JPH06249002A

JPH06249002A - 車両の駆動力制御装置

Info

Publication number: JPH06249002A
Application number: JP5037780A
Authority: JP
Inventors: Makoto Nishida; 誠西田; Masuji Oshima; 満寿治大嶋; 浩之 ▲吉▼田; Hiroyuki Yoshida
Original assignee: Toyota Motor Corp; Toyota Central R&D Labs Inc
Current assignee: Toyota Motor Corp; Toyota Central R&D Labs Inc
Priority date: 1993-02-26
Filing date: 1993-02-26
Publication date: 1994-09-06

Abstract

(57)【要約】【目的】常に運転者の特性に合った駆動力制御を行うと
共に、加速度変化の少ない走行状態から急激な加速要求
があった場合にも、十分な加速を得る。【構成】ニューロコンピュータ２２では、加速度Ｇを教
師データとし、アクセルストロークＳ及び車速Ｖに対す
る加速度Ｇの関係を「要求加速度モデル」として学習す
る。又、「要求加速度モデル」出力と加速度Ｇとの偏差
を誤差信号とし、アクセルストロークＳ及び車速Ｖに対
するスロットル開度Ｔｈの関係を「スロットル感度モデ
ル」として学習する。加速度変化の少ない走行状態から
急加速させるために、リセットスイッチ１４が運転者Ｄ
Ｒによって押圧操作されると、スロットル感度を基準値
（最高値）に強制的に変更する。スロットルコンピュー
タ２１では、「スロットル感度モデル」出力を参照デー
タとし、アクセルストロークＳに応じてスロットルバル
ブ７を開閉させてエンジン２の出力を制御する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、車両の加速度が運転
者の要求する加速度となるように駆動力を制御するよう
にした車両の駆動力制御装置に関するものである。

【０００２】

【従来の技術】一般に、車両に対しては、様々な環境条
件の下での走行が要求されると共に、個々の運転者によ
る種々の運転操作がなされる。そして、車両の挙動につ
いては、運転者の意図する応答性と円滑性が要求され
る。従来より、車両の駆動力に関わる挙動については、
例えば内燃機関を搭載した車両において、運転者による
アクセルペダルの踏込量に応じて制御が行われることが
知られている。

【０００３】例えば、先に本願出願人により提案された
特願平３−８０１０３号では、内燃機関を搭載した車両
において、リンクレスタイプのスロットルバルブの開度
（スロットル開度）が、運転者によるアクセルペダルの
踏込量（アクセルストローク）に応じて制御されるよう
になっている。ここで、アクセルストロークに対応した
目標加速度を決定するためのデータは、マップとして予
めバックアップＲＡＭに記憶されている。そして、車両
の実際の加速度がマップより決定される目標加速度とな
るように、スロットル開度が制御され、もって車両の駆
動力が制御される。又、この提案技術では、アクセルス
トロークの変化と実際の加速度とが運転者の加速度要求
度合いの変化として検知され、その検知された加速度要
求度合いと、上記のマップより決定される目標加速度と
の偏差が最小となるように、そのマップのデータが修正
されてバックアップＲＡＭに記憶し直されるようになっ
ている。数学的には、目標加速度に関する補正（修正）
が上記の偏差に応じてなされることにより、マップの書
き替えが行われる。つまり、アクセルストロークに対応
する目標加速度のデータが学習される。

【０００４】従って、上記のように目標加速度のデータ
が、運転者の加速度要求度合いに合致するように学習さ
れることから、常に運転者の特性に合った目標加速度が
決定されることになった。その結果、運転者の意識状態
や運転環境に関係なく、常に運転者の特性に適した駆動
力が得られ、良好な運転性能が得られることになった。

【０００５】しかしながら、上記の提案技術では、目標
加速度のデータの学習としては、単にデータが補正（修
正）されてマップの書き替えが行われているだけであっ
た。そして、マップの書き替えについては、その時々で
アクセルストロークのある点、或いはある範囲について
のみ、目標加速度のデータが学習されるだけであった。
従って、特定の運転領域についてのみ目標加速度が補正
（修正）されるだけとなり、書き替えられたマップに領
域的な偏りが生じることになった。その結果、書き替え
られたマップで、アクセルストロークに対する目標加速
度の関係が部分的に不連続となり、車両の駆動力の制御
がアクセルストロークの変化に対して部分的に不連続な
ものとなる傾向があった。

【０００６】そこで、上記の不具合に対処することを狙
って、新たな技術が本願出願人により特願平４−３３６
３２３号に提案された。この提案技術では、ニューラル
ネットワーク技術を利用してマップの学習制御が行われ
るようになっている。ここでは、車両の走りに対する運
転者の要求が、その時々の実際の加速度から「要求加速
度モデル」として推定され、その「要求加速度モデル」
に基づき「スロットル感度モデル」が変更されてスロッ
トル感度が決定されている。又、その決定されたスロッ
トル感度とアクセルストロークとの積から求められる目
標スロットル開度と、実際のスロットル開度とが一致す
るように、エンジンのスロットルバルブが開閉制御され
るようになっている。

【０００７】従って、上記のようにニューラルネットワ
ーク技術を利用してマップの学習制御が行われることか
ら、アクセルストロークの全範囲に対する加速度及びス
ロットル開度の関係の全体が不連続とならず、エンジン
駆動力の制御を運転者によるアクセルストロークの全範
囲に渡って連続的なものとすることができることになっ
た。

【０００８】

【発明が解決しようとする課題】ところが、前記後者の
新たな提案技術では、スロットル感度が自動的に調整さ
れるものの、そのスロットル感度が時間の経過と共に連
続して徐々に変化してゆく。従って、スロトル感度の調
整は、比較的ゆっくりとしたものになってしまう。この
ため、車両の走行状態が、加速度変化の少ない状態から
急激な加速を要する状態へ切り替わった場合、即ち、ス
ロットル感度を低い値から高い値へ移行させる場合、そ
の移行のための調整が運転者の要求に対し遅れてしま
う。

【０００９】上記の問題は、例えば、車両の走行中、見
通しの悪いＴ字路にさしかかった場合に生ずる。詳しく
は、Ｔ字路において安全に車両を支線から本線に合流さ
せる場合、一般には急激な発進は行われず、本線での本
格的な発進前に、短い時間の発進と停止とが数回に分け
て繰り返される。この際、加速度の変化が僅かであるの
で、スロットル感度が非常に低い値に調整される。

【００１０】前記の短い発進及び停止が終了し、車両が
支線から本線へ合流された後に、本格的な発進のために
アクセルペダルが踏み込まれる。このとき、スロットル
感度は連続した値を採り、時間の経過と共に徐々にしか
変化しない。従って、スロットル感度が低く、アクセル
コントロールに対する車両の挙動が小さくなる。つま
り、運転者が急加速を要求しているにもかかわらず、そ
れに追従した応答性のよい加速が得られず、運転者の意
図を車両の駆動力の制御に反映させる上で、アクセルコ
ントロール性の悪いものになる傾向があった。

【００１１】尚、上記の問題は、Ｔ字路以外にも渋滞時
等において短い時間の発進と停止とが繰り返される場合
にも同様にして起こる。この発明は前述した事情に鑑み
てなされたものであって、その目的は、運転者の意識状
態や運転環境にかかわりなく常に運転者の特性に合った
駆動力の制御を実現すると共に、運転者が加速の要求を
行った場合に、その要求に見合った応答性のよい十分な
加速を得ることが可能な車両の駆動力制御装置を提供す
ることにある。

