JP6775637B1 - 車両の制御装置および車両の制御方法 - Google Patents

Abstract

【課題】複数の動力源による車両動作の条件が成立中に、総入力仕事率最小探索における探索時間および探索精度を向上させ、燃費あるいは電費を向上させる車両の制御装置、および車両の制御方法を提供する。【解決手段】駆動源であるエンジンおよびモータに要求するトルクの内、いずれが短時間で総入力仕事率が最小となる動作点を検索できる探索パラメータであるかを選定し、選定された探索パラメータを用いて総入力仕事率最小探索制御を行い、各駆動源に要求するトルクの分配を演算する。【選択図】図２

Description

本願は、車両の制御装置および車両の制御方法に関するものである。

近年、省エネルギーおよび環境を考慮した車両として、エンジンおよびモータなど複数の駆動源から動力を得る車両、例えばハイブリッド車両の普及が進んでいる。ハイブリッド車両の走行モードとしては、エンジンを作動させずにモータの動力で走行する「ＥＶ（Ｅｌｅｃｔｒｉｃ Ｖｅｈｉｃｌｅ）モード」、エンジンを用いて発電しつつモータの動力で走行する「シリーズモード」、エンジンとモータの両方の動力で走行する「パラレルモード」などがあり、走行モードの切り換えは車両の状況に応じて制御されている。

エンジンとモータの両方の動力で走行するパラレルモードにおいては、運転者が要求する車両の出力パワー（出力の仕事率）、即ち車両のトルクを得るために、エンジンとモータのそれぞれにおいて負担させるトルク（トルクの分配）を決定し、要求トルクとして指示しなければならない。その際、エンジンとモータの要求トルクを得るために投入しなければならない燃料および電力、即ち入力の仕事率を鑑みてトルク分配を決定しないと、必要以上に燃料および電力を消費してしまう、即ち効率が悪い状態で動作することとなり、燃費が悪化してしまう問題がある。よって、エンジンおよびモータの効率を考慮してそれぞれの要求トルクを決定する制御が必要となる。

例えば特許文献１には、エンジンの熱効率が最適値となる基準パワーよりも要求パワーが大きい場合、モータアシストパワーをパラメータとして車両の燃料消費量を算出し、この燃料消費量が最小値となる時のモータアシストパワーを探索し、探索された値を最適モータアシストパワーに設定し、エンジンとモータのトルクの分配を制御する技術が開示されている。

特開２０１８−１３４９０１号公報

特許文献１に開示された車両燃料消費量もしくは入力仕事率の最小値を探索する制御における課題は、探索時間である。電子コントロールユニットの所定時間周期の演算タイミング中に、所定のアルゴリズムで最小値を見つけるまで探索を繰り返すため、アルゴリズムもしくは探索時に利用する設定値などが妥当なものでないと、探索時間が長くなり、その間他の処理ができなくなってしまうことになる。このような状態を防止するために、探索時には探索の限界時間もしくは限界繰り返し回数を設定しておき、それを超える場合には最小値が見つけられていなくとも探索を途中で終了し、他処理のための時間を確保することが一般的である。その代わり、限界時間もしくは限界繰り返し回数による探索終了となった場合には、探索結果によって得られる燃費効果が小さくなってしまうことになる。

ここで、最小値探索のアルゴリズムの一つとして勾配法が挙げられる。勾配法では、所定関数の勾配に関する情報を用いて解を探索する。例えば、勾配法の一つである最急降下法では、現在値から所定関数の傾き（一階微分）に応じた値を減算し、変数の変化が十分小さくなるか、もしくは０になるまでそれを反復計算して最小値を探索する。この所定関数の傾きに応じた値が必要以上に小さいと、最小値の解を見つけるまでの反復計算が多くなり探索時間が長くなる。一方で所定関数の傾きに応じた値が必要以上に大きいと、反復計算しても最小値の解に近づかないか、もしくは遠ざかってしまう場合がある。

また、燃料消費量もしくは入力仕事率の最小値を探索する制御における上記所定関数とは、燃料消費量もしくは入力仕事率の関係式を、各駆動源の要求トルクを変数にして整理した式である。即ち、各駆動源の要求トルクの分配に関し、入力仕事率を考慮して決定している。ここで、車両の要求トルクは現在の車両の状態および運転者の動作によりあらかじめ設定されているものであり、且つ各駆動源に対する要求トルクの合計である。即ち、複数の動力源の要求トルクの内、一つの動力源の要求トルクは他の動力源の要求トルクと車両の要求トルクとの関係式に変換できる。よって、燃料消費量もしくは入力仕事率の最小値を探索する制御における上記所定関数は、（動力源の数−１）の要求トルクを変数とした式となる。

