネッ
トに接合するとともに、メインニューラルネットの教師
信号を特定し、この教師信号に基づいてメインニューラ
ルネットのウェイトを調整する。
（本発明の効果）
この発明の制御方法によれば、ニューラルネットを利用
して車両運動を学習させ、その学習結果で車両を統合的
に制御するようにしたので、従来のように膨大なアルゴ
リズムを構築する必要がなくなり、それだけシステムの
構築が簡単になる。
して車両運動を学習させ、その学習結果で車両を統合的
に制御するようにしたので、従来のように膨大なアルゴ
リズムを構築する必要がなくなり、それだけシステムの
構築が簡単になる。
（本発明の実施例）
第２図においてＢはシュミレーション用ニューラルネッ
トで、このシュミレーション用ニューラルネットＢは、
前輪舵角α１、後輪舵角α１、スロットル開度δ０、燃
料噴射量Ｑａ、点火時期ｔ１、シリンダ圧ＰＡ及びブレ
ーキ圧Ｐａを人力とし、車両運動結果であるヨー角速度
φ、ロール角速度φ、ピッチ角速度δ、前後加速度Ｘ、
左右加速度ｙ、上下加速度ｉ及び車速Ｖを出力とする角
速度θ、前後加速度Ｘ、左右加速度ｙ、上下加速度ｉ及
び車速Ｖを教師信号としている。
トで、このシュミレーション用ニューラルネットＢは、
前輪舵角α１、後輪舵角α１、スロットル開度δ０、燃
料噴射量Ｑａ、点火時期ｔ１、シリンダ圧ＰＡ及びブレ
ーキ圧Ｐａを人力とし、車両運動結果であるヨー角速度
φ、ロール角速度φ、ピッチ角速度δ、前後加速度Ｘ、
左右加速度ｙ、上下加速度ｉ及び車速Ｖを出力とする角
速度θ、前後加速度Ｘ、左右加速度ｙ、上下加速度ｉ及
び車速Ｖを教師信号としている。
上記のようにした出力値と教師信号とを比較し、その差
が許容レベル以下になるようにニューラルネットのウェ
イトを修正するもので、そのウェイト修正方法としては
バックプロパゲーション法等があるが、その方法につい
てはどのようなものであってもよい。
が許容レベル以下になるようにニューラルネットのウェ
イトを修正するもので、そのウェイト修正方法としては
バックプロパゲーション法等があるが、その方法につい
てはどのようなものであってもよい。
上記のようにして学習を終了したシュミレーション用ニ
ューラルネットＢを、第３図に示すようにメインニュー
ラルネットＡに接続して、このメインニューラルネット
Ａに、望ましい車両運動の統合制御を学習させる。
ューラルネットＢを、第３図に示すようにメインニュー
ラルネットＡに接続して、このメインニューラルネット
Ａに、望ましい車両運動の統合制御を学習させる。
そして、この場合の教師信号としては理想的な車両運動
結果を与えることになるが、この理想的な運動結果とは
、例えば、ヨー角速度φについてハンドル角αＨと車速
Ｖとで決定される定常ヨー角度に一致させることが考え
られる。そして、その求め方は次のとおりである。
結果を与えることになるが、この理想的な運動結果とは
、例えば、ヨー角速度φについてハンドル角αＨと車速
Ｖとで決定される定常ヨー角度に一致させることが考え
られる。そして、その求め方は次のとおりである。
八
Ｖ Ｑ、 ・・・・（１）
φ“ １＋Ａｖ−。
ｎニステアリングギヤ比
Ａ：スタビリテイファクタ
ただし、この教師信号の特定は、上記のことに限定され
ることではない。その他、教師信号として適切なものが
あれば、どのようなものを使用してもよいものである。
ることではない。その他、教師信号として適切なものが
あれば、どのようなものを使用してもよいものである。
そして、ニューラルネットから得られた許容レベル以下
になるようにメインニューラルネットＡのウェイトを修
正することになる。その際、シュミレーション用ニュー
ラルネットＢについては、対象としている車両の運動を
シュミレートするように第１ステツプですでに完成して
いるので、ニューラルネットＡに統合制御をいかに学習
させるかが問題になる。
になるようにメインニューラルネットＡのウェイトを修
正することになる。その際、シュミレーション用ニュー
ラルネットＢについては、対象としている車両の運動を
シュミレートするように第１ステツプですでに完成して
いるので、ニューラルネットＡに統合制御をいかに学習
させるかが問題になる。
そして、メインニューラルネットＡに上記統合制御の学
習をさせるには、教師信号α１、α１．９ｔ 、Ｑａ
、Ｑｌ 、ＱＡ 、Ｑａを与える必要があ△ だけなので、それらをメインニューラルネットＡ側の教
師信号Ａ、、公１、合ｔ、Ｑａ、↑１、ＰＡ、ＰＩ３に
置き換えなければならない。その置き換えは第３図に示
す計算システムＣを利用して、次のようにする。例えば
、シュミレーションネットＢの入力セット（α；、α；
、δ： ・・・・）に対して、出力１が得られるととも
に、そ△ のときの教師信号がφであるとすると、それを次のよう
にしてメインニューラルネットＡの教師信号に置き換え
る。
習をさせるには、教師信号α１、α１．９ｔ 、Ｑａ
、Ｑｌ 、ＱＡ 、Ｑａを与える必要があ△ だけなので、それらをメインニューラルネットＡ側の教
師信号Ａ、、公１、合ｔ、Ｑａ、↑１、ＰＡ、ＰＩ３に
置き換えなければならない。その置き換えは第３図に示
す計算システムＣを利用して、次のようにする。例えば
、シュミレーションネットＢの入力セット（α；、α；
、δ： ・・・・）に対して、出力１が得られるととも
に、そ△ のときの教師信号がφであるとすると、それを次のよう
にしてメインニューラルネットＡの教師信号に置き換え
る。
まず、計算値と教師信号の差
△
Δφ−φ−φ ・・・・・・（２）
を求める。このときシュミレーションニューツノ１ネツ
トＢは完成されているので、偏微分値ｂ↓／α、＝コリ
ー］ 、・・・（３）ａαｆ αむαｆ を求めることは簡単である。これにより補正−として教