【００１２】

【課題を解決するための手段】上記の目的を達成するた
めに、この発明においては、図１に示すように、車両Ｍ
１に搭載された駆動源Ｍ２の制御量を変更するための制
御量変更手段Ｍ３と、駆動源Ｍ２の出力を任意に制御す
るために運転者により操作される出力操作手段Ｍ４と、
その出力操作手段Ｍ４の操作量を検出するための操作量
検出手段Ｍ５とを備え、操作量検出手段Ｍ５の検出結果
に応じて制御量変更手段Ｍ３を駆動させることにより駆
動源Ｍ２の出力を制御して車両Ｍ１の駆動力を制御する
ようにした車両の駆動力制御装置において、車両Ｍ１の
加速度を検出するための加速度検出手段Ｍ６と、車両Ｍ
１の速度を検出するための速度検出手段Ｍ７と、加速度
検出手段Ｍ６の検出により得られる加速度を比較すべき
教師データとして、その教師データと当該手段Ｍ８の出
力との偏差を誤差信号とし、その誤差分が小さくなるよ
うに、出力操作手段Ｍ４の操作量及び速度検出手段Ｍ７
の検出により得られる速度に対する車両Ｍ１の加速度の
関係を、運転者の要求する加速度モデルとして学習する
ための要求加速度モデル学習手段Ｍ８と、加速度検出手
段Ｍ６の検出により得られる加速度と要求加速度モデル
学習手段Ｍ８により学習される加速度モデルの出力との
偏差を誤差信号として、その誤差分が小さくなるよう
に、出力操作手段Ｍ４の操作量及び速度検出手段Ｍ７の
検出により得られる速度に対する駆動源Ｍ２の制御量の
関係を、制御量感度モデルとして学習するための制御量
感度モデル学習手段Ｍ９と、その制御量感度モデル学習
手段Ｍ９により学習される制御量感度モデルの出力又は
その相当値を参照データとして、その参照データに基づ
き操作量検出手段Ｍ５により検出される操作量に応じて
制御量変更手段Ｍ３の駆動を制御する駆動制御手段Ｍ１
０と、駆動制御手段Ｍ１０において制御量変更手段Ｍ３
の駆動を制御するために使用される参照データが予め定
めた第一の所定値以下のとき、その参照データを第一の
所定値よりも高い第二の所定値に変更指示するべく、運
転者により操作可能な変更指示手段Ｍ１１と、変更指示
手段Ｍ１１が操作されたとき、駆動制御手段Ｍ１０にお
いて制御量変更手段Ｍ３の駆動を制御するために使用さ
れる参照データを、変更指示手段Ｍ１１により指示され
た第二の所定値に強制的に変更するための参照データ変
更手段Ｍ１２とを備えたことを趣旨としている。

【００１３】

【作用】上記の構成によれば、図１に示すように、加速
度検出手段Ｍ６の検出により得られる加速度は、要求加
速度モデル学習手段Ｍ８において、比較すべき教師デー
タとして用いられる。つまり、車両Ｍ１の実際の加速度
が、運転者の要求する加速度として比較に用いられる。
そして、要求加速度モデル学習手段Ｍ８では、その教師
データと当該手段Ｍ８の出力との偏差が小さくなるよう
に、即ち、運転者の要求する加速度と要求加速度モデル
の出力との偏差が小さくなるように、出力操作手段Ｍ４
の操作量及び速度検出手段Ｍ７の検出により得られる速
度に対する車両Ｍ１の加速度の関係が、運転者の要求す
る加速度モデルとして学習される。又、制御量感度モデ
ル学習手段Ｍ９では、同じく加速度検出手段Ｍ６の検出
により得られる加速度と、上記のように学習される加速
度モデルの出力との偏差が誤差信号として用いられる。
そして、制御量感度モデル学習手段Ｍ９では、上記の誤
差信号の誤差分が小さくなるように、即ち、車両Ｍ１の
加速度と加速度モデルの出力との偏差が小さくなるよう
に、出力操作手段Ｍ４の操作量及び車両Ｍ１の速度に対
する駆動源Ｍ２の制御量の関係が、制御量感度モデルと
して学習される。そして、駆動制御手段Ｍ１０では、上
記のように学習される制御量感度モデルの出力又はその
相当値が参照データとして用いられ、その参照データに
基づき、運転者の操作による出力操作手段Ｍ４の操作量
に応じて制御量変更手段Ｍ３の駆動が制御される。その
結果、駆動源Ｍ２の出力が制御され、もって車両Ｍ１の
駆動力が制御される。

【００１４】従って、この発明によれば、常に運転者の
要求に応じた加速度モデルが得られ、その加速度モデル
に対応して制御量感度モデルが得られる。そして、常に
運転者の要求に合った加速度をもって、駆動源Ｍ２の制
御量が制御される。又、この発明によれば、出力操作手
段Ｍ４の操作量及び車両Ｍ１の速度に対する車両Ｍ１の
加速度の関係の全体が連続的なモデルとして学習され、
出力操作手段Ｍ４の操作量及び車両Ｍ１の速度に対する
駆動源Ｍ２の制御量の関係の全体が連続的なモデルとし
て学習される。そのため、車両Ｍ１の速度の全範囲につ
いて、出力操作手段Ｍ４の操作量の全範囲に対する加速
度及び制御量の関係が部分的に不連続となることはな
い。

【００１５】ところで、例えば車両走行時に短い発進及
び停止が数回繰り返されると、駆動制御手段Ｍ１０にお
いて制御量変更手段Ｍ３の駆動を制御するために使用さ
れる参照データが予め定めた第一の所定値以下となる場
合がある。このとき、運転者の加速要求にともない、同
運転者によって変更指示手段Ｍ１１が操作されると、参
照データ変更手段Ｍ１２では、前記参照データが、同変
更指示手段Ｍ１１によって指示された第二の所定値に強
制的に変更される。

【００１６】従って、例えばＴ字路や渋滞路での加速度
変化の少ない走行状態から、本格的な発進動作のために
急激な加速が必要とされた場合にも、変更された第二の
所定値に基づき出力操作手段Ｍ４の操作量に応じて制御
量変更手段Ｍ３の駆動が制御される。その結果、運転者
による出力操作手段Ｍ４の少しの変化で車速が大きく変
化する。これに伴い、駆動源Ｍ２の出力制御に要する出
力操作手段Ｍ４の操作が、運転者にとって発進動作に適
したものとなる。

【００１７】

【実施例】以下、この発明における車両の駆動力制御装
置を具体化した一実施例を図２〜図１１に基づいて詳細
に説明する。

【００１８】図２は、この実施例における車両の駆動力
制御装置を概略的に示す構成図である。車両１には、駆
動源としての多気筒直列型のガソリンエンジン（以下単
に「エンジン」という。）２が搭載されている。エンジ
ン２において気筒毎に設けられた燃焼室には、吸気通路
３を通じて外気と燃料との混合気が取り込まれる。この
混合気が点火プラグの作動にて爆発・燃焼されることに
より、ピストン、クランクシャフト等が作動してエンジ
ン２の出力が得られる。燃焼により生じた既燃焼ガス
は、排気通路４を通じて外部へ排出される。

【００１９】この実施例で、車両１はフロントエンジン
・リヤドライブ方式（ＦＲ方式）のものであり、エンジ
ン２のクランクシャフトは、図示しないトランスミッシ
ョン、プロペラシャフト、ディファレンシャルギヤ及び
ドライブシャフト等を介して、駆動輪である左右一対の
後輪５に駆動連結されている。又、従動輪である左右一
対の前輪６は、運転席に設けられた図示しないステアリ
ングホイールの操作に連動する操舵輪となっている。

【００２０】この実施例において、吸気通路３の途中に
は、リンクレスタイプのスロットルバルブ７が軸７ａに
より回動可能に支持されている。この軸７ａは、スロッ
トルバルブ７の近傍に設けられた直流モータ８に連結さ
れている。これらのスロットルバルブ７及び直流モータ
８は制御量変更手段を構成している。そして、直流モー
タ８の作動により、スロットルバルブ７が軸７ａと一体
回動され、エンジン２の制御量としてのスロットルバル
ブ７の開度（スロットル開度Ｔｈ）が調整される。この
作用により、吸気通路３を通じてエンジン２の各燃焼室
へ取り込まれる空気量が調整され、エンジン２の出力が
制御される。

