CN111577457B - 内燃机的失火检测装置、系统、方法、数据解析装置、及内燃机的控制装置 - Google Patents

内燃机的失火检测装置、系统、方法、数据解析装置、及内燃机的控制装置 Download PDF

Info

Publication number
CN111577457B
CN111577457B CN202010088703.XA CN202010088703A CN111577457B CN 111577457 B CN111577457 B CN 111577457B CN 202010088703 A CN202010088703 A CN 202010088703A CN 111577457 B CN111577457 B CN 111577457B
Authority
CN
China
Prior art keywords
map
misfire
output
data
input
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
Application number
CN202010088703.XA
Other languages
English (en)
Other versions
CN111577457A (zh
Inventor
武藤晴文
高本聪
片山章弘
村井达畅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN111577457A publication Critical patent/CN111577457A/zh
Application granted granted Critical
Publication of CN111577457B publication Critical patent/CN111577457B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/04—Testing internal-combustion engines
    • G01M15/11—Testing internal-combustion engines by detecting misfire
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02B—INTERNAL-COMBUSTION PISTON ENGINES; COMBUSTION ENGINES IN GENERAL
    • F02B77/00—Component parts, details or accessories, not otherwise provided for
    • F02B77/08—Safety, indicating or supervising devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D13/00—Controlling the engine output power by varying inlet or exhaust valve operating characteristics, e.g. timing
    • F02D13/02—Controlling the engine output power by varying inlet or exhaust valve operating characteristics, e.g. timing during engine operation
    • F02D13/0223—Variable control of the intake valves only
    • F02D13/0234—Variable control of the intake valves only changing the valve timing only
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D37/00—Non-electrical conjoint control of two or more functions of engines, not otherwise provided for
    • F02D37/02—Non-electrical conjoint control of two or more functions of engines, not otherwise provided for one of the functions being ignition
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0002—Controlling intake air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/008—Controlling each cylinder individually
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0097—Electrical control of supply of combustible mixture or its constituents using means for generating speed signals
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D41/1405—Neural network control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1497—With detection of the mechanical response of the engine
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1497—With detection of the mechanical response of the engine
    • F02D41/1498—With detection of the mechanical response of the engine measuring engine roughness
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/22—Safety or indicating devices for abnormal conditions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
    • F02D41/2425—Particular ways of programming the data
    • F02D41/2429—Methods of calibrating or learning
    • F02D41/2438—Active learning methods
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
    • F02D41/2425—Particular ways of programming the data
    • F02D41/2429—Methods of calibrating or learning
    • F02D41/2451—Methods of calibrating or learning characterised by what is learned or calibrated
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/30—Controlling fuel injection
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D9/00—Controlling engines by throttling air or fuel-and-air induction conduits or exhaust conduits
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02P—IGNITION, OTHER THAN COMPRESSION IGNITION, FOR INTERNAL-COMBUSTION ENGINES; TESTING OF IGNITION TIMING IN COMPRESSION-IGNITION ENGINES
    • F02P5/00—Advancing or retarding ignition; Control therefor
    • F02P5/04—Advancing or retarding ignition; Control therefor automatically, as a function of the working conditions of the engine or vehicle or of the atmospheric conditions
    • F02P5/145—Advancing or retarding ignition; Control therefor automatically, as a function of the working conditions of the engine or vehicle or of the atmospheric conditions using electrical means
    • F02P5/15—Digital data processing
    • F02P5/1502—Digital data processing using one central computing unit
    • F02P5/1512—Digital data processing using one central computing unit with particular means concerning an individual cylinder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L3/00—Measuring torque, work, mechanical power, or mechanical efficiency, in general
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/04—Testing internal-combustion engines
    • G01M15/06—Testing internal-combustion engines by monitoring positions of pistons or cranks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0002—Controlling intake air
    • F02D2041/001—Controlling intake air for engines with variable valve actuation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/22—Safety or indicating devices for abnormal conditions
    • F02D2041/228—Warning displays
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/04—Engine intake system parameters
    • F02D2200/0411—Volumetric efficiency
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/10—Parameters related to the engine output, e.g. engine torque or engine speed
    • F02D2200/1002—Output torque
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/10—Parameters related to the engine output, e.g. engine torque or engine speed
    • F02D2200/1002—Output torque
    • F02D2200/1004—Estimation of the output torque
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/10—Parameters related to the engine output, e.g. engine torque or engine speed
    • F02D2200/101—Engine speed
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/10—Parameters related to the engine output, e.g. engine torque or engine speed
    • F02D2200/1015—Engines misfires
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/70—Input parameters for engine control said parameters being related to the vehicle exterior
    • F02D2200/702—Road conditions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02P—IGNITION, OTHER THAN COMPRESSION IGNITION, FOR INTERNAL-COMBUSTION ENGINES; TESTING OF IGNITION TIMING IN COMPRESSION-IGNITION ENGINES
    • F02P5/00—Advancing or retarding ignition; Control therefor
    • F02P5/04—Advancing or retarding ignition; Control therefor automatically, as a function of the working conditions of the engine or vehicle or of the atmospheric conditions
    • F02P5/145—Advancing or retarding ignition; Control therefor automatically, as a function of the working conditions of the engine or vehicle or of the atmospheric conditions using electrical means
    • F02P5/15—Digital data processing
    • F02P5/152—Digital data processing dependent on pinking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Abstract

提供内燃机的失火检测装置、内燃机的失火检测系统、内燃机的失火检测方法、数据解析装置及内燃机的控制装置。映射以第1间隔中包含的连续的多个第2间隔各自中的瞬时速度参数即时序数据为输入。瞬时速度参数是与曲轴的转速相应的参数。第1间隔是曲轴的旋转角度间隔，且是包含压缩上止点的间隔。第2间隔比压缩上止点的出现间隔小。映射关于在第1间隔内出现压缩上止点的至少1个汽缸，输出产生了失火的概率。规定映射的映射数据通过机器学习而已学习。

