制御マップ最適化方法
【課題】車両動作制御装置等において用いられる制御マップを、従来に比して精度良く、簡易に最適化可能とする。
【解決手段】２種類の物理量を入力パラメータとし、その２種類の入力パラメータに対して定まる第３の物理量を出力としてなる制御マップは、先の２種類の物理量と、この２種類の物理量に対して定まる第３の物理量は、これら３つ物理量の組合せで一組の制御データをなし、この制御データに対する座標空間として、先の２種類の物理量を、それぞれｘ軸座標、ｙ軸座標に、先の第３の物理量をｚ軸座標に、それぞれ配する３次元座標空間を設定し、粒子群最適化アルゴリズムに基づく、ｚ軸座標の座標点に相当する複数のエージェントを、粒子群最適化アルゴリズムに基づいて先の３次元座標空間を探索空間として同時に移動させることによって当該エージェントの座標点の最適解を得て、制御マップの出力値とすることで最適化を図る。
【解決手段】２種類の物理量を入力パラメータとし、その２種類の入力パラメータに対して定まる第３の物理量を出力としてなる制御マップは、先の２種類の物理量と、この２種類の物理量に対して定まる第３の物理量は、これら３つ物理量の組合せで一組の制御データをなし、この制御データに対する座標空間として、先の２種類の物理量を、それぞれｘ軸座標、ｙ軸座標に、先の第３の物理量をｚ軸座標に、それぞれ配する３次元座標空間を設定し、粒子群最適化アルゴリズムに基づく、ｚ軸座標の座標点に相当する複数のエージェントを、粒子群最適化アルゴリズムに基づいて先の３次元座標空間を探索空間として同時に移動させることによって当該エージェントの座標点の最適解を得て、制御マップの出力値とすることで最適化を図る。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、種々の電子装置等において用いられる制御マップの最適化方法に係り、特に、制御マップの最適化処理の簡素化、制御マップの信頼性向上等を図ったものに関する。
【背景技術】
【０００２】
この種の従来方法や装置としては、例えば、いわゆる制御マップを制御動作に供しつつ、その制御マップにおけるマップの格子を、目標値と制御マップの出力値とから最急降下法によって最適化する装置や（例えば、特許文献１等参照）、いわゆる遺伝的アルゴリズムを用いて車両の動作制御に供される制御パラメータの最適化を行う装置（例えば、特許文献２等参照）等が種々提案、実用化されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００８−１４６２９０号公報（第６−１３頁、図１−図１１）
【特許文献２】特開２００８−１１７０５９号公報（第７−１９頁、図１−図１８）
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、前者の例にあっては、一つ一つの実験データに対して、制御マップを構成する格子の最適化を行うため、局所的にしか最適化されないという問題があり、最適化が必ずしも満足できるものではなかった。また、最適化の際のｘ、ｙ座標は、所定の範囲、大きさに設定されるため、ｘ、ｙ座標系については最適化がなされず、かかる点からも十分満足できる制御マップを得ることは難しいという問題があった。
また、後者の例にあっては、最適化データを得るまで比較的長い処理時間を要し、処理の迅速性に欠けるという問題があった、
【０００５】
本発明は、上記実状に鑑みてなされたもので、車両動作制御装置等において用いられる制御マップを、従来に比して精度良く、簡易に最適化できる制御マップ最適化方法を提供するものである。
【課題を解決するための手段】
【０００６】
上記本発明の目的を達成するため、本発明に係る制御マップ最適化方法は、
２種類の物理量を入力パラメータとし、前記２種類の入力パラメータに対して定まる第３の物理量を出力としてなる制御マップを、実験データを基に最適化する制御マップ最適化方法であって、
前記入力パラメータとしての２種類の物理量と、この２種類の物理量に対して定まる前記第３の物理量は、これら３つ物理量の組合せで一組の制御データをなし、
前記制御データに対する座標空間として、前記入力パラメータとなる２種類の物理量を、それぞれｘ軸座標、ｙ軸座標に、前記第３の物理量をｚ軸座標に、それぞれ配する３次元座標空間を設定し、
前記３次元座標空間において、粒子群最適化アルゴリズムに基づく、前記ｚ軸座標の座標点に相当する複数のエージェントを、粒子群最適化アルゴリズムに基づいて前記３次元座標空間を探索空間として同時に移動させることによって当該エージェントの座標点の最適解を得て、前記制御マップの出力値とすることで制御マップの最適化を図り、
粒子群最適化アルゴリズムに基づく前記エージェントの最適解の取得にあたっては、
前記ｘ軸座標、ｙ軸座標のそれぞれにおける各座標点の間の距離を、それぞれパラメータとし、前記ｘ軸座標、ｙ軸座標の各座標点の位置は、前記ｘ座標の基準点となる座標点、及び、前記ｙ座標の基準点となる座標点のそれぞれの位置と前記パラメータによって設定可能とする一方、
前記エージェントの前記ｚ軸座標の座標を、当該エージェントの座標点に最も近接する周囲の５個のｚ軸座標の座標点の平均値に、係数を乗じた乗算結果とするよう構成されてなるものである。
【発明の効果】
【０００７】
本発明によれば、従来と異なり、制御マップ作成者の経験等の人為的な要素に基づくことなく、制御マップの最適化ができるので、最適化のばらつきを低減し、より短時間で精度の良い制御マップを得ることができるという効果を奏するものである。
【図面の簡単な説明】
【０００８】
【図１】本発明の実施の形態における制御マップ最適化装置の構成例を示す構成図である。
【図２】制御マップ最適化装置により実行される制御マップ最適化処理の手順を示すサブルーチンフローチャートである。
【図３】本発明の実施の形態の制御マップ最適化処理において用いられる座標を説明する模式図である。
【図４】各格子へ対する付番の順序を説明する模式図である。
【発明を実施するための形態】
【０００９】
以下、本発明の実施の形態について、図１乃至図４を参照しつつ説明する。
なお、以下に説明する部材、配置等は本発明を限定するものではなく、本発明の趣旨の範囲内で種々改変することができるものである。
最初に、本発明の実施の形態における制御マップ最適化装置の構成例について、図１を参照しつつ説明する。
本発明の実施の形態における制御マップ最適化装置Ｓは、入力装置１と、制御部（図１においては「ＣＰＵ」と表記）２とを主たる構成要素として構成されたものとなっている。なお、かかる制御マップ最適化装置Ｓには、必要に応じて外部に制御マップ記憶用記憶装置（図１においては「ＭＥＭ」と表記）３が接続可能となっており、後述するように最適化されて得られた制御マップを、制御マップ記憶用記憶装置３へ出力可能に構成されたものとなっている。
【００１０】
制御部２は、公知・周知の構成を有してなるマイクロコンピュータ（図示せず）を中心に、ＲＡＭ、ＲＯＭ等の記憶素子（図示せず）や、外部とのインターフェイス回路（図示せず）を有し、後述する粒子群最適化(Particle Swarm Optimization、以下、「ＰＳＯ」と略記)による制御マップ最適化処理を実行し、最適化された制御マップを、外部に設けられた制御マップ記憶用記憶装置３へ出力可能に構成されたなるものである。
【００１１】
入力装置１は、後述するように制御部２へ実験データを入力するためのもので、例えば、いわゆるキーボードに代表されるものである。
