车辆用驱动装置的控制装置及控制方法、车载电子控制单元、已学习模型、机器学习系统制造方法及图纸

提供车辆用驱动装置的控制装置及控制方法、车载电子控制单元、已学习模型、机器学习系统、电子控制单元的制造方法以及输出参数算出装置，使用神经网络高精度地预测在时间序列上发生的现象。车辆用驱动装置的控制装置(60)具备使用利用了神经网络的已学习模型算出车辆的输出参数的运算部(81)和基于由运算部算出的输出参数控制搭载于车辆的车辆用驱动装置的控制部(82)。神经网络包括被输入第1时间点的车辆的第1输入参数的第1输入层、被输入第1时间点之后的第2时间点的车辆的第2输入参数的第2输入层、被输入第1输入层的输出的第1隐层、被输入与第1隐层的输出相关的值和第2输入层的输出的第2隐层、以及对输出参数进行输出的输出层。

Control device and control method of driving device for vehicle, on-board electronic control unit, learned model, machine learning system

【技术实现步骤摘要】
车辆用驱动装置的控制装置及控制方法、车载电子控制单元、已学习模型、机器学习系统
本专利技术涉及车辆用驱动装置的控制装置、车载电子控制单元、已学习模型、机器学习系统、车辆用驱动装置的控制方法、电子控制单元的制造方法以及输出参数算出装置。
技术介绍
以往，已知使用包含输入层、中间层(隐层)以及输出层的神经网络从预定的输入参数导出预定的输出参数(例如专利文献1)。现有技术文献专利文献1：日本特开2011－54200号公报
技术实现思路
专利技术要解决的技术问题在专利文献1记载的神经网络中，输入层的各节点与一个中间层的各节点以并行的方式连接。在这样的神经网络中，输入参数的时间序列上的变化不表现在神经网络的模型中，因此，对在时间序列上发生的现象的预测精度会降低。于是，本专利技术的目的在于使用神经网络高精度地预测在时间序列上发生的现象。用于解决问题的技术方案本公开的主旨为以下所述。(1)一种车辆用驱动装置的控制装置，具备：运算部，其使用利用了神经网络的已学习模型算出车辆的输出参数；和控制部，其基于由所述运算部算出的所述输出参数，控制搭载于所述车辆的车辆用驱动装置，所述神经网络包括：第1输入层，其被输入第1时间点的所述车辆的第1输入参数；第2输入层，其被输入所述第1时间点之后的第2时间点的所述车辆的第2输入参数；第1隐层，其被输入所述第1输入层的输出；第2隐层，其被输入与该第1隐层的输出相关的值和所述第2输入层的输出；以及输出层，其输出所述输出参数。(2)根据上述(1)所述的车辆用驱动装置的控制装置，所述第2输入参数的数量比所述第1输入参数的数量少。(3)根据上述(2)所述的车辆用驱动装置的控制装置，所述第2输入参数是所述第1输入参数的一部分。(4)根据上述(1)～(3)中任一项所述的车辆用驱动装置的控制装置，所述神经网络构成为所述第1隐层的输出被输入到所述第2隐层。(5)根据上述(1)～(3)中任一项所述的车辆用驱动装置的控制装置，所述神经网络在所述第1隐层与所述第2隐层之间包括至少一个隐层。(6)根据上述(1)～(5)中任一项所述的车辆用驱动装置的控制装置，所述神经网络构成为所述第2隐层的输出被输入到所述输出层。(7)根据上述(1)～(5)中任一项所述的车辆用驱动装置的控制装置，所述神经网络在所述第2隐层与所述输出层之间包括至少一个隐层。(8)根据上述(1)～(7)中任一项所述的车辆用驱动装置的控制装置，所述控制部控制搭载于所述车辆的内燃机，所述第1输入参数包括内燃机转速、内燃机水温、进气歧管内的进气中的氧浓度、缸内进气量、缸内容积、缸内压、缸内温度、燃料喷射量、燃料喷射正时以及燃料喷射压中的至少一个，所述第2输入参数包括燃料喷射量、燃料喷射正时以及燃料喷射压中的至少一个，所述输出参数包括燃烧声音的声压、从内燃机主体排出的有害物质的浓度以及所述内燃机的热效率中的至少一个。