CN112012809A - 内燃机的窜气送出路异常检测装置 - Google Patents

内燃机的窜气送出路异常检测装置 Download PDF

Info

Publication number
CN112012809A
CN112012809A CN202010460492.8A CN202010460492A CN112012809A CN 112012809 A CN112012809 A CN 112012809A CN 202010460492 A CN202010460492 A CN 202010460492A CN 112012809 A CN112012809 A CN 112012809A
Authority
CN
China
Prior art keywords
engine
intake
neural network
throttle valve
blowby gas
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.)
Granted
Application number
CN202010460492.8A
Other languages
English (en)
Other versions
CN112012809B (zh
Inventor
武藤晴文
大久保直也
片山章弘
桥本洋介
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 CN112012809A publication Critical patent/CN112012809A/zh
Application granted granted Critical
Publication of CN112012809B publication Critical patent/CN112012809B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
    • F01M13/00—Crankcase ventilating or breathing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02M—SUPPLYING COMBUSTION ENGINES IN GENERAL WITH COMBUSTIBLE MIXTURES OR CONSTITUENTS THEREOF
    • F02M35/00—Combustion-air cleaners, air intakes, intake silencers, or induction systems specially adapted for, or arranged on, internal-combustion engines
    • F02M35/10—Air intakes; Induction systems
    • F02M35/10209—Fluid connections to the air intake system; their arrangement of pipes, valves or the like
    • F02M35/10222—Exhaust gas recirculation [EGR]; Positive crankcase ventilation [PCV]; Additional air admission, lubricant or fuel vapour admission
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
    • F01M13/00—Crankcase ventilating or breathing
    • F01M13/0011—Breather valves
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
    • F01M13/00—Crankcase ventilating or breathing
    • F01M13/02—Crankcase ventilating or breathing by means of additional source of positive or negative pressure
    • F01M13/021—Crankcase ventilating or breathing by means of additional source of positive or negative pressure of negative pressure
    • F01M13/022—Crankcase ventilating or breathing by means of additional source of positive or negative pressure of negative pressure using engine inlet suction
    • F01M13/023—Control valves in suction conduit
    • 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
    • F02D41/22—Safety or indicating devices for abnormal conditions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
    • F01M13/00—Crankcase ventilating or breathing
    • F01M2013/0077—Engine parameters used for crankcase breather systems
    • F01M2013/0083—Crankcase pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
    • F01M13/00—Crankcase ventilating or breathing
    • F01M2013/0077—Engine parameters used for crankcase breather systems
    • F01M2013/0088—Rotation speed
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
    • F01M13/00—Crankcase ventilating or breathing
    • F01M2013/0077—Engine parameters used for crankcase breather systems
    • F01M2013/0094—Engine load
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
    • F01M2250/00—Measuring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
    • F01M2250/00—Measuring
    • F01M2250/62—Load
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
    • F01M2250/00—Measuring
    • F01M2250/64—Number of revolutions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
    • F01M2250/00—Measuring
    • F01M2250/66—Vehicle 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
    • F02D2200/04—Engine intake system parameters
    • F02D2200/0406—Intake manifold pressure
    • 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
    • F02D2200/0406—Intake manifold pressure
    • F02D2200/0408—Estimation of intake manifold pressure
    • 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
    • F02D2200/101—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
    • F02D2200/70—Input parameters for engine control said parameters being related to the vehicle exterior
    • F02D2200/703—Atmospheric pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2250/00—Engine control related to specific problems or objectives
    • F02D2250/08—Engine blow-by from crankcase chamber
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明提供一种内燃机的窜气送出路异常检测装置，正确地检测出窜气的泄漏异常。其中，存储有将内燃机负荷、内燃机转速和节气门(19)下游的内燃机进气通路内的进气压作为神经网络的输入参数、将窜气从窜气送出路(20)泄漏时作为真值标签来进行了权重的学习的学习完毕神经网络。在车辆的运转时，采用该学习完毕神经网络，根据上述的输入参数来检测窜气从窜气送出路(20)的泄漏异常。

