感官评价预测系统、悬架装置、悬架控制系统

摘要

本发明的感官评价预测系统具备：输入部，其读入行为传感器的输出，所述行为传感器测量移动体相关的两种以上的时间序列信息；选择部，其从输入部所读入的行为传感器的输出中选择两种以上的物理量；相关制作部，其针对选择部所选择的两种以上的物理量来制作表示时间序列上的相关的信息；以及评价电路，其根据表示时间序列上的相关的信息来算出感官指标的评价值。

说明书

技术领域

本发明涉及感官评价预测系统、悬架装置以及悬架控制系统。

背景技术

在汽车中，从路面输入的振动刺激经由轮胎、悬架、底盘、座轨、座腿以及座椅材料传递至乘员。在乘坐感受感官评价中，主要是驾驶员和乘员对该振动刺激作何感受比较重要。此外，在操纵稳定性感官评价中，主要是操作方向盘时的反应、响应的舒适程度、不谐调感的有无比较重要。在汽车制造商中，有各自视为目标的乘坐感受、操纵稳定性以及它们的平衡，受过训练的专家驾驶员向车载零件的设计和参数调整的负责人传达改善要点，由此来提升乘坐感受和操纵稳定性。专利文献1中揭示了一种运动评价方法，其特征在于，检测对运动的物体的至少加速度进行微分得到的加加速度，并将检测到的该加加速度输入至阶层型神经网络的输入层而经由中间层从输出层输出运动评价结果。

现有技术文献

专利文献

专利文献1：日本专利特开平7-244065号公报

发明内容

发明要解决的问题

在专利文献1记载的发明中，在对驾驶员的操作的偏差的应对方面存在改善的余地。

解决问题的技术手段

本发明的第1形态的感官评价预测系统具备：输入部，其读入行为传感器的输出，所述行为传感器测量移动体相关的两种以上的时间序列信息；选择部，其从所述输入部所读入的所述行为传感器的输出中选择两种以上的物理量；相关制作部，其针对所述选择部所选择的两种以上的物理量来制作表示时间序列上的相关的信息；以及评价电路，其根据所述表示时间序列上的相关的信息来算出感官指标的评价值。

本发明的第2形态的悬架装置是根据从前文所述的感官评价系统输出的所述评价值来加以制造。

本发明的第3形态的悬架控制系统具备：前文所述的感官评价系统；以及悬架减震力可变机构，其根据从所述感官评价系统输出的所述评价值来调整所述移动体中搭载的悬架装置的减震力。

发明的效果

根据本发明，由于对多个物理量的相关进行评价，所以不易受到驾驶员的操作的偏差的影响。

附图说明

图1为第1实施方式中的感官评价系统的框图。

图2为表示感官指标设定的一例的图。

图3为表示数据规格设定的一例的图。

图4为表示由车辆中车载的传感器组获取的数据的例子的图。

图5为展示制作表示2个物理量的相关的相关信息的概念图。

图6的(a)为通过图5所示的方法制作的、表示操舵转矩与操舵角的相关的图，图6的(b)为表示将图6的(a)所示的信息在纵向和横向上分别以6比特的分辨率进行分割的情形的图。

图7为表示采用阶层型神经网络的评价电路的动作的概念图。

图8为表示图7所示的阶层型神经网络的输出与感官指标值的关系的图。

图9为表示使用3种物理值来制作相关信息的例子的图。

图10为表示每一感官指标的评价电路的例子的图，图10的(a)为表示阶层型神经网络的输入层、隐含层以及输出层的关系的图，图10的(b)为表示感官指标、要评价的2个物理量、隐含层元件数以及输出层元件数的关系的一例的图。

图11为表示发明的第1实施方式的感官评价系统的处理的流程的流程图。

图12为关于第1实施方式中的构成感官评价系统的评价电路而展示方向盘操作和评价电路的输出波形的一例的图。

图13为表示将第1实施方式中的构成感官评价系统的合计部所输出的指标值可视化的例子的图。

图14为关于评价电路的运行而展示与行驶路面的关系的一例的时间图。

图15为第2实施方式中的感官评价系统的框图。

图16为表示第2实施方式的感官评价系统的处理的流程的流程图。

图17为第3实施方式中的感官评价系统的框图。

图18为表示第3实施方式中的感官评价系统的学习功能的处理的流程图。

图19为表示第4实施方式的感官评价系统的功能构成的框图。

图20为表示第5实施方式的悬架控制系统的功能构成的框图。

具体实施方式

-第1实施方式-

下面，参考图1～图14，对感官评价系统的第1实施方式进行说明。以下所说明的感官评价系统可搭载于车辆中，也可设置于车辆外部。

图1为第1实施方式中的感官评价系统101的框图。感官评价系统101具备试验结果存放部102、控制部103、寄存器104、选择部105、评价指标判定部106、评价部107、合计部108、权重参数存放部109、合计结果存放部110、显示部111以及输入部115。寄存器104中包含感官指标设定112、数据规格设定113以及合计模式设定114。评价部107中包含第1相关制作部121、第2相关制作部122、第3相关制作部123、第4相关制作部124、第5相关制作部125、第1评价电路131、第2评价电路132、第3评价电路133、第4评价电路134以及第5评价电路135。

第1相关制作部121制作第1相关信息并输入至第1评价电路131。第2相关制作部122制作第2相关信息并输入至第2评价电路132。第3相关制作部123制作第3相关信息并输入至第3评价电路133。第4相关制作部124制作第4相关信息并输入至第4评价电路134。第5相关制作部125制作第5相关信息并输入至第5评价电路135。

再者，以下将第1相关制作部121、第2相关制作部122、第3相关制作部123、第4相关制作部124以及第5相关制作部125统称为相关制作部120。以下，将第1评价电路131、第2评价电路132、第3评价电路133、第4评价电路134以及第5评价电路135统称为评价电路130。以下，将第1相关信息、第2相关信息、第3相关信息、第4相关信息以及第5相关信息统称为相关信息。

再者，评价电路130所评价的5个感官指标分别为N(中立)附近手感、横摆响应、抓地感、侧倾感、直行性。但这只是一例，评价电路130也可对上述以外的感官指标进行评价。此外，评价电路130所评价的感官指标的数量只要为2以上即可，数量无上限。图1中展示的是评价部107对5个感官指标进行评价的例子，相关制作部120及评价电路130的数量根据要评价的感官指标的数量而增减。