なお、制御部２への実験データの入力は、必ずしもキ−ボードのような入力装置１を用いる方法に限定される必要は無く、例えば、予め実験データが記憶された、例えば、ＵＳＢメモリのような携帯可能な補助記憶装置（図示せず）を、制御部２へ接続して、読み込むようにしても良い。
【００１２】
図１においては、かかる制御部２の概略機能が、機能ブロックとして示されており、以下、その機能ブロックについて説明する。
制御部２は、後述するように実験データを基に、最適化処理ブロック（図１においては「最適化処理」と表記）２ｂにより制御マップの最適化処理が実行されるようなっていると共に、上述のように入力装置１によって外部から入力された制御マップの、いわば基礎データとなる実験データを保持する実験データ保持領域２ａを有するものとなっている。
また、制御部２には、最適化処理中の暫定的なデータ等を保持する暫定データ保持領域２ｃが設けられ、さらに、最適化された制御マップを保持する最適化制御マップ保持領域２ｄが設けられたものとなっている。
【００１３】
次に、上述の制御部２により実行される本発明の実施の形態における制御マップ最適化処理について、その概略を説明する。
本発明における制御マップ最適化処理は、例えば、車両動作制御装置などにおいて用いられるいわゆる制御マップの最適化を行うものである。
対象とされる制御マップは、２つのパラメータに対して、一つの出力値が得られるよう構成されてなるものである。具体的には、例えば、エンジン回転数と燃料噴射量を入力とし、これら２つのパラメータに対する過給圧が出力されるよう構成された制御マップに代表されるような車両動作制御に用いられる種々の制御マップである。
【００１４】
このような制御マップは、従来は、例えば、実験データを基に、種々提案されている最適化処理の中から好適なものを選択して用いることによってマップの最適化を行うと共に、実験データの不足する箇所については、補間法等によってデータを補う等の処理を行うことで作成されていた。
本発明の実施の形態においては、実験データを基に制御マップを作成するに際して、実験データの最適化処理方法として粒子群最適化(Particle Swarm Optimization、以下、「ＰＳＯ」と略記)による処理を施すようにしたものである。
【００１５】
特に、本発明の実施の形態における制御マップ最適化処理は、ＰＳＯアルゴリズムを基本としつつも、制御マップのさらなる精度向上等の観点から、詳細は後述するが、独自のｘ、ｙ座標パラメータの導入、最適化の精度と処理時間の短縮を図りつつ探索範囲の縮小のための独自のＺ座標の演算処理を導入した点に特徴を有するものである。
なお、制御部２には、最適化処理ブロック２ｂによる最適化処理中の種々の暫定的なデータ等を一時的に記憶、保持する暫定データ保持領域２ｃが確保されると共に、最適化された最終な制御マップのデータを記憶、保持する最適化制御マップ保持領域２ｄが確保されている。
【００１６】
図２には、制御部２により実行される制御マップの最適化処理の手順がサブルーチンフローチャートに示されており、以下、同図を参照しつつ、その内容について説明する。
制御部２による処理が開始されると、最初に、制御マップを作成する基となる実験データの読み込みが行われる（図２のステップＳ１０２参照）。
この実験データの読み込みは、先に述べたように、入力装置１を用いた実験データの入力で行うようにしても良いし、これに限定される必要はなく、予め実験データが記憶された補助記憶装置（図示せず）を接続し、一括して制御部２に読み込むようにする等の他の方法を用いても良い。
入力された実験データは、制御部２に予め確保された実験データ保持領域２ａに記憶、保持されることとなる（図１参照）。
【００１７】
制御マップの基礎となる実験データは、例えば、物理量である２つのパラメータと、この２つのパラメータに対して定まる一つの物理量とで一組の実験データとされるもので、２つのパラメータに対して定まる一つの物理量は、制御マップの出力値に相当するものである。
かかる実験データは、具体的には、例えば、車両の動作制御におけるエンジン回転数及び燃料噴射量と、これに対応して過給機の動作制御によって得られる過給圧である。すなわち、エンジン回転数及び燃料噴射量が制御マップの入力としての２つのパラメータであり、過給圧は、制御マップの出力値となるものである。
【００１８】
ここで、以後の説明の便宜上、実験データについて、２つの入力パラメータを、それぞれ、ｘ、ｙとし、制御マップの出力値に対応する値をｚとする。上述の例で言えば、エンジン回転数をｘとすれば、燃料噴射量はｙとなり、過給圧はｚである。なお、エンジン回転数をｙ、燃料噴射量をｘとしても良い。
【００１９】
なお、本発明の実施の形態における制御マップ最適化処理を適用する制御マップとしては、上述の例に限定されるものでは無いことは勿論である。例えば、車両のコモンレール式燃料噴射制御において、エンジン回転数及び燃料噴射量を入力パラメータとし、レール圧制御により得られるべきレール圧（目標レール圧）を出力するよう構成されたレール圧制御用マップ等であっても好適である。
【００２０】
次いで、エージェントの座標設定が行われる（図２のステップＳ１０４参照）。
ここで、エージェントは、ＰＳＯおいて、探索空間を移動しながら最適解を探索する探索点で、位置と移動速度を有するものである。かかるエージェントは、予め所定数設定されるが、その所定数は、探索空間の規模や、所望される最適化の精度等に応じて適宜選択されるべきもので、特定の値に限定されるものではない。
【００２１】
本発明の実施の形態においては、次述するような座標空間モデルを設定して、かかる座標空間モデルを前提として各エージェントの座標が設定されるものとなっている。
本発明の実施の形態における座標空間モデルは、図３に示されたように、ｘ、ｙ、ｚの三次元空間座標において、ｘ０とｙ０の値は、具体的な値を設定するが、他のｘ、ｙの各々の位置は、それぞれｘ０とｙ０を基準として、それぞれ次のようなパラメータを用いて表されるものとなっている。
【００２２】
ｘ０は、ｘ座標軸において原点０に最も近接した点であり、また、ｙ０は、ｙ座標軸において原点０に最も近接した点であり、それぞれの具体的な値は、制御マップの対象とされる具体的な物理量の種類や実際の実験データの大きさ等によって異なるものであり、それらの諸条件に応じて適切な値が選択されるべきものである。
【００２３】
また、ｘ座標軸においては、ｘ０に続いてｘ１、ｘ２、・・・ｘｎとｎ個の点が設定される。なお、ｎ個を具体的に如何なる値とするかは、最終的に最適化によって得る制御マップの大きさ等に応じて適切な値が選択されるべきものである。
そして、ｘ１の座標位置は、ｘ０に、ｘ１との距離を加算した形式、すなわち、ｘ０＋パラメータ２として表されるものとなっている。ここで、パラメータ２は、ｘ０とｘ１との距離であり、以下説明するＰＳＯによる最適化処理の中で、その具体的な値が求められるものとなっている。
【００２４】
また、ｘ２の座標位置は、ｘ０の値に、ｘ０とｘ２との距離を加算した形式で表されることは、ｘ１と同様であるが、ｘ０とｘ２との距離は、ｘ０とｘ１との距離に、ｘ１とｘ２との距離を加算したものとして表され、ｘ０とｘ１との距離は、上述のようにパラメータ２とされ、同様に、ｘ１とｘ２との距離は、パラメータ３とされ、パラメータ２同様、以下説明するＰＳＯによる最適化処理の中で、その具体的な値が求められるものとなっている。
