WO2017199652A1 - 診断システム及び電子制御装置 - Google Patents

診断システム及び電子制御装置 Download PDF

Info

Publication number
WO2017199652A1
WO2017199652A1 PCT/JP2017/015068 JP2017015068W WO2017199652A1 WO 2017199652 A1 WO2017199652 A1 WO 2017199652A1 JP 2017015068 W JP2017015068 W JP 2017015068W WO 2017199652 A1 WO2017199652 A1 WO 2017199652A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
electronic control
diagnostic system
diagnostic
control device
Prior art date
Application number
PCT/JP2017/015068
Other languages
English (en)
French (fr)
Inventor
辰也 堀口
広津　鉄平
寛 岩澤
Original Assignee
株式会社日立製作所
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to JP2018518160A priority Critical patent/JP6725652B2/ja
Priority to US16/301,920 priority patent/US10955836B2/en
Publication of WO2017199652A1 publication Critical patent/WO2017199652A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2637—Vehicle, car, auto, wheelchair

Definitions

  • the present invention relates to an electronic control device, and more particularly, to a means for outputting an appropriate control calculation result when performing a calculation based on signals input to the electronic control device from various sensors mounted on a control target and outputting the result.
  • An object of the present invention is to provide a method for detecting and preventing a soft error without performing multiplexing, thereby improving reliability while suppressing an increase in mounting cost and a reduction in operation speed associated therewith.
  • the present invention includes a plurality of initial parameter generation units that generate a plurality of initial parameters predicted based on external inputs, and a plurality of arithmetic units that calculate an optimal solution for the initial parameters using an evaluation function describing a control purpose. And a diagnostic unit for diagnosing the computing unit based on the output of the computing unit, wherein the diagnostic unit has an evaluation value among evaluation values corresponding to each optimal solution for each initial parameter. When an optimal solution candidate that gives an evaluation value that deviates from a possible value by a certain threshold value or more is found, an error of the arithmetic unit is diagnosed.
  • the present invention by providing a method for diagnosing and preventing errors without performing multiplexing, it is possible to improve reliability while suppressing an increase in device mounting cost.
  • FIG. 1 is a block diagram showing the structure of a control system composed of an electronic control device 1 and a subject vehicle 6 to be controlled in this embodiment.
  • the electronic control device 1 shown in FIG. 1 includes the input value 91 and error threshold value 44 given from a higher-level electronic control device (not shown), the surrounding information of the own vehicle 6 obtained from the sensor 9 mounted on the own vehicle 6, and the own vehicle.
  • a feedback value 92 including vehicle information is determined as a control output 51, and various actuators 8 are driven via the actuator control device 7 of the vehicle 6.
  • the vehicle 6 is controlled.
  • the electronic control device 1 can have an external environment model (not shown) that predicts the external environment, for example, the behavior of other moving objects in the vicinity, as necessary.
  • FIG. 2 is a functional block diagram showing the internal functions of the electronic control unit 1.
  • the electronic control unit 1 includes an initial parameter generation unit that generates an initial parameter for solving the optimization problem using an exploratory solution based on the input value 91 that is an input of the electronic control unit and the feedback value 92 from the sensor 9. 2, an optimizer 3 that performs an optimization operation based on the initial estimated solution generated by the initial parameter generation unit 2, a diagnosis unit 4 that diagnoses an output from the optimizer 3, and a diagnosis result 41 in the diagnosis unit 4
  • the output selection unit 5 selects an optimum output from the initial parameters generated by the initial parameter generation unit 1 based on the above.
  • FIG. 3 is a block diagram showing the configuration of the optimizer 3 in the electronic control unit 1.
  • the optimizer 3 includes a large number of individuals 31 used in algorithms such as swarm intelligence.
  • FIG. 4 shows a scene of a driving situation in which the vehicle 6 is about to make a right turn in a signal in which there are various other moving bodies (other vehicle 10, pedestrian 11) at a certain time T0. Yes.
  • the own vehicle 6 detects the position and speed of the other vehicle 10 and the pedestrian 11 by a sensor 9 mounted on the own vehicle 6, and the future behavior of the other vehicle 10 and the pedestrian 11 obtained using an external environment model (not shown).
  • an external environment model is a model that estimates the course and speed based on the state quantity obtained by observing the other vehicle 10 and the pedestrian 11 using the sensor 9. This is not the case.
  • the initial parameter generation unit 2 is a time in the future for a certain period from the time T0 of the own vehicle 6 based on the position and speed of the own vehicle 6, the other vehicle 10 and the pedestrian 11 as the observed value of the sensor 9 at the time T0.
  • a plurality of acceleration command values and steering angles, which are behaviors to be taken by time T1 are determined and output to the optimal solution 3 as the initial estimated solution 21.
  • the individual 31 in the optimizer 3 calculates the target function and crosses between the individuals 31 based on the behavior estimation of the other vehicle 10 and the pedestrian 11 and the initial estimated solution 21 given from the initial parameter generator 2.
  • the predicted operation amount for the future for a certain period of time with respect to the own vehicle 6 updated by the above is updated.
  • the optimum solution is searched by repeating this process a predetermined number of times, and the evaluation value 32 is sent from each individual 31 to the diagnosis unit 4, and the output candidate value 33 that is a candidate value of the output 51 of the electronic control device 1 is output to the output selection unit. Output to 5 respectively.
  • FIG. 5 is a block diagram showing a configuration in the diagnosis unit 4. Based on the evaluation value 32 output from the optimizer 3, the diagnosis unit 4 calculates the approximate curve of the evaluation value 32 and determines the distance from the approximate curve 41 of the evaluation value 32.
  • the unit 43 is configured.
  • FIG. 6 is a graph showing an approximate curve generated by the approximate curve generation unit 42.
  • the approximate curve generation unit 42 performs, for example, polynomial approximation on the evaluation value 32 output from each individual 31 in the optimizer 3.
  • the approximate curve generation unit 42 outputs the approximate polynomial 45 to the distance determination unit 43.
