CN111577427B - 催化剂劣化检测装置及系统、二手车状态信息提供方法 - Google Patents
催化剂劣化检测装置及系统、二手车状态信息提供方法 Download PDFInfo
- Publication number
- CN111577427B CN111577427B CN202010092861.2A CN202010092861A CN111577427B CN 111577427 B CN111577427 B CN 111577427B CN 202010092861 A CN202010092861 A CN 202010092861A CN 111577427 B CN111577427 B CN 111577427B
- Authority
- CN
- China
- Prior art keywords
- catalyst
- variable
- data
- map
- amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 239000003054 catalyst Substances 0.000 title claims abstract description 351
- 238000000034 method Methods 0.000 title claims abstract description 239
- 230000015556 catabolic process Effects 0.000 title claims abstract description 143
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 143
- 238000001514 detection method Methods 0.000 title claims abstract description 101
- 230000008569 process Effects 0.000 claims abstract description 209
- 238000012545 processing Methods 0.000 claims abstract description 172
- 238000002485 combustion reaction Methods 0.000 claims abstract description 74
- 238000004364 calculation method Methods 0.000 claims abstract description 52
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 238000010801 machine learning Methods 0.000 claims abstract description 8
- 238000007405 data analysis Methods 0.000 claims abstract description 4
- 239000000446 fuel Substances 0.000 claims description 146
- 238000011144 upstream manufacturing Methods 0.000 claims description 107
- 230000006866 deterioration Effects 0.000 claims description 75
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 73
- 229910052760 oxygen Inorganic materials 0.000 claims description 73
- 239000001301 oxygen Substances 0.000 claims description 73
- 239000012530 fluid Substances 0.000 claims description 71
- 230000005540 biological transmission Effects 0.000 claims description 8
- 239000007789 gas Substances 0.000 claims description 8
- 230000010485 coping Effects 0.000 claims description 7
- 238000002347 injection Methods 0.000 description 58
- 239000007924 injection Substances 0.000 description 58
- 238000005070 sampling Methods 0.000 description 26
- 239000000203 mixture Substances 0.000 description 22
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 18
- 238000013528 artificial neural network Methods 0.000 description 18
- 238000012937 correction Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 12
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 10
- 231100000572 poisoning Toxicity 0.000 description 10
- 230000000607 poisoning effect Effects 0.000 description 10
- 229910052717 sulfur Inorganic materials 0.000 description 10
- 239000011593 sulfur Substances 0.000 description 10
- 230000004913 activation Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 238000000746 purification Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000012856 packing Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 239000010970 precious metal Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
- F01N11/007—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity the diagnostic devices measuring oxygen or air concentration downstream of the exhaust apparatus
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N3/00—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust
- F01N3/08—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous
- F01N3/10—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous by thermal or catalytic conversion of noxious components of exhaust
- F01N3/18—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous by thermal or catalytic conversion of noxious components of exhaust characterised by methods of operation; Control
- F01N3/20—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous by thermal or catalytic conversion of noxious components of exhaust characterised by methods of operation; Control specially adapted for catalytic conversion ; Methods of operation or control of catalytic converters
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
- F01N11/002—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity the diagnostic devices measuring or estimating temperature or pressure in, or downstream of the exhaust apparatus
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N13/00—Exhaust or silencing apparatus characterised by constructional features ; Exhaust or silencing apparatus, or parts thereof, having pertinent characteristics not provided for in, or of interest apart from, groups F01N1/00 - F01N5/00, F01N9/00, F01N11/00
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N9/00—Electrical control of exhaust gas treating apparatus
- F01N9/007—Storing data relevant to operation of exhaust systems for later retrieval and analysis, e.g. to research exhaust system malfunctions
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N2550/00—Monitoring or diagnosing the deterioration of exhaust systems
- F01N2550/02—Catalytic activity of catalytic converters
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N2560/00—Exhaust systems with means for detecting or measuring exhaust gas components or characteristics
- F01N2560/02—Exhaust systems with means for detecting or measuring exhaust gas components or characteristics the means being an exhaust gas sensor
- F01N2560/025—Exhaust systems with means for detecting or measuring exhaust gas components or characteristics the means being an exhaust gas sensor for measuring or detecting O2, e.g. lambda sensors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
- F01N2900/04—Methods of control or diagnosing
- F01N2900/0402—Methods of control or diagnosing using adaptive learning
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
- F01N2900/04—Methods of control or diagnosing
- F01N2900/0406—Methods of control or diagnosing using a model with a division of the catalyst or filter in several cells
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
- F01N2900/04—Methods of control or diagnosing
- F01N2900/0418—Methods of control or diagnosing using integration or an accumulated value within an elapsed period
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
- F01N2900/06—Parameters used for exhaust control or diagnosing
- F01N2900/0601—Parameters used for exhaust control or diagnosing being estimated