(9)根据上述(8)所述的车辆用驱动装置的控制装置，所述第1输入参数包括缸内压以及缸内温度，所述第2输入参数不包括缸内压以及缸内温度。(10)一种车载电子控制单元，具备运算部，所述运算部经由设在车辆的通信装置从所述车辆的外部的服务器接收使用了神经网络的已学习模型，并且使用该已学习模型算出所述车辆的输出参数，所述神经网络包括：第1输入层，其被输入第1时间点的所述车辆的第1输入参数；第2输入层，其被输入所述第1时间点之后的第2时间点的所述车辆的第2输入参数；第1隐层，其被输入所述第1输入层的输出；第2隐层，其被输入与该第1隐层的输出相关的值和所述第2输入层的输出；以及输出层，其输出所述输出参数，所述服务器具备存储包括所述第1输入参数、所述第2输入参数以及所述输出参数的训练数据集的存储装置，使用该训练数据集生成所述已学习模型。(11)一种车载电子控制单元，具备：参数取得部，其取得第1时间点的车辆的第1输入参数、所述第1时间点之后的第2时间点的所述车辆的第2输入参数以及所述第2时间点之后的时间点的所述车辆的输出参数，并且，经由设在所述车辆的通信装置向所述车辆的外部的服务器发送所述第1输入参数、所述第2输入参数以及所述输出参数；和运算部，其经由所述通信装置从所述服务器接收使用了神经网络的已学习模型，并且使用该已学习模型算出所述输出参数，所述神经网络包括：第1输入层，其被输入所述第1输入参数；第2输入层，其被输入所述第2输入参数；第1隐层，其被输入所述第1输入层的输出；第2隐层，其被输入与该第1隐层的输出相关的值和所述第2输入层的输出；以及输出层，其输出所述输出参数，所述服务器将由所述参数取得部取得的所述第1输入参数、所述第2输入参数以及所述输出参数用作训练数据集来生成所述已学习模型。(12)一种已学习模型，使用了神经网络，所述神经网络包括：第1输入层，其被输入第1时间点的车辆的第1输入参数；第2输入层，其被输入所述第1时间点之后的第2时间点的所述车辆的第2输入参数；第1隐层，其被输入所述第1输入层的输出；第2隐层，其被输入与该第1隐层的输出相关的值和所述第2输入层的输出；以及输出层，其输出所述车辆的输出参数，所述已学习模型是将所述第1输入参数、所述第2输入参数以及所述输出参数用作训练数据集对所述神经网络的权重进行了学习而得到的模型。(13)一种机器学习系统，具备设在车辆的电子控制单元、设在所述车辆的通信装置以及所述车辆的外部的服务器，所述电子控制单元具备：参数取得部，其取得第1时间点的所述车辆的第1输入参数、所述第1时间点之后的第2时间点的所述车辆的第2输入参数以及所述第2时间点之后的时间点的所述车辆的输出参数，并且，经由所述通信装置向所述服务器发送所述第1输入参数，所述第2输入参数以及所述输出参数；和运算部，其经由所述通信装置从所述服务器接收使用了神经网络的已学习模型，并且使用该已学习模型算出所述输出参数，所述神经网络包括：第1输入层，其被输入所述第1输入参数；第2输入层，其被输入所述第2输入参数；第1隐层，其被输入所述第1输入层的输出；第2隐层，其被输入与该第1隐层的输出相关的值和所述第2输入层的输出；以及输出层，其输出所述输出参数，所述服务器将由所述参数取得部取得的所述第1输入参数、所述第2输入参数以及所述输出参数用作训练数据集来生成所述已学习模型。(14)一种车辆用驱动装置的控制方法，包括：取得第1时间点的车辆的第1输入参数和所述第1时间点之后的第2时间点的所述车辆的第2输入参数；使用利用了神经网络的已学习模型，基于所述第1输入参数以及所述第2输入参数算出所述车辆的输出参数；以及基于所述输出参数，控制搭载于所述车辆的车辆用驱动装置，所述神经网络包括：第1输入层，其被输入所述第1输入参数；第2输入层，其被输入所述第2输入参数；第1隐层，其被输入所述第1输入层的输出；第2隐层，其被输入与该第1隐层的输出相关的值和所述第2输入层的输出；以及输出层，其输出所述输出参数。(15)一种电子控制单元的制造方法，包括：将本文档来自技高网...