  • the distance determination unit 43 determines whether the evaluation value 32 deviates from the approximate polynomial 45 by more than the threshold 44 by determining whether the evaluation value 32 is included within a certain threshold from the approximate polynomial 45. Output.
  • the output selection unit 5 excludes the output candidate values 33 output from the optimizer 3 from the optimization result based on the diagnosis result 41 output from the diagnosis unit 4 and includes the remaining output candidate values.
  • the output candidate value 33 corresponding to the individual 31 that outputs the optimum evaluation value is output as the output value 51 of the electronic control device 1.
  • the operation of the electronic control device 1 according to the present invention as described above will be described with reference to the flowchart shown in FIG.
  • the electronic control unit 1 performs the following operation for each sampling period of the sensor.
  • the initial parameter generation unit The initial estimated solution 21 to be supplied to the optimizer 3 is generated (C1).
  • the parameters possessed by the individuals 31 are updated (C3) by calculation of the target function by the individuals 31 (C2) and crossing between the individuals 31.
  • the target function calculation (C2) and parameter update (C3) are performed a predetermined number of times determined when the electronic control device 1 is designed. After execution of the predetermined time, the evaluation value 32 is output to the diagnosis unit 4 and the output candidate value 33 is output. The data is output to the selection unit 5 (C4).
  • the evaluation value 32 output from each individual 31 of the optimizer 3 is The approximate curve generation unit 42 performs polynomial approximation, and the distance determination unit 43 determines the distance between the polynomial created by the approximate curve generation unit 42 and the evaluation value 32 output from each individual 31 in the optimizer 3. Is determined to be less than or equal to the threshold value 44, the presence or absence of an error occurring in each individual 31 in the optimizer 3 is diagnosed (C5).
  • the output candidate value 33 output from the individual 31 including the error is excluded by outputting the diagnosis result 41 to the output selection unit 5 (C6).
  • the output selection unit 5 selects, as an output of the electronic control unit 1, an output that is optimal for the control purpose based on the evaluation value 32 from among the output candidate values including errors excluded in C6. (C7).
  • FIG. 8 shows the electronic control device 1 when the electronic control device 1 performing such an operation is operated in an environment with a high error frequency, for example, when the soft error occurrence rate is increased by performing irradiation with neutrons or the like.
  • FIG. 8 shows the electronic control device 1 when the electronic control device 1 performing such an operation is operated in an environment with a high error frequency, for example, when the soft error occurrence rate is increased by performing irradiation with neutrons or the like.
  • FIG. 8 shows the electronic control device 1 when the electronic control device 1 performing such an operation is operated in an environment with a high error frequency, for example, when the soft error occurrence rate is increased by performing irradiation with neutrons or the like.
  • FIG. 8 shows the electronic control device 1 when the electronic control device 1 performing such an operation is operated in an environment with a high error frequency, for example, when the soft error occurrence rate is increased by performing irradiation with neutrons or the like.
  • FIG. 8 shows the electronic control device 1 when the electronic control device
  • the electronic control device when the optimization problem is solved using the exploratory solution, the error diagnosis using the solver feature that the same operation is performed based on different initial values.
  • FIG. 10 shows the operation of the electronic control unit 1 in this embodiment as described above.
  • the initial parameter 21 to be supplied to the optimizer 3 is generated by the initial parameter generator based on the externally input values 91 and 92 (C8).
  • the optimizer 3 performs target function calculation (C9) by the individuals 31 and updates the parameters of the individuals 31 by crossing between the individuals 31 (C12).
  • the diagnosis is performed using the diagnosis unit 4 (C10).
  • the diagnosis method is the same as that in the first embodiment.
  • the output candidate value 33 output from the individual 31 including the error is excluded by outputting the diagnosis result 41 to the output selection unit 5 (C11).
  • the initial parameter 21 may be newly regenerated from the initial parameter generation unit 2 to restart the calculation.
  • the threshold value 44 for determining an error in C11 a constant value may be used, or a value that decreases as the number of iterations of the optimization calculation increases, for example. This is because the variation of the evaluation value 32 is large at the start of the optimization operation, and the state of each individual 31 and the evaluation value 32 converge to the vicinity of the optimal solution as the number of iterations increases. is there.
  • parameter update (C12) is performed by mating between the individuals 31. After this is repeated a predetermined number of times (C13), an optimum solution is output (C14).
  • the optimal solution can be obtained by detecting and excluding the individual 31 including an error that has occurred during the iteration of the optimization calculation at an early stage. It is possible to maintain the number of individuals that do not include errors that contribute to the search of the search, and to maintain the convergence of the optimization operation.
  • the diagnosis unit 4 is mounted as a diagnosis device 11 on a device different from the electronic control device 1.
  • the diagnostic device 11 is connected to the electronic control device 1 directly or via the network 12.
  • the diagnosis device 11 verifies the evaluation value 32 output from the optimizer 3 from the electronic control device 101 by using the diagnosis unit 4 and notifies the output selection unit 5 of the presence / absence of an error and the individual number in which the error has occurred.
  • a diagnosis unit 4 is a system that visualizes a control state (not shown) even if the system described in the first and second embodiments is used, whether it is mounted on a server and an abnormality is detected by means such as machine learning. It is also possible to use a system that allows humans to monitor for abnormalities.
  • the above is the difference between the electronic control device 101 and the diagnostic device 11 in the present embodiment from the first embodiment and the second embodiment described above.
  • the operation of the electronic control device 1 described in the first and second embodiments can be monitored and diagnosed using the diagnostic device 11 outside the electronic control device.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Safety Devices In Control Systems (AREA)

