新アルゴリズムがEVの状態推定精度を革新
自動運転や高度運転支援システム（ADAS）の発展に伴い、車両の動的状態をリアルタイムで高精度に把握することは、安全性と性能の根幹を成す技術課題となっている。特に、車両の重心側滑角やヨーレート、縦速度といった基本的な状態量の正確な推定は、車両の挙動を予測し、電子制御システムが適切な介入を行うための絶対条件である。しかし、従来の多くの研究では、タイヤの側面剛性を一定値と仮定する線形モデルが用いられてきた。この仮定は、通常の走行条件下では有効であるが、急激な操舵や低μ路での高速走行といった極限状態では、タイヤが非線形領域に入り、その仮定が大きく崩れ、状態推定の精度が著しく低下するという根本的な問題を抱えていた。
この課題に真っ向から取り組み、画期的な解決策を提示したのが、中国・石家荘鉄道大学の付越勝（Fu Yuesheng）、李韶華（Li Shaohua）、王桂洋（Wang Guiyang）の研究チームである。彼らが『機械科学与技術 for Aerospace Engineering』に発表した最新の研究成果は、タイヤの側面剛性を固定値ではなく、走行状態に応じてリアルタイムで更新する動的パラメータとして扱うことで、車両状態の推定精度を飛躍的に向上させる新しいアルゴリズム「FAEKF+FFRLS」を開発した点にある。これは、車両ダイナミクスの理解を一歩深め、より現実に即したモデル構築がいかに重要かを示す、極めて示唆に富む成果である。
従来の車両状態推定の多くは、拡張カルマンフィルタ（EKF）やその派生手法に依存している。これらの手法は、センサーからのノイズを含む観測値と、車両の運動方程式に基づく予測値を統合し、最適な状態推定値を導き出す。しかし、その性能は、用いる車両モデルの精度に大きく左右される。線形タイヤモデルは、側面剛性（C）が一定であると仮定し、側面力（Fy）とスリップ角（α）の関係を単純な比例関係（Fy = Cα）で表す。しかし、実際のタイヤは、スリップ角が大きくなるにつれて、発生する側面力は頭打ちとなり、やがて減少するという非線形特性を持つ。この特性を無視したモデルでは、極限状態での推定誤差が避けられず、電子制御システムの信頼性が損なわれる可能性がある。
付越勝らの研究の真価は、この「固定された側面剛性」という前提を大胆に覆した点にある。彼らは、側面剛性そのものが、路面のμ値、車両の速度、垂直荷重、タイヤ温度など、多様な要因によって時々刻々と変化する「時変パラメータ」であると捉え直した。この認識の転換が、新しいアルゴリズムの出発点となった。
彼らが開発した「FAEKF+FFRLS」アルゴリズムは、二つの強力な技術を巧みに融合させたハイブリッド構造を採用している。第一の柱は、「ファジィ適応型拡張カルマンフィルタ（FAEKF）」である。これは、車両の縦速度、ヨーレート、重心側滑角といった主要な状態量を推定するためのコアとなる技術である。標準的なEKFは、観測ノイズの統計的性質（共分散行列）をあらかじめ設定した固定値として扱う。しかし、実際のセンサーは、環境変化や劣化により、そのノイズ特性が変動する。FAEKFは、この固定値の欠点を補うために、ファジィ論理制御器を導入している。この制御器は、EKFの推定プロセスで生じる「残差」（予測値と観測値の差）の大きさとその変動傾向を監視し、リアルタイムでカルマンゲイン（フィルターの感度）を動的に調整する。これにより、センサーのノイズが大きくなった時にはモデルを信用し、逆にノイズが小さくなった時には観測値を重視するという、状況に応じた柔軟な適応が可能となり、推定のロバスト性（頑健性）が大幅に向上する。
アルゴリズムの第二の柱は、「忘却係数付き再帰的最小二乗法（FFRLS）」である。この技術の主な目的は、FAEKFの推定精度を支えるための鍵となるパラメータ、すなわち「タイヤの側面剛性」をリアルタイムで推定することにある。FFRLSは、あるシステムの入出力データから、そのシステムの未知のパラメータを推定する強力な手法である。研究チームは、車両の横方向運動方程式とヨーモーメント方程式を組み合わせ、重心側滑角を直接使用せずに、観測可能な横加速度、ヨーレート、前輪操舵角などのデータから、前輪および後輪の等価的な側面剛性を推定する方程式を構築した。ここで「忘却係数」という概念が極めて重要である。これは、古いデータよりも新しいデータに重みを置く仕組みであり、路面のμ値が急激に変化した場合（例：アスファルトからアイスバーンへの突入）でも、アルゴリズムが素早くその変化に適応し、最新の側面剛性を捉えられるようにする。固定の重み付けでは、過去のデータに引きずられて、推定値の追従が遅れてしまうが、忘却係数を用いることでこの問題を解決している。
