CN104583572A

CN104583572A - 内燃机的控制装置

Info

Publication number: CN104583572A
Application number: CN201280075411.6A
Authority: CN
Inventors: 坂柳佳宏; 三平满司; 关口和真; 田原康平; 伊藤广矩
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2012-06-26
Filing date: 2012-06-26
Publication date: 2015-04-29
Anticipated expiration: 2032-06-26
Also published as: EP2865872A1; JP5861779B2; US9567930B2; EP2865872B1; JPWO2014002189A1; US20150152804A1; CN104583572B; WO2014002189A1; EP2865872A4

Abstract

本发明的目的在于，能够利用1次的学习动作更新许多个网格点的学习值，另外在广泛的学习区域容易地调整学习的速度、效率。发动机具有利用各种的控制参数执行发动机控制的ECU。ECU具有存储有控制参数的学习值的学习映射，执行学习值的加权学习控制。在加权学习控制中，每当取得控制参数时，对学习映射的各网格点设定控制参数的取得值z_k的位置到网格点的距离越大而越减少的加权w_kij。并且，基于控制参数的取得值z_k和加权w_kij更新所有网格点的学习值Z_ij(k)。由此，能够利用1次的学习动作高效地更新所有学习值。

Description

内燃机的控制装置

技术领域

本发明涉及一种具备控制参数的学习映射的内燃机的控制装置。

背景技术

作为现有技术，例如如专利文献1(日本特开2009–046988号公报)公开的那样，公知一种具备控制参数的学习映射的内燃机的控制装置。在学习映射的各网格点分别存储有用于修正控制参数的学习值。在现有技术中，形成为如下的结构：在取得了要学习的控制参数的情况下，在学习映射上选择位于该取得值的周围的4个网格点，更新这4个网格点的学习值。在该学习控制中，在对控制参数的取得值进行加权后反映到周围的网格点的学习值上，将此时的加权设定为：上述取得值的位置与网格点的距离越近，该加权越大。

另外，作为与本发明相关的文献，包括上述的文献在内，申请人知道以下列出的文献。

现有技术文献

专利文献

专利文献1：日本特开2009–046988号公报

专利文献2：日本特开平9–079072号公报

专利文献3：日本特开2009–250243号公报

专利文献4：日本特开2005–146947号公报

专利文献5：日本特开2000–038944号公报

专利文献6：日本特开平4–175434号公报

专利文献7：日本特开2007–176372号公报

发明内容

发明要解决的问题

在上述的现有技术中，形成为如下的结构：以如下方式进行学习控制，即，对于位于控制参数的取得值的周围的4个学习值，越是接近上述取得值的网格点，加权越大。但是，在现有技术中，利用1次的学习动作更新的学习值仅限定于4个，在远离控制参数的取得值的网格点不更新学习值，所以存在学习效率低的问题。而且，在学习值未被更新的网格点的周围，也可能发生误学习。

本发明是为了解决上述那样的问题而做成的，本发明的目的在于提供一种能够利用1次的学习动作更新许多个网格点的学习值，另外能在广泛的学习区域容易地调整学习特性(学习的速度、效率)的内燃机的控制装置。

用于解决问题的方案

第1技术方案的特征在于，

包括学习映射、权值设定机构和加权学习机构，

上述学习映射具有多个网格点，将用在内燃机的控制中的控制参数的学习值分别能更新地存储在上述各网格点，

上述权值设定机构是在取得了上述控制参数时，分别设定上述学习映射的各网格点的权值的机构，上述学习映射上的从上述控制参数的取得值的位置即基准位置到网格点的距离越大，越减少该网格点的权值，

所述加权学习机构执行加权学习控制，所述加权学习控制是每当取得所述控制参数时，在所有的网格点将各网格点的学习值更新，以使所述权值越大就越在所述学习值大幅地反映所述控制参数的取得值。

根据第2技术方案，上述学习映射具有彼此不同的多个区域，

上述权值设定机构形成为如下结构，即，在上述多个区域的每个区域对依据距上述基准位置的距离减少的上述权值的减少特性进行切换。

第3技术方案形成为如下结构：在距上述基准位置的距离比规定的有效范围大的网格点，禁止上述学习值的更新。

根据第4技术方案，上述权值设定机构由依据距上述基准位置的距离，上述权值以正态分布曲线状减少的高斯函数构成。

根据第5技术方案，上述权值设定机构由依据距上述基准位置的距离，上述权值成比例减少的一次函数构成。

根据第6技术方案，上述权值设定机构由依据距上述基准位置的距离，上述权值以正弦波状减少的三角函数构成。

第7技术方案包括：可靠性映射、可靠性映射权值设定机构和可靠性映射学习机构，

上述可靠性映射具有与上述学习映射同样地构成的多个网格点，将表示上述学习值的可靠性的指标即可靠性评价值，分别能更新地存储在上述各网格点，

上述可靠性映射权值设定机构是从上述基准位置到网格点的距离越大，越使上述可靠性映射的各网格点的权值即可靠性权值减少的机构，将该可靠性权值的减少特性设定为比上述学习映射的权值的减少特性陡，

每当取得上述控制参数时，上述可靠性映射学习机构将具有与该取得值的可靠性相对应的值的可靠性取得值设定为上述基准位置，且在上述可靠性映射上的所有网格点更新各网格点的可靠性评价值，以使上述可靠性权值越大就越在上述可靠性评价值上大幅地反映上述可靠性取得值。

第8技术方案包括MBT映射、燃烧重心算出机构、点火正时修正机构、权值设定机构和加权学习机构，

上述MBT映射是具有多个网格点的学习映射，将内燃机的扭矩成为最大的点火正时即MBT的学习值分别能更新地存储在上述各网格点，

上述燃烧重心算出机构根据缸内压力算出燃烧重心，

上述点火正时修正机构对利用上述MBT映射算得的点火正时进行修正，以使上述燃烧重心与规定的燃烧重心目标值一致，

上述权值设定机构是依据由上述点火正时修正机构取得的修正后的点火正时，分别设定上述MBT映射的各网格点的权值的机构，上述MBT映射上的从上述修正后的点火正时的位置即基准位置到网格点的距离越大，越使该网格点的权值减少，

所述加权学习机构在所述燃烧重心与所述燃烧重心目标值一致了的情况下执行加权学习控制，所述加权学习控制在所有网格点将各网格点的学习值更新，以使所述加权越大就越在所述MBT的学习值大幅地反映所述修正后的点火正时。

第9技术方案形成为如下结构：与稳态运转时相比较，抑制内燃机的瞬态运转时的上述学习值的更新量。

第10技术方案包括MBT推测机构和MBT常学习机构，

上述MBT推测机构根据上述燃烧重心与上述燃烧重心目标值的差分、以及上述修正后的点火正时，推测MBT，

上述MBT常学习机构是替代上述加权学习机构而被使用的机构，即使在上述燃烧重心偏离了上述燃烧重心目标值的情况下，也利用上述加权学习控制将上述MBT的学习值更新，且上述燃烧重心与上述燃烧重心目标值的差分越大，越使相对于上述学习值的、上述MBT的推测值的反映度下降。

第11技术方案包括TK映射、TK点火正时学习机构和选择机构，

上述TK映射是具有与上述MBT映射同样地构成的多个网格点的学习映射，将轻微爆震区域内的点火正时即TK点火正时的学习值分别能更新地存储在上述各网格点，

在实现MBT之前，上述TK点火正时学习机构取得轻微爆震发生时的点火正时，根据该取得值利用上述加权学习控制将上述TK点火正时的学习值更新，

上述选择机构选择出由上述MBT映射算出的学习值和由上述TK映射算得的学习值中更滞后侧的点火正时。

第12技术方案包括TK区域映射和TK区域学习机构，

上述TK区域映射是具有与上述TK映射同样地构成的多个网格点的学习映射，将表示上述TK映射的各网格点是否属于上述轻微爆震区域的学习值，分别能更新地存储在上述各网格点，

在取得了上述TK点火正时时，上述TK区域学习机构利用上述加权学习控制将上述TK区域映射的学习值更新。

第13技术方案包括可靠性映射和可靠性映射学习机构，

上述可靠性映射是具有与上述MBT映射同样地构成的多个网格点的学习映射，将反映MBT的学习履历的可靠性评价值分别能更新地存储在上述各网格点，

在更新上述MBT映射时，上述可靠性映射学习机构根据上述基准位置利用上述加权学习控制将上述可靠性评价值更新。

根据第14技术方案，形成为如下结构：上述学习映射是将根据空燃比传感器的输出对上述缸内空燃比进行修正的修正系数的学习值，分别存储在上述各网格点的修正映射，

具有至少根据缸内压力传感器的输出，算出缸内空燃比的缸内空燃比算出机构，

上述权值设定机构将根据利用上述修正系数进行了修正的修正后的缸内压力空燃比和上述空燃比传感器的输出而算出的上述修正系数的算出值作为上述控制参数的取得值，设定上述修正映射的各网格点的权值，

上述加权学习机构根据上述修正系数的算出值和上述各网格点的权值，更新上述各网格点的上述修正系数的学习值。

根据第15技术方案，形成为如下结构：上述学习映射是将燃料喷射阀的目标喷射量与通电时间的关系作为上述通电时间的学习值分别存储在上述各网格点的喷射特性映射，

具有至少根据缸内压力传感器的输出，算出实际喷射量的实际喷射量算出机构，

上述权值设定机构将根据上述目标喷射量和上述实际喷射量进行了修正的修正后的通电时间作为上述控制参数的取得值，设定上述喷射特性映射的各网格点的权值，

上述加权学习机构根据上述修正后的通电时间和上述各网格点的权值，更新上述各网格点的上述通电时间的学习值。

根据第16技术方案，形成为如下结构：上述学习映射是将修正空气流量传感器的输出的修正系数的学习值分别存储在上述各网格点的修正映射，

具有根据空燃比传感器的输出和燃料喷射量算出上述修正系数的学习基准值的学习基准算出机构，

将上述修正系数的学习基准值作为上述控制参数的取得值来执行上述加权学习控制，从而更新上述修正系数的学习值。

根据第17技术方案，形成为如下结构：上述学习映射是将附着在进气通路的壁面上的燃料的量即壁面燃料附着量的学习值分别存储在上述各网格点的QMW映射，

具有至少根据空燃比传感器的输出，算出上述壁面燃料附着量的学习基准值的学习基准算出机构，

将上述壁面燃料附着量的学习基准值作为上述控制参数的取得值执行上述加权学习控制，从而更新上述壁面燃料附着量的学习值。

根据第18技术方案，形成为如下结构：上述学习映射是将使内燃机的燃料消耗为最佳的气门正时的学习值分别存储在上述各网格点的VT映射，

具有至少根据缸内压力传感器的输出，算出上述气门正时的学习基准值的学习基准算出机构，

将上述气门正时的学习基准值作为上述控制参数的取得值执行上述加权学习控制，从而更新上述气门正时的学习值。

根据第19技术方案，上述学习映射是将能够利用点火正时滞后控制不发生失火地实现的最滞后侧的点火正时即失火界限点火正时的学习值，分别存储在上述各网格点的失火界限映射，

包括失火界限判定机构、失火界限学习机构和选择机构，

上述失火界限判定机构判定当下的点火正时是否为失火界限，

上述失火界限学习机构取得已判定为上述失火界限时的点火正时，根据该取得值，利用上述加权学习控制将上述失火界限点火正时的学习值更新，

上述选择机构选择出由点火正时滞后控制而滞后的目标点火正时，和由上述失火界限映射算出的学习值中更提前侧的点火正时。

根据第20技术方案，形成为如下结构：上述学习映射是将使燃料喷射量增量的燃料增量值的学习值分别存储在上述各网格点的燃料增量映射，

利用上述加权学习控制将上述燃料增量值的学习值更新。

根据第21技术方案，上述学习映射是将利用怠速运转控制进行了修正的进气通路的开度的学习值分别存储在上述各网格点的ISC映射，

利用上述加权学习控制将上述进气通路的开度的学习值更新。

根据第22技术方案，上述学习映射是将能利用EGR控制不发生失火地实现的最大的EGR量即失火界限EGR量的学习值，分别存储在上述各网格点的失火界限EGR映射，

包括失火界限判定机构、失火界限EGR学习机构和选择机构，

上述失火界限EGR学习机构取得已判定为上述失火界限时的EGR量，根据该取得值，利用上述加权学习控制将上述失火界限EGR量的学习值更新，

上述选择机构选择出由EGR控制算出的要求EGR量和由上述失火界限EGR映射算出的学习值中较大一方的EGR量。

根据第23技术方案，形成为如下结构：上述学习映射是分别存储有对空燃比传感器的输出进行修正的修正系数的学习值的修正映射，

具有学习基准算出机构，上述学习基准算出机构将氧浓度传感器的输出成为了与理论空燃比相对应的输出值时的上述空燃比传感器的输出值作为基准输出值而取得，根据该基准输出值算出上述修正系数的学习基准值，

将上述修正系数的学习基准值作为上述控制参数的取得值，执行上述加权学习控制，从而更新上述修正系数的学习值。

根据第24技术方案，形成为如下结构：上述学习映射是分别存储有在内燃机启动时喷射的燃料的启动时喷射量的学习值的启动时喷射量映射，

具有至少根据缸内压力传感器的输出，算出上述启动时喷射量的学习基准值的学习基准算出机构，

将上述启动时喷射量的学习基准值作为上述控制参数的取得值执行上述加权学习控制，从而更新上述启动时喷射量的学习值。

发明效果

采用第1技术方案，在加权学习控制中，通过进行1次学习动作，就能够依据距离不仅对最靠近参数取得值的网格点的学习值进行加权且对所有的网格点的学习值进行加权，并且适当地更新。由此，即使在学习机会较少的情况下，也能由最少程度的学习次数使所有的网格点的学习值快速地最佳化。而且，即使在一部分的网格点失去学习值或者未学习的状态持续的情况下，也能利用在其他位置的学习动作来补充这些学习值。因而，能够与控制参数的种类无关地提高学习效率，提高学习控制的可靠性。而且，能够依据利用加权机构设定的权值的减少特性，在广泛的学习区域容易地调整学习的速度、效率。此外，每当取得控制参数时，都进行逐次平均处理，所以能够去除干扰(噪声等)对学习值的影响。另外，能够通过逐次处理来在时间上分散学习值的运算负荷，所以能够减轻学习处理的运算负荷。

采用第2技术方案，权值设定机构能在多个区域内的每个区域切换权值的减少特性。由此，例如在需要进行陡峻的学习的区域，通过形成为能够进行权值的急变的设定，能够提高学习的响应性、控制效率，能使失效保险(日文：フェイルセーフ)等的动作稳定。另外，在即使是缓慢的学习也被容许的区域，通过形成为使权值在比较广泛的网格点范围内缓慢变化的设定，能够抑制学习时的运算负荷，使学习映射平滑化。因而，能够容易地实现符合整个学习映射的加权。另外，也能依据控制参数的取得值所属的区域的特性，切换所有网格点的学习的响应性、速度和效率等。

采用第3技术方案，在距基准位置的距离比规定的有效范围大的网格点，能够禁止学习值的更新。由此，能够将学习值被更新的网格点限制在有效范围内，所以能够避免在学习效果小的网格点不必要地更新学习值，减轻学习处理的运算负荷。

