CN100543618C

CN100543618C - 控制装置及控制方法

Info

Publication number: CN100543618C
Application number: CNB200710106353XA
Authority: CN
Inventors: 安井裕司
Original assignee: Honda Motor Co Ltd
Current assignee: Honda Motor Co Ltd
Priority date: 2006-05-18
Filing date: 2007-05-18
Publication date: 2009-09-23
Anticipated expiration: 2027-05-18
Also published as: US20070270983A1; EP1857894A1; CN101075125A; JP4639166B2; JP2007309226A; US8185218B2; EP1857894B1

Abstract

本发明提供一种控制装置及控制方法，该控制装置即使在对具有极值特性的控制对象或无法用递归式表示控制对象模型的控制对象进行控制的情况下，也可以确保高水平的控制稳定性和控制精度这两者。控制装置(1)具有协调控制器(30)、在线模型解析器(40)和模型修正器(60)。模型修正器(60)为了修正定义进气开角θlin和排气再开角θrbl与图示平均有效压力Pmi之间的关系的控制对象模型，计算模型修正参数矩阵θ，在线模型解析器(40)根据使用θ修正后的控制对象模型，计算表示θlin、θrbl与Pmi之间的相关性的第1和第2响应指标RI1、RI2。协调控制器(30)计算θlin和θrbl，使得Pmi收敛于目标值Pmi cmd，并根据RI1、RI2来确定θlin、θrbl的增减程度和增减方向。

Description

控制装置及控制方法

技术领域

本发明涉及通过使用控制对象模型的控制算法来对控制对象进行控制的控制装置及控制方法。

背景技术

以往作为这种控制装置，本申请人曾提出有日本特开2005-23922号公报中所记载的技术。该控制装置通过将控制输入输入到作为控制对象的离合器机构中，从而控制作为控制量的被驱动轴的转速，该控制装置具有计算控制输入的控制器。在该控制器中，根据用循环公式来表示控制输入和控制量的关系的离散时间系统的控制对象模型，通过目标值过滤型的2自由度滑模控制算法来计算控制输入。而且，通过将该控制输入输入到离合器机构的致动器中，从而可以把控制量控制得收敛于目标值。

另外，日本特开2005-23922号公报中图5所示的控制器具有同定器，在该同定器中，通过逐次型最小平方法等同定算法来同定控制对象模型的模型参数。在该同定器中使用逐次型最小平方法作为同定算法时，由于在机(on board)来同定模型参数，所以因为离合器机构的个体之间的差异和老化等，控制对象模型成为与作为实际的控制对象的离合器机构的特性不一致的状态，即使产生了模型化误差，也可以一边迅速地补偿该模型化误差，一边控制离合器机构。

在上面的日本特开2005-23922号公报的控制装置中，由于通过目标值过滤型的2自由度滑模控制算法来计算控制输入，所以能够单独对控制量向目标值的收敛速度和控制量向目标值的收敛动作进行可变调整，由此，既能确保高水平的控制稳定性，又能确保控制精度。进而，在上述同定器中使用逐次型最小平方法时，能够一边通过在机补偿模型化误差，一边控制离合器机构，从而可以进一步提高控制精度。

在把上述以往的控制装置应用到具有相对于控制输入的变化、控制量表现为极值(极大值或者极小值)的特性的控制对象(下面称为“具有极值特性的控制对象”)的情况下，当目标值被设定为大于控制量的极大值时、抑或被设定为小于极小值的时候，控制量无法达到目标值，因而把控制输入计算成使其变化得未达到其最大值或最小值，其结果，控制量被控制成朝向远离目标值的方向。即，控制系统成为不稳定的状态，并且控制精度也大幅度下降。

另外，在上述同定器中所使用的逐次型最小平方法等同定算法虽然能够将控制对象应用在能利用循环公式来表示该控制对象模型的情况下，但在不能利用循环公式来表示控制对象模型的情况下，例如控制对象中的控制输入与控制量的关系为非线性的情况下无法应用。在这种控制对象的情况下，当因为控制对象个体间的差异和老化等而产生模型化误差的时候，由于无法对其进行补偿，所以控制精度进一步降低。

进而，在使用逐次型最小平方法作为同定算法的情况下，当处于控制输入和控制量的关系几乎没有变化的恒定状态下时，自激励条件不成立，有可能无法适当地进行模型参数的同定，所以为了避免这种情况，有时需要对控制输入特别施加满足自激励条件的励振输入。这种情况下，如果对控制对象施加多余的励振输入，有可能会导致控制的稳定性降低。

发明内容

本发明是为了解决上述课题而完成的，其目的在于提供控制装置及控制方法，该控制装置及控制方法即使在对具有极值特性的控制对象和无法用循环公式来表示控制对象模型的控制对象进行控制的情况下，也可以确保高水平的控制稳定性和控制精度这两者。

为达成上述目的，在本发明的第1方面，提供一种控制装置，该控制装置具有：相关性参数计算单元，其使用定义了控制对象中的控制输入与控制量之间的关系的控制对象模型，计算表示该控制对象模型中的控制输入与控制量之间的相关性的相关性参数；目标值设定单元，其设定作为控制对象的控制量的目标的目标值；控制输入计算单元，其通过预定的第1控制算法计算控制输入，使得控制对象的控制量收敛于目标值，并且根据相关性参数来确定控制输入的增减程度和增减方向之中的至少一方；以及模型修正单元，其对控制对象模型进行修正，使得控制对象模型的控制量与控制对象的控制量一致。

根据该控制装置的结构，使用定义了控制对象中的控制输入与控制量之间的关系的控制对象模型，计算表示该控制对象模型中的控制输入与控制量之间的相关性的相关性参数，通过规定的第1控制算法计算控制输入，使得控制量收敛于目标值，并根据相关性参数来确定控制输入的增减程度和增减方向之中的至少一方。首先，在根据相关性参数来确定控制输入的增减程度的情况下，即使在控制量相对于控制输入的灵敏度、即相关性根据控制输入的值而发生了变化时，也可以根据该相关性的变化来确定控制输入的增减程度，由此可以将控制量控制成收敛于目标值，而不会产生振动动作和不稳定动作。即，可以确保高水平的控制稳定性。

而且，在根据相关性参数来确定控制输入的增减方向的情况下，例如在控制控制量相对于控制输入的变化而表现为极大值的控制对象时，当把目标值设定为极大值以下的值时，可以精度良好地使控制量收敛于目标值。另一方面，当把目标值设定为大于极大值的值时，伴随控制输入的变化，如果控制量变化得超过该极大值，则控制输入和控制量之间的相关性在一旦变高之后再次下降的同时，从正相关和逆相关中的一方变化为另一方，相关性参数表示这种相关性的变化。因此，通过根据相关性参数来确定控制输入的增减方向，可以将控制量保持在该极大值附近。

与上述相反，在控制控制量相对于控制输入的变化而表现为极小值的控制对象时，当把目标值设定为极小值以上的值时，可以精度良好地使控制量收敛于目标值。另一方面，当把目标值设定为小于极小值的值时，如果伴随控制输入的变化，控制量变化得超过了该极小值，则控制输入和控制量之间的相关性在一旦变高之后再次下降的同时，从正相关和逆相关中的一方变化为另一方，相关性参数表示这种相关性的变化。因此，通过根据相关性参数来确定控制输入的增减方向，可以将控制量保持在该极小值附近，由此可以确保高水平的控制稳定性和控制精度这两者。如上所述，即使在控制具有极值特性的控制对象的情况下，通过根据相关性参数来确定控制输入的增减方向，从而在目标值位于控制量可达到的范围内时，可以将控制量控制成为目标值，并且在目标值位于控制量可达到的范围之外时，可以将控制量保持为可达到的范围内的离目标值最近的值、即极值附近的值，由此，可以确保高水平的控制稳定性和控制精度这两者。除此之外，在根据相关性参数来确定控制输入的增减程度和增减方向这两方时，可以获得上述的全部作用效果。

进而，由于控制对象模型被修正为使得控制对象模型的控制量与控制对象的控制量一致，所以即使在因为控制对象的个体间的差异和老化等，而产生模型化误差的情况下，也能迅速补偿该模型化误差，提高相关性参数的计算精度。其结果可以提高控制精度(而且，本说明书中的“相关性参数的计算”、“控制输入的计算或者确定”、“目标值的设定”和“控制对象模型的修正”等中的“计算”、“确定”、“设定”和“修正”不限于通过程序来执行运算、确定、设定和修正，还包括通过电路来生成表示它们的电信号)。

优选模型修正单元对应于划分控制输入可变化的区域而成的多个区域，分别计算控制对象模型的修正中使用的多个修正参数，并且通过预定的第2控制算法，计算与该多个区域中存在计算出的控制输入的区域相对应的修正参数，使得控制对象模型的控制量与控制对象的控制量一致。

根据该优选方式的结构，由于对应于划分控制输入可变化的区域而成的多个区域，分别计算控制对象模型的修正中使用的多个修正参数，并且通过预定的第2控制算法，计算与该多个区域中存在计算出的控制输入的区域相对应的修正参数，使得控制对象模型的控制量与控制对象的控制量一致，所以即使在模型化误差在多个区域之间不同的情况下，也可以使用与这些多个区域对应的多个修正参数，针对每个区域来修正控制对象模型。由此，与以往不同，即使在无法用循环公式来表示控制对象模型的情况下、控制对象的特性在多个区域中的某一个区域上产生局部误差或者老化的情况下、和控制对象的特性在多个区域之间参差不齐的情况下，也能使控制对象模型恰当地与控制对象的实际特性一致。其结果，在控制这样的控制对象时，即使由于控制对象的个体间的差异和老化等而产生了模型化误差，也能恰当地补偿该模型化误差，可以提高对于模型化误差的鲁棒性。由此，可以进一步提高控制精度。除此以外，不同于以往的使用逐次型最小平方法来作为同定算法的情况，无需对控制输入施加满足自激励条件的励振输入，从而可以提高控制的稳定性、更详细而言可以提高控制量向目标值的收敛程度(稳定性)。

更优选预定的第2控制算法包括预定的响应指定型控制算法。

根据该优选方式的结构，由于通过包含预定的响应指定型控制算法的算法来计算修正参数，以使得控制对象模型的控制量与控制对象的控制量一致，所以即使在对无法用循环公式来表示控制对象模型的非线性的控制对象进行控制的情况下，也可以将修正参数作为不会产生振动动作或者过激动作等不稳定动作的值而计算出，并且可以使用这样计算出的修正参数，一边修正控制对象模型，一边控制控制对象。其结果，能够避免控制系统的过渡响应成为振动状态或者不稳定状态，可以提高过渡时的控制精度。

更优选模型修正单元使用对多个修正参数分别乘以多个函数值后得到的值，修正控制对象模型，多个区域中相邻的每2个区域相互重叠，多个函数分别具有对于多个区域中的控制输入在该多个区域的各自中心附近表现出最大值并呈直线状或曲线状变化的特性，而且与相互重叠的每2个区域对应的每2个函数被设定为在呈直线状或曲线状变化的部分交叉。

根据该优选方式的结构，使用对多个修正参数分别乘以多个函数值后得到的值，修正控制对象模型，多个区域中相邻的每2个区域相互重叠。而且这些多个函数分别具有对于多个区域中的控制输入在该多个区域的各自中心附近表现出最大值并呈直线状或曲线状变化的特性，而且与相互重叠的每2个区域对应的每2个函数被设定为在呈直线状或曲线状变化的部分交叉，所以在修正控制对象模型之际，由于可以连续地修正控制输入的多个区域，所以所修正后的控制对象模型不会具有不连续点。由此，可以避免控制系统的过渡响应由于控制对象模型的不连续点而暂时性地变成不恰当的状态的情况，可以进一步提高过渡时的控制精度。

更优选模型修正单元使用基于控制对象模型的控制量与控制对象的控制量之间的偏差的值的积分值，在对该积分值进行预定的遗忘处理的同时，计算多个修正参数。

根据该优选方式的结构，由于使用基于控制对象模型的控制量与控制对象的控制量之间的偏差的值的积分值来计算多个修正参数，所以在不对积分值执行遗忘处理的情况下，所修正后的控制对象模型十分符合实际的控制对象的特性，偏差几乎为值0，即使在偏差无法正确表示模型的误差信息的时刻，通过积分值的影响，也继续对控制对象模型进行修正，其结果，有可能会不恰当地对控制对象模型进行修正。与此相对，根据该控制装置，由于在对积分值执行预定的遗忘处理的同时计算多个修正参数，所以不会受到这种积分值的影响，能够进行修正以使得控制对象模型充分符合实际的控制对象的特性，可以提高控制对象模型的修正精度。其结果，可以进一步提高控制精度。

优选控制对象为内燃机。

根据该优选方式的结构，在内燃机的控制量相对于控制输入表现出极值的情况下，只要其目标值在控制量能够达到的范围内，就能够将内燃机的控制量控制为收敛于目标值，而不会产生振动动作和不稳定动作，并且即使在目标值超过了控制量能够达成的范围的时候，也可以自动将控制量保持在其极值附近，由此可以在内燃机内确保高水平的控制稳定性和控制精度这两方。

为达成上述目的，本发明的第2方面为一种控制装置，该控制装置具有：相关性参数计算单元，其使用定义了控制对象中的多个控制输入与控制量之间的关系的控制对象模型，计算分别表示控制对象模型中的多个控制输入与控制量之间的相关性的多个相关性参数；目标值设定单元，其设定作为控制对象的控制量的目标的目标值；控制输入计算单元，其通过预定的第1控制算法，分别计算多个控制输入，使得控制量收敛于目标值，并且分别根据多个相关性参数来确定各个控制输入的增减程度和增减方向之中的至少一方；以及模型修正单元，其对控制对象模型进行修正，使得控制对象模型的控制量与控制对象的控制量一致。

根据本发明的第2方面的该控制装置的结构，使用定义了控制对象中的多个控制输入与控制量之间的关系的控制对象模型，计算表示控制对象模型中的多个控制输入与控制量之间的相关性的相关性参数，通过预定的第1控制算法，分别计算多个控制输入，使得控制量收敛于目标值，并且分别根据多个相关性参数来确定各个控制输入的增减程度和增减方向之中的至少一方。首先，在根据各相关性参数来确定各控制输入的增减程度的情况下，例如通过将相关性强一方的控制输入的增减程度设定得大，同时将相关性弱一方的控制输入的增减程度设定得小，从而抑制多个控制输入间的相互干扰，既可以相互协调这些控制输入，又可以精度良好地使控制量收敛于目标值。

而且，在根据各相关性参数来确定各控制输入的增减方向的情况下，如下所述，即使在对控制量相对于多个控制输入中的任一个控制输入的变化表现出极值(极大值或极小值)的控制对象进行控制的时候，也能确保高水平的控制稳定性和控制精度这两方。下面将控制量相对于控制输入的变化表现出极值(极大值或极小值)的控制输入称为“极值化控制输入”。例如，在对控制量相对于极值化控制输入的变化表现出极大值的控制对象进行控制的情况下，如果把目标值设定为极大值以下的值，则可以使控制量精度良好地收敛于目标值。另一方面，当把目标值设定为超过极大值的值时，如果伴随极值化控制输入的变化，控制量变化得超过了该极大值，则极值化控制输入和控制量之间的相关性在一旦变高之后再次下降的同时，从正相关和逆相关中的一方变化为另一方，与极值化控制输入对应的相关性参数表示这种相关性的变化。因此，通过根据与极值化控制输入对应的相关性参数来确定极值化控制输入的增减方向，可以将控制量保持在该极大值附近。由此，能确保高水平的控制稳定性和控制精度这两方。

与上述相反，在对控制量相对于极值化控制输入的变化而表现出极小值的控制对象进行控制时，在把目标值设定为极小值以上的值时，可以使控制量精度良好地收敛于目标值。另一方面，在把目标值设定为小于极小值的值时，如果伴随极值化控制输入的变化，控制量变化得超过该极小值，则极值化控制输入和控制量之间的相关性在一旦变高之后再次下降的同时，从正相关和逆相关中的一方变化为另一方，与极值化控制输入对应的相关性参数表示这种相关性的变化。因此，通过根据与极值化控制输入对应的相关性参数来确定极值化控制输入的增减方向，可以将控制量保持在其极小值附近，由此，可以确保高水平的控制稳定性和控制精度这两者。如上所述，即使在对控制量相对于控制输入的变化而表现出极大值或者极小值的控制对象进行控制的情况下，也可以确保高水平的控制稳定性和控制精度这两者。除此之外，在根据相关性参数来确定各控制输入的增减程度和增减方向这两方时，可以获得上述的全部作用效果。

进而，由于把控制对象模型修正为使得控制对象模型的控制量与控制对象的控制量一致，所以即使在因为控制对象的个体间的差异和老化等，而产生模型化误差的情况下，也能迅速补偿该模型化误差，提高相关性参数的计算精度。其结果可以提高控制精度。

优选模型修正单元对应于划分多个控制输入可变化的区域而成的多个区域，分别计算控制对象模型的修正中使用的多个修正参数，并且通过预定的第2控制算法，计算与该多个区域中存在计算出的多个控制输入的区域相对应的修正参数，使得控制对象模型的控制量与控制对象的控制量一致。

根据该优选方式的结构，由于对应于划分多个控制输入可变化的区域而成的多个区域，分别计算控制对象模型的修正中使用的多个修正参数，并且通过预定的第2控制算法，计算与该多个区域中存在计算出的多个控制输入的区域相对应的修正参数，使得控制对象模型的控制量与控制对象的控制量一致，所以即使在模型化误差在多个区域间不同的情况下，也可以使用对应于这些多个区域的多个修正参数，针对每个区域来修正控制对象模型。由此，与以往不同，即使在无法用循环公式来表示控制对象模型的情况下、控制对象的特性在多个区域中的某一个区域上产生局部误差或者老化的情况下、和控制对象的特性在多个区域间参差不齐的情况下，也能使控制对象模型恰当地符合控制对象的实际特性。其结果，在控制这样的控制对象时，即使在由于控制对象的个体间的差异和老化等而产生了模型化误差时，也能恰当地补偿该模型化误差，可以提高对于模型化误差的鲁棒性。其结果，可以进一步提高控制精度。除此以外，不同于以往的使用逐次型最小平方法来作为同定算法的情况，无需对控制输入施加满足自激励条件的励振输入，从而可以提高控制的稳定性、更详细而言可以提高控制量向目标值的收敛程度(稳定性)。