Description

内燃机的窜气送出路异常检测装置
技术领域
本发明涉及内燃机的窜气送出路异常检测装置。
背景技术
在内燃机中，燃烧室内的燃烧气体的一部分通过活塞环的间隙而向曲轴箱内泄漏，泄漏到曲轴箱内的气体即窜气滞留于曲轴箱内。该窜气中含有强酸性的水分，该强酸性的水分会引起发动机油的劣化、发动机内部的锈的产生，所以，为了不使窜气滞留于曲轴箱内而需要对曲轴箱内进行换气。另外，窜气中包含大量的未燃气体，因此，无法将窜气向大气释放。于是，通常，内燃机具有窜气换气装置，该窜气换气装置将内燃机曲轴箱内的窜气经由窜气送出路而送入节气门下游的内燃机进气通路内，使供给到内燃机进气通路内的窜气在燃烧室内燃烧。该窜气换气装置一般被称为PCV(Positive Crankcase Ventilation，曲轴箱强制通风)系统。
在这样的PCV系统中，有时会因某些原因而使得窜气从窜气送出路向大气中泄漏，在窜气泄漏到大气中的情况下，需要立刻检测出窜气泄漏到大气中的情况。另一方面，在窜气向大气中泄漏了时，窜气送出路内的压力变化。于是，已知一种窜气通路异常检测装置：将压力传感器配置于窜气送出路，并根据由该压力传感器检测出的窜气送出路内的压力的变化来检测窜气从窜气送出路的泄漏异常(例如参照专利文献1)。
在先技术文献
专利文献
专利文献1：日本特开平10-184336号公报
发明内容
发明要解决的课题
但是，在该窜气通路异常检测装置中，存在为了检测出窜气的泄漏异常而必须在窜气送出路内配置异常检测专用的压力传感器的问题。于是，发明者对无需采用这样专用的压力传感器而利用为了内燃机的控制等而通常配备的检测器的检测结果来检测窜气的泄漏异常的方法进行了探讨，结果注意到：在产生了窜气的泄漏时节气门下游的进气通路内的进气压会变化，该进气压的变化能够通过为了内燃机的控制等而通常配备的检测器来求出。
然而，在此情况下，节气门下游的进气通路内的进气压根据窜气的泄漏状态而变化，也根据内燃机的运转状态而变化，所以，根据节气门下游的进气通路内的进气压的变化来正确地判别是否产生了窜气的泄漏并不简单。
于是，在本发明中，采用神经网络，根据节气门下游的进气通路内的进气压的变化来正确地判别窜气的泄漏异常。
用于解决课题的手段
也就是说，根据本发明提供一种内燃机的窜气送出路异常检测装置，在所述内燃机中，在内燃机进气通路内配置吸入空气量检测器且在吸入空气量检测器下游的内燃机进气通路内配置节气门，内燃机曲轴箱内的窜气经由窜气送出路而被送入节气门下游的内燃机进气通路内，在窜气送出路内配置有控制窜气的流通量的PCV阀，在该内燃机的窜气送出路异常检测装置中，存储有将内燃机负荷、内燃机转速和节气门下游的内燃机进气通路内的进气压作为神经网络的输入参数、将窜气从窜气送出路泄漏时作为真值标签来进行了权重的学习的学习完毕神经网络，在车辆的运转时，采用该学习完毕神经网络，根据输入参数来检测窜气从窜气送出路的泄漏异常。
而且，根据本发明提供一种内燃机的窜气送出路异常检测装置，在所述内燃机中，在内燃机进气通路内配置吸入空气量检测器且在吸入空气量检测器下游的内燃机进气通路内配置节气门，内燃机曲轴箱内的窜气经由窜气送出路而被送入节气门下游的内燃机进气通路内，在窜气送出路内配置有控制窜气的流通量的PCV阀，在该内燃机的窜气送出路异常检测装置中，存储有将内燃机负荷、内燃机转速、由吸入空气量检测器检测出的吸入空气量、大气压、大气温度和节气门的开度作为神经网络的输入参数、将窜气从窜气送出路泄漏时作为真值标签来进行了权重的学习的学习完毕神经网络，在车辆的运转时，采用该学习完毕神经网络，根据输入参数来检测窜气从窜气送出路的泄漏异常。
发明效果
采用神经网络来学习窜气的泄漏状态与内燃机的运转状态和进气压的关系，从而能正确地检测出产生了窜气的泄漏。
附图说明
图1是窜气送出路异常检测装置的整体图。
图2A和图2B是PCV阀的侧剖视图。
图3A和图3B分别是表示PCV阀的流路面积的变化和正常时的进气压Pm的变化的图。
图4A、图4B和图4C分别是用于说明异常时的进气压Pm的变化的图。
图5是表示神经网络的一个例子的图
图6是用于说明通过节气门的吸入空气量的算出方法的图。
图7A和图7B是表示节气门的开口面积的图。
图8是表示通过节气门的吸入空气量的图。
图9是表示Φ(Pm/Pa)和Pm/Pa的关系的图。
图10是表示在本发明的实施例中采用的第1神经网络的图。
图11是表示输入值的一览表的图。
图12是表示输出值的一览表的图。
图13是表示训练数据集的图。
图14是表示在本发明的实施例中采用的第2神经网络的图。
图15是表示输出值的一览表的图。
图16是表示训练数据集的图。
图17是表示另一实施例中的输入值的一览表的图。
图18是表示又一实施例中的输入值的一览表的图。
图19是表示第1神经网络的另一例子的图。
图20是表示训练数据集的图。
图21是表示第2神经网络的另一例子的图。
图22是表示训练数据集的图。
图23是表示还一实施例中的输入值的一览表的图。
图24是表示第1神经网络的又一例子的图。
图25是表示训练数据集的图。
图26是表示第2神经网络的又一例子的图。
图27是表示训练数据集的图。
图28是用于说明学习方法的图。
图29是用于执行数据的取得处理的流程图。
图30是用于执行学习处理的流程图。
图31是用于将数据读入电子控制单元的流程图。
图32是用于进行异常检测的流程图。
标号说明
1 内燃机本体
2 曲轴箱
12 进气支管
13 稳压箱
15 进气管道
16 吸入空气量检测器
19 节气门
20 窜气送出路
22 PCV阀
25 压力传感器
26 节气门开度传感器
27 大气压传感器
28 大气温度传感器
30 电子控制单元
60、62、64 第1神经网络
61、63、65 第2神经网络
具体实施方式
＜内燃机的整体构成＞
图1示出窜气送出路异常检测装置的整体图。参照图1，1表示内燃机本体，2表示曲轴箱，3表示滞留于曲轴箱2内的润滑油，4表示汽缸体，5表示活塞、6表示燃烧室，7表示汽缸盖，8表示进气门，9表示进气口(进气道)，10表示排气门，11表示排气口(排气)。进气口9经由进气支管12而连结于所有汽缸共用的稳压箱13，在各进气支管12分别配置燃料喷射阀14。稳压箱13经由进气管道15、吸入空气量检测器16而连结于空气滤清器17。在进气管道15内配置着由执行器18驱动的节气门19。
另一方面，如图1所示，在内燃机本体1设置有窜气送出路20，该窜气送出路20用于将充满曲轴箱2内的窜气送入节气门19下游的进气通路。在图1所示的例子中，该窜气送出路20由从曲轴箱2内在汽缸体4和汽缸盖7内向上方延伸的窜气通路21、安装于该窜气通路21的上端部并控制窜气的流通量的PCV阀22、以及从该PCV阀22延伸直到节气门19下游的进气管道15内的窜气通路23构成。另外，在内燃机本体1，为了对曲轴箱2内进行换气而设置从节气门19上游的进气管道15内延伸直到曲轴箱2内的新气供给路24。
另一方面，在图1中，30表示用于控制内燃机的运转的电子控制单元。如图1所示，电子控制单元30由数字计算机构成，具有由双向性母线31相互连接的存储装置32即存储器32、CPU(微处理器)33、以及输入端口34和输出端口35。如图1所示，在稳压箱13内配置着用于检测稳压箱13内的压力的压力传感器25，在节气门19安装着用于检测节气门19的开度的节气门开度传感器26。另外，在空气滤清器17配置着大气压传感器27和大气温度传感器28。
这些压力传感器25、节气门开度传感器26、大气压传感器27、大气温度28和吸入空气量检测器16的输出信号经由对应的AD转换器36而输入到输入端口34。另外，如图1所示，在加速踏板40连接着产生与加速踏板40的踏入量成正比的输出电压的负荷传感器41，负荷传感器41的输出电压经由对应的AD转换器36而输入到输入端口34。而且，在输入端口34连接着曲轴每旋转例如30°就产生输出脉冲的曲轴角传感器42。在CPU33内，基于曲轴角传感器42的输出信号来算出内燃机转速。另一方面，输出端口35经由对应的驱动电路37而与燃料喷射阀14和节气门19的执行器相连。
在进行内燃机的运转时，燃烧室6内的燃烧气体的一部分通过活塞5的活塞环的间隙而向曲轴箱2内泄漏，泄漏到曲轴箱2内的气体作为窜气而滞留于曲轴箱2内。滞留于曲轴箱2内的窜气通过在节气门19下游的进气管道15内产生的负压而经由窜气送出路20被送入节气门19的下游的进气管道15内，然后，经由稳压箱13、进气支管12、进气口9和进气门8而被送入燃烧室6内。送入到燃烧室6内的窜气中的可燃性部分与从燃料喷射阀14喷射出的燃料一起在燃烧室6内燃烧。
在此情况下，经由窜气送出路20而送入节气门19的下游的进气管道15内的窜气量由配置于窜气送出路20内的PCV阀22控制。于是，接着参照图2A和图2B，对该PCV阀22的动作进行简单地说明。如图2A和图2B所示，PCV阀22由经由窜气通路21而连通于曲轴箱2内的窜气流入口50、经由窜气通路23而连通于节气门19下游的进气管道15内的窜气流出口51、进行窜气流入口50的开关控制和窜气流出口51的流路面积控制的阀芯52、以及朝向窜气流入口50对阀芯52施力的压缩弹簧53构成。
在内燃机的运转停止时，如图2A所示，在压缩弹簧53的弹簧力的作用下阀芯52封闭窜气流入口50。另一方面，在内燃机的运转开始而在节气门19的下游的进气管道15内产生负压时、即在节气门19的下游的进气通路内产生负压时，如图2B所示，在曲轴箱2内的压力和节气门19的下游的进气通路内的压力的压力差的作用下，阀芯52克服压缩弹簧53的弹簧力而上升。结果，阀芯52打开窜气流入口50，由此，如图2B中箭头所示那样，从窜气流入口50流入的窜气通过窜气流出口51而被送入窜气通路23内，然后被送入节气门19的下游的进气通路内。
在此情况下，在节气门19的下游的进气通路内产生的负压越大，则阀芯52的上升量越大，因此，从图2B可知，在节气门19的下游的进气通路内产生的负压越大，则窜气流出口51的流路面积越小。图3A示出在PCV阀22正常动作时将内燃机转速维持为某一定转速(除了怠速时)时的窜气流出口51的流路面积和内燃机负荷的关系。如图3A所示，在内燃机负荷从高负荷运转状态降低而使得在节气门19的下游的进气通路内产生的负压变大时，窜气流出口51的流路面积达到峰值，在内燃机负荷进一步降低而使得在节气门19的下游的进气通路内产生的负压进一步变大时，内燃机负荷越小，则窜气流出口51的流路面积越降低。
此外，在PCV阀22打开了窜气流入口50时，受到在节气门19的下游的进气通路内产生的负压的影响，曲轴箱2内的压力变得比大气压稍低。在此情况下，曲轴箱2内的压力因活塞5的往复运动而变动，另外，也因从燃烧室6向曲轴箱2内泄漏的气体量而变动，所以，有时也会暂时变得比大气压稍高。无论怎样，在内燃机运转中，曲轴箱2内的窜气被持续送入节气门19的下游的进气通路内。此外，在因曲轴箱2内的压力变动而在曲轴箱2内产生了大的负压时，新气经由新气供给路24而被供给到曲轴箱2内，由此，进行曲轴箱2内的换气作用。
那么，在窜气送出路20没有任何异常时，曲轴箱2内的窜气在燃烧室6内燃烧。但是，在窜气送出路20产生异常时，会产生窜气向大气中的泄漏等各种问题。例如，作为窜气通路23用，通常采用连结PCV阀22和进气管道15内的被称为PVC软管的软管。在此情况下，在该PVC软管从与PCV阀22的连结部或与进气管道15内的连结部脱离、或者在PVC软管开孔时，在窜气流出口51会作用大气压，结果，阀芯52封闭窜气流入口50。
但是，在阀芯52封闭了窜气流入口50的情况下，在进行内燃机的运转时，曲轴箱2内的窜气量持续增大，因此，曲轴箱2内的压力逐渐变高。结果，在曲轴箱2内的压力因曲轴箱2内的压力的变动而变得比大气压高时，阀芯52打开窜气流入口50，由此，曲轴箱2内的窜气经由PCV阀22而向大气中泄漏。也就是说，产生窜气的泄漏异常。
另一方面，在产生了阀芯52持续关闭窜气流入口50的保持关闭异常时，窜气持续滞留于曲轴箱2内，结果，会产生窜气中所包括的强酸性的水分引起发动机油劣化、或在发动机内部产生锈的问题。而与之相对地，在产生了阀芯52持续打开窜气流入口50的保持打开异常时，窜气从曲轴箱2内持续流出。结果，曲轴箱2内的油3的蒸气从曲轴箱2内持续流出，所以，会产生油的消耗量增大的问题。
在这样PVC软管从与PCV阀22的连结部或与进气管道15内的连结部脱离或者在PVC软管开孔时产生窜气的泄漏异常、阀芯52产生保持关闭异常、或者阀芯52产生保持打开异常时，产生上述那样的问题。因此，需要对PVC软管从与PCV阀22的连结部或与进气管道15内的连结部脱离或者在PVC软管开孔、阀芯52产生保持关闭异常、或者阀芯52产生保持打开异常进行检测。
在将稳压箱13内的进气压、即节气门19的下游的进气通路内的进气压设为Pm时，该进气压Pm是流入稳压箱13内的吸入空气量及窜气量的合计量、和流入燃烧室6内的气体量为相同量的压力，在流入稳压箱13内的吸入空气量及窜气量的合计量或流入燃烧室6内的气体量确定时，与之相应地唯一地确定该进气压Pm。在此情况下，在内燃机负荷和内燃机转速确定时，与之相应地确定流入燃烧室6内的气体量，因此，在内燃机负荷和内燃机转速确定时，与之相应地确定该进气压Pm。也就是说，在PCV系统为正常的情况下，进气压Pm与内燃机负荷和内燃机转速相应地确定。