以下、ｘ３、ｘ４・・・、ｘｎのそれぞれの位置も、上述と同様に、ｘ０に、ｘ０との距離を表す複数のパラメータの和を加算したものとして表されるものとなっている。
【００２５】
このように、この図３に示された座標空間モデルにおいては、隣り合うｘ座標間の距離をパラメータ化し、それぞれの具体的な値は、ＰＳＯによる最適化により定められるものとなっている。
一方、ｙ座標においても基本的に上述したｘ座標同様に、ｙ０に続いてｙ１、ｙ２、・・・ｙｋとｋ個の点が設定される。なお、ｋ個を具体的に如何なる値とするかは、ｘ座標同様、最終的に最適化によって得る制御マップの大きさ等に応じて適切な値が選択されるべきものである。
【００２６】
そして、ｙ１の座標位置は、ｙ０とｙ１１との距離を加算した形式、すなわち、ｙ０＋パラメータ（ｎ＋２）として表されるものとなっている。ここで、パラメータ（ｎ＋２）は、ｙ０とｙ１との距離であり、以下説明するＰＳＯによる最適化処理の中で、その具体的な値が求められるものとなっている。
【００２７】
また、ｙ２の座標位置は、ｙ０の値に、ｙ０とｙ２との距離を加算した形式で表されることは、ｙ１と同様であるが、ｙ０とｙ２との距離は、ｙ０とｙ１との距離に、ｙ１とｙ２との距離を加算したものとして表され、ｙ０とｙ１との距離は、上述のようにパラメータ（ｎ＋２）とされ、同様に、ｙ１とｙ２との距離は、パラメータ（ｎ＋３）とされ、以下説明するＰＳＯによる最適化処理の中で、その具体的な値が求められるものとなっている。
以下、ｙ３、ｙ４・・・ｙｋのそれぞれの位置も、上述と同様に、ｙ０に、ｙ０との距離を表す複数のパラメータの和を加算したものとして表されるものとなっている。
このように、図３に示された座標空間モデルにおいては、ｘ座標同様、隣り合うｙ座標間の距離をパラメータ化し、それぞれの具体的な値は、ＰＳＯによる最適化により求められるものとなっている。
【００２８】
次に、ｚ座標は、探索効率を高める観点から、下記する数１に基づいて定められるものとなっている。
【数１】
【００２９】
ここで、Ｚiの添字ｉは、ｉ番目のＺ座標であることを表している。
かかる数１において、第１項は、Ｚiの座標が、パラメータ（ｎ＋ｋ＋ｉ）の関数として表されることを意味しており、同第２項は、その具体的内容を示したもので、Ｚiの座標が、制御マップ上のｉ番目の格子に最も近い実験データ５点のＺ座標の和を５で除した値に、係数｛１＋パラメータ（ｎ＋ｋ＋ｉ）｝を乗じた結果として求められるものであることを表している。
ここで、係数｛１＋パラメータ（ｎ＋ｋ＋ｉ）｝において、パラメータ（ｎ＋ｋ＋ｉ）は、本発明の実施の形態においては、−０．１〜＋０．１の範囲に制限している。
【００３０】
また、制御マップにおける格子（「マップ格子」とも称する）とは、図３に示された３次元座標において、制御マップのデータが存在する点を、ｘ座標軸方向、ｙ座標軸方向のそれぞれで仮想的な線（図３においては実線で表記）で結んだ際に形成される網目を指し、データが存在する点を”格子点”と称する。
本発明の実施の形態においては、かかる格子の番号は、ｘ０，ｙ０に最も近い格子の番号を”１”とし、以下、ｘ軸に沿って昇順に付番してゆき、付番の対象となる格子が尽きたところで、ｘ０の格子点に戻り、１番目の格子に対して、ｙ軸方向で隣接する格子から再びｘ軸方向で昇順に付番してゆく。以下同様にして各格子に付番するものとしている（図４参照）。
なお、図４は、図３に示されたパラメータを除いて制御マップの格子を模式的に表したもので、その内容は、基本的に図３と同様のものである。
【００３１】
このような座標空間モデルを用い、ｘ、ｙ座標の位置をパラメータ化し、最適化するようにしたのは、ｘ、ｙ座標の各点の位置を予め設定、固定してＰＳＯによる最適化を行った場合、最適化によって、座標の位置が前後する可能性があり、その場合、制御マップとしては不完全なものとなるため、このようなことを防止し、信頼性の高い制御マップを得るためである。
【００３２】
次に、各エージェントの座標の設定について説明する。
各エージェントは、上述した座標空間モデルを前提として、それぞれｘ、ｙ、ｚ座標におけるパラメータが、例えば、乱数を利用してランダムに設定されるものとなっている。
すなわち、例えば、１番目のエージェントをＡ1とすると、そのＡ１の座標は、Ａ1（ｘ(A1)、y(A1)、z(A1)）と表される。
ここで、ｘ(A1)は、ｘ０に、先の座標空間モデルで示したｘ座標におけるパラメータを加算した結果として表されることとなる。すなわち、原則的には、ｘ(A1)＝ｘ０＋（ｘ座標の複数のパラメータの和）となる。例えば、ｘ(A1)＝ｘ０＋パラメータ２＋パラメータ３＋パラメータ４の如くである。ここで、ｘ０を基準として幾つのパラメータの和となるかは、乱数を発生させ、その発生した乱数の値によって予め定めた規則にしたがって定められるものとする。
なお、例外として、乱数が１の場合は、パラメータ１個とされ、ｘ(A1)は、ｘ(A1)＝ｘ０＋パラメータ２とされる。
【００３３】
y(A1)についても、基本的にｘ(A1)と同様である。
すなわち、原則的に、y(A1)＝ｙ０＋（ｙ座標の複数のパラメータの和）と設定される。
そして、例外として、パラメータ１個の場合には、y(A1)＝ｙ０＋パラメータ（ｎ＋２）と設定される。
一方、z(A1)については、先の述べた数１に基づいて定められることとなる。
【００３４】
上述のようにして各エージェントの座標設定がなされた後は、ステップＳ１０６の処理へ進み、エージェントの座標更新が行われることとなる。
すなわち、エージェントの座標更新は、下記の数２、数３に基づいて行われるものとなっている。
このエージェント座標の更新は、複数のエージェントの中から、予め定めた順に一つのエージェントが順次選択されて行われるものとなっている。
【数２】
【数３】
【００３５】
ここで、数３における係数Ｗ、Ｃ1、Ｃ2を除いて、数２、数３における各要素はベクトルである。なお、以下の説明においては、文章表記の便宜上、例えば、数２において、Position_nに→を冠して表されたベクトルを、「ベクトルPosition_n」と表記、称することとする。
まず、数２において、”ベクトルPosition_n”は、更新により得られたエージェントの新たな座標を、”ベクトルPosition_n-1”は、更新直前のエージェントの座標を、それぞれ表している。
また、数２、数３における”ベクトルＶn”は、更新後のエージェントの移動速度を、数３における”ベクトルＶn-1”は、更新直前のエージェントの移動速度を、それぞれ表している。
【００３６】
さらに、数３の第２項の括弧内において、”ベクトルLocal_best(ローカルベスト)”は、この時点で更新対象となっているエージェントのこれまでの座標の中で、評価値（詳細は後述）が最小のときの座標を意味し、また、同じく第２項の括弧内において、”ベクトル現在地(local)”は、同じく更新対象となっているエージェントの現時点の座標を意味している。
また、数３の第３項の括弧内において、”ベクトルGlobal_best(グローバルベスト)”は、全エージェントの中で、これまで評価値が最小のエージェントの座標を意味し、また、同じく第３項の括弧内において、”ベクトル現在地(Global)”は、グローバルベストとされたエージェントの現時点の座標を意味している。