【００２１】スロットルバルブ７の近傍にはスロットル
センサ９が設けられている。このスロットルセンサ９で
は、スロットル開度Ｔｈが検出され、それに応じた信号
が出力される。車両１の運転席には、出力操作手段とし
てのアクセルペダル１０が設けられている。このアクセ
ルペダル１０は、エンジン２の出力を任意に制御するた
めに、運転者ＤＲにより踏み込み操作されるものであ
る。アクセルペダル１０の近傍には、操作量検出手段と
してのアクセルセンサ１１が設けられている。このアク
セルセンサ１１では、アクセルペダル１０の操作量であ
るアクセルストロークＳが検出され、それに応じた信号
が出力される。

【００２２】車室内において、運転席の前方に位置する
インストルメントパネルには、押しボタンスイッチより
なる変更指示手段としてのリセットスイッチ１４が組み
込まれている。押しボタンスイッチは、主要構成部材で
ある接触子が直線上を往復動することにより、オン・オ
フ動作を行うスイッチである。このリセットスイッチ１
４は、通常オフ状態となっており、加速度変化の少ない
走行状態にある車両１を急激に加速させるべく、運転者
ＤＲによって押圧操作された場合にオン動作する。この
リセットスイッチ１４が押圧操作される場面としては、
例えば、Ｔ字路において安全に車両１を支線から本線に
合流させるために、短い時間の発進と停止とが数回（３
〜４回）に分けて繰り返され、その後に、本格的な発進
のためにアクセルペダル１０が急激に踏まれる場合があ
る。又、渋滞路での車両１の走行時に、短い時間の発進
と停止とが繰り返され、その渋滞路通過後に、本格的な
発進のためにアクセルペダル１０が急激に踏み込まれる
場合がある。

【００２３】車両１のほぼ中央には、加速度検出手段を
構成する周知の加速度センサ１２が設けられている。こ
の加速度センサ１２では、車両１の前後方向の加速度Ｇ
が検出され、それに応じた信号が出力される。前輪６に
は速度検出手段を構成する周知の車速センサ１３が設け
られている。この車速センサ１３では、前輪６の回転数
に応じて車両１の走行速度である車速Ｖが検出され、そ
れに応じた信号が出力される。

【００２４】そして、この実施例では、スロットルバル
ブ７を運転者ＤＲの要求に応じて好適に開閉制御するた
めに、スロットルコンピュータ２１及びニューロコンピ
ュータ２２が設けられている。スロットルコンピュータ
２１は駆動制御手段を構成している。スロットルコンピ
ュータ２１には、前記直流モータ８及びスロットルセン
サ９がそれぞれ電気的に接続されている。又、ニューロ
コンピュータ２２はニューラルネットワークの技術が適
用されたもので、要求加速度モデル学習手段、制御量感
度モデル学習手段及び参照データ変更手段を構成してい
る。このニューロコンピュータ２２には、アクセルセン
サ１１、加速度センサ１２、車速センサ１３及びリセッ
トスイッチ１４がそれぞれ電気的に接続されている。ニ
ューロコンピュータ２２とスロットルコンピュータ２１
とは互いに電気的に接続されている。

【００２５】図３はスロットルコンピュータ２１及びニ
ューロコンピュータ２２の電気的構成を示すブロック図
である。ニューロコンピュータ２２は、中央処理装置
（ＣＰＵ）２３、ニューラルネットワーク技術を利用し
た学習制御プログラム等を予め記憶した読み出し専用メ
モリ（ＲＯＭ）２４、ＣＰＵ２３の演算結果等を一時記
憶するランダムアクセスメモリ（ＲＡＭ）２５、予め記
憶されたデータを保存するバックアップＲＡＭ２６等を
備えている。そして、ニューロコンピュータ２２は、そ
れら各部２３〜２６と外部入出力回路２７等がバス２８
によって接続された論理演算回路として構成されてい
る。

【００２６】外部入出力回路２７には、前述したアクセ
ルセンサ１１、車速センサ１３及びリセットスイッチ１
４がそれぞれ接続されている。又、外部入出力回路２７
には、ローパスフィルタ２９を介して加速度センサ１２
が接続されている。このローパスフィルタ２９は、加速
度センサ１２の検出信号のうち、基準となる所定の遮断
周波数より低い周波数の信号は自由に通し、高い周波数
には大きな減衰を与えるようになっている。併せて、外
部入出力回路２７には、前記したスロットルコンピュー
タ２１が接続されている。

【００２７】そして、ＣＰＵ２３は、外部入出力回路２
７を介して入力される各センサ１１〜１４からの各種信
号を入力値として読み込む。ＣＰＵ２３は、それら入力
値に基づき、ＲＯＭ２４に記憶されている学習制御プロ
グラムに従い、運転者ＤＲの要求する「要求加速度モデ
ル」と、それに応じた制御量感度モデルとしての「スロ
ットル感度モデル」の学習制御を実行する。そして、Ｃ
ＰＵ２３はその学習結果を外部入出力回路２７を介して
スロットルコンピュータ２１へ出力する。又、ＣＰＵ２
３は、運転者ＤＲによってリセットスイッチ１４が押圧
操作されてオン動作したとき、上記の学習結果に代え、
急加速走行に適した値として別途に予め設定されている
設定値を外部入出力回路２７を介してスロットルコンピ
ュータ２１へ出力する。

【００２８】一方、スロットルコンピュータ２１はニュ
ーロコンピュータ２２と基本的に同じ構成をなしてお
り、ＣＰＵ３０、ＲＯＭ３１、ＲＡＭ３２、バックアッ
プＲＡＭ３３、外部入出力回路３４及びバス３５によっ
て構成されている。外部入出力回路３４には、前述した
直流モータ８、スロットルセンサ９及びニューロコンピ
ュータ２２がそれぞれ接続されている。ＲＯＭ３１に
は、ニューロコンピュータ２２の学習結果、或いは別途
に設定された設定値に基づきスロットルバルブ７の開閉
を制御するためのスロットル開度制御プログラムが予め
記憶されている。

【００２９】そして、ＣＰＵ３０は、ニューロコンピュ
ータ２２から外部入出力回路３４を介して入力される学
習結果のデータを入力値として読み込む。又、ＣＰＵ３
０は、外部入出力回路３４を介して入力されるスロット
ルセンサ９からの信号を入力値として読み込む。ＣＰＵ
３０は、それら入力値に基づき、ＲＯＭ３１に記憶され
ているスロットル開度制御プログラムに従い直流モータ
８を好適に制御する。

【００３０】ここで、ニューロコンピュータ２２に適用
されているニューラルネットワーク技術の概念的な構成
について説明する。この実施例におけるニューラルネッ
トワークは、図４（ａ），（ｂ）に示すように、二つの
多層型ニューラルネットワークを備えている。各多層型
ニューラルネットワークは、基本的には同じ構成をなし
ており、２個のニューロンｎ１よりなる「入力層」と、
２〜１０個のニューロンｎ２よりなる「中間層」と、１
個のニューロンｎ３よりなる「出力層」とを備えてい
る。又、各層の間で各ニューロンｎ１，ｎ２，ｎ３がシ
ナプスｓｐにより結合されている。各多層型ニューラル
ネットワークにおいて、信号は「入力層」から「中間
層」、「中間層」から「出力層」へ向かって一方向へ流
れる。各層のニューロンｎ１，ｎ２，ｎ３では、前の層
から受け取った信号に基づいて状態が決定され、次の層
へ信号が伝えられる。そして、各多層型ニューラルネッ
トワークの出力結果は、「出力層」のニューロンｎ３の
状態値として得られる。