ここで、どの動力源の要求トルクを、他の動力源の要求トルクと車両の要求トルクとの関係式とするかで、最小値を探索する制御における探索時間が変化する場合がある。例えば、エンジンとモータの２つの動力源がある場合、ある動作点ではエンジンの要求トルクをパラメータとした方が探索時間が短く、他の動作点ではモータの要求トルクをパラメータとした方が探索時間が短い場合がある。このような場合、電子コントロールユニットに搭載する探索ロジックを、どちらか一方の要求トルクをパラメータとして構築してしまうと、探索ロジック動作時に探索時間が長いケースが発生し、探索の限界時間もしくは限界繰り返し回数による探索終了となって、得られる燃費効果が小さくなってしまう可能性がある。

ここで、特許文献１に開示された最小値探索においては、モータアシストパワーを変化させて、車両燃料消費量が最小値となる時のモータアシストパワーを探索し、探索された値を最適モータアシストパワーと設定しているため、探索時間が長いケースが発生し、燃費効果が小さくなってしまう可能性がある。

本願は、上記のような課題を解決するための技術を開示するものであり、複数の動力源による車両動作の条件が成立中に、総入力仕事率最小探索における探索時間および探索精度を向上させ、燃費あるいは電費を向上させる車両の制御装置および車両の制御方法を提供することを目的とする。

本願に開示される車両の制御装置は、複数の駆動源が搭載された車両の制御装置であって、前記複数の駆動源を構成する第１駆動源と第２駆動源に要求するトルクを探索パラメータとし、前記複数の駆動源の総入力仕事率が最小となる動作点を探索する総入力仕事率最小探索制御手段と、前記総入力仕事率最小探索制御手段で探索された第１駆動源要求トルクおよび第２駆動源要求トルクで車両を動作させるトルク分配制御手段と、前記第１駆動源要求トルクおよび前記第２駆動源要求トルクのそれぞれをパラメータとして前記総入力仕事率の勾配を勾配法により演算し、前記第１駆動源要求トルクをパラメータとした前記総入力仕事率の勾配と前記第２駆動源要求トルクをパラメータとした前記総入力仕事率との勾配の大きいパラメータを前記総入力仕事率最小探索制御手段における探索パラメータとして選定する探索パラメータ選定手段と、を備え、
前記探索パラメータ選定手段の選定した探索パラメータを用いて、前記総入力仕事率最小探索制御手段を動作させることを特徴とする。

本願に開示される車両の制御装置によれば、複数の動力源による車両動作の条件が成立中に、総入力仕事率最小探索における探索時間および探索精度を向上することができる。従って、運転者の要求に対し必要最小限の燃料あるいは電力で車両を動作させ、燃費あるいは電費を向上することができる。

実施の形態１に係るハイブリッド車両の制御装置を含むシステム全体を示す構成図である。 実施の形態１に係るハイブリッド車両の制御装置の構成並びに機能を示すブロック図である。 実施の形態１に係るハイブリッド車両の制御装置における車両制御用電子コントロールユニットの探索パラメータ選定手段、モータ駆動可能最大トルク演算手段、探索パラメータ学習手段の動作を示すフローチャートである。 実施の形態１に係るハイブリッド車両の制御装置における探索パラメータ学習手段での探索パラメータを学習させるマップの例を示した図である。 実施の形態１に係るハイブリッド車両の制御装置のエンジンおよびモータの効率特性を示したイメージ図である。 実施の形態１に係るハイブリッド車両の制御装置における車両制御用電子コントロールユニットの探索パラメータ選定手段、モータ駆動可能最大トルク演算手段、探索パラメータ学習手段の動作を示すタイミングチャートである。 実施の形態１に係るハイブリッド車両の制御装置と従来のハイブリッド車両の制御装置の探索パラメータの違いによる探索回数の違いの例を示した図である。 実施の形態２に係る電動車両の制御装置を含むシステム全体を示す構成図である。

以下、本願に係る車両の制御装置および車両の制御方法の好適な実施の形態について図面を用いて説明する。なお、複数の動力源による車両動作の条件が成立中に、探索パラメータ学習値、もしくは総入力仕事率最小探索において、勾配が大きくなるパラメータを探索パラメータとして総入力仕事率最小探索を実施し、複数動力源におけるトルクの分配を演算する実施の形態について説明する。

実施の形態１．
図１は、実施の形態１に係るハイブリッド車両の制御装置を含むシステム全体を示す構成図である。また、図２は、実施の形態１に係るハイブリッド車両の制御装置の構成並びに機能を示すブロック図で、後述する車両制御用電子コントロールユニットに各手段が記憶されている。