なお、図２の一連の処理が開始された直後において、ステップＳ１０４に続いてステップＳ１０６の処理に進んだ場合には、それ以前のエージェントの座標が無い状態であるので、ステップＳ１０４で設定された座標が維持されることとなり、実質的な更新は行われないこととなる。
【００３７】
上述のようにしてエージェントの座標更新がなされた後は、評価値の算出が行われることとなる（図２のステップＳ１０８参照）。
評価値は、エージェントの座標の最適化の適否を判断する基準であり、本発明の実施の形態においては、制御マップの出力値、すなわち、エージェントのＺ座標の値と、対応する位置における実験データのＺ座標の値との差分ｄｉを評価値として用いることとしている。
そして、本発明の実施の形態においては、次述するようにして、全エージェント毎の差分ｄｉを基に評価値が算出されるものとなっている。
【００３８】
すなわち、まず、全エージェントの各々の差分ｄｉの内、最大値ｄｉ(max)が抽出される。次いで、全エージェントの各々の差分ｄｉの標準偏差ｄｉ(sd)が算出され、さらに、差分の最大値ｄｉ(max)との和、ｄｉ(max)＋ｄｉ(sd)が評価値Ｅとして算出されるものとなっている。
【００３９】
次いで、上述のステップＳ１０８で算出された評価値を、最新の評価値であるとしてＥnと表すとすると、この最新の評価値Ｅnが、直近の評価値Ｅn-1よりも小さいか否か（Ｅn＜Ｅn-1）が判定されることとなる（図２のステップＳ１１０参照）。
そして、最新の評価値Ｅnが、直近の評価値Ｅn-1よりも小さいと判定された場合（ＹＥＳの場合）には、次述するステップＳ１１２の処理へ進む一方、最新の評価値Ｅnが、直近の評価値Ｅn-1よりも小さくないと判定された場合（ＮＯの場合）後述するステップＳ１１４の処理へ進むこととなる。
【００４０】
ステップＳ１１２においては、ローカルベストの座標更新が行われることとなる。
まず、先に述べたようにローカルベストは、各エージェントの過去の座標の中で、評価値が最小だったときの座標である。
一方、先のステップＳ１０６の処理により座標更新が行われたエージェントを含めて、ステップＳ１０８で算出された評価値が、過去の最小値よりも更に小さくなったこと（図２のステップＳ１１０参照）は、その座標更新がなされたエージェントの差分ｄｉがより小さくなったことによるものとして、ステップＳ１０６で座標更新がなされたエージェントについて、その座標が新たにローカルベストとして更新されることとなる。
【００４１】
次いで、ステップＳ１１４へ進み、全てのエージェントについて上述のようにしてローカルベストの座標更新が完了したか否かが判定され、未だ完了してないと判定された場合（ＮＯの場合）には、先のステップＳ１０６の処理へ戻り、同ステップ以降の処理が、次のエージェントに対して繰り返されることとなる。
一方、ステップＳ１１４において、全てのエージェントについて上述のようにしてローカルベストの座標更新が完了したと判定された場合（ＹＥＳの場合）には、グローバルベスト座標の更新が行われる（図２のステップＳ１１６参照）。
なお、先のステップ１１２において更新されたローカルベストや上述のステップＳ１１６において更新されたグローバルベストのデータは、暫定データ保持領域２ｃに、暫定的に記憶、保持されるようになっている。
【００４２】
すなわち、この時点において、全エージェントの座標の中で、評価値が最小のものの座標が、新たなグローバルベストの座標として更新されることとなる。
次いで、先のステップＳ１０６以降の処理が、予め定められた所定の試行回数実行されたか否かが判定され（図２のステップＳ１１８参照）、所定の試行回数の処理実行が達成されたと判定された場合（ＹＥＳの場合）には、次述するステップＳ１２０の処理へ進む一方、未だ所定回数の処理実行が達成されていないと判定された場合（ＮＯの場合）には、先のステップＳ１０６へ戻り、それ以降の一連の処理が繰り返されることとなる。
なお、所定試行回数は、求める制御マップの規模等に応じて適宜定められるべきものであるが、例えば、少なくとも５００回程度とするのが好適である。
【００４３】
ステップＳ１２０においては、上述のようにして得られた制御マップのデータ出力が行われ、制御部２内に予め確保された最適化制御マップ保持領域（図１参照）に、記憶、保持され、一連の処理が終了されることとなる（図２のステップＳ１２０参照）。
すなわち、グローバルベストの各エージェントの座標が、最適化された制御マップのデータとされ、最適化制御マップ保持領域２ｄに、記憶、保持され、必要に応じて、外部に接続された制御マップ記憶用記憶装置（図１においては「ＭＥＭ」と表記）３にも出力されることとなる。
【００４４】
上述の実施の形態においては、対象とされる制御マップとして、エンジン回転数と燃料噴射量に対する過給圧を定める制御マップを例に挙げた他、これに限定されるものではなく、例えば、エンジン回転数と目標レール圧に対して目標燃料噴射量を定める制御マップ等であっても良いものである。
【産業上の利用可能性】
【００４５】
車両の動作制御等に用いられる種々の制御マップの作成に適する。
【符号の説明】
【００４６】
１…入力装置
２…制御部
３…制御マップ記憶装置
【技術分野】
【０００１】
本発明は、種々の電子装置等において用いられる制御マップの最適化方法に係り、特に、制御マップの最適化処理の簡素化、制御マップの信頼性向上等を図ったものに関する。
【背景技術】
【０００２】
この種の従来方法や装置としては、例えば、いわゆる制御マップを制御動作に供しつつ、その制御マップにおけるマップの格子を、目標値と制御マップの出力値とから最急降下法によって最適化する装置や（例えば、特許文献１等参照）、いわゆる遺伝的アルゴリズムを用いて車両の動作制御に供される制御パラメータの最適化を行う装置（例えば、特許文献２等参照）等が種々提案、実用化されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００８−１４６２９０号公報（第６−１３頁、図１−図１１）
【特許文献２】特開２００８−１１７０５９号公報（第７−１９頁、図１−図１８）
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、前者の例にあっては、一つ一つの実験データに対して、制御マップを構成する格子の最適化を行うため、局所的にしか最適化されないという問題があり、最適化が必ずしも満足できるものではなかった。また、最適化の際のｘ、ｙ座標は、所定の範囲、大きさに設定されるため、ｘ、ｙ座標系については最適化がなされず、かかる点からも十分満足できる制御マップを得ることは難しいという問題があった。
また、後者の例にあっては、最適化データを得るまで比較的長い処理時間を要し、処理の迅速性に欠けるという問題があった、
【０００５】
本発明は、上記実状に鑑みてなされたもので、車両動作制御装置等において用いられる制御マップを、従来に比して精度良く、簡易に最適化できる制御マップ最適化方法を提供するものである。
【課題を解決するための手段】
【０００６】
上記本発明の目的を達成するため、本発明に係る制御マップ最適化方法は、
２種類の物理量を入力パラメータとし、前記２種類の入力パラメータに対して定まる第３の物理量を出力としてなる制御マップを、実験データを基に最適化する制御マップ最適化方法であって、
前記入力パラメータとしての２種類の物理量と、この２種類の物理量に対して定まる前記第３の物理量は、これら３つ物理量の組合せで一組の制御データをなし、
