JP7615943B2

JP7615943B2 - Vehicle control device

Info

Publication number: JP7615943B2
Application number: JP2021122455A
Authority: JP
Inventors: 聡悟鈴木
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2021-07-27
Filing date: 2021-07-27
Publication date: 2025-01-17
Anticipated expiration: 2041-07-27
Also published as: JP2023018375A

Description

この発明は車両の制御装置に関するものである。 This invention relates to a vehicle control device.

路面が上下にうねっている波状路のような悪路を走行する場合、駆動輪の回転速度が周期的に変動し、車両のパワートレインにおける動力伝達経路を構成しているシャフトに捩り共振が発生することがある。こうした捩り共振が発生すると、パワートレインに過大な負荷が作用するおそれがある。 When driving on rough roads, such as undulating roads, the rotational speed of the drive wheels fluctuates periodically, which can cause torsional resonance in the shafts that make up the power transmission path in the vehicle's powertrain. When this torsional resonance occurs, there is a risk that excessive load will be applied to the powertrain.

特許文献１には、走行用モータの回転角に基づいて回転速度変化量を算出し、回転速度変化量に基づいて共振が発生しているか否か判定することが開示されている。また、特許文献１には、共振が発生していると判定されるとトルクの指令値を低減させることが開示されている。モータのトルクを低減させることにより、パワートレインに作用する負荷を低減させることができる。 Patent Document 1 discloses that the amount of change in rotational speed is calculated based on the rotation angle of the driving motor, and whether or not resonance is occurring is determined based on the amount of change in rotational speed. Patent Document 1 also discloses that if it is determined that resonance is occurring, the torque command value is reduced. By reducing the torque of the motor, the load acting on the powertrain can be reduced.

特開２００８－０７２８６８号公報JP 2008-072868 A

ところが、共振が発生していると判定したときには、すでに共振が発生していて振幅がある程度大きくなっているため、相当に大きな負荷がシャフトに作用してしまっている。これに対して、より早い時点で判定結果を出力するために判定に用いる閾値を小さくすると、偽陽性の判定が増えてしまう。すなわち、実際には共振が発生していなくても共振が発生していると判定されてトルクが低減されてしまう。 However, when it is determined that resonance is occurring, resonance has already occurred and the amplitude has become large to a certain extent, so a considerable load is acting on the shaft. In contrast, if the threshold value used for the determination is reduced in order to output the determination result at an earlier point in time, the number of false positive determinations will increase. In other words, even if resonance is not actually occurring, it will be determined that resonance is occurring and the torque will be reduced.

以下、上記課題を解決するための手段及びその作用効果について記載する。
上記課題を解決するための車両の制御装置は、車両に搭載されている駆動力源から駆動輪に駆動力を伝達する動力伝達経路を構成しているシャフトにおける実測トルクのデータと、前記車両の各車輪の回転速度及び前記駆動力源の回転軸の回転速度及び前記車両の加速度及び前記駆動力源へのトルク指令値を含む説明変数の前記実測トルクの測定時点以前の既定の長さの期間における時系列データと、を含む訓練データを用いて、前記既定の長さの期間における前記説明変数の時系列データからなる入力データに基づいて前記シャフトのトルクを算出する長期短期記憶ニューラルネットワークを訓練した学習済みモデルのデータが記憶されている記憶装置を備えている。また、この車両の制御装置は、前記入力データを前記記憶装置に記憶されている前記学習済みモデルに入力して前記シャフトにおけるトルクを算出する算出処理と、前記算出処理を通じて算出された前記シャフトにおけるトルクの推定値に基づいて前記車両のパワートレインに過大な負荷が作用すると判定したときに前記駆動力源で発生させるトルクを低減する回避処理と、を実行する処理回路を備えている。 The means for solving the above problems and their effects will be described below.
A vehicle control device for solving the above problem includes a storage device in which learned model data is stored, the learned model being obtained by training a long-term short-term memory neural network that calculates the torque of the shaft based on input data consisting of time-series data of explanatory variables during a predetermined period of time using training data including data of actual torque in a shaft constituting a power transmission path that transmits driving force from a driving force source mounted on a vehicle to driving wheels, and time-series data of explanatory variables including the rotation speed of each wheel of the vehicle, the rotation speed of a rotating shaft of the driving force source, the acceleration of the vehicle, and a torque command value for the driving force source during a predetermined period of time prior to the time point of measuring the actual torque. The vehicle control device also includes a processing circuit that executes a calculation process of inputting the input data into the learned model stored in the storage device to calculate the torque of the shaft, and an avoidance process of reducing the torque generated by the driving force source when it is determined that an excessive load is acting on the powertrain of the vehicle based on an estimated value of the torque of the shaft calculated through the calculation process.

捩り共振によってパワートレインに負荷が作用しているときには、シャフトに大きな捩りトルクが作用している。すなわち、シャフトのトルクには、回転速度変化量などに比べて、より直接的にパワートレインへの負荷の大きさが現れる。 When a load is applied to the powertrain due to torsional resonance, a large torsional torque acts on the shaft. In other words, the torque on the shaft more directly reflects the magnitude of the load on the powertrain than, for example, the amount of change in rotational speed.

上記構成では、機械学習の一種である教師有り学習によって訓練した学習済みモデルを用いる。そして、学習済みモデルを用いて算出したトルクの推定値に基づいて過大な負荷が作用するか否かを判定する。要するに、上記構成によれば、トルクの推定値に基づいて回避処理を実行するため、トルクに基づいてより直接的にパワートレインに作用する負荷の変化を捉えてより的確に回避処理を実行することができる。 In the above configuration, a learned model trained by supervised learning, which is a type of machine learning, is used. Then, it is determined whether or not an excessive load is acting based on the torque estimate value calculated using the learned model. In short, with the above configuration, since the avoidance process is performed based on the torque estimate value, it is possible to more directly grasp the change in the load acting on the powertrain based on the torque and perform the avoidance process more accurately.

車両の制御装置の一態様では、前記説明変数に、アクセル操作量のデータが含まれている。
パワートレインにおいて発生させるトルクはアクセル操作量に応じて把握される要求出力の大きさに応じて変化する。すなわち、アクセル操作量は、車両への要求出力の大きさを示す指標値である。そのため、上記構成によれば、トルクの大きさを決定する要求出力の大きさと相関する情報を反映させてトルクを算出することができる。 In one aspect of the vehicle control device, the explanatory variables include data on the accelerator operation amount.
The torque generated in the powertrain changes according to the magnitude of the required output that is determined according to the accelerator operation amount. In other words, the accelerator operation amount is an index value that indicates the magnitude of the required output to the vehicle. Therefore, with the above configuration, it is possible to calculate the torque by reflecting information that is correlated with the magnitude of the required output that determines the magnitude of the torque.

車両の制御装置の一態様では、前記説明変数に、前記車両の速度である車速のデータが含まれている。
車速が異なっていれば、シャフトに作用するトルクは違ったものになる。すなわち、車速のデータもトルクに影響を与えるデータである。上記構成によれば、車速のデータも反映させてより正確にトルクを推定することができる。 In one aspect of the vehicle control device, the explanatory variables include data on a vehicle speed, which is the speed of the vehicle.
If the vehicle speed is different, the torque acting on the shaft will be different. In other words, the vehicle speed data also affects the torque. With the above configuration, the torque can be estimated more accurately by reflecting the vehicle speed data.

車両が前記駆動力源としてモータを備えた車両である場合、前記説明変数に含まれる前記回転軸の回転速度は、前記モータの回転軸の回転速度であればよい。
車両の制御装置の一態様では、前記処理回路は、前記算出処理において、前記モータの回転軸のトルクを算出する。 In the case where the vehicle is equipped with a motor as the driving force source, the rotation speed of the rotating shaft included in the explanatory variables may be the rotation speed of the rotating shaft of the motor.
In one aspect of the vehicle control device, the processing circuit calculates the torque of the rotating shaft of the motor in the calculation process.

共振が発生する際には、トルク指令値に相当する大きさのトルクに対して捩り振動に起因するトルクが重なる。そして、共振の成長に伴ってトルクの振幅が次第に大きくなる。そのため、共振によって過大な負荷が作用するようになるまでの過程では、トルク推定値とトルク指令値との乖離が増大していく。 When resonance occurs, the torque caused by torsional vibration is superimposed on the torque of a magnitude equivalent to the torque command value. As the resonance grows, the torque amplitude gradually increases. Therefore, in the process until the resonance causes an excessive load to act, the deviation between the torque estimate value and the torque command value increases.

そこで、車両の制御装置の一態様では、前記処理回路は、前記算出処理において算出したトルクの値であるトルク推定値と前記モータへのトルク指令値との乖離の大きさが閾値より大きいときに、前記車両のパワートレインに過大な負荷が作用すると判定する。こうした構成によっても、回避処理の実行タイミングを判定することができる。 In one embodiment of the vehicle control device, the processing circuit determines that an excessive load is acting on the vehicle's powertrain when the magnitude of deviation between a torque estimate value, which is the torque value calculated in the calculation process, and a torque command value for the motor is greater than a threshold value. With this configuration, it is also possible to determine the timing for executing the avoidance process.