图3B的实线是在PCV系统为正常的情况下与图3A同样地示出将内燃机转速维持为某一定转速(除了怠速时)时的进气压Pm和内燃机负荷的关系。如图3B的实线所示，在此情况下，进气压Pm随着内燃机负荷变小而降低。另一方面，图3B的单点划线示出窜气通路23向节气门19的下游的进气通路内的开口部处的压力。在窜气并未从窜气通路23的开口部向进气通路内供给时，窜气通路23的开口部压力与实线所示的进气压Pm相等。而与之相对地，在窜气从窜气通路23的开口部供给到进气通路内时，窜气通路23的开口部压力变得比实线所示的进气压Pm稍高。如图3A所示，窜气流出口51的流路面积在内燃机中负荷运转时为最大，所以，此时向进气通路内供给的窜气量为最大，因此，如图3B所示，在内燃机中负荷运转时，窜气通路23的开口部压力相对于实线所示的进气压Pm为最高。
接着，参照图4A、图4B和图4C，对在PCV系统产生了异常时的进气压Pm的变化进行说明。此外，图4A、图4B和图4C中的实线与图3B的实线相同，因此，图4A、图4B和图4C中的实线示出在PCV系统为正常的情况下将内燃机转速维持为某一定转速(除了怠速时)时的进气压Pm和内燃机负荷的关系。
图4A的虚线示出PVC软管从与PCV阀22的连结部或与进气管道15内的连结部脱离了时、或者在PVC软管开孔时的进气压Pm的变化。在PVC软管从与PCV阀22的连结部或与进气管道15内的连结部脱离了时、或者在PVC软管开孔了时，窜气通路23向进气管道15内的开口部成为大气压。结果，进气压Pm上升，如图4A的虚线所示，进气压Pm变得比实线所示的正常时的进气压Pm高。因此，能够根据进气压Pm的变化来判别是否产生了PVC软管的脱离异常或是否产生了PVC软管的开孔异常。
此外，内燃机负荷越高，则实线所示的正常时的进气压Pm越高，在正常时的进气压Pm变高时，即使窜气通路23向进气管道15内的开口部成为大气压，进气压Pm也几乎不再变化。而与之相对地，在内燃机负荷变低、正常时的进气压Pm变低时，如图4A的虚线所示，在窜气通路23向进气管道15内的开口部成为大气压时，进气压Pm大幅变化。因此，在内燃机负荷低时，能够较为切实地判别是否产生了PVC软管的脱离异常或是否产生了PVC软管的开孔异常。另外，在进气压Pm稳定的稳态运转时，能够最切实地进行这些异常判别。于是，在本发明的实施例中，在内燃机低负荷稳态运转时，判别是否产生了PVC软管的脱离异常或是否产生了PVC软管的开孔异常、即是否产生了窜气的泄漏异常。具体地说，在怠速运转持续一定时间以上时，判别是否产生了PVC软管的脱离异常或是否产生了PVC软管的开孔异常、即是否产生了窜气的泄漏异常。
另一方面，图4B的虚线示出PCV阀22产生了保持打开异常时的进气压Pm的变化。在PCV阀22产生保持打开异常时，即使在若为正常时则窜气流出口51的流路面积变小的内燃机低负荷运转时或内燃机高负荷运转时，窜气流出口51的流路面积仍维持为大。因此，此时，若假设将进气压Pm维持为与正常时相同的进气压，则在内燃机低负荷运转时和内燃机高负荷运转时，流入稳压箱13内的吸入空气量和窜气量的合计量比正常时增大。但是，只要内燃机负荷和内燃机转速相同，则流入稳压箱13内的吸入空气量和窜气量的合计量不会变化。因此，在PCV阀22产生了保持打开异常时，实际上进气压Pm如图4B的虚线所示，在内燃机低负荷运转时，以使得流入稳压箱13内的吸入空气量和窜气量的合计量与正常时相同的方式比正常时上升。因此，能够根据进气压Pm的变化来判别PCV阀22是否产生了保持打开异常。
此外，内燃机负荷越高，则实线所示的正常时的进气压Pm越高，在正常时的进气压Pm变高时，即使将窜气流出口51的流路面积维持得大，进气压Pm也几乎不再变化。而与之相对地，在内燃机负荷变低、正常时的进气压Pm变低时，如图4B的虚线所示，在将窜气流出口51的流路面积维持得大时，进气压Pm大幅变化。因此，在内燃机负荷低时，能够判别产生了PCV阀22的保持打开异常。另外，在进气压Pm稳定的稳态运转时，能够最切实地进行该异常判别。于是，在本发明的实施例中，在内燃机低负荷稳态运转时，判别PCV阀22是否产生了保持打开异常。具体地说，在怠速运转持续一定时间以上时，判别PCV阀22是否产生了保持打开异常。
另一方面，图4C的虚线示出PCV阀22产生了保持关闭异常时的进气压Pm的变化。在PCV阀22产生保持关闭异常时，即使在若为正常时则窜气流出口51的流路面积变大的内燃机中负荷运转时，PCV阀22仍维持关闭状态。因此，此时，若假设将进气压Pm维持为与正常时相同的进气压，则在内燃机中负荷运转时，流入稳压箱13内的吸入空气量和窜气量的合计量比正常时减少。但是，如上述那样只要内燃机负荷和内燃机转速相同，则流入稳压箱13内的吸入空气量和窜气量的合计量不会变化。因此，在PCV阀22产生了保持关闭异常时，实际上进气压Pm如图4C的虚线所示，在内燃机中负荷运转时，以使得流入稳压箱13内的吸入空气量和窜气量的合计量与正常时相同的方式比正常时降低。因此，能够根据进气压Pm的变化来判别PCV阀22是否产生了保持关闭异常。
此外，在内燃机低负荷运转时或内燃机高负荷运转时，即使在正常时窜气流出口51的流路面积也小，所以，如图4C所示，不管是正常时还是PCV阀22产生了保持关闭异常时，进气压Pm几乎都不变化。而与之相对地，在内燃机中负荷运转时，在PCV阀22产生保持关闭异常时，如图4C的虚线所示，进气压Pm与正常时相比大幅降低。因此，在内燃机中负荷运转时，能够判别产生了PCV阀22的保持关闭异常。另外，在进气压Pm稳定的稳态运转时，能够最切实地进行该异常判别。于是，在本发明的实施例中，在内燃机中负荷稳态运转时，判别PCV阀22是否产生了保持打开异常。具体地说，在内燃机中负荷运转持续一定时间以上时，判别PCV阀22是否产生了保持关闭异常。
这样，在产生窜气的泄漏异常、阀芯52的保持关闭异常、或者阀芯52的保持打开异常时，能够根据进气压Pm的变化来判别窜气的泄漏异常、阀芯52的保持关闭异常、或者阀芯52的保持打开异常。但是，在此情况下，从图4A的虚线和图4B的虚线可知，在产生了窜气的泄漏异常时和PCV阀22产生了保持打开异常时，进气压Pm进行相似的变化，所以，根据进气压Pm的变化来正确地判别是否产生了窜气的泄漏并不简单。于是，在本发明中，采用神经网络，根据进气压Pm的变化来正确地判别在窜气送出路20是否产生了异常。
＜神经网络的概要＞
如上述那样，在本发明的实施例中，采用神经网络来判别在窜气送出路20是否产生了异常。于是，首先对神经网络进行简单地说明。图5示出简单的神经网络。图5中的圆圈表示人工神经元，在神经网络中，该人工神经元通常被称为节点或单元(在本申请中称为节点)。在图5中，L＝1表示输入层，L＝2和L＝3表示隐层，L＝4表示输出层。另外，在图5中，x1和x2表示来自输入层(L＝1)的各节点的输出值，y1和y2表示来自输出层(L＝4)的各节点的输出值，z(2) 1、z(2) 2和z(2) 3表示来自隐层(L＝2)的各节点的输出值，z(3) 1、z(3) 2和z(3) 3表示来自隐层(L＝3)的各节点的输出值。此外，隐层的层数能够是1个或任意的个数，输入层的节点的数量和隐层的节点的数量也能够是任意的个数。另外，输出层的节点的数量能够是1个，也能够是多个。
在输入层的各节点处，输入保持原样地被输出。另一方面，输入层的各节点的输出值x1和x2被输入隐层(L＝2)的各节点，在隐层(L＝2)的各节点处，分别采用对应的权重w和偏置(bias)b来算出总输入值u。例如，在图5中，在隐层(L＝2)的z(2) k(k＝1，2，3)所示的节点处算出的总输入值uk如下式。
【数学式1】
Figure BDA0002510797270000121
然后，该总输入值uk通过活性化函数f来变换，从隐层(L＝2)的z(2) k所示的节点被输出作为输出值z(2) k(＝f(uk))。另一方面，隐层(L＝2)的各节点的输出值z(2) 1、z(2) 2和z(2) 3被输入隐层(L＝3)的各节点，在隐层(L＝3)的各节点处，分别采用对应的权重w和偏置b来算出总输入值u(Σz·w+b)。该总输入值u同样地通过活性化函数来变换，从隐层(L＝3)的各节点被输出作为输出值z(3) 1、z(3) 2和z(3) 3。作为该活性化函数，采用例如Sigmoid函数σ。
另一方面，隐层(L＝3)的各节点的输出值z(3) 1、z(3) 2和z(3) 3被输入输出层(L＝4)的各节点，在输出层的各节点处，分别采用对应的权重w和偏置b来算出总输入值u(Σz·w+b)、或者分别仅采用对应的权重w来算出总输入值u(Σz·w)。例如，在回归问题中，在输出层的节点处采用恒等函数，因此，在输出层的节点中算出的总输入值u从输出层的节点保持原样地被输出作为输出值y。
＜神经网络中的学习＞
若将表示神经网络的输出值y的真值的示教数据、即真值数据设为yt，则以使得输出值y和示教数据即真值数据yt之差变小的方式采用误差逆传播算法来学习神经网络中的各权重w和偏置b。该误差逆传播算法是公知的，因此，以下对误差逆传播算法的概要进行简单地说明。此外，由于偏置b是权重w的一种，所以，以下将偏置b也包括在内地称之为权重w。在图5所示那样的神经网络中，在用w(L)来表示向L＝2、L＝3或L＝4的各层的节点的输入值u(L)中的权重时，误差函数E对于权重w(L)的微分、即梯度
Figure BDA0002510797270000132
改写成下式所示。
【数学式2】
Figure BDA0002510797270000131
在此，由于
Figure BDA0002510797270000133
所以，若
Figure BDA0002510797270000134
则上述式(1)也能够用下式来表示。
【数学式3】
Figure BDA0002510797270000141
在此，若u(L)变动，则通过下一层的总输入值u(L+1)的变化而引起误差函数E的变动，所以，δ(L)能够用下式来表示。
【数学式4】
Figure BDA0002510797270000142
在此，若表示为z(L)＝f(u(L))，则在上述式(3)的右边出现的输入值uk (L+1)能够用下式来表示。
【数学式5】
输入值
Figure BDA0002510797270000143
在此，上述式(3)的右边第1项
Figure BDA0002510797270000146
为δ(L+1)，上述式(3)的右边第2项
Figure BDA0002510797270000147
能够用下式来表示。
【数学式6】
Figure BDA0002510797270000144
因此，δ(L)用下式来表示。
【数学式7】
Figure BDA0002510797270000145
也就是说，在求出δ(L+1)后，能够求出δ(L)。
在输出层(L＝4)的节点为一个、对某输入值求出示教数据即真值数据yt、来自对于该输入值的输出层的输出值为y的情况下，在采用平方误差作为误差函数时，平方误差E用E＝1/2(y-yt)2求出。在此情况下，在输出层(L＝4)的节点处，输出值y＝f(u(L))，因此，在此情况下，输出层(L＝4)的节点处的δ(L)的值用下式来表示。
【数学式8】
Figure BDA0002510797270000151
在此情况下，在回归问题中，如前述那样，f(u(L))为恒等函数，f’(u(Ll))＝1。因此，δ(L)＝y-yt，从而求出δ(L)。
在求出δ(L)后，采用上式(6)来求出前层的δ(L-1)。这样依次求出前层的δ，并采用这些δ的值根据上式(2)对各权重w求出误差函数E的微分、即梯度
Figure BDA0002510797270000153
在求出梯度
Figure BDA0002510797270000154
后，采用该梯度
Figure BDA0002510797270000155
以减少误差函数E的值的方式更新权重w。也就是说，进行权重w的学习。
另一方面，在分类问题中，在学习时，来自输出层(L＝4)的各输出值y1、y2…被输入SoftMax层，在将来自SoftMax层的输出值设为y1’、y2’…并将对应的真值标签设为yt1、yt2…时，采用以下的交叉熵误差E作为误差函数E。
【数学式9】
Figure BDA0002510797270000152
在此情况下也同样地，输出层(L＝4)的各节点处的δ(L)的值为δ(L)＝yk-ytk(k＝1，2…n)，采用上式(6)根据这些δ(L)的值求出前层的δ(L-1)。
＜本发明的实施例＞
在本发明的第1实施例中，由配置于稳压箱13内的压力传感器25检测出节气门19下游的进气通路内的进气压Pm，采用该进气压Pm来判别是否产生了窜气的泄漏异常、阀芯52是否产生了保持打开异常、以及阀芯52是否产生了保持关闭异常。
另一方面，在本发明的第2实施例中，基于由吸入空气量检测器16检测出的吸入空气量、大气压、大气温度和节气门19的开度来算出节气门19下游的进气通路内的进气压Pm的推定值，采用该进气压Pm的推定值来判别是否产生了窜气的泄漏异常、阀芯52是否产生了保持打开异常、以及阀芯52是否产生了保持关闭异常。在该第2实施例中，具有无需用于检测进气压Pm的压力传感器25的优点。
接下来，参照图6至图9，对算出进气压Pm的推定值的方法进行说明。图6图解性地示出图1所示的稳压箱13、进气管道15和节气门19。另外，图6用虚线示出图1所示的窜气通路23。此外，首先对通过节气门19的吸入空气量的算出方法进行说明。