更优选预定的第2控制算法包括预定的响应指定型控制算法。

更优选模型修正单元使用对多个修正参数分别乘以多个函数值后得到的值，修正控制对象模型，多个区域中相邻的每2个区域相互重叠，多个函数分别具有对于多个区域中的多个控制输入在多个区域的各自中心附近表现出最大值并呈平面状或曲面状变化的特性，而且与相互重叠的每2个区域对应的每2个函数被设定为在呈平面状或曲面状变化的部分交叉。

根据优选方式的结构，使用对多个修正参数分别乘以多个函数值后得到的值，修正控制对象模型，多个区域中相邻的每2个区域相互重叠。这些多个函数分别具有对于多个区域中的多个控制输入在多个区域的各自中心附近表现出最大值并呈平面状或曲面状变化的特性，而且与相互重叠的每2个区域对应的每2个函数被设定为在呈平面状或曲面状变化的部分交叉，所以在修正控制对象模型之际，由于可以连续地修正多个控制输入的多个区域，所以所修正后的控制对象模型不会具有不连续点。由此，可以避免控制系统的过渡响应由于控制对象模型的不连续点而暂时性地成为不恰当状态的情况，可以进一步提高过渡时的控制精度。

更优选模型修正单元使用基于控制对象模型的控制量与控制对象的控制量之间的偏差的值的积分值，在对积分值进行预定的遗忘处理的同时，计算多个修正参数。

优选控制对象为内燃机。

根据该优选方式的结构，即使在内燃机的控制量相对于多个控制输入中的至少一个控制输入表现出极值的情况下，只要其目标值在控制量能够达到的范围内，就能够将内燃机的控制量控制为收敛于目标值，而不会产生振动动作和不稳定动作，并且即使在目标值超过了控制量能够达成的范围的时候，也可以自动将控制量保持在其极值附近，由此可以在内燃机内确保高水平的控制稳定性和控制精度这两方。而且，抑制了多个控制输入之间的相互干扰，可以一边使这些控制输入彼此协调，一边使控制量精度良好地收敛于目标值，所以无需进行用于避免多个控制输入间的相互干扰的、使用了多个条件设定的控制程序的制作和数据设定，从而可以缩短内燃机开发所需时间。除此之外，基于相同的理由，由于可以避免伴随控制程序和数据设定的增大的缺陷和设定错误，所以可以提高控制程序的制作精度，并且能够缩短制作时间。

为达成上述目的，本发明的第3方面提供一种控制方法，该控制方法具有：相关性参数计算步骤，其使用定义了控制对象中的控制输入与控制量之间的关系的控制对象模型，计算表示该控制对象模型中的控制输入与控制量之间的相关性的相关性参数；目标值设定步骤，其设定作为上述控制对象的上述控制量的目标的目标值；控制输入计算步骤，其通过预定的第1控制算法计算上述控制输入，使得上述控制对象的上述控制量收敛于上述目标值，并且根据上述相关性参数来确定上述控制输入的增减程度和增减方向之中的至少一方；以及模型修正步骤，其对上述控制对象模型进行修正，以使上述控制对象模型的上述控制量与上述控制对象的上述控制量一致。

根据本发明的上述第3方面的结构，可以得到与第1方面相同的效果。

优选在上述模型修正步骤中，对应于划分上述控制输入可变化的区域而成的多个区域，分别计算上述控制对象模型的修正中使用的多个修正参数，并且通过预定的第2控制算法，计算与该多个区域中存在上述计算出的控制输入的区域相对应的修正参数，使得上述控制对象模型的上述控制量与上述控制对象的上述控制量一致。

更优选上述预定的第2控制算法包括预定的响应指定型控制算法。

更优选在上述模型修正步骤中，使用对上述多个修正参数分别乘以多个函数值后得到的值，修正上述控制对象模型，上述多个区域中相邻的每2个区域相互重叠，上述多个函数分别具有对于上述多个区域中的上述控制输入在该多个区域的各自中心附近表现出最大值并呈直线状或曲线状变化的特性，而且与上述相互重叠的每2个区域相对应的每2个上述函数被设定为在呈上述直线状或者曲线状变化的部分交叉。

更优选在上述模型修正步骤中，使用基于上述控制对象模型的控制量与上述控制对象的控制量之间的偏差的值的积分值，在对该积分值进行预定的遗忘处理的同时，计算上述多个修正参数。

优选上述控制对象为内燃机。

根据该优选方式的结构，可以分别得到与上述第1方面的优选方式相同的效果。

为达成上述目的，本发明的第4方面提供一种控制方法，该控制方法具有：相关性参数计算步骤，其使用定义了控制对象中的多个控制输入与控制量之间的关系的控制对象模型，计算分别表示该控制对象模型中的该多个控制输入与控制量之间的相关性的多个相关性参数；目标值设定步骤，其设定作为上述控制对象的上述控制量的目标的目标值；控制输入计算步骤，其通过预定的第1控制算法，分别计算上述多个控制输入，使得上述控制对象的上述控制量收敛于上述目标值，并且分别根据上述多个相关性参数来确定该各个控制输入的增减程度和增减方向之中的至少一方；以及模型修正步骤，其对上述控制对象模型进行修正，以使上述控制对象模型的上述控制量与上述控制对象的上述控制量一致。

根据本发明的上述第4方面的结构，可以得到与第2方面相同的效果。

优选在上述模型修正步骤中，对应于划分上述多个控制输入可变化的区域而成的多个区域，分别计算上述控制对象模型的修正中使用的多个修正参数，并且通过预定的第2控制算法，计算与该多个区域中存在上述计算出的多个控制输入的区域相对应的修正参数，使得上述控制对象模型的上述控制量与上述控制对象的上述控制量一致。

更优选在上述模型修正步骤中，使用对上述多个修正参数分别乘以多个函数值后得到的值，修正上述控制对象模型，上述多个区域中相邻的每2个区域相互重叠，该多个函数分别具有对于上述多个区域中的上述多个控制输入在该多个区域的各自中心附近表现出最大值并呈平面状或曲面状变化的特性，而且与上述相互重叠的每2个区域对应的每2个上述函数被设定为在呈上述平面状或曲面状变化的部分交叉。

优选上述控制对象为内燃机。

根据这些优选方式的结构，可以分别得到与上述第2方面的优选方式相同的效果。

通过下面的基于附图的详细说明，将会进一步理解本发明的上述和其他的目的、特征以及优点。

附图说明

图1是表示应用了本发明的第1实施方式的控制装置的作为控制对象的内燃机的概要结构的图。

图2是表示第1实施方式的控制装置的硬件的概要结构的图。

图3是用于说明进气可变气门机构的进气门的气门打开动作的气门升程(valve lift)曲线。

图4是用于说明排气可变气门机构的排气门的气门打开动作的气门升程曲线。

图5是表示将内燃机视作多输入多输出系统的控制对象时的控制输入和控制量的图。

图6是表示将内燃机视作以图示平均有效压力Pmi作为控制量、以进气开角θlin和排气再开角θrbl作为控制输入的控制对象来建立模型时的控制对象模型的图。

图7是表示控制装置的概要结构的框图。

图8是表示模型修正器的概要结构的框图。

图9是表示用于计算基本控制量Yid_nm的控制对象模型的图。

图10是表示用于计算非线性加权函数Wij的控制图(map)的一个例子的图。

图11是用于说明非线性加权函数Wij的计算方法的图。

图12是用于说明非线性加权函数Wij的计算方法的图。

图13是表示在机模型解析器的概要结构的框图。

图14是表示用于计算第1和第2周期信号值的基本值S1’、S2’的控制图(map)的一个例子的图。

图15是表示假想控制量计算部的概要结构的框图。

图16是表示用于计算基本假想控制量Ym_nm的控制对象模型的图。

图17是表示在假想控制量计算部中用于计算非线性加权函数Wij的控制图(map)的一个例子的图。

图18是表示协调控制器的概要结构的框图。

图19是表示第1和第2响应指标RI1、RI2的计算处理的流程图。

图20是表示模型修正参数矩阵θ的计算处理的流程图。

图21是表示可变气门机构的控制处理的流程图。

图22是表示发动机起动控制时用于计算进气开角θlin的控制图(map)的一个例子的图。

图23是表示发动机起动控制时用于计算排气再开角θrbl的控制图(map)的一个例子的图。

图24是表示催化剂预热控制时用于计算进气开角θlin的控制图(map)的一个例子的图。

图25是表示催化剂预热控制时用于计算排气再开角θrbl的控制图(map)的一个例子的图。

图26是表示通常控制时用于计算图示平均有效压力的目标值Pmi_cmd的控制图(map)的一个例子的图。

图27是表示第2实施方式的控制装置所使用的控制对象模型的图。

图28是表示第2实施方式的控制装置的概要结构的框图。

图29是表示模型修正器的概要结构的框图。

图30是表示用于计算基本控制量Yid_nm’的控制对象模型的图。

图31是表示用于计算非线性加权函数Wj的控制图(map)的一个例子的图。

图32是用于说明非线性加权函数Wj的计算方法的图。

图33是表示在机模型解析器的概要结构的框图。

图34是表示假想控制量计算部的概要结构的框图。

图35是表示用于计算基本假想控制量Ym_nm’的控制对象模型的图。

图36是表示控制器的概要结构的框图。

图37是表示在第2实施方式的控制装置进行的图示平均有效压力Pmi的控制中，没有控制对象模型的模型化误差时的模拟结果的例子的时序图。

图38是表示在第2实施方式的控制装置进行的图示平均有效压力Pmi的控制中，具有控制对象模型的模型化误差时的模拟结果的例子的时序图。

图39是表示在不使用模型修正器而控制了图示平均有效压力Pmi的情况下，没有控制对象模型的模型化误差时的模拟结果的比较例的时序图。

图40是表示在不使用模型修正器而控制了图示平均有效压力Pmi的情况下，具有控制对象模型的模型化误差时的模拟结果的比较例的时序图。

图41是表示用于计算非线性加权函数Wj的控制图(map)的其他例子的图。

具体实施方式

下面参照附图说明本发明的第1实施方式的控制装置。本实施方式的控制装置1以图1所示的内燃机(下面称为“发动机”)3为控制对象，如图2所示，具有ECU2。该ECU2如后所述，根据发动机3的运转状态来执行图示平均有效压力Pmi(即产生扭矩)的控制处理等各种控制处理。

如图1所示，发动机3是具有4组汽缸3a和活塞3b(仅图示出1组)的串联4缸汽油发动机，安装于未图示的车辆上。该发动机3可以进行HCCI(Homogeneous Charge Compression Ignition，均质混合气压燃)运转、即预混合压缩点火燃烧(下面称为“压缩点火燃烧”)运转，在规定的压缩点火运转区域，通过压缩点火燃烧而运转，并且在除此之外的火花点火运转区域，通过火花点火燃烧而运转。

在发动机3中，在每个汽缸3a设有进气可变气门机构4、排气可变气门机构5、燃料喷射阀6和火花塞7(图2中仅示出1个)。该进气可变气门机构4是用电磁力来对进气门4a进行开闭驱动的电磁式机构，具有对进气门4a向关闭气门方向施力的螺旋弹簧、和与ECU2电连接的进气螺线管4b(图2中仅示出1个)等。

在该进气可变气门机构4中，进气门4a在进气螺线管4b为非励磁状态时，通过螺旋弹簧的作用力而被保持在关闭气门位置上。而且，当进气螺线管4b被ECU 2励磁时，进气门4a通过该电磁力一边抵抗螺旋弹簧的作用力一边被驱动向打开气门方向，被保持在打开气门状态，并且当进气螺线管4b恢复为非励磁状态时，进气门4a通过螺旋弹簧的作用力而恢复为关闭气门状态。

通过以上结构，如图3所示，进气门4a经由进气可变气门机构4可以自由改变其打开气门定时和关闭气门定时，并且构成为其气门升程曲线成为大致梯形形状。在本实施方式中，通过ECU 2进气门4a的打开气门定时被保持为恒定，并且其关闭气门定时被控制在图3中实线所示的延迟关闭定时和该图中双点划线所示的提前关闭定时之间。而且，在下面的说明中，将进气门4a打开的过程中其被保持为最大升程的曲轴角期间称为“进气开角θlin”(参照图3)。

通过上述进气可变气门机构4，该进气开角θlin可以从值0到任意的曲轴角之间自由改变，但在本实施方式中，从确保发动机3的良好的燃烧状态和排气特性等观点来看，可在上述提前关闭定时时的最小值θlin_min和上述延迟关闭定时时的最大值θlin_max之间的范围内自由改变。

另一方面，排气可变气门机构5与进气可变气门机构4相同，是用电磁力来对排气门5a进行开闭驱动的电磁式机构，具有对排气门5a向关闭气门方向施力的螺旋弹簧、和与ECU 2电连接的排气螺线管5b(图2中仅示出1个)等。

在该排气可变气门机构5中，排气门5a在排气螺线管5b为非励磁状态时，通过螺旋弹簧的作用力而被保持在关闭气门位置上。而且，当排气螺线管5b被ECU 2励磁时，排气门5a通过该电磁力，一边抵抗螺旋弹簧的作用力一边被驱动向打开气门方向，被保持在打开气门状态下，并且当排气螺线管5b恢复为非励磁状态时，通过螺旋弹簧的作用力而恢复为关闭气门状态。

通过上述结构，如图4所示，排气门5a经由排气可变气门机构5而可以自由改变其打开气门定时和关闭气门定时，并且构成为其气门升程曲线成为大致梯形形状。在本实施方式中，如该图所示，排气门5a通过ECU 2被控制成在1个燃烧周期中，在通常的排气行程中打开，特别被控制成在进气行程中再次打开。

该情况下，排气门5a在排气行程中的气门升程被保持为恒定。另一方面，在进气行程中的再次打开气门动作中，排气门5a的打开气门定时被保持为恒定，并且关闭气门定时被控制在图4中实线所示的延迟关闭定时和该图中双点划线所示的提前关闭定时之间。该排气门5a的再次打开气门动作是为了通过将从与该汽缸3a相邻的汽缸3a排出的排气吸进到该汽缸3a内，从而使燃烧室内的混合气体的温度上升到可压缩点火燃烧的温度而执行的。而且，在下面的说明中，在排气门5a的再次打开气门动作中，将其被保持为最大升程的曲轴角期间称为“排气再开角θrbl”(参照图4)。如上所述，该排气再开角θrbl通过排气可变气门机构5，可以在提前关闭定时时的最小值和延迟关闭定时时的最大值之间的范围内自由改变。

另一方面，燃料喷射阀6安装在汽缸头3c上，以向燃料室内直接喷射燃料。即，发动机3构成为直喷发动机。而且，燃料喷射阀6与ECU 2电连接，由ECU 2控制打开气门时间和打开气门定时。即，执行燃料喷射控制。

另外，火花塞7也与ECU 2电连接，通过ECU 2，当发动机3位于上述火花点火运转区域时，在对应于点火时期的定时火花塞7被控制成放电状态，以使燃烧室内的混合气体燃烧。即，执行点火时期控制。

进而，发动机3中设有可变压缩比机构8、曲轴角传感器20和水温传感器21。该可变压缩比机构8已经由本申请人在日本特开2005-273634号公报中提出，由于与通过引用而加入到此处的内容一样，所以在此省略其具体说明，通过改变活塞3b的上止点位置、即活塞3b的冲程，从而可在预定范围内连续地改变压缩比Cr。该可变压缩比机构8具有与ECU2电连接的压缩比致动器8a(参照图2)，ECU2经由该压缩比致动器8a来驱动可变压缩比机构8，从而将压缩比Cr控制为目标压缩比Cr_cmd。

另外，曲轴角传感器20由磁铁转子和MRE拾波器构成，伴随曲轴3d的旋转，向ECU 2输出都为脉冲信号的CRK信号和TDC信号。

每1°曲轴角该CRK信号就输出1个脉冲，ECU 2根据该CRK信号计算发动机3的转速(下面称为“发动机转速”)NE。另外，TDC信号是表示各汽缸3a的活塞3b位于比进气行程的TDC位置略微靠近前的预定的曲轴角位置上的信号，在本实施方式的4缸发动机3中，每180°曲轴角TDC信号就输出1个脉冲。

另外，水温传感器21检测在发动机3的汽缸模块内循环的冷却水的温度、即发动机水温TW，将表示发动机水温TW的检测信号输出给ECU2。

另一方面，发动机3的进气通道9上，从上游侧起按顺序设有气流传感器22、进气加热器10和涡轮增压器11。该气流传感器22由热线式气流计构成，检测流过进气通道9的空气流量，将表示其检测结果的检测信号输出给ECU 2。ECU 2根据气流传感器22的检测信号来计算进入汽缸3a的空气量。

另外，进气加热器10与ECU 2电连接，当通过ECU 2而被打开时，对在进气通道9内流过的空气加热，使其温度上升。

进而，涡轮增压机11具有设置在进气通道9的气流传感器22的下游侧的压缩机叶片11a、设置在排气通道12的中途的与压缩机叶片11a一体地旋转的涡轮叶片11b、多个可变轮叶11c(仅图示出2个)和驱动可变轮叶11c的轮叶致动器11d等。

在该涡轮增压器11中，当通过排气通道12内的排气对涡轮叶片11b进行了旋转驱动时，与其一体的压缩机叶片11a也同时旋转，从而对进气通道9内的空气进行加压。即，执行增压动作。

另外，可变轮叶11c是用于改变涡轮增压器11产生的增压压力的装置，可自由转动地安装在外壳的收纳涡轮叶片11b的部分的壁上。ECU 2经由轮叶致动器11d改变可变轮叶11c的开度，改变吹到涡轮叶片11b上的排气量，从而改变涡轮叶片11b的转速、即压缩机叶片11a的转速。由此，将增压压力Pc控制为目标增压压力Pc_cmd。

另一方面，在发动机3的排气通道12的涡轮叶片11b的下游侧分别设有LAF传感器23。LAF传感器23由氧化锆和铂电极等构成，在从比理论空燃比浓的浓区域到极薄区域的宽范围的空燃比区域内，线性地检测在排气通道12内流过的排气中的氧浓度，将表示检测结果的检测信号输出给ECU 2。ECU 2根据该LAF传感器23的检测信号的值，计算出表示排气中的空燃比的检测空燃比AF，并且将该检测空燃比AF控制为目标空燃比AF_cmd。