控制部103、选择部105、评价指标判定部106、评价部107以及合计部108进行运算。这些运算例如是通过由未图示的CPU从未图示的ROM中读出程序并展开到未图示的RAM中加以执行来实现。但这些运算也可由作为能重写的逻辑电路的FPGA(Field ProgrammableGate Array)或者作为面向特定用途的集成电路的ASIC(Application SpecificIntegrated Circuit)来实现。此外，这些运算也可由不同构成的组合例如CPU、ROM、RAM以及FPGA的组合而不是CPU、ROM以及RAM的组合来实现。

试验结果存放部102、寄存器104、权重参数存放部109以及合计结果存放部110为非易失性存储装置，它们也可以分别称为“存储部”。但试验结果存放部102、寄存器104、权重参数存放部109以及合计结果存放部110中的至少1个也可为易失性存储装置，在该情况下，在感官评价系统101的启动时从未图示的非易失性存储装置读出的信息被存放至该易失性存储装置。显示部111例如为液晶显示器，显示从控制部103输出的影像信号。输入部115是与试验结果存放部102的连接接口。

试验结果存放部102中存放学习对象1021及评价对象1022。所谓学习对象1021，是专家驾驶员所乘坐的评价车辆中搭载的传感器组所获取到的传感器数据与此时的专家驾驶员给出的感官指标的组合。关于传感器组，将参考图4于后文进行说明。如后文所述，学习对象1021被用于权重参数存放部109中存放的权重参数的算出。再者，权重参数存放部109供评价部107参考。所谓评价对象1022，是评价车辆中搭载的传感器组所获取到的传感器数据。评价对象1022供评价部107评价。

控制部103具有使构成感官评价系统101的各块协调动作的功能。即，控制部103参与后文叙述的所有处理，但为了使记载变得简洁，以下不会特别记载控制部103参与处理这一事实。其中，控制部103具有根据评价指标判定部106的输出使不需要动作的评价电路130停止的功能。例如在评价指标判定部106仅选择N附近手感的情况下，使第2评价电路132～第5评价电路135停止。

寄存器104中包含的感官指标设定112是设定显示部111上显示的感官指标的寄存器。感官指标设定112预先设定任一值。其中，感官指标设定112可构成为能从感官评价系统101外部进行设定。

图2为表示感官指标设定112的一例的图。此处，感官指标设定112由m比特例如5比特构成，对各比特分配感官指标。评价指标判定部106对与作为评价对象的感官指标相对应的比特设定“1”，对这以外的比特设定“0”。再者，图2只是示例，只要能实现同样的设定，则感官指标设定112的数据形式不限。返回至图1继续说明。

寄存器104中包含的数据规格设定113是设定各感官指标所使用的数据也就是传感器输出的组合的规格的寄存器。在本实施方式中，数据规格设定113不会变更。

图3为表示数据规格设定113的一例的图。数据规格设定113由与感官指数相同数量的表格例如m个表格构成，各表格中存放n比特的信息。对各表格的各比特分配试验结果存放部102中存放的传感器信息即物理值。即，对与用于对应的感官指标的算出的物理值相对应的比特设定“1”，这以外设定“0”。再者，图3只是示例，只要能实现同样的设定，则数据规格设定113的数据形式不限。返回至图1继续说明。

寄存器104中包含的合计模式设定114是将显示到显示部111上的评价部107的输出设为瞬时值和平均值中的哪一者的设定信息。合计模式设定114由合计部108读入。选择部105将输入部115从试验结果存放部102读出的评价对象1022的至少一部分输出至各相关制作部120。选择部105输出评价对象1022中包含的哪一数据是参考经由控制部103收取的评价指标判定部106的输出以及数据规格设定113来决定。

评价指标判定部106根据方向盘的操作状况来选择要实施感官评价预测的感官指标。再者，关于方向盘的操作状况，根据规定了操纵稳定性的行驶试验的试验方法的ISO13674-1/2(Road vehicles--Test method for the quantification of on-centrehandling Part1/2)来定义的也是一种方案，例如，当评价指标判定部106根据方向盘的操作状况而判断正在进行作S字形连续的Weave test也就是所谓的绕桩行驶时，将N附近手感、横摆响应、抓地感以及侧倾感决定为评价对象，将直行性设为评价对象之外。此外，例如评价指标判定部106在判断正在进行直线行驶的情况下，将N附近手感及直行性决定为评价对象，将横摆响应、抓地感以及侧倾感设为评价对象之外。所谓方向盘的操作状况，例如为方向盘位置、方向盘位置的微分即方向盘速度、以及方向盘速度的微分即方向盘加速度中的任一者。再者，以下有时也将表示方向盘的操作状况的信息称为方向盘信息。

再者，评价指标判定部106所设想的方向盘的操作模式中还存在Step steer，即，在某一期间实施直行行驶后维持规定操舵角的阶梯状的方向盘操作的模式，也预先定下了与该操作模式相对应的感官指标。换成以感官指标为基准来说，存在按每一感官指标设想的方向盘操作。因而，评价指标判定部106所参考的方向盘信息为行驶时的方向盘的操作状况，感官评价系统101据此来决定要进行感官评价预测的感官指标。再者，关于感官指标的判断，只要能针对前文中定义的方向盘的操作状况而将车速等参数差异包括在内来进行分组、判定即可，例如可以利用方向盘的操舵角数据的模式匹配等。

评价部107包含相关制作部120和评价电路130。相关制作部120使用从选择部105传输的两种以上的物理量来制作表示这些物理量的时间序列上的相关的信息即相关信息。各相关制作部120的相关信息的制作方法例如制作中使用的物理量的种类、缩放(スケーリング)的设定、使用的数据的顺序等可相同也可不同。

合计部108将评价电路130所输出的感官指标值加以合计。如前文所述，按每一感官指标而存在设为评价对象的方向盘操作，所以在以对象之外的方向盘操作来行驶的情况下，有评价电路130不输出恰当的感官指标值之虞。因此，根据评价指标判定部106的判定结果而仅在以评价对象的方向盘操作来行驶时对评价电路130所输出的感官指标值进行处理，以评价对象之外的方向盘操作来行驶时则将评价电路130所输出的感官指标值排除。合计部108按每一感官指标来判断是否需要排除算出结果，将未被排除的感官指标值与时间戳一起写入至合计结果存放部110。