Description

内燃机的失火检测装置、系统、方法、数据解析装置、及内燃机 的控制装置
技术领域
本公开涉及内燃机的失火检测装置、内燃机的失火检测系统、数据解析装置及内燃机的控制装置。
背景技术
例如在日本特开2009-174397号公报中记载了利用曲轴旋转在时序上相邻的压缩上止点间的角度间隔所需的时间作为伴随于各汽缸的燃烧行程的曲轴的转速的装置。并且，该装置基于这些时间彼此的差来判定失火的有无。
即使在时序上相邻的压缩上止点间的角度间隔中，曲轴也呈现复杂的旋转行为。但是，在上述装置中，无法掌握比压缩上止点间的角度间隔小的角度间隔中的曲轴的旋转行为。因此，无法充分活用能够在失火的有无的判定中利用的信息。
发明内容
以下，对上述公开的例进行记载。
例1.一种内燃机的失火检测装置，具备存储装置和执行装置，其中，所述存储装置构成为存储规定映射的数据即映射数据，所述映射以第1间隔中包含的连续的多个第2间隔各自中的瞬时速度参数即时序数据为输入，输出在所述内燃机产生了失火的概率，所述执行装置构成为执行：取得处理，取得基于检测所述内燃机的曲轴的旋转行为的传感器的检测值的、所述瞬时速度参数；判定处理，基于以所述时序数据为输入的所述映射的输出来判定所述失火的有无；及应对处理，用于在通过所述判定处理而判定为产生了失火的情况下，通过操作预定的硬件来应对失火的产生，所述瞬时速度参数是与所述曲轴的转速相应的参数，所述第1间隔是所述曲轴的旋转角度间隔，且是包含压缩上止点的间隔，所述第2间隔是比所述压缩上止点的出现间隔小的间隔，所述映射关于在所述第1间隔内出现压缩上止点的至少1个汽缸，输出产生了失火的概率，所述映射数据是通过机器学习而已学习的数据。
在上述构成中，通过以第1间隔中包含的多个第2间隔各自中的瞬时速度参数即时序数据为输入的映射来算出失火的概率。在第1间隔中的曲轴的旋转行为中，包含与至少1个汽缸的失火的有无相关的信息，另外，第2间隔是比压缩上止点间的角度间隔小的角度间隔。并且，映射数据是利用通过机器学习而学习到的值来规定对瞬时速度参数的时序数据实施的运算的数据。因而，上述映射是学习了瞬时速度参数分别与概率的关系的映射。因而，能够活用与比压缩上止点间的角度间隔小的角度间隔中的曲轴的旋转行为相关的信息来判定失火的有无。
例2.根据上述例1所述的内燃机的失火检测装置，在所述映射的输入中包括规定所述内燃机的动作点的参数，所述取得处理包括取得规定所述动作点的参数的处理，所述判定处理是基于通过使向所述映射的输入还包含由所述取得处理取得的规定所述动作点的参数而得到的所述映射的输出来判定所述失火的有无的处理。
内燃机的控制具有根据内燃机的动作点而进行的倾向。因此，根据内燃机的动作点，曲轴的旋转行为可能不同。因而，在上述构成中，通过使映射的输入包含规定内燃机的动作点的参数，能够算出反映了曲轴的旋转行为的与动作点相应的变化的、失火的概率。
例3.根据上述例1或2所述的内燃机的失火检测装置，在所述映射的输入中包括调整变量，该调整变量是用于通过所述内燃机的操作部的操作来调整所述内燃机的燃烧室中的混合气的燃烧速度的参数，所述取得处理包括取得所述调整变量的处理，所述判定处理是基于通过使向所述映射的输入还包含由所述取得处理取得的所述调整变量而得到的所述映射的输出来判定所述失火的有无的处理。
根据混合气的燃烧速度，曲轴的旋转行为变化。因而，失火的情况下的曲轴的旋转行为也具有根据未产生失火时的混合气的燃烧速度而变化的倾向。于是，在上述构成中，使映射的输入包含调整燃烧速度的调整变量。由此，能够算出反映了曲轴的旋转行为的与燃烧速度相应的变化的、失火的概率。
例4.根据上述例1～3中任一个所述的内燃机的失火检测装置，在所述映射的输入中包括连结于所述曲轴的驱动系统装置的状态变量，所述取得处理包括取得所述驱动系统装置的状态变量的处理，所述判定处理是基于通过使向所述映射的输入还包含由所述取得处理取得的所述驱动系统装置的状态变量而得到的所述映射的输出来判定所述失火的有无的处理。
在连结于曲轴的驱动系统装置的状态不同的情况下，具有曲轴的旋转行为不同的倾向。于是，在上述构成中，使映射的输入包含驱动系统装置的状态变量。由此，能够算出反映了曲轴的旋转行为的与驱动系统装置的状态相应的变化的、失火的概率。
例5.根据上述例1～4中任一个所述的内燃机的失火检测装置，在所述映射的输入中包括搭载所述内燃机的车辆正在行驶的路面的状态变量，所述取得处理包括取得所述路面的状态变量的处理，所述判定处理是基于通过使向所述映射的输入还包含由所述取得处理取得的所述路面的状态变量而得到的所述映射的输出来判定所述失火的有无的处理。
例如在路面存在凹凸的情况下，在车辆产生振动，该振动向曲轴传递。这样，路面的状态会对曲轴的旋转行为造成影响。于是，在上述构成中，使映射的输入包含路面的状态变量。由此，能够算出反映了曲轴的旋转行为的与路面的状态相应的变化的、失火的概率。
例6.根据上述例1～5中任一个所述的内燃机的失火检测装置，所述存储装置具备多个种类的所述映射数据，所述判定处理包括从所述多个种类的映射数据中选择为了判定所述失火的有无而利用的所述映射数据的选择处理。
在构成能够在所有状况下高精度地输出失火的概率的映射的情况下，映射的构造容易复杂化。于是，在上述构成中，设置多个种类的映射数据。由此，能够根据状况来选择合适的映射。在该情况下，例如与利用单个映射来应对全部状况的情况相比，容易简化多个种类的映射的各自的构造。
例7.根据上述例1～6中任一个所述的内燃机的失火检测装置，所述映射数据包括根据产生失火的汽缸间隔而分类的、每种失火的映射数据，所述判定处理是使用所述每种失火的映射数据分别来判定所述每种失火的有无的处理。
例如在1燃烧循环中限定于1个汽缸而产生失火的情况和在多个汽缸中产生失火的情况下，产生失火的曲轴的角度间隔不同。因此，曲轴的旋转行为不同。并且，在将这些全部种类的失火的概率例如通过单个映射来求出的情况下，对该映射的要求变大，进而映射的构造容易复杂化。在上述构成中，将使用针对每种失火准备的各映射而输出的概率用于判定。因而，容易兼顾失火的判定精度的维持和映射的构造变得复杂的抑制。
例8.根据上述例1～7中任一个所述的内燃机的失火检测装置，所述映射数据包括规定输入侧映射的数据即输入侧映射数据和规定输出侧映射的输出侧映射数据，输入侧映射是输出比成为输入的数据的维度小的维度的数据的非线性映射，所述输出侧映射是以所述输入侧映射的输出为输入且输出失火的概率的非线性映射。
在上述构成中，通过具有层构造及非线性构造，能够使映射具有丰富的表现力。因此，能够根据输入变量而高精度地表现失火的概率。
例9.根据上述例8所述的内燃机的失火检测装置，所述输出侧映射包括：转矩输出映射，以所述输入侧映射的输出为输入，输出与所述内燃机的产生转矩相关的数据；及概率映射，基于所述转矩输出映射的输出，输出产生了所述失火的概率，所述判定处理包括：转矩算出处理，将以所述瞬时速度参数的时序数据为输入的所述输入侧映射的输出作为输入，通过所述转矩输出映射来算出与所述产生转矩相关的数据；及概率算出处理，将由所述转矩算出处理算出的与产生转矩相关的数据作为输入，通过所述概率映射来算出所述概率。
在例如以瞬时速度参数的时序数据为输入且输出失火的概率的映射中，缺乏作为输出的失火的概率为何成为这样的信息。于是，在上述构成中，代替直接输出失火的概率，而使产生转矩作为中间变量介于中间。由此，在通过映射来算出失火的概率的过程中，生成与产生转矩相关的数据。因此，能够更详细地表现出作为物理现象而产生。由此，容易关于映射的失火的概率的输出的妥当性进行检查。
例10.根据上述例8或9所述的内燃机的失火检测装置，所述输入侧映射包括：多个输入侧线性映射，输出所述瞬时速度参数的时序数据的线性结合数据；及多个输入侧非线性映射，对多个所述输入侧线性映射的输出分别进行非线性变换，所述输出侧映射包括：与汽缸数同数的输出侧线性映射，输出多个所述输入侧非线性映射的输出的线性结合数据；及输出侧非线性映射，通过对所述输出侧线性映射的输出分别进行非线性变换来输出与对应的汽缸中的产生了失火的概率和产生转矩中的任一者相关的数据，在多个所述输入侧线性映射中的任1个中，与在时序上压缩上止点相邻的一对汽缸各自对应的所述瞬时速度参数的、互相的至少1个系数彼此的绝对值相同且符号互相相反，对所述任1个所述输入侧线性映射的输出进行非线性变换的所述输入侧非线性映射的输出仅向与所述一对汽缸中的任一个汽缸对应的所述输出侧非线性映射输入。
在时序上压缩上止点相邻的一对汽缸的任一方中产生失火的情况下，与这一对汽缸各自对应的瞬时速度参数彼此之差具有产生大的差异的倾向。因而，以往，进行基于该差的失火的有无的判定处理。相对于此，在使用瞬时速度参数的时序数据的任意的线性结合数据的情况下，映射以什么为根据来输出失火的概率容易变得不明。于是，在上述构成中，在具有层构造的映射中，限定于输出特定的汽缸的产生转矩或概率的输出侧非线性映射，输入与特定的汽缸和与其相邻的汽缸各自中的瞬时速度参数彼此之差相应的变量。由此，能够反映以往的失火检测方法来算出失火的概率。因此，容易关于映射的失火的概率的输出的妥当性进行检查。
例11.根据上述例1～10中任一个所述的内燃机的失火检测装置，所述应对处理包括通过操作作为所述预定的硬件的报知器来报知产生了所述失火的意思的报知处理。
在上述构成中，通过报知产生了失火的意思能够催促应对失火。
例12.根据上述例1～11中任一个所述的内燃机的失火检测装置，所述预定的硬件包括用于控制所述内燃机的燃烧室内的混合气的燃烧的燃烧操作部，所述应对处理包括根据产生了所述失火的意思的信息来操作所述燃烧操作部的操作处理。
在上述构成中，在产生失火的情况下，根据产生了失火的意思的信息来操作用于控制混合气的燃烧的操作部。由此，能够改善产生失火的状况，抑制由失火引起的不良影响。
例13.一种内燃机的失火检测系统，具备上述1～12中任一个所述的所述执行装置及所述存储装置，其中，所述判定处理包括：输出算出处理，算出所述映射的输出；及基于由所述输出算出处理算出的该输出来判定所述失火的有无的处理，所述执行装置包括第1执行装置及第2执行装置，所述第1执行装置搭载于车辆，且构成为执行：所述取得处理；车辆侧发送处理，将由所述取得处理取得的数据向车辆的外部发送；及车辆侧接收处理，接收基于由所述输出算出处理算出的输出的信号；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，且构成为执行：外部侧接收处理，接收由所述车辆侧发送处理发送出的数据；所述输出算出处理；及外部侧发送处理，将基于由所述输出算出处理算出的输出的信号向所述车辆发送。
在上述构成中，能够将输出算出处理在车辆的外部执行。由此，能够减轻车载装置的运算负荷。
例14.一种数据解析装置，具备上述例13所述的所述第2执行装置及所述存储装置。
例15.一种内燃机的控制装置，具备上述例13所述的所述第1执行装置。
例16.一种内燃机的失火检测系统，具备第1执行装置、第2执行装置及存储装置，其中，
所述存储装置存储有规定映射的数据即映射数据，所述映射以第1间隔中包含的连续的多个第2间隔各自中的瞬时速度参数即时序数据为输入，输出在所述内燃机产生了失火的概率，
所述第2执行装置或所述第1执行装置及所述第2执行装置构成为执行基于以所述时序数据为输入的所述映射的输出来判定所述失火的有无的判定处理，
所述判定处理包括：
输出算出处理，算出所述映射的输出；及
基于由所述输出算出处理算出的输出来判定所述失火的有无的处理，所述第1执行装置搭载于车辆，且构成为执行：
取得处理，取得基于检测所述内燃机的曲轴的旋转行为的传感器的检测值的、所述瞬时速度参数；
车辆侧发送处理，将由所述取得处理取得的数据向车辆的外部发送；
车辆侧接收处理，接收基于由所述输出算出处理算出的输出的信号；及
应对处理，用于在由所述判定处理判定为产生了失火的情况下，通过操作预定的硬件来应对失火的产生，
所述第2执行装置配置于所述车辆的外部，且构成为执行：
外部侧接收处理，接收由所述车辆侧发送处理发送出的数据；
所述输出算出处理；及
外部侧发送处理，将基于由所述输出算出处理算出的输出的信号向所述车辆发送，
所述瞬时速度参数是与所述曲轴的转速相应的参数，
所述第1间隔是所述曲轴的旋转角度间隔，且是包含压缩上止点的间隔，
所述第2间隔是比所述压缩上止点的出现间隔小的间隔，
所述映射关于在所述第1间隔内出现压缩上止点的至少1个汽缸，输出产生了失火的概率，
所述映射数据是通过机器学习而已学习的数据。
例17.一种内燃机的失火检测方法，用于执行上述例1～例15中任一个所述的处理。具体而言，是一种内燃机的失火检测方法，其中，所述失火检测方法包括以下步骤：
将规定映射的数据即映射数据存储于存储装置，所述映射以第1间隔中包含的连续的多个第2间隔各自中的瞬时速度参数即时序数据为输入，输出在所述内燃机产生了失火的概率；
利用执行装置，取得基于检测所述内燃机的曲轴的旋转行为的传感器的检测值的所述瞬时速度参数；
利用执行装置，基于以所述时序数据为输入的所述映射的输出来判定所述失火的有无；及
利用执行装置，在判定为产生了所述失火的情况下，通过操作预定的硬件来应对失火的产生，
所述瞬时速度参数是与所述曲轴的转速相应的参数，
所述第1间隔是所述曲轴的旋转角度间隔，且是包含压缩上止点的间隔，
所述第2间隔是比所述压缩上止点的出现间隔小的间隔，
所述映射关于在所述第1间隔内出现压缩上止点的至少1个汽缸，输出产生了失火的概率，
所述映射数据是通过机器学习而已学习的数据。
例18.一种非瞬时性的计算机可读的存储介质，存储有用于使执行装置执行上述例1～例15中任一个所述的处理的程序。
例19.在上述例1～例18的任一个中，所述瞬时速度参数是与所述曲轴在多个所述第2间隔各自中旋转时的转速相应的参数。
附图说明
图1是示出第1实施方式的控制装置及车辆的驱动系统的构成的图。
图2是示出该实施方式的失火检测处理的步骤的流程图。
图3是示出该实施方式的对失火的应对处理的步骤的流程图。
图4是示出该实施方式的生成映射数据的系统的图。
图5是示出该实施方式的映射数据的学习处理的步骤的流程图。
图6是示出第2实施方式的失火检测处理的步骤的流程图。
图7是示出第3实施方式的失火检测处理的步骤的流程图。
图8是示出该实施方式的神经网络的构造的一部分的图。
图9是关于图7的失火检测处理例示失火时的微小旋转时间的推移的时间图。
图10是示出该实施方式的规定转矩下降率与失火概率的关系的映射数据的图。
图11是示出第4实施方式的映射数据的选择处理的步骤的流程图。
图12是示出第5实施方式的映射数据的选择处理的步骤的流程图。
图13是示出第6实施方式的映射数据的选择处理的步骤的流程图。
图14是示出第7实施方式的映射数据的选择处理的步骤的流程图。
图15是示出第8实施方式的失火检测处理的步骤的流程图。
图16是示出第9实施方式的失火检测系统的构成的图。
图17的(a)部分及(b)部分是示出在图16的失火检测系统中失火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，参照附图的图1～图5来对内燃机的失火检测装置的第1实施方式进行说明。
在搭载于图1所示的车辆VC的内燃机10中，在进气通路12设置有节气门14。从进气通路12吸入后的空气通过进气门16开阀而向各汽缸#1～#4的燃烧室18流入。在内燃机10中以向燃烧室18露出的方式设置有喷射燃料的燃料喷射阀20和产生火花放电的点火装置22。在燃烧室18中，空气与燃料的混合气用于燃烧，通过燃烧而产生的能量作为曲轴24的旋转能量被取出。用于燃烧后的混合气伴随于排气门26的开阀而作为排气向排气通路28排出。在排气通路28设置有具有氧吸藏能力的三元催化剂30。排气通路28经由EGR通路32而连通于进气通路12。在EGR通路32设置有调整其流路截面积的EGR阀34。
曲轴24的旋转动力经由进气侧气门正时可变装置40而向进气侧凸轮轴42传递，另一方面，经由排气侧气门正时可变装置44而向排气侧凸轮轴46传递。进气侧气门正时可变装置40变更进气侧凸轮轴42与曲轴24的相对的旋转相位差。排气侧气门正时可变装置44变更排气侧凸轮轴46与曲轴24的相对的旋转相位差。
对内燃机10的曲轴24能够经由变矩器60而连结变速装置64的输入轴66。变矩器60具备锁止离合器62，通过锁止离合器62成为紧固连结状态，曲轴24与输入轴66被互相连结。在变速装置64的输出轴68机械连结有驱动轮69。此外，在本实施方式中，变速装置64是能够变更1速～5速的变速比的有级变速装置。
在曲轴24结合有设置有表示曲轴24的多个(在此是34个)旋转角度的各自的齿部52的曲轴转子50。在曲轴转子50基本上以10°CA间隔设置有齿部52，但设置有1处相邻的齿部52间的间隔成为30°CA的部位即缺齿部54。这用于表示曲轴24的成为基准的旋转角度。
控制装置70以内燃机10为控制对象，为了控制作为其控制量的转矩、排气成分比率等而操作节气门14、燃料喷射阀20、点火装置22、EGR阀34、进气侧气门正时可变装置40、排气侧气门正时可变装置44。此外，在图1中记载了节气门14、燃料喷射阀20、点火装置22、EGR阀34、进气侧气门正时可变装置40、排气侧气门正时可变装置44各自的操作信号MS1～MS6。
控制装置70在控制量的控制时，参照输出上述齿部52间的各角度间隔(除了缺齿部54之外为10°CA)的脉冲的曲轴传感器80的输出信号Scr、由空气流量计82检测的吸入空气量Ga。另外，控制装置70参照由水温传感器84检测的内燃机10的冷却水的温度(水温THW)、由挡位传感器86检测的变速装置64的挡位Sft、由加速度传感器88检测的车辆VC的上下方向的加速度Dacc。
控制装置70具备CPU72、ROM74、能够电改写的非易失性存储器(存储装置76)及周边电路77，它们能够通过本地网络78而相互通信。此外，周边电路77包括生成对内部的动作进行规定的时钟信号的电路、电源电路、复位电路等。
控制装置70通过CPU72执行存储于ROM74的程序来执行上述控制量的控制。另外，控制装置70执行判定内燃机10的失火的有无的处理。
图2示出失火检测处理的步骤。图2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的失火检测程序74a而实现。此外，以下，利用在开头标注了“S”的数字来表现各处理的步骤编号。
在图2所示的一系列处理中，CPU72首先取得微小旋转时间T30(1)、T30(2)、…T30(24)(S10)。微小旋转时间T30由CPU72通过基于曲轴传感器80的输出信号Scr对曲轴24旋转30°CA所需的时间进行计时而算出。在此，在微小旋转时间T30(1)、T30(2)等括号中的数字不同的情况下，表示是1燃烧循环即720°CA内的不同的旋转角度间隔。即，微小旋转时间T30(1)～T30(24)表示将720°CA的旋转角度区域(第1间隔)以30°CA进行等分后的各角度间隔(第2间隔)中的旋转时间。也就是说，微小旋转时间T30是作为与曲轴24在多个各角度间隔(30°CA即第2间隔)各自中旋转时的转速相应的参数的瞬时速度参数(瞬时速度变量)。
详细而言，CPU72基于输出信号Scr对旋转了30°CA的时间进行计时，将其设为滤波处理前时间NF30。接着，CPU72通过实施以滤波处理前时间NF30为输入的数字滤波处理来算出滤波处理后时间AF30。然后，CPU72通过以使预定期间(例如720°CA)中的滤波处理后时间AF30的极大值(最大值)与极小值(最小值)之差成为“1”的方式将滤波处理后时间AF30归一化来算出微小旋转时间T30。
接着，CPU72取得转速NE及充气效率η(S12)。转速NE由CPU72基于曲轴传感器80的输出信号Scr而算出，充气效率η由CPU72基于转速NE及吸入空气量Ga而算出。此外，转速NE是曲轴24旋转比压缩上止点的出现间隔(在本实施方式中是180°CA)大的角度间隔时的转速的平均值。此外，转速NE优选设为曲轴24旋转曲轴24的1圈以上的旋转角度时的转速的平均值。此外，这里的平均值不限于单纯平均，例如也可以是指数移动平均处理，设为通过曲轴24旋转1圈以上的旋转角度时的例如微小旋转时间T30等的多个采样值而算出。另外，充气效率η是确定向燃烧室18内填充的空气量的参数。
接着，CPU72对用于算出产生了失火的概率的映射的输入变量x(1)～x(26)代入通过S10、S12的处理而取得的值(S14)。详细而言，CPU72设为“s＝1～24”，对输入变量x(s)代入微小旋转时间T30(s)。即，输入变量x(1)～x(24)成为微小旋转时间T30的时序数据。另外，CPU72对输入变量x(25)代入转速NE，对输入变量x(26)代入充气效率η。
接着，CPU72通过将输入变量x(1)～x(26)向由存储于图1所示的存储装置76的映射数据76a规定的映射输入来算出在汽缸#i(i＝1～4)中产生了失火的概率P(i)(S16)。映射数据76a是对能够输出在与通过S10的处理而取得的微小旋转时间T30(1)～T30(24)对应的期间中在汽缸#i中产生了失火的概率P(i)的映射进行规定的数据。在此，概率P(i)基于输入变量x(1)～x(26)而将实际产生了失火的似然性的大小定量化。不过，在本实施方式中，在汽缸#i中产生了失火的概率P(i)的最大值比“1”小，最小值成为比“0”大的值。即，在本实施方式中，概率P(i)将实际产生了失火的似然性的大小在比“0”大且比“1”小的预定区域内作为连续的值而定量化。
