CN111594300A - 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 - Google Patents

Abstract

本发明提供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。PM量推定装置应用于对排出到内燃机的排气通路的排气中的PM进行捕集的过滤器。存储装置存储作为对输出捕集到过滤器的PM量的映射进行规定的数据的映射数据。映射以进气温变量和壁面变量中的至少1个、以及流量变量为输入。进气温变量与吸入内燃机的空气的温度相关。壁面变量与内燃机的汽缸壁面温度相关。流量变量表示流入过滤器的流体的流量。执行装置基于以取得的数据为输入的映射的输出来算出PM量。

Description

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

技术领域

本公开涉及PM量推定装置、M量推定系统、数据解析装置、内燃机的控制装置及接收装置。

背景技术

例如在日本特开2006-316726号公报中记载了基于内燃机的转速及负荷来推定PM量的装置。PM量是捕集到设置于排气通路的过滤器的颗粒状物质的量。

但是，PM量的变化量不根据转速及负荷而唯一地确定，而依赖于各种各样的变量。因而，在仅通过转速NE及负荷来算出PM量的情况下，PM量的算出精度受限。

发明内容

以下，对本公开的例进行记载。

例1.一种PM量推定装置，具备存储装置和执行装置，其中，所述PM量推定装置应用于对排出到内燃机的排气通路的排气中的PM进行捕集的过滤器，所述存储装置构成为存储作为对输出捕集到所述过滤器的PM量的映射进行规定的数据的映射数据，所述映射以进气温变量和壁面变量中的至少1个和流量变量为输入，所述进气温变量是与吸入所述内燃机的空气的温度相关的变量，所述壁面变量是与所述内燃机的汽缸壁面温度相关的变量，所述流量变量是表示流入所述过滤器的流体的流量的变量，所述执行装置构成为执行：取得处理，取得所述进气温变量和所述壁面变量中的至少1个变量、和所述流量变量；PM量算出处理，基于以由所述取得处理取得的数据为输入的所述映射的输出来算出所述PM量；及操作处理，根据所述PM量来操作预定的硬件。

在上述结构中，基于进气温变量及壁面变量中的至少1个来算出PM量。在此，若进气温变量不同，则压缩行程中的混合气的温度不同，燃烧状态变化，PM的排出量变化。因此，若基于进气温变量来算出PM量，则例如与不依赖于进气温变量而算出PM量的情况相比，能够高精度地算出PM量。另外，在壁面温度低的情况下与高的情况相比，燃料向壁面附着而PM的产生容易变得显著。因此，若基于壁面温度变量来算出PM量，则例如与不依赖于壁面温度变量而算出PM量的情况相比，能够高精度地算出PM量。

例2.根据上述例1所述的PM量推定装置，在所述映射的输入中包括增量变量，所述增量变量是表示在所述内燃机的燃烧室内被设为燃烧对象的混合气中的燃料量超过用于使所述混合气的空燃比成为理论空燃比的量的量的变量，所述取得处理包括取得所述增量变量的处理，所述PM量算出处理是基于向所述映射的输入还包含所述增量变量的所述映射的输出来算出所述PM量的处理。

在上述结构中，基于增量变量来算出PM量。通过这样，能够基于“在混合气中的燃料量超过理论空燃比相当的燃料量的情况下，PM的排出量变得显著”来算出PM量。进而，能够高精度地算出PM量。

例3.根据上述例1或例2所述的PM量推定装置，所述取得处理包括取得规定所述内燃机的工作点的变量即工作点变量作为所述流量变量的处理。

在上述结构中，鉴于流量根据内燃机的工作点而确定，使用工作点变量作为流量变量。而且，内燃机的各种操作部的操作量具有根据工作点而设定的倾向。因此，在上述结构中，通过使工作点变量包含于映射的输入，能够考虑由各种操作量的差异引起的PM量的差异来算出PM量。

例4.根据上述例1～例3中任一个所述的PM量推定装置，在所述映射的输入中包括与点火正时相关的变量即点火变量，所述取得处理包括取得所述点火变量的处理，所述PM量算出处理是基于进一步使所述点火变量包含于向所述映射的输入的所述映射的输出来算出所述PM量的处理。

在上述结构中，基于点火变量来算出PM量。因此，能够掌握“若点火正时延迟则燃烧变得不稳定，对PM的排出造成大的影响”地算出PM量。进而，与例如不依赖于点火变量而算出PM量的情况相比，能够高精度地算出PM量。

例5.根据上述例1～例4中任一个所述的PM量推定装置，所述内燃机具备进气口喷射阀，在所述映射的输入中包括表示附着于所述内燃机的进气系统的燃料量的变量即附着量变量，所述取得处理包括取得所述附着量变量的处理，所述PM量算出处理是基于进一步使所述附着量变量包含于向所述映射的输入的所述映射的输出来算出所述PM量的处理。

在附着于进气系统的燃料量多的情况下与少的情况相比，PM的排出量具有变多的倾向。因而，在上述结构中，基于附着量变量来算出PM量。通过这样，能够基于与PM的排出量具有强的正的相关的变量来算出PM量。进而，能够高精度地算出PM量。

例6.根据上述例1～例5中任一个所述的PM量推定装置，在所述映射的输入中包括与在所述过滤器的上游侧设置的空燃比传感器的检测值相关的变量即空燃比检测变量，所述取得处理包括取得所述空燃比检测变量的处理，所述PM量算出处理是基于进一步使所述空燃比检测变量包含于向所述映射的输入的所述映射的输出来算出所述PM量的处理。

向过滤器流入的排气中的氧量、未燃燃料量是确定捕集到了过滤器的PM量的氧化量的参数。因而，在上述结构中，基于与实际的燃料量相对于与向过滤器流入的氧不多不少地正好反应的燃料量的比例相应的变量即上述空燃比检测变量来算出PM量。通过这样，能够基于与PM的氧化量具有强相关的参数来算出PM量，进而能够高精度地算出PM量。

例7.根据上述例1～例6中任一个所述的PM量推定装置，所述存储装置具备多个种类的所述映射数据，所述PM量算出处理包括从所述多个种类的映射数据中选择为了算出所述PM量而利用的所述映射数据的选择处理。

在所有状况下构成能够高精度地输出PM量的映射的情况下，映射的构造容易复杂化。于是，在上述结构中，设置多个种类的映射数据。由此，能够根据状况而选择合适的映射。在该情况下，与例如以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8.根据上述例7所述的PM量推定装置，所述映射数据包括高温用映射数据和低温用映射数据，所述高温用映射数据是规定所述内燃机的温度高的情况下的所述映射的数据，所述低温用映射数据是规定所述内燃机的温度比所述高温用映射数据设为对象的所述内燃机的温度低的情况下的所述映射的数据，所述选择处理包括根据所述内燃机的温度而选择所述高温用映射数据和所述低温用映射数据这2个中的任一个作为在所述PM量的算出中使用的所述映射数据的处理。

在内燃机的温度高的情况和低的情况下，PM的排出量大不相同。因此，在例如无论内燃机的温度如何都通过单个映射来算出PM量的情况下，成为了以单个映射来应对PM的排出大不相同的现象，因此映射的构造容易复杂化。相对于此，在上述结构中，通过将高温用映射数据和低温用映射数据设为分别不同的映射数据，容易简化这些映射数据的构造。

例9.根据上述例1～例8中任一个所述的PM量推定装置，在所述映射的输入中包括所述过滤器的温度，所述取得处理包括取得所述过滤器的温度的处理，所述映射包括：排出量映射，至少以由所述取得处理取得的变量中的所述过滤器的温度以外的变量为输入，输出从所述内燃机的燃烧室向所述排气通路的PM的排出量；氧化量映射，至少以更新前的所述PM量和所述过滤器的温度为输入，输出捕集于所述过滤器的PM的氧化量；及更新映射，基于更新前的所述PM量、所述排出量及所述氧化量来输出所述PM量，所述PM量算出处理包括：排出量算出处理，通过至少将由所述取得处理取得的变量中的所述过滤器的温度以外的变量向所述排出量映射输入来算出所述排出量；氧化量算出处理，通过至少将更新前的所述PM量和所述过滤器的温度向所述氧化量映射输入来算出所述氧化量；及更新处理，通过将更新前的所述PM量、所述排出量及所述氧化量向所述更新映射输入来更新所述PM量。

捕集到过滤器的PM的量根据向排气通路排出的PM和由过滤器氧化的PM而确定。并且，PM的排出和PM的氧化是互相不同的现象，因此在例如利用单个映射来算出PM量的情况下，需要以单个映射来应对互相不同的现象，映射的构造容易复杂化。于是，在上述结构中，将输出PM排出量的映射和输出PM氧化量的映射设为分别不同的映射。由此，容易简化各映射。

例10.根据上述例9记载的PM量推定装置，在规定所述排出量映射的数据中包括高温用排出量映射数据和低温用排出量映射数据，所述高温用排出量映射数据是规定所述内燃机的温度高的情况下的所述排出量映射的数据，所述低温用排出量映射数据是规定所述内燃机的温度比所述高温用排出量映射数据设为对象的所述内燃机的温度低的情况下的所述排出量映射的数据，所述排出量算出处理包括根据所述内燃机的温度而选择所述高温用排出量映射数据和所述低温用排出量映射数据中的在所述排出量的算出中使用的数据的选择处理。

在内燃机的温度高的情况和低的情况下，PM的排出量大不相同。因此，在例如无论内燃机的温度如何都利用单个映射来算出PM排出量的情况下，映射的构造容易复杂化。相对于此，在上述结构中，将高温用排出量映射数据和低温用排出量映射数据设为分别不同的映射数据。通过这样，容易简化这些映射数据的构造。