权重参数存放部109存放供评价电路130使用的参数。本实施方式中设想的是5种感官指标，所以权重参数存放部109具有至少可供5套参数存放的容量。再者，此处所说的参数，是评价电路130中使用的算式的系数或者例如由阶层型神经网络来实现评价电路130的情况下的元件间接线的权重Wij等。

显示部111将合计结果存放部110中存放的感官指标值呈现给车辆的乘员。再者，显示部111所输出的感官指标可以选择，可以利用寄存器104中包含的感官指标设定112从外部进行选择。此外，关于显示部111所输出的感官指标值，可以选择瞬时值或者行驶期间内的平均值中的任一者，可以利用寄存器104中包含的合计模式设定114从外部进行设定。

图4为表示由车辆201中车载的传感器组获取的数据的例子的图。图4所示的各传感器因测量自身车辆的行为所以也可以称为“行为传感器”。符号202所示的纵倾率、侧倾率以及横摆率是用于感官评价预测的车辆行为中获取的数据的例子。符号203所示的上下加速度、前后加速度以及左右加速度是用于感官评价预测的底盘部上获取的数据的例子。符号204所示的车速、方向盘、GPS、摄像机以及雷达是用于感官评价预测的其他所获取的数据的例子。

尤其是底盘部，选择来自路面的刺激经由轮胎而输入并到达乘员为止的路径相关的加速度数据的全部或一部分。例如，可列举构成悬架的弹簧下部、弹簧上部、乘员就座的座椅周围、方向盘的横拉杆、方向盘。进而，虽然图4中没有展示，但也可为能获取驾驶员的操作对象即加速踏板、制动踏板等的信息。再者，只要能实现操纵稳定性的感官评价预测，则也可采用此处列举的部位以外的测定点。再者，图4所示的传感器组所获取到的信息存放在试验结果存放部102中，但感官评价系统101并非必须存放在车辆201中。

参考图5～图8，对使用2个物理量来推断感官指标的处理的概要进行说明。其后，参考图9，对使用3个物理量来推断感官指标的处理的概要进行说明。如前文所述，相关信息表示2个以上的物理量的时间序列上的相关，有时也表示3个或4个以上的物理量的时间序列上的相关，但图5～图8中是对最简单的情况也就是使用2个物理量即第1物理量P1和第2物理量P2的相关来推断感官指标的例子进行说明。

图5为展示制作表示2个物理量的相关的相关信息的概念图。图5的上部是以实线表示物理量P1、以虚线表示物理量P2的时间序列图，越往图示右侧前进，时间越是流逝。在时刻t0，物理量P1及物理量P2的变化开始，时间按照时刻t1、时刻t2、时刻t3、时刻t4在流逝。图5的下部展示了时刻t0到时刻t1～t4的各时刻为止的时间内的物理量P1与物理量P2的相关关系。在图5的下部，将横轴设为物理量P1的值，将纵轴设为物理量P2的值。

例如在时刻t1，在绘线图的第一象限内绘制，在时刻t2，朝绘线图的第二象限绘制，在时刻t3，在第三象限内绘制，在时刻t4，在第四象限内绘制。通过连续实施这些绘制，制作出将物理值P1与物理量P2的相关关系可视化而成的散布图。

图6的(a)为通过图5所示的方法制作的、表示操舵转矩与操舵角的相关的图。图6的(b)为表示将图6的(a)所示的信息在纵向和横向上分别以6比特的分辨率进行分割的情形的图。

对图6的(b)进行详细说明，横轴所示的操舵转矩能以0[N·m]为中心而在正侧和负侧取值。此外，关于纵轴所示的操舵角，若将进行直线行驶的中立的方向盘状态设为0[deg]，则在往右操舵的情况下例如通过取正值来加以表现，在往左操舵的情况下通过取负值来加以表现。只要将各0值分配到数字的6bit空间的31(10进制)，便制作出在正侧和负侧取得了平衡的散布图。

再者，相关制作部120具有针对试验结果存放部102中存放的物理值例如操舵角和操舵转矩而导出指定行驶条件的方向盘动作中设想的最大值和最小值的功能。此处所说的指定行驶条件，例如是指“时速100kmh的条件下0.2Hz且最大横向加速度0.4G的绕桩行驶”等条件。此外，最大值和最小值是从试验结果存放部102获取该条件下的物理值数据而通过比较计算来导出。使用最大值和最小值中的绝对值大的值来进行归一化。进而，若实施有绘制的情况下设为“1”、无绘制的情况下设为“0”的数字化，则能够制作一方面能将0值设为31(10进制)、另一方面能实现整体倾向的确认的图像。

更具体而言，将纵向64像素、横向64像素的光栅图像而且是各像素以1及0来表示绘制的有无的信息作为相关信息。该相关信息例如表示为4096维的列向量。

图7为表示采用阶层型神经网络的评价电路130的动作的概念图。图7中，相当于图1所示的各评价电路130的评价电路401由将输入层(元件数I+1)、隐含层(元件数J+1)、输出层(元件数K)的各元件以阶层方式加以耦合而成的3层构成的阶层型神经网络构成。再者，如图7所示，输入层和隐含层中各设定有1个表示偏置项的元件。输入层的各元件与隐含层的各元件以权重W1ij(i＝1～I+1，j＝1～J+1)加以耦合，隐含层的各元件与输出层的各元件以权重W2jk(j＝1～J+1，k＝1～K)加以耦合。如前文所述，这些权重的信息存放在权重参数存放部109中。

像图6的(b)中说明过的那样，在以6bit来表现各物理值的情况下，散布图可以考虑以1及0的像素值来表现绘制的有无的64像素×64像素的数字图像。将该数字图像的信息输入至评价电路401。若实施了将各物理值的0值设为数字空间的中心的数据转换，则像素的位置也有意义，所以将像素数据本身设定至阶层型神经网络的输入。列举一例，从数字图像的左上的像素值朝数字图像的右下按点顺序设定至阶层型神经网络的输入a11～a1I。若规定a1I为第I个输入元件，则I＝4096(＝64×64)。在该神经网络中，仅输出层的任1个元件输出“1”，这以外的输出层元件输出“0”。