采用第4技术方案，通过使用高斯函数作为权值设定机构，能够依据距控制参数的取得值的位置(基准位置)的距离，使权值平滑地变化。因而，能使学习映射平滑，能够抑制因学习值的急变等导致的控制性的变差。而且，能够依据高斯函数的标准偏差σ的设定使权值的减少特性变化，能在广泛的学习区域容易地调整学习的速度、效率。

采用第5技术方案，通过使用一次函数作为权值设定机构，能使运算权值时的运算负荷大幅减少。

采用第6技术方案，通过使用三角函数作为权值设定机构，能使权值的运算负荷比高斯函数减少，且能与使用了高斯函数的情况相同地使权值平滑地减少。

采用第7技术方案，能在可靠性映射的各网格点的可靠性评价值上反映出相同网格点处的学习值的可靠性。并且，通过执行可靠性评价值的加权学习控制，能以与控制参数的取得值反映于各网格点的学习值时同等的反映度，将可靠性取得值反映于各网格点的可靠性评价值。因而，能够利用1次的学习动作高效地算出各网格点的学习值的可靠性。另外，当在各种的控制等中使用学习值的情况下，能够基于在可靠性映射上对应的网格点的可靠性评价值评价学习值的可靠性，基于评价的结果执行适当的应对控制。

采用第8技术方案，能在点火正时的学习控制中获得与第1技术方案同样的作用效果。另外，加权学习控制只在燃烧重心与燃烧重心目标值大致一致了的情况下执行，但由于能够利用1次的学习动作在MBT映射的所有网格点高效地学习MBT，所以即使学习机会比较少，也能充分地进行学习。

采用第9技术方案，取得了点火正时时的运转状态越稳定，即，点火正时的取得值的可靠性越高，就越增大学习值的更新量。另一方面，在运转状态不稳定的情况下，能够减小学习值的更新量，停止或抑制学习。由此，能够促进稳态运转时的学习，抑制瞬态运转时的误学习。

采用第10技术方案，即使在燃烧重心偏离了燃烧重心目标值的情况下，也能经常获得MBT的推测值，所以能够基于该推测值更新学习值，增加学习机会。由此，能使学习值快速地接近MBT，提高MBT控制的控制性。另外，燃烧重心与燃烧重心目标值的差分越大，即，MBT的推测精度越低，MBT经常学习机构能越使权值减少，减少学习值的更新量。因而，能够依据该推测值的可靠度适当地调整将MBT的推测值反映于学习值的程度，抑制误学习。

采用第11技术方案，能在进行点火正时的学习时，学习MBT和TK点火正时中的任一方，所以能够增加学习机会，在MBT区域以外的区域也能高效地学习点火正时。另外，选择机构能够选择MBT学习值和TK学习值中提前侧的点火正时，所以能够避免爆震的发生，且能将点火正时尽量控制在提前侧，提高运转性能、运转效率。

采用第12技术方案，通过使用TK区域映射，能使TK区域的边界明确，所以能在TK区域以外的区域抑制TK点火正时的误学习，提高学习精度。

采用第13技术方案，能够在第8技术方案至第12技术方案中应用第7技术方案中的可靠性映射。由此，当在各种控制等中使用点火正时的学习值的情况下，能够基于在可靠性映射上对应的网格点的可靠性评价值评价点火正时的学习值的可靠性，基于评价的结果执行适当的应对控制。

采用第14技术方案，能在缸内空燃比的算出控制中获得与第1技术方案同样的作用效果。特别是，利用缸内传感器算出的缸内空燃比因运转状态的变化而产生的误差较大，所以即使采用利用现有技术的学习方法获得的修正系数，也很难提高实用性。相对于此，加权学习控制即使学习机会比较少，也能在修正映射的所以网格点快速地学习修正系数。因而，即使在缸内空燃比的误差较大的情况下，也能利用修正系数适当地修正该误差，能提高缸内空燃比的算出精度、实用性。

采用第15技术方案，能在燃料喷射特性的学习控制中获得与第1技术方案同样的作用效果。因而，即使是较少的学习次数，也能高效地学习喷射特性的变化，提高燃料喷射控制的精度。另外，能够基于缸内压力传感器的输出算出实际喷射量，基于该实际喷射量执行学习，所以即使不能检测到实际的燃料喷射量，也能利用既存的传感器容易地进行学习控制。

采用第16技术方案，能在空气流量传感器用修正系数的学习控制中获得与第1技术方案同样的作用效果。因而，即使是较少的学习次数，也能高效地学习修正系数，提高吸入空气量的算出精度。

采用第17技术方案，能在壁面燃料附着量的学习控制中获得与第1技术方案同样的作用效果。因而，即使是较少的学习次数，也能高效地学习壁面燃料附着量，提高燃料喷射控制的精度。

采用第18技术方案，能在气门正时的学习控制中获得与第1技术方案同样的作用效果。因而，即使是较少的学习次数，也能高效地学习气门正时，提高气门系统的控制性。

采用第19技术方案，能在失火界限点火正时的学习控制中获得与第1技术方案同样的作用效果，能够高效地学习失火界限。另外，选择机构能够选择由点火正时滞后控制滞后的目标点火正时，和由失火界限映射算出的点火正时中滞后侧的一方。由此，能够避免失火，且能依据滞后要求使点火正时最大限度地滞后，提高点火正时的控制性。另外，加权学习控制只在到达了失火界限的情况下执行，但由于能够利用1次的学习动作在失火界限映射的所有网格点高效地学习失火界限点火正时，所以即使学习机会比较少，也能充分地进行学习。

采用第20技术方案，能在燃料增量值的学习控制中获得与第1技术方案同样的作用效果。因而，即使是较少的学习次数，也能高效地学习燃料增量值，提高内燃机的运转性能。

采用第21技术方案，能在ISC开度的学习控制中获得与第1技术方案同样的作用效果。因而，即使是较少的学习次数，也能高效地学习ISC开度，提高怠速运转的稳定性。

采用第22技术方案，能在EGR的学习控制中获得与第1技术方案同样的作用效果，高效地学习失火界限EGR量。另外，选择机构能够选择由EGR控制算出的要求EGR量和失火界限EGR量中较大一方。由此，能够避免失火，且能依据要求最大限度地确保EGR量，提高EGR控制的控制性。另外，加权学习控制只在到达了失火界限的情况下执行，但由于能够利用1次的学习动作在失火界限EGR映射的所有网格点高效地学习失火界限EGR量，所以即使学习机会比较少，也能充分地进行学习。

采用第23技术方案，能在空燃比传感器的输出修正控制中获得与第1技术方案同样的作用效果，提高排气空燃比的检测精度。另外，学习基准算出机构能在氧浓度传感器的输出成为了与理论空燃比相对应的输出值时，取得空燃比传感器的输出值来作为基准输出值，所以能够容易地获得修正的基准。另外，加权学习机构只在利用氧浓度传感器检测到理论状态的情况下执行，但由于能够利用1次的学习动作在修正映射的所有网格点高效地学习修正系数，所以即使学习机会比较少，也能充分地进行学习。

采用第24技术方案，能在启动时喷射量的学习控制中获得与第1技术方案同样的作用效果。因而，即使是较少的学习次数，也能高效地学习启动时喷射量，提高内燃机的启动性。

附图说明

图1是用于说明本发明的实施方式1的系统结构的整体结构图。

图2是示意地表示在本发明的实施方式1中用在加权学习控制中的学习映射的一例的说明图。

图3是表示在本发明的实施方式1中由高斯函数获得的权值的减少特性的特性线图。

图4是在本发明的实施方式1中利用ECU执行的控制的流程图。

图5是表示在本发明的实施方式2中由一次函数获得的权值的减少特性的特性线图。

图6是表示在本发明的实施方式3中由三角函数获得的权值的减少特性的特性线图。

图7是示意地表示在本发明的实施方式4中用在加权学习控制中的学习映射的一例的说明图。

图8是示意地表示在本发明的实施方式5中用在加权学习控制中的学习映射的一例的说明图。

图9是表示根据本发明的实施方式5的加权的特性的特性线图。

图10是示意地表示本发明的实施方式6中可靠性映射的一例的说明图。

图11是在本发明的实施方式6中利用ECU执行的控制的流程图。

图12是表示根据本发明的实施方式7的点火正时控制的控制框图。

图13是在本发明的实施方式7中利用ECU执行的控制的流程图。

图14是在本发明的实施方式8中利用ECU执行的控制的流程图。

图15是表示根据本发明的实施方式9的点火正时控制的控制框图。

图16是将形成为只在燃烧重心CA50与燃烧重心目标值大致一致时学习点火正时的结构的情况下的学习机会作为比较例而示出的点火正时图。

图17是表示根据本发明的实施方式9的学习控制的点火正时图。

图18是用于基于燃烧重心CA50与燃烧重心目标值的差分ΔCA50算出可靠度系数ε的特性线图。

图19是表示根据本发明的实施方式10的点火正时控制的控制框图。

图20是在本发明的实施方式10中利用ECU执行的控制的流程图。

图21是表示根据本发明的实施方式11的点火正时控制的控制框图。

图22是在本发明的实施方式11中利用ECU执行的控制的流程图。

图23是表示根据本发明的实施方式12的缸内空燃比的算出控制的控制框图。

图24是表示根据本发明的实施方式12的变形例的结构的控制框图。

图25是表示本发明的实施方式13中燃料喷射阀的喷射特性的特性线图。

图26是表示利用本发明的实施方式13执行的燃料喷射特性的学习控制的控制框图。

图27是表示本发明的实施方式13中变形例的控制框图。

图28是表示本发明的实施方式14中空气流量传感器用修正系数的学习控制的控制框图。

图29是表示本发明的实施方式15中壁面燃料附着量的学习控制的控制框图。

图30是表示本发明的实施方式16中气门正时的学习控制的控制框图。

图31是表示根据本发明的实施方式17的点火正时控制的控制框图。

图32是在本发明的实施方式17中利用ECU执行的控制的流程图。

图33是表示本发明的实施方式18中燃料增量修正值的学习控制的控制框图。

图34是表示本发明的实施方式19中ISC的学习控制的控制框图。

图35是表示根据本发明的实施方式20的EGR的学习控制的控制框图。

图36是在本发明的实施方式20中利用ECU执行的控制的流程图。

图37是表示根据本发明的实施方式21的空燃比传感器的输出修正控制的控制框图。

图38是表示根据本发明的实施方式22的启动时燃料喷射量的学习控制的控制框图。

具体实施方式

实施方式1.

实施方式1的结构

以下，参照图1至图4说明本发明的实施方式1。图1是用于说明本发明的实施方式1的系统结构的整体结构图。本实施方式的系统具备多缸型的发动机10来作为内燃机。另外，本发明应用在包括单气缸及多气缸的任意的气缸数的内燃机中，图1例示的是搭载在发动机10中的多气缸中的1个气缸。另外，图1所示的系统结构表示了本发明的实施方式1至实施方式22所需的所有的结构，在各实施方式中，只采用该系统结构中所需的结构即可。

在发动机10的各气缸内，利用活塞12形成有燃烧室14，活塞12与曲轴16相连结。另外，发动机10具有将吸入空气吸入到各气缸内的进气通路18，在进气通路18设有调整吸入空气量的电子控制式的节气门20。另一方面，发动机10具有将各缸的排气气体排出的排气通路22，在排气通路22设有净化排气气体的三元催化剂等催化剂24。另外，发动机的各缸包括：将燃料喷射到进气口的燃料喷射阀26、对混合气体点火的火花塞28、开闭进气口的进气门30、和开闭排气口的排气门32。另外，发动机10包括：可变地设定进气门30的开阀特性的进气可变气门机构34、和可变地设定排气门32的开阀特性的排气可变气门机构36。上述的可变气门机构34、36例如由日本特开2000–87769号公报所述的VVT(Variable Valve Timing system，可变气门正时)构成。另外，发动机10具有使排气气体的一部分回流到进气系统内的EGR机构38。EGR机构38包括与进气通路18和排气通路22相连接的EGR通路40、以及调整在EGR通路40内流动的排气气体的流量的EGR阀42。

接下来，说明搭载在本实施方式的系统中的控制系统。本实施方式的系统包括：具有发动机及车辆的运转所需的各种传感器的传感器系统、和控制发动机的运转状态的ECU(Engine Control Unit，发动机控制单元)60。首先，说明下传感器系统，曲轴转角传感器44输出与曲轴16的旋转同步的信号，空气流量传感器46检测吸入空气量。另外，水温传感器48检测发动机冷却水的水温，缸内压力传感器50检测缸内压力，进气温度传感器52检测吸入空气的温度(外部空气温度)。空燃比传感器54检测排气空燃比来作为连续性的检测值，空燃比传感器54配置在催化剂24的上游侧。氧浓度传感器56检测出排气空燃比与理论空燃比相比是浓和稀中的哪一方，氧浓度传感器56配置在催化剂24的下游侧。

ECU60由运算处理装置构成，该运算处理装置具有输入输出口和由ROM、RAM和非易失性存储器等构成的存储回路。在ECU60的非易失性存储器中存储有后述的各种学习映射。另外，在ECU60的输入侧分别连接有传感器系统的各传感器。在ECU60的输出侧连接有节气门20、燃料喷射阀26、火花塞28、可变气门机构34、36和EGR阀42等的促动器。并且，ECU60基于由传感器系统检测出来的发动机的运转信息驱动各促动器，进行运转控制。详细而言，基于曲轴转角传感器44的输出检测出内燃机转速和曲轴转角，利用空气流量传感器46检测出吸入空气量。另外，基于内燃机转速和吸入空气量算出内燃机负荷，基于吸入空气量、内燃机负荷和水温等算出燃料喷射量，并且基于曲轴转角决定燃料喷射时机及点火正时。并且，在燃料喷射时机到来了的时刻驱动燃料喷射阀26，在点火正时到来了的时刻驱动火花塞28。由此，利用各气缸使混合气体燃烧，使发动机运转。

另外，ECU60除了执行上述的点火正时控制及燃料喷射控制以外，还执行将燃料喷射量修正为使排气空燃比成为理论空燃比等的目标空燃比的空燃比反馈控制、基于发动机的运转状态控制可变气门机构34、36中的至少一方的气门正时控制、基于运转状态控制EGR阀42的EGR控制、以及进行反馈控制以使怠速运转时的内燃机转速成为目标转速的怠速运转控制。另外，在点火正时控制中例如包含如爆燃控制、变速应对控制和催化剂预热控制等那样使点火正时滞后的点火正时滞后控制。上述各种控制均为公知。

实施方式1的特征

加权学习控制

通常，在发动机控制中，进行基于各种的控制参数的取得值学习控制参数的学习控制。另外，在本说明书中，“取得”包含检测、计量、测量、算出和推测等意思。在本实施方式中，作为学习控制，执行以下说明的加权学习控制。ECU60构成进行加权学习控制的学习装置，具备具有多个网格点的学习映射。另外，在本实施方式中，说明加权学习控制的具体内容，关于控制参数的具体例，在后述的实施方式7之后进行说明。

图2是示意地表示在本发明的实施方式1中用在加权学习控制中的学习映射的一例的说明图。该图例示的是根据与X轴及Y轴相对应的2个参照参数算出1个学习值的二维学习映射。图2所示的学习映射具有坐标i、j在1～4的范围内变化的16个网格点。控制参数的学习值Z_ij分别能更新地存储在学习映射的各网格点(i、j)中。

