车辆控制装置

技术领域

本发明涉及一种车辆控制装置，特别涉及控制系统在故障情况下仍可操作(フェールオペレーショナル)。

背景技术

作为本技术领域的背景技术，有日本专利特开2012-121380号公报(专利文献1)。在该公报中，以“在控制车辆状态的各种设备发生了故障的情况下，稳定地维持使与故障的设备对应的状态控制量恢复到中立点之前的过渡过程中的车辆行为”为课题，作为解决手段有以下记载：“具备控制单元，该控制单元根据异常侧车轮的舵角的返回量，对对应于没有状态异常的另一方的正常侧车轮的舵角和左右制驱动力差进行控制。”

现有技术文献

专利文献

专利文献1：日本专利特开2012-121380号公报

发明内容

发明要解决的问题

在上述背景技术中，记载了在车轮舵角可变单元发生了异常的情况下防止异常车轮返回中立点之前的行为不稳定化的方法。

然而，在进行基于模型控制的自动驾驶系统中，由于故障的实际车辆与本车模型之间发生背离，因此有必要将故障状态反映在车辆模型中。这是一种被称为系统辨识的复杂问题，难以在廉价的ECU上实时解决。因此，有必要简易化本车故障模型的辨识，提高故障发生时的实际车辆状态与本车模型的一致性。

本发明鉴于上述问题而完成，提供一种提高车辆控制装置的控制的稳定性的手段。

解决问题的技术手段

为了解决上述问题，本发明的一个实施方式可以使用例如权利要求书中所记载的技术思想。具体而言，可以通过基于故障信息来将本车模型的故障部位更新为固定值，使对检测出故障的执行机构控制装置覆盖状态的指令值固定化，从而能够取得实际车辆的行为与本车模型的行为的匹配来解决。

发明的效果

根据本发明，通过减少车辆的故障模式，可以简易化故障的实际车辆与本车模型的系统辨识。由此，可以在廉价的ECU上更新模型以及继续行驶。

附图说明

图1为车辆控制系统的构成例。

图2为车辆系统的构成例。

图3为自动驾驶ECU的构成例。

图4为自动驾驶ECU的模型预测控制的动作流程例。

图5为VMC的动作流程例。

图6为故障通知装置的动作流程例。

图7为模型管理部的动作流程。

图8为模型模式表的例子。

图9为本车模型图像的例子。

具体实施方式

以下，将说明适合本发明的实施方式的例子(实施例)。本实施例主要说明车辆系统中的车辆控制系统以及车辆控制装置，虽然适合于在车辆系统中实施，但是不妨碍应用于车辆系统以外。

[实施例1]

车辆系统的构成

图2为具有本实施例的车辆控制系统的车辆系统的概况。201是在汽车等内部具有车辆控制装置的车辆系统，202是用于控制车辆的自动驾驶ECU(Electronic controlunit)(车辆控制装置)，203是取得地图等的信息的无线通信部，204是遵循车辆控制装置202的控制来控制车辆运动的、例如进行发动机、车轮、制动器以及操舵装置等的驱动的驱动装置(执行机构)，205是取得从外界输入的信息并输出用于生成外界识别信息的信息的照相机、传感器等的识别装置，206是表示车辆的速度、警告等必要信息的输出装置，207是踏板、方向盘等用于输入车辆操作的指示的输入装置，208是用于车辆系统201向外界通知车辆的状态等的灯、LED以及扬声器等通知装置。

自动驾驶ECU的构成

各种各样的汽车自动驾驶技术正在实现。许多自动驾驶技术是通过采用计算机的控制装置来实现的。图3是自动驾驶ECU202的框图。作为应用311，具有：传感器融合321，其处理来自传感器设备等外围装置的外部信息；地图融合322，其处理用于自动驾驶的地图信息；ADAS(Advanced Driving Assistant System先进驾驶辅助系统)323，其实现如下这样的功能：在即将与另一辆汽车追尾之前使自动制动器工作以停止该汽车、或在与前方行驶的汽车保持一定距离的状态下跟随、或以不超出车道的方式来控制转向；自动泊车324，其实现自动驻车；以及路线规划325，其生成用于自动驾驶的路线等。此外，在应用中使用的数据由共享数据管理部312统一处理、管理。像这样，可以省略在各应用中的数据管理功能，实现了在自动驾驶下的汽车的控制所要求的高速响应。

