CN112096534B - 燃料喷射用高压燃料泵的控制装置 - Google Patents

燃料喷射用高压燃料泵的控制装置 Download PDF

Info

Publication number
CN112096534B
CN112096534B CN202010472800.9A CN202010472800A CN112096534B CN 112096534 B CN112096534 B CN 112096534B CN 202010472800 A CN202010472800 A CN 202010472800A CN 112096534 B CN112096534 B CN 112096534B
Authority
CN
China
Prior art keywords
fuel
temperature
pressure
fuel pump
pressure fuel
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.)
Active
Application number
CN202010472800.9A
Other languages
English (en)
Other versions
CN112096534A (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 CN112096534A publication Critical patent/CN112096534A/zh
Application granted granted Critical
Publication of CN112096534B publication Critical patent/CN112096534B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • F02D41/30—Controlling fuel injection
    • F02D41/38—Controlling fuel injection of the high pressure type
    • F02D41/3809—Common rail control systems
    • F02D41/3836—Controlling the fuel pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D45/00—Electrical control not provided for in groups F02D41/00 - F02D43/00
    • 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
    • F02D2200/023—Temperature of lubricating oil or working fluid
    • 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
    • F02D2200/0414—Air temperature
    • 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
    • F02D2200/06—Fuel or fuel supply system parameters
    • F02D2200/0606—Fuel temperature
    • 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
    • F02D2200/06—Fuel or fuel supply system parameters
    • F02D2200/0606—Fuel temperature
    • F02D2200/0608—Estimation of fuel temperature
    • 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
    • F02D2200/06—Fuel or fuel supply system parameters
    • F02D2200/0614—Actual fuel mass or fuel injection amount
    • 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
    • F02D2200/50—Input parameters for engine control said parameters being related to the vehicle or its components
    • F02D2200/501—Vehicle speed
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/30—Controlling fuel injection
    • F02D41/38—Controlling fuel injection of the high pressure type
    • F02D41/3809—Common rail control systems
    • F02D41/3836—Controlling the fuel pressure
    • F02D41/3845—Controlling the fuel pressure by controlling the flow into the common rail, e.g. the amount of fuel pumped

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Fuel-Injection Apparatus (AREA)

Abstract

本发明涉及燃料喷射用高压燃料泵的控制装置，该控制装置适当地控制燃料喷射用高压燃料泵。所述燃料喷射用高压燃料泵由内燃机驱动而向燃料喷射阀供给燃料，所述控制装置存储取得包括内燃机转速、内燃机负荷、润滑油温度、向高压燃料泵供给的供给燃料量、向内燃机吸入的吸入空气量、从高压燃料泵排出的排出燃料温度及车速的至少七个参数的实测值作为神经网络的输入值并将从这七个参数值的取得时起经过一定时间后取得的从高压燃料泵排出的排出燃料温度的实测值作为教师数据而进行了权重学习的学习完成神经网络。基于使用该学习完成神经网络而推定出的经过一定时间后的从高压燃料泵排出的排出燃料温度的推定值控制从燃料喷射阀喷射的喷射燃料压力。