Abstract

多重化を行うことなくソフトエラーを検出し防止する方式を提供することで，実装コスト増大やそれに伴う動作速度低減を抑制しつつ装置の信頼性を向上する。　外部からの入力に基づいて予測される複数の初期パラメータを生成する初期パラメータ生成部と，制御目的を記述した評価関数を用いて前記初期パラメータに対する最適解を演算する演算器を複数有する演算部と，前記演算部の出力に基づいて該演算部の診断を行う診断部とを備え，前記診断部は，前記各初期パラメータに対する各最適解に対応する評価値のうち，評価値が取り得る値から一定の閾値以上逸脱する評価値を与える最適解候補が発見された場合に，前記演算部のエラーと診断することを特徴とする。

Description

診断システム及び電子制御装置
　本発明は電子制御装置に関し，制御対象に装着された各種センサから電子制御装置に入力される信号を基に演算を行い結果を出力するにあたり，適切な制御演算結果を出力する手段に関する。
　運転支援技術や自動運転技術においては，乗員や周辺環境の安全を守るため，運転状況や周囲の環境状況に応じた適切な制御を行う必要がある。このような制御の一例として，経路計画（Ｔｒａｊｅｃｔｏｒｙ　Ｐｌａｎｎｉｎｇ）と呼ばれる手法が知られている。経路計画問題は最適化問題に帰着されることが知られており，その解法の一例として，群知能等のメタヒューリティクスを活用する探索的解法が知られている。経路計画問題における探索的解法は，同一の構造を持つ多数の演算を同時並列的に行うという特徴から，一般に高い並列性を有するハードウェアを用いたアクセラレーションとの親和性が高い一方，経路計画問題においては乗員や周辺環境への安全性の観点から，これら経路計画演算を行う電子制御装置には高い信頼性が求められる。
　このような高い信頼性の求められる分野においては，従来より同一ロジックを多重化して実装し，その比較もしくは多数決を行うことによりエラー検出もしくはマスクを行う方法が知られている。例えば特許文献１では，同一ロジックの三重化と多数決回路の付加により，三重化を施されたロジックの内の１つにエラーが発生した際にもそのエラーをマスクし正しい出力を継続できるような処理が実装されている。
特開２０１５－２６２７９号公報
　前述のように多重化を行う方式では，同一ロジックを複数実装する必要が生じ，機能の実装に要するリソース増大によりコストが増大する。特に，探索的解法のアルゴリズムは，演算精度や速度向上の為，前述のように同一の構造を持つ演算部を多並列に実装することが知られており，この演算部を多重化することは，実装コストの増大に大きな影響を持つと考えられる。
　本発明は，多重化を行うことなくソフトエラーを検出し防止する方式を提供することで，実装コスト増大やそれに伴う動作速度低減を抑制しつつ信頼性を向上することを目的とするである。
　本発明は，外部からの入力に基づいて予測される複数の初期パラメータを生成する初期パラメータ生成部と，制御目的を記述した評価関数を用いて前記初期パラメータに対する最適解を演算する演算器を複数有する演算部と，前記演算部の出力に基づいて該演算部の診断を行う診断部とを備え，前記診断部は，前記各初期パラメータに対する各最適解に対応する評価値のうち，評価値が取り得る値から一定の閾値以上逸脱する評価値を与える最適解候補が発見された場合に，前記演算部のエラーと診断することを特徴とする。
　本発明によれば，多重化を行うことなくエラーを診断・防止する方式を提供することで，装置の実装コスト増大を抑制しつつ信頼性の向上させることができる。