在图6中，Pa表示节气门19上游的进气通路内的压力，Ta表示节气门19上游的进气通路内的温度，Pm表示节气门19下游的进气通路内的压力、即进气压，Tm表示节气门19下游的进气通路内的温度。在此情况下，在将节气门19的开口面积设为TA、将流量系数设为μ、将R设为气体常数、将κ设为比热比时，通过节气门19的吸入空气量mt用下式来表示。
【数学式10】
Figure BDA0002510797270000161
Figure BDA0002510797270000162
在此，节气门19的开口面积TA如图7A和图7B中阴影线所示，表示沿着进气管道15的轴线观察时由节气门19的外周缘和进气管道15的内周面所包围的面积。该节气门19的开口面积TA作为节气门19的开度的函数而被预先存储于存储器32内。
接着，对上式(9)和(10)的求法进行简单地说明。在将刚通过节气门19的吸入空气的流速设为v(m/s)、将吸入空气的密度设为ρ(kg/m3)时，通过节气门19的吸入空气量mt用下式来表示。
【数学式11】
mt＝TA·v·ρ …(11)
另一方面，在通过节气门19的前后保存吸入空气的能量时，对每单位质量(1kg)的吸入空气来说，下式成立。
【数学式12】
Figure BDA0002510797270000171
此外，在上式(12)中，1/2·v2和CP·Tm分别表示刚通过节气门19的吸入空气的动能和焓，CP·Ta表示通过节气门19前的吸入空气的焓。此外，将通过节气门19前的吸入空气的流速设为零。另外，在上式(12)中，CP表示吸入空气的定压比热。
另一方面，由于在通过节气门19前后保存吸入空气的动量，所以，下式成立。
【数学式13】
(mt·Δt)·v＝TA·(Pa-Pm)·Δt …(13)
此外，在上式(13)的左边，(mt·Δt)表示每单位时间Δt被加速的吸入空气的质量，v表示吸入空气的速度变化量(将通过节气门19前的吸入空气的流速设为零)。另一方面，上式(13)的右边表示冲量。根据上式(11)、(12)、(13)、状态方程式P＝ρ·R·T、以及CP＝R·k/(k-1)，求出表示通过节气门19的吸入空气量mt的上式(9)和(10)。从上式(9)和(10)可知，通过节气门19的吸入空气量mt为节气门19上游的进气通路内的压力Pa、节气门19上游的进气通路内的温度Ta、节气门19下游的进气通路内的压力Pm和节气门19的开口面积TA的函数。
图8示出在将节气门19上游的进气通路内的压力Pa和节气门19上游的进气通路内的温度Ta维持为某一定值时通过节气门19的吸入空气量mt和压力比(Pm/Pa)的关系。此外，图8示出节气门19的开口面积TA大时的吸入空气量mt的变化和节气门19的开口面积TA小时的吸入空气量mt的变化。如图8所示，在压力比(Pm/Pa)为1/(κ+1)(＝0.4167)以上的情况下，随着压力比(Pm/Pa)变高，吸入空气量mt减少，在压力比(Pm/Pa)为1/(κ+1)(＝0.4167)以下的情况下，吸入空气量mt不管压力比(Pm/Pa)如何都是一定的。此外，在通常的车辆行驶时，压力比(Pm/Pa)为1/(κ+1)(＝0.4167)以上。
图9示出上式(9)和(10)中的Φ(Pm/Pa)和压力比(Pm/Pa)的关系。从上式(9)可知，若知晓通过节气门19的吸入空气量mt、节气门19上游的进气通路内的压力Pa、节气门19上游的进气通路内的温度Ta和节气门19的开口面积TA，就会知晓Φ(Pm/Pa)，若知晓Φ(Pm/Pa)，则根据图9所示的关系就会知晓节气门19下游的进气通路内的压力Pm即进气压Pm。在此情况下，通过节气门19的吸入空气量mt与由吸入空气量检测器16检测出的吸入空气量相等，因此，若知晓由吸入空气量检测器16检测出的吸入空气量mt、节气门19上游的进气通路内的压力Pa、节气门19上游的进气通路内的温度Ta和节气门19的开口面积TA，则根据图9所示的关系就会知晓节气门19下游的进气通路内的压力Pm即进气压Pm。
此外，在该第2实施例中，图9所示的Φ(Pm/Pa)和压力比(Pm/Pa)的关系预先存储于存储器32内。另外，如前述那样，节气门19的开口面积TA作为节气门19的开度的函数而预先存储于存储器32内，因此，若知晓节气门19的开度，就会知晓节气门19的开口面积TA。于是，在该第2实施例中，基于吸入空气量检测器16、大气压传感器27、大气温度传感器28和节气门开度传感器26的检测结果来分别求出吸入空气量mt、节气门19上游的进气通路内的压力Pa、节气门19上游的进气通路内的温度Ta和节气门19的开口面积TA，采用图9所示的关系来求出节气门19下游的进气通路内的压力Pm即进气压Pm的推定值。
那么如前述那样，在PCV系统为正常的情况下，节气门19下游的进气通路内的压力Pm即进气压Pm与内燃机负荷和内燃机转速相应地确定。而与之相对地，在产生了窜气的泄漏异常或者PCV阀22产生了保持打开异常时，如参照图4A和图4B进行说明的那样，在内燃机低负荷运转时进气压Pm相对于正常时的进气压Pm变化，在PCV阀22产生了保持关闭异常时，如参照图4C进行说明的那样，在内燃机中负荷运转时进气压Pm相对于正常时的进气压Pm变化。于是，如前述那样，在本发明的实施例中，在内燃机低负荷稳态运转时，判别是否产生了窜气的泄漏异常、以及PCV阀22是否产生了保持打开异常，在内燃机中负荷稳态运转时，判别PCV阀22是否产生了保持关闭异常。
在此情况下，若是能够准确地捕捉到该进气压Pm的变化，则能够正确地判别是否产生了窜气的泄漏异常、PCV阀22是否产生了保持打开异常、以及PCV阀22是否产生了保持关闭异常。于是，在本发明的实施例中，为了正确地判别窜气的泄漏异常的产生和PCV阀22的保持打开异常的产生，在内燃机低负荷稳态运转时，采用第1神经网络来制作第1异常判定推定模型，而且，为了正确地判别PCV阀22的保持关闭异常的产生，在内燃机中负荷稳态运转时，采用第2神经网络来制作第2异常判定推定模型，该第1异常判定推定模型能正确地推定是否产生了窜气的泄漏异常、或者是否产生了PCV阀22的保持打开异常，该第2异常判定推定模型能正确地推定是否产生了PCV阀22的保持关闭异常。
接着，参照图10，对第1神经网络的一实施例进行说明，该第1神经网络用于在内燃机低负荷稳态运转时制作能正确地推定是否产生了窜气的泄漏异常、或者是否产生了PCV阀22的保持打开异常的第1异常判定推定模型。参照图10，在该第1神经网络60中，与图5所示的神经网络同样地，L＝1表示输入层，L＝2和L＝3表示隐层，L＝4表示输出层。在该神经网络60中，如图10所示，输入层(L＝1)由3个节点构成，3个输入值x1、x2、x3被输入输入层(L＝1)的各节点。
另一方面，图10中记载了隐层(L＝2)和隐层(L＝3)，但这些隐层的层数能够是1个或任意的个数，另外，这些隐层的节点的数量也能够是任意的个数。另外，在本实施例中，输出层(L＝4)的节点的数量为3个，用y1’、y2’、y3’来表示来自输出层(L＝4)的节点的输出值。这些输出值y1’、y2’、y3’被送入SoftMax层SM并被分别变换成对应的输出值y1、y2、y3。这些输出值y1、y2、y3的合计为1，各输出值y1、y2、y3表示相对于1的比例。
接着，参照图11所示的一览表，对图10中的输入值x1、x2、x3进行说明。如前述那样，在PCV系统并未产生异常的情况下，节气门19下游的进气通路内的压力Pm即进气压Pm与内燃机负荷和内燃机转速相应地确定，在PCV系统产生异常时，进气压Pm相对于正常时的进气压Pm变化。因此，在本发明的第1实施例中，内燃机负荷为输入值x1，内燃机转速为输入值x2，由压力传感器25检测出的节气门19下游的进气压Pm的实测值为输入值x3。
图12示出图10所示的输出值y1’、y2’、y3’和输出值y1、y2、y3表示哪种异常状态的一览表。从图12可知，输出值y1’和输出值y1表示在PVC软管从与PCV阀22的连结部或与进气管道15内的连结部脱离时或者在PVC软管开孔时产生的窜气的泄漏异常，输出值y2’和输出值y2表示持续打开阀芯52的PCV阀22的保持打开异常，输出值y3’和输出值y3表示正常时。而且，图12示出判别是否产生了窜气的泄漏异常、以及是否产生了PCV阀22的保持打开异常时的内燃机的运转状态。此外，关于第1神经网络的输出值，在以下说明的所有实施例中，与图12的一览表所示的输出值y1’、y2’、y3’及输出值y1、y2、y3相同，因此，在以下说明的各实施例中，省略关于这些输出值y1’、y2’、y3’和输出值y1、y2、y3的说明。
图13示出采用输入值x1、x2、x3和示教数据即真值标签yt而制作的训练数据集。在该图13中，输入值x1、x2、x3如前述那样分别表示内燃机负荷、内燃机转速、以及由压力传感器25检测出的节气门19下游的进气压Pm的实测值。在此情况下，内燃机负荷和内燃机转速使用在电子控制单元30内算出的值。
另一方面，在图13中，yt1、yt2、yt3分别表示对于图10所示的输出值y1’、y2’、y3’和输出值y1、y2、y3的示教数据即真值标签。也就是说，在图13中，yt1表示产生了窜气的泄漏异常时的真值标签，yt2表示产生了PCV阀22的保持打开异常时的真值标签，yt3表示为正常时的真值标签。在此情况下，例如在产生了窜气的泄漏异常时，仅真值标签yt1为1，其余的真值标签yt2、yt3全部为零。同样地，在产生了PCV阀22的保持打开异常时，仅真值标签yt2为1且其余的真值标签yt1、yt3全部为零，在为正常时，仅真值标签yt3为1且其余的真值标签yt1、yt2全部为零。
另一方面，如图13所示，在该训练数据集中，取得表示输入值x1、x2、x3和真值标签yt的关系的m个数据。例如，在第2个数据(No.2)中列举出已取得的输入值x12、x22、x32和真值标签yt12、yt22、yt32，在第m-1个数据(No.m-1)中列举出已取得的输入参数的输入值x1m-1、x2m-1、x3m-1和真值标签yt1m-1、yt2m-1、yt3m-1。
接着，参照图14，对第2神经网络的一实施例进行说明，该第2神经网络用于在内燃机中负荷稳态运转时制作能正确地推定是否产生了PCV阀22的保持关闭异常的第2异常判定推定模型。参照图14，在该第2神经网络61中，与图10所示的第1神经网络60同样地，L＝1表示输入层，L＝2和L＝3表示隐层，L＝4表示输出层。在该第2神经网络61中也同样地，如图14所示，输入层(L＝1)由3个节点构成，3个输入值x1、x2、x3被输入输入层(L＝1)的各节点。
另一方面，图14中记载了隐层(L＝2)和隐层(L＝3)，但这些隐层的层数能够是1个或任意的个数，另外，这些隐层的节点的数量也能够是任意的个数。另外，在本实施例中，输出层(L＝4)的节点的数量为2个，用y1’、y2’来表示来自输出层(L＝4)的节点的输出值。这些输出值y1’、y2’被送入SoftMax层SM并被分别变换成对应的输出值y1、y2。这些输出值y1、y2的合计为1，各输出值y1、y2表示相对于1的比例。此外，在此情况下，也能够是，不用SoftMax层SM而使输出层(L＝4)的节点的数量为1个，将该节点处的活性化函数设为Sigmoid函数来进行二值分类。
另一方面，图14中的输入值x1、x2、x3与图10中的输入值x1、x2、x3相同。也就是说，在图14所示的第2神经网络61中也同样地，如图11的一览表所示，内燃机负荷为输入值x1，内燃机转速为输入值x2，由压力传感器25检测出的节气门19下游的进气压Pm的实测值为输入值x3。
图15示出图14所示的输出值y1’、y2’和输出值y1、y2表示哪种异常状态的一览表。从图15可知，输出值y1’和输出值y1表示阀芯52持续关闭的PCV阀22的保持关闭异常，输出值y2’和输出值y2表示正常时。而且，图15示出判别是否产生了PCV阀22的保持关闭异常时的内燃机的运转状态。此外，关于第2神经网络的输出值，在以下说明的所有实施例中，与图15的一览表所示的输出值y1’、y2’和输出值y1、y2相同，因此，在以下说明的各实施例中，省略关于这些输出值y1’、y2’和输出值y1、y2的说明。
图16示出采用输入值x1、x2、x3和示教数据即真值标签yt而制作的对第2神经网络61的训练数据集。在该图16中，输入值x1、x2、x3如前述那样分别表示内燃机负荷、内燃机转速、以及由压力传感器25检测出的节气门19下游的进气压Pm的实测值。在此情况下，内燃机负荷和内燃机转速使用在电子控制单元30内算出的值。
另一方面，在图16中，yt1、yt2分别表示相对于图14所示的输出值y1’、y2’和输出值y1、y2的示教数据即真值标签。也就是说，在图16中，yt1表示产生了PCV阀22的保持关闭异常时的真值标签，yt2表示为正常时的真值标签。在此情况下，例如在产生了PCV阀22的保持关闭异常时，真值标签yt1为1且其余的真值标签yt2为零，在为正常时时，真值标签yt1为1且其余的真值标签yt2为零。
另一方面，如图16所示，在该训练数据集中，取得表示输入值x1、x2、x3和真值标签yt的关系的m个数据。例如，在第2个数据(No.2)中列举出已取得的输入值x12、x22、x32和真值标签yt12、yt22，在第m-1个数据(No.m-1)中列举出已取得的输入参数的输入值x1m-1、x2m-1、x3m-1和真值标签yt1m-1、yt2m-1。
