路面の滑り状態検出装置
【目的】操舵反力を検出するためのセンサのような特殊なセンサを必要とすることなく極一般的なセンサを用い、車輪と路面との滑り状態を推定し、車両がスピン状態に至る前の操舵初期の段階で早期に路面の滑り状態を検出する。
【構成】推定された基準状態量と検出された検出状態量との残差を時々刻々演算し、走行路面と基準路面との滑り状態の違いに応じた基準残差時系列データを蓄積する（３９）。所定の滑りを有する他の路面と基準路面との滑り状態の相違に応じた残差モデル時系列データを蓄積する（４２、４３）。基準残差時系列データと残差モデル時系列データとの時系列パターンを比較することによって、走行路面が所定の滑りを有する他の路面のどれに近いかによって路面の滑り状態を推定する。
【構成】推定された基準状態量と検出された検出状態量との残差を時々刻々演算し、走行路面と基準路面との滑り状態の違いに応じた基準残差時系列データを蓄積する（３９）。所定の滑りを有する他の路面と基準路面との滑り状態の相違に応じた残差モデル時系列データを蓄積する（４２、４３）。基準残差時系列データと残差モデル時系列データとの時系列パターンを比較することによって、走行路面が所定の滑りを有する他の路面のどれに近いかによって路面の滑り状態を推定する。
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は路面の滑り状態検出装置に係り、特に、操舵角および運動状態量（ヨーレートや横加速度等）の観測値から推定した車両状態推定量と、車両の運動状態量の観測値との残差から路面の滑り状態を検出する路面の滑り状態検出装置に関する。
【０００２】
【従来の技術】従来の路面の滑り状態検出装置に関する技術としては、２ＷＳ（２輪操舵）、４ＷＳ（４輪操舵）車両に適用された特開平１−２０４８６５号公報、４ＷＳ車両に適用された特開平４−２３０４７２号公報等に記載されている技術が知られている。この従来の路面の滑り状態検出装置の原理は、操舵角に対する路面からの反力の大きさが路面摩擦係数が低下するほど小さくなることに着目し、該反力を専用に設けたロードセル等により検出し、操舵角、車速との関係より路面の滑り状態を判定するものである。そして、滑りやすい路面、すなわち低摩擦係数路面と判定された場合、車両を安全側に作動させるように制御系を構成している。
【０００３】
【発明が解決しようとしている課題】しかしながら、このような従来の路面の滑り状態検出装置では、操舵角に対する操舵反力がヒステリシス特性を有するため、路面の滑りを判定するためには１周期以上にわたって操舵された反力情報を用いる必要がある。したがって、例えば特開平１−２０４８６５号公報では路面が滑りやすい状態、すなわち、低摩擦係数であると検出できても制御系が作動する以前に低μ路スピンを起こす可能性がある。
【０００４】この点、特開平４−２３０４７２号公報の発明では、後輪の２〜３Ｈｚの持続した微小操舵により、ドライバの操舵以前から路面の滑り状態が判定できる。しかしながら、この技術では、後輪を操舵するアクチュエータを必要とする。
【０００５】また、これら従来の路面の滑り状態検出装置では操舵反力を検出するために専用のセンサを設ける必要がある。
【０００６】更に、従来の路面摩擦係数の測定方法（特開平３−２６４８４６号公報）は、定常円旋回時に操舵角と横加速度との関係を示すスタビリティファクタが路面摩擦係数に対応して変化することを利用したものであるが、一般路を走行した場合、必ずしも定常円旋回とならないため路面摩擦係数を測定できない場合がある。
【０００７】そこで、本発明は、２ＷＳ、４ＷＳ等の車両制御システムの如何にかかわらず、操舵反力を検出するためのセンサのような特殊なセンサを必要とすることなく極一般的なセンサを用い、車輪と路面との滑り状態を推定し、車両がスピン状態に至る前の操舵初期の段階で早期に路面の滑り状態が検出することができる路面の滑り状態検出装置を提供することを目的とする。
【０００８】
【課題を解決するための手段】上記目的を達成するために、本発明の路面滑り状態検出装置は、車両の操舵量、横加速度、ヨーレート、車速を含む車両の運動に関する状態量を検出する検出手段と、所定の滑りを有する基準路面における基準車両運動モデル、及び前記基準路面と異なる滑りを有する他の路面における車両運動モデルの前記基準車両運動モデルからの変化量を予め記憶する車両運動モデル記憶手段と、前記基準車両運動モデルと前記検出手段で検出された検出状態量とに基づいて横加速度及びヨーレートの少なくとも一方を基準状態量として推定する基準状態量推定手段と、前記基準状態量推定手段で推定された基準状態量と前記検出手段で検出された検出状態量との残差を基準残差として演算する基準残差演算手段と、前記基準残差演算手段で演算された基準残差の時系列データを蓄積する基準残差時系列データ蓄積手段と、前記車両運動モデルの基準車両運動モデルからの変化量と前記検出手段で検出された検出状態量とに基づいて横加速度及びヨーレートの少なくとも一方の残差モデル値を他の路面について演算する残差モデル演算手段と、前記残差モデル演算手段で演算された残差モデル値の時系列データを蓄積する残差モデル時系列データ蓄積手段と、蓄積された基準残差時系列データと残差モデル時系列データとの時系列パターンとを比較して路面の滑り状態を推定する路面滑り状態推定手段と、からなることを特徴とする。
【０００９】
【作用】本発明は、推定された基準状態量と検出された検出状態量との残差を基準残差として時々刻々演算し、走行路面と基準路面との滑り状態の違いに応じた基準残差の時系列データを蓄積する。また、所定の滑りを有する他の路面と基準路面との滑り状態の相違に応じた残差モデル値を演算し、この残差モデル値の時系列データを蓄積する。そして、基準残差モデル時系列データと残差モデル時系列データとの時系列パターンを比較することによって、走行路面が所定の滑りを有する他の路面のどれに近いかによって路面の滑り状態を推定する。
【００１０】一般路面を走行する場合、道路の曲率等により操舵角は時々刻々変化するため、必ずしも定常円旋回とならないが、本発明においては、時々刻々変化する操舵角は、検出状態量として基準車両運動モデル中で考慮されており、基準車両運動モデルと検出状態量とに基づいて演算される基準状態量と検出状態量との残差は操舵角とは分離されているため、操舵角が変化しても支障はない。
【００１１】本発明の路面滑り状態検出装置によれば、車両運動モデルを設定した路面と異なる滑り状態の路面を走行した場合は、ハンドルを操舵すると横加速度及びヨーレートの少なくとも一方に残差が発生し、その残差時系列データを残差モデル時系列データと照合することにより、２ＷＳ、４ＷＳ車両に拘らず操舵初期の段階で路面の滑り状態が検出できる。従って、スピンに至る前に各路面の滑り状態に応じた制御系に切り換えることができ安全な走行に寄与することができる。また、操舵反力の検出の必要がないため特殊なセンサを設ける必要もない。
【００１２】
【実施例】以下、本発明の好適な実施例を図面に基づき詳細に説明する。
【００１３】図１には、本発明が適用された４ＷＳ車両の概略が示されている。本実施例の４ＷＳ車両は、質量ｍ、ヨー慣性Ｉの車体１０と、操舵装置としてのハンドル１２と、コーナリングパワーＣｆのタイヤ特性を持つ前輪用タイヤ１４と、コーナリングパワーＣｒのタイヤ特性を持つ後輪用タイヤ１６と、タイヤ１６に対する後輪制御量を算出するコントローラ１８と、後輪制御量により後輪用タイヤ１６を操舵・駆動するアクチュエータ６２とから構成されている。
【００１４】また、この４ＷＳ車両には、ヨーレートセンサ２０と、加速度センサ２２と、舵角センサ２４と、車速センサ２６と、信号処理回路２８と、路面の滑り状態検出装置３０とが設けられている。
【００１５】
相当する前輪操舵角δｆを検出し、車速センサ２６は車速Ｖｃを検出する。そして、これら各センサの検出記号は、信号処理回路２８で増幅される。
【００１６】４ＷＳ車両の操舵により発生し、ヨーレートセンサ２０で検出されたヨーレー
る。コントローラ１８は、アクチュエータ６２を介して後輪用タイヤ１６を制御し、速応性を高めている。なお、それぞれの車両定数値は実験等により予め測定されたものを用いている。本実施例では、後述する表１に示すような定数値が用いられる。
【００１７】また、信号処理回路２８において増幅された上記各センサの検出信号は、路面の滑り状態検出装置３０へ向け出力される。路面の滑り状態検出装置３０は、路面の滑りを検出すると共に、４ＷＳ車両の操舵制御系における故障を検出するものである。したがって、センサ故障が検出された場合、路面の滑り状態検出を中止し信頼性を向上することができる。路面の滑り状態検出装置３０による路面の滑り状態および故障検出結果は、コントローラ１８へ入力され、アクチュエータあるいはセンサが故障であることが検出されれば４ＷＳ制御および路面の滑り状態の検出を中止し、一方、路面が滑りやすい状態であることが検出されれば、４ＷＳ制御則を変化させて車両を安全側に作動させる。
【００１８】本実施例では、路面の滑り状態検出装置３０によって、■加速度センサ２２の故障、■ヨーレートセンサ２０の故障、■後輪アクチュエータ６２の故障、■路面の滑り状態の検出を行なうようにしている。
【００１９】以下の説明では、滑りにくい路面を基準路面、滑りやすい路面を基準路面と異なる路面あるいは単に異なる路面と呼ぶことにし、滑りやすさの度合いに応じて１つあるいは複数の基準路面と異なる路面が存在するものと仮定する。
【００２０】図２には、路面の滑り状態検出装置３０のブロック図が示され、図３には図２における路面の滑り状態検出回路３８の詳細なブロック図が示されている。
【００２１】本実施例の路面の滑り状態検出装置３０は、基準路面の車両運動モデルのテーブルを記憶したメモリ３２と、状態量推定回路３３と、車両のすべり角推定回路３４と、残差演算回路３６と、路面の滑り状態検出回路３８とを含んで構成されている。
【００２２】また、図３に示すように、路面の滑り状態検出回路３８は、基準残差時系列データ蓄積回路３９と、各異なる路面における基準路面からの車両運動モデルの変化量のテーブルを記憶したメモリ４０と、センサ時系列データ蓄積回路４１と、残差モデル時系列データ演算回路４２と、残差モデル時系列データ蓄積回路４３と、路面の滑り状態推定回路４４とを含んで構成されている。
【００２３】状態量推定回路３３は、メモリ３２に記憶された基準路面のモデルおよび入力
車両のすべり角推定回路３４は、信号処理回路２８で増幅されたヨーレートセンサ２０、加速度センサ２２、車速センサ２６の検出値より車両のすべり角βを推定し、路面の滑り状態検出装置３８へ向け出力する。