【００３１】ここで、図４（ａ）に示す多層型ニューラ
ルネットワークは、「入力層」の各ニューロンｎ１に、
アクセルセンサ１１により検出されるアクセルストロー
クＳ、車速センサ１３により検出される車速Ｖがそれぞ
れ入力される。又、「出力層」のニューロンｎ３から得
られる出力、即ち要求加速度モデル出力Ｇｘは、加速度
センサ１２の検出により得られる車両１の加速度Ｇを
「教師データ」として、その「教師データ」と比較され
る。そして、その比較による加速度偏差ΔＧ（＝Ｇ−Ｇ
ｘ）を「誤差信号」とし、その誤差分が小さくなる方向
へ全てのニューロンｎ１，ｎ２，ｎ３のシナプスｓｐの
「重み係数」が修正される。つまり、車両１の加速度Ｇ
を運転者ＤＲの要求する加速度とし、その加速度Ｇを比
較すべき「教師データ」としている。そして、その「教
師データ」との偏差が小さくなるように、アクセルスト
ロークＳ及び車速Ｖに対する加速度Ｇの関係が、運転者
ＤＲの要求する「要求加速度モデル」として学習され
る。そして、この多層型ニューラルネットワークの出力
結果は、要求加速度モデル出力Ｇｘとして得られる。即
ち、「要求加速度モデル」は図５に示すような特性とし
て、要求加速度モデル出力Ｇｘが加速度Ｇに近づく方向
に学習される。

【００３２】一方、図４（ｂ）に示す多層型ニューラル
ネットワークは、「入力層」の各ニューロンｎ１に、上
記と同じくアクセルストロークＳ、車速Ｖがそれぞれ入
力される。又、「出力層」のニューロンｎ３から得られ
る出力結果、即ちスロットル感度モデル出力Ｔｈｘは、
加速度Ｇと上記の要求加速度モデル出力Ｇｘとの間の加
速度偏差ΔＧを「誤差信号」として学習が行われ、全て
のニューロンｎ１，ｎ２，ｎ３のシナプスｓｐの「重み
係数」が修正される。つまり、加速度偏差ΔＧを「誤差
信号」とし、その誤差分が小さくなるように、アクセル
ストロークＳ及び車速Ｖに対するスロットル開度Ｔｈの
関係が、運転者ＤＲの要求する「スロットル感度モデ
ル」として学習される。そして、この多層型ニューラル
ネットワークの出力結果は、スロットル感度モデル出力
Ｔｈｘとして得られる。即ち、「スロットル感度モデ
ル」は図６に示すような特性として学習される。

【００３３】上記のようなニューラルネットワークの概
念的な構成は、あくまでも便宜的に説明されたものであ
り、ニューラルネットワークの実体は、ニューロコンピ
ュータ２２のＲＯＭ２４に予め記憶されている学習制御
プログラムにある。そして、ニューラルネットワーク
は、その学習制御プログラムにおける数学的な演算の上
に成り立っており、学習方法としては一般に知られてい
る「誤差逆伝搬学習アルゴリズム」が適用されている。
この実施例では、最終的には図７に示すような、アクセ
ルストロークＳに対するスロットル感度Ｔｈｇの関係の
特性を求めるために、学習制御プログラムが作成されて
いる。

【００３４】次に、ニューロコンピュータ２２におい
て、上記のようなニューラルネットワーク技術を用いて
実行される「要求加速度モデル」及び「スロットル感度
モデル」等の学習のための処理動作について説明する。

【００３５】図８のフローチャートは、ニューロコンピ
ュータ２２により実行される学習制御プログラムの「学
習制御ルーチン」を示している。このルーチンの処理
は、エンジン始動のためにイグニションキーがオン操作
されたときに開始される。又、学習制御ルーチンの各処
理は、図９のタイミングチャートに示すフラグＦに基づ
いて実行される。このフラグＦはリセットスイッチ１４
に連動しており、エンジン始動時と、運転者ＤＲによっ
てリセットスイッチ１４が押圧操作されてオン動作した
ときに「１」に設定され、それ以外のときには「０」に
切替えられる。

【００３６】又、学習制御ルーチンの処理では、スロッ
トル感度モデル出力Ｔｈｘを基にスロットル感度Ｔｈｇ
が求められてスロットルコンピュータ２１へ出力され
る。この際、求められたスロットル感度Ｔｈｇそれ自体
は出力されない。予め設定された二つの値のいずれか一
方が選択され、その値が、スロットル感度モデル出力Ｔ
ｈｘの相当値としての最終スロットル感度Ｔｈｇa とさ
れる。そして、この最終スロットル感度Ｔｈｇa がスロ
ットルコンピュータ２１へ出力される。前記の二つの値
として、最小値ＴＨＧmin 及び基準値ＴＨＧstが設定さ
れている。この実施例では最小値ＴＨＧmin は第一の所
定値を構成し、「０．５」に設定されている。基準値Ｔ
ＨＧstは第二の所定値を構成し、前記最小値ＴＨＧmin
よりも大きな値である「１．０」に設定されている。更
に、スロットル感度Ｔｈｇの大きさに応じて最小値ＴＨ
Ｇmin 及び基準値ＴＨＧstのいずれか一方を選択するた
めに、しきい値（定数）ＴＨＧa が設定されている。そ
して、スロットル感度Ｔｈｇがしきい値ＴＨＧa よりも
小さいとき、最小値ＴＨＧmin が最終スロットル感度Ｔ
ｈｇa とされる。スロットル感度Ｔｈｇがしきい値ＴＨ
Ｇa 以上のとき、基準値ＴＨＧstが最終スロットル感度
Ｔｈｇa とされるようになっている。

【００３７】尚、図９では、タイミングｔ１でエンジン
２が始動され、タイミングｔ１〜ｔ２の期間にスロット
ル感度Ｔｈｇがしきい値ＴＨＧa 以上となり、タイミン
グｔ２〜ｔ３の期間にスロットル感度Ｔｈｇがしきい値
ＴＨＧa 未満となり、タイミングｔ３でリセットスイッ
チ１４が運転者ＤＲによって押圧操作された場合を示し
ている。

【００３８】図９のタイミングｔ１でエンジン２が始動
されてこの学習制御ルーチンの処理が開始されると、先
ずステップ１０１において、フラグＦを「１」に初期設
定すると共にリセットスイッチ１４をオンさせるための
信号を出力する。次に、ステップ１０２において、アク
セルセンサ１１、加速度センサ１２及び車速センサ１３
からの各種信号に基づきアクセルストロークＳ、車速Ｖ
及び加速度Ｇをそれぞれ読み込む。

【００３９】続いて、ステップ１０３において、フラグ
Ｆが「１」であるか否かを判定する。このフラグＦはエ
ンジン始動時に「１」にセットされている。従って、ス
テップ１０３の判定条件が満たされていると判断し、ス
テップ１０４へ移行する。ステップ１０４で、要求加速
度モデル及びスロットル感度モデルにおける各重み係数
を初期化する。ここで、要求加速度モデルにおける重み
係数の初期値は、複数の運転者の走行データを学習した
結果である。即ち、車両１が複数の運転者により運転さ
れたときの加速度Ｇが「教師データ」として学習され、
その学習結果の平均的な特性が初期値とされる。又、ス
ロットル感度モデルにおける重み係数の初期値は「０」
である。

【００４０】引き続き、ステップ１０５において、基準
値ＴＨＧst（＝１．０）を最終スロットル感度Ｔｈｇa
として設定する。そして、ステップ１０６において、フ
ラグＦを「１」から「０」にリセットすると共にリセッ
トスイッチ１４をオフにするための信号を出力する。