图17示出图10中的输入值x1、x2、x3和图14中的输入值x1、x2、x3的第2实施例的一览表。在该第2实施例中，如图17所示，内燃机负荷为输入值x1，内燃机转速为输入值x2，节气门19下游的进气压Pm的推定值为输入值x3。如前述那样，采用由吸入空气量检测器16、大气压传感器27和大气温度传感器28分别检测出的吸入空气量mt、节气门19上游的进气通路内的压力Pa和节气门19上游的进气通路内的温度Ta、基于节气门开度传感器26的检测值而算出的节气门19的开口面积TA、以及图9所示的关系，从而求出该进气压Pm的推定值。
另一方面，在该第2实施例中也同样地，采用与图10所示的第1神经网络60和图14所示的第2神经网络61同样的两个神经网络，采用与图13所示的训练数据集和图16所示的训练数据集同样的两个训练数据集。但是，在该第2实施例中，输入值x1和x2与第1实施例同样地，内燃机负荷为输入值x1，内燃机转速为输入值x2；而输入值x3与第1实施例不同，节气门19下游的进气压Pm的推定值为输入值x3。在该第2实施例中，具有无需压力传感器25的优点。
图18示出第3实施例中的输入值的一览表。参照图18所示的一览表，在该第3实施例中，输入值由四个输入值x1、x2、x3、x4构成。也就是说，内燃机负荷为输入值x1，内燃机转速为输入值x2，节气门19下游的进气压Pm的实测值为输入值x3，节气门19下游的进气压Pm的推定值为输入值x4。在此情况下，进气压Pm的实测值由压力传感器25检测，采用由吸入空气量检测器16、大气压传感器27和大气温度传感器28分别检测出的吸入空气量mt、节气门19上游的进气通路内的压力Pa和节气门19上游的进气通路内的温度Ta、基于节气门开度传感器26的检测值而算出的节气门19的开口面积TA、以及图9所示的关系，从而求出进气压Pm的推定值。
图19示出在该第3实施例中采用的第1神经网络62，图20示出对该第1神经网络62的训练数据集。另外，图21示出在该第3实施例中采用的第2神经网络63，图22示出对该第2神经网络63的训练数据集。如图19和图21所示，在第1神经网络62和第2神经网络63中，输入层(L＝1)由4个节点构成，四个输入值x1、x2、x3、x4、即内燃机负荷(输入值x1)、内燃机转速(输入值x2)、节气门19下游的进气压Pm的实测值(输入值x3)和节气门19下游的进气压Pm的推定值(输入值x4)被输入输入层(L＝1)的各节点。另外，图20和图22所示的训练数据集中的x1、x2、x3、x4分别表示内燃机负荷、内燃机转速、节气门19下游的进气压Pm的实测值和节气门19下游的进气压Pm的推定值。这样，在该第3实施例中，通过采用节气门19下游的进气压Pm的实测值和节气门19下游的进气压Pm的推定值作为输入值，能够进一步提高用于判别在窜气送出路20或PCV阀22是否产生了异常的判别精度。
图23示出第4施例中的输入值的一览表。参照图23所示的一览表，在该第4实施例中，输入值由六个输入值x1、x2、x3、x4、x5、x6构成。也就是说，内燃机负荷为输入值x1，内燃机转速为输入值x2，由吸入空气量检测器16检测出的吸入空气量为输入值x3，由节气门开度传感器26检测出的节气门开度为输入值x4，由大气温度传感器28检测出的大气温度为输入值x5，由大气压传感器27检测出的大气压为输入值x6。换言之，在该第4实施例中，除了内燃机负荷和内燃机转速之外还采用求出进气压Pm的推定值所需的吸入空气量mt、节气门19上游的进气通路内的压力Pa、节气门19上游的进气通路内的温度Ta和节气门开度作为输入值。
图24示出在该第4实施例中采用的第1神经网络64，图25示出对该第1神经网络64的训练数据集。另外，图26示出在该第4实施例中采用的第2神经网络65，图27示出对该第2神经网络65的训练数据集。如图24和图26所示，在第1神经网络64和第2神经网络65中，输入层(L＝1)由6个节点构成，六个输入值x1、x2、x3、x4、x5、x6、即内燃机负荷(输入值x1)、内燃机转速(输入值x2)、吸入空气量(输入值x3)、节气门开度(输入值x4)、大气温度(输入值x5)和大气压(输入值x6)被输入输入层(L＝1)的各节点。另外，图25和图27所示的训练数据集中的x1、x2、x3、x4、x5、x6分别表示内燃机负荷、内燃机转速、吸入空气量、节气门开度、大气温度和大气压。
接下来，对在至此说明的第1实施例至第4实施例的各实施例中采用的各种训练数据集的制作方法进行说明。图28示出训练数据集的制作方法的一个例子。参照图28，图1所示的内燃机本体1设置于能调整室内温度和室内压力的试验室69内，为了取得制作训练数据集所需的数据，通过试验控制装置70而将内燃机负荷、内燃机转速等分别调整为各种值。此时，将窜气送出路20的状态依次改变为PVC软管从与PCV阀22的连结部脱离的窜气泄漏异常状态、PVC软管从与进气管道15内的连结部脱离的窜气泄漏异常状态、在PVC软管开孔的窜气泄漏异常状态、阀芯52持续打开的PCV阀22的保持打开异常状态、阀芯52持续关闭的PCV阀22的保持关闭异常状态、以及正常状态，在改变了的各状态下依次改变内燃机负荷、内燃机转速等的组合，从而取得制作训练数据集所需的数据。
图29示出制作训练数据集所需的数据的取得例程。参照图29，首先在步骤80中，改变窜气送出路20的正常状态和异常状态、大气温度(试验室69内的室内温度)、大气压(试验室69内的室内压力)、内燃机运转状态的组合。此外，在最初前进到步骤80时，这些窜气送出路20的状态、大气温度、大气压、内燃机运转状态为预先确定的初始的状态。接着，在步骤81中，判别是否为内燃机低负荷稳态运转时。在并非内燃机低负荷稳态运转时，跳到步骤84。而与之相对地，在为内燃机低负荷稳态运转时，前进到步骤82。
在步骤82中，采用由吸入空气量检测器16、大气压传感器27和大气温度传感器28分别检测出的吸入空气量mt、节气门19上游的进气通路内的压力Pa和节气门19上游的进气通路内的温度Ta、基于节气门开度传感器26的检测值而算出的节气门19的开口面积TA、以及图9所示的关系，从而算出进气压Pm的推定值。此外，该步骤82中的进气压Pm的推定值的算出处理仅在制作对第2实施例和第3实施例的训练数据集时进行，在制作对第1实施例和第4实施例的训练数据集时省略该步骤82。
接着，在步骤83中，取得输入值x1…输入值xn和对于输出值y1’、y2’、y3’和输出值y1、y2、y3的示教数据即真值标签yt1、yt2、yt3并存储于试验控制装置70内。在此情况下，取得并存储于试验控制装置70内的输入值如前述那样，在第1实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)和节气门19下游的进气压Pm的实测值(输入值x3)，在第2实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)和节气门19下游的进气压Pm的推定值(输入值x3)，在第3实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)、节气门19下游的进气压Pm的实测值(输入值x3)和节气门19下游的进气压Pm的推定值(输入值x4)，在第4实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)、吸入空气量(输入值x3)、节气门开度(输入值x4)、大气温度(输入值x5)和大气压(输入值x6)。
另一方面，在步骤83中取得并存储于试验控制装置70内的示教数据即真值标签yt1、yt2、yt3在所有实施例中共用，yt1表示产生了窜气的泄漏异常时的真值标签，yt2表示产生了PCV阀22的保持打开异常时的真值标签，yt3表示为正常时的真值标签。在此情况下，如前述那样，例如在产生了窜气的泄漏异常时，仅真值标签yt1为1、其余的真值标签yt2、yt3全部为零。同样地，在产生了PCV阀22的保持打开异常时，仅真值标签yt2为1且其余的真值标签yt1、yt3全部为零，在为正常时，仅真值标签yt3为1且其余的真值标签yt1、yt2全部为零。然后，前进到步骤84。
在步骤84中，判别是否为内燃机中负荷稳态运转时。在并非内燃机中负荷稳态运转时，跳到步骤87。而与之相对地，在为内燃机中负荷稳态运转时，前进到步骤85。在步骤85中，采用由吸入空气量检测器16、大气压传感器27和大气温度传感器28分别检测出的吸入空气量mt、节气门19上游的进气通路内的压力Pa和节气门19上游的进气通路内的温度Ta、基于节气门开度传感器26的检测值而算出的节气门19的开口面积TA、以及图9所示的关系，从而算出进气压Pm的推定值。此外，该步骤85中的进气压Pm的推定值的算出处理仅在制作对第2实施例和第3实施例的训练数据集时进行，在制作对第1实施例和第4实施例的训练数据集时省略该步骤85。
接着，在步骤86中，取得输入值x1…输入值xn和相对于输出值y1’、y2’和输出值y1、y2的示教数据即真值标签yt1、yt2并存储于试验控制装置70内。在此情况下，取得并存储于试验控制装置70内的输入值如上述那样，在第1实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)和节气门19下游的进气压Pm的实测值(输入值x3)，在第2实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)和节气门19下游的进气压Pm的推定值(输入值x3)，在第3实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)、节气门19下游的进气压Pm的实测值(输入值x3)和节气门19下游的进气压Pm的推定值(输入值x4)，在第4实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)、吸入空气量(输入值x3)、节气门开度(输入值x4)、大气温度(输入值x5)和大气压(输入值x6)。
另一方面，在步骤86中取得并存储于试验控制装置70内的示教数据即真值标签yt1、yt2在所有实施例中共用，yt1表示产生了PCV阀22的保持关闭异常时的真值标签，yt2表示为正常时的真值标签。在此情况下，如前述那样，例如在产生了PCV阀22的保持异常时，真值标签yt1为1且其余的真值标签yt2为零，在为正常时，真值标签yt2为1且其余的真值标签yt1为零。然后，前进到步骤87。
在步骤87中，判别是否完成了对窜气送出路20的正常状态、窜气送出路20的异常状态、大气温度、大气压和内燃机运转状态的所有组合的数据的取得。此外，在此情况下，在对第1实施例制作训练数据集时，将大气温度和大气压维持为一定。在步骤87中判别为并未完成对窜气送出路20的正常状态、窜气送出路20的异常状态、大气温度、大气压和内燃机运转状态的所有组合的数据的取得时，返回步骤80，改变窜气送出路20的状态、大气温度、大气压、内燃机运转状态中的一个。然后，在步骤87中，在判别为完成了对窜气送出路20的状态、大气温度、大气压、内燃机运转状态的所有组合的数据的取得时，完成数据的取得处理。
在这样制作了训练数据集时，采用制作了的训练数据集的电子数据，若为第1实施例和第2实施例则进行图10所示的第1神经网络60和图14所示的第2神经网络61的权重的学习，若为第3实施例则进行图19所示的第1神经网络62和图21所示的第2神经网络63的权重的学习，若为第4实施例则进行图24所示的第1神经网络64和图26所示的第2神经网络65的权重的学习。在图28所示的例子中，设置有用于进行神经网络60、61、62、63、64、65的权重的学习的学习装置71。作为该学习装置71，也能够采用个人计算机。如图28所示，该学习装置71具有CPU(微处理器)72和存储装置即存储器73。在图28所示的例子中，与实施例相对应的神经网络的节点数、以及与实施例相对应地制作的训练数据集的电子数据被存储于学习装置71的存储器73，在CPU72进行神经网络的权重的学习。
图30示出在学习装置71中进行的神经网络的权重的学习处理例程。
参照图30，首先，在步骤100中，读入被存储于学习装置71的存储器73中的与实施例相对应的训练数据集的各数据。接着，在步骤101中，读入与实施例相对应的神经网络60、61、62、63、64、65的输入层(L＝1)的节点数、隐层(L＝2)和隐层(L＝3)的节点数、以及输出层(L＝4)的节点数，然后，在步骤102中，基于这些节点数来制作与实施例相对应的神经网络60、61、62、63、64、65。
接着，在步骤103中，进行与实施例相对应的神经网络60、61、62、63、64、65的权重的学习。在该步骤103中，最初将与实施例相对应的训练数据集的第1个(No.1)输入值x1…xn输入神经网络60、61、62、63、64、65的输入层(L＝1)的各节点。在此时进行第1神经网络60、62、64的权重的学习的情况下，从神经网络60、62、64的输出层的各节点输出输出值y1’、y2’、y3’，将这些输出值y1’、y2’、y3’送入SoftMax层SM并分别变换成对应的输出值y1、y2、y3。然后，根据这些输出值y1、y2、y3和真值标签yt1、yt2、yt3来算出前述的交叉熵误差E，采用前述的误差逆传播算法来进行神经网络60、62、64的权重的学习，以使得交叉熵误差E变小。