図１において、第１駆動源であるエンジン１０１と第２駆動源であるモータ１０２は、エンジン１０１のクランクプーリ１０３、モータ１０２のプーリ１０４、およびベルト１０５により連結されている。エンジン１０１とモータ１０２の動力は、トランスミッション１０６、ディファレンシャルギア１０７を介してドライブシャフト１０８に接続されたタイヤ１０９へと伝達される。

モータ１０２は、インバータ（図示せず）を経由してバッテリ（図示せず）に接続されており、エンジン１０１からの動力伝達もしくは車両減速時におけるドライブシャフト１０８からの動力伝達などで発電して電力供給する一方、車両加速時に力行運転を行うことによりドライブシャフト１０８に動力を伝える。モータ制御用電子コントロールユニット１１０（以下、モータ用ＥＣＵと称する。）は、マイクロプロセッサなどで構成されており、モータ１０２を適切な状態に制御している。また、エンジン制御用電子コントロールユニット１１１（以下、エンジン用ＥＣＵと称する。）は、マイクロプロセッサなどで構成されており、エンジン１０１を適切な状態に制御している。

車両制御用電子コントロールユニット１１２（以下、車両用ＥＣＵと称する。）は、マイクロプロセッサなどで構成されており、車速センサ１１３、アクセルポジションセンサ１１４、ブレーキストロークセンサ１１５などのセンサ入力信号により、車両の運転状態および運転者の車両動作要求を判断し、車両を適切な状態に制御している。なお、車両を適切な状態に制御するために、車両用ＥＣＵ１１２には、図２に示す総入力仕事率最小探索制御手段２０１、トルク分配制御手段２０２、探索パラメータ選定手段２０３、第２駆動源駆動可能最大トルク演算手段であるモータ駆動可能最大トルク演算手段２０４、探索パラメータ学習手段２０５に関するプログラムあるいは固定値データが記憶されている。また後述するように、トルク分配制御手段２０２により分配された第１駆動源要求トルクであるエンジン要求トルクＴｅおよび第２駆動源要求トルクであるモータ要求トルクＴｍは、それぞれエンジン用ＥＣＵ１１１およびモータ用ＥＣＵ１１０に送信されてエンジン１０１およびモータ１０２が適切に制御される。

図２に示す総入力仕事率最小探索制御手段２０１は、勾配法による最適化問題のアルゴリズムを用い、運転者が要求する車両のトルクを実現する最小の総入力仕事率を演算し、各動力源に対する要求トルクを演算する。具体的な演算方法は、後述する図３を用いた制御の流れにおいて説明する。

トルク分配制御手段２０２は、総入力仕事率最小探索制御手段２０１で演算された各動力源に対する要求トルクを各動力源のＥＣＵ、即ち、モータ用ＥＣＵ１１０、エンジン用ＥＣＵ１１１に送信する。

探索パラメータ選定手段２０３は、各動力源のトルクをパラメータとして総入力仕事率の勾配を演算し、勾配の大きいパラメータを総入力仕事率最小探索制御手段２０１における探索パラメータとして選定する。具体的な演算方法は、後述する図３を用いた制御の流れにおいて説明する。

モータ駆動可能最大トルク演算手段２０４は、バッテリの充電状態によるモータ動作制限内もしくはモータ保護のためのモータ動作制限内で出力可能なモータ駆動最大トルクＴｍｍｘを演算する。具体的な演算方法は、後述する図３を用いた制御の流れにおいて説明する。

探索パラメータ学習手段２０５は、モータ駆動可能最大トルク演算手段２０４で演算されたモータ駆動最大トルクＴｍｍｘと車両の動作点（車輪回転数Ｎｗと車両要求トルクＴｗ）に応じたマップに対し、総入力仕事率最小探索制御手段２０１における探索パラメータがモータ要求トルクＴｍであるか、もしくはエンジン要求トルクＴｅであるかを記憶して学習する。具体的な演算方法は、後述する図３を用いた制御の流れにおいて説明する。

以下、上記のように構成されたハイブリッド車両の制御装置において、複数の動力源による車両動作の条件が成立中に、探索パラメータ学習値、もしくは総入力仕事率最小探索において勾配が大きくなるパラメータを探索パラメータとして総入力仕事率最小探索を実施し、複数動力源におけるトルクの分配を演算する動作について説明する。

まず、図３のフローチャートを参照しながら、各動作を説明する。なお、この動作は、車両用ＥＣＵ１１２において所定時間周期のメインルーチン内のサブルーチンとして実行される。

ステップＳ３０１において、現在、複数の動力源による車両動作のモードであるかを判定する。例えば、車両加速時にエンジン１０１を動作させるための燃料、およびモータ１０２を動作させるための電力（バッテリ充電状態）が共に十分にある場合などに成立するものである。