本発明の第一の実施例における電子制御装置１および制御対象である自車６の構成を示すブロック図である。 本発明の第一の実施例における電子制御装置１の内部構成を示すブロック図である。 本発明の第一の実施例における最適化器３の内部構成を示すブロック図である。 本発明の第一の実施例における電子制御装置１を用いた自車６が走行する，走行環境の例である。 本発明の第一の実施例における診断部４の内部構成を示すブロック図である。 本発明の第一の実施例における診断部４内における，評価値３２と評価値３２を基に近似曲線生成部４２により生成される近似曲線との関係を示すグラフである。 本発明の第一の実施例における電子制御装置１の動作を示すフローチャート図である。 本発明の第一の実施例における電子制御装置１の，高エラー環境における出力値５１の特徴を示すヒストグラム図である。 本発明の第二の実施例における電子制御装置１の動作を示すフローチャート図である。 本発明の第三の実施例における，電子制御装置１の構成を示すブロック図である。
　以下，本発明の実施形態に係る電子制御装置及び診断システムについて図面を用いて説明する。
　図１は本実施例における電子制御装置１および制御対象である自車６から成る，制御系の構造を示したブロック図である。図１に示した電子制御装置１は，図示しない上位の電子制御装置から与えられる入力値９１や誤差閾値４４，自車６に搭載されたセンサ９から得られる，自車６の周辺情報及び自車情報を含むフィードバック値９２を入力として，自車６の走行に必要となる加速度情報を制御出力５１として決定し，自車６のアクチュエータ制御装置７を介して各種アクチュエータ８を駆動することで自車６を制御する。自車６に搭載されるセンサ９としては，外界認識センサとしてのカメラ，レーザレーダ等が，また内部情報センサとしての自車の情報を取得する車速センサ等が考えられる。また，電子制御装置１は，必要に応じて外部環境，例えば周辺における他の移動体の挙動等を予測する図示しない外部環境モデルを持つことができるとする。
　図２は電子制御装置１の内部の機能を示す機能ブロック図である。電子制御装置１は，電子制御装置の入力である入力値９１およびセンサ９からのフィードバック値９２を基に，最適化問題を探索的解法を用いて解くための初期パラメータを生成する初期パラメータ生成部２，初期パラメータ生成部２にて生成された初期推定解を基に最適化演算を行う最適化器３，最適化器３からの出力を診断する診断部４，および診断部４における診断結果４１を基に初期パラメータ生成部１にて生成される初期パラメータの内から最適な出力を選択する出力選択部５から構成される。
　図３は，電子制御装置１内の最適器３の構成を示すブロック図である。最適化器３は，群知能等のアルゴリズムにおいて用いられる多数の個体３１から構成される。
　以下，電子制御装置１が行う制御について説明する。図４は，ある時刻Ｔ０において自車６が他の様々な移動体（他車１０，歩行者１１）が存在する信号内において右折を行おうとしているような，運転状況の一シーンを示している。自車６は，他車１０，歩行者１１の位置および速度を自車６に搭載されたセンサ９により検知し，図示しない外部環境モデルを用いて得られる他車１０，歩行者１１の将来挙動予測を用い，事前に定められる目標関数や制約条件に適合する自車６の将来に亘る経路を計画する。本実施例では，外部環境モデルは他車１０および歩行者１１をセンサ９を用いて観測することにより得られる状態量を基に進路および速度を推定するモデルとするが，外部環境モデルの利用方法はこの限りではない。
　初期パラメータ生成部２は，時刻Ｔ０におけるセンサ９の観測値として，自車６，他車１０および歩行者１１の位置および速度を基に，自車６の時刻Ｔ０より一定期間将来の時刻である時刻Ｔ１迄に取るべき挙動である加速度指令値およびステアリング角を複数定め，初期推定解２１として最適解３へ出力する。
　最適化器３内の個体３１はそれぞれ，他車１０および歩行者１１の挙動予測および初期パラメータ生成部２より与えられる初期推定解２１を基に，目標関数の計算および各個体３１間での交配により更新される自車６に対する一定期間将来に亘る操作量予測値を更新する。この過程を定められた回数繰り返すことで最適解の探索を行い，各個体３１より評価値３２を診断部４へ，電子制御装置１の出力５１の候補値である出力候補値３３を出力選択部５へ，それぞれ出力する。
　図５は，診断部４内の構成を示すブロック図である。診断部４は，最適化器３より出力される評価値３２を基に，評価値３２の近似曲線を作成する近似曲線生成部４２および評価値３２の近似曲線４１からの距離を判定する距離判定部４３から構成される。