另一方面，在此时进行第2神经网络61、63、65的权重的学习的情况下，从神经网络61、63、65的输出层的各节点输出输出值y1’、y2’，将这些输出值y1’、y2’送入SoftMax层SM并分别变换成对应的输出值y1、y2。然后，根据这些输出值y1、y2和真值标签yt1、yt2来算出前述的交叉熵误差E，采用前述的误差逆传播算法来进行神经网络61、63、65的权重的学习，以使得交叉熵误差E变小。
在完成了基于与实施例相对应的训练数据集的第1个(No.1)数据的神经网络60、61、62、63、64、65的权重的学习时，接着，采用误差逆传播算法来进行基于与实施例相对应的训练数据集的第2个(No.2)数据的神经网络60、61、62、63、64、65的权重的学习。同样地，直到与实施例相对应的训练数据集的第m个(No.m)为止，依次进行神经网络60、61、62、63、64、65的权重的学习。在对与实施例相对应的训练数据集的第1个(No.1)至第m个(No.m)都完成了神经网络60、61、62、63、64、65的权重的学习时，前进到步骤104。
在步骤104中，判别交叉熵误差E是否为预先设定的设定误差以下。在判别为交叉熵误差E并非为预先设定的设定误差以下时，返回步骤103，再次基于与实施例相对应的训练数据集来进行神经网络60、61、62、63、64、65的权重学习。然后，持续进行神经网络60、61、62、63、64、65的权重的学习，直到交叉熵误差E成为预先设定的设定误差以下。在步骤104中，判别为交叉熵误差E为预先设定的设定误差以下时，前进到步骤105，将神经网络60、61、62、63、64、65的学习完毕权重存储于学习装置71的存储器73。这样，制作能正确地推定是否产生了窜气的泄漏异常或者是否产生了PCV阀22的保持打开异常的第1异常判定推定模型、以及能正确地推定是否产生了PCV阀22的保持关闭异常的第2异常判定推定模型。
在本发明的实施例中，采用这样制作的对窜气的泄漏异常和PCV阀22的保持打开异常的第1异常判定推定模型、以及对PCV阀22的保持关闭异常的第2异常判定推定模型，来进行出售车辆中的窜气送出路20的故障诊断。为此，将这些窜气送出路20和PCV阀22的异常判定推定模型保存于出售车辆的电子控制单元30。图31示出为了将这些窜气送出路20和PCV阀22的异常判定推定模型保存于出售车辆的电子控制单元30而在电子控制单元30中进行的向电子控制单元的数据读入例程。
参照图31，首先，在步骤200中，与实施例相对应的神经网络60、61、62、63、64、65的输入层(L＝1)的节点数、隐层(L＝2)和隐层(L＝3)的节点数、以及输出层(L＝4)的节点数被读入电子控制单元30的存储器32，然后，在步骤201中，基于这些节点数来制作与实施例相对应的神经网络60、61、62、63、64、65。接着，在步骤202中，神经网络60、61、62、63、64、65的学习完毕权重被读入电子控制单元30的存储器32。由此，将窜气送出路20和PCV阀22的异常判定推定模型保存于出售车辆的电子控制单元30。
接着，参照图32，对在出售车辆中执行的窜气送出路20和PCV阀22的异常检测例程进行说明。该例程在正在进行内燃机的运转时通过每隔一定时间的中断或预先确定的曲轴角处的中断来执行。参照图32，首先，在步骤300中，判别是否为内燃机低负荷稳态运转时。在并非内燃机低负荷稳态运转时，前进到步骤306，判别是否为内燃机中负荷稳态运转时。在并非内燃机中负荷稳态运转时，结束处理循环。
另一方面，在步骤300中，在判别为是内燃机低负荷稳态运转时的情况下，前进到步骤301，采用由吸入空气量检测器16、大气压传感器27和大气温度传感器28分别检测出的吸入空气量mt、节气门19上游的进气通路内的压力Pa和节气门19上游的进气通路内的温度Ta、基于节气门开度传感器26的检测值而算出的节气门19的开口面积TA、以及图9所示的关系，从而算出进气压Pm的推定值。此外，该步骤301中的进气压Pm的推定值的算出处理仅在第2实施例和第3实施例中进行窜气的泄漏异常和PCV阀22的保持打开异常的检测时进行，在第1实施例和第4实施例中进行窜气的泄漏异常和PCV阀22的保持打开异常的检测时省略该步骤301。
接着，在步骤302中，取得输入值x1…输入值xn并存储于存储器32内。在此情况下，取得并存储于存储器32内的输入值，在第1实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)和节气门19下游的进气压Pm的实测值(输入值x3)，在第2实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)和节气门19下游的进气压Pm的推定值(输入值x3)，在第3实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)、节气门19下游的进气压Pm的实测值(输入值x3)和节气门19下游的进气压Pm的推定值(输入值x4)，在第4实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)、吸入空气量(输入值x3)、节气门开度(输入值x4)、大气温度(输入值x5)和大气压(输入值x6)。然后，前进到步骤303。
接着，在步骤303中，将存储于电子控制单元30的存储器32内的输入值x1…xn输入与实施例相对应的第1神经网络60、62、64的输入层(L＝1)的各节点。此时，从第1神经网络60、62、64的输出层的各节点输出输出值y1’、y2’、y3’，在步骤304中，取得此时在SoftMax层SM中变换了的输出值y1、y2、y3。接着，在步骤305中，从已取得的输出值y1、y2、y3中选定最大的输出值yi，在与该最大的输出值yi相对应的状态为窜气的泄漏异常或PCV阀22的保持打开异常时，判定为产生了窜气的泄漏异常或PCV阀22的保持打开异常。此时，例如点亮表示产生了与最大的输出值yi相对应的窜气的泄漏异常或PCV阀22的保持打开异常的警告灯。
另一方面，在步骤306中，在判别为是内燃机中负荷稳态运转时的情况下，前进到步骤307，采用由吸入空气量检测器16、大气压传感器27和大气温度传感器28分别检测出的吸入空气量mt、节气门19上游的进气通路内的压力Pa和节气门19上游的进气通路内的温度Ta、基于节气门开度传感器26的检测值而算出的节气门19的开口面积TA、以及图9所示的关系，从而算出进气压Pm的推定值。此外，该步骤307中的进气压Pm的推定值的算出处理仅在第2实施例和第3实施例中进行PCV阀22的保持关闭异常的检测时进行，在第1实施例和第4实施例中进行PCV阀22的保持关闭异常的检测时省略该步骤307。
接着，在步骤308中，取得输入值x1…输入值xn并存储于存储器32内。在此情况下，取得并存储于存储器32内的输入值，在第1实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)和节气门19下游的进气压Pm的实测值(输入值x3)，在第2实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)和节气门19下游的进气压Pm的推定值(输入值x3)，在第3实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)、节气门19下游的进气压Pm的实测值(输入值x3)和节气门19下游的进气压Pm的推定值(输入值x4)，在第4实施例中为内燃机负荷(输入值x1)、内燃机转速(输入值x2)、吸入空气量(输入值x3)、节气门开度(输入值x4)、大气温度(输入值x5)和大气压(输入值x6)。然后，前进到步骤309。
在步骤309中，将存储于电子控制单元30的存储器32内的输入值x1…xn输入与实施例相对应的第2神经网络61、63、65的输入层(L＝1)的各节点。此时，从第2神经网络61、63、65的输出层的各节点输出输出值y1’、y2’，在步骤310中，取得此时在SoftMax层SM中变换了的输出值y1、y2。接着，在步骤311中，从已取得的输出值y1、y2中选定最大的输出值yi，在与该最大的输出值yi相对应的状态为PCV阀22的保持关闭异常时，判定为产生了PCV阀22的保持关闭异常。此时，例如点亮表示产生了PCV阀22的保持关闭异常的警告灯。
这样，在本发明的实施例中提供一种内燃机的窜气送出路异常检测装置，在所述内燃机中，在内燃机进气通路内配置吸入空气量检测器16且在吸入空气量检测器16下游的内燃机进气通路内配置节气门19，内燃机曲轴箱2内的窜气经由窜气送出路20而被送入节气门19下游的内燃机进气通路内，在窜气送出路20内配置用于控制窜气的流通量的PCV阀22，在该内燃机的窜气送出路异常检测装置中，存储有将内燃机负荷、内燃机转速和节气门19下游的内燃机进气通路内的进气压作为第1神经网络60的输入参数、将窜气从窜气送出路20泄漏时作为真值标签来进行了权重的学习的学习完毕第1神经网络60，在车辆的运转时，采用该学习完毕第1神经网络60，根据上述的输入参数来检测窜气从窜气送出路20的泄漏异常。
在此情况下，在本发明的一实施例中，节气门19下游的内燃机进气通路内的进气压为实测值，在本发明的另一实施例中，节气门19下游的内燃机进气通路内的进气压为基于由吸入空气量检测器16检测出的吸入空气量、大气压、大气温度和节气门19的开度而推定的推定值。
另外，在本发明的实施例中，存储着将内燃机低负荷稳态运转时的内燃机负荷、内燃机转速和节气门19下游的内燃机进气通路内的进气压作为第1神经网络60的输入参数、将窜气从窜气送出路20泄漏时作为真值标签来进行了权重的学习的学习完毕第1神经网络60，在内燃机低负荷稳态运转时，采用该学习完毕第1神经网络60，根据上述的输入参数来检测窜气从窜气送出路20的泄漏异常。
而且，在本发明的实施例中，存储着将内燃机低负荷稳态运转时的内燃机负荷、内燃机转速和节气门19下游的内燃机进气通路内的进气压作为第1神经网络60的输入参数、将窜气从窜气送出路20泄漏时和PCV阀22产生了持续打开的保持打开异常时分别作为真值标签来进行了权重的学习的学习完毕第1神经网络60，在内燃机低负荷稳态运转时，采用该学习完毕第1神经网络60，根据上述的输入参数来检测窜气从窜气送出路20的泄漏异常和PCV阀22的保持打开异常。
而且，在本发明的实施例中，存储着将内燃机低负荷稳态运转时的内燃机负荷、内燃机转速、节气门19下游的内燃机进气通路内的进气压的实测值和节气门19下游的内燃机进气通路内的进气压的推定值作为第1神经网络62的输入参数、将窜气从窜气送出路20泄漏时作为真值标签来进行了权重的学习的学习完毕第1神经网络62，在内燃机低负荷稳态运转时，采用该学习完毕第1神经网络62，根据内燃机低负荷稳态运转时的上述的输入参数来检测窜气从窜气送出路20的泄漏异常。
而且，在本发明的实施例中，存储着将内燃机低负荷稳态运转时的内燃机负荷、内燃机转速和节气门19下游内燃机进气通路内的进气压作为第1神经网络60的输入参数、将窜气从窜气送出路20泄漏时作为真值标签来进行了权重的学习的学习完毕第1神经网络60，存储着将内燃机中负荷稳态运转时的内燃机负荷、内燃机转速和节气门19下游的内燃机进气通路内的进气压作为第2神经网络61的输入参数、将PCV阀产生了持续关闭的保持关闭异常时作为真值标签来进行了权重的学习的学习完毕第2神经网络61，在内燃机低负荷稳态运转时，采用该学习完毕第1神经网络60，根据内燃机低负荷稳态运转时的上述的输入参数来检测窜气从窜气送出路20的泄漏异常，并且，在燃机中负荷稳态运转时，采用该学习完毕第2神经网络61，根据内燃机中负荷稳态运转时的上述的输入参数来检测PCV阀22的保持关闭异常。
而且，在根据本发明的实施例中，存储着将内燃机低负荷稳态运转时的内燃机负荷、内燃机转速和节气门19下游的内燃机进气通路内的进气压作为第1神经网络60的输入参数、将窜气从窜气送出路20泄漏时和PCV阀22产生了持续打开的保持打开异常时分别作为真值标签来进行了权重的学习的学习完毕第1神经网络60，存储着将内燃机中负荷稳态运转时的内燃机负荷、内燃机转速和节气门19下游的内燃机进气通路内的进气压作为第2神经网络61的输入参数、将PCV阀22产生了持续关闭的保持关闭异常时作为真值标签来进行了权重的学习的学习完毕第2神经网络61，在内燃机低负荷稳态运转时，采用该学习完毕第1神经网络60，根据内燃机低负荷稳态运转时的上述的输入参数来检测窜气从窜气送出路20的泄漏异常和PCV阀22的保持打开异常，并且，在内燃机中负荷稳态运转时，采用该学习完毕第2神经网络61，根据内燃机中负荷稳态运转时的上述的输入参数来检测PCV阀22的保持关闭异常。
而且，根据本发明提供一种内燃机的窜气送出路异常检测装置，在所述内燃机中，在内燃机进气通路内配置吸入空气量检测器16且在吸入空气量检测器16下游的内燃机进气通路内配置节气门19，内燃机曲轴箱2内的窜气经由窜气送出路20而被送入节气门19下游的内燃机进气通路内，在窜气送出路20内配置用于控制窜气的流通量的PCV阀22，在该内燃机的窜气送出路异常检测装置中，存储着将内燃机负荷、内燃机转速、由吸入空气量检测器16检测出的吸入空气量、大气压、大气温度和节气门19的开度作为第1神经网络64的输入参数、将窜气从窜气送出路20泄漏时作为真值标签来进行了权重的学习的学习完毕第1神经网络64，在车辆的运转时，采用该学习完毕第1神经网络64，根据上述的输入参数来检测窜气从窜气送出路20的泄漏异常。