在本实施方式中，该映射由中间层是1层的神经网络和通过将神经网络的输出归一化而用于使产生了失火的概率P(1)～P(4)之和成为“1”的Softmax函数构成。上述神经网络包括输入侧系数wFjk(j＝0～n，k＝0～26)和激活函数h(x)。输入侧线性映射是由输入侧系数wFjk规定的线性映射，激活函数h(x)是对输入侧线性映射的输出分别进行非线性变换的输入侧非线性映射。在本实施方式中，作为激活函数h(x)而例示双曲正切函数“tanh(x)”。另外，上述神经网络包括输出侧系数wSij(i＝1～4，j＝0～n)和激活函数f(x)。输出侧线性映射是由输出侧系数wSij规定的线性映射，激活函数f(x)是对输出侧线性映射的输出分别进行非线性变换的输出侧非线性映射。在本实施方式中，作为激活函数f(x)而例示双曲正切函数“tanh(x)”。此外，值n表示中间层的维度。在本实施方式中，值n比输入变量x的维度(在此是26维)小。另外，输入侧系数wFj0是偏置参数，通过将输入变量x(0)定义为“1”而成为了输入变量x(0)的系数。另外，输出侧系数wSi0是偏置参数，设为对其乘以“1”。这例如能够通过将“wF00·x(0)+wF01·x(1)+…”恒等地定义为无限大而实现。
详细而言，CPU72算出概率原型y(i)，概率原型y(i)是由输入侧系数wFjk、输出侧系数wSij及激活函数h(x)、f(x)规定的神经网络的输出。概率原型y(i)是与在汽缸#i中产生了失火的概率具有正相关的参数。然后，CPU72通过以概率原型y(1)～y(4)为输入的Softmax函数的输出来算出在汽缸#i中产生了失火的概率P(i)。
接着，CPU72判定产生了失火的概率P(1)～P(4)中的最大值P(m)是否为阈值Pth以上(S18)。在此，变量m取1～4的任一值，另外，阈值Pth被设定为“1/2”以上的值。然后，CPU72在判定为最大值P(m)为阈值Pth以上的情况下(S18：是)，对概率成为了最大的汽缸#m的失火的次数N(m)进行递增(increment)(S20)。然后，CPU72判定在次数N(1)～N(4)中是否存在成为预定次数Nth以上的次数(S22)。然后，CPU72在判定为在次数N(1)～N(4)中存在成为预定次数Nth以上的次数的情况下(S22：是)，认为在特定的汽缸#q(q是1～4中的1个)中产生了超过容许范围的频度的失火，对故障标志F代入“1”(S24)。此外，此时，CPU72将产生了失火的汽缸#q的信息存储于存储装置76等，至少保持至在该汽缸#q中失火消除为止。
相对于此，CPU72在判定为最大值P(m)小于阈值Pth的情况下(S18：否)，判定从进行S24的处理或后述的S28的处理起是否经过了预定期间(S26)。在此，预定期间比1燃烧循环的期间长，优选具有1燃烧循环的10倍以上的长度。
CPU72在判定为经过了预定期间的情况下(S26：是)，将次数N(1)～N(4)初始化，并且将故障标志F初始化(S28)。
此外，CPU72在S24、S28的处理完成的情况或在S22、S26的处理中作出否定判定的情况下，暂且结束图2所示的一系列处理。
图3示出在产生了失火的情况下应对该失火的处理的步骤。图3所示的处理以故障标志F从“0”切换为“1”为触发(trigger)，通过CPU72执行存储于图1所示的ROM74的应对程序74b而实现。
在图3所示的一系列处理中，CPU72首先为使进气门16的开阀正时DIN成为提前侧，通过向进气侧气门正时可变装置40输出操作信号MS6来操作进气侧气门正时可变装置40(S32)。具体而言，例如在故障标志F是“0”的通常时，根据内燃机10的动作点而可变地设定开阀正时DIN，在S32的处理中，相对于通常时的开阀正时DIN，使实际的开阀正时DIN提前。S32的处理的目的在于通过提高压缩比来使燃烧稳定。
接着，CPU72将S32的处理持续上述预定期间以上的时间后，判定故障标志F是否是“1”(S34)。该处理判定是否通过S32的处理而消除了产生失火的事态。CPU72在判定为故障标志F是“1”的情况下(S34：是)，关于产生了失火的汽缸#q，通过向点火装置22输出操作信号MS3来操作点火装置22，由此使点火正时aig提前预定量Δ(S36)。该处理的目的在于消除产生失火的事态。
接着，CPU72将S36的处理持续上述预定期间以上的时间后，判定故障标志F是否是“1”(S38)。该处理判定是否通过S36的处理而消除了产生失火的事态。CPU72在判定为故障标志F是“1”的情况下(S38：是)，关于产生了失火的汽缸#q，通过向燃料喷射阀20输出操作信号MS2来操作燃料喷射阀20，将由燃料喷射阀20在1燃烧循环中要求的燃料量即要求喷射量Qd增量预定量(S40)。该处理的目的在于消除产生失火的事态。
接着，CPU72将S40的处理持续上述预定期间以上的时间后，判定故障标志F是否是“1”(S42)。该处理判定是否通过S40的处理而消除了产生失火的事态。CPU72在判定为故障标志F是“1”的情况下(S42：是)，关于产生了失火的汽缸#q，停止燃料喷射，为将节气门14的开口度θ向小的一侧制限并操作节气门14，调整向节气门14输出的操作信号MS1(S44)。然后，CPU72执行通过操作图1所示的警告灯90来报知产生了失火的意思的处理(S46)。
此外，CPU72在S34、S38、S42的处理中作出否定判定的情况即产生失火的事态消除的情况或S46的处理完成的情况下，暂且结束图3所示的一系列处理。此外，在S42的处理中作出肯定判定的情况下，S44的处理作为失效安全处理而继续。
接着，对映射数据76a的生成方法进行说明。
图4示出生成映射数据76a的系统。
如图4所示，在本实施方式中，在内燃机10的曲轴24，经由变矩器60及变速装置64而机械连结测力计100。并且，使内燃机10工作时的各种各样的状态变量由传感器群102检测，检测结果向作为生成映射数据76a的计算机的适配装置104输入。此外，传感器群102包括作为检测用于生成向映射的输入的值的传感器的曲轴传感器80、空气流量计82。另外，在此，为了可靠地掌握是否产生了失火，例如使缸内压传感器等包含于传感器群102。
图5示出映射数据的生成处理的步骤。图5所示的处理由适配装置104执行。此外，图5所示的处理例如通过在适配装置104具备CPU及ROM且CPU执行存储于ROM的程序来实现即可。
在图5所示的一系列处理中，适配装置104首先取得多个微小旋转时间T30(1)～T30(24)、转速NE、充气效率η及失火的真的概率Pt(i)的组，作为基于传感器群102的检测结果而确定的训练数据(S50)。在此，真的概率Pt(i)在产生了失火的情况下成为“1”，在未产生失火的情况下成为“0”，基于传感器群102中的以确定输入变量x(1)～x(26)的参数以外的参数为检测值的缸内压传感器的检测值等而算出。当然，在生成训练数据时，例如也可以在预定的汽缸中有意地停止燃料喷射，生成与产生了失火时类似的现象。即使在该情况下，在检测在进行着燃料喷射的汽缸中是否产生了失火方面，也使用缸内压传感器等。
接着，适配装置104以S14的处理的要领，对用于算出失火的概率的映射的输入变量x(1)～x(26)代入训练数据中的真的概率Pt(i)以外的数据(S52)。接着，适配装置104以S16的处理的要领，算出在汽缸#1～#4各自中产生了失火的概率P(1)～P(4)(S54)。然后，适配装置104判定是否关于由传感器群102检测到的全部训练数据执行了S50～S54的处理(S56)。然后，适配装置104在判定为存在还未成为S50～S54的处理的对象的训练数据的情况下(S56：否)，通过移向S50的处理而将未成为对象的训练数据设为对象来执行S50～S54的处理。
相对于此，适配装置104在判定为关于由传感器群102检测到的全部训练数据执行了S50～S54的处理的情况下(S56：是)，以使通过S54的处理而算出的概率P(i)与真的概率Pt(i)的交叉熵成为最小的方式，更新输入侧系数wFjk及输出侧系数wSij(S58)。然后，适配装置104将更新后的输入侧系数wFjk及输出侧系数wSij等作为已学习的映射数据而存储(S60)。
此外，当S60的处理完成后，验证使用由通过S60的处理而存储的输入侧系数wFjk及输出侧系数wSij等规定的映射算出的概率P(i)的精度。并且，在精度从容许范围偏离的情况下，使内燃机10工作而新生成训练数据，反复进行S50～S60的处理。并且，通过精度进入容许范围而将输入侧系数wFjk及输出侧系数wSij等设为向控制装置70安装的映射数据76a。
在此，对本实施方式的作用及效果进行说明。
CPU72在内燃机10的工作时，逐次算出微小旋转时间T30，通过向由映射数据76a规定的映射输入1燃烧循环量的微小旋转时间T30来算出在汽缸#1～#4各自中产生了失火的概率P(1)～P(4)。在此，微小旋转时间T30是表示比压缩上止点的出现间隔即180°CA小的角度间隔中的曲轴24的转速的参数。而且，向映射输入1燃烧循环中的每30°CA的微小旋转时间T30。而且，在对微小旋转时间T30实施的运算中使用的输入侧系数wFjk及输出侧系数wSij的值是通过图5所示的机器学习而已学习的值。因而，能够基于曲轴24的微小的时标中的旋转行为来算出产生了失火的概率P(i)。因而，与例如基于关于压缩上止点的出现间隔程度的旋转所需的时间的、互相相邻的角度间隔彼此的差来判定失火的有无的情况相比，在本实施方式中，能够基于关于曲轴24的旋转行为的更详细的信息来判定失火的有无，因此容易提高失火的判定精度。
<第2实施方式>
以下，关于第2实施方式，以与第1实施方式的不同点为中心，参照图6来说明。
在本实施方式中，扩大输入变量x的维度。
图6示出本实施方式的失火检测处理的步骤。图6所示的处理通过CPU72例如以预定周期反复执行存储于ROM74的失火检测程序74a而实现。此外，在图6中，关于与图2所示的处理对应的处理，为了方便而标注相同步骤编号并省略其说明。
在图6所示的一系列处理中，CPU72当S10的处理完成后，除了转速NE及充气效率η之外，还取得点火正时aig、空燃比的目标值Af*、EGR率Regr、水温THW、挡位Sft、路面的状态变量SR(S12a)。在此，EGR率是从EGR通路32向进气通路12流入的流体在向进气通路12流入的流体中所占的比例。另外，路面的状态变量SR是由CPU72基于加速度Dacc而算出的参数，例如设为在路面上起伏多的情况和少的情况下可取互相不同的2值的值的变量。顺便一提，状态变量SR的生成处理设为与例如后述的图14的处理的差路判定标志Fb的值的设定处理同样的处理即可。
接着，CPU72向映射的输入变量x(1)～x(32)输入在S10、S12a中取得的数据(S14a)。在此，点火正时aig、目标值Af*、EGR率Regr是通过内燃机10的操作部的操作来调整燃烧室18中的混合气的燃烧速度的参数(调整变量)。即，点火正时aig是作为操作部的点火装置22的操作量，是通过点火装置22的操作来调整燃烧速度的调整变量。目标值Af*是通过操作作为操作部的燃料喷射阀20来调整燃烧速度的调整变量。EGR率Regr是通过操作作为操作部的EGR阀34来调整燃烧速度的调整变量。将这些调整变量加入输入变量x是鉴于：由于曲轴24的行为根据混合气的燃烧速度而变化，所以失火的情况下的曲轴24的旋转行为也具有根据未失火时的混合气的燃烧速度而变化的倾向。
另一方面，水温THW是内燃机10的状态变量，尤其是使活塞与汽缸的摩擦等滑动部的摩擦变化的参数。鉴于曲轴24的旋转行为也根据水温THW而变化，在本实施方式中，将水温THW加入输入变量x。
另外，挡位Sft是连结于曲轴24的驱动系统装置的状态变量。鉴于在挡位Sft不同的情况彼此中，从曲轴24到驱动轮69为止的惯性常数互相不同，曲轴24的旋转行为不同，将挡位Sft加入输入变量x。
另外，若路面存在凹凸，则会在车辆VC产生振动，该振动向曲轴24传递。因而，曲轴24的旋转行为根据路面的状态而不同，因此，在本实施方式中，将路面的状态变量SR加入输入变量x。
CPU72在完成S14a的处理的情况下，通过将输入变量x(1)～x(32)向由映射数据76a规定的映射输入来算出汽缸#1～#4的失火的概率P(1)～P(4)(S16a)。此外，本实施方式的映射数据中，输入侧系数wFjk(j＝0～n，k＝0～32)和输出侧系数wSij(i＝1～4，j＝0～n)的数量与第1实施方式不同。
CPU72在完成S16a的处理的情况下，移向S18的处理。
此外，在本实施方式中，在图5的S50的处理中取得的训练数据包括在S12a中取得的全部参数，作为S52的处理而执行S14a相当的处理，在S54的处理中，使用输入变量x是32维的映射。不过，在此，不使输入变量x(0)包含于维数。另外，与状态变量SR表示路面上起伏多的情况对应的训练数据例如利用图4所示的测力计100来模拟在向车辆施加了振动时向曲轴24施加的负荷转矩并基于由图4所示的传感器群102得到的检测值而生成即可。另外，例如也可以将图4所示的内燃机10、测力计100等载置于能够生成振动的装置，通过产生振动来模拟在向车辆施加了振动时向曲轴24施加的负荷转矩，并基于由图4所示的传感器群102得到的检测值来生成训练数据即可。
这样，在本实施方式中，对输入变量x加入了调整燃烧速度的调整变量、内燃机10的状态变量、驱动系统装置的状态变量、路面的状态变量SR。它们是影响曲轴24的旋转行为的参数，但根据基于互相相邻的角度间隔的旋转所需的时间彼此之差来判定失火的有无的以往方法，难以考虑。即，以往，在考虑这些参数的情况下，适配工时变得巨大而缺乏实现性。相对于此，在本实施方式中，通过使用机器学习，能够在实用的适配工时的范围内构建考虑它们来判定失火的逻辑。
<第3实施方式>
以下，关于第3实施方式，以与第1实施方式的不同点为中心，参照图7～图10来说明。
在上述第1实施方式中，由于使用了以微小旋转时间T30等为输入且输出产生了失火的概率P(i)的映射，所以判定为产生了失火的意思的判定处理成为了黑盒。于是，在本实施方式中，谋求使判定为产生了失火的意思的逻辑构造容易被人理解的明确化。
图7示出本实施方式的失火检测处理的步骤。图7所示的处理通过CPU72例如以预定周期反复执行存储于ROM74的失火检测程序74a而实现。此外，在图7中，关于与图2所示的处理对应的处理，为了方便而标注相同的步骤编号并省略其说明。
在图7所示的一系列处理中，CPU72在S14的处理完成的情况下，通过将输入变量x向由映射数据76a规定的映射输入来算出转矩下降率Trq(i)(S16b)。转矩下降率Trq(i)是将产生转矩归一化为“0”～“1”的范围的值的参数。转矩下降率Trq(i)是从成为基准的转矩减去实际的转矩而得到的值相对于该成为基准的转矩的比例，取“0”以上且“1”以下的值。本实施方式的映射数据76a对中间层是1层且输出转矩下降率Trq(i)的神经网络进行规定。尤其是，作为对由输出侧系数wSij规定的线性映射的输出进行非线性变换的激活函数f(x)，使用Logistic Sigmoid函数σ(x)，将映射的输出设为成为“0”～“1”的任意的值的转矩下降率Trq(i)。
另外，在本实施方式中，对输入侧系数wFjk及输出侧系数wSij设置有制约。图8示出对输入侧系数wFjk及输出侧系数wSij设置的制约的一部分。
如图8所示，在本实施方式中，使输入侧系数wF11、wF17的绝对值互相相等且使符号互相相反。输入侧系数wF11、wF17和与压缩上止点的出现定时在时序上相邻的一对汽缸各自对应的微小旋转时间T30(1)、T30(7)分别相乘。此外，微小旋转时间T30(1)、T30(7)是分离了压缩上止点间的角度间隔的30°CA的角度间隔的旋转所需的时间的组。
图9示出了在汽缸#1中产生了失火的情况下的微小旋转时间T30的推移，如图9所示，与微小旋转时间T30(1)、T30(7)对应的角度间隔被设定为在汽缸#1中产生了失火的情况下它们的时间差的绝对值变大的角度间隔。详细而言，规定微小旋转时间T30(1)的角度间隔是压缩上止点的出现定时与汽缸#1一前一后的汽缸#2的压缩上止点与汽缸#3的压缩上止点之间的角度间隔，且最近的压缩上止点成为汽缸#1的压缩上止点。另外，微小旋转时间T30(7)是压缩上止点的出现定时与汽缸#3一前一后的汽缸#1的压缩上止点与汽缸#4的压缩上止点之间的角度间隔，且最近的压缩上止点成为接在汽缸#1之后成为压缩上止点的汽缸#3的压缩上止点。
通过输入侧系数wF11、wF17的上述设定，包括“wF11·{T30(1)-T30(7)}”的项的项包含于与根据wF1k而确定的线性映射的输出对应的中间层。“wF11·{T30(1)-T30(7)}”的值在产生失火的情况下绝对值大，且成为负的值。并且，在本实施方式中，通过将输出侧系数wSi1除了i＝1以外全部设为“0”来使“T30(1)-T30(7)”的信息仅反映于汽缸#1的转矩下降率Trq(1)。“T30(1)-T30(7)”在以往的失火检测方法中，相当于用于判定汽缸#1的失火的有无的参数，该值与汽缸#1的转矩下降率Trq(1)具有强相关，这一点容易包括其物理的含义而理解。
此外，以在汽缸#3的转矩下降率Trq(3)的算出中使用“T30(7)-T30(13)”，在汽缸#4的转矩下降率Trq(4)的算出中使用“T30(13)-T30(19)”，在汽缸#2的转矩下降率Trq(2)的算出中使用“T30(19)-T30(1)”的方式，设定了输入侧系数wFjk及输出侧系数wSij。
这通过将输入侧系数wFjk及输出侧系数wSij的初始值以具有图8所示的构造的方式设定，在与图5的处理中的S58的处理对应的处理中，对输入侧系数wFjk及输出侧系数wSij的更新以遵守图8的构造的方式施加制约，从而实现。此外，在本实施方式中，将在输入侧系数wFjk及输出侧系数wSij的更新中使用的评价函数代替交叉熵，而设为转矩下降率Trq(i)与实际的转矩下降率之差的平方和即可。
返回图7，CPU72基于转矩下降率Trq(i)、水温THW及吸入空气量Ga来算出在汽缸#1～#4的各自中产生了失火的概率P(1)～P(4)(S70)。详细而言，CPU72在以转矩下降率Trq、吸入空气量Ga及水温THW为输入变量且以产生了失火的概率P为输出变量的图10所示的映射数据预先存储于存储装置76的状态下，对概率P进行映射运算。在此，映射数据是输入变量的离散的值和与输入变量的值分别对应的输出变量的值的数据组。另外，映射运算例如设为以下处理即可：在输入变量的值与映射数据的输入变量的值的任一者一致的情况下，将对应的映射数据的输出变量的值设为运算结果，在不一致的情况下，将通过映射数据中包含的多个输出变量的值的插值而得到的值设为运算结果。
CPU72在S70的处理完成的情况下，移向S18的处理。
这样，在本实施方式中，将微小旋转时间T30的时序数据中的具有特定的相位差的时序数据彼此之差与转矩下降率的关系这一互相具有强相关且在物理上也容易理解的关系在映射中明确化。因而，与例如不对输入侧系数wFjk及输出侧系数wSij设置任何制约的情况相比，在本实施方式中，有助于推测失火的概率为什么是这样的值的理由，进而容易关于映射的失火的概率的输出的妥当性进行检查。
<第4实施方式>
以下，关于第4实施方式，以与第1实施方式的不同点为中心，参照图11来说明。
在本实施方式中，作为映射数据76a，将多个种类的映射数据存储于存储装置76。这多个种类的映射数据是各控制模式的映射数据。
图11示出先于图2的处理而进行的处理的步骤。图11所示的处理通过CPU72例如以预定周期反复执行存储于ROM74的失火检测程序74a而实现。
在图11所示的一系列处理中，CPU72判定是否是三元催化剂30的预热处理时(S80)。预热处理包括使点火正时aig延迟预定量的处理。预热处理例如在从内燃机10的启动时起的吸入空气量Ga的累计值为预定值以下和水温THW为预定温度以下的逻辑与为真的情况下由CPU72执行。
CPU72在判定为不是催化剂预热处理时的情况下(S80：否)，从存储于存储装置76的映射数据76a中选择预热后用映射数据(S82)。由此，CPU72在S16的处理中使用预热后用映射数据来算出产生了失火的概率P(i)。在此，预热后用映射数据是在内燃机10的预热后基于由图4所示的传感器群102得到的检测值来生成训练数据并使用该训练数据在图5所示的处理中生成的数据。
相对于此，CPU72在S80中判定为是催化剂预热处理时的情况下(S80：是)，从存储于存储装置76的映射数据76a中选择预热时用映射数据(S84)。预热时用映射数据是在执行着内燃机10的预热处理时基于与由传感器群102得到的检测值相应的训练数据而生成的数据。
此外，CPU72在S82、S84的处理完成的情况下，暂且结束图11所示的一系列处理。
在此，对本实施方式的作用及效果进行说明。