　図６は，近似曲線生成部４２により生成される近似曲線を示すグラフである。近似曲線生成部４２は，最適化器３内の各個体３１より出力される評価値３２に対して例えば多項式近似を行う。近似曲線生成部４２は，この近似多項式４５を距離判定部４３へ出力する。距離判定部４３は，評価値３２が近似多項式４５から一定の閾値内に含まれるかを判定することにより，閾値４４以上に近似多項式４５から乖離する評価値３２をエラーと判定する診断結果４１を出力する。
　出力選択部５は，最適化器３から出力される出力候補値３３のうち，診断部４より出力される診断結果４１に基づき最適化器におけるエラーを含むものを除外し，残りの出力候補値の中から最適な評価値を出力する個体３１に対応する出力候補値３３を，電子制御装置１の出力値５１として出力する。
　以上説明したような本発明における電子制御装置１の動作について，図７に示すフローチャート図を用いて説明する。電子制御装置１は，センサのサンプリング周期毎に下記の動作を行う。まず，自車６，他車１０，歩行者１１の状態を示すセンサ観測値９２と，図示しない上位のコントローラより与えられる電子制御装置の制御目標を示す入力値９１を基に，初期パラメータ生成部にて最適化器３に与える初期推定解２１を生成する（Ｃ１）。最適化器３では，個体３１による目標関数の計算（Ｃ２）および各個体３１間での交配により個体３１が持つパラメータの更新（Ｃ３）が行われる。目標関数の計算（Ｃ２）およびパラメータ更新（Ｃ３）は，電子制御装置１の設計時に定められる既定回数行われ，既定回の実行後，評価値３２が診断部４へ，出力候補値３３が出力選択部５に出力される（Ｃ４）。診断部４では，最適化器３の各個体３１から出力される評価値３２について，
近似曲線生成部４２にて多項式近似を行い，距離判定部４３にて，近似曲線生成部４２にて作成される多項式と最適化器３内の各個体３１から出力される評価値３２との距離が，閾値４４以下であるかを判定することで，最適化器３内の各個体３１に発生したエラー有無を診断する（Ｃ５）。この診断によりエラーを含む評価値３２が存在した場合には，出力選択部５へ診断結果４１を出力することでエラーを含む個体３１より出力された出力候補値３３を除外する（Ｃ６）。出力選択部５は，Ｃ６にて除外されるエラーを含んだ出力候補値以外の中から，評価値３２を基に制御目的に対して最適な出力を，電子制御装置１の出力として選択し出力する（Ｃ７）。
　図８は，このような動作を行う電子制御装置１をエラー頻度が高い環境にて動作させた際，例えば中性子線の照射等を行ってソフトエラー発生率を高めた際の，電子制御装置１の挙動を示す図である。電子制御装置１への入力値９１およびセンサ９からのフィードバック値９２を一定値に固定した状態で電子制御装置１を動作させると，エラーの発生しない状態では，電子制御装置１の出力は一意に定まる。このような電子制御装置１を，エラー頻度の高い環境で用いる際には，例えばソフトエラー等により最適化器３内の個体３１が保持する状態値が変化し，評価値３２が変動する。図６に示すように，エラー発生時には評価値３２の変動により，本来最適解として出力されるべき出力値５１以外の値も電子制御装置１の出力として選択される場合があり，ヒストグラムを取ると最適解Ｘｏｐｔを最大値とする図８のようなグラフが得られる。このグラフの特徴としては，閾値４４を用いた判定を行っているため，閾値４４によりエラーと判定され出力が除外される点が存在することから，図８のように頻度曲線に不連続点が発生するという特徴を有する。
　以上のとおり，本実施形態に係る電子制御装置によれば，最適化問題を探索的解法を用いて解く際に，同一の演算を異なる初期値を基に行うというソルバの特徴を用いたエラー診断機構を設けることにより，多重化を行うことなくソフトエラーを検出し防止する方式を提供することで，実装コスト増大やそれに伴う動作速度低減を抑制しつつ信頼性を向上させることができる。
　次に，本発明の第２の実施例に係る電子制御装置について，図面を用いて説明する。