例11.根据上述例1～例10中任一个所述的PM量推定装置，上升用操作部是所述内燃机的操作部，且是用于使所述过滤器的温度上升的操作部，所述操作处理包括在所述PM量成为规定量以上的情况下通过操作所述上升用操作部来使捕集到所述过滤器的PM燃烧的再生处理。

在上述结构中，基于至少使用进气温变量和壁面温度变量的任一个而算出的PM量来进行再生处理。由此，能够基于高精度的PM量来进行再生处理，进而能够将再生处理在合适的正时下进行。

例12.根据上述例1～例11中任一个所述的PM量推定装置，所述操作处理包括：判定处理，基于所述过滤器的上游侧与下游侧的差压的检测值、向所述过滤器流入的流体的流量及所述PM量，判定过滤器的异常的有无；及报知处理，在由所述判定处理判定为存在异常的情况下，为了报知所述过滤器存在异常的意思而操作报知装置。

根据流体的流量和PM量，能够掌握过滤器的上游侧与下游侧的差压。因而，在根据流体的流量和PM量而掌握的差压与检测值大幅背离的情况下，可认为过滤器存在异常。因而，在上述结构中，根据流体的流量、PM量及差压的检测值来判定过滤器的异常的有无。在存在异常的情况下，能够通过报知处理而向外部通知。

例13.一种PM量推定系统，具备上述例1～例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PM量算出处理算出的PM量的信号；及所述操作处理，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PM量算出处理；及外部侧发送处理，将基于由所述PM量算出处理算出的PM量的信号向所述车辆发送。

在上述结构中，通过将PM量算出处理在车辆的外部执行，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16.一种接收装置，是构成上述例13所述的PM量推定系统的一部分的硬件，构成为执行所述车辆侧接收处理。

例17.作为执行上述例1～例16中任一个所述的各种处理的PM量推定方法而具体化。

例18.作为记录有使处理装置执行上述例1～例17中任一个所述的各种处理的程序的非瞬时性的计算机可读的记录介质而具体化。

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结构的图。

图2是示出该实施方式的控制装置所执行的处理的一部分的框图。

图3是示出该实施方式的PM量推定处理的顺序的流程图。

图4是示出该实施方式的向堆积的PM的应对处理的顺序的流程图。

图5是示出该实施方式的生成映射数据的系统的图。

图6是示出该实施方式的映射数据的学习处理的顺序的流程图。

图7是示出该实施方式的映射数据的学习处理的顺序的流程图。

图8是示出第2实施方式的PM量推定处理的顺序的流程图。

图9是示出第3实施方式的控制装置所执行的处理的顺序的流程图。

图10是示出第4实施方式的PM量推定处理的顺序的流程图。

图11是示出第5实施方式的选择处理的顺序的流程图。

图12是示出第6实施方式的PM量推定系统的结构的图。

图13的(a)部分及(b)部分是示出图12的PM量推定系统所执行的处理的顺序的流程图。

具体实施方式

<第1实施方式>

以下，参照图1～图7对PM量推定装置的第1实施方式进行说明。

图1所示的内燃机10搭载于车辆。在内燃机10的进气通路12从上游侧起依次设置有节气门14及进气口喷射阀16。吸入到进气通路12的空气和从进气口喷射阀16喷射出的燃料伴随于进气门18的开阀而向由汽缸20及活塞22区划出的燃烧室24流入。缸内喷射阀26能够向燃烧室24喷射燃料。在燃烧室24中，燃料与空气的混合气通过点火装置28的火花放电而用于燃烧。并且，通过燃烧而生成的燃烧能量经由活塞22而被变换为曲轴30的旋转能量。用于燃烧后的混合气伴随于排气门32的开阀而作为排气向排气通路34排出。在排气通路34从上游侧起设置有作为捕集颗粒状物质即PM的过滤器且担载有具有氧吸藏能力的三元催化剂的GPF36、和作为具有氧吸藏能力的三元催化剂的催化剂38。

曲轴30的旋转动力经由正时链条39而向进气凸轮轴40及排气凸轮轴42传递。此外，在本实施方式中，经由进气门正时可变装置44而向进气凸轮轴40传递正时链条39的动力。进气门正时可变装置44是通过调整曲轴30与进气凸轮轴40的旋转相位差来调整进气门18的开阀正时的执行器。

此外，朝向活塞22中的与对应于燃烧室24的面即顶面侧相反一侧的面侧，由喷油器48控制润滑油的排出及停止。

在排气通路34中的GPF36的上游连接有将排气通路34与进气通路12相互连接的EGR通路50。在EGR通路50设置有调整其流路截面积的EGR阀52。另外，在曲轴30经由变矩器60及变速装置62而机械连结有驱动轮66。

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、进气口喷射阀16、缸内喷射阀26、点火装置28、进气门正时可变装置44、EGR阀52、喷油器48等操作部。此外，在图1中记载了节气门14、进气口喷射阀16、缸内喷射阀26、点火装置28、进气门正时可变装置44、EGR阀52及喷油器48各自的操作信号MS1～MS7。

控制装置70在控制量的控制时，参照由空气流量计80检测的吸入空气量Ga、曲轴角传感器82的输出信号Scr、由水温传感器84检测的内燃机10的冷却水的温度即水温THW。另外，控制装置70参照在GPF36的上游侧设置的上游侧空燃比传感器86的检测值即上游侧检测值Afu和在GPF36与催化剂38之间设置的下游侧空燃比传感器88的检测值即下游侧检测值Afd。另外，控制装置70参照由差压传感器90检测的GPF36的上游侧的排气的压力与下游侧的排气的压力的差压ΔPex、由进气温传感器92检测的进气温TO、由车速传感器94检测的车速SPD、由油温传感器96检测的润滑油的温度即油温Toil。

控制装置70具备CPU72、ROM74、作为能够电改写的非易失性存储器的存储装置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CPU72执行存储于ROM74的程序来执行上述控制量的控制。

图2示出通过CPU72执行存储于ROM74的程序而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来算出基础喷射量Qb的处理。基础喷射量Qb是用于使燃烧室24内的混合气的空燃比成为目标空燃比的燃料量的基础值。详细而言，基础喷射量算出处理M10例如在填充效率η由百分率表现的情况下，设为通过对用于使空燃比成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是基于向燃烧室24内填充的空气量，为了将空燃比控制成目标空燃比而算出的燃料量。顺便一提，目标空燃比例如设为理论空燃比即可。此外，填充效率η是确定向燃烧室24内填充的空气量的参数，由CPU72基于转速NE及吸入空气量Ga而算出。另外，转速NE由CPU72基于曲轴角传感器82的输出信号Scr而算出。

反馈处理M12是将对基础喷射量Qb的修正比率δ加上“1”而得到的反馈修正系数KAF算出并输出的处理。基础喷射量Qb的修正比率δ是用于将上游侧检测值Afu反馈控制成目标值Af*的操作量即反馈操作量。详细而言，反馈处理M12将以上游侧检测值Afu与目标值Af*之差为输入的比例要素及微分要素的各输出值和将与该差相应的值的累计值保持并输出的积分要素的输出值之和设为修正比率δ。

低温修正处理M14是在水温THW低于预定温度Tth(例如60℃)的情况下，为了将基础喷射量Qb增量而将低温增量系数Kw算出为比“1”大的值的处理。详细而言，低温增量系数Kw在水温THW低的情况下与高的情况相比被算出为大的值。此外，在水温THW为预定温度Tth以上的情况下，低温增量系数Kw被设为“1”，从而使低温增量系数Kw对基础喷射量Qb的修正量成为零。

要求喷射量算出处理M16是通过对基础喷射量Qb乘以反馈修正系数KAF和低温增量系数Kw来算出要求喷射量Qd的处理。

启动时喷射量设定处理M18是设定内燃机10的启动时的喷射量的处理。启动时喷射量设定处理M18是在内燃机10的启动时，尤其从抑制失火(不发火)的观点等来看，以喷射比使在燃烧室24内成为燃烧对象的混合气的空燃比成为理论空燃比所需的燃料量多量的燃料的方式设定喷射量的处理。

喷射阀操作处理M20是为了操作进气口喷射阀16而向进气口喷射阀16输出操作信号MS2，为了操作缸内喷射阀26而向缸内喷射阀26输出操作信号MS3的处理。详细而言，在内燃机10的启动后，喷射阀操作处理M20是将进气口喷射阀16相对于要求喷射量Qd的喷射比例设定为喷射分配率Kp，根据该喷射分配率Kp来操作进气口喷射阀16、缸内喷射阀26的处理。另外，在内燃机10的启动时，喷射阀操作处理M20是以使由启动时喷射量设定处理M18设定的喷射量的燃料由进气口喷射阀16喷射的方式操作进气口喷射阀16的处理。

温度推定处理M22是基于转速NE、填充效率η、上游侧检测值Afu、车速SPD及点火正时aig来算出GPF36的温度的推定值即过滤器温度Tgpf的处理。详细而言，温度推定处理M22包括基于以转速NE及填充效率η为输入变量且以GPF36的温度的基础值为输出变量的映像数据而由CPU72对基础值进行映像运算的处理。另外，温度推定处理M22包括以在上游侧检测值Afu为浓的情况下与为稀的情况相比过滤器温度Tgpf变高的方式修正基础值的处理。这通过基于以上游侧检测值Afu为输入变量且以用于修正基础值的第1修正量为输出变量的映像数据而由CPU72对第1修正量进行映像运算来实现。另外，温度推定处理M22包括以在车速SPD高的情况下与低的情况相比过滤器温度Tgpf变低的方式修正基础值的处理。这能够通过基于以车速SPD为输入变量且以用于修正基础值的第2修正量为输出变量的映像数据而由CPU72对第2修正量进行映像运算来实现。另外，温度推定处理M22包括以在点火正时aig为延迟侧的情况下与为提前侧的情况相比过滤器温度变高的方式修正基础值的处理。这能够通过基于以点火正时aig为输入变量且以用于修正基础值的第3修正量为输出变量的映像数据而由CPU72对第3修正量进行映像运算来实现。