在用于自动驾驶的模型预测控制中，使用指令值生成部313生成的动作指令值，由模型管理部314来预测本车的行为，并使用预测结果，由评价部315来评价动作指令值。

操作系统使用了嵌入式OS316。硬件302具备：CPU331、存储器332、用于取得实时控制的时机的计时器333、用于访问网络的网络适配器334以及监视传感器等的外部状况的设备或自动制动装置等外围装置335。

<模型预测控制>

模型预测控制是指使用了控制对象的行为模型的控制方法。将控制的车辆的行为模型化并保持，使用模型来预测车辆相对于各执行器的动作的行为。由此，搜索用于实现驾驶规划的最佳动作指令值。

图4为模型预测控制的流程。自动驾驶ECU202从传感器取得外界信息以及本车位置信息(S401)，基于取得到的信息生成本车的驾驶路线规划(S402)。然后生成使各执行机构204动作的动作指令值候选(S403)，基于生成的指令值，使用本车模型来预测车辆的行为(S404)。评价预测结果，在优异的情况下则更新动作指令值的候选(S405)。重复此操作直到指令值搜索结束(S405的“否”)。在预测结束了的情况下(S405的“是”)，输出最佳的动作指令值。此外，指令值搜索结束的判断使用指令值候选的生成次数、搜索时间、评价值的变动量以及评价值的停滞次数等。

<本车模型>

使用图9说明本车模型的例子。在图9中，x、y是车辆的坐标，φ是车辆的方向，v是车辆速度，θ是角速度，v’是将v以θ曲折时的行进矢量。设车身全长为L、1step的间隔为Δt、step数为t、车辆加速度为a时，1step后的车辆位置、方向以及速度由下式表示。

x

y

v

φ

<车辆控制系统>

使用图1说明车辆控制系统的构成例，该车辆控制系统实现执行机构故障时的故障情况下可操作。VMC(Vehicle Motion Controller车辆运动控制器)102获取由自动驾驶ECU202通过模型预测而生成的动作指令值，并变换为控制各执行机构的控制指令值。各执行机构的执行机构ECU(104～106)接收控制指令值，控制各执行机构(111～114、121～124、131)。

在执行机构的一部分发生了故障的情况下，故障通知装置101向自动驾驶ECU发送故障信息。自动驾驶ECU202基于故障信息进行模型管理部314的更新，指令值固定化装置103基于更新的模型来固定化对执行机构的控制指令值。

使用图5说明VMC102的动作流程例。VMC102检查从自动驾驶ECU202接收到的动作指令，检查动作指令是有效的信号或者是当前的执行机构等能够在车辆状态下实行的指令(S501)。然后，以满足动作指令的方式生成各执行机构(111～114、121～124、131)的控制指令(S502)。生成的控制指令被发送到各执行机构ECU(104～106)(S503)。各执行机构ECU(104～106)基于控制指令来控制各执行机构(111～114、121～124、131)。

<故障通知装置>

在执行机构(111～114、121～124、131)发生了故障的情况下，故障通知装置101将故障状态通知给自动驾驶ECU202。图6是故障通知装置101的动作流程例。故障通知装置101获取来自监视执行机构的状态的传感器的信息(S601)，进行是否故障的判断(S602)。当执行器(111～114、121～124、131)中任意一个有故障时(S602的“是”)，将故障信息通知给自动驾驶ECU(S603)。在没有故障的情况下(S602的“否”)，继续监视直到系统结束(S604的“否”)。