【００４１】次に、ステップ１０７において、リセット
スイッチ１４がオンされているか否かを判定する。前記
ステップ１０６でリセットスイッチ１４がオフされてい
ることから、ステップ１０７の判定条件が満たされてい
ないと判断し、ステップ１０８へ移行する。ステップ１
０８において、前記ステップ１０５で設定された最終ス
ロットル感度Ｔｈｇa と、前記ステップ１０２で読み込
んだアクセルストロークＳとをスロットルコンピュータ
２１へ出力する。或いは、最終スロットル感度Ｔｈｇa
とアクセルストロークＳとを乗算し、その乗算結果を目
標スロットル開度Ｔｈｇa ・Ｓとしてスロットルコンピ
ュータ２１へ出力する。

【００４２】その後、ステップ１０９でエンジン停止の
ためにイグニションキーがオフ操作されたか否かを判定
する。この場合、ステップ１０９の判定条件が満たされ
ていないと判断し、前記ステップ１０２へ戻る。

【００４３】上記した制御周期においては、ステップ１
０６の処理でフラグＦが「０」にリセットされている。
このため、次回の制御周期においては、ステップ１０３
の判定条件が満たされていないと判断し、ステップ１１
０へ移行する。

【００４４】ステップ１１０において、車両１の加速度
Ｇを「教師データ」として、運転者ＤＲの要求する「要
求加速度モデル」の学習を実行する。つまり、加速度セ
ンサ１２により検出される車両１の加速度Ｇを比較すべ
き「教師データ」として、その「教師データ」との偏差
が小さくなるように、アクセルストロークＳ及び車速Ｖ
に対する加速度Ｇの関係を、運転者ＤＲの要求する「要
求加速度モデル」として学習する。

【００４５】例えば、図５に実線で示す曲線が現在の
「要求加速度モデル」の特性であるとする。そして、車
両１を現在より速く走行させるために運転者ＤＲがアク
セルペダル１０を踏み込んで、車両１の加速度Ｇが現在
の要求加速度モデル出力Ｇｘよりも大きくなったとす
る。このときの加速度Ｇが新しい要求加速度であり、
「要求加速度モデル」は図５に実線で示す特性が破線で
示す特性に更新される。即ち、アクセルストロークＳ及
び車速Ｖに対する要求加速度モデル出力Ｇｘの関係の全
体が連続的なモデルとして学習される。そして、この特
性は部分的に不連続となることはない。

【００４６】尚、図５には車速Ｖが「０」のときの特性
が示されているが、「要求加速度モデル」では、アクセ
ルストロークＳの全範囲及び車速Ｖの全範囲と車両１の
加速度Ｇとの関係が学習されるようになっている。

【００４７】次に、ステップ１１１において、加速度Ｇ
と上記の要求加速度モデル出力Ｇｘとの差を加速度偏差
ΔＧとして求める。又、その加速度偏差ΔＧを「誤差信
号」として、「スロットル感度モデル」の学習を実行す
る。つまり、加速度偏差ΔＧを「誤差信号」として、そ
の誤差分が小さくなるように、アクセルストロークＳ及
び車速Ｖに対するスロットル開度Ｔｈの関係を、「スロ
ットル感度モデル」として学習する。

【００４８】例えば、図６に実線で示す直線を「スロッ
トル感度モデル」の初期値であるとする。そして、車両
１を現在より速く走行させるために運転者ＤＲがアクセ
ルペダル１０を踏み込むと、車両１の加速度Ｇが大きく
なり、要求加速度モデル出力Ｇｘとの間で差が発生し、
そのときの加速度偏差ΔＧが求められる。そして、その
加速度偏差ΔＧを「誤差信号」とし、その誤差分が小さ
くなるように学習が行われると、そのときのスロットル
感度モデル出力Ｔｈｘが新しいスロットル感度モデル出
力Ｔｈｘであり、「スロットル感度モデル」は図６に実
線で示す特性（初期値）から破線で示す特性に更新され
る。即ち、アクセルストロークＳ及び車速Ｖに対するス
ロットル感度モデル出力Ｔｈｘの関係の全体が連続的な
モデルとして学習される。そして、この特性は部分的に
不連続となることはない。

【００４９】このようにして、ニューラルネットワーク
の技術を用いた学習制御の処理が実行され、運転者ＤＲ
の要求する「要求加速度モデル」及び「スロットル感度
モデル」の特性がそれぞれ学習される。ここでは、その
時々に学習される「要求加速度モデル」及び「スロット
ル感度モデル」の特性としてのシナプスｓｐの「重み係
数」が、バックアップＲＡＭ２６に書き替えられて記憶
される。

【００５０】続いて、ステップ１１２において、スロッ
トル感度モデル出力Ｔｈｘより、以下の計算式（１）に
従ってスロットル感度Ｔｈｇを決定する。Ｔｈｇ＝α＋Ｔｈｘ＊Ｋ …（１）ここで、「α」は基準値であり、この実施例では「α＝
１．０」となっている。又、「Ｋ」は正の定数である。

【００５１】次に、ステップ１１３において、前記ステ
ップ１１２でのスロットル感度Ｔｈｇがしきい値ＴＨＧ
a よりも小さいか否かを判定する。図９におけるタイミ
ングｔ１〜ｔ２の期間では、スロットル感度Ｔｈｇがし
きい値ＴＨＧa 以上である。このため、ステップ１１３
での判定条件が満たされていないと判断し、ステップ１
１４において、基準値ＴＨＧstを最終スロットル感度Ｔ
ｈｇa として設定する。そして、前記したステップ１０
７以降の各処理を実行する。

【００５２】タイミングｔ２において、前記ステップ１
１２で決定されたスロットル感度Ｔｈｇがしきい値ＴＨ
Ｇa を下回ると、ステップ１１３の判定条件が満たされ
ていると判断し、ステップ１１５へ移行する。ステップ
１１５では、最小値ＴＨＧmin を最終スロットル感度Ｔ
ｈｇa （＝０．５）として設定する。そして、前記した
ステップ１０７以降の各処理を実行する。

【００５３】従って、前記ステップ１０８の処理によっ
てスロットルコンピュータ２１に出力される最終スロッ
トル感度Ｔｈｇa は、タイミングｔ１〜ｔ２の期間は基
準値ＴＨＧst（＝１．０）に保持され、タイミングｔ２
で最小値ＴＨＧmin （＝０．５）に切り替えられること
になる。

【００５４】この状態は、上記した加速度変化の少ない
走行状態に相当する。即ち、Ｔ字路において安全に車両
１を支線から本線に合流させるために、短い時間の発進
と停止とが数回に分けて繰り返されたり、渋滞路での車
両１の走行時に、短い時間の発進と停止とが繰り返され
たりした場合である。

【００５５】そして、前記発進・停止の繰り返しが終わ
り、本格的な発進動作のために急激な加速が必要とさ
れ、タイミングｔ３において運転者ＤＲによってリセッ
トスイッチ１４が押圧操作されると、ステップ１０７の
判定条件が満たされていると判断し、ステップ１１６へ
移行する。ステップ１１６でフラグＦを「０」から
「１」にセットする。又、ステップ１１７において、基
準値ＴＨＧstを最終スロットル感度Ｔｈｇa として設定
する。即ち、最小値ＴＨＧmin に保持されていた最終ス
ロットル感度Ｔｈｇa を強制的に基準値ＴＨＧstに切り
替える。そして、ステップ１０８以降の各処理を実行す
る。

【００５６】尚、運転者ＤＲの押圧操作によってオンさ
れたリセットスイッチ１４は、次回の制御周期における
ステップ１０６の処理によって自動的にオフされる。前
記した一連の処理はエンジン２が作動している間は、繰
り返し実行される。そして、エンジン２の停止のために
スグニションキーがオフされると、ステップ１０９の判
定条件が満たされていると判断し、この学習制御ルーチ
ンを終了する。このようにして、最終スロットル感度Ｔ
ｈｇa 、或いは目標スロットル開度Ｔｈｇa ・Ｓの設定
が行われる。