进而，如图2所示，ECU 2上连接有缸内压传感器24、油门开度传感器25和点火开关(下面称为“IG·SW”)26。该缸内压传感器24是与火花塞7一体型的压电元件类型的部件，设置在每个汽缸3a中(仅图示出1个)。缸内压传感器24伴随各汽缸3a内的压力、即缸内压力Pcyl的变化而弯曲，从而将表示缸内压力Pcyl的检测信号输出给ECU 2。ECU2根据该缸内压传感器24的检测信号来计算图示平均有效压力Pmi(即产生扭矩)。

另外，油门开度传感器25将表示车辆中未图示的油门踏板的踩下量(下面称为“油门开度”)AP的检测信号输出给ECU 2。而且，IG·SW26通过点火键(未图示)操作而被接通/断开，并将表示其接通/断开状态的信号输出给ECU 2。

ECU 2由包括CPU、RAM、ROM和I/O接口(都未图示)等的微型计算机构成，根据上述各种传感器20～25的检测信号和IG·SW26的接通/断开信号等来判断发动机3的运转状态，同时执行各种控制。具体而言，ECU 2如后所述根据运转状态来控制图示平均有效压力Pmi等。

而且，在本实施方式中，ECU 2相当于相关性参数计算单元、目标值设定单元、控制输入计算单元和模型修正单元。而且，设在下面的说明中计算出的各数据存储在ECU 2的RAM内。

接着说明本实施方式的控制装置1。该控制装置1根据下面所述的理由，将发动机3看作是以进气开角θlin和排气再开角θrbl作为控制输入、将图示平均有效压力Pmi作为控制量的控制对象，根据进气开角θlin和排气再开角θrbl来控制图示平均有效压力Pmi。

首先，若以本实施方式的发动机3作为控制对象进行研究，则如图5所示，发动机3可以被看作：当5个参数θlin、θrbl、Cr_cmd、Pc_cmd、AF_cmd发生变化时，2个参数Pmi、NE分别变化，通过5个控制输入来控制2个控制量，即所谓的多输入多输出系统。而且，在本实施方式的发动机3的情况下，进气加热器10由于在过渡时的响应性低，所以被控制成为恒定发热量，所以在图5的控制系统中，设不考虑进气加热器10的动作状态。

此处，如果着眼于作为控制量的图示平均有效压力Pmi，则在本实施方式那样的通过压缩点火燃烧而运转的发动机3中，在压缩点火燃烧之际，燃烧室内的混合气体的温度控制成为最重要的要素，所以作为控制输入，进气开角θlin和排气再开角θrbl成为最重要且影响大的要素。基于上述理由，在该控制装置1中，假设发动机转速NE、增压压力Pc和检测空燃比AF为恒定，将发动机3看作是以进气开角θlin和排气再开角θrbl为控制输入，以图示平均有效压力Pmi为控制量的控制对象，作为图6所示的响应曲面模型而建立模型，并且将其作为控制对象模型使用。

在该图中，θrbl1～3是排气再开角θrbl的预定值，被设定为θrbl1<θrbl2<θrbl3的关系成立。在该响应曲面模型中，被设定为进气开角θlin越大则图示平均有效压力Pmi表现出越大的值。这是根据进气开角θlin越大则进入空气量越多的情况得出的。而且，图示平均有效压力Pmi被设定为在进气开角θlin为中等程度的值以上的区域中，对于排气再开角θrbl增大的方向或者减小的方向而表现出极大值。其根据在于，在进气开角θlin为中等程度的值以上的区域中，基于进气开角θlin的温度上升程度大，所以即使增大或者减小排气再开角θrbl，助长该温度上升的程度也变小，从而除了图示平均有效压力Pmi不增大之外，如果排气再开角θrbl增大了某种程度以上，则点火时期(自点火时期)变为过早状态(上止点前)，将会抑制压缩行程中的最高缸内压力。

而且，在本实施方式中，如上所述，进气开角θlin被控制在最小值θlin_min和最大值θlin_max之间，并且该最小值θlin_min被设定为图6的进气开角θlin的区域中的中等程度的值。因此，在本实施方式中，图示平均有效压力Pmi相对于排气再开角θrbl的变化而表现出极大值。

接着说明本实施方式的控制装置1的具体结构。如图7所示，控制装置1具有目标值计算部29、协调控制器30、在机模型解析器40和模型修正器60，它们都由ECU 2构成。

首先，在目标值计算部29中，根据发动机转速NE和油门开度AP，通过检索后述的图26的控制图(map)，从而计算图示平均有效压力的目标值Pmi_cmd。并且，在本实施方式中，目标值计算部29相当于目标值计算单元。

另外，在协调控制器30中，如后所述，使用由在机模型解析器40计算出的2个响应指标RI1、RI2，计算出进气开角θlin和排气再开角θrbl，以使得图示平均有效压力Pmi收敛于其目标值Pmi_cmd。并且，在本实施方式中，协调控制器30相当于控制输入计算单元。

进而，在在机模型解析器40中，如后所述，使用在协调控制器30中计算出的进气开角θlin和排气再开角θrbl、在模型修正器60中计算出的模型修正参数矩阵θ和上述控制对象模型，计算第1和第2响应指标RI1、RI2。并且，在本实施方式中，在机模型解析器40相当于相关性参数计算单元和模型修正单元，第1和第2响应指标RI1、RI2相当于多个相关性参数。

另一方面，在模型修正器60中，如下所述，计算模型修正参数矩阵θ。并且，在下面所述的算式(1)～(11)中，带有记号(k)的各离散数据表示以预定的控制周期ΔTk(与TDC信号的产生同步的周期、即每180°曲轴角的周期)所抽样或者计算出的离散数据，记号k表示各离散数据的抽样或者计算周期的序号。例如，记号k表示在本次的控制定时所抽样或者计算出的值，记号k—1表示在上次的控制定时所抽样或者计算出的值。另外，在下面的说明中，适当省略了各离散数据的记号(k)等。

该模型修正参数矩阵θ用于修正控制对象模型，如下式(1)所示，将其定义为以模型修正参数θij(I＝0～I，j＝0～J)作为要素的(I+1)行(J+1)列的矩阵。此处，I、J为正整数，f、g为分别使0<f<I和0<g<J成立的正整数。

而且，在本实施方式中，模型修正器60相当于模型修正单元，模型修正参数θij相当于多个修正参数。

如图8所示，该模型修正器60具有基本推定控制量计算部61、非线性加权函数矩阵计算部62、模型修正系数计算部63、2个乘法器64、66、减法器65和模型修正参数矩阵计算部67。

首先，在基本推定控制量计算部61中，通过将在协调控制器30中计算出的进气开角的上次值θlin(k—1)和排气再开角的上次值θrbl(k—1)输入图9所示的控制对象模型，从而计算基本推定控制量Yid_nm(k)。更具体而言，与通常的控制图(map)检索方法相同，根据θlin(k—1)和θrbl(k—1)检索多个值，通过这些检索值的插值运算，从而计算出基本推定控制量Yid_nm(k)。该图9的控制对象模型是在上述图6的控制对象模型中，将纵轴的“Pmi”置换为“Yid_nm”而得到的控制对象模型，即与图6的控制对象模型实质上相同。而且，在本实施方式中，基本推定控制量Yid_nm相当于控制对象模型的控制量。

而且，在该基本推定控制量计算部61中，之所以使用进气开角的上次值θlin(k—1)和排气再开角的上次值θrbl(k—1)，是因为在后述的修正误差Eid的计算中使用的图示平均有效压力的本次值Pmi(k)是作为将进气开角的上次值θlin(k—1)和排气再开角的上次值θrbl(k—1)输入发动机3中的结果而得到的。

另外，在非线性加权函数矩阵计算部62中，如下所述，计算非线性加权函数矩阵W_mod(θlin(k—1)，θrbl(k—1))。该非线性加权函数矩阵W_mod(θlin(k—1)，θrbl(k—1))按照下式(2)那样定义。

W_\mod (θlin (k - 1), θrbl (k - 1))

如上式(2)所示，非线性加权函数矩阵W_mod为以非线性加权函数Wij(θlin(k—1)，θrbl(k—1))的值为要素的(I+1)行(J+1)列的矩阵，如图10所示，该非线性加权函数Wij是根据进气开角θlin和排气再开角θrbl的值来确定其值的函数。在该图10的控制图(map)中，可由进气可变气门机构4改变的进气开角θlin的范围被I+1个值θlin_i(i＝0～I)均等地划分，并且可由排气可变气门机构5改变的排气再开角θrbl的改变范围被J+1个值θrbl_j(j＝0～J)均等地划分，对应于由连续的3个进气开角θlin_i的值和连续的3个排气再开角θrbl_j的值的组合而规定的多个区域而分别设定非线性加权函数Wij。并且，在本实施方式中，非线性加权函数Wij相当于多个函数。

另外，该各个非线性加权函数Wij具有相对于对应的区域内的进气开角θlin和排气再开角θrbl的值，在该区域的中心表现为最大值1，在中心以外表现为呈四角锥的斜面状变化的值，并且在该区域以外表现为值0的特性。除此之外，在非线性加权函数Wij分别对应的多个区域中，相邻的各2个区域互相重叠，由此，相邻的各2个非线性加权函数Wij在呈四角锥的斜面状变化的部分彼此交叉。

例如，如图11所示，对应于区域θlin_f—1≦θlin≦θlin_f+1并且θrbl_g—1≦θrbl≦θrbl_g+1的非线性加权函数Wfg被设定为在θlin、θrbl为该区域的中心的值时，即在θlin＝θlin_f而且θrbl＝θrbl_g时，表现为最大值1，对于中心以外的θlin、θrbl的值，非线性加权函数Wfg的值呈四角锥的斜面状变化。进而，非线性加权函数Wfg被设定为当2个值θlin、θrbl为上述区域之外的值时，即θlin<θlin_f—1、θlin_f+1<θlin、θrbl<θrbl_g—1或者θrbl_g+1<θrbl时，表现为值0。

另外，非线性加权函数Wfg对于分别对应于与其相邻的2个区域的非线性加权函数Wf—1g、Wf+1g，在彼此的区域重叠的部分、即呈斜面状变化的部分，其斜面彼此交叉。因此，如图11所示，如果设θlin_x为θlin_f和θlin_f+1之间的中央的值，则例如当θlin＝θlin_x和θrbl＝θrbl_g的时候，2个非线性加权函数Wfg、Wf+1g的值成为Wfg＝Wf+1g＝0.5，并且除它们之外的非线性加权函数Wij的值都成为值0。除此之外，当θlin_x<θlin<θlin_f+1和θrbl＝θrbl_g的时候，非线性加权函数Wfg的值成为0<Wfg<0.5，非线性加权函数Wf+1g的值成为1—Wfg，并且除它们之外的非线性加权函数Wij的值都成为值0。

进而，如图12所示，非线性加权函数Wfg对于分别对应于与其相邻的2个区域的非线性加权函数Wfg—1、Wfg+1，在彼此的区域重叠的部分、即呈斜面状变化的部分，其斜面彼此交叉。因此，如该图所示，如果设θrbl_y为θrbl_g—1和θrbl_g之间的中央的值，则例如当θlin＝θlin_f和θrbl＝θrbl_y的时候，2个非线性加权函数Wfg—1、Wfg的值成为Wfg—1＝Wfg＝0.5，并且除它们之外的非线性加权函数Wij的值都成为值0。除此之外，当θlin＝θlin_f和θrbl_y<θrbl<θrbl_g的时候，非线性加权函数Wfg—1的值成为0<Wfg—1<0.5，非线性加权函数Wfg的值成为1—Wfg—1，并且除它们之外的非线性加权函数Wij的值都成为值0。

而且虽然没有图示，但非线性加权函数Wfg对于分别对应于与其相邻的2个区域的非线性加权函数Wf+1g—1、Wf—1g+1，在彼此的区域重叠的呈2个斜面状变化的部分，该2个斜面彼此交叉。

如上所述，在该非线性加权函数矩阵计算部62中，根据进气开角的上次值θlin(k—1)和排气再开角的上次值θrbl(k—1)的值，检索图10的控制图(map)，从而分别计算出作为非线性加权函数矩阵W_mod的要素的非线性加权函数Wij的值。该情况下，与2个值θlin(k—1)、θrbl(k—1)存在的区域对应的要素Wij被作为值1以下的正值而计算出，但是对应于该区域以外的区域的要素Wij都被作为值0而计算出，所以非线性加权函数矩阵W_mod作为仅与2个值θlin(k—1)、θrbl(k—1)的组合所存在的区域对应的要素Wij具有值1以下的正值(即，权值)的矩阵而被计算出。

另外，在模型修正系数计算部63中，使用在非线性加权函数矩阵计算部62中按如上所述计算出的非线性加权函数矩阵W_mod(θlin(k—1)，θrbl(k—1))、和在后述的模型修正参数矩阵计算部67中计算出的模型修正参数矩阵的上次值θ(k—1)，通过下式(3)来计算模型修正系数Yid_mod(k)。

Yid_\mod (k) = Yid_base + Σ_{i = 0}^{I} Σ_{j = 0}^{J} θij (k - 1) \cdot Wij (θlin (k - 1), θrbl (k - 1))

= Yid_base + θ 00 (k - 1) \cdot W 00 (θlin (k - 1), θrbl (k - 1)) + \cdot \cdot \cdot

+ θfg (k - 1) \cdot Wfg (θlin (k - 1), θrbl (k - 1)) +

\cdot \cdot \cdot + θIJ (k - 1) \cdot WIJ (θlin (k - 1), θrbl (k - 1)) \cdot \cdot \cdot \cdot \cdot (3)

在上式(3)中，Yid_base为预定的基本值、在本实施方式中被设定为值1，后面叙述该理由。如算式(3)所示，针对每个对应的要素，将非线性加权函数矩阵W_mod(θlin(k—1)，θrbl(k—1))和模型修正参数矩阵的上次值θ(k—1)相乘，并且将它们的乘积之和与基本值Yid_base相加，从而计算出模型修正系数Yid_mod(k)。

接着在乘法器64中通过下式(4)来计算修正推定控制量Yid。

Yid(k)＝Yid_nm(k)·Yid_mod(k) .....(4)

按照上式(4)所示，修正推定控制量Yid通过向基本推定控制量Yid_nm乘以模型修正系数Yid_mod而计算出。即，利用模型修正系数Yid_mod来修正基本推定控制量Yid_nm，其结果对图9的控制对象模型进行了修正。此时，所修正过的控制对象模型相当于将2个值θlin、θrbl作为控制输入、将修正推定控制量Yid作为控制量的模型。如上所述，模型修正系数Yid_mod作为用于修正图9的控制对象模型的值而被计算出。

进而，减法器65通过下式(5)而计算推定误差Eid。即，推定误差Eid作为所修正过的控制对象模型的控制量即修正模型控制量Yid与实际的控制量Y即图示平均有效压力Pmi的偏差而被计算出。

Eid(k)＝Yid(k)-Y(k)

＝Yid(k)-Pmi(k) .....(5)

另一方面，在乘法器66中通过下式(6)而计算修正推定误差矩阵Emd。

如上式(6)所示，修正推定误差矩阵Emd是通过把非线性加权函数矩阵W_mod乘以推定误差Eid而计算出的，所以修正推定误差矩阵Emd作为仅与两个值θlin(k—1)、θrbl(k—1)的组合所存在的区域对应的要素具有以非线性加权函数矩阵W_mod的要素Wij对推定误差Eid进行加权而得到的值，除此之外的要素都成为值0的矩阵而被计算出。

然后，在模型修正参数矩阵计算部67中通过下式(7)～(11)所示的滑模(Sliding mode)控制算法来计算模型修正参数矩阵θ。

θ(k)＝θrch(k)+θnl(k)+θadp(k) ..... (7)

θrch(k)＝-Qrch·δ(k) .....(8)

θnl(k)＝-Qnl·sgn(δ(k)) .....(9)

θadp(k)＝λ·θadp(k-1)-Qadp·δ(k) .....(10)

δ(k)＝Emd(k)+R·Emd(k-1) .....(11)

如上式(7)所示，模型修正参数矩阵θ作为到达律输入矩阵θrch、非线性输入矩阵θn1和自适应律输入矩阵eadp的和而被计算出，该到达律输入矩阵θrch通过式(8)被计算出。该式(8)的Qrch为规定的到达律增益，δ是如式(11)那样被定义的切换函数。该式(11)的R是被设定为使—1<R<0成立的切换函数设定参数。而且，本实施方式中，自适应律输入矩阵θadp相当于积分值，切换函数δ相当于基于偏差的值。

另外，非线性输入矩阵θn1通过式(9)被计算出，该式(9)的Qn1为预定的非线性增益。另外，式(9)的sgn(δ(k))为符号函数，其值被设定为在δ(k)≥0的时候为sgn(δ(k))＝1，当δ(k)<0时为sgn(δ(k))＝—1。并且，该符号函数sgn(δ(k))的值还可以设定为当δ(k)＝0时sgn(δ(k))＝0。

进而，自适应律输入矩阵θadp通过式(10)被计算出。该式(10)的Qadp是预定的自适应律增益，λ是被设定为使0<λ<1成立的遗忘系数。使用该遗忘系数λ的理由如下。

即，伴随运算处理的进行，即使

修正推定误差矩阵Emd的各要素也不会严密地收敛于值0，而且，修正推定误差矩阵Emd的各要素的平均值也不会成为值0。此时，如式(10)所示，自适应律输入矩阵θadp由于作为将切换函数δ和自适应律增益Qadp的积的负值进行累积运算得到的积分值被计算出，所以如果不使用遗忘系数λ(即如果λ＝1)，则自适应律输入矩阵θadp的各要素的绝对值通过积分效应而继续增大，其结果，模型修正参数矩阵θ被计算成不恰当的值。即，在模型修正参数矩阵θ中残留有推定误差，通过在之后的运算中也累计推定误差，从而有可能导致模型修正参数矩阵θ的计算精度降低。

与此相对，在本实施方式中，如式(10)所示，由于对自适应律输入矩阵的上次值θadp(k—1)乘以遗忘系数λ，所以如果用循环公式展开该式(10)，则对于m次之前的值θadp(k—m)乘以

。由此，伴随运算处理的进行，成为

，在修正推定误差矩阵Emd的各要素大致收敛于值0的时刻，自适应律输入矩阵θadp的各要素大致收敛于值0。其结果，可以避免模型修正参数矩阵θ中的推定误差的残留，从而可以将模型修正参数矩阵θ计算为恰当的值，能够提高其计算精度，并且可以提高控制系统的稳定性。因此，为了得到上面这样的遗忘效应，在本实施方式中，使用遗忘系数λ。即，在对作为积分值的自适应律输入矩阵的上次值θadp(k—1)进行使用遗忘系数λ的遗忘处理的同时，计算模型修正参数矩阵θ。