图8为表示图7所示的阶层型神经网络的输出与感官指标值的关系的图。输出层元件的规格是将最高分设为8.00，将最低分设为4.00，将分数的间隔单位设为0.25。该情况下的输出层元件的数量K为17。

权重参数存放部109中存放的权重参数的决定也就是所谓的评价电路401的学习以如下方式进行。试验结果存放部102中存放的学习对象1021中包含专家驾驶员乘车时的传感器输出与专家驾驶员所回答的感官指数值的大量组合。在某一行驶试验中，在专家驾驶员对N附近手感的感官指标值作出7.75分的回答的情况下，将输入值与输出值设为以下组合来进行学习。即，输入值是将例如操舵转矩与操舵角的时间序列上的相关绘制在二维平面上得到的图6的(b)所示的光栅图像信息。此外，输出值中，只有与7.75分相对应的输出层元件a32为“1”，这以外的输出层元件为“0”。

使用许多这样的输入值与输出值的组而通过阶层型神经网络来学习大量的时间序列数据与专家驾驶员所回答的感官指标值的相关。关于神经网络的学习法，可以使用通常知晓的误差反传法(back-propagation)。

图9为表示选择3种物理值来制作相关信息的例子的图。图9所示的例子中展示了将物理量P1～P3加以组合的例子，将物理量P1设定为X轴，将物理量P3设定为Y轴，将物理量P2设定为Z轴。图6所示的例子是2个物理量的相关，所以绘制在二维平面上，而图9中是3个物理量的相关，所以绘制在三维空间上。

并且，分割为具有规定尺寸的体素，根据在体素内的绘制的有无来设定“1”及“0”中的任一值。进而，将按规定顺序输出该体素的值的所得作为相关信息。将制作出的相关信息输入到评价电路130之后的处理与图8所示的一致，所以省略说明。再者，关于4种以上的物理值，由于难以可视化，所以省略此处的说明，但可以通过同样的方法来应对，数量并无上限。例如也可将10种物理量的时间序列上的相关用作相关信息。

图10为表示每一感官指标的评价电路的例子的图。图10的(a)为表示阶层型神经网络的输入层、隐含层以及输出层的关系的图，图10的(b)为表示感官指标、要评价的2个物理量、隐含层元件数以及输出层元件数的关系的一例的图。图10的(a)所示的评价电路与图7的评价电路401一样，由将输入层501、隐含层502、输出层503以阶层方式加以耦合而成的阶层型神经网络构成。再者，在本实施方式的感官评价系统101中，是像图1的第1评价电路131～第5评价电路135那样按每一感官指标来设定评价电路。如前文所述，这各个评价电路的规格可相同也可不同。

图10的(b)为表示每一评价电路的规格的一例的图。例如，与N附近手感相对应的评价电路也就是图1的第1评价电路131中，评价中使用的物理量为操舵转矩和操舵角，隐含层元件数J＝100，与横摆响应相对应的评价电路也就是图1的第2评价电路132中，评价中使用的物理量为操舵角和横摆率，隐含层元件数J＝200。此外，与抓地间相对应的评价电路也就是图1的第3评价电路133中，评价中使用的物理量为横摆率和横向加速度，隐含层元件数J＝250，与侧倾感相对应的评价电路也就是图1的第4评价电路134中，评价中使用的物理量为横向加加速度，隐含层元件数J＝500。再者，所有评价电路中，输出层元件数都是K＝17。其中，这些物理量的选择及参数值为一例，也可为其他参数值。

图11为表示本发明的第1实施方式的感官评价系统的处理的流程的流程图。首先，在步骤S701中，控制部103对表示感官评价的实施状况的标记值设定表示没有实施这一情况的“0”。

在步骤S702中，控制部103根据来自自身车辆的乘员的操作等来判定是否设定了感官评价启动也就是是否进行了感官评价的实施指示。在感官评价启动的情况下，判断进行了感官评价的实施指示而前进至步骤S703，在感官评价关闭的情况下，判断未进行感官评价的实施指示而前进至步骤S715。

在步骤S703中，控制部103对表示感官评价的实施状况的前文所述的标记值设定表示已开始实施这一情况的“1”。接着，控制部103获取方向盘操作信息(步骤S704)，并解析时间序列上的方向盘操作(步骤S705)。继而，控制部103在步骤S706中使用评价指标判定部106来判定与方向盘操作相对应的感官指标。

在步骤S707中，控制部103选择按每一感官指标设置的评价电路130当中与步骤S706中被判定为评价指标的感官指标相对应的评价电路。在步骤S708中，控制部103选择与步骤S707中选择的评价电路相对应的合计结果存放部110的存储区域作为评价值的存放块。

在步骤S709中，选择部105跨及规定时间范围来提取试验结果存放部102的评价对象1022，生成用作评价用数据的时间序列数据。在步骤S710中，选择部105使用附近的路面信息和车速信息等来调整评价电路130的动作开始时机。继而，根据调整后的时机将步骤S709中生成的时间序列数据作为评价用数据展开到步骤S707中选择的评价电路中。

在步骤S711中，评价电路130中的在步骤S707中选择的评价电路根据步骤S710中从选择部105输入的评价用数据，来计算针对步骤S706中判定的评价指标的评价值。

在步骤S712中，合计部108根据合计模式设定114的值来判定所设定的合计模式是瞬时值合计模式和平均值合计模式中的哪一者。例如，在合计模式设定114的值为“0”的情况下，合计部108判定设定的是瞬时值合计模式而前进至步骤S713，在合计模式设定114的值为“1”的情况下，合计部108判定设定的是平均值合计模式而前进至步骤S714。

在步骤S713中，合计部108将步骤S711中计算出的评价值传输、显示到显示部111上。由此，使用显示部111将针对步骤S706中判定的评价指标的评价值的瞬时值输出至外部。再者，根据评价值的计算周期的不同，存在瞬时值的变化过快而难以观察的情况。在这样的情况下，可算出规定的时间平均值来代替瞬时值进行显示。

