JP2005339241A - モデル予測制御装置および車両用推奨操作量生成装置 - Google Patents
モデル予測制御装置および車両用推奨操作量生成装置 Download PDFInfo
- Publication number
- JP2005339241A JP2005339241A JP2004157682A JP2004157682A JP2005339241A JP 2005339241 A JP2005339241 A JP 2005339241A JP 2004157682 A JP2004157682 A JP 2004157682A JP 2004157682 A JP2004157682 A JP 2004157682A JP 2005339241 A JP2005339241 A JP 2005339241A
- Authority
- JP
- Japan
- Prior art keywords
- solution
- evaluation function
- vehicle
- operation amount
- abnormal
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K31/00—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator
- B60K31/02—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator including electrically actuated servomechanism including an electric control system or a servomechanism in which the vehicle velocity affecting element is actuated electrically
- B60K31/04—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator including electrically actuated servomechanism including an electric control system or a servomechanism in which the vehicle velocity affecting element is actuated electrically and means for comparing one electrical quantity, e.g. voltage, pulse, waveform, flux, or the like, with another quantity of a like kind, which comparison means is involved in the development of an electrical signal which is fed into the controlling means
- B60K31/042—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator including electrically actuated servomechanism including an electric control system or a servomechanism in which the vehicle velocity affecting element is actuated electrically and means for comparing one electrical quantity, e.g. voltage, pulse, waveform, flux, or the like, with another quantity of a like kind, which comparison means is involved in the development of an electrical signal which is fed into the controlling means where at least one electrical quantity is set by the vehicle operator
- B60K31/045—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator including electrically actuated servomechanism including an electric control system or a servomechanism in which the vehicle velocity affecting element is actuated electrically and means for comparing one electrical quantity, e.g. voltage, pulse, waveform, flux, or the like, with another quantity of a like kind, which comparison means is involved in the development of an electrical signal which is fed into the controlling means where at least one electrical quantity is set by the vehicle operator in a memory, e.g. a capacitor
- B60K31/047—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator including electrically actuated servomechanism including an electric control system or a servomechanism in which the vehicle velocity affecting element is actuated electrically and means for comparing one electrical quantity, e.g. voltage, pulse, waveform, flux, or the like, with another quantity of a like kind, which comparison means is involved in the development of an electrical signal which is fed into the controlling means where at least one electrical quantity is set by the vehicle operator in a memory, e.g. a capacitor the memory being digital
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K31/00—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator
- B60K31/0008—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator including means for detecting potential obstacles in vehicle path
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Feedback Control In General (AREA)
Abstract
【課題】モデル予測制御においては未来予測誤差が大になると制御誤差も大になる問題があり、この対策についての発表もあるが応答時間が遅いという問題があった。このため、本発明においてはこの問題を解決し、モデル予測制御を用いて周囲状況の急変に対しても迅速に対応が可能な車両操作装置の開発を目的とした。
【解決手段】システムモデルに対する標準評価関数と、実際の操作量算出に使用する参照評価関数とを比較し、参照評価関数が標準評価関数に段階的に一致するように参照評価関数を補正する構成としている。また、この計算過程で異常が発生した場合は、参照評価関数を初期評価関数に切り換えて計算の収斂を速めている。
【選択図】図2
【解決手段】システムモデルに対する標準評価関数と、実際の操作量算出に使用する参照評価関数とを比較し、参照評価関数が標準評価関数に段階的に一致するように参照評価関数を補正する構成としている。また、この計算過程で異常が発生した場合は、参照評価関数を初期評価関数に切り換えて計算の収斂を速めている。
【選択図】図2
Description
本発明は、走行車両の操作補助装置として、車両の動作モデルおよび周囲他車両の挙動モデルを基に自車および周囲の他車両の挙動を予測し、自車の最適操作量を算出するシステムに係る。
モデル予測制御とは、一般にシステムのモデルに基づいて、システムの状態量の未来時刻における予測値を求め、この予測値とシステムに加える操作量とから制御結果に対する評価値の算出を行う評価関数を定義し、評価関数が最小となるような操作量を算出し、この操作量をシステムの入力として加える制御方式である。
下記「特許文献1」に開示されているモデル予測制御のパラメータ設定方法では、モデル予測制御方式を利用した制御システムにおいて、システムのパラメータを変更した時に、制御演算に使用するための逆行列を求める必要のある行列の条件数を調べ、条件数の値が所定の範囲に入るように、評価関数における操作量を評価するための項にかける重みを調整する方法が示されている。
なお、行列の条件数とは、ある行列の最大特異値を最小特異値で割った値であり、逆行列の数値的な精度の目安となる指標である。一般に、条件数の値が大きければ大きいほど、逆行列演算の数値精度は低下し、正確な逆行列を数値的に求めることが困難になる。
すなわち、下記「特許文献1」の発明では、行列の条件数を監視することで、逆行列の計算を含む制御演算の異常により不適切な操作量がシステムに加えられることを防止することを目的とした発明となっている。条件数の増大によって制御演算の異常が懸念される場面では、操作量の変化分に対する評価重みを増加させることで、等価的に条件数の低減をはかり、制御演算の安定性を保つ、という構成となっている。
以上述べたように、モデル予測制御では、未来の予測に基づいて現在の操作量を決定するという構成上、未来予測の誤差が大きくなった場合には、制御性能も悪化するという問題がある。一般にモデル予測制御では、操作量の変化分を小さくするような評価を評価関数の中に含める等、何らかの形で直前の制御サイクルにおける最適解を制御演算に利用することが多い。しかし、予測誤差の増加などが原因で、直前の制御サイクルにおける操作量と大きく異なる操作量が必要になることも、制御対象によってはあり得る。そのような場面では、制御演算における数値的条件が悪化することも考えられる。
前記「特許文献1」の発明では、このような場面で操作量の変化分に対する評価重みを増加させることで数値的条件の悪化を抑制する構成となっている。確かに、操作量の変化分に対する評価重みを増加させることで数値的条件は改善するが、反面、操作量の大きな変化が抑制されることで、状況変化への対応が遅れ気味になることも懸念される。
このような状況変化への対応の遅れは、モデル予測制御を自動車の運転支援装置として適用する場合には大きな問題になる。合流や車線変更といった自動車の運転に特有の場面を扱う場合には、状況の変化に迅速に対応することが求められ、数値的条件の改善という対策では間に合わない場面も予想される。このように、前記「特許文献1」の発明では、数値演算の安定性を改善するために操作量の変化を抑制するという構成になっているので、状況変化に対する迅速な対応が必要な場面では、必ずしも満足のいく操作量が得られないことが懸念される、という問題点があった。
本発明においては、以上述べた問題点を解決し、状況変化に迅速に対応し得るモデル予測制御装置およびこのモデル予測制御装置で使用されている手法を用いた車両用推奨操作量生成装置の実現を目的とした。
車両の操作システムにおいて、本来の制御目的を表現した一つの標準的な評価関数を記憶する標準評価関数の記憶手段と、実際の操作量算出に用いられる参照評価関数の記憶手段とを有し、この参照評価関数に基づいてシステムの動作に適した候補解に対する補正量を計算することでシステム動作の最適解を求め、さらに予め決められた初期評価関数に対して最適解を算出する初期解生成を行う。
次いで、上記の最適解算出過程で以上が検出された場合には上記の最適解を破棄し、上記の参照評価関数を上記の初期評価関数に切り換え、上記初期解生成により得られた解を最適解とする異常処理を行う。この処理により得られた参照評価関数、すなわち初期評価関数と前記の標準評価関数とを比較し、両者が一致しない場合には、前記の参照評価関数を標準評価関数に段階的に一致させるように参照評価関数に所定の範囲内で変更を加えて評価関数補正を行い、上記の最適解から最終的な操作量を決定する構成としている。
本発明によれば、解の異常を検出した場合に、それまで用いてきた解を破棄して、初期解生成手段によって新たな解を生成して操作量を決定することにより、制御対象をとりまく状況変化に迅速に対応する操作量を生成することができる。また、評価関数を補正することにより、迅速に解の算出が可能な初期評価関数と、本来の設計要求に合致する標準評価関数とを、状況に応じて適切に使い分け、操作量演算に異常が発生した場合に、スムーズに異常処理から正常時の処理へと復帰させることができる。
また、算出された最適解の異常を検出した場合に、それまで用いてきた解を破棄して、初期解生成手段によって新たな最適解を生成して推奨操作量を決定しているので、自車周囲の走行環境の変化に迅速に対応した推奨操作量を生成することができる。また、評価関数を補正することにより、迅速に解の算出が可能な初期評価関数と、本来の望ましい運転操作を表現した標準評価関数とを、状況に応じて適切に使い分け、操作量演算に異常が発生した場合に、スムーズに異常処理から正常時の処理へと復帰させることができる。