FAEKFとFFRLSの単なる併用ではなく、研究の最大の革新点は、これら二つのアルゴリズムを「埋め込み型」（embedded）に統合した点にある。この統合されたアルゴリズムは、次のような閉ループで動作する。まず、FAEKFが現在の状態（特に縦速度とヨーレート）を予測する。この予測値が、FFRLSの入力として供給され、FFRLSはその瞬間のタイヤ側面剛性を推定する。そして、この新しく得られた側面剛性の推定値が、即座にFAEKF内部の車両ダイナミクスモデルにフィードバックされ、次回の状態予測や更新に使用される。この一連のプロセスが、サンプリング周期ごとに繰り返される。これにより、状態の推定とパラメータの推定が相互に補完し合い、互いに校正し合う「連合推定」が実現される。モデルのパラメータが常に最新の状態を反映しているため、推定精度は格段に向上する。
研究チームは、TrucksimとMATLAB/Simulinkを用いた共同シミュレーションで、このアルゴリズムの有効性を検証した。検証には、低速（30km/h）で低μ路（μ=0.3）、高速（80km/h）で高μ路（μ=0.8）、そして最も厳しい条件である高速で低μ路（80km/h, μ=0.3）の3つの走行シナリオを用いた。その結果は、従来の標準EKFとの比較で圧倒的な差を見せた。特に、極限状態である「高速・低μ路」の条件下では、重心側滑角の推定誤差が、標準EKFの41.0%という大きな誤差に対して、FAEKF+FFRLSではわずか5.36%にまで削減された。ヨーレートの誤差も、10.09%から3.88%に改善された。これらの数値は、新しいアルゴリズムが、特にタイヤが非線形領域で働く極限状態において、その真価を発揮することを明確に示している。
さらに、この研究は、分散型電動車両（特にホイールモータードライブ）という現代的なプラットフォームを想定している点でも実用性が高い。ホイールモーターの特徴は、各車輪のモーター出力（トルク）と回転速度を高精度で計測できることにある。研究チームは、これを活用して、各車輪の縦方向力（駆動力・制動力）を直接計算し、車両モデルに組み込むことで、モデルの精度をさらに高めている。これは、従来の内燃機関車や集中式モーター車にはない、電動車両ならではの利点を巧みに活用した、非常にスマートなアプローチである。
この研究の意義は、単に一つのアルゴリズムの性能向上に留まらない。重心側滑角の正確な推定は、ESP（横滑り防止装置）やVSC（車両安定性制御）などの電子制御システムの性能を左右する。より正確な情報を基に制御を行えることで、より早期に、より適切な介入が可能となり、事故の未然防止に貢献する。また、リアルタイムで推定される側面剛性の値そのものが、路面の摩擦係数（μ）を推定するための間接的な指標となり得る。剛性が急激に低下すれば、それは路面が凍結している可能性を示唆し、車両がその情報をもとに、速度を自動で落とす、あるいはドライバーに警告を出すといった、予知保全的な安全対策が可能になる。これは、受動的な安全から、能動的・予知的な安全への大きな一歩である。
今後の展望として、研究チームは実車での検証を計画している。シミュレーションと実世界のギャップを埋め、センサーノイズや未モデル化ダイナミクスといった現実の課題に直面することで、アルゴリズムのさらなる洗練が期待される。また、車両重量や路面勾配など、他の時変パラメータの同時推定への拡張も可能であり、将来的には、走行環境や車両状態に完全に適応する、より高度な知能型推定システムの構築につながるだろう。
付越勝、李韶華、王桂洋の研究は、複雑なシステムの理解には、基本的な仮定を見直す勇気と、それを実現する技術的革新が必要であることを教えてくれる。彼らの「FAEKF+FFRLS」アルゴリズムは、自動車工学における一里塚であり、より安全で、より知能的なモビリティの実現に向けて、確かな一歩を踏み出したと言える。
付越勝、李韶華、王桂洋、機械科学与技術 for Aerospace Engineering、DOI: 10.13433/j.cnki.1003-8728.20220190