【００５７】次に、上記のような処理動作により決定さ
れる最終スロットル感度Ｔｈｇa と、そのときのアクセ
ルストロークＳとに基づき、スロットルコンピュータ２
１により実行されるスロットル開度制御の処理動作につ
いて説明する。図１０のフローチャートはスロットルコ
ンピュータ２１により実行されるスロットル開度制御プ
ログラムの「スロットル開度制御ルーチン」を示してい
る。このルーチンの処理は所定のタイミングで実行され
る。

【００５８】このルーチンの処理が開始されると、先ず
ステップ２０１において、スロットルセンサ９からの信
号に基づきスロットル開度Ｔｈを読み込むと共に、ニュ
ーロコンピュータ２２から出力される最終スロットル感
度Ｔｈｇa とアクセルストロークＳ、又は目標スロット
ル開度Ｔｈｇa ・Ｓを読み込む。ここで、最終スロット
ル感度Ｔｈｇa とアクセルストロークＳとの読み込みが
前提である場合には、同ステップ２０１において、両者
Ｔｈｇa ，Ｓの積が目標スロットル開度Ｔｈｇa ・Ｓと
して求められる。

【００５９】続いて、ステップ２０２において、現在の
スロットル開度Ｔｈが目標スロットル開度Ｔｈｇa ・Ｓ
よりも小さいか否かを判断する。ここで、スロットル開
度Ｔｈが目標スロットル開度Ｔｈｇa ・Ｓよりも小さい
場合には、ステップ２０３において、スロットルバルブ
７を開方向へ駆動させるように直流モータ８を正転させ
る。又、ステップ２０４において、スロットルセンサ９
からの信号に基づきスロットル開度Ｔｈを読み込む。そ
して、ステップ２０５において、スロットル開度Ｔｈが
目標スロットル開度Ｔｈｇa ・Ｓよりも小さいか否かを
判断する。ここで、スロットル開度Ｔｈが目標スロット
ル開度Ｔｈｇa ・Ｓよりも小さい場合には、ステップ２
０３へ戻り、スロットルバルブ７を更に開方向へ駆動さ
せるために、ステップ２０３，２０４，２０５の処理を
繰り返す。これに対し、スロットル開度Ｔｈが目標スロ
ットル開度Ｔｈｇa ・Ｓと等しいかそれよりも大きい場
合には、スロットルバルブ７をそれ以上開方向へ駆動さ
せないものとして、その後の処理を一旦終了する。

【００６０】一方、ステップ２０２において、現在のス
ロットル開度Ｔｈが目標スロットル開度Ｔｈｇa ・Ｓよ
りも小さくない場合には、ステップ２０６へ移行する。
そして、同ステップ２０６において、現在のスロットル
開度Ｔｈが目標スロットル開度Ｔｈｇa ・Ｓよりも大き
いか否かを判断する。ここで、スロットル開度Ｔｈが目
標スロットル開度Ｔｈｇa ・Ｓよりも大きくない場合、
即ちＴｈ＝Ｔｈｇa ・Ｓの場合には、そのままその後の
処理を一旦終了する。

【００６１】又、ステップ２０６において、スロットル
開度Ｔｈが目標スロットル開度Ｔｈｇa ・Ｓよりも大き
い場合には、ステップ２０７において、スロットルバル
ブ７を閉方向へ駆動させるように直流モータ８を逆転さ
せる。又、ステップ２０８において、スロットルセンサ
９からの信号に基づきスロットル開度Ｔｈを読み込む。

【００６２】そして、ステップ２０９において、スロッ
トル開度Ｔｈが目標スロットル開度Ｔｈｇa ・Ｓよりも
大きいか否かを判断する。ここで、スロットル開度Ｔｈ
が目標スロットル開度Ｔｈｇa ・Ｓよりも大きい場合に
は、ステップ２０７へ戻り、スロットルバルブ７を更に
閉方向へ駆動させるためにステップ２０７，２０８，２
０９の処理を繰り返す。これに対し、スロットル開度Ｔ
ｈが目標スロットル開度Ｔｈｇa ・Ｓと等しいかそれよ
りも小さい場合には、スロットルバルブ７をそれ以上閉
方向へ駆動させないものとして、その後の処理を一旦終
了する。

【００６３】このように、スロットル開度Ｔｈが目標ス
ロットル開度Ｔｈｇa ・Ｓに一致するように直流モータ
８の回転が制御され、それによってスロットルバルブ７
が開閉制御される。スロットルバルブ７の開閉動作によ
り、エンジン２の出力が制御され、その結果として車両
１の駆動力が制御される。

【００６４】以上説明したように、この実施例では、ス
ロットル感度Ｔｈｇを求めるための学習時には、車両１
の走りに対する運転者ＤＲの要求が、その時々の加速度
Ｇから「要求加速度モデル」として推定される。又、そ
の「要求加速度モデル」に基づき「スロットル感度モデ
ル」が変更されてスロットル感度Ｔｈｇが決定される。
又、スロットル感度Ｔｈｇに応じて決定された最終スロ
ットル感度Ｔｈｇa とアクセルストロークＳとの積から
求められる目標スロットル開度Ｔｈｇa ・Ｓと、スロッ
トル開度Ｔｈとが一致するように、スロットルバルブ７
が開閉制御される。しかも、常に運転者ＤＲの要求に応
じた「要求加速度モデル」が得られ、その「要求加速度
モデル」に対応して、「スロットル感度モデル」が得ら
れる。そして、常に運転者ＤＲの要求に合った加速度Ｇ
をもって、エンジン２のスロットル開度Ｔｈが制御され
る。

【００６５】従って、車両１に対する運転者ＤＲの要求
加速度が大きいときには、最終スロットル感度Ｔｈｇa
が大きくなる。そのため、同一の加速度Ｇを得るための
アクセルストロークＳの変化範囲が狭くなり、アクセル
ペダル１０の少ない操作によって大きな加速度Ｇを得る
ことができるようになり、車両１の加速性能が向上した
ように運転者ＤＲに感じさせることができる。例えば、
運転者ＤＲの意識が急いだ状態であったり、車両１の運
転環境が渋滞のない高速道路であったりして、車両１を
速く走行させたいときには、アクセルペダル１０の少な
い操作によって大きな加速度Ｇを得ることができ、加速
感を向上させることができる。

【００６６】一方、車両１に対する運転者ＤＲの要求加
速度が小さいときには、最終スロットル感度Ｔｈｇa が
小さくなる。そのため、同一の加速度Ｇを得るためのア
クセルストロークＳの変化範囲が広くなり、アクセルペ
ダル１０の多い操作によって加速度Ｇを微妙に変化させ
ることができるようになり、運転者ＤＲにとってアクセ
ルペダル１０の操作性能を向上させることができる。例
えば、運転者ＤＲの意識がのんびりした状態であった
り、車両１の運転環境が渋滞路や雪道等であったりし
て、車両１をゆっくりと走行させたいときには、アクセ
ルペダル１０の多い操作によって加速度Ｇを微妙に変え
ることができ、車両１の操作感を向上させることができ
る。

【００６７】つまり、この実施例では、運転者ＤＲの加
速度に対する要求度合いに合致するように学習が行われ
ることから、常に運転者ＤＲの特性に合った最終スロッ
トル感度Ｔｈｇa が決定される。その結果、運転者ＤＲ
の意識状態（急いでいる、のんびりしている等）や運転
環境（路面状態、昼間・夜間、トンネル内、雨中路、雪
道、山間路、渋滞路等）にかかわりなく、車両１につい
て、常に運転者ＤＲの特性に合った駆動力の制御を行う
ことができる。