【００２４】残差演算回路３６は、信号処理回路２８で増幅されたヨーレートセンサ２０および加速度センサ２２の検出値と、状態量推定回路３２の推定値との残差を演算し、路面の滑り状態検出回路３８へ出力する。
【００２５】路面の滑り状態検出回路３８の基準残差時系列データ蓄積回路３９は、残差演
【００２６】また、センサ時系列データ蓄積回路４１は、残差時系列データと同じ一定時間
タを蓄積する。残差モデル時系列データを演算する残差モデル時系列データ演算回路４２は、メモリ４０に記憶されている各路面の基準路面からのモデル変化量
系列データと同じ一定時間毎にサンプリングした同じデータ長の残差モデル時系列データとして残差モデル時系列データ蓄積回路４３に記憶する。さらに、残差モデル時系列データ蓄積回路４３には、加速度センサ２２、ヨーレートセンサ２０、後輪アクチュエータ６２の故障時の３つの残差モデルが同じく残差モデル時系列データとして予め記憶されている。したがって、基準路面と異なる路面モデルおよび故障モデルとして計ｍ組（ｍ≧４）の残差モデルが用意されることになる。
【００２７】４ＷＳ車両の操舵制御系が正常な場合には、センサ２０、２２の検出値と、状態量推定回路３３の推定値の値は略等しくなるため、残差演算回路３６から出力される残差は略０となる。これに対し、操舵制御系における何らかの故障の発生、あるいは異なる路面での操舵開始と共に、センサ２０、２２の検出信号と推定値との値が異なったものとなり、残差が発生する。そこで、残差を過去の時点から現時点までをある時間に区切って取り出し（Ｗｉｎｄｏｗ（ウインド））、残差を時系列パターンとして捉えると、各路面、各故障に応じて特有の残差パターンを示すことになる。
【００２８】路面の滑り状態検出回路４４は、入力される残差時系列データと異なる各路面および各故障に応じた１〜ｍ組の残差モデル時系列データとから、操舵制御系に発生した故障箇所および路面の滑り度合いを特定するよう構成されている。すなわち、本実施例の路面の滑り状態検出回路３８は、基準残差時系列データ蓄積回路３９の残差時系列パターンと残差モデル時系列データ蓄積回路４３の残差モデル時系列パターンとを、所定のルーチンに従ってパターン照合演算処理し、最も一致度の高い残差モデルより、発生した故障がヨーレートセンサ２０の故障であるか、加速度センサ２２の故障であるか、後輪アクチュエータ６２の故障であるかを判断するか、あるいは路面の滑り度合いを判定するよう構成されている。
【００２９】このようにして、本実施例の路面の滑り状態検出装置によれば、操舵初期の段階で路面の滑り度合いが検出できる。したがって、スピンに至る前に路面の滑り度合いに応じた制御系に切り換えることができ安全な走行に寄与することができる。また、操舵制御系において発生するヨーレートセンサ２０、加速度センサ２２、および後輪アクチュエータ６２のわずかな故障を迅速かつ正確に検出することができ、コントローラを安全側に作動させることができる。さらに路面の滑り状態検出に用いる加速度センサ、ヨーレートセンサの故障が検出できることにより、路面の滑り状態検出に対する信頼性を向上することが可能となる。ただし、本実施例では故障検出についても述べるため、４ＷＳ車両を採り上げたが、２ＷＳ車両についても同様に適用することが可能である。また、推定する基準状態量
て推定しても同様に適用することが可能である。
【００３０】次に、本実施例の具体的な構成および動作を詳細に説明する。本実施例では、
、ＧＬＲ（Ｇｅｎｅｒａｌｉｚｅｄ Ｌｉｋｅｌｉｈｏｏｄ Ｒａｔｉｏ）手法を用いている。このＧＬＲ手法の詳細は以下の文献等で述べられている。
【００３１】１）著者名：Ａ．Ｓ．Ｗｉｌｌｓｋｙ文献名：Ａ Ｓｕｒｖｅｙ ｏｆ Ｄｅｓｉｇｎ Ｍｅｔｈｏｄｓ ｆｏｒ Ｆａｉｌｕｒｅ Ｄｅｔｅｃｔｉｏｎ ｉｎ Ｄｙｎａｍｉｃ Ｓｙｓｔｅｍｓ，Ａｕｔｏｍａｔｉｃａ，Ｖｏｌ．１２，ｐｐ６０１〜６１１，１９７６２）著者名：Ａ．Ｓ．Ｗｉｌｌｓｋｙ ａｎｄ Ｈ．Ｌ．Ｊｏｎｅｓ文献名：Ａ Ｇｅｎｅｒａｌｉｚｅｄ Ｌｉｋｅｌｉｈｏｏｄ Ｒａｔｉｏ Ａｐｐｒｏａｃｈ ｔｏ ｔｈｅ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｊｕｍｐｓ ｉｎ Ｌｉｎｅａｒ Ｓｙｓｔｅｍｓ，ＩＥＥＥ Ｔｒａｎｓ．Ａｕｔｏ．Ｃｏｎｔｒ． Ｖｏｌ．ＡＣ−２１．ＮＯ．２，ｐｐ１０８〜，１９７６このＧＬＲ法の概略を図４を参照して説明する。ＧＬＲ法は故障検出を目的に開発されたもので、まず、故障検出対象を数学モデルで表しカルマンフィルタにより状態推定系を構成する。そして、各故障に対して、対象のセンサ出力Ｙとカ
故障モデルとして計算しておく。そこで、ＧＬＲ法では実際に得られた残差時系列パターンと各故障モデルの残差時系列パターンとの統計的な照合によって故障箇所、故障の大きさ、故障発生時刻の特定を行う。
【００３２】まず、故障・路面の滑り状態検出を行なうための検出系の設計を行う。故障・路面の滑り状態検出系の設計は以下の手順で行う。以下の具体的な設計における車速Ｖc は、Ｖc ＝２２．２２ｍ／ｓ（＝８０ｋｍ／ｈ）を用いた。
【００３３】１）車両モデル化車両の運動方程式は、方式で表される。
【００３４】
【数１】
【００３５】次の表１は、（１）、（２）式で用いた記号の定義および各定数を示したもの
、Ｖc は車速［ｍ／ｓ］、δｆは前輪操舵角［ｒａｄ］、ｕは後輪制御量［ｒａｄ］である。
【００３６】
【表１】
【００３７】後輪制御量ｕは次式により算出する。
【００３８】
【数２】
【００３９】さらに、車両のすべり角がβがβ≪１［ｒａｄ］が成り立つ範囲では横加速度
【００４０】
【数３】
【００４１】
【００４２】上記（１）式〜（４）式を用いて車両の運動モデルを状態方程式で表すと次式のようになる。
【００４３】
【数４】
【００４４】ただし、
【００４５】
【数５】
【００４６】であり、Ｘ，Ｕ，Ｙにおける添え字Ｔは転置を表す。そして、ｑはシステムノイズ、ｗはセンサノイズを表し、Ｆ，Ｇはシステムノイズベクトルである。（５）、（６）式におけるＡ，Ｂ，Ｃ，Ｄは次のとおりのマトリックスである。
【００４７】
【数６】
【００４８】この（８）式に表１の各数値を代入し、サンプリング周期８ｍｓで零次ホールドにより離散化すると次のようになる。
【００４９】
【数７】
【００５０】ただし、ｋは時間刻み（時刻）を表す。また、（９）、（１０）式におけるＡ〜Ｇの各マトリックスは、連続系表現された（５）、（６）式と同じ表記を用いているが、内容は異なるので注意されたい。
【００５１】また、Ａ，Ｂ，Ｃ，Ｄマトリックスは次のとおりになる。
【００５２】
【数８】
【００５３】２）車両状態量の推定系設計状態量推定回路３３は上記（９）、（１０）式を用い、車両のヨーレートおよび横加速度を推定演算するが、運動状態の推定演算には次式のカルマンフィルタを用いる。
【００５４】
【数９】
【００５５】上記（１３）式のＫがカルマンフィルタゲインであり、カルマンフィルタでは、システムノイズ分散Ｑとセンサノイズ分散Ｒとを用いてゲイン算出を行う。まず、システムノイズとして前輪に横力ｑ（ｑ＝２０００Ｎ）が加わるとして、次のシステムノイズベクトルＦ，Ｇを想定した。
【００５６】
【数１０】
【００５７】システムノイズベクトルＦ，Ｇを（１１）式のＡマトリックスを用い、サンプリング周期８ｍｓで零次ホールドにより離散化すると次式となる。
【００５８】
【数１１】
【００５９】また、システムノイズ分散Ｑは次のように設定する。
Ｑ＝４×１０6 （１７）
一方、センサのノイズ分散Ｒは実車走行データをもとに算出した結果、次のようであった。
【００６０】
【数１２】
【００６１】以上のもとで算出されたカルマンフィルタゲインＫを次に示す。
【００６２】
【数１３】
【００６３】また、アップデート後の残差の共分散Ｖは次のようになった。
【００６４】
【数１４】
【００６５】３）故障のモデル化上記（９）、（１０）式の車両モデルを用いてセンサ、アクチュエータ故障を離散系で表すと次式となる。
【００６６】
【数１５】
【００６７】ただし、ｆはアクチュエータ故障を表すイベントベクトルであり、ｇはアクチュエータ故障およびセンサ故障を表すイベントベクトルである。そして、添え字ｉは故障箇所を表し、アクチュエータ（ｉ＝１）、加速度センサ（ｉ＝２）、ヨーレートセンサ（ｉ＝３）とする。また、τは故障発生時刻を表し、νは故障の大きさを表すスカラである。そして、τ、νはともに未知パラメータで、これは後述のＧＬＲ値を計算する際に明らかとなる。
【００６８】故障が生じた場合次のようになる。
【００６９】
【数１６】
【００７０】
式において、ｆi ν＝０，ｇi ν＝０（故障がない）として計算した値である。αi （ｋ），βi （ｋ），μi （ｋ），ｐi （ｋ）は故障に応じた修正項で、以下の式により事前に計算できる。
【００７１】
【数１７】
【００７２】以上より、故障モデルとして故障発生時刻τを起点に、横加速度およびヨーレートの残差パターンρi （ｋ）を作成する。ただし、計算機メモリの制約上から作成する残差時系列パターンの長さ（Ｗｉｎｄｏｗ）は４０サンプリングとする。
【００７３】まず、アクチュエータ故障のイベントベクトルf1，g1は次のように表される。
【００７４】
【数１８】
【００７５】（３１）、（３２）式に車両諸元を代入すると次式のようになる（なお、f1についてはサンプリング周期８ｍｓ、零次ホールドで離散化した）。
【００７６】
【数１９】
【００７７】アクチュエータ故障モデルρ1 作成の際、初期値は次のように設定する。
【００７８】
【数２０】
【００７９】ただし、
【００８０】
【数２１】
【００８１】加速度センサおよびヨーレートセンサの故障ベクトルを次式に示す。
加速度センサ故障 ：g2＝［１ ０］T （３９）
ヨーレートセンサ故障：g3＝［０ １］T （４０）
センサ故障モデルｐ2,3 の初期値は、次のとおりである。
【００８２】
【数２２】
【００８３】ただし、β2,3 は次のとおりである。
【００８４】
【数２３】
【００８５】以上、得られたアクチュエータ故障モデルρ1 を図５、加速度センサ故障モデルρ2 を図６、ヨーレートセンサ故障モデルρ3 を図７に示す。
【００８６】４）基準路面と異なる路面モデル滑りやすい路面の走行ではコーナリングフォースの低下を生じるが、この低下を平均的なコーナリングパワーＣｆ，Ｃｒの低下と仮定する。これを、図８に示す。この仮定を確認するため、低摩擦係数路面（μ＝０．２５〜０．３５）走行時の実験結果をもとに、コーナリングパワーＣｆ，Ｃｒを試行錯誤に合わせ込み調べた。その結果、表１の車両諸元に対しＣｆ，Ｃｒは０．５倍に低下していることがわかった。図９は、高摩擦係数路面走行結果に対して（９）〜（１１）式の車両モデルの一致度合いを調べたものであり、図１０は低摩擦係数路面走行結果に対してＣｆ，Ｃｒを０．５倍として同じように車両モデルの一致度合いを調べたものである（車速はいずれも８０ｋｍ／ｈ）。ただし、実験データからの入力としては前輪操舵角のみを用い、後輪制御量ｕは計算されたヨーレートを０．１倍（（３）式）して算出したものを用いた。図９、１０より、高、低摩擦係数路面走行ともに、実験結果に対して車両モデルは良好な一致度合いを示している。