師信号を △ α、＝αｔ ＋Δαｆ ― ◆ ・ ・ −（５）のよ
うに設定する。
トＢは完成されているので、偏微分値ｂ↓／α、＝コリ
ー］ 、・・・（３）ａαｆ αむαｆ を求めることは簡単である。これにより補正−として教
師信号を △ α、＝αｔ ＋Δαｆ ― ◆ ・ ・ −（５）のよ
うに設定する。
その他の教師信号も同様にして計寞する。
このようにして各教師信号、Ｑ、、Ａ、、Ｑ、・・が定
まれば、バックプロパゲーション法やその他の方法によ
って、上記教師信号との差が許容レベル以下になるまで
メインニューラルネットＡのウェイトを修正する。
まれば、バックプロパゲーション法やその他の方法によ
って、上記教師信号との差が許容レベル以下になるまで
メインニューラルネットＡのウェイトを修正する。
このようにしてウェイトを修正されたメインニューラル
ネットＡが完成したら、このニューラルネットＡを、第
１図に示すように実際の車両に取付け、ハンドル餉、ア
クセル開度及びブレーキ踏み力に応じた統合的な制御を
することになる。
ネットＡが完成したら、このニューラルネットＡを、第
１図に示すように実際の車両に取付け、ハンドル餉、ア
クセル開度及びブレーキ踏み力に応じた統合的な制御を
することになる。
上記のことからも明らかなように、シュミレーション用
ニューラルネットＢは、メインニューラルネットＡの学
習用のために構築されたものであり、学習終了後はそれ
を使用しない。
ニューラルネットＢは、メインニューラルネットＡの学
習用のために構築されたものであり、学習終了後はそれ
を使用しない。
図面はこの発明の実施例を示すもので、′１７４１図は
メインニューラルネットを車両に取付けた状態のブロッ
ク図、第２図はシュミレション用ニューラルネットのブ
ロック図、１８３図はメインニューラルネットとシュミ
レーション用ニューラルネットとの接合状態を示すブロ
ック図である。 Ａ−メインニューラルネット、Ｂ−シュミレーション用
ニューラルネット。
メインニューラルネットを車両に取付けた状態のブロッ
ク図、第２図はシュミレション用ニューラルネットのブ
ロック図、１８３図はメインニューラルネットとシュミ
レーション用ニューラルネットとの接合状態を示すブロ
ック図である。 Ａ−メインニューラルネット、Ｂ−シュミレーション用
ニューラルネット。
Claims (1)
- 車両運動をシュミレートするシュミレーション用ニュ
ーラルネットと、車両を統合制御するメインニューラル
ネットとを備え、シュミレーション用ニューラルネット
で特定した信号を基にメインニューラルネットの教師信
号を計算し、この教師信号に基づいてメインニューラル
ネットのウエイトを修正することを特徴とする車両制御
方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27090790A JPH04149605A (ja) | 1990-10-09 | 1990-10-09 | 車両制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27090790A JPH04149605A (ja) | 1990-10-09 | 1990-10-09 | 車両制御方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH04149605A true JPH04149605A (ja) | 1992-05-22 |
Family
ID=17492648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP27090790A Pending JPH04149605A (ja) | 1990-10-09 | 1990-10-09 | 車両制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH04149605A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0615892A1 (en) * | 1993-03-17 | 1994-09-21 | Mitsubishi Jidosha Kogyo Kabushiki Kaisha | Vehicle slip angle measuring method and a device therefor |
| US5434783A (en) * | 1993-01-06 | 1995-07-18 | Nissan Motor Co., Ltd. | Active control system |
| US6278986B1 (en) * | 1996-06-27 | 2001-08-21 | Yahama Hatsudoki Kabushiki Kaisha | Integrated controlling system |
| US7124927B2 (en) | 1999-02-25 | 2006-10-24 | Reiber Steven F | Flip chip bonding tool and ball placement capillary |
| US8019502B2 (en) * | 2002-03-28 | 2011-09-13 | Pirelli Pneumatici S.P.A. | Tyre and system for monitoring the tyre during the running of a vehicle |
-
1990
- 1990-10-09 JP JP27090790A patent/JPH04149605A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5434783A (en) * | 1993-01-06 | 1995-07-18 | Nissan Motor Co., Ltd. | Active control system |