【００６８】又、この実施例では、ニューロコンピュー
タ２２における学習制御に、ニューラルネットワーク技
術を用いたことから、アクセルストロークＳ及び車速Ｖ
に対する要求加速度モデル出力Ｇｘの関係の全体が連続
的なモデルとして学習され、その特性が部分的に不連続
となることはない。同じく、アクセルストロークＳ及び
車速Ｖに対するスロットル感度モデル出力Ｔｈｘの関係
の全体が連続的なモデルとして学習され、その特性が部
分的に不連続となることはない。これは、ニューラルネ
ットワークの技術を用いたことにより、アクセルストロ
ークＳ及び車速Ｖの不連続点の間で学習される「要求加
速度モデル」が補間されるためである。つまり、アクセ
ルストロークＳ及び車速Ｖのある特定な範囲について行
われる要求加速度モデル出力Ｇｘの修正が、アクセルス
トロークＳ及び車速Ｖの他の範囲に対応する要求加速度
モデル出力Ｇｘの修正にも反映される。又、アクセルス
トロークＳ及び車速Ｖのある特定な範囲について行われ
るスロットル感度モデル出力Ｔｈｘの修正が、アクセル
ストロークＳ及び車速Ｖの他の範囲に対応するスロット
ル感度モデル出力Ｔｈｘにも反映される。

【００６９】その結果、車速Ｖの全範囲について、車両
１の駆動力の制御が運転者ＤＲによるアクセルペダル１
０の操作量、即ちアクセルストロークＳの全操作範囲に
渡って連続的なものとすることができる。

【００７０】更に、この実施例では、加速度Ｇから「要
求加速度モデル」を推定し、その「要求加速度モデル」
から「スロットル感度モデル」を変更するように学習が
行われることから、単なる部分的な補正（修正）によっ
てマップの書き替えを行う場合と較べて、マップの補間
演算が不必要となり、演算時間を更に短くすることがで
きる。

【００７１】加えて、この実施例では、ニューロコンピ
ュータ２２において、加速度センサ１２がローパスフィ
ルタ２９を介して外部入出力回路２７に接続されてい
る。そのため、車両１が凸凹路を走行しているときのハ
ーシュネスに起因して、加速度センサ１２での検出信号
にノイズが発生した場合には、そのノイズに相関する高
周波成分がローパスフィルタ２９で減衰される。即ち、
加速度センサ１２からの加速度Ｇの信号に、図１１
（ａ）に示すようにハーシュネスに起因する大きなノイ
ズが含まれていた場合でも、その信号がローパスフィル
タ２９を通過することにより、図１１（ｂ）に示すよう
なノイズの少ない加速度Ｇの信号に調整されることにな
る。

【００７２】その結果、ニューロコンピュータ２２で
は、学習のために用いられる加速度Ｇの信号を、ハーシ
ュネスに起因したノイズが除去されたものとすることが
できる。よって、「要求加速度モデル」及び「スロット
ル感度モデル」についての誤学習を未然に防止すること
ができ、延いてはスロットル感度Ｔｈｇが誤った方向へ
調整されることを未然に防止することができる。

【００７３】併せて、この実施例では、Ｔ字路や渋滞路
での加速度変化の少ない走行状態から、本格的な発進動
作のために急激な加速が必要とされ、運転者ＤＲによっ
てリセットスイッチ１４が押圧操作されると、最終スロ
ットル感度Ｔｈｇa が最小値ＴＨＧmin （＝０．５）か
ら基準値ＴＨＧstに強制的に直ちに切替えられる。そし
て、その切替えられた最終スロットル感度Ｔｈｇa とア
クセルストロークＳとの積から求められる目標スロット
ル開度Ｔｈｇa ・Ｓと、スロットル開度Ｔｈとが一致す
るように、スロットルバルブ７が開閉制御される。この
ため、エンジン２の出力制御に要するアクセルペダル１
０の操作が、運転者ＤＲにとって急加速走行に適したも
のとなる。

【００７４】その結果、本格的な発進動作等の急激な加
速が必要とされる時に、運転者ＤＲの意図を車両１の駆
動力の制御に反映させる上で、アクセルコントロール性
を良好なものとすることができる。つまり、運転者ＤＲ
が急激な発進動作を要求しているときには、最小値ＴＨ
Ｇmin （＝０．５）に設定されていた最終スロットル感
度Ｔｈｇa が時間の経過と共にゆっくりと増加するのを
防止し、アクセルストロークＳの少しの変化で車速Ｖが
大きく変化して車両１の挙動が大きくなるようにするこ
とができる。即ち、車両１の本格的な発進時にはそれに
適した良好な運転性能を確保することができる。

【００７５】上記のように、この実施例によれば、数回
の短い発進の繰り返しによってスロットル感度Ｔｈｇが
低くなっていても、運転者ＤＲが加速の要求を行った場
合、手動で最終スロットル感度Ｔｈｇa を基準値（最高
値）ＴＨＧstに切替えることができ、発進時でも十分な
加速が得られる。

【００７６】又、渋滞時等のゆっくり発進を行う場面が
多い時には、最終スロットル感度Ｔｈｇa が低くなるこ
とから、煩わしいアクセル操作を回避できる。これに伴
い、運転者ＤＲの精神的ストレスを低減し、疲労を軽減
することもできる。

【００７７】更に、この実施例では、スロットル感度モ
デル出力Ｔｈｘを基に求められたスロットル感度Ｔｈｇ
がそのまま最終スロットル感度Ｔｈｇa として用いられ
るのではなく、しきい値ＴＨＧa との比較で決定された
最小値ＴＨＧmin 及び基準値ＴＨＧstのいずれかが最終
スロットル感度Ｔｈｇa として用いられる。このため、
たとえスロットル感度Ｔｈｇの誤調整が行われてその値
が異常に高くなったとしても、基準値ＴＨＧstが最終ス
ロットル感度Ｔｈｇa として設定される。従って、異常
に高い最終スロットル感度Ｔｈｇa がスロットルコンピ
ュータ２１に出力されるのを未然に防止できる。その結
果、スロットル感度Ｔｈｇの調整時におけるフェイルセ
ーフ性が向上する。

【００７８】尚、この発明は前記実施例に限定されるも
のではなく、発明の趣旨を逸脱しない範囲で構成の一部
を適宜に変更して次のように実施することもできる。（１）前記実施例では、ガソリンエンジン２を駆動源と
し、リンクレスタイプのスロットルバルブ７をその制御
量変更手段としたが、それ以外の駆動源及び制御量変更
手段に具体化することもできる。例えば、電気自動車に
おいて直流モータ等の電動機を駆動源とし、電動機への
電流を制御する電流制御回路等を制御量変更手段とする
こともできる。

【００７９】（２）前記実施例では、運転者ＤＲにより
操作される出力操作手段としてアクセルペダル１０を用
いたが、出力操作手段としてアクセルレバーやそれ以外
の操作部材を用いることもできる。

【００８０】（３）前記実施例では、アクセルセンサ１
１を操作量検出手段としてアクセルストロークＳを検出
するようにしたが、次のようにすることもできる。即
ち、アクセルストロークＳの代わりにアクセル踏力を検
出するセンサを用いたり、アクセルストロークＳを検出
するアクセルセンサとアクセル踏力を検出するセンサと
を併用したりすること。

【００８１】（４）前記実施例では、加速度検出手段と
して加速度センサ１２を用いたが、車速センサ１３を加
速度検出手段として、車速センサ１３により検出される
車速Ｖを時間微分することにより加速度Ｇを得るように
してもよい。

【００８２】（５）前記実施例では、ニューロコンピュ
ータ２２におけるニューラルネットワーク技術として、
多層型ニューラルネットワークを採用したが、相互結合
型ニューラルネットワークを採用することもできる。

【００８３】（６）前記実施例では、スロットル感度モ
デル出力Ｔｈｘをスロットル感度の補正量とし、計算式
（１）によってスロットル感度Ｔｈｇを求めたが、スロ
ットル感度Ｔｈｇを直接出力することもできる。この場
合、車両１の工場出荷時における初期値は、基準値αを
出力するように学習することになる。