前記制御データに対する座標空間として、前記入力パラメータとなる２種類の物理量を、それぞれｘ軸座標、ｙ軸座標に、前記第３の物理量をｚ軸座標に、それぞれ配する３次元座標空間を設定し、
前記３次元座標空間において、粒子群最適化アルゴリズムに基づく、前記ｚ軸座標の座標点に相当する複数のエージェントを、粒子群最適化アルゴリズムに基づいて前記３次元座標空間を探索空間として同時に移動させることによって当該エージェントの座標点の最適解を得て、前記制御マップの出力値とすることで制御マップの最適化を図り、
粒子群最適化アルゴリズムに基づく前記エージェントの最適解の取得にあたっては、
前記ｘ軸座標、ｙ軸座標のそれぞれにおける各座標点の間の距離を、それぞれパラメータとし、前記ｘ軸座標、ｙ軸座標の各座標点の位置は、前記ｘ座標の基準点となる座標点、及び、前記ｙ座標の基準点となる座標点のそれぞれの位置と前記パラメータによって設定可能とする一方、
前記エージェントの前記ｚ軸座標の座標を、当該エージェントの座標点に最も近接する周囲の５個のｚ軸座標の座標点の平均値に、係数を乗じた乗算結果とするよう構成されてなるものである。
【発明の効果】
【０００７】
本発明によれば、従来と異なり、制御マップ作成者の経験等の人為的な要素に基づくことなく、制御マップの最適化ができるので、最適化のばらつきを低減し、より短時間で精度の良い制御マップを得ることができるという効果を奏するものである。
【図面の簡単な説明】
【０００８】
【図１】本発明の実施の形態における制御マップ最適化装置の構成例を示す構成図である。
【図２】制御マップ最適化装置により実行される制御マップ最適化処理の手順を示すサブルーチンフローチャートである。
【図３】本発明の実施の形態の制御マップ最適化処理において用いられる座標を説明する模式図である。
【図４】各格子へ対する付番の順序を説明する模式図である。
【発明を実施するための形態】
【０００９】
以下、本発明の実施の形態について、図１乃至図４を参照しつつ説明する。
なお、以下に説明する部材、配置等は本発明を限定するものではなく、本発明の趣旨の範囲内で種々改変することができるものである。
最初に、本発明の実施の形態における制御マップ最適化装置の構成例について、図１を参照しつつ説明する。
本発明の実施の形態における制御マップ最適化装置Ｓは、入力装置１と、制御部（図１においては「ＣＰＵ」と表記）２とを主たる構成要素として構成されたものとなっている。なお、かかる制御マップ最適化装置Ｓには、必要に応じて外部に制御マップ記憶用記憶装置（図１においては「ＭＥＭ」と表記）３が接続可能となっており、後述するように最適化されて得られた制御マップを、制御マップ記憶用記憶装置３へ出力可能に構成されたものとなっている。
【００１０】
制御部２は、公知・周知の構成を有してなるマイクロコンピュータ（図示せず）を中心に、ＲＡＭ、ＲＯＭ等の記憶素子（図示せず）や、外部とのインターフェイス回路（図示せず）を有し、後述する粒子群最適化(Particle Swarm Optimization、以下、「ＰＳＯ」と略記)による制御マップ最適化処理を実行し、最適化された制御マップを、外部に設けられた制御マップ記憶用記憶装置３へ出力可能に構成されたなるものである。
【００１１】
入力装置１は、後述するように制御部２へ実験データを入力するためのもので、例えば、いわゆるキーボードに代表されるものである。
なお、制御部２への実験データの入力は、必ずしもキ−ボードのような入力装置１を用いる方法に限定される必要は無く、例えば、予め実験データが記憶された、例えば、ＵＳＢメモリのような携帯可能な補助記憶装置（図示せず）を、制御部２へ接続して、読み込むようにしても良い。
【００１２】
図１においては、かかる制御部２の概略機能が、機能ブロックとして示されており、以下、その機能ブロックについて説明する。
制御部２は、後述するように実験データを基に、最適化処理ブロック（図１においては「最適化処理」と表記）２ｂにより制御マップの最適化処理が実行されるようなっていると共に、上述のように入力装置１によって外部から入力された制御マップの、いわば基礎データとなる実験データを保持する実験データ保持領域２ａを有するものとなっている。
また、制御部２には、最適化処理中の暫定的なデータ等を保持する暫定データ保持領域２ｃが設けられ、さらに、最適化された制御マップを保持する最適化制御マップ保持領域２ｄが設けられたものとなっている。
【００１３】
次に、上述の制御部２により実行される本発明の実施の形態における制御マップ最適化処理について、その概略を説明する。
本発明における制御マップ最適化処理は、例えば、車両動作制御装置などにおいて用いられるいわゆる制御マップの最適化を行うものである。
対象とされる制御マップは、２つのパラメータに対して、一つの出力値が得られるよう構成されてなるものである。具体的には、例えば、エンジン回転数と燃料噴射量を入力とし、これら２つのパラメータに対する過給圧が出力されるよう構成された制御マップに代表されるような車両動作制御に用いられる種々の制御マップである。
【００１４】
このような制御マップは、従来は、例えば、実験データを基に、種々提案されている最適化処理の中から好適なものを選択して用いることによってマップの最適化を行うと共に、実験データの不足する箇所については、補間法等によってデータを補う等の処理を行うことで作成されていた。
本発明の実施の形態においては、実験データを基に制御マップを作成するに際して、実験データの最適化処理方法として粒子群最適化(Particle Swarm Optimization、以下、「ＰＳＯ」と略記)による処理を施すようにしたものである。
【００１５】
特に、本発明の実施の形態における制御マップ最適化処理は、ＰＳＯアルゴリズムを基本としつつも、制御マップのさらなる精度向上等の観点から、詳細は後述するが、独自のｘ、ｙ座標パラメータの導入、最適化の精度と処理時間の短縮を図りつつ探索範囲の縮小のための独自のＺ座標の演算処理を導入した点に特徴を有するものである。
なお、制御部２には、最適化処理ブロック２ｂによる最適化処理中の種々の暫定的なデータ等を一時的に記憶、保持する暫定データ保持領域２ｃが確保されると共に、最適化された最終な制御マップのデータを記憶、保持する最適化制御マップ保持領域２ｄが確保されている。
【００１６】
図２には、制御部２により実行される制御マップの最適化処理の手順がサブルーチンフローチャートに示されており、以下、同図を参照しつつ、その内容について説明する。
制御部２による処理が開始されると、最初に、制御マップを作成する基となる実験データの読み込みが行われる（図２のステップＳ１０２参照）。
この実験データの読み込みは、先に述べたように、入力装置１を用いた実験データの入力で行うようにしても良いし、これに限定される必要はなく、予め実験データが記憶された補助記憶装置（図示せず）を接続し、一括して制御部２に読み込むようにする等の他の方法を用いても良い。
入力された実験データは、制御部２に予め確保された実験データ保持領域２ａに記憶、保持されることとなる（図１参照）。
【００１７】
制御マップの基礎となる実験データは、例えば、物理量である２つのパラメータと、この２つのパラメータに対して定まる一つの物理量とで一組の実験データとされるもので、２つのパラメータに対して定まる一つの物理量は、制御マップの出力値に相当するものである。