另外，在以下的说明中，附记有脚标k的变量值z_k、w_kij、W_ij(k)、V_ij(k)、Z_ij(k)表示与第k次的取得正时(运算正时)相对应的第k个值，未附记脚标k的变量值w_ij、W_ij、V_ij、Z_ij表示不根据取得正时进行区别的一般的值。另外，图2用箭头来例示控制参数的第1次及第2次的取得值z₁、z₂反映于所有网格点的学习值Z_ij的样子，为了易于理解附图，省略了箭头的一部分，用圆来表示学习值的更新范围。

加权学习控制基本上基于在第k次(第k个)的取得正时取得的控制参数的取得值(参数取得值z_k)、和利用后述的加权函数(权值设定机构)设定的各网格点(i、j)的权值w_kij，来更新可有效学习的所有网格点(i、j)的学习值Z_ij(k)。另外，在本实施方式中，“可有效学习的所有网格点”是指存在于学习映射上的所有网格点。通过在所有网格点(i、j)运算下述算式1至算式3的式子，实现学习值Z_ij(k)的更新处理。

算式1

W_ij(k)＝W_ij(k-1)+w_kij

算式2

V_ij(k)＝V_ij(k-1)+z_kx w_kij

算式3

Z_ij(k)＝V_ij(k)/W_ij(k)

在上述式子中，W_ij(k)表示将网格点(i、j)处的第1次至第k次的权值w_kij相加后得到的权值累计值，V_ij(k)表示从第1次到第k次将第k个的参数取得值z_k与权值w_kij的相乘值(z_k×w_kij)相加后得到的参数累计值。根据上述式子可知，加权学习控制在每次取得控制参数时，在所有的网格点(i、j)更新各网格点的学习值Z_ij(k)，以使得权值w_kij越大，越在学习值Z_ij(k)中大幅反映参数取得值z_k。

另外，在上述算式1及算式2的式子中使用前一次(第k–1次)的累计值W_ij(k–1)及V_ij(k–1)，但上述的初始值(k＝1时的值)由下述算式4及算式5的式子来定义。因而，采用算式1至算式5的式子，能够基于第k个参数取得值z_k和权值w_kij，算出所有网格点(i、j)处的第k个学习值Z_ij(k)，更新学习映射。

算式4

V_ij(1)＝z₁x w_1ij

算式5

W_ij(1)＝w_1ij

权值的设定方法

接下来，说明本实施方式中的权值w_kij的设定方法。与第k个参数取得值z_k相对应的各网格点(i、j)的权值w_kij根据下述算式6的式子所示的高斯函数以满足1≥w_kij≥0的方式算出。高斯函数构成本实施方式的权值设定机构，学习映射上的参数取得值z_k的位置(基准位置)至网格点(i、j)的距离越大，越使该网格点(i、j)的权值w_kij减少。另外，学习映射上的“位置”根据参数取得值z_k的取得时刻的各参照参数的组合来确定。

算式6

w_{kij} = \frac{1}{\sqrt{2 π} σ} \exp (- \frac{{| z_{k} - Z_{ij} |}^{2}}{{2 σ}^{2}})

在上述算式6的式子中，|z_k–Z_ij|表示从上述基准位置到网格点(i、j)的欧几里得距离。图3是表示在本发明的实施方式1中由高斯函数获得的权值的减少特性的特性线图。这里，权值的减少特性是指依据距基准位置的距离而减少的权值与上述距离的关系。如图3中实线所示，利用高斯函数获得的权值w_kij在网格点靠近基准位置的情况下增大，网格点距基准位置越远，越以正态分布曲线状减少。因而，网格点越靠近基准位置，参数取得值z_k反映于学习值Z_ij的程度(学习效果)越大，随着网格点远离基准位置，参数取得值z_k反映于学习值Z_ij的程度(学习效果)减小。

另外，上述算式6的式子所示的σ是能够设定为任意的值的标准偏差，高斯函数的减少特性随着标准偏差σ的变化而变化。即，权值w_kij如图3中点线所示，标准偏差σ越小，存在于基准位置的近旁的峰值越大，但随着远离基准位置而急剧减少。结果，在标准偏差σ较小的情况下，仅在基准位置的近旁进行陡峻的学习，学习的响应性提高，但容易在学习映射的曲面出现凹凸。另一方面，权值w_kij如图3中点划线所示，标准偏差σ越大，峰值越小，随着远离基准位置而缓慢减少。结果，在标准偏差σ较大的情况下，从基准位置的近旁到远方，在广泛的范围内进行学习，虽然学习的响应性相对下降，但能使学习映射变为平滑的曲面。

用于实现实施方式1的具体的处理

接下来，参照图4说明用于实现上述的控制的具体的处理。图4是在本发明的实施方式1中利用ECU执行的控制的流程图。在发动机的运转过程中，反复执行该图所示的程序。在图4所示的程序中，首先在步骤100中取得第k个数据(参数取得值)z_k。

接着，在步骤102中，利用上述算式6的式子算出第k个取得正时的所有网格点(i、j)的权值w_kij。并且，在步骤104中，基于第k个参数取得值z_k和权值w_kij算出所有网格点(i、j)的权值累计值W_ij(k)及参数累计值V_ij(k)。接着，在步骤106中，基于权值累计值W_ij(k)和参数累计值V_ij(k)算出所有网格点(i、j)的学习值Z_ij(k)，更新学习映射。

因而，采用本实施方式，能够获得如下这样的效果。首先，在加权学习控制中，通过进行1次学习动作，能够依据距离不仅对最靠近参数取得值z_k的网格点(i、j)进行加权，且对所有的网格点(i、j)的学习值Z_ij(k)进行加权，并且适当地更新。由此，即使在学习机会较少的情况下，也能根据最少程度的学习次数使所有的网格点(i、j)的学习值Z_ij(k)快速地最佳化。而且，即使在一部分的网格点(i、j)失去学习值Z_ij(k)或者未学习的状态持续的情况下，也能利用在其他位置的学习动作来补充这些学习值Z_ij(k)。因而，能够与控制参数的种类无关地提高学习效率，提高学习控制的可靠性。

另外，通过使用高斯函数来作为权值设定机构，能够依据距参数取得值z_k的位置(基准位置)的距离使权值w_kij平滑地变化。因而，能使学习映射变平滑，抑制因学习值Z_ij(k)的急变等导致的控制性的变差。而且，能使权值w_kij的减少特性依据标准偏差σ的设定而变化，能在广泛的学习区域容易地调整学习特性(学习的速度、效率)。此外，每次取得控制参数，都进行逐次平均处理，所以能够去除干扰(噪声等)对学习值Z_ij(k)的影响。另外，能够通过逐次处理来在时间上分散学习值Z_ij(k)的运算负荷，所以能够减轻ECU60的运算负荷。

另外，在上述实施方式1中，图2表示技术方案1中的学习映射的具体例，图4中的步骤102及上述算式6的式子表示权值设定机构的具体例，步骤104、106表示加权学习机构的具体例。另外，在实施方式1中，作为高斯函数，例示了算式6的式子，但本发明不限定于此，也可以利用下述算式7的式子所示的高斯函数设定权值w_kij。

算式7

w_{kij} = \frac{1}{\sqrt{2 π} σ_{1}} \exp (- \frac{(z_{k_1} - Z_{ij_1})}{{2 σ}_{1}^{2}}) \times \frac{1}{\sqrt{2 π} σ_{2}} \exp (- \frac{(z_{k_2} - Z_{ij_2})}{{2 σ}_{2}^{2}})

在上述算式7的式子中，z_{k_1}表示参数取得值z_k的第1轴坐标(例如图2中的X轴坐标)，z_{k_2}表示参数取得值z_k的第2轴坐标(Y轴坐标)。另外，Z_{ij_1}表示与学习值Z_ij相对应的网格点(i、j)的第1轴坐标i，Z_{ij_2}表示该网格点(i、j)的第2轴坐标j。另外，该式子中的σ1、σ2与上述标准偏差σ的第1轴坐标成分和第2轴坐标成分相对应。

另外，在实施方式1中，例示了应用在二维的学习映射中的情况，但本发明不限定于此，例如如算式8的式子所示，也能应用在具有除一维及三维以外的任意维的学习映射中。另外，在该情况下，根据学习映射的维数以w_ijlmn...、W_ijlmn...、V_ijlmn...、Z_ijlmn...的方式变更权值w_ij、权值累计值W_ij、参数累计值V_ij和学习值Z_ij的维数即可。

算式8

\begin{matrix} w_{kij | m} = \frac{1}{\sqrt{2 π} σ_{1}} \exp (- \frac{(z_{k_1} - Z_{ijk | m \cdot \cdot \cdot_1})}{{2 σ}_{1}^{2}}) \\ \times \frac{1}{\sqrt{2 π} σ_{2}} \exp (- \frac{z_{k_2} - Z_{ijk | m \cdot \cdot \cdot_2}}{{2 σ}_{2}^{2}}) \\ \times \frac{1}{\sqrt{2 π} σ_{3}} \exp (- \frac{(z_{k_3} - Z_{ijk | m \cdot \cdot \cdot_3})}{{2 σ}_{3}^{2}}) \times \cdot \cdot \cdot \end{matrix}

另外，在实施方式1中，利用上述算式4及图5的式子运算累计值W_ij及V_ij的初始值，但在本发明中，也可以如以下表示的变形例那样设定初始值。首先，在上述的加权学习控制中，存储在ECU60中的初始值只是累计值W_ij及V_ij，并非将根据这些值算出的学习值Z_ij作为初始值存储起来。那么，在本变形例中，根据想要作为初始值存储起来的学习值Z_ij的值和权值累计值W_ij的初始值，利用上述算式3的式子逆算参数累计值V_ij的初始值(＝Z_ij×W_ij)，将该逆算值存储在ECU60中。

采用上述变形例，能够通过设计时的机上计算等，将希望作为初始值的学习值Z_ij的值作为累计值W_ij及V_ij的初始值而预先存储起来。并且，在第1次的学习动作中，能够利用上述算式4及算式5的式子将学习值Z_ij的初始值设定为希望的值。另外，在想要提早学习的网格点(i、j)将权值累计值W_ij设定为较大，在想要延迟学习的网格点(i、j)将权值累计值W_ij设定为较小，从而也能容易地调整学习速度的初始条件。

实施方式2.

接下来，参照图5说明本发明的实施方式2。本实施方式在与上述实施方式1相同的结构的基础上，特征在于，使用一次函数来作为权值设定机构。另外，在本实施方式中，对于与实施方式1相同的构成要素标注与实施方式1相同的附图标记而省略说明。

实施方式2的特征

图5是表示在本发明的实施方式2中由一次函数获得的权值的减少特性的特性线图。如该图所示，在本实施方式中，作为权值设定机构，采用权值依据距基准位置的距离而成比例地减少的一次函数。在这样构成的本实施方式中，也能获得与上述实施方式1大致相同的作用效果。并且，特别是在本实施方式中，能够通过使用一次函数来大幅减少运算权值w_kij时的运算负荷。

实施方式3.

接下来，参照图6说明本发明的实施方式3。本实施方式在与上述实施方式1相同的结构的基础上，特征在于，使用三角函数来作为权值设定机构。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式3的特征

图6是表示在本发明的实施方式3中由三角函数获得的权值的减少特性的特性线图。如该图所示，在本实施方式中，作为权值设定机构，采用上述权值依据距基准位置的距离而以正弦波状减少的三角函数。在这样构成的本实施方式中，能够获得与实施方式1大致相同的作用效果。并且，特别是在本实施方式中，通过使用三角函数，能比使用高斯函数减轻权值w_kij的运算负荷，并且能与使用了高斯函数的情况同样地使权值w_kij平滑地减少。

实施方式4.

接下来，参照图7说明本发明的实施方式4。本实施方式在与上述实施方式1相同的结构的基础上，特征在于，将学习映射分成多个区域，在至少一部分的区域在每个区域切换权值的减少特性。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式4的特征

关于学习值的更新量等，有时在学习映射上的每个区域，要求不同。特别是，在学习映射上多存在控制参数的变化大的区域和控制参数的变化小(不怎么变)的区域。因此，在只依据参数取得值z_k的位置与网格点的距离来设定权值的方法中，很难将权值设定为使在各网格点的学习的速度、效率适当化。即，在本方法中，即使是区域不同的网格点彼此，若距离相同，则进行相同等级的学习，存在不能进行准确的学习控制的问题。另外，很难找出符合整个学习映射的恒定的加权。即，当在不需要进行权值的急变的区域许可急变时，容易发生运算负荷的增加、学习映射的凹凸化。另外，当在需要进行权值的急变的区域抑制急变时，可能导致控制效率的变差、失效保险的工作不良等。因此，在将恒定的加权应用到整个学习映射中时，会在至少一部分的区域出现不良。

因此，在本实施方式中，执行如下这样的控制。图7是示意地表示在本发明的实施方式4中用在加权学习控制中的学习映射的一例的说明图。如该图所示，在本实施方式中，学习映射的至少一部分分成多个区域。另外，在图7中，例示了将学习映射的一部分分成2个区域A、B的情况。这里，区域A例如是发动机的运转过程中等的控制参数的变化较大的区域，区域B是控制参数的变化较小的区域。并且，在加权学习控制中，形成为如下结构：在每个区域A、B切换依据距基准位置的距离减少的权值w_kij(高斯函数)的减少特性。

详细而言，在需要学习控制参数的陡峻的变化的区域A，将高斯函数的标准偏差σ_A设定为必区域B的标准偏差σ_B小(σ_A<σ_B)。因此，在区域A，权值w_kij构成为在基准位置的近旁取较大的峰值，且在远离开基准位置时急剧地减少。另一方面，在控制参数不怎么变的区域B，将标准偏差σ设定为比较大的值。因此，在区域B，权值w_kij构成为在基准位置的近旁取较小的峰值，且在远离基准位置时在广泛的范围内缓慢地减少。

并且，在加权学习控制中，在各网格点(i、j)，基于该网格点所属的区域的减少特性设定权值w_kij。举出一例，在基于图7中的参数取得值z₁进行第1次学习动作的情况下，在属于区域A的网格点(1，1)、(1，2)、(2，1)、(2，2)、(3，1)、(3，2)，使用标准偏差σ_A的高斯函数设定权值w_1ij。另一方面，在属于区域B的网格点(2，3)、(2，4)、(3，3)、(3，4)、(4，3)、(4，4)，使用标准偏差σ_B的高斯函数设定权值w_1ij。与此相同，即使是第2次之后(k≥2)的学习动作，也依据网格点所属的区域切换高斯函数的减少特性(标准偏差)。另外，在进行了权值w_kij的设定后，更新学习值Z_ij(k)的处理也与上述说明相同。

在这样构成的本实施方式中，能够获得与上述实施方式1大致相同的作用效果。并且，特别是在本实施方式中，形成为在每个区域A、B切换权值w_kij的减少特性的结构。由此，例如在需要进行陡峻的学习的区域A，通过形成为能够进行权值k_ij的急变的设定，能够提高学习的响应性、控制效率，能使失效保险等的动作稳定。另外，在即使是缓慢的学习也被容许的区域B，通过形成为使权值k_ij在比较广泛的网格点范围内缓慢变化的设定，能够抑制学习时的运算负荷，使学习映射平滑化。因而，能够容易地实现符合整个学习映射的加权。

另外，在上述实施方式4中，例示了在学习映射上设有2个区域A、B的情况，但在本发明中，学习映射上的区域的个数可以设定为任意个数。另外，在本发明中，在设有3个以上的区域的情况下，不必一定使权值w_kij的减少特性在所有的区域内相互不同，至少2个区域内的减少特性不同即可。

另外，在实施方式4中，例示了在各网格点(i、j)基于该网格点所属的区域的减少特性设定权值w_kij的情况。但是，本发明不限定于此，也可以构成为如下说明的变形例。在该变形例中，基于参数取得值z_k所属的区域的减少特性设定所有网格点的权值。详细而言，例如在基于图7中的参数取得值z₁更新学习值的情况下，由于参数取得值z₁的位置属于区域A，所以基于区域A的减少特性(标准偏差σ_A的高斯函数)设定包含区域A、B的所有网格点的权值w_1ij。另外，在基于属于区域B的位置的参数取得值z₁＇更新学习值的情况下，基于区域B的减少特性(标准偏差σ_B的高斯函数)设定包含区域A、B的所有网格点的权值w_1ij。

采用这样构成的变形例，能够依据参数取得值z_k所属的区域的特性，切换所有网格点处的学习的响应性、速度和效率等。即，在参数取得值z_k属于需要进行陡峻的学习的区域A的情况下，能够在所有的网格点利用标准偏差σ_A的高斯函数设定权值w_kij。另外，在参数取得值z_k属于不需要进行陡峻的学习的区域B的情况下，能够在所有的网格点利用标准偏差σ_B的高斯函数设定权值w_kij。因而，能够容易地实现符合整个学习映射的加权。

实施方式5.