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
- F01N2900/06—Parameters used for exhaust control or diagnosing
- F01N2900/14—Parameters used for exhaust control or diagnosing said parameters being related to the exhaust gas
- F01N2900/1402—Exhaust gas composition
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
- F01N2900/06—Parameters used for exhaust control or diagnosing
- F01N2900/16—Parameters used for exhaust control or diagnosing said parameters being related to the exhaust apparatus, e.g. particulate filter or catalyst
- F01N2900/1602—Temperature of exhaust gas apparatus
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
- F01N2900/06—Parameters used for exhaust control or diagnosing
- F01N2900/16—Parameters used for exhaust control or diagnosing said parameters being related to the exhaust apparatus, e.g. particulate filter or catalyst
- F01N2900/1624—Catalyst oxygen storage capacity
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Exhaust Gas After Treatment (AREA)
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
提供一种催化剂劣化检测装置、催化剂劣化检测系统、数据解析装置、内燃机的控制装置以及二手车状态信息提供方法。催化剂劣化检测装置检测设置在内燃机的排气通路的催化剂的劣化。催化剂劣化检测装置具备存储装置和处理电路。存储装置存储映射数据,该映射数据是对将过剩量变量的第1预定期间的时间序列数据以及下游侧检测变量的第2预定期间的时间序列数据用作输入、并输出劣化程度变量的映射进行规定的数据。处理电路执行取得数据的取得处理、和基于将通过该取得处理取得的数据用作输入的映射的输出来算出催化剂的劣化程度变量的劣化程度变量算出处理。映射数据包括通过机器学习进行了学习的数据。
Description
技术领域
本公开涉及设置在内燃机的排气通路的催化剂的催化剂劣化检测装置、催化剂劣化检测系统、数据解析装置、内燃机的控制装置以及二手车状态信息提供方法。
背景技术
例如日本特开2012-117406号公报记载了如下装置:通过有意图地将应该在燃烧室中燃烧的混合气的空燃比控制为稀,使催化剂的氧吸藏量为最大值。该装置在使催化剂的氧吸藏量为最大值之后,有意图地将混合气的空燃比控制为浓。取得有意图地将混合气的空燃比控制为了浓时的催化剂下游的空燃比传感器的检测值。上述装置通过基于该取得的空燃比传感器的检测值对催化剂的氧吸藏量成为零这一情况进行检测,从而算出催化剂的氧吸藏量的最大值。在此,氧吸藏量的最大值会因催化剂的历时劣化而变小,因此,该最大值表示催化剂的劣化程度。
在上述装置的情况下,为了检测催化剂的劣化程度,使混合气的空燃比从对于排气的净化控制来说适当的值错开。由此,混合气的空燃比从适当的值错开的时间可能会变长,混合气的空燃比从适当的值的偏差量可能会变大。由此,存在如下可能性:流入到催化剂的流体的成分量相对于对催化剂的净化来说适当的成分量的偏差会累积,偏差的累积量会变大。
发明内容
以下,对本公开的多个技术方案及其作用效果进行记载。
技术方案1.提供一种催化剂劣化检测装置,其构成为对设置在内燃机的排气通路的催化剂的劣化进行检测。该催化剂劣化检测装置具备存储装置和处理电路(processingcircuitry),所述存储装置存储映射(日语:写像)数据,所述映射数据是对将过剩量变量的第1预定期间的时间序列数据以及下游侧检测变量的第2预定期间的时间序列数据用作输入、并输出劣化程度变量的映射进行规定的数据,与流入到所述催化剂的流体所包含的氧没有过与不足地进行反应的燃料的量是理想燃料量(ideal fuel amount),所述过剩量变量是与流入到所述催化剂的实际的燃料的量相对于所述理想燃料量的过剩量相应的变量,所述下游侧检测变量是与所述催化剂的下游侧的空燃比传感器的检测值相应的变量,所述劣化程度变量是与所述催化剂的劣化程度有关的变量,所述处理电路构成为执行:取得处理,取得所述第1预定期间的所述过剩量变量的时间序列数据以及所述第2预定期间的所述下游侧检测变量的时间序列数据;劣化程度变量算出处理,基于将通过该取得处理取得的数据用作输入的所述映射的输出,算出所述催化剂的劣化程度变量;以及应对处理,用于基于所述劣化程度变量算出处理的算出结果,在所述催化剂的劣化程度为预定程度以上的情况下,通过对预定的硬件进行操作,从而对所述催化剂的劣化程度为预定程度以上这一情况进行应对,所述映射数据包括通过机器学习进行了学习的数据。
在上述构成中,通过将过剩量变量的时间序列数据和下游侧检测变量的时间序列数据用作输入的映射来算出劣化程度变量。在此,过剩量变量是实际的燃料量相对于与氧没有过与不足地进行反应的燃料的量的过剩量,在实际的燃料量不足的情况下成为负的值。从过剩量变量的时间序列数据获得流入到催化剂的氧和/或燃料的信息,从下游侧检测变量的时间序列数据获得流出到催化剂的下游的氧和/或未燃燃料的信息,因此,能够得到催化剂的氧吸藏量的最大值的信息,进而能够得到催化剂的劣化程度的信息。而且,通过利用上述时间序列数据,不需要必须使混合气的空燃比与对排气的净化控制来说适当的值错开。另外,即使为混合气的空燃比与适当的值错开,也能够缩短混合气的空燃比偏离适当值的时间,减小混合气的空燃比与适当值的偏差量。因此,能够减小流入到催化剂的流体的成分量相对于对催化剂的净化来说适当的成分量的偏差的累积量。并且,在上述构成中,映射数据是通过机器学习进行了学习的数据。由此,与由人工进行适应相比,能够减少过剩量变量以及下游侧检测变量的各自的时间序列数据与劣化程度变量的关联所需要的工时。
技术方案2.根据上述技术方案1所述的催化剂劣化检测装置,所述第2预定期间的时间序列数据包括所述下游侧检测变量的互不相同的三个以上的定时的值。
技术方案3.根据上述技术方案1或2所述的催化剂劣化检测装置,在所述映射的输入包括所述催化剂的温度,所述取得处理包括取得所述催化剂的温度的处理,所述劣化程度变量算出处理包括基于将所述催化剂的温度用作输入的所述映射的输出来算出所述催化剂的劣化程度变量的处理。
催化剂的氧吸藏量的最大值根据催化剂的温度而变化。因此,在上述构成中,通过将催化剂的温度包含于映射的输入,能够在识别催化剂的氧吸藏量是因劣化而减少、还是因温度而减少的同时高精度地算出劣化程度变量。
技术方案4.根据上述技术方案1~3中任一项所述的催化剂劣化检测装置,所述过剩量变量包括与所述催化剂的上游侧的空燃比传感器的检测值相应的变量。
在上述构成中,过剩量变量包括与上游侧的空燃比传感器的检测值有关的变量。由此,与仅将在燃烧室中供于燃烧的燃料和空气各自的量用作过剩量变量的情况相比,能够缩短过剩量变量的影响波及到下游侧的空燃比传感器的检测值的时间。换言之,在上述技术方案中,能够缩短从取得过剩量变量的值的时间点到与所取得的过剩量变量的值对应的影响出现在下游侧的空燃比传感器的检测值的时间点为止的时间。因此,与仅将在燃烧室中供于燃烧的燃料和空气各自的量用作过剩量变量的情况相比,容易减小时间序列数据的数量。
技术方案5.根据上述技术方案1~4中任一项所述的催化剂劣化检测装置,所述映射数据是多种映射数据中的一种,所述存储装置具备所述多种映射数据,所述劣化程度变量算出处理包括从所述多种映射数据中选择为了算出所述催化剂的劣化程度变量而利用的所述映射数据的选择处理。
在所有的状况下,在构成能够高精度地输出劣化程度变量的单一的映射的情况下,映射的构造容易复杂化。于是,在上述构成中,设置多种映射数据。由此,能够根据状况选择适当的映射。设置了多种映射数据的情况下的多种映射各自的构造与仅设置单一映射的情况下的单一映射的构造相比容易简化。
技术方案6.根据上述技术方案5所述的催化剂劣化检测装置,所述多种的所述映射数据包括由流入到所述催化剂的流体的流量区分的各区域的数据,所述选择处理包括基于所述流量来选择为了算出所述催化剂的劣化程度变量而利用的所述映射数据的处理。
即使应该在燃烧室中燃烧的混合气的空燃比相同,实际的燃料量相对于与流入到催化剂的流体所包含的氧没有过与不足地进行反应的燃料的量的过剩量也可能根据流入到催化剂的流体的流量的大小而较大地变化。进而,催化剂内的氧吸藏量的每单位时间的变化可能变大。因此,在下游侧检测变量的时间序列数据容易显现流入到催化剂的流体的流量的影响。因此,在假设与流入到催化剂的流体的流量的大小无关地使用单一映射数据的情况下,可能产生对根据流体的流量而变化的下游侧检测变量的时间序列数据的行迹进行学习的必要。由此,在与流入到催化剂的流体的流量的大小无关地使用单一映射数据的情况下,映射的构造容易复杂化。与此相对,在上述构成中,通过按流入到催化剂的流体的流量的大小来使用各类别映射数据,容易简化映射的构造。
技术方案7.根据上述技术方案5所述的催化剂劣化检测装置,所述多种的所述映射数据包括由所述催化剂的温度区分的多个区域各自的数据,所述选择处理包括基于所述催化剂的温度来选择为了算出所述催化剂的劣化程度而利用的所述映射数据的处理。
催化剂的氧吸藏量的最大值根据催化剂的温度而变化,因此,即使是催化剂的劣化程度相同的催化剂,在那些催化剂彼此的温度不同的情况下,下游侧检测变量的时间序列数据的行迹也不同。换言之,在第1催化剂的劣化程度与第2催化剂的劣化程度相同、且第1催化剂的温度与第2催化剂的温度不同的情况下,与第1催化剂对应的下游侧检测变量的时间序列数据的行迹和与第2催化剂对应的下游侧检测变量的时间序列数据的行迹不同。因此,要使之识别与温度相应的下游侧检测变量的时间序列数据的行迹的不同时,映射的构造容易复杂化。与此相对,在上述构成中,通过按催化剂的各温度而使用各类别映射数据,容易简化映射的构造。
技术方案8.根据上述技术方案5所述的催化剂劣化检测装置,所述多种的所述映射数据包括与是否为燃料切断处理的执行期间相应的各类别的数据,所述选择处理包括根据是否为所述燃料切断处理的执行期间来选择所述映射数据的处理。
在燃料切断处理的执行期间中,会向催化剂流入大量的氧。因此,根据是否为燃料切断处理的执行期间,下游侧检测变量的时间序列数据的行迹会较大地不同。并且,在与那些不同无关地通过单一映射数据算出劣化程度变量的情况下,映射的构造容易复杂化。与此相对,在上述构成中,通过根据是否为燃料切断处理的执行期间来使用各类别映射数据,容易简化映射的构造。
技术方案9.根据上述技术方案1~5中任一项所述的催化剂劣化检测装置,所述取得处理是在预定条件成立的情况下取得被用作所述映射的输入的变量的处理,所述预定条件包括内容为流入到所述催化剂的流体的流量处于预定范围内的条件。
即使应该在燃烧室中燃烧的混合气的空燃比相同,实际的燃料量相对于与流入到催化剂的流体所包含的氧没有过与不足地进行反应的燃料量的过剩量也会根据流入到催化剂的流体的流量的大小而较大地变化。进而,根据流入到催化剂的流体的流量的大小,催化剂内的氧吸藏量的每单位时间的变化会变大。因此,容易在下游侧检测变量的时间序列数据显现流入到催化剂的流体的流量的影响。因此,在假设与流入到催化剂的流体的流量的大小无关地用单一映射数据进行应对的情况下,需要对根据流体的流量而变化的下游侧检测变量的时间序列数据的行迹进行学习,因此,映射的构造容易复杂化。与此相对,在上述构成中,通过使用流入到催化剂的流体的流量处于预定范围内时的采样值,能够设为在流量处于预定范围内的情况下进行了特殊化的映射,进而,容易简化映射的构造。换言之,通过基于在流入到催化剂的流体的流量处于预定范围内时所取得的采样值来算出催化剂的劣化程度变量,同与流入到催化剂的流体的流量无关地算出催化剂的劣化程度变量的构成相比,容易简化映射的构造。
技术方案10.根据上述技术方案1~5中任一项所述的催化剂劣化检测装置,所述取得处理包括在预定条件成立的情况下取得被用作所述映射的输入的变量的处理,所述预定条件包括内容为所述催化剂的温度处于预定范围内的条件。
催化剂的氧吸藏量的最大值根据催化剂的温度而变化,因此,即使是催化剂的劣化程度相同的催化剂,在那些催化剂彼此的温度不同的情况下,下游侧检测变量的时间序列数据的行迹也会不同。并且,要使之识别与温度相应的下游侧检测变量的时间序列数据的行迹的不同时,映射的构造容易复杂化。与此相对,在上述构成中,通过使用催化剂的温度处于预定范围内时的采样值,容易简化映射的构造。
技术方案11.根据上述技术方案1~5中任一项所述的催化剂劣化检测装置,所述取得处理包括与预定条件成立的时间点同步地取得被用作所述映射的输入的变量的处理,所述预定条件是内容为贮藏于所述催化剂的氧量为最大值或者最小值的条件。
下游侧检测变量的时间序列数据的行迹会根据氧的吸藏量而变化。由此,与取得下游侧检测变量的时间序列数据中的最以前的下游侧检测变量时的氧吸藏量相应地,下游侧检测变量的时间序列数据的行迹会不同。因此,在与取得下游侧检测变量的时间序列数据中的最以前的下游侧检测变量时的氧吸藏量无关地用单一映射进行应对的情况下,映射的构造容易复杂化。于是,在上述构成中,与氧吸藏量变为了最大值或者最小值的时间点同步地进行采样,因此,能够确定时间序列数据是什么样的状况下的数据,进而,能够简化映射的构造。并且,通过将下游侧检测变量的时间序列数据用作输入,能够缓和或消除为了明确地确定催化剂的氧吸藏量从最大值和零中的某一方切换为另一方的时间点而待机到在催化剂的下游流出许多的氧或者未燃燃料为止的要求。
