大型FCVの回生ブレーキ作動不可時向け空気圧縮開放式補助制動装置（第6報）
-コンパクト化のためのロータリーベーン方式の提案-

天田　瑚生・藤田　大樹・土屋　美海・藤田　壽憲・柴山　尚士（東京電機大学）

FCVトラックの回生ブレーキ作動不可時に備える空気圧縮開放式の簡易型補助ブレーキを前報までに提案した．前報まではアキシャルピストン方式を採用しており回転運動を往復運動に変換する必要があり，コンパクト化には限界があった．そこで，本報ではコンパクト化のためのロータリーベーン方式を提案し，その特性を報告する．

高回転・高出力・高減速比トラクションドライブの動力伝達特性試験機の開発

森田　夏輝・山本　建（東海大学）

トラクションドライブの性能を確認すべく，50,000rpm・50kWでの測定に向け，動力循環試験機を開発した．本試験機により設備的制約を克服し，50,000rpm・50kWでのトラクション係数測定を実現した．また，高減速比における試験では，トラクション係数が低下しないで測定することを確認した．

セルフロック減速機構を用いた2輪用CVTの電動制御

上田　源士郎（法政大学大学院）・相原　建人（法政大学）

セルフロック機能を有する減速機とモータを用いた2輪用CVTの電動制御を提案する．モータによりプーリ位置を制御することで，高速な変速および高効率化を狙う．またセルフロック機能によりプーリの位置保持を無電力で行うことができる．本発表では，機構構成，動作原理，および変速特性について報告する．

環境乱択に基づく深層強化学習制御とモデルベース制御の融合によるパワートレインの振動抑制

米沢　平成・米沢　安成・梶原　逸朗（北海道大学）

パワートレインの制御系設計は，非線形性や動特性の不確かさを考慮する必要がある．近年，深層強化学習が有力な手法として注目されているが，学習の非効率性や方策の保守化が課題である．本研究はベース性能を担保するモデルベース制御器を導入することで，環境乱択に基づく深層強化学習制御を支援する手法を提案する．

多層運行モードに対応可能な燃料電池ごみ収集車の変速制御最適化手法の構築

鮑　義達・高　佳カイ・張　翔・奚　佳晨・方　亦园・楊　イ翔・紙屋　雄史（早稲田大学）

燃料電池ごみ収集車は収集作業・走行パターンが複雑で要求性能の幅も広く，固定シフトマップでは最適動作が困難である．本研究は多層運転モードに基づくシフトマップを提案，モータ特性と回生機構を考慮しベイズ最適化で変速比とマップを協調最適化した．固定マップ比でドライバビリティを保ち電費と動力性能を向上した．

Proposal of a CVT Shift Map for BEVs Based on Optimal Control Methods

Hanqing Zhao･Yasuo Moriyoshi･Tatsuya Kuboyama (Chiba University)

For EV CVT control, shift maps are generally designed empirically, and their optimality has not been sufficiently investigated. In this study, optimal CVT ratios under various driving conditions were calculated using an optimization method, and the differences from the conventional CVT map were analyzed. In addition, correction regions were classified using a decision tree, and correction maps for each region were constructed to investigate a method for improving conventional CVT shift maps.

Development of a Virtual Performance Evaluation Model for New Multi-Mode Hybrid Powertrain System with RCP-HIL Validation

Myeong-Won Seo･Dohyun Park･Janghyeok Won･Beomho Lee･Taeho Park･Deokjin Kim (Korea Automotive Technology Institute)

This study presents a virtual performance evaluation model for a multi-mode hybrid powertrain comprising a 1.6L GDI engine, P1/P3 electric motors, and a dog-clutch 2-speed transmission. Three driving modes - EV, Series HEV, and Parallel HEV - are supported through a multi-controller architecture (HCU, TCU, ECU, MCU, BMS, BCU). Plant and controller subsystems are separated into non-virtual blocks, enabling RCP-HIL deployment via dual Speedgoat machines over CAN bus. All performance targets were met: (FTP-75, HWFET), 0-100 km/h in 10.00 s, EV grade ability 39.14%, and maximum speed 168.7 km/h.