かかる実験データは、具体的には、例えば、車両の動作制御におけるエンジン回転数及び燃料噴射量と、これに対応して過給機の動作制御によって得られる過給圧である。すなわち、エンジン回転数及び燃料噴射量が制御マップの入力としての２つのパラメータであり、過給圧は、制御マップの出力値となるものである。
【００１８】
ここで、以後の説明の便宜上、実験データについて、２つの入力パラメータを、それぞれ、ｘ、ｙとし、制御マップの出力値に対応する値をｚとする。上述の例で言えば、エンジン回転数をｘとすれば、燃料噴射量はｙとなり、過給圧はｚである。なお、エンジン回転数をｙ、燃料噴射量をｘとしても良い。
【００１９】
なお、本発明の実施の形態における制御マップ最適化処理を適用する制御マップとしては、上述の例に限定されるものでは無いことは勿論である。例えば、車両のコモンレール式燃料噴射制御において、エンジン回転数及び燃料噴射量を入力パラメータとし、レール圧制御により得られるべきレール圧（目標レール圧）を出力するよう構成されたレール圧制御用マップ等であっても好適である。
【００２０】
次いで、エージェントの座標設定が行われる（図２のステップＳ１０４参照）。
ここで、エージェントは、ＰＳＯおいて、探索空間を移動しながら最適解を探索する探索点で、位置と移動速度を有するものである。かかるエージェントは、予め所定数設定されるが、その所定数は、探索空間の規模や、所望される最適化の精度等に応じて適宜選択されるべきもので、特定の値に限定されるものではない。
【００２１】
本発明の実施の形態においては、次述するような座標空間モデルを設定して、かかる座標空間モデルを前提として各エージェントの座標が設定されるものとなっている。
本発明の実施の形態における座標空間モデルは、図３に示されたように、ｘ、ｙ、ｚの三次元空間座標において、ｘ０とｙ０の値は、具体的な値を設定するが、他のｘ、ｙの各々の位置は、それぞれｘ０とｙ０を基準として、それぞれ次のようなパラメータを用いて表されるものとなっている。
【００２２】
ｘ０は、ｘ座標軸において原点０に最も近接した点であり、また、ｙ０は、ｙ座標軸において原点０に最も近接した点であり、それぞれの具体的な値は、制御マップの対象とされる具体的な物理量の種類や実際の実験データの大きさ等によって異なるものであり、それらの諸条件に応じて適切な値が選択されるべきものである。
【００２３】
また、ｘ座標軸においては、ｘ０に続いてｘ１、ｘ２、・・・ｘｎとｎ個の点が設定される。なお、ｎ個を具体的に如何なる値とするかは、最終的に最適化によって得る制御マップの大きさ等に応じて適切な値が選択されるべきものである。
そして、ｘ１の座標位置は、ｘ０に、ｘ１との距離を加算した形式、すなわち、ｘ０＋パラメータ２として表されるものとなっている。ここで、パラメータ２は、ｘ０とｘ１との距離であり、以下説明するＰＳＯによる最適化処理の中で、その具体的な値が求められるものとなっている。
【００２４】
また、ｘ２の座標位置は、ｘ０の値に、ｘ０とｘ２との距離を加算した形式で表されることは、ｘ１と同様であるが、ｘ０とｘ２との距離は、ｘ０とｘ１との距離に、ｘ１とｘ２との距離を加算したものとして表され、ｘ０とｘ１との距離は、上述のようにパラメータ２とされ、同様に、ｘ１とｘ２との距離は、パラメータ３とされ、パラメータ２同様、以下説明するＰＳＯによる最適化処理の中で、その具体的な値が求められるものとなっている。
以下、ｘ３、ｘ４・・・、ｘｎのそれぞれの位置も、上述と同様に、ｘ０に、ｘ０との距離を表す複数のパラメータの和を加算したものとして表されるものとなっている。
【００２５】
このように、この図３に示された座標空間モデルにおいては、隣り合うｘ座標間の距離をパラメータ化し、それぞれの具体的な値は、ＰＳＯによる最適化により定められるものとなっている。
一方、ｙ座標においても基本的に上述したｘ座標同様に、ｙ０に続いてｙ１、ｙ２、・・・ｙｋとｋ個の点が設定される。なお、ｋ個を具体的に如何なる値とするかは、ｘ座標同様、最終的に最適化によって得る制御マップの大きさ等に応じて適切な値が選択されるべきものである。
【００２６】
そして、ｙ１の座標位置は、ｙ０とｙ１１との距離を加算した形式、すなわち、ｙ０＋パラメータ（ｎ＋２）として表されるものとなっている。ここで、パラメータ（ｎ＋２）は、ｙ０とｙ１との距離であり、以下説明するＰＳＯによる最適化処理の中で、その具体的な値が求められるものとなっている。
【００２７】
また、ｙ２の座標位置は、ｙ０の値に、ｙ０とｙ２との距離を加算した形式で表されることは、ｙ１と同様であるが、ｙ０とｙ２との距離は、ｙ０とｙ１との距離に、ｙ１とｙ２との距離を加算したものとして表され、ｙ０とｙ１との距離は、上述のようにパラメータ（ｎ＋２）とされ、同様に、ｙ１とｙ２との距離は、パラメータ（ｎ＋３）とされ、以下説明するＰＳＯによる最適化処理の中で、その具体的な値が求められるものとなっている。
以下、ｙ３、ｙ４・・・ｙｋのそれぞれの位置も、上述と同様に、ｙ０に、ｙ０との距離を表す複数のパラメータの和を加算したものとして表されるものとなっている。
このように、図３に示された座標空間モデルにおいては、ｘ座標同様、隣り合うｙ座標間の距離をパラメータ化し、それぞれの具体的な値は、ＰＳＯによる最適化により求められるものとなっている。
【００２８】
次に、ｚ座標は、探索効率を高める観点から、下記する数１に基づいて定められるものとなっている。
【数１】
【００２９】
ここで、Ｚiの添字ｉは、ｉ番目のＺ座標であることを表している。
かかる数１において、第１項は、Ｚiの座標が、パラメータ（ｎ＋ｋ＋ｉ）の関数として表されることを意味しており、同第２項は、その具体的内容を示したもので、Ｚiの座標が、制御マップ上のｉ番目の格子に最も近い実験データ５点のＺ座標の和を５で除した値に、係数｛１＋パラメータ（ｎ＋ｋ＋ｉ）｝を乗じた結果として求められるものであることを表している。
ここで、係数｛１＋パラメータ（ｎ＋ｋ＋ｉ）｝において、パラメータ（ｎ＋ｋ＋ｉ）は、本発明の実施の形態においては、−０．１〜＋０．１の範囲に制限している。
【００３０】
また、制御マップにおける格子（「マップ格子」とも称する）とは、図３に示された３次元座標において、制御マップのデータが存在する点を、ｘ座標軸方向、ｙ座標軸方向のそれぞれで仮想的な線（図３においては実線で表記）で結んだ際に形成される網目を指し、データが存在する点を”格子点”と称する。
本発明の実施の形態においては、かかる格子の番号は、ｘ０，ｙ０に最も近い格子の番号を”１”とし、以下、ｘ軸に沿って昇順に付番してゆき、付番の対象となる格子が尽きたところで、ｘ０の格子点に戻り、１番目の格子に対して、ｙ軸方向で隣接する格子から再びｘ軸方向で昇順に付番してゆく。以下同様にして各格子に付番するものとしている（図４参照）。
なお、図４は、図３に示されたパラメータを除いて制御マップの格子を模式的に表したもので、その内容は、基本的に図３と同様のものである。
【００３１】
このような座標空間モデルを用い、ｘ、ｙ座標の位置をパラメータ化し、最適化するようにしたのは、ｘ、ｙ座標の各点の位置を予め設定、固定してＰＳＯによる最適化を行った場合、最適化によって、座標の位置が前後する可能性があり、その場合、制御マップとしては不完全なものとなるため、このようなことを防止し、信頼性の高い制御マップを得るためである。
【００３２】
次に、各エージェントの座標の設定について説明する。
