车辆部件响应学习方法、车辆部件响应计算方法、车辆部件响应学习系统及车辆部件响应学习程序与流程

本发明涉及车辆部件响应学习方法、车辆部件响应计算方法、车辆部件响应学习系统、车辆部件响应学习装置以及车辆部件响应学习程序。

背景技术：

1、近年来，进行了使用dynamic doe(动态实验计划法)的废气等的瞬态建模(transient modelling)的研究(参照非专利文献1、2)。

2、在该废气等的瞬态建模中，通过机器学习制作瞬态废气模型。而且，为了制作瞬态废气模型，将与发动机的燃烧相关的ecu参数作为输入参数取得训练数据。另外，作为ecu参数，例如使用点火时刻(ignition timing)、用于进行发动机的吸入、排气的阀的开关时刻(valve timing)等。

3、现有技术文献

4、非专利文献

5、非专利文献1：“dynamic modelling for gasoline direct injectionengines”，taro shishido另外5名，keihin technical review vol.6(2017)

6、非专利文献2：“artificial neural network(ann)assisted prediction oftransient nox emissions from a high-speed direct injection(hsdi)dieselengine”，xiao hang fang另外4名，international journal of engine research(april27,2021)

技术实现思路

1、本发明要解决的技术问题

2、但是，在上述非专利文献1、2中，虽然公开了制作瞬态废气模型的方法，但是对于制作考虑了实际道路行驶的行驶环境的瞬态废气模型的情况完全没有公开。另外，为了将这样的瞬态废气用于实际道路废气预测，需要与根据实际道路环境的其他输入参数(车速、加速器开度、标高、外部空气温度等)取得关联，为了提供实际道路行驶模拟中的预测精度，需要进一步的劳力。

3、另外，在上述非专利文献1、2中，为了制作瞬态废气模型，需要设定与发动机的燃烧相关的ecu参数。在此，作为ecu参数，可以举出发动机的点火时刻(ignition timing)或用于进行发动机的吸入、排气的阀的开关时刻(valve timing)等。这些参数只有oem或tier1(一次承包商)等有限的工程师才能访问，另外关于这些参数，为了事前掌握对动态变化时的发动机造成的影响，需要实施反复的确认试验，对庞大的数据进行多变量分析。此外，在变更的参数的设定值、组合、定时错误的情况下，成为使发动机破损的原因。这样，实际情况是使用dynamic doe的瞬态废气模型的制作只能由能够访问ecu等控制装置的有限的工程师实施。

4、因此，本发明是为了解决上述问题点而做出的，其主要课题在于不进行实际道路行驶而通过模拟高精度地求出所希望的行驶环境下的车辆部件的响应数据。

5、用于解决技术问题的技术方案

6、即，本发明的车辆部件响应学习方法生成与作为车辆或该车辆一部分的车辆部件的响应相关的学习完成模型，其特征在于，包括如下步骤：输入步骤，将包含与假想了实际道路行驶的车速、负荷以及温度关联的参数的输入提供给所述车辆部件；取得步骤，取得所述车辆部件的响应数据，取得表示所述输入的输入数据以及所述响应数据作为训练数据；以及生成步骤，根据所述训练数据，使用机器学习，生成与所述车辆部件的响应相关的学习完成模型。

7、如果是这样的车辆部件响应学习方法，则将包含与假想了实际道路行驶的车速、负荷以及温度关联的参数的输入提供给车辆部件，取得由此得到的响应数据，根据由表示对车辆部件提供的输入的输入数据以及响应数据构成的训练数据，使用机器学习(包括统计学的方法)，能够生成与车辆部件的响应相关的学习完成模型。其结果，通过使用该学习完成模型，能够不进行实际道路行驶而通过模拟取得所希望的行驶环境下的车辆部件的模型输入数据以及从学习完成模型输出的响应数据。此外，由于不变更发动机的燃烧的ecu参数等控制参数，所以能够容易且安全地生成响应模型而不伴随为了制作最适合的实验计划的反复的试验以及作为其结果的庞大的数据的分析等。

8、为了更忠实地再现实际道路行驶的行驶环境，除了温度的变动之外，还考虑气压的变动是有效的。因此，为了通过模拟高精度地得到所希望的环境下的车辆部件的响应数据，优选的是，在所述输入步骤中，将包含除了与所述车速、所述负荷以及所述温度关联之外还与假想了实际道路行驶的气压关联的参数的输入提供给所述车辆部件。

9、作为具体的实施的方式，优选的是，在所述输入步骤中，在所述车速、所述负荷、所述温度以及所述气压各自的变动范围内使各参数变动，将作为它们的组合的输入提供给所述车辆部件。