技术方案12.根据技术方案1~11中任一项所述的催化剂劣化检测装置,所述应对处理包括将流入到所述催化剂的未燃燃料量向小的一侧限制的限制处理。
在劣化程度大的情况下,当流入到催化剂的未燃燃料多时,担心会难以通过催化剂内的氧充分地氧化未燃燃料,流出到催化剂的下游的未燃燃料量会变多。于是,在上述构成中,通过在劣化程度为预定程度以上的情况下,将流入到催化剂的未燃燃料量向小的一侧限制,能够抑制流出到催化剂的下游的未燃燃料量变多的情况。
技术方案13.一种催化剂劣化检测系统,具备上述技术方案1~11中任一项中所记载的所述处理电路以及所述存储装置,所述劣化程度变量算出处理包括使用所述映射数据的至少一部分来算出与所述催化剂的氧吸藏量的最大值相应的值的氧吸藏量算出处理,所述处理电路包括第1执行装置以及第2执行装置,所述第1执行装置搭载于车辆并且构成为执行所述取得处理、向车辆的外部发送通过所述取得处理取得的数据的车辆侧发送处理、接收基于所述氧吸藏量算出处理的算出结果的信号的车辆侧接收处理以及所述应对处理,所述第2执行装置配置于所述车辆的外部并且构成为执行接收通过所述车辆侧发送处理发送来的数据的外部侧接收处理、所述氧吸藏量算出处理以及向所述车辆发送基于所述氧吸藏量算出处理的算出结果的信号的外部侧发送处理。
在上述构成中,通过在车辆的外部执行氧吸藏量算出处理,能够减轻车载装置的运算负荷。
技术方案14.一种数据解析装置,具备上述技术方案13所记载的所述第2执行装置以及所述存储装置。
技术方案15.一种内燃机的控制装置,具备上述技术方案13所记载的所述第1执行装置。
技术方案16.一种二手车状态信息提供方法,提供搭载了内燃机的二手车的状态信息,所述内燃机在排气通路设置有催化剂,所述二手车状态信息提供方法使计算机执行:上述技术方案1~11中的任一项所记载的所述取得处理以及所述劣化程度变量算出处理;存储处理,使所述劣化程度变量算出处理的算出结果与车辆ID一起存储于存储装置;以及输出处理,根据来自外部的访问,输出与所述车辆ID对应的所述催化剂的劣化程度信息。
催化剂的劣化程度在掌握购入二手车后需要花费多少修理费等方面是有益的信息。因此,在上述方法中,通过使催化剂的劣化程度的算出结果与车辆ID一起进行存储,根据来自外部的访问来输出劣化程度信息,能够提供关于二手车的状态的有益的信息。
附图说明
图1是表示第1实施方式涉及的控制装置以及车辆的驱动系统的构成的图。
图2是表示第1实施方式涉及的控制装置执行的处理的一部分的框图。
图3是表示第1实施方式涉及的劣化检测程序规定的处理的步骤的流程图。
图4是表示第1实施方式涉及的故障安全处理的步骤的流程图。
图5是表示第1实施方式涉及的生成映射数据的系统的图。
图6是表示第1实施方式涉及的映射数据的学习处理的步骤的流程图。
图7是表示第2实施方式涉及的劣化检测程序规定的处理的步骤的流程图。
图8是表示第3实施方式涉及的劣化检测程序规定的处理的步骤的流程图。
图9是表示第4实施方式涉及的劣化检测程序规定的处理的步骤的流程图。
图10是表示第5实施方式涉及的映射数据的选择处理的步骤的流程图。
图11是表示第6实施方式涉及的劣化检测程序规定的处理的步骤的流程图。
图12是表示第7实施方式涉及的劣化检测程序规定的处理的步骤的流程图。
图13是表示第8实施方式涉及的催化剂劣化检测系统以及经销商终端的构成的图。
图14是表示第8实施方式涉及的催化剂劣化检测系统执行的处理的步骤的流程图。
具体实施方式
<第1实施方式>
以下,参照附图对催化剂劣化检测装置涉及的第1实施方式进行说明。
在图1所示的搭载于车辆VC的内燃机10中,在进气通路12设有节流阀14,在节流阀14的下游设有端口喷射阀16。从进气通路12吸入的空气、从端口喷射阀16喷射的燃料通过进气阀18开阀而流入燃烧室20。在内燃机10设有向燃烧室20直接喷射燃料的缸内喷射阀22和产生火花放电的点火装置24。在燃烧室20中,空气与燃料的混合气被供于燃烧,通过燃烧产生的能量被作为曲轴26的旋转能量来取出。供于燃烧的混合气伴随着排气阀28的开阀,作为排气被排出到排气通路30。在排气通路30设有作为具有氧吸藏能力的三元催化剂的上游侧催化剂32、和作为具有氧吸藏能力的三元催化剂的下游侧催化剂34。排气通路30经由EGR通路36与进气通路12连通。在EGR通路36设有调整其流路截面积的EGR阀38。
曲轴26的旋转动力经由进气侧阀正时可变装置40被传递至进气侧凸轮轴42,另一方面,经由排气侧阀正时可变装置44被传递到排气侧凸轮轴46。进气侧阀正时可变装置40对进气侧凸轮轴42与曲轴26的相对的旋转相位差进行变更。排气侧阀正时可变装置44对排气侧凸轮轴46与曲轴26的相对的旋转相位差进行变更。
内燃机10的曲轴26以机械方式连结于构成动力分割机构的行星齿轮机构50的行星架C。在行星齿轮机构50的太阳轮S以机械方式连结了电动发电机52的旋转轴,在行星齿轮机构50的齿圈R以机械方式连结了电动发电机54的旋转轴以及驱动轮56。经由变换器(inverter)58对电动发电机52的各端子施加电池62的电压,经由变换器60对电动发电机54的各端子施加电池62的电压。
控制装置70将内燃机10作为控制对象,为了控制作为其控制量的转矩、排气成分比率等,对节流阀14、端口喷射阀16、缸内喷射阀22、点火装置24、EGR阀38、进气侧阀正时可变装置40、排气侧阀正时可变装置44等操作部进行操作。另外,控制装置70将电动发电机52作为控制对象,为了控制作为其控制量的转矩、转速,对变换器58进行操作。另外,控制装置70将电动发电机54作为控制对象,为了控制作为其控制量的转矩、转速,对变换器60进行操作。此外,在图1中记载了节流阀14、端口喷射阀16、缸内喷射阀22、点火装置24、EGR阀38、进气侧阀正时可变装置40、排气侧阀正时可变装置44、变换器58、60各自的操作信号MS1~MS9。
控制装置70在对控制量进行控制时,参照由空气流量计80检测的吸入空气量Ga、设置在上游侧催化剂32的上游侧的上游侧空燃比传感器82的检测值即上游侧检测值Afu、设置在上游侧催化剂32与下游侧催化剂34之间的下游侧空燃比传感器84的检测值即下游侧检测值Afd。另外,控制装置70参照曲轴角传感器86的输出信号Scr、由加速器传感器88检测的加速踏板的踏下量即加速器操作量ACCP、由车速传感器90检测的车速SPD。另外,控制装置70参照由大气压传感器92检测的大气压Pa、由外部气体温度传感器94检测的外部气体温度TO、由电流传感器96检测的电池62的充放电电流I、由电压传感器98检测的电池62的端子电压V。
控制装置70具有CPU72、ROM74、作为能够电重写的非易失性存储器的存储装置76以及外围电路77,设为它们能够通过本地网络78进行通信。此外,外围电路77包括生成规定内部的动作的时钟信号的电路、电源电路、复位电路等。
控制装置70通过由CPU72执行存储于ROM74的程序,执行上述控制量的控制。
在图2中示出通过由CPU72执行存储于ROM74的程序来实现的处理的一部分。
基础喷射量算出处理M10是基于填充效率η算出基础喷射量Qb的处理,该基础喷射量Qb是用于使燃烧室20内的混合气的空燃比为目标空燃比的燃料量的基础值。详细而言,对于基础喷射量算出处理M10,例如在填充效率η以百分率表现的情况下,设为通过对用于使空燃比为目标空燃比的填充效率η的每1%的燃料量QTH乘以填充效率η来算出基础喷射量Qb的处理即可。基础喷射量Qb是为了基于填充到燃烧室20内的空气量而将空燃比控制为目标空燃比所算出的燃料量。此外,目标空燃比被设为理论空燃比。另外,填充效率η是确定填充于燃烧室20内的空气量的参数,通过CPU72基于转速NE以及吸入空气量Ga来算出。另外,对于转速NE,通过CPU72基于曲轴角传感器86的输出信号Scr来算出。
反馈处理M12是算出并输出对作为反馈操作量的基础喷射量Qb的修正比率δ加上“1”而得到的反馈修正系数KAF的处理,该反馈操作量是用于将上游侧检测值Afu反馈控制为目标值Af*的操作量。详细而言,反馈处理M12设将上游侧检测值Afu与目标值Af*之差作为输入的比例要素以及微分要素的各输出值与保持并输出与该差相应的值的累计值的积分要素的输出值之和为修正比率δ。
要求喷射量算出处理M14是通过对基础喷射量Qb乘以反馈修正系数KAF来算出要求喷射量Qd的处理。
喷射阀操作处理M16是如下处理:为了基于要求喷射量Qd来操作端口喷射阀16、缸内喷射阀22,向端口喷射阀16输出操作信号MS2,向缸内喷射阀22输出操作信号MS3。详细而言,喷射阀操作处理M16是如下处理:将通过端口喷射阀16实现的燃料喷射量相对于要求喷射量Qd的比例设定为喷射分配率Kp,与此相应地来操作端口喷射阀16、缸内喷射阀22。
子反馈处理M18是如下处理:在下游侧检测值Afd相对于表示理论空燃比的理论配比(stoichiometric)点Afs浓预定量εr以上的情况下,使目标值Af*相对于理论配比点Afs稀规定量δl。另外,子反馈处理M18是如下处理:在下游侧检测值Afd相对于表示理论空燃比的理论配比点Afs稀预定量εl以上的情况下,使目标值Af*相对于理论配比点Afs浓规定量δr。
燃料切断处理M19是如下处理:在基于加速器操作量ACCP检测到加速踏板被释放、且转速NE为预定速度以上的情况下,使来自端口喷射阀16以及缸内喷射阀22的燃料的喷射停止。此外,喷射阀操作处理M16包括在从燃料切断处理恢复后预定期间中对要求喷射量Qd进行增量修正的处理。
点火处理M20是如下处理:为了操作作为点火装置24的操作量的点火正时aig,向点火装置24输出操作信号MS4。点火处理M20基本上包括如下处理:根据转速NE以及填充效率η设定基础点火正时,基于此,设定点火正时aig。点火处理M20包括在上游侧催化剂32的预热处理时基于使得相对于基础点火正时延迟了延迟量Δaig的点火正时来设定点火正时aig的处理。
催化剂温度算出处理M22是如下处理:基于转速NE、填充效率η、点火正时aig以及车速SPD,算出作为上游侧催化剂32的温度的催化剂温度Tcat。详细而言,催化剂温度算出处理M22如以下那样实现。即,在将转速NE以及填充效率η作为输入变量、将基础温度作为输出变量的射影(日语:マップ)数据预先存储于ROM74的状态下,通过CPU72对基础温度进行射影运算。另外,在将点火正时aig作为输入变量、将点火正时修正量作为输出变量的射影数据预先存储于ROM74的状态下,通过CPU72对点火正时修正量进行射影运算,该点火正时修正量是基于点火正时aig的基础温度的修正量。另外,在将车速SPD作为输入变量、将车速修正量作为输出变量的射影数据预先存储于ROM74的状态下,通过CPU72对车速修正量进行射影运算,该车速修正量是基于车速SPD的基础温度的修正量。并且,CPU72通过用点火正时修正量以及车速修正量修正基础温度,算出催化剂温度Tcat。
此外,射影数据是指输入变量的离散的值和分别与输入变量的值对应的输出变量的值的成组数据。另外,射影运算例如设为如下处理即可,该处理为:在输入变量的值与射影数据的输入变量的值的某一个一致的情况下,将所对应的射影数据的输出变量的值作为运算结果,与此相对,在不一致的情况下,将通过射影数据所包含的多个输出变量的值的内插得到的值作为运算结果。
催化剂内流量算出处理M24是如下处理:基于转速NE以及填充效率η,算出在上游侧催化剂32中流动的流体的体积流量即催化剂内流量CF。详细而言,该处理可以如以下那样来实现。即,CPU72基于填充效率η和转速NE算出流入到上游侧催化剂32的流体的质量流量。另外,CPU72基于转速NE以及填充效率η,推定流入到上游侧催化剂32的流体的压力以及温度,基于此,将质量流量变换为体积流量。并且,CPU72通过基于上游侧催化剂32的流路截面积与其上游的排气通路30的流路截面积之比,将变换得到的体积流量换算为上游侧催化剂32内的体积流量,由此算出催化剂内流量CF。
输出控制处理M30是如下处理:基于加速器操作量ACCP以及车速SPD,算出对电动发电机52、54要求的输出Pmg和对内燃机10要求的输出Peg。特别是,输出控制处理M30是如下处理:在电池62的充电率SOC为预定值Sth以上的情况下,选择使内燃机10的输出Pmg为零的EV模式,另一方面,在充电率SOC小于预定值Sth的情况下,选择通过内燃机10和电动发电机52、54的协作确保所需要的输出的EHV模式。此外,充电率SOC是由CPU72基于端子电压V、充放电电流I来算出的。即,例如,CPU72在充放电电流I的绝对值小到可以无视的程度的情况下,将端子电压V视为开放端电压,基于开放端电压与充电率SOC的关系来算出充电率SOC。另外,在充放电电流I的绝对值大的情况下,通过充放电电流I,更新充电率SOC。
MG控制处理M32是如下处理:向变换器58、60分别输出操作信号MS8、MS9,以使得电动发电机52、54的输出之和成为输出Pmg。
节流阀操作处理M34是基于输出Peg向节流阀14输出操作信号MS1以使得内燃机10的输出成为输出Peg的处理。
控制装置70在图2所示的处理的基础上执行算出上游侧催化剂32的劣化程度的处理。以下,基于图3等对其进行详细的描述。
对于图3所示的处理,通过CPU72例如以预定周期反复执行存储于图1所示的ROM74的劣化检测程序74a来实现。此外,以下,通过在开头赋予了“S”的数字,表达各处理的步骤编号。
在图3所示的一系列的处理中,CPU72首先取得关于上游侧平均值Afuave、下游侧平均值Afdave、催化剂内流量CF、转速NE、填充效率η、以及催化剂温度Tcat各自的预定期间中的时间序列数据(S10)。以下,按采样定时从早到晚的顺序设为“1、2、…、sn”,例如将上游侧平均值Afuave的时间序列数据记载为“Afuave(1)~Afuave(sn)”。在此,“sn”是各变量的时间序列数据所包含的数据数量。即,上述预定期间被设定为采样“sn”个上述各变量的期间,上述预定期间是根据采样周期以及数据数量“sn”来确定的,并不是通过下游侧检测值Afd等值来确定的。
上游侧平均值Afuave是上述时间序列数据的采样间隔中的上游侧检测值Afu的平均值。即,CPU72在时间序列数据的采样间隔期间对上游侧检测值Afu进行多次采样,算出它们的平均值,作为上游侧平均值Afuave。同样地,下游侧平均值Afdave是上述时间序列数据的采样间隔中的下游侧检测值Afd的平均值。
接着,CPU72对输出表示上游侧催化剂32的劣化程度的变量即劣化程度变量Rd的映射的输入变量x(1)~x(6sn)代入通过S10的处理取得的值(S12)。即,当设为m=1~sn时,CPU72将上游侧平均值Afuave(m)代入到输入变量x(m),将下游侧平均值Afdave(m)代入到输入变量x(sn+m),将催化剂内流量CF(m)代入到输入变量x(2sn+m),将转速(m)代入到输入变量x(3sn+m)。另外,CPU72将填充效率η(m)代入到输入变量x(4sn+m),将催化剂温度Tcat(m)代入到输入变量x(5sn+m)。