【００８７】したがって、高摩擦係数路面（基準路面）で設定されたＣｆ，Ｃｒが、路面μの変化によりΔＣｆ，ΔＣｒだけ変化したとすると、車両は次式で表される（ただし、連続系で表した）。
【００８８】
【数２４】
【００８９】
【数２５】
【００９０】また、（４６）、（４７）式を離散系で表すと次式となる。
【００９１】
【数２６】
【００９２】なお、σはユニット・ステップ関数で、高摩擦係数路面（基準路面）走行時はσ＝０、低摩擦係数路面（異なる路面）走行時はσ＝１であり、τは操舵開始による残差発生時刻を表すものである。また、（４９）、（５０）式におけるＡ〜ＧおよびΔＡ〜ΔＤは（４６）、（４７）式と同じ表記を用いているが、内容は異なるので注意されたい。
【００９３】ここで、（２１）、（２２）式に示すようなモデル変化としてのｆi , ｇi に相当する部分を（４８）式のマトリックス変化ΔＡ，ΔＢ，ΔＣ，ΔＤで記述すると、ベクトルとマトリックスの加算になるため、ベクトル故障入力型のＧＬＲでは、モデル変化検出が適用できない。そこで、状態量Ｘおよび制御量Ｕを用いてモデル変化を次のようにベクトル化する。
【００９４】
【数２７】
【００９５】
の疑似積分により推定した信号を用いることにする。すなわち、車両のすべり角βは次式を用いて推定する。
【００９６】
【数２８】
【００９７】ただし、ｓラプラスの演算子であり、また、Ｔ＝０．６３６６ｓ（カットオフ周波数ｆ＝０．２５Ｈｚ）とした。（５４）式を状態方程式で表し、サンプリング周期８ｍｓ、零次ホールドにより離散化すると次式となる。
【００９８】
【数２９】
【００９９】そして、（５１）〜（５３）式におけるｈはコーナリングパワーＣｆ，Ｃｒの変化度合いに対応した添え字で、基準路面におけるコーナリングパワーＣｆ，Ｃｒの０．２５倍に低下した時をｈ＝４、０．５倍に低下した時をｈ＝５、０．７５倍に低下した時をｈ＝６とする。
【０１００】Ｃｆ，Ｃｒ＝０．２５の場合のΔＡ4 〜ΔＤ4 を次に示す。
【０１０１】
【数３０】
【０１０２】（５２）、（５３）式におけるｇh はベクトルであり、これは（５６）〜（５８）式を用いて次式によりベクトル化する。
【０１０３】
ｇh (k) ＝［ΔＣh Ｘ(k）＋ΔＤh Ｕ(k） ０］T （５９）
したがって、（５１）〜（５３）式、（５６）〜（５９）式により、モデル変化をベクトルの形で表せば、ベクトル故障入力型のＧＬＲが適用可能となる。ただし、（５１）〜（５３）式では、状態量Ｘ，制御量Ｕといった動的な変数を含むため、センサ・アクチュエータ故障のように予め故障モデルρを作成しておくことはできず、オンラインで路面の残差モデル、すなわち路面モデルρを作成することになる。
【０１０４】この路面モデルの作成の方法について次に述べる。まず、基準路面と異なる路面走行によりコーナリングパワーが変化した時、車両およびカルマンフィルタにおける状態の変化および残差は、故障時と同様に次式で表される。
【０１０５】
【数３１】
【０１０６】
して計算した値である。次に、αh ，βh ，μh ，ρh は、故障モデルと同様にして、以下の式により作成する。
【０１０７】
【数３２】
【０１０８】すなわち、（５１）〜（５３）式、（５６）〜（５９）式によりベクトル化された時々刻々のモデル変化ｆh （ｋ，τ），ｇh （ｋ，τ），ｇh （ｋ＋１，τ）を（６４）、（６５）、（６７）式に代入し、オンラインで、αh ，βh ，μh ，ρh を計算する。
【０１０９】ここで、故障モデルではパラメータ化していた故障の大きさνについては、各路面でのコーナリングパワー変化に応じてモデルを作成しているのでν＝１である。
【０１１０】なお、（６４）〜（６７）式における初期値は次のように設定する。
【０１１１】
【数３３】
【０１１２】上述したように、残差時系列パターンとの照合はＷｉｎｄｏｗで切り出された範囲内で行う。そして、操舵開始による残差発生時点をパラメータτとし、（５１）〜（５３）式におけるモデル変化に関する部分は状態量Ｘ、制御量Ｕを図１１で示すように選択していく。これは、操舵開始以前（直進）ではモデル変化ΔＡ〜ΔＤは生じておらず、Ｘ，Ｕ側でモデル変化成分を０にすることを意味する。したがって、Ｗｉｎｄｏｗ＝４０の場合、図１１におけるτ＝ｋ−３９〜ｋ−１のＸ，Ｕの０としている区間は、モデル変化ｆh （ｋ，τ），ｇh （ｋ，τ），ｇh （ｋ＋１，τ）が０のため、（６４）〜（６７）式におけるαh ，βh ，μh ，ρh を計算しなくてよい。また、車両モデル変化はある程度操舵された時点よりその傾向が顕著となることから各路面モデルは操舵角δｆ＝０．０１ｒａｄ（操舵角相当で８．４ｄｅｇ）を越えた時点より作成することとした。
【０１１３】５）残差と故障・異なる路面モデルとの照合方法異常（故障・異なる路面走行）なしをＨ0 、故障発生（ただし、ν、τは未知）による異常発生をＨi あるいは異なる走行（ただし、τは未知）による異常発生をＨh とする仮説を立てる。すなわち、残差γN が、平均０、分散Ｖのガウス確立分布に従うものとすると、Ｈ0 ，Ｈi ，Ｈh は次式となる。
【０１１４】
異常なしＨ0 ： γ(k) ＝０ （７１）
異常ありＨi ： γ(k) ＝ρi (k，τ）ν （７２）
Ｈh ： γ(k) ＝ρh (k，τ） （７３）
そこで、γ（１），γ（２），γ（３）・・・，γ（ｋ）に関する尤度比検定を行なう。まず、故障に関する尤度比は、ガウス確立密度関数を用い次式で表される。
【０１１５】
【数３４】
【０１１６】ここで、
【０１１７】
【数３５】
【０１１８】ただし、ｍは残差γのサイズを表す。また、
【０１１９】
【数３６】
【０１２０】この尤度比Ｌｉは、大まかには異常仮説Ｈi ，Ｈ0 に応じて次のように作用する。
【０１２１】Ｈi ：γ（ｋ）＝ρi （ｋ，τ）νにより（７５）式のｅｘｐ値は１、（７６）のｅｘｐ値は１よりも小さな値となり、尤度比Ｌｉは１よりも大きくなる。
【０１２２】Ｈ0 ：γ（ｋ）＝０により（７６）式のｅｘｐ値は１、（７５）のｅｘｐ値は１よりも小さな値となり、尤度比Ｌｉは１よりも小さくなる。
【０１２３】ただし、（７４）〜（７６）式からでは故障の大きさν、故障発生時刻τが未知であるので計算できない。そこで、まず（７４）式に（７５）、（７６）式を代入して対数を採り、対数尤度比を次のように定義する。
【０１２４】
li(k, τ, ν)=2ln(Li(k, τ, ν))=2νd(k,τ,i)-ν2a(k, τ,i) （７７）
ただし、ａ（ｋ，τ，ｉ），ｄ（ｋ，τ，ｉ）は次のとおりである。
【０１２５】
【数３７】
【０１２６】そして、（７７）式より故障の大きさνを次式の最尤推定により算出する。
【０１２７】
【数３８】
【０１２８】
【０１２９】
【数３９】
【０１３０】（８０）式を（７７）式に代入すると、対数尤度比ｌｉ（ｋ，τ，ν）は次式で得られる。
【０１３１】
【数４０】
【０１３２】次に異なる路面走行に関する尤度比は、ガウス確率密度関数を用いて次式で表される。
【０１３３】
【数４１】
【０１３４】ここで、（８２）式における分母、分子項は（７５）式においてνが省略された形で同様に記述される（ν＝１）。
【０１３５】そして（７７）式と同様、（８２）式にν＝１として（７５）、（７６）式を代入し対数をとった対数尤度比を次の用に定義する。
【０１３６】
【数４２】
【０１３７】ただし、ａ(k, τ，ｈ) 、ｄ(k, τ，ｈ) は次の通りである。
【０１３８】
【数４３】
【０１３９】しかしながら、（８１）式及び（８３）式において、故障発生時刻τ及び操舵による残差発生時刻τが未知であるので、τを次の手順によって求める。図１２１２に故障発生時刻τの検索を例にとってその様子を示す。ただし、図１２では説明
２では、時刻ｋに対し次の区間で故障モデルρi と残差γとの照合を行なっている。
【０１４０】
ｋ−４０≦Ｗｉｎｄｏｗ≦ｋ−１ （８５）
すなわち、図１２において、残差に対し故障モデルρi νをｊ＝１からｊ＝４０まで順次一致するかどうか照合し、一致した時点がτ＝ｊとなる。この照合は以下のように行う。
【０１４１】まず、（３０）でｊ＝１〜４０まで計算した故障モデルρi を用い、（７８）式のａ（ｋ，τ，ｉ）についてｊ＝１〜４０，ｊ＝１〜３９，ｊ＝１〜３８，・・・，ｊ＝１〜１のそれぞれのΣを計算し、１×４０のベクトルを作る。各故障は予め故障モデルρi が作成できるので、（７８）式のａ（ｋ，τ，ｉ）が事前に計算可能である。
【０１４２】次に（７８）式のｄ（ｋ，τ，ｉ）はρi のｊ＝１〜４０のベクトルに対してγのｊ＝１〜４０のベクトル、ρi のｊ＝１〜３９のベクトルに対してγのｊ＝２〜４０のベクトル、という対応付けでΣを計算し、１×４０のベクトルを作成する。
【０１４３】ここで、γは（８５）式の範囲で切り出された残差ベクトルγであり、その先頭を１番目とする。すなわち、ａ（ｋ，τ，ｉ）、ｄ（ｋ，τ，ｉ）は次式のように計算する（ただし、Ｗｉｎｄｏｗ＝４０とする）。
【０１４４】
【数４４】
【０１４５】そして、故障発生時刻τの検索では、計算したａ（ｋ，τ，ｉ），ｄ（ｋ，τ，ｉ）を用いて、( ８１) 式の対数尤度比ｌｉ（ｋ，τ，ν）を計算し、１×４０のベクトルを作る。そして、そのベクトル要素の中で最も大きな値をもつ点が故障発生時刻τとする。
【０１４６】また、異なる路面走行についても（６７）式のρh を用いて（８５）〜（８７）式の手順で（８４）式中のａ（ｋ，τ，ｈ）及びｄ（ｋ，τ，ｈ）を計算し、（８３）式の対数尤度比ｌｈ（ｋ，τ）について１×４０のベクトルを作る。そして、そのベクトル要素の中で最も大きな値を持つ点が操舵による残差発生時刻τになる。
【０１４７】したがって、故障・路面の滑り状態検出の手順としては、各故障（アクチュエータ、加速度センサ、ヨーレートセンサ）について（８１）式をｊ＝１〜４０まで計算し、各々ｊ＝１〜４０の中で対数尤度比ｌｉ（ｋ，τ，ν）、ｌｈ（ｋ，τ）が最大となる点として時刻τを決定する。そして、この各々の時刻τにおける対数尤度比ｌｉ（ｋ，τ，ν）、ｌｈ（ｋ，τ）をＧＬＲ値として決定する。さらに、故障については故障発生時刻τにおけるａ（ｋ，τ，ｉ），ｄ（ｋ，τ，ｉ）を用いて（８０）式を計算し、その大きさνを決定する。いずれの故障であるか、また、どの程度の路面の滑り度合いであるかは、各故障、各異なる路面モデルについて計算された各ＧＬＲ値を比較し、最も、大きい値を持つものとして決定する。そして、基準路面と異なる路面であると判定された場合、どの路面モデル（ｈ＝４〜６）のＧＬＲ値が最も高いかにより路面滑り度合いの検出を行う。