在步骤S714中，合计部108将步骤S711中计算出的评价值写入至步骤S708中选择的存放块。当结束步骤S713或步骤S714的处理时，返回至步骤S702，重复前文所述的处理。由此，持续实施步骤S703～S714的一系列处理直至在步骤S702中判定设定的是感官评价关闭为止。

当在步骤S702中判定设定的是感官评价关闭时，在步骤S715中，控制部103判定表示感官评价的实施状况的前文所述的标记值是否设定成“1”。在标记值设定成“1”的情况下，判断已通过步骤S703～S714的一系列处理实施了感官评价而前进至步骤S716，在标记值设定成“0”的情况下，判断未实施感官评价而返回至步骤S701。

在步骤S716中，与前文所述的步骤S712一样，合计部108判定所设定的合计模式为瞬时值合计模式和平均值合计模式中的哪一者。在设定的是平均值合计模式的情况下，前进至步骤S717，在设定的是瞬时值合计模式的情况下，返回至步骤S701。在步骤S717中，合计部108读出合计结果存放部110中存放的评价值。

在步骤S718中，合计部108根据步骤S714中读出的评价值来计算从开始图11的处理起的每一评价指标的评价值的平均值。在接下来的步骤S719中，合计部108将步骤S718中计算出的平均值传输、显示到显示部111上。由此，将自身车辆在评价对象路面上行驶时的评价值的平均值加以合计并使用显示部111输出至外部。当结束步骤S719的处理时，返回至步骤S701。

图12为关于第1实施方式中的构成感官评价系统的评价电路而展示方向盘操作和评价电路的输出波形的一例的图。符号801表示方向盘操作的时间序列变化，符号802～804各自表示区间之一～区间之三内的N附近手感的感官评价预测波形。符号805～807各自表示区间之一～区间之三内的直行性的感官评价预测波形。

在图12所示的例子中，感官指标N附近手感的评价对象是根据方向盘操作而能够判断为绕桩行驶的区间之一和区间之三，仅直行的区间之二为评价对象之外。此外，感官指标的直行性将区间之一和区间之三设为评价对象之外，将区间之二设为评价对象。评价电路是以操纵稳定性的感官指标为对象，有波动的现象为对象，所以预料不会输出恒定的固定值。但若是评价对象之外的方向盘操作，则未能实现设想的学习，所以预料会像符号805和符号807那样变为上限值饱和这样的波形或者像符号803那样以大的振幅发生变动。

换句话说，认为以评价对象之外的方向盘操作来行驶时的感官评价预测值的可靠性低。另一方面，若是评价对象的方向盘操作，则实现了设想的学习，所以认为会输出某一范围的值，可以期待符号802、符号804以及符号806等的波形。因而，评价指标判定部106使用方向盘信息来判断各评价电路130是否为评价对象，并将评价对象之外的方向盘操作下的感官评价预测值排除。

图13为表示将第1实施方式中的构成感官评价系统的合计部所输出的指标值可视化的例子的图。图13的(a)是针对5种感官指标而将感官评价预测值可视化的例子，图表种类为雷达图。再者，进行可视化的感官指标可以根据寄存器104中存放的未图示的设定值来选择。该未图示的设定值是与感官指标相对应的1bit的寄存器的集合体，例如由N附近手感选择寄存器、横摆响应选择寄存器、抓地感选择寄存器、侧倾感选择寄存器以及直行性选择寄存器构成。若对各寄存器值设定“1”，则进行显示，若对各寄存器值设定“0”，则不显示。因而，图13的(a)的情况展示的是5种显示选择寄存器的寄存器值全部被设定成“1”的情况。

此外，感官评价预测值根据合计模式设定114的设定值而合计方法不一样。例如，在合计模式设定114的寄存器值为“1”的情况下，感官评价预测值是以评价对象的方向盘操作来行驶时的感官评价预测值的平均值，在合计模式设定114的寄存器值为“0”的情况下，感官评价预测值是以评价对象的方向盘操作来行驶时的瞬时值。这是一例，也可扩大可取的寄存器值而设为移动平均值，进而，也可设定对计算移动平均时的窗口宽度进行设定的2bit宽度以上的寄存器。

图13的(b)为针对1种感官指标即抓地感而可视化的例子，图表种类为柱状图。该情况相当于只有抓地感选择寄存器的寄存器值为“1”、这以外设定成不显示的情况。关于合计模式设定114的设定规格，与前文叙述过的图13的(a)的情况相同，所以省略说明。再者，图13中，将基准显示为感官指标值6.0分。“6.0”不是必需的，但在与基准点进行比较的显示规格中，将感官评价预测值可视化是比较重要的。

图14是关于第1实施方式中的构成感官评价系统的评价电路的运行而展示与行驶路面的关系的一例的时间图。

符号1001表示方向盘操作种类检测时机波形，符号1002表示N附近手感用的评价电路的动作时机，符号1003表示横摆响应用的评价电路的动作时机，符号1004表示抓地感用的评价电路的动作时机，符号1005表示侧倾感用的评价电路的动作时机，符号1006表示直行性用的评价电路的动作时机。

首先，方向盘操作801从区间之一经由区间之二向区间之三转变。评价指标判定部106获取方向盘操作信息而检测方向盘操作的种类。图14中，在符号1001的脉冲波形变成High(1)的时机进行了检测。评价指标判定部106在区间之一内将感官指标N附近手感、横摆响应以及侧倾感判定为作感官评价，输出在评价对象路面行驶中变为High(1)的评价指标选择信号1002、1004、1006。另一方面，对于设为评价对象之外的抓地感和直行性，评价指标判定部106输出变为Low(0)的评价指标选择信号1003、1005。

评价指标选择信号的切换时机为方向盘操作种类检测的时机。再者，图14中是像方向盘操作801那样设想方向盘操作种类发生切换的情况来展示评价指标选择信号1002～1006，但这是一例。感官指标的思路多种多样，根据思路来生成评价指标选择信号。

再者，在本实施方式中，为了简化内容而使其易于理解，主要对由物理值P1和物理值P2这两种构成的二维图像进行了说明，但只要能判断操纵稳定性的感官指标的好坏，便不限于二维图像，也可为使用3种以上的物理值的三维或者以上的数据空间。尤其是只要以阶层型神经网络为前提，就并非必须抑制在人能掌握的信息量。