(実施例1)
本発明の第一の実施例を図1から図4までの図面に基づいて説明する。
図1は本発明の第一の実施例であるモデル予測制御装置を構成するのに必要な装置の一配置図である。
本発明の第一の実施例を図1から図4までの図面に基づいて説明する。
図1は本発明の第一の実施例であるモデル予測制御装置を構成するのに必要な装置の一配置図である。
図1は、バネ1とダンパ2で拘束された台車3にモーター4が搭載され、制御指令入力装置7から与えられる制御指令に基づいてモーターコントローラ5がモーター4を駆動することで台車3の位置を制御するシステムである。バネ1の中立位置を原点として、台車3の位置を表す座標xを導入する。モーター4が発生するトルクをuとしたとき、台車3の運動が下記(数1)式に示す微分方程式で記述されるものとする。ここで、(数1)式においてxの上の点(ドット)はxの時間tに関する時間微分を示すもので、本文中ではx’およびx’’でそれぞれxの時間tに関する1次微分および2次微分を示すものとする。
例では下記の(数2)式のように近似されているものとする。
台車3の車輪にはロータリーエンコーダ6が取り付けられており、車輪の回転と共に発生するパルス信号を計測することで、台車3の位置xと速度x’を測定することができる。測定された位置と速度の信号はモーターコントローラ5に送られて、制御演算に用いられる。
モーターコントローラ5は、マイクロコンピュータとその周辺部品および電流制御装置から構成され、ロータリーエンコーダ6および制御指令入力装置7からの信号を、内蔵メモリに記録されたプログラムに従って処理し、モーター4を駆動する電流を発生する装置である。
モーターコントローラ5は、マイクロコンピュータとその周辺部品および電流制御装置から構成され、ロータリーエンコーダ6および制御指令入力装置7からの信号を、内蔵メモリに記録されたプログラムに従って処理し、モーター4を駆動する電流を発生する装置である。
モーターコントローラ5は搭載されたマイクロコンピュータのソフトウェアの形態により、図2に示す各処理手段のブロック5aから5jにより構成されている。モーターコントローラ5にはモデル予測制御方式に基づく制御アルゴリズムが実装される。モデル予測制御とは、一般にシステムのモデルを作成し、これをもとにシステムの制御量の未来の或る時刻での予測値を求め、この予測値とその実現に必要な操作量から、制御結果の望ましさを数値的に評価する評価関数を構成し、この評価関数が最小となるように操作量を決定する制御方式である。
一般に、システムの状態量を→x、操作量を→uとすると、システムのモデルは次式の微分方程式で表現することができる。ここで、→xはベクトルxを、→uはベクトルu示しており、数式上では太字で示している。
モデル(数3)式と評価関数(数4)式が定義されれば、(数4)式を最小にする操作量を求める問題は最適制御問題として定式化されている問題であり、問題を解くためのアルゴリズムが存在する。最適化問題を解いて得られた解として得られる操作量→u*(t’;t)の中から、現在時刻tにおける操作量→u*(t;t)をシステムに入力する操作量とする。以上がモデル予測制御の概要である。
図2に示したブロックのうち、5aから5eまでは、以上のモデル予測制御に必要な各要素を構成するためのブロックである。すなわち、状態量検出手段5aは、ロータリーエンコーダ6から送られてきたパルスを計測して、台車3の位置と速度の測定値x(t)、v(t)を算出する。システム挙動予測手段5bには、(数1)式で表された制御系のモデルが格納されている。台車3の速度を表す変数vを導入すると、(1)式は、
参照評価関数記憶手段5cは、操作量演算に用いられる評価関数(数4)式の具体形が格納される。本実施例では、評価関数の評価式Lとして次式の関数を想定する。
最適解算出手段5dは、台車3の位置と速度の測定値x(t), v(t)、予測モデル(数5)式、評価関数(数6)式を読み込んで、評価関数を最小にする操作量u*(t’;t)を計算する。
一般に、(数3)、(数4)式で定義される最適化問題は、モデルあるいは評価関数に非線形要素を含む場合、非線形最適化問題となる。一般に、非線形最適化問題を解くためには多くの計算量が必要になり、実時間で制御演算を実行する際には大きな問題となる。計算量を減らすための工夫の一つとして、最適解u*(t’;t)そのものではなく、最適解の候補となるような解Kを適当に定め、このKに対する補正量Δu*(t’;t)を求める方法が考えられる。制御周期Δtを十分に短くとれば、最適解の時間の経過に伴う変化も十分に小さいとみなせる場合が多いので、最適解の候補として、直前の制御周期における最適解u*(t’;t−Δt)を用いることができる。すなわち、次式の計算によって最適解を求めることができる。
操作量決定手段5eでは、最適解を表す時系列信号u*(t’;t)から、システムに実際に入力する信号を決定する。ここでは、通常のモデル予測制御の方法と同様に、現在時刻における操作量u*(t;t)を入力信号、すなわちモーター4が発生するトルクとする。トルクu*(t;t)を出すのに必要な電流値が計算され、必要な電流値が電流制御装置に伝達され、指令された電流をモーターに加えることで制御を実行する。
以上が、通常の制御サイクルにおける処理の流れであり、このような処理を繰り返すことでモデル予測制御が実行される。
しかしながら、以上のような制御サイクルが常に正常に動作するとは限らない。最適解算出手段5dにおける最適化演算には連立一次方程式を解くプロセスが含まれているが、問題の設定によっては、連立一次方程式の数値的悪条件等の障害により、最適解の数値精度が悪化し、モーター4の制御には不適切な解が算出される可能性がある。例えば、モーター4が出力可能なトルクは有限なので、現実の操作量uには、例えば以下のような上下限制約が課せられる。
しかしながら、以上のような制御サイクルが常に正常に動作するとは限らない。最適解算出手段5dにおける最適化演算には連立一次方程式を解くプロセスが含まれているが、問題の設定によっては、連立一次方程式の数値的悪条件等の障害により、最適解の数値精度が悪化し、モーター4の制御には不適切な解が算出される可能性がある。例えば、モーター4が出力可能なトルクは有限なので、現実の操作量uには、例えば以下のような上下限制約が課せられる。
以上のような最適化演算における計算結果の異常を検出する処理を行うのが、異常解検出手段5fである。実際の最適化演算においては、評価区間t≦t’≦t+TがNステップに分割され、有限区間の関数であるΔu*(t’;t)も離散化されてN次のベクトルとして扱われ、最終的に次式の連立一次方程式を解く問題に還元される。
条件1 最適操作量→U*(t)の要素の中で、(数8)式の範囲を越えるものが存在する。
条件2 ‖→X*(t)‖ が所定の閾値を越える。
条件3 連立一次方程式の残差 ‖→e‖=‖→b(t)−→A(t)・→ X*(t)‖ が所定の閾値を越える。
ただし、ここではベクトルのノルム‖●‖として、2ノルムをとっている。
ただし、ここではベクトルのノルム‖●‖として、2ノルムをとっている。
条件1はモーター4の出力制限を越える指令値が算出された場合に対応するための条件である。
条件2は連立一次方程式の数値精度が悪化した場合に、直接の出力である→X*(t)の値が大きく乱れることに注目して導入した条件である。
条件2は連立一次方程式の数値精度が悪化した場合に、直接の出力である→X*(t)の値が大きく乱れることに注目して導入した条件である。
条件3は、連立一次方程式の解法に反復計算に基づくアルゴリズムを用いたときに適用される条件であり、残差の増加は数値精度悪化の指標として利用できることに注目して導入した条件である。
以上に挙げたような異常解の条件は、大きな外乱が加わるなどして、システムモデル(数5)式の予測値と実測値に大きな誤差が生じた場合や、制御指令入力手段の操作によって目標値が変更され、評価関数(数6)式の設定が大きく変化した場合などに、しばしば成立することがある。このような場合、直前の制御サイクルにおける最適解と現在の最適解が大きく違わないという最適解算出手段における計算の前提が崩れており、最適化問題を連立一次方程式に還元する過程で行われている非線形要素の線形化近似の精度が悪化している。そのために、算出された解が異常なものになることが起こり得るのである。
異常解を検出した場合には、図2において異常処理手段5gが起動される。異常処理手段5gでは、新たな解を生成するために、算出された解→U*(t)と候補解→U*(t−Δt)の両方を破棄する。候補解を破棄すると、補正解を算出することにより間接的に最適解を求める(数12)式に基づくアルゴリズムを利用できなくなるので、別の方法で最適解を算出しなければならない。
最適化問題を直接解くことは、一般には多くの計算量が必要な処理になるが、ある特別なシステムモデルと評価関数で定義される問題については、最適解を比較的単純な関数で表現することが可能であり、連立一次方程式を解くといった逆演算や反復計算を行うことなしに、短時間で最適解を得ることができる。そこで、短時間で最適解を得るために、評価関数を本来の設定である(数6)式から最適解を求めやすい形に変形する。例えば、(数6)式における評価重みwxを0にした場合、目標値x*(t’)や評価区間長Tによらず、常にu*(t’;t)=0が最適解になる。
このように、最適解を求めやすいような評価関数(初期評価関数)から最適解を構成する処理を行うのが初期解生成手段5hである。
異常処理手段5gは、異常検出時に初期解生成手段5hを起動するとともに、参照評価関数記憶手段5cに格納されていた評価関数を、初期解生成手段5hで容易に最適解を求めることができる初期評価関数で置き換える。この場合には、(数6)式においてwx=0とした評価関数が初期評価関数となっている。
異常処理手段5gは、異常検出時に初期解生成手段5hを起動するとともに、参照評価関数記憶手段5cに格納されていた評価関数を、初期解生成手段5hで容易に最適解を求めることができる初期評価関数で置き換える。この場合には、(数6)式においてwx=0とした評価関数が初期評価関数となっている。
以上で、異常解が検出された場合の制御サイクルは終了する。ただし、次の制御サイクル以降も評価関数をwx=0にしたまま放置すると、本来の制御目的である制御目標x*(t’)への追従という動作を実現することができない。そこで、次の制御サイクルからは、評価重みwxを本来の値に戻していくことになる。そこで起動されるのが、評価関数補正手段5iである。評価関数補正手段5iでは、最適解算出手段の処理に先立って、標準評価関数記憶手段5jに格納されている本来の評価関数(本来の評価重みが設定された(数6)式の関数)と、参照評価関数記憶手段5cに格納されている評価関数とを評価関数補正手段5iにおいて比較する。両者に違いが検出された場合には、参照評価関数を標準評価関数に近づけるように参照評価関数を補正する。
例えば、直前の制御サイクルにおいて異常解が検出された場合には、参照評価関数記憶手段に格納されている評価関数の評価重みwxの値は0になっているので、wxの値を増加させる。値を増加させる場合、一気に本来の設定値まで戻してしまうと、最適化問題が数値的悪条件の問題になって再び異常解が算出されてしまう恐れがあるので、値の増加は小幅なものにする。具体的には、wxの本来の設定値をwx *として、
以上の説明を図3のフローチャートに沿ってまとめる。
ステップ1では、ロータリーエンコーダ6からの信号を読み込んで、台車3の位置xと速度x’(=v)の測定値を得る。
ステップ2では、システム挙動予測手段5bに格納されているシステムモデルの情報が最適解算出手段5dに読み込まれる。
ステップ3では、標準評価関数記憶手段5jに格納されている評価関数と参照評価関数記憶手段5cに格納されている評価関数とが評価関数補正手段5iにおいて比較される。両者に違いがある場合にはステップ4に進み、(数13)式の評価重みwxに従って参照評価関数を更新した後、ステップ5に進む。違いがない場合には、この更新処理を行うことなくただちにステップ5へと進む。
ステップ5では、最適解算出手段5dによって、候補解→U*(t−Δt)に対する補正解→X*(t)の算出が行われる。
ステップ6では、異常解検出手段5fによって、算出された解→X*(t)、→U*(t)が異常解であるかどうかが判定される。異常解であると判定された場合には、ステップ7以降の処理へ進む。そうでない場合には、ステップ7、8、9の処理を行うことなくただちにステップ10へ進む。
ステップ7では、異常処理手段5gによって、算出解→U*(t)、候補解→U*(t−Δt)が破棄される。
ステップ8では、異常処理手段5gによって、参照評価関数記憶手段5cに格納されている評価関数が初期評価関数に置き換えられる。
ステップ9では、初期解生成手段5hによって、初期評価関数に基づく新たな最適解→U*(t)が生成される。
ステップ10では、最適解解→U*(t)から実際の制御入力を決定し、決定した制御入力を系に加えるために必要な電流値を算出して、電流制御装置に指令を送る。
ステップ9では、初期解生成手段5hによって、初期評価関数に基づく新たな最適解→U*(t)が生成される。
ステップ10では、最適解解→U*(t)から実際の制御入力を決定し、決定した制御入力を系に加えるために必要な電流値を算出して、電流制御装置に指令を送る。
なお、制御を開始した最初の制御サイクルにおいては、直前の制御サイクルで用いた候補解がそもそも存在しないため、無条件に初期解生成手段が起動されて解を生成する。
図4に、異常解を検出した前後の時間帯における制御系の挙動の例を示す。時刻t0において、制御指令入力手段の指令値をAから−Bへと大きく変化させている。この時、操作量の指令値としてモーター4の出力限界−uNを越える値が算出されたため、異常解と判定され、評価重みwxの値が0に設定される。従って、時刻t0において制御系に入力される操作量は0となり、時刻t0以降、評価重みwxの値が大きくなるに従って、操作量が大きくなり、台車3が位置−Bに向かって制御されている。
以上が、本発明の第1の実施例である。
(実施例2)
本発明の第2の実施例を図5から図11までの図面に基づいて説明する。
以上が、本発明の第1の実施例である。
(実施例2)