另外，例如在修正推定误差矩阵Emd的各要素收敛于值0的情况下，自适应律输入矩阵θadp的各要素通过遗忘系数λ的遗忘效应而收敛于值0，并且到达律输入矩阵θrch和非线性输入矩阵θn1的各要素也收敛于值0，从而模型修正参数矩阵θ的要素都成为值0，该情况下，在上述式(3)中，基本值Yid_base以外的项都成为值0。因此，在本实施方式中，在修正推定误差矩阵Emd的各要素收敛于值0、无需修正控制对象模型的时刻，将基本值Yid_base设定为值1，以使得Yid_nm＝Yid、即Yid_mod＝1。

而且，在不需要上面那样的使用遗忘系数λ的遗忘效应的情况下，只要在式(10)中设定为λ＝1，并将上述式(3)的基本值Yid_base设定为值0即可。

在本实施方式的模型修正器60中，如上所述，由于通过滑模控制算法来计算模型修正参数矩阵θ，所以当Eid≠0即Yid—Pmi≠0时，在模型修正参数矩阵θ中，仅对应于2个值θlin(k—1)、θrbl(k—1)的组合所存在的区域的要素θij被作为使Eid迅速收敛于值0的值而被计算出来，除此之外的要素θij作为值0而被计算出来。进而，如上所述，模型修正系数Yid_mod是通过将如上所述计算出的模型修正参数矩阵的上次值θ(k—1)和非线性加权函数矩阵W_mod中的对应的每个要素的积之和，加上基本值Yid_base而计算出的，所以通过模型修正系数Yid_mod，针对2个值θlin(k—1)、θrbl(k—1)的组合所存在的区域，将图9的控制对象模型修正为使得Yid＝Pmi。因此，在模型修正器60中，一边利用模型修正系数Ym_mod通过在机修正图9的控制对象模型，以使得其符合实际的控制对象的特性，一边计算模型修正参数矩阵θ。

接着说明上述的在机模型解析器40。如图13所示，在机模型解析器40具有第1周期信号值计算部41、第2周期信号值计算部42、3个过采样器43～45、2个加法器46、47、假想控制量计算部48、3个高通滤波器49～51、2个乘法器52、53、第1响应指标计算部54和第2响应指标计算部55。

而且，在下面所述的算式(12)～(24)中，带记号(n)的各离散数据表示在预定的控制周期ΔTn(CRK信号每连续产生5次的周期、即每5°曲轴角的周期)所采样或计算出的数据，记号n表示各离散数据的采样或计算周期的序号。另外，在下面的说明中，适当省略各离散数据的记号(n)等。

在该在机模型解析器40中，首先在第1和第2周期信号值计算部41、42中，分别通过下式(12)、(13)计算第1和第2周期信号值S1、S2。

S1(n)＝A1·S1’(n) .....(12)

S2(n)＝A2·S2’(n) .....(13)

上式(12)的A1表示预定的第1振幅增益。而且，上式(12)的S1’是第1周期信号值的基本值，通过根据计数值Crs、检索图14所示的控制图(map)而被计算出来。该计数值Crs如后所述，是从值0到最大值Crs_max为止，按每个上述控制周期ΔTn增加计数1而得到的计数值，如果达到了最大值Crs_max，则复位为值0。而且，第1周期信号值的基本值S1’的周期、即第1周期信号值S1的周期ΔT1被设定为，把Crs_max设为值8以上的4的倍数、N1设为值4以上的4的倍数，使得ΔT1＝ΔTn·(Crs_max/N1)成立，在本实施方式的情况下，设Crs_max＝36、N1＝4，周期ΔT1被设定为曲轴角45°。

另外，上式(13)的A2表示预定的第2振幅增益。而且，上式(13)的S2’是第2周期信号值的基本值，是根据计数值Crs，检索图14所示的控制图(map)而被计算出来的。而且，第2周期信号值的基本值S2’的周期、即第2周期信号值S2的周期ΔT2被设定为，把Crs_max设为值8以上的4的倍数、N2设为使N2<N1成立的2的倍数，使得ΔT2＝ΔTn·(Crs_max/N2)成立，在本实施方式的情况下，设Crs_max＝36、N2＝2，周期ΔT2被设定为曲轴角90°。

另一方面，在过采样器43、44中，通过以上述控制周期ΔTn来过采样进气开角θlin(k)和排气再开角θrbl(k)，从而分别计算出进气开角和排气再开角的过采样值θlin(n)、θrbl(n)。并且，这些进气开角θlin(k)和排气再开角θrbl(k)在协调控制器30中被利用上述控制周期ΔTk而计算出。

接着，通过下式(14)、(15)，在加法器46、47内分别计算第1和第2假想控制输入V1、V2。

V1(n)＝S1(n)+θlin(n) .....(14)

V2(n)＝S2(n)+θrbl(n) .....(15)

另外，在过采样器45中，通过以控制周期ΔTn对在模型修正器60中计算出的模型修正参数矩阵θ进行过采样，从而计算出模型修正参数矩阵的过采样值θ(n)。该过采样值θ(n)按照下式(16)进行定义。

接着说明假想控制量计算部48。该假想控制量计算部48根据第1和第2假想控制输入V1、V2以及上述过采样值θ(n)，计算假想控制量Ym，如图15所示，其具有基本假想控制量计算部48a、非线性加权函数矩阵计算部48b、模型修正系数计算部48c和乘法器48d。

首先，在基本假想控制量计算部48a中，通过将第1和第2假想控制输入V1、V2输入到图16所示的控制对象模型中，从而计算基本假想控制量Ym_nm(n)。该图16的控制对象模型是通过在上述的图6的控制对象模型中，将图示平均有效压力Pmi置换为基本假想控制量Ym_nm，将进气开角θlin置换为第1假想控制输入V1，将排气再开角θrbl的3个预定值θrbl1～3分别置换为第2假想控制输入V2的3个预定值V2_1～V2_3而得到的控制对象模型，其与图6的控制对象模型实质上相同。而且，在本实施方式中，基本假想控制量Ym_nm相当于控制对象模型的控制量。

另外，在非线性加权函数矩阵计算部48b中，通过与上述非线性加权函数矩阵计算部62相同的方法来计算非线性加权函数矩阵W_mod(V1(n)，V2(n))。该非线性加权函数矩阵W_mod(V1(n)，V2(n))按照下式(17)进行定义。

W_\mod (V 1 (n), V 2 (n))

如上式(17)所示，该非线性加权函数矩阵W_mod(V1(n)，V2(n))是以非线性加权函数Wij(V1(n)，V2(n))的值为要素的(I+1)行(J+1)列的矩阵，该非线性加权函数Wij(V1，V2)如图17所示，是根据第1和第2假想控制输入V1、V2的值来确定其值的函数。

该图17的控制图(map)是在上述图10的控制图(map)中，将非线性加权函数Wij(θlin，θrbl)置换为非线性加权函数Wij(V1，V2)，并且将进气开角θlin和排气再开角θrbl分别置换为第1和第2假想控制输入V1、V2而得到的控制图(map)，其与图10的控制图(map)实质上相同。因此，非线性加权函数Wij(V1，V2)的值如上所述，根据第1和第2假想控制输入V1、V2的值，检索图17的控制图(map)而计算出来。

接着在模型修正系数计算部48c中，通过下式(18)计算模型修正系数Ym_mod(n)。

Ym_\mod (n) = Ym_base + Σ_{i = 0}^{I} Σ_{j = 0}^{J} θij (n) \cdot Wij (V 1 (n), V 2 (n))

= Ym_base + θ 00 (n) \cdot W 00 (V 1 (n), V 2 (n)) + \cdot \cdot \cdot

+ θfg (n) \cdot Wfg (V 1 (n), V 2 (n)) + \cdot \cdot \cdot + θIJ (n) \cdot WIJ (V 1 (n), V 2 (n)) \cdot \cdot \cdot \cdot \cdot (18)

在上式(18)中，Ym_base是预定的基本值，根据与上述的基本值Yid_base相同的理由，被设定为值1。如上式(18)所示，模型修正系数Ym_mod(n)是通过针对每个对应的要素把非线性加权函数矩阵W_mod(V1(n)，V2(n))和模型修正参数矩阵的过采样值θ(n)相乘，并将它们的乘积值之和与基本值Ym_base相加，从而计算出来的。

然后，在乘法器48d中，通过下式(19)来计算假想控制量Ym。

Ym(n)＝Ym_nm(n)·Ym_mod(n) .....(19)

如上式(19)所示，假想控制量Ym是通过向基本假想控制量Ym_nm乘以模型修正系数Ym_mod而计算出的。即，利用模型修正系数Ym_mod来修正基本假想控制量Ym_nm，其结果修正了图16的控制对象模型。此时，所修正过的控制对象模型相当于以第1和第2假想控制输入V1、V2作为控制输入、以假想控制量Ym作为控制量的控制对象模型。这样，模型修正系数Ym_mod作为用于修正图16的控制对象模型的值而被计算出来。

如上所述，在假想控制量计算部48中，模型修正系数Ym_mod(n)是通过把模型修正参数矩阵的过采样值θ(n)和非线性加权函数矩阵W_mod(V1，V2)的对应的每个要素的乘积之和加上基本值Ym_base来计算出的，并利用该模型修正系数Ym_mod(n)来修正图16的控制对象模型。该模型修正系数Ym_mod(n)除了其计算周期之外，利用与上述模型修正系数Yid_mod(k)相同的方法来计算，其意义也相同。除此之外，图16的控制对象模型与图6的控制对象模型、即图9的控制对象模型实质上相同。

因此，在假想控制量计算部48中，利用通过上述那样计算出的模型修正系数Ym_mod，针对2个值V1(n)、V2(n)的组合所存在的区域，将图16的控制对象模型修正成使得Ym＝Pmi，其结果，利用模型修正系数Ym_mod，图16的控制对象模型被在机修正为符合实际的控制对象特性。

返回图13，在该图的高通滤波器49中，通过下式(20)所示的高通滤波处理，从而计算假想控制量的滤波值Ymf。

Ymf(n)＝b0·Ym(n)+b1·Ym(n-1)+....+bm^*·Ym(n-m^*)

+a1·Ymf(n-1)+a2·Ymf(n-2)+....+ak^*·Ymf(n-k^*) .....(20)

在上式(20)中，b0～bm^*和a0～ak^*为预定的滤波系数，m^*、k^*为预定的整数。

另一方面，在高通滤波器50、51中，通过下式(21)、(22)所示的高通滤波处理，从而分别计算第1和第2周期信号值的滤波值Sf1、Sf2。

Sf1(n)＝b0·S1(n)+b1·S1(n-1)+....+bm^*·S1(n-m^*)

+a1·Sf1(n-1)+a2·Sf1(n-2)+....+ak^*·Sf1(n-k^*) .....(21)

Sf2(n)＝b0·S2(n)+b1·S2(n-1)+....+bm^*·S2(n-m^*)

+a1·Sf2(n-1)+a2·Sf2(n-2)+....+ak^*·Sf2(n-k^*) .....(22)

接着，在乘法器52、53中，通过把假想控制量的滤波值Ymf与第1和第2周期信号值的滤波值Sf1、Sf2相乘，从而分别计算出乘积值Ymf·Sf1、Ymf·Sf2。然后，在第1和第2响应指标计算部54、55中根据上述乘积值Ymf·Sf1、Ymf·Sf2的h+1(h＝Crs_max)个的时序数据，通过下式(23)、(24)来分别计算第1和第2响应指标RI1、RI2。

RI 1 (n) = Kr 1 \cdot Σ_{j = n - h}^{n} Ymf (j) Sf 1 (j) \cdot \cdot \cdot \cdot \cdot (23)

RI 2 (n) = Kr 2 \cdot Σ_{j = n - h}^{n} Ymf (j) Sf 2 (j) \cdot \cdot \cdot \cdot \cdot (24)

此处，上式(23)、(24)的Kr1、Kr2都是响应增益修正系数，其用于修正高通滤波器50、51的增益的衰减特性的影响，调和2个乘积值Ymf·Sf1、Ymf·Sf2之间的增益。

如上所述，由于在该在机模型解析器40中，通过对第1和第2周期信号值的滤波值和假想控制量的滤波值的乘积值Ymf·Sf1、Ymf·Sf2的时序数据之和，分别乘以响应增益修正系数Kr1、Kr2，从而计算出第1和第2响应指标RI1、RI2，所以这些值RI1、RI2分别被计算为接近于第1周期信号值S1和假想控制量Ym的互相关函数以及接近于第2周期信号值S2和假想控制量Ym的互相关函数的值。即，第1响应指标RI1被计算为表示第1周期信号值S1和假想控制量Ym之间的相关性的值，第2响应指标RI2被计算为表示第2周期信号值S2和假想控制量Ym之间的相关性的值。

此处，因为如后所述，第1假想控制输入V1中所包含的进气开角θlin的计算周期ΔTk比第1响应指标RI1的计算周期ΔTn长得多，所以第1响应指标RI1被反映到假想控制量Ym上的程度极大，进气开角θlin成为恒定分量，几乎不被反映到假想控制量Ym上。因此，第1响应指标RI1被计算为表示进气开角θlin与图示平均有效压力Pmi之间的相关性的值。更具体而言，两者间的相关性越高，第1响应指标RI1的绝对值越大，相关性越低，第1响应指标RI1的绝对值越接近值0，并且当两者间的相关关系从正相关和逆相关中的一方变化为另一方时，符号变反。

而且，假想控制输入V2中所包含的排气再开角θrbl也如后所述，其计算周期ΔTk比第1响应指标RI1的计算周期ΔTn长得多，所以基于与上述同样的理由，第2响应指标RI2被计算为表示排气再开角θrbl与图示平均有效压力Pmi之间的相关性的值。更具体而言，两者间的相关性越高，第2响应指标RI2的绝对值越大，相关性越低，第2响应指标RI2的绝对值越接近值0，并且当两者间的相关关系从正相关和逆相关中的一方变化为另一方时，符号变反。

进而，使用第1和第2周期信号值的滤波值Sf1、Sf2和假想控制量的滤波值Ymf的理由如下。即，如上所述，第1假想控制输入V1中所包含的进气开角θlin的计算周期ΔTk比假想控制输入V1的计算周期ΔTn长得多，成为恒定分量，从而有可能成为第1响应指标RI1的计算误差。因此，为了从假想控制量Ym中去除作为恒定分量的进气开角θlin，使用对假想控制量Ym进行了高通滤波处理后的值Ymf，并且为了与其进行相位调和，使用对第1周期信号值S1进行了相同的高通滤波处理后的值Sf1。与此相同，为了从假想控制量Ym中去除作为恒定分量的排气再开角θrbl，使用对假想控制量Ym进行了高通滤波处理后的值Ymf，并且为了与其进行相位调和，使用对第2周期信号值S2进行了相同的高通滤波处理后的值Sf2。进而，为了在第1响应指标RI1和第2响应指标RI2之间进行增益调和，使用响应增益修正系数Kr1、Kr2。

下面说明上述的协调控制器30。该协调控制器30以与上述模型修正器60相同的控制周期ΔTk来计算进气开角θlin和排气再开角θrbl，如图18所示，其具有减法器31、误差分配器32、2个欠采样器33、34和2个响应指定型控制器35、36。

在该协调控制器30中，减法器31通过下式(25)计算追随误差E。

E(k)＝Pmi(k)-Pmi_cmd(k).....(25)

另一方面，欠采样器33、34以控制周期ΔTk对由在机模型解析器40以上述的控制周期ΔTn计算出的第1和第2响应指标RI1(n)、RI2(n)进行欠采样，从而分别计算第1和第2响应指标的欠采样值RI1(k)、RI2(k)。

接着在误差分配器32中通过下式(26)、(27)来分别计算第1和第2分配误差Ed1、Ed2。

Ed 1 (k) = \frac{| RI 1 (k) |}{| RI 1 (k) | + | RI 2 (k) |} \cdot E (k) \cdot \cdot \cdot \cdot \cdot (26)

Ed 2 (k) = \frac{| RI 2 (k) |}{| RI 1 (k) | + | RI 2 (k) |} \cdot E (k) \cdot \cdot \cdot \cdot \cdot (27)

如上式(26)、(27)所示，第1和第2分配误差Ed1、Ed2被计算为根据第1响应指标的绝对值|RI1|与第2响应指标的绝对值|RI2|之比而分别分配了追随误差E的值。而且，在后述的控制处理中，为了避免当RI1＝0时Ed1＝0，而把|RI1|的值进行下限限制处理而处理成接近值0的预定值(例如0.01)。与此相同，为了避免当RI2＝0时Ed2＝0，对|RI2|的值也进行下限限制处理而处理成接近值0的预定值(例如0.01)。

进而，在响应指定型控制器35中，根据第1分配误差Ed1和第1响应指标RI1，通过下式(28)～(32)所示的响应指定型控制算法，计算进气开角θlin。即，进气开角θlin被计算为使第1分配误差Ed1收敛于值0的值。

θlin(k)＝U1(k)＝Urch1(k)+Uadp1(k) .....(28)

Urch1(k)＝-Krch1·σ1(k) .....(29)

Uadp 1 (k) = - Kadp 1 \cdot Σ_{j = 0}^{k} σ 1 (j) \cdot \cdot \cdot \cdot \cdot (30)

σ1(k)＝Em1(k)+S·Em1(k-1) .....(31)

Em 1 (k) = \frac{RI 1 (k)}{RI 1_\max} \cdot Ed 1 (k) \cdot \cdot \cdot \cdot \cdot (32)

上式(28)的Urch1为到达律输入，通过式(29)被计算出。该式(29)的Krch1为预定的到达律增益，σ1是通过式(31)计算出来的切换函数。该式(31)的S是被设定为使得—1<S<0成立的切换函数设定参数，Em1是通过式(32)计算出来的第1追随误差。该式(32)的RI1_max表示第1响应指标的绝对值|RI1|在控制中能取得的最大值，使用脱机下(offline)预先设定的值。进而，上式(28)的Uadp1是自适应律输入，用式(30)计算出来。该式(30)的Kadp1是预定的自适应律增益。并且这些增益Krch1、Kadp1被设定成在第1响应指标的绝对值|RI1|为最大值RI1_max时，使控制系统稳定的值。