ステップＳ３０１において、現在、複数の動力源による車両動作のモードが成立していないと判定された場合は、本ルーチンの処理は不要とし、そのままサブルーチンを終了する。また、ステップＳ３０１において、現在、複数の動力源による車両動作のモードが成立していると判定された場合は、次のステップＳ３０２へ進む。

ステップＳ３０２では、バッテリの充電状態によるモータ動作制限内もしくはモータ保護のためのモータ動作制限内で出力可能な最大トルクを演算する。バッテリの充電状態ＳＯＣが少ない状態、もしくはモータ１０２の温度ＴＭＰＭが高い状態などにおいてモータ１０２の駆動を制限し、バッテリもしくはモータ１０２を保護する必要がある。そのために、例えば次式（１）のように、各状態に応じたテーブル値の最小値でモータ駆動最大トルクＴｍｍｘが演算される。
Ｔｍｍｘ＝ｍｉｎ（ｔａｂｌｅ（ＳＯＣ），ｔａｂｌｅ（ＴＭＰＭ））・・・（１）
このステップＳ３０２がモータ駆動可能最大トルク演算手段２０４に相当する。
ステップＳ３０２の次に、ステップＳ３０３に進む。

ステップＳ３０３では、例えば、車速Ｖｖとタイヤ半径ｒｔから演算される車輪回転数Ｎｗが次式（２）のように、また、現在の車速Ｖｖおよび運転者のアクセル操作ＰｏｓＡＰＳに応じて演算される車両要求トルクＴｗが次式（３）のように演算される。
Ｎｗ＝Ｖｖ÷ｒｔ×６０÷（２π）÷３．６・・・（２）
Ｔｗ＝ｍａｐ（Ｖｖ，ＰｏｓＡＰＳ）・・・（３）

そして、次式（４）のように、ステップＳ３０２で演算したモータ駆動最大トルクＴｍｍｘ、車輪回転数Ｎｗ、および車両要求トルクＴｗに応じた学習マップを参照し、学習マップ値ＰｒｍＬが初期値ではない、即ち、過去に同じ動作点で後述する総入力仕事率最小探索制御手段２０１が実行されていれば、学習フラグＦＬＧＬに１を代入してステップＳ３０５に進み、学習マップ値ＰｒｍＬの探索パラメータで総入力仕事率最小探索制御手段２０１を実行する。ステップＳ３０３で学習マップ値ＰｒｍＬが初期値であった場合は、学習フラグＦＬＧＬに０を代入してステップＳ３０４に進む。
ＰｒｍＬ＝ｍａｐ（Ｔｍｍｘ，Ｎｗ，Ｔｗ）・・・（４）

なお、式（４）の学習マップは、例えば、図４のようなモータ駆動最大トルクＴｍｍｘと車両の動作点（車輪回転数Ｎｗと車両要求トルクＴｗ）の軸を持ち、未学習時は初期値として０が入力されている。また、総入力仕事率最小探索制御手段２０１における探索パラメータがモータ要求トルクである場合にはそれを表す値として１が入力され、総入力仕事率最小探索制御手段２０１における探索パラメータがエンジン要求トルクである場合にはそれを表す値として２が入力されて学習するマップである。

また、探索パラメータの数は（動力源の数−１）であり、本実施の形態では動力源は２つであるため探索パラメータとするものを判別できるようにしているが、動力源が３つ以上ある場合には探索パラメータが複数存在することになるため、学習マップには「探索パラメータとしないパラメータ」を判別できるようなマップにしてもよい。

ステップＳ３０４では、モータ要求トルクＴｍによる探索勾配ＳＬＭ、およびエンジン要求トルクＴｅによる探索勾配ＳＬＥを比較し、勾配が大きい方を探索パラメータとして選定する。ここで、それぞれの探索勾配は、後述する総入力仕事率最小探索制御手段２０１の勾配演算式であり、例えば最急降下法の勾配演算として次式（５）および次式（６）のように演算される。
ＳＬＭ＝α×∂Ｐｔ／∂Ｔｍ・・・（５）
ＳＬＥ＝β×∂Ｐｔ／∂Ｔｅ・・・（６）
式（５）は、総入力仕事率Ｐｔに対するモータ要求トルクＴｍの偏微分∂Ｐｔ／∂Ｔｍに更新係数αを掛けたものである。式（６）は、総入力仕事率Ｐｔに対するエンジン要求トルクＴｅの偏微分∂Ｐｔ／∂Ｔｅに更新係数βを掛けたものである。