接着,CPU72通过对由存储于图1所示的存储装置76的映射数据76a规定的映射输入输入变量x(1)~x(6sn),而算出作为映射的输出值的劣化程度变量Rd(S14)。在此,将算出映射的输出值当作算出变量,但这是算出变量的值的含义。在本实施方式中,如以下那样对劣化程度变量Rd进行定量化。
Rd=1-RR
RR=(上游侧催化剂32的预定温度下的实际的氧吸藏量的最大值)/(成为基准的催化剂的预定温度下的氧吸藏量的最大值)
由此,劣化程度变量Rd呈现值越大、则劣化程度越大这一状况,特别是,在上游侧催化剂32的氧吸藏量的最大值与成为基准的催化剂的氧吸藏量的最大值相等的情况下成为“0”。
在本实施方式中,该映射由中间层为“α”个、且各中间层的激活函数h1~hα为双曲正切、输出层的激活函数f为ReLU的神经网络构成。此外,ReLU是对输入和零中的并非小的一方进行输出的函数。例如,对于第1中间层的各节点的值,通过将对由系数w(1)ji(j=0~n1、i=0~6sn)规定的线性映射输入了上述输入变量x(1)~x(6sn)时的输出输入到激活函数h1来生成。即,当设为m=1、2、…、α时,对于第m中间层的各节点的值,通过将由系数w(m)规定的线性映射的输出输入到激活函数hm来生成。在此,n1、n2、…、nα分别是第1、第2、…、第α中间层的节点数。此外,w(1)j0等是偏置参数,输入变量x(0)定义为“1”。
接着,CPU72判定劣化程度变量Rd是否为规定值RdthH以上(S16)。并且,CPU72在判定为是规定值RdthH以上的情况下(S16:是),为了对用户催促修理,执行操作图1所示的警告灯99来向外部进行通知的报知处理(S18)。
与此相对,CPU72在判定为小于规定值RdthH的情况下(S16:否),判定劣化程度变量Rd是否为预定值RdthL以上(S20)。在此,预定值RdthL是比规定值RdthH小的值。CPU72在判定为是预定值RdthL以上的情况下(S20:是),使故障标志F为“1”(S22)。此外,在进行S18的处理的情况下,设想为故障标志F已经为“1”。另一方面,CPU72在判定为小于预定值RdthL的情况下(S20:否),将“0”代入到故障标志F(S24)。
此外,CPU72在S18、S22、S24的处理完成的情况下,使图3所示的一系列的处理暂时结束。
在图4中表示应对上游侧催化剂32已劣化这一情况的处理中的S18的处理以外的处理的步骤。对于图4所示的处理,通过由CPU72例如以预定周期反复执行存储于图1所示的ROM74的故障安全程序74b来实现。
在图4所示的一系列的处理中,CPU72判定故障标志F是否为“1”(S30)。CPU72在判定为是“0”的情况下(S30:否),将基准值Sth0代入到在输出控制处理M30中所利用的预定值Sth,将基准量δl0代入到子反馈的上述规定量δl,并且将基准量δr0代入到规定量δr,将基准量Δaig0代入到用于催化剂预热处理的上述延迟量Δaig(S32)。
与此相对,CPU72在判定为故障标志F为“1”的情况下(S30:是),将通过预定量ΔSth对基准值Sth0进行增加修正而得到的值代入到预定值Sth(S34)。该处理是如下处理:鉴于未燃燃料的氧化能力因上游侧催化剂32的劣化而降低,通过使内燃机10尽可能为停止状态,将流入到上游侧催化剂32的未燃燃料量向小的一侧限制。
另外,CPU72将对基准量δl0减少修正了修正量Δδl后而得到的值代入到规定量δl,并且将对基准量δr0减少修正了修正量Δδr而得到的值代入到规定量δr(S36)。该处理是如下处理:鉴于未燃燃料的氧化能力因上游侧催化剂32的劣化而降低,将流入到上游侧催化剂32的未燃燃料量向小的一侧限制。即,在故障标志F为“1”的情况下,与“0”的情况相比较时,规定量δr被设为小的值,因此,使目标值Af*比理论配比点Afs浓时的浓化程度变小。因此,在单位时间流入到上游侧催化剂32的排气中的未燃燃料的量比故障标志F为“0”的情况下的该量小,能够抑制未燃燃料向上游侧催化剂32的下游流出。
另外,CPU72将通过修正量ΔF对基准量Δaig0进行增加修正而得到的值代入到延迟量Δaig(S38)。该处理是谋求如下目的的处理:在上游侧催化剂32劣化的情况下,与未劣化的情况相比,排气的净化性能降低,因此,为了使上游侧催化剂32提前预热,使混合气的燃烧能量被转换为转矩的比率降低,而使被排出到排气通路30的排气的温度上升。
此外,CPU72在S32、S38的处理完成的情况下,使图4所示的一系列的处理暂时结束。
接着,对映射数据76a的生成方法进行说明。
在图5中表示生成映射数据76a的系统。
如图5所示,在本实施方式中,以机械方式将功率计(dynamometer)100连结于内燃机10的曲轴26。并且,通过传感器群102检测使内燃机10进行了工作时的各种各样的状态变量,检测结果被输入到作为生成映射数据76a的计算机的适配装置104。此外,传感器群102包括作为对用于生成向映射的输入的值进行检测的传感器的上游侧空燃比传感器82、下游侧空燃比传感器84、曲轴角传感器86等。
在图6中表示映射数据的生成处理的步骤。图6所示的处理由适配装置104执行。此外,对于图6所示的处理,例如通过在适配装置104具备CPU以及ROM,由CPU执行存储于ROM的程序来实现即可。
在图6所示的一系列的处理中,适配装置104首先基于传感器群102的检测结果,取得与在S10的处理中取得的数据相同的数据来作为训练数据(S40)。此外,对于该处理,准备具有预先以单体计测到的劣化程度变量Rd互不相同的值的多个上游侧催化剂32,在那些多个上游侧催化剂32中的一个被选择性地搭载于内燃机10的状态下进行该处理,所搭载的上游侧催化剂32的劣化程度变量Rdt成为教师数据。
接着,适配装置104根据S12的处理的要点,将教师数据以外的训练数据代入到输入变量x(1)~x(6sn)(S42)。并且,适配装置104根据S14的处理的要点,通过将由S42的处理求出的输入变量x(1)~x(6sn)输入到映射来算出劣化程度变量Rd(S44)。并且,CPU72判定通过S44的处理算出的劣化程度变量Rd的采样数是否为预定以上(S46)。在此为了为预定以上,要求对于上述的多个上游侧催化剂32的全部多次算出劣化程度变量Rd。进一步,在此要求通过使内燃机10的运转状态变化,在由转速NE以及填充效率η规定的各种各样的工作点算出劣化程度变量Rd。
适配装置104在判定为不是预定以上的情况下(S46:否),返回S40的处理。与此相对,CPU72在判定为是预定以上的情况下(S46:是),更新系数w(1)ji、w(2)kj、…、w(α)1p,以使作为教师数据的劣化程度变量Rdt与通过S44的处理算出的劣化程度变量Rd各自的差的平方和最小化(S48)。并且,适配装置104存储系数w(1)ji、w(2)kj、…、w(α)1p来作为已学习的映射数据76a(S50)。
在此,对本实施方式的作用以及效果进行说明。
映射数据76a作为规定将上游侧平均值Afuave、下游侧平均值Afdave、催化剂内流量CF、转速NE、填充效率η以及催化剂温度Tcat各自的时间序列数据作为输入、将劣化程度变量Rd作为输出的映射的数据而被进行学习。在此,规定内燃机10的工作点的转速NE以及填充效率η可以视为表示流入到上游侧催化剂32的流体的流量的流量变量。并且,上游侧平均值Afuave是表示实际的燃料量相对于与流入到上游侧催化剂32的流体所包含的氧没有过与不足地进行反应的燃料量的比率的变量。此外,与流入到上游侧催化剂32的流体所包含的氧没有过与不足地进行反应的燃料的量被称为理想燃料量(ideal fuel amount)。因此,上游侧平均值Afuave、转速NE以及填充效率η以协作的方式构成过剩量变量,该过剩量变量是与实际的燃料量相对于与流入到上游侧催化剂32的流体所包含的氧没有过与不足地进行反应的燃料量的过剩量相应的变量。但是,过剩量可以也成为负的量。换言之,也可以成为对实际的燃料量相对于与流入到上游侧催化剂32的流体所包含的氧没有过与不足地进行反应的燃料量的不足量乘以“-1”而得到的值。
下游侧平均值Afdave的行迹在流入到上游侧催化剂32的流体的上述过剩量之外还与上游侧催化剂32的氧吸藏量的最大值相应地变化。并且,氧吸藏量的最大值不仅与上游侧催化剂32的劣化程度相应地变化,也与上游侧催化剂32的温度相应地变化。因此,认为通过将表示下游侧平均值Afdave的行迹的时间序列数据与过剩量变量的时间序列数据和催化剂温度Tcat的时间序列数据一起作为输入,能够算出上游侧催化剂32的劣化程度变量Rd。这样,在本实施方式中,并不是通过机器学习使随意且大量地输入内燃机10的各种各样的变量来算出劣化程度变量Rd的映射进行学习,而是基于精通内燃机10的控制的发明人的见解,严格挑选了输入到映射的变量。因此,与不使用发明人的见解的情况相比,能够减小神经网络的中间层的层数、时间序列数据的数据数量sn,容易简化算出劣化程度变量Rd的映射的构造。
特别是,通过根据那些各变量的时间序列数据掌握相对于过剩量变量和催化剂温度Tcat的下游侧平均值Afdave的行迹,不对上游侧催化剂32的氧吸藏量成为零或者最大值这一情况进行直接检测,就能够算出劣化程度变量Rd。因此,不需要为了检测劣化程度而对目标值Af*进行变更,就能够算出劣化程度变量Rd,因此,能够减小流入到上游侧催化剂32的流体的成分相对于对上游侧催化剂32的净化来说适当的成分的偏差的累积量。
根据以上说明的本实施方式,进一步能够获得以下所记载的效果。
(1)在映射的输入包括了上游侧平均值Afuave。由此,与使用时间序列数据的每时间间隔的上游侧检测值Afu的情况相比,不使时间序列数据的数据数量增加,就能够获得关于流入到上游侧催化剂32的氧和/或未燃燃料的更准确的信息,进而能够更高精度地算出劣化程度变量Rd。
(2)在映射的输入包括了下游侧平均值Afdave。由此,与使用时间序列数据的每时间间隔的下游侧检测值Afd的情况相比,不使时间序列数据的数据数量增加,就能够获得关于从上游侧催化剂32流出的氧和/或未燃燃料的更准确的信息,进而,能够更高精度地算出劣化程度变量Rd。
(3)将作为规定内燃机10的工作点的工作点变量的转速NE以及填充效率η作为映射的输入。点火装置24、EGR阀38、进气侧阀正时可变装置40等的内燃机10的操作部的操作量具有基于内燃机10的工作点来确定的倾向。因此,工作点变量不仅与上游侧平均值Afuave一起构成流量变量,还是包括关于各操作部的操作量的信息的变量。因此,通过将工作点变量作为映射的输入,能够基于与各操作部的操作量有关的信息来算出劣化程度变量Rd,进而,能够更高精度地算出劣化程度变量Rd。
(4)在映射的输入包括了催化剂内流量CF。催化剂内流量CF是在上游侧催化剂32中对未燃燃料和氧的反应率产生影响的变量。因此,通过将催化剂内流量CF作为映射的输入,能够更高精度地算出劣化程度变量Rd。此外,在本实施方式中,根据内燃机10的工作点变量算出了催化剂内流量CF。因此,在原理上,通过在映射的输入包括工作点变量,能够不使用催化剂内流量CF,在捕捉催化剂内流量CF对上游侧催化剂32中的未燃燃料与氧的反应率带来影响的现象的同时,算出劣化程度变量Rd。但是,在使其成为可能的方面,具有神经网络的中间层的层数和/或时间序列数据的数量sn变大的倾向。与此相对,如本实施方式这样,通过在映射的输入包括催化剂内流量CF,能够简化映射的构造。
<第2实施方式>
以下,以与第1实施方式的不同点为中心,参照附图对第2实施方式进行说明。
在本实施方式中,使神经网络的输出为上游侧催化剂32的当前的氧吸藏量的最大值Cmax。
在图7中表示在本实施方式中控制装置70执行的处理的步骤。对于图7所示的处理,通过CPU72例如以预定周期反复执行存储于图1所示的ROM74的劣化检测程序74a来实现。此外,为了便于说明,在图7所示的处理中,对与图3所示的处理对应的处理标记同一步骤编号。
在图7所示的一系列的处理中,CPU72当S10的处理完成时,代替S12的处理,对映射的输入变量x(1)~x(5sn)输入催化剂温度Tcat以外的时间序列数据(S12a)。此外,将与S12的处理同样的变量代入到输入变量x(1)~x(5sn)。
并且,CPU72使用将输入变量x(1)~x(5sn)作为输入、将最大值Cmax作为输出的神经网络,算出最大值Cmax(S14a)。接着,CPU72使用将在S10中取得的催化剂温度Tcat的平均值即催化剂温度平均值Tcatave和最大值Cmax作为输入变量、将劣化程度变量Rd作为输出变量的射影数据,对劣化程度变量Rd进行射影运算(S52)。
并且,CPU72转移到S16的处理。
此外,在本实施方式中,神经网络的系数w(1)ji、w(2)kj、…、w(α)1p使用如下的教师数据进行学习即可。即,通过预先计测上述多个上游侧催化剂32各自的温度与最大值Cmax的关系,在与图6的处理相当的处理中,求出作为对象的上游侧催化剂32的当前的最大值Cmax,将其作为教师数据来使用即可。
<第3实施方式>
以下,以与第1实施方式的不同点为中心,参照附图对第3实施方式进行说明。
在本实施方式中,算出催化剂内流量CF、转速NE、填充效率η以及催化剂温度Tcat各自的时间序列数据中的几个的平均值,将它们作为映射的输入。以下,在图8中,设为通过S10的处理取得的各变量的时间序列数据的数据数量sn为“5”的倍数,对本实施方式进行说明。
在图8中表示在本实施方式中控制装置70执行的处理的步骤。对于图8所示的处理,通过由CPU72例如以预定周期反复执行存储于图1所示的ROM74的劣化检测程序74a来实现。此外,为了便于说明,在图8所示的处理中,对与图3所示的处理对应的处理标记同一步骤编号。
在图8所示的一系列的处理中,CPU72当S10的处理完成时,分别关于催化剂内流量CF、转速NE、填充效率η以及催化剂温度Tcat,算出按时间上从早到晚的顺序每“sn/5”个的平均值(S60)。即,例如将催化剂内流量CF(1)、CF(2)、…、CF(sn/5)的平均值作为催化剂内流量平均值CFave(1),将催化剂内流量CF((sn/5)+1)、CF((sn/5)+2)、…、CF(2sn/5)作为催化剂内流量平均值CFave(2)。这样,生成由催化剂内流量平均值CFave、转速平均值NEave、填充效率平均值ηave以及催化剂温度平均值Tcatave各“5”个构成的时间序列数据。