此外，映像数据是输入变量的离散的值和与输入变量的值的各自对应的输出变量的值的数据组。另外，映像运算例如设为以下处理即可：在输入变量的值与映像数据的输入变量的值的任一者一致的情况下，将对应的映像数据的输出变量的值设为运算结果，而在不一致的情况下，将通过映像数据中包含的多个输出变量的值的插补而得到的值设为运算结果。

PM推定处理M24是基于过滤器温度Tgpf等来推定由GPF36捕集到的颗粒状物质的量即PM量的处理。将在后面对此进行详述。

再生处理M26是基于PM量，为了将GPF36捕集到的PM氧化除去而操作点火装置28等的处理。

催化剂劣化检测处理M28是将担载于GPF36的三元催化剂的劣化程度作为劣化率Rdc而检测的处理。详细而言，催化剂劣化检测处理M28是算出三元催化剂的氧吸藏量的最大值，作为该最大值低于基准值的程度而算出劣化率Rdc的处理。在此，要想算出氧吸藏量，首先，通过下游侧检测值Afd比表示理论空燃比的理想配比(化学当量比)点浓而三元催化剂的氧吸藏量成为零。之后，基于通过使被设为燃烧对象的混合气的空燃比稀而下游侧检测值Afd变得比理想配比点稀为止的向GPF36的氧流量的累计值来算出氧吸藏量。

图3示出PM推定处理M24的顺序。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PM量推定程序74a来实现。此外，以下，利用在开头标注有“S”的数字来表现各处理的步骤编号。

在图3所示的一系列处理中，CPU72取得转速NE、填充效率η、点火正时平均值aigave、增量量平均值Qiave、启动时累计空气量InGa1、启动后累计空气量InGa2、水温THW、进气温TO、过滤器温度Tgpf、上游侧平均值Afuave及作为PM量的PM堆积量DPM(S10)。此外，在此取得的PM堆积量DPM是在图3的一系列处理的上次的执行正时下算出的上次值。此外，图3的处理一次也没执行时的PM堆积量DPM的初始值为零。点火正时平均值aigave、增量量平均值Qiave及上游侧平均值Afuave分别是S10的处理的周期中的点火正时aig的平均值、增量量Qi的平均值及上游侧检测值Afu的平均值。例如，CPU72在S10的处理的周期将上游侧检测值Afu多次采样，算出它们的平均值，设为上游侧平均值Afuave。另外，增量量Qi是要求喷射量Qd相对于基础喷射量Qb的增量量Qi的平均值，可取负的值。增量量Qi表示相对于使混合气的空燃比成为理论空燃比所需的燃料量的多出或不足量。

另外，启动时累计空气量InGa1是在内燃机10的启动时吸入的空气量的累计值。另外，启动后累计空气量InGa2是内燃机10的启动后的吸入空气量Ga的累计值。

接着，CPU72将在S10的处理中取得的一些变量设为由图1所示的存储于存储装置76的映射数据76a规定且以PM向排气通路34的排出量即PM排出量QPM为输出的映射的输入变量(S12)。即，CPU72对输入变量x(1)代入转速NE，对输入变量x(2)代入填充效率η，对输入变量x(3)代入点火正时平均值aigave，对输入变量x(4)代入增量量平均值Qiave，对输入变量x(5)代入启动时累计空气量InGa1，对输入变量x(6)代入启动后累计空气量InGa2。另外，CPU72对输入变量x(7)代入水温THW，对输入变量x(8)代入进气温TO。

接着，CPU72通过将输入变量x(1)～x(8)向输出PM排出量QPM的映射输入来算出PM排出量QPM(S14)。本实施方式的映射由中间层是1层且中间层的活性化函数h1是双曲正切函数且输出层的活性化函数h2是ReLU的神经网络构成。此外，ReLU是将输入和零中的不小的一方输出的函数。换言之，在输入不是零时，ReLU是将输入和零中的大的一方输出的函数，在输入是零时，ReLU是将零输出的函数。

在此，中间层的各节点的值通过将对由系数wF(1)jk(j＝1～nh，k＝0～8)规定的线性映射输入了上述输入变量x(1)～x(8)时的“nh”维的输出值的各自向活性化函数h1输入而生成。顺便一提，wF(1)j0是偏置参数(bias parameter)，输入变量x(0)定义为“1”。另外，输出层通过将对由系数wF(2)1j规定的线性映射输入了中间层的节点的值时的输出向活性化函数h2输入而生成。其中，系数wF(2)10是偏置参数。

接着，CPU72基于在S10的处理中取得的PM堆积量DPM的上次值，算出排出到排气通路34的排气中的PM中的在GPF36中被捕集的比例即捕集率RPM(S16)。详细而言，在以PM堆积量DPM的上次值为输入变量且以捕集率RPM为输出变量的映像数据预先存储于ROM74的状态下，由CPU72对捕集率RPM进行映像运算。

接着，CPU72将在S10的处理中取得的一些变量设为由图1所示的存储于存储装置76的映射数据76a规定且输出GPF36对PM的氧化量即PM氧化量OPM的映射的输入变量(S18)。即，CPU72对输入变量x(1)代入转速NE，对输入变量x(2)代入填充效率η，对输入变量x(3)代入过滤器温度Tgpf，对输入变量x(4)代入上游侧平均值Afuave，对输入变量x(5)代入PM堆积量DPM的上次值。

接着，CPU72通过对输出PM氧化量OPM的映射输入通过S18的处理而生成的输入变量x(1)～x(5)来算出PM氧化量OPM(S20)。本实施方式的映射由中间层是1层且中间层的活性化函数g1是双曲正切函数且输出层的活性化函数g2是ReLU的神经网络构成。

在此，中间层的各节点的值通过将对由系数wS(1)jk(j＝1～ng，k＝0～5)规定的线性映射输入了基于S18的处理的输入变量x(1)～x(5)时的“ng”维的输出值的各自向活性化函数g1输入而生成。顺便一提，wS(1)j0是偏置参数，输入变量x(0)定义为“1”。另外，输出层通过将对由系数wS(2)1j规定的线性映射输入了中间层的节点的值时的输出向活性化函数g2输入而生成。此外，系数wS(2)10是偏置参数。

接着，CPU72通过将从对PM排出量QPM乘以捕集率RPM而得到的值减去PM氧化量OPM而得到的值与通过S10的处理而取得的PM堆积量DPM的上次值相加来更新PM堆积量DPM(S22)。然后，CPU72判定PM堆积量DPM是否为预定量DPMthH以上(S24)。CPU72在判定为PM堆积量DPM为预定量DPMthH以上的情况下(S24：是)，对再生标志F代入“1”(S26)。顺便一提，再生标志F的初始值被设为“0”。

此外，CPU72在S26的处理完成的情况或在S24的处理中作出否定判定的情况下，一度结束图3所示的一系列处理。

图4示出再生处理M26的顺序。图4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的应对程序74b而实现。

在图4所示的一系列处理中，CPU72首先判定再生标志F是否是“1”(S30)。CPU72在判定为再生标志F是“1”的情况下(S30：是)，判定为了将GPF36内的PM氧化除去而使GPF36的温度上升的升温控制的执行条件是否成立(S32)。在此，升温条件设为内燃机10的负荷区域例如是本来的排气温度高的高负荷区域等即可。并且，CPU72在判定为升温控制的执行条件成立的情况下(S32：是)，执行以下的升温控制：例如通过操作点火装置28而使排气温度上升，或者以使向GPF36流入的未燃燃料增量的方式操作进气口喷射阀16、缸内喷射阀26等，由此使GPF36的温度上升(S34)。至少这些点火装置28、进气口喷射阀16及缸内喷射阀26是内燃机10的操作部且是用于使GPF36的过滤器温度Tgpf上升的上升用操作部。然后，CPU72判定PM堆积量DPM是否成为了比上述预定量DPMthH小的规定量DPMthL以下(S36)。并且，CPU72在判定为PM堆积量DPM成为了规定量DPMthL以下的情况下(S36：是)，对再生标志F代入“0”(S38)。

此外，CPU72在完成S38的处理的情况或在S30、S32、S36的处理中作出否定判定的情况下，一度结束图4所示的一系列处理。

接着，对映射数据76a的生成方法进行说明。

图5示出生成映射数据76a的系统。

如图5所示，在本实施方式中，经由变矩器60及变速装置62而将测力计100(dynamometer)机械连结于内燃机10的曲轴30。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上游侧空燃比传感器86、进气温传感器92等。另外，传感器群102包括检测向排气通路34排出的PM的流量的PM传感器。

图6示出对输出PM排出量QPM的映射进行规定的映射数据的生成处理的顺序。图6所示的处理由适配装置104执行。此外，图6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6所示的一系列处理中，适配装置104首先基于传感器群102的检测结果，取得与在S12的处理中作为输入变量x(1)～x(8)而使用的数据相同的数据作为训练数据。并且，取得由PM传感器检测的PM排出量QPMt作为训练数据中的教师数据(S40)。QPMt的最后的文字t表示教师数据。

接着，适配装置104以S12的处理的要领，对输入变量x(1)～x(8)代入教师数据以外的训练数据(S42)。然后，适配装置104以S14的处理的要领，使用通过S42的处理而求出的输入变量x(1)～x(8)来算出PM排出量QPM(S44)。然后，CPU72判定通过S44的处理而算出的PM排出量QPM的样本数是否为预定以上(S45)。在此，为了使PM排出量QPM的样本数为预定以上，要求通过使内燃机10的运转状态变化而在由转速NE及填充效率η规定的各种各样的工作点下算出了PM排出量QPM。