CPU72在执行三元催化剂30的预热处理的情况下，使用预热时用映射数据来判定失火的有无，另一方面，在未执行预热处理的情况下，使用预热后用映射数据来判定失火的有无。在三元催化剂30的预热处理时，点火正时aig被设为延迟侧，因此曲轴24的旋转行为与未进行预热处理时不同。尽管如此，在例如要生成高精度地算出产生了失火的概率P的单个映射的情况下，期望将三元催化剂30的预热处理时和不是这样时的识别可能的数据加入输入变量x。在该情况下，会使输入侧系数wFjk等的数量增大，因此需要许多训练数据。尤其是，上述预热处理的执行条件的成立与否并非仅根据吸入空气量Ga及水温THW这2个采样值而定，因此，在使三元催化剂30的预热处理时和不是这样时的识别成为可能的方面，输入变量的维度容易变得过大。并且，在扩大输入变量的维度的情况等下，容易产生例如使神经网络的中间层增加等将映射的构造复杂化的要求。但是，在使中间层的层数增加等将映射的构造复杂化的情况下，CPU72的运算负荷变大。相对于此，在本实施方式中，通过针对催化剂预热时和预热后来分开映射数据，能够确保概率P的算出精度并抑制输入变量x的维数变得过大，容易简化映射的构造。
<第5实施方式>
以下，关于第5实施方式，以与第1实施方式的不同点为中心，参照图12来说明。
在本实施方式中，作为映射数据76a，将多个种类的映射数据存储于存储装置76。这些映射数据是每个转速NE的映射数据。
图12示出先于图2所示的处理而进行的处理的步骤。图12所示的处理通过CPU72例如以预定周期反复执行存储于ROM74的失火检测程序74a而实现。
在图12所示的一系列处理中，CPU72首先取得转速NE(S90)。接着，CPU72判定转速NE是否为低旋转阈值NE1以下(S92)。然后，CPU72在判定为转速NE为低旋转阈值NE1以下的情况下(S92：是)，从存储于存储装置76的映射数据76a中选择低旋转用映射数据(S94)。由此，CPU72在S16的处理中使用低旋转用映射数据来算出产生了失火的概率P(i)。在此，低旋转用映射数据是在图4所例示的系统中通过控制测力计100等而实现了转速NE为低旋转用阈值NE1以下的状态时基于由传感器群102得到的检测值来生成训练数据并在图5所示的处理中生成的数据。
相对于此，CPU72在判定为转速NE比低旋转用阈值NE1大的情况下(S92：否)，判定转速NE是否为中旋转用阈值NE2以下(S96)。中旋转用阈值NE2被设定为比低旋转用阈值NE1大的值。然后，CPU72在判定为是中旋转用阈值NE2以下的情况下(S96：是)，从存储于存储装置76的映射数据76a中选择中旋转用映射数据(S98)。中旋转用映射数据是在内燃机10的转速NE比低旋转用阈值NE1大且为中旋转用阈值NE2以下时基于与由传感器群102得到的检测值相应的训练数据而生成的数据。
另一方面，CPU72在判定为转速NE比中旋转用阈值NE2大的情况下(S96：否)，从存储于存储装置76的映射数据76a中选择高旋转用映射数据(S100)。高旋转用映射数据是在内燃机10的转速NE比中旋转用阈值NE2大时基于与由传感器群102得到的检测值相应的训练数据而生成的数据。
此外，CPU72在S94、S98、S100的处理完成的情况下，暂且结束图11所示的一系列处理。
这样，在本实施方式中，通过根据转速NE而分开使用映射数据，能够在各转速NE下使用合适的映射数据。因而，与例如无论转速NE的大小如何都使用共用的映射数据的情况相比，在本实施方式中，容易确保概率P的算出精度并简化映射的构造。
<第6实施方式>
以下，关于第6实施方式，以与第1实施方式的不同点为中心，参照图13来说明。
在本实施方式中，作为映射数据76a，将多个种类的映射数据存储于存储装置76。这多个种类的映射数据是每个挡位Sft的映射数据。
图13示出本实施方式的失火检测处理的步骤。图13所示的处理通过CPU72例如以预定周期反复执行存储于ROM74的失火检测程序74a而实现。
在图13所示的一系列处理中，CPU72首先取得挡位Sft(S110)。接着，CPU72通过挡位Sft是否是1速(S112)、是否是2速(S114)、是否是3速(S116)、是否是4速的(S118)的判定处理来判定挡位Sft。然后，CPU72在判定为挡位Sft是1速的情况下(S112：是)，从存储于存储装置76的映射数据76a中选择1速用映射数据(S120)。由此，CPU72在S16的处理中使用1速用映射数据来算出产生了失火的概率P(i)。同样，CPU72在判定为挡位Sft是2速的情况下(S114：是)，选择2速用映射数据(S122)，在判定为挡位Sft是3速的情况下(S116：是)，选择3速用映射数据(S124)，在判定为挡位Sft是4速的情况下(S118：是)，选择4速用映射数据(S126)。另外，CPU72在判定为挡位Sft是5速的情况下(S118：否)，选择5速用映射数据(S128)。
在此，若将变量α设为“1”～“5”，则α速用映射数据是在变速装置64被设为α速时基于由图4所示的传感器群102得到的检测值而生成训练数据并使用该训练数据在图5所示的处理中生成的数据。
此外，CPU72在S120～S128的处理完成的情况下，暂且结束图13所示的一系列处理。
根据以上说明的本实施方式，通过使用与挡位Sft相应的映射数据，能够合适地反映根据挡位Sft而从曲轴24到驱动轮69为止的惯性常数变化，进而曲轴24的旋转行为变化，来判定失火的有无。因而，与例如利用单个映射来应对全部挡位Sft的情况相比，在本实施方式中，容易确保概率P的算出精度并简化各映射的构造。
<第7实施方式>
以下，关于第7实施方式，以与第1实施方式的不同点为中心，参照图14来说明。
在本实施方式中，作为映射数据76a，将多个种类的映射数据存储于存储装置76。这多个种类的映射数据是路面的各状态的映射数据。
图14示出先于图2的处理而进行的处理的步骤。图14所示的处理通过CPU72例如以预定周期反复执行存储于ROM74的失火检测程序74a而实现。
在图14所示的一系列处理中，CPU72首先取得加速度Dacc(S130)。接着，CPU72判定差路判定标志Fb是否是“1”(S132)。差路判定标志Fb在车辆VC正在行驶的路面的起伏多的情况下成为“1”，在不是这样的情况下成为“0”。CPU72在判定为差路判定标志Fb是“0”的情况下(S132：是)，判定加速度Dacc的变化量的绝对值为预定值ΔDH以上的状态是否持续了预定时间(S134)。在此，加速度Dacc的变化量设为加速度Dacc的上次值与本次值之差即可。该处理是判定在路面上起伏是否多的处理。CPU72在判定为加速度Dacc的变化量的绝对值为预定值ΔDH以上的状态持续了预定时间的情况下(S134：是)，对差路判定标志Fb代入“1”(S136)，从存储于存储装置76的映射数据76a中选择差路用映射数据(S138)。由此，CPU72在S16的处理中使用差路用映射数据来算出失火的概率P(i)。此外，差路用映射数据是以在上述第2实施方式中例示的要领，模拟在向车辆施加了振动时向曲轴24施加的负荷转矩，并基于由图4所示的传感器群102得到的检测值来生成训练数据，使用该训练数据而在图5所示的处理中生成的数据。
相对于此，CPU72在判定为差路判定标志Fb是“1”的情况下(S132：是)，判定加速度Dacc的变化量的绝对值为规定值ΔDL(<ΔDH)以下的状态是否持续了预定时间(S140)。然后，CPU72在S140的处理中作出否定判定的情况下(S140：否)，移向S138的处理。
另一方面，CPU72在判定为加速度Dacc的变化量的绝对值为规定值ΔDL以下的状态持续了预定时间的情况下(S140：是)，对差路判定标志Fb代入“0”(S142)。然后CPU72在S142的处理完成的情况或在S134的处理中作出否定判定的情况下，从映射数据76a中选择通常映射数据(S144)。通常映射数据是例如在不对图4所示的内燃机10、测力计100施加有意的振动的状态下基于由图4所示的传感器群102得到的检测值来生成训练数据，使用该训练数据在图5所示的处理中生成的数据。
此外，CPU72在S138、S144的处理完成的情况下，暂且结束图14所示的一系列处理。
根据以上说明的本实施方式，通过使用与路面的状态相应的映射数据，能够合适地反映曲轴24的旋转行为根据路面的状态而变化来判定失火的有无。而且，与例如利用单个映射来应对所有的路面的状态的情况相比，容易确保概率P的算出精度并简化映射的构造。
<第8实施方式>
以下，关于第8实施方式，以与第1实施方式的不同点为中心，参照图15来说明。
在本实施方式中，作为映射数据76a，将对输出在1燃烧循环中在1个汽缸中产生了失火的概率的映射和输出在1燃烧循环中在2个汽缸中产生了失火的概率的映射的各自进行规定的映射数据存储于存储装置76。
图15示出本实施方式的失火检测处理的步骤。图15所示的处理通过CPU72例如以预定周期反复执行存储于ROM74的失火检测程序74a而实现。此外，在图15中，关于与图2所示的处理对应的处理，为了方便而标注相同的步骤编号并省略其说明。
在图15所示的一系列处理中，CPU72当S16的处理完成后，通过将输入变量x(1)～x(26)向输出在1燃烧循环中在2个汽缸中产生了失火的概率的映射输入来算出在2个汽缸中产生了失火的概率P(l)(S72)。在此，P(l)的变量l(l是L的小写字母)是指定2个汽缸的组的变量，例如在指定在汽缸#1和汽缸#2中产生失火的情况下，变量l成为“12”。变量l可取“12”“13”“14”“23”“24”“34”。
在本实施方式中，该映射由中间层是1层的神经网络和Softmax函数构成。Softmax函数用于通过将神经网络的输出归一化来使产生了失火的概率P(12)～P(34)之和成为“1”。上述神经网络包括输入侧系数wFDjk(j＝0～n，k＝0～26)和激活函数h(x)。输入侧线性映射是由输入侧系数wFDjk规定的线性映射，激活函数h(x)是对输入侧线性映射的输出分别进行非线性变换的输入侧非线性映射。在本实施方式中，作为激活函数h(x)，例示双曲正切函数。另外，上述神经网络包括输出侧系数wSDlj(j＝0～n)和激活函数f(x)。在此，wSDlj中的l是L的小写字母。输出侧线性映射是由输出侧系数wSDlj规定的线性映射，激活函数f(x)是对输出侧线性映射的输出分别进行非线性变换的输出侧非线性映射。在本实施方式中，作为激活函数f(x)，例示双曲正切函数。此外，值n表示中间层的维度。在本实施方式中，值n比输入变量x的维度(在此是26维)小。另外，输入侧系数wFDj0是偏置参数，通过将输入变量x(0)定义为“1”(数字one的阿拉伯文字)而成为了输入变量x(0)的系数。另外，输出侧系数wSDl0(l是L的小写字母)是偏置参数，设为对其乘以“1”。这例如能够通过将“wFD00·x(0)+wFD01·x(1)+…”恒等地定义为无限大而实现。
CPU72在S72的处理完成的情况下，判定概率P(1)～P(4)的最大值是否比概率P(12)、P(13)、P(14)、P(23)、P(24)、P(34)的最大值大(S74)。该处理是判定在1燃烧循环中在1个汽缸中产生了失火的概率是否比在2个汽缸中产生了失火的概率大的处理。然后，CPU72在S74的处理中作出肯定判定的情况下，移向S18的处理，另一方面，在作出否定判定的情况下，判定概率P(12)、P(13)、P(14)、P(23)、P(24)、P(34)的最大值P(m)是否为阈值Pth以上(S76)。在此，变量m可取“12”“13”“14”“23”“24”“34”。该处理是判定是否在2个汽缸中产生了失火的处理。然后，CPU72在判定为是阈值Pth以上的情况下(S76：是)，对在与概率P(m)对应的一对汽缸中产生了失火的次数N(m)进行递增(S78)。
然后，CPU72在S78的处理完成的情况下，移向S22的处理。另外，CPU72在S76的处理中作出否定判定的情况下，移向S26的处理。此外，CPU72在S26的处理中作出肯定判定的情况下，除了次数N(1)～N(4)之外，还将次数N(12)、N(13)、N(14)、N(23)、N(24)、N(34)初始化，将故障标志F初始化(S28a)。顺便一提，在本实施方式中，S26的处理的预定期间以进行了S24的处理或S28a的处理的时间点为基准。
这样，在本实施方式中，通过根据失火的种类而使用不同的映射数据，容易确保失火的判定精度并简化映射的构造。即，例如在1燃烧循环中在2个汽缸中产生失火的情况下，在时序上先产生的失火可能会影响产生后面的失火之前的曲轴24的旋转行为。因而，为了将例如用于准确地判定在1燃烧循环中仅在1个汽缸中产生失火的现象和在2个汽缸中产生失火的现象双方的映射利用单个映射来实现，对于单个映射的要求变大，这有可能成为将映射的构造复杂化的要因。在本实施方式中，能够抑制这样的复杂化而简化映射的构造。
<第9实施方式>
以下，关于第9实施方式，以与第1实施方式的不同点为中心，参照图16及图17来说明。
在本实施方式中，将失火的判定处理在车辆的外部进行。
图16示出本实施方式的失火检测系统。此外，在图16中，关于与图1所示的构件对应的构件，为了方便而标注有相同的标号。
图16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而与中心120通信的设备。
中心120对从多个车辆VC发送的数据进行解析。中心120具备CPU122、ROM124、存储装置126、周边电路127及通信机129，它们能够通过本地网络128而相互通信。在ROM124中存储有失火检测主程序124a，在存储装置126中存储有映射数据126a。映射数据126a与映射数据76a相同。
图17示出本实施方式的失火检测处理的步骤。图17的(a)部分所示的处理通过CPU72执行存储于图16所示的ROM74的失火检测副程序74c而实现。另外，图17的(b)部分所示的处理通过CPU122执行存储于ROM124的失火检测主程序124a而实现。此外，在图17中，关于与图2所示的处理对应的处理，为了方便而标注有相同的步骤编号。以下，沿着失火检测处理的时序来说明图17所示的处理。
即，在车辆VC中，CPU72当执行图17的(a)部分所示的S10、S12的处理后，通过操作通信机79来将在这些S10、S12的处理中取得的数据与车辆VC的识别信息一起向中心120发送(S150)。
相对于此，中心120的CPU122如图17的(b)部分所示，接收发送出的数据(S160)，反复执行使用了接收到的数据的S14～S20的处理。然后，CPU122在通过反复执行S14～S20的处理而判定为在由识别信息确定的相同的车辆中在预定期间内特定的汽缸的失火次数成为了预定次数Nth以上的情况下(S22：是)，判定为产生了失火的意思(S162)。相对于此，在预定期间内反复执行了S14～S20的处理时特定的汽缸的失火次数不满足预定次数Nth的情况下(S22：否，S26：是)，作出正常判定并且将量次数N(1)～N(4)初始化(S164)。此外，这里的预定期间以进行了S162的处理或S164的处理的时间点为基准。
CPU122在S162、S164的处理完成的情况下，基于上述识别信息，操作通信机129而向发送了设为S14～S20的处理的对象的数据的车辆VC发送与判定结果相关的信号(S166)。在此，在产生了失火的意思的判定结果的情况下，在与判定结果相关的信息中包括与产生了失火的汽缸相关的信息。CPU122在完成S166的处理的情况或在S22、S26的处理中作出否定判定的情况下，暂且结束图17的(b)部分所示的一系列处理。
相对于此，车辆VC内的CPU72如图17的(a)部分所示，当接收到从中心120发送的与判定结果相关的信号时(S152：是)，对判定结果是否是产生了失火的意思的结果进行判定(S154)。然后，CPU72在判定结果是产生了失火的意思的判定的结果的情况下(S154：是)，移向S24的处理，另一方面，在是未产生失火的意思的结果的情况下(S154：否)，将故障标志F初始化(S28b)。
此外，CPU72在S24、S28b的处理完成的情况或在S152的处理中作出否定判定的情况下，暂且结束图17的(a)部分所示的处理。
这样，在本实施方式中，通过将失火的判定处理在中心120中执行，能够减轻控制装置70的运算负荷。
<对应关系>
上述实施方式中的事项与上述“发明内容”一栏所记载的事项的对应关系如下。以下，针对“发明内容”一栏所记载的例的每个编号，示出对应关系。
[1]失火检测装置对应于控制装置70。执行装置对应于CPU72及ROM74。存储装置对应于存储装置76。第1间隔对应于720°CA，第2间隔对应于30°CA，瞬时速度参数对应于微小旋转时间T30。取得处理对应于S10的处理。判定处理对应于图2的S16～S28的处理、图6的S16a、S18～S28的处理、图7的S16b、S70、S18～S28的处理、图15的S16～S26、S28a、S72～S78的处理。应对处理对应于图3的处理(S32～S46)。
[2]规定动作点的参数对应于转速NE及充气效率η。
[3]调整变量对应于点火正时aig、目标值Af*、EGR率Regr。
[4]驱动系统装置的状态变量对应于挡位Sft。
[5]路面的状态变量对应于状态变量SR。
[6]选择处理对应于图11～图14的处理。
[7]判定处理对应于图15的S16～S26、S28a、S72～S78的处理。
[8]输入侧映射数据对应于与输入侧系数wFjk相关的数据和与激活函数h(x)相关的数据、与输入侧系数wFDjk相关的数据和与激活函数h(x)相关的数据。输出侧映射数据对应于与输出侧系数wSij相关的数据和与激活函数f(x)相关的数据、与输出侧系数wSDlj相关的数据和与激活函数f(x)相关的数据。
[9]转矩输出映射对应于由图7中的与输出侧系数wSij相关的数据和与激活函数f(x)相关的数据规定的映射。概率映射对应于由图10所示的映射数据规定的映射。与产生转矩相关的数据对应于转矩下降率Trq。转矩算出处理对应于S16b的处理。概率算出处理对应于S70的处理。
[10]“输出线性结合数据的多个输入侧线性映射”对应于由输入侧系数wF1k、wF2k、…wFnk分别规定的n个的线性映射。即，由输入侧系数wFjk规定的线性映射是具有n维的输出的线性映射，但这也成为了具有1维的输出的n个线性映射。“互相的至少1个系数”在图8中对应于wF11、wF17。“与任一个汽缸对应的所述输出侧非线性映射”在图8中对应于输出Trq(1)的激活函数f(x)。
[11]报知器对应于警告灯90。
[12]操作部(燃烧操作部)对应于进气侧气门正时可变装置40、点火装置22、燃料喷射阀20、节气门14。
[13]第1执行装置对应于CPU72及ROM74。第2执行装置对应于CPU122及ROM124。输出算出处理对应于图17的S16的处理。“基于由输出算出处理算出的输出的信号”对应于与判定结果相关的信号。
[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图16所示的控制装置70。
<其他实施方式>
此外，本实施方式能够如以下这样变更而实施。本实施方式及以下的变更例能够在技术上不矛盾的范围内互相组合而实施。
·“关于第1间隔及第2间隔”
在上述实施方式中，将作为1燃烧循环即720°CA的旋转角度间隔内的连续的多个第2间隔各自中的瞬时速度参数的微小旋转时间T30设为了用于失火的有无的判定的映射的输入参数。即，示出了第1间隔是720°CA且第2间隔是30°CA的例子，但不限于此。例如，第1间隔也可以是比720°CA长的旋转角度间隔。当然，第1间隔为720°CA以上也不是必须的。也可以例如如下述“关于多个种类的映射数据”一栏所记载那样，关于输出在特定的汽缸中产生了失火的概率、与产生转矩相关的数据的映射等的输入，将上述第1间隔设为480°CA等720°CA以下的间隔。此时，优选设为比压缩上止点的出现间隔长的旋转角度间隔。此外，在上述第1间隔中包括成为求出产生了失火的概率的对象的汽缸的压缩上止点。
作为第2间隔，不限于30°CA。例如也可以是10°CA等比30°CA小的角度间隔。当然，不限于30°CA以下的角度间隔，例如也可以是45°CA等。
·“关于瞬时速度参数”
作为瞬时速度参数，不限于第2间隔的旋转所需的时间即微小旋转时间。例如，也可以是将第2间隔除以微小旋转时间而得到的值。此外，作为瞬时速度参数，不是必须是被进行了使极大值(最大值)与极小值(最小值)之差成为固定值的归一化处理的值。另外，作为作为为了将瞬时速度参数设为映射的输入而对瞬时速度参数实施的前处理的、滤波处理，不限于上述的处理，也可以将例如基于变速装置64的输入轴66的微小旋转时间来除去通过输入轴66而曲轴24旋转的影响量的处理设为对瞬时速度参数进行的处理。当然，不是必须对作为映射的输入的瞬时速度参数实施滤波处理。
·“关于规定内燃机的动作点的参数”
在上述实施方式中，利用转速NE及充气效率η规定了动作点，但不限于此。例如，也可以是转速NE及吸入空气量Ga。另外，例如，作为负荷，也可以代替充气效率η而使用喷射量、对内燃机的要求转矩。使用喷射量、要求转矩作为负荷，在下述“关于内燃机”一栏所记载的压缩着火式内燃机中尤其有效。
·“关于作为映射的输入的调整混合气的燃烧速度的调整变量”
在图6的处理中，作为成为映射的输入且调整燃烧速度的调整变量，使用了目标值Af*，但作为空燃比，不限于此，例如也可以是空燃比传感器的检测值。在图6的处理中，作为成为映射的输入且调整燃烧速度的调整变量，使用了点火正时aig、空燃比、EGR率，但关于这3个参数，例如也可以仅使用2个，另外，例如还可以仅使用1个。另外，例如，在如下述“关于内燃机”一栏所记载那样应用于压缩着火式内燃机的情况下，代替点火正时aig而使用喷射正时即可。另外，例如也可以代替空燃比而使用要求喷射量Qd及充气效率η。