根据上述第1实施方式，获得以下作用效果。

(1)感官评价系统101具备：输入部115，其读入行为传感器的输出，所述行为传感器测量移动体相关的两种以上的时间序列信息；选择部105，其从输入部115所读入的行为传感器的输出中选择两种以上的物理量；相关制作部120，其针对选择部105所选择的两种以上的物理量来制作表示时间序列上的相关的信息；以及评价电路130，其根据表示时间序列上的相关的信息来算出感官指标的评价值。因此，感官评价系统101对多个物理量的相关进行评价，所以不易受到驾驶员的操作的偏差的影响。

(2)评价电路130能够算出多个感官指标。感官评价系统101具备：评价指标判定部106，其根据移动体的方向盘操作来判定评价对象的感官指标；以及寄存器104，它是存储数据规格设定113的存储部，所述数据规格设定113将评价指标判定部106所决定的感官指标与对应于所述感官指标的2个以上的物理量加以关联。选择部105参考数据规格设定113、根据评价指标判定部106的判定来决定2个以上的物理量。因此，可以使用恰当的评价指标来评价针对驾驶员的方向盘操作的操纵稳定性。

(3)在选择部105选择了2个物理量的情况下，相关制作部120将2个物理量的时间序列的相关绘制在二维平面上，并以光栅图像信息的形式输出绘制。因此，能够简洁地表现2个物理量的时间序列上的相关，而且对数据的偏差的宽容性好。也考虑以向量图像信息的形式输出绘制，但考虑到用于向阶层型神经网络的输入层的输入，向量图像信息鲁棒性低，难以获得稳定的输出。因此，像本实施方式这样将光栅图像信息换句话说就是各像素的值用于向输入层的输入的方法是比较优异的。

(4)在选择部105选择了3个物理量的情况下，相关制作部120将3个物理量的时间序列的相关绘制在三维空间上，并以体素信息的形式输出绘制。因此，能够简洁地表现3个物理量的时间序列上的相关，而且对数据的偏差的宽容性好。

(5)评价电路130具有与多个感官指标分别相对应的多个评价小电路即第1评价电路131～第5评价电路135。控制部103根据评价指标判定部106的选择使不算出感官指标的任一评价电路130停止。因此，因此能够减少耗电。这在将感官评价系统101搭载于车辆时尤为有用。

(6)数据规格设定113按每一感官指标而物理量的组合不一样。因此，可以针对每一感官指标而使用最佳的物理量的组合。

(7)感官评价预测系统101搭载于移动体。输入部115读入移动体中搭载的行为传感器的输出。感官评价系统101具备对评价电路130的算出结果进行合计的合计部108。合计部108能够切换瞬时评价模式与综合评价模式，所述瞬时评价模式是输出评价电路130的算出结果的瞬时值或移动平均值，所述综合评价模式是输出评价电路的算出结果的规定期间内的平均值。

(变形例1)

在上述第1实施方式中，评价指标判定部106是使用模式匹配的方法而根据方向盘信息来判定评价指标。但也可通过基于使用阶层型神经网络的学习的推论来实施方向盘信息与评价指标的关系。在该阶层型神经网络中，例如按每一定期间划分的时间序列的方向盘信息为输入，与各感官指标相对应的要素为输出层的要素。在学习阶段，以与专家驾驶员所回答的感官指标相对应的要素为“1”、其他为“0”的方式学习权重参数。

根据本变形例，除了上述第1实施方式的作用效果以外，还获得以下作用效果。

(8)评价指标判定部106根据学习来判断方向盘操作的信息与感官指标的关系。在前文叙述过的模式匹配中，须事先决定是评价对象还是评价对象之外，相对于此，运用阶层型神经网络有以下优点。即，可以在专家驾驶员进行驾驶的感官评价试验中获取训练数据，从而能实现与实际的想法一致的评价指标选择。

(变形例2)

感官评价系统101在搭载于车辆的情况下也可不具备试验结果存放部102。在该情况下，车辆中搭载的传感器组的输出被输入至输入部115。

(变形例3)

感官评价系统101所评价的感官指标也可仅为1个。在该情况下，感官评价系统101可不具备评价指标判定部106。

-第2实施方式-

参考图15～图16，对感官评价系统的第2实施方式进行说明。在以下的说明中，对与第1实施方式相同的构成要素标注相同符号而主要说明不同点。不特别说明的方面与第1实施方式相同。本实施方式与第1实施方式的不同点主要在于，对多个感官指标共用一个评价电路。

图15为第2实施方式中的感官评价系统101A的框图。评价部107A仅具备相关制作部126及评价电路136，这一点与第1实施方式不一样。

相关制作部126是将第1实施方式中于图1中说明过的第1相关制作部121～第5相关制作部125共通化得到的。相关制作部126经由控制部103获取供评价电路136评价的评价指标的信息，以与该评价指标相对应的多个物理量为对象来制作时间序列上的相关信息。相关制作部126将制作出的相关信息输出至评价电路136。再者，图15的例子中仅图示了一个相关制作部126，但评价部107A内也可存在多个相关制作部126。只要是针对至少两种以上的感官指标而共用一个评价电路136和相关制作部126，便可以在评价部107A内以任意个数设置相关制作部126。

评价电路136是针对多个感官指标而将第1实施方式中于图1中说明过的每一感官指标的第1评价电路131～第5评价电路135共享化得到的。即，针对前文所述的各感官指标例如N附近手感、横摆响应、抓地感、侧倾感以及直行性这5种感官指标而共用相关制作部126及评价电路136。再者，图15的例子中仅图示了一个评价电路136，但评价部107A内也可存在多个评价电路136。只要是针对至少两种以上的感官指标而共用一个评价电路136，便可以在评价部107A内以任意个数设置评价电路136。进而，相关制作部126与评价电路136的个数也可不同。

图16为表示本发明的第2实施方式的感官评价系统的处理的流程的流程图。与第1实施方式中说明过的图7的流程图相比，图16的流程图的不同点在于，设置了步骤S1201代替步骤S707。再者，对于与第1实施方式不一样的这些处理步骤以外，只要无特别需要，以下便省略说明。