ここで、モータ要求トルクＴｍもしくはエンジン要求トルクＴｅは、車両要求トルクＴｗを用いてどちらか一方の変数で整理することができるため、偏微分∂Ｐｔ／∂Ｔｍと偏微分∂Ｐｔ／∂Ｔｅは基本的には同じ値になるが、演算途中で使用する効率マップにおける微小区間の傾きを演算する際などにおいて同じ値とならない場合がある。また、更新係数αと更新係数βは条件によって変化するよう設定されている場合がある。

即ち、図５（ａ）のように動作点が「ア」から「イ」の方向に動く場合、エンジン効率は複数の等高線を跨いでいるため効率の変化量が大きいことがわかるが、図５（ｂ）のようにモータ駆動効率特性では同じ動作点変化であっても効率の変化量はエンジン効率ほどではない。これら特性を鑑みて、更新係数αと更新係数βは、総入力仕事率最小探索制御手段２０１の収束精度と収束時間のバランスがとれる値として動作点に応じて設定してある。例えば、図５（ｂ）の「ア」の動作点では、モータ駆動効率特性の変化が小さい動作点であるため、モータ要求トルクＴｍをパラメータとした勾配の更新係数αは、エンジン要求トルクＴｅをパラメータとした勾配の更新係数βよりも大きく設定してある。

これらのことから探索勾配ＳＬＥと探索勾配ＳＬＭは異なる値となり、探索パラメータによって探索時間が変化する。即ち、探索勾配が大きい方が、探索１回あたりの更新が大きいため、総入力仕事率最小探索制御手段２０１の収束が早くなる。このステップＳ３０４が探索パラメータ選定手段２０３に相当する。

ステップＳ３０５では、ステップＳ３０３もしくはステップＳ３０４で選定された探索パラメータを用いて総入力仕事率最小探索制御手段２０１での総入力仕事率最小探索を実行する。例えば、所定時間周期のメインルーチン内のサブルーチン毎において、前述の式（５）もしくは式（６）のような勾配で探索パラメータのモータ要求トルクＴｍもしくはエンジン要求トルクＴｅを更新し、探索値収束条件成立もしくは所定探索回数となるまで演算し続ける。このように、最急降下法などの勾配法による最適化問題アルゴリズムで総入力仕事率Ｐｔの最小値を演算する。

次に、ステップＳ３０６において、ステップＳ３０２で演算したモータ駆動最大トルクＴｍｍｘとステップＳ３０３で演算した車輪回転数Ｎｗと、車両要求トルクＴｗにおける学習マップ値を、ステップＳ３０５で使用した探索パラメータと判別できる値（例えば、前述の通りエンジン要求トルクＴｅが探索パラメータだった場合には１が、モータ要求トルクＴｍが探索パラメータだった場合には２となるなど）で更新する。このステップＳ３０６およびステップＳ３０３が探索パラメータ学習手段２０５に相当する。
ステップＳ３０６の終了後、サブルーチンを終了し、演算したエンジン要求トルクＴｅおよびモータ要求トルクＴｍにトルクを分配して制御するトルク分配制御手段２０２が実行される。
なお、前記説明のように、探索パラメータの選定は、ステップＳ３０４で実施し、その後にステップＳ３０５で総入力仕事率最小探索を実行している。よって、探索パラメータを選定するために演算する前記（５）式、および（６）式におけるモータ要求トルクＴｍ、エンジン要求トルクＴｅは、現在、即ち、サブルーチンの１演算周期前にメモリに記憶されているモータ要求トルクであり、エンジン要求トルクである。よって、それぞれの偏微分値は、これらの値を用いているため、サブルーチンの１演算周期において一意な値となる。
また、サブルーチンの１演算周期毎に変化するモータ要求トルクＴｍおよびエンジン要求トルクＴｅに対する更新係数α、βは、前述のように、あらかじめ設定されている。

以上説明した実施の形態１に係るハイブリッド車両の制御装置において、複数の動力源による車両動作の条件が成立中に、探索パラメータ学習値、もしくは総入力仕事率最小探索において勾配が大きくなるパラメータを探索パラメータとして総入力仕事率最小探索を実施し、複数動力源におけるトルクの分配を演算する実行例について図６のタイミングチャートを用いて説明する。