作为成为映射的输入且调整燃烧速度的调整变量，不限于上述参数，例如也可以是进气门16的开阀正时或提升量、排气门26的开阀正时或提升量等。另外，例如，在一些汽缸中停止混合气的燃烧控制的汽缸休止控制中，也可以是停止了燃烧控制的汽缸的信息。另外，例如在具备增压器和废气旁通阀的内燃机10的情况下，也可以是废气旁通阀的开口度。
·“关于作为映射的输入的驱动系统装置的状态变量”
在图6的处理中，作为连结于曲轴24的驱动系统装置的状态变量，使用了挡位Sft，但不限于此。例如也可以是锁止离合器62的状态。该状态例如可以为是紧固连结状态还是释放状态的2值的状态，但也可以分别识别紧固连结状态、释放状态及滑移状态。
另外，例如，驱动系统装置的状态变量也可以是变速装置64的油温。另外，例如还可以是驱动轮69的转速。而且，在如下述“关于车辆”一栏所记载那样，作为生成推力的装置而具备内燃机10和电动发电机的情况下，也可以包括电动发电机的转矩、转速。此外，成为映射的输入的驱动系统装置的状态变量不限于1个。
·“关于作为映射的输入的路面的状态变量”
作为路面的状态变量SR，不限于与路面的起伏的大小相应的2值的变量，例如也可以是与起伏的大小相应的3值以上的变量。另外，作为基于加速度Dacc来生成状态变量SR的方法，不限于图14所例示的方法，例如也可以使用加速度Dacc的绝对值的每预定时间的平均值。由此，状态变量SR成为连续的量。
作为路面的状态变量SR，不限于基于车辆VC的上下方向的加速度的检测值而定量化的值。例如也可以通过车辆的横方向的加速度、前后方向的加速度来定量化。而且，作为映射的输入，也可以是使用车辆的上下方向的加速度、横向的加速度及前后方向的加速度这3个加速度中的任2个或全部而定量化的值。
在图6的处理中，将路面的状态变量SR通过由加速度传感器88检测的加速度Dacc而定量化，但不限于此。例如，也可以使用相机对路面的拍摄数据、与雷达的反射波相关的数据的解析结果数据。另外，例如还可以使用具有路面的状态的地图数据和GPS来取得当前地的路面的状态，并使用该状态。另外，还可以使用各车轮的空气压。即，在各车轮的空气压之差中包含与路面的倾斜、凹凸相关的信息。另外，例如还可以使用燃料表、油表等检测车辆内的流体的液面的位置的传感器的检测值。即，在液面的变动中包含路面的凹凸等信息。另外，还可以使用检测悬架的液压的传感器的检测值。即，在该液压中包含路面的凹凸等信息。
此外，作为路面的状态变量，不限于将路面的凹凸等定量化而得到的值。例如，也可以是将冻结的有无等路面的摩擦的大小定量化而得到的值，另外，还可以是识别路面的起伏和摩擦的大小双方的变量。
·“关于映射的输入”
作为除了瞬时速度参数之外还输入的映射的输入，不限于在上述实施方式、上述变更例中例示出的输入。例如，也可以使用与放置有内燃机10的环境相关的参数。具体而言，例如也可以使用作为对吸入空气中的氧的比例造成影响的参数的大气压。另外，例如还可以使用作为对燃烧室18内的混合气的燃烧速度造成影响的参数的进气温。另外，例如还可以使用作为对燃烧室18内的混合气的燃烧速度造成影响的参数的湿度。此外，在湿度的掌握中可以使用湿度传感器，但也可以利用雨刷器的状态、检测雨滴的传感器的检测值。另外，还可以是与机械连结于曲轴24的辅机的状态相关的数据。
不是必须在映射的输入中包括内燃机10的动作点。例如也可以如下述“关于内燃机”一栏所记载那样将内燃机搭载于串联混合动力车，在其动作点被限制为狭窄的范围的控制被设为前提的情况等下，不包括动作点。
另外，也可以仅将规定动作点的转速NE及负荷、或者转速NE及吸入空气量的2个参数中的任1个参数设为除了瞬时速度参数之外还输入的映射的输入。
·“关于每个控制模式的映射数据”
作为每个控制模式的映射数据，不限于如图11所例示那样针对三元催化剂30的预热控制模式和预热完成后的模式的每个模式分别设置。例如，在如下述“关于内燃机10”一栏所记载那样具备进气口喷射阀和缸内喷射阀双方的内燃机的情况下，也可以针对进行仅基于进气口喷射阀的燃料的喷射控制的模式和进行使用了缸内喷射阀的燃料的喷射控制的模式的每个模式分别独立地设置映射数据。
·“关于作为控制的结果的内燃机的每个状态变量的映射数据”
在图12中，将每个转速NE的映射数据设为了3种，但不限于此，也可以是2种，另外，还可以是4种以上。
掌握为内燃机10的状态变量是控制的结果，作为作为控制的结果的内燃机10的每个状态变量的映射数据，不限于图12所例示的每个转速NE的映射数据。例如也可以针对每个充气效率η设置。另外，例如，还可以针对每个转速NE及充气效率η等内燃机10的每个动作点设置。
·“关于驱动系统装置的每个状态变量的映射数据”
在例如如下述“其他”一栏所记载那样使用无级变速装置作为变速装置的情况下，针对将变速比可取的区域分割为多个后的每个分别具备映射数据即可。
作为连结于曲轴24的驱动系统装置的每个状态变量的映射数据，不限于每个挡位Sft的映射数据。例如也可以代替不将上述“关于作为映射的输入的驱动系统装置的状态变量”一栏所记载的驱动系统装置的状态变量设为映射的输入，而针对每个状态变量设置映射数据。当然，在针对这些每个状态变量设置映射数据的情况下，不是必须不使该状态变量包含于映射的输入。
·“关于路面的每个状态变量的映射数据”
作为路面的每个状态变量的映射数据，不限于图14所例示出的映射数据。例如也可以代替不将上述“关于作为映射的输入的路面的状态变量”一栏所记载的路面的状态变量SR设为映射的输入，而针对每个该状态变量SR设置映射。当然，在针对路面的每个状态变量SR设置映射的情况下，不是必须不使该状态变量SR包含于映射的输入。
·“关于多个种类的映射数据”
作为设置多个种类的映射数据的情况，不限于针对作为控制的结果的内燃机10的每个状态变量而设置、针对每个控制模式而设置、针对驱动系统装置的每个状态变量而设置、针对路面的每个状态变量而设置。例如也可以代替不将上述“关于作为映射的输入的调整混合气的燃烧速度的调整变量”一栏所记载的调整变量设为映射的输入，而针对每个该调整变量设置映射数据。当然，例如在针对空燃比等的每个调整变量设置映射数据的情况下，不是必须在映射的输入中不包括该调整变量。另外，例如还可以代替不将上述“关于映射的输入”一栏所记载的与安置有内燃机的环境相关的参数设为映射的输入，而针对与环境相关的每个参数设置映射数据。当然，在针对与环境相关的每个参数设置映射数据的情况下，不是必须不使该参数包含于映射的输入。
而且，作为多个种类的映射数据，也可以是上述一些映射数据的组合。即，例如也可以是每个挡位Sft的映射数据进一步被细分化为每个转速NE的映射数据。
除此之外，也可以在互相不同的汽缸中使输出产生了失火的概率P的映射互相不同，或者仅限于一部分且多个汽缸而设为相同的映射。
·“关于根据此时失火的汽缸间隔而分类后的每种失火的映射数据”
在图15的处理中，使用了在1燃烧循环中在2个汽缸中产生失火的映射，但也可以将其进一步细分化。即，例如，也可以针对产生失火的一对汽缸的压缩上止点间的间隔相等的每个情况，分别具备不同的映射数据。在该情况下，在汽缸#1及汽缸#3、汽缸#3及汽缸#4、汽缸#4及汽缸#2以及汽缸#2及汽缸#1的任一者中，输出产生失火的概率的映射成为单个映射。
另外，关于在多个汽缸中产生失火的情况，也可以在特定的2个汽缸中连续地产生失火的情况、在1燃烧循环中在2个汽缸中产生失火的情况、产生失火的2个汽缸变动的情况下，分别设置不同的映射数据。
·“关于转矩输出映射”
在上述实施方式中，作为与产生转矩相关的数据，使用了转矩下降率Trq，但不限于此。例如，也可以是相对于最大转矩的比例。当然，不限于归一化成“1”，也可以是实际的转矩的值。
作为以微小旋转时间T30等为输入而输出概率的映射且包括转矩输出映射的映射，不限于图7所例示的映射。例如也可以是以在图6中例示的输入变量x、在上述变更例中例示的输入变量为输入的映射。另外，不限于用于求出在1燃烧循环中在1个汽缸中产生失火的情况下的各汽缸的失火的概率的映射。例如也可以是如图15所例示那样用于求出在1燃烧循环中在2个汽缸中产生失火的概率的映射或在上述“关于根据产生失火的汽缸间隔而分类后的每种失火的映射数据”一栏所记载的变更例中例示的用于求出概率的映射。另外，也不是必须是检测失火的单个映射数据，例如也可以是图11～图14所例示的映射，或者如其变更例所例示那样，多个种类的映射分别包括转矩输出映射。
·“关于概率映射”
在图7的处理中，以吸入空气量Ga、水温THW及与产生转矩相关的数据为输入，但不限于此，例如关于吸入空气量Ga及水温THW，也可以仅以这2个参数中的1个为输入。另外，例如还可以代替吸入空气量Ga而以转速NE及充气效率η为输入。
例如，作为映射运算，也可以代替上述的内容，将与最接近输入变量的映射数据的输入变量的值对应的输出变量的值设为映射运算的输出。在此，若例如将映射数据的输出变量的值设为3值以上，则概率映射成为输出与产生了失火的似然性的大小相应的3值以上的离散的值的映射。
将概率映射利用映射数据构成也不是必须的，也可以是输出连续的值的函数。
作为概率映射，不限于如图10所例示那样将转矩输出映射的输出(转矩下降率)设为直接的输入。例如也可以代替将上述“关于作为映射的输入的调整混合气的燃烧速度的调整变量”一栏所记载的调整变量设为由输入侧系数wFjk规定的线性映射的输入，而将对转矩输出映射输出的转矩下降率等与产生转矩相关的数据进行修正的修正量设为算出的参数，输入由此修正后的值。
·“关于映射的构造的明确化”
在图8所示的构造中，关于输入侧系数wF12、wF13、…wF16、wF18、…等没有特别提及，但也可以将它们设为“0”。即，关于作为向设为“T30(1)-T30(7)”的输出对象的中间层转移输入变量的映射的由输入侧系数wF1k确定的线性映射，也可以将输入变量x(1)、x(7)以外的系数全部设为“0”。在该情况下，例如，也可以关于由输入侧系数wF1k确定的线性映射的输出对象的中间层将激活函数h(x)设为恒等映射，排除非线性性。在该情况下，关于对将“T30(7)-T30(13)”“T30(13)-T30(19)”“T30(19)-T30(1)”向预定的中间层转移的映射进行规定的系数、该中间层的激活函数h(x)也优选设为同样。
作为将映射的构造明确化的方法，不限于参照图7～图10说明的第3实施方式所例示的方法。例如，在1个汽缸的转矩下降率Trq(1)的算出中，被施加绝对值互相相等且符号相反的制约的系数不限于1组。即，例如也可以是，关于输入侧系数wF12和输入侧系数wF18也施加绝对值互相相等且符号相反的制约，除了“T30(1)-T30(7)”之外还将与“T30(2)-T30(8)”相应的量反映于转矩下降率Trq(1)。此外，与被施加绝对值互相相等且符号相反的制约的系数对应的微小旋转时间T30的第2间隔彼此的间隔不是必须与压缩上止点间的间隔相等。
另外，例如，也可以不对输出转矩下降率Trq的神经网络的输入侧系数wFjk及输出侧系数wSij设置图8所示的制约。而且，设置了图8及其变更例所例示的制约的神经网络的输出不是必须是转矩下降率等，也可以是失火的概率或概率原型y。
·“关于映射”
作为中间层的激活函数h(x)，不是必须如上述“关于映射的构造的明确化”一栏所记载那样，在全部维度下设为相同的函数。
作为构成输出失火的概率、产生转矩的映射的神经网络，不限于中间层是1层的神经网络。例如，也可以是中间层为2层以上的神经网络。在中间层的层数多的情况下，向图16所记载的系统的利用，对于减轻控制装置70的运算负荷特别有效。
作为激活函数h(x)，不限于使用双曲正切函数。例如也可以是Logistic Sigmoid函数。作为图2、图6、图15及图17的处理中的激活函数f(x)，不限于使用双曲正切函数。例如也可以是Logistic Sigmoid函数。在该情况下，也可以不使用Softmax函数而将激活函数f(x)的输出设为概率P。在该情况下，在汽缸#1～#4各自中产生了失火的概率P(1)～P(4)互相独立地取“0”～“1”的值。
作为输出产生转矩、失火的概率的映射，不限于使用神经网络。例如，也可以将对使微小旋转时间T30等为了设为映射的输入而取得的数据的维度通过主成分分析而减少后的参数进行规定的系数代替上述输入侧系数wFij。若将使其具体化的方法的一例关于上述第1实施方式的变更例进行说明，则主成分例如利用以下的神经网络来求出即可。即，是由压缩映射和输出映射构成的自联想映射，压缩映射是以由24个微小旋转时间T30、转速NE及充气效率η构成的26维的参数为输入且输出n(<26)维的参数的线性映射，输出映射是以该线性映射的输出为输入且输出26维的参数的线性映射。在以使该神经网络的输出与输入的误差成为最小的方式学习压缩映射的成分的情况下，该压缩映射将输入参数向通过主成分分析的最初的n个主成分而张设的n维空间转移。因而，通过代替上述输入侧系数wFjk(其中，k≥1)而使用压缩映射的系数，能够代用为上述第1实施方式中的输入参数的线性结合。在该情况下，能够进行利用了回归方程的失火的有无的判定，该回归方程以n个主成分各自为激活函数h(x)的输入，将以将它们的输出通过输出侧系数wSij而线性结合后的值为输入的激活函数f(x)的输出设为产生转矩、概率原型y(i)。
当然，在该情况下，不包含构成偏置参数的输入侧系数wFj0，但也可以追加偏置参数。在该情况下，关于构成偏置参数的输入侧系数wFj0，优选利用与上述第1实施方式同样的方法来学习。
另外，例如，作为神经网络的输入，也可以代替使用上述各物理量，而将这些物理量的主成分的一些设为输入。在该情况下，主成分包括微小旋转时间T30(1)～T30(24)的线性结合，因此以微小旋转时间T30(1)～T30(24)为输入的线性映射的输出可视为向神经网络输入。
而且，作为映射，不限于以通过S10、S12等的处理而取得的变量的线性结合为输入。这例如能够通过支持向量机来实现。即，例如，也可以是使用了独立变量成为多维的适当的基底函数
Figure BDA0002382971820000411
和基于支持向量而确定的系数w1、w2、…的
Figure BDA0002382971820000412
Figure BDA0002382971820000413
即，以根据是产生了失火还是未产生失火而上述的式的输出的符号相反的方式学习系数w1、w2、…即可。在此，若在上述的基底函数
Figure BDA0002382971820000414
中使用不成为以输入参数的线性结合为输入的函数的基底函数，则这成为不以输入参数的线性结合为输入的例子。此外，上述的式子例如能够以在输出值的符号为正的情况下产生了失火的概率成为“0”且在输出值的符号为零以下的情况下产生了失火的概率成为“1”的方式规定，由此成为输出概率的映射。
·“关于映射的输出”
例如如在上述“关于概率映射”一栏中关于输出3值以上的离散的值的映射所例示那样在构成为包括神经网络的映射中概率P可取连续的值不是必须的。即，只要是输出例如与实际产生了失火的似然性的大小相应的3值的值的映射等离散地或连续地输出3值以上的值的映射即可。当然，不限于此，也可以是输出2值的值的映射。
·“关于判定处理”
作为判定处理，不限于直接使用输出产生了失火的概率的映射的输出。例如，也可以从图2的处理中的映射的输入删除转速NE，取而代之，将作为输出的失火的概率通过转速NE而修正。具体而言，例如，使用特定的转速NE下的训练数据来生成映射数据，在实际的转速NE从特定的转速NE偏离的情况下，使映射输出的失火的概率上升等即可。这是鉴于因训练数据从设为前提的转速NE偏离而概率的精度变低的设定余裕的一个方法。
此外，这样的方法不限于使用了转速NE的修正。例如也可以代替将上述“关于作为映射的输入的调整混合气的燃烧速度的调整变量”一栏所记载的调整变量设为除了瞬时速度参数之外还输入的映射的输入，而将修正映射输出的概率的修正量设为算出的参数。另外，例如还可以代替将上述“关于作为映射的输入的驱动系统装置的状态变量”一栏所记载的驱动系统装置的状态变量设为除了瞬时速度参数之外还输入的映射的输入，而将修正映射输出的概率的修正量设为算出的参数。另外，例如还可以代替将上述“关于作为映射的输入的路面的状态变量”一栏所记载的路面的状态变量设为除了瞬时速度参数之外还输入的映射的输入，而将修正映射输出的概率的修正量设为算出的参数。另外，例如还可以代替将上述“关于映射的输入”一栏、上述“关于规定内燃机的动作点的参数”一栏所例示的参数设为除了瞬时速度参数之外还输入的映射的输入，而将修正映射输出的概率的修正量设为算出的参数。
·“关于报知处理”
在上述实施方式中，在故障标志F成为“1”后即使进行S32、S36、S40的处理失火也不消除的情况下，作为报知处理而执行了操作警告灯90的处理，但不限于此。例如，也可以在故障标志F成为“1”的情况下立即执行报知处理。
在上述实施方式中，通过操作警告灯90而通过视觉信息报知产生了失火的意思，但不限于此。例如，也可以通过操作扬声器而通过听觉信息报知产生了失火的意思。
·“关于操作处理”
在上述实施方式中，在故障标志F成为“1”后即使执行S32的处理失火也不消除的情况下执行S36的处理，在即使执行S36的处理失火也不消除的情况下执行S40的处理，但不限于这样按照S32、S36、S40的处理的顺序依次执行用于消除失火的处理。例如，也可以按照S36、S40、S32的处理的顺序执行，另外，例如还可以按照S40、S36、S32的处理的顺序执行，另外，例如还可以按照S40、S32、S36的顺序执行。
作为在故障标志F成为“1”的情况下执行的失效安全处理，不限于执行S32、S36、S40、S44的处理。例如，关于S32、S36、S40、S44的处理这4个处理，也可以仅执行其中的3个，还可以仅执行2个，还可以仅执行1个。
另外，在例如如下述“关于内燃机”一栏所记载那样作为内燃机而使用压缩着火式内燃机的情况下，也可以代替使点火正时提前的处理(S36的处理)，而执行使喷射正时提前的处理。
·“关于映射数据的生成”
在上述实施方式中，使用在对曲轴24经由变矩器60及变速装置64而连接了测力计100的状态下使内燃机10工作时的数据作为训练数据，但不限于此。例如也可以使用在车辆VC搭载有内燃机10的状态下驱动了内燃机10时的数据作为训练数据。
·“关于失火检测系统”
例如，也可以在中心120中，将通过S16的处理而算出的概率P(1)～P(4)向车辆VC侧发送，在车辆VC侧执行基于概率P(1)～P(4)的S18～S28的处理。
作为失火检测系统，不限于由车辆VC内的控制装置70及车辆VC的外部的中心120构成。例如，也可以在中心120发送失火的判定结果的发送对象中除了控制装置70之外还包括用户的便携终端。在该情况下，也可以将通过图3的S46的处理而例示的报知处理设为由便携终端进行，控制装置70执行通过S32、S36、S40、S44的处理而例示的失效安全处理。这例如能够通过在便携终端安装接收来自中心120的信号并显示判定结果的应用程序来实现。
另外，关于图17的(b)部分所例示的处理，也可以代替在解析大数据的中心120中进行，而由车辆VC的用户的便携终端进行。这能够通过将使计算机执行图17的(b)部分所例示的处理的应用程序向便携终端安装来实现。
·“关于执行装置”
作为执行装置，不限于具备CPU72(122)和ROM74(124)且执行软件处理。例如，也可以具备对在上述实施方式中软件处理的至少一部分进行硬件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)的任一构成即可。(a)具备按照程序来执行上述处理的全部的处理装置和存储程序的ROM等程序保存装置(包括非瞬时性的计算机可读的存储介质)。(b)具备按照程序来执行上述处理的一部分的处理装置及程序保存装置和执行剩余的处理的专用的硬件电路。(c)具备执行上述处理的全部的专用的硬件电路。在此，具备处理装置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。
·“关于存储装置”
在上述实施方式中，将存储映射数据76a、126a的存储装置设为了与存储失火检测程序74a、失火检测主程序124a的存储装置(ROM74、124)不同的存储装置，但不限于此。
·“关于内燃机”
在上述实施方式中，作为燃料喷射阀，例示了向燃烧室18内喷射燃料的缸内喷射阀，但不限于此。例如也可以是向进气通路12喷射燃料的进气口喷射阀。另外，例如还可以具备进气口喷射阀和缸内喷射阀双方。
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作为燃料的压缩着火式内燃机等。
内燃机构成驱动系统自身不是必须的。例如，也可以在对车载发电机机械连结曲轴且相对于驱动轮69被切断了来自内燃机的动力传递的所谓串联混合动力车搭载内燃机。
·“关于车辆”
作为车辆，不限于生成车辆的推进力的装置仅成为内燃机的车辆，例如除了上述“关于内燃机”一栏所记载的串联混合动力车以外，也可以是并联混合动力车、混联混合动力车。
·“其他”
作为介于曲轴与驱动轮之间的驱动系统装置，不限于有级的变速装置，例如也可以是无级变速装置。