【０１４８】ただし、故障検出については図１２から時刻ｋ＝τ＋４１のように故障発生時刻τを含まなくなると、残差γと一致する故障モデルρi はなくなり、ＧＬＲは意味がなくなる。すなわち、故障検出におけるＧＬＲの適用範囲はＷｉｎｄｏｗ区間内である。そして、ＧＬＲの設計準備としては、カルマンフィルタの設計、そして、故障検出については故障モデルρi を計算し、ａ（ｋ，τ，ｉ）を求めておき、一方、路面の滑り状態検出については車両モデル変化ΔＡh 〜ΔＤh を計算しておくこととなる。ただし、これらの設計に用いる車両モデルはすべて車速Ｖc の関数であり、カルマンフィルタ、故障モデルρi 、車両モデル変化ΔＡh 〜ΔＤh はＶc ＝１０ｋｍ／ｈ程度毎に用意されるものとする。この故障・路面の滑り状態検出系設計のフローチャートを図１３に示す。
【０１４９】上述した故障・路面の滑り状態検出のアルゴリズムを図１４のフローチャートに基づき以下の手順で行う。
【０１５０】（１）刻みｋのイニシャライズを行なう（ステップ１１２）。
（２）カルマンフィルタ、故障モデルρi 、車両モデル変化ΔＡh 〜ΔＤh を作成する（ステップ１１４）。
【０１５１】すなわち、図１３のフローチャートに従い車速Ｖc ＝１０ｋｍ／ｈ程度の刻みでカルマンフィルタ、故障モデルρi 、車両モデル変化ΔＡh 〜ΔＤh をテーブルとして用意する。これらは以下の計算において車速Ｖc に応じて選択されるものとする。
【０１５２】（３）残差Ｂｏｘ、状態Ｂｏｘをイニシャライズする（ステップ１１６）。
る。イニシャライズ時、残差Ｂｏｘは２×４０の０要素、状態Ｂｏｘは４×４０の要素で構成される。
【０１５３】（４）各センサ信号を読み込む（ステップ１１８）。
速Ｖc 、後輪制御量ｕを取り込む。ただし、本検出アルゴリズム作動前に各センサ信号の零点補正をしておく。
【０１５４】（５）車両すべり角βを推定する（ステップ１２０）。
【０１５５】（６）横加速度、ヨーレートの状態量を推定する（ステップ１２２）。
【０１５６】
【０１５７】ステップ１１８の加速度センサ２２、ヨーレートセンサ２０の検出値と、ステ
【０１５８】（８）残差Ｂｏｘ、状態Ｂｏｘを更新する（ステップ１２６）。
ｘの最後尾に挿入する。同様に、ステップ１１８の操舵角δｆ、後輪制御量ｕ、
の更新を行う。
【０１５９】（９）刻みｋ値とＷｉｎｄｏｗ値とを比較する（ステップ１２８、１３０）。刻みｋとＷｉｎｄｏｗを比較し、刻みｋがＷｉｎｄｏｗ以下の値であれば刻みｋをｋ＝ｋ＋１としてステップ１１８に戻りセンサ信号の入力を行う。これは、残差の時系列パターンがＷｉｎｄｏｗ長さ分得られていないためである。もし、刻みｋがＷｉｎｄｏｗを越えていればステップ１３２に進む。
【０１６０】（１０）各故障モデルのＧＬＲ値および故障量を計算する（ステップ１３２〜１４６）。
【０１６１】ステップ１１４の故障モデルρi とステップ１２４の残差Ｂｏｘを用い、各故障モデルのＧＬＲ値の計算および故障量の計算を上記で説明したように行なう。
【０１６２】（１１）操舵開始を判定する（ステップ１４８、１６８）。路面の滑り状態検出を行うかどうか操舵角δｆをもとに判定する。ここでは、操舵角δｆの絶対値が０．０１ｒａｄ（操舵角で８．４ｄｅｇに相当する）を越えた時点より路面の滑り状態検出を行う。もし、操舵角δｆの絶対値がが０．０１ｒａｄ以下の場合は路面の滑り状態検出は行わず、各路面モデルのＧＬＲ値は０とし（ステップ１６８）、ステップ１７０に進む。
【０１６３】（１２）各路面モデルのＧＬＲ値を計算する（ステップ１５０〜１６６）。ステップ１１４の車両モデル変化ΔＡh 〜ΔＤh およびステップ１２６の状態Ｂｏｘを用い、各路面モデルを作成し、ステップ１２６の残差Ｂｏｘを用い各路面モデルのＧＬＲ値の計算を行う。
【０１６４】（１３）故障・路面滑り状態を判定する（ステップ１７０）。計算された各ＧＬＲ値の内、最大のものを現在生じている異常として仮定する。そして、最大のＧＬＲ値となった各故障モデルあるいは各路面モデルのＧＬＲ値が、設定されたしきい値を越えているかどうか調べ、越えていれば現在その異常が生じたと判定する。さらに、基準と異なる路面であると判定された場合は、どの路面モデルのＧＬＲ値（ｈ＝４〜６）が最大になっているかにより路面の滑り状態の推定を行う。ここで、故障、路面の滑り状態検出における各しきい値は、高摩擦係数路面におけるレーンチェンジ時の各故障、各路面モデルＧＬＲ値の最大値の２〜３倍とした。これを表２に示す。
【０１６５】
【表２】
【０１６６】そして、故障・路面の滑り状態の判定結果をコントローラ１８に出力し、ステップ１１８へ戻る。
【０１６７】車速８０ｋｍ／ｈのもとでの４ＷＳ車両を用いたスキッド路（低摩擦係数）走行時の走行データおよび故障実験データを用いて、上述の手順に基づき路面の滑り状態および故障検出シュミレーションを行った結果を説明する。
【０１６８】図１５は高摩擦係数路面でのレーンチェンジ時の結果である。その結果、多少のモデル化誤差によりＧＬＲ値は値を持つ。一方、図１６は低摩擦係数路面の判定結果で、操舵とともにＧＬＲ値が時間とともに増大し、しきい値を越えて低摩擦係数路面であると判定ができた。さらに、高摩擦係数路面走行におけるコーナリングパワーＣｆ，Ｃｒを０．５倍したモデルが最大値となった。これは図８に示したスキッド路走行において合わせ込みを行ったコーナリングパワー値と対応し、本実施例の手法によって操舵開始の時点でスキッド路面とわかり、路面の滑り度合いが検出できる。
【０１６９】また、図１７は加速度センサのステップ故障時走行データをもとに計算した各ＧＬＲを示したもので、その結果、加速度センサ故障のＧＬＲ値が最大値となり、正しい故障検出ができていることがわかる。また、図１８に故障量の推定結果を示す。図１８より、故障量の推定についても良好であることがわかる。また、図１９はアクチュエータのステップ故障時の走行データをもとに計算した各ＧＬＲ値を示したもので、その結果、アクチュエータ故障のＧＬＲ値が最大値となり正しい故障検出ができていることがわかる。また、図２０に故障量の推定結果を示す。図２０より、アクチュエータ故障の故障量の推定では、加速度センサ故障ほど、精度は高くないがオーダ的には略正しい結果となっている。
【０１７０】ただし、図１６ではＣｆ，Ｃｒ＝０．５の路面モデルのＧＬＲ値に対し、加速度センサ故障のＧＬＲ値がに非常に接近しており、ＧＬＲ値の大小の比較だけでは判別がむずかしい。一方、加速度センサ故障では低摩擦係数路面モデルと加速度センサ故障モデルのＧＬＲ値が明確に分離できる。したがって、２つの計算結果から、路面モデルのＧＬＲ値と加速度センサ故障のＧＬＲ値の差が５０以内であれば加速度センサ故障ではなく、路面が滑りやすい状態にあると判定している。
【０１７１】これらの結果から、本方式により路面の滑り状態の推定ができることによりＡＢＳ等への利用が期待できる。また、滑りやすい路面、各故障との分離が可能で路面の滑り状態検出の信頼性を上げることができる。
【０１７２】
【発明の効果】以上説明したように本発明によれば、２ＷＳ、４ＷＳ等の車両制御システムの如何にかかわらず、操舵反力を検出するためのセンサのような特殊なセンサを必要とすることなく極一般的なセンサを用い、車輪と路面との滑り状態を推定し、車両がスピン状態に至る前の操舵初期の段階で早期に路面の滑り状態が検出することができる、という効果が得られる。
【図面の簡単な説明】
【図１】本発明を４ＷＳ車両に適用した実施例の概略図である。
【図２】路面の滑り状態検出装置のブロック図である。
【図３】図２における路面の滑り状態検出回路のブロック図である。
【図４】ＧＬＲ法を説明するための概略図せある。
【図５】アクチュエータ故障モデルρ1 を示す線図である。
【図６】加速度センサ故障モデルρ2 を示す線図である。
【図７】ヨーレートセンサ故障モデルρ3 をを示す線図である。
【図８】仮定した各路面に対するコーナリングパワー特性を示す線図である。
【図９】高摩擦係数路面走行時の操舵角、横加速度、ヨーレートを示す線図である。
【図１０】低摩擦係数路面走行時の操舵角、横加速度、ヨーレートを示す線図である。
【図１１】各τにおける状態量Ｘ、制御量Ｕの選択状態を示す線図である。
【図１２】故障発時刻τを検索する状態を示す線図である。
【図１３】故障・路面のすべり状態検出系設計のフローチャートである。
【図１４】故障・路面のすべり状態検出のフローチャートである。
【図１５】高摩擦係数路面走行時のＧＬＲ値、異常判定結果を示す線図である。
【図１６】低摩擦係数路面走行時のＧＬＲ値、異常判定結果を示す線図である。
【図１７】加速センサ故障時のＧＬＲ値、異常判定結果を示す線図である。
【図１８】加速センサ故障時の故障量の推定結果を示す線図である。
【図１９】アクチュエータ故障時のＧＬＲ値、異常判定結果を示す線図である。
【図２０】アクチュエータ故障時の故障量の推定結果を示す線図である。
【符号の説明】
１８ コントローラ
２０ ヨーレートセンサ
２２ 加速度センサ
２６ 車速センサ
２４ 舵角センサ
３０ 滑り状態検出装置
【０００１】
【産業上の利用分野】本発明は路面の滑り状態検出装置に係り、特に、操舵角および運動状態量（ヨーレートや横加速度等）の観測値から推定した車両状態推定量と、車両の運動状態量の観測値との残差から路面の滑り状態を検出する路面の滑り状態検出装置に関する。
【０００２】
【従来の技術】従来の路面の滑り状態検出装置に関する技術としては、２ＷＳ（２輪操舵）、４ＷＳ（４輪操舵）車両に適用された特開平１−２０４８６５号公報、４ＷＳ車両に適用された特開平４−２３０４７２号公報等に記載されている技術が知られている。この従来の路面の滑り状態検出装置の原理は、操舵角に対する路面からの反力の大きさが路面摩擦係数が低下するほど小さくなることに着目し、該反力を専用に設けたロードセル等により検出し、操舵角、車速との関係より路面の滑り状態を判定するものである。そして、滑りやすい路面、すなわち低摩擦係数路面と判定された場合、車両を安全側に作動させるように制御系を構成している。
【０００３】
【発明が解決しようとしている課題】しかしながら、このような従来の路面の滑り状態検出装置では、操舵角に対する操舵反力がヒステリシス特性を有するため、路面の滑りを判定するためには１周期以上にわたって操舵された反力情報を用いる必要がある。したがって、例えば特開平１−２０４８６５号公報では路面が滑りやすい状態、すなわち、低摩擦係数であると検出できても制御系が作動する以前に低μ路スピンを起こす可能性がある。