本発明の第2の実施例を図5から図11までの図面に基づいて説明する。
図5は本発明である車両用推奨操作量生成装置を構成するのに必要な装置の一配置図である。
図5において、前方カメラ8aはCCDカメラ等によって構成され、車両前面の適当な位置にとりつけられ、自車両前方に位置する複数の車両の位置を測定する。また、道路上に引かれた白線を検出することで走行車線を認識する。後方カメラ8bは車両背面に取り付けられ、自車両後方に位置する複数の車両の位置を測定する。側方カメラ8cは左右の車両側面に一個ずつ取り付けられ、前方カメラと後方カメラの死角となる車両側方に位置する車両の位置を検出する。
車速センサ9はロータリーエンコーダ6をホイールに取り付けることで実現できる。ホイールの回転速度に応じた周期のパルス列を出力し、車速の計測値を得る。
演算部10はマイクロコンピュータとその周辺部品から構成され、車速センサ9からの信号を内蔵メモリに記録されたプログラムに従って処理し、計算結果をスロットルコントローラ12とブレーキアクチュエータ15に伝達する。
制御目標入力装置11は運転者が操作可能なスイッチ類で構成され、演算部10に運転者が希望する走行車速等の制御目標を入力する。
スロットルコントローラ12は、演算部10から指令された駆動力指令信号を基に、スロットルアクチュエータ13によってスロットル開度を調整してエンジン出力を制御し、指令された駆動力を実現するような制御を行う。
ブレーキコントローラ14は、演算部10から指令された制動力指令信号を基に、ブレーキアクチュエータ8によってブレーキ圧を制御し、指令された制動力を実現するような制御を行う。
演算部10はマイクロコンピュータのソフトウェアの形態により、図6に示す各処理手段のブロック10a〜10kにより構成されている。
本実施例も第1の実施例と同様、モデル予測制御の手法に基づいて操作量の演算が行われるので、システムの状態を検出する手段と、システムのモデルと、評価関数が必要になる。本実施例においては、システムの状態は自車および周囲車両の進行方向および車線に対する位置と速度になる。数学的定式化のために座標系を導入する必要があるので、図7の場面を例にとって説明する。
図7は片側2車線道路を自車16と二台の他車A17および他車B18が走行している場面を示している。車の進行方向にx軸をとり、水平面上で進行方向と垂直な方向にy軸をとる。実際に制御演算を行う場合には、自車16と他車A17および他車B18との相対位置が必要な情報になるので、x座標の原点は任意の地点に置くことができる。また、この場合、y座標は車の車線位置を示す指標となるので、車線を区切るレーンマーカーの位置を原点とし、左車線の中央を1、右車線の中央を−1となるように正規化した座標を用いるものとする。自車16のインデックスを0、他車A17および他車B18のインデックスを1および2とそれぞれ割り当て、各他車A17および他車B18の進行方向位置、進行方向速度、車線位置をそれぞれxi,vi,yii=1,2,3…で表すことにする。従って、自車16以外に2台の他車A17および他車B18が検出されている場合には、システムの状態量→xは以下のように構成される。ここで、→xにおける→はベクトルまたは行列を示すもので、数式内では太字で示した変数に対応している。
システムのモデルは、各車両ごとにその挙動を予測するモデルを構成し、各車のモデルを結合して、全車両の挙動を予測するモデルを(数3)式の形式にまとめあげる。
ここでは、自車16の挙動モデルとして、次式を導入する。
他車A17および他車B18の挙動モデルとして、次式を導入する。
vcom i、uy iはそれぞれ他車i(i=1,2)の目標速度と目標車線位置を表す。(ここにおいても、式中ではこれら添え時は上下整列して記載されている)
目標速度vcom iは、次式のような関数としてモデル化される。
目標車線位置uy iは、他車A17および他車B18が現在の車線上に留まるか、あるいは車線変更するか、という予測に基づいて、値が−1か1に設定される。予測は主にyiの過去の履歴をもとに判定される。例えば図8の左側の図(ケース1)のように、車線位置yiの値がある程度の時間継続的に増加している場合には、車両i(i=1,2)に左車線への車線変更の意思があると判定して、目標車線位置uy iの値を−1から1へと切り替える。図8右側の図(ケース2)のように、yiの値にはっきりした傾向が認められない場合には、目標車線位置uy iの値は現在走行している右車線の中央を表す−1のままにしておく。
以上のようにして、自車16および他車A17および他車B18のモデルを構成するのが、周囲車両挙動予測手段10bにおける処理の内容である。
評価関数は、第1の実施例と同様、(数4)式の形式で表現される関数を定義する。評価式Lには、望ましい運転行動に関する基準を表現した関数が実装されることになるが、本実施例では、
i) なるべく目標速度に近い速度で走行する。
ii)
なるべく大きな加減速をしない
iii) 周囲車両に近づきすぎない
という三つの基準を表現した関数の和で評価関数を構成している。
項目i)を表現する関数として、次式の関数を導入する。
i) なるべく目標速度に近い速度で走行する。
ii)
なるべく大きな加減速をしない
iii) 周囲車両に近づきすぎない
という三つの基準を表現した関数の和で評価関数を構成している。
項目i)を表現する関数として、次式の関数を導入する。
項目ii)を表現する関数としては、次式のような例が挙げられる。
項目iii)を表現するために、周囲車両である他車A17および他車B18に対するリスクを評価する指標を導入する。評価指標としては、車間時間(=車間距離/追従車両の速度)と衝突時間(=車間距離/相対速度)が知られているが、評価関数(数4)式は値が小さいほど良い評価となるように構成しているので、車間時間と衝突時間の逆数を評価式として利用する。自車16と同一車線上を走行する前方車両に対する評価式として(数20)式を、後方車両に対する評価式として(数21)式を構成する。
図7の場面では、他車A17および他車B18は両方とも前方車両になる。他車が両方とも右車線に留まっている場合には、自車16と同一車線上にいないので、リスクは両車ともに0と評価する。他車A17および他車B18のうちどちらかが左車線に車線変更してきた場合には、車線変更してきた車両に対してはリスク評価が必要になる。リスクは最も近い車両に対して評価すればよいので、他車A17および他車B18が双方ともに左車線に車線変更してきた場合には、他車Aに対してだけリスク評価を行う。以上のような評価が反映されるように、次式を項目iii)を表現する関数として構成する。
最適解算出手段10dの処理は、使用するモデルと評価関数が異なる以外は、第1の実施例と同様である。
異常解検出手段10fの処理は、第1の実施例で取り上げた三つの異常解判定の基準に加えて、車両制御に特有の異常解判定基準が加えられる。具体的な異常解発生の場面として、図9に示した状況に基づいて説明を行う。
図9は図7と同様、片側二車線の道路を自車16と二台の他車A17および他車B18が走行している場面であり、左車線を走行している自車16が右車線を走行する他車A17を追い抜こうとしている状況を示している。この場面の問題は、他車A17と他車B18が接近しているため、他車B18が他車A17に遮られて、自車16に搭載された前方カメラ8aからは大部分が死角領域に入ってしまっていることである。このため、時刻t1においてはカメラ画像認識では、他車A17と他車B18が分離されず、他車A17のみが検出され、他車B18は周囲車両として認識されていないという状況になっている。この場合、自車16の操作量演算では、他車A17の挙動だけを予測して最適解の計算を行う。従って、図9のような状況から、他車B18が左車線に車線変更を始めた場合には(時刻t2)、他車B18が左車線に進入してきてから自車16のカメラが他車B18の存在を検出するため(時刻t3)、制御系の立場からは、急に新たな車両が横から飛び出してきたように認識され、ここに大きな予測のずれが発生することになる。
第1の実施例でも指摘した通り、モデル予測制御系においては、予測結果や評価関数の急激な変化は、候補解と真の最適解との乖離が大きくなるために数値的悪条件の障害が発生し、異常解が算出される原因になり得る。図9のような状況では、他車A17を追い抜くという意味では最適解であった候補解が、他車B18を検出した途端に他車B18に必要以上に接近する解となってしまい、真の最適解とは大きく異なる解となってしまう。さらに、周囲車両との接近のリスクを(数20)式のような式で評価している場合には、他車に接近すればするほど評価関数の値とその勾配が大きくなり、ますます数値的悪条件の障害が顕著になるという問題が懸念される。
最適化問題を解くために、(数9)式の連立一次方程式を構成する際に、候補解→U*(t−Δt)を用いて、システムモデル(3)式を積分する次式の計算過程が含まれる。ここで、→Uはベクトルを示しており、数式中では太字で示している。
このとき得られるシステム状態量の予測値→x0、→x1、…→xNをチェックすれば、候補解を用いることによる数値的悪条件の障害発生リスクを検出することができる。ただし、→x0、→x1、…→xNはベクトル量を示しており、(数26)式中では太字で示している。
例えば、図9の場面では、他車B18との接近が問題になるので、任意の積分ステップにおける状態量の予測値ベクトル→xiを(数27)式のように表記すると、異常解検出条件として(数28)式の条件式を立てることができる。
^/x2(i)は車線位置を考慮して補正した他車B18の位置を表しており、(数28)式は他車B18と自車との車間距離が距離Rfよりも接近するような状況が予想される場合に、異常解の判定を行う条件式となっている。ここで、^/x2(i)は、(数28),(数29)式中ではxの左側の2つの記号はxの上に記載されている。
異常処理手段10gにおける処理は、第一の実施例と同様に、算出された解
→U*(t)と候補解→U*(t−Δt)の両方を破棄して、初期解生成手段10hで容易に最適解を生成することができる初期評価関数を参照評価関数記憶手段10cに格納することである。
→U*(t)と候補解→U*(t−Δt)の両方を破棄して、初期解生成手段10hで容易に最適解を生成することができる初期評価関数を参照評価関数記憶手段10cに格納することである。
初期解生成手段10hでは、(数25)式で構成された評価関数において他車(17,18)の評価重みw1,w2を0にした場合に、最適解を初等関数で表現できることを利用して初期解を生成する。w1とw2を0にした場合の最適化問題の解は次式のようになる。
検出された異常解が(数28)式の条件を満たした場合以外は、(30)式のv0(t)に現在の自車速度の測定値を代入して、時刻t’=t+i(T/N) i=0,1,…N−1におけるu*(t’;t)の値を計算することで、新たな最適解1→U*(t)を構成する。
(数28)式の条件を満たしたために異常解として判定された場合には、新たに生成する初期解が再度(数28)式の条件を満たすようなことがないように、最適解を実行した場合の評価区間終端における目標状態量を明示的に指定した上で初期解を生成するために、暫定目標設定手段10iの処理が起動される。ここでは、(数26)式の積分演算の積分ステップi=ifにおいて(数28)式が成立したものとして暫定目標設定手段10iの処理を説明する。異常解検出手段3fでは、(28)式の成立を検出したとき、ifの値とともに、その時の状態量→xifの値も記録される。暫定目標設定手段10iでは、(数28)式の成立が検出された時刻t’=t+Tf,Tf=if(T/N)における自車状態量の暫定目標を設定する。暫定目標は以下のように設定する。
(数28)式の条件を満たしたために異常解として判定された場合には、新たに生成する初期解が再度(数28)式の条件を満たすようなことがないように、最適解を実行した場合の評価区間終端における目標状態量を明示的に指定した上で初期解を生成するために、暫定目標設定手段10iの処理が起動される。ここでは、(数26)式の積分演算の積分ステップi=ifにおいて(数28)式が成立したものとして暫定目標設定手段10iの処理を説明する。異常解検出手段3fでは、(28)式の成立を検出したとき、ifの値とともに、その時の状態量→xifの値も記録される。暫定目標設定手段10iでは、(数28)式の成立が検出された時刻t’=t+Tf,Tf=if(T/N)における自車状態量の暫定目標を設定する。暫定目標は以下のように設定する。
暫定目標設定手段10iによって(数32)式のように暫定目標を定めたら、初期解生成手段10hはt’=t+Tfにおいて暫定目標の条件を満たすような解が最適解となるように初期評価関数を補正する。初等関数で表現できる解を得るために、w1とw2とを0にして、さらに評価区間長をTからTfへと短縮する。この時の最適化問題の解は(数30)式におけるTをTfに置き換えることで得られる。この解を用いた場合、評価区間の終端である時刻t’=t+Tfにおける自車16の状態は次式のように計算することができる。
異常解が検出された次の制御サイクル以降は、標準評価関数と参照評価関数が異なるものになっているため、評価関数補正手段10jによって、参照評価関数の補正が行われる。
評価関数補正手段では、異常解検出時に評価区間長が短縮されている場合には、評価区間長を本来の値Tに復帰するまで少しずつ増加させる。時刻tにおける評価区間長T(t)を次式の更新則に従って再設定する。
なお、算出された最適解→U*(t)は、第一の実施例の時と同様にして、推奨操作量決定手段10kによって先頭の成分u*(t;t)が取り出され、u*(t;t)が加速度(減速度)指令値としてスロットルコントローラあるいはブレーキコントローラに伝達される。
以上の説明を図10のフローチャートに沿ってまとめる。
ステップ1では、各センサからの信号を読み込んで、自車16および周囲車両17および18の状態→xの値を決定する。
ステップ2では、周囲車両挙動予測手段10bに格納されている車両モデルが読み込まれ、状況に応じて必要なパラメータを決定する。
ステップ3では、標準評価関数記憶手段10eに格納されている評価関数と参照評価関数に格納されている評価関数が比較される。両者に違いがある場合にはステップ4に進み、(数40)式〜(数43)式に従って参照評価関数の設定が更新された後、ステップ5に進む。違いがない場合には、この過程を経ずただちにステップ5へと進む。