図１は、一実施形態の車両の制御装置であるシステムコントロールユニットと、車両のパワートレインとの関係を示す模式図である。FIG. 1 is a schematic diagram showing the relationship between a system control unit, which is a vehicle control device according to one embodiment, and a power train of the vehicle. 図２は、トルクの算出に用いるニューラルネットワークの構造を示す模式図である。FIG. 2 is a schematic diagram showing the structure of a neural network used to calculate torque. 図３は、再帰型ニューラルネットワークの構造を示す模式図である。FIG. 3 is a schematic diagram showing the structure of a recurrent neural network. 図４は、学習済みモデルの訓練処理にかかるルーチンにおける一連の流れを示すフローチャートである。FIG. 4 is a flowchart showing a series of steps in a routine for training a learned model. 図５は、上記のシステムコントロールユニットが実行する算出処理にかかるルーチンにおける一連の処理の流れを示すフローチャートである。FIG. 5 is a flowchart showing a series of steps in a routine related to the calculation process executed by the system control unit.

以下、車両に搭載される車両の制御装置の一実施形態について、図１～図５を参照して説明する。
＜車両の構成＞
図１に示すように、制御対象である車両１０は、エンジン５０を備えている。また、車両１０は、電力を蓄えるバッテリ３０を備えている。さらに車両１０は、第１モータジェネレータ１１と第２モータジェネレータ１２とを備えている。これら第１モータジェネレータ１１及び第２モータジェネレータ１２は、バッテリ３０からの給電に応じて駆動力を発生するモータであり、外部からの動力を受けてバッテリ３０に充電する電力を発電する発電機としての機能も兼ね備えている。 Hereinafter, an embodiment of a vehicle control device mounted on a vehicle will be described with reference to FIGS.
<Vehicle configuration>
As shown in Fig. 1, a vehicle 10 to be controlled includes an engine 50. The vehicle 10 also includes a battery 30 for storing electric power. The vehicle 10 further includes a first motor generator 11 and a second motor generator 12. The first motor generator 11 and the second motor generator 12 are motors that generate driving force in response to power supplied from the battery 30, and also function as generators that receive external power and generate electric power to charge the battery 30.

さらに、車両１０には、サンギア１４、プラネタリキャリア１５、リングギア１６の３つの回転要素を有する遊星ギア機構１３が設けられている。遊星ギア機構１３のプラネタリキャリア１５には、エンジン５０の回転軸であるクランクシャフト５９が連結されており、遊星ギア機構１３のサンギア１４には第１モータジェネレータ１１の回転軸に連結された第１インプットシャフト２５が連結されている。また、遊星ギア機構１３のリングギア１６には、カウンタドライブギア１７が一体に設けられている。カウンタドライブギア１７には、カウンタドリブンギア１８が噛み合わされている。そして、このカウンタドリブンギア１８には、リダクションギア１９が噛み合わされている。リダクションギア１９には、第２モータジェネレータ１２の回転軸に連結された第２インプットシャフト２６が連結されている。 The vehicle 10 is further provided with a planetary gear mechanism 13 having three rotating elements: a sun gear 14, a planetary carrier 15, and a ring gear 16. A crankshaft 59, which is the rotating shaft of the engine 50, is connected to the planetary carrier 15 of the planetary gear mechanism 13, and a first input shaft 25, which is connected to the rotating shaft of the first motor generator 11, is connected to the sun gear 14 of the planetary gear mechanism 13. A counter drive gear 17 is integrally provided to the ring gear 16 of the planetary gear mechanism 13. A counter driven gear 18 is meshed with the counter drive gear 17. A reduction gear 19 is meshed with the counter driven gear 18. A second input shaft 26, which is connected to the rotating shaft of the second motor generator 12, is connected to the reduction gear 19.

また、カウンタドリブンギア１８には、ファイナルドライブギア２０が一体回転可能に連結されている。ファイナルドライブギア２０には、ファイナルドリブンギア２１が噛み合わされている。そして、ファイナルドリブンギア２１には、差動機構２２を介して、駆動輪２３の駆動軸２４が連結されている。 The counter driven gear 18 is connected to a final drive gear 20 so that they can rotate together. The final drive gear 20 is meshed with a final driven gear 21. The final driven gear 21 is connected to a drive shaft 24 of a drive wheel 23 via a differential mechanism 22.

＜システムコントロールユニット１００について＞
システムコントロールユニット１００は、プログラムが記憶されている記憶装置１２０と、記憶装置１２０に記憶されているプログラムを実行して各種の制御を実行する処理回路１１０と、を備えている。システムコントロールユニット１００は、パワーコントロールユニット２００及びエンジンコントロールユニット３００と接続されている。 <Regarding the system control unit 100>
The system control unit 100 includes a storage device 120 in which programs are stored, and a processing circuit 110 that executes various controls by executing the programs stored in the storage device 120. The system control unit 100 is connected to a power control unit 200 and an engine control unit 300.

＜パワーコントロールユニット２００について＞
第１モータジェネレータ１１及び第２モータジェネレータ１２は、パワーコントロールユニット２００を介してバッテリ３０に接続されている。パワーコントロールユニット２００は、制御部とインバータとコンバータとを含んでいる。パワーコントロールユニット２００は、システムコントロールユニット１００からの指令に基づいて動作する。そしてパワーコントロールユニット２００は、バッテリ３０から第１モータジェネレータ１１及び第２モータジェネレータ１２への給電量と、第１モータジェネレータ１１及び第２モータジェネレータ１２からバッテリ３０への充電量とを調整する。なお、車両１０には外部電源４０と接続可能なコネクタ３１が設けられている。そのため、バッテリ３０は、外部電源４０からの供給電力によっても充電可能である。すなわち、車両１０は、プラグインハイブリッド車である。 <Power control unit 200>
The first motor generator 11 and the second motor generator 12 are connected to the battery 30 via a power control unit 200. The power control unit 200 includes a control unit, an inverter, and a converter. The power control unit 200 operates based on a command from the system control unit 100. The power control unit 200 adjusts the amount of power supplied from the battery 30 to the first motor generator 11 and the second motor generator 12, and the amount of charge from the first motor generator 11 and the second motor generator 12 to the battery 30. The vehicle 10 is provided with a connector 31 that can be connected to an external power source 40. Therefore, the battery 30 can also be charged by the power supplied from the external power source 40. In other words, the vehicle 10 is a plug-in hybrid vehicle.

＜エンジンコントロールユニット３００について＞
エンジンコントロールユニット３００は、システムコントロールユニット１００からの指令に基づいてエンジン５０を制御する。 <Regarding the engine control unit 300>
The engine control unit 300 controls the engine 50 based on commands from the system control unit 100 .

エンジンコントロールユニット３００には、エンジン５０の運転状態を検出する各種センサの検出信号が入力されている。エンジンコントロールユニット３００に検出信号を入力するセンサには、クランクシャフト５９の回転角を検出するクランクポジションセンサ１３３が含まれている。なお、クランクポジションセンサ１３３は、クランクシャフト５９の回転位相の変化に応じたクランク角信号を出力する。 Detection signals from various sensors that detect the operating state of the engine 50 are input to the engine control unit 300. The sensors that input detection signals to the engine control unit 300 include a crank position sensor 133 that detects the rotation angle of the crankshaft 59. The crank position sensor 133 outputs a crank angle signal that corresponds to changes in the rotation phase of the crankshaft 59.

エンジンコントロールユニット３００には、これらのセンサの検出信号が入力されている。エンジンコントロールユニット３００は、クランクポジションセンサ１３３から入力されるクランクシャフト５９の回転角の検出信号に基づいてクランクシャフト５９の回転速度である機関回転速度を算出する。 The detection signals of these sensors are input to the engine control unit 300. The engine control unit 300 calculates the engine rotation speed, which is the rotation speed of the crankshaft 59, based on the detection signal of the rotation angle of the crankshaft 59 input from the crank position sensor 133.

また、図１に示すように、システムコントロールユニット１００には、アクセル操作量を検出するアクセルポジションセンサ１３０と、車両１０の速度である車速を検出する車速センサ１３２とが接続されている。そして、アクセルポジションセンサ１３０の検出信号と車速センサ１３２の検出信号はシステムコントロールユニット１００に入力されている。また、システムコントロールユニット１００には、Ｇセンサ１３４が接続されている。Ｇセンサ１３４は、３軸の加速度センサであり、車両１０の前後、左右、上下方向の加速度を検出する。さらに、システムコントロールユニット１００には、車両１０の前後左右の各車輪、すなわち４つの車輪それぞれの回転速度を検出する車輪速センサ１３５～１３８が接続されている。なお、車輪速センサ１３５は、右前輪の回転速度を検出する。車輪速センサ１３６は、左前輪の回転速度を検出する。車輪速センサ１３７は、右後輪の回転速度を検出する。車輪速センサ１３８は左後輪の回転速度を検出する。なお、車両１０では、右前輪と左前輪が駆動輪２３になっている。 As shown in FIG. 1, the system control unit 100 is connected to an accelerator position sensor 130 that detects the accelerator operation amount and a vehicle speed sensor 132 that detects the vehicle speed, which is the speed of the vehicle 10. The detection signals of the accelerator position sensor 130 and the vehicle speed sensor 132 are input to the system control unit 100. The system control unit 100 is also connected to a G sensor 134. The G sensor 134 is a three-axis acceleration sensor that detects the acceleration in the front-rear, left-right, and up-down directions of the vehicle 10. Furthermore, the system control unit 100 is connected to wheel speed sensors 135 to 138 that detect the rotation speed of each of the front-rear, left-right, and up-down wheels of the vehicle 10. The wheel speed sensor 135 detects the rotation speed of the right front wheel. The wheel speed sensor 136 detects the rotation speed of the left front wheel. The wheel speed sensor 137 detects the rotation speed of the right rear wheel. The wheel speed sensor 138 detects the rotation speed of the left rear wheel. In addition, the right and left front wheels of the vehicle 10 are drive wheels 23.

