CN111828190A - 氧吸藏量推定装置及推定系统、内燃机的控制装置、数据解析装置及氧吸藏量推定方法 - Google Patents

Abstract

一种氧吸藏量推定装置及推定系统、内燃机的控制装置、数据解析装置及氧吸藏量推定方法，所述氧吸藏量推定装置推定在内燃机的排气通路设置的催化剂的氧吸藏量。氧吸藏量推定装置具备存储装置和处理电路(processing circuitry)。存储装置存储有对使用多个变量作为输入且输出吸藏量变量的值的映射进行规定的数据即映射数据，多个变量至少包括过量/不足量变量和吸藏量变量的上次值。处理电路执行基于使用多个变量作为输入的映射的输出来反复算出吸藏量变量的值的吸藏量变量算出处理和、基于吸藏量变量算出处理的算出结果来操作预定的硬件的操作处理。映射数据包括通过机器学习而学习到的数据。

Description

氧吸藏量推定装置及推定系统、内燃机的控制装置、数据解析 装置及氧吸藏量推定方法

技术领域

本公开涉及氧吸藏量推定装置、氧吸藏量推定系统、内燃机的控制装置、数据解析装置及氧吸藏量推定方法。

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捕集于在排气通路设置的过滤器的粒子状物质的量即PM量的装置。

在过滤器中，存在担载有具有氧吸藏能力的催化剂的过滤器。在该情况下，由吸藏于催化剂的氧来氧化粒子状物质，因此PM量取决于氧吸藏量。因此，在以不使用氧吸藏量的方式推定PM量的情况下，其推定精度下降。这样，在具备具有氧吸藏能力的催化剂的内燃机中，通常期望为了控制内燃机的控制量而掌握氧吸藏量。

发明内容

以下，对本公开的多个方案及其作用效果进行记载。

方案1.根据本公开的一方案，提供一种氧吸藏量推定装置，所述氧吸藏量推定装置构成为推定在内燃机的排气通路设置的催化剂的氧吸藏量。所述氧吸藏量推定装置具备存储装置和处理电路(processing circuitry)，与向所述催化剂流入的流体中包含的氧无过量/不足地反应的燃料的量是理想燃料量(ideal fuel amount)，与实际的燃料量相对于该理想燃料量的过量/不足量相应的变量是过量/不足量变量，与所述催化剂的氧吸藏量相关的变量是吸藏量变量，所述存储装置存储有对使用多个变量作为输入且输出所述吸藏量变量的值的映射进行规定的数据即映射数据，所述多个变量至少包括所述过量/不足量变量、和所述吸藏量变量的上次值，所述处理电路构成为执行：取得处理，取得所述多个变量；吸藏量变量算出处理，基于使用由该取得处理取得的所述多个变量作为输入的所述映射的输出来反复算出所述吸藏量变量的值；以及操作处理，基于所述吸藏量变量算出处理的算出结果来操作预定的硬件，所述映射数据包括通过机器学习而学习到的数据。

在上述构成中，能够基于过量/不足量变量来掌握催化剂的氧吸藏量的变化量。详细而言，能够基于过量/不足量变量和吸藏量变量的上次值来算出、更新吸藏量变量的值。

与上述构成不同，也可考虑使用过量/不足量变量、吸藏量变量的上次值及其以外的变量，基于映射数据来算出吸藏量变量的值。在该情况下，针对变量的各值来适配映射数据，因此，若变量的数量变多，则映射数据呈指数函数地变大，适配工时过度变大。相对于此，在上述构成中，使用机器学习来算出吸藏量变量的值。详细而言，通过使用通过机器学习而学习到的参数进行过剩量变量与其他变量的结合运算，能够算出吸藏量变量的值。因而，能够对变量的各种各样的值学习共通的参数。因而，在上述构成中，与适配映射数据的情况相比，能够减轻适配工时。

方案2.在方案1所述的氧吸藏量推定装置中，在所述多个变量中可以包括与所述催化剂的温度相关的变量即温度变量。

在上述构成中，通过将温度变量包括于向映射的输入，能够在反映出催化剂的氧吸藏量的最大值取决于催化剂的温度、催化剂中的氧的消耗量取决于催化剂的温度的情况的基础上算出吸藏量变量的值。

方案3.在方案1或2所述的氧吸藏量推定装置中，在所述多个变量中可以包括与向所述催化剂流入的流体的流量相关的变量即流量变量。

在上述构成中，通过在向映射的输入中包括流量变量，能够在反映出所吸藏的氧与未燃燃料的反应率根据催化剂内的流体的流量而发生变化这一情况的同时算出吸藏量变量的值。

方案4.在方案1～3中任一个所述的氧吸藏量推定装置中，所述过量/不足量可以基于在所述催化剂的上游设置的空燃比传感器的检测值和向所述催化剂流入的流体的流量来算出，所述过量/不足量变量可以是与预定期间内的所述过量/不足量的累计值相关的变量。

在上述构成中，过量/不足量变量是与过量/不足量的累计值相关的变量。由此，与使用过量/不足量自身作为映射的输入的情况相比，能够高精度地算出吸藏量变量的值并延长吸藏量变量的算出周期。

方案5.在方案4所述的氧吸藏量推定装置中，所述催化剂可以是下游侧催化剂，在所述排气通路中的所述下游侧催化剂的上游可以设置有上游侧催化剂，所述空燃比传感器可以设置于所述上游侧催化剂与所述下游侧催化剂之间。

在上述构成中，通过使用在上游侧催化剂与下游侧催化剂之间设置的空燃比传感器的检测值，与使用在上游侧催化剂的上游设置的空燃比传感器的检测值的情况相比，能够高精度地算出过量/不足量变量的值。