Claims (16)

1.一种内燃机的失火检测装置，具备存储装置和执行装置，其中，
所述存储装置构成为存储规定映射的数据即映射数据，所述映射以第1间隔中包含的连续的多个第2间隔各自中的瞬时速度参数即时序数据为输入，输出在所述内燃机产生了失火的概率，
所述执行装置构成为执行：
取得处理，取得基于检测所述内燃机的曲轴的旋转行为的传感器的检测值的、所述瞬时速度参数；
判定处理，基于以所述时序数据为输入的所述映射的输出来判定所述失火的有无；及
应对处理，用于在通过所述判定处理而判定为产生了失火的情况下，通过操作预定的硬件来应对失火的产生；
所述瞬时速度参数是与所述曲轴的转速相应的参数，
所述第1间隔是所述曲轴的旋转角度间隔，且是包含压缩上止点的间隔，
所述第2间隔是比所述压缩上止点的出现间隔小的间隔，
所述映射关于在所述第1间隔内出现压缩上止点的至少1个汽缸，输出产生了失火的概率，
所述映射数据是通过机器学习而已学习的数据。
2.根据权利要求1所述的内燃机的失火检测装置，
在所述映射的输入中包括规定所述内燃机的动作点的参数，
所述取得处理包括取得规定所述动作点的参数的处理，
所述判定处理是基于通过使向所述映射的输入还包含由所述取得处理取得的规定所述动作点的参数而得到的所述映射的输出来判定所述失火的有无的处理。
3.根据权利要求1或2所述的内燃机的失火检测装置，
在所述映射的输入中包括调整变量，该调整变量是用于通过所述内燃机的操作部的操作来调整所述内燃机的燃烧室中的混合气的燃烧速度的参数，
所述取得处理包括取得所述调整变量的处理，
所述判定处理是基于通过使向所述映射的输入还包含由所述取得处理取得的所述调整变量而得到的所述映射的输出来判定所述失火的有无的处理。
4.根据权利要求1或2所述的内燃机的失火检测装置，
在所述映射的输入中包括连结于所述曲轴的驱动系统装置的状态变量，
所述取得处理包括取得所述驱动系统装置的状态变量的处理，
所述判定处理是基于通过使向所述映射的输入还包含由所述取得处理取得的所述驱动系统装置的状态变量而得到的所述映射的输出来判定所述失火的有无的处理。
5.根据权利要求1或2所述的内燃机的失火检测装置，
在所述映射的输入中包括搭载所述内燃机的车辆正在行驶的路面的状态变量，
所述取得处理包括取得所述路面的状态变量的处理，
所述判定处理是通过使向所述映射的输入还包含由所述取得处理取得的所述路面的状态变量而得到的所述映射的输出来判定所述失火的有无的处理。
6.根据权利要求1或2所述的内燃机的失火检测装置，
所述存储装置具备多个种类的所述映射数据，
所述判定处理包括从所述多个种类的映射数据中选择为了判定所述失火的有无而利用的所述映射数据的选择处理。
7.根据权利要求1或2所述的内燃机的失火检测装置，
所述映射数据包括根据产生失火的汽缸间隔而分类的、每种失火的映射数据，
所述判定处理是使用所述每种失火的映射数据分别来判定所述每种失火的有无的处理。
8.根据权利要求1或2所述的内燃机的失火检测装置，
所述映射数据包括规定输入侧映射的数据即输入侧映射数据和规定输出侧映射的输出侧映射数据，
所述输入侧映射是输出比成为输入的数据的维度小的维度的数据的非线性映射，
所述输出侧映射是以所述输入侧映射的输出为输入且输出失火的概率的非线性映射。
9.根据权利要求8所述的内燃机的失火检测装置，
所述输出侧映射包括：
转矩输出映射，以所述输入侧映射的输出为输入，输出与所述内燃机的产生转矩相关的数据；及
概率映射，基于所述转矩输出映射的输出，输出产生了所述失火的概率，
所述判定处理包括：
转矩算出处理，将以所述瞬时速度参数的时序数据为输入的所述输入侧映射的输出作为输入，通过所述转矩输出映射来算出与所述产生转矩相关的数据；及
概率算出处理，将由所述转矩算出处理算出的与产生转矩相关的数据作为输入，通过所述概率映射来算出所述概率。
10.根据权利要求8所述的内燃机的失火检测装置，
所述输入侧映射包括：
多个输入侧线性映射，输出所述瞬时速度参数的时序数据的线性结合数据；及
多个输入侧非线性映射，对多个所述输入侧线性映射的输出分别进行非线性变换，
所述输出侧映射包括：
与汽缸数同数的输出侧线性映射，输出多个所述输入侧非线性映射的输出的线性结合数据；及
输出侧非线性映射，通过对所述输出侧线性映射的输出分别进行非线性变换来输出与对应的汽缸中的产生了失火的概率和产生转矩中的任一者相关的数据，
在多个所述输入侧线性映射中的任1个中，与在时序上压缩上止点相邻的一对汽缸各自对应的所述瞬时速度参数的、互相的至少1个系数彼此绝对值相同且符号互相相反，
对所述任1个所述输入侧线性映射的输出进行非线性变换的所述输入侧非线性映射的输出仅向与所述一对汽缸中的任一个汽缸对应的所述输出侧非线性映射输入。
11.根据权利要求1或2所述的内燃机的失火检测装置，
所述应对处理包括通过操作作为所述预定的硬件的报知器来报知产生了所述失火的意思的报知处理。
12.根据权利要求1或2所述的内燃机的失火检测装置，
所述预定的硬件包括用于控制所述内燃机的燃烧室内的混合气的燃烧的燃烧操作部，
所述应对处理包括根据产生了所述失火的意思的信息来操作所述燃烧操作部的操作处理。
13.一种根据权利要求1或2所述的内燃机的失火检测装置，其中，
所述判定处理包括：
输出算出处理，算出所述映射的输出；及
基于由所述输出算出处理算出的该输出来判定所述失火的有无的处理，
所述执行装置包括第1执行装置及第2执行装置，
所述第1执行装置搭载于车辆，且构成为执行：
所述取得处理；
车辆侧发送处理，将由所述取得处理取得的数据向车辆的外部发送；
车辆侧接收处理，接收基于由所述输出算出处理算出的输出的信号；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，且构成为执行：
外部侧接收处理，接收由所述车辆侧发送处理发送出的数据；
所述输出算出处理；及
外部侧发送处理，将基于由所述输出算出处理算出的输出的信号向所述车辆发送。
14.一种数据解析装置，具备第2执行装置和存储装置，其中，第1执行装置、所述第2执行装置和所述存储装置构成内燃机的失火检测装置，
所述存储装置构成为存储规定映射的数据即映射数据，所述映射以第1间隔中包含的连续的多个第2间隔各自中的瞬时速度参数即时序数据为输入，输出在所述内燃机产生了失火的概率，
所述第1执行装置和所述第2执行装置构成为执行：
取得处理，取得基于检测所述内燃机的曲轴的旋转行为的传感器的检测值的、所述瞬时速度参数；
判定处理，基于以所述时序数据为输入的所述映射的输出来判定所述失火的有无；及
应对处理，用于在通过所述判定处理而判定为产生了失火的情况下，通过操作预定的硬件来应对失火的产生；
所述瞬时速度参数是与所述曲轴的转速相应的参数，
所述第1间隔是所述曲轴的旋转角度间隔，且是包含压缩上止点的间隔，
所述第2间隔是比所述压缩上止点的出现间隔小的间隔，
所述映射关于在所述第1间隔内出现压缩上止点的至少1个汽缸，输出产生了失火的概率，
所述映射数据是通过机器学习而已学习的数据，
所述判定处理包括：
输出算出处理，算出所述映射的输出；及
基于由所述输出算出处理算出的该输出来判定所述失火的有无的处理，
所述第1执行装置搭载于车辆，且构成为执行：
所述取得处理；
车辆侧发送处理，将由所述取得处理取得的数据向车辆的外部发送；
车辆侧接收处理，接收基于由所述输出算出处理算出的输出的信号；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，且构成为执行：
外部侧接收处理，接收由所述车辆侧发送处理发送出的数据；
所述输出算出处理；及
外部侧发送处理，将基于由所述输出算出处理算出的输出的信号向所述车辆发送。
15.一种内燃机的控制装置，具备第1执行装置，其中，所述第1执行装置、第2执行装置和存储装置构成内燃机的失火检测装置，
所述存储装置构成为存储规定映射的数据即映射数据，所述映射以第1间隔中包含的连续的多个第2间隔各自中的瞬时速度参数即时序数据为输入，输出在所述内燃机产生了失火的概率，
所述第1执行装置和所述第2执行装置构成为执行：
取得处理，取得基于检测所述内燃机的曲轴的旋转行为的传感器的检测值的、所述瞬时速度参数；
判定处理，基于以所述时序数据为输入的所述映射的输出来判定所述失火的有无；及
应对处理，用于在通过所述判定处理而判定为产生了失火的情况下，通过操作预定的硬件来应对失火的产生；
所述瞬时速度参数是与所述曲轴的转速相应的参数，
所述第1间隔是所述曲轴的旋转角度间隔，且是包含压缩上止点的间隔，
所述第2间隔是比所述压缩上止点的出现间隔小的间隔，
所述映射关于在所述第1间隔内出现压缩上止点的至少1个汽缸，输出产生了失火的概率，
所述映射数据是通过机器学习而已学习的数据，
所述判定处理包括：
输出算出处理，算出所述映射的输出；及
基于由所述输出算出处理算出的该输出来判定所述失火的有无的处理，
所述第1执行装置搭载于车辆，且构成为执行：
所述取得处理；
车辆侧发送处理，将由所述取得处理取得的数据向车辆的外部发送；
车辆侧接收处理，接收基于由所述输出算出处理算出的输出的信号；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，且构成为执行：
外部侧接收处理，接收由所述车辆侧发送处理发送出的数据；
所述输出算出处理；及
外部侧发送处理，将基于由所述输出算出处理算出的输出的信号向所述车辆发送。
16.一种内燃机的失火检测方法，其中，所述失火检测方法包括以下步骤：
将规定映射的数据即映射数据存储于存储装置，所述映射以第1间隔中包含的连续的多个第2间隔各自中的瞬时速度参数即时序数据为输入，输出在所述内燃机产生了失火的概率；
利用执行装置，取得基于检测所述内燃机的曲轴的旋转行为的传感器的检测值的、所述瞬时速度参数；
利用执行装置，基于以所述时序数据为输入的所述映射的输出来判定所述失火的有无；及
利用执行装置，在判定为产生了所述失火的情况下，通过操作预定的硬件来应对失火的产生，
所述瞬时速度参数是与所述曲轴的转速相应的参数，
所述第1间隔是所述曲轴的旋转角度间隔，且是包含压缩上止点的间隔，
所述第2间隔是比所述压缩上止点的出现间隔小的间隔，
所述映射关于在所述第1间隔内出现压缩上止点的至少1个汽缸，输出产生了失火的概率，
所述映射数据是通过机器学习而已学习的数据。
CN202010088703.XA 2019-02-15 2020-02-12 内燃机的失火检测装置、系统、方法、数据解析装置、及内燃机的控制装置 Expired - Fee Related CN111577457B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-025553 2019-02-15
JP2019025553A JP6593560B1 (ja) 2019-02-15 2019-02-15 内燃機関の失火検出装置、内燃機関の失火検出システム、データ解析装置、および内燃機関の制御装置