また、パワーコントロールユニット２００には、バッテリ３０の電流、電圧及び温度が入力されている。パワーコントロールユニット２００は、これら電流、電圧及び温度に基づき、バッテリ３０の充電容量に対する充電残量の比率である充電状態指標値ＳＯＣを算出している。 The current, voltage, and temperature of the battery 30 are also input to the power control unit 200. Based on the current, voltage, and temperature, the power control unit 200 calculates a state of charge index value SOC, which is the ratio of the remaining charge to the charge capacity of the battery 30.

エンジンコントロールユニット３００とパワーコントロールユニット２００は、それぞれシステムコントロールユニット１００に接続されている。そして、システムコントロールユニット１００とパワーコントロールユニット２００とエンジンコントロールユニット３００とのそれぞれが、センサから入力された検出信号に基づく情報や算出した情報を相互にやりとりし、共有している。 The engine control unit 300 and the power control unit 200 are each connected to the system control unit 100. The system control unit 100, the power control unit 200, and the engine control unit 300 exchange and share information based on detection signals input from sensors and calculated information.

システムコントロールユニット１００は、これらの情報に基づき、エンジンコントロールユニット３００に指令を出力し、エンジンコントロールユニット３００を通じてエンジン５０を制御する。また、システムコントロールユニット１００は、これらの情報に基づいてパワーコントロールユニット２００に指令を出力する。これにより、システムコントロールユニット１００は、パワーコントロールユニット２００を通じて第１モータジェネレータ１１及び第２モータジェネレータ１２の制御と、バッテリ３０の充電制御とを行う。このようにシステムコントロールユニット１００は、パワーコントロールユニット２００とエンジンコントロールユニット３００とに指令を出力することにより車両１０を制御する。すなわち、システムコントロールユニット１００は、車両１０を制御する制御装置である。 The system control unit 100 outputs commands to the engine control unit 300 based on this information, and controls the engine 50 through the engine control unit 300. The system control unit 100 also outputs commands to the power control unit 200 based on this information. As a result, the system control unit 100 controls the first motor generator 11 and the second motor generator 12, and controls the charging of the battery 30 through the power control unit 200. In this way, the system control unit 100 controls the vehicle 10 by outputting commands to the power control unit 200 and the engine control unit 300. In other words, the system control unit 100 is a control device that controls the vehicle 10.

＜車両１０の制御＞
続いて、こうしたシステムコントロールユニット１００が行う車両１０の制御について詳しく説明する。 <Control of vehicle 10>
Next, the control of the vehicle 10 performed by the system control unit 100 will be described in detail.

システムコントロールユニット１００は、アクセル操作量と車速とに基づき、車両１０の出力の要求値である要求出力を演算する。そして、システムコントロールユニット１００は、要求出力やバッテリ３０の充電状態指標値ＳＯＣなどに応じて、エンジン５０、第１モータジェネレータ１１及び第２モータジェネレータ１２のトルク配分を決定する。そして、エンジン５０の出力と、第１モータジェネレータ１１、第２モータジェネレータ１２による力行／回生とを制御する。なお、システムコントロールユニット１００は、充電状態指標値ＳＯＣの大きさによって車両１０の走行モードを切り替える。 The system control unit 100 calculates the required output, which is the required value of the output of the vehicle 10, based on the accelerator operation amount and the vehicle speed. The system control unit 100 then determines the torque distribution of the engine 50, the first motor generator 11, and the second motor generator 12 according to the required output and the state of charge index value SOC of the battery 30. The system control unit 100 then controls the output of the engine 50 and the power running/regeneration by the first motor generator 11 and the second motor generator 12. The system control unit 100 switches the driving mode of the vehicle 10 depending on the magnitude of the state of charge index value SOC.

システムコントロールユニット１００は、充電状態指標値ＳＯＣが一定の水準を超えている場合には、エンジン５０を作動させずに第２モータジェネレータ１２による駆動力や第１モータジェネレータ１１による駆動力によって走行するモータ走行モードを選択する。すなわち、システムコントロールユニット１００は、バッテリ３０の充電残量に十分な余裕がある場合には、モータ走行モードを選択する。 When the state of charge index value SOC exceeds a certain level, the system control unit 100 selects a motor driving mode in which the engine 50 is not operated and the vehicle is driven by the driving force of the second motor generator 12 or the driving force of the first motor generator 11. In other words, the system control unit 100 selects the motor driving mode when the battery 30 has a sufficient remaining charge.

一方で、システムコントロールユニット１００は、充電状態指標値ＳＯＣが一定の水準以下になった場合には、第１モータジェネレータ１１及び第２モータジェネレータ１２に加えて、エンジン５０を使用して走行するハイブリッド走行モードを選択する。 On the other hand, when the state of charge index value SOC falls below a certain level, the system control unit 100 selects a hybrid driving mode in which the engine 50 is used in addition to the first motor generator 11 and the second motor generator 12.

なお、システムコントロールユニット１００は、充電状態指標値ＳＯＣが一定の水準を超えている場合であっても、次のような場合には、ハイブリッド走行モードを選択する。
・車速がモータ走行モードの上限車速を超えているとき。 Even if the state of charge index value SOC exceeds a certain level, the system control unit 100 selects the hybrid driving mode in the following cases.
- When the vehicle speed exceeds the upper limit of the motor driving mode.

・アクセル操作量が大きい急加速のときなど、一時的に大きな出力が必要なとき。
・エンジン５０の始動が必要なとき。
システムコントロールユニット１００は、ハイブリッド走行モードを選択している場合には、エンジン５０を始動させる際に第１モータジェネレータ１１をスタータモータとして機能させる。具体的には、システムコントロールユニット１００は、第１モータジェネレータ１１によってサンギア１４を回転させることによりクランクシャフト５９を回転させてエンジン５０を始動する。 - When a large amount of power is temporarily required, such as during rapid acceleration with a large amount of accelerator pedal operation.
When it is necessary to start the engine 50.
When the hybrid driving mode is selected, the system control unit 100 causes the first motor generator 11 to function as a starter motor when starting the engine 50. Specifically, the system control unit 100 causes the first motor generator 11 to rotate the sun gear 14, thereby rotating the crankshaft 59 and starting the engine 50.

また、システムコントロールユニット１００は、ハイブリッド走行モードを選択している場合には、充電状態指標値ＳＯＣの大きさに応じて停車時の制御を切り替える。具体的には、充電状態指標値ＳＯＣが閾値以上である場合には、システムコントロールユニット１００は、エンジン５０の運転を停止させ、第１モータジェネレータ１１及び第２モータジェネレータ１２の駆動も行わない。すなわち、システムコントロールユニット１００は、停車時にエンジン５０の運転を停止させてアイドリング運転を抑制する。なお、バッテリ３０の充電状態指標値ＳＯＣが閾値未満である場合には、システムコントロールユニット１００は、エンジン５０を運転させる。そして、エンジン５０の出力によって第１モータジェネレータ１１を駆動して第１モータジェネレータ１１を発電機として機能させる。 When the hybrid driving mode is selected, the system control unit 100 switches the control during the vehicle stop according to the magnitude of the state of charge index value SOC. Specifically, when the state of charge index value SOC is equal to or greater than a threshold value, the system control unit 100 stops the operation of the engine 50 and does not drive the first motor generator 11 and the second motor generator 12. That is, the system control unit 100 stops the operation of the engine 50 during the vehicle stop to suppress idling. Note that, when the state of charge index value SOC of the battery 30 is less than the threshold value, the system control unit 100 operates the engine 50. Then, the first motor generator 11 is driven by the output of the engine 50 to function as a generator.