| EP0615892A1 (en) * | 1993-03-17 | 1994-09-21 | Mitsubishi Jidosha Kogyo Kabushiki Kaisha | Vehicle slip angle measuring method and a device therefor |
| US5579245A (en) * | 1993-03-17 | 1996-11-26 | Mitsubishi Jidosha Kogyo Kabushiki Kaisha | Vehicle slip angle measuring method and a device therefor |
| US6278986B1 (en) * | 1996-06-27 | 2001-08-21 | Yahama Hatsudoki Kabushiki Kaisha | Integrated controlling system |
| US7124927B2 (en) | 1999-02-25 | 2006-10-24 | Reiber Steven F | Flip chip bonding tool and ball placement capillary |
| US8019502B2 (en) * | 2002-03-28 | 2011-09-13 | Pirelli Pneumatici S.P.A. | Tyre and system for monitoring the tyre during the running of a vehicle |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Villagra et al. | Flatness-based vehicle steering control strategy with SDRE feedback gains tuned via a sensitivity approach | |
| CN117775015B (zh) | 一种人机博弈横纵向协同控制方法 | |
| CN106896722A (zh) | 采用状态反馈与神经网络的高超飞行器复合控制方法 | |
| Puscasu et al. | Nonlinear system identification based on internal recurrent neural networks | |
| JP2001349808A (ja) | 車両モデル構築方法、並びに同方法により構築したモデルを備えた装置及びモデルを記録した記録媒体 | |
| JPH04149605A (ja) | 車両制御方法 | |
| US20040040374A1 (en) | Engine testing apparatus and map preparing method for an engine testing apparatus/vehicle testing apparatus | |
| DE102022134327A1 (de) | Systeme und verfahren zur erkennung von händen am lenkrad mit massenversatzkorrektur | |
| Xu et al. | Modeling lateral control behaviors of distracted drivers for haptic-shared steering system | |
| Miyamaru et al. | Development of a motorcycle riding simulator | |
| US20220108172A1 (en) | Generating a simplified model for xil systems | |
| CN115782918B (zh) | 自动驾驶纵向控制方法、装置、设备及存储介质 | |
| Day et al. | The simulation of driver inputs using a vehicle driver model | |
| US8818676B2 (en) | Redundant Torque Security Path | |
| CN107256656B (zh) | 一种随动视景汽车驾驶模拟器滞后综合校正方法 | |
| JPH04189631A (ja) | 車両制御方法 | |
| CN110471277B (zh) | 基于输出反馈增益规划的智能商用车自动循迹控制方法 | |
| Fujioka et al. | Driver model using neural network system | |
| CN115416687A (zh) | 一种自动驾驶汽车路径跟踪的类人控制策略 | |
| Vandi et al. | Vehicle dynamics modeling for real-time simulation | |
| JP2003014586A (ja) | シミュレーション補助装置、及びシミュレーション装置 | |
| JP3056754B2 (ja) | パワートレイン制御装置 | |
| JP2000321174A (ja) | エンジン試験装置または車両試験装置に用いるマップの作成方法 | |
| JPH03105663A (ja) | 強化学習処理方式 | |
| Dai et al. | Model-based automotive control design using port-Hamiltonian systems |