另一方面，在响应指定型控制器36中，根据第2分配误差Ed2和第2响应指标RI2，通过下式(33)～(37)所示的响应指定型控制算法，计算排气再开角θrbl。即，排气再开角θrbl被计算为使第2分配误差Ed2收敛于值0的值。

θrbl(k)＝U2(k)＝Urch2(k)+Uadp2(k) .....(33)

Urch2(k)＝-Krch2·σ2(k) .....(34)

Uadp 2 (k) = - Kadp 2 \cdot Σ_{j = 0}^{k} σ 2 (j) \cdot \cdot \cdot \cdot \cdot (35)

σ2(k)＝Em2(k)+S·Em2(k-1) .....(36)

Em 2 (k) = \frac{RI 2 (k)}{RI 2_\max} \cdot Ed 2 (k) \cdot \cdot \cdot \cdot \cdot (37)

上式(33)的Urch2为到达律输入，通过式(34)计算出来。该式(34)的Krch2为预定的到达律增益，σ2是通过式(36)计算出来的切换函数。该式(36)的Em2是由式(37)计算出来的第2追随误差。该式(37)的RI2_max表示第2响应指标的绝对值|RI2|在控制中能取得的最大值，使用脱机下预先设定的值。进而，上式(33)的Uadp2是自适应律输入，用式(35)计算出来。该式(35)的Kadp2是预定的自适应律增益。并且这些增益Krch2、Kadp2被设定为在第2响应指标的绝对值|RI2|为最大值RI1_max时，使控制系统稳定的值。

如上所述，在该协调控制器30中，通过响应指定型控制算法，计算进气开角θlin以使得第1分配误差Ed1收敛于值0，并且，计算排气再开角θrbl以使得第2分配误差Ed2收敛于值0。其结果，进气开角θlin和排气再开角θrbl被计算成使得追随误差E收敛于值0，换言之，计算成使得图示平均有效压力Pmi收敛于其目标值Pmi_cmd。

此时，在响应指定型控制算法中所使用的第1和第2追随误差Em1、Em2分别如式(32)、(37)所示，通过对第1和第2分配误差Ed1、Ed2乘以值RI1/RI1_max、RI2/RI2_max而计算出来，所以第1响应指标RI1越接近其最大值RI1_max、即进气开角θlin和图示平均有效压力Pmi之间的相关性越高，作为控制输入的进气开角θlin的增减程度越大。与此相同，第2响应指标RI2越接近其最大值RI2_max、即排气再开角θrbl和图示平均有效压力Pmi之间的相关性越高，作为控制输入的排气再开角θrbl的增减程度越大。如上所述，即使在作为控制量的图示平均有效压力Pmi相对于作为控制输入的进气开角θlin和排气再开角θrbl的灵敏度、即相关性根据控制输入θlin、θrbl的值而发生变化的情况下，也可以根据该相关性的变化而确定控制输入θlin、θrbl的增减程度，由此，可以将控制量Pmi控制为收敛于目标值Pmi_cmd，而不会产生振动动作和不稳定动作。即，可以确保高水平的控制稳定性。

而且，由于第1和第2追随误差Em1、Em2分别用上述式(32)、(37)计算出来，所以如果第1、第2响应指标RI1、RI2的符号变反，则追随误差Em1、Em2的符号也变反，从而作为控制输入的进气开角θlin和排气再开角θrbl的增减方向将变反。即，将从增大方向变反成为减小方向，或者从减小方向变反成为增大方向。

此时，如上所述，第1响应指标RI1表示进气开角θlin和图示平均有效压力Pmi之间的相关性，并且当两者之间的相关关系从正相关和逆相关中的一方变化为另一方的时候，符号变反，所以根据这种相关关系的变化，使进气开角θlin的增减方向变反，从而例如对于进气开角θlin的变化，有时图示平均有效压力Pmi表现为极大值，而且即使在将图示平均有效压力的目标值Pmi_cmd设定为大于图示平均有效压力的极大值的值的时候，也可以将图示平均有效压力Pmi保持在其极大值附近。

与此相同，第2响应指标RI2表示排气再开角θrbl和图示平均有效压力Pmi之间的相关性，并且当两者之间的相关关系从正相关和逆相关中的一方变化为另一方的时候，符号变反，所以根据这种相关关系的变化，使排气再开角θrbl的增减方向变反，从而如上所述，在对于排气再开角θrbl的变化，图示平均有效压力Pmi表现为极大值的本实施方式的情况下，即使在将图示平均有效压力的目标值Pmi_cmd设定为大于图示平均有效压力的极大值的值的时候，也可以将图示平均有效压力Pmi保持在其极大值附近。

进而，由于第1和第2分配误差Ed1、Ed2分别被计算为根据第1响应指标的绝对值|RI1|与第2响应指标的绝对值|RI2|之比而分别分配了追随误差E的值，并且计算进气开角θlin和排气再开角θrbl以使得这些第1和第2分配误差Ed1、Ed2分别收敛于值0，所以上述绝对值之比大的一方、即与图示平均有效压力Pmi的相关性高的一方，进气开角θlin和排气再开角θrbl的增减程度被设定为更大的程度。这样，当与图示平均有效压力Pmi的相关性高的一方，进气开角θlin和排气再开角θrbl被设定为更大的增减程度，与图示平均有效压力Pmi的相关性低的一方被设定为更小的增减程度，所以既可以避免进气开角θlin和排气再开角θrbl之间的相互干扰，又可以使图示平均有效压力Pmi精度良好地收敛于其目标值Pmi_cmd。

接着参照图19，说明由ECU 2所执行的第1和第2响应指标RI1、RI2的计算处理。该处理相当于在上述在机模型解析器40中的计算处理，以上述的控制周期ΔTn来执行。

在该处理中，首先在步骤1(在图中省略为“S1”。下面相同)将计数值Crs设定为对其上次值Crsz加上值1后的值(Crsz+1)。即，将计数值Crs增加值1。

接着进入步骤2，判断在步骤1中计算出的计数值Crs是否在最大值Crs_max以上。当该判断结果为“否”时，直接进入步骤4。另一方面，当该判断结果为“是”时，在步骤3中使计数值Crs复位为值0之后进入步骤4。

在接着步骤2或者步骤3的步骤4中，读取存储在RAM内的进气开角θlin、排气再开角θrbl和模型修正参数矩阵θ的值。该情况下，这些值θlin、θrbl、θ被以上述的控制周期ΔTk来计算，与此相对，该步骤4以短于控制周期ΔTk的控制周期ΔTn来执行。因此，步骤4的处理相当于分别计算进气开角θlin、排气再开角θrbl和模型修正参数矩阵θ的过采样值θlin(n)、θrbl(n)、θ(n)。

接着进入步骤5，根据计数值Crs，检索上述图14的控制图(map)，从而分别计算第1和第2周期信号值的基本值S1’、S2’。

之后在步骤6中通过上述式(12)、(13)来分别计算第1和第2周期信号值S1、S2，接着在步骤7中通过上述式(14)、(15)来分别计算第1和第2假想控制输入V1、V2。

在接着步骤7的步骤8中，将在步骤7中计算出的第1和第2假想控制输入V1、V2输入给上述的图16的控制对象模型，从而计算基本假想控制量Ym_nm。之后进入步骤9，根据第1和第2假想控制输入V1、V2，检索上述图17的控制图(map)，从而计算出非线性加权函数矩阵W_mod。

接着在步骤10中，使用上述非线性加权函数矩阵W_mod和在步骤4中读取的模型修正参数矩阵θ，通过上述式(18)来计算模型修正系数Ym_mod。接着进入步骤11，通过上述式(19)来计算假想控制量Ym。

在接着步骤11的步骤12中，通过上述式(20)来计算假想控制量的滤波值Ymf。之后在步骤13中通过上述式(21)、(22)来分别计算第1和第2周期信号值的滤波值Sf1、Sf2。

接着进入步骤14，通过对在上述步骤12中计算出的假想控制量的滤波值Ymf分别乘以在上述步骤13中计算出的第1和第2周期信号值的滤波值Sf1、Sf2，从而计算出2个乘积值Ymf·Sf1、Ymf·Sf2。

之后，在步骤15中，使用上述步骤14中计算出的乘积值Ymf·Sf1、Ymf·Sf2和在上次之前的循环中计算的并存储在RAM内的h个乘积值Ymf·Sf1、Ymf·Sf2的时序数据，通过上述式(23)、(24)来分别计算第1和第2响应指标RI1、RI2。

接着进入步骤16，更新存储在RAM内的h个乘积值Ymf·Sf1、Ymf·Sf2的时序数据。具体而言，将RAM内的乘积值Ymf·Sf1、Ymf·Sf2的各自的值设置为1个控制周期之前的值(例如将本次值Ymf(n)·Sf1(n)设置为上次值Ymf(n—1)·Sf1(n—1)；将上次值Ymf(n—1)·Sf1(n—1)设置为上上次值Ymf(n—2)·Sf1(n—2))。之后结束本处理。

下面一边参照图20一边说明由ECU2以上述控制周期ΔTk执行的模型修正参数矩阵θ的计算处理。该处理相当于上述模型修正器60中的计算处理。

如图20所示，在该处理中，首先在步骤20中，把存储在RAM内的进气开角的上次值θlin(k—1)和排气再开角的上次值θrbl(k—1)输入到上述图9的控制对象模型中，从而计算基本推定控制量Yid_nm。

接着进入步骤21，根据进气开角的上次值θlin(k—1)和排气再开角的上次值θrbl(k—1)，检索上述图10的控制图(map)，从而计算非线性加权函数矩阵W_mod。接着在步骤22中，使用非线性加权函数矩阵W_mod和存储在RAM内的模型修正参数矩阵的上次值θ(k—1)，通过上式(3)计算模型修正系数Yid_mod。

在紧接着步骤22的步骤23中，使用在步骤20中计算出的基本推定控制量Yid_nm和在步骤22中计算出的模型修正系数Yid_mod，通过上式(4)计算修正推定控制量Yid。之后在步骤24中根据缸内压传感器24的检测信号来计算图示平均有效压力Pmi。

下面进入步骤25，使用在步骤23、24中计算出的修正推定控制量Yid和图示平均有效压力Pmi，通过上式(5)计算推定误差Eid。之后在步骤26中使用在步骤21中计算出的非线性加权函数矩阵W_mod和在步骤25中计算出的推定误差Eid，通过上式(6)计算修正推定误差矩阵Emd。

接着进入步骤26，通过上式(7)～(11)计算出模型修正参数矩阵θ，然后结束本处理。

下面参照图21说明由ECU 2以上述控制周期ΔTk执行的可变气门机构的控制处理。该处理通过分别控制进气可变气门机构4和排气可变气门机构5，从而控制图示平均有效压力Pmi，其包含相当于上述在协调控制器30中的计算处理的内容，并且接在上述图20的模型修正参数矩阵θ的计算处理之后执行。

该处理中，首先在步骤30中判断可变机构故障标记F_VDNG是否为“1”。该可变机构故障标记F_VDNG在未图示的判定处理中，当判断为2个可变气门机构4、5中的至少一方发生了故障时被设定为“1”，当判定为2个可变气门机构4、5都正常时被设定为“0”。当该判断结果为“否”，2个可变机构都正常时进入步骤31，判断发动机起动标记F_ENGSTART是否为“1”。

通过在未图示的判断处理中，根据发动机转速NE和IG·SW26的接通/断开信号来判断是否处于发动机起动控制中、即转动动力输出(cranking)中，从而设定该发动机起动标记F_ENGSTART，具体而言，如果在发动机起动控制中则设定为“1”，如果在发动机起动控制之外的时候则设定为“0”。

当步骤31的判断结果为“是”，在发动机起动控制中时，进入步骤32，根据发动机水温TW，检索图22所示的控制图(map)，从而计算进气开角θlin。

在该控制图(map)中，在发动机水温TW高于预定值TW1的范围内，发动机水温TW越低，进气开角θlin被设定成越大的值，并且在TW≤TW1的范围内，进气开角θlin被设定为预定值θlin_st。这是因为，当发动机水温TW低时，发动机3的摩擦力增大，所以要对其进行补偿。

接着进入步骤33，根据发动机水温TW，检索图23所示的控制图(map)，从而计算排气再开角θrbl。在该图中，TW2、TW3表现为使TW2<TW3这一关系成立的发动机水温TW的预定值。

在该控制图(map)中，排气再开角θrbl在TW<TW2的范围内被设定为值0，在TW2≤TW≤TW3的范围内发动机水温TW越低则被设定为越大的值，并且在TW3<TW的范围内被设定为预定值θrbl_st。这是由于在发动机水温TW高的状态下的再起动时，为了提高排气特性，要利用进气行程使排气门5a再次打开气门，以通过压缩点火燃烧使发动机3起动。

接着进入步骤34，根据在步骤32中计算出的进气开角θlin，计算对进气螺线管4b的控制输入U_lin，并根据在步骤33中计算出的排气再开角θrbl，计算对排气螺线管5b的控制输入U_rbl。由此，将进气门4a控制成以进气开角θlin打开，将排气门5a控制成在进气行程中以排气再开角θrbl再次打开。之后，结束本处理。

另一方面，当步骤31的判断结果为“否”，并非在发动机起动控制中时，进入步骤35，判断油门开度AP是否小于预定值APREF。该预定值APREF用于判断没有踏下油门踏板的情况，被设定为可以判断出没有踏下油门踏板的情况的值(例如1°)。

当该判断结果为“是”，没有踏下油门踏板时，进入步骤36，判断起动后计时器的计时值Tast是否小于预定值Tastlmt。该起动后计时器对发动机起动控制结束后的经过时间进行计时，由增计数式的计时器构成。

当该判断结果为“是”，Tast<Tastlmt时，应该执行催化剂预热控制，进入步骤37，根据起动后计时器的计时值Tast和发动机水温TW，检索图24所示的控制图(map)，从而计算进气开角θlin。在该图中，TW4～TW6表现为使TW4<TW5<TW6的关系成立的发动机水温TW的预定值。

在该控制图(map)中，发动机水温TW越低则进气开角θlin被设定为越大的值。这是由于发动机水温TW越低，催化剂的活性化所需时间就越长，所以通过增大排气量，来缩短催化剂的活性化所需时间。

接着在步骤38中，根据起动后计时器的计时值Tast和发动机水温TW，检索图25所示的控制图(map)，从而计算排气再开角θrbl。在该图中，TW7～TW9表现为使TW7<TW8<TW9的关系成立的发动机水温TW的预定值，Tast1～Tast4表现为使Tast1<Tast2<Tast3<Tast4的关系成立的计时值Tast的预定值。

在该控制图(map)中，排气再开角θrbl在起动后计时器的计时值Tast位于预定的范围(Tast1～Tast2、Tast1～Tast3或者Tast1～Tast4)内的时候，被设定为值0，当计时值Tast为超过该范围的值时，计时值Tast越大则排气再开角θrbl被设定为越大的值。这是基于下面的理由。即，压缩点火燃烧运转中与火花点火燃烧运转中相比，其效率高，排气的热能变低。因此，在催化剂预热控制开始时，发动机3进行火花点火燃烧运转，所以中止进气行程中的排气门5a的再次打开气门动作，并且伴随催化剂预热控制的进行，再次开始进气行程中的排气门5a的再次打开气门动作，以使发动机3从火花点火燃烧运转恢复到压缩点火燃烧运转。另外，发动机水温TW越低则将排气再开角θrbl设定为值0的范围被设定得越大。这是由于发动机水温TW越低，排气温度就越低，从而对催化剂进行预热所需的时间变长。

接着，如上所述执行了步骤34之后结束本处理。

另一方面，当步骤35或者36的判断结果为“否”时、即油门踏板被踏下的时候，或者Tast≥Tastlmt时，进入步骤39，根据发动机转速NE和油门开度AP，检索图26所示的控制图(map)，从而计算图示平均有效压力的目标值Pmi_cmd。在该图中，AP1～AP3表现为使AP1<AP2<AP3的关系成立的油门开度AP的预定值。

在该控制图(map)中，发动机转速NE越高、或者油门开度AP越大，则图示平均有效压力的目标值Pmi_cmd被设定为越大的值。这是由于发动机转速NE越高、或者油门开度AP越大，则发动机3所要求的产生扭矩越大。

接着进入步骤40，读取存储在RAM内的第1和第2响应指标RI1、RI2的值。此时如上所述，由于以比本处理的控制周期ΔTk短的控制周期ΔTn来计算第1和第2响应指标RI1、RI2，所以该步骤40的处理相当于计算第1和第2响应指标RI1、RI2的欠采样值RI1(k)、RI2(k)。

在接着步骤40的步骤41中，通过上述式(25)、(26)、(28)～(32)来计算进气开角θlin，并且通过上述式(25)、(27)、(33)～(37)来计算排气再开角θrbl。此时，为了避免当RI1＝0时Ed1＝0，所以式(26)的|RI1|的值被进行下限限制处理而处理为接近值0的预定值(例如0.01)。与此相同，为了避免当RI2＝0时Ed2＝0，所以式(27)的|RI2|的值也被进行下限限制处理而处理为接近值0的预定值(例如0.01)。接着在如上所述执行了步骤34之后结束本处理。

另外，当步骤30的判断结果为“是”，2个可变气门机构4、5中的至少1个发生故障时，进入步骤42，将对进气螺线管4b和排气螺线管5b的控制输入U_lin、U_rbl分别设定为预定的故障时用值U_lin_fs、U_rbl_fs之后，结束本处理。由此，可以在停车中恰当地执行空闲运转或发动机起动，同时还能够在行进中维持低速行进状态。

如上所述，根据第1实施方式的控制装置1，通过在机模型解析器40，把第1响应指标RI1计算为表示进气开角θlin和图示平均有效压力Pmi之间的相关性的值，更具体而言，两者之间的相关性越高，第1响应指标RI1的绝对值表现为越大的值，并且当两者之间的相关关系从正相关和逆相关中的一方变化为另一方的时候，符号变反。与此相同，把第2响应指标RI2计算为表示排气再开角θrbl和图示平均有效压力Pmi之间的相关性的值，更具体而言，两者之间的相关性越高，第2响应指标RI2的绝对值表现为越大的值，并且当两者之间的相关关系从正相关和逆相关中的一方变化为另一方的时候，符号变反。