システムコントロールユニット１００は、ハイブリッド走行モードを選択している場合には、走行中にも充電状態指標値ＳＯＣに応じて制御を切り替える。発進時及び軽負荷走行時において、バッテリ３０の充電状態指標値ＳＯＣが閾値以上である場合には、システムコントロールユニット１００は、第２モータジェネレータ１２の駆動力のみによって車両１０の発進及び走行を行う。この場合、エンジン５０は停止しており、第１モータジェネレータ１１による発電も行われない。一方で発進時及び軽負荷走行時において、バッテリ３０の充電状態指標値ＳＯＣが閾値未満である場合には、システムコントロールユニット１００は、エンジン５０を始動して第１モータジェネレータ１１で発電を行い、発電した電力をバッテリ３０に充電する。このときには、車両１０は、エンジン５０の駆動力の一部と第２モータジェネレータ１２の駆動力とによって走行する。定常走行時において、バッテリ３０の充電状態指標値ＳＯＣが閾値以上である場合には、システムコントロールユニット１００は、運転効率の高い状態でエンジン５０を運転させ、車両１０を主にエンジン５０の出力で走行させる。このときには、エンジン５０の動力は遊星ギア機構１３を介して駆動輪２３側と第１モータジェネレータ１１側とに分割される。これにより、車両１０は、第１モータジェネレータ１１で発電を行いながら走行する。そして、システムコントロールユニット１００は発電した電力によって第２モータジェネレータ１２を駆動し、第２モータジェネレータ１２の動力によってエンジン５０の動力を補助する。一方で定常走行時において、バッテリ３０の充電状態指標値ＳＯＣが閾値未満である場合には、システムコントロールユニット１００は機関回転速度をより高くする。そして、第１モータジェネレータ１１で発電された電力を第２モータジェネレータ１２の駆動に使用するとともに、余剰の電力をバッテリ３０に充電する。なお、加速時には、システムコントロールユニット１００は機関回転速度を高めるとともに、第１モータジェネレータ１１で発電された電力を第２モータジェネレータ１２の駆動に使用する。これにより、エンジン５０の動力と第２モータジェネレータ１２の動力とによって車両１０を加速させる。そして、システムコントロールユニット１００は減速時には、エンジン５０の運転を停止させる。そして、システムコントロールユニット１００は第２モータジェネレータ１２を発電機として機能させ、発電した電力をバッテリ３０に充電する。車両１０では、こうした発電によって生じる抵抗をブレーキとして利用する。こうした減速時の発電制御を回生制御という。 When the hybrid driving mode is selected, the system control unit 100 switches control according to the state of charge index value SOC even during driving. When the state of charge index value SOC of the battery 30 is equal to or greater than the threshold value when starting or during light load driving, the system control unit 100 starts and drives the vehicle 10 using only the driving force of the second motor generator 12. In this case, the engine 50 is stopped, and the first motor generator 11 does not generate electricity. On the other hand, when the state of charge index value SOC of the battery 30 is less than the threshold value when starting or during light load driving, the system control unit 100 starts the engine 50, generates electricity using the first motor generator 11, and charges the generated electricity into the battery 30. At this time, the vehicle 10 runs using part of the driving force of the engine 50 and the driving force of the second motor generator 12. During steady running, when the state of charge index value SOC of the battery 30 is equal to or higher than the threshold value, the system control unit 100 operates the engine 50 in a state of high operating efficiency, and runs the vehicle 10 mainly with the output of the engine 50. At this time, the power of the engine 50 is divided between the drive wheels 23 side and the first motor generator 11 side via the planetary gear mechanism 13. As a result, the vehicle 10 runs while generating power with the first motor generator 11. Then, the system control unit 100 drives the second motor generator 12 with the generated power, and the power of the second motor generator 12 assists the power of the engine 50. On the other hand, during steady running, when the state of charge index value SOC of the battery 30 is less than the threshold value, the system control unit 100 increases the engine rotation speed. Then, the power generated by the first motor generator 11 is used to drive the second motor generator 12, and the surplus power is charged to the battery 30. During acceleration, the system control unit 100 increases the engine speed and uses the power generated by the first motor generator 11 to drive the second motor generator 12. This allows the vehicle 10 to accelerate using the power of the engine 50 and the power of the second motor generator 12. During deceleration, the system control unit 100 stops the operation of the engine 50. The system control unit 100 then causes the second motor generator 12 to function as a generator, and the generated power is charged to the battery 30. In the vehicle 10, the resistance caused by this power generation is used as a brake. This power generation control during deceleration is called regenerative control.

＜共振による過大なトルクの作用について＞
ところで、路面が上下にうねっている波状路のような悪路を走行する場合、駆動輪２３の回転速度が周期的に変動し、パワートレインにおいて捩り共振が発生することがある。こうした捩り共振が発生すると、パワートレインにおける回転軸に振幅を徐々に拡大しながら捩りが繰り返し入力される。その結果、パワートレインに過大な負荷が作用するおそれがある。 <About the effect of excessive torque due to resonance>
When traveling on a rough road such as an undulating road, the rotation speed of the drive wheels 23 may periodically fluctuate, causing torsional resonance in the powertrain. When such torsional resonance occurs, a torsion is repeatedly input to the rotating shaft of the powertrain while gradually increasing in amplitude. As a result, there is a risk of an excessive load being applied to the powertrain.

なお、第１モータジェネレータ１１や第２モータジェネレータ１２は、トーショナルダンパやトルクコンバータを介さずに駆動輪２３と連結されている。そのため、第２モータジェネレータ１２の駆動力のみで走行しているときにこうした共振が発生すると、動力伝達経路である第２インプットシャフト２６に特に大きな負荷が作用しやすい。 The first motor generator 11 and the second motor generator 12 are connected to the drive wheels 23 without a torsional damper or torque converter. Therefore, if such resonance occurs while the vehicle is running using only the driving force of the second motor generator 12, a particularly large load is likely to act on the second input shaft 26, which is the power transmission path.

そこで、システムコントロールユニット１００は、第２インプットシャフト２６におけるトルクの推定値ｙを算出し、トルクの推定値ｙに基づいてこうした共振による過大な負荷が作用するか否かを判定する。そして、過大な負荷が作用すると判定した場合には、共振が成長して過大な負荷が作用する前に第２モータジェネレータ１２が発生するトルクを低減し、過大な負荷の作用を回避する回避処理を実行する。 The system control unit 100 then calculates an estimated torque value y on the second input shaft 26 and determines whether or not an excessive load due to such resonance is acting based on the estimated torque value y. If it determines that an excessive load is acting, it reduces the torque generated by the second motor generator 12 before the resonance grows and an excessive load is acting, and executes an avoidance process to avoid the excessive load acting.

＜学習済みモデルについて＞
次に、第２インプットシャフト２６におけるトルクの推定値ｙの算出について説明する。システムコントロールユニット１００の記憶装置１２０には、推定値ｙの算出に用いる学習済みモデルのデータが記憶されている。 <About the trained model>
Next, a description will be given of the calculation of the estimated value y of the torque in the second input shaft 26. The storage device 120 of the system control unit 100 stores data of a trained model used to calculate the estimated value y.

このシステムコントロールユニット１００では、学習済みモデルとして、時系列データを時間軸に沿った推移の情報を保持したまま取り扱うことのできる長期短期記憶ニューラルネットワークを用いる。長期短期記憶ニューラルネットワークは、いわゆるＬＳＴＭ（Long Short-Term Memory）ニューラルネットワークである。ＬＳＴＭニューラルネットワークは再帰型ニューラルネットワークの一種である。 This system control unit 100 uses a long short-term memory neural network as the trained model, which can handle time series data while retaining information on the progression along the time axis. A long short-term memory neural network is a so-called LSTM (Long Short-Term Memory) neural network. An LSTM neural network is a type of recurrent neural network.

図２には、ＬＳＴＭニューラルネットワークを構成するニューラルネットワークを示している。なお、図２では、隣り合う層のノードを繋ぐ伝送路の表記を省略している。
図２の左端に示すように、このニューラルネットワークは、複数のノードを有する入力層を備えている。入力層のノードの数は、入力データＸを構成する説明変数の数と等しい。なお、入力データＸの内容については後述する。 Fig. 2 shows a neural network that constitutes an LSTM neural network. Note that in Fig. 2, the transmission lines connecting the nodes of adjacent layers are omitted.
2, this neural network has an input layer having a plurality of nodes. The number of nodes in the input layer is equal to the number of explanatory variables constituting the input data X. The contents of the input data X will be described later.

図２の右端に示すように、このニューラルネットワークは、１つのノードからなる出力層を備えている。この出力層は、第２インプットシャフト２６におけるトルクの推定値ｙを出力する。そして、このニューラルネットワークは、入力層と出力層の間に入力層よりもノードの数が少ない複数の層からなる隠れ層を備えている。 As shown on the right side of FIG. 2, this neural network has an output layer consisting of one node. This output layer outputs an estimated value y of the torque in the second input shaft 26. This neural network also has a hidden layer between the input layer and the output layer, which is made up of multiple layers with fewer nodes than the input layer.

このニューラルネットワークの隠れ層における活性化関数は例えば、ハイパボリックタンジェントである。なお、活性化関数はシグモイド関数でもよい。また活性化関数はＲｅＬＵ関数でもよい。また、隠れ層における層の数と、隠れ層の各層におけるノードの数は、推定値ｙを適切に推定できるように設計段階において調整した上で設定されるハイパーパラメータである。 The activation function in the hidden layer of this neural network is, for example, a hyperbolic tangent. The activation function may be a sigmoid function. The activation function may also be a ReLU function. The number of layers in the hidden layer and the number of nodes in each hidden layer are hyperparameters that are adjusted and set during the design stage so that the estimated value y can be appropriately estimated.

このニューラルネットワークでは、説明変数の時系列データである入力データＸを構成する説明変数を入力層に入力することにより、各伝送路に応じた重みをかけた値の和を活性化関数に入力する。そして、活性化関数の出力値を次の層に入力する。こうした演算を繰り返し、最終的に出力層から推定値ｙを出力する。 In this neural network, explanatory variables that make up the input data X, which is time-series data of explanatory variables, are input to the input layer, and the sum of values weighted according to each transmission path is input to the activation function. The output value of the activation function is then input to the next layer. These calculations are repeated, and finally an estimated value y is output from the output layer.

捩り共振は、波状路のような悪路を走行することにより、駆動輪２３を含む各車輪の回転速度が周期的に変動し、パワートレインの回転軸に対して共振周波数を含む特定の周波数域の繰り返し入力が行われることによって発生する。そこで、システムコントロールユニット１００では、説明変数として、車両１０の各車輪の回転速度及び第２モータジェネレータ１２の回転軸の回転速度及び車両１０の前後方向の加速度及び第２モータジェネレータ１２へのトルク指令値を用いる。また、説明変数には、アクセル操作量と、車速も含まれている。 Torsional resonance occurs when the rotational speed of each wheel, including the drive wheels 23, periodically fluctuates due to driving on a rough road such as an undulating road, and a specific frequency range including the resonance frequency is repeatedly input to the rotating shaft of the powertrain. Therefore, the system control unit 100 uses, as explanatory variables, the rotational speed of each wheel of the vehicle 10, the rotational speed of the rotating shaft of the second motor generator 12, the longitudinal acceleration of the vehicle 10, and the torque command value for the second motor generator 12. The explanatory variables also include the accelerator operation amount and the vehicle speed.