【００８４】（７）リセットスイッチ１４としては、押
しボタンスイッチ以外にも、レバーやツマミを回転させ
て接点を開閉する選択スイッチ、トグルスイッチ等、各
種操作スイッチを用いてもよい。

【００８５】（８）前記実施例では、エンジン始動時及
びリセットスイッチ１４の非押圧操作時に、基準値ＴＨ
Ｇst及び最小値ＴＨＧmin のいずれか一方を最終スロッ
トル感度Ｔｈｇa として設定したが、その時々のスロッ
トル感度モデル出力Ｔｈｘに基づき求められるスロット
ル感度Ｔｈｇをそのまま最終スロットル感度Ｔｈｇaと
してもよい。

【００８６】

【発明の効果】以上詳述したように、この発明によれ
ば、車両の加速度を比較すべき教師データとして用い、
出力操作手段の操作量に対する車両の加速度の関係を、
運転者の要求する加速度モデルとして学習している。
又、その学習された加速度モデルの出力と車両の加速度
との偏差を誤差信号として用い、出力操作手段の操作量
に対する駆動源の制御量の関係を、制御量感度モデルと
して学習している。そして、その学習された制御量感度
モデルの出力又はその相当値を参照データとして用い、
出力操作手段の操作量に応じて駆動源の制御量を制御す
るようにしている。

【００８７】従って、運転者の要求に応じた加速度モデ
ルが得られ、その加速度モデルに対応して、制御量感度
モデルが得られ、常に運転者の要求に合った加速度をも
って制御量が制御される。又、操作量に対する加速度の
関係や、操作量に対する制御量の関係の全体が連続的な
モデルとして学習され、出力操作手段の全操作範囲に対
する加速度及び制御量の関係の全体が不連続となること
はない。その結果、運転者の意識状態や運転環境にかか
わりなく常に運転者の特性に合った駆動力の制御を行う
ことができる。

【００８８】又、この発明によれば、出力操作手段の操
作量に応じて駆動源の制御量を制御するために使用され
る参照データが予め定めた第一の所定値以下のとき、運
転者によって変更指示手段が操作されると、その参照デ
ータを第一の所定値よりも高い第二の所定値に強制的に
変更するようにしている。

【００８９】従って、例えばＴ字路や渋滞路での加速度
変化の少ない走行状態から、本格的な発進動作のために
急激な加速が必要とされた場合にも、運転者による出力
操作手段の少しの変化で車速を大きく変化させて車両の
挙動を大きくさせることができる。これに伴い、車両の
本格的な発進時にはそれに適した応答性のよい十分な加
速を得ることが可能となる。

【図面の簡単な説明】

【図１】この発明の基本的な概念構成を示す概念構成図
である。

【図２】この発明を具体化した一実施例における車両の
駆動力制御装置の概略的な構成を示す概略構成図であ
る。

【図３】一実施例において、スロットルコンピュータ及
びニューロコンピュータの電気的構成を示すブロック図
である。

【図４】一実施例において、ニューロコンピュータに適
用されている多層型ニューラルネットワークの概念的な
構成を示す構成図である。

【図５】一実施例において、「要求加速度モデル」の特
性を示す特性図である。

【図６】一実施例において、「スロットル感度モデル」
の特性を示す特性図である。

【図７】一実施例において、「スロットル感度」の特性
を示す特性図である。

【図８】一実施例において、ニューロコンピュータによ
り実行される「学習制御ルーチン」を示すフローチャー
トである。

【図９】一実施例において、スロットル感度、最終スロ
ットル感度、フラグ、リセットスイッチの対応関係を示
すタイムチャートである。

【図１０】一実施例において、スロットルコンピュータ
により実行される「スロットル開度制御ルーチン」を示
すフローチャートである。

【図１１】一実施例において、ローパスフィルタの作用
に関する加速度信号の変化を示すタイムチャートであ
る。

【符号の説明】

１…車両、２…駆動源としてのエンジン、７…スロット
ルバルブ、８…直流モータ（７，８は制御量変更手段を
構成している）、１０…出力操作手段としてのアクセル
ペダル、１１…操作量検出手段としてのアクセルセン
サ、１２…加速度検出手段としての加速度センサ、１３
…速度検出手段としての車速センサ、１４…変更指示手
段としてのリセットスイッチ、２１…駆動制御手段を構
成するスロットルコンピュータ、２２…要求加速度モデ
ル学習手段、制御量感度モデル学習手段及び参照データ
変更手段を構成するニューロコンピュータ、ＤＲ…運転
者、Ｔｈ…エンジンの制御量としてのスロットル開度、
Ｇ…加速度、Ｖ…車速、Ｓ…アクセルストローク、Ｇｘ
…要求加速度モデル出力、ΔＧ…誤差信号としての加速
度偏差、Ｔｈｘ…スロットル感度モデル出力、Ｔｈｇa
…スロットル感度モデル出力の相当値としての最終スロ
ットル感度、ＴＨＧmin …第一の所定値としてのスロッ
トル感度の最小値、ＴＨＧst…第二の所定値としてのス
ロットル感度の基準値

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁵ 識別記号庁内整理番号ＦＩ技術表示箇所Ｆ０２Ｄ 45/00 Ａ 7536−3ＧＧ０５Ｂ 13/02 Ｌ 9131−3Ｈ 13/04 9131−3Ｈ (72)発明者大嶋満寿治愛知県愛知郡長久手町大字長湫字横道41番地の１株式会社豊田中央研究所内 (72)発明者 ▲吉▼田浩之愛知県愛知郡長久手町大字長湫字横道41番地の１株式会社豊田中央研究所内

Claims

【特許請求の範囲】

【請求項１】車両に搭載された駆動源の制御量を変更
するための制御量変更手段と、前記駆動源の出力を任意に制御するために運転者により
操作される出力操作手段と、前記出力操作手段の操作量を検出するための操作量検出
手段とを備え、前記操作量検出手段の検出結果に応じて
前記制御量変更手段を駆動させることにより前記駆動源
の出力を制御して前記車両の駆動力を制御するようにし
た車両の駆動力制御装置において、前記車両の加速度を検出するための加速度検出手段と、前記車両の速度を検出するための速度検出手段と、前記加速度検出手段の検出により得られる加速度を比較
すべき教師データとして、その教師データと当該手段の
出力との偏差を誤差信号とし、その誤差分が小さくなる
ように、前記出力操作手段の操作量及び前記速度検出手
段の検出により得られる速度に対する前記車両の加速度
の関係を、前記運転者の要求する加速度モデルとして学
習するための要求加速度モデル学習手段と、前記加速度検出手段の検出により得られる加速度と前記
要求加速度モデル学習手段により学習される加速度モデ
ルの出力との偏差を誤差信号として、その誤差分が小さ
くなるように、前記出力操作手段の操作量及び前記速度
検出手段の検出により得られる速度に対する前記駆動源
の制御量の関係を、制御量感度モデルとして学習するた
めの制御量感度モデル学習手段と、前記制御量感度モデル学習手段により学習される制御量
感度モデルの出力又はその相当値を参照データとして、
その参照データに基づき前記操作量検出手段により検出
される操作量に応じて前記制御量変更手段の駆動を制御
する駆動制御手段と、前記駆動制御手段において前記制御量変更手段の駆動を
制御するために使用される参照データが予め定めた第一
の所定値以下のとき、その参照データを第一の所定値よ
りも高い第二の所定値に変更指示するべく、運転者によ
り操作可能な変更指示手段と、前記変更指示手段が操作されたとき、前記駆動制御手段
において前記制御量変更手段の駆動を制御するために使
用される参照データを、同変更指示手段により指示され
た第二の所定値に強制的に変更するための参照データ変
更手段とを備えたことを特徴とする車両の駆動力制御装
置。