适配装置104在判定为PM排出量QPM的样本数不为预定以上的情况下(S45：否)，返回S40的处理。相对于此，CPU72在判定为PM排出量QPM的样本数为预定以上的情况下(S45：是)，以使作为教师数据的PM排出量QPMt与通过S44的处理而算出的PM排出量QPM的各自之差的平方和最小化的方式更新系数wF(1)ji、wF(2)1j(S46)。然后，适配装置104将系数wF(1)ji、wF(2)1j作为学习完的映射数据76a存储(S48)。

此外，适配装置104在S48的处理完成的情况下，一度结束图6所示的一系列处理。

图7示出对输出PM氧化量OPM的映射进行规定的映射数据的生成处理的顺序。图7所示的处理由适配装置104执行。

在图7所示的一系列处理中，适配装置104首先基于传感器群102的检测结果，取得与在S18的处理中作为输入变量x(1)～x(5)而使用的数据相同的数据作为训练数据。并且，取得PM氧化量OPMt作为教师数据(S50)。在此，测定GPF36的重量，基于该GPF36的重量而取得PM堆积量DPM后，将GPF36配置于排气通路34。通过固定内燃机10的工作点并使内燃机10工作，来取得在S18的处理中作为输入变量x(1)～x(4)而使用的数据。之后，将GPF36从排气通路34拆卸并测定GPF36的重量，基于与工作前的GPF36的重量的差值来算出PM堆积量DPM的变化量。然后，基于该PM堆积量DPM的变化量和对PM排出量QPM乘以捕集率RPM而得到的值来算出PM氧化量OPMt。

接着，适配装置104以S18的处理的要领，对输入变量x(1)～x(5)代入教师数据以外的训练数据(S52)。然后，适配装置104以S20的处理的要领，使用通过S52的处理而求出的输入变量x(1)～x(5)来算出PM氧化量OPM(S54)。然后，CPU72判定通过S54的处理而算出的PM氧化量OPM的样本数是否为预定以上(S55)。在此，为了使PM氧化量OPM的样本数为预定以上，要求在将PM堆积量DPM设为多个值的各自时通过使内燃机10的运转状态变化而在由转速NE及填充效率η规定的各种各样的工作点下算出PM排出量QPM。

适配装置104在判定为PM氧化量OPM的样本数不为预定以上的情况下(S55：否)，返回S50的处理。相对于此，CPU72在判定为PM氧化量OPM的样本数为预定以上的情况下(S55：是)，以使作为教师数据的PM氧化量OPMt与通过S54的处理而算出的PM氧化量OPM的各自之差的平方和最小化的方式更新系数wS(1)ji、wS(2)1j(S56)。然后，适配装置104将系数wS(1)ji、wS(2)1j作为学习完的映射数据76a存储(S58)。

此外，适配装置104在S58的处理完成的情况下，一度结束图7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以转速NE、填充效率η、点火正时平均值aigave、增量量平均值Qiave、启动时累计空气量InGa1、启动后累计空气量InGa2、水温THW及进气温TO为输入，算出PM排出量QPM。在此，若点火正时aig被延迟，则燃烧变得不稳定，因此点火正时aig会大幅影响PM的排出量。另外，超过了理论空燃比的燃料量容易导致PM的生成，因此增量量Qi会大幅影响PM的排出量。

另外，在启动时喷射量设定处理M18中，通过相对于设为理论空燃比所需的燃料量喷射大量的燃料，即使向进气通路12、进气门18等进气系统大量附着燃料，也抑制了失火。在此，在附着于进气系统的燃料量多的情况下与少的情况相比，因附着于进气系统的燃料向燃烧室24内流入而PM的产生变得显著。在此，启动时累计空气量InGa1与通过内燃机10的启动时的燃料喷射而向进气系统附着的燃料的总量具有正的相关，启动后累计空气量InGa2与相对于在内燃机10的启动时大量附着于进气系统的燃料量的减少量具有相关。即，启动时累计空气量InGa1及启动后累计空气量InGa2构成与附着于进气系统的燃料量具有相关的变量即附着量变量。并且，在附着量变量大的情况下与小的情况相比，PM的排出量变多。

另外，水温THW与汽缸20的温度具有相关，在汽缸20的壁面温度低的情况下与高的情况相比，具有燃料向壁面附着而PM的产生变得显著的倾向。另外，进气温TO与内燃机10的压缩行程中的混合气的温度具有相关，因此与混合气的燃烧温度具有相关。并且，由于PM的排出量因燃烧温度而不同，所以PM的排出量因进气温TO而不同。

而且，转速NE及填充效率η是确定排气的流量的参数，并且是确定内燃机10的工作点的工作点变量。CPU72具有根据工作点来设定进气门正时可变装置44、EGR阀52等内燃机10的操作部的操作量的倾向。因此，工作点变量包括与各操作部的操作量相关的信息，进而包括与PM的排出量相关的信息。

因此，根据本实施方式，通过使用上述输入变量x(1)～x(8)，能够高精度地算出PM排出量。而且，在本实施方式中，并非随意且大量地输入内燃机10的各种各样的变量并通过机器学习来学习算出PM排出量QPM的映射。在本实施方式中，基于精通内燃机10的控制的发明人的见解，严选了向映射输入的变量。因而，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，容易简化算出PM排出量QPM的映射的构造。

另一方面，CPU72以转速NE、填充效率η、过滤器温度Tgpf、上游侧平均值Afuave及PM堆积量DPM的上次值为输入，算出了PM氧化量OPM。在此，过滤器温度Tgpf、PM堆积量DPM及向GPF36流入的流体中的氧量与GPF36中的PM的氧化速度具有正相关。另外，上游侧检测值Afu与转速NE及填充效率η一起表示向GPF36流入的流体中的氧量的比例。上游侧检测值Afu与特别是确定排气的流量的变量一起构成表示向GPF36流入的氧量的氧量变量。

因此，在本实施方式中，通过基于与PM的氧化速度具有相关的上述多个变量来算出PM氧化量OPM，能够高精度地算出PM氧化量OPM。而且，在本实施方式中，并非随意且大量地输入内燃机10的各种各样的变量并通过机器学习来学习算出PM氧化量OPM的映射，而是基于精通内燃机10的控制的发明人的见解严选了向映射输入的变量。因而，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，容易简化算出PM排出量QPM的映射的构造。

而且，在本实施方式中，取代将PM堆积量DPM的变化量、PM堆积量DPM自身通过单个神经网络而算出，而是分割为多个现象而设置了分别不同的映射。即，将PM向GPF36堆积的现象分割为PM向排气通路34的排出、GPF36中的PM的捕集及GPF36中的PM的氧化，设置了分别不同的映射。在此，例如在将PM堆积量DPM的变化量、PM堆积量DPM自身通过单个神经网络而算出的情况下，神经网络自身需要关于输入变量x的各自学习与对各现象的哪一个起作用相应的对PM堆积量DPM的变化量的影响。因而，容易产生使中间层的层数增加或使输入变量x的维度增加的需要。相对于此，在本实施方式中，通过分割为PM向排气通路34的排出、GPF36中的PM的捕集及GPF36中的PM的氧化而设置分别不同的映射，能够简化各映射的构造。

根据以上说明的本实施方式，能够进一步得到以下记载的效果。

(1)在输出PM排出量QPM的映射的输入中包括增量量平均值Qiave。在此，在原理上，在映射的输入中包括工作点变量的情况下，通过将要求喷射量Qd进一步设为映射的输入，不使用增量量Qi就能够掌握相对于设为理论空燃比所需的燃料量的过剩量并算出PM排出量QPM。但是，为了使之成为可能，需要使神经网络根据填充效率η和要求喷射量Qd来学习与增量量Qi相关的信息。因此，神经网络的中间层的层数具有变大的倾向。相对于此，通过如本实施方式这样使增量量Qi包含于映射的输入，能够简化映射的构造。

(2)在映射的输入中包括增量量平均值Qiave而非增量量Qi。由此，例如与在S10的处理的各周期使用单个增量量Qi的采样值的情况相比，不用缩短S10的处理的周期就能够得到关于燃料量相对于氧量的过剩量的更准确的信息。进而，能够更高精度地算出PM排出量QPM。

(3)在映射的输入中包括上游侧平均值Afuave。由此，例如与使用S10的处理的各周期的上游侧检测值Afu的情况相比，不用缩短S10的处理的周期就能够得到关于向GPF36流入的氧、未燃燃料的更准确的信息。进而，能够更高精度地算出PM氧化量OPM。

<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8来说明。

在本实施方式中，将输出PM排出量QPM的映射根据内燃机10是否是冷态时而设为分别不同的映射。通过这样，能够利用简易的模型来谋求更高精度地算出PM排出量QPM。

图8示出PM推定处理M24的顺序。图8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PM量推定程序74a来实现。此外，在图8中，关于与图3所示的处理对应的处理，为了方便而标注有同一步骤编号。

在图8所示的一系列处理中，CPU72首先根据当前的水温THW、启动时水温THW0及从内燃机10的启动时起的累计空气量InGa来判定内燃机10是否是冷态时(S60)。在此，内燃机10的冷态时设为因内燃机10在低温下被驱动而PM的排出量变得显著时。详细而言，在以当前的水温THW、启动时水温THW0及累计空气量InGa为输入变量且以与内燃机10是否是冷态相应的值为输出变量的映像数据预先存储于ROM74的状态下，由CPU72对输出变量的值进行映像运算。并且，CPU72在判定为内燃机10是冷态时的情况下(S60：是)，执行图3的S10～S26的处理。此外，在S14的处理中使用的映射数据设为仅根据在S60的处理中作出肯定判定的情况下的训练数据而学习到的映射数据。