　本実施例においては前述の実施例１と同様の，図１のようなハードウェア構成と図４のような問題設定に対し，図１０に示すフローチャートに従って制御を行う場合について説明する。
　図１０は，前述のように本実施例における電子制御装置１の動作を示す。実施例１と同様，外部からの入力値９１および９２を基に，初期パラメータ生成部にて最適化器３に与える初期パラメータ２１を生成する（Ｃ８）。最適化器３では，個体３１による目標関数の計算（Ｃ９）および各個体３１間での交配により個体３１が持つパラメータの更新（Ｃ１２）を行うが，この際，各個体が持つ評価値に対して診断部４を用いて診断を行う（Ｃ１０）。診断方法は，実施例１と同様である。この診断によりエラーを含む評価値３２が存在した場合には，出力選択部５へ診断結果４１を出力することでエラーを含む個体３１より出力された出力候補値３３を除外する（Ｃ１１）。除外された個体３１については，以降の演算を破棄しても，初期パラメータ生成部２より，新規に初期パラメータ２１を再生成し演算を再開してもよい。また，Ｃ１１においてエラーを判定するための閾値４４については，一定の値を用いても，例えば最適化演算の反復回数の増大に伴って減少する値を用いてもよい。これは，最適化演算の開始時においては評価値３２のばらつきが大きく，反復回数の増大に伴って各個体３１の持つ状態および評価値３２が最適解周辺へと収束するという特徴があるためである。このようにエラーを持つ個体３１を除外した後，各個体３１間での交配によるパラメータ更新（Ｃ１２）を行う。これを既定回数繰り返した後（Ｃ１３），最適解の出力を行う（Ｃ１４）。
　以上が本実施例における電子制御装置１の動作のうち，前述の実施例１との差異である。本実施例によれば，実施例１にて説明した電子制御装置１の動作のうち，最適化演算の反復中に発生したエラーを含む個体３１について早期に検出，除外を行うことで，最適解の探索に寄与するエラーを含まない個体数を維持することができ，最適化演算の収束性を保つことが可能となる。
　次に，本発明の第３の実施例に係る診断装置について，図面を用いて説明する。
　本実施例では，図１０に示すように診断部４は電子制御装置１と異なる装置上である診断装置１１として実装される。診断装置１１は電子制御装置１に対して，直接接続もしくはネットワーク１２を介して接続される。診断装置１１は電子制御装置１０１より最適化器３より出力される評価値３２を診断部４を用いて検証しエラーの有無と，エラーが発生している個体番号を出力選択部５へ通知する。なお，このような診断部４は実施例１および２に記載のシステムを用いても，サーバ上に実装し機械学習等の手段による異常検知を行っても，また図示しない制御状態を可視化するシステムを通じて人間が異常を監視するシステムとしてもよいとする。
　以上が本実施例における電子制御装置１０１および診断装置１１の動作のうち，前述の実施例１および実施例２との差異である。本実施例によれば，実施例１および実施例２にて説明した電子制御装置１の動作を，電子制御装置外の診断装置１１を用いて監視・診断を行うことができる。これにより，例えば電子制御装置１に対して潤沢な計算資源を持つ計算機による精度の高い異常検知や，重要なシステムに対する人手での監視が可能となり，システムの信頼性を向上できる。
　以上説明した各実施形態や各種の変形例はあくまで一例であり，本発明の特徴が損なわれない限り，本発明はこれらの内容に限定されるものではない。
１…電子制御装置，２…初期パラメータ生成部，３…最適化器，３１…最適化を行う個体群，３２…解候補値，４…診断部，４１…診断結果，４２…近似曲線生成部，４３…距離判定部，４４…誤差閾値，４５…近似多項式，５…出力選択部，５１…電子制御装置の出力値，６…自車，７…自車搭載の各種アクチュエータを制御する電子制御装置，８…自車搭載の各種アクチュエータ，９…自車搭載のセンサ，９１…電子制御装置１への図示しない上位の電子制御装置からの入力値９２…電子制御装置１へのセンサ９からの入力値１０…自動車，１１…歩行者