Claims (9)

1.一种内燃机的窜气送出路异常检测装置，在所述内燃机，在内燃机进气通路内配置吸入空气量检测器且在吸入空气量检测器下游的内燃机进气通路内配置节气门，内燃机曲轴箱内的窜气经由窜气送出路而被送入节气门下游的内燃机进气通路内，在窜气送出路内配置有控制窜气的流通量的PCV阀，
在该内燃机的窜气送出路异常检测装置中，存储有将内燃机负荷、内燃机转速和节气门下游的内燃机进气通路内的进气压作为神经网络的输入参数、将窜气从窜气送出路泄漏时作为真值标签来进行了权重的学习的学习完毕神经网络，在车辆的运转时，采用该学习完毕神经网络，根据上述输入参数来检测窜气从窜气送出路的泄漏异常。
2.如权利要求1所述的内燃机的窜气送出路异常检测装置，其中，
节气门下游的内燃机进气通路内的进气压为实测值。
3.如权利要求1所述的内燃机的窜气送出路异常检测装置，其中，
节气门下游的内燃机进气通路内的进气压为基于由吸入空气量检测器检测出的吸入空气量、大气压、大气温度和节气门的开度而推定的推定值。
4.如权利要求1所述的内燃机的窜气送出路异常检测装置，其中，
存储有将内燃机低负荷稳态运转时的内燃机负荷、内燃机转速和节气门下游的内燃机进气通路内的进气压作为神经网络的输入参数、将窜气从窜气送出路泄漏时作为真值标签来进行了权重的学习的学习完毕神经网络，在内燃机低负荷稳态运转时，采用该学习完毕神经网络，根据内燃机低负荷稳态运转时的上述输入参数来检测窜气从窜气送出路的泄漏异常。
5.如权利要求1所述的内燃机的窜气送出路异常检测装置，其中，
存储有将内燃机低负荷稳态运转时的内燃机负荷、内燃机转速和节气门下游的内燃机进气通路内的进气压作为神经网络的输入参数、将窜气从窜气送出路泄漏时和PCV阀产生了持续打开的保持打开异常时分别作为真值标签来进行了权重的学习的学习完毕神经网络，在内燃机低负荷稳态运转时，采用该学习完毕神经网络，根据内燃机低负荷稳态运转时的输入参数来检测窜气从窜气送出路的泄漏异常和PCV阀的保持打开异常。
6.如权利要求1所述的内燃机的窜气送出路异常检测装置，其中，
存储有将内燃机低负荷稳态运转时的内燃机负荷、内燃机转速、节气门下游的内燃机进气通路内的进气压的实测值和节气门下游的内燃机进气通路内的进气压的推定值作为神经网络的输入参数、将窜气从窜气送出路泄漏时作为真值标签来进行了权重的学习的学习完毕神经网络，在内燃机低负荷稳态运转时，采用该学习完毕神经网络，根据内燃机低负荷稳态运转时的上述输入参数来检测窜气从窜气送出路的泄漏异常。
7.如权利要求1所述的内燃机的窜气送出路异常检测装置，其中，
存储有将内燃机低负荷稳态运转时的内燃机负荷、内燃机转速和节气门下游的内燃机进气通路内的进气压作为第1神经网络的输入参数、将窜气从窜气送出路泄漏时作为真值标签来进行了权重的学习的学习完毕第1神经网络，存储有将内燃机中负荷稳态运转时的内燃机负荷、内燃机转速和节气门下游的内燃机进气通路内的进气压作为第2神经网络的输入参数、将PCV阀产生了持续关闭的保持关闭异常时作为真值标签来进行了权重的学习的学习完毕第2神经网络，在内燃机低负荷稳态运转时，采用该学习完毕第1神经网络，根据内燃机低负荷稳态运转时的上述输入参数来检测窜气从窜气送出路的泄漏异常，并且，在内燃机中负荷稳态运转时，采用该学习完毕第2神经网络，根据内燃机中负荷稳态运转时的上述输入参数来检测PCV阀的保持关闭异常。
8.如权利要求1所述的内燃机的窜气送出路异常检测装置，其中，
存储有将内燃机低负荷稳态运转时的内燃机负荷、内燃机转速和节气门下游的内燃机进气通路内的进气压作为第1神经网络的输入参数、将窜气从窜气送出路泄漏时和PCV阀产生了持续打开的保持打开异常时分别作为真值标签来进行了权重的学习的学习完毕第1神经网络，存储有将内燃机中负荷稳态运转时的内燃机负荷、内燃机转速和节气门下游的内燃机进气通路内的进气压作为第2神经网络的输入参数、将PCV阀产生了持续关闭的保持关闭异常时作为真值标签来进行了权重的学习的学习完毕第2神经网络，在内燃机低负荷稳态运转时，采用该学习完毕第1神经网络，根据内燃机低负荷稳态运转时的上述输入参数来检测窜气从窜气送出路的泄漏异常和PCV阀的保持打开异常，并且，在内燃机中负荷稳态运转时，采用该学习完毕第2神经网络，根据内燃机中负荷稳态运转时的上述输入参数来检测PCV阀的保持关闭异常。
9.一种内燃机的窜气送出路异常检测装置，在所述内燃机，在内燃机进气通路内配置吸入空气量检测器且在吸入空气量检测器下游的内燃机进气通路内配置节气门，内燃机曲轴箱内的窜气经由窜气送出路而被送入节气门下游的内燃机进气通路内，在窜气送出路内配置有控制窜气的流通量的PCV阀，
在该内燃机的窜气送出路异常检测装置中，存储有将内燃机负荷、内燃机转速、由吸入空气量检测器检测出的吸入空气量、大气压、大气温度和节气门的开度作为神经网络的输入参数、将窜气从窜气送出路泄漏时作为真值标签来进行了权重的学习的学习完毕神经网络，在车辆的运转时，采用该学习完毕神经网络，根据上述输入参数来检测窜气从窜气送出路的泄漏异常。
CN202010460492.8A 2019-05-30 2020-05-27 内燃机的窜气送出路异常检测装置 Active CN112012809B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2019101322 2019-05-30
JP2019-101322 2019-05-30
JP2020-004471 2020-01-15
JP2020004471A JP6725087B1 (ja) 2019-05-30 2020-01-15 内燃機関のブローバイガス送出路異常検出装置