相对于此，CPU72在判定为内燃机10是温态时的情况下(S60：否)，取得转速NE、填充效率η、点火正时平均值aigave、增量量平均值Qiave、进气温TO、过滤器温度Tgpf、上游侧平均值Afuave及PM堆积量DPM的上次值(S62)。接着，CPU72将通过S62的处理而取得的变量中的转速NE、填充效率η、点火正时平均值aigave、增量量平均值Qiave及进气温TO设为输出PM排出量QPM的映射的输入变量(S64)。即，CPU72对输入变量x(1)代入转速NE，对输入变量x(2)代入填充效率η，对输入变量x(3)代入点火正时平均值aigave，对输入变量x(4)代入增量量平均值Qiave，对输入变量x(5)代入进气温TO。然后，CPU72通过将通过S64而生成的输入变量x(1)～x(5)向中间层是1层的神经网络输入来算出PM排出量QPM(S66)。该映射的活性化函数h1、h2与在S14的处理中使用的活性化函数是同样的，但系数wF(1)jk、wF(2)ij与在S14的处理中使用的活性化函数h1、h2不同。尤其是，差异显著的是wF(1)jk(j＝1～nh，k＝0～5)。在图8中，关于中间层的节点的数量，使用与S14的处理相同的变量“nh”来记载，但它们的值并不一定相同。此外，在S66的处理中使用的映射数据是通过在S60的处理中作出否定判定的状况下的训练数据而学习到的映射数据。

CPU72在S66的处理完成的情况下，移向S16的处理。

这样，在本实施方式中，在PM排出量QPM尤其显著的冷态时和不是这样的温态时，使用分别不同的映射。通过这样，不会产生以单个映射来应对PM的排出的方式大不相同的现象的需要。因而，不用使映射的构造复杂化(增加中间层的层数等)就能够提高PM排出量QPM的算出精度。此外，在温态时，附着于进气系统的燃料对PM的影响变小。因此，从在S62的处理中使用的映射的输入删除了构成附着量变量的启动时累计空气量InGa1及启动后累计空气量InGa2。另外，在温态时，由汽缸20的壁面温度引起的PM的排出量的变化小。因此，从在S62的处理中使用的映射的输入删除了水温THW。

<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9来说明。

在本实施方式中，使用PM堆积量DPM来判定GPF36的异常的有无。

图9示出与上述判定相关的处理的顺序。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的应对程序74b来实现。

在图9所示的一系列处理中，CPU72首先基于转速NE及填充效率η来算出GPF36内的流体的体积流量Fv(S70)。这能够通过在例如以转速NE及填充效率η为输入变量且以体积流量Fv为输出变量的映像数据预先存储于ROM74的状态下，由CPU72对体积流量Fv进行映像运算来实现。

接着，CPU72基于差压ΔPex和体积流量Fv，算出在GPF36正常的情况下成为体积流量Fv及差压ΔPex的PM的堆积量即比较量DPMc(S72)。在此，CPU72在差压ΔPex大的情况下与小的情况相比将比较量DPMc算出为大的值。另外，CPU72在体积流量Fv大的情况下与小的情况相比将比较量DPMc算出为小的值。这能够通过在例如以体积流量Fv及差压ΔPex为输入变量且以比较量DPMc为输出变量的映像数据预先存储于ROM74的状态下，由CPU72对比较量DPMc进行映像运算来实现。

然后，CPU72判定PM堆积量DPM与比较量DPMc之差的绝对值是否成为预定量Pth以上(S74)。该处理是判定GPF36是否存在异常的处理。即，比较量DPMc表示在GPF36没有异常的情况下，根据体积流量Fv及差压ΔPex而掌握的PM的堆积量。另一方面，PM堆积量DPM是不依赖于差压ΔPex而基于PM排出量QPM等的算出的量。因而，在假设GPF36未产生异常的情况下，可认为PM堆积量DPM与比较量DPMc之差的绝对值不大。

CPU72在判定为PM堆积量DPM与比较量DPMc之差的绝对值为预定量Pth以上的情况下(S76：是)，判定为GPF36存在异常(S76)。然后，CPU72执行为了将GPF36存在异常向用户通知而催促GPF36的更换等而操作图1所示的警告灯98的报知处理(S78)。

此外，CPU72在S78的处理完成的情况或在S74的处理中作出否定判定的情况下，一度结束图9所示的一系列处理。

<第4实施方式>

以下，关于第4实施方式，以与第2实施方式的不同点为中心，参照图10来说明。

在本实施方式中，使在PM堆积量DPM的算出中使用的参数增加。

图10示出PM推定处理M24的顺序。图10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PM量推定程序74a来实现。此外，在图10中，关于与图3所示的处理对应的处理，为了方便而标注有同一步骤编号。

在图10所示的一系列处理中，CPU72在判定为内燃机10是冷态时的情况下(S60：是)，除了通过图8的S10的处理而取得的变量之外，还取得喷射分配率平均值Kpave、活塞顶面温度Tpi、Ash量Qash及劣化率Rdc(S10a)。在此，喷射分配率平均值Kpave是喷射分配率Kp在图10的处理的周期中的平均值。另外，活塞顶面温度Tpi由CPU72例如在水温THW高的情况下与低的情况相比推定为高的温度，在油温Toil高的情况下与低的情况相比，活塞顶面温度Tpi被推定为高的温度。另外，Ash量Qash是流入到燃烧室24的润滑油中的金属氧化物经由排气通路34而向GPF36流入而堆积出的Ash(灰烬)的量。Ash是融点为1000℃以上、即使通过上述再生处理M26也难以除去的物质。CPU72通过利用以下的式子算出Qash量的增加量ΔQash来算出Ash量Qash。

ΔQash＝

(行驶距离)·{(油密度)·(油中Ash含有量)·(油消耗量)}

在此，油密度、油中Ash含有量设为预先确定的常数。另外，油消耗量在以转速NE及填充效率η为输入变量且以油消耗量为输出变量的映像数据预先存储于ROM74的状态下，由CPU72进行映像运算。

接着，CPU72将输入变量x(1)～x(8)与S12的处理同样地生成，并且对输入变量x(9)代入喷射分配率平均值Kpave，对输入变量x(10)代入活塞顶面温度Tpi(S12a)。然后，CPU72利用以通过S12a的处理而生成的输入变量x(1)～x(10)为输入且中间层是1层的神经网络来算出PM排出量QPM(S14a)。该映射的活性化函数h1、h2与在S14的处理中使用的活性化函数是同样的，但系数wF(1)jk、wF(2)ij不同。尤其是，差异显著的是wF(1)jk(j＝1～nh，k＝0～10)。此外，在S14a的处理中使用的映射数据是通过在S60的处理中作出肯定判定的状况下的训练数据而学习到的映射数据。

在此，使喷射分配率平均值Kpave包含于输入的理由在于，在从进气口喷射阀16喷射出燃料的情况和从缸内喷射阀26喷射出燃料的情况下，燃料的燃烧不同，PM的排出量产生差异。另外，使活塞顶面温度Tpi包含于输入的理由在于，在活塞顶面温度Tpi低的情况下，燃料向活塞22附着，成为PM的要因。

另一方面，CPU72在判定为内燃机10是温态时的情况下(S60：否)，除了在S62的处理中取得的变量之外，还取得喷射分配率平均值Kpave、活塞顶面温度Tpi、喷油器量voil、Ash量Qash及劣化率Rdc(S62a)。在此，喷油器量voil是从喷油器48排出的润滑油的量。喷油器量voil也可以是与是从喷油器48正在排出润滑油还是停止了排出相应的2值的变量。不过，在正在排出的情况下的排出量因转速NE而变化的情况下，也可以根据转速NE而将喷油器量voil作为连续的变量来算出。

接着，CPU72将输入变量x(1)～x(5)与S62的处理同样地生成，并且对输入变量x(6)代入喷油器量voil(S64a)。然后，CPU72利用以通过S62a的处理而生成的输入变量x(1)～x(6)为输入且中间层是1层的神经网络来算出PM排出量QPM(S66a)。该映射的活性化函数h1、h2与在S64的处理中使用的活性化函数是同样的，但系数wF(1)jk、wF(2)ij不同。尤其是，差异显著的是wF(1)jk(j＝1～nh，k＝0～6)。在图10中，关于中间层的节点的数量，使用与S14a的处理相同的变量“nh”来记载，但它们的值并不一定相同。此外，在S64a的处理中使用的映射数据是通过在S60的处理中作出否定判定的状况下的训练数据而学习到的映射数据。

在此，以喷油器量voil为映射的输入是因为，活塞22的顶面温度因喷油器48的排出量而变化。此外，除了活塞顶面温度Tpi之外还以喷油器量voil为映射的输入是因为，在本实施方式的情况下，活塞顶面温度Tpi成为了稳定状态下的推定值等，从而难以高精度地表现活塞22的顶面温度的过渡性的值。

CPU72在S14a、S66a的处理完成的情况下，基于PM堆积量DPM及Ash量来算出捕集率RPM(S16a)。详细而言，在以PM堆积量DPM及Ash量Qash为输入变量且以捕集率RPM为输出变量的映像数据预先存储于ROM74的状态下，由CPU72对捕集率RPM进行映像运算。

接着，CPU72将输入变量x(1)～x(5)与S18的处理同样地生成，并且对输入变量x(6)代入Ash量Qash，对输入变量x(7)代入劣化率Rdc(S18a)。然后，CPU72利用以通过S18a的处理而生成的输入变量x(1)～x(7)为输入且中间层是1层的神经网络来算出PM氧化量OPM(S20a)。该映射的活性化函数h1、h2与在S20的处理中使用的活性化函数是同样的，但系数wF(1)jk、wF(2)ij不同。尤其是，差异显著的是wF(1)jk(j＝1～nh，k＝0～7)。