接下来，参照图8及图9说明本发明的实施方式5。本实施方式在与上述实施方式1相同的结构的基础上，特征在于，禁止在距基准位置所需以上距离的网格点进行学习值的更新。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式5的特征

图8是示意地表示在本发明的实施方式5中用在加权学习控制中的学习映射的一例的说明图。在本实施方式中形成为如下结构：将距基准位置的距离|z_k–Z_ij|大于规定的有效范围R的网格点的权值w_kij设定为0。以图8所示的例子进行说明，在距参数取得值z₁的位置(基准位置)的距离在有效范围R以内的网格点例如网格点(2，3)、(3，3)等处，利用上述的方法算出权值w_1ij。另一方面，例如在网格点(3，1)、(2，4)、(4，4)等，距基准位置的距离|z_k–Z_ij|大于有效范围R，所以设定为权值w_1ij＝0，禁止进行学习值Z_ij(k)的更新。

图9是表示根据本发明的实施方式5的加权的特性的特性线图。如该图所示，在距基准位置的距离|z_k–Z_ij|超出有效范围R的网格点，由于权值w_kij成为0，所以利用上述算式1至算式3的式子获得的学习值Z_ij(k)成为与前一次相同的值，学习值的更新停止。另外，在使用了高斯函数的情况下，随着距离|z_k–Z_ij|增大，权值w_kij逐渐接近0，所以在该距离在一定程度以上较大的网格点，即使更新学习值，学习效果也较小(学习不有效)。

因而，将有效范围R设定为包括使学习有效的所有网格点且能减轻学习处理的运算负荷的距离。另外，在本实施方式中，优选形成为如下结构：在根据上述图4所示的流程图进行学习值的更新处理时，权值w_kij被设定为0的网格点除外，执行上述算式1至算式5的式子。

在这样构成的本实施方式中，也能获得与上述实施方式1大致相同的作用效果。并且，特别是在本实施方式中，能够将学习值被更新的网格点限制在有效范围内。由此，能够避免在学习效果小的网格点不必要地更新学习值，能够减轻ECU60的运算负荷。另外，在本实施方式中，在距基准位置的距离|z_k–Z_ij|超出有效范围R的网格点，将权值w_kij设定为0。但是，本发明不限定于此，禁止在距离|z_k–Z_ij|超出有效范围R的网格点进行不必要的运算即可，不必一定将权值w_kij设定为0。即，在本发明中也可以形成为如下结构：例如在已判定为距离|z_k–Z_ij|大于有效范围R的情况下，中止在该网格点进行与本次的学习相关的运算处理。

实施方式6.

接下来，参照图10及图11说明本发明的实施方式6。本实施方式在与上述实施方式1相同的结构的基础上，特征在于，使用用于评价学习值的可靠性的可靠性映射。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式6的特征

采用上述的加权学习控制，能够利用1次的学习动作更新使学习有效的所有的网格点的学习值。但是，例如在想要将高斯函数的标准偏差σ设定为较大且想要使学习映射平滑的情况下，即使在学习映射中实际上不曾取得过控制参数的区域，也可能发生将学习值无意义地更新的误学习。因此，在本实施方式中形成为如下结构：使用用于评价学习映射的可靠性的可靠性映射的结构。

图10是示意地表示本发明的实施方式6中可靠性映射的一例的说明图。如该图所示，可靠性映射具有与学习映射同样(相同的维数)构成的多个网格点，作为表示学习值Z_ij(k)的可靠性的指标的可靠性评价值C_ij分别能更新地存储在各网格点中。所有网格点的可靠性评价值C_ij的初始值设定为0，在0～1的范围内变化。并且，在以下的处理中更新可靠性映射，使得学习值Z_ij的可靠性越高，对应的网格点(i、j)的可靠性评价值C_ij越增大。

接下来，参照图11说明可靠性映射的功能及更新处理。图11是利用ECU执行的控制的流程图。该图所示的程序只记录了与可靠性映射的学习相关的处理，与学习映射的学习处理并行地周期性执行可靠性映射的学习处理。在图11所示的程序中，首先在步骤200中，与实施方式1(图4)同样地取得第k个数据(参数取得值)z_k。

接着，在步骤202中，若参数取得值z_k是可信赖的值，则在可靠性映射上，在与参数取得值z_k相同的基准位置设定可靠性取得值c_k(＝1)。能够在使用学习值Z_ij(k)的各控制中，基于控制参数的种类、特性、正常值的范围和传感器的异常诊断的结果等，判定参数取得值z_k是否可信赖。另外，根据参数取得值z_k的可靠性的不同，也可以对可靠性取得值c_k设定小于1的值，特别是在已判定为参数取得值z_k的可靠性较低的情况下，也可以将可靠性取得值c_k设定为0。即，在步骤202中，将具有与参数取得值z_k的可靠性相对应的值的可靠性取得值c_k设定为基准位置。

并且，在步骤204中，对可靠性映射执行与学习映射同样的加权学习控制，每次取得控制参数时，都算出各网格点的可靠性评价值Ci_j而更新可靠性映射。利用下述算式9至算式14的式子实现该加权学习控制。上述式子是在上述算式1至算式6的式子中将参数取得值z_k(z₁)及学习值Zi_j(k)置换为可靠性取得值c_k(c₁)及可靠性评价值Ci_j后得到的式子。但需要注意的是，对不进行置换的其他变量值标注的是体现出与用在学习映射中的不同的上角标“＇”。另外，算式14的式子中的标准偏差σ_c的值见后述。

算式9

W_ij(k)′＝W_ij(k-1)′+w_kij′

算式10

V_ij(k)′＝V_ij(k-1)′+c_kx w_kij′

算式11

C_ij(k)＝V_ij(k)′/W_ij(k)′

算式12

V_ij(1)′＝c₁×w_1ij′

算式13

W_ij(1)′＝w_1ij′

算式14

{w_{kij}}^{'} = \frac{1}{\sqrt{2 π} σ_{c}} \exp (- \frac{{| c_{k} - C_{ij} |}^{2}}{{2 σ}_{c}^{2}})

根据上述各式子可知，在可靠性映射的加权学习控制中，视为例如在与参数取得值z_k相同的位置，取得了与该可靠性相对应的可靠性取得值c_k，设定使学习有效的所有网格点的权值(可靠性权值)w_kij＇，更新可靠性评价值C_ij。由此，将各网格点的可靠性评价值C_ij更新为可靠性权值w_kij＇越大，越大地反映出可靠性取得值c_k。另外，使用上述算式14的式子所示的高斯函数，将可靠性权值w_kij＇设定为从基准位置(可靠性取得值c_k的位置)到网格点的距离越大，可靠性权值w_kij＇越减少。并且，将决定可靠性权值w_kij＇的减少特性的高斯函数的标准偏差σ_C设定为比学习映射的标准偏差σ小很多的值(σ>>σ_C)。即，将可靠性权值w_kij＇依据距基准位置的距离减少时的减少特性设定为比学习映射的权值w_kij的减少特性陡峻。

由此，可靠性权值w_kij＇只在实际取得了控制参数的基准位置的近旁增大，随着远离基准位置而急剧减少。另外，可靠性评价值C_ij因学习而增加的区域只限定于基准位置的近旁。因而，在以高频度取得控制参数的区域，各网格点的可靠性评价值C_ij成为较大的值。另一方面，在不大能取得控制参数的区域，可靠性评价值C_ij成为较小的值，特别是在没有控制参数的取得履历的区域，可靠性评价值C_ij成为接近0的值。即，可靠性评价值C_ij的值反映出当下的学习值Z_ij是否是基于实际取得的控制参数算出的学习值Z_ij的可靠性。

采用这样构成的本实施方式，除了能获得与上述实施方式1大致相同的作用效果以外，还能获得如下这样的作用效果。首先，使可靠性映射的各网格点的可靠性评价值C_ij反映出相同网格点的学习值Z_ij的可靠性。并且，通过执行可靠性评价值C_ij的加权学习控制，能够以将控制参数的取得值反映于各网格点的学习值时同等的反映度，将可靠性取得值c_k反映于各网格点的可靠性评价值C_ij。因而，能够利用1次的学习动作高效地算出各网格点的学习值的可靠性。

另外，当在各种控制等中使用学习值Z_ij的情况下，能够基于可靠性映射上对应的网格点(i、j)的可靠性评价值C_ij，评价学习值Z_ij的可靠性而基于评价的结果执行适当的应对控制。举出具体例，在可靠性评价值C_ij为规定的判定值以上的情况下，判定为学习值Z_ij可信赖，能够将该学习值Z_ij直接用在控制中。

另一方面，在可靠性评价值C_ij小于上述判定值的情况下，判定为学习值Z_ij不具备可靠性，能够代替学习值Z_ij地使用保守性的安全值或者将学习值Z_ij修正为安全性的值(例如若是点火正时，则向滞后侧修正等)。另外，例如能够利用加法、相乘等的机构将可靠性评价值C_ij反映于学习值Z_ij，使学习值Z_ij依据可靠性连续地增减。

另外，在上述实施方式6中，图10表示可靠性映射的具体例，上述算式14的式子表示可靠性映射权值设定机构的具体例，图11所示的程序表示可靠性映射学习机构的具体例。

实施方式7.

接下来，参照图12及图13说明本发明的实施方式7。本实施方式的特征在于，将在上述实施方式1中说明的加权学习控制应用在点火正时的学习控制中。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式7的特征

图12是表示根据本发明的实施方式7的点火正时控制的控制框图。本实施方式的系统包括ECU60的存储回路或运算功能所包含的MBT映射100、燃烧重心算出部102、燃烧重心目标设定部104、FB增益算出部106及学习控制部108。由基于多个参照参数算出控制参数即点火正时的多维学习映射构成MBT映射100。这里，举出参照参数的例子，具有内燃机转速Ne、内燃机负荷KL、水温、VVT等由可变气门机构34、36产生的气门正时控制量、EGR阀42的控制量等。另外，在MBT映射100的各网格点分别存储有发动机扭矩成为最大的点火正时即MBT(Minimum spark advance for Best Torque，最佳扭矩时的最小点火提前角)的学习值Z_ij(k)。

在本实施方式中，在发动机的运转过程中执行使点火正时与MBT一致的MBT控制。在MBT控制中，首先，基于上述各参照参数参照MBT映射100，从而算出作为前馈(FF)项的点火正时Adv。接着，燃烧重心算出部102基于缸内压力传感器50的输出等，通过下述算式15的式子算出利用在该点火正时Adv的燃烧而获得的燃烧重心CA50。该式子是算出燃烧质量比例MFB(Mass Fraction of Burnedfuel)的公知的式子，燃烧重心CA50定义为MFB＝50％的曲轴转角θ。另外，在下述算式15的式子中，P表示缸内压力，V表示缸内容积，κ表示比热比，θs表示燃烧开始曲轴转角，θe表示燃烧结束曲轴转角。

算式15

MFB (%) = \frac{{PV}^{k} (θ) - {PV}^{k} (θe)}{{PV}^{k} (θs) - {PV}^{k} (θe)}

接着，燃烧重心目标设定部104读出规定的燃烧重心目标值(例如ATDC8℃A等)，FB增益(日文：ゲイン)算出部106将点火正时Adv修正(反馈控制)为使燃烧重心CA50与燃烧重心目标值一致。由此，点火正时Adv成为修正后的点火正时Adv＇。

另一方面，学习控制部108如图13所示，将修正后的点火正时Adv＇作为控制参数的取得值z_k来执行上述加权学习控制，将该点火正时Adv＇反映于MBT的学习值Z_ij(k)。如图13所示，仅在燃烧重心CA50与燃烧重心目标值大致一致了的情况下执行该加权学习控制。图13是在本发明的实施方式7中利用ECU执行的控制的流程图。在该图所示的程序中，在步骤300中判定燃烧重心CA50是否与燃烧重心目标值大致一致。在该判定成立了的情况下，判断为实现MBT，在步骤302中执行点火正时的加权学习控制。另一方面，在步骤300的判定不成立的情况下，判断为未实现MBT，所以不执行加权学习控制。

采用这样构成的本实施方式，能够在点火正时的学习控制中获得与上述实施方式1大致相同的作用效果。另外，仅在燃烧重心CA50与燃烧重心目标值大致一致了的情况下执行加权学习控制，但由于能够利用1次的学习动作在MBT映射100的所有网格点高效地学习MBT，所以即使学习机会比较少，也能充分地进行学习。另外，在上述实施方式7中，燃烧重心算出部102表示燃烧重心算出机构的具体例，FB增益算出部106表示点火正时修正机构的具体例，学习控制部108表示权值设定机构及加权学习机构的具体例。

实施方式8.