Claims (7)

  1. 　外部からの入力に基づいて予測される複数の初期パラメータを生成する初期パラメータ生成部と，制御目的を記述した評価関数を用いて前記初期パラメータに対する最適解を演算する演算器を複数有する演算部と，前記演算部の出力に基づいて該演算部の診断を行う診断部とを備え，前記診断部は，前記各初期パラメータに対する各最適解に対応する評価値のうち，評価値が取り得る値から一定の閾値以上逸脱する評価値を与える最適解候補が発見された場合に，前記演算部のエラーと診断することを特徴とする診断システム。
  2. 　請求項１に記載の診断システムであって，
    　前記診断部においてエラーの診断を行う際に，入力される複数の評価値を基に近似曲線を生成し，評価値と近似曲線との距離と閾値との比較によりエラーの有無を診断することを特徴とする診断システム。
  3. 　請求項１に記載の診断システムであって，
    　前記診断部においてエラーを診断する際に用いられる閾値が，演算の反復回数増加に伴い減少することを特徴とする診断システム。
  4. 　請求項１に記載の診断システムが実装されることを特徴とする電子制御装置。
  5. 　請求項１に記載の診断システムであって，
    　前記初期パラメータ生成部と，制御目的を記述した評価関数を用いて前記初期パラメータに対する最適解を演算する演算器を複数有する演算部とが電子制御装置に備えられ，
    　前記診断部が前記電子制御装置に接続される診断装置に備えられることを特徴とする診断システム。
  6. 　請求項５に記載の診断システムであって，
    　前記診断装置が前記演算部を定期的に診断し異常検知時に前記電子制御装置の動作を停止させることを特徴とする診断システム。
  7. 　外部からの入力に基づいて演算結果を出力し制御対象を制御する電子制御装置であって，
    前記電子制御装置に与える入力を一定とした際に，中性子線等が存在するエラー頻度の高い環境下にて出力値の出現頻度に不連続点が存在することを特徴とする診断システム。
PCT/JP2017/015068 2016-05-16 2017-04-13 診断システム及び電子制御装置 WO2017199652A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2018518160A JP6725652B2 (ja) 2016-05-16 2017-04-13 診断システム及び電子制御装置
US16/301,920 US10955836B2 (en) 2016-05-16 2017-04-13 Diagnosis system and electronic control device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-097576 2016-05-16
JP2016097576 2016-05-16

Publications (1)

Publication Number Publication Date
WO2017199652A1 true WO2017199652A1 (ja) 2017-11-23

Family

ID=60325004

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/015068 WO2017199652A1 (ja) 2016-05-16 2017-04-13 診断システム及び電子制御装置

Country Status (3)

Country Link
US (1) US10955836B2 (ja)
JP (1) JP6725652B2 (ja)
WO (1) WO2017199652A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019128639A (ja) * 2018-01-22 2019-08-01 日立オートモティブシステムズ株式会社 電子制御装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112147968A (zh) * 2019-06-27 2020-12-29 株式会社日立制作所 车辆故障诊断方法、装置及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006040220A (ja) * 2004-07-30 2006-02-09 Meiji Univ 最適値探索方法及びシステム
JP2016031179A (ja) * 2014-07-28 2016-03-07 株式会社Ｎｔｔファシリティーズ 制御システム、最適解選択装置、制御方法、及びプログラム