另一方面，在协调控制器30中，通过响应指定型控制算法，分别计算进气开角θlin和排气再开角θrbl，使得图示平均有效压力Pmi收敛于其目标值Pmi_cmd。此时，通过对第1和第2分配误差Ed1、Ed2乘以值RI1/RI1_max、RI2/RI2_max，从而分别计算出在响应指定型控制算法中所使用的第1和第2追随误差Em1、Em2，所以第1响应指标RI1越接近其最大值RI1_max、即进气开角θlin和图示平均有效压力Pmi之间的相关性越高，则作为控制输入的进气开角θlin的增减程度变得越大。与此相同，第2响应指标RI2越接近其最大值RI2_max、即排气再开角θrbl和图示平均有效压力Pmi之间的相关性越高，则作为控制输入的排气再开角θrbl的增减程度变得越大。如上所述，即使在作为控制量的图示平均有效压力Pmi相对于作为控制输入的进气开角θlin和排气再开角θrbl的灵敏度、即相关性根据控制输入θlin、θrbl的值而发生变化的情况下，也可以根据该相关性的变化来确定控制输入θlin、θrbl的增减程度，由此，可以将控制量Pmi控制为收敛于目标值Pmi_cmd，而不会产生振动动作或不稳定动作。即，可以确保高水平的控制稳定性。

另外，由于第1和第2追随误差Em1、Em2分别用上述式(32)、(37)来计算出来，所以如果第1、第2响应指标RI1、RI2的符号变反，则追随误差Em1、Em2的符号也变反，从而作为控制输入的进气开角θlin和排气再开角θrbl的增减方向变反。即，从增大方向变反成减小方向，或者从减小方向变反成增大方向。

因此，如本实施方式那样，在相对于排气再开角θrbl的变化，图示平均有效压力Pmi表现出极大值的情况下，即使在将图示平均有效压力的目标值Pmi_cmd设定为大于其极大值的值时，也可以将图示平均有效压力Pmi保持在其极大值附近。即，即使在控制具有极值特性的控制对象的情况下，也能既确保高水平的控制稳定性，又确保控制精度。

进而，由于第l和第2分配误差Ed1、Ed2分别被计算为根据第1响应指标的绝对值|RI1|与第2响应指标的绝对值|RI2|之比分别分配了追随误差E的值，并且计算进气开角θlin和排气再开角θrbl使得这些第1和第2分配误差Ed1、Ed2分别收敛于值0，所以上述绝对值之比大的一方、即与图示平均有效压力Pmi的相关性高的一方，进气开角θlin和排气再开角θrbl的增减程度被设定为更大的程度。这样，与图示平均有效压力Pmi的相关性高的一方进气开角θlin和排气再开角θrbl被设定为更大的增减程度，与图示平均有效压力Pmi的相关性低的一方，被设定为更小的增减程度，所以可以既避免了作为控制输入的进气开角θlin和排气再开角θrbl之间的相互干扰，使这2个控制输入彼此协调，又使图示平均有效压力Pmi精度良好地收敛于其目标值Pmi_cmd。即，即使在控制多输入多输出系统的控制对象的情况下，也能既确保高水平的控制稳定性，又确保控制精度。

另外，在模型修正器60中，在机计算模型修正参数矩阵θ使得图9的控制对象模型符合实际的控制对象的特性，而且在在机模型解析器40的假想控制量计算部48中使用这样计算出的模型修正参数矩阵θ，在机修正与图9的控制对象模型实质上相同的图16的控制对象模型，以使得其符合实际的控制对象的特性，所以即使在由于发动机3的个体间的差异和老化等而产生模型化误差的情况下，也能迅速补偿该模型化误差，可以提高第1、第2响应指标RI1、RI2的计算精度。

进而，对应于由连续的3个进气开角θlin_i的值和连续的3个排气再开角θrbl_j的值的组合所规定的多个区域而分别设定模型修正参数矩阵θ的要素θij，并且，如上所述，通过式(7)～(11)所示的滑模控制算法，仅把对应于2个值θlin(k—1)、θrbl(k—1)的组合所存在的区域的要素θij计算成使得推定误差Eid收敛于值0(即，计算成使得修正推定控制量Yid收敛于图示平均有效压力Pmi)，把除此之外的要素θij计算为值0。因此，即使在模型化误差在多个区域之间不同的情况下，也可以使用模型修正参数矩阵θ，针对每个区域来修正控制对象模型。其结果，即使在发动机3那样无法用循环公式来表示控制对象模型的控制对象的情况下，由于控制对象的个体间差异和老化等，而产生了模型化误差的时候，也可以补偿该模型化误差，提高对模型化误差的鲁棒性。

除此之外，由于通过滑模控制算法来计算模型修正参数矩阵θ，所以即使在发动机3那样无法用循环公式来表示控制对象模型的控制对象的情况下，也可以将模型修正参数矩阵θ计算成不会产生振动动作或者过激动作等不稳定动作的值，并且可以使用这样计算出的模型修正参数矩阵θ，在在机修正控制对象模型的同时，控制发动机3。其结果，能够避免控制系统的过渡响应成为振动状态或者不稳定状态，可以提高过渡时的控制精度。

并且，利用模型修正系数Ym_mod来修正控制对象模型，并且通过对模型修正参数矩阵θ和非线性加权函数矩阵W_mod的对应的每个要素的乘积之和加上基本值Ym_base，来计算该模型修正系数Ym_mod。作为该非线性加权函数矩阵W_mod的要素的非线性加权函数Wij分别被设定成，具有如下特性：对于多个区域中的第1和第2假想控制输入V1、V2，在多个区域的各自的中心附近表现为最大值1，并且平面状地变化，同时在区域之外表现为值0，并且对应于彼此重叠的各2个区域的各2个非线性加权函数Wij在平面状地变化的部分交叉。因此，在用模型修正系数Ym_mod来修正控制对象模型时，由于可以对第1和第2假想控制输入V1、V2的多个区域连续地进行修正，所以所修正过的控制对象模型不会具有不连续点。由此，可以避免控制系统的过渡响应由于控制对象模型的不连续点而暂时性地成为不恰当的状态，可以进一步提高过渡时的控制精度。

进而，在计算模型修正参数矩阵θ中所使用的滑模控制算法中，在自适应律输入矩阵θadp的算式(10)中，由于使遗忘系数λ乘以自适应律输入矩阵的上次值θadp(k—1)，所以在修正推定误差矩阵Emd的各要素大致收敛于值0的时刻，自适应律输入矩阵θadp的各要素大致收敛于值0。其结果，可以避免模型修正参数矩阵θ中残留推定误差，从而可以将模型修正参数矩阵θ计算为恰当的值，能够提高其计算精度，并且可以提高控制系统的稳定性。

而且，如上所述，由于可以在抑制作为控制输入的进气开角θlin和排气再开角θrbl之间的相互干扰，使这些控制输入彼此协调的同时，使图示平均有效压力Pmi精度良好地收敛于目标值Pmi_cmd，所以无需进行用于避免多个控制输入间的相互干扰的、使用了多个条件设定的控制程序的制作和数据设定，从而可以缩短发动机3的开发所需时间。除此之外，基于相同理由，由于可以避免伴随控制程序和数据设定的增大的缺陷和设定错误，所以可以提高控制程序的制作精度，并且能够缩短制作时间。

而且，第1实施方式是使用式(28)～(37)的响应指定型控制算法作为预定的第1控制算法的例子，但本发明的预定的第1控制算法不限于此，只要是可以使控制对象的控制量收敛于其目标值，并根据相关性参数来确定控制输入的增减程度和/或增减方向的算法即可。例如，也可以使用PID控制算法等一般的反馈控制算法作为预定的第1控制算法。

并且，第1实施方式是使用式(7)～(11)的滑模控制算法作为预定的第2控制算法的例子，但本发明的预定的第2控制算法不限于此，只要是可以把修正参数计算成使得控制对象模型的控制量与控制对象的控制量一致的算法即可。例如，也可以使用PID控制算法等一般的反馈控制算法、后步进(back stepping)控制算法等滑模控制算法之外的响应指定型控制算法作为预定的第2控制算法。

进而，第1实施方式是使用对于由进气开角θlin和排气再开角θrbl的组合所划分的多个区域，呈四角锥的斜面状变化的非线性加权函数Wij，作为本发明的与多个修正参数相乘的多个函数的例子，但本发明的多个函数不限于此，只要是具有在多个区域的各自的中心附近表现为最大值并且呈平面状或者曲面状变化的特性，而且与彼此重叠的2个区域对应的函数在呈平面状或者曲面状变化的部分交叉的多个函数即可。更优选的是，只要是彼此重叠的部分的2个函数值之和表现为与最大值相同的值、或是对于进气开角θlin和排气再开角θrbl的任何组合的值，与其对应的2个函数值之和表现为与最大值相同的值的多个函数即可。

例如也可以使用被设定为对于2个值θlin、θrbl，与四角锥的4个斜面连续而呈四棱柱的4个侧面状变化的函数、或对于2个值θlin、θrbl，与四角锥的4个斜面连续而呈逐渐变宽的六面体的4个斜面状变化的函数等。另外，还可以使用被设定为对于2个值θlin、θrbl，呈曲面状变化的函数。

进而，第1实施方式为使用其最大值被设定为值1的函数作为多个函数的例子，但本发明的多个函数不限于此，也可以使用其最大值被设定为大于值1的函数或者其最大值被设定为小于值1的函数。

另外，第1实施方式为使用图10所示的通过均等划分进气开角θlin和排气再开角θrbl的变更范围来规定多个区域的控制图(map)作为非线性加权函数Wij的计算用的控制图(map)的例子，但也可以使用在规定多个区域时不均等划分进气开角θlin和排气再开角θrbl的变更范围而得到的控制图(map)作为非线性加权函数Wij的计算用的控制图(map)。在该情况下，只要使用被设定为多个区域的各自的面积彼此相同，相邻的2个非线性加权函数Wij的重叠部分的2个函数的值之和为值1的控制图(map)即可。

另一方面，第1实施方式是使用第1和第2响应指标RI1、RI2作为相关性参数的例子，但相关性参数不限于此，只要是表示控制对象模型中的控制输入和控制量之间的相关性的参数即可。例如，也可以通过使2个周期信号值的滤波值Sf1、Sf2与假想控制量的滤波值Ymf相乘，从而计算h+1个乘积值Ymf·Sf1、Ymf·Sf2的时序数据，通过使这些时序数据的移动平均值分别乘以响应增益修正系数Kr1、Kr2，从而计算出作为相关性参数的响应指标RI1、RI2。

另外，第1实施方式为将本发明的控制装置1应用于作为控制对象的内燃机3的例子，但本发明的控制装置不限于此，还可以应用于各种工业设备中，特别是可以应用在具有极值特性的设备和无法用循环公式、即离散时间系统模型来表现控制对象模型的设备中。

进而，第1实施方式为使用图6、图9、图16所示的控制对象模型来作为控制对象模型的例子，但本发明的控制装置不限于此，还可以使用无法用循环公式来表现的各种控制对象模型来作为控制对象模型。

接着参照图27至图36来说明本发明的第2实施方式的控制装置1A。该控制装置1A相比第1实施方式的控制装置1，仅关于图示平均有效压力Pmi的控制方法的结构不同，所以下面仅说明该不同点。

该控制装置1A在发动机3处于恒定运转状态时等进气开角θlin被保持为恒定的状态下，仅利用排气再开角θrbl来控制图示平均有效压力Pmi，所以在该控制装置1A中，代替第1实施方式的图6的控制对象模型，而使用图27所示的控制对象模型。如该图所示，在该控制对象模型中，图示平均有效压力Pmi被设定为对于排气再开角θrbl的增减而表现为极大值。这样设定图示平均有效压力Pmi的理由与图6的说明中所述的理由相同。

如图28所示，该控制装置1A具有目标值计算部129、控制器130、在机模型解析器140和模型修正器160，它们都由ECU 2构成。

在该目标值计算部129中，与上述目标值计算部29相同，根据发动机转速NE和油门开度AP，检索上述的图26的控制图(map)，从而计算图示平均有效压力的目标值Pmi_cmd。并且，在本实施方式中，目标值计算部129相当于目标值计算单元。

另外，在控制器130中，如后所述，使用由在机模型解析器140计算出的响应指标RI，计算出排气再开角θrbl使得图示平均有效压力Pmi收敛于其目标值Pmi_cmd。并且，在本实施方式中，控制器130相当于控制输入计算单元。

进而，在在机模型解析器140中，如后所述，使用在控制器130中计算出的排气再开角θrbl、在模型修正器160中计算出的模型修正参数矢量θ’和上述控制对象模型，计算响应指标RI。并且，在本实施方式中，在机模型解析器140相当于相关性参数计算单元和模型修正单元，响应指标RI相当于相关性参数。

另一方面，在模型修正器160中，如下所述，计算模型修正参数矢量θ’。该模型修正参数矢量θ’如下式(38)所示，被定义为以J+1个模型修正参数θj(j＝0～J)为要素的行矢量。

θ’(k)＝[θ0(k)…θg(k)…θJ(k)] .....(38)

而且，在本实施方式中，模型修正器160相当于模型修正单元，模型修正参数θj相当于多个修正参数。

如图29所示，该模型修正器160具有基本推定控制量计算部161、非线性加权函数矢量计算部162、模型修正系数计算部163、2个乘法器164、166、减法器165和模型修正参数矢量计算部167。

首先，在基本推定控制量计算部161中，通过将在控制器130中计算出的排气再开角的上次值θrbl(k—1)输入图30所示的控制对象模型，从而计算基本推定控制量Yid_nm’(k)。该图30的控制对象模型是在上述图27的控制对象模型中，将纵轴的“Pmi”置换为“Yid_nm’”后得到的控制对象模型、即实质上与图27的控制对象模型相同。在该基本推定控制量计算部161中，使用排气再开角的上次值θrbl(k—1)是基于上述的基本推定控制量计算部61的说明中所述的理由。而且，在本实施方式中，基本推定控制量Yid_nm’相当于控制对象模型的控制量。

另外，在非线性加权函数矢量计算部162中，如下所述，计算非线性加权函数矢量W_mod’(θrbl(k—1))。该非线性加权函数矢量W_mod’(θrbl(k—1))按照下式(39)那样被定义为以J+1个非线性加权函数Wj(θrbl(k—1))的值为要素的列矢量。

{W_\mod}^{,} (θrb 1 (k - 1)) = [\begin{matrix} W 0 (θrb 1 (k - 1)) \\ \cdot \\ \cdot \\ \cdot \\ Wg (θrb 1 (k - 1)) \\ \cdot \\ \cdot \\ \cdot \\ WJ (θrb 1 (k - 1)) \end{matrix}] \cdot \cdot \cdot \cdot \cdot (39)

如图31所示，该非线性加权函数Wj是根据排气再开角θrbl的值来确定其值的函数。在该图31的控制图(map)中，排气可变气门机构5对排气再开角θrbl的改变范围被J+1个值θrbl_j(j＝0～J)而均等地划分，对应于由连续的3个排气再开角θrbl_j的值所规定的多个区域而分别设定非线性加权函数Wj。并且，在本实施方式中，非线性加权函数Wj相当于多个函数。

另外，该各个非线性加权函数Wj具有如下特性：对于对应的区域内的排气再开角θrbl的值，在该区域的中心表现为最大值1，在中心以外表现为呈2等边三角形的斜边状变化的值，并且在区域以外表现为值0。除此之外，在非线性加权函数Wj对应的多个区域中，相邻的各2个区域互相重合，由此，相邻的各2个非线性加权函数Wj在呈2等边三角形的斜边状变化的部分彼此交叉。

例如，如图31所示，对应于θrbl_g—1≦θrbl≦θrbl_g+1的区域的非线性加权函数Wg被设定为，在θrbl为该区域的中心的值时(即，θrbl＝θrbl_g时)，表现为最大值1，对于中心以外的θrbl的值，表现为呈2等边三角形的斜边状变化的值。进而，非线性加权函数Wg被设定为，当θrbl为区域之外的值时、即，θrbl<θrbl_g—1或者θrbl_g+1<θrbl时，表现为值0。另外，非线性加权函数Wg对于分别对应于与其相邻的2个区域的非线性加权函数Wg—1、Wg+1，在彼此的区域重叠的部分、即呈斜边状变化的部分，其斜边彼此交叉。

因此，如图32所示，如果以θrbl_y作为θrbl_g—1和θrbl_g之间的中央的值，则当θrbl＝θrbl_y的时候，2个非线性加权函数Wg—1、Wg的值成为Wg—1＝Wg＝0.5，并且除它们之外的非线性加权函数Wj的值都成为值0。除此之外，当θrbl_y<θrbl<θrbl_g的时候，非线性加权函数Wg的值成为0.5<Wg<1.0，非线性加权函数Wg—1的值成为1—Wg，并且除它们之外的非线性加权函数Wj的值都成为值0。

如上所述，在该非线性加权函数矢量计算部162中，根据排气再开角的上次值θrbl(k—1)的值，检索图31的控制图(map)，从而分别确定作为非线性加权函数矢量W_mod’(θrbl(k—1))的要素的非线性加权函数Wj(θrbl(k—1))的值，并由此计算出非线性加权函数矢量W_mod’(θrbl(k—1))。

另外，在模型修正系数计算部163中，使用在非线性加权函数矢量计算部162中如上所述计算出的非线性加权函数矢量W_mod’(θrbl(k—1))和在后述的模型修正参数矢量计算部167中计算出的模型修正参数矢量的上次值θ’(k—1)，通过下式(40)来计算模型修正系数Yid_mod’(k)。

Yid_\mod^{,} (k) = Yid_{base}^{,} + θ^{,} (k - 1) \cdot W_\mod^{,} (θrb 1 (k - 1))

{Yid_base}^{,} + Σ_{j = 0}^{J} θj (k - 1) Wj (θrb 1 (k - 1))

= Yid_{base}^{,} + θ 0 (k - 1) W 0 (θrb 1 (k - 1)) + . . .