在此，使Ash量Qash包含于映射的输入的理由在于，在Ash量Qash多的情况下与少的情况相比，PM的氧化速度下降。另外，以劣化率Rdc为映射的输入的理由在于，若担载于GPF36的三元催化剂劣化，则氧化反应下降。

此外，CPU72在S20a的处理完成的情况下，移向S22的处理。

<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11来说明。

在本实施方式中，在存储装置76中存储4种映射数据作为映射数据76a。

图11示出选择使用上述4种映射数据的哪一个来算出PM堆积量DPM的处理的顺序。图11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PM量推定程序74a来实现。

在图11所示的一系列处理中，CPU72首先判定是否是燃料切断处理中(S80)。并且，CPU72在判定为是燃料切断处理中的情况下(S80：是)，选择第1映射数据(S82)。第1映射数据是在执行着燃料切断处理时专用的映射数据，是将燃料切断处理时的数据作为训练数据而学习到的映射数据。

另一方面，CPU72在判定为不是燃料切断处理时的情况下(S80：否)，判定是否是GPF36内的三元催化剂等的预热处理时(S84)。并且，CPU72在判定为是催化剂预热时的情况下(S84：是)，选择第2映射数据(S86)。第2映射数据是催化剂预热时的专用的映射数据，是将催化剂预热时的数据作为训练数据而学习到的映射数据。

另外，CPU72在判定为不是催化剂预热时的情况下(S84：否)，判定是否是图4所示的S34的升温控制时(S88)。并且，CPU72在判定为是升温控制时的情况下(S88：是)，选择第3映射数据(S90)。第3映射数据是升温控制时的专用的映射数据，是将升温控制时的数据作为训练数据而学习到的映射数据。

另外，CPU72在判定为不是升温控制时的情况下(S88：否)，选择第4映射数据(S92)。第4映射数据是燃料切断处理、催化剂预热控制、升温控制都不执行时的专用的映射数据，是将燃料切断处理、催化剂预热控制、升温控制都不执行时的数据作为训练数据而学习到的映射数据。

此外，CPU72在S82、S86、S90、S92的处理完成的情况下，一度结束图11所示的一系列处理。

这样，在本实施方式中，在燃料切断处理中、催化剂预热控制时、升温控制时及其以外，使用分别不同的映射数据来算出PM堆积量DPM。因而，例如与对这些互相不同的状况使用同一映射数据的情况相比，能够提高PM堆积量DPM的算出精度。此外，在本实施方式中，关于映射的构造，设想了图3所例示的构造，但例如关于由第1映射数据规定的映射，也可以从输入删除点火正时平均值aigave、增量量平均值Qiave、水温THW、进气温TO。

<第6实施方式>

以下，关于第6实施方式，以与第2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，将PM堆积量DPM的算出处理在车辆的外部进行。

图12示出本实施方式的PM量推定系统。此外，在图12中，关于与图1所示的构件对应的构件，为了方便而标注有同一标号。

图12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PM量推定主程序124a，在存储装置126中存储有映射数据126a。

图13示出图12所示的系统所执行的处理的顺序。图13的(a)部分所示的处理通过CPU72执行存储于图12所示的ROM74的PM量推定副程序74c来实现。另外，图13的(b)部分所示的处理通过CPU122执行存储于ROM124的PM量推定主程序124a来实现。此外，在图13中，关于与图2所示的处理对应的处理，为了方便而标注有同一步骤编号。以下，沿着PM量的推定处理的时间序列来说明图13所示的处理。

如图13的(a)部分所示，CPU72当10a的处理完成后，将在S10a的处理中取得的数据与作为车辆VC的识别信息的车辆ID一起通过操作通信机79而向中心120发送(S102)。

相对于此，如图13的(b)部分所示，中心120的CPU122接收发送出的数据(S110)，将通过S110的处理而取得的数据向映射的输入变量x代入(S112)。即，CPU122与S12的处理同样，除了生成输入变量x(1)～x(8)之外，对输入变量x(9)代入过滤器温度Tgpf，对输入变量x(10)代入上游侧平均值Afuave，对输入变量x(11)代入喷射分配率平均值Kpave，对输入变量x(12)代入活塞顶面温度Tpi。另外，CPU122对输入变量x(13)代入喷油器量voil，对输入变量x(14)代入Ash量Qash，对输入变量x(15)代入劣化率Rdc，对输入变量x(16)代入PM堆积量DPM的上次值。

然后，CPU122通过将输入变量x(1)～x(16)向由存储于图12所示的存储装置126的映射数据126a规定的映射输入来算出PM堆积量DPM(S114)。

在本实施方式中，该映射由中间层是“α”个且各中间层的活性化函数h1～hα是双曲正切函数且输出层的活性化函数f是ReLU的神经网络构成。例如，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＝0～16)规定的线性映射输入了上述输入变量x(1)～x(16)时的输出向活性化函数h1输入而生成。即，若设为m＝1、2、…、α，则第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向活性化函数hm输入而生成。在此，n1、n2、…、nα分别是第1、第2、…、第α中间层的节点数。顺便一提，w(1)j0、w(2)k0等是偏置参数，输入变量x(0)定义为“1”。

然后，CPU122通过操作通信机129来对发送了通过S110的处理而接收到的数据的车辆VC发送与新算出的PM堆积量DPM相关的信号(S116)，一度结束图13的(b)部分所示的一系列处理。相对于此，如图13的(a)部分所示，CPU72接收PM堆积量DPM(S104)，执行S24～S26的处理。

这样，在本实施方式中，将输出PM堆积量DPM的映射利用单个神经网络来构成。并且，为了即使通过单个神经网络也能够简易地高精度算出PM堆积量DPM，使中间层的层数为多个。因而，神经网络的构造变得复杂，运算负荷变大。但是，在本实施方式中，由于设为在中心120中算出PM堆积量DPM，所以能够减轻CPU72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”一栏所记载的例的各编号来示出对应关系。

[1]、[3]、[11]执行装置对应于CPU72及ROM74。进气温变量对应于进气温TO，壁面变量对应于水温THW，流量变量对应于转速NE及填充效率η。取得处理对应于S10、S62、10a、S62a的处理。

PM量算出处理对应于S12～S22的处理、S64、S66、S16～S22的处理、S12a、S14a、S16a～S20a、S22的处理、S64a、S66a、S16a～S20a、S22的处理。操作处理对应于图4的处理、图9的处理。

[2]增量变量对应于增量量平均值Qiave。

[4]点火变量对应于点火正时平均值aigave。

[5]附着量变量对应于启动时累计空气量InGa1及启动后累计空气量InGa2。

[6]空燃比检测变量对应于上游侧平均值Afuave。

[7]选择处理对应于图11的处理、S60的处理。

[8]高温用映射数据对应于在S66、S66a的处理中利用的映射数据，低温用映射数据对应于在S14、S14a的处理中利用的映射数据。选择处理对应于S60的处理。

[9]排出量映射对应于在S14、S14a、S66、S66a的处理中利用的映射。氧化量映射对应于在S20、S20a的处理中利用的映射。更新映射对应于在S16、S22的处理中利用的映射、在S16a、S22的处理中利用的映射。排出量算出处理对应于S14、S14a、S66、S66a的处理。氧化量算出处理对应于S20、S20a的处理。

[10]高温用排出量映射数据对应于在S66、S66a的处理中利用的数据。低温用排出量映射数据对应于在S14、S14a的处理中利用的数据。

[12]判定处理对应于S70～S76的处理。报知处理对应于S78的处理。

[13]PM量推定系统对应于控制装置70及中心120。第1执行装置对应于CPU72及ROM74。第2执行装置对应于CPU122及ROM124。取得处理对应于S10a的处理，车辆侧发送处理对应于S102的处理，车辆侧接收处理对应于S104的处理。外部侧接收处理对应于S110的处理。PM量算出处理对应于S112、S114的处理。车辆侧发送处理对应于S116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]接收装置可以由以执行接收信息的应用软件的方式适配的便携信息终端、车载的通信装置构成。这样的接收装置是构成PM量推定系统的一部分的硬件，构成为执行车辆侧接收处理S104。

<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。

·“关于壁面变量”

作为与汽缸壁面温度相关的变量，不限于水温THW。例如也可以是内燃机10的润滑油的温度。另外，例如还可以是，水温THW和润滑油的温度双方是与汽缸壁面温度相关的变量。另外，例如还可以是根据水温THW、润滑油的温度而推定出的壁面温度。

·“关于流量变量”

作为流量变量，不限于转速NE及填充效率η。例如也可以是，吸入空气量Ga是流量变量。

·“关于增量变量”

作为增量变量，不限于增量量平均值Qiave。例如也可以是，PM量的更新周期内的增量量Qi的1个采样值是增量变量。另外，例如还可以利用将增量量Qi除以要求喷射量Qd而得到的增量比率、增量比率的平均值、填充效率η、基础喷射量Qb来构成增量变量。另外，例如还可以利用要求喷射量Qd和基础喷射量Qb来构成增量变量。不过，与利用多个变量来构成增量变量的情况相比，在利用增量量Qi、增量量Qi的平均值等单个变量来构成增量变量的情况下容易简化映射。

此外，不是必须使增量变量包含于映射的输入。

·“关于工作点变量”

作为工作点变量，不限于转速NE及填充效率η。例如也可以是，吸入空气量Ga和转速NE是工作点变量。另外，例如在如下述“关于内燃机”一栏所记载那样使用压缩着火式内燃机的情况下，还可以是，喷射量和转速NE是工作点变量。此外，不是必须以工作点变量为映射的输入。也就是说，工作点变量可以是转速NE及填充效率η的组、吸入空气量Ga及转速NE的组、喷射量及转速NE的组这3组中的任一组。

·“关于附着量变量”