方案6.在方案1～5中任一个所述的氧吸藏量推定装置中，在所述多个变量中可以包括与所述催化剂的劣化程度相关的变量即劣化变量。

在上述构成中，通过将劣化变量包括于向映射的输入，能够在反映出催化剂的氧吸藏量的最大值根据劣化程度而不同这一情况的同时算出吸藏量变量的值。

方案7.在方案1～6中任一个所述的氧吸藏量推定装置中，所述催化剂可以担载于捕集排气中的粒子状物质的过滤器，在所述多个变量中可以包括与捕集于所述过滤器的粒子状物质的氧化量相关的变量即氧化量变量。

在上述构成中，能够鉴于催化剂的氧吸藏量根据催化剂中的粒子状物质的氧化量而减少这一情况来算出吸藏量变量的值。

方案8.在方案1～7中任一个所述的氧吸藏量推定装置中，所述催化剂可以担载于捕集排气中的粒子状物质的过滤器，所述处理电路可以构成为执行基于由所述吸藏量变量算出处理算出的所述吸藏量变量的值来算出捕集于所述过滤器的所述粒子状物质的量即粒子状物质(PM)堆积量的处理，所述预定的硬件可以包括所述内燃机的操作部中的用于使排气的温度上升的操作部即排气温度操作部，所述操作处理可以包括为了使捕集于所述过滤器的所述粒子状物质燃烧而操作所述排气温度操作部的再生处理。

在上述构成中，通过吸藏量变量算出处理基于吸藏量变量的上次值来更新吸藏量变量的值，基于更新后的吸藏量变量的值来算出PM堆积量。因而，能够不必然需要催化剂的下游侧的空燃比传感器的检测值地算出PM堆积量。另外，在上述构成中，通过使用吸藏量变量的上次值来算出PM堆积量。由此，与以不使用吸藏量变量的上次值的方式算出PM堆积量的情况相比，能够提高PM堆积量的算出精度。因此，能够降低再生处理的执行频率、缩短执行时间。

方案9.在方案1～8中任一个所述的氧吸藏量推定装置中，所述催化剂可以是下游侧催化剂，在所述排气通路中的所述下游侧催化剂的上游可以设置有上游侧催化剂，所述预定的硬件可以包括所述内燃机的燃料喷射阀，所述操作处理可以包括在所述氧吸藏量成为预定量以下的情况下，以与所述氧吸藏量大于所述预定量的情况相比，增大所述内燃机的燃烧室内的混合气的空燃比相对于理论空燃比的稀化程度的方式，操作所述燃料喷射阀的处理。

在下游侧催化剂的氧吸藏量变少的情况下，存在未燃燃料向下游侧催化剂的下游流出的可能性。于是，在上述构成中，通过在氧吸藏量为预定量以下的情况下将混合气的空燃比设定为更稀，能够使下游侧催化剂的氧吸藏量增加。

方案10.根据本公开的一方案，提供一种氧吸藏量推定系统。所述氧吸藏量推定系统具备方案1～9中任一个所述的所述处理电路及所述存储装置，所述处理电路包括第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、将由所述取得处理取得的数据向车辆的外部发送的车辆侧发送处理、接收基于由所述吸藏量变量算出处理算出的所述吸藏量变量的值的信号的车辆侧接收处理、以及所述操作处理，所述第2执行装置配置于所述车辆的外部，且构成为执行接收由所述车辆侧发送处理发送出的数据的外部侧接收处理、所述吸藏量变量算出处理、以及将基于由所述吸藏量变量算出处理算出的所述吸藏量变量的值的信号向所述车辆发送的外部侧发送处理。

在上述构成中，通过将吸藏量变量算出处理在车辆的外部执行，能够减轻车辆侧的运算负荷。

方案11.根据本公开的一方案，提供一种数据解析装置，具备方案10所述的所述第2执行装置及所述存储装置。

方案12.根据本公开的一方案，提供一种内燃机的控制装置，具备方案10所述的所述第1执行装置。

方案13.根据本公开的一方案，提供一种氧吸藏量推定方法，利用计算机来执行方案1～9中任一个所述的所述取得处理、所述吸藏量变量算出处理、以及所述操作处理。

上述方法能够起到与上述1～9的构成同样的作用效果。

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是示出第1实施方式的控制装置所执行的处理的一部分的框图。

图3是示出第1实施方式的控制装置所执行的处理的步骤的流程图。

图4是示出第2实施方式的氧吸藏量推定系统的构成的图。

图5是示出第2实施方式的氧吸藏量推定系统所执行的处理的步骤的流程图。

具体实施方式

<第1实施方式>

以下，参照附图对氧吸藏量推定装置的第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设置有节气门14。吸入到进气通路12的空气伴随进气门18的打开而向由汽缸20及活塞22区划出的燃烧室24流入。燃料喷射阀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排气门32的打开而作为排气向排气通路34排出。在排气通路34中，从上游侧起依次设置有具有氧吸藏能力的三元催化剂(催化剂36)、和捕集粒子状物质(PM)且担载有具有氧吸藏能力的三元催化剂的过滤器。在本实施方式中，捕集粒子状物质且担载有具有氧吸藏能力的三元催化剂的过滤器是汽油粒子过滤器(GPF：Gasoline Particulate Filter)38。

曲轴30的旋转动力经由正时链40向进气侧凸轮轴42及排气侧凸轮轴44传递。另外，在曲轴30上经由变矩器50及变速装置52而机械地连结有驱动轮60。

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26、点火装置28等内燃机10的操作部。此外，在图1中记载了节气门14、燃料喷射阀26及点火装置28各自的操作信号MS1～MS3。

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。另外，控制装置70参照在催化剂36的上游侧设置的上游侧空燃比传感器84的检测值即上游侧检测值Afu、在催化剂36与GPF38之间设置的下游侧空燃比传感器86的检测值即下游侧检测值Afd、由车速传感器88检测的车速SPD。