在步骤S1201中，控制部103从权重参数存放部109中读出与步骤S706中被选作评价指标的感官指标相对应的评价电路的权重参数。继而，将读出的权重参数设定至评价电路136。由此，在评价部107A中根据评价指标来调整评价电路136。

在步骤S713中，步骤S1201中根据评价指标进行了调整的评价电路136根据步骤S710中从选择部105输入的评价用数据来计算针对评价指标的评价值。

根据以上说明过的本发明的第2实施方式，除了与第1实施方式同样的作用效果以外，还取得以下作用效果。

(9)评价电路130具有共通地对应多个感官指标的评价小电路即评价电路136。根据评价指标判定部106所选择的评价指标来调整评价电路136，使用调整后的评价电路136来算出评价值。具体而言，使用将多个元件以阶层方式加以耦合而成的神经网络来构建评价电路136，根据评价指标来调整每一元件的权重参数。因此，能够谋求电路规模的削减。

-第3实施方式-

参考图17～图18，对感官评价系统的第3实施方式进行说明。在以下的说明中，对与第1实施方式相同的构成要素标注相同符号而主要说明不同点。不特别说明的方面与第2实施方式相同。本实施方式与第2实施方式的不同点主要在于，通过学习来决定感官指标的推断中使用的物理量并制作数据规格设定。

图17为第3实施方式中的感官评价系统101B的框图。在本实施方式中，寄存器104中还存放探索模式1041及学习判定阈值1042。其中，在后文叙述的处理的开始时间点，寄存器104中可未存放数据规格设定113，通过后文叙述的处理来制作数据规格设定113。此外，在本实施方式中，在后文叙述的处理的开始时间点，权重参数存放部109中可未存放数据，通过后文叙述的处理在权重参数存放部109中存放数据。

当对探索模式1041设定“1”时，感官评价系统101B转变为探索模式而制作数据规格设定113。当对探索模式1041设定“0”时，感官评价系统101B转变为非探索模式，使用预先制作的数据规格设定113或者从外部读入的数据规格设定113来进行第1实施方式中说明过的动作。

在本实施方式中，具备学习部107B代替评价部107A。学习部107B除了第2实施方式中的评价部107A的功能以外还具备下面说明的学习功能。学习部107B在非探索模式下进行与第2实施方式同样的动作，在探索模式下发挥学习功能。

学习部107B在探索模式下以如下方式探索感官指标的推断中使用的物理量的组合。学习部107B首先选择任意物理值的组合来制作第1相关信息。接着，针对第1相关信息与从专家驾驶员获取的操纵稳定性的感官指标值的关系来进行阶层型神经网络下的学习。继而，在阶层型神经网络的输出误差比学习判定阈值1042小的情况下，也就是说，当与训练数据的差异已减小一定程度以上时，判断能够学习，将第1相关信息中使用的物理量的组合记录至数据规格设定113，而且将学习得到的参数存放至权重参数存放部109。

另一方面，在试行阶层型神经网络的学习而阶层型神经网络的输出误差为学习判定阈值1042以上的情况下，也就是说，当与训练数据的差异未减小一定程度以上时，判断无法学习。在该情况下，选择不同的物理量的组合来制作第2相关信息，针对第2相关信息与从专家驾驶员获取的操纵稳定性的感官指标值的关系来试行阶层型神经网络的学习。以如此方式探索物理量的组合直至判断能够学习为止。

再者，相关信息的制作中使用的物理量的组合的探索方法可以采用各种方法。例如，也可从多个物理值中随机选择两种以上的多个物理值，也可根据专家驾驶员的感觉对物理值赋予优先位次而按照优先位次从高到低的顺序来探索组合。进而，也可像AI(Artificial Intelligence)之一的强化学习那样一边进行评价一边通过试错来进行探索。

图18为表示第3实施方式中的感官评价系统101C的学习功能的处理的流程图。首先，在步骤S1402中，控制部103根据来自自身车辆的乘员的操作等来判定探索模式1041是否被设定成启动也就是学习模式是否被设定成有效。在对探索模式1041设定的是“1”的情况下，判断进行了学习的实施指示而前进至步骤S1403，在对探索模式1041设定的是“0”的情况下，返回至步骤S1402。

然后，控制部103获取方向盘操作信息(步骤S1403)，并解析时间序列上的方向盘操作(步骤S1404)。继而，控制部103在步骤S1405中使用评价指标判定部106来判定与方向盘操作相对应的感官指标。

在步骤S1406中，控制部103决定与步骤S1405中判定的感官指标相对应的物理量的组合。如上所述，该物理量的组合例如是随机决定的。在接下来的步骤S1407中，控制部103从试验结果存放部102的学习对象1021中读出步骤S1406中决定的物理量的信息以及专家驾驶员给出的感官指标。在接下来的步骤S1408中，学习部107B使用步骤S1407中读出的物理量和专家驾驶员给出的感官指标来进行学习。

在步骤S1409中，控制部103判断输出误差是否小于学习判定阈值1042。控制部103在判断输出误差为学习判定阈值1042以上的情况下返回至步骤S1406，采用不同的物理量的组合而前进至步骤S1407之后的处理。控制部103在判断输出误差小于学习判定阈值1042的情况下将步骤S1406中决定的物理量的组合记录至数据规格设定113，而且将步骤S1408中学习得到的参数存放至权重参数存放部109。

根据上述第3实施方式，获得以下作用效果。

(10)试验结果存放部102中存放行为传感器的输出与感官指标的评价值的组合即学习对象1021。学习部107B使用学习对象1021来学习评价值的算出中使用的、行为传感器的输出中包含的两种以上的物理量的组合。学习部107B使用任意选择的多个物理量的组合来试行学习，在学习给出的输出误差小于学习判定阈值1042的情况下，将感官指标与任意选择的多个物理量加以关联而记录至数据规格设定113。因此，能够一边进行评价电路130中的阶层型神经网络的学习一边探索恰当的物理量的组合。进而，通过该探索，有助于阐明方向盘操作与此时的车辆行为、乘员的感官评价的关系。