Description

燃料喷射用高压燃料泵的控制装置
技术领域
本发明涉及燃料喷射用高压燃料泵的控制装置。
背景技术
在燃料中，存在在燃料内产生燃料蒸气的蒸气产生区域。在该情况下，是否在燃料内产生燃料蒸气由燃料温度和燃料压力决定，若燃料温度超过由燃料压力决定的某温度，则在燃料内产生燃料蒸气。若在燃料内产生燃料蒸气，则即使在内燃机启动时使燃料喷射用高压燃料泵工作，燃料压力也不容易上升，到燃料压力到达目标燃料压力为止需要较长时间。另一方面，虽然在用于将从高压燃料泵排出的燃料向各燃料喷射阀分配的高压燃料分配管内，通常不安装用于检测燃料温度的燃料温度传感器，但安装有用于检测燃料压力的燃料压力传感器。另外，在内燃机主体，通常安装有用于检测内燃机冷却水温度的水温传感器。
因此，公知有如下的内燃机：在使用内燃机冷却水温度代替燃料温度且存在内燃机的启动要求的情况下，从燃料压力传感器和水温传感器的检测结果来推定燃料蒸气的产生状态，在推定为正在产生燃料蒸气时，在进行内燃机的启动之前使高压燃料泵的工作开始，燃料蒸气的推定产生量越多，则内燃机启动前的高压燃料泵的工作时间越长(例如参照专利文献1)。
现有技术文献
专利文献
专利文献1：日本特开2007-285128号公报
发明内容
发明要解决的课题
然而，在内燃机冷却水温度与燃料温度之间存在温度差，尤其是，在车辆行驶时，与内燃机的运转状态相应地，水温与燃料温度的温度差大大地变化。因此，即使使用内燃机冷却水温度代替燃料温度并从燃料压力传感器和水温传感器的检测结果来推定燃料蒸气的产生状态，也难以高精度地推定燃料蒸气的产生状态。在该情况下，为了高精度地判断是否产生燃料蒸气，需要高精度地推定燃料温度。
在本发明中，提供一种使用神经网络来高精度地推定燃料温度，由此，能够以不产生燃料蒸气的方式控制来自燃料喷射阀的喷射燃料压力的燃料喷射用高压燃料泵的控制装置。
为了解决上述问题，根据本发明，提供一种燃料喷射用高压燃料泵的控制装置，所述燃料喷射用高压燃料泵由内燃机驱动而向燃料喷射阀供给燃料，所述控制装置取得包括内燃机转速、内燃机负荷、润滑油温度、向高压燃料泵供给的供给燃料量、向内燃机吸入的吸入空气温度、从高压燃料泵排出的排出燃料温度、及车速的至少七个参数值，存储将取得了的该七个参数值作为神经网络的输入值并将从该七个参数值的取得时起一定时间后取得的从高压燃料泵排出的排出燃料温度作为教师数据(示教数据)而进行了权重学习的学习完成神经网络，使用该学习完成神经网络，根据当前的内燃机转速、内燃机负荷、润滑油温度、向高压燃料泵供给的供给燃料量、向内燃机吸入的吸入空气温度、从高压燃料泵排出的排出燃料温度、及车速来推定一定时间后的从高压燃料泵排出的排出燃料温度，在该情况下，对当前的内燃机转速、内燃机负荷、润滑油温度、向高压燃料泵供给的供给燃料量、向内燃机吸入的吸入空气温度、及车速用实测值并且对当前的从高压燃料泵排出的排出燃料温度用使用学习完成神经网络而推定出的推定值，基于使用学习完成神经网络而推定的一定时间后的从高压燃料泵排出的排出燃料温度的推定值，控制从燃料喷射阀喷射的喷射燃料压力。
发明的效果
根据本发明，能够使用神经网络来高精度地推定从高压燃料泵排出的排出燃料温度，由此，能够以不产生燃料蒸气的方式控制从燃料喷射阀喷射的喷射燃料压力。
附图说明
图1是内燃机的整体图。
图2是图1所示的内燃机的侧面剖视图。
图3是图解地示出高压燃料泵的侧面剖视图。
图4是示出缸内喷射区域和进气口喷射区域的图。
图5是示出蒸气压力曲线KK的图。
图6是示出神经网络的一例的图。
图7是示出燃料温度TF的变化的图。
图8是示出在本发明的实施例中使用的神经网络的图。
图9是示出输入参数的一览表的图。
图10是示出训练数据集的图。
图11A及11B是用于说明学习方法的图。
图12是用于生成训练数据集的流程图。
图13是用于执行学习处理的流程图。
图14是用于将数据读入到电子控制单元的流程图。
图15是用于控制高压燃料泵的流程图。
具体实施方式
<内燃机的整体结构>
图1示出内燃机的整体图，图2示出内燃机的侧面剖视图。参照图2，1表示内燃机主体，2表示气缸体，3表示气缸盖，4表示在气缸体2内往复运动的活塞，5表示燃烧室，6表示进气门，7表示由内燃机驱动的进气门用凸轮轴，8表示进气口，9表示排气门，10表示由内燃机驱动的排气门用凸轮轴，11表示排气口，12表示在各燃烧室5内配置的火花塞，13表示用于向各进气口8内供给燃料、例如汽油的燃料喷射阀，14表示用于向各燃烧室5内供给燃料、例如汽油的燃料喷射阀，15表示用于控制进气门6的打开正时的可变气门正时机构。