控制装置70具备CPU72、ROM74、作为能够电重写的非易失性存储器的存储装置76、及周边电路77，它们能够通过局域网78进行通信。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即基础喷射量Qb的处理。详细而言，基础喷射量算出处理M10是例如在填充效率η由百分率表现的情况下，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是为了将空燃比控制成目标空燃比而基于向燃烧室24内填充的空气量来算出的燃料量。顺便一提，在本实施方式中，作为目标空燃比，例示出理论空燃比。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是将对作为反馈操作量的基础喷射量Qb的修正比率δ加上“1”而得到的反馈修正系数KAF算出并输出的处理，所述反馈操作量是用于将上游侧检测值Afu反馈控制成目标值Af*的操作量。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、和保持并输出与该差相应的值的累计值的积分要素的输出值之和设为修正比率δ。

要求喷射量算出处理M14是通过对基础喷射量Qb乘以反馈修正系数KAF来算出要求喷射量Qd的处理。

喷射阀操作处理M16是向燃料喷射阀26输出操作信号MS2以操作燃料喷射阀26，从而在1燃烧循环中向燃烧室24喷射与要求喷射量Qd相应的燃料的处理。

目标值设定处理M18是通过下游侧检测值Afd变得比理论空燃比稍稀而使目标值Af*比理论空燃比稍浓，通过下游侧检测值Afd变得比理论空燃比稍浓而使目标值Af*比理论空燃比稍稀的处理。详细而言，目标值设定处理M18基于反馈修正系数KAF的值来推定燃料中的酒精浓度Da，通过基于此并且掌握理论空燃比来设定目标值Af*。

温度推定处理M20是基于转速NE、填充效率η、车速SPD及点火正时aig来算出GPF38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M20包括基于以转速NE及填充效率η为输入变量且以GPF38的温度的基础值为输出变量的映射数据而由CPU72对基础值进行映射运算的处理。另外，温度推定处理M20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1修正量为输出变量的映射数据而由CPU72对第1修正量进行映射运算来实现。另外，温度推定处理M20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2修正量为输出变量的映射数据而由CPU72对第2修正量进行映射运算来实现。

此外，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，而在与任一者均不一致的情况下，将通过映射数据中所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。

氧化量推定处理M22是基于吸入空气量Ga、下游侧检测值Afd、过滤器温度Tgpf、PM堆积量DPM及GPF38的氧吸藏量Cox来推定GPF38中的PM的氧化量Qox的处理。详细而言，氧化量推定处理M22是在过滤器温度Tgpf高的情况下与过滤器温度Tgpf低的情况相比将氧化量Qox算出为大的值的处理。另外，氧化量推定处理M22是以过滤器温度Tgpf为规定温度以上作为条件，在PM堆积量DPM大的情况下与PM堆积量DPM小的情况相比将氧化量Qox算出为大的值，且在氧吸藏量Cox大的情况下与氧吸藏量Cox小的情况相比将氧化量Qox算出为大的值的处理。另外，氧化量推定处理M22是以过滤器温度Tgpf为规定温度以上为条件，在下游侧检测值Afd相对于理论空燃比的稀化程度大的情况下与该稀化程度小的情况相比将氧化量Qox算出为大的值的处理。另外，氧化量推定处理M22是以过滤器温度Tgpf为规定温度以上且下游侧检测值Afd比理论空燃比稀为条件，在吸入空气量Ga大的情况下与吸入空气量Ga小的情况相比将氧化量Qox算出为大的值的处理。

具体而言，例如根据吸入空气量Ga和下游侧检测值Afd来算出向GPF38流入的氧的流量，基于以氧的流量、氧吸藏量Cox、过滤器温度Tgpf及PM堆积量DPM为输入变量且以氧化量Qox为输出变量的映射数据而由CPU72对氧化量Qox进行映射运算即可。

吸藏量推定处理M24是推定担载于GPF38的催化剂的氧吸藏量Cox的处理。将在后文对此进行详述。

PM堆积量推定处理M26是基于转速NE、填充效率η、上游侧检测值Afu、氧化量Qox来推定由GPF38捕集到的粒子状物质的量(PM堆积量DPM)的处理。详细而言，PM堆积量推定处理M26是基于转速NE、填充效率η及上游侧检测值Afu来算出PM堆积量DPM的增加量，通过将该增加量与PM堆积量DPM相加并减去氧化量Qox来更新PM堆积量DPM的处理。在此，PM堆积量DPM的增加量基于以转速NE、填充效率η及上游侧检测值Afu为输入变量且以增加量为输出变量的映射数据而由CPU72进行映射运算即可。

劣化推定处理M28是推定担载于GPF38的三元催化剂的劣化程度Rd的处理。详细而言，劣化推定处理M28是过滤器温度Tgpf处于高温状态的时间越长则将劣化程度Rd推定为越大的值的处理。

催化剂内流量算出处理M30是基于转速NE及填充效率η来算出在GPF38中流动的流体的体积流量即催化剂内流量CF的处理。详细而言，该处理如以下这样实现。即，CPU72基于填充效率η和转速NE来算出向GPF38流入的流体的质量流量。另外，CPU72基于转速NE及填充效率η来推定向GPF38流入的流体的压力及温度，基于此而将质量流量变换为体积流量。然后，CPU72通过基于GPF38的流路截面积与其上游的排气通路34的流路截面积之比将变换后的体积流量换算为GPF38内的体积流量来算出催化剂内流量CF。

再生处理M32是在PM堆积量DPM成为第1规定值以上的情况下为了将GPF38捕集到的PM氧化除去而操作点火装置28的处理。即，通过使点火装置28的点火正时成为延迟侧来使排气的温度上升，使GPF38内的PM与吸藏于GPF38内的催化剂的氧进行氧化反应。此外，此时，也可以使燃烧室24内的混合气的空燃比比理论空燃比稀而向GPF38供给氧。顺便一提，再生处理M32在PM堆积量DPM成为比第1规定值小的第2规定值以下的情况下停止。