接下来，参照图14说明本发明的实施方式8。本实施方式的特征在于，利用在上述实施方式6中说明的可靠性映射，与稳态运转时相比，抑制发动机的瞬态运转时的MBT的学习值的更新量。另外，在本实施方式中，对于与实施方式6、7相同的构成要素，标注与实施方式6、7相同的附图标记而省略说明。

实施方式8的特征

当在发动机的瞬态运转时学习点火正时时，可能发生误学习。因此，在本实施方式中，如图14所示，基于发动机的运转状态算出可靠性映射的可靠性评价值C_ij(k)，将算出的可靠性评价值C_ij(k)反映于MBT的学习值。图14是在本发明的实施方式8中利用ECU执行的控制的流程图。该图只表示了与可靠性映射的学习相关的处理。

在图14所示的程序中，首先在步骤400中，取得作为第k个数据(参数取得值)z_k的修正后的点火正时Adv＇。接着在步骤402中，判定内燃机转速的每单位时间内的变化量ΔNe是否小于规定的转速急变判定值，在步骤404中，判定内燃机负荷的每单位时间内的变化量ΔKL是否小于规定的负荷急变判定值。例如基于在点火正时、燃烧重心的算出值出现误差的变化量ΔNe、ΔKL的最小值，设定上述判定值。

当在步骤402、404中判定均成立了的情况下，判断为发动机为稳态运转状态，在步骤406中进行可靠性取得值c_k＝1的设定。另一方面，当在步骤402、404中的至少一方判定不成立的情况下，判断为瞬态运转状态，在步骤408中进行可靠性取得值c_k＝0的设定。接着，在步骤410中，如实施方式6中所述地执行可靠性映射的加权学习控制，算出各网格点的可靠性评价值C_ij而更新可靠性映射。

例如利用下述算式16及算式17的式子将被上述处理更新的可靠性评价值C_ij(k)反映于点火正时的学习值Z_ij(k)。可以代替在上述实施方式1中说明的算式1及算式2的式子使用上述式子。由此，在瞬态运转时，使学习值Z_ij(k)的更新停止，或者与稳态运转时相比，抑制该更新量。

算式16

W_ij(k)＝W_ij(k-1)+w_kijX C_ij(k)

算式17

V_ij(k)＝V_ij(k-1)+z_kX w_kijX C_ij(k)

采用这样构成的本实施方式，除了能够获得与上述实施方式7大致相同的作用效果，还能获得如下这样的效果。在点火正时的学习控制中，取得了控制参数时的运转状态越稳定，即，参数取得值(点火正时Adv＇)的可靠性越高，能够越使各网格点的表观上的权值(w_kij×C_ij(k))增加，增加学习值Z_ij(k)的更新量。另一方面，在运转状态不稳定的情况下，能使上述表观上的权值减少而减小学习值Z_ij(k)的更新量，停止或抑制学习。由此，能够促进稳态运转时的学习，抑制瞬态运转时的误学习。

实施方式9.

接下来，参照图15至图18说明本发明的实施方式9。本实施方式的特征在于，形成为如下结构：即使在燃烧重心CA50偏离了燃烧重心目标值的情况下，也能学习点火正时。另外，在本实施方式中，对于与实施方式7相同的构成要素，标注与实施方式7相同的附图标记而省略说明。

实施方式9的特征

在上述实施方式7中，仅在燃烧重心CA50与燃烧重心目标值大致一致了的情况下，执行点火正时的加权学习控制，所以很难增加学习机会。因此，在本实施方式中，即使在燃烧重心CA50偏离了燃烧重心目标值的情况下，也能基于MBT的推测值和燃烧重心的差分ΔCA50来执行与可靠度相对应的加权学习控制。

图15是表示根据本发明的实施方式9的点火正时控制的控制框图。本实施方式的系统具备与上述实施方式7同样地构成的MBT映射110和学习控制部112。学习控制部112利用下述算式18及算式19的式子推测MBT，基于该推测值执行点火正时的加权学习控制。在该情况下，MBT的推测值与参数取得值z_k相对应。

算式18

MBT＝修正后的点火正时Adv＇[BTDC]+ΔCA50

算式19

ΔCA50＝燃烧重心CA50[ATDC]－燃烧重心目标值

上述的MBT的推测方法基于下述原理。首先，当点火正时变化时，燃烧重心CA50也随之变化，但在MBT的近旁，点火正时的变化量和燃烧重心CA50的变化量具有变为大致相等的特性。即，燃烧重心CA50与燃烧重心目标值的差分ΔCA50相当于MBT与点火正时Adv＇的偏差量。因而，如上述算式18的式子所示，MBT能够将修正后的点火正时Adv＇推测为以差分ΔCA50的量偏差的值。

采用这样构成的本实施方式，除了能够获得与上述实施方式7大致相同的作用效果，还能获得如下这种效果。首先，图16是将形成为仅在燃烧重心CA50与燃烧重心目标值大致一致了时学习点火正时的结构的情况(实施方式7)下的学习机会作为比较例而进行表示的点火正时图。如该图中圆圈所示，在燃烧重心CA50与燃烧重心目标值大致一致的正时，散发性地发生，所以此时仅学习MBT，不能充分地获得学习机会。

相对于此，图17是表示根据本发明的实施方式9的学习控制的点火正时图。如该图所示，在根据本实施方式的MBT的学习控制中，即使在燃烧重心CA50偏离了燃烧重心目标值的情况下，也能经常获得MBT的推测值，所以能够基于该推测值更新学习值Z_ij(k)，大幅增加学习机会。由此，能使学习值Z_ij(k)快速地接近MBT，提高MBT控制的控制性。

另外，在利用上述算式18的式子推测MBT时，燃烧重心CA50越偏离燃烧重心目标值，即，两者的差分ΔCA50越大，MBT的推测精度越下降，误学习越容易发生。因此，在本实施方式中，基于燃烧重心的差分ΔCA50，利用下述算式20的式子算出可靠度系数ε。并且，利用下述算式21及算式22的式子，将可靠度系数ε的算出值反映于MBT映射110的各网格点的权值w_kij，即，MBT的学习值Z_ij(k)。

算式20

ϵ = \frac{1}{\sqrt{2 σ_{CA 50}}} \exp (\frac{ΔCA 50}{{2 σ}_{CA 50}})

算式21

W_ij(k)＝W_ij(k-1)+w_kijXε

算式22

V_ij(k)＝V_ij(k-1)+z_kX w_kijXε

这里，上述算式20的式子具有与高斯函数大致相同的特性，将可靠度系数ε设定为：ΔCA50越大(燃烧重心CA50越偏离燃烧重心目标值)，可靠度系数ε越减少。另外，依据调整项σ_CA50的大小调整可靠度系数ε的减少特性。另外，代替在实施方式1中说明的算式1及算式2的式子，使用上述算式21及算式22的式子。

采用上述结构，MBT的推测精度越低，越将可靠度系数ε设定为较小，能使相对于学习值Z_ij(k)的、MBT的推测值的反映度下降。因而，通过推测MBT，能够增加学习机会，且能依据该推测精度适当地调整学习值Z_ij(k)的更新量，抑制误学习。

另外，在上述实施方式9中，算式18及算式19的式子表示MBT推测机构的具体例，算式20至算式22的式子表示MBT常学习机构的具体例。另外，在实施方式9中，利用算式20的式子设定可靠度系数ε，但本发明不限定于此，也可以形成为例如基于图18所示的数据映射算出可靠度系数ε的结构。图18是用于基于燃烧重心CA50与燃烧重心目标值的差分ΔCA50算出可靠度系数ε的特性线图。在该图中，将可靠度系数ε设定为：随着燃烧重心的差分ΔCA50增大，可靠度系数ε减小。

另外，在上述实施方式9中，也可以形成为代替可靠度系数ε地使用可靠性映射的结构。举出该结构的一例，例如在燃烧重心的差分ΔCA50越大，将可靠性取得值c_k设定为越小的基础上，执行可靠性映射的加权控制。并且，利用上述算式16及算式17的式子将可靠性评价值C_ij(k)反映于MBT的学习值即可。

实施方式10.

接下来，参照图19及图20说明本发明的实施方式10。本实施方式的特征在于，在上述实施方式9的结构的基础上，采用TK(轻微爆震)映射。另外，在本实施方式中，对于与实施方式7、9相同的构成要素，标注与实施方式7、9相同的附图标记而省略说明。

实施方式10的特征

在上述实施方式9中，形成为利用MBT映射110学习MBT的结构。但是，在发动机的运转区域存在能够实现MBT的MBT区域和不能实现MBT的TK区域。TK区域是在将点火正时提前至MBT之前发生轻微爆震(在真正的爆震发生前发生的弱爆震)的区域，在该区域难以进行MBT的学习。因此，在本实施方式中形成为如下结构：在TK区域，利用后述的TK映射124学习点火正时。

图19是表示根据本发明的实施方式10的点火正时控制的控制框图。如该图所示，本实施方式的系统具备与上述实施方式9同样地构成的MBT映射120、学习控制部122、TK映射124及Min选择部126。这里，TK映射124是与MBT映射120同样地构成的多维的学习映射，作为控制参数的TK点火正时的学习值Z_ij(k)分别能更新地存储在TK映射124的各网格点中。将TK点火正时定义为在点火正时到达MBT之前(实现MBT之前)在TK区域发生轻微爆震的点火正时，即，未发生真正的爆震就能实现的最提前侧的点火正时。另外，在以下的说明中，将MBT映射120的学习值Z_ij(k)标记为MBT学习值Z1，将TK映射124的学习值Z_ij(k)标记为TK学习值Z2。

在本实施方式中，利用学习控制部122执行在上述实施方式9中说明的MBT的加权学习控制和TK点火正时的加权学习控制。图20是在本发明的实施方式10中利用ECU执行的控制的流程图。另外，该图所示的程序只图示了TK点火正时的学习处理。在图20所示的程序中，首先利用步骤500基于缸内压力传感器50的输出波形判定是否发生了轻微爆震。在该判定成立的情况下，利用步骤502取得当下的点火正时(TK点火正时)来作为参数取得值z_k。并且，基于该取得值执行加权学习控制，更新TK学习值Z2。

因而，当在实现MBT之前发生了轻微爆震的情况下，将该时刻的点火正时作为TK点火正时而进行取得以及学习。另外，在点火正时到达了MBT的情况下，取得以及学习MBT。结果，在本实施方式的学习控制中，每当进行点火时，都学习(更新)MBT映射120和TK映射124中的任一方。

另外，在本实施方式的点火正时控制中，首先基于发动机的运转状态(上述各参照参数)，根据MBT映射120及TK映射124分别算出学习值Z1、Z2，利用Min选择部126判定学习值Z1、Z2的大小关系。Min选择部126选择MBT学习值Z1和TK学习值Z2中较小一方的点火正时(更滞后侧的点火正时)，将选出的点火正时作为修正前的点火正时Adv而输出。关于输出了点火正时Adv后的处理，与在实施方式9中说明的处理相同。

采用这样构成的本实施方式，除了能获得与上述实施方式9大致相同的作用效果，还能获得如下这样的效果。在进行点火正时的学习时，能够学习MBT和TK点火正时的任一个，所以能够增加学习机会，即使在MBT区域以外也能高效地学习点火正时。另外，在本实施方式中，能够选择MBT学习值Z1和TK学习值Z2中靠提前侧的点火正时。因而，能够避免爆震的发生，且能够将点火正时尽量控制在提前侧，提高运转性能、运转效率。另外，在上述实施方式10中，学习控制部122表示由MBT映射120及TK映射124构成的2个学习映射的权值设定机构及加权学习机构的具体例。另外，图20的程序表示TK点火正时学习机构的具体例，Min选择部126表示选择机构的具体例。

实施方式11.

接下来，参照图21及图22说明本发明的实施方式11。本实施方式在上述实施方式10的结构的基础上，特征在于，采用了用于确认TK区域的TK区域映射。另外，在本实施方式中，对于与实施方式7、10相同的构成要素，标注与实施方式7、10相同的附图标记而省略说明。

实施方式11的特征

在上述实施方式10中，形成为利用TK映射124学习TK点火正时的结构，但在该结构中，在TK区域以外(不存在TK点火正时的计量点的MBT区域等)，也可能误学习TK点火正时。因此，在本实施方式中形成为如下结构：利用后述的TK区域映射138学习TK区域，只在TK区域使用TK映射134。图21是表示根据本发明的实施方式11的点火正时控制的控制框图。如该图所示，本实施方式的系统具备与上述实施方式10同样地构成的MBT映射130、学习控制部132、TK映射134、Min选择部136和TK区域映射138。

TK区域映射138是与MBT映射130及TK映射134同样地构成的多维的学习映射，在TK区域映射138的各网格点分别存储有作为控制参数的TK区域判定值。TK区域判定值是表示TK映射134的各网格点是否属于轻微爆震区域的学习值Z_ij(k)，通过与可靠性映射相同的加权学习控制来更新，在0～1的范围内变化。并且，TK区域判定值的值越大，与该判定值相对应的网格点属于TK区域的可能性(可靠性)越高。

图22是表示本发明的实施方式11中利用ECU执行的TK区域映射138的学习控制的流程图。例如与MBT映射130的学习处理并行地周期性执行该图所示的程序。在图22所示的程序中，首先在步骤600中，判定是否发生了轻微爆震。在该判定成立了的情况下，为TK区域，所以转移到步骤602，将当下的运转区域(根据参照参数的组合确定的学习映射上的位置)内的TK区域判定值的取得值设定为1。另一方面，在步骤600的判定不成立的情况下，不是TK区域，所以转移到步骤604，将TK区域判定值的取得值设定为0。

并且，在步骤606中，执行TK区域判定值的加权学习控制，从而更新所有网格点的TK区域判定值。在该情况下，TK区域判定值与控制参数及其学习值Z_ij(k)相对应，TK区域判定值的取得值与参数取得值z_k相对应。另外，在TK区域判定值的加权学习控制中，优选将依据距基准位置的距离而减少的权值w_kij的减少特性设定为陡峻(将高斯函数的标准偏差σ设定为较小)。由此，在TK区域映射138上，能够明确TK区域的边界。

另一方面，在执行TK点火正时的加权学习控制的情况下，当在TK映射134的各网格点更新学习值时，将存储在TK区域映射138上的相同位置的TK区域判定值读出。并且，基于读出的TK区域判定值的值判定是否在该网格点学习TK点火正时(学习的有效或无效)。举出一例的话，可以在TK区域判定值为0.5以上的情况下，更新TK点火正时的学习值，在除此以外的情况下不更新学习值。

另外，例如在将TK区域判定值的初始值设定为0时，在TK区域以外的区域(MBT区域等)，TK点火正时的学习值为0，所以在选择TK点火正时和MBT中靠滞后侧的值(较小一方的值)时，点火正时成为0。在TK区域判定值接近0的区域(网格点)，优选不使用TK映射134，只基于MBT映射130控制点火正时。

采用这样构成的本实施方式，除了能获得与上述实施方式10大致相同的作用效果以外，还能获得如下这种效果。通过使用TK区域映射138，能使TK区域的边界明确化，所以能在TK区域以外的区域抑制TK点火正时的误学习，提高学习精度。另外，在上述实施方式11中，学习控制部132表示由MBT映射130及TK映射134构成的2个学习映射的权值设定机构及加权学习机构的具体例。另外，图22的程序表示TK区域学习机构的具体例。另一方面，TK区域映射138相对于TK映射134与可靠性映射同样地发挥功能，所以实施方式11相当于将可靠性映射应用在TK映射134中的结构。

另外，在上述实施方式7至实施方式11中，在使用完全未学习MBT的区域(网格点)的学习值执行点火正时控制时，可能因误学习而发生爆震。因此，在本发明中，也可以与MBT映射100、110、120、130一起并用反映MBT的学习履历的可靠性映射。在该情况下，采用在上述实施方式6中说明的方法将可靠性映射的可靠性评价值与MBT映射一起更新。另外，在MBT控制中形成为如下结构即可：在MBT映射的学习值的可靠性较低的区域，即，在MBT的学习履历减少且可靠性映射的可靠性评价值接近0的区域，使点火正时保守性地稍微滞后。

实施方式12.