各エージェントは、上述した座標空間モデルを前提として、それぞれｘ、ｙ、ｚ座標におけるパラメータが、例えば、乱数を利用してランダムに設定されるものとなっている。
すなわち、例えば、１番目のエージェントをＡ1とすると、そのＡ１の座標は、Ａ1（ｘ(A1)、y(A1)、z(A1)）と表される。
ここで、ｘ(A1)は、ｘ０に、先の座標空間モデルで示したｘ座標におけるパラメータを加算した結果として表されることとなる。すなわち、原則的には、ｘ(A1)＝ｘ０＋（ｘ座標の複数のパラメータの和）となる。例えば、ｘ(A1)＝ｘ０＋パラメータ２＋パラメータ３＋パラメータ４の如くである。ここで、ｘ０を基準として幾つのパラメータの和となるかは、乱数を発生させ、その発生した乱数の値によって予め定めた規則にしたがって定められるものとする。
なお、例外として、乱数が１の場合は、パラメータ１個とされ、ｘ(A1)は、ｘ(A1)＝ｘ０＋パラメータ２とされる。
【００３３】
y(A1)についても、基本的にｘ(A1)と同様である。
すなわち、原則的に、y(A1)＝ｙ０＋（ｙ座標の複数のパラメータの和）と設定される。
そして、例外として、パラメータ１個の場合には、y(A1)＝ｙ０＋パラメータ（ｎ＋２）と設定される。
一方、z(A1)については、先の述べた数１に基づいて定められることとなる。
【００３４】
上述のようにして各エージェントの座標設定がなされた後は、ステップＳ１０６の処理へ進み、エージェントの座標更新が行われることとなる。
すなわち、エージェントの座標更新は、下記の数２、数３に基づいて行われるものとなっている。
このエージェント座標の更新は、複数のエージェントの中から、予め定めた順に一つのエージェントが順次選択されて行われるものとなっている。
【数２】
【数３】
【００３５】
ここで、数３における係数Ｗ、Ｃ1、Ｃ2を除いて、数２、数３における各要素はベクトルである。なお、以下の説明においては、文章表記の便宜上、例えば、数２において、Position_nに→を冠して表されたベクトルを、「ベクトルPosition_n」と表記、称することとする。
まず、数２において、”ベクトルPosition_n”は、更新により得られたエージェントの新たな座標を、”ベクトルPosition_n-1”は、更新直前のエージェントの座標を、それぞれ表している。
また、数２、数３における”ベクトルＶn”は、更新後のエージェントの移動速度を、数３における”ベクトルＶn-1”は、更新直前のエージェントの移動速度を、それぞれ表している。
【００３６】
さらに、数３の第２項の括弧内において、”ベクトルLocal_best(ローカルベスト)”は、この時点で更新対象となっているエージェントのこれまでの座標の中で、評価値（詳細は後述）が最小のときの座標を意味し、また、同じく第２項の括弧内において、”ベクトル現在地(local)”は、同じく更新対象となっているエージェントの現時点の座標を意味している。
また、数３の第３項の括弧内において、”ベクトルGlobal_best(グローバルベスト)”は、全エージェントの中で、これまで評価値が最小のエージェントの座標を意味し、また、同じく第３項の括弧内において、”ベクトル現在地(Global)”は、グローバルベストとされたエージェントの現時点の座標を意味している。
なお、図２の一連の処理が開始された直後において、ステップＳ１０４に続いてステップＳ１０６の処理に進んだ場合には、それ以前のエージェントの座標が無い状態であるので、ステップＳ１０４で設定された座標が維持されることとなり、実質的な更新は行われないこととなる。
【００３７】
上述のようにしてエージェントの座標更新がなされた後は、評価値の算出が行われることとなる（図２のステップＳ１０８参照）。
評価値は、エージェントの座標の最適化の適否を判断する基準であり、本発明の実施の形態においては、制御マップの出力値、すなわち、エージェントのＺ座標の値と、対応する位置における実験データのＺ座標の値との差分ｄｉを評価値として用いることとしている。
そして、本発明の実施の形態においては、次述するようにして、全エージェント毎の差分ｄｉを基に評価値が算出されるものとなっている。
【００３８】
すなわち、まず、全エージェントの各々の差分ｄｉの内、最大値ｄｉ(max)が抽出される。次いで、全エージェントの各々の差分ｄｉの標準偏差ｄｉ(sd)が算出され、さらに、差分の最大値ｄｉ(max)との和、ｄｉ(max)＋ｄｉ(sd)が評価値Ｅとして算出されるものとなっている。
【００３９】
次いで、上述のステップＳ１０８で算出された評価値を、最新の評価値であるとしてＥnと表すとすると、この最新の評価値Ｅnが、直近の評価値Ｅn-1よりも小さいか否か（Ｅn＜Ｅn-1）が判定されることとなる（図２のステップＳ１１０参照）。
そして、最新の評価値Ｅnが、直近の評価値Ｅn-1よりも小さいと判定された場合（ＹＥＳの場合）には、次述するステップＳ１１２の処理へ進む一方、最新の評価値Ｅnが、直近の評価値Ｅn-1よりも小さくないと判定された場合（ＮＯの場合）後述するステップＳ１１４の処理へ進むこととなる。
【００４０】
ステップＳ１１２においては、ローカルベストの座標更新が行われることとなる。
まず、先に述べたようにローカルベストは、各エージェントの過去の座標の中で、評価値が最小だったときの座標である。
一方、先のステップＳ１０６の処理により座標更新が行われたエージェントを含めて、ステップＳ１０８で算出された評価値が、過去の最小値よりも更に小さくなったこと（図２のステップＳ１１０参照）は、その座標更新がなされたエージェントの差分ｄｉがより小さくなったことによるものとして、ステップＳ１０６で座標更新がなされたエージェントについて、その座標が新たにローカルベストとして更新されることとなる。
【００４１】
次いで、ステップＳ１１４へ進み、全てのエージェントについて上述のようにしてローカルベストの座標更新が完了したか否かが判定され、未だ完了してないと判定された場合（ＮＯの場合）には、先のステップＳ１０６の処理へ戻り、同ステップ以降の処理が、次のエージェントに対して繰り返されることとなる。
一方、ステップＳ１１４において、全てのエージェントについて上述のようにしてローカルベストの座標更新が完了したと判定された場合（ＹＥＳの場合）には、グローバルベスト座標の更新が行われる（図２のステップＳ１１６参照）。
なお、先のステップ１１２において更新されたローカルベストや上述のステップＳ１１６において更新されたグローバルベストのデータは、暫定データ保持領域２ｃに、暫定的に記憶、保持されるようになっている。
【００４２】
すなわち、この時点において、全エージェントの座標の中で、評価値が最小のものの座標が、新たなグローバルベストの座標として更新されることとなる。
次いで、先のステップＳ１０６以降の処理が、予め定められた所定の試行回数実行されたか否かが判定され（図２のステップＳ１１８参照）、所定の試行回数の処理実行が達成されたと判定された場合（ＹＥＳの場合）には、次述するステップＳ１２０の処理へ進む一方、未だ所定回数の処理実行が達成されていないと判定された場合（ＮＯの場合）には、先のステップＳ１０６へ戻り、それ以降の一連の処理が繰り返されることとなる。
なお、所定試行回数は、求める制御マップの規模等に応じて適宜定められるべきものであるが、例えば、少なくとも５００回程度とするのが好適である。
【００４３】