图3示出吸藏量推定处理M24的步骤。图3所示的处理通过CPU72例如以预定周期执行存储于ROM74的吸藏量推定程序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3所示的一系列处理中，CPU72首先取得与下游侧检测值Afd、吸入空气量Ga、酒精浓度Da、氧化量Qox、过滤器温度Tgpf、催化剂内流量CF各自相关的预定期间内的时序数据、该期间内的劣化程度Rd、及氧吸藏量Cox的上次值(S10)。以下，按照采样定时从旧到新的顺序设为“1、2、…、sn”，例如将下游侧检测值Afd的时序数据记为“Afd(1)～Afd(sn)”。在此，“sn”是各变量的时序数据中包括的数据数。即，上述预定期间被设定为采样“sn”个上述各变量的期间，根据采样周期及数据数“sn”而确定。此外，氧吸藏量Cox的上次值是在图3的一系列处理的上次的执行定时下算出的值，在图3中记载为“Cox(n-1)”。顺便一提，在首次执行图3的处理的情况下，氧吸藏量Cox设为默认值即可。在此，默认值设为内燃机10长时间停止时的设想值即可。

接着，CPU72设为m＝1～sn，算出酒精浓度Da(m)的燃料的理论空燃比Afs(m)(S12)。在此，CPU72在酒精浓度Da(m)大的情况下与小的情况相比将理论空燃比Afs(m)算出为小的值。

接着，CPU72算出实际的燃料相对于使燃烧室24内的混合气的空燃比成为理论空燃比所需的燃料量的过量/不足量(燃料过量/不足量Qi)的累计值即燃料过量/不足量累计值InQi(S14)。本实施方式的燃料过量/不足量Qi在正的值的情况下表示实际的燃料相对于使燃烧室24内的混合气的空燃比成为理论空燃比所需的燃料量的过剩量。详细而言，CPU72首先设为m＝1～sn，将燃料过量/不足量Qi(m)算出为“Ga(m)·[{1/Afd(m)}-{1/Afs(m)}]”。然后，CPU72通过算出燃料过量/不足量Qi(1)～Qi(sn)的总和来算出燃料过量/不足量累计值InQi。

接着，CPU72算出氧化量累计值InQox、过滤器温度平均值Tgpfave及催化剂内流量平均值CFave(S16)。即，CPU72通过算出氧化量Qox(1)～Qox(sn)的总和来算出氧化量累计值InQox。另外，CPU72通过将过滤器温度Tgpf(1)～Tgpf(sn)的总和的值除以“sn”来算出过滤器温度平均值Tgpfave。另外，CPU72通过将催化剂内流量CF(1)～CF(sn)的总和的值除以“sn”来算出催化剂内流量平均值CFave。

接着，CPU72对输出氧吸藏量Cox的映射的输入变量x(1)～x(6)代入由S14、S16的处理算出的值、劣化程度Rd、上次值Cox(n-1)(S18)。即，CPU72对输入变量x(1)代入燃料过量/不足量累计值InQi，对输入变量x(2)代入氧化量累计值InQox，对输入变量x(3)代入过滤器温度平均值Tgpfave。另外，CPU72对输入变量x(4)代入催化剂内流量平均值CFave，对输入变量x(5)代入劣化程度Rd，对输入变量x(6)代入上次值Cox(n-1)。

然后，CPU72通过对由图1所示的映射数据76a规定的映射代入输入变量x(1)～x(6)来算出氧吸藏量Cox(S20)。

在本实施方式中，该映射由中间层是1个且中间层的活性化函数h是双曲正切函数且输出层的活性化函数f是ReLU(rectified linear unit：线性整流函数)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。在此，中间层的“n1”个节点各自的值通过将对由系数w(1)ji(j＝0～n1，i＝0～6)规定的线性映射输入了上述输入变量x(1)～x(6)时的n1个输出值中的各输出值向活性化函数h输入而生成。顺便一提，w(1)j0等是偏置参数，输入变量x(0)定义为“1”。

此外，CPU72在S20的处理完成的情况下，暂且结束图3所示的一系列处理。

顺便一提，上述映射数据76a如以下这样学习即可。即，在GPF38的上游侧和下游侧具备空燃比传感器，使内燃机10工作。并且，在上游侧的空燃比传感器的检测值即上述的下游侧检测值Afd为稀的情况下，根据下游侧检测值Afd和吸入空气量Ga来算出向GPF38的氧流量，另一方面，根据GPF38的下游侧的空燃比传感器的检测值和吸入空气量Ga来算出从GPF38流出的氧流量。由此，算出下游侧检测值Afd为稀的情况下的GPF38的氧吸藏量Cox的增加量。另一方面，在下游侧检测值Afd为浓的情况下，根据下游侧检测值Afd和吸入空气量Ga来算出未燃燃料向GPF38的流量，另一方面，根据GPF38的下游侧的空燃比传感器的检测值和吸入空气量Ga来算出从GPF38流出的未燃燃料的流量。由此，算出下游侧检测值Afd为浓的情况下的GPF38的氧吸藏量Cox的减少量。然后，基于这些氧吸藏量Cox的增加量、减少量来算出氧吸藏量Cox的教师数据，另一方面，通过与图3的处理同样的处理来算出氧吸藏量Cox，以减小它们的误差的平方和的方式更新系数w(1)ji、w(2)1j。

当算出氧吸藏量Cox后，在氧化量推定处理M22中，基于氧吸藏量Cox来算出氧化量Qox。另外，在目标值设定处理M18中，在氧吸藏量Cox成为预定值以下的情况下，在使目标值Af*比理论空燃比稀的期间中，使目标值Af*比通常时更稀。