接下来，参照图23及图24说明本发明的实施方式12。本实施方式的特征在于，将在上述实施方式1中说明的加权学习控制应用于缸内空燃比的算出控制。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式12的特征

在缸内空燃比的算出控制中，至少基于缸内压力传感器50的输出算出缸内空燃比，基于空燃比传感器54的输出来修正该算出值。本实施方式通过加权学习控制来学习用在该修正中的修正映射。通常，利用空燃比传感器54检测的排气空燃比的响应性较差。这起因于传感器本身的响应延迟较大，而且检测位置远离燃烧室。另外，空燃比传感器在非活性化的低温时不能检测出排气空燃比，也很难检测出每个缸的排气空燃比。对此，由于能够每次算出燃烧时的空燃比，所以缸内空燃比的响应性佳，能够实现高精度的控制。但是，缸内空燃比的算出精度基本较低，所以优选基于空燃比传感器54的输出来进行修正。

图23是表示根据本发明的实施方式12的缸内空燃比的算出控制的控制框图。如该图所示，本实施方式的系统具备空燃比算出部140、修正映射142及学习控制部144。说明下各构成要素，首先，空燃比算出部140基于由缸内压力传感器(CPS)50检测出的缸内压力P等，利用下述算式23至算式25的式子算出缸内空燃比(CPS检测空燃比)Ap。

算式23

缸内空燃比Ap＝缸内空气质量/缸内燃料质量

算式24

缸内燃料质量＝CPS检测发热量Q/低位发热量

算式25

Q = \frac{1}{k - 1} &Integral; \frac{d ({PV}^{k})}{V^{k - 1}} dθ

在上述各式子中，使用空气流量传感器46的输出或者基于压缩行程内的缸内压力变化(压缩行程的开始时刻与结束时刻的压力差)ΔP与缸内空气质量成比例的原理，算出缸内空气质量。另外，低位发热量定义为燃料的每单位质量的发热量，是依据燃料的成分等确定的已知的值。另外，CPS检测发热量Q是基于缸内压力传感器50的输出等算出的缸内的发热量，用于进行该算出的各参数在上述算式15的式子中已做了说明。

缸内空燃比Ap容易随着发动机的运转状态而变动。因此，在本实施方式中，例如基于反映了运转状态的相乘型的修正系数α，利用下述算式26的式子修正缸内空燃比Ap。另外，在该式中，Ap表示修正前的缸内空燃比，Ap＇表示修正后的缸内空燃比(缸内空燃比的最终输出值)。利用修正映射142算出修正系数α。

算式26

Ap′＝Ap X α

修正映射142是基于至少包括内燃机转速Ne和内燃机负荷KL的多个参照参数算出修正系数α的多维学习映射，在修正映射142的各网格点分别存储有作为控制参数的修正系数α的学习值Z_ij(k)。另一方面，学习控制部144执行修正系数α的加权学习控制。详细而言，首先基于下述算式27的式子，算出由空燃比传感器54检测到的排气空燃比As与修正后的缸内空燃比Ap＇的比，来作为修正系数α。并且，将修正系数α的算出值作为参数取得值z_k更新各网格点的修正系数α的学习值Z_ij(k)。

算式27

α＝As/Ap′

另外，在多气缸发动机中，作为上述算式27式中的缸内空燃比Ap＇，也可以采用各气缸的缸内空燃比Ap＇的平均值。另外，空燃比传感器54的响应延迟较大，所以优选只在发动机的稳态运转时执行上述学习控制，在瞬态运转时禁止执行上述学习控制。

另外，在本实施方式中，也可以采用图24所示的变形例的结构。在该变形例中，基于加法型的修正系数β，利用下述算式28的式子修正缸内空燃比Ap。另外，在修正映射142＇的各网格点分别存储有修正系数β的学习值Zi_j(k)，学习控制部144＇将利用下述算式29的式子算得的修正系数β的算出值作为参数取得值z_k，执行修正系数β的加权学习控制。

算式28

Ap′＝Ap+β

算式29

β＝As-Ap′

采用这样构成的本实施方式，在缸内空燃比的算出控制中，能够获得在上述实施方式1中说明的效果。特别是，利用缸内传感器50算出的缸内空燃比因运转状态的变化而产生的误差较大，所以即使采用由现有技术的学习方法获得的修正系数，也很难提高实用性。对此，在本实施方式中，即使学习机会比较少，也能在修正映射142、142＇的所有网格点快速地学习修正系数α、β。因而，即使在缸内空燃比的误差较大的情况下，也能利用修正系数α、β适当地修正该误差，提高缸内空燃比的算出精度、实用性。另外，在上述实施方式12中，空燃比算出部140表示缸内空燃比算出机构的具体例，学习控制部144表示权值设定机构及加权学习机构的具体例。

实施方式13.

接下来，参照图25至图27说明本发明的实施方式13。本实施方式的特征在于，将在上述实施方式1中说明的加权学习控制应用于燃料喷射特性的学习控制。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式13的特征

图25是表示本发明的实施方式13中燃料喷射阀的喷射特性的特性线图。通常，燃料喷射阀26的燃料喷射量具有与从通电时间中减掉无效通电时间而得到的实效通电时间成比例地增加的特性，利用下述算式30的式子基于通电时间t进行控制。这里，目标喷射量Ft是通过燃料喷射控制进行设定的目标值，喷射特性系数与图25所示的特性线的倾斜相对应。

算式30

通电时间t＝目标喷射量Ft/喷射特性系数+无效通电时间

但是，燃料喷射阀的喷射特性因喷射阀的个体差、时间的经过等而发生变化，所以优选通过学习控制来应对。因此，在本实施方式中，通过加权学习控制来学习燃料喷射特性。图26是表示由本发明的实施方式13执行的燃料喷射特性的学习控制的控制框图。如该图所示，本实施方式的系统具备喷射特性映射150、实际喷射量算出部152、FB增益算出部154及学习控制部156。

喷射特性映射150是例如基于由目标燃料喷射量Ft、内燃机转速Ne及内燃机负荷KL构成的参照参数算出通电时间t的多维学习映射，在喷射特性映射150的各网格点分别存储有作为控制参数的通电时间t的学习值Z_ij(k)。实际喷射量算出部152基于缸内压力传感器50的输出算出实际的燃料喷射量(实际喷射量)Fr，如下述算式31的式子所示，通过用在上述实施方式12中说明的缸内燃料质量除以修正系数α，获得实际喷射量Fr。

算式31

实际喷射量Fr＝缸内燃料质量/α

FB增益算出部154对目标燃料喷射量Ft和实际喷射量Fr进行比较而算出通电时间t的修正量，基于该修正量修正通电时间t。详细而言，以目标燃料喷射量Ft为基准，在实际喷射量Fr多的情况下减少通电时间t，在实际喷射量Fr少的情况下增加通电时间t。由此，算出修正后的通电时间t＇，依据该通电时间t＇进行向燃料喷射阀26的通电。

另一方面，学习控制部156将修正后的通电时间t＇作为参数取得值z_k而执行通电时间t的加权学习控制，将存储在喷射特性映射150的各网格点中的学习值Z_ij(k)更新。另外，燃料喷射特性如图25所示成为1次函数，所以喷射特性映射150的网格点为2个即可。

采用这样构成的本实施方式，能在燃料喷射特性的学习控制中获得在上述实施方式1中说明的效果。因而，即使是较少的学习次数，也能高效地学习喷射特性的变化，提高燃料喷射控制的精度。特别是，在本实施方式中，能够基于缸内压力传感器50的输出算出实际喷射量Fr，基于该实际喷射量Fr执行学习，所以即使不能检测实际的燃料喷射量，也能利用既存的传感器容易地进行学习控制。另外，在上述实施方式13中，实际喷射量算出部152表示实际喷射量算出机构的具体例，学习控制部156表示权值设定机构及加权学习机构的具体例。

另外，在发动机的温度较低的情况下，燃料难以气化，相应地使燃料喷射特性出现偏差，所以在上述实施方式中，也可以采用图27所示的变形例的结构。在该变形例中，喷射特性映射150＇构成为基于由目标燃料喷射量Ft、内燃机转速Ne、内燃机负荷KL及水温构成的参照参数算出通电时间t。由此，也能应对发动机的预热状态的差异。

实施方式14.

接下来，参照图28说明本发明的实施方式14。本实施方式的特征在于，将在上述实施方式1中说明的加权学习控制应用于空气流量传感器的输出修正系数。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式14的特征

通常，在使用空气流量传感器46时，利用下述算式32的式子修正传感器输出值S，从而算出最终性的检测空气量Sout。这里，KFLC是输出修正用的修正系数，存储在图28所示的修正映射160中。图28是表示本发明的实施方式14中空气流量传感器用修正系数的学习控制的控制框图。

算式32

检测空气量Sout＝传感器输出值S×KFLC

修正映射160是基于例如由内燃机转速Ne和外部空气温度TA构成的参照参数算出修正系数KFLC的多维的学习映射，在修正映射160的各网格点分别存储有作为控制参数的修正系数KFLC的学习值Z_ij(k)。另外，本实施方式的系统除了具备修正映射160以外，还具备学习基准算出部162和学习控制部164。学习基准算出部162基于空燃比传感器54的输出和燃料喷射量，利用下述算式33及算式34的式子算出修正系数的学习基准值KFLC＇。在下述的式子中，作为燃料喷射量，优选使用在上述实施方式13中算出的实际燃料喷射量Fr(算式31的式子)。

算式33

KFLC＇＝空燃比检测空气量/传感器输出值S

算式34

空燃比检测量＝空燃比传感器输出×燃料喷射量

学习控制部164将利用上述算式33的式子算出的修正系数的学习基准值KFLC＇作为参数取得值z_k，执行修正系数KFLC的加权学习控制，将存储在修正映射160的各网格点的学习值Z_ij(k)更新。另外，由于空燃比传感器54的响应延迟大，所以优选只在发动机的稳态运转时执行上述学习控制，在瞬态运转时禁止执行上述学习控制。

采用这样构成的本实施方式，能在空气流量传感器用修正系数的学习控制中获得在上述实施方式1中说明的效果。因而，即使是较少的学习次数，也能高效地学习修正系数KFLC，提高吸入空气量的算出精度。另外，在上述实施方式14中，学习基准算出部162表示学习基准算出机构的具体例，学习控制部164表示权值设定机构及加权学习机构的具体例。

实施方式15.

接下来，参照图29说明本发明的实施方式15。本实施方式的特征在于，将在上述实施方式1中说明的加权学习控制应用于壁面燃料附着量的算出控制。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式15的特征

作为燃料喷射控制的一例，算出喷射燃料附着在进气口等的壁面上的量即壁面燃料附着量qmw，基于该算出结果修正燃料喷射量。在该情况下，在壁面燃料附着量qmw的算出控制中，根据壁面燃料附着量算出映射(QMW映射)算出壁面燃料附着量qmw。在本实施方式中，在该QMW映射中应用加权学习控制。

图29是表示本发明的实施方式15中壁面燃料附着量的学习控制的控制框图。如该图所示，本实施方式的系统具备QMW映射170、学习基准算出部172及学习控制部174。QMW映射170是基于例如包括内燃机转速Ne、内燃机负荷KL及由VVT等产生的气门正时控制量的参照参数，算出壁面燃料附着量qmw的多维的学习映射，在QMW映射170的各网格点分别存储有作为控制参数的壁面燃料附着量qmw的学习值Z_ij(k)。利用QMW映射170算出的壁面燃料附着量qmw在燃料喷射控制中反映于燃料的目标喷射量。

学习基准算出部172基于利用QMW映射170算出的壁面燃料附着量qmw、空燃比传感器54的输出、判定发动机的加速及减速的参数，利用下述算式35的式子算出壁面燃料附着量的学习基准值qmw＇。另外，作为判定加减速的参数，例如具有节气门传感器的输出、内燃机转速等。

算式35

qmw＇＝qmw+调整量Δ

在上述式子中，难以直接检测及算出壁面燃料附着量的学习基准值qmw＇，所以通过在由QMW映射170得出的算出值qmw上加上调整量Δ而求出。调整量Δ设定为使壁面燃料附着量qmw一点点变化的微小量，举出具体例的话，由下述的处理决定。

(1)当在加速时空燃比变稀的情况下，或者在减速时空燃比变浓的情况下，判断为壁面燃料附着量不足，将调整量Δ设定为规定的正值。

(2)当在加速时空燃比变得浓的情况下，或者在减速时空燃比变稀的情况下，判断为壁面燃料附着量过剩，将调整量Δ设定为规定的负值。

学习控制部174将利用上述算式35的式子算出的壁面燃料附着量的学习基准值qmw＇作为参数取得值z_k，执行壁面燃料附着量qmw的加权学习控制，将存储在QMW映射170的各网格点的学习值Z_ij(k)更新。

采用这样构成的本实施方式，在壁面燃料附着量的学习控制中，能够获得在上述实施方式1中说明的效果。因而，即使是较少的学习次数，也能高效地学习壁面燃料附着量qmw，提高燃料喷射控制的精度。另外，在上述实施方式15中，学习基准算出部172表示学习基准算出机构的具体例，学习控制部174表示权值设定机构及加权学习机构的具体例。

实施方式16.

接下来，参照图30说明本发明的实施方式16。本实施方式的特征在于，将在上述实施方式1中说明的加权学习控制应用于气门正时的学习控制。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式16的特征

图30是表示本发明的实施方式16中气门正时的学习控制的控制框图。如该图所示，本实施方式的系统具备VT映射180、学习基准算出部(最佳VT搜索部)182及学习控制部184。VT映射180是基于例如由内燃机转速Ne及内燃机负荷KL构成的参照参数算出气门正时VT的多维的学习映射，在VT映射180的各网格点分别存储有作为控制参数的气门正时VT的学习值Z_ij(k)。在发动机的运转过程中，基于上述各参照参数，利用VT映射180算出气门正时VT，该算出值输出到可变气门机构34(36)的促动器中。另外，作为本实施方式的控制对象，优选进气门30，但也可以是排气门32。

最佳VT搜索部182搜索例如燃料消耗成为最低的最佳的气门正时VT，将该搜索结果作为气门正时的学习基准值VT＇输出。另外，作为最佳的气门正时的搜索方法，采用通常的方法。举出一例的话，例如如上述那样地基于根据缸内压力50的输出算出的缸内燃料质量、内燃机转速等的信息，算出每单位时间内的燃料消耗率，监视该算出值，并且使气门正时VT一点点地变化，从而能够找出最佳的气门正时VT。

另一方面，学习控制部184将气门正时的学习基准值VT＇作为参数取得值z_k而执行气门正时VT的加权学习控制，将存储在VT映射180的各网格点的学习值Z_ij(k)更新。采用这样构成的本实施方式，能在气门正时的学习控制中获得在上述实施方式1中说明的效果。因而，即使是较少的学习次数，也能高效地学习气门正时，提高气门系统的控制性。另外，在上述实施方式16中，最佳VT搜索部182表示学习基准算出机构的具体例，学习控制部184表示权值设定机构及加权学习机构的具体例。

另外，在实施方式16中，在进行最佳的气门正时的搜索处理过程中，实现的气门正时可能不是最佳值。因此，在上述搜索处理过程中也可以形成为如下结构：由加权学习控制使所使用的权值w_kij比搜索处理的结束后小。另外，也可以代替在搜索处理过程中减小权值w_kij地，形成为并用上述的可靠性映射的结构。详细而言，当在气门正时的搜索处理过程中进行学习控制的情况下，在可靠性映射上的基准位置(学习基准值VT＇的位置)，将可靠性取得值设定为较小的值即可。采用上述结构，能够依据气门正时是否为最佳化的可靠性，适当地调整学习值的更新量，提高学习精度。

实施方式17.