各車輪の回転速度を用いるのは、各車輪の回転速度の変動の状態を推定値ｙの算出に反映させるためである。各車輪の回転速度は、４つの車輪速センサ１３５～１３８によってそれぞれ検出された回転速度である。 The rotational speed of each wheel is used so that the fluctuations in the rotational speed of each wheel are reflected in the calculation of the estimated value y. The rotational speed of each wheel is the rotational speed detected by each of the four wheel speed sensors 135 to 138.

第２モータジェネレータ１２の回転軸の回転速度を用いるのは、回転軸の回転速度によって第２インプットシャフト２６に作用するトルクが違ったものになるためである。すなわち、第２モータジェネレータ１２の回転軸の回転速度は、第２インプットシャフト２６におけるトルクと相関を有するパラメータである。そこで、このモデルでは、説明変数にパワーコントロールユニット２００から取得する第２モータジェネレータ１２の回転軸の回転速度を含めることによって、推定値ｙの算出に反映させている。 The rotation speed of the rotating shaft of the second motor generator 12 is used because the torque acting on the second input shaft 26 differs depending on the rotation speed of the rotating shaft. In other words, the rotation speed of the rotating shaft of the second motor generator 12 is a parameter that has a correlation with the torque at the second input shaft 26. Therefore, in this model, the rotation speed of the rotating shaft of the second motor generator 12 obtained from the power control unit 200 is included in the explanatory variables, and is reflected in the calculation of the estimated value y.

車両１０の前後方向の加速度には、第２インプットシャフト２６を介して駆動輪２３に伝達された駆動力の変動の状態や路面のうねりの状態が反映される。このモデルでは、こうした情報を推定値ｙの算出に反映させるべく、Ｇセンサ１３４で検出される車両１０の前後方向の加速度を説明変数に含めている。 The longitudinal acceleration of the vehicle 10 reflects the fluctuation of the driving force transmitted to the drive wheels 23 via the second input shaft 26 and the undulating state of the road surface. In this model, the longitudinal acceleration of the vehicle 10 detected by the G sensor 134 is included as an explanatory variable so that such information is reflected in the calculation of the estimated value y.

また、このモデルでは、第２モータジェネレータ１２で発生させているトルクの大きさを推定値ｙの算出に反映させるために、第２モータジェネレータ１２へのトルク指令値も説明変数に含めている。トルク指令値はパワーコントロールユニット２００から取得する。 In addition, in this model, the torque command value to the second motor generator 12 is also included as an explanatory variable in order to reflect the magnitude of the torque generated by the second motor generator 12 in the calculation of the estimated value y. The torque command value is obtained from the power control unit 200.

パワートレインにおいて発生させるトルクは上述したようにアクセル操作量に応じて把握される要求出力の大きさに応じて変化する。すなわち、アクセル操作量は、車両１０への要求出力の大きさを示す指標値である。そのため、このモデルでは、トルクの大きさを決定する要求出力の大きさと相関する情報を反映させてトルクを算出するために、説明変数にアクセルポジションセンサ１３０によって検出されるアクセル操作量を含めている。 As described above, the torque generated in the powertrain changes according to the magnitude of the required output that is determined according to the accelerator operation amount. In other words, the accelerator operation amount is an index value that indicates the magnitude of the required output to the vehicle 10. Therefore, in this model, the accelerator operation amount detected by the accelerator position sensor 130 is included in the explanatory variables in order to calculate the torque by reflecting information that correlates with the magnitude of the required output that determines the magnitude of the torque.

また、車速が異なっていれば、要求出力の大きさは違ったものになる。また、第２インプットシャフト２６に作用するトルクは違ったものになる。すなわち、車速のデータもトルクに影響を与えるデータである。そこで、このモデルでは、車速センサ１３２によって検出される車速のデータも説明変数に含めている。 Furthermore, if the vehicle speed is different, the magnitude of the required output will be different. Also, the torque acting on the second input shaft 26 will be different. In other words, vehicle speed data is also data that affects the torque. Therefore, in this model, the vehicle speed data detected by the vehicle speed sensor 132 is also included as an explanatory variable.

システムコントロールユニット１００の処理回路１１０は、ある時点ｔにおける第２インプットシャフト２６のトルクを算出するために、時点ｔよりも前の既定期間Ｔの間に取得したデータから入力データＸを作成する。 The processing circuit 110 of the system control unit 100 creates input data X from data acquired during a predetermined period T prior to time t in order to calculate the torque of the second input shaft 26 at time t.

具体的には、システムコントロールユニット１００の処理回路１１０は、車両１０が第２モータジェネレータ１２の駆動力のみによって走行しているときに、一定の時間間隔で、説明変数を構成する上記のデータを取得する。そして、これらの値を記憶装置１２０に記憶させている。そして、処理回路１１０は、既定期間Ｔの間に取得された、説明変数の全ての値を入力データＸにする。すなわち、既定期間Ｔに取得した説明変数の時系列データを入力データＸにする。例えば、既定期間Ｔの間に１５回説明変数が収集される場合、入力データＸは、１５回収集された説明変数の集合である。具体的には、入力データＸは、既定期間Ｔにおいて最初に収集された説明変数のからなる収集データＸ（１）から既定期間Ｔにおいて最後に収集された説明変数からなる収集データＸ（１５）までの集合である。 Specifically, the processing circuit 110 of the system control unit 100 acquires the above data constituting the explanatory variables at regular time intervals when the vehicle 10 is running only by the driving force of the second motor generator 12. These values are then stored in the storage device 120. The processing circuit 110 then sets all values of the explanatory variables acquired during the predefined period T as input data X. That is, the time series data of the explanatory variables acquired during the predefined period T is set as input data X. For example, if explanatory variables are collected 15 times during the predefined period T, the input data X is a collection of explanatory variables collected 15 times. Specifically, the input data X is a collection from collected data X(1) consisting of explanatory variables collected first during the predefined period T to collected data X(15) consisting of explanatory variables collected last during the predefined period T.

なお、それぞれの説明変数は、上述したように、４つの車輪速センサ１３５～１３８によってそれぞれ検出された回転速度、第２モータジェネレータ１２の回転軸の回転速度、車両１０の前後方向の加速度、第２モータジェネレータ１２へのトルク指令値を含む。そして、アクセル操作量と車速を含む。そのため、各収集データは、これら９個の値からなる９次元のベクトルになっている。したがって、この場合、図２に示すニューラルネットワークの入力層は９個のノードを有している。 As described above, each explanatory variable includes the rotational speeds detected by the four wheel speed sensors 135 to 138, the rotational speed of the rotating shaft of the second motor generator 12, the longitudinal acceleration of the vehicle 10, and the torque command value for the second motor generator 12. The explanatory variables also include the accelerator operation amount and vehicle speed. Therefore, each collected data is a nine-dimensional vector made up of these nine values. Therefore, in this case, the input layer of the neural network shown in Figure 2 has nine nodes.

図３は、再帰型ニューラルネットワークの構成を模式的に示している。なお、図３において縦方向に延びている矢印は説明変数が入力される図２に示したニューラルネットワークの順伝播の方向を示している。なお、図３における「ｎ」は入力データＸにおける説明変数の時系列的な順番を示している。 Figure 3 shows a schematic diagram of a recurrent neural network. Note that the vertical arrows in Figure 3 indicate the direction of forward propagation of the neural network shown in Figure 2, where explanatory variables are input. Note that "n" in Figure 3 indicates the chronological order of explanatory variables in the input data X.

図３における右端に示した収集データＸ（ｎ）が入力されるニューラルネットワークは収集データＸ（ｎ）である９次元のベクトルを入力にして第２インプットシャフト２６におけるトルクの推定値ｙを出力する。すなわち、この場合には、収集データＸ（１５）が入力されるニューラルネットワークである。このニューラルネットワークは、推定値ｙを出力する出力層まで順伝播する全結合型ニューラルネットワークである。 The neural network shown on the right side of Figure 3 receives collected data X(n), which is a nine-dimensional vector, and outputs an estimate y of the torque at the second input shaft 26. In other words, in this case, collected data X(15) is input to the neural network. This neural network is a fully connected neural network that propagates forward to the output layer, which outputs the estimate y.

図３に示すように、既定期間Ｔにおいて最後に収集された収集データＸ（１５）が入力されるニューラルネットワークの隠れ層には、１つ前のタイミングで収集された収集データＸ（１４）が入力されるニューラルネットワークの隠れ層の出力が反映される。 As shown in FIG. 3, the output of the hidden layer of the neural network to which the collected data X (14) collected at the previous timing is input is reflected in the hidden layer of the neural network to which the collected data X (15) collected last during the predetermined period T is input.