在此，对本实施方式的作用及效果进行说明。

CPU72基于氧吸藏量Cox来算出氧化量Qox，基于氧化量Qox来算出PM堆积量DPM。CPU72基于氧吸藏量Cox的上次值Cox(n-1)、燃料过量/不足量累计值InQi等来更新氧吸藏量Cox。在此，燃料过量/不足量累计值InQi是用于掌握氧吸藏量Cox的变化量的变量。因而，能够通过除了燃料过量/不足量累计值InQi之外还使用上次值Cox(n-1)来算出氧吸藏量Cox。

尤其是，通过使用机器学习算出氧吸藏量Cox，即使在使用多个感觉会影响氧吸藏量Cox的参数的情况下，与例如对氧吸藏量Cox进行映射运算的情况下的映射数据的适配相比，也能够减轻适配工时。这是因为，如在上述中例示那样，在机器学习的学习步骤中，通过在使内燃机10比较自由地工作的状态下反复进行图3所示的处理而多次算出氧吸藏量Cox，能够利用周知的方法来学习映射数据76a。即，由于通过燃料过量/不足量累计值InQi和过滤器温度Tgpf等的，使用了通过机器学习而学习到的参数即系数w(1)ji等进行的结合运算来算出氧吸藏量Cox，所以只用通过机器学习的学习工序而学习在过滤器温度Tgpf等是各种各样的值的情况中的各情况下彼此共通的系数w(1)ji等即可。相对于此，在使用映射数据的情况下，需要根据过滤器温度Tgpf等的值而适配各自独立的数据。

根据以上说明的本实施方式，能够进一步得到以下记载的作用效果。

(1)在向输出氧吸藏量Cox的映射的输入中包括过滤器温度平均值Tgpfave。由此，能够在反映出氧吸藏量Cox的最大值取决于GPF38内的催化剂的温度、催化剂中的氧的消耗量取决于催化剂的温度的情况的基础上算出氧吸藏量Cox。

另外，通过将过滤器温度平均值Tgpfave设为向映射的输入，与将过滤器温度Tgpf自身设为向映射的输入的情况相比，能够高精度地算出氧吸藏量Cox并延长氧吸藏量Cox的算出周期。

(2)在向输出氧吸藏量Cox的映射的输入中包括催化剂内流量平均值CFave。由此，能够在反映出所吸藏的氧与未燃燃料的反应率根据GPF38内的流体的流量而变化这一情况的同时算出氧吸藏量Cox。

另外，通过将催化剂内流量平均值CFave设为向映射的输入，与将催化剂内流量CF自身设为向映射的输入的情况相比，能够高精度地算出氧吸藏量Cox并延长氧吸藏量Cox的算出周期。

(3)将燃料过量/不足量累计值InQi设为了向映射的输入。由此，与将燃料过量/不足量Qi自身设为向映射的输入的情况相比，能够高精度地算出氧吸藏量Cox并延长氧吸藏量Cox的算出周期。

(4)通过使用下游侧检测值Afd算出燃料过量/不足量Qi，与使用上游侧检测值Afu的情况相比，能够高精度地算出燃料过量/不足量Qi。

(5)在向映射的输入中包括GPF38内的催化剂的劣化程度Rd。由此，能够在反映出GPF38内的催化剂的氧吸藏量Cox的最大值根据劣化程度Rd而不同这一情况的同时算出氧吸藏量Cox。

(6)在向映射的输入中包括氧化量累计值InQox，由此，能够鉴于氧吸藏量Cox根据催化剂中的粒子状物质的氧化量而减少这一情况来算出氧吸藏量Cox。

另外，通过将氧化量累计值InQox设为向映射的输入，与将氧化量Qox自身设为向映射的输入的情况相比，能够高精度地算出氧吸藏量Cox并延长氧吸藏量Cox的算出周期。

(7)通过基于由上述的机器学习算出的氧吸藏量Cox来算出氧化量Qox，与使用映射数据的情况相比，能够在抑制适配工时的增大的同时基于大量变量来算出氧化量Qox，进而能够高精度地算出氧吸藏量Cox。由此，能够高精度地算出PM堆积量DPM，因此能够减少对用于执行再生处理M32的PM堆积量DPM的阈值即第1规定值设置的余裕量。因此，能够抑制不必要地执行再生处理M32的情况，所以能够降低能量消耗率。另外，也能够减少对用于停止再生处理M32的PM堆积量DPM的阈值即第2规定值设置的余裕量。因此，能够抑制再生处理M32的执行期间过度变长的情况，所以能够降低能量消耗率。

(8)在氧吸藏量Cox成为预定量以下的情况下，以与氧吸藏量Cox大于预定量的情况相比增大内燃机10的燃烧室24内的混合气的空燃比相对于理论空燃比的稀化程度的方式变更了目标值Af*。由此，能够使吸藏于GPF38内的催化剂的氧量增加，所以能够将流入到GPF38的未燃燃料的净化率维持得高。

尤其是，通过利用上述的机器学习算出氧吸藏量Cox，与使用映射数据的情况相比，能够在抑制适配工时的增大的同时基于大量变量来算出氧吸藏量Cox，所以能够高精度地算出氧吸藏量Cox。因而，通过根据氧吸藏量Cox而使目标值Af*为稀的控制，能够抑制担载于GPF38的催化剂中的氧量过度变少的情况。因而，能够极力使搭载于GPF38的催化剂中的贵金属量成为少量，并抑制未燃燃料向GPF38的下游流出的情况。

<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，参照附图来说明。

在本实施方式中，将氧吸藏量Cox的算出处理在车辆的外部进行。

图4示出本实施方式的异常检测系统。此外，在图4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4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进行通信的设备。

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，它们能够通过局域网128进行通信。在存储装置126中存储有映射数据126a。

图5示出图4所示的系统所执行的处理的步骤。图5的(a)所示的处理通过CPU72执行图4所示的在ROM74中存储的吸藏量推定子程序74b而实现。另外，图5的(b)所示的处理通过CPU122执行图4所示的在ROM124中存储的吸藏量推定主程序124a而实现。此外，关于图5中的与图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。以下，按照氧吸藏量Cox的算出处理的时序来说明图5所示的处理。