-第4实施方式-

下面，使用图19，对本发明的第4实施方式进行说明。在本实施方式中，对利用感官评价系统来进行悬架装置的制造的例子进行说明。

图19为表示本发明的第4实施方式的感官评价系统的功能构成的框图。与第1实施方式中说明过的图1的感官评价系统101相比，图19所示的感官评价系统101C的不同点在于，它是搭载于移动体上，并且进一步具备收发部902，以及，经由网络与计算机中心150和评价值采集中心1502连接。进一步地，感官评价系统101C具备传感器组900代替试验结果存放部102。

收发部902经由互联网等网络与计算机中心150连接，接收从计算机中心150发送的权重参数等已学习数据并输出至控制部103。已学习数据例如包括评价指标判定部106从多种感官指标中按路面的每一种类来选择设为评价对象的感官指标(评价指标)时所使用的评价指标判定数据、权重参数存放部109中存放的权重参数、数据规格设定113等。

传感器组900例如为加速度传感器、陀螺仪传感器、车速传感器、摄像机以及激光测距仪等。传感器组900的输出被输入至输入部115。

评价值采集中心1502对通过自身车辆在各种道路上行驶而由感官评价系统101C算出及合计得到的针对各感官指标的评价值进行采集并提供给设计人员1503。再者，评价值采集中心1502也可连接于不同车辆中各自搭载的多个感官评价系统101C，能够从各感官评价系统101C采集评价值。从评价值采集中心1502得到了评价值的提供的设计人员1503以该评价值为参考来进行悬架装置1505的设计，并将设计信息提供给制造工序1504。在得到了设计信息的提供的制造工序1504中，使用该设计信息来制造悬架装置1505。由此，可以根据从感官评价系统101C输出的评价值来制造悬架装置1505。

再者，上文中对使用从与第1实施方式中说明过的感官评价系统101同样的感官评价系统101C输出的评价值来进行悬架装置1505的制造的例子进行了说明，但也可与第2实施方式、第3实施方式中各自说明过的感官评价系统101A、101B同样地构成感官评价系统101C而使用从该感官评价系统101C输出的评价值来进行悬架装置1505的制造。

根据以上说明过的本发明的第4实施方式，获得以下作用效果。

(11)悬架装置1505是根据从感官评价系统101C输出的评价值来加以制造。因此，能够容易地反映针对各种道路而获取到的每一感官指标的评价值来进行悬架装置1505的制造，所以能在乘坐感受的提高上提供高性能的悬架装置。

(第4实施方式的变形例1)

也可在搭载感官评价系统101C的车辆中搭载传感器组900而不是由感官评价系统101C配备传感器组900。也可在搭载感官评价系统101C的车辆中搭载显示部111而不是由感官评价系统101C配备显示部111。

-第5实施方式-

下面，使用图20，对本发明的第5实施方式进行说明。在本实施方式中，对可以利用感官评价系统来调整悬架装置的减震力的控制系统的例子进行说明。

图20为表示本发明的第5实施方式的悬架控制系统的功能构成的框图。图20所示的悬架控制系统是包含感官评价系统101D及悬架减震力可变机构1702而构成。再者，感官评价系统101D的构成及动作与第1实施方式中说明过的图1的感官评价系统101相同。

悬架减震力可变机构1702根据从感官评价系统101D输出的每一感官指标的评价值，来调整自身车辆中搭载的未图示的悬架装置的减震力。例如，对可以根据从外部输入的控制指令值或控制参数来调节减震力的悬架装置设定与评价值相应的控制指令值或控制参数。由此，可以反映感官评价系统101D所得到的感官评价结果来进行悬架装置的调整。

通常而言，悬架装置存在减震力特性根据漏油和机械特性的经年变化而发生变化、从而对汽车的乘坐感受产生影响的情况。因此，在本实施方式的悬架控制系统中，在搭载有感官评价系统101D的汽车中检测到类似的行驶环境下的评价值的变化的情况下，通过悬架减震力可变机构1702而在消除该变化的方向上调整悬架装置的减震力。由此，即便在悬架装置发生了不良情况或劣化的情况下，也能实现悬架特性的修正，所以能延长悬架装置的使用时间。进而，也可根据自身车辆所行驶的路面的种类来改变悬架特性。如此一来，不论路面的种类如何，始终都能提供最佳的乘坐感受。

再者，上文中对使用从与第1实施方式中说明过的感官评价系统101同样的感官评价系统101D输出的评价值，借助悬架减震力可变机构1702来调整悬架装置的减震力的例子进行了说明。但也可与第2实施方式、第3实施方式中各自说明过的感官评价系统101A、101B同样地构成感官评价系统101D，使用从该感官评价系统101D输出的评价值来调整悬架装置的减震力。

根据以上说明过的本发明的第5实施方式，获得以下作用效果。

(12)悬架控制系统具备感官评价系统101D和悬架减震力可变机构1702，所述悬架减震力可变机构1702根据从感官评价系统101D输出的评价值来调整自身车辆中搭载的悬架装置的减震力。因此，可以提供一种能够延长悬架装置的使用时间、而且不论路面的种类如何都能提供最佳的乘坐感受的悬架装置。

在上述各实施方式及变形例中，功能块的构成只是一例。也可一体地构成以不同功能块的形式展示过的若干功能构成，也可将以1个功能框图来展示的构成分割为2个以上的功能。此外，也可设为由其他功能块来具备各功能块所具有的功能的一部分的构成。

上述各实施方式及变形例也可分别加以组合。上文中对各种实施方式及变形例进行了说明，但本发明并不限定于这些内容。在本发明的技术思想的范围内思索的其他形态也包含在本发明的范围内。

下面的优先权基础申请的揭示内容以引用文的形式并入本说明书：

日本专利申请2020-11277(2020年1月28日申请)。

符号说明

101、101A、101B、101C、101D…感官评价系统

102…试验结果存放部

103…控制部

104…寄存器

105…选择部

106…评价指标判定部

107、107A…评价部

107B…学习部

108…合计部

109…权重参数存放部

110…合计结果存放部

111…显示部

112…感官指标设定

113…数据规格设定

114…合计模式设定

115…输入部

120…相关制作部

130…评价电路

201…车辆

401…评价电路

801…方向盘操作

1021…学习对象

1022…评价对象

1041…探索模式

1042…学习判定阈值

1303…评价电路

1504…制造工序

1505…悬架装置

1702…悬架减震力可变机构。