図３に示すように、収集データＸ（１４）が入力されるニューラルネットワークの隠れ層には、既定期間Ｔにおいてさらに１つ前のタイミングで収集された収集データＸ（１３）が入力されるニューラルネットワークの隠れ層の出力が反映されるようになっている。このように各収集データが入力される各ニューラルネットワークには１つ前のタイミングで収集された収集データが入力されるニューラルネットワークにおける隠れ層の出力が反映されるようになっている。 As shown in FIG. 3, the output of the hidden layer of the neural network to which collected data X (14) is input is reflected in the hidden layer of the neural network to which collected data X (13) collected at the immediately previous timing during the predefined period T is input. In this way, each neural network to which collected data is input is adapted to reflect the output of the hidden layer of the neural network to which collected data collected at the immediately previous timing is input.

ＬＳＴＭニューラルネットワークは、ＬＳＴＭ（Long Short-Term Memory）ブロックと呼ばれる機構を、こうした再帰型ニューラルネットワークの各隠れ層に設け、時系列情報の伝播を調整することができるようにした再帰型ニューラルネットワークである。 The LSTM neural network is a recurrent neural network that has a mechanism called a Long Short-Term Memory (LSTM) block in each hidden layer of the recurrent neural network, making it possible to adjust the propagation of time-series information.

なお、ＬＳＴＭブロックは、誤差を内部に留めて勾配の消失を防ぐためのセルと、セルへの入力を制御する入力ゲートと、セルからの出力を制御する出力ゲートと、誤差が過剰にセルに停留することを防ぐ忘却ゲートと、からなっている。 The LSTM block consists of a cell that keeps the error inside and prevents the gradient from disappearing, an input gate that controls the input to the cell, an output gate that controls the output from the cell, and a forget gate that prevents the error from remaining in the cell too long.

なお、記憶装置１２０に記憶されている学習済みモデルは、予め行った走行実験の結果などから作成した、第２インプットシャフト２６のトルクの実測データの情報を含む訓練データＸ＿ｔｒを用いて予め教師有り学習されている。なお、訓練データＸ＿ｔｒを作成するためのデータの収集には、車両１０に第２インプットシャフト２６におけるトルクを測定するセンサを取り付けた実験用車両を用いる。そして、この実験用車両により様々な捩り共振の発生する悪路を含む様々な路面状況の走行路を様々な走行状態で走行する走行実験を繰り返しながら大量のデータを収集する。 The trained model stored in the storage device 120 has been trained in advance using training data X_tr, which includes information on the actual measured torque data of the second input shaft 26, and was created based on the results of a driving experiment conducted in advance. To collect data for creating the training data X_tr, an experimental vehicle equipped with a sensor that measures the torque in the second input shaft 26 is used. A large amount of data is collected by repeatedly conducting driving experiments in which the experimental vehicle is driven in various driving conditions on roads with various road surface conditions, including rough roads where various torsional resonances occur.

次に、推定値ｙの算出に用いる学習済みモデルを得るための訓練処理について図４を参照して説明する。
訓練データＸ＿ｔｒの生成は、予め行った実験の結果などから収集した大量のデータに基づいて行われる。ニューラルネットワークの訓練処理を実行するコンピュータは、収集したデータに基づいて訓練データＸ＿ｔｒを生成し、訓練データＸ＿ｔｒに基づいてニューラルネットワークを訓練する。 Next, the training process for obtaining a trained model used to calculate the estimated value y will be described with reference to FIG.
The training data X_tr is generated based on a large amount of data collected from the results of experiments conducted in advance, etc. A computer that executes the training process of the neural network generates the training data X_tr based on the collected data, and trains the neural network based on the training data X_tr.

＜訓練処理について＞
図４は、訓練処理にかかるルーチンにおける処理の流れを示すフローチャートである。コンピュータは、訓練処理において、まずステップＳ１００の処理において、説明変数の時系列データを読み込む。 <About training processing>
4 is a flowchart showing the flow of processing in a routine related to the training processing. In the training processing, the computer first reads time series data of explanatory variables in the processing of step S100.

そして、コンピュータは、次のステップＳ１１０の処理において、読み込んだ時系列データから複数の訓練データＸ＿ｔｒを生成する。なお、ここでの訓練データＸ＿ｔｒは、上述した１５個の収集データの集合に、第２インプットシャフト２６のトルクの実測データの情報を含めたデータである。具体的には、既定期間Ｔの間に収集された説明変数である収集データが時系列の順にＸ（１）～Ｘ（１５）に代入される。すなわち、Ｘ（１）に代入されるデータが既定期間Ｔにおける最も古い収集データであり、Ｘ（１５）に代入されるデータが既定期間Ｔにおける最新の収集データである。こうして入力データＸと同様の形式の時系列データを生成する。そして、実測トルクの測定時点に相当する時点ｔに対応する時系列データと、正解ラベルとしての実測トルクとを組み合わせて１つの訓練データＸ＿ｔｒを生成する。 Then, in the next step S110, the computer generates multiple training data X_tr from the read time series data. The training data X_tr here is data that includes information on the actual measurement data of the torque of the second input shaft 26 in addition to the set of 15 collected data described above. Specifically, the collected data, which are explanatory variables collected during the predefined period T, are substituted in chronological order into X(1) to X(15). That is, the data substituted into X(1) is the oldest collected data in the predefined period T, and the data substituted into X(15) is the latest collected data in the predefined period T. In this way, time series data in the same format as the input data X is generated. Then, one training data X_tr is generated by combining the time series data corresponding to the time t, which is the measurement time of the actual torque, with the actual torque as the correct answer label.

こうして読み込んだデータから無数の訓練データＸ＿ｔｒを生成すると、次にコンピュータは、ステップＳ１２０に処理を進める。そして、ステップＳ１２０の処理において、訓練データＸ＿ｔｒのうち入力データＸに相当するＸ（１）～Ｘ（１５）のデータをＬＳＴＭニューラルネットワークに入力してトルクの推定値ｙを算出する。 After generating an infinite number of training data X_tr from the data thus read, the computer proceeds to step S120. In step S120, data X(1) to X(15) from the training data X_tr, which corresponds to the input data X, is input to the LSTM neural network to calculate the torque estimate y.

そして、コンピュータは、次のステップＳ１３０の処理において、学習を行う。具体的には、ステップＳ１２０の処理を通じて算出した推定値ｙと推定に用いた訓練データＸ＿ｔｒにおける正解ラベルである実測トルクとの間の誤差が小さくなるように、ニューラルネットワークにおける重みを調整する。 Then, the computer performs learning in the next step S130. Specifically, the weights in the neural network are adjusted so that the error between the estimated value y calculated through the process of step S120 and the actual torque, which is the correct label in the training data X_tr used for the estimation, is reduced.

そして、コンピュータは、ステップＳ１２０の処理における推定値ｙの算出と、ステップＳ１３０の処理における重みの調整とを繰り返す。コンピュータは、ＬＳＴＭニューラルネットワークを用いて算出した推定値ｙの誤差が十分に小さくなると、学習が完了したと判定する。そして、学習済みのＬＳＴＭニューラルネットワークのデータを記憶装置１２０に記憶して訓練処理を終了させる。 The computer then repeats the calculation of the estimated value y in the process of step S120 and the adjustment of the weights in the process of step S130. When the error in the estimated value y calculated using the LSTM neural network becomes sufficiently small, the computer determines that learning is complete. Then, the computer stores the data of the trained LSTM neural network in the storage device 120 and ends the training process.

システムコントロールユニット１００の記憶装置１２０には、こうして訓練処理を通じて重みが調整された学習済みのＬＳＴＭニューラルネットワークのデータが記憶されている。すなわち、システムコントロールユニット１００の記憶装置１２０には、学習済みモデルが記憶されている。 The memory device 120 of the system control unit 100 stores data of the trained LSTM neural network whose weights have been adjusted through the training process. In other words, the memory device 120 of the system control unit 100 stores a trained model.

＜算出処理及び回避処理について＞
次に、システムコントロールユニット１００の処理回路１１０が実行するトルクの算出処理及び回避処理について説明する。処理回路１１０は、第２モータジェネレータ１２の駆動力のみで走行しているときに図５に示されているルーチンを繰り返し実行することによって第２インプットシャフト２６におけるトルクを算出する。そして、トルクの推定値ｙに基づいて捩り共振による過大な負荷が作用するか否かを判定する。そして、過大な負荷が作用すると判定した場合には、共振が成長して過大な負荷が作用する前に第２モータジェネレータ１２が発生するトルクを低減し、過大な負荷の作用を回避する回避処理を実行する。 <About calculation process and avoidance process>
Next, the torque calculation process and avoidance process executed by the processing circuit 110 of the system control unit 100 will be described. The processing circuit 110 calculates the torque at the second input shaft 26 by repeatedly executing the routine shown in Fig. 5 when the vehicle is traveling using only the driving force of the second motor generator 12. Then, based on the torque estimate y, it is determined whether or not an excessive load due to torsional resonance is applied. If it is determined that an excessive load is applied, the torque generated by the second motor generator 12 is reduced before the resonance grows and an excessive load is applied, and an avoidance process is executed to avoid the application of the excessive load.

システムコントロールユニット１００は、稼働している間、各種のセンサからの検出値を収集し、新しいデータが収集される度に更新しながら、既定期間Ｔの長さの分の説明変数の時系列データを常に記憶装置１２０に記憶している。 While the system control unit 100 is operating, it collects detection values from various sensors and constantly stores the time series data of explanatory variables for the length of a predefined period T in the storage device 120, updating the data each time new data is collected.