<模型管理部>

使用图7说明用于模型预测控制的模型管理部314的动作流程例。模型管理部314首先获取车辆信息(S701)，判断执行机构(111～114、121～124、131)是否有故障(S702)。在没有故障的情况下(S702的“否”)，通过本车模型来预测使用了自动驾驶ECU202生成的动作指令候选的情况下的车辆行为(S705)。预测出的车辆行为被发送到自动驾驶ECU202(S706)。执行机构(111～114、121～124、131)有故障的情况下(S702的“是”)，根据故障更新本车模型。本车模型的更新是以将故障的执行机构的输出固定为零的方式来更新。然后，根据更新后的模型，向故障的执行机构发送关闭指令(S703)。此外，模型更新以及对故障执行机构的指令也可以根据执行机构卡死等故障状况，而进行设定最大值固定、阶段性固定值等改变。此外，在可以用其他执行机构代替故障的执行机构的操作量的情况下，也可以以一边将故障的执行机构的指令值设为固定值一边用其他执行机构代替的方式来更新模型并继续动作。

<实施例的效果>

根据以上说明的实施例，在使用模型预测控制的自动驾驶系统中，当因故障发生而导致在本车的行为与本车行为模型之间发生了背离时，通过进行对实际车辆的指令值固定化和进行根据该指令值的本车模型更新，能够在不需要复杂的运算的情况下使执行机构故障时的实际车辆和本车模型的系统辨识简易化。因此，根据本实施例，即使在廉价的ECU上也能够取得因故障发生而导致的本车的实际行为和本车的行为模型的匹配，从而能够通过模型更新而继续行驶。

[实施例2]

<本车模型模式化>

使用图8说明本发明的第2实施例。省略说明与实施例1相同的构成。在本实施例中表示事先保持故障时的本车模型更新模式的例子。设想各执行机构的故障事例，事先制作、保持本车模型的更新模式候选。在执行机构发生了故障的情况下，模型管理部314选择可转变且最接近的更新模式，更新本车模型。指令值固定装置103根据所更新的本车模型来覆盖对执行机构的指令。

<实施例的效果>

根据以上说明的实施例，通过事先准备本车模型更新模式，可以简易化执行机构故障时的本车模型候选的判断，减轻系统辨识的负荷。

[实施例3]

<控制指令值使用模型预测控制>

说明本发明的第3实施例。在本实施例中，说明模型预测控制的指令值候选使用控制指令值的例子。在本车模型中使用车辆动作及执行机构性能。在上述的式(1)～(4)的基础上，根据执行机构操作量求出加速度a和角速度θ。当动力总成的各车轮的操作量为P

a＝(P

θ＝S+((P

自动驾驶ECU202生成各执行机构的控制指令值候选，使用本车模型来预测车辆行为。VMC102获取所决定的控制指令值，确认是否为各执行机构(111～114、121～124、131)能使用的指令值，并发送到各执行机构ECU(104～106)。

<实施例的效果>

根据以上说明的实施例，通过将执行机构控制指令值作为模型预测控制的搜索对象，可以更稳定地继续行驶。

符号说明

101 故障通知装置

102 VMC

103 指令值固定化装置

104 制动ECU

105 动力总成ECU

106 转向ECU

111 右前制动器

112 左前制动器

113 右后制动器

114 左后制动器

121 右前动力总成

122 左前动力总成

123 右后动力总成

124 左后动力总成

131 转向器

201 车辆系统

202 自动驾驶ECU

203 无线通信部

204 驱动装置

205 识别装置

206 输出装置

207 输入装置

301 软件

302 硬件

311 应用部

312 共享数据管理部

313 指令值生成部

314 模型管理部

315 评价部

316 OS

321 传感器融合

322 地图融合

323 ADAS

324 自动泊车

325 路线规划

331 CPU

332 存储器

333 计时器

334 网络适配器

335 外围装置。