接着,CPU72将通过S60的处理生成的时间序列数据、在S10的处理中取得的上游侧平均值Afuave、下游侧平均值Afdave各自的时间序列数据代入到映射的输入变量x(S12b)。即,设为m=1~sn,CPU72将上游侧平均值Afuave(m)代入到输入变量x(m),将下游侧平均值Afdave(m)代入到输入变量x(sn+m)。另外,设为m=1~5,CPU72将催化剂内流量平均值CFave(m)代入到输入变量x(2sn+m),将转速平均值NEave(m)代入到输入变量x(2sn+5+m)。另外,CPU72将填充效率平均值ηave(m)代入到输入变量x(2sn+10+m),将催化剂温度平均值Tcatave代入到输入变量x(2sn+15+m)。
并且,CPU72通过将在S12b中生成的输入变量x(1)~x(2sn+20)作为输入、将劣化程度变量Rd作为输出的神经网络,算出劣化程度变量Rd(S14b)。在此,系数w(1)ji是“i=0~2sn+20”。
CPU72在完成S14b的处理的情况下转移到S16的处理。
这样,根据本实施方式,通过将催化剂内流量平均值CFave、转速平均值NEave、填充效率平均值ηave以及催化剂温度平均值Tcatave作为映射的输入,能够削减映射的输入的维度。此外,在本实施方式中,由上游侧平均值Afuave的时间序列数据、转速平均值Neave的时间序列数据以及填充效率平均值ηave的时间序列数据的协作构成过剩量变量。在此,转速平均值NEave以及填充效率平均值ηave表示上游侧平均值Afuave的与“sn/5”个相应的采样期间中的内燃机10的工作点。
<第4实施方式>
以下,以与第1实施方式的不同点为中心,参照附图对第4实施方式进行说明。
在本实施方式中,在存储装置76中按内燃机10的工作点以及催化剂温度Tcat存储各类别映射数据来作为映射数据76a。
在图9中表示在本实施方式中控制装置70执行的处理的步骤。对于图9所示的处理,通过CPU72例如以预定周期反复执行存储于图1所示的ROM74的劣化检测程序74a来实现。此外,为了便于说明,在图9所示的处理中,对与图3所示的处理对应的处理标记同一步骤编号。
在图9所示的一系列的处理中,CPU72首先根据规定内燃机10的工作点的转速NE以及填充效率η和催化剂温度Tcat,选择用于算出劣化程度变量Rd的映射数据(S62)。对此,例如可以通过在将转速NE、填充效率η以及催化剂温度Tcat作为输入变量、将确定映射数据的变量作为输出变量的射影数据预先存储于ROM74的状态下,由CPU72对确定映射数据的变量进行射影运算来实现。接着,CPU72取得上游侧平均值Afuave、下游侧平均值Afdave的时间序列数据(S10c)。
接着,CPU72将在S10c的处理中取得的时间序列数据代入到由通过S62的处理选择出的映射数据规定的映射的输入变量x(S12c)。即,设为m=1~sn,CPU72将上游侧平均值Afuave(m)代入到输入变量x(m),将下游侧平均值Afdave(m)代入到输入变量x(sn+m)。并且,CPU72通过将在S12c的处理中生成的输入变量x(1)~x(2sn)作为输入、将劣化程度变量Rd作为输出的神经网络,算出劣化程度变量Rd(S14c)。在此,系数w(1)ji是“i=0~2sn”。
CPU72在完成S14c的处理的情况下转移至S16的处理。
此外,在多个映射数据中的工作点处于预定范围、且催化剂温度Tcat处于预定范围时所使用的映射数据的学习中,仅使用工作点处于预定范围、且催化剂温度Tcat处于预定范围的训练数据。
这样,在本实施方式中,根据内燃机10的工作点和催化剂温度Tcat,使用各类别映射数据,算出劣化程度变量Rd。因此,CPU72在内燃机10的工作点较大地不同的情况下,使用不同的映射数据,算出劣化程度变量Rd。因此,使用通过一个映射数据规定的映射时的流入到上游侧催化剂32的流体的流量不会较大地变化。在该情况下,能够仅根据上游侧平均值Afuave,掌握实际的燃料量相对于与流入到上游侧催化剂32的流体所包含的氧没有过与不足地进行反应的燃料量的过剩量。即,能够仅由上游侧平均值Afuave构成上述过剩量变量。另外,使用通过一个映射数据规定的映射时的催化剂温度Tcat也不会较大地变化。在该情况下,在使用通过一个映射数据规定的映射的状况下,在氧吸藏量的最大值Cmax小的情况下,与氧吸藏量的最大值Cmax大的情况相比,上游侧催化剂32的劣化程度大。即,能够根据当前的温度下的最大值Cmax,对劣化程度进行定量化。
因此,在本实施方式中,能够削减成为映射的输入的变量的维度,由此,也能够减小中间层的层数nα。因此,在本实施方式中,能够简化映射的构造。
<第5实施方式>
以下,以与第1实施方式的不同点为中心,参照附图对第5实施方式进行说明。
在本实施方式中,在存储装置76存储三种映射数据来作为映射数据76a。
在图10中表示选择使用上述三种映射数据中的哪个来算出劣化程度Rd的处理的步骤。对于图10所示的处理,通过由CPU72例如以预定周期反复执行存储于图1所示的ROM74的劣化检测程序74a来实现。
在图10所示的一系列的处理中,CPU72首先判定是否为燃料切断处理中(S70)。并且,CPU72在判定为处于燃料切断处理中的情况下(S70:是),选择第1映射数据(S74)。第1映射数据是执行燃料切断处理时的专用的映射数据,是将燃料切断处理时的数据作为训练数据而进行了学习的数据。
另一方面,CPU72在判定为不是处于燃料切断处理中的情况下(S70:否),判定是否为燃料切断处理后的上述的预定期间内(S72)。并且,CPU72在判定为处于预定期间内的情况下(S72:是),选择第2映射数据(S76)。第2映射数据是将在燃料切断处理后的预定期间中采样到的时间序列数据作为训练数据而进行了学习的数据。即,是将在对要求喷射量Qd进行增量修正的期间中采样到的时间序列数据作为训练数据而进行了学习的数据。
与此相对,CPU72在判定为不是预定期间内的情况下(S72:否),选择第3映射数据(S78)。第3映射数据是在除了燃料切断处理以及燃料切断处理后的预定期间以外的区域中将所采样到的时间序列数据作为训练数据而进行了学习的数据。
此外,CPU72在S74、S76、S78的处理完成的情况下使图10所示的一系列的处理暂时结束。
这样,在本实施方式中,在燃料切断处理中、燃料切断处理后的预定期间以及除此以外的期间,使用各类别的映射数据,算出劣化程度变量Rd。在此,在燃料切断处理中存在如下倾向:大量的氧流入到上游侧催化剂32,另外,在燃料切断处理后的预定期间中被作为燃烧对象的混合气的空燃比紊乱。因此,与对于那样互不相同的状况使用相同的映射数据的情况相比,能够容易简化映射的构造。
<第6实施方式>
以下,以与第4实施方式的不同点为中心,参照附图对第6实施方式进行说明。
在本实施方式中,通过对允许在劣化程度变量Rd的算出中所使用的变量的采样的条件进行限制,谋求映射的构造的简化。
在图11中表示在本实施方式中控制装置70执行的处理的步骤。对于图11所示的处理,通过CPU72例如以预定周期反复执行存储于图1所示的ROM74的劣化检测程序74a来实现。此外,为了便于说明,在图11所示的处理中,对与图3所示的处理对应的处理标记同一步骤编号。
在图11所示的一系列的处理中,CPU72判定以下的条件(A)~条件(C)的逻辑与(日语:論理積)是否为真(S80)。
条件(A):内容是转速NE为第1速度NEL以上且第2速度NEH以下的条件。
条件(B):内容是充填填充效率η为第1效率ηL以上且第2效率ηH以下的条件。
条件(C):内容是催化剂温度Tcat为第1温度TcatL以上且第2温度TcatH以下的条件。
CPU72在判定为上述逻辑与为真的情况下(S80:是),设为允许映射的输入的采样,执行图9的S10c以后的处理。
这样,在本实施方式中,只限于在内燃机10的工作点落入预定范围内、且催化剂温度Tcat落入预定范围内的情况下,算出劣化程度变量Rd。在此,通过限制工作点可取的范围,能够只限于在流入到上游侧催化剂32的流体的流量不会从基准值较大地背离的情况下,算出劣化程度变量Rd。在该情况下,能够仅根据上游侧平均值Afuave,掌握实际的燃料量相对于与流入到上游侧催化剂32的流体所包含的氧没有过与不足地进行反应的燃料量的过剩量。即,能够仅由上游侧平均值Afuave构成上述过剩量变量。另外,通过限制催化剂温度Tcat可取的范围,能够只限于在催化剂温度Tcat不会从基准温度较大地背离的情况下,算出劣化程度变量Rd。在该情况下,当氧吸藏量的最大值Cmax小时,与氧吸藏量的最大值Cmax大时相比,上游侧催化剂32的劣化程度大。即,能够根据当前的温度下的最大值Cmax,对劣化程度进行定量化。
因此,在本实施方式中,能够削减成为映射的输入的变量的维度,由此,也能够减小中间层的层数nα。因此,在本实施方式中,能够简化映射的构造。
<第7实施方式>
以下,以与第1实施方式的不同点为中心,参照附图对第7实施方式进行说明。
在本实施方式中,通过对允许在劣化程度变量Rd的算出中所使用的变量的采样的条件进行限制,谋求映射的构造的简化。
在图12中表示在本实施方式中控制装置70执行的处理的步骤。对于图12所示的处理,通过CPU72例如以预定周期反复执行存储于图1所示的ROM74的劣化检测程序74a来实现。此外,为了便于说明,在图12所示的处理中,对与图3所示的处理对应的处理标记同一步骤编号。
在图12所示的一系列的处理中,CPU72首先判定内容是从燃料切断处理恢复的恢复时的条件(D)与内容是氧吸藏量为零的条件(E)的逻辑或(日语:論理和)是否为真(S82)。该处理是判定上游侧催化剂32的氧吸藏量是否成为零或者最大值Cmax的处理。在此,对于氧吸藏量为零,例如根据空燃比反馈控制发生较大的偏差、上游侧检测值Afu被设为浓之后不久下游侧检测值Afd就成为浓等来进行检测即可。
CPU72在判定为逻辑或为真的情况下(S82:是),执行S10~S24的处理。此外,CPU72当执行一次S14的处理后,不算出劣化程度变量Rd,直到再次在S82的处理中作出肯定判定。
这样,根据本实施方式,能够将成为映射的输入的时间序列数据中的初始的值在上游侧催化剂32的氧吸藏量为最大值Cmax或者零时固定。因此,将输出劣化程度变量Rd的映射设为将上游侧催化剂32的氧吸藏量为最大值Cmax或者零时的时间序列数据作为输入来输出劣化程度变量Rd的映射即可。因此,与在所有的状况中输出劣化程度变量Rd的映射相比,容易简化映射的构造。
<第8实施方式>
以下,以与第1实施方式的不同点为中心,参照附图对第8实施方式进行说明。
在本实施方式中,在车辆的外部进行劣化程度变量Rd的算出处理。
在图13中表示本实施方式涉及的催化剂劣化检测系统。此外,为了便于说明,在图13中,对与图1所示的部件对应的部件标记同一标号。
图13所示的车辆VC内的控制装置70具备通信机79。通信机79是用于经由车辆VC的外部的网络110与中心120进行通信的设备。
中心120对从多个车辆VC发送来的数据进行解析。中心120具备CPU122、ROM124、存储装置126、外围电路127以及通信机129,设为它们能够通过本地网络128进行通信。在ROM124中存储有劣化检测主程序124a,在存储装置126中存储有映射数据126a。
此外,中心120成为能够经由网络110与二手车销售店的终端130进行通信。
在图14中表示图13所示的系统执行的处理的步骤。对于图14的(a)所示的处理,通过CPU72执行存储于图13所示的ROM74的劣化检测子程序74c来实现。另外,对于图14的(b)所示的处理,通过CPU122执行存储于ROM124的劣化检测主程序124a以及状态信息提供程序124b来实现。此外,为了便于说明,在图14中,对与图2所示的处理对应的处理标记同一步骤编号。以下,沿着劣化检测处理的时间序列,对图14所示的处理进行说明。
如图14的(a)所示,在车辆VC中,CPU72首先在S10的处理中取得的时间序列数据的基础上还取得作为映射的输入的几个变量(S90)。即,CPU72取得要求喷射量Qd相对于基础喷射量Qb的增量量Qi的平均值即增量量平均值Qiave的时间序列数据。在此,增量量Qi可取负的值,表示相对于在使混合气的空燃比为理论空燃比上所需要的燃料量的过与不足量,构成过剩量变量。
另外,CPU72取得以下的变量来作为与内燃机10的操作部的操作量有关的变量、且使燃烧室20内的混合气的燃烧变化、使流入到上游侧催化剂32的流体的成分变化的变量。即,CPU72取得点火装置24的点火正时aig的平均值即点火正时平均值aigave的时间序列数据。另外,CPU72取得作为EGR率Regr的平均值的EGR率平均值Regrave的时间序列数据,该EGR率Regr是从EGR通路36流入到进气通路12的流体的流量相对于吸入到进气通路12的空气的流量和从EGR通路36流入到进气通路12的流体的流量之和的比率。另外,CPU72取得重叠量平均值ROave的时间序列数据和作为喷射分配率Kp的平均值的喷射分配率平均值Kpave的时间序列数据,该重叠量平均值ROave是进气阀18的开阀期间与排气阀28的开阀期间重叠的期间即重叠量RO的平均值。
另外,CPU72取得燃料中的乙醇浓度Dal。这是鉴于燃料的理论空燃比会根据乙醇浓度而变化。此外,对于乙醇浓度Dal,例如根据上述的反馈处理M12的修正比率δ进行推定即可。另外,CPU72取得大气压Pa以及外部气体温度TO来作为关于环境的变量、且使燃烧室20内的混合气的燃烧变化、使流入到上游侧催化剂32的流体的成分变化的变量。
另外,CPU72取得上游侧催化剂32的硫中毒量Qs,该上游侧催化剂32的硫中毒量Qs是上游侧催化剂32的状态变量中的与历时变化有关的状态变量。这是鉴于上游侧催化剂32的净化能力会根据硫中毒量Qs而变化。此外,对于硫中毒量Qs,由CPU72通过对要求喷射量Qd乘以预定的系数而得到的值的累计处理来算出。另外,CPU72取得成为基准的温度下的最大值Cmax、从上游侧到下游侧的长度Lud、以及贵金属的担载量Qpm来作为规格变量,该规格变量是上游侧催化剂32的状态变量中的表示规格的变量。这是用于利用一个映射数据算出各种各样的规格的上游侧催化剂32的劣化程度的设定。
CPU72当执行S90的处理后,通过操作通信机79,将在S90的处理中所取得的数据与作为车辆VC的识别信息的车辆ID一起发送给中心120(S92)。