接下来，参照图31及图32说明本发明的实施方式17。本实施方式的特征在于，将在上述实施方式1中说明的加权学习控制应用于失火界限点火正时的学习控制。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式17的特征

图31是表示根据本发明的实施方式17的点火正时控制的控制框图。如该图所示，本实施方式的系统具备点火正时滞后控制部190、失火界限映射192、Max选择部194和学习控制部196。点火正时滞后控制部190例如如爆燃控制、变速应对控制和催化剂预热控制等那样地执行使点火正时滞后的通常的控制，将利用这些控制滞后设定的目标点火正时Adv1输出。

失火界限映射192是基于多个参照参数算出失火界限点火正时Adv2的多维的学习映射，在失火界限映射192的各网格点分别存储有作为控制参数的失火界限点火正时Adv2的学习值Z_ij(k)。失火界限点火正时被定义为不会因点火正时滞后控制而发生失火地能够实现的最靠滞后侧的点火正时。另外，作为上述参照参数，例如可以举出内燃机转速Ne、内燃机负荷KL、水温、气门正时的控制量和EGR的控制量等。Max选择部192选择被点火正时滞后控制滞后的目标点火正时Adv1和利用失火界限映射192算出的失火界限点火正时Adv2中较大一方的点火正时(更靠提前侧的点火正时)，将选出的点火正时输出。

另一方面，学习控制部196利用图32所示的处理执行失火界限点火正时Adv2的加权学习控制。图32是在本发明的实施方式17中利用ECU执行的控制的流程图。在该图所示的程序中，首先在步骤700中，判定当下的点火正时是否为失火界限。详细而言，在步骤700中，首先基于缸内压力传感器60的输出算出上述的CPS检测发热量Q，在该算出值为与正常燃烧时的下限值相对应的规定的判定值以下的情况下，检测已发生了失火。并且，计算每单位时间内的失火次数，在该计算值超过了与失火界限相对应的规定的判定值的情况下，判定为当下的点火正时到达了失火界限点火正时。

在步骤700的判定成立了的情况下，转移到步骤702，将当下的点火正时作为参数取得值z_k执行失火界限点火正时Adv2的加权学习控制，将存储在失火界限映射192的各网格点的学习值Z_ij(k)更新。采用这样构成的本实施方式，能在失火界限点火正时的学习控制中获得在上述实施方式1中说明的效果，能够高效地学习失火界限。并且，通过选择点火正时Adv1、Adv2中靠滞后侧的一方，能够避免失火，并且能使点火正时依据滞后要求而最大限度地滞后，提高点火正时的控制性。另外，加权学习控制只在到达了失火界限的情况下执行，但由于能够利用1次的学习动作在失火界限映射192的所有网格点高效地学习失火界限点火正时，所以即使学习机会比较少，也能充分地进行学习。

另外，在上述实施方式17中，图32中的步骤700表示失火界限判定机构的具体例，步骤702表示失火界限学习机构的具体例，Max选择部194表示选择机构的具体例。另一方面，在实施方式17中，并非始终在失火界限附近进行运转，所以为了避免在失火界限附近以外的区域进行误学习，也可以使用失火区域映射。在该情况下，失火区域映射具有与在上述实施方式11中说明的TK区域映射138相同的结构及功能，在失火区域映射的各网格点分别存储有失火区域判定值的学习值。并且，在检测到了失火界限的情况下，将该失火界限的检测位置作为基准位置在失火区域映射上的相同位置设定失火区域判定值，再执行失火区域映射的加权学习控制即可。由此，能使失火界限区域的边界明确。

实施方式18.

接下来，参照图33说明本发明的实施方式18。本实施方式的特征在于，将在上述实施方式1中说明的加权学习控制应用于燃料增量修正值的学习控制。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式18的特征

图33是表示本发明的实施方式18中燃料增量修正值的学习控制的控制框图。如该图所示，本实施方式的系统具备燃料增量映射200、学习基准算出部(最佳增量值搜索部)202及学习控制部204。燃料增量映射200是例如基于由内燃机转速Ne及内燃机负荷KL构成的参照参数算出燃料增量值Fd的多维的学习映射，在燃料增量映射200的各网格点分别存储有作为控制参数的燃料增量值Fd的学习值Z_ij(k)。燃料增量值Fd是在燃料喷射控制中依据加速要求等对目标喷射量进行增量修正的修正值(电源增量值)。最佳增量值搜索部202例如基于缸内压力传感器50的输出搜索发动机扭矩成为最大的那样的燃料增量的最佳值，将该搜索结果作为燃料增量值的学习基准值Fd＇而输出。

另一方面，学习控制部204将燃料增量值的学习基准值Fd＇作为参数取得值z_k执行燃料增量值Fd的加权学习控制，将存储在燃料增量映射200的各网格点的学习值Z_ij(k)更新。采用这样构成的本实施方式，能在燃料增量值的学习控制中，获得在上述实施方式1中说明的效果。因而，即使是较少的学习次数，也能高效地学习燃料增量值，提高发动机的运转性能。另外，在上述实施方式18中，学习控制部204表示权值设定机构及加权学习机构的具体例。

实施方式19.

接下来，参照图34说明本发明的实施方式19。本实施方式的特征在于，将在上述实施方式1中说明的加权学习控制应用于ISC(IdleSpeed Control，怠速控制)的学习控制。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式19的特征

在本实施方式中，在怠速运转时，执行基于内燃机转速等对进气通路的开度(ISC开度)进行反馈控制的怠速运转控制，和学习由怠速运转控制修正后的ISC开度的学习控制。进气通路的开度详细而言是指ISC阀或节气门20的开度。图34是表示本发明的实施方式19中ISC的学习控制的控制框图。本实施方式的系统具备ISC映射210、ISC反馈控制部212及学习控制部214。

ISC映射210是基于内燃机转速Ne算出ISC开度VO的学习映射，在ISC映射210的各网格点分别存储有作为控制参数的ISC开度VO的学习值Z_ij(k)。在怠速运转的过程中，基于内燃机转速Ne利用ISC映射210算出ISC开度VO，将该算出值输出到ISC阀或节气门20的驱动部。另外，ISC反馈控制部212将ISC开度VO修正(反馈控制)为使怠速运转时的内燃机转速Ne与目标转速一致。由此修正了的修正后的ISC开度VO＇被输入到学习控制部214。

学习控制部214将修正后的ISC开度VO＇作为参数取得值z_k而执行ISC开度VO的加权学习控制，将存储在ISC映射210的各网格点的学习值Z_ij(k)更新。采用这样构成的本实施方式，能在ISC开度的学习控制中获得在上述实施方式1中说明的效果。因而，即使是较少的学习次数，也能高效地学习ISC开度，提高怠速运转的稳定性。

另外，在上述实施方式19中，学习控制部214表示权值设定机构及加权学习机构的具体例。另外，在实施方式19中也可以形成为如下结构：内燃机转速Ne越偏离目标转速，判断为学习值的可靠度越低，减小权值w_kij。例如通过使内燃机转速Ne与目标转速的差分越大而越减少的系数与权值w_kij相乘，来实现该结构。采用该结构，能够将内燃机转速Ne控制为接近目标转速的值，怠速运转控制的精度越高，越在所有的网格点增加学习值的更新量。另外，在内燃机转速Ne偏离目标转速且怠速运转控制的精度较低的情况下，能够抑制学习。因而，能够提高ISC映射210整体的学习精度。

实施方式20.

接下来，参照图35及图36说明本发明的实施方式20。本实施方式的特征在于，将在上述实施方式1中说明的加权学习控制应用于EGR的学习控制。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式20的特征

图35是表示根据本发明的实施方式20的EGR的学习控制的控制框图。如该图所示，本实施方式的系统具备EGR控制部220、失火界限EGR映射222、Max选择部224和学习控制部226。EGR控制部220执行公知的EGR控制，将利用该EGR控制算得的要求EGR量E1输出。另外，在本实施方式中，“EGR量”是指与流入到缸内的EGR气体的量相对应的任意的控制参数，详细而言，可以是EGR阀42的开度、在EGR通路40内流动的EGR气体量、及EGR气体量与吸入空气量的比率即EGR率中任一个参数。

失火界限EGR映射222是基于多个参照参数算出失火界限EGR量E2的多维的学习映射，在失火界限EGR映射222的各网格点分别存储有作为控制参数的失火界限EGR量E2的学习值Z_ij(k)。失火界限EGR量被定义为不会因EGR控制而发生失火地能实现的最大的EGR量。另外，作为上述参照参数，例如可以举出内燃机转速Ne、内燃机负荷KL、水温和气门正时的控制量等。Max选择部224选择由EGR控制算出的要求EGR量E1和利用失火界限EGR映射222算出的失火界限EGR量E2中较大一方的EGR量，将选出的EGR量输出。EGR控制基于该EGR量的输出值执行。

另一方面，学习控制部226利用图36所示的处理执行失火界限EGR量E2的加权学习控制。图36是在本发明的实施方式20中利用ECU执行的控制的流程图。在该图所示的程序中，首先在步骤800中判定当下的点火正时是否为失火界限。该判定处理是与上述实施方式17(图32)相同的处理。

在步骤800的判定成立了的情况下，转移到步骤802，将当下的EGR量作为参数取得值z_k而执行失火界限EGR量E2的加权学习控制，将存储在失火界限EGR映射222的各网格点的学习值Z_ij(k)更新。采用这样构成的本实施方式，能在EGR的学习控制中获得在上述实施方式1中说明的效果，高效地学习失火界限EGR量。并且，通过选择EGR量E1、E2中较大的一方，能够避免失火，且能依据要求最大限度地确保EGR量，提高EGR控制的控制性。另外，加权学习控制只在到达了失火界限的情况下执行，但由于能够利用1次的学习动作在失火界限EGR映射222的所有网格点高效地学习失火界限EGR量，所以即使学习机会比较少，也能充分地进行学习。

另外，在上述实施方式20中，图36中的步骤800表示失火界限判定机构的具体例，步骤802表示失火界限EGR学习机构的具体例，Max选择部224表示选择机构的具体例。另外，在实施方式20中，并非经常在失火界限附近进行运转，所以为了避免在失火界限附近以外的区域进行误学习，也可以采用在上述实施方式17中说明的失火区域映射，使失火界限区域的边界明确。

实施方式21.

接下来，参照图37说明本发明的实施方式21。本实施方式的特征在于，将在上述实施方式1中说明的加权学习控制应用于空燃比传感器的输出修正控制。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式21的特征

在本实施方式中，空燃比传感器的输出修正控制基于氧浓度传感器56的输出修正空燃比传感器54的输出值As，将理论气氛下的输出值As控制为与规定的基准输出值一致。图37是表示本发明的实施方式21中空燃比传感器的输出修正控制的控制框图。本实施方式的系统具备修正映射230、学习基准算出部232及学习控制部234。

修正映射230是基于至少包括内燃机转速Ne和内燃机负荷KL的多个参照参数算出输出修正用的修正系数γ的多维的学习映射，在修正映射230的各网格点分别存储有作为控制参数的修正系数γ的学习值Z_ij(k)。在发动机的运转过程中，基于上述各参照参数利用修正映射230算出修正系数γ。由此，如下述算式36的式子所示，基于修正系数γ修正空燃比传感器的输出值As，使输出值As成为修正后的空燃比输出值(排气空燃比的最终输出值)As＇而输出。

算式36

As＇＝As×γ

学习基准算出部232如下述算式37的式子所示，基于基准输出值Aref算出修正系数的学习基准值γ＇，将该算出值输出到学习控制部234。这里，基准输出值Aref定义为氧浓度传感器56的输出成为了与理论空燃比相对应的输出值时的空燃比传感器的输出值As。

算式37

γ＇＝理论空燃比/基准输出值Aref

详细而言，氧浓度传感器56的输出具有在浓侧为1，在稀侧为0的特性，但在理论空燃比(理论)的近旁成为0～1间的中间值(例如0.5)。在以下的说明中，将能获得该中间值的范围(0～1)记为理论带。当氧浓度传感器56的输出值含在上述理论带中时，学习基准算出部232视为是真实的空燃比与理论空燃比相等的状态，取得此时的空燃比传感器的输出值As来作为基准输出值Aref。并且，利用上述算式37的式子算出修正系数的学习基准值γ＇。

另一方面，学习控制部234将修正系数的学习基准值γ＇作为参数取得值z_k而执行修正系数γ的加权学习控制，将存储在修正映射230的各网格点的学习值Z_ij(k)更新。另外，空燃比传感器54及氧浓度传感器56的输出的响应延迟较大，所以优选只在发动机的稳态运转时执行上述学习控制，在瞬态运转时禁止执行上述学习控制。

采用这样构成的本实施方式，能在空燃比传感器的输出修正控制中获得在上述实施方式1中说明的效果，提高排气空燃比的检测精度。另外，在本实施方式中，在理论空燃比中，利用氧浓度传感器56的输出值包含在理论带中的这一事项，能够获得理论气氛下的基准输出值Aref。由此，能够容易地获得修正的基准。另外，加权学习控制只在利用氧浓度传感器56检测到理论气氛的情况下执行，但由于能利用1次的学习动作在修正映射230的所有网格点高效地学习修正系数γ，所以即使学习机会比较少，也能充分地进行学习。另外，在上述实施方式21中，学习基准算出部232表示学习基准算出机构的具体例，学习控制部234表示权值设定机构及加权学习机构的具体例。

另外，在上述实施方式21中也可以形成为如下结构：在执行加权学习控制时，氧浓度传感器的输出值越偏离理论带的中央值(0.5)，判断为理论状态是否实现的可靠性越低，减小权值w_kij。通过使例如氧浓度传感器的输出值与0.5的差分越大而越减少的系数与权值w_kij相乘来实现该结构。采用该结构，能够在氧浓度传感器的输出值越接近理论带的中央值且理论状态的可靠性较高时，就越在所有的网格点增加学习值的更新量。另外，能够在氧浓度传感器的输出值偏离上述中央值且理论状态的可靠性较低的情况下，抑制学习。因而，能够提高修正映射230整体的学习精度。

实施方式22.