ステップ5では、最適解算出手段10dによって、候補解→U*(t−Δt)に対する補正解→X*(t)の算出が行われる。
ステップ6では、異常解検出手段10fによって、算出された補正解→X*(t)が異常解であるかどうかが判定される。異常解であると判定された場合には、ステップ7の処理へ進む。異常解が検出されなかった場合は、ステップ13へ進む。
ステップ7では、異常処理手段によって、算出解→U*(t)、候補解→U*(t−Δt)が破棄されて、ステップ8へ進む。
ステップ8では、検出された異常解の種類を判別して処理を分岐する。(数28)式の条件を満たした場合には、ステップ11へ進み、それ以外の条件で異常解と判定された場合には、ステップ9へ進む。
ステップ9では、Lv(v0)+Lu(u)で構成される初期評価関数が参照評価関数記憶手段10cに格納される。
ステップ10では、初期解生成手段によって、(数30)式に従って新たな初期解→U*(t)が生成される。
ステップ11では、暫定目標設定手段10iによって、初期解が満たすべき条件(数32)式、(数33)式が設定され、それに基づいて(数36)式によって暫定目標車速を算出する。
ステップ12では、評価区間長をTfに変更し、さらにLv(v0)に含まれる目標車速パラメータv0 *をステップ11で算出される暫定目標車速で置き換えた上で、Lv(v0)+Lu(u)で構成される初期評価関数を参照評価関数記憶手段10cに格納する。
ステップ13では、初期解生成手段によって、(数37)式、(数38)式に従って新たな初期解→U*(t)が最適解候補として生成される。
ステップ14では、最適解→U*(t)から実際の制御指令値を決定し、スロットルコントローラあるいはブレーキコントローラに指令を送る。
図11に、図9の場面における異常解の検出と異常処理の概要を説明した図を示す。図11では、他車A17の陰から車線変更してきた他車B18を検知し、予測計算によって異常解の判定条件を満たすほど他車B18に接近する状況が予想されたため(図11において、ホライズン長は短縮)、他車B18の手前に暫定目標を設定し、ただちに減速を指示する制御指令が出力され、その後は他車B18に追従するような制御指令が生成(ホライズン長を拡大)されている様子を示している。
以上が本発明の第2の実施例である。
(実施例3)
本発明の第3の実施例を図12から図16までの図面に基づいて説明する。
以上が本発明の第2の実施例である。
(実施例3)
本発明の第3の実施例を図12から図16までの図面に基づいて説明する。
図12は本発明である車両用推奨操作量生成装置を構成するのに必要な装置の一配置図である。
図12において、前方カメラ8a、後方カメラ8b、側方カメラ8cおよび車速センサ9は第二の実施例で説明したものと同じ装置で構成される。
GPS信号受信機11は衛星からの信号を受信して自車位置に関する情報を得る。得られた自車位置情報は、地図情報データベース12に記録された地図データと照合され、自車前方の車線数に関する情報が得られる。
演算部10はマイクロコンピュータとその周辺部品から構成され、センサからの信号を内蔵メモリに記録されたプログラムに従って処理し、計算結果を表示装置に伝達する。
表示装置14は液晶パネルなどの表示用ディスプレイで構成され、演算部10から送られてきた推奨操作量に関する情報をディスプレイに表示する。
演算部10に格納されたマイクロコンピュータのソフトウェアの形態により、図13に示すブロック10a〜10kを構成する。
以下、図14の場面における装置の動作を例として、本実施例における演算部の処理内容について説明する。
図14は片側三車線の道路を自車16と二台の他車A17および他車B18が走行している場面を示している。自車16が走行している左車線は前方で途切れており、自車16は中央車線に車線変更する必要に迫られている場面である。本実施例では、センサの制約により認識可能な車線は現在の走行車線の両隣に限定されているという想定を置いているので、自車16からは中央車線を走行している他車A17は検出しているが、右車線を走行している他車B18は検出できていない状況を考えている。なお、座標系は図14のように設定されているものとする。
状態量算出処理10aでは、第2の実施例と同様にして、各車の進行方向位置、進行方向速度、車線位置からなる状態量の値が決定される。その結果、(数14)式と同様のシステム状態量が定義される。ただし、この時点では他車B18が検出できていないので、他車B18に関する状態量は割り当てられない。
車線減少地点検出手段10mでは、GPS信号と地図情報データベースの情報をもとに、自車前方の道路構造の情報を得て、車線が減少している地点のx座標の値を算出する。
周囲車両挙動予測手段10bで構成されるモデルは第二の実施例と同じモデルが用いられるが、本実施例では自車16の車線変更を前提とした推奨操作量が生成されるので、自車16に関しても横方向のモデルが定義される。すなわち、自車モデルを次式のように構成する。
評価関数は第二の実施例で説明した三つの評価基準に加えて、新たに二つの評価基準を表現した項が加えられる。その二つの評価基準とは、
iv)頻繁に車線変更を行わない
v)なるべく車線減少地点に近づかない
である。
項目iv)は、次式のような関数で表現することができる。
iv)頻繁に車線変更を行わない
v)なるべく車線減少地点に近づかない
である。
項目iv)は、次式のような関数で表現することができる。
項目v)は、車線減少地点のx座標をxendとして、次式のような関数で表現することができる。
以上より、本実施例においては、評価関数を構成する評価式Lは、
最適解算出手段10dの処理は、使用するモデルと評価関数が異なる以外は、第2の実施例と同じであるが、本実施例の場合、算出対象となる操作量がuxとuyの二つになる点が異なっている。
異常解検出手段10fの処理は、第2の実施例とほぼ同様であるが、本実施例では自車が車線減少地点に到達しているにも関わらず左車線に留まっていることが予想される状況が異常解検出条件として加えられる。図14における具体的な異常解発生の場面を図15に基づいて説明する。
図14において、自車16が走行する左車線からは他車B18が検出できないので、自車16と他車A17との関係だけを考慮して推奨操作量の生成が行われる。その結果、図15に示したように、他車A(17)が前方へ離れるのを待ってから、中央車線に車線変更することを推奨する推奨操作量が得られた。この時、右車線を走行している他車B18が中央車線へ車線変更を開始してきたとする。この場合、他車B18を考慮せずに生成された推奨操作量では、自車16が中央車線に車線変更したそのすぐ後に他車B18が車線変更してくるような解となってしまう。このような解は、他車B18も考慮した場合の真の最適解とは大きく異なる解であり、中央車線へ車線変更する解は、異常処理手段10gによって破棄されるか、あるいは通常の最適解算出手段10dによる演算によって修正されるか、のどちらかによって、左車線に留まることを推奨する解へと変形される。しかし、左車線に留まった場合には、今度は車線減少地点への接近に対処するために急減速が必要になる場合があるが、解の変形が間に合わずに左車線に留まったまま車線減少地点を通り越してしまうような解が生成される場合がある。そのような解は現実には実行不可能であり、推奨操作量として出力することはできない。従って、そのような予測値が最適解算出手段10dにおいて検出された場合には、やはりその解は異常解として破棄する必要がある。
そこで、異常解検出条件として、次式の条件が追加される。
初期解生成手段10hは、第2の実施例と同様に、他車評価重みであるw1とw2を0にした初期評価関数に対する最適解を算出する。さらに、条件(数48)式が成立するような場合、中央車線への車線変更がもともと困難な状況になっていることが多いので、車線位置の指令値uyは左車線を指示するuy=1に固定する。従って、評価式を構成する項のうち、LyとLsは実質的に最適解に影響を与えなくなり、Ly、Lu、Lmの三つの項だけで最適解が決まることになる。この場合、Lmが非線形関数となっているので、第2の実施例のように最適解を既知関数で表現することは困難である。しかし、評価関数がLy、Lu、Lmの三つの項だけで構成されている場合、自車の現在(時刻t)の車線減少地点までの距離xend−x(t)と速度v(t)によって最適解は一意に決まる。従って、いくつかの代表的な距離xend−x(t)と速度v(t)の値の組に対してあらかじめオフラインの最適化計算によって最適解の数値解を求めておいて、その結果を演算部のメモリに記録しておけば、異常解が検出された場面と最も近い値の組に対する数値解を呼び出すことで、近似的に初期解を構成することができる。
暫定目標生成手段10i、評価関数補正手段10j、推奨操作量決定手段10kでは第2の実施例と同様の処理が行われる。
演算部全体の処理の手順についても、第2の実施例における図10のフローチャートとほぼ同様の処理が進められる。第2の実施例と異なるのは、ステップ1の状態量算出処理の後に、車線減少地点を検出する処理が加わることだけである。
表示装置4では、推奨操作量決定手段10kから出力されてきた指令値ux *(t;t)、uy *(t;t)の値を読み込んで、画面上にux *(t;t)、uy *(t;t)の意味するところを運転者にわかりやすい形で表示する。表示装置14の表示例を図16に示す。ux *(t;t)の値によって垂直方向の指示矢印が表示され、uy *(t;t)の値と現在の車線の位置が違っている場合には、車線変更を推奨しているものと解釈して、目標車線方向に水平方向の指示矢印を表示する。
以上が本発明の第3の実施例である。
以上が本発明の第3の実施例である。
1:ばね
2:ダンパ
3:台車
4:モータ
5:モータコントローラ
6:ロータリーエンコーダ
7:制御指令入力装置
8:カメラ
9:車速センサ
10:演算部
11:制御目標入力装置
12:スロットルコントローラ
13:スロットルアクチュエータ
14:ブレーキコントローラ
15:ブレーキクチュエータ
2:ダンパ
3:台車
4:モータ
5:モータコントローラ
6:ロータリーエンコーダ
7:制御指令入力装置
8:カメラ
9:車速センサ
10:演算部
11:制御目標入力装置
12:スロットルコントローラ
13:スロットルアクチュエータ
14:ブレーキコントローラ
15:ブレーキクチュエータ
Claims (12)
- システムの状態を検出する状態量検出手段と、
システムに加える操作量に対する未来の予測値を求めるシステム挙動予測手段と、
現在から所定時間先の未来までの時間である評価区間にわたるシステムの制御結果の評価値を算出する評価関数とを備え、
前記評価関数を最小にするような条件である最適性の条件を満たす操作量の所定時間先の未来までの時系列信号である最適解を算出するモデル予測制御装置であって、
制御系の標準的な評価関数である標準評価関数の設定情報を保持する標準評価関数記憶手段と、
実際の操作量算出に用いられる評価関数である参照評価関数の設定情報を保持する参照評価関数記憶手段と、
参照評価関数に基づいて、前記システムの挙動に最適となる解の候補、すなわち候補解に対する補正量を計算することで前記最適解を算出する最適解算出手段と、
予め決められた評価関数である初期評価関数に対して、前記候補解を利用することなく前記最適解を算出する初期解生成手段と、
前記最適解算出手段における計算の異常を異常解として検出する異常解検出手段と、
前記異常解検出手段において異常が検出された場合に、前記最適解算出手段から計算された前記最適解を破棄し、前記参照評価関数記憶手段に記録されている前記評価関数を前記初期評価関数へと切り替え、前記初期解生成手段から生成された解を最適解とする異常処理手段と、
前記標準評価関数と前記参照評価関数とを比較し、両者が一致しない場合には、前記参照評価関数を前記標準評価関数に段階的に一致させるように、前記参照評価関数に所定の範囲内で変更を加える評価関数補正手段と、
前記最適解から前記操作量を決定する操作量決定手段と
を備えることを特徴とするモデル予測制御装置。 - 請求項1に記載のモデル予測制御装置において、
前記参照評価関数補正手段は、前記初期評価関数と、前記標準評価関数の加重和によって前記参照評価関数を構成し、結合加重を時間の経過と共に変更していくことで、前記参照評価関数を前記標準評価関数に段階的に一致させることを特徴とするモデル予測制御装置。 - 請求項1に記載のモデル予測制御装置において、
前記参照評価関数補正手段は、前記参照評価関数の評価区間長が前記標準評価関数の評価区間長とは異なる場合には、前記参照評価関数の評価区間長を時間の経過とともに徐々に前記標準評価関数の評価区間長に近づけていくことで、前記参照評価関数を前記標準評価関数に段階的に一致させることを特徴とするモデル予測制御装置。 - 請求項1に記載のモデル予測制御装置において、
前記初期解生成手段は、予め想定された幾つかのシステム状態量に対して算出された数値的な前記最適解が記録され、記録された前記最適解の中から現在の状態に最も適した前記最適解を選び出すことで初期解生成を行うことを特徴とするモデル予測制御装置。 - 請求項1乃至請求項4の何れかに記載のモデル予測制御装置において、
前記初期解生成手段は、前記初期評価関数に対する前記最適解を与える既知の関数式から、現在のシステム状態量に対応する数値列を算出し、該算出された数値列を初期解として生成することを特徴とするモデル予測制御装置。 - 請求項1乃至請求項5の何れかに記載のモデル予測制御装置において、
前記異常解検出手段は、前記最適解算出手段で算出された最適解の候補に対する補正量の大きさが所定の水準よりも大きくなった場合に、前記算出された解が異常解であると判定することを特徴とするモデル予測制御装置。 - 請求項1乃至請求項6の何れかに記載のモデル予測制御装置において、
前記異常解検出手段は、前記最適解算出手段で算出された最適解が所定の水準よりも大きな操作量を含む場合に、算出された解が前記異常解であると判定することを特徴とするモデル予測制御装置。 - 請求項1乃至請求項7の何れかに記載のモデル予測制御装置において、
前記最適解算出手段は、
前記最適解の候補に対する前記補正量を反復計算によって算出し、反復回数に所定の上限が設定されており、前記反復計算で得られた解と前記最適性の条件との乖離を算出するものであり、