【０００４】この点、特開平４−２３０４７２号公報の発明では、後輪の２〜３Ｈｚの持続した微小操舵により、ドライバの操舵以前から路面の滑り状態が判定できる。しかしながら、この技術では、後輪を操舵するアクチュエータを必要とする。
【０００５】また、これら従来の路面の滑り状態検出装置では操舵反力を検出するために専用のセンサを設ける必要がある。
【０００６】更に、従来の路面摩擦係数の測定方法（特開平３−２６４８４６号公報）は、定常円旋回時に操舵角と横加速度との関係を示すスタビリティファクタが路面摩擦係数に対応して変化することを利用したものであるが、一般路を走行した場合、必ずしも定常円旋回とならないため路面摩擦係数を測定できない場合がある。
【０００７】そこで、本発明は、２ＷＳ、４ＷＳ等の車両制御システムの如何にかかわらず、操舵反力を検出するためのセンサのような特殊なセンサを必要とすることなく極一般的なセンサを用い、車輪と路面との滑り状態を推定し、車両がスピン状態に至る前の操舵初期の段階で早期に路面の滑り状態が検出することができる路面の滑り状態検出装置を提供することを目的とする。
【０００８】
【課題を解決するための手段】上記目的を達成するために、本発明の路面滑り状態検出装置は、車両の操舵量、横加速度、ヨーレート、車速を含む車両の運動に関する状態量を検出する検出手段と、所定の滑りを有する基準路面における基準車両運動モデル、及び前記基準路面と異なる滑りを有する他の路面における車両運動モデルの前記基準車両運動モデルからの変化量を予め記憶する車両運動モデル記憶手段と、前記基準車両運動モデルと前記検出手段で検出された検出状態量とに基づいて横加速度及びヨーレートの少なくとも一方を基準状態量として推定する基準状態量推定手段と、前記基準状態量推定手段で推定された基準状態量と前記検出手段で検出された検出状態量との残差を基準残差として演算する基準残差演算手段と、前記基準残差演算手段で演算された基準残差の時系列データを蓄積する基準残差時系列データ蓄積手段と、前記車両運動モデルの基準車両運動モデルからの変化量と前記検出手段で検出された検出状態量とに基づいて横加速度及びヨーレートの少なくとも一方の残差モデル値を他の路面について演算する残差モデル演算手段と、前記残差モデル演算手段で演算された残差モデル値の時系列データを蓄積する残差モデル時系列データ蓄積手段と、蓄積された基準残差時系列データと残差モデル時系列データとの時系列パターンとを比較して路面の滑り状態を推定する路面滑り状態推定手段と、からなることを特徴とする。
【０００９】
【作用】本発明は、推定された基準状態量と検出された検出状態量との残差を基準残差として時々刻々演算し、走行路面と基準路面との滑り状態の違いに応じた基準残差の時系列データを蓄積する。また、所定の滑りを有する他の路面と基準路面との滑り状態の相違に応じた残差モデル値を演算し、この残差モデル値の時系列データを蓄積する。そして、基準残差モデル時系列データと残差モデル時系列データとの時系列パターンを比較することによって、走行路面が所定の滑りを有する他の路面のどれに近いかによって路面の滑り状態を推定する。
【００１０】一般路面を走行する場合、道路の曲率等により操舵角は時々刻々変化するため、必ずしも定常円旋回とならないが、本発明においては、時々刻々変化する操舵角は、検出状態量として基準車両運動モデル中で考慮されており、基準車両運動モデルと検出状態量とに基づいて演算される基準状態量と検出状態量との残差は操舵角とは分離されているため、操舵角が変化しても支障はない。
【００１１】本発明の路面滑り状態検出装置によれば、車両運動モデルを設定した路面と異なる滑り状態の路面を走行した場合は、ハンドルを操舵すると横加速度及びヨーレートの少なくとも一方に残差が発生し、その残差時系列データを残差モデル時系列データと照合することにより、２ＷＳ、４ＷＳ車両に拘らず操舵初期の段階で路面の滑り状態が検出できる。従って、スピンに至る前に各路面の滑り状態に応じた制御系に切り換えることができ安全な走行に寄与することができる。また、操舵反力の検出の必要がないため特殊なセンサを設ける必要もない。
【００１２】
【実施例】以下、本発明の好適な実施例を図面に基づき詳細に説明する。
【００１３】図１には、本発明が適用された４ＷＳ車両の概略が示されている。本実施例の４ＷＳ車両は、質量ｍ、ヨー慣性Ｉの車体１０と、操舵装置としてのハンドル１２と、コーナリングパワーＣｆのタイヤ特性を持つ前輪用タイヤ１４と、コーナリングパワーＣｒのタイヤ特性を持つ後輪用タイヤ１６と、タイヤ１６に対する後輪制御量を算出するコントローラ１８と、後輪制御量により後輪用タイヤ１６を操舵・駆動するアクチュエータ６２とから構成されている。
【００１４】また、この４ＷＳ車両には、ヨーレートセンサ２０と、加速度センサ２２と、舵角センサ２４と、車速センサ２６と、信号処理回路２８と、路面の滑り状態検出装置３０とが設けられている。
【００１５】
相当する前輪操舵角δｆを検出し、車速センサ２６は車速Ｖｃを検出する。そして、これら各センサの検出記号は、信号処理回路２８で増幅される。
【００１６】４ＷＳ車両の操舵により発生し、ヨーレートセンサ２０で検出されたヨーレー
る。コントローラ１８は、アクチュエータ６２を介して後輪用タイヤ１６を制御し、速応性を高めている。なお、それぞれの車両定数値は実験等により予め測定されたものを用いている。本実施例では、後述する表１に示すような定数値が用いられる。
【００１７】また、信号処理回路２８において増幅された上記各センサの検出信号は、路面の滑り状態検出装置３０へ向け出力される。路面の滑り状態検出装置３０は、路面の滑りを検出すると共に、４ＷＳ車両の操舵制御系における故障を検出するものである。したがって、センサ故障が検出された場合、路面の滑り状態検出を中止し信頼性を向上することができる。路面の滑り状態検出装置３０による路面の滑り状態および故障検出結果は、コントローラ１８へ入力され、アクチュエータあるいはセンサが故障であることが検出されれば４ＷＳ制御および路面の滑り状態の検出を中止し、一方、路面が滑りやすい状態であることが検出されれば、４ＷＳ制御則を変化させて車両を安全側に作動させる。
【００１８】本実施例では、路面の滑り状態検出装置３０によって、
【００１９】以下の説明では、滑りにくい路面を基準路面、滑りやすい路面を基準路面と異なる路面あるいは単に異なる路面と呼ぶことにし、滑りやすさの度合いに応じて１つあるいは複数の基準路面と異なる路面が存在するものと仮定する。
【００２０】図２には、路面の滑り状態検出装置３０のブロック図が示され、図３には図２における路面の滑り状態検出回路３８の詳細なブロック図が示されている。
【００２１】本実施例の路面の滑り状態検出装置３０は、基準路面の車両運動モデルのテーブルを記憶したメモリ３２と、状態量推定回路３３と、車両のすべり角推定回路３４と、残差演算回路３６と、路面の滑り状態検出回路３８とを含んで構成されている。
【００２２】また、図３に示すように、路面の滑り状態検出回路３８は、基準残差時系列データ蓄積回路３９と、各異なる路面における基準路面からの車両運動モデルの変化量のテーブルを記憶したメモリ４０と、センサ時系列データ蓄積回路４１と、残差モデル時系列データ演算回路４２と、残差モデル時系列データ蓄積回路４３と、路面の滑り状態推定回路４４とを含んで構成されている。
【００２３】状態量推定回路３３は、メモリ３２に記憶された基準路面のモデルおよび入力
車両のすべり角推定回路３４は、信号処理回路２８で増幅されたヨーレートセンサ２０、加速度センサ２２、車速センサ２６の検出値より車両のすべり角βを推定し、路面の滑り状態検出装置３８へ向け出力する。
【００２４】残差演算回路３６は、信号処理回路２８で増幅されたヨーレートセンサ２０および加速度センサ２２の検出値と、状態量推定回路３２の推定値との残差を演算し、路面の滑り状態検出回路３８へ出力する。
【００２５】路面の滑り状態検出回路３８の基準残差時系列データ蓄積回路３９は、残差演
【００２６】また、センサ時系列データ蓄積回路４１は、残差時系列データと同じ一定時間
タを蓄積する。残差モデル時系列データを演算する残差モデル時系列データ演算回路４２は、メモリ４０に記憶されている各路面の基準路面からのモデル変化量
系列データと同じ一定時間毎にサンプリングした同じデータ長の残差モデル時系列データとして残差モデル時系列データ蓄積回路４３に記憶する。さらに、残差モデル時系列データ蓄積回路４３には、加速度センサ２２、ヨーレートセンサ２０、後輪アクチュエータ６２の故障時の３つの残差モデルが同じく残差モデル時系列データとして予め記憶されている。したがって、基準路面と異なる路面モデルおよび故障モデルとして計ｍ組（ｍ≧４）の残差モデルが用意されることになる。
【００２７】４ＷＳ車両の操舵制御系が正常な場合には、センサ２０、２２の検出値と、状態量推定回路３３の推定値の値は略等しくなるため、残差演算回路３６から出力される残差は略０となる。これに対し、操舵制御系における何らかの故障の発生、あるいは異なる路面での操舵開始と共に、センサ２０、２２の検出信号と推定値との値が異なったものとなり、残差が発生する。そこで、残差を過去の時点から現時点までをある時間に区切って取り出し（Ｗｉｎｄｏｗ（ウインド））、残差を時系列パターンとして捉えると、各路面、各故障に応じて特有の残差パターンを示すことになる。
【００２８】路面の滑り状態検出回路４４は、入力される残差時系列データと異なる各路面および各故障に応じた１〜ｍ組の残差モデル時系列データとから、操舵制御系に発生した故障箇所および路面の滑り度合いを特定するよう構成されている。すなわち、本実施例の路面の滑り状態検出回路３８は、基準残差時系列データ蓄積回路３９の残差時系列パターンと残差モデル時系列データ蓄積回路４３の残差モデル時系列パターンとを、所定のルーチンに従ってパターン照合演算処理し、最も一致度の高い残差モデルより、発生した故障がヨーレートセンサ２０の故障であるか、加速度センサ２２の故障であるか、後輪アクチュエータ６２の故障であるかを判断するか、あるいは路面の滑り度合いを判定するよう構成されている。