接下来，参照图38说明本发明的实施方式22。本实施方式的特征在于，将在上述实施方式1中说明的加权学习控制应用于启动时喷射量的学习控制。另外，在本实施方式中，对于与实施方式1相同的构成要素，标注与实施方式1相同的附图标记而省略说明。

实施方式22的特征

图38是表示根据本发明的实施方式22的启动时喷射量TAUST的学习控制的控制框图。本实施方式的系统具备启动时喷射量映射240、学习基准算出部242及学习控制部244。启动时喷射量映射240是基于至少包括水温、外部空气温度及吸收静置(日文：ソーク)时间(从发动机停止时到下一次启动时的时间)的多个参照参数，算出启动时的燃料喷射量TAUST的多维的学习映射，在启动时喷射量映射240的各网格点分别存储有作为控制参数的启动时喷射量TAUST的学习值Z_ij(k)。在发动机启动时，利用启动时喷射量映射240基于上述各参照参数算出启动时喷射量TAUST，从燃料喷射阀26中喷射与该算出值相对应的量的燃料。

学习基准算出部242基于由启动时喷射量映射240算出的启动时喷射量TAUST、目标燃烧燃料量和CPS检测燃料量算出启动时喷射量的学习基准值TAUST＇。这里，目标燃烧燃料量例如通过启动时的燃料喷射控制来设定，CPS检测燃料量基于缸内压力传感器50的输出等算出。另外，CPS检测燃料量相当于用在上述实施方式12(算式24的式子)中的缸内燃料质量。学习基准算出部242基于目标燃烧燃料量与CPS检测燃料量的差分修正启动时喷射量TAUST，取得学习基准值TAUST＇。

另一方面，学习控制部244将启动时喷射量的学习基准值TAUST＇作为参数取得值z_k而执行启动时喷射量TAUST的加权学习控制，将存储在启动时喷射量映射240的各网格点的学习值Z_ij(k)更新。采用这样构成的本实施方式，能在启动时喷射量的学习控制中获得在上述实施方式1中说明的效果。因而，即使是较少的学习次数，也能高效地学习启动时喷射量TAUST，提高发动机的启动性。另外，在上述实施方式22中，学习基准算出部242表示学习基准算出机构的具体例，学习控制部244表示权值设定机构及加权学习机构的具体例。

在上述实施方式1至实施方式22中，例示了利用搭载在1个车辆中的ECU60执行加权学习控制，保有各种的学习值的情况。但是，本发明不限定于此，也可以形成为在多个车辆的ECU间通过数据通信等共有学习值的结构。由此，通过与其他车共有学习值，能够增加学习机会少的运转状态(冷态时等)的取得数据数量，提高学习的效率、精度。另外，通过将自车的学习值与其他车的学习值的平均值进行比较，能够检测到误学习。另外，例如利用车载的网络来取得其他车的学习值，或者在入库时取得积累在服务工厂的其他车的学习值即可。

另外，在上述实施方式1至实施方式22中，分别单独地说明了各结构，但本发明不限定于此，也可以将实施方式1至实施方式22中能组合的任意2个以上的结构组合而构成1个系统。举出具体例的话，可以在实施方式7至实施方式22中说明的加权控制中应用高斯函数、一次函数及三角函数中的任一种来作为权值机构。另外，也可以在实施方式7至实施方式22中的任一个实施方式中，在设于学习映射的多个区域的每个区域切换权值的减少特性，或者将更新学习值的范围限定在有效范围内。

工业实用性

附图标记说明

10、发动机(内燃机)；14、燃烧室；16、曲轴；18、进气通路；20、节气门；22、排气通路；24、催化剂；26、燃料喷射阀；28、火花塞；30、进气门；32、排气门；34、36、可变气门机构；40、EGR通路；42、EGR阀；44、曲轴转角传感器；46、空气流量传感器；48、水温传感器；50、缸内压力传感器；52、进气温度传感器；54、空燃比传感器；56、氧浓度传感器；60、ECU；100、110、120、130、MBT映射(学习映射)；102、燃烧重心算出部(燃烧重心算出机构)；104、燃烧重心目标设定部；106、154、FB增益算出部(点火正时修正机构)；108、112、122、132、144、144＇、156、164、174、184、196、204、214、226、234、244、学习控制部(权值设定机构及加权学习机构)；124、134、TK映射(学习映射)；126、136、Min选择部(选择机构)；138、TK区域映射(学习映射)；140、空燃比算出部(缸内空燃比算出机构)；142、142＇、160、230、修正映射(学习映射)；150、150＇、喷射特性映射(学习映射)；152、实际喷射量算出部(实际喷射量算出机构)；162、172、182、202、232、242、学习基准算出部(学习基准算出机构)；170、QMW映射(学习映射)；180、VT映射(学习映射)；192、失火界限映射(学习映射)；194、224、Max选择部(选择机构)；200、燃料增量映射(学习映射)；210、ISC映射(学习映射)；222、失火界限EGR映射(学习映射)；240、启动时喷射量映射(学习映射)。

Claims

1.一种内燃机的控制装置，其特征在于，

该内燃机的控制装置具有学习映射、权值设定机构和加权学习机构，

所述学习映射具有多个网格点，将用在内燃机的控制中的控制参数的学习值分别能更新地存储在所述各网格点，

所述权值设定机构是在取得了所述控制参数时分别设定所述学习映射的各网格点的权值的机构，所述学习映射上的从所述控制参数的取得值的位置即基准位置到网格点的距离越大，越减少该网格点的权值，

2.根据权利要求1所述的内燃机的控制装置，其特征在于，

所述学习映射具有彼此不同的多个区域，

所述权值设定机构在所述多个区域的每个区域对所述权值的减少特性进行切换，所述权值的减少特性是所述权值依据距所述基准位置的距离而减少的特性。

3.根据权利要求1或2所述的内燃机的控制装置，其特征在于，

在距所述基准位置的距离比规定的有效范围大的网格点，禁止所述学习值的更新。

4.根据权利要求1～3中任意一项所述的内燃机的控制装置，其特征在于，

所述权值设定机构是所述权值依据距所述基准位置的距离以正态分布曲线状减少的高斯函数。

5.根据权利要求1～3中任意一项所述的内燃机的控制装置，其特征在于，

所述权值设定机构是所述权值依据距所述基准位置的距离成比例减少的一次函数。

6.根据权利要求1～3中任意一项所述的内燃机的控制装置，其特征在于，

所述权值设定机构是所述权值依据距所述基准位置的距离以正弦波状减少的三角函数。

7.根据权利要求1～6中任意一项所述的内燃机的控制装置，其特征在于，

该内燃机的控制装置具有可靠性映射、可靠性映射权值设定机构和可靠性映射学习机构，

所述可靠性映射具有与所述学习映射同样地构成的多个网格点，将表示所述学习值的可靠性的指标即可靠性评价值分别能更新地存储在所述各网格点，

所述可靠性映射权值设定机构是从所述基准位置到网格点的距离越大就越使所述可靠性映射的各网格点的权值即可靠性权值减少的机构，将该可靠性权值的减少特性设定为比所述学习映射的权值的减少特性陡，

每当取得所述控制参数时，所述可靠性映射学习机构将具有与该取得值的可靠性相对应的值的可靠性取得值设定在所述基准位置，且在所述可靠性映射的所有网格点将各网格点的可靠性评价值更新，以使所述可靠性权值越大就越在所述可靠性评价值大幅地反映所述可靠性取得值。

8.一种内燃机的控制装置，其特征在于，

该内燃机的控制装置具有MBT映射、燃烧重心算出机构、点火正时修正机构、权值设定机构和加权学习机构，

所述MBT映射是具有多个网格点的学习映射，将内燃机的扭矩成为最大的点火正时即MBT的学习值分别能更新地存储在所述各网格点，

所述燃烧重心算出机构根据缸内压力算出燃烧重心，

所述点火正时修正机构对利用所述MBT映射算出的点火正时进行修正，以使所述燃烧重心与规定的燃烧重心目标值一致，

所述权值设定机构是依据由所述点火正时修正机构修正后的点火正时分别设定所述MBT映射的各网格点的权值的机构，所述MBT映射上的从所述修正后的点火正时的位置即基准位置到网格点的距离越大，越使该网格点的权值减少，

9.根据权利要求8所述的内燃机的控制装置，其特征在于，

与稳态运转时相比较，抑制内燃机的瞬态运转时的所述学习值的更新量。

10.根据权利要求8或9所述的内燃机的控制装置，其特征在于，

该内燃机的控制装置具有MBT推测机构和MBT常学习机构，

所述MBT推测机构根据所述燃烧重心与所述燃烧重心目标值的差分以及所述修正后的点火正时推测MBT，

所述MBT常学习机构是替代所述加权学习机构而被使用的机构，即使在所述燃烧重心偏离了所述燃烧重心目标值的情况下，也利用所述加权学习控制将所述MBT的学习值更新，且所述燃烧重心与所述燃烧重心目标值的差分越大就越使所述MBT的推测值对所述学习值的反映度下降。

11.根据权利要求8～10中任意一项所述的内燃机的控制装置，其特征在于，

该内燃机的控制装置具有TK映射、TK点火正时学习机构和选择机构，

所述TK映射是具有与所述MBT映射同样地构成的多个网格点的学习映射，将轻微爆震区域内的点火正时即TK点火正时的学习值分别能更新地存储在所述各网格点，

所述TK点火正时学习机构取得在实现MBT之前发生了轻微爆震时的点火正时，根据该取得值利用所述加权学习控制将所述TK点火正时的学习值更新，

所述选择机构选择由所述MBT映射算出的学习值和由所述TK映射算出的学习值中的更滞后侧的点火正时。

12.根据权利要求8～11中任意一项所述的内燃机的控制装置，其特征在于，

该内燃机的控制装置具有TK区域映射和TK区域学习机构，

所述TK区域映射是具有与所述TK映射同样地构成的多个网格点的学习映射，将表示所述TK映射的各网格点是否属于所述轻微爆震区域的学习值分别能更新地存储在所述各网格点，

所述TK区域学习机构在取得了所述TK点火正时时利用所述加权学习控制将所述TK区域映射的学习值更新。

13.根据权利要求8～12中任意一项所述的内燃机的控制装置，其特征在于，

该内燃机的控制装置具有可靠性映射和可靠性映射学习机构，

所述可靠性映射是具有与所述MBT映射同样地构成的多个网格点的学习映射，将反映MBT的学习履历的可靠性评价值分别能更新地存储在所述各网格点，

所述可靠性映射学习机构在更新所述MBT映射时根据所述基准位置利用所述加权学习控制将所述可靠性评价值更新。

14.根据权利要求1～7中任意一项所述的内燃机的控制装置，其特征在于，

所述学习映射是将根据空燃比传感器的输出对所述缸内空燃比进行修正的修正系数的学习值分别存储在所述各网格点的修正映射，

所述内燃机的控制装置具有至少根据缸内压力传感器的输出算出缸内空燃比的缸内空燃比算出机构，

所述权值设定机构将根据利用所述修正系数修正了的修正后的缸内压力空燃比和所述空燃比传感器的输出算出的所述修正系数的算出值作为所述控制参数的取得值，设定所述修正映射的各网格点处的权值，

所述加权学习机构根据所述修正系数的算出值和所述各网格点的权值，更新所述各网格点处的所述修正系数的学习值。

15.根据权利要求1～7中任意一项所述的内燃机的控制装置，其特征在于，

所述学习映射是将燃料喷射阀的目标喷射量与通电时间的关系作为所述通电时间的学习值分别存储在所述各网格点的喷射特性映射，

所述内燃机的控制装置具有至少根据缸内压力传感器的输出算出实际喷射量的实际喷射量算出机构，

所述权值设定机构将根据所述目标喷射量和所述实际喷射量修正了的修正后的通电时间作为所述控制参数的取得值，设定所述喷射特性映射的各网格点处的权值，

所述加权学习机构根据所述修正后的通电时间和所述各网格点的权值，更新所述各网格点处的所述通电时间的学习值。

16.根据权利要求1～7中任意一项所述的内燃机的控制装置，其特征在于，

所述学习映射是将对空气流量传感器的输出进行修正的修正系数的学习值分别存储在所述各网格点的修正映射，

所述内燃机的控制装置具有根据空燃比传感器的输出和燃料喷射量算出所述修正系数的学习基准值的学习基准算出机构，

将所述修正系数的学习基准值作为所述控制参数的取得值，执行所述加权学习控制，从而更新所述修正系数的学习值。

17.根据权利要求1～7中任意一项所述的内燃机的控制装置，其特征在于，

所述学习映射是将附着在进气通路的壁面上的燃料的量即壁面燃料附着量的学习值分别存储在所述各网格点的QMW映射，

所述内燃机的控制装置具有至少根据空燃比传感器的输出算出所述壁面燃料附着量的学习基准值的学习基准算出机构，

将所述壁面燃料附着量的学习基准值作为所述控制参数的取得值，执行所述加权学习控制，从而更新所述壁面燃料附着量的学习值。

18.根据权利要求1～7中任意一项所述的内燃机的控制装置，其特征在于，

所述学习映射是将使内燃机的燃料消耗为最佳的气门正时的学习值分别存储在所述各网格点的VT映射，

所述内燃机的控制装置具有至少根据缸内压力传感器的输出算出所述气门正时的学习基准值的学习基准算出机构，

将所述气门正时的学习基准值作为所述控制参数的取得值，执行所述加权学习控制，从而更新所述气门正时的学习值。

19.根据权利要求1～7中任意一项所述的内燃机的控制装置，其特征在于，

所述学习映射是将能够利用点火正时滞后控制不发生失火地实现的最滞后侧的点火正时即失火界限点火正时的学习值分别存储在所述各网格点的失火界限映射，

所述内燃机的控制装置具有失火界限判定机构、失火界限学习机构和选择机构，

所述失火界限判定机构判定当下的点火正时是否为失火界限，

所述失火界限学习机构取得已判定为所述失火界限时的点火正时，根据该取得值，利用所述加权学习控制将所述失火界限点火正时的学习值更新，

所述选择机构选择由点火正时滞后控制滞后了的目标点火正时和由所述失火界限映射算出的学习值中的更提前侧的点火正时。

20.根据权利要求1～7中任意一项所述的内燃机的控制装置，其特征在于，

所述学习映射是将使燃料喷射量增量的燃料增量值的学习值分别存储在所述各网格点的燃料增量映射，

利用所述加权学习控制将所述燃料增量值的学习值更新。

21.根据权利要求1～7中任意一项所述的内燃机的控制装置，其特征在于，

所述学习映射是将利用怠速运转控制修正了的进气通路的开度的学习值分别存储在所述各网格点的ISC映射，

利用所述加权学习控制将所述进气通路的开度的学习值更新。

22.根据权利要求1～7中任意一项所述的内燃机的控制装置，其特征在于，

所述学习映射是将能利用EGR控制不发生失火地实现的最大的EGR量即失火界限EGR量的学习值分别存储在所述各网格点的失火界限EGR映射，

所述内燃机的控制装置具有失火界限判定机构、失火界限EGR学习机构和选择机构，

所述失火界限EGR学习机构取得已判定为所述失火界限时的EGR量，根据该取得值，利用所述加权学习控制将所述失火界限EGR量的学习值更新，

所述选择机构选择出由EGR控制算出的要求EGR量和由所述失火界限EGR映射算出的学习值中的较大一方的EGR量。

23.根据权利要求1～7中任意一项所述的内燃机的控制装置，其特征在于，

所述学习映射是分别存储有对空燃比传感器的输出进行修正的修正系数的学习值的修正映射，

所述内燃机的控制装置具有学习基准算出机构，所述学习基准算出机构取得氧浓度传感器的输出成为与理论空燃比相对应的输出值时的所述空燃比传感器的输出值而作为基准输出值，根据该基准输出值算出所述修正系数的学习基准值，

24.根据权利要求1～7中任意一项所述的内燃机的控制装置，其特征在于，

所述学习映射是分别存储有在内燃机启动时喷射的燃料的启动时喷射量的学习值的启动时喷射量映射，

所述内燃机的控制装置具有至少根据缸内压力传感器的输出算出所述启动时喷射量的学习基准值的学习基准算出机构，

将所述启动时喷射量的学习基准值作为所述控制参数的取得值，执行所述加权学习控制，从而更新所述启动时喷射量的学习值。