【技术保护点】
1.一种车辆用驱动装置的控制装置，具备：/n运算部，其使用利用了神经网络的已学习模型算出车辆的输出参数；和/n控制部，其基于由所述运算部算出的所述输出参数，控制搭载于所述车辆的车辆用驱动装置，/n所述神经网络包括：第1输入层，其被输入第1时间点的所述车辆的第1输入参数；第2输入层，其被输入所述第1时间点之后的第2时间点的所述车辆的第2输入参数；第1隐层，其被输入所述第1输入层的输出；第2隐层，其被输入与该第1隐层的输出相关的值和所述第2输入层的输出；以及输出层，其输出所述输出参数。/n

【技术特征摘要】
20181009 JP 2018-1912141.一种车辆用驱动装置的控制装置，具备：
运算部，其使用利用了神经网络的已学习模型算出车辆的输出参数；和
控制部，其基于由所述运算部算出的所述输出参数，控制搭载于所述车辆的车辆用驱动装置，
所述神经网络包括：第1输入层，其被输入第1时间点的所述车辆的第1输入参数；第2输入层，其被输入所述第1时间点之后的第2时间点的所述车辆的第2输入参数；第1隐层，其被输入所述第1输入层的输出；第2隐层，其被输入与该第1隐层的输出相关的值和所述第2输入层的输出；以及输出层，其输出所述输出参数。


2.根据权利要求1所述的车辆用驱动装置的控制装置，
所述第2输入参数的数量比所述第1输入参数的数量少。


3.根据权利要求2所述的车辆用驱动装置的控制装置，
所述第2输入参数是所述第1输入参数的一部分。


4.根据权利要求1～3中任一项所述的车辆用驱动装置的控制装置，
所述神经网络构成为所述第1隐层的输出被输入到所述第2隐层。


5.根据权利要求1～3中任一项所述的车辆用驱动装置的控制装置，
所述神经网络在所述第1隐层与所述第2隐层之间包括至少一个隐层。


6.根据权利要求1～5中任一项所述的车辆用驱动装置的控制装置，
所述神经网络构成为所述第2隐层的输出被输入到所述输出层。


7.根据权利要求1～5中任一项所述的车辆用驱动装置的控制装置，
所述神经网络在所述第2隐层与所述输出层之间包括至少一个隐层。


8.根据权利要求1～7中任一项所述的车辆用驱动装置的控制装置，
所述控制部控制搭载于所述车辆的内燃机，
所述第1输入参数包括内燃机转速、内燃机水温、进气歧管内的进气中的氧浓度、缸内进气量、缸内容积、缸内压、缸内温度、燃料喷射量、燃料喷射正时以及燃料喷射压中的至少一个，所述第2输入参数包括燃料喷射量、燃料喷射正时以及燃料喷射压中的至少一个，所述输出参数包括燃烧声音的声压、从内燃机主体排出的有害物质的浓度以及所述内燃机的热效率中的至少一个。


9.根据权利要求8所述的车辆用驱动装置的控制装置，
所述第1输入参数包括缸内压以及缸内温度，所述第2输入参数不包括缸内压以及缸内温度。


10.一种车载电子控制单元，具备运算部，所述运算部经由设在车辆的通信装置从所述车辆的外部的服务器接收使用了神经网络的已学习模型，并且使用该已学习模型算出所述车辆的输出参数，
所述神经网络包括：第1输入层，其被输入第1时间点的所述车辆的第1输入参数；第2输入层，其被输入所述第1时间点之后的第2时间点的所述车辆的第2输入参数；第1隐层，其被输入所述第1输入层的输出；第2隐层，其被输入与该第1隐层的输出相关的值和所述第2输入层的输出；以及输出层，其输出所述输出参数，
所述服务器具备存储包括所述第1输入参数、所述第2输入参数以及所述输出参数的训练数据集的存储装置，使用该训练数据集生成所述已学习模型。


11.一种车载电子控制单元，具备：
参数取得部，其取得第1时间点的车辆的第1输入参数、所述第1时间点之后的第2时间点的所述车辆的第2输入参数以及所述第2时间点之后的时间点的所述车辆的输出参数，并且，经由设在所述车辆的通信装置向所述车辆的外部的服务器发送所述第1输入参数、所述第2输入参数以及所述输出参数；和
运算部，其经由所述通信装置从所述服务器接收使用了神经网络的已学习模型，并且使用该已学习模型算出所述输出参数，
所述神经网络包括：第1输入层，其被输入所述...

【专利技术属性】
技术研发人员：中村俊洋，
申请(专利权)人：丰田自动车株式会社，
类型：发明
国别省市：日本;JP