【００２９】このようにして、本実施例の路面の滑り状態検出装置によれば、操舵初期の段階で路面の滑り度合いが検出できる。したがって、スピンに至る前に路面の滑り度合いに応じた制御系に切り換えることができ安全な走行に寄与することができる。また、操舵制御系において発生するヨーレートセンサ２０、加速度センサ２２、および後輪アクチュエータ６２のわずかな故障を迅速かつ正確に検出することができ、コントローラを安全側に作動させることができる。さらに路面の滑り状態検出に用いる加速度センサ、ヨーレートセンサの故障が検出できることにより、路面の滑り状態検出に対する信頼性を向上することが可能となる。ただし、本実施例では故障検出についても述べるため、４ＷＳ車両を採り上げたが、２ＷＳ車両についても同様に適用することが可能である。また、推定する基準状態量
て推定しても同様に適用することが可能である。
【００３０】次に、本実施例の具体的な構成および動作を詳細に説明する。本実施例では、
、ＧＬＲ（Ｇｅｎｅｒａｌｉｚｅｄ Ｌｉｋｅｌｉｈｏｏｄ Ｒａｔｉｏ）手法を用いている。このＧＬＲ手法の詳細は以下の文献等で述べられている。
【００３１】１）著者名：Ａ．Ｓ．Ｗｉｌｌｓｋｙ文献名：Ａ Ｓｕｒｖｅｙ ｏｆ Ｄｅｓｉｇｎ Ｍｅｔｈｏｄｓ ｆｏｒ Ｆａｉｌｕｒｅ Ｄｅｔｅｃｔｉｏｎ ｉｎ Ｄｙｎａｍｉｃ Ｓｙｓｔｅｍｓ，Ａｕｔｏｍａｔｉｃａ，Ｖｏｌ．１２，ｐｐ６０１〜６１１，１９７６２）著者名：Ａ．Ｓ．Ｗｉｌｌｓｋｙ ａｎｄ Ｈ．Ｌ．Ｊｏｎｅｓ文献名：Ａ Ｇｅｎｅｒａｌｉｚｅｄ Ｌｉｋｅｌｉｈｏｏｄ Ｒａｔｉｏ Ａｐｐｒｏａｃｈ ｔｏ ｔｈｅ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｊｕｍｐｓ ｉｎ Ｌｉｎｅａｒ Ｓｙｓｔｅｍｓ，ＩＥＥＥ Ｔｒａｎｓ．Ａｕｔｏ．Ｃｏｎｔｒ． Ｖｏｌ．ＡＣ−２１．ＮＯ．２，ｐｐ１０８〜，１９７６このＧＬＲ法の概略を図４を参照して説明する。ＧＬＲ法は故障検出を目的に開発されたもので、まず、故障検出対象を数学モデルで表しカルマンフィルタにより状態推定系を構成する。そして、各故障に対して、対象のセンサ出力Ｙとカ
故障モデルとして計算しておく。そこで、ＧＬＲ法では実際に得られた残差時系列パターンと各故障モデルの残差時系列パターンとの統計的な照合によって故障箇所、故障の大きさ、故障発生時刻の特定を行う。
【００３２】まず、故障・路面の滑り状態検出を行なうための検出系の設計を行う。故障・路面の滑り状態検出系の設計は以下の手順で行う。以下の具体的な設計における車速Ｖc は、Ｖc ＝２２．２２ｍ／ｓ（＝８０ｋｍ／ｈ）を用いた。
【００３３】１）車両モデル化車両の運動方程式は、方式で表される。
【００３４】
【数１】
【００３５】次の表１は、（１）、（２）式で用いた記号の定義および各定数を示したもの
、Ｖc は車速［ｍ／ｓ］、δｆは前輪操舵角［ｒａｄ］、ｕは後輪制御量［ｒａｄ］である。
【００３６】
【表１】
【００３７】後輪制御量ｕは次式により算出する。
【００３８】
【数２】
【００３９】さらに、車両のすべり角がβがβ≪１［ｒａｄ］が成り立つ範囲では横加速度
【００４０】
【数３】
【００４１】
【００４２】上記（１）式〜（４）式を用いて車両の運動モデルを状態方程式で表すと次式のようになる。
【００４３】
【数４】
【００４４】ただし、
【００４５】
【数５】
【００４６】であり、Ｘ，Ｕ，Ｙにおける添え字Ｔは転置を表す。そして、ｑはシステムノイズ、ｗはセンサノイズを表し、Ｆ，Ｇはシステムノイズベクトルである。（５）、（６）式におけるＡ，Ｂ，Ｃ，Ｄは次のとおりのマトリックスである。
【００４７】
【数６】
【００４８】この（８）式に表１の各数値を代入し、サンプリング周期８ｍｓで零次ホールドにより離散化すると次のようになる。
【００４９】
【数７】
【００５０】ただし、ｋは時間刻み（時刻）を表す。また、（９）、（１０）式におけるＡ〜Ｇの各マトリックスは、連続系表現された（５）、（６）式と同じ表記を用いているが、内容は異なるので注意されたい。
【００５１】また、Ａ，Ｂ，Ｃ，Ｄマトリックスは次のとおりになる。
【００５２】
【数８】
【００５３】２）車両状態量の推定系設計状態量推定回路３３は上記（９）、（１０）式を用い、車両のヨーレートおよび横加速度を推定演算するが、運動状態の推定演算には次式のカルマンフィルタを用いる。
【００５４】
【数９】
【００５５】上記（１３）式のＫがカルマンフィルタゲインであり、カルマンフィルタでは、システムノイズ分散Ｑとセンサノイズ分散Ｒとを用いてゲイン算出を行う。まず、システムノイズとして前輪に横力ｑ（ｑ＝２０００Ｎ）が加わるとして、次のシステムノイズベクトルＦ，Ｇを想定した。
【００５６】
【数１０】
【００５７】システムノイズベクトルＦ，Ｇを（１１）式のＡマトリックスを用い、サンプリング周期８ｍｓで零次ホールドにより離散化すると次式となる。
【００５８】
【数１１】
【００５９】また、システムノイズ分散Ｑは次のように設定する。
Ｑ＝４×１０6 （１７）
一方、センサのノイズ分散Ｒは実車走行データをもとに算出した結果、次のようであった。
【００６０】
【数１２】
【００６１】以上のもとで算出されたカルマンフィルタゲインＫを次に示す。
【００６２】
【数１３】
【００６３】また、アップデート後の残差の共分散Ｖは次のようになった。
【００６４】
【数１４】
【００６５】３）故障のモデル化上記（９）、（１０）式の車両モデルを用いてセンサ、アクチュエータ故障を離散系で表すと次式となる。
【００６６】
【数１５】
【００６７】ただし、ｆはアクチュエータ故障を表すイベントベクトルであり、ｇはアクチュエータ故障およびセンサ故障を表すイベントベクトルである。そして、添え字ｉは故障箇所を表し、アクチュエータ（ｉ＝１）、加速度センサ（ｉ＝２）、ヨーレートセンサ（ｉ＝３）とする。また、τは故障発生時刻を表し、νは故障の大きさを表すスカラである。そして、τ、νはともに未知パラメータで、これは後述のＧＬＲ値を計算する際に明らかとなる。
【００６８】故障が生じた場合次のようになる。
【００６９】
【数１６】
【００７０】
式において、ｆi ν＝０，ｇi ν＝０（故障がない）として計算した値である。αi （ｋ），βi （ｋ），μi （ｋ），ｐi （ｋ）は故障に応じた修正項で、以下の式により事前に計算できる。
【００７１】
【数１７】
【００７２】以上より、故障モデルとして故障発生時刻τを起点に、横加速度およびヨーレートの残差パターンρi （ｋ）を作成する。ただし、計算機メモリの制約上から作成する残差時系列パターンの長さ（Ｗｉｎｄｏｗ）は４０サンプリングとする。
【００７３】まず、アクチュエータ故障のイベントベクトルf1，g1は次のように表される。
【００７４】
【数１８】
【００７５】（３１）、（３２）式に車両諸元を代入すると次式のようになる（なお、f1についてはサンプリング周期８ｍｓ、零次ホールドで離散化した）。
【００７６】
【数１９】
【００７７】アクチュエータ故障モデルρ1 作成の際、初期値は次のように設定する。
【００７８】
【数２０】
【００７９】ただし、
【００８０】
【数２１】
【００８１】加速度センサおよびヨーレートセンサの故障ベクトルを次式に示す。
加速度センサ故障 ：g2＝［１ ０］T （３９）
ヨーレートセンサ故障：g3＝［０ １］T （４０）
センサ故障モデルｐ2,3 の初期値は、次のとおりである。
【００８２】
【数２２】
【００８３】ただし、β2,3 は次のとおりである。
【００８４】
【数２３】
【００８５】以上、得られたアクチュエータ故障モデルρ1 を図５、加速度センサ故障モデルρ2 を図６、ヨーレートセンサ故障モデルρ3 を図７に示す。
【００８６】４）基準路面と異なる路面モデル滑りやすい路面の走行ではコーナリングフォースの低下を生じるが、この低下を平均的なコーナリングパワーＣｆ，Ｃｒの低下と仮定する。これを、図８に示す。この仮定を確認するため、低摩擦係数路面（μ＝０．２５〜０．３５）走行時の実験結果をもとに、コーナリングパワーＣｆ，Ｃｒを試行錯誤に合わせ込み調べた。その結果、表１の車両諸元に対しＣｆ，Ｃｒは０．５倍に低下していることがわかった。図９は、高摩擦係数路面走行結果に対して（９）〜（１１）式の車両モデルの一致度合いを調べたものであり、図１０は低摩擦係数路面走行結果に対してＣｆ，Ｃｒを０．５倍として同じように車両モデルの一致度合いを調べたものである（車速はいずれも８０ｋｍ／ｈ）。ただし、実験データからの入力としては前輪操舵角のみを用い、後輪制御量ｕは計算されたヨーレートを０．１倍（（３）式）して算出したものを用いた。図９、１０より、高、低摩擦係数路面走行ともに、実験結果に対して車両モデルは良好な一致度合いを示している。
【００８７】したがって、高摩擦係数路面（基準路面）で設定されたＣｆ，Ｃｒが、路面μの変化によりΔＣｆ，ΔＣｒだけ変化したとすると、車両は次式で表される（ただし、連続系で表した）。
【００８８】
【数２４】
【００８９】
【数２５】
【００９０】また、（４６）、（４７）式を離散系で表すと次式となる。
【００９１】
【数２６】
【００９２】なお、σはユニット・ステップ関数で、高摩擦係数路面（基準路面）走行時はσ＝０、低摩擦係数路面（異なる路面）走行時はσ＝１であり、τは操舵開始による残差発生時刻を表すものである。また、（４９）、（５０）式におけるＡ〜ＧおよびΔＡ〜ΔＤは（４６）、（４７）式と同じ表記を用いているが、内容は異なるので注意されたい。
【００９３】ここで、（２１）、（２２）式に示すようなモデル変化としてのｆi , ｇi に相当する部分を（４８）式のマトリックス変化ΔＡ，ΔＢ，ΔＣ，ΔＤで記述すると、ベクトルとマトリックスの加算になるため、ベクトル故障入力型のＧＬＲでは、モデル変化検出が適用できない。そこで、状態量Ｘおよび制御量Ｕを用いてモデル変化を次のようにベクトル化する。
【００９４】
【数２７】
【００９５】
の疑似積分により推定した信号を用いることにする。すなわち、車両のすべり角βは次式を用いて推定する。
【００９６】
【数２８】
【００９７】ただし、ｓラプラスの演算子であり、また、Ｔ＝０．６３６６ｓ（カットオフ周波数ｆ＝０．２５Ｈｚ）とした。（５４）式を状態方程式で表し、サンプリング周期８ｍｓ、零次ホールドにより離散化すると次式となる。
【００９８】
【数２９】
【００９９】そして、（５１）〜（５３）式におけるｈはコーナリングパワーＣｆ，Ｃｒの変化度合いに対応した添え字で、基準路面におけるコーナリングパワーＣｆ，Ｃｒの０．２５倍に低下した時をｈ＝４、０．５倍に低下した時をｈ＝５、０．７５倍に低下した時をｈ＝６とする。
【０１００】Ｃｆ，Ｃｒ＝０．２５の場合のΔＡ4 〜ΔＤ4 を次に示す。
【０１０１】
【数３０】
【０１０２】（５２）、（５３）式におけるｇh はベクトルであり、これは（５６）〜（５８）式を用いて次式によりベクトル化する。
【０１０３】
ｇh (k) ＝［ΔＣh Ｘ(k）＋ΔＤh Ｕ(k） ０］T （５９）
