感度直交残差学習による適応的横滑り角・コーナリングスティフネス推定

- 車両の sideslip 推定器において、cornering stiffness のオンライン適応と学習ベースの model correction が同一の filter innovation を奪い合う問題を扱う研究。 - stiffness 変化が生む innovation パターンを学習 corrector が吸収して適応が抑制されるのに対し、stiffness sensitivity に直交する corrector を構成する手法を提案。 - full-vehicle simulation と public real-vehicle data で評価。

- 従来の学習ベース model correction はパラメータ数が増えるほど stiffness 変化への応答が低下し、適応を抑圧しうる。 - 提案する orthogonal corrector はパラメータ数によらず uncorrected filter と同等以上の stiffness 応答を維持。 - null-space parameterization により penalty coefficient なしで制約を課し、各 identification segment で static least-squares stiffness estimate を保持する点が新しい。

- 予測測定値の stiffness sensitivity を vehicle states を通して伝播させる。 - その sensitivity に直交する corrector を構成し、null-space parameterization で制約を強制。 - penalty 項を使わずに直交性を担保し、stiffness 推定の static least-squares 解を各 segment で保存。

- full-vehicle simulation で、unconstrained corrector はパラメータ数増加に伴い stiffness 応答が低下する一方、orthogonal corrector は全サイズで uncorrected filter 以上に応答し、sideslip error を 12.7%〜22.0% 低減。 - stiffness step を含む simulated drive で、orthogonal corrector は uncorrected filter と同程度に速く適応し、過渡期および過渡後の sideslip error を低減。 - public real-vehicle data で、430-parameter の unconstrained corrector は nominal stiffness の意図的オフセットへの応答を大部分失うが、同サイズの orthogonal corrector は応答を大部分保持。sideslip error は uncorrected filter をわずかに上回る。

- real-vehicle data では orthogonal corrector の sideslip error が uncorrected filter よりわずかに高いという trade-off が示唆される。 - パラメータ数と stiffness 応答性の関係、および corrector と adaptation の競合に関する議論が要旨から読み取れる。 - 詳細な議論や限界は要旨からは不明。

- 要旨で参照/比較されている unconstrained corrector、uncorrected filter、null-space parameterization、static least-squares stiffness estimate に関連する研究。 - 同分野の定番として model-based sideslip estimation や cornering stiffness adaptation に関する論文。