図５に示すルーチンを開始すると、処理回路１１０は、まずステップＳ２００の処理において、記憶装置１２０に記憶されている説明変数の時系列データを読み込む。そして、次に処理回路１１０は、ステップＳ２１０の処理において、読み込んだデータから入力データＸを整形する。 When the routine shown in FIG. 5 starts, the processing circuit 110 first reads the time series data of the explanatory variables stored in the storage device 120 in the process of step S200. Then, the processing circuit 110 shapes the input data X from the read data in the process of step S210.

具体的には、処理回路１１０は、読み込んだ既定期間Ｔにおける１５個の収集データを時系列の順にＸ（１）～Ｘ（１５）に代入する。コンピュータは、こうして１５個の収集データが時系列の順に並んだ入力データＸを整形する。 Specifically, the processing circuit 110 assigns the 15 collected data items during the read predetermined period T to X(1) through X(15) in chronological order. In this way, the computer formats the input data X in which the 15 collected data items are arranged in chronological order.

次に、処理回路１１０は、ステップＳ２２０の処理において、記憶装置１２０に記憶されている学習済みモデルに入力データＸを入力して、トルクの推定値ｙを算出する。
こうして推定値ｙを算出すると、処理回路１１０は、その値を記憶装置１２０に記憶させる。 Next, in step S220, the processing circuit 110 inputs the input data X to the trained model stored in the storage device 120 and calculates an estimated torque value y.
Having calculated the estimated value y in this manner, processing circuit 110 stores the value in storage device 120 .

そして、次のステップＳ２３０の処理において、処理回路１１０は、トルク推定値Ｔｉｎ＿ｐｒｅｄと第２モータジェネレータ１２へのトルク指令値Ｔｍｇとの乖離の大きさが閾値Ａよりも大きいか否かを判定する。具体的には、処理回路１１０は、推定値ｙをトルク推定値Ｔｉｎ＿ｐｒｅｄに代入し、トルク推定値Ｔｉｎ＿ｐｒｅｄから第２モータジェネレータ１２へのトルク指令値Ｔｍｇを引いた差の絶対値と閾値Ａを比較する。そして、絶対値が閾値Ａよりも大きい場合（ステップＳ２３０：ＹＥＳ）に、捩り共振による過大な負荷が作用すると判定して処理をステップＳ２４０へと進める。なお、閾値Ａの大きさは、絶対値の大きさが閾値Ａよりも大きいことに基づいて捩り共振による過大な負荷が作用すると判定することができる大きさに設定されている。 Then, in the next step S230, the processing circuit 110 determines whether the magnitude of the deviation between the torque estimation value Tin_pred and the torque command value Tmg to the second motor generator 12 is greater than the threshold value A. Specifically, the processing circuit 110 substitutes the estimation value y for the torque estimation value Tin_pred, and compares the absolute value of the difference obtained by subtracting the torque command value Tmg to the second motor generator 12 from the torque estimation value Tin_pred with the threshold value A. If the absolute value is greater than the threshold value A (step S230: YES), it is determined that an excessive load due to torsional resonance is acting, and the process proceeds to step S240. The magnitude of the threshold value A is set to a magnitude that allows it to be determined that an excessive load due to torsional resonance is acting based on the absolute value being greater than the threshold value A.

そして、ステップＳ２４０の処理において回避処理を実行する。
具体的には、処理回路１１０は、第２モータジェネレータ１２のトルクを低減させ、パワートレインが発生するトルクを低減させる。こうしてトルクを低減させることにより、車速が低下し、駆動輪２３の回転速度の変動の周期が長くなる。これにより、振幅の増大が抑制されて、回転軸に発生しているねじり振動が収束し、共振が発生しなくなる。 Then, in step S240, the avoidance process is executed.
Specifically, the processing circuit 110 reduces the torque of the second motor generator 12, and reduces the torque generated by the power train. By reducing the torque in this manner, the vehicle speed decreases and the period of fluctuation in the rotational speed of the drive wheels 23 becomes longer. This suppresses an increase in amplitude, converges the torsional vibration generated in the rotating shaft, and prevents resonance from occurring.

一方で、ステップＳ２３０の処理において絶対値が閾値Ａ以下であると判定がなされた場合（ステップＳ２３０：ＮＯ）には、処理回路１１０は、ステップＳ２４０の処理を実行せずにそのままこのルーチンを終了させる。すなわち、この場合には、処理回路１１０は、回避処理を実行しない。 On the other hand, if it is determined in step S230 that the absolute value is equal to or less than threshold value A (step S230: NO), processing circuit 110 ends this routine without executing step S240. In other words, in this case, processing circuit 110 does not execute the avoidance process.

システムコントロールユニット１００では、こうして捩り共振による過大な負荷が発生すると判定されたときに回避処理が必要であると判定し、回避処理を実行する。これにより、捩り共振に伴い、パワートレインに課題な負荷が作用することを抑制することができる。 When the system control unit 100 determines that excessive load due to torsional resonance will occur in this way, it determines that avoidance processing is necessary and executes the avoidance processing. This makes it possible to prevent problematic loads from being imposed on the powertrain due to torsional resonance.

＜本実施形態の作用＞
システムコントロールユニット１００では、既定期間Ｔにおいて収集した説明変数を時系列の順に整形した入力データＸが推定値ｙの算出処理に用いられる。 <Action of this embodiment>
In the system control unit 100, input data X, which is obtained by arranging explanatory variables collected during a predetermined period T in chronological order, is used in the calculation process of the estimated value y.

そして、算出処理では、実測トルクを含んでいる訓練データＸ＿ｔｒによって訓練処理が行われた学習済みモデルであるＬＳＴＭニューラルネットワークに入力データＸを入力して推定値ｙを算出する。 Then, in the calculation process, the input data X is input to the LSTM neural network, which is a learned model that has been trained using training data X_tr that includes the actual torque, to calculate the estimated value y.

すなわち、システムコントロールユニット１００によれば、時系列データを時間軸に沿った推移の情報を維持したまま取り扱うことのできる再帰型ニューラルネットワークを用いて推定値ｙが算出される。そのため、入力の時間軸に沿った推移が出力に及ぼす影響を反映させたかたちで推定値ｙが算出される。そして、トルクの推定値ｙに基づいてトルクを低減する回避処理が実行される。 In other words, according to the system control unit 100, the estimated value y is calculated using a recurrent neural network that can handle time series data while maintaining the information on the transition along the time axis. Therefore, the estimated value y is calculated in a form that reflects the effect that the transition along the time axis of the input has on the output. Then, the avoidance process is executed to reduce the torque based on the estimated torque value y.

＜本実施形態の効果＞
（１）捩り共振によってパワートレインに負荷が作用しているときには、第２インプットシャフト２６に大きな捩りトルクが作用している。すなわち、第２インプットシャフト２６のトルクには、回転速度変化量などに比べて、より直接的にパワートレインへの負荷の大きさが現れる。 <Effects of this embodiment>
(1) When a load is applied to the powertrain due to torsional resonance, a large torsional torque is applied to the second input shaft 26. That is, the magnitude of the load on the powertrain is more directly reflected in the torque of the second input shaft 26 than in the amount of change in rotation speed, etc.

システムコントロールユニット１００では、機械学習の一種である教師有り学習によって訓練した学習済みモデルを用いる。そして、学習済みモデルを用いて算出したトルクの推定値ｙに基づいて過大な負荷が作用するか否かを判定する。要するに、システムコントロールユニット１００によれば、トルクの推定値ｙに基づいて回避処理を実行するため、トルクに基づいて直接的にパワートレインに作用する負荷の変化を捉えて的確に回避処理を実行することができる。 The system control unit 100 uses a learned model that has been trained using supervised learning, a type of machine learning. Then, it is determined whether or not an excessive load is acting based on the torque estimate y calculated using the learned model. In short, the system control unit 100 executes avoidance processing based on the torque estimate y, and is therefore able to accurately execute avoidance processing by capturing changes in the load acting directly on the powertrain based on the torque.

（２）時系列データを時間軸に沿った推移の情報を保持したまま取り扱うことができる再帰型ニューラルネットワークであり、時系列情報の伝播を調整することができるＬＳＴＭニューラルネットワークを用いている。そのため、入力データＸに含まれる既定期間Ｔにおける複数のデータの時系列的な推移を反映させてトルクを算出することができる。そのため、高い精度でトルクを推定することができる。 (2) It is a recurrent neural network that can handle time series data while retaining information on the transition along the time axis, and uses an LSTM neural network that can adjust the propagation of time series information. Therefore, it is possible to calculate torque by reflecting the time series transition of multiple data during a predetermined period T contained in the input data X. Therefore, it is possible to estimate torque with high accuracy.

（３）パワートレインにおいて発生させるトルクはアクセル操作量に応じて把握される要求出力の大きさに応じて変化する。すなわち、アクセル操作量は、車両１０への要求出力の大きさを示す指標値である。そのため、システムコントロールユニット１００によれば、トルクの大きさを決定する要求出力の大きさと相関する情報を反映させてトルクを算出することができる。 (3) The torque generated in the powertrain changes according to the magnitude of the required output, which is determined according to the accelerator operation amount. In other words, the accelerator operation amount is an index value that indicates the magnitude of the required output to the vehicle 10. Therefore, according to the system control unit 100, it is possible to calculate the torque by reflecting information that correlates with the magnitude of the required output, which determines the magnitude of the torque.