如图5的(a)所示，CPU72在完成S10的处理的情况下，通过操作通信机79而将在S10的处理中取得的数据与车辆VC的识别信息即车辆ID一起向中心120发送(S30)。

相对于此，如图5的(b)所示，中心120的CPU122接收发送出的数据(S40)，并对由存储于图4的ROM124的映射数据126a规定的映射的输入变量x(1)～x(6sn+2)代入通过S40的处理而取得的值等(S42)。即，CPU72设为m＝1～sn，对输入变量x(m)代入下游侧检测值Afd(m)，对输入变量x(sn+m)代入吸入空气量Ga(m)，对输入变量x(2sn+m)代入酒精浓度Da(m)，对输入变量x(3sn+m)代入氧化量Qox(m)。另外，CPU72对输入变量x(4sn+m)代入过滤器温度Tgpf(m)，对输入变量x(5sn+m)代入催化剂内流量CF(m)，对输入变量x(6sn+1)代入劣化程度Rd，对输入变量x(6sn+2)代入上次值Cox(n-1)。

接着，CPU72通过将输入变量x(1)～x(6sn+2)向由存储于图4所示的存储装置126的映射数据126a规定的映射输入来算出映射的输出值即氧吸藏量Cox(S44)。

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。详细而言，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。在图5中，n1、n2、…、nα分别是第1、第2、…、第α中间层的节点数。详细而言，例如，第1中间层的n1个节点的值分别通过将对由系数w(1)ji(j＝0～n1，i＝0～6sn+2)规定的线性映射输入了上述输入变量x(1)～x(6sn+2)时的n1个输出值分别向活性化函数h1输入而生成。顺便一提，w(1)j0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来向发送了由S40的处理接收到的数据的车辆VC发送与氧吸藏量Cox相关的信号(S46)，暂且结束图5的(b)所示的一系列处理。相对于此，如图5的(a)所示，CPU72接收氧吸藏量Cox(S32)，暂且结束图5的(a)所示的一系列处理。

这样，在本实施方式中，由于在中心120中执行S44的处理，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”一栏所记载的方案的各编号示出对应关系。

[1、4、9]催化剂对应于GPF38。执行装置即处理电路对应于CPU72及ROM74。过量/不足量变量对应于燃料过量/不足量累计值InQi。取得处理对应于S10～S16的处理。吸藏量算出处理对应于S18、S20的处理。操作处理对应于再生处理M32、氧吸藏量Cox为预定值以下的情况下的目标值设定处理M18、反馈处理M12、要求喷射量算出处理M14及喷射阀操作处理M16。

[2]温度变量对应于过滤器温度平均值Tgpfave。

[3]流量变量对应于催化剂内流量平均值CFave。

[5]上游侧催化剂对应于催化剂36。

[6]劣化变量对应于劣化程度Rd。

[7]氧化量变量对应于氧化量累计值InQox。

[8]用于使排气的温度上升的排气温度操作部对应于点火装置28。

[10]氧吸藏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。过量/不足量变量对应于下游侧检测值Afd(1)～Afd(sn)、吸入空气量Ga(1)～Ga(sn)及酒精浓度Da(1)～Da(sn)。取得处理对应于S10的处理，车辆侧发送处理对应于S30的处理，车辆侧接收处理对应于S32的处理。外部侧接收处理对应于S40的处理。吸藏量算出处理对应于S42、S44的处理。车辆侧发送处理对应于S46的处理。

[11]数据解析装置对应于中心120。

[12]内燃机的控制装置对应于控制装置70。

[13]计算机对应于CPU72及ROM74、CPU72、122及ROM74、124。

<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。

·“关于过量/不足量变量”

也可以在上述燃料过量/不足量Qi的算出周期的期间多次采样下游侧检测值Afd，基于这多个下游侧检测值Afd的平均值来算出燃料过量/不足量Qi。

在图3的处理中，根据酒精浓度而可变设定了理论空燃比Afs，但不限于此，也可以将理论空燃比Afs设为固定值。在该情况下，在S10的处理中不取得酒精浓度Da，可以删除S12的处理。

在图5的处理中，利用下游侧检测值Afd、吸入空气量Ga及酒精浓度Da构成了过量/不足量变量，但不限于此。例如，也可以将燃料过量/不足量Qi(1)～Qi(sn)设为向映射的输入。

也可以不将过量/不足量变量设为燃料过量/不足量累计值InQi，作为替代而例如设为燃料过量/不足量Qi的平均值。

例如也可以将下游侧检测值Afd的采样周期设为图3的处理的执行周期，将燃料过量/不足量Qi设为向映射的输入。

在上述实施方式中，利用燃料过量/不足量Qi构成了过量/不足量变量，但不限于此。例如，也可以利用氧的过量/不足量来构成过量/不足量变量。这例如使用与单位量的燃料无过量/不足反应的氧量Kox而将氧的过量/不足量设为“Kox·Ga·{(1/Afs)-(1/Afu)}”即可。

此外，作为过量/不足量变量，以燃料的过剩量为正而设为可取正、负的值的变量或者以氧的过剩量为正而设为可取正、负的值的变量不是必需的。例如，也可以利用表示燃料的过剩量的零以上的变量、表示氧的过剩量的零以上的变量这2个变量来构成过量/不足量变量。与向GPF38流入的流体中包含的氧无过量/不足地反应的燃料的量是理想燃料量(ideal fuel amount)，过量/不足量变量是与实际的燃料量相对于该理想燃料量的过量/不足量相应的变量即可。

·“关于温度变量”

在上述构成中，使用映射数据推定了过滤器温度Tgpf，但不限于此。例如也可以利用以温度推定处理M20的输入变量为输入且以过滤器温度Tgpf为输出变量的神经网络来推定过滤器温度Tgpf。