まず初めに、時刻ａのタイミングにおいて、運転者の加速要求によりアクセルが踏まれるのに応じて、車両要求トルクＴｗが増加する。このタイミングにおけるモータ駆動最大トルクＴｍｍｘ、車輪回転数Ｎｗ、車両要求トルクＴｗからマップ参照される学習マップ値ＰｒｍＬは初期値であったため、学習フラグＦＬＧＬが０となる。モータ要求トルクＴｍによる探索勾配、およびエンジン要求トルクＴｅによる探索勾配を比較して選定された結果、モータ要求トルクＴｍが探索パラメータＰｒｍとなり、総入力仕事率最小探索により最小となる総入力仕事率Ｐｔが演算される。またこの際、探索パラメータＰｒｍを学習マップに記憶して更新される。この総入力仕事率Ｐｔとなるエンジン要求トルクＴｅおよびモータ要求トルクＴｍでエンジン１０１およびモータ１０２が動作するため、運転者の加速要求に対し、必要最小限の燃料および電力で車速が増加する。

次に、時刻ｂのタイミングにおいて、時刻ａより継続して加速要求がされているが、モータ駆動最大トルクＴｍｍｘ、車輪回転数Ｎｗ、車両要求トルクＴｗが時刻ａから大きく変化していないため時刻ａで学習されたマップ値が参照され、学習フラグＦＬＧＬが１となる。その学習マップ値、即ちモータ要求トルクＴｍを探索パラメータＰｒｍとして用い、総入力仕事率最小探索により最小となる総入力仕事率Ｐｔが演算され、その際のエンジン要求トルクＴｅおよびモータ要求トルクＴｍでエンジン１０１およびモータ１０２が動作する。そのため、学習マップにより探索パラメータ選定時の処理時間を低減し、総入力仕事率最小探索における探索時間に余裕を持たせることができるため、最小の総入力仕事率Ｐｔの探索を確実に演算でき、必要最小限の燃料および電力で車速が増加する。

次に、時刻ｃのタイミングにおいては、時刻ａおよび時刻ｂよりも大きな加速要求がされている。そのため、モータ駆動最大トルクＴｍｍｘ、車輪回転数Ｎｗ、車両要求トルクＴｗが大きく変化し、学習マップの参照先は時刻ａおよび時刻ｂとは別の点となる。
時刻ｃにおける学習マップの参照先は、初期値であったため、学習フラグＦＬＧＬが０となる。そして、探索パラメータ選定の結果、エンジン要求トルクＴｅが探索パラメータＰｒｍとなり、総入力仕事率最小探索により最小となる総入力仕事率Ｐｔが演算されると共に、探索パラメータＰｒｍが学習マップに記憶される。
ここで、従来の探索パラメータとした場合と本実施の形態の探索パラメータとした場合において総入力仕事率最小探索の演算結果、即ち総入力仕事率Ｐｔが異なる挙動を図７を用いて説明する。

図７では、図６の時刻ｃのタイミングにおける総入力仕事率最小探索の探索回数とその探索途中の総入力仕事率Ｐｔを表している。従来、即ちモータ要求トルクＴｍを探索パラメータとした場合、総入力仕事率最小探索における勾配が比較的小さく、探索中の総入力仕事率Ｐｔが収束、即ち総入力仕事率が最小になる値を探索完了するのに探索回数が多くかかる。但し、車両用ＥＣＵ１１２の処理時間などの問題から、探索回数制限によって探索が強制的に終了されてしまうため、その時点での総入力仕事率Ｐｔが図６の時刻ｃの総入力仕事率Ｐｔとなる。

一方、本実施の形態では、モータ要求トルクＴｍではなくエンジン要求トルクＴｅを探索パラメータとして用いており、図７における総入力仕事率Ｐｔが探索回数制限前に収束する。そのため、総入力仕事率Ｐｔの最小値が図６の時刻ｃの最終的な総入力仕事率Ｐｔとなる。

よって、図６の時刻ｃにおいて、従来と本実施の形態との間に探索結果である総入力仕事率Ｐｔに差が生じ、その結果、従来よりも本実施の形態における総入力仕事率最小探索を実施することにより、必要最小限の燃料および電力で車両を動作させ、燃費を向上することができる。

図６の時刻ｄのタイミングにおいては、時刻ｃで学習した探索パラメータを用いて探索される。従来制御ではこの時点でも探索回数限界までに最小の総入力仕事率の探索が完了せずに、探索途中の総入力仕事率となる。しかし、総入力仕事率は徐々に最小値に近づいているため、時刻ｄ以降においては、本実施の形態による総入力仕事率Ｐｔと同等の結果が得られる。

時刻ｅのタイミングにおいては、学習マップを参照する先が変化したため、一旦、学習フラグＦＬＧＬが０になり、モータ要求トルクＴｍによる探索勾配、およびエンジン要求トルクＴｅによる探索勾配を比較して選定される探索パラメータＰｒｍを用いて、総入力仕事率最小探索により最小となる総入力仕事率Ｐｔが演算されると共に、探索パラメータＰｒｍが学習マップに記憶される。その結果、必要最小限の燃料および電力で車速が増加する。