Publications (2)

Publication Number Publication Date
CN111577457A CN111577457A (zh) 2020-08-25
CN111577457B true CN111577457B (zh) 2022-03-22

Family

ID=68314065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010088703.XA Expired - Fee Related CN111577457B (zh) 2019-02-15 2020-02-12 内燃机的失火检测装置、系统、方法、数据解析装置、及内燃机的控制装置

Country Status (4)

Country Link
US (2) US11099102B2 (zh)
EP (1) EP3696528B1 (zh)
JP (1) JP6593560B1 (zh)
CN (1) CN111577457B (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019069211A1 (en) * 2017-10-04 2019-04-11 The Board Of Trustees Of Western Michigan University TORQUE SENSOR FOR MOTORS
US11255282B2 (en) 2019-02-15 2022-02-22 Toyota Jidosha Kabushiki Kaisha State detection system for internal combustion engine, data analysis device, and vehicle
JP6853287B2 (ja) * 2019-02-21 2021-03-31 トヨタ自動車株式会社 インバランス検出装置、インバランス検出システム、データ解析装置、および内燃機関の制御装置
JP6624325B1 (ja) * 2019-03-29 2019-12-25 トヨタ自動車株式会社 内燃機関の失火検出装置、内燃機関の失火検出システム、データ解析装置、内燃機関の制御装置、内燃機関の失火検出方法、および受信実行装置
JP6624326B1 (ja) 2019-03-29 2019-12-25 トヨタ自動車株式会社 内燃機関の失火検出装置、内燃機関の失火検出システム、データ解析装置、内燃機関の制御装置、内燃機関の失火検出方法、および受信実行装置
JP6624324B1 (ja) * 2019-03-29 2019-12-25 トヨタ自動車株式会社 内燃機関の失火検出装置、内燃機関の失火検出システム、データ解析装置、内燃機関の制御装置、内燃機関の失火検出方法、および受信実行装置
JP2021032115A (ja) 2019-08-22 2021-03-01 トヨタ自動車株式会社 車両用学習制御システム、車両用制御装置、および車両用学習装置
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
JP7215435B2 (ja) * 2020-01-17 2023-01-31 トヨタ自動車株式会社 内燃機関の状態判定装置、内燃機関の状態判定システム、データ解析装置、および内燃機関の制御装置
JP7347251B2 (ja) * 2020-02-14 2023-09-20 トヨタ自動車株式会社 写像の学習方法
JP7314831B2 (ja) * 2020-02-17 2023-07-26 トヨタ自動車株式会社 車両用制御データの生成方法、車両用制御装置、車両用制御システム、および車両用学習装置
JP7268663B2 (ja) * 2020-09-25 2023-05-08 トヨタ自動車株式会社 内燃機関の失火検出装置
JP7314895B2 (ja) * 2020-09-25 2023-07-26 トヨタ自動車株式会社 内燃機関の失火判定装置
JP7318621B2 (ja) * 2020-09-29 2023-08-01 トヨタ自動車株式会社 内燃機関の失火検出装置
JP7327342B2 (ja) * 2020-10-08 2023-08-16 トヨタ自動車株式会社 ハイブリッド車両の制御装置
JP7322852B2 (ja) * 2020-10-09 2023-08-08 トヨタ自動車株式会社 内燃機関の失火検出装置
JP7420053B2 (ja) 2020-11-09 2024-01-23 トヨタ自動車株式会社 内燃機関の失火検出装置
JP7384145B2 (ja) * 2020-11-17 2023-11-21 トヨタ自動車株式会社 内燃機関の失火検出装置
JP7392671B2 (ja) * 2021-01-29 2023-12-06 トヨタ自動車株式会社 内燃機関の失火検出装置
CN115467752A (zh) * 2021-06-11 2022-12-13 广州汽车集团股份有限公司 汽车发动机失火诊断分析的方法、系统及计算机存储介质