したがって、（５１）〜（５３）式、（５６）〜（５９）式により、モデル変化をベクトルの形で表せば、ベクトル故障入力型のＧＬＲが適用可能となる。ただし、（５１）〜（５３）式では、状態量Ｘ，制御量Ｕといった動的な変数を含むため、センサ・アクチュエータ故障のように予め故障モデルρを作成しておくことはできず、オンラインで路面の残差モデル、すなわち路面モデルρを作成することになる。
【０１０４】この路面モデルの作成の方法について次に述べる。まず、基準路面と異なる路面走行によりコーナリングパワーが変化した時、車両およびカルマンフィルタにおける状態の変化および残差は、故障時と同様に次式で表される。
【０１０５】
【数３１】
【０１０６】
して計算した値である。次に、αh ，βh ，μh ，ρh は、故障モデルと同様にして、以下の式により作成する。
【０１０７】
【数３２】
【０１０８】すなわち、（５１）〜（５３）式、（５６）〜（５９）式によりベクトル化された時々刻々のモデル変化ｆh （ｋ，τ），ｇh （ｋ，τ），ｇh （ｋ＋１，τ）を（６４）、（６５）、（６７）式に代入し、オンラインで、αh ，βh ，μh ，ρh を計算する。
【０１０９】ここで、故障モデルではパラメータ化していた故障の大きさνについては、各路面でのコーナリングパワー変化に応じてモデルを作成しているのでν＝１である。
【０１１０】なお、（６４）〜（６７）式における初期値は次のように設定する。
【０１１１】
【数３３】
【０１１２】上述したように、残差時系列パターンとの照合はＷｉｎｄｏｗで切り出された範囲内で行う。そして、操舵開始による残差発生時点をパラメータτとし、（５１）〜（５３）式におけるモデル変化に関する部分は状態量Ｘ、制御量Ｕを図１１で示すように選択していく。これは、操舵開始以前（直進）ではモデル変化ΔＡ〜ΔＤは生じておらず、Ｘ，Ｕ側でモデル変化成分を０にすることを意味する。したがって、Ｗｉｎｄｏｗ＝４０の場合、図１１におけるτ＝ｋ−３９〜ｋ−１のＸ，Ｕの０としている区間は、モデル変化ｆh （ｋ，τ），ｇh （ｋ，τ），ｇh （ｋ＋１，τ）が０のため、（６４）〜（６７）式におけるαh ，βh ，μh ，ρh を計算しなくてよい。また、車両モデル変化はある程度操舵された時点よりその傾向が顕著となることから各路面モデルは操舵角δｆ＝０．０１ｒａｄ（操舵角相当で８．４ｄｅｇ）を越えた時点より作成することとした。
【０１１３】５）残差と故障・異なる路面モデルとの照合方法異常（故障・異なる路面走行）なしをＨ0 、故障発生（ただし、ν、τは未知）による異常発生をＨi あるいは異なる走行（ただし、τは未知）による異常発生をＨh とする仮説を立てる。すなわち、残差γN が、平均０、分散Ｖのガウス確立分布に従うものとすると、Ｈ0 ，Ｈi ，Ｈh は次式となる。
【０１１４】
異常なしＨ0 ： γ(k) ＝０ （７１）
異常ありＨi ： γ(k) ＝ρi (k，τ）ν （７２）
Ｈh ： γ(k) ＝ρh (k，τ） （７３）
そこで、γ（１），γ（２），γ（３）・・・，γ（ｋ）に関する尤度比検定を行なう。まず、故障に関する尤度比は、ガウス確立密度関数を用い次式で表される。
【０１１５】
【数３４】
【０１１６】ここで、
【０１１７】
【数３５】
【０１１８】ただし、ｍは残差γのサイズを表す。また、
【０１１９】
【数３６】
【０１２０】この尤度比Ｌｉは、大まかには異常仮説Ｈi ，Ｈ0 に応じて次のように作用する。
【０１２１】Ｈi ：γ（ｋ）＝ρi （ｋ，τ）νにより（７５）式のｅｘｐ値は１、（７６）のｅｘｐ値は１よりも小さな値となり、尤度比Ｌｉは１よりも大きくなる。
【０１２２】Ｈ0 ：γ（ｋ）＝０により（７６）式のｅｘｐ値は１、（７５）のｅｘｐ値は１よりも小さな値となり、尤度比Ｌｉは１よりも小さくなる。
【０１２３】ただし、（７４）〜（７６）式からでは故障の大きさν、故障発生時刻τが未知であるので計算できない。そこで、まず（７４）式に（７５）、（７６）式を代入して対数を採り、対数尤度比を次のように定義する。
【０１２４】
li(k, τ, ν)=2ln(Li(k, τ, ν))=2νd(k,τ,i)-ν2a(k, τ,i) （７７）
ただし、ａ（ｋ，τ，ｉ），ｄ（ｋ，τ，ｉ）は次のとおりである。
【０１２５】
【数３７】
【０１２６】そして、（７７）式より故障の大きさνを次式の最尤推定により算出する。
【０１２７】
【数３８】
【０１２８】
【０１２９】
【数３９】
【０１３０】（８０）式を（７７）式に代入すると、対数尤度比ｌｉ（ｋ，τ，ν）は次式で得られる。
【０１３１】
【数４０】
【０１３２】次に異なる路面走行に関する尤度比は、ガウス確率密度関数を用いて次式で表される。
【０１３３】
【数４１】
【０１３４】ここで、（８２）式における分母、分子項は（７５）式においてνが省略された形で同様に記述される（ν＝１）。
【０１３５】そして（７７）式と同様、（８２）式にν＝１として（７５）、（７６）式を代入し対数をとった対数尤度比を次の用に定義する。
【０１３６】
【数４２】
【０１３７】ただし、ａ(k, τ，ｈ) 、ｄ(k, τ，ｈ) は次の通りである。
【０１３８】
【数４３】
【０１３９】しかしながら、（８１）式及び（８３）式において、故障発生時刻τ及び操舵による残差発生時刻τが未知であるので、τを次の手順によって求める。図１２１２に故障発生時刻τの検索を例にとってその様子を示す。ただし、図１２では説明
２では、時刻ｋに対し次の区間で故障モデルρi と残差γとの照合を行なっている。
【０１４０】
ｋ−４０≦Ｗｉｎｄｏｗ≦ｋ−１ （８５）
すなわち、図１２において、残差に対し故障モデルρi νをｊ＝１からｊ＝４０まで順次一致するかどうか照合し、一致した時点がτ＝ｊとなる。この照合は以下のように行う。
【０１４１】まず、（３０）でｊ＝１〜４０まで計算した故障モデルρi を用い、（７８）式のａ（ｋ，τ，ｉ）についてｊ＝１〜４０，ｊ＝１〜３９，ｊ＝１〜３８，・・・，ｊ＝１〜１のそれぞれのΣを計算し、１×４０のベクトルを作る。各故障は予め故障モデルρi が作成できるので、（７８）式のａ（ｋ，τ，ｉ）が事前に計算可能である。
【０１４２】次に（７８）式のｄ（ｋ，τ，ｉ）はρi のｊ＝１〜４０のベクトルに対してγのｊ＝１〜４０のベクトル、ρi のｊ＝１〜３９のベクトルに対してγのｊ＝２〜４０のベクトル、という対応付けでΣを計算し、１×４０のベクトルを作成する。
【０１４３】ここで、γは（８５）式の範囲で切り出された残差ベクトルγであり、その先頭を１番目とする。すなわち、ａ（ｋ，τ，ｉ）、ｄ（ｋ，τ，ｉ）は次式のように計算する（ただし、Ｗｉｎｄｏｗ＝４０とする）。
【０１４４】
【数４４】
【０１４５】そして、故障発生時刻τの検索では、計算したａ（ｋ，τ，ｉ），ｄ（ｋ，τ，ｉ）を用いて、( ８１) 式の対数尤度比ｌｉ（ｋ，τ，ν）を計算し、１×４０のベクトルを作る。そして、そのベクトル要素の中で最も大きな値をもつ点が故障発生時刻τとする。
【０１４６】また、異なる路面走行についても（６７）式のρh を用いて（８５）〜（８７）式の手順で（８４）式中のａ（ｋ，τ，ｈ）及びｄ（ｋ，τ，ｈ）を計算し、（８３）式の対数尤度比ｌｈ（ｋ，τ）について１×４０のベクトルを作る。そして、そのベクトル要素の中で最も大きな値を持つ点が操舵による残差発生時刻τになる。
【０１４７】したがって、故障・路面の滑り状態検出の手順としては、各故障（アクチュエータ、加速度センサ、ヨーレートセンサ）について（８１）式をｊ＝１〜４０まで計算し、各々ｊ＝１〜４０の中で対数尤度比ｌｉ（ｋ，τ，ν）、ｌｈ（ｋ，τ）が最大となる点として時刻τを決定する。そして、この各々の時刻τにおける対数尤度比ｌｉ（ｋ，τ，ν）、ｌｈ（ｋ，τ）をＧＬＲ値として決定する。さらに、故障については故障発生時刻τにおけるａ（ｋ，τ，ｉ），ｄ（ｋ，τ，ｉ）を用いて（８０）式を計算し、その大きさνを決定する。いずれの故障であるか、また、どの程度の路面の滑り度合いであるかは、各故障、各異なる路面モデルについて計算された各ＧＬＲ値を比較し、最も、大きい値を持つものとして決定する。そして、基準路面と異なる路面であると判定された場合、どの路面モデル（ｈ＝４〜６）のＧＬＲ値が最も高いかにより路面滑り度合いの検出を行う。
【０１４８】ただし、故障検出については図１２から時刻ｋ＝τ＋４１のように故障発生時刻τを含まなくなると、残差γと一致する故障モデルρi はなくなり、ＧＬＲは意味がなくなる。すなわち、故障検出におけるＧＬＲの適用範囲はＷｉｎｄｏｗ区間内である。そして、ＧＬＲの設計準備としては、カルマンフィルタの設計、そして、故障検出については故障モデルρi を計算し、ａ（ｋ，τ，ｉ）を求めておき、一方、路面の滑り状態検出については車両モデル変化ΔＡh 〜ΔＤh を計算しておくこととなる。ただし、これらの設計に用いる車両モデルはすべて車速Ｖc の関数であり、カルマンフィルタ、故障モデルρi 、車両モデル変化ΔＡh 〜ΔＤh はＶc ＝１０ｋｍ／ｈ程度毎に用意されるものとする。この故障・路面の滑り状態検出系設計のフローチャートを図１３に示す。
【０１４９】上述した故障・路面の滑り状態検出のアルゴリズムを図１４のフローチャートに基づき以下の手順で行う。
【０１５０】（１）刻みｋのイニシャライズを行なう（ステップ１１２）。
（２）カルマンフィルタ、故障モデルρi 、車両モデル変化ΔＡh 〜ΔＤh を作成する（ステップ１１４）。
【０１５１】すなわち、図１３のフローチャートに従い車速Ｖc ＝１０ｋｍ／ｈ程度の刻みでカルマンフィルタ、故障モデルρi 、車両モデル変化ΔＡh 〜ΔＤh をテーブルとして用意する。これらは以下の計算において車速Ｖc に応じて選択されるものとする。
【０１５２】（３）残差Ｂｏｘ、状態Ｂｏｘをイニシャライズする（ステップ１１６）。
る。イニシャライズ時、残差Ｂｏｘは２×４０の０要素、状態Ｂｏｘは４×４０の要素で構成される。
【０１５３】（４）各センサ信号を読み込む（ステップ１１８）。
速Ｖc 、後輪制御量ｕを取り込む。ただし、本検出アルゴリズム作動前に各センサ信号の零点補正をしておく。
【０１５４】（５）車両すべり角βを推定する（ステップ１２０）。
【０１５５】（６）横加速度、ヨーレートの状態量を推定する（ステップ１２２）。
【０１５６】
【０１５７】ステップ１１８の加速度センサ２２、ヨーレートセンサ２０の検出値と、ステ
【０１５８】（８）残差Ｂｏｘ、状態Ｂｏｘを更新する（ステップ１２６）。
ｘの最後尾に挿入する。同様に、ステップ１１８の操舵角δｆ、後輪制御量ｕ、
の更新を行う。