以上詳述したように、実施の形態１に係るハイブリッド車両の制御装置およびハイブリッド車両の制御方法によれば、複数の動力源、即ち、エンジン１０１とモータ１０２による車両動作の条件が成立中に、総入力仕事率最小探索において勾配が大きくなるパラメータを探索パラメータとして総入力仕事率最小探索を実施することにより、総入力仕事率最小探索における探索時間および探索精度を向上することができる。従って、運転者の要求に対し必要最小限の燃料および電力で車両を動作させ、燃費を向上することができる。また、一度演算した総入力仕事率最小探索において勾配が大きくなるパラメータを学習マップに記憶することで、探索パラメータ選定時の処理時間を低減し、総入力仕事率最小探索における探索時間に余裕を持たせることができるため、最小の総入力仕事率の探索を確実に演算でき、必要最小限の燃料および電力で車両を動作させ、燃費を向上することができる。

実施の形態２．
次に、実施の形態２に係る車両の制御装置および車両の制御方法について説明する。実施の形態１では、エンジンとモータを駆動源とするハイブリッド車両を例に挙げて説明したが、モータとモータを駆動源とする電動車両に適用することもできる。
図８は、第１駆動源と第２駆動源の両者をモータとした実施の形態２に係る車両の制御装置を含むシステム全体を示す構成図である。
図８において、第１駆動源である第１のモータ４０１の動力は、ギア機構（図示せず）から第１のディファレンシャルギア４０２を介して第１のドライブシャフト４０３に接続されたタイヤ４０４へと伝達される。第２駆動源である第２のモータ４０５の動力は、ギア機構（図示せず）から第２のディファレンシャルギア４０６を介して第２のドライブシャフト４０７に接続されたタイヤ４０８へと伝達される。

第１のモータ４０１および第２のモータ４０５は、それぞれインバータ（図示せず）を経由してバッテリ（図示せず）に接続されており、車両減速時における第１のドライブシャフト４０３と第２のドライブシャフト４０７からの動力伝達などで発電して電力供給する一方、車両加速時に力行運転を行うことにより第１のドライブシャフト４０３と第２のドライブシャフト４０７に動力を伝える。第１のモータ制御用電子コントロールユニット（以下、第１モータ用ＥＣＵと称する。）４０９および第２のモータ制御用電子コントロールユニット（以下、第２モータ用ＥＣＵと称する。）４１０は、マイクロプロセッサなどで構成されており、第１のモータ４０１および第２のモータ４０５を適切な状態に制御している。その他の構成については実施の形態１と同様であり、同一符号を付すことにより重複説明を省略する。

上記のように構成された車両の制御装置において、複数の動力源、即ち、第１のモータ４０１および第２のモータ４０５による車両動作の条件が成立中に、探索パラメータ学習値、もしくは総入力仕事率最小探索において勾配が大きくなるパラメータを探索パラメータとして総入力仕事率最小探索を実施し、複数動力源におけるトルクの分配を演算する。
この演算については、実施の形態１のモータ１０２を第２のモータ４０５、同エンジン１０１を第１のモータ４０１、モータ用ＥＣＵ１１０を第２モータ用ＥＣＵ４１０、エンジン用ＥＣＵ１１１を第１モータ用ＥＣＵ４０９と置き換えることにより、実施の形態１で説明した演算動作と同様であり説明を省略する。

上記実施の形態２においても実施の形態１と同様、複数の動力源、即ち、第１のモータ４０１と第２のモータ４０５による車両動作の条件が成立中に、総入力仕事率最小探索において勾配が大きくなるパラメータを探索パラメータとして総入力仕事率最小探索を実施することにより、総入力仕事率最小探索における探索時間および探索精度を向上することができる。従って、運転者の要求に対し必要最小限の電力で車両を動作させ、電費を向上することができる。また、一度演算した総入力仕事率最小探索において勾配が大きくなるパラメータを学習マップに記憶することで、探索パラメータ選定時の処理時間を低減し、総入力仕事率最小探索における探索時間に余裕を持たせることができるため、最小の総入力仕事率の探索を確実に演算でき、必要最小限の電力で車両を動作させ、電費を向上することができる。