对此,中心120的CPU122如图14的(b)所示那样接收被发送来的数据(S96),将通过S90的处理取得的数据代入到映射的输入变量x(S12d)。在此,CPU122在S12的处理的基础上,设为m=1~sn,还将增量量平均值Qiave(m)代入到输入变量x(6sn+m),将点火正时平均值aigave(m)代入到输入变量x(7sn+m),将EGR率平均值Regrave(m)代入到输入变量x(8sn+m)。另外,CPU122将重叠量平均值ROave(m)代入到输入变量x(9sn+m),将喷射分配率平均值Kpave(m)代入到输入变量x(10sn+m)。另外,CPU122将乙醇浓度Dal代入到x(11sn+1),将大气压Pa代入到输入变量x(11sn+2),将外部气体温度TO代入到输入变量x(11sn+3),将硫中毒量Qs代入到输入变量x(11sn+4)。另外,CPU122将最大值Cmax代入到输入变量x(11sn+5),将长度Lud代入到输入变量x(11sn+6),将担载量Qpm代入到输入变量x(11sn+7)。
并且,CPU122对由映射数据126a规定的映射输入通过S12d生成的输入变量x(1)~x(11sn+7),算出劣化程度变量Rd(S14d)。在此,由映射数据126a规定的映射的输入的系数wji是“i=0~11sn+7”。
并且,CPU122通过操作通信机129,对发送了通过S96的处理接收到的数据的车辆VC发送关于劣化程度变量Rd的信号(S98)。对此,如图14的(a)所示,CPU72接收劣化程度变量Rd(S94),执行S16~S24的处理。
另外,如图14的(a)所示,CPU122对存储于图13所示的存储装置126的状态信息数据126b中的与由车辆ID确定的车辆有关的劣化程度变量Rd进行更新(S100)。
并且,CPU122判定是否存在从二手车销售店的终端130关于特定的车辆的劣化程度变量Rd等车辆的状态信息的请求(S102)。并且,CPU122在判定为存在请求的情况下(S102:是),对存储装置126进行访问,检索与车辆ID对应的劣化程度变量Rd(S104)。并且,CPU122通过操作通信机129,对终端130输出与所请求了的车辆ID对应的劣化程度变量Rd等来作为二手车的状态信息(S106)。
此外,CPU122在S106的处理完成的情况下、在S102的处理中进行否定判定的情况下,暂时结束图14的(b)所示的处理。此外,S96~S98的处理规定于劣化检测主程序124a,S100~S106的处理规定于状态信息提供程序124b。
这样,在本实施方式中,设为了在中心120中算出劣化程度变量Rd,因此,能够减轻CPU72的运算负荷。
另外,在本实施方式中,设为了在中心120中将劣化程度变量Rd与车辆ID一起进行存储更新。因此,能够在由车辆ID确定的车辆转让到二手车销售店的手中、被作为二手车销售时,向二手车销售店提供劣化程度变量Rd来作为表示二手车的状态的状态信息。由此,研究二手车的购入的顾客能够关于作为研究对象的车辆的劣化程度取得详细的信息。
<对应关系>
上述实施方式中的事项与上述“发明内容”栏中所记载的事项之间的对应关系为如以下那样。以下,按在“发明内容”栏中记载的技术方案的编号表示了对应关系。
[1~4]执行装置即处理电路对应于CPU72以及ROM74。第1预定期间以及第2预定期间对应于采样上游侧平均值Afuave(1)~Afuave(sn)的期间。取得处理对应于S10、S10c的处理。劣化程度变量算出处理对应于S12、S14的处理、S12a、S14a、S52的处理、S12b、S14b的处理、S12c、S14c的处理。应对处理对应于S18的处理以及图4的处理。关于过剩量变量的时间序列数据在图3的处理中对应于上游侧平均值Afuave、转速NE以及填充效率η各自的时间序列数据。下游侧检测变量对应于下游侧平均值Afdave的时间序列数据。
[5]选择处理对应于S62的处理、S70~S78的处理。
[6、7]对应于S62的处理。
[8]对应于图10的处理。
[9]预定条件对应于S80的处理中的条件(A)以及(B)。
[10]预定条件对应于S80的处理中的条件(C)。
[11]预定条件对应于成为通过S82判定有无成立的判定对象的条件。
[12]限制处理对应于S34、S36的处理。即,对应于操作作为预定的硬件的变换器58、60来使电动发电机52、54的输出增大、使内燃机10为停止状态的处理等。
[13]催化剂劣化检测系统对应于控制装置70以及中心120。与氧吸藏量相应的值对应于劣化程度变量Rd。第1执行装置对应于CPU72以及ROM74。第2执行装置对应于CPU122以及ROM124。取得处理对应于S90的处理,车辆侧发送处理对应于S92的处理,车辆侧接收处理对应于S94的处理。外部侧接收处理对应于S96的处理。氧吸藏量算出处理对应于S12d、S14d的处理。车辆侧发送处理对应于S98的处理。
[14]数据解析装置对应于中心120。
[15]内燃机的控制装置对应于控制装置70。
[16]取得处理对应于S90的处理,劣化程度变量算出处理对应于S12d、S14d的处理,存储处理对应于S100的处理,输出处理对应于S106的处理。计算机对应于CPU72、122以及ROM74、124。
<其他的实施方式>
此外,本实施方式可以如以下那样变更来实施。本实施方式以及以下的变更例可以在技术上不矛盾的范围内相互组合来实施。
·“关于第1预定期间以及第2预定期间”
在上述构成中,使作为上游侧平均值Afuave的时间序列数据的采样期间的第1预定期间与作为下游侧平均值Afdave的时间序列数据的采样期间的第2预定期间为相同的期间,但不限于此。例如,也可以设为使第2预定期间相对于第1预定期间而稍微延迟了的期间。在此,也可以使流入到上游侧催化剂32的流体的流量大的情况下的第2预定期间相对于第1预定期间的延迟时间比流入到上游侧催化剂32的流体的流量小的情况下的该延迟时间短,但在减少适配工时方面,也可以使延迟时间为固定值。
另外,第1预定期间的长度和第2预定期间的长度也并不是必须一致。
·“关于过剩量变量的时间序列数据”
作为过剩量变量的时间序列数据,不限于在上述实施方式中例示的。即,不限于由上游侧平均值Afuave、转速NE以及填充效率η这三个状态变量的相互相等的数量彼此构成的成组数据、上游侧平均值Afuave的时间序列数据和采样数比上游侧平均值Afuave小的转速NE以及填充效率η的成组数据。例如在上述实施方式的情况下,即使在映射的输入不包括转速NE以及填充效率η,也将催化剂内流量CF视为确定流入到上游侧催化剂32的流体的流量的变量。另外,例如也可以使用吸入空气量Ga来作为过剩量变量的时间序列数据所包含的确定流入到上游侧催化剂32的流体的流量的变量。
例如,也可以是包括预定期间中的上游侧平均值Afuave的时间序列数据和确定流入到上游侧催化剂32的流体的流量的变量的预定期间中的单一的数据。即,例如也可以是预定期间中的上游侧平均值Afuave的时间序列数据和预定期间中的转速NE以及填充效率η的单一的组。在该情况下,转速NE以及填充效率η成为确定在与上游侧平均值Afuave的时间序列数据对应的预定期间中流入到上游侧催化剂32的流体的流量的变量,视为可以无视预定期间中的流量的变化。
作为关于过剩量变量的时间序列数据,不限于使用上游侧平均值Afuave的数据。例如,只要是缩短上游侧检测值Afu的采样周期,则也可以是上游侧检测值Afu的时间序列数据自身。
进一步,不限于使用关于上游侧检测值Afu的数据。例如,也可以是时间序列数据的采样间隔中的要求喷射量Qd的累计值以及吸入空气量Ga的各自的时间序列数据。另外,例如也可以是增量量Qi以及转速NE。
·“关于下游侧检测变量”
对于向映射的输入,也可以代替将其设为下游侧平均值Afdave的时间序列数据,而设为下游侧检测值Afd的时间序列数据。
·“关于催化剂内流量CF”
对于向映射的输入,也可以代替将其设为催化剂内流量CF的时间序列数据,而设为催化剂内流量CF的单一的采样值。
在上述实施方式中,根据转速NE以及填充效率η算出催化剂内流量CF,但不限于此。例如,也可以在排气通路30中的上游侧催化剂32的上游侧且紧挨着上游侧催化剂32的附近具备压力传感器以及温度传感器,基于它们的值和吸入空气量Ga,算出催化剂内流量CF。
·“关于催化剂的温度”
对于向映射的输入,也可以代替将其设为催化剂温度Tcat的时间序列数据、催化剂温度平均值Tcatave的时间序列数据,而设为催化剂温度Tcat的单一的采样值。
另外,例如也可以从向映射的输入中删除催化剂温度Tcat,替代地将催化剂温度算出处理M22的输入全部输入至该映射。由此,若增加中间层的层数等,也能够高精度地算出劣化程度变量Rd。
·“关于映射的输入”
在上述实施方式中,作为规定内燃机10的工作点的工作点变量,在映射的输入使用了转速NE以及填充效率η的组,但不限于此。例如作为工作点变量,也可以使用吸入空气量Ga以及转速NE。另外,例如在如下述“关于内燃机”这一栏所记载的那样应用于压缩点火式内燃机的情况下,也可以将转速NE以及喷射量、转速NE以及加速器操作量ACCP作为工作点变量。不过,并不是必须在映射的输入包括工作点变量。
对于在图14的处理中所例示的映射的输入,并不是必须在中心120中执行S14d的处理。换言之,也可以在控制装置70中执行S12d、S14d的处理。
对于在S14d的处理中例示的输入变量,例如也可以如以下那样进行变更。
例如也可以代替增量量平均值Qiave的时间序列数据,而设为增量量Qi的时间序列数据。另外,不限于增量量Qi、增量量平均值Qiave,例如也可以使用对增量量Qi除以基础喷射量Qb而得到的过剩率的时间序列数据、过剩率的平均值的时间序列数据、要求喷射量Qd的时间序列数据、要求喷射量Qd的平均值的时间序列数据。此时,不需要作为映射的输入的时间序列数据的采样数与下游侧平均值Afdave的采样数一致。另外,也可以代替时间序列数据,使用预定期间内的单一的增量量Qi、过剩率、要求喷射量Qd。另外,也可以代替时间序列数据,使用预定期间内的单一的增量量平均值Qiave、过剩率的平均值、要求喷射量Qd的平均值。该情况下的平均值也可以为整个预定期间的平均值。不过,在图14的(b)等的处理中,也并不是必须在映射的输入包括关于喷射量的上述变量。
另外,例如也可以代替点火正时平均值aigave的时间序列数据,而使用点火正时aig自身的时间序列数据。另外,不限于时间序列数据,也可以使用预定期间内的单一的点火正时aig、预定期间内的单一的点火正时平均值aigave。其中,该情况下的点火正时平均值aigave也可以是整个预定期间的平均值。不过,在图14的(b)等的处理中,也并不是必须在映射的输入包括关于点火正时aig的这样的变量。
另外,例如也可以代替EGR率平均值Regrave的时间序列数据,而使用EGR率Regr自身的时间序列数据。另外,不限于时间序列数据,也可以使用预定期间内的单一的EGR率Regr、预定期间内的单一的EGR率平均值Regrave。其中,该情况下的EGR率平均值Regrave也可以是整个预定期间的平均值。不过,在图14的(b)等的处理中,也并不是必须在映射的输入包括关于EGR率Regr的这样的变量。
另外,例如也可以代替重叠量平均值ROave的时间序列数据,而使用重叠量RO自身的时间序列数据。另外,不限于时间序列数据,也可以使用预定期间内的单一的重叠量RO、预定期间内的单一的重叠量平均值ROave。其中,该情况下的重叠量平均值ROave也可以是整个预定期间的平均值。另外,作为关于重叠量的变量,也可以使用进气阀18的开阀正时以及排气阀28的开阀正时的成组数据。不过,在图14的(b)等的处理中,也并不是必须在映射的输入包括关于重叠量RO的这样的变量。
另外,例如也可以代替喷射分配率平均值Kpave的时间序列数据,而使用喷射分配率Kp自身的时间序列数据。另外,不限于时间序列数据,也可以使用预定期间内的单一的喷射分配率Kp、预定期间内的单一的喷射分配率平均值Kpave。其中,该情况下的喷射分配率平均值Kpave也可以是整个预定期间的平均值。不过,在图14的(b)等的处理中,也并不是必须在映射的输入包括关于喷射分配率Kp的这样的变量。
另外,例如也可以代替乙醇浓度Dal,而使用预定期间内的乙醇浓度Dal的平均值。另外,也可以使用预定期间内的乙醇浓度Dal的时间序列数据、乙醇浓度Dal的平均值的预定期间内的时间序列数据。此外,作为表示燃料性状的变量即燃料性状变量,不限于如乙醇浓度Dal那样表示燃料的理论空燃比的不同的理论空燃比变量,例如也可以是表示是重质燃料和轻质燃料中的哪种的变量。不过,在图14的(b)等的处理中,也并不必须在映射的输入包括燃料性状变量。
另外,例如也可以代替大气压Pa,而使用预定期间内的大气压Pa的平均值。另外,也可以使用预定期间内的大气压Pa的时间序列数据、大气压Pa的预定期间内的平均值的时间序列数据。不过,在图14的(b)等的处理中,也并不是必须在映射的输入包括关于大气压Pa的变量。
另外,例如也可以代替外部气体温度TO,而使用预定期间内的外部气体温TO的平均值。另外,也可以使用预定期间内的外部气体温度TO的时间序列数据、外部气体温度TO的平均值的预定期间内的时间序列数据。不过,在图14的(b)等的处理中,也并不是必须在映射的输入包括关于外部气体温TO的变量。
另外,例如也可以代替硫中毒量Qs,而使用预定期间内的硫中毒量Qs的平均值。另外,也可以使用预定期间内的硫中毒量Qs的时间序列数据、硫中毒量Qs的平均值的预定期间内的时间序列数据。不过,在图14的(b)等的处理中,也并不是必须在映射的输入包括关于硫中毒量Qs的变量。
作为确定上游侧催化剂32的规格的规格变量,不限于由最大值Cmax、从上游到下游的长度Lud以及担载量Qpm这三个变量构成的规格变量。例如关于这些三个参数,也可以仅使用那些中的一个或者两个。不过,在图14的(b)等的处理中,也并不是必须在映射的输入包括规格变量。
例如如下述“关于内燃机”这一栏所记载的那样,也可以在内燃机10具备增压器和废气旁通阀(wastegate valve)的情况下,在映射的输入包括废气旁通阀的开度。即,由于向上游侧催化剂32的流体的流动会根据废气旁通阀的开度而变化,所以对所吸藏的氧的消耗的方式会产生影响,因此,通过在映射的输入包括开度,能够也使之学习这样的现象。
作为不向映射输入与流入到上游侧催化剂32的流体的流量有关的变量的方式,不限于在上述实施方式中例示的。例如,在下述“关于车辆”这一栏所记载的一系列混合动力车中搭载的内燃机被限于预定的工作点来进行驱动的情况下等,也可以不向映射输入与流入到上游侧催化剂32的流体的流量有关的变量。另外,例如如在下述“关于时间序列数据的采样期间”这一栏所记载的那样,在只限于预定的工作点来执行为了算出劣化程度变量Rd而对目标值Af*进行变更的处理的情况下等,也可以不向映射输入与流入到上游侧催化剂32的流体的流量有关的变量。