前記異常解検出手段は、前記最適解算出手段で算出された解の前記最適性の条件との乖離が所定の水準以上に大きくなった場合に、算出された解が前記異常解であると判定することを特徴とするモデル予測制御装置。 - 自車の走行状態を検出する自車状態検出手段と、
自車の周囲を走行する他車両を検出する周囲車両検出手段と、
自車および周囲車両の挙動を予測する周囲車両挙動予測手段と、
現在から所定時間先の未来までの評価区間にわたる周囲車両の挙動予測に基づいて、自車にとっての望ましい走行状態に関する基準と自車の操作量との適合度を数値的に評価する評価関数とを備え、
最適性の条件を満たす所定時間先の未来までの自車の操作量のパターンである最適解に基づいて運転者に推奨する操作量を生成する推奨操作量生成装置であって、
装置の設計時あるいは前記運転者によって設定された制御系の標準的な評価関数である標準評価関数の設定情報を保持する標準評価関数記憶手段と、
実際の操作量算出に用いられる評価関数である参照評価関数の設定情報を保持する参照評価関数記憶手段と、
車両走行状態の挙動に最適となる解の候補、すなわち候補解に対する補正量を計算することで前記最適解を算出する最適解算出手段と、
予め定められた評価関数である初期評価関数に対して、前記候補解を利用することなく前記最適解を算出する初期解生成手段と、
前記最適解算出手段における計算の異常を異常解として検出する異常解検出手段と、
前記異常解検出手段において異常が検出された場合に、前記最適解算出手段から計算された前記最適解を破棄し、前記参照評価関数記憶手段に記録されている参照評価関数を前記初期評価関数へと切り替え、前記初期解生成手段から生成された解を前記最適解とする異常処理手段と、
前記標準評価関数と前記参照評価関数を比較し、両者が一致しない場合には、前記参照評価関数を前記標準評価関数に段階的に一致させるように、前記参照評価関数に所定の範囲内で変更を加える参照評価関数補正手段と、
前記最適解から推奨する前記操作量を決定する推奨操作量決定手段と
を備えることを特徴とする車両用推奨操作量生成装置。 - 請求項9に記載の車両用推奨操作量生成装置において、
前記最適解算出手段は、最適解の候補と周囲車両挙動予測手段の予測モデルを用いて、数値的に前記自車および前記周囲車両の未来の状態を計算する状態予測計算を含み、
前記異常解検出手段は、前記自車および前記周囲車両の前記状態予測計算において、前記自車と前記周囲車両の中のいずれか一台以上の車両との接触のリスクが、所定の水準以上に大きくなる結果が得られた場合に、前記算出された解が前記異常解であると判定することを特徴とする車両用推奨操作量生成装置。 - 請求項9または請求項10に記載の車両用推奨操作量生成装置において、
前記自車前方道路の車線減少地点を検出する車線減少地点検出手段を備え、
前記最適解算出手段は、前記最適解の候補と前記周囲車両の前記状態予測手段の予測モデルを用いて、数値的に前記自車および前記周囲車両の未来の状態を計算する計算過程を含み、
前記異常解検出手段は、前記自車および前記周囲車両の未来の前記状態予測計算において、前記自車が車線減少地点を通過しているにも関わらず、減少車線に留まっている結果が得られた場合に、算出された解が前記異常解であると判定することを特徴とする車両用推奨操作量生成装置。 - 請求項9乃至請求項11の何れかに記載された車両用推奨操作量生成装置において、
前記異常解検出手段は、前記周囲車両挙動予測手段における前記状態予測計算において、前記自車と前記周囲車両との接触のリスクが異常検出の判定閾値を越えるか、あるいは自車が車線減少地点通過後も減少車線に留まる、という事象が予想された場合に、それらの事象の生起が予想される時刻とその時刻における前記自車の位置を記録し、記録された時刻および前記自車の位置をもとに、その時刻における前記自車の位置および速度が異常検出の条件からはずれるような暫定目標状態量を算出する暫定目標設定手段を備え、
前記異常処理手段は、前記自車が前記時刻において前記暫定目標設定手段で設定した状態量に到達する解が前記最適解となるように前記初期評価関数を設定することを特徴とする車両用推奨操作量生成装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004157682A JP2005339241A (ja) | 2004-05-27 | 2004-05-27 | モデル予測制御装置および車両用推奨操作量生成装置 |
US11/128,271 US7418372B2 (en) | 2004-05-27 | 2005-05-13 | Model predictive control apparatus |
EP05010668A EP1600322A3 (en) | 2004-05-27 | 2005-05-17 | Model predictive control apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004157682A JP2005339241A (ja) | 2004-05-27 | 2004-05-27 | モデル予測制御装置および車両用推奨操作量生成装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005339241A true JP2005339241A (ja) | 2005-12-08 |
Family
ID=34936601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004157682A Pending JP2005339241A (ja) | 2004-05-27 | 2004-05-27 | モデル予測制御装置および車両用推奨操作量生成装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US7418372B2 (ja) |
EP (1) | EP1600322A3 (ja) |
JP (1) | JP2005339241A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107367931A (zh) * | 2016-05-13 | 2017-11-21 | 福特全球技术公司 | 自适应车辆控制 |
CN111679575A (zh) * | 2020-05-14 | 2020-09-18 | 江苏大学 | 一种基于鲁棒模型预测控制的智能汽车轨迹跟踪控制器及其构造方法 |
US11427198B2 (en) * | 2017-12-04 | 2022-08-30 | Boe Technology Group Co., Ltd. | Device and method for controlling travel of vehicle, and processor-readable storage medium |
Families Citing this family (124)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4176690B2 (ja) * | 2004-09-03 | 2008-11-05 | 本田技研工業株式会社 | 車両の走行制御装置 |
US7467614B2 (en) | 2004-12-29 | 2008-12-23 | Honeywell International Inc. | Pedal position and/or pedal change rate for use in control of an engine |
US7389773B2 (en) | 2005-08-18 | 2008-06-24 | Honeywell International Inc. | Emissions sensors for fuel control in engines |
DE102005039103A1 (de) * | 2005-08-18 | 2007-03-01 | Robert Bosch Gmbh | Verfahren für die Erfassung eines Verkehrsraums |
GB2430764B (en) * | 2005-09-30 | 2011-03-09 | Fisher Rosemount Systems Inc | On-line adaptive model predictive control in a process control system |
US7451004B2 (en) | 2005-09-30 | 2008-11-11 | Fisher-Rosemount Systems, Inc. | On-line adaptive model predictive control in a process control system |
US7953521B2 (en) * | 2005-12-30 | 2011-05-31 | Microsoft Corporation | Learning controller for vehicle control |
JP4638370B2 (ja) * | 2006-03-29 | 2011-02-23 | 富士重工業株式会社 | 車線逸脱防止装置 |
DE102006022284A1 (de) * | 2006-05-11 | 2007-11-15 | Sick Stegmann Gmbh | Verfahren zur Synchronisation einer bidirektionalen Übertragung von Daten |
US8108092B2 (en) | 2006-07-14 | 2012-01-31 | Irobot Corporation | Autonomous behaviors for a remote vehicle |
US8005575B2 (en) | 2006-06-01 | 2011-08-23 | General Electric Company | Methods and apparatus for model predictive control in a real time controller |
JP4420011B2 (ja) * | 2006-11-16 | 2010-02-24 | 株式会社日立製作所 | 物体検知装置 |
US8032235B2 (en) * | 2007-06-28 | 2011-10-04 | Rockwell Automation Technologies, Inc. | Model predictive control system and method for reduction of steady state error |
US8355539B2 (en) * | 2007-09-07 | 2013-01-15 | Sri International | Radar guided vision system for vehicle validation and vehicle motion characterization |
EP2055721A1 (en) * | 2007-11-05 | 2009-05-06 | Total Petrochemicals Research Feluy | Method for optimising the transition from one polymer grade to another |
EP2055720A1 (en) * | 2007-11-05 | 2009-05-06 | Total Petrochemicals Research Feluy | Predictive model for density and melt index of polymer leaving loop reactor |
DE102008005712A1 (de) | 2008-01-21 | 2009-07-23 | Volkswagen Ag | Verfahren und Anordnung zur Steuerung von Motoren sowie ein entsprechendes Computerprogramm und ein entsprechendes computerlesbares Speichermedium |
US8060290B2 (en) | 2008-07-17 | 2011-11-15 | Honeywell International Inc. | Configurable automotive controller |
US8190536B2 (en) * | 2008-09-10 | 2012-05-29 | King Fahd University Of Petroleum & Minerals | Method of performing parallel search optimization |
WO2010101749A1 (en) * | 2009-03-05 | 2010-09-10 | Massachusetts Institute Of Technology | Predictive semi-autonomous vehicle navigation system |
US8244408B2 (en) * | 2009-03-09 | 2012-08-14 | GM Global Technology Operations LLC | Method to assess risk associated with operating an autonomic vehicle control system |
US8306686B2 (en) * | 2009-04-23 | 2012-11-06 | GM Global Technology Operations LLC | GPS based vehicle modification and abnormal usage monitoring |
US8620461B2 (en) | 2009-09-24 | 2013-12-31 | Honeywell International, Inc. | Method and system for updating tuning parameters of a controller |