另外，例如也可以通过将温度推定处理M20的输入变量全部设为输出氧吸藏量Cox的神经网络等映射的输入而利用温度推定处理M20的输入变量的组来构成温度变量。

例如也可以将过滤器温度Tgpf的采样周期设为图3的处理的执行周期，将过滤器温度Tgpf设为向映射的输入。

此外，过滤器温度Tgpf是推定值这一情况不是必需的。例如，也可以在GPF38具备热敏电阻等温度传感器，将其检测值设为向映射的输入。

·“关于流量变量”

例如也可以将催化剂内流量CF的采样周期设为图3的处理的执行周期，将催化剂内流量CF设为向映射的输入。

在上述实施方式中，根据转速NE及填充效率η算出了催化剂内流量CF，但不限于此。例如，也可以在排气通路34中的GPF38的上游侧且催化剂36的附近具备压力传感器及温度传感器，基于它们的值和吸入空气量Ga来算出催化剂内流量CF。

·“关于氧化量变量”

例如也可以将氧化量Qox的采样周期设为图3的处理的执行周期，将氧化量Qox设为向映射的输入。

也可以不将氧化量变量设为氧化量累计值InQox，而是作为替代设为氧化量Qox的平均值。

在上述实施方式中，使用映射数据算出了氧化量Qox，但不限于此。例如，也可以根据吸入空气量Ga和下游侧检测值Afd来算出向GPF38流入的氧的流量，基于以氧的流量、氧吸藏量Cox、过滤器温度Tgpf及PM堆积量DPM为输入变量且以氧化量Qox为输出变量的神经网络来算出氧化量Qox。

·“关于劣化变量”

也可以不将单个劣化程度Rd设为向映射的输入，而是作为替代例如在图3的处理的周期的期间多次采样劣化程度Rd，将它们的时序数据设为向映射的输入或者将它们的平均值设为向映射的输入。

·“关于向映射的输入”

例如，也可以取代氧化量累计值InQox等氧化量变量而将氧化量推定处理M22的输入变量全部设为向输出氧吸藏量Cox的映射的输入。另外，例如，也可以取代过滤器温度平均值Tgpfave等温度变量而将温度推定处理M20的输入变量全部设为向输出氧吸藏量Cox的映射的输入。

作为向神经网络的输入、向下述“关于机器学习的算法”一栏所记载的回归方程式的输入，各维度不限于由单个物理量构成。例如关于在上述实施方式等中设为了向映射的输入的多个种类的物理量的一部分，也可以不将它们设为向神经网络、回归方程式的直接的输入，而是作为替代将基于它们的主成分分析的一些主成分设为向神经网络、回归方程式的直接的输入。不过，在将主成分设为神经网络、回归方程式的输入的情况下，仅向神经网络、回归方程式的输入的一部分为主成分这一情况不是必需的，也可以将全部设为主成分。此外，在将主成分设为向映射的输入的情况下，在映射数据76a、126a中包括规定确定主成分的映射的数据。

此外，在向映射的输入中不包括成为氧吸藏量Cox的算出对象的催化剂的下游的空燃比传感器的检测值这一情况不是必需的。在基于氧吸藏量Cox的上次值来更新氧吸藏量Cox的映射中，若进一步包括下游侧的空燃比传感器的检测值，则能够在修正基于过量/不足量变量的氧吸藏量的变化量的同时更新氧吸藏量Cox，因此能够更高精度地算出氧吸藏量Cox。

·“关于映射数据”

根据图5的记载，表现为神经网络的中间层的层数比2层多，但不限于此。

在上述实施方式中，将活性化函数h、h1、h2、…hα设为了双曲正切函数，但不限于此。例如也可以将活性化函数h、h1、h2、…hα设为ReLU。例如，也可以将活性化函数h、h1、h2、…hα设为逻辑S型函数(Logistic Sigmoid)。

·“关于映射”

不限于直接输出氧吸藏量Cox的映射。例如，也可以包括输出氧吸藏量Cox的变化量的映射。在该情况下，利用变化量与氧吸藏量Cox的上次值之和来更新氧吸藏量Cox即可。

·“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，也可以使用回归方程式。这相当于在上述神经网络中不具备中间层。

·“关于再生处理”

在上述构成中，将点火装置28设为用于使排气的温度上升的内燃机10的操作部，将点火装置28设为了操作对象，但不限于此。例如，也可以将燃料喷射阀26设为操作对象。

·“关于数据解析装置”

例如也可以利用中心120来执行图3所例示的S18、S20的处理等。

也可以例如利用用户持有的便携终端来执行图5的(b)的处理。这能够通过预先在便携终端安装执行图5的(b)的处理的应用程序而实现。此外，此时，例如，若设为S46的处理中的数据的发送有效的距离是车辆的长度左右的设定，则也可以删除车辆ID的收发处理。

·“关于执行装置”

作为执行装置，不限于具备CPU72(122)和ROM74(124)且执行软件处理的构成。例如，也可以具备对在上述实施方式中执行的软件处理的至少一部分进行处理的专用的硬件电路(例如ASIC等)。即，执行装置是以下的(a)～(c)中的任一构成即可。(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等程序存储装置。(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存储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存储装置的软件执行装置、专用的硬件电路也可以是多个。即，上述处理具备1个或多个软件执行装置和1个或多个专用的硬件电路中的至少一方的处理电路(processing circuitry)执行即可。程序存储装置即计算机可读介质包括能够利用通用或专用的计算机来访问的所有能够利用的介质。

·“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、和存储吸藏量推定程序74a、吸藏量推定主程序124a的存储装置(ROM74、124)设为了各自独立的存储装置，但不限于此。

·“关于计算机”