+ θg (k - 1) Wg (θrb 1 (k - 1)) + . . . + θJ (k - 1) WJ (θrb 1 (k - 1)) \cdot \cdot \cdot \cdot \cdot (40)

在上式(40)中，Yid_base’为预定的基本值，在本实施方式中被设定为值1，将在后面叙述其理由。如式(40)所示，通过把非线性加权函数矢量W_mod’(θrbl(k—1))与模型修正参数矢量的上次值θ’(k—1)的内积与基本值Yid_base’相加，从而计算出模型修正系数Yid_mod’(k)。

接着在乘法器164中通过下式(41)来计算修正推定控制量Yid’。这样，由于通过把基本推定控制量Yid_nm’乘以模型修正系数Yid_mod’来计算出修正推定控制量Yid’，所以相当于用模型修正系数Yid_mod’修正了图30的控制对象模型。

Yid’(k)＝Yid_nm’(k)·Yid_mod’(k) .....(41)

进而，在减法器165中通过下式(42)而计算推定误差Eid’。即，推定误差Eid’作为所修正过的控制对象模型的控制量即修正模型控制量Yid’与实际的控制量即图示平均有效压力Pmi的偏差而被计算出来。

Eid’(k)＝Yid’(k)-Y(k)

＝Yid’(k)-Pmi(k) .....(42)

另一方面，在乘法器166中通过下式(43)而计算修正推定误差矢量Emd’。即，通过用非线性加权函数矢量W_mod’来修正推定误差Eid’而计算出修正推定误差矢量Emd’。

{Emd}^{,} (k) = [\begin{matrix} Emd 0 \\ \cdot \\ \cdot \\ \cdot \\ Emdg \\ \cdot \\ \cdot \\ \cdot \\ EmdJ \end{matrix}]

= W_\mod^{,} (θrb 1 (k - 1)) \cdot {Eid}^{,} (k)

= [\begin{matrix} W 0 (θrb 1 (k - 1)) \\ \cdot \\ \cdot \\ \cdot \\ Wg (θrb 1 (k - 1)) \\ \cdot \\ \cdot \\ \cdot \\ WJ (θrb 1 (k - 1)) \end{matrix}] \cdot {Eid}^{,} (k) \cdot \cdot \cdot \cdot \cdot (43)

而且，在模型修正参数矢量计算部167中通过下式(44)～(48)所示的滑模控制算法来计算模型修正参数矢量θ’。

θ’(k)＝θrch’(k)+θnl’(k)+θadp’(k) .....(44)

θrch’(k)＝-Qrch’·δ’(k) .....(45)

θnl’(k)＝-Qnl’·sgn(δ’(k)) .....(46)

θadp’(k)＝λ’·θadp’(k-1)-Qadp’·δ’(k) .....(47)

δ’(k)＝Emd’(k)+R’·Emd’(k-1) .....(48)

如上式(44)所示，模型修正参数矢量θ’作为到达律输入矢量θrch’、非线性输入矢量θn1’和自适应律输入矢量θadp’的和而被计算出来，该到达律输入矢量θrch’通过式(45)被计算出来。该式(45)的Qrch’为预定的到达律增益，δ’是如式(48)那样被定义的切换函数。该式(48)的R’是被设定为使得—1<R’<0成立的切换函数设定参数。而且，本实施方式中，自适应律输入矢量θadp’相当于积分值，切换函数δ’相当于基于偏差的值。

另外，非线性输入矢量θn1’通过式(46)被计算出来，该式(46)的Qn1’为预定的非线性增益。另外，式(46)的sgn(δ’(k))为符号函数，其值被设定为在δ’(k)≥0的时候为sgn(δ’(k))＝1，当δ’(k)<0时为sgn(δ’(k))＝—1。并且，该符号函数sgn(δ’(k))的值还可以设定为当δ’(k)＝0时sgn(δ’(k))＝0。

进而，自适应律输入矢量θadp’通过式(47)被计算出来。该式(47)的Qadp’是预定的自适应律增益，λ’是被设定为使得0<λ’<1成立的遗忘系数。使用该遗忘系数λ’的理由与第1实施方式的遗忘系数λ的说明中所述的理由相同。

即，通过对遗忘系数λ’乘以自适应律输入矢量的上次值θadp’(k—1)，从而伴随运算处理的进行，成为

，在修正推定误差矢量Emd’的各要素大致收敛于值0的时刻，自适应律输入矢量θadp’的各要素大致收敛于值0，由此可以避免模型修正参数矢量θ’中的推定误差的残留，从而可以将模型修正参数矢量θ’计算为恰当的值，能够提高其计算精度。如上所述，在对作为积分值的自适应律输入矢量的上次值θadp’(k—1)进行使用遗忘系数λ’的遗忘处理的同时，计算模型修正参数矢量θ’。

另外，例如当修正推定误差矢量Emd’的各要素收敛于值0的情况下，如果模型修正参数矢量θ’的要素都成为值0，则在上述式(40)中，基本值Yid_base’以外的项都成为值0。因此，在修正推定误差矢量Emd’的各要素收敛于值0、无需修正控制对象模型的时刻，将基本值Yid_base’设定为值1使得Yid_nm’＝Yid’、即Yid_mod’＝1。而且，在不需要基于遗忘系数λ’的遗忘效应的情况下，只要在式(47)中设定为λ’＝1，并将上述式(40)的基本值Yid_base’设定为值0即可。

在本实施方式的模型修正器160中，如上所述，由于通过滑模控制算法来计算模型修正参数矢量θ’，所以当Eid’≠0即Yid’—Pmi≠0时，在模型修正参数矢量θ’中，仅对应于值θrbl(k—1)所存在的区域的要素θj被计算为使得Eid’迅速收敛于值0的值，除此之外的要素θj被计算为值0。进而，如上所述，模型修正系数Yid_mod’是通过把如上所述计算出的模型修正参数矢量的上次值θ’(k—1)和非线性加权函数矢量W_mod’的内积加上基本值Yid_base’而计算出的，所以通过模型修正系数Yid_mod’，针对值θrbl(k—1)所存在的区域，将图30的控制对象模型修正为使得Yid’＝Pmi。因此，在模型修正器160中，在利用模型修正系数Ym_mod’在机修正图30的控制对象模型以使得符合实际的控制对象的特性的同时，计算模型修正参数矢量θ’。

接着说明上述的在机模型解析器140。如图33所示，在机模型解析器140具有第2周期信号值计算部142、2个过采样器141、143、加法器144、假想控制量计算部145、2个高通滤波器146、147、乘法器148、响应指标计算部149。

在该第2周期信号值计算部142中，通过与第1实施方式的第2周期信号值计算部42同样的方法来计算第2周期信号值S2(n)。

另外，在过采样器141中，通过以上述控制周期ΔTn对排气再开角θrbl(k)进行过采样，从而计算排气再开角的过采样值θrbl(n)。

进而，在加法器144中，通过把第2周期信号值S2(n)和排气再开角的过采样值θrbl(n)相加，从而计算出第2假想控制输入V2(n)。

另一方面，在过采样器143中，通过以控制周期ΔTn对在模型修正器160中计算出的模型修正参数矢量θ’进行过采样，从而计算模型修正参数矢量的过采样值θ’(n)。该过采样值θ’(n)按照下式(49)进行定义。

θ’(n)＝[θ0(n)…θg(n)…θJ(n)] .....(49)

接着说明假想控制量计算部145。该假想控制量计算部145根据上述过采样值θ’(n)以及第2假想控制输入V2，计算假想控制量Ym’，如图34所示，其具有基本假想控制量计算部145a、非线性加权函数矢量计算部145b、模型修正系数计算部145c和乘法器145d。

首先，在基本假想控制量计算部145a中，通过将第2假想控制输入V2输入到图35所示的控制对象模型中，从而计算基本假想控制量Ym_nm’(n)。该图35的控制对象模型是在上述的图27的控制对象模型中，分别将纵轴的“Pmi”置换为“Ym_nm’”，将横轴的“θrbl”置换为“V2”而得到的控制对象模型，与图27的控制对象模型实质上相同。而且，在本实施方式中，基本假想控制量Ym_nm’相当于控制对象模型的控制量。

另外，在非线性加权函数矢量计算部145b中，通过与上述非线性加权函数矢量计算部162同样的方法来计算非线性加权函数矢量W_mod’(V2(n))。即，根据第2假想控制输入V2，检索将上述图31的横轴的“θrbl”置换为“V2”后的控制图(map)(未图示)，从而计算出非线性加权函数矢量W_mod’(V2(n))。该非线性加权函数矢量W_mod’(V2(n))按照下式(50)进行定义。

{W_\mod}^{,} (V 2 (n)) = [\begin{matrix} W 0 (V 2 (n)) \\ \cdot \\ \cdot \\ \cdot \\ Wg (V 2 (n)) \\ \cdot \\ \cdot \\ \cdot \\ WJ (V 2 (n)) \end{matrix}] \cdot \cdot \cdot \cdot \cdot (50)

接着在模型修正系数计算部145c中通过下式(51)来计算模型修正系数Ym_mod’(n)。在下式(51)中，Ym_base’是预定的基本值，根据与上述基本值Yid_base’相同的理由被设定为值1。

Ym_\mod^{,} (n) = Ym_{base}^{,} + θ^{,} (n) \cdot W_\mod^{,} (V 2 (n))

{= Ym_base}^{,} + Σ_{j = 0}^{J} θj (n) Wj (V 2 (n))

= Ym_{base}^{,} + θ 0 (n) W 0 (V 2 (n)) + . . . + θj (n) Wj (V 2 (n)) +

. . . + θJ (n) WJ (V 2 (n)) \cdot \cdot \cdot \cdot \cdot (51)

然后在乘法器145d中通过下式(52)计算假想控制量Ym’。这样，由于通过对基本假想控制量Ym_nm’乘以模型修正系数Ym_mod’来计算出假想控制量Ym’，所以相当于利用模型修正系数Ym_mod’来修正了图35的控制对象模型。

Ym’(n)＝Ym_nm’(n)·Ym_mod’(n) .....(52)

如上所述，在假想控制量计算部145中，通过对模型修正参数矢量的过采样值θ’(n)和非线性加权函数矢量W_mod’(V2(n))的内积加上基本值Ym_base，从而计算出模型修正系数Ym_mod’(n)，并利用该模型修正系数Ym_mod’(n)来修正图35的控制对象模型。该模型修正系数Ym_mod’(n)除了其计算周期以外，利用与上述模型修正系数Yid_mod’(k)相同的方法计算出来，其意义也相同。除此之外，图35的控制对象模型与图27的控制对象模型、即图30的控制对象模型实质上相同。

因此，在假想控制量计算部145中，针对第2假想控制输入V2(n)存在的区域，利用上述那样计算出的模型修正系数Ym_mod’，对图35的控制对象模型进行修正使得Ym’＝Pmi，其结果，利用模型修正系数Ym_mod’将图35的控制对象模型在机修正为符合实际的控制对象的特性。

返回图33，接着在高通滤波器146中，通过下式(53)所示的高通滤波处理，从而计算假想控制量的滤波值Ymf’。

Ymf’(n)＝b0·Ym’(n)+b1·Ym’(n-1)+....+bm^*·Ym’(n-m^*)

+a1·Ymf’(n-1)+a2·Ymf’(n-2)+....+ak^*·Ymf’(n-k^*) .....(53)

另一方面，在高通滤波器147中，通过下式(54)所示的高通滤波处理，从而计算第2周期信号值的滤波值Sf2。

Sf2(n)＝b0·S2(n)+b1·S2(n-1)+....+bm^*·S2(n-m^*)

+a1·Sf2(n-1)+a2·Sf2(n-2)+....+ak^*·Sf2(n-k^*).....(54)

接着，在乘法器148中，通过把假想控制量的滤波值Ymf’与第2周期信号值的滤波值Sf2相乘，从而计算出乘积值Ymf’·Sf2。然后，在响应指标计算部149中根据上述乘积值Ymf’·Sf2的h+1(h＝Crs_max)个时序数据，通过下式(55)来计算响应指标RI。而且，下式(55)中的Kr为响应增益修正系数。

RI (n) = Kr \cdot Σ_{j = n - h}^{n} {Ymf}^{,} (j) Sf 2 (j) \cdot \cdot \cdot \cdot \cdot (55)

在本实施方式的在机模型解析器140中通过上述方法计算响应指标RI。

接着说明上述的控制器130。该控制器130以上述控制周期ΔTk来计算排气再开角θrbl，如图36所示，其具有减法器131、欠采样器132和响应指定型控制器133。

在该控制器130中，在减法器131中通过下式(56)计算追随误差E。

E(k)＝Pmi(k)-Pmi_cmd(k).....(56)

另一方面，利用欠采样器132以控制周期ΔTk对由在机模型解析器140以上述的控制周期ΔTn计算出的响应指标RI(n)进行欠采样，从而计算响应指标的欠采样值RI(k)。

进而，在响应指定型控制器133中，根据响应指标的欠采样值RI(k)和追随误差E，通过下式(57)～(61)所示的响应指定型控制算法，计算排气再开角θrbl。

θrbl(k)＝Urch(k)+Uadp(k) .....(57)

Urch(k)＝-Krch·σ(k) .....(58)

Uadp (k) = - Kadp \cdot Σ_{j = 0}^{k} σ (j) \cdot \cdot \cdot \cdot \cdot (59)

σ(k)＝Em(k)+S’·Em(k-1) .....(60)

Em (k) = \frac{RI (k)}{RI_\max} \cdot E (k) \cdot \cdot \cdot \cdot \cdot (61)

上式(57)的Urch为到达律输入，通过式(58)计算出来。该式(58)的Krch为预定的到达律增益，σ是通过式(60)计算出来的切换函数。该式(60)的S’是被设定为使得—1<S’<0成立的切换函数设定参数，Em是通过式(61)计算出来的修正追随误差。该式(61)的RI_max表示响应指标的绝对值|RI|在控制中能取得的最大值，使用脱机预先设定的值。进而，上式(57)的Uadp是自适应律输入，利用式(59)计算出来。该式(59)的Kadp是预定的自适应律增益。并且这些增益Krch、Kadp被设定为在响应指标的绝对值|RI|为最大值RI_max时，使控制系统稳定的值。

如上所述，在该控制器130中，把排气再开角θrbl计算成使得追随误差E收敛于值0。换言之，计算成使图示平均有效压力Pmi收敛于其目标值Pmi_cmd。

接着参照图37至图40说明第2实施方式的控制装置1A的图示平均有效压力控制的模拟结果(下面称为“控制结果”)。图37和图38是在模型修正器160中的模型修正参数矢量θ’由3个要素θ1～θ3构成的情况下的控制结果例，图37是表示将图27、图30、图35的控制对象模型设定成相对于实际的控制对象的特性而没有模型化误差的情况下的控制结果例。另外，图38是表示将控制对象模型设定成具有模型化误差的情况下的控制结果例。并且，两图的Pmi_max表示发动机3可产生的图示平均有效压力Pmi的最大值。

另外，图39和图40表示省略模型修正器160(即不使用模型修正参数矢量θ’)，在假想控制量计算部145中通过将第2假想控制输入V2输入到图35的控制对象模型中，从而计算出假想控制量Ym’的情况下的比较例的控制结果，图39表示将控制对象模型设定为没有模型化误差的例子，图40表示将控制对象模型设定为有模型化误差的例子。

首先比较图37和图39的控制结果，两者都在图示平均有效压力的目标值Pmi_cmd向增大侧或者减小侧发生了变化时(时刻t11、t13、t31、t33)，被控制为在该时刻之后图示平均有效压力Pmi收敛于其目标值Pmi_cmd。另外，当目标值Pmi_cmd被设定成大于最大值Pmi_max的值时(时刻t11、t32)，被控制为在该时刻之后图示平均有效压力Pmi被保持为最大值Pmi_max。即，可判明在没有模型化误差的情况下，不管有无模型修正器160，都可以确保良好的控制精度。

另一方面，在具有模型化误差的情况下，首先在图40的比较例中，在时刻t41，目标值Pmi_cmd向增大侧变化之后，在图示平均有效压力Pmi和假想控制量Ym’之间产生偏差。而且，在时刻t42，当目标值Pmi_cmd被设定为大于最大值Pmi_max的值时，在该时刻之后由于恒定偏差的产生，图示平均有效压力Pmi被控制为从最大值Pmi_max偏离。除此之外，在时刻t43，当目标值Pmi_cmd被设定为比最大值Pmi_max小很多的值时，可知使图示平均有效压力Pmi收敛于目标值Pmi_cmd要花费时间。即，在不使用模型修正器160的情况下，可知如果具有模型化误差，则控制精度下降。

与此相对，在具有模型修正器160的图38的控制结果例中，在时刻t21或者t23，在图示平均有效压力的目标值Pmi_cmd向增大侧或者减小侧发生了变化的情况下，可知该时刻之后，根据推定误差Eid’和非线性加权函数矢量W_mod的积、即修正推定误差矢量Emd’来计算模型修正参数θ1～3，并且利用根据这些模型修正参数θ1～3而计算出的模型修正系数Yid_mod’来修正假想控制量Ym’，从而使假想控制量Ym’与图示平均有效压力Pmi一致。即，修正控制对象模型以便消除模型化误差，其结果将图示平均有效压力Pmi控制为收敛于其目标值Pmi_cmd。另外，在时刻t22，当目标值Pmi_cmd被设定为大于最大值Pmi_max的值时，图示平均有效压力Pmi被恰当地保持为最大值Pmi_max。即，可知在使用模型修正器160的情况下，即使具有模型化误差时，也能够确保良好的控制精度。

如上所述，根据第2实施方式的控制装置1A可以得到与第1实施方式的控制装置1同样的作用效果。即，通过在机模型解析器140，把响应指标RI计算为表示排气再开角θrbl和图示平均有效压力Pmi之间的相关性的值，在控制器130中，通过响应指定型控制算法来计算排气再开角θrbl，以使得图示平均有效压力Pmi收敛于其目标值Pmi_cmd。此时，由于通过对追随误差E乘以值RI/RI_max来计算在响应指定型控制算法中所使用的修正追随误差Em，所以响应指标RI越接近其最大值RI_max、即排气再开角θrbl和图示平均有效压力Pmi之间的相关性越高，则作为控制输入的排气再开角θrbl的增减程度就越大。如上所述，即使在作为控制量的图示平均有效压力Pmi相对于作为控制输入的排气再开角θrbl的灵敏度、即相关性根据控制输入θrbl的值而发生变化的情况下，也可以根据该相关性的变化来确定控制输入θrbl的增减程度，由此，可以将控制量Pmi控制为收敛于目标值Pmi_cmd，而不会产生振动动作或不稳定动作。即，可以确保高水平的控制稳定性。