Publications (2)

Publication Number Publication Date
CN112012809A true CN112012809A (zh) 2020-12-01
CN112012809B CN112012809B (zh) 2022-06-07

Family

ID=71523849

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010460492.8A Active CN112012809B (zh) 2019-05-30 2020-05-27 内燃机的窜气送出路异常检测装置

Country Status (4)

Country Link
US (1) US11242814B2 (zh)
JP (2) JP6725087B1 (zh)
CN (1) CN112012809B (zh)
DE (1) DE102020113201A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6593560B1 (ja) * 2019-02-15 2019-10-23 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、および内燃機関の制御装置
US11371470B2 (en) * 2019-03-01 2022-06-28 Aisan Kogyo Kabushiki Kaisha Evaporated fuel treatment apparatus
WO2021176500A1 (ja) * 2020-03-02 2021-09-10 日産自動車株式会社 内燃機関の異常診断方法及び内燃機関の異常診断装置
US11459962B2 (en) * 2020-03-02 2022-10-04 Sparkcognitton, Inc. Electronic valve control
JP7097405B2 (ja) * 2020-04-30 2022-07-07 本田技研工業株式会社 異常検知装置
FR3124232A1 (fr) 2021-06-21 2022-12-23 Psa Automobiles Sa Moteur thermique comprenant un dispositif de detection de FUITE DE gaz de carter dans un circuit de ventilation
EP4119833A1 (en) * 2021-07-12 2023-01-18 Airbus Operations GmbH Actively dried equipment unit with a movable mechanical element in an aircraft
FR3126730B1 (fr) * 2021-09-06 2023-07-21 Psa Automobiles Sa Procede de detection de fuite d’une valve de regulation de pression du carter d’un moteur thermique
US11635037B1 (en) * 2021-10-05 2023-04-25 Transportation Ip Holdings, Llc Methods and systems for diagnosing engine cylinders
FR3136515A1 (fr) * 2022-06-13 2023-12-15 Robert Bosch Gmbh Système de détection de fuites de la conduite de récupération des gaz du carter moteur

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05163993A (ja) * 1991-12-10 1993-06-29 Japan Electron Control Syst Co Ltd 内燃機関におけるブローバイガス発生検出装置及び燃料供給系異常診断装置
DE19757345A1 (de) * 1996-12-24 1998-06-25 Denso Corp Blowbygaskanalabnormalitätserfassungssystem für Brennkraftmaschinen
US6247464B1 (en) * 1996-12-24 2001-06-19 Denso Corporation Blow-by gas passage abnormality detecting system for internal combustion engines
EP1153275A1 (en) * 1998-12-09 2001-11-14 Detroit Diesel Corporation System and method for detecting engine malfunction based on crankcase pressure
US20020096158A1 (en) * 2000-10-19 2002-07-25 Honda Giken Kogyo Kabushiki Kaisha Abnormality detection apparatus for intake system of internal combustion engine
US20050251322A1 (en) * 2004-04-20 2005-11-10 Southwest Research Institute Virtual cylinder pressure sensor with individual estimators for pressure-related values
US20080058994A1 (en) * 2006-09-01 2008-03-06 Honda Motor Co., Ltd. Abnormality determination apparatus and method for blow-by gas feedback device, and engine control unit
WO2008108396A1 (ja) * 2007-03-05 2008-09-12 Toyota Jidosha Kabushiki Kaisha ブローバイガス還元装置及びそのブローバイガス還元装置を備えた内燃機関
JP2009103104A (ja) * 2007-10-25 2009-05-14 Aisan Ind Co Ltd 内燃機関の制御装置
JP2009197679A (ja) * 2008-02-21 2009-09-03 Toyota Motor Corp Ｐｃｖバルブの異常検知装置
JP2009281225A (ja) * 2008-05-21 2009-12-03 Nissan Motor Co Ltd ブローバイガス処理機構の異常診断装置及び方法
US20110154892A1 (en) * 2009-07-16 2011-06-30 Toyota Jidosha Kabushiki Kaisha Apparatus for determining an abnormality of a control valve of an internal combustion engine
JP2013117176A (ja) * 2011-12-01 2013-06-13 Ud Trucks Corp ブローバイガス還元装置及びブローバイガス還元装置の異常診断方法
CN104343496A (zh) * 2013-08-09 2015-02-11 爱三工业株式会社 发动机的窜缸混合气返回装置用的故障检测装置
US20150114326A1 (en) * 2012-05-30 2015-04-30 Continental Automotive Gmbh Method and Device for Operating an Internal Combustion Engine
WO2017038517A1 (ja) * 2015-09-04 2017-03-09 株式会社デンソー 過給機付き内燃機関の異常診断装置
JP2017115849A (ja) * 2015-12-17 2017-06-29 愛三工業株式会社 ブローバイガス還元装置の異常診断装置
JP2017115584A (ja) * 2015-12-21 2017-06-29 株式会社デンソー 内燃機関の異常検出装置
US20170256103A1 (en) * 2016-03-03 2017-09-07 GM Global Technology Operations LLC Positive crankcase ventilation system diagnostic systems and methods
US20170328810A1 (en) * 2016-05-12 2017-11-16 Toyota Jidosha Kabushiki Kaisha Abnormality diagnosis device and abnormality diagnosis method for intake system of internal combustion engine
US20180238253A1 (en) * 2017-02-21 2018-08-23 Toyota Jidosha Kabushiki Kaisha Control device for internal combustion engine
US20180291830A1 (en) * 2015-10-21 2018-10-11 Denso Corporation Diagnostic device
CN109281768A (zh) * 2017-07-21 2019-01-29 爱三工业株式会社 带增压机的发动机中的窜气回收装置的异常诊断装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10184336A (ja) 1996-12-25 1998-07-14 Denso Corp 内燃機関のブローバイガス通路異常検出装置

Patent Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05163993A (ja) * 1991-12-10 1993-06-29 Japan Electron Control Syst Co Ltd 内燃機関におけるブローバイガス発生検出装置及び燃料供給系異常診断装置
DE19757345A1 (de) * 1996-12-24 1998-06-25 Denso Corp Blowbygaskanalabnormalitätserfassungssystem für Brennkraftmaschinen
US6247464B1 (en) * 1996-12-24 2001-06-19 Denso Corporation Blow-by gas passage abnormality detecting system for internal combustion engines
US20010010214A1 (en) * 1996-12-24 2001-08-02 Denso Corporation Blow-by gas passage abnormality detecting system for internal combustion engines
EP1153275A1 (en) * 1998-12-09 2001-11-14 Detroit Diesel Corporation System and method for detecting engine malfunction based on crankcase pressure
JP2002532646A (ja) * 1998-12-09 2002-10-02 デトロイト・ディーゼル・コーポレイション クランクケース圧力に基づくエンジン動作不良検出のためのシステム及び方法
US20020096158A1 (en) * 2000-10-19 2002-07-25 Honda Giken Kogyo Kabushiki Kaisha Abnormality detection apparatus for intake system of internal combustion engine
US20050251322A1 (en) * 2004-04-20 2005-11-10 Southwest Research Institute Virtual cylinder pressure sensor with individual estimators for pressure-related values
US20080058994A1 (en) * 2006-09-01 2008-03-06 Honda Motor Co., Ltd. Abnormality determination apparatus and method for blow-by gas feedback device, and engine control unit
WO2008108396A1 (ja) * 2007-03-05 2008-09-12 Toyota Jidosha Kabushiki Kaisha ブローバイガス還元装置及びそのブローバイガス還元装置を備えた内燃機関
JP2009103104A (ja) * 2007-10-25 2009-05-14 Aisan Ind Co Ltd 内燃機関の制御装置
JP2009197679A (ja) * 2008-02-21 2009-09-03 Toyota Motor Corp Ｐｃｖバルブの異常検知装置
JP2009281225A (ja) * 2008-05-21 2009-12-03 Nissan Motor Co Ltd ブローバイガス処理機構の異常診断装置及び方法
US20110154892A1 (en) * 2009-07-16 2011-06-30 Toyota Jidosha Kabushiki Kaisha Apparatus for determining an abnormality of a control valve of an internal combustion engine
JP2013117176A (ja) * 2011-12-01 2013-06-13 Ud Trucks Corp ブローバイガス還元装置及びブローバイガス還元装置の異常診断方法
US20150114326A1 (en) * 2012-05-30 2015-04-30 Continental Automotive Gmbh Method and Device for Operating an Internal Combustion Engine
CN104343496A (zh) * 2013-08-09 2015-02-11 爱三工业株式会社 发动机的窜缸混合气返回装置用的故障检测装置
WO2017038517A1 (ja) * 2015-09-04 2017-03-09 株式会社デンソー 過給機付き内燃機関の異常診断装置
US20180291830A1 (en) * 2015-10-21 2018-10-11 Denso Corporation Diagnostic device
JP2017115849A (ja) * 2015-12-17 2017-06-29 愛三工業株式会社 ブローバイガス還元装置の異常診断装置
JP2017115584A (ja) * 2015-12-21 2017-06-29 株式会社デンソー 内燃機関の異常検出装置
US20180371971A1 (en) * 2015-12-21 2018-12-27 Denso Corporation Fault detection device for internal combustion engine
US20170256103A1 (en) * 2016-03-03 2017-09-07 GM Global Technology Operations LLC Positive crankcase ventilation system diagnostic systems and methods
US20170328810A1 (en) * 2016-05-12 2017-11-16 Toyota Jidosha Kabushiki Kaisha Abnormality diagnosis device and abnormality diagnosis method for intake system of internal combustion engine
US20180238253A1 (en) * 2017-02-21 2018-08-23 Toyota Jidosha Kabushiki Kaisha Control device for internal combustion engine
CN109281768A (zh) * 2017-07-21 2019-01-29 爱三工业株式会社 带增压机的发动机中的窜气回收装置的异常诊断装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
彭剑: "汽车远程监控诊断系统的功能设计和应用研究", 《上海汽车》 *
彭高宏: "降低在用汽油发动机排放污染的维修方法", 《公路与汽运》 *
李志民: "浅析柴油机降低油耗减少排烟的措施", 《福建农机》 *
范梦吾等: "电控发动机怠速不稳故障的原因及排除", 《科技资讯》 *

Also Published As

Publication number Publication date
JP2020197213A (ja) 2020-12-10
CN112012809B (zh) 2022-06-07
JP2020197207A (ja) 2020-12-10
JP6725087B1 (ja) 2020-07-15
US11242814B2 (en) 2022-02-08
US20200378329A1 (en) 2020-12-03
DE102020113201A1 (de) 2020-12-03

Similar Documents

Publication Publication Date Title
CN112012809B (zh) 内燃机的窜气送出路异常检测装置
CN103852100B (zh) 通过湿度传感器的曲轴箱通风管断开检测
CN109715924B (zh) 用于对曲柄壳体排气装置的功能性进行可信性检验的方法和装置
CN103670597B (zh) 曲轴箱完整性漏口检测
CN103670595B (zh) 曲轴箱完整性漏口检测
CN105484869B (zh) 曲轴箱完整性裂口检测
CN103670828B (zh) 曲轴箱完整性漏口检测
CN103670708B (zh) 曲轴箱完整性漏口检测
US8463490B2 (en) Method and device for diagnosing an intake tract of an internal combustion engine
US8392098B2 (en) Abnormality diagnosis device of internal combustion engine
CN101285436B (zh) 用于检测放气阀故障的系统
JP2001342846A (ja) 内燃機関クランクケース通気装置の機能診断方法
US9243977B2 (en) Method for diagnosing a valve of a fluid supply line to a line of an air system of a combustion engine
CN110836147B (zh) 用于运行内燃机的方法和装置
CN109281768A (zh) 带增压机的发动机中的窜气回收装置的异常诊断装置
CN112031962B (zh) 废气再循环系统的异常检测装置
CN101353990B (zh) 用于运行内燃机的方法和装置
CN105715395B (zh) 用于检查在用于内燃机的供气系统中的基于压力的质量流量传感器的方法和装置
JP5596000B2 (ja) 排気装置の出口部における圧力を決定するための方法
Djemili et al. Adaptive observer for Intake leakage detection in diesel engines described by Takagi-Sugeno model
JP2020197216A (ja) 排気ガス再循環システムの異常検出装置
JP2010096021A (ja) 内燃機関の燃焼状態診断装置
Sidorow et al. Model based fault detection of the air and exhaust path of diesel engines including turbocharger models
CN116234978A (zh) 电子控制装置及发动机控制系统
Sidorow et al. Model based fault diagnosis of the intake and exhaust path of turbocharged diesel engines

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