US8712738B2 (en) * | 2010-04-30 | 2014-04-29 | International Business Machines Corporation | Determining ill conditioning in square linear system of equations |
US8504175B2 (en) | 2010-06-02 | 2013-08-06 | Honeywell International Inc. | Using model predictive control to optimize variable trajectories and system control |
WO2011158307A1 (ja) * | 2010-06-18 | 2011-12-22 | 本田技研工業株式会社 | 運転者の車線変更意図を予測するシステム |
US8554343B2 (en) | 2010-12-08 | 2013-10-08 | Mitsubishi Electric Research Laboratories, Inc. | Method for solving control problems |
US8914181B2 (en) * | 2010-12-29 | 2014-12-16 | Siemens S.A.S. | System and method for active lane-changing assistance for a motor vehicle |
JP5505319B2 (ja) * | 2011-01-18 | 2014-05-28 | 株式会社エクォス・リサーチ | 車両 |
US9677493B2 (en) | 2011-09-19 | 2017-06-13 | Honeywell Spol, S.R.O. | Coordinated engine and emissions control system |
US9650934B2 (en) | 2011-11-04 | 2017-05-16 | Honeywell spol.s.r.o. | Engine and aftertreatment optimization system |
US20130111905A1 (en) | 2011-11-04 | 2013-05-09 | Honeywell Spol. S.R.O. | Integrated optimization and control of an engine and aftertreatment system |
US9168924B2 (en) * | 2012-03-26 | 2015-10-27 | GM Global Technology Operations LLC | System diagnosis in autonomous driving |
US8818606B2 (en) * | 2012-04-16 | 2014-08-26 | GM Global Technology Operations LLC | System and method for vehicle lateral control |
US9669828B2 (en) | 2012-06-01 | 2017-06-06 | Toyota Motor Engineering & Manufacturing North America, Inc. | Cooperative driving and collision avoidance by distributed receding horizon control |
JP6003349B2 (ja) * | 2012-07-27 | 2016-10-05 | トヨタ自動車株式会社 | 車両挙動予測装置 |
US9534547B2 (en) | 2012-09-13 | 2017-01-03 | GM Global Technology Operations LLC | Airflow control systems and methods |
US9765703B2 (en) | 2013-04-23 | 2017-09-19 | GM Global Technology Operations LLC | Airflow control systems and methods using model predictive control |
US9797318B2 (en) | 2013-08-02 | 2017-10-24 | GM Global Technology Operations LLC | Calibration systems and methods for model predictive controllers |
US9429085B2 (en) | 2013-04-23 | 2016-08-30 | GM Global Technology Operations LLC | Airflow control systems and methods using model predictive control |
US9784198B2 (en) | 2015-02-12 | 2017-10-10 | GM Global Technology Operations LLC | Model predictive control systems and methods for increasing computational efficiency |
US9528453B2 (en) | 2014-11-07 | 2016-12-27 | GM Global Technologies Operations LLC | Throttle control systems and methods based on pressure ratio |
US9587573B2 (en) | 2014-03-26 | 2017-03-07 | GM Global Technology Operations LLC | Catalyst light off transitions in a gasoline engine using model predictive control |
US9599053B2 (en) | 2014-03-26 | 2017-03-21 | GM Global Technology Operations LLC | Model predictive control systems and methods for internal combustion engines |
US9435274B2 (en) | 2014-03-26 | 2016-09-06 | GM Global Technology Operations LLC | System and method for managing the period of a control loop for controlling an engine using model predictive control |
US9605615B2 (en) | 2015-02-12 | 2017-03-28 | GM Global Technology Operations LLC | Model Predictive control systems and methods for increasing computational efficiency |
US9732688B2 (en) | 2014-03-26 | 2017-08-15 | GM Global Technology Operations LLC | System and method for increasing the temperature of a catalyst when an engine is started using model predictive control |
US9920697B2 (en) | 2014-03-26 | 2018-03-20 | GM Global Technology Operations LLC | Engine control systems and methods for future torque request increases |
US9541019B2 (en) | 2014-03-26 | 2017-01-10 | GM Global Technology Operations LLC | Estimation systems and methods with model predictive control |
US9863345B2 (en) | 2012-11-27 | 2018-01-09 | GM Global Technology Operations LLC | System and method for adjusting weighting values assigned to errors in target actuator values of an engine when controlling the engine using model predictive control |
US9388758B2 (en) * | 2014-03-26 | 2016-07-12 | GM Global Technology Operations LLC | Model predictive control systems and methods for future torque changes |
US9599049B2 (en) | 2014-06-19 | 2017-03-21 | GM Global Technology Operations LLC | Engine speed control systems and methods |
US9399959B2 (en) | 2014-03-26 | 2016-07-26 | GM Global Technology Operations LLC | System and method for adjusting a torque capacity of an engine using model predictive control |
US9714616B2 (en) * | 2014-03-26 | 2017-07-25 | GM Global Technology Operations LLC | Non-model predictive control to model predictive control transitions |
WO2014119359A1 (ja) * | 2013-01-29 | 2014-08-07 | 日本精工株式会社 | 電動パワーステアリング装置 |
US10418833B2 (en) | 2015-10-08 | 2019-09-17 | Con Edison Battery Storage, Llc | Electrical energy storage system with cascaded frequency response optimization |
US9235657B1 (en) | 2013-03-13 | 2016-01-12 | Johnson Controls Technology Company | System identification and model development |
US9436179B1 (en) | 2013-03-13 | 2016-09-06 | Johnson Controls Technology Company | Systems and methods for energy cost optimization in a building system |
US9852481B1 (en) | 2013-03-13 | 2017-12-26 | Johnson Controls Technology Company | Systems and methods for cascaded model predictive control |
US9074894B2 (en) * | 2013-07-08 | 2015-07-07 | GM Global Technology Operations LLC | Vehicle range projection estimation |
DE102013224303A1 (de) * | 2013-11-27 | 2015-05-28 | Robert Bosch Gmbh | Verfahren und Steuergerät zur situationsabhängigen Lenkhilfe bei einem Spurhalteassistenten für ein Fahrzeug |
US9581981B2 (en) | 2014-03-06 | 2017-02-28 | Mitsubishi Electric Corporation | Method and apparatus for preconditioned continuation model predictive control |
US10386820B2 (en) | 2014-05-01 | 2019-08-20 | Johnson Controls Technology Company | Incorporating a demand charge in central plant optimization |
US10060370B2 (en) * | 2014-10-02 | 2018-08-28 | Ford Global Technologies, Llc | Adaptive model predictive control for vehicle route planning |
EP3051367B1 (en) | 2015-01-28 | 2020-11-25 | Honeywell spol s.r.o. | An approach and system for handling constraints for measured disturbances with uncertain preview |
EP3056706A1 (en) | 2015-02-16 | 2016-08-17 | Honeywell International Inc. | An approach for aftertreatment system modeling and model identification |