10、为了在环境因子(温度以及气压)的变动范围的整体在想要预测的变化时间内使其变动，或在想要预测的移动范围内使其变动，有时无法通过一个温度变动设备或一个气压变动设备实现。另外，根据用户的模拟的内容，存在仅用环境因子(温度以及气压)的变动范围的一部分就充分的情况。因此，优选的是，在所述输入步骤中，将所述温度以及所述气压的变动范围分割成多个，将在该分割的块中使所述温度以及所述气压动态地变动得到的分割输入提供给所述车辆部件，所述取得步骤取得被提供了所述分割输入的所述车辆部件的响应数据，取得表示所述分割输入的分割输入数据以及所述响应数据作为分割训练数据。

11、为了在分割的块间生成连续的数据，优选的是，所述输入步骤将在所述分割的块间的边界使所述温度以及所述气压动态地变动得到的输入提供给所述车辆部件。

12、为了在输入步骤中使温度以及气压变动，优选的是，通过与所述车辆部件连接并使温度以及压力变动的环境变动装置、或收纳所述车辆部件并使温度以及压力变动的环境变动室，使所述温度以及所述气压变动。

13、为了有效地取得训练数据，优选的是，所述输入步骤使用实验计划法(doe)，生成由所述参数的组合构成的动态的实验计划。

14、作为响应数据的具体的实施的方式，优选的是，在所述车辆部件是至少包括发动机的车辆或其一部分的情况下，所述响应数据是废气数据，在所述车辆部件是至少包括二次电池的车辆或其一部分的情况下，所述响应数据是电耗数据、电流数据、电压数据、soc数据和/或电池温度数据(例如单体(cell)温度数据或模块温度数据等)，在所述车辆部件是至少包括燃料电池的车辆或其一部分的情况下，所述响应数据是氢气消耗量数据、氧气消耗量数据、发电电流数据、发电电压数据和/或电池温度数据。

15、作为具体的实施的方式，可以考虑，所述废气数据使用废气分析装置测定，所述电耗数据、所述电流数据、所述电压数据、所述soc数据或所述温度数据使用消耗电力计、电流计、电压计或温度计测定，所述氢气消耗量数据、氧气消耗量数据、发电电流数据、发电电压数据或电池温度数据使用氢气计、氧气计、电流计、电压计或温度计测定。

16、作为具体的实施的方式，可以考虑：在所述车辆部件是至少包括二次电池的车辆或其一部分情况下，与所述车速或所述负荷关联的参数是充电电流和/或放电电流，与所述温度关联的参数是所述二次电池的周围温度，在所述车辆部件是至少包括燃料电池的车辆或其一部分的情况下，与所述车速或所述负荷关联的参数是氢气供给量、氧气供给量和/或水供给量，与所述温度关联的参数是所述燃料电池的周围温度。

17、另外，作为本发明的车辆部件响应计算方法，其特征在于，使用通过上述车辆部件响应学习方法生成的学习完成模型，计算实际道路行驶中的所述车辆部件的响应数据。具体而言，车辆部件响应计算方法使用根据所述学习完成模型以及能够实施实际道路行驶模拟的模型(例如ipg carmaker等)生成的输出参数(车速、负荷、温度或压力)，计算实际道路行驶中的所述车辆部件的响应数据。

18、如果是这样的车辆部件响应计算方法，则能够不进行实际道路行驶而通过模拟取得所希望的行驶环境下的车辆部件的响应数据。

19、另外，本发明的车辆部件响应学习系统，生成与作为车辆或该车辆一部分的车辆部件的响应相关的学习完成模型，其特征在于，具备：输入部，将包含与假想了实际道路行驶的车速、负荷以及温度关联的参数的输入提供给所述车辆部件；取得部，取得所述车辆部件的响应数据，取得表示所述输入的输入数据以及所述响应数据作为训练数据；以及生成部，根据所述训练数据，使用机器学习，生成与所述车辆部件的响应相关的学习完成模型。

20、具体而言，优选的是，所述输入部具备：测功机，对所述车辆部件施加负荷；以及具有收纳所述车辆部件的试验室并使该试验室的至少温度变动的环境变动装置、或与所述车辆部件连接并至少使温度变动的环境变动装置。

21、而且，本发明的车辆部件响应生成程序，生成与作为车辆或该车辆一部分的车辆部件的响应相关的学习完成模型，其特征在于，所述车辆部件响应生成程序使计算机发挥作为输入数据制作部、取得部以及生成部的功能，所述输入数据制作部制作输入数据，所述输入数据表示应提供给所述车辆部件的、包含与假想了实际道路行驶的车速、负荷以及温度关联的参数的输入，所述取得部取得所述车辆部件的响应数据，取得所述输入数据以及所述响应数据作为训练数据，所述生成部根据所述训练数据，使用统计学的方法或机器学习，生成与所述车辆部件的响应相关的学习完成模型。

22、发明效果

23、根据以上叙述的本发明，能够不进行实际道路行驶而通过模拟高精度地求出所希望的行驶环境下的车辆部件的响应数据。