此外,作为向神经网络的输入、下述“关于机器学习的算法”这一栏所记载的向回归式的输入等,不限于各维度由单一的物理量构成。例如关于在上述实施方式等中作为了向映射的输入的多种物理量的一部分,也可以代替设为向神经网络、回归式的直接的输入,将那些主成分分析的几个主成分作为向神经网络、回归式的直接的输入。不过,在将主成分作为向神经网络、回归式的输入的情况下,不是必须仅是向神经网络、回归式的输入的一部分成为主成分,也可以将全部作为主成分。此外,在将主成分作为向映射的输入的情况下,成为在映射数据76a、126a包括对确定主成分的映射进行规定的数据。
·“关于映射数据”
例如根据图11等的记载,神经网络的中间层的层数为比两层多的表现,但不限于此。特别是,从减轻控制装置70的运算负荷的观点出发,也可以将神经网络的中间层的层数缩到1层或者2层,对此,例如在执行图9~12的处理的情况下要比执行图14的处理的情况下容易实现。
在上述实施方式中,将激活函数h1、h2、…hα设为了双曲正切(hyperbolictangent),将激活函数f设为了ReLU,但不限于此。例如也可以将激活函数h1、h2、…hα设为ReLU。另外,例如也可以将激活函数h1、h2、…hα设为logistic sigmoid函数。另外,例如也可以将激活函数f设为logistic sigmoid函数。
·“关于多种映射数据”
在图9的处理中,作为与流入到上游侧催化剂32的流体的流量有关的变量,使用转速NE以及填充效率η,按由转速NE以及填充效率η分割的各区域而使用了各类别的映射数据,但作为与流入到上游侧催化剂32的流体的流量有关的变量,不限于此。例如,也可以使用吸入空气量Ga和/或催化剂内流量CF。
在图9的处理中,按由与流入到上游侧催化剂32的流体的流量有关的变量和催化剂温度Tcat分割的各区域,使用了各类别的映射数据,但不限于此。例如,也可以与催化剂温度Tcat无关地,按由与流入到上游侧催化剂32的流体的流量有关的变量分割的各区域来使用各类别的映射数据。另外,例如也可以同与流入到上游侧催化剂32的流体的流量有关的变量无关地,按由催化剂温度Tcat分割的各区域使用各类别的映射数据。
在图10的处理中,也可以在S72中被否定的情况下,按由与流入到上游侧催化剂32的流体的流量有关的变量分割的各区域而使用各类别的映射数据。另外,例如也可以在S72中被否定的情况下,按由催化剂温度Tcat分割的各区域而使用各自的映射数据。另外,例如也可以在S72中被否定的情况下,按由与流入到上游侧催化剂32的流体的流量有关的变量以及催化剂温度Tcat分割的各区域而使用各类别的映射数据。
此外,作为具有多种映射数据的情况下的映射数据的输入,不限于在上述实施方式中例示的输入。例如,也可以在同与流入到上游侧催化剂32的流体的流量有关的变量无关地按由催化剂温度Tcat分割的各区域而使用各自的映射数据的情况下,在映射的输入包括与流入到上游侧催化剂32的流体的流量有关的变量。另外,例如也可以在与催化剂温度Tcat无关地按由与流入到上游侧催化剂32的流体的流量有关的变量分割的各区域而使用各类别的映射数据的情况下,在映射的输入包括催化剂温度Tcat。不过,并不是必须将用于分割区域的变量不作为映射的输入,例如也可以在按由与流入到上游侧催化剂32的流体的流量有关的变量和催化剂温度Tcat分割的各区域而使用各类别的映射数据的情况下,将与流入到上游侧催化剂32的流体的流量有关的变量和催化剂温度Tcat包含于映射的输入。进一步,例如也可以将增量量平均值Qiave等、不直接确定区域的分割的变量包含于映射的输入。
·“关于预定条件”
在图11的S80的处理中,将内容为流入到上游侧催化剂32的流体的流量处于预定范围内的条件作为了内容为条件(A)和条件(B)的逻辑与为真的条件,但不限于此。例如,也可以设为内容为吸入空气量Ga和/或催化剂内流量CF处于预定范围内的条件。
在图11的S80的处理中,将用于对在劣化程度变量Rd的算出中使用的变量进行采样的预定条件设为了内容为流入到上游侧催化剂32的流体的流量处于预定范围内的条件和条件(C)的逻辑与为真之意的条件,但不限于此。关于那些两个条件,也可以是内容为那些中的仅某一个成立的条件。
此外,作为图11的处理及其变形例中的映射数据的输入,不限于在上述实施方式中例示的输入。例如,也可以在同与流入到上游侧催化剂32的流体的流量有关的变量无关地在催化剂温度Tcat处于预定范围内时允许在劣化程度变量Rd的算出中所使用的变量的采样的情况下,在映射的输入包括与流入到上游侧催化剂32的流体的流量有关的变量。另外,例如在与催化剂温度Tcat无关地在流入到上游侧催化剂32的流体的流量处于预定范围内时允许在劣化程度变量Rd的算出中所使用的变量的采样的情况下,在映射的输入包括催化剂温度Tcat。不过,并不是必须将在劣化程度变量Rd的算出中所使用的变量的采样的允许条件中所包含的变量不作为映射的输入。例如,也可以在上述条件(A)~条件(C)的逻辑与为真时允许在劣化程度变量Rd的算出中所使用的变量的采样的情况下,将与流入到上游侧催化剂32的流体的流量有关的变量和催化剂温度Tcat包含于映射的输入。进一步,也可以将例如增量量平均值Qiave等、不直接确定在劣化程度变量Rd的算出中所使用的变量的采样的允许条件的变量包含于映射的输入。
在图12的S82的处理中,将用于采样在劣化程度变量Rd的算出中所使用的变量的预定条件设为了内容为条件(D)和条件(E)的逻辑或为真的条件,但不限于此。例如也可以是内容为条件(D)成立的条件。
·“关于时间序列数据的采样期间”
在上述实施方式中,在如通常那样设定了目标值Af*时对成为向映射的输入的时间序列数据进行了采样,但不限于此。例如也可以为了算出劣化程度变量Rd而设定目标值Af*。在该情况下,通过使用上述实施方式等中例示的时间序列数据,与以往方法相比,也能够设定目标值Af*以使得流入到催化剂的流体的成分相对于对催化剂的净化来说适当的成分的偏差量变小,缩短偏差量大的期间。
·“关于应对处理”
作为报知处理,不限于对如警告灯99那样输出视觉信息的装置进行操作的处理,例如也可以是对输出语音信息的装置进行操作的处理。
作为应对处理,不限于进行S34、S36、S38全部的处理,关于那些三个处理,既可以仅进行其中的一个处理,另外,也可以例如仅进行某两个处理。另外,也可以是不执行图4的处理,而仅执行S18的处理。
另外,例如也可以在进行硫中毒再生处理等、上游侧催化剂32的升温控制时,按照上游侧催化剂32的劣化程度,改变升温控制的操作量。在该情况下,当在劣化程度大的情况下和劣化程度小的情况下使操作量相同时,劣化程度大的情况下的一方的升温速度会变低,因此,基本上也可以改变操作量以使得增大升温速度。
·“关于机器学习的算法”
作为机器学习的算法,不限于使用神经网络的算法。例如也可以使用回归式。这相当于在上述神经网络中不具备中间层。
·“关于映射数据的生成”
在上述实施方式中,将在曲轴26连接了功率计100的状态下使内燃机10工作时的数据用作训练数据,但不限于此。例如也可以将在内燃机10在搭载于车辆VC的状态下被进行驱动时的数据用作训练数据。
·“关于数据解析装置”
也可以在中心120中,代替S12d、S14d的处理执行如S12a、S14a那样算出最大值Cmax的处理,向车辆VC侧发送最大值Cmax。
也可以在中心120中,执行S16、S18的处理,执行对用户的便携终端报知存在异常的处理来作为S18的处理。
也可以例如通过用户所持有的便携终端来执行图14的(b)的S96、S12d、S14d、S98的处理。
·“关于执行装置”
作为执行装置,不限于具备CPU72(122)和ROM74(124)、并执行软件处理的装置。例如,也可以具备对在上述实施方式中执行的软件处理的至少一部分进行处理的专用的硬件电路(例如ASIC等)。即,执行装置是以下的(a)~(c)中的某一构成即可。(a)具备按照程序执行全部的上述处理的处理装置和存储程序的ROM等程序保存装置。(b)具备按照程序执行上述处理的一部分的处理装置以及程序保存装置和执行其余的处理的专用的硬件电路。(c)具备执行全部的上述处理的专用的硬件电路。在此,具备处理装置以及程序保存装置的软件执行装置、专用的硬件电路也可以是多个。即,上述处理通过具备一个或者多个软件执行装置以及一个或者多个专用的硬件电路中的至少一方的处理电路(processingcircuitry)来执行即可。程序保存装置即计算机可读介质包括能够由通用或者专用的计算机访问的所有的可利用的介质。
·“关于存储装置”
在上述实施方式中,使存储映射数据76a、126a的存储装置和存储劣化检测程序74a、劣化检测主程序124a的存储装置(ROM74、124)为不同的存储装置,但不限于此。
·“关于状态信息提供方法”
在图14的处理中,中心120进行了S12d、S14d的处理,但不限于此,也可以由控制装置70进行处理。在该情况下,控制装置70将劣化程度变量Rd与车辆ID一起输出给中心120,在中心120中执行S100以后的处理即可。不过,在该情况下,控制装置70并不是必须每当算出劣化程度变量Rd时将劣化程度变量Rd与车辆ID一起输出给中心120。例如,也可以在车辆ID被作为二手车由二手车销售店买下的阶段向中心120登记劣化程度变量Rd。
·“关于内燃机”
作为内燃机,不限于具备端口喷射阀16和缸内喷射阀22这两方的内燃机,也可以是仅具备那些两种燃料喷射阀中的某一种的内燃机。
作为内燃机,不限于火花点火式内燃机,例如也可以是使用轻油等来作为燃料的压缩点火式内燃机等。
·“其他”
作为车辆,不限于串联/并联式混合动力车,例如也可以是串联式混合动力车、并联式混合动力车。另外,不限于混合动力车,也可以是生成车辆的推进力的装置仅为内燃机的车辆。
作为催化剂,不限于三元催化剂,例如也可以在捕集颗粒状物质的过滤器担载有三元催化剂。
Claims (16)
1.一种催化剂劣化检测装置,构成为对设置在内燃机的排气通路的催化剂的劣化进行检测,
所述催化剂劣化检测装置具备存储装置和处理电路,
所述存储装置存储映射数据,所述映射数据是对将过剩量变量的第1预定期间的时间序列数据以及下游侧检测变量的第2预定期间的时间序列数据用作输入、并输出劣化程度变量的映射进行规定的数据,
与流入到所述催化剂的流体所包含的氧没有过与不足地进行反应的燃料的量是理想燃料量,所述过剩量变量是与流入到所述催化剂的实际的燃料的量相对于所述理想燃料量的过剩量相应的变量,
所述下游侧检测变量是与所述催化剂的下游侧的空燃比传感器的检测值相应的变量,
所述劣化程度变量是与所述催化剂的劣化程度有关的变量,
所述处理电路构成为执行:
取得处理,取得所述第1预定期间的所述过剩量变量的时间序列数据以及所述第2预定期间的所述下游侧检测变量的时间序列数据;
劣化程度变量算出处理,基于将通过该取得处理取得的数据用作输入的所述映射的输出,算出所述催化剂的劣化程度变量;以及
应对处理,用于基于所述劣化程度变量算出处理的算出结果,在所述催化剂的劣化程度为预定程度以上的情况下,通过对预定的硬件进行操作,从而对所述催化剂的劣化程度为预定程度以上这一情况进行应对,
所述映射数据包括通过机器学习进行了学习的数据。
2.根据权利要求1所述的催化剂劣化检测装置,
所述第2预定期间的时间序列数据包括所述下游侧检测变量的互不相同的三个以上的定时的值。
3.根据权利要求1或2所述的催化剂劣化检测装置,
在所述映射的输入包括所述催化剂的温度,
所述取得处理包括取得所述催化剂的温度的处理,
所述劣化程度变量算出处理包括基于将所述催化剂的温度用作输入的所述映射的输出来算出所述催化剂的劣化程度变量的处理。
4.根据权利要求1或2所述的催化剂劣化检测装置,
所述过剩量变量包括与所述催化剂的上游侧的空燃比传感器的检测值相应的变量。
5.根据权利要求1或2所述的催化剂劣化检测装置,
所述映射数据是多种映射数据中的一种,所述存储装置具备所述多种映射数据,
所述劣化程度变量算出处理包括从所述多种映射数据中选择为了算出所述催化剂的劣化程度变量而利用的所述映射数据的选择处理。
6.根据权利要求5所述的催化剂劣化检测装置,
所述多种的所述映射数据包括由流入到所述催化剂的流体的流量区分的各区域的数据,
所述选择处理包括基于所述流量来选择为了算出所述催化剂的劣化程度变量而利用的所述映射数据的处理。
7.根据权利要求5所述的催化剂劣化检测装置,
所述多种的所述映射数据包括由所述催化剂的温度区分的多个区域各自的数据,
所述选择处理包括基于所述催化剂的温度来选择为了算出所述催化剂的劣化程度而利用的所述映射数据的处理。
8.根据权利要求5所述的催化剂劣化检测装置,
所述多种的所述映射数据包括与是否为燃料切断处理的执行期间相应的各类别的数据,
所述选择处理包括根据是否为所述燃料切断处理的执行期间来选择所述映射数据的处理。
9.根据权利要求1或2所述的催化剂劣化检测装置,
所述取得处理是在预定条件成立的情况下取得被用作所述映射的输入的变量的处理,
所述预定条件包括内容为流入到所述催化剂的流体的流量处于预定范围内的条件。
10.根据权利要求1或2所述的催化剂劣化检测装置,
所述取得处理包括在预定条件成立的情况下取得被用作所述映射的输入的变量的处理,
所述预定条件包括内容为所述催化剂的温度处于预定范围内的条件。
11.根据权利要求1或2所述的催化剂劣化检测装置,
所述取得处理包括与预定条件成立的时间点同步地取得被用作所述映射的输入的变量的处理,
所述预定条件是内容为贮藏于所述催化剂的氧量为最大值或者最小值的条件。
12.根据权利要求1或2所述的催化剂劣化检测装置,
所述应对处理包括将流入到所述催化剂的未燃燃料量向小的一侧限制的限制处理。
13.一种催化剂劣化检测系统,
具备权利要求1~11中任一项所记载的所述处理电路以及所述存储装置,
所述劣化程度变量算出处理包括使用所述映射数据的至少一部分来算出与所述催化剂的氧吸藏量的最大值相应的值的氧吸藏量算出处理,
所述处理电路包括第1执行装置以及第2执行装置,
所述第1执行装置搭载于车辆并且构成为执行所述取得处理、向车辆的外部发送通过所述取得处理取得的数据的车辆侧发送处理、接收基于所述氧吸藏量算出处理的算出结果的信号的车辆侧接收处理以及所述应对处理,
所述第2执行装置配置于所述车辆的外部并且构成为执行接收通过所述车辆侧发送处理发送来的数据的外部侧接收处理、所述氧吸藏量算出处理以及向所述车辆发送基于所述氧吸藏量算出处理的算出结果的信号的外部侧发送处理。
14.一种数据解析装置,
具备权利要求13所记载的所述第2执行装置以及所述存储装置。
15.一种内燃机的控制装置,
具备权利要求13所记载的所述第1执行装置。
16.一种二手车状态信息提供方法,提供搭载了内燃机的二手车的状态信息,所述内燃机在排气通路设置有催化剂,所述二手车状态信息提供方法使计算机执行:
权利要求1~11中的任一项所记载的所述取得处理以及所述劣化程度变量算出处理;
存储处理,使所述劣化程度变量算出处理的算出结果与车辆ID一起存储于存储装置;以及
输出处理,根据来自外部的访问,输出与所述车辆ID对应的所述催化剂的劣化程度信息。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019026614A JP6624319B1 (ja) | 2019-02-18 | 2019-02-18 | 触媒劣化検出装置、触媒劣化検出システム、データ解析装置、内燃機関の制御装置、および中古車の状態情報提供方法 |
JP2019-026614 | 2019-02-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111577427A CN111577427A (zh) | 2020-08-25 |
CN111577427B true CN111577427B (zh) | 2022-04-01 |
Family
ID=69100919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010092861.2A Expired - Fee Related CN111577427B (zh) | 2019-02-18 | 2020-02-14 | 催化剂劣化检测装置及系统、二手车状态信息提供方法 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11149618B2 (zh) |
JP (1) | JP6624319B1 (zh) |
CN (1) | CN111577427B (zh) |
DE (1) | DE102020100717A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6547991B1 (ja) * | 2019-02-20 | 2019-07-24 | トヨタ自動車株式会社 | 触媒温度推定装置、触媒温度推定システム、データ解析装置、および内燃機関の制御装置 |
JP6787463B1 (ja) * | 2019-09-27 | 2020-11-18 | トヨタ自動車株式会社 | 内燃機関の失火の有無の判定装置、内燃機関の排気通路に設けられた触媒の劣化度合いの判定装置、内燃機関の排気通路に設けられた触媒の暖機処理における異常の有無の判定装置、内燃機関の排気通路に設けられたフィルタに捕集されたpm堆積量の判定装置、および内燃機関の排気通路に設けられた空燃比センサの異常の有無の判定装置 |
US20220399085A1 (en) * | 2021-06-14 | 2022-12-15 | Chevron U.S.A. Inc. | Artificial intelligence directed zeolite synthesis |
JPWO2023079791A1 (zh) * | 2021-11-04 | 2023-05-11 | ||
US11549418B1 (en) * | 2021-12-20 | 2023-01-10 | Caterpillar Inc. | Desulfation of aftertreatment component |
JP2023180713A (ja) * | 2022-06-10 | 2023-12-21 | トヨタ自動車株式会社 | 内燃機関の制御装置 |
WO2024134717A1 (ja) * | 2022-12-19 | 2024-06-27 | ヤマハ発動機株式会社 | 状態識別装置 |
WO2024134718A1 (ja) * | 2022-12-19 | 2024-06-27 | ヤマハ発動機株式会社 | 触媒劣化診断装置 |
WO2024135704A1 (ja) * | 2022-12-19 | 2024-06-27 | ヤマハ発動機株式会社 | 状態識別装置を生産する方法および状態識別装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10252451A (ja) * | 1997-03-14 | 1998-09-22 | Honda Motor Co Ltd | 内燃機関の触媒劣化検出装置及び空燃比制御装置 |
JPH10252536A (ja) * | 1997-03-14 | 1998-09-22 | Honda Motor Co Ltd | 内燃機関の空燃比制御装置 |
JPH11241642A (ja) * | 1998-02-25 | 1999-09-07 | Honda Motor Co Ltd | 内燃機関の燃料性状検出装置及び燃料噴射量制御装置 |
CN1539052A (zh) * | 2001-04-13 | 2004-10-20 | ������������ʽ���� | 内燃机的排气净化装置 |
JP2005050022A (ja) * | 2003-07-31 | 2005-02-24 | Toyota Motor Corp | 部品使用履歴収集システム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5088281A (en) * | 1988-07-20 | 1992-02-18 | Toyota Jidosha Kabushiki Kaisha | Method and apparatus for determining deterioration of three-way catalysts in double air-fuel ratio sensor system |
US5625750A (en) * | 1994-06-29 | 1997-04-29 | Ford Motor Company | Catalyst monitor with direct prediction of hydrocarbon conversion efficiency by dynamic neural networks |
JPH10252550A (ja) * | 1997-03-14 | 1998-09-22 | Honda Motor Co Ltd | 内燃機関の燃料性状検出装置及び燃料噴射量制御装置 |
JPH10252537A (ja) * | 1997-03-14 | 1998-09-22 | Honda Motor Co Ltd | 内燃機関の制御装置 |
DE10010745A1 (de) * | 2000-03-04 | 2002-03-28 | Volkswagen Ag | Verfahren zur Überwachung eines Katalysatorsystems einer Brennkraftmaschine eines Kraftfahrzeugs |
JP4437626B2 (ja) * | 2001-05-14 | 2010-03-24 | 本田技研工業株式会社 | 内燃機関の空燃比制御装置 |
US7957892B2 (en) * | 2007-12-31 | 2011-06-07 | The Invention Science Fund I, Llc | Condition-sensitive exhaust control |
JP2012117406A (ja) * | 2010-11-30 | 2012-06-21 | Daihatsu Motor Co Ltd | 内燃機関の触媒異常判定方法 |
JP6087799B2 (ja) * | 2013-12-04 | 2017-03-01 | 本田技研工業株式会社 | 内燃機関の排気浄化システム |
JP2017155712A (ja) * | 2016-03-04 | 2017-09-07 | いすゞ自動車株式会社 | 焼付き兆候判定装置及び焼付き兆候判定方法 |
JP2018135844A (ja) * | 2017-02-23 | 2018-08-30 | トヨタ自動車株式会社 | エンジンの監視システム |
-
2019
- 2019-02-18 JP JP2019026614A patent/JP6624319B1/ja active Active
-
2020
- 2020-01-14 DE DE102020100717.5A patent/DE102020100717A1/de not_active Ceased
- 2020-01-31 US US16/778,518 patent/US11149618B2/en active Active
- 2020-02-14 CN CN202010092861.2A patent/CN111577427B/zh not_active Expired - Fee Related
-
2021
- 2021-09-16 US US17/476,692 patent/US11473477B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10252451A (ja) * | 1997-03-14 | 1998-09-22 | Honda Motor Co Ltd | 内燃機関の触媒劣化検出装置及び空燃比制御装置 |
JPH10252536A (ja) * | 1997-03-14 | 1998-09-22 | Honda Motor Co Ltd | 内燃機関の空燃比制御装置 |
JPH11241642A (ja) * | 1998-02-25 | 1999-09-07 | Honda Motor Co Ltd | 内燃機関の燃料性状検出装置及び燃料噴射量制御装置 |
CN1539052A (zh) * | 2001-04-13 | 2004-10-20 | ������������ʽ���� | 内燃机的排气净化装置 |
JP2005050022A (ja) * | 2003-07-31 | 2005-02-24 | Toyota Motor Corp | 部品使用履歴収集システム |
Also Published As
Publication number | Publication date |
---|---|
US20200263594A1 (en) | 2020-08-20 |
DE102020100717A1 (de) | 2020-08-20 |
JP2020133467A (ja) | 2020-08-31 |
US20220003142A1 (en) | 2022-01-06 |
JP6624319B1 (ja) | 2019-12-25 |
CN111577427A (zh) | 2020-08-25 |
US11473477B2 (en) | 2022-10-18 |
US11149618B2 (en) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111577427B (zh) | 催化剂劣化检测装置及系统、二手车状态信息提供方法 | |
CN111594299B (zh) | 催化剂温度推定装置、催化剂温度推定系统、数据解析装置及内燃机的控制装置 | |
CN111828190B (zh) | 氧吸藏量推定装置及推定系统、内燃机的控制装置 | |
CN111594300B (zh) | Pm量推定装置及其系统和方法、数据解析装置、内燃机的控制装置及接收装置 | |
CN111594331B (zh) | 不均检测装置、不均检测系统、不均检测方法、数据解析装置、及内燃机的控制装置 | |
US20200309053A1 (en) | Misfire detection device for internal combustion engine, misfire detection system for internal combustion engine, data analyzer, controller for internal combustion engine, method for detecting misfire in internal combustion engine, and reception execution device | |
CN111594335B (zh) | 内燃机的催化剂预热处理监视装置、系统、方法 | |
CN112412646A (zh) | 车辆用学习控制系统、车辆用控制装置及车辆用学习装置 | |
JP4048735B2 (ja) | 内燃機関の制御装置 | |
CN111720229B (zh) | 空燃比传感器的异常检测装置、异常检测系统及方法 | |
JP3980424B2 (ja) | 内燃機関の空燃比制御装置 | |
CN101382090B (zh) | 内燃机的空燃比控制系统 | |
US20200123990A1 (en) | Control device of internal combustion engine and control method of same and learning model for controlling internal combustion engine and learning method of same | |
JP2009007940A (ja) | 内燃機関の筒内充填空気量演算装置 | |
JP2020133620A (ja) | 触媒劣化検出装置、触媒劣化検出システム、データ解析装置、内燃機関の制御装置、および中古車の状態情報提供方法 | |
CN113266485B (zh) | 映射的学习方法 | |
JP2006009674A (ja) | 内燃機関の制御装置 | |
JP2020122401A (ja) | 内燃機関の制御装置 | |
CN112648093B (zh) | 内燃机的状态推定装置、内燃机的状态推定系统、数据解析装置及内燃机的控制装置 | |
JP2020133618A (ja) | 触媒温度推定装置、触媒温度推定システム、データ解析装置、および内燃機関の制御装置 | |
JPH10205378A (ja) | エンジン制御方式 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220401 |
|
CF01 | Termination of patent right due to non-payment of annual fee |