而且，由于第2追随误差Em利用上述式(61)计算出来，所以如果响应指标RI的符号变反，则修正追随误差Em的符号也变反，从而作为控制输入的排气再开角θrbl的增减方向将变反。即，从增大方向变反为减小方向，或者从减小方向变反为增大方向。因此，如本实施方式那样，在对于排气再开角θrbl的变化，图示平均有效压力Pmi表现为极大值的情况下，即使在图示平均有效压力的目标值Pmi_cmd被设定为大于其极大值的值的时候，也可以将图示平均有效压力Pmi保持在其极大值附近。

另外，在模型修正器160中，在机计算模型修正参数矢量θ’使得图30的控制对象模型符合实际的控制对象的特性，进而在在机模型解析器140的假想控制量计算部148中，利用这样计算出的模型修正参数矢量θ’，对与图30的控制对象模型实质上相同的图35的控制对象模型进行在机修正，以使得符合实际的控制对象的特性。所以即使在由于发动机3的个体间的差异和老化等而产生模型化误差的情况下，也能迅速补偿该模型化误差，可以提高响应指标RI的计算精度。

进而，对应于由连续的3个排气再开角θrbl_j的值所规定的多个区域而分别设定模型修正参数矢量θ’的要素θj，并且，如上所述，通过式(44)～(48)所示的滑模控制算法，仅把对应于θrbl(k—1)所存在的区域的要素θj计算成使得推定误差Eid’收敛于值0(即，使得修正推定控制量Yid’收敛于图示平均有效压力Pmi)，而除此之外的要素θj均被计算为值0。因此，即使在模型化误差在多个区域之间不同的情况下，也可以使用模型修正参数矢量θ’，针对每个区域来修正控制对象模型。其结果，即使在发动机3那样的无法用循环公式来表示控制对象模型的控制对象的情况下，由于控制对象的个体间的差异和老化等，而产生了模型化误差的时候，也可以补偿该模型化误差，提高对模型化误差的鲁棒性。

除此之外，由于通过滑模控制算法来计算模型修正参数矢量θ’，所以即使在发动机3那样的无法用循环公式来表示控制对象模型的控制对象的情况下，也可以将模型修正参数矢量θ’计算成不会产生振动动作或者过激动作等不稳定动作的值，并可以在使用这样计算出的模型修正参数矢量θ’，在机修正控制对象模型的同时，控制发动机3。其结果，能够避免控制系统的过渡响应成为振动状态或者不稳定的状态，可以提高过渡时的控制精度。

并且，利用模型修正系数Ym_mod’来修正控制对象模型，并且通过对模型修正参数矢量θ’和非线性加权函数矢量W_mod’的对应的每个要素的乘积之和加上基本值Ym_base’，来计算该模型修正系数Ym_mod’。作为该非线性加权函数矢量W_mod’的要素的非线性加权函数Wj分别具有如下特性：对于多个区域中的第2假想控制输入V2，在多个区域的各自的中心附近表现为最大值1，并且呈2等边三角形的斜边状变化，同时在区域之外表现为值0，而且对应于彼此重叠的各2个区域的各2个非线性加权函数Wj被设定为在呈2等边三角形的斜边状变化的部分交叉。因此，在利用模型修正系数Ym_mod’来修正控制对象模型时，由于可以连续地对第2假想控制输入V2的多个区域进行修正，所以所修正过的控制对象模型不会具有不连续点。由此，可以避免控制系统的过渡响应由于控制对象模型的不连续点而暂时性地成为不恰当的状态，可以进一步提高过渡时的控制精度。

进而，在计算模型修正参数矢量θ’中所使用的滑模控制算法中，在自适应律输入矢量θadp’的计算式(47)中，由于把遗忘系数λ’乘以自适应律输入矢量的上次值θadp’(k—1)，所以在修正推定误差矢量Emd’的各要素收敛于值0的时刻，自适应律输入矢量θ’adp的各要素收敛于值0。其结果，可以避免模型修正参数矢量θ’中残留推定误差，从而可以提高模型修正参数矢量θ’的计算精度。

进而，第2实施方式是使用对于由排气再开角θrbl所划分的多个区域，呈2等边三角形的斜边状变化的非线性加权函数Wj作为本发明的与多个修正参数相乘的多个函数的例子，但本发明的多个函数不限于此，只要是被设定为具有在多个区域的各自的中心附近表现为最大值并呈直线状或者曲线状变化的特性，而且对应于彼此重叠的每2个区域的各2个函数在呈直线状或者曲线状变化的部分交叉的多个函数即可。更优选的是，只要是彼此重合的部分的2个函数值之和表现为与最大值相同的值、或是对于排气再开角θrbl的任意值，与其对应的2个函数值之和都表现为与最大值相同的值的多个函数即可。

例如还可以代替第2实施方式的非线性加权函数Wj，而使用具有呈梯形或者五边形等的去掉了底面的多边形形状变化的特性，并且在相邻的2个要素中彼此的呈直线状变化的部分彼此交叉的函数作为多个函数。进而，还可以使用图41所示的非线性加权函数Wj来代替第2实施方式的非线性加权函数Wj。如该图所示，该非线性加权函数Wj是使用S形(Sigmoid)函数的曲线状函数，被设定为相邻的各2个函数彼此交叉，同时在该交叉的部分对于排气再开角θrbl的2个函数值之和为值1。在使用这种非线性加权函数Wj的情况下也能够得到与第2实施方式的非线性加权函数Wj相同的效果。

另外，第2实施方式为使用图31所示的通过均等划分排气再开角θrbl的变更范围来规定多个区域的控制图(map)作为用于计算非线性加权函数Wj的控制图(map)的例子，但也可以使用在规定多个区域时不均等地划分排气再开角θrbl的变更范围而得到的控制图(map)作为用于计算非线性加权函数Wj的控制图(map)。在该情况下，只要使用被设定为多个区域的各自的面积彼此相同，相邻的2个非线性加权函数Wj的交叉部分的2个值之和为值1的控制图(map)即可。

另外，第2实施方式是在将进气开角θlin保持为恒定的状态下，仅利用排气再开角θrbl来控制图示平均有效压力Pmi的例子，但应用第2实施方式的控制装置lA的控制方法的条件当然不限于此。例如还可以进行如下控制，即根据发动机3的运转状态，通过检索控制图(map)来计算出进气开角θlin，并使用与第2实施方式同样的控制方法来控制排气再开角θrbl，从而使图示平均有效压力Pmi收敛于其目标值Pmi_cmd。

进而，作为图示平均有效压力Pmi的控制方法，还可以构成为在发动机3为恒定运转状态下，当将进气开角θlin保持为恒定的时候，使用第2实施方式的控制方法，并且在发动机3从恒定运转状态变化为其它的运转状态时，将图示平均有效压力Pmi的控制方法从第2实施方式的控制方法切换为第1实施方式的控制方法。

另一方面，第1实施方式是利用2个控制输入θlin、θrbl来控制1个控制量Pmi的例子，第2实施方式是利用1个控制输入θrbl来控制1个控制量Pmi的例子，但本发明的控制装置不限于此，还可以应用于利用多输入多输出系统中3个以上的控制输入来对1个控制量进行控制的情况。例如在利用z(z为3以上的整数)个控制输入Uz来控制控制量Pmi的情况下，只要使用对这z个控制输入Uz和控制量Pmi的关系进行了定义的控制对象模型(未图示)和下面的控制算法即可。

首先在模型修正器中将z个控制输入Uz输入给控制对象模型，从而计算出基本推定控制量Yid_nm(k)，并通过下式(62)～(70)来计算模型修正参数矩阵θ(k)。

Yid_\mod (k) = Yid_base + Σ_{i = 0}^{I} Σ_{j = 0}^{J} θij (k - 1) \cdot Wij (U 1 (k - 1) \cdot \cdot \cdot Uz (k - 1))

= Yid_base + θ 00 (k - 1) \cdot W 00 (U 1 (k - 1) \cdot \cdot \cdot Uz (k - 1)) + \cdot \cdot \cdot

+ θfg (k - 1) \cdot Wfg (U 1 (k - 1) \cdot \cdot \cdot Uz (k - 1)) +

\cdot \cdot \cdot + θIJ (k - 1) \cdot WIJ (U 1 (k - 1) \cdot \cdot \cdot Uz (k - 1)) \cdot \cdot \cdot \cdot \cdot (62)

Yid(k)＝Yid_nm(k)·Yid_mod(k) .....(63)

Eid(k)＝Yid(k)-Y(k) .....(64)

= W_\mod (U 1 (k - 1) \cdot \cdot \cdot Uz (k - 1)) \cdot Eid (k)

θ(k)＝θrch(k)+θnl(k)+θadp(k) .....(66)

θrch(k)＝-Qrch·δ(k) .....(67)

θnl(k)＝-Qnl·sgn(δ(k)) .....(68)

θadp(k)＝λ·θadp(k-1)-Qadp·δ(k) .....(69)

δ(k)＝Emd(k)+R·Emd(k-1) .....(70)

接着在在机模型解析器中通过在控制对象模型中对z个控制输入Uz进行输入检索，从而计算出基本假想控制量Ym_nm(n)，并根据下式(71)～(77)来计算z个响应指标RIz(n)。

Sz(n)＝Az·Sz’(n) .....(71)

Vz(n)＝Sz(n)+Uz(n) .....(72)

Ym_\mod (n) = Ym_base + Σ_{i = 0}^{I} Σ_{j = 0}^{J} θij (n) \cdot Wij (V 1 (n) \cdot \cdot \cdot Vz (n))

= Ym_base + θ 00 (n) \cdot W 00 (V 1 (n) \cdot \cdot \cdot Vz (n)) + \cdot \cdot \cdot

+ θfg (n) \cdot Wfg (V 1 (n) \cdot \cdot \cdot Vz (n)) + \cdot \cdot \cdot

+ θIJ (n) \cdot WIJ (V 1 (n) \cdot \cdot \cdot Vz (n)) \cdot \cdot \cdot \cdot \cdot (73)

Ym(n)＝Ym-nm(n)·Ym_mod(n) .....(74)

Ymf(n)＝b0·Ym(n)+b1·Ym(n-1)+....+bm^*·Ym(n-m^*)

+a1·Ymf(n-1)+a2·Ymf(n-2)+....+ak^*·Ymf(n-k^*) .....(75)

Sfz(n)＝b0·Sz(n)+b1·Sz(n-1)+....+bm^*·Sz(n-m^*)

+a1·Sfz(n-1)+a2·Sfz(n-2)+....+ak^*·Sfz(n-k^*) .....(76)

RIz (n) = Krz \cdot Σ_{j = n - h}^{n} Ymf (j) Sfz (j) \cdot \cdot \cdot \cdot \cdot (77)

然后在协调控制器中通过下式(78)～(84)来计算z个控制输入Uz(k)即可。

Uz(k)＝Urchz(k)+Uadpz(k) .....(78)

Urchz(k)＝-Krchz·σz(k) .....(79)

Uadpz (k) = - Kadpz \cdot Σ_{j = 0}^{k} σz (j) \cdot \cdot \cdot \cdot \cdot (80)

σz(k)＝Emz(k)+S·Emz(k-1) .....(81)

Emz (k) = \frac{RIz (k)}{RIz_\max} \cdot Edz (k) \cdot \cdot \cdot \cdot \cdot (82)

Edz (k) = \frac{| RIz (k) |}{Σ_{j = 1}^{z} | RIj (k) |} \cdot E (k) \cdot \cdot \cdot \cdot \cdot (83)

E(k)＝Pmi(k)-Pmi_cmd(k) .....(84)

以上为本发明的优选实施方式的说明，本领域的技术人员当然应该理解，可以在不脱离本发明的精神和范围的情况下进行各种变更。

Claims

1.一种内燃机的控制装置，该控制装置具有：

相关性参数计算单元，其使用定义了控制对象中的控制输入与控制量之间的关系的控制对象模型，计算表示该控制对象模型中的上述控制输入与控制量之间的相关性的相关性参数；

目标值设定单元，其设定作为上述控制对象的上述控制量的目标的目标值；

控制输入计算单元，其通过预定的第1控制算法计算上述控制输入，使得上述控制对象的上述控制量收敛于上述目标值，并且根据上述相关性参数来确定上述控制输入的增减程度和增减方向之中的至少一方；以及

模型修正单元，其对上述控制对象模型进行修正，使得上述控制对象模型的上述控制量与上述控制对象的上述控制量一致，

所述控制装置的特征在于：上述模型修正单元对应于划分上述控制输入可变化的区域而成的多个区域，分别计算上述控制对象模型的修正中使用的多个修正参数，并且通过预定的第2控制算法，计算与该多个区域中存在上述计算出的控制输入的区域相对应的修正参数，使得上述控制对象模型的上述控制量与上述控制对象的上述控制量一致。

2.根据权利要求1所述的控制装置，其特征在于，上述预定的第2控制算法包括预定的响应指定型控制算法。

3.根据权利要求1所述的控制装置，其特征在于，

上述模型修正单元使用对上述多个修正参数分别乘以多个函数值后得到的值，修正上述控制对象模型，

上述多个区域中相邻的每2个区域相互重叠，

上述多个函数分别具有对于上述多个区域中的上述控制输入在该多个区域的各自中心附近表现出最大值并呈直线状或曲线状变化的特性，而且与上述相互重叠的每2个区域对应的每2个上述函数被设定为在呈上述直线状或曲线状变化的部分交叉。

4.根据权利要求1所述的控制装置，其特征在于，上述模型修正单元使用基于上述控制对象模型的控制量与上述控制对象的控制量之间的偏差的值的积分值，在对该积分值进行预定的遗忘处理的同时，计算上述多个修正参数。

5.一种内燃机的控制装置，该控制装置具有：

相关性参数计算单元，其使用定义了控制对象中的多个控制输入与控制量之间的关系的控制对象模型，计算分别表示该控制对象模型中的该多个控制输入与控制量之间的相关性的多个相关性参数；

控制输入计算单元，其通过预定的第1控制算法，分别计算上述多个控制输入，使得上述控制对象的上述控制量收敛于上述目标值，并且分别根据上述多个相关性参数来确定该各个控制输入的增减程度和增减方向之中的至少一方；以及

所述控制装置的特征在于：上述模型修正单元对应于划分上述多个控制输入可变化的区域而成的多个区域，分别计算上述控制对象模型的修正中使用的多个修正参数，并且通过预定的第2控制算法，计算与该多个区域中存在上述计算出的多个控制输入的区域相对应的修正参数，使得上述控制对象模型的上述控制量与上述控制对象的上述控制量一致。

6.根据权利要求5所述的控制装置，其特征在于，上述预定的第2控制算法包括预定的响应指定型控制算法。

7.根据权利要求5所述的控制装置，其特征在于，

上述多个区域中相邻的每2个区域相互重叠，

该多个函数分别具有对于上述多个区域中的上述多个控制输入在该多个区域的各自中心附近表现出最大值并呈平面状或曲面状变化的特性，而且与上述相互重叠的每2个区域对应的每2个上述函数被设定为在呈上述平面状或曲面状变化的部分交叉。

8.根据权利要求5所述的控制装置，其特征在于，上述模型修正单元使用基于上述控制对象模型的控制量与上述控制对象的控制量之间的偏差的值的积分值，在对该积分值进行预定的遗忘处理的同时，计算上述多个修正参数。

9.一种内燃机的控制方法，该控制方法具有：

相关性参数计算步骤，其使用定义了控制对象中的控制输入与控制量之间的关系的控制对象模型，计算表示该控制对象模型中的控制输入与控制量之间的相关性的相关性参数；

目标值设定步骤，其设定作为上述控制对象的上述控制量的目标的目标值；

控制输入计算步骤，其通过预定的第1控制算法计算上述控制输入，使得上述控制对象的上述控制量收敛于上述目标值，并且根据上述相关性参数来确定上述控制输入的增减程度和增减方向之中的至少一方；以及

模型修正步骤，其对上述控制对象模型进行修正，以使上述控制对象模型的上述控制量与上述控制对象的上述控制量一致，

所述控制方法的特征在于：在上述模型修正步骤中，对应于划分上述控制输入可变化的区域而成的多个区域，分别计算上述控制对象模型的修正中使用的多个修正参数，并且通过预定的第2控制算法，计算与该多个区域中存在上述计算出的控制输入的区域相对应的修正参数，使得上述控制对象模型的上述控制量与上述控制对象的上述控制量一致。

10.根据权利要求9所述的控制方法，其特征在于，上述预定的第2控制算法包括预定的响应指定型控制算法。

11.根据权利要求9所述的控制方法，其特征在于，

在上述模型修正步骤中，使用对上述多个修正参数分别乘以多个函数值后得到的值，修正上述控制对象模型，

上述多个区域中相邻的每2个区域相互重叠，

上述多个函数分别具有对于上述多个区域中的上述控制输入在该多个区域的各自中心附近表现出最大值并呈直线状或曲线状变化的特性，而且与上述相互重叠的每2个区域相对应的每2个上述函数被设定为在呈上述直线状或者曲线状变化的部分交叉。

12.根据权利要求9所述的控制方法，其特征在于，在上述模型修正步骤中，使用基于上述控制对象模型的控制量与上述控制对象的控制量之间的偏差的值的积分值，在对该积分值进行预定的遗忘处理的同时，计算上述多个修正参数。

13.一种内燃机的控制方法，该控制方法具有：

相关性参数计算步骤，其使用定义了控制对象中的多个控制输入与控制量之间的关系的控制对象模型，计算分别表示该控制对象模型中的该多个控制输入与控制量之间的相关性的多个相关性参数；

控制输入计算步骤，其通过预定的第1控制算法，分别计算上述多个控制输入，使得上述控制对象的上述控制量收敛于上述目标值，并且分别根据上述多个相关性参数来确定该各个控制输入的增减程度和增减方向之中的至少一方；以及

所述控制方法的特征在于：在上述模型修正步骤中，对应于划分上述多个控制输入可变化的区域而成的多个区域，分别计算上述控制对象模型的修正中使用的多个修正参数，并且通过预定的第2控制算法，计算与该多个区域中存在上述计算出的多个控制输入的区域相对应的修正参数，使得上述控制对象模型的上述控制量与上述控制对象的上述控制量一致。

14.根据权利要求13所述的控制方法，其特征在于，上述预定的第2控制算法包括预定的响应指定型控制算法。

15.根据权利要求13所述的控制方法，其特征在于，

上述多个区域中相邻的每2个区域相互重叠，

16.根据权利要求13所述的控制方法，其特征在于，在上述模型修正步骤中，使用基于上述控制对象模型的控制量与上述控制对象的控制量之间的偏差的值的积分值，在对该积分值进行预定的遗忘处理的同时，计算上述多个修正参数。