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3331024B2 (ja) * 1993-10-13 2002-10-07 ファナック株式会社 工具寿命管理方式
US5566092A (en) * 1993-12-30 1996-10-15 Caterpillar Inc. Machine fault diagnostics system and method
JP3834463B2 (ja) * 2000-10-13 2006-10-18 株式会社日立製作所 車載故障警報通報システム
US6496782B1 (en) * 2000-10-30 2002-12-17 General Electric Company Electric machine monitoring method and system
US6808345B2 (en) * 2001-10-16 2004-10-26 Toshiba Kikai Kabushiki Kaisha Tool, tool holder, and machine tool
JP4157330B2 (ja) 2002-06-27 2008-10-01 株式会社東芝 リソグラフィ条件の最適化方法
JP4369825B2 (ja) * 2004-08-11 2009-11-25 株式会社日立製作所 車両故障診断装置および車載端末
JP2006105943A (ja) * 2004-10-08 2006-04-20 Omron Corp 知識作成装置及びパラメータ探索方法並びにプログラム製品
JP4741344B2 (ja) 2005-11-07 2011-08-03 ダイハツ工業株式会社 形状認識装置及び歪評価装置
FR2900745B1 (fr) * 2006-05-05 2008-10-10 Eurocopter France Procede et dispositif de diagnostic d'un mecanisme
JP5585221B2 (ja) * 2010-06-08 2014-09-10 株式会社日立製作所 シミュレーション装置およびその方法
JP5440461B2 (ja) * 2010-09-13 2014-03-12 株式会社リコー 校正装置、距離計測システム、校正方法および校正プログラム
EP2469340B1 (en) * 2010-12-21 2021-01-06 ASML Netherlands B.V. Lithographic apparatus and device manufacturing method
JP2015026279A (ja) 2013-07-26 2015-02-05 株式会社東芝 プラント監視制御装置及びプログラム
JP2016018230A (ja) 2014-07-04 2016-02-01 トヨタテクニカルディベロップメント株式会社 制御パラメータ適合方法及び制御パラメータ適合支援装置
US10533920B2 (en) * 2014-08-05 2020-01-14 Acoem France Automatic rotating-machine fault diagnosis with confidence level indication
JP6712418B2 (ja) * 2015-09-09 2020-06-24 国立研究開発法人理化学研究所 非破壊検査装置と方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006040220A (ja) * 2004-07-30 2006-02-09 Meiji Univ 最適値探索方法及びシステム
JP2016031179A (ja) * 2014-07-28 2016-03-07 株式会社Ｎｔｔファシリティーズ 制御システム、最適解選択装置、制御方法、及びプログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019128639A (ja) * 2018-01-22 2019-08-01 日立オートモティブシステムズ株式会社 電子制御装置
US11511763B2 (en) 2018-01-22 2022-11-29 Hitachi Astemo, Ltd. Electronic control device

Also Published As

Publication number Publication date
JP6725652B2 (ja) 2020-07-22
US10955836B2 (en) 2021-03-23
US20190187675A1 (en) 2019-06-20
JPWO2017199652A1 (ja) 2019-02-21

Similar Documents

Publication Publication Date Title
US11275345B2 (en) Machine learning Method and machine learning device for learning fault conditions, and fault prediction device and fault prediction system including the machine learning device
JP6148316B2 (ja) 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム
US11521105B2 (en) Machine learning device and machine learning method for learning fault prediction of main shaft or motor which drives main shaft, and fault prediction device and fault prediction system including machine learning device
EP2911025B1 (en) Initiated test health management system and method
US11352019B2 (en) Electronic control device for vehicle
JP6956028B2 (ja) 故障診断装置及び機械学習装置
JP6444851B2 (ja) ノイズの発生原因を検出する学習機能を有する制御装置
WO2019142563A1 (ja) 電子制御装置
JP2020173551A (ja) 故障予測装置、故障予測方法、コンピュータプログラム、計算モデルの学習方法および計算モデルの生成方法
US11782431B2 (en) Control device and non-transitory computer-readable recording medium recording program
CN107783495B (zh) 单元控制***
WO2017199652A1 (ja) 診断システム及び電子制御装置
US20220342405A1 (en) Abnormality detection apparatus, computer-readable storage medium, and abnormality detection method
JP2023548456A (ja) 機械振動データに基づくシャーシの摩耗予測
JP6603260B2 (ja) 数値制御装置
Osman et al. Run-time safety monitoring framework for AI-based systems: Automated driving cases
Toubakh et al. Advanced data mining approach for wind turbines fault prediction
EP2444870B1 (en) Control effector health capabilities determination reasoning system and method
JP7504163B2 (ja) 異常予知装置、異常予知システム、異常予知方法及び異常予知プログラム
KR102129480B1 (ko) 무인 자율주행차량의 예지보전장치 및 이의 예지보전방법

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2018518160

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17799084

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 17799084

Country of ref document: EP

Kind code of ref document: A1