（４）車速が異なっていれば、第２インプットシャフト２６に作用するトルクは違ったものになる。すなわち、車速のデータもトルクに影響を与えるデータである。システムコントロールユニット１００によれば、車速のデータも反映させてより正確にトルクを推定することができる。 (4) If the vehicle speed is different, the torque acting on the second input shaft 26 will be different. In other words, vehicle speed data is also data that affects the torque. With the system control unit 100, it is possible to more accurately estimate the torque by also reflecting the vehicle speed data.

本実施形態は、以下のように変更して実施することができる。本実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
＜変更例＞
・上記実施形態では、第２インプットシャフト２６におけるトルクを推定する例を示したが、システムコントロールユニット１００は、パワートレインの他のシャフトにおけるトルクを推定するものであってもよい。例えば、第１モータジェネレータ１１の回転軸が接続されている第１インプットシャフト２５におけるトルクを推定するものであってもよい。なお、この場合には、第１インプットシャフト２５における実測トルクのデータを含む訓練データＸ＿ｔｒが必要になる。すなわち、トルクを推定する部位に相当するシャフトにおける実測トルクのデータを含む訓練データＸ＿ｔｒを用意すれば、いずれのシャフトのトルクも算出することができる。 This embodiment can be modified as follows: This embodiment and the following modifications can be combined with each other to the extent that there is no technical contradiction.
<Example of change>
In the above embodiment, an example of estimating the torque in the second input shaft 26 has been described, but the system control unit 100 may estimate the torque in another shaft of the powertrain. For example, the system control unit 100 may estimate the torque in the first input shaft 25 to which the rotating shaft of the first motor generator 11 is connected. In this case, training data X_tr including data on the actual torque in the first input shaft 25 is required. In other words, if training data X_tr including data on the actual torque in the shaft corresponding to the part for which the torque is to be estimated is prepared, the torque of any shaft can be calculated.

・また、車両の制御装置を、ハイブリッド車両である車両１０を制御するシステムコントロールユニット１００として具現化した例を示した。上記実施形態のような学習済みモデルを用いたトルクの算出を行う制御装置は、ハイブリッド車両に限らずに適用することができる。例えば、駆動力源としてエンジン５０のみを備えた車両にも適用できる。また、駆動力源としてモータのみを備え、エンジン５０を備えていない電気自動車にも適用できる。 -Also, an example has been shown in which the vehicle control device is embodied as a system control unit 100 that controls the vehicle 10, which is a hybrid vehicle. A control device that calculates torque using a trained model as in the above embodiment can be applied to vehicles other than hybrid vehicles. For example, it can be applied to vehicles that have only an engine 50 as a driving force source. It can also be applied to electric vehicles that have only a motor as a driving force source and do not have an engine 50.

・説明変数の内容は適宜変更することができる。例えば、クランクシャフト５９の回転速度、第１モータジェネレータ１１の回転軸の回転速度、第２モータジェネレータ１２の回転軸の回転速度の情報を説明変数に含めるようにしてもよい。 - The contents of the explanatory variables can be changed as appropriate. For example, the explanatory variables may include information on the rotation speed of the crankshaft 59, the rotation speed of the rotating shaft of the first motor-generator 11, and the rotation speed of the rotating shaft of the second motor-generator 12.

・上記実施形態では、説明変数にアクセル操作量のデータを含めていたが、アクセル操作量のデータを省略してもよい。
・上記実施形態では、説明変数に車速のデータを含めていたが、車速のデータを省略してもよい。 In the above embodiment, the accelerator operation amount data is included in the explanatory variables. However, the accelerator operation amount data may be omitted.
In the above embodiment, the vehicle speed data is included in the explanatory variables. However, the vehicle speed data may be omitted.

・トルクの推定値ｙに基づいて車両１０のパワートレインに過大な負荷が作用すると判定する方法の内容は、適宜変更してもよい。例えば、トルクの推定値ｙの振幅が閾値よりも大きいときに、捩り共振による過大な負荷が作用すると判定するようにしてもよい。 The method for determining that an excessive load is acting on the power train of the vehicle 10 based on the torque estimate y may be modified as appropriate. For example, when the amplitude of the torque estimate y is greater than a threshold value, it may be determined that an excessive load is acting due to torsional resonance.

・上記実施形態では、システムコントロールユニット１００は、処理回路１１０と記憶装置１２０とを備えて、ソフトウェア処理を実行する。しかしながら、これは例示に過ぎない。例えば、システムコントロールユニット１００は、上記実施形態において実行されるソフトウェア処理の少なくとも一部を処理する専用のハードウェア回路（例えばＡＳＩＣなど）を備えてもよい。すなわち、システムコントロールユニット１００は、以下の（ａ）～（ｃ）のいずれかの構成であればよい。（ａ）システムコントロールユニット１００は、プログラムに従って全ての処理を実行する処理装置と、プログラムを記憶する記憶装置とを備える。すなわち、システムコントロールユニット１００は、ソフトウェア実行装置を備える。（ｂ）システムコントロールユニット１００は、プログラムに従って処理の一部を実行する処理装置と、記憶装置とを備える。さらに、システムコントロールユニット１００は、残りの処理を実行する専用のハードウェア回路を備える。（ｃ）システムコントロールユニット１００は、全ての処理を実行する専用のハードウェア回路を備える。ここで、ソフトウェア実行装置、及び／又は、専用のハードウェア回路は複数であってもよい。すなわち、上記処理は、１つ又は複数のソフトウェア実行装置および１つ又は複数の専用のハードウェア回路の少なくとも一方を備えた処理回路（processing circuitry）によって実行され得る。プログラムを格納する記憶装置すなわちコンピュータ可読媒体は、汎用または専用のコンピュータでアクセスできるあらゆる利用可能な媒体を含む。 - In the above embodiment, the system control unit 100 is provided with a processing circuit 110 and a storage device 120 to execute software processing. However, this is merely an example. For example, the system control unit 100 may be provided with a dedicated hardware circuit (e.g., an ASIC) that processes at least a part of the software processing executed in the above embodiment. That is, the system control unit 100 may have any of the following configurations (a) to (c). (a) The system control unit 100 is provided with a processing device that executes all processing according to a program, and a storage device that stores the program. That is, the system control unit 100 is provided with a software execution device. (b) The system control unit 100 is provided with a processing device that executes a part of the processing according to a program, and a storage device. Furthermore, the system control unit 100 is provided with a dedicated hardware circuit that executes the remaining processing. (c) The system control unit 100 is provided with a dedicated hardware circuit that executes all processing. Here, the software execution device and/or the dedicated hardware circuit may be multiple. That is, the above processes may be performed by processing circuitry that includes one or more software execution devices and/or one or more dedicated hardware circuits. Storage devices that store programs, i.e., computer-readable media, include any available media that can be accessed by a general-purpose or dedicated computer.

１０…車両
１１…第１モータジェネレータ
１２…第２モータジェネレータ
２３…駆動輪
２４…駆動軸
２５…第１インプットシャフト
２６…第２インプットシャフト
５０…エンジン
５９…クランクシャフト
１００…システムコントロールユニット
１１０…処理回路
１２０…記憶装置
１３０…アクセルポジションセンサ
１３２…車速センサ
１３３…クランクポジションセンサ
１３４…Ｇセンサ
１３５…車輪速センサ
１３６…車輪速センサ
１３７…車輪速センサ
１３８…車輪速センサ
２００…パワーコントロールユニット
３００…エンジンコントロールユニット REFERENCE SIGNS LIST 10 vehicle 11 first motor generator 12 second motor generator 23 drive wheel 24 drive shaft 25 first input shaft 26 second input shaft 50 engine 59 crankshaft 100 system control unit 110 processing circuit 120 storage device 130 accelerator position sensor 132 vehicle speed sensor 133 crank position sensor 134 G sensor 135 wheel speed sensor 136 wheel speed sensor 137 wheel speed sensor 138 wheel speed sensor 200 power control unit 300 engine control unit

Claims

a storage device storing data of a learned model obtained by training a long short-term memory neural network that calculates a torque of the shaft based on input data consisting of time series data of explanatory variables during a predetermined period of time using training data including data of actual torque in a shaft that constitutes a power transmission path that transmits driving force from a driving force source mounted on a vehicle to driving wheels, and time series data of explanatory variables during a predetermined period of time prior to the measurement of the actual torque, the explanatory variables including the rotation speed of each wheel of the vehicle, the rotation speed of a rotating shaft of the driving force source, the acceleration of the vehicle, and a torque command value for the driving force source;
a processing circuit that executes a calculation process of inputting the input data into the trained model stored in the storage device to calculate a torque in the shaft, and an avoidance process of reducing the torque generated by the driving force source when it is determined that an excessive load is acting on a power train of the vehicle based on an estimated value of the torque in the shaft calculated through the calculation process;
A vehicle control device comprising:

The vehicle control device according to claim 1 , wherein the explanatory variables include data on an accelerator operation amount.

The vehicle control device according to claim 1 or 2, wherein the explanatory variables include data on a vehicle speed which is a speed of the vehicle.

the vehicle is a vehicle equipped with a motor as the driving force source,
The vehicle control device according to any one of claims 1 to 3, wherein the rotation speed of the rotating shaft included in the explanatory variable is a rotation speed of a rotating shaft of the motor.

The vehicle control device according to claim 4 , wherein the processing circuit calculates a torque of a rotating shaft of the motor in the calculation process.

6. The vehicle control device according to claim 5, wherein the processing circuit determines that an excessive load is acting on a power train of the vehicle when a deviation between a torque estimation value, which is a torque value calculated in the calculation process, and a torque command value for the motor is greater than a threshold value.