作为表示附着于进气系统的燃料量的变量，不限于启动时累计空气量InGa1及启动后累计空气量InGa2。例如，也可以是内燃机10的启动时的喷射量的累计值和启动后的喷射量的累计值是附着燃料量。另外，例如还可以是，内燃机10的启动时的喷射次数及水温THW、和启动后的经过时间是附着燃料量。另外，例如还可以是，基于启动时累计空气量InGa1及启动后累计空气量InGa2而作为单个变量算出的附着量是附着燃料量。此外，例如在如下述“关于内燃机”一栏所记载那样内燃机仅具备缸内喷射阀26的情况下，不使附着量变量包含于向映射的输入。当然，即使在内燃机10具备进气口喷射阀16的情况下，也不是必须以附着量变量为向映射的输入。

·“关于空燃比检测变量”

在上述实施方式中，作为在被设为PM堆积量DPM的推定对象的GPF36的上游侧设置的空燃比传感器的检测值，使用了上游侧平均值Afuave，但不限于此，例如也可以使用上游侧检测值Afu作为空燃比检测变量。

在如下述“关于过滤器”一栏所记载那样将GPF36和催化剂38的配置调换的情况下，作为在被设为PM堆积量DPM的推定对象的GPF36的上游侧设置的空燃比传感器的检测值，使用下游侧检测值Afd、下游侧检测值Afd的平均值。

此外，不是必须以空燃比检测变量为映射的输入。

·“关于过滤器温度”

作为过滤器温度Tgpf，不限于通过上述处理推定出的温度。例如，也可以利用以转速NE、填充效率η、车速SPD及点火正时aig等为输入的神经网络的输出值来推定过滤器温度Tgpf。另外，不限于推定值，例如也可以在GPF36具备热敏电阻等温度传感器，使用该温度传感器的检测值作为过滤器温度。

此外，不是必须使用过滤器温度。此时，例如也可以通过将在过滤器温度Tgpf的推定中使用的变量全部作为映射的输入来生成算出反映了与过滤器温度Tgpf相应的PM氧化量OPM的PM堆积量DPM的学习完模型。

·“关于选择处理”

在图11的处理中，通过S80、S84、S88的处理来从4种映射数据中选择1个，但不限于此。例如，关于S80、S84、S88的处理，也可以通过仅设置任一个来选择2种映射数据的任一者，另外，例如还可以通过仅设置任2个来选择3种映射数据的任一者。

也可以是，4种映射数据中的在映射数据彼此之间互相不同的部分仅是输出PM排出量QPM的映射。

在图11的处理中，将S92的处理设为图3的处理，但不限于此。例如，也可以设为图8的处理，另外，例如还可以设为图10的处理。当然，如图11那样由S80、S84、S88的处理等选择的各映射不是必须具备PM排出量映射和PM氧化量映射，例如也可以是图13所例示的映射。

也可以取代S60的处理，在水温THW低于规定温度的情况下，判定为内燃机10是冷态时。此外，该规定温度优选为预定温度Tth以下。

·“关于映射的输入”

也可以取代使用喷射分配率平均值Kpave而使用预定的正时下的喷射分配率Kp自身作为映射的输入。

在图10、图13中例示的处理中，在映射的输入中包括喷射分配率平均值Kpave、活塞顶面温度Tpi、喷油器量voil、Ash量Qash及劣化率Rdc，但不是必须包括这些变量的全部。例如，关于这5个参数，也可以仅包括其中的4个，或者仅包括3个，或者仅包括2个，或者仅包括1个。

另外，例如也可以使缸内喷射阀26的顶端部的温度包含于映射的输入。这是鉴于，根据缸内喷射阀26的顶端部的温度，从缸内喷射阀26喷射的燃料的温度不同，燃烧状态变化，因此PM排出量变化。当然，作为与燃料的温度相关的变量即燃温变量，不限于缸内喷射阀26的顶端部的温度，例如也可以是燃料的温度的推定值、检测值。顺便一提，在如图3、图8及图10所例示的处理那样将输出PM排出量QPM的映射和输出PM氧化量OPM的映射分别独立设置的情况下，优选使燃温变量包含于输出PM排出量QPM的映射的输入。此时，在使用低温用映射和高温用映射作为输出PM排出量的映射的情况下，优选至少在低温用映射的输入中包括燃温变量。

另外，例如也可以使经由EGR通路50而向进气通路12流入的EGR量相对于向进气通路12吸入的空气与EGR量之和的比率即EGR率等与外部EGR量相关的变量即外部EGR变量包含于映射的输入。另外，例如还可以使进气门18及排气门32的重叠量等与内部EGR量相关的变量即内部EGR变量包含于向映射的输入。这是鉴于，由于燃料的燃烧根据EGR率而不同，所以例如在EGR率多的情况和EGR率少的情况下，PM排出量变化。顺便一提，在如图3、图8及图10所例示的处理那样将输出PM排出量QPM的映射和输出PM氧化量OPM的映射分别独立设置的情况下，优选使外部EGR变量、内部EGR变量等EGR变量包含于输出PM排出量QPM的映射的输入。此时，在使用低温用映射和高温用映射作为输出PM排出量的映射的情况下，优选至少在低温用映射的输入中包括EGR变量。

作为表示GPF36的状态的过滤器状态变量，不限于Ash量Qash、劣化程度Rdc。例如也可以是，将从GPF36的上游侧到下游侧为止的区域分割为多个后的各部分区域中的与氧吸藏量相关的变量即吸藏量变量是过滤器状态变量。这是影响GPF36的温度、PM氧化量的变量。吸藏量变量例如能够通过算出氧吸藏量的增减量并利用增减量更新吸藏量而算出。关于增减量，首先，关于GPF36的最上游的区域，基于上游侧检测值Afu及吸入空气量Ga进行映像运算。然后，基于上游侧检测值Afu、最上游的增减量及吸入空气量Ga，对与GPF36的最上游的区域相邻的下游的区域的氧吸藏量的增减量进行映像运算。然后，基于上游侧检测值Afu、最上游的区域及与其相邻的区域中的增减量之和、及吸入空气量Ga，对与所述相邻区域相邻的下游的区域的增减量进行映像运算。以下，同样，关于设为对象的区域的增减量，基于比其靠上游的区域的全部的增减量之和、上游侧检测值Afu及吸入空气量Ga而映像运算。顺便一提，在如图3、图8及图10所例示的处理那样将输出PM排出量QPM的映射和输出PM氧化量OPM的映射分别独立设置的情况下，优选使吸藏量变量包含于输出PM氧化量OPM的映射的输入。

另外，例如也可以使大气压包含于映射的输入。另外，例如还可以使表示是重质燃料还是轻质燃料的变量或乙醇浓度的大小等表示燃料性状的变量即燃料性状变量包含于映射的输入。另外，例如还可以使差压ΔPex包含于映射的输入。

另外，例如也可以通过基于喷油器量voil推定活塞顶面温度Tpi而将与活塞22的顶面温度相关的变量即顶面变量一维化成活塞顶面温度Tpi。

·“关于操作处理”

在S78的报知处理中，作为报知装置，操作了警告灯98。但是，不限于操作警告灯98那样的输出视觉信息的装置，例如也可以是，操作输出语音信息的装置的处理是操作处理。

例如，也可以在PM堆积量DPM超过比预定量DPMthH大的阈值的情况下，执行报知处理。

·“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。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”

在上述实施方式中，将S14、S14a、S66、S66a、S20、S20a中的活性化函数h1、g1和S114的处理中的活性化函数h1、h2、…hα设为了双曲正切函数。另外，将S14、S14a、S66、S66a、S20、S20a中的活性化函数h2、g2和S114中的活性化函数f设为了ReLu，但不限于此。例如，也可以将S14、S14a、S66、S66a、S20、S20a中的活性化函数h1、g1和S114的处理中的活性化函数h1、h2、…hα设为ReLU。另外，例如，还可以将S14、S14a、S66、S66a、S20、S20a中的活性化函数h1、g1和S114的处理中的活性化函数h1、h2、…hα设为Logistic sigmoid函数。另外，例如，还可以将S14、S14a、S66、S66a、S20、S20a中的活性化函数h2、g2和S114中的活性化函数f设为Logistic sigmoid函数。

在图3、图8及图10中，将输出PM排出量QPM的映射和输出PM氧化量OPM的映射分别设为了中间层是1层的神经网络，但不限于此，例如也可以设为中间层是2层以上的神经网络。

在图13的S114的处理中，成为了中间层存在3层以上的记载，但也可以将中间层的层数设为1层或2层。

在上述实施方式中，将捕集率RPM通过映像运算而算出，但不限于此，例如，也可以通过以Ash量及PM堆积量为输入的回归式、中间层是1层的神经网络来算出捕集率RPM。

此外，作为向神经网络等的输入，各维度不限于由单个物理量构成。例如，关于使用了上述例示的物理量等的多个种类的物理量的一部分，也可以取代设为向神经网络的直接的输入而将基于它们的主成分分析的一些主成分设为向神经网络的直接的输入。当然，在将主成分设为神经网络的输入的情况下，不是必须仅向神经网络的输入的一部分成为主成分，也可以将向神经网络的输入的全部设为主成分。此外，在该情况下，在映射数据76a、126a中包括规定确定主成分的映射的数据。

作为映射数据，不限于通过机器学习而学习到的数据。这关于PM排出量映射例如也可以设为以下这样。即，首先，基于将水温THW、进气温TO固定为预定的温度并各种各样地设定了转速NE及填充效率η时的PM排出量QPM的检测值，适配以转速NE及填充效率η为输入变量且以PM排出量QPM的基础值为输出变量的映像数据。接着，在将进气温TO固定为预定的温度并设定了转速NE及填充效率η时，根据由水温THW的变化引起的PM排出量QPM的检测值的变化，适配以水温THW、转速NE及填充效率η为输入变量且以PM排出量的水温修正量为输出变量的映像数据。接着，在将水温THW固定为预定的温度并设定了转速NE及填充效率η时，根据由进气温TO的变化引起的PM排出量QPM的检测值的变化，适配以进气温TO、转速NE及填充效率η为输入变量且以PM排出量的进气温修正量为输出变量的映像数据。由此，能够通过利用水温修正量及进气温修正量修正基础值来算出PM排出量QPM。