ステップＳ１２０においては、上述のようにして得られた制御マップのデータ出力が行われ、制御部２内に予め確保された最適化制御マップ保持領域（図１参照）に、記憶、保持され、一連の処理が終了されることとなる（図２のステップＳ１２０参照）。
すなわち、グローバルベストの各エージェントの座標が、最適化された制御マップのデータとされ、最適化制御マップ保持領域２ｄに、記憶、保持され、必要に応じて、外部に接続された制御マップ記憶用記憶装置（図１においては「ＭＥＭ」と表記）３にも出力されることとなる。
【００４４】
上述の実施の形態においては、対象とされる制御マップとして、エンジン回転数と燃料噴射量に対する過給圧を定める制御マップを例に挙げた他、これに限定されるものではなく、例えば、エンジン回転数と目標レール圧に対して目標燃料噴射量を定める制御マップ等であっても良いものである。
【産業上の利用可能性】
【００４５】
車両の動作制御等に用いられる種々の制御マップの作成に適する。
【符号の説明】
【００４６】
１…入力装置
２…制御部
３…制御マップ記憶装置
【特許請求の範囲】
【請求項１】
２種類の物理量を入力パラメータとし、前記２種類の入力パラメータに対して定まる第３の物理量を出力としてなる制御マップを、実験データを基に最適化する制御マップ最適化方法であって、
前記入力パラメータとしての２種類の物理量と、この２種類の物理量に対して定まる前記第３の物理量は、これら３つ物理量の組合せで一組の制御データをなし、
前記制御データに対する座標空間として、前記入力パラメータとなる２種類の物理量を、それぞれｘ軸座標、ｙ軸座標に、前記第３の物理量をｚ軸座標に、それぞれ配する３次元座標空間を設定し、
前記３次元座標空間において、粒子群最適化アルゴリズムに基づく、前記ｚ軸座標の座標点に相当する複数のエージェントを、粒子群最適化アルゴリズムに基づいて前記３次元座標空間を探索空間として同時に移動させることによって当該エージェントの座標点の最適解を得て、前記制御マップの出力値とすることで制御マップの最適化を図り、
粒子群最適化アルゴリズムに基づく前記エージェントの最適解の取得にあたっては、
前記ｘ軸座標、ｙ軸座標のそれぞれにおける各座標点の間の距離を、それぞれパラメータとし、前記ｘ軸座標、ｙ軸座標の各座標点の位置は、前記ｘ座標の基準点となる座標点、及び、前記ｙ座標の基準点となる座標点のそれぞれの位置と前記パラメータによって設定可能とする一方、
前記エージェントの前記ｚ軸座標の座標を、当該エージェントの座標点に最も近接する周囲の５個のｚ軸座標の座標点の平均値に、係数を乗じた乗算結果とすることを特徴とする制御マップ最適化方法。
【請求項２】
各エージェントのｚ座標と、前記各エージェントのｘ、ｙ座標の位置と同一位置における実験データのｚ座標との差分の内、最大値に、前記各エージェントのｚ座標と、前記各エージェントのｘ、ｙ座標の位置と同一位置における実験データのｚ座標との差分についての標準偏差を加算した値を、前記各エージェントの座標点が最適解か否かを判定する評価値とし、前記各エージェントの座標更新が行われる度に前記評価値を算出し、当該算出された評価値が、直近の評価値よりも小さい場合、その時点における前記各エージェントの座標点が最適であるとすることを特徴とする請求項１記載の制御マップ最適化方法。
【請求項３】
ｘ座標における基準点をｘ０とし、この基準点ｘ０からｘ座標軸に沿って離間する方向でｎ番目に位置するｘ座標点の座標は、前記基準点ｘ０とｎ番目の座標点との間の各座標点間に設定されたパラメータの総和を、前記ｘ０の座標に加算した加算結果として表される一方、
ｙ座標における基準点をｙ０とし、この基準点ｙ０からｙ座標軸に沿って離間する方向でｎ番目に位置するｙ座標点の座標は、前記基準点ｙ０とｎ番目の座標点との間の各座標点間に設定されたパラメータの総和を、前記ｙ０の座標に加算した加算結果として表されることを特徴とする請求項２記載の制御マップ最適化方法。
【請求項１】
２種類の物理量を入力パラメータとし、前記２種類の入力パラメータに対して定まる第３の物理量を出力としてなる制御マップを、実験データを基に最適化する制御マップ最適化方法であって、
前記入力パラメータとしての２種類の物理量と、この２種類の物理量に対して定まる前記第３の物理量は、これら３つ物理量の組合せで一組の制御データをなし、
前記制御データに対する座標空間として、前記入力パラメータとなる２種類の物理量を、それぞれｘ軸座標、ｙ軸座標に、前記第３の物理量をｚ軸座標に、それぞれ配する３次元座標空間を設定し、
前記３次元座標空間において、粒子群最適化アルゴリズムに基づく、前記ｚ軸座標の座標点に相当する複数のエージェントを、粒子群最適化アルゴリズムに基づいて前記３次元座標空間を探索空間として同時に移動させることによって当該エージェントの座標点の最適解を得て、前記制御マップの出力値とすることで制御マップの最適化を図り、
粒子群最適化アルゴリズムに基づく前記エージェントの最適解の取得にあたっては、
前記ｘ軸座標、ｙ軸座標のそれぞれにおける各座標点の間の距離を、それぞれパラメータとし、前記ｘ軸座標、ｙ軸座標の各座標点の位置は、前記ｘ座標の基準点となる座標点、及び、前記ｙ座標の基準点となる座標点のそれぞれの位置と前記パラメータによって設定可能とする一方、
前記エージェントの前記ｚ軸座標の座標を、当該エージェントの座標点に最も近接する周囲の５個のｚ軸座標の座標点の平均値に、係数を乗じた乗算結果とすることを特徴とする制御マップ最適化方法。
【請求項２】
各エージェントのｚ座標と、前記各エージェントのｘ、ｙ座標の位置と同一位置における実験データのｚ座標との差分の内、最大値に、前記各エージェントのｚ座標と、前記各エージェントのｘ、ｙ座標の位置と同一位置における実験データのｚ座標との差分についての標準偏差を加算した値を、前記各エージェントの座標点が最適解か否かを判定する評価値とし、前記各エージェントの座標更新が行われる度に前記評価値を算出し、当該算出された評価値が、直近の評価値よりも小さい場合、その時点における前記各エージェントの座標点が最適であるとすることを特徴とする請求項１記載の制御マップ最適化方法。
【請求項３】
ｘ座標における基準点をｘ０とし、この基準点ｘ０からｘ座標軸に沿って離間する方向でｎ番目に位置するｘ座標点の座標は、前記基準点ｘ０とｎ番目の座標点との間の各座標点間に設定されたパラメータの総和を、前記ｘ０の座標に加算した加算結果として表される一方、
ｙ座標における基準点をｙ０とし、この基準点ｙ０からｙ座標軸に沿って離間する方向でｎ番目に位置するｙ座標点の座標は、前記基準点ｙ０とｎ番目の座標点との間の各座標点間に設定されたパラメータの総和を、前記ｙ０の座標に加算した加算結果として表されることを特徴とする請求項２記載の制御マップ最適化方法。
【図１】
【図２】
【図３】
【図４】
【図２】
【図３】
【図４】
【公開番号】特開２０１２−２２６６２９（Ｐ２０１２−２２６６２９Ａ）
【公開日】平成２４年１１月１５日（２０１２．１１．１５）
【国際特許分類】
【出願番号】特願２０１１−９４７０４（Ｐ２０１１−９４７０４）
【出願日】平成２３年４月２１日（２０１１．４．２１）
【出願人】（０００００３３３３）ボッシュ株式会社 (510)
【Ｆターム（参考）】
【公開日】平成２４年１１月１５日（２０１２．１１．１５）
【国際特許分類】
【出願日】平成２３年４月２１日（２０１１．４．２１）
【出願人】（０００００３３３３）ボッシュ株式会社 (510)
【Ｆターム（参考）】
[ Back to top ]