Family Cites Families (105)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4092955A (en) * 1976-10-04 1978-06-06 The Bendix Corporation Roughness sensor
US4213181A (en) * 1978-06-22 1980-07-15 The Bendix Corporation Energy dissipation circuit for electromagnetic injection
JP2717665B2 (ja) 1988-05-31 1998-02-18 株式会社豊田中央研究所 内燃機関の燃焼予測判別装置
JP2843871B2 (ja) * 1990-05-14 1999-01-06 本田技研工業株式会社 内燃エンジンの燃焼異常検出装置
JPH0491348A (ja) * 1990-08-01 1992-03-24 Hitachi Ltd 自動車制御装置
US5044194A (en) * 1990-08-24 1991-09-03 Ford Motor Company Misfire detection in an internal combustion engine
US5044195A (en) * 1990-08-24 1991-09-03 Ford Motor Company Misfire detection in an internal combustion engine
US5095742A (en) * 1990-08-24 1992-03-17 Ford Motor Company Determining crankshaft acceleration in an internal combustion engine
US5109695A (en) * 1990-08-24 1992-05-05 Ford Motor Company Misfire detection in an internal combustion engine
US5222392A (en) * 1990-09-21 1993-06-29 Nippondenso Co., Ltd. Control system with misfire detection function for internal combustion engine
JP2606019B2 (ja) * 1991-09-18 1997-04-30 三菱電機株式会社 内燃機関の失火検出装置
JPH0586958A (ja) * 1991-09-27 1993-04-06 Daihatsu Motor Co Ltd 内燃機関の失火検出方法
EP0611882B1 (en) * 1992-06-16 1997-04-16 Mitsubishi Jidosha Kogyo Kabushiki Kaisha Misfire detecting method
US5237862A (en) * 1992-06-22 1993-08-24 Ford Motor Company Adaptive method of cylinder misfire detection in an internal combustion engine
JP2666232B2 (ja) * 1992-09-17 1997-10-22 本田技研工業株式会社 内燃エンジンの燃焼状態検出装置
US5539644A (en) 1992-11-17 1996-07-23 Nippondenso Co., Ltd. System for detecting misfire in a multi-cylinder internal combustion engine
JP3158774B2 (ja) * 1993-04-21 2001-04-23 トヨタ自動車株式会社 多気筒内燃機関の失火検出装置
US5495415A (en) * 1993-11-18 1996-02-27 Regents Of The University Of Michigan Method and system for detecting a misfire of a reciprocating internal combustion engine
DE4480111T1 (de) 1993-12-21 1996-02-22 Mitsubishi Motors Corp Verbrennungszustandsbestimmungsverfahren bei einer Verbrennungskraftmaschine sowie Verbrennungszustandssteuerverfahren und Verbrennungszustandssteuersystem für eine Verbrennungskraftmaschine
JP3212223B2 (ja) * 1994-07-20 2001-09-25 三菱電機株式会社 内燃機関の失火検出装置
US5576963A (en) 1994-10-18 1996-11-19 Regents Of The University Of Michigan Method and system for detecting the misfire of a reciprocating internal combustion engine utilizing a misfire index model
US6098012A (en) * 1995-02-13 2000-08-01 Daimlerchrysler Corporation Neural network based transient fuel control method
US6278986B1 (en) * 1996-06-27 2001-08-21 Yahama Hatsudoki Kabushiki Kaisha Integrated controlling system
US6021369A (en) * 1996-06-27 2000-02-01 Yamaha Hatsudoki Kabushiki Kaisha Integrated controlling system
JP3825845B2 (ja) * 1996-09-27 2006-09-27 ヤマハ発動機株式会社 進化的制御方式
US6324529B1 (en) * 1996-09-27 2001-11-27 Yamaha Hatsudoki Kabushiki Kaisha Evolutionary controlling system
US6032139A (en) * 1996-09-27 2000-02-29 Yamaha Hatsudoki Kabushiki Kaisha Electronic controller using genetic evolution techniques suitable for controlling a motor
US6199057B1 (en) * 1996-10-23 2001-03-06 California Institute Of Technology Bit-serial neuroprocessor architecture
US5915359A (en) * 1996-12-13 1999-06-29 Ford Global Technologies, Inc. Method and system for determining and controlling A/F ratio during cold start engine operation
JPH10252536A (ja) * 1997-03-14 1998-09-22 Honda Motor Co Ltd 内燃機関の空燃比制御装置
JPH11327606A (ja) * 1998-05-14 1999-11-26 Yamaha Motor Co Ltd 総合制御方式
JP2000020103A (ja) * 1998-07-02 2000-01-21 Yamaha Motor Co Ltd 遺伝的アルゴリズムの評価方法
JP2000054862A (ja) * 1998-08-07 2000-02-22 Yamaha Motor Co Ltd 動力源付き乗物における出力制御方法
US6131444A (en) * 1998-09-15 2000-10-17 Chrysler Corporation Misfire detection using a dynamic neural network with output feedback
US6240343B1 (en) * 1998-12-28 2001-05-29 Caterpillar Inc. Apparatus and method for diagnosing an engine using computer based models in combination with a neural network
US6272426B1 (en) * 1999-11-24 2001-08-07 Ford Global Technologies, Inc. Predicting cylinder pressure for on-vehicle control
US6292738B1 (en) * 2000-01-19 2001-09-18 Ford Global Tech., Inc. Method for adaptive detection of engine misfire
JP2002251597A (ja) * 2001-02-23 2002-09-06 Yamaha Motor Co Ltd 最適解探索装置、最適化アルゴリズムによる制御対象の制御装置及び最適解探索プログラム
JP3818099B2 (ja) * 2001-08-23 2006-09-06 トヨタ自動車株式会社 内燃機関の失火検出装置
JP3958636B2 (ja) 2002-02-28 2007-08-15 本田技研工業株式会社 車両用多気筒内燃機関の失火検出装置
US6935313B2 (en) * 2002-05-15 2005-08-30 Caterpillar Inc System and method for diagnosing and calibrating internal combustion engines
JP2004263680A (ja) 2003-03-04 2004-09-24 Denso Corp エンジン失火領域推定方法及びエンジン制御パラメータ適合方法並びにエンジン失火領域推定装置及びエンジン制御パラメータ適合装置
US7181334B2 (en) * 2003-05-14 2007-02-20 General Motors Corporation Method and apparatus to diagnose intake airflow
DE10354322B4 (de) * 2003-11-20 2022-06-09 Bayerische Motoren Werke Aktiengesellschaft Verfahren und System zur Ermittlung der Fahrsituation
US6978666B1 (en) * 2004-09-08 2005-12-27 Daimlerchrysler Corporation Automatic calibration method for engine misfire detection system
US7266439B2 (en) * 2004-10-05 2007-09-04 Southwest Research Institute Fuel property-adaptive engine control system with on-board fuel classifier
JP4373908B2 (ja) * 2004-12-28 2009-11-25 本田技研工業株式会社 内燃機関の失火検出装置
EP1705352B1 (en) * 2005-03-04 2012-11-21 STMicroelectronics Srl Method and relative device for sensing the air/fuel ratio of an internal combustion engine
FR2885175B1 (fr) * 2005-04-28 2010-08-13 Renault Sas Procede de commande d'un moteur de vehicule mettant en oeuvre un reseau de neurones
DE102005059908A1 (de) * 2005-12-15 2007-06-28 Robert Bosch Gmbh Verfahren zur Dosierung von Kraftstoff in Brennräume eines Verbrennungsmotors
JP4509986B2 (ja) * 2005-12-27 2010-07-21 本田技研工業株式会社 内燃機関の失火検出装置
US7680751B2 (en) * 2006-05-31 2010-03-16 Honeywell International Inc. Neural network based refrigerant charge detection algorithm for vapor compression systems
US7530261B2 (en) * 2007-02-12 2009-05-12 Delphi Technologies, Inc. Fourier-based misfire detection strategy
JP4458105B2 (ja) * 2007-03-07 2010-04-28 トヨタ自動車株式会社 内燃機関装置およびこれを搭載する車両並びに内燃機関の失火判定方法
US20090088956A1 (en) * 2007-09-27 2009-04-02 Caterpillar Inc. Robust onboard diagnostic misfire detection
JP4946889B2 (ja) 2008-01-23 2012-06-06 トヨタ自動車株式会社 内燃機関の失火検出装置
EP2286074A4 (en) * 2008-05-08 2011-08-17 Borgwarner Beru Systems Gmbh ESTIMATING THE PARAMETERS OF AN ENGINE BASED ON DYNAMIC PRESSURE REPORTS
US8281650B2 (en) * 2008-07-09 2012-10-09 Toyota Jidosha Kabushiki Kaisha Misfire determination device and misfire determination method for internal combustion engine
US8091410B2 (en) * 2009-09-29 2012-01-10 Delphi Technologies, Inc. Phase-based misfire detection in engine rotation frequency domain
JP5282847B2 (ja) * 2010-03-23 2013-09-04 トヨタ自動車株式会社 内燃機関におけるｅｇｒ率の特定方法及び内燃機関の制御装置
JP4975158B2 (ja) * 2010-11-08 2012-07-11 本田技研工業株式会社 プラントの制御装置
KR101703163B1 (ko) * 2011-03-22 2017-02-07 한국전자통신연구원 차량의 복합 고장을 예측하기 위한 장치 및 방법
JP6032136B2 (ja) * 2013-06-05 2016-11-24 トヨタ自動車株式会社 内燃機関の失火検出システム
JP2015129483A (ja) * 2014-01-08 2015-07-16 富士重工業株式会社 エンジンの失火診断装置
KR101646132B1 (ko) 2015-04-08 2016-08-05 현대자동차 주식회사 실화 진단 시스템 및 실화 진단 방법
JP6164432B2 (ja) * 2015-05-14 2017-07-19 トヨタ自動車株式会社 内燃機関の失火判定装置
US20170184043A1 (en) * 2015-12-29 2017-06-29 General Electric Company System and method to verify installation of asymmetric piston
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
JP2017214857A (ja) * 2016-05-31 2017-12-07 ヤマハ発動機株式会社 失火検出装置及びビークル
US10196997B2 (en) * 2016-12-22 2019-02-05 GM Global Technology Operations LLC Engine control system including feed-forward neural network controller
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
JP6575550B2 (ja) * 2017-03-23 2019-09-18 トヨタ自動車株式会社 内燃機関の失火検出装置
JP6914084B2 (ja) * 2017-04-10 2021-08-04 株式会社デンソーテン ノック制御装置、ノック適合方法およびノック適合プログラム
JP6558551B2 (ja) * 2017-05-23 2019-08-14 マツダ株式会社 エンジンの失火検出装置
JP6484299B2 (ja) * 2017-07-18 2019-03-13 株式会社ケーヒン 内燃機関失火検出装置
US10167800B1 (en) * 2017-08-18 2019-01-01 Microsoft Technology Licensing, Llc Hardware node having a matrix vector unit with block-floating point processing
US11125175B2 (en) * 2017-11-14 2021-09-21 Tula Technology, Inc. Machine learning for misfire detection in a dynamic firing level modulation controlled engine of a vehicle
WO2019099228A1 (en) * 2017-11-14 2019-05-23 Tula Technology, Inc. Machine learning for misfire detection in a dynamic firing level modulation controlled engine of a vehicle
EP3495219B1 (en) * 2017-12-11 2023-07-05 Volvo Car Corporation Path prediction for a vehicle
JP2019116881A (ja) * 2017-12-27 2019-07-18 トヨタ自動車株式会社 内燃機関の制御装置
JP6915553B2 (ja) * 2018-01-18 2021-08-04 トヨタ自動車株式会社 内燃機関の失火検出装置
DE112019000020B4 (de) * 2018-02-05 2020-10-15 Toyota Jidosha Kabushiki Kaisha Maschinenlernsystem
US10634081B2 (en) * 2018-02-05 2020-04-28 Toyota Jidosha Kabushiki Kaisha Control device of internal combustion engine
US10605179B2 (en) * 2018-08-20 2020-03-31 Caterpillar Inc. Engine misfire mitigation
US11255282B2 (en) * 2019-02-15 2022-02-22 Toyota Jidosha Kabushiki Kaisha State detection system for internal combustion engine, data analysis device, and vehicle
EP3696395A1 (en) * 2019-02-15 2020-08-19 Toyota Jidosha Kabushiki Kaisha State detection system for internal combustion engine, data analysis device, and vehicle
JP6624321B1 (ja) * 2019-03-22 2019-12-25 トヨタ自動車株式会社 空燃比センサの異常検出装置、空燃比センサの異常検出システム、データ解析装置、内燃機関の制御装置、および空燃比センサの異常検出方法
JP6624326B1 (ja) * 2019-03-29 2019-12-25 トヨタ自動車株式会社 内燃機関の失火検出装置、内燃機関の失火検出システム、データ解析装置、内燃機関の制御装置、内燃機関の失火検出方法、および受信実行装置
JP6624325B1 (ja) * 2019-03-29 2019-12-25 トヨタ自動車株式会社 内燃機関の失火検出装置、内燃機関の失火検出システム、データ解析装置、内燃機関の制御装置、内燃機関の失火検出方法、および受信実行装置
JP6624324B1 (ja) * 2019-03-29 2019-12-25 トヨタ自動車株式会社 内燃機関の失火検出装置、内燃機関の失火検出システム、データ解析装置、内燃機関の制御装置、内燃機関の失火検出方法、および受信実行装置
JP6725087B1 (ja) * 2019-05-30 2020-07-15 トヨタ自動車株式会社 内燃機関のブローバイガス送出路異常検出装置
JP6741131B1 (ja) * 2019-07-31 2020-08-19 トヨタ自動車株式会社 内燃機関の状態検出システム、データ解析装置、及びハイブリッド車両
JP6665961B1 (ja) * 2019-08-01 2020-03-13 トヨタ自動車株式会社 内燃機関の状態検出システム、データ解析装置、及び車両
JP2021032115A (ja) * 2019-08-22 2021-03-01 トヨタ自動車株式会社 車両用学習制御システム、車両用制御装置、および車両用学習装置
JP6705540B1 (ja) * 2019-08-22 2020-06-03 トヨタ自動車株式会社 車両用学習システム、車両用制御装置、および車両用学習装置
JP6705539B1 (ja) * 2019-08-22 2020-06-03 トヨタ自動車株式会社 失火検出装置、失火検出システムおよびデータ解析装置
JP2021032114A (ja) * 2019-08-22 2021-03-01 トヨタ自動車株式会社 車両用学習制御システム、車両用制御装置、および車両用学習装置
JP2021032116A (ja) * 2019-08-22 2021-03-01 トヨタ自動車株式会社 車両用制御装置、車両用学習システム、および車両用学習装置
JP6708292B1 (ja) * 2019-08-30 2020-06-10 トヨタ自動車株式会社 内燃機関の状態判定装置、内燃機関の状態判定システム、データ解析装置、および内燃機関の制御装置
JP6708291B1 (ja) * 2019-08-30 2020-06-10 トヨタ自動車株式会社 内燃機関の状態判定装置、内燃機関の状態判定システム、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
JP7222363B2 (ja) * 2020-01-07 2023-02-15 トヨタ自動車株式会社 エアフロメータの異常診断装置
JP7215435B2 (ja) * 2020-01-17 2023-01-31 トヨタ自動車株式会社 内燃機関の状態判定装置、内燃機関の状態判定システム、データ解析装置、および内燃機関の制御装置
JP7205503B2 (ja) * 2020-01-22 2023-01-17 トヨタ自動車株式会社 内燃機関の制御装置
JP7347251B2 (ja) * 2020-02-14 2023-09-20 トヨタ自動車株式会社 写像の学習方法

Also Published As

Publication number Publication date
US11397133B2 (en) 2022-07-26
EP3696528A1 (en) 2020-08-19
EP3696528B1 (en) 2021-12-29
US11099102B2 (en) 2021-08-24
CN111577457A (zh) 2020-08-25
US20210333170A1 (en) 2021-10-28
JP6593560B1 (ja) 2019-10-23
US20200263624A1 (en) 2020-08-20
JP2020133454A (ja) 2020-08-31

Similar Documents

Publication Publication Date Title
CN111577457B (zh) 内燃机的失火检测装置、系统、方法、数据解析装置、及内燃机的控制装置
US11268469B2 (en) Misfire detection device for internal combustion engine, misfire detection system for internal combustion engine, data analysis device, controller for internal combustion engine, method for detecting misfire of internal combustion engine, and reception execution device
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
US10969304B2 (en) State detection system for internal combustion engine, data analysis device, and vehicle
US11255282B2 (en) State detection system for internal combustion engine, data analysis device, and vehicle
CN112412642B (zh) 车辆用学习系统、车辆用控制装置以及车辆用学习装置
JP2020133621A (ja) 内燃機関の失火検出装置、内燃機関の失火検出システム、データ解析装置、および内燃機関の制御装置
JP2021025438A (ja) 内燃機関の状態検出システム、データ解析装置、及び車両
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
US11922735B2 (en) Vehicle controller, vehicle control method, and non-transitory computer readable medium storing vehicle control program
CN112443415B (zh) 内燃机的状态判定装置、内燃机的状态判定系统、数据解析装置和内燃机的控制装置
CN113266485B (zh) 映射的学习方法
CN113139328B (zh) 内燃机的状态判定装置、内燃机的状态判定系统、及数据解析装置
JP6879356B2 (ja) インバランス検出装置、インバランス検出システム、データ解析装置、および内燃機関の制御装置
JP6673519B1 (ja) 内燃機関の状態検出システム、データ解析装置、及び車両
JP2020133622A (ja) インバランス検出装置、インバランス検出システム、データ解析装置、および内燃機関の制御装置

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220322