·“关于映射数据的生成”

例如，图5所示的传感器群102具备检测GPF36的PM堆积量DPM的传感器等，仅将教师数据仅设为PM堆积量DPM。并且，也可以一下子学习输出PM排出量QPM的映射和输出PM氧化量OPM的映射。

在上述实施方式中，使用在曲轴30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，也可以使用在内燃机10搭载于车辆VC的状态下驱动了内燃机10时的数据作为训练数据。

·“关于判定处理”

在图9的处理中，基于体积流量Fv和差压ΔPex来算出比较量DPMc，将该比较量DPMc与PM堆积量DPM进行了比较。但是，作为表示向GPF36流入的流体的流量的变量，也可以取代体积流量Fv而使用吸入空气量Ga或者使用预定期间中的吸入空气量Ga与要求喷射量Qd之和。另外，也可以取代算出比较量DPMc而进行使用了以表示流量的变量、PM堆积量DPM及差压ΔPex为输入变量且以表示GPF36的异常的有无的值为输出变量的映像数据的映像运算。当然，也可以取代映像数据，例如通过以PM堆积量DPM、表示流量的变量及差压ΔPex为输入且输出表示GPF36的异常的有无的值的回归式来算出表示异常的有无的值。

·“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)的任一结构即可。(a)包括按照程序来执行上述处理的全部的处理装置和保存程序的ROM等程序保存装置(包括非暂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PM量推定程序74a、PM量推定主程序124a的存储装置(ROM74、124)另外的存储装置，但不限于此。

·“关于过滤器”

也可以使GPF36和催化剂38的配置相反。另外，作为过滤器，不限于担载有三元催化剂。例如也可以在单个催化转换器的上游侧具备三元催化剂且在该三元催化剂的下游具备未担载三元催化剂的过滤器。

·“关于内燃机”

作为内燃机，不限于具备进气口喷射阀16及缸内喷射阀26双方，也可以仅具备这2种燃料喷射阀中的任1种。

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(柴油)等作为燃料的压缩着火式内燃机等。

Claims (17)

1.一种PM量推定装置，具备存储装置和执行装置，其中，

所述PM量推定装置应用于对排出到内燃机的排气通路的排气中的PM进行捕集的过滤器，

所述存储装置构成为存储映射数据，所述映射数据是对输出捕集到所述过滤器的PM量的映射进行规定的数据，所述映射以进气温变量和壁面变量中的至少1个、以及流量变量为输入，所述进气温变量是与吸入所述内燃机的空气的温度相关的变量，所述壁面变量是与所述内燃机的汽缸壁面温度相关的变量，所述流量变量是表示流入所述过滤器的流体的流量的变量，

所述执行装置构成为执行：

取得处理，取得所述进气温变量和壁面变量中的至少1个变量、以及所述流量变量；

PM量算出处理，基于以由所述取得处理取得的数据为输入的所述映射的输出，算出所述PM量；及

操作处理，根据所述PM量来操作预定的硬件。

2.根据权利要求1所述的PM量推定装置，

在所述映射的输入中包括增量变量，所述增量变量是表示在所述内燃机的燃烧室内作为燃烧对象的混合气中的燃料量超过用于使所述混合气的空燃比成为理论空燃比的量的量的变量，

所述取得处理包括取得所述增量变量的处理，

所述PM量算出处理是基于向所述映射的输入还包含所述增量变量的所述映射的输出来算出所述PM量的处理。

3.根据权利要求1或2所述的PM量推定装置，

所述取得处理包括取得规定所述内燃机的工作点的变量即工作点变量作为所述流量变量的处理。

4.根据权利要求1～3中任一项所述的PM量推定装置，

在所述映射的输入中包括与点火正时相关的变量即点火变量，

所述取得处理包括取得所述点火变量的处理，

所述PM量算出处理是基于向所述映射的输入还包含所述点火变量的所述映射的输出来算出所述PM量的处理。

5.根据权利要求1～4中任一项所述的PM量推定装置，

所述内燃机具备进气口喷射阀，

在所述映射的输入中包括表示附着于所述内燃机的进气系统的燃料量的变量即附着量变量，

所述取得处理包括取得所述附着量变量的处理，

所述PM量算出处理是基于向所述映射的输入还包含所述附着量变量的所述映射的输出来算出所述PM量的处理。

6.根据权利要求1～5中任一项所述的PM量推定装置，

在所述映射的输入中包括与在所述过滤器的上游侧设置的空燃比传感器的检测值相关的变量即空燃比检测变量，

所述取得处理包括取得所述空燃比检测变量的处理，

所述PM量算出处理是基于向所述映射的输入还包含所述空燃比检测变量的所述映射的输出来算出所述PM量的处理。

7.根据权利要求1～6中任一项所述的PM量推定装置，

所述存储装置包括多个种类的所述映射数据，

所述PM量算出处理包括从所述多个种类的映射数据中选择为了算出所述PM量而利用的所述映射数据的选择处理。

8.根据权利要求7所述的PM量推定装置，

所述映射数据包括高温用映射数据和低温用映射数据，所述高温用映射数据是规定所述内燃机的温度高的情况下的所述映射的数据，所述低温用映射数据是规定所述内燃机的温度比所述高温用映射数据所设为对象的所述内燃机的温度低的情况下的所述映射的数据，

所述选择处理包括根据所述内燃机的温度而选择所述高温用映射数据和所述低温用映射数据这2个中的任一个作为在所述PM量的算出中使用的所述映射数据的处理。

9.根据权利要求1～8中任一项所述的PM量推定装置，

在所述映射的输入中包括所述过滤器的温度，

所述取得处理包括取得所述过滤器的温度的处理，

所述映射包括：

排出量映射，至少以由所述取得处理取得的变量中的所述过滤器的温度以外的变量为输入，输出从所述内燃机的燃烧室向所述排气通路排出的PM的排出量；

氧化量映射，至少以更新前的所述PM量和所述过滤器的温度为输入，输出捕集到所述过滤器的PM的氧化量；及

更新映射，基于更新前的所述PM量、所述排出量及所述氧化量来输出所述PM量，

所述PM量算出处理包括：

排出量算出处理，通过至少将由所述取得处理取得的变量中的所述过滤器的温度以外的变量向所述排出量映射输入来算出所述排出量；

氧化量算出处理，通过至少将更新前的所述PM量和所述过滤器的温度向所述氧化量映射输入来算出所述氧化量；及

更新处理，通过将更新前的所述PM量、所述排出量及所述氧化量向所述更新映射输入来更新所述PM量。

10.根据权利要求9所述的PM量推定装置，

在规定所述排出量映射的数据中包括高温用排出量映射数据和低温用排出量映射数据，所述高温用排出量映射数据是规定所述内燃机的温度高的情况下的所述排出量映射的数据，所述低温用排出量映射数据是规定所述内燃机的温度比所述高温用排出量映射数据所设为对象的所述内燃机的温度低的情况下的所述排出量映射的数据，

所述排出量算出处理包括根据所述内燃机的温度而选择所述高温用排出量映射数据和所述低温用排出量映射数据中的在所述排出量的算出中使用的数据的选择处理。

11.根据权利要求1～10中任一项所述的PM量推定装置，

上升用操作部是所述内燃机的操作部，且是用于使所述过滤器的温度上升的操作部，

所述操作处理包括在所述PM量成为规定量以上的情况下通过操作所述上升用操作部来使捕集到所述过滤器的PM燃烧的再生处理。

12.根据权利要求1～11中任一项所述的PM量推定装置，

所述操作处理包括：

判定处理，基于所述过滤器的上游侧与下游侧的差压的检测值、流入所述过滤器的流体的流量及所述PM量来判定过滤器的异常的有无；及

报知处理，在由所述判定处理判定为存在异常的情况下，为了报知所述过滤器存在异常而操作报知装置。

13.一种PM量推定系统，具备权利要求1～12中任一项所述的所述执行装置及所述存储装置，其中，

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PM量算出处理算出的PM量的信号；及

所述操作处理，

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PM量算出处理；及

外部侧发送处理，将基于由所述PM量算出处理算出的PM量的信号向所述车辆发送。

14.一种数据解析装置，

具备权利要求13所述的所述第2执行装置及所述存储装置。

15.一种内燃机的控制装置，

具备权利要求13所述的所述第1执行装置。

16.一种接收装置，

是构成权利要求13所述的PM量推定系统的一部分的硬件，构成为执行所述车辆侧接收处理。

17.一种PM量推定方法，由存储装置和执行装置执行，其中，所述PM量推定方法应用于对排出到内燃机的排气通路的排气中的PM进行捕集的过滤器，所述PM量推定方法包括：

利用所述存储装置，存储映射数据，所述映射数据是对输出捕集到所述过滤器的PM量的映射进行规定的数据，所述映射以进气温变量和壁面变量中的至少1个、以及流量变量为输入，所述进气温变量是与吸入所述内燃机的空气的温度相关的变量，所述壁面变量是与所述内燃机的汽缸壁面温度相关的变量，所述流量变量是表示流入所述过滤器的流体的流量的变量；

利用所述执行装置，取得所述进气温变量和壁面变量中的至少1个变量、以及所述流量变量；

利用所述执行装置，基于以取得的数据为输入的所述映射的输出来算出所述PM量；及

利用所述执行装置，根据所述PM量来操作预定的硬件。

Images