上記実施の形態１では、複数の駆動源としてエンジンとモータをそれぞれ１つ搭載したハイブリッド車両について説明し、実施の形態２では、複数の駆動源として２つのモータを搭載したＥＶ車両について説明したが、本願は、他に４つのモータを搭載したＥＶ車両、あるいはエンジンと２つのモータを搭載したハイブリッド車両にも適用でき、複数の駆動源が搭載された車両に適用できるものである。
また、上記実施の形態１では、複数の駆動源としてエンジンとモータをそれぞれ１つ搭載したハイブリッド車両について燃費向上の効果があることを説明し、実施の形態２では、複数の駆動源として２つのモータを搭載したＥＶ車両について電費向上の効果があることを説明したが、本願は、例えば複数の駆動源としてエンジンとモータを搭載し、外部充電が可能なプラグインハイブリッド車両については、燃費と電費の向上効果があるものである。

以上、本願においては、例示的な実施の形態が記載されているが、実施の形態に記載された様々な特徴、態様、および機能は特定の実施の形態の適用に限られるのではなく、単独で、または様々な組み合わせで実施の形態に適用可能である。
従って、例示されていない無数の変形例が、本願に開示される技術の範囲内において想定される。例えば、少なくとも１つの構成要素を変形する場合、追加する場合または省略する場合が含まれるものとする。

１０１ エンジン、１０２ モータ、１０３ クランクプーリ、１０４ プーリ、１０５ ベルト、１０６ トランスミッション、１０７ ディファレンシャルギア、１０８ ドライブシャフト、１０９ タイヤ、１１０ モータ用ＥＣＵ、１１１ エンジン用ＥＣＵ、１１２ 車両用ＥＣＵ、１１３ 車速センサ、１１４ アクセルポジションセンサ、１１５ ブレーキストロークセンサ、２０１ 総入力仕事率最小探索制御手段、２０２ トルク分配制御手段、２０３ 探索パラメータ選定手段、２０４ モータ駆動可能最大トルク演算手段、２０５ 探索パラメータ学習手段、４０１ 第１のモータ、４０２ 第１のディファレンシャルギア、４０３ 第１のドライブシャフト、４０４，４０８ タイヤ、４０５ 第２のモータ、４０６ ２のディファレンシャルギア、４０７ 第２のドライブシャフト、４０９ 第１モータ用ＥＣＵ、４１０ 第２モータ用ＥＣＵ。

Claims (3)

1. 複数の駆動源が搭載された車両の制御装置であって、
   前記複数の駆動源を構成する第１駆動源と第２駆動源に要求するトルクを探索パラメータとし、前記複数の駆動源の総入力仕事率が最小となる動作点を探索する総入力仕事率最小探索制御手段と、
   前記総入力仕事率最小探索制御手段で探索された第１駆動源要求トルクおよび第２駆動源要求トルクで車両を動作させるトルク分配制御手段と、
   前記第１駆動源要求トルクおよび前記第２駆動源要求トルクのそれぞれをパラメータとして前記総入力仕事率の勾配を勾配法により演算し、前記第１駆動源要求トルクをパラメータとした前記総入力仕事率の勾配と前記第２駆動源要求トルクをパラメータとした前記総入力仕事率との勾配の大きいパラメータを前記総入力仕事率最小探索制御手段における探索パラメータとして選定する探索パラメータ選定手段と、を備え、
   前記探索パラメータ選定手段の選定した探索パラメータを用いて、前記総入力仕事率最小探索制御手段を動作させることを特徴とする車両の制御装置。
2. 前記第２駆動源の駆動可能な最大トルクを演算する第２駆動源駆動可能最大トルク演算手段と、
   前記第２駆動源駆動可能最大トルク演算手段と前記車両の動作点に応じて、前記探索パラメータ選定手段の探索パラメータを学習させる探索パラメータ学習手段と、を備え、
   前記車両の動作点における前記総入力仕事率が最小でない場合、次回以降においては学習した探索パラメータを、前記探索パラメータ選定手段の探索パラメータとすることを特徴とする請求項１に記載の車両の制御装置。
3. 複数の駆動源が搭載された車両の制御方法であって、
   前記複数の駆動源を構成する第１駆動源および第２駆動源に要求するトルクを探索パラメータとし、前記複数の駆動源の総入力仕事率が最小となる動作点を探索する第１のステップと、
   前記第１のステップで探索された前記第１駆動源に要求する第１駆動源要求トルクおよび前記第２駆動源に要求する第２駆動源要求トルクで車両を動作させる第２のステップと、
   前記第１駆動源要求トルクおよび前記第２駆動源要求トルクのそれぞれをパラメータとして前記総入力仕事率の勾配を勾配法により演算し、前記第１駆動源要求トルクをパラメータとした前記総入力仕事率の勾配と前記第２駆動源要求トルクをパラメータとした前記総入力仕事率との勾配の大きいパラメータを選定する第３のステップと、を有し、
   前記第３のステップにおいて選定されたパラメータを用いて、前記総入力仕事率が最小となる動作点を探索することを特徴とする車両の制御方法。

Images