作为计算机，不限于由搭载于车辆的CPU72及ROM74等执行装置、和中心120所具备的CPU122及ROM124等执行装置构成。例如，也可以利用搭载于车辆的执行装置、中心120所具备的执行装置及用户的便携终端内的CPU及ROM等执行装置来构成。关于这一点，例如能够通过在如“关于映射”一栏所记载的那样映射的输出是氧吸藏量Cox的变化量的情况下，在S46的处理中将氧吸藏量Cox的变化量向便携终端发送、且在便携终端中算出氧吸藏量Cox而实现。在该情况下，便携终端向车辆发送氧吸藏量Cox。

·“关于成为氧吸藏量的推定对象的催化剂”

在上述实施方式中，将成为氧吸藏量的推定对象的催化剂设为了GPF38，但不限于此，也可以设为催化剂36。另外，也可以将成为氧吸藏量的推定对象的催化剂设为GPF38并使GPF38与催化剂36的配置相反。此外，在这样的情况下，基于上游侧检测值Afu来算出或构成过量/不足量变量。

·“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24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喷射燃料的端口喷射阀。另外，例如，也可以具备端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。

·“其他”

作为车辆，不限于生成车辆的推力的装置仅为内燃机的车辆。例如，也可以是并联混合动力车、串联混合动力车、串·并联混合动力车。

Claims (13)

1.一种氧吸藏量推定装置，构成为推定在内燃机的排气通路设置的催化剂的氧吸藏量，

所述氧吸藏量推定装置，

具备存储装置和处理电路，

与向所述催化剂流入的流体中包含的氧无过量/不足地反应的燃料的量是理想燃料量，与实际的燃料量相对于该理想燃料量的过量/不足量相应的变量是过量/不足量变量，与所述催化剂的氧吸藏量相关的变量是吸藏量变量，所述存储装置存储有对使用多个变量作为输入且输出所述吸藏量变量的值的映射进行规定的数据即映射数据，所述多个变量至少包括所述过量/不足量变量、和所述吸藏量变量的上次值，

所述处理电路构成为执行：

取得处理，取得所述多个变量；

吸藏量变量算出处理，基于使用由该取得处理取得的所述多个变量作为输入的所述映射的输出来反复算出所述吸藏量变量的值；以及

操作处理，基于所述吸藏量变量算出处理的算出结果来操作预定的硬件，

所述映射数据包括通过机器学习而学习到的数据。

2.根据权利要求1所述的氧吸藏量推定装置，

在所述多个变量中包括与所述催化剂的温度相关的变量即温度变量。

3.根据权利要求1或2所述的氧吸藏量推定装置，

在所述多个变量中包括与向所述催化剂流入的流体的流量相关的变量即流量变量。

4.根据权利要求1～3中任一项所述的氧吸藏量推定装置，

所述过量/不足量基于在所述催化剂的上游设置的空燃比传感器的检测值和向所述催化剂流入的流体的流量来算出，所述过量/不足量变量是与预定期间内的所述过量/不足量的累计值相关的变量。

5.根据权利要求4所述的氧吸藏量推定装置，

所述催化剂是下游侧催化剂，

在所述排气通路中的所述下游侧催化剂的上游设置有上游侧催化剂，

所述空燃比传感器设置于所述上游侧催化剂与所述下游侧催化剂之间。

6.根据权利要求1～5中任一项所述的氧吸藏量推定装置，

在所述多个变量中包括与所述催化剂的劣化程度相关的变量即劣化变量。

7.根据权利要求1～6中任一项所述的氧吸藏量推定装置，

所述催化剂担载于捕集排气中的粒子状物质的过滤器，

在所述多个变量中包括与捕集于所述过滤器的粒子状物质的氧化量相关的变量即氧化量变量。

8.根据权利要求1～7中任一项所述的氧吸藏量推定装置，

所述催化剂担载于捕集排气中的粒子状物质的过滤器，

所述处理电路构成为执行基于由所述吸藏量变量算出处理算出的所述吸藏量变量的值来算出捕集于所述过滤器的所述粒子状物质的量即粒子状物质堆积量的处理，

所述预定的硬件包括所述内燃机的操作部中的用于使排气的温度上升的操作部即排气温度操作部，所述操作处理包括为了使捕集于所述过滤器的所述粒子状物质燃烧而操作所述排气温度操作部的再生处理。

9.根据权利要求1～8中任一项所述的氧吸藏量推定装置，

所述催化剂是下游侧催化剂，

在所述排气通路中的所述下游侧催化剂的上游设置有上游侧催化剂，

所述预定的硬件包括所述内燃机的燃料喷射阀，所述操作处理包括在所述氧吸藏量成为预定量以下的情况下，以与所述氧吸藏量大于所述预定量的情况相比，增大所述内燃机的燃烧室内的混合气的空燃比相对于理论空燃比的稀化程度的方式，操作所述燃料喷射阀的处理。

10.一种氧吸藏量推定系统，

具备权利要求1～9中任一项所述的所述处理电路及所述存储装置，

所述处理电路包括第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、将由所述取得处理取得的数据向车辆的外部发送的车辆侧发送处理、接收基于由所述吸藏量变量算出处理算出的所述吸藏量变量的值的信号的车辆侧接收处理、以及所述操作处理，

所述第2执行装置配置于所述车辆的外部，且构成为执行接收由所述车辆侧发送处理发送出的数据的外部侧接收处理、所述吸藏量变量算出处理、以及将基于由所述吸藏量变量算出处理算出的所述吸藏量变量的值的信号向所述车辆发送的外部侧发送处理。

11.一种数据解析装置，

具备权利要求10所述的所述第2执行装置及所述存储装置。

12.一种内燃机的控制装置，

具备权利要求10所述的所述第1执行装置。

13.一种氧吸藏量推定方法，

利用计算机来执行权利要求1～9中任一项所述的所述取得处理、所述吸藏量变量算出处理、以及所述操作处理。

Images