EP3091212A1 (en) | 2015-05-06 | 2016-11-09 | Honeywell International Inc. | An identification approach for internal combustion engine mean value models |
EP3125052B1 (en) | 2015-07-31 | 2020-09-02 | Garrett Transportation I Inc. | Quadratic program solver for mpc using variable ordering |
US10272779B2 (en) | 2015-08-05 | 2019-04-30 | Garrett Transportation I Inc. | System and approach for dynamic vehicle speed optimization |
JP6589523B2 (ja) * | 2015-09-30 | 2019-10-16 | ブラザー工業株式会社 | パラメータ更新方法、パラメータ更新装置、及びプログラム |
US10190789B2 (en) | 2015-09-30 | 2019-01-29 | Johnson Controls Technology Company | Central plant with coordinated HVAC equipment staging across multiple subplants |
US10554170B2 (en) | 2015-10-08 | 2020-02-04 | Con Edison Battery Storage, Llc | Photovoltaic energy system with solar intensity prediction |
US10197632B2 (en) | 2015-10-08 | 2019-02-05 | Taurus Des, Llc | Electrical energy storage system with battery power setpoint optimization using predicted values of a frequency regulation signal |
US10222083B2 (en) | 2015-10-08 | 2019-03-05 | Johnson Controls Technology Company | Building control systems with optimization of equipment life cycle economic value while participating in IBDR and PBDR programs |
US10250039B2 (en) | 2015-10-08 | 2019-04-02 | Con Edison Battery Storage, Llc | Energy storage controller with battery life model |
US10283968B2 (en) | 2015-10-08 | 2019-05-07 | Con Edison Battery Storage, Llc | Power control system with power setpoint adjustment based on POI power limits |
US10700541B2 (en) | 2015-10-08 | 2020-06-30 | Con Edison Battery Storage, Llc | Power control system with battery power setpoint optimization using one-step-ahead prediction |
US11210617B2 (en) | 2015-10-08 | 2021-12-28 | Johnson Controls Technology Company | Building management system with electrical energy storage optimization based on benefits and costs of participating in PDBR and IBDR programs |
US10564610B2 (en) | 2015-10-08 | 2020-02-18 | Con Edison Battery Storage, Llc | Photovoltaic energy system with preemptive ramp rate control |
US10389136B2 (en) | 2015-10-08 | 2019-08-20 | Con Edison Battery Storage, Llc | Photovoltaic energy system with value function optimization |
US10418832B2 (en) | 2015-10-08 | 2019-09-17 | Con Edison Battery Storage, Llc | Electrical energy storage system with constant state-of charge frequency response optimization |
US10190793B2 (en) | 2015-10-08 | 2019-01-29 | Johnson Controls Technology Company | Building management system with electrical energy storage optimization based on statistical estimates of IBDR event probabilities |
US10742055B2 (en) | 2015-10-08 | 2020-08-11 | Con Edison Battery Storage, Llc | Renewable energy system with simultaneous ramp rate control and frequency regulation |
US10222427B2 (en) | 2015-10-08 | 2019-03-05 | Con Edison Battery Storage, Llc | Electrical energy storage system with battery power setpoint optimization based on battery degradation costs and expected frequency response revenue |
JP6443311B2 (ja) * | 2015-11-30 | 2018-12-26 | オムロン株式会社 | 制御装置、制御プログラムおよび記録媒体 |
US20180373208A1 (en) * | 2015-12-25 | 2018-12-27 | Nec Corporation | Cost function design system, cost function design method, and cost function design program |
US10415492B2 (en) | 2016-01-29 | 2019-09-17 | Garrett Transportation I Inc. | Engine system with inferential sensor |
EP3208786B1 (en) * | 2016-02-22 | 2023-06-07 | Volvo Car Corporation | Method and system for evaluating inter-vehicle traffic gaps and time instances to perform a lane change manoeuvre |
US10124750B2 (en) | 2016-04-26 | 2018-11-13 | Honeywell International Inc. | Vehicle security module system |
US10036338B2 (en) | 2016-04-26 | 2018-07-31 | Honeywell International Inc. | Condition-based powertrain control system |
US9938908B2 (en) | 2016-06-14 | 2018-04-10 | GM Global Technology Operations LLC | System and method for predicting a pedal position based on driver behavior and controlling one or more engine actuators based on the predicted pedal position |
US10778012B2 (en) | 2016-07-29 | 2020-09-15 | Con Edison Battery Storage, Llc | Battery optimization control system with data fusion systems and methods |
US10594153B2 (en) | 2016-07-29 | 2020-03-17 | Con Edison Battery Storage, Llc | Frequency response optimization control system |
DE102016009763A1 (de) * | 2016-08-11 | 2018-02-15 | Trw Automotive Gmbh | Steuerungssystem und Steuerungsverfahren zum Bestimmen einer Trajektorie und zum Erzeugen von zugehörigen Signalen oder Steuerbefehlen |
EP3291202B1 (en) * | 2016-08-29 | 2019-04-17 | Volvo Car Corporation | Method of road vehicle trajectory planning |
KR102573303B1 (ko) * | 2016-09-01 | 2023-08-31 | 삼성전자 주식회사 | 자율 주행 방법 및 장치 |
JP6859633B2 (ja) * | 2016-09-05 | 2021-04-14 | オムロン株式会社 | モデル予測制御装置、モデル予測制御装置の制御方法、情報処理プログラム、および記録媒体 |
JP2018041150A (ja) * | 2016-09-05 | 2018-03-15 | オムロン株式会社 | モデル予測制御装置、モデル予測制御装置の制御方法、情報処理プログラム、および記録媒体 |
WO2018101918A1 (en) | 2016-11-29 | 2018-06-07 | Honeywell International Inc. | An inferential flow sensor |
US10392014B2 (en) | 2017-02-03 | 2019-08-27 | Ford Global Technologies, Llc | Speed controller for a vehicle |
EP3404497B1 (en) * | 2017-05-15 | 2021-11-10 | Siemens Aktiengesellschaft | A method and system for providing an optimized control of a complex dynamical system |
US10969749B2 (en) * | 2017-08-22 | 2021-04-06 | Honeywell Limited | Application of model predictive control (MPC)-based forced ramping of process input variables and process output reference trajectory design over a prediction horizon for MPC-based paper machine grade change control |
US11057213B2 (en) | 2017-10-13 | 2021-07-06 | Garrett Transportation I, Inc. | Authentication system for electronic control unit on a bus |
US10838440B2 (en) | 2017-11-28 | 2020-11-17 | Johnson Controls Technology Company | Multistage HVAC system with discrete device selection prioritization |
US10838441B2 (en) | 2017-11-28 | 2020-11-17 | Johnson Controls Technology Company | Multistage HVAC system with modulating device demand control |
US11273836B2 (en) * | 2017-12-18 | 2022-03-15 | Plusai, Inc. | Method and system for human-like driving lane planning in autonomous driving vehicles |
US11130497B2 (en) | 2017-12-18 | 2021-09-28 | Plusai Limited | Method and system for ensemble vehicle control prediction in autonomous driving vehicles |