【０１５９】（９）刻みｋ値とＷｉｎｄｏｗ値とを比較する（ステップ１２８、１３０）。刻みｋとＷｉｎｄｏｗを比較し、刻みｋがＷｉｎｄｏｗ以下の値であれば刻みｋをｋ＝ｋ＋１としてステップ１１８に戻りセンサ信号の入力を行う。これは、残差の時系列パターンがＷｉｎｄｏｗ長さ分得られていないためである。もし、刻みｋがＷｉｎｄｏｗを越えていればステップ１３２に進む。
【０１６０】（１０）各故障モデルのＧＬＲ値および故障量を計算する（ステップ１３２〜１４６）。
【０１６１】ステップ１１４の故障モデルρi とステップ１２４の残差Ｂｏｘを用い、各故障モデルのＧＬＲ値の計算および故障量の計算を上記で説明したように行なう。
【０１６２】（１１）操舵開始を判定する（ステップ１４８、１６８）。路面の滑り状態検出を行うかどうか操舵角δｆをもとに判定する。ここでは、操舵角δｆの絶対値が０．０１ｒａｄ（操舵角で８．４ｄｅｇに相当する）を越えた時点より路面の滑り状態検出を行う。もし、操舵角δｆの絶対値がが０．０１ｒａｄ以下の場合は路面の滑り状態検出は行わず、各路面モデルのＧＬＲ値は０とし（ステップ１６８）、ステップ１７０に進む。
【０１６３】（１２）各路面モデルのＧＬＲ値を計算する（ステップ１５０〜１６６）。ステップ１１４の車両モデル変化ΔＡh 〜ΔＤh およびステップ１２６の状態Ｂｏｘを用い、各路面モデルを作成し、ステップ１２６の残差Ｂｏｘを用い各路面モデルのＧＬＲ値の計算を行う。
【０１６４】（１３）故障・路面滑り状態を判定する（ステップ１７０）。計算された各ＧＬＲ値の内、最大のものを現在生じている異常として仮定する。そして、最大のＧＬＲ値となった各故障モデルあるいは各路面モデルのＧＬＲ値が、設定されたしきい値を越えているかどうか調べ、越えていれば現在その異常が生じたと判定する。さらに、基準と異なる路面であると判定された場合は、どの路面モデルのＧＬＲ値（ｈ＝４〜６）が最大になっているかにより路面の滑り状態の推定を行う。ここで、故障、路面の滑り状態検出における各しきい値は、高摩擦係数路面におけるレーンチェンジ時の各故障、各路面モデルＧＬＲ値の最大値の２〜３倍とした。これを表２に示す。
【０１６５】
【表２】
【０１６６】そして、故障・路面の滑り状態の判定結果をコントローラ１８に出力し、ステップ１１８へ戻る。
【０１６７】車速８０ｋｍ／ｈのもとでの４ＷＳ車両を用いたスキッド路（低摩擦係数）走行時の走行データおよび故障実験データを用いて、上述の手順に基づき路面の滑り状態および故障検出シュミレーションを行った結果を説明する。
【０１６８】図１５は高摩擦係数路面でのレーンチェンジ時の結果である。その結果、多少のモデル化誤差によりＧＬＲ値は値を持つ。一方、図１６は低摩擦係数路面の判定結果で、操舵とともにＧＬＲ値が時間とともに増大し、しきい値を越えて低摩擦係数路面であると判定ができた。さらに、高摩擦係数路面走行におけるコーナリングパワーＣｆ，Ｃｒを０．５倍したモデルが最大値となった。これは図８に示したスキッド路走行において合わせ込みを行ったコーナリングパワー値と対応し、本実施例の手法によって操舵開始の時点でスキッド路面とわかり、路面の滑り度合いが検出できる。
【０１６９】また、図１７は加速度センサのステップ故障時走行データをもとに計算した各ＧＬＲを示したもので、その結果、加速度センサ故障のＧＬＲ値が最大値となり、正しい故障検出ができていることがわかる。また、図１８に故障量の推定結果を示す。図１８より、故障量の推定についても良好であることがわかる。また、図１９はアクチュエータのステップ故障時の走行データをもとに計算した各ＧＬＲ値を示したもので、その結果、アクチュエータ故障のＧＬＲ値が最大値となり正しい故障検出ができていることがわかる。また、図２０に故障量の推定結果を示す。図２０より、アクチュエータ故障の故障量の推定では、加速度センサ故障ほど、精度は高くないがオーダ的には略正しい結果となっている。
【０１７０】ただし、図１６ではＣｆ，Ｃｒ＝０．５の路面モデルのＧＬＲ値に対し、加速度センサ故障のＧＬＲ値がに非常に接近しており、ＧＬＲ値の大小の比較だけでは判別がむずかしい。一方、加速度センサ故障では低摩擦係数路面モデルと加速度センサ故障モデルのＧＬＲ値が明確に分離できる。したがって、２つの計算結果から、路面モデルのＧＬＲ値と加速度センサ故障のＧＬＲ値の差が５０以内であれば加速度センサ故障ではなく、路面が滑りやすい状態にあると判定している。
【０１７１】これらの結果から、本方式により路面の滑り状態の推定ができることによりＡＢＳ等への利用が期待できる。また、滑りやすい路面、各故障との分離が可能で路面の滑り状態検出の信頼性を上げることができる。
【０１７２】
【発明の効果】以上説明したように本発明によれば、２ＷＳ、４ＷＳ等の車両制御システムの如何にかかわらず、操舵反力を検出するためのセンサのような特殊なセンサを必要とすることなく極一般的なセンサを用い、車輪と路面との滑り状態を推定し、車両がスピン状態に至る前の操舵初期の段階で早期に路面の滑り状態が検出することができる、という効果が得られる。
【図面の簡単な説明】
【図１】本発明を４ＷＳ車両に適用した実施例の概略図である。
【図２】路面の滑り状態検出装置のブロック図である。
【図３】図２における路面の滑り状態検出回路のブロック図である。
【図４】ＧＬＲ法を説明するための概略図せある。
【図５】アクチュエータ故障モデルρ1 を示す線図である。
【図６】加速度センサ故障モデルρ2 を示す線図である。
【図７】ヨーレートセンサ故障モデルρ3 をを示す線図である。
【図８】仮定した各路面に対するコーナリングパワー特性を示す線図である。
【図９】高摩擦係数路面走行時の操舵角、横加速度、ヨーレートを示す線図である。
【図１０】低摩擦係数路面走行時の操舵角、横加速度、ヨーレートを示す線図である。
【図１１】各τにおける状態量Ｘ、制御量Ｕの選択状態を示す線図である。
【図１２】故障発時刻τを検索する状態を示す線図である。
【図１３】故障・路面のすべり状態検出系設計のフローチャートである。
【図１４】故障・路面のすべり状態検出のフローチャートである。
【図１５】高摩擦係数路面走行時のＧＬＲ値、異常判定結果を示す線図である。
【図１６】低摩擦係数路面走行時のＧＬＲ値、異常判定結果を示す線図である。
【図１７】加速センサ故障時のＧＬＲ値、異常判定結果を示す線図である。
【図１８】加速センサ故障時の故障量の推定結果を示す線図である。
【図１９】アクチュエータ故障時のＧＬＲ値、異常判定結果を示す線図である。
【図２０】アクチュエータ故障時の故障量の推定結果を示す線図である。
【符号の説明】
１８ コントローラ
２０ ヨーレートセンサ
２２ 加速度センサ
２６ 車速センサ
２４ 舵角センサ
３０ 滑り状態検出装置
【特許請求の範囲】
【請求項１】 車両の操舵量、横加速度、ヨーレート、車速を含む車両の運動に関する状態量を検出する検出手段と、所定の滑りを有する基準路面における基準車両運動モデル、及び前記基準路面と異なる滑りを有する他の路面における車両運動モデルの前記基準車両運動モデルからの変化量を予め記憶する車両運動モデル記憶手段と、前記基準車両運動モデルと前記検出手段で検出された検出状態量とに基づいて横加速度及びヨーレートの少なくとも一方を基準状態量として推定する基準状態量推定手段と、前記基準状態量推定手段で推定された基準状態量と前記検出手段で検出された検出状態量との残差を基準残差として演算する基準残差演算手段と、前記基準残差演算手段で演算された基準残差の時系列データを蓄積する基準残差時系列データ蓄積手段と、前記車両運動モデルの基準車両運動モデルからの変化量と前記検出手段で検出された検出状態量とに基づいて横加速度及びヨーレートの少なくとも一方の残差モデル値を他の路面について演算する残差モデル演算手段と、前記残差モデル演算手段で演算された残差モデル値の時系列データを蓄積する残差モデル時系列データ蓄積手段と、蓄積された基準残差時系列データと残差モデル時系列データとの時系列パターンとを比較して路面の滑り状態を推定する路面滑り状態推定手段と、からなることを特徴とする路面の滑り状態検出装置。
【請求項１】 車両の操舵量、横加速度、ヨーレート、車速を含む車両の運動に関する状態量を検出する検出手段と、所定の滑りを有する基準路面における基準車両運動モデル、及び前記基準路面と異なる滑りを有する他の路面における車両運動モデルの前記基準車両運動モデルからの変化量を予め記憶する車両運動モデル記憶手段と、前記基準車両運動モデルと前記検出手段で検出された検出状態量とに基づいて横加速度及びヨーレートの少なくとも一方を基準状態量として推定する基準状態量推定手段と、前記基準状態量推定手段で推定された基準状態量と前記検出手段で検出された検出状態量との残差を基準残差として演算する基準残差演算手段と、前記基準残差演算手段で演算された基準残差の時系列データを蓄積する基準残差時系列データ蓄積手段と、前記車両運動モデルの基準車両運動モデルからの変化量と前記検出手段で検出された検出状態量とに基づいて横加速度及びヨーレートの少なくとも一方の残差モデル値を他の路面について演算する残差モデル演算手段と、前記残差モデル演算手段で演算された残差モデル値の時系列データを蓄積する残差モデル時系列データ蓄積手段と、蓄積された基準残差時系列データと残差モデル時系列データとの時系列パターンとを比較して路面の滑り状態を推定する路面滑り状態推定手段と、からなることを特徴とする路面の滑り状態検出装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図８】
【図１８】
【図７】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１５】
【図１４】
【図１６】
【図１７】
【図１９】
【図２０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図８】
【図１８】
【図７】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１５】
【図１４】
【図１６】
【図１７】
【図１９】
【図２０】
【公開番号】特開平８−１１９１３１
【公開日】平成８年（１９９６）５月１４日
【国際特許分類】
【出願番号】特願平６−２６４２３６
【出願日】平成６年（１９９４）１０月２７日
【出願人】（０００００３６０９）株式会社豊田中央研究所 (4,200)
【出願人】（０００００３２０７）トヨタ自動車株式会社 (59,920)
【公開日】平成８年（１９９６）５月１４日
【国際特許分類】
【出願日】平成６年（１９９４）１０月２７日
【出願人】（０００００３６０９）株式会社豊田中央研究所 (4,200)
【出願人】（０００００３２０７）トヨタ自動車株式会社 (59,920)
[ Back to top ]