US20190185012A1 (en) | 2017-12-18 | 2019-06-20 | PlusAI Corp | Method and system for personalized motion planning in autonomous driving vehicles |
JP6586685B2 (ja) * | 2017-12-27 | 2019-10-09 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
JP7046740B2 (ja) * | 2018-07-02 | 2022-04-04 | 日立Astemo株式会社 | 予測制御装置 |
US11159022B2 (en) | 2018-08-28 | 2021-10-26 | Johnson Controls Tyco IP Holdings LLP | Building energy optimization system with a dynamically trained load prediction model |
US11163271B2 (en) | 2018-08-28 | 2021-11-02 | Johnson Controls Technology Company | Cloud based building energy optimization system with a dynamically trained load prediction model |
CN110209190B (zh) * | 2019-03-01 | 2022-05-20 | 苏州纳飞卫星动力科技有限公司 | 一种卫星标称轨道无偏飞行控制的方法 |
US11021148B2 (en) * | 2019-03-25 | 2021-06-01 | Zoox, Inc. | Pedestrian prediction based on attributes |
US11351991B2 (en) * | 2019-03-25 | 2022-06-07 | Zoox, Inc. | Prediction based on attributes |
WO2021078391A1 (de) * | 2019-10-25 | 2021-04-29 | Zf Friedrichshafen Ag | Modelbasierte prädiktive regelung einer elektrischen maschine eines antriebstrangs eines kraftfahrzeugs |
KR20210071618A (ko) * | 2019-12-06 | 2021-06-16 | 현대자동차주식회사 | 갓길 주차 상태 정보를 이용한 경로 탐색 방법 및 시스템 |
CN113315442B (zh) * | 2020-02-25 | 2023-03-28 | 中国石油化工股份有限公司 | 抽油机自适应功率电机转速优化方法及随动控制*** |
CN111413979B (zh) * | 2020-04-07 | 2021-02-19 | 吉林大学 | 一种基于快速模型预测的汽车轨迹跟踪控制方法 |
EP4009003B1 (en) * | 2020-12-02 | 2024-05-29 | NM Numerical Modelling GmbH | Sensor system and method for measuring a process value of a physical system |
CN113460088A (zh) * | 2021-07-26 | 2021-10-01 | 南京航空航天大学 | 基于非线性轮胎和驾驶员模型的无人车路径跟踪控制方法 |
CN114355774B (zh) * | 2021-12-27 | 2023-07-28 | 中国联合网络通信集团有限公司 | 模型预测控制方法及装置 |
CN117250869A (zh) * | 2023-11-15 | 2023-12-19 | 成都态坦测试科技有限公司 | 温控设备的控制方法、装置、可读存储介质及电子设备 |
CN117389234B (zh) * | 2023-12-05 | 2024-03-22 | 云南烟叶复烤有限责任公司 | 一种卧式打叶机组叶片结构指标智能控制*** |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL288436A (ja) * | 1962-02-02 | |||
US5424942A (en) * | 1993-08-10 | 1995-06-13 | Orbital Research Inc. | Extended horizon adaptive block predictive controller with an efficient prediction system |
JPH07191709A (ja) | 1993-12-27 | 1995-07-28 | Toshiba Corp | モデル予測制御のパラメータ設定方法 |
JPH09114367A (ja) * | 1995-10-24 | 1997-05-02 | Mitsubishi Electric Corp | 車載走行制御装置 |
JP3661495B2 (ja) | 1998-08-26 | 2005-06-15 | 日産自動車株式会社 | 先行車追従制御装置 |
US6934931B2 (en) * | 2000-04-05 | 2005-08-23 | Pavilion Technologies, Inc. | System and method for enterprise modeling, optimization and control |
US6912515B2 (en) * | 2001-06-04 | 2005-06-28 | Xerox Corporation | Method and system for algorithm synthesis in problem solving |
US6865562B2 (en) * | 2001-06-04 | 2005-03-08 | Xerox Corporation | Adaptive constraint problem solving method and system |
US6498968B1 (en) * | 2001-11-27 | 2002-12-24 | Lockheed Martin Corporation | Optimistic distributed simulation for a UAV flight control system |
US6990401B2 (en) * | 2002-10-04 | 2006-01-24 | Daimlerchrysler Ag | Predictive speed control for a motor vehicle |
JP2004157682A (ja) | 2002-11-05 | 2004-06-03 | Nec System Technologies Ltd | 自動カスタマイズシステム |
US7089220B2 (en) * | 2003-06-24 | 2006-08-08 | Palo Alto Research Center Incorporated | Complexity-directed cooperative problem solving |
US7089221B2 (en) * | 2003-06-24 | 2006-08-08 | Palo Alto Research Center Incorporated | Feedback control of problem solving |
-
2004
- 2004-05-27 JP JP2004157682A patent/JP2005339241A/ja active Pending
-
2005
- 2005-05-13 US US11/128,271 patent/US7418372B2/en not_active Expired - Fee Related
- 2005-05-17 EP EP05010668A patent/EP1600322A3/en not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107367931A (zh) * | 2016-05-13 | 2017-11-21 | 福特全球技术公司 | 自适应车辆控制 |
US11427198B2 (en) * | 2017-12-04 | 2022-08-30 | Boe Technology Group Co., Ltd. | Device and method for controlling travel of vehicle, and processor-readable storage medium |
CN111679575A (zh) * | 2020-05-14 | 2020-09-18 | 江苏大学 | 一种基于鲁棒模型预测控制的智能汽车轨迹跟踪控制器及其构造方法 |
Also Published As
Publication number | Publication date |
---|---|
US7418372B2 (en) | 2008-08-26 |
EP1600322A3 (en) | 2008-08-27 |
EP1600322A2 (en) | 2005-11-30 |
US20050267608A1 (en) | 2005-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2005339241A (ja) | モデル予測制御装置および車両用推奨操作量生成装置 | |
CN110834644B (zh) | 一种车辆控制方法、装置、待控制车辆及存储介质 | |
CN111923905B (zh) | 对轨迹进行估计的***和方法 | |
CN107128366B (zh) | 用于对拖曳车辆通过弯道提供校正的车道跟随路径的***和方法 | |
US9227632B1 (en) | Method of path planning for evasive steering maneuver | |
US9428187B2 (en) | Lane change path planning algorithm for autonomous driving vehicle | |
US10775798B2 (en) | Running track determining device and automatic driving apparatus | |
CN105539586B (zh) | 用于自主驾驶的车辆躲避移动障碍物的统一的运动规划 | |
US20150353082A1 (en) | Unified motion planning algorithm for autonomous driving vehicle in obstacle avoidance maneuver | |
JP3714258B2 (ja) | 車両用推奨操作量生成装置 | |
US9405293B2 (en) | Vehicle trajectory optimization for autonomous vehicles | |
US8170739B2 (en) | Path generation algorithm for automated lane centering and lane changing control system | |
US7085633B2 (en) | System and method for improving vehicle operator driving assistance of automotive vehicle | |
Suh et al. | Design and evaluation of a model predictive vehicle control algorithm for automated driving using a vehicle traffic simulator | |
US20080195282A1 (en) | Perception model for trajectory following autonomous and human augmented steering control | |
WO2015084406A1 (en) | Pre-alert of lcc's steering torque limit exceed | |
CN112937608B (zh) | 一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法、装置及存储介质 | |
JP4555699B2 (ja) | 先行車認識装置 | |
US20120158247A1 (en) | Perception Model For Trajectory Following Autonomous And Human Augmented Steering Control | |
CN112394725A (zh) | 用于自动驾驶的基于预测和反应视场的计划 | |
CN114364590A (zh) | 用于预测性控制机动车辆运动的装置 | |
CN113661106A (zh) | 基于模型的预测控制确定车辆致动器的输入变量 | |
CN117279814A (zh) | 车辆转弯期间的反向转向惩罚 | |
KR20210068449A (ko) | 자동차의 경로 및/또는 궤적을 계획하는 장치 | |
JP6702089B2 (ja) | 車両の運動制御方法及び車両の運動制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070402 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090107 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090120 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090526 |