参照图1及图2，进气口8分别经由对应的进气支管16连结于稳压箱17，稳压箱17经由进气通道18及吸入空气量检测器19连结于空气滤清器20。在进气通道18内配置节气门21。另一方面，排气口11连结于排气歧管22，排气歧管22经由排气再循环(以下，称为EGR)通路23及EGR控制阀24连结于稳压箱17。在EGR通路23内，配置用于冷却EGR气体的EGR冷却器25。此外，在图1中，26表示燃料箱，27表示散热器，28表示散热器27的电动冷却风扇，29表示车室用的空气调节装置、即空调。
如图1及图2所示，燃料喷射阀13连结于用于向各燃料喷射阀13分配低压燃料的低压燃料分配管31，燃料喷射阀14连结于用于向各燃料喷射阀14分配高压燃料的高压燃料分配管30。另一方面，在燃料箱26内配置有低压燃料泵32，在内燃机主体1的气缸盖3上配置有高压燃料泵33。如图1所示，燃料箱26内的燃料利用低压燃料泵32，一方面经由燃料供给管34连结于低压燃料分配管31，另一方面经由从燃料供给管34分支的燃料供给管35连结于高压燃料泵33。从高压燃料泵33排出的高压燃料经由燃料供给管36向高压燃料分配管30供给。
另外，如图1所示，在内燃机主体1安装有由内燃机驱动的油泵37，内燃机主体1内的润滑油利用油泵37经由油供给管38向高压燃料泵33供给。另外，如图1所示，在进气通道18内配置有用于检测吸入空气温度的吸入空气温度传感器40，在高压燃料分配管30内配置有用于检测高压燃料分配管30内的燃料压力的燃料压力传感器41，在内燃机主体1安装有用于检测内燃机冷却水温度的水温传感器42及用于检测润滑油温度的润滑油温度传感器43。
另一方面，在图1中，50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50由数字计算机构成，具备利用双向性总线51而互相连接的存储装置52即存储器52、CPU(微处理器)53、输入端口54及输出端口55。吸入空气量检测器19的输出信号、吸入空气温度传感器40的输出信号、燃料压力传感器41的输出信号、水温传感器42的输出信号及润滑油温度传感器43的输出信号分别经由对应的AD变换器56向输入端口54输入。
另外，在加速器踏板60连接产生与加速器踏板60的踩踏量成比例的输出电压的负荷传感器61，负荷传感器61的输出电压经由对应的AD变换器56向输入端口54输入。进而在输入端口54连接每当曲轴旋转例如30°时产生输出脉冲的曲轴角传感器62。在CPU53内基于曲轴角传感器62的输出信号算出内燃机转速。另外，在输入端口54连接产生与车速成比例的输出脉冲的车速传感器63。另外，具备用于接收与天气有关的信息的接收装置64，在接收装置64中接收到的与天气有关的信息被向输入端口54输入。
另一方面，输出端口55经由对应的驱动电路57连接于各气缸的火花塞12、各气缸的燃料喷射阀13及14、可变气门正时机构15、EGR控制阀24、电动风扇28、空调29、低压燃料泵32及高压燃料泵33。
图3示出图解地表示高压燃料泵33的侧面剖视图。参照图3，70表示泵柱塞，71表示用燃料填满了的加压室，72表示进行开口73的开闭作业的电磁式溢流阀。在图3所示的例子中，泵柱塞70通过形成于排气门用凸轮轴10的凸轮而在内燃机运转中时常上下往复运动，从润滑油供给管38向高压燃料泵33内供给润滑油。在图3中泵柱塞70正在下降时，电磁式溢流阀72开阀，此时，从低压燃料泵32排出的低压燃料经由开口73向加压室71内供给。
另一方面，在泵柱塞70正在上升时，在泵柱塞70的上升中使电磁式溢流阀72暂时闭阀。若在泵柱塞70的上升中使电磁式溢流阀72闭阀，则加压室71内的燃料被加压，若加压室71内的燃料压力比高压燃料分配管30内的燃料压力高，则加压室71内的高压燃料经由能够仅进行从加压室71朝向高压燃料分配管30的流通的止回阀74而被送入高压燃料分配管30。此时被送入高压燃料分配管30的高压燃料量依赖于在泵柱塞70的上升中使电磁式溢流阀72闭阀的时间，因此，电磁式溢流阀72通过控制闭阀时间，能够任意地控制高压燃料分配管30内的燃料压力。此外，在使从燃料喷射阀14的燃料喷射停止了时，电磁式溢流阀72被保持为开阀状态，此时，高压燃料向高压燃料分配管30的送入作用停止。
在本发明的实施例中，进行从燃料喷射阀13向进气口8内喷射燃料的进气口喷射、和从燃料喷射阀14向燃烧室5内喷射燃料的缸内喷射。图4示出进行上述进气口喷射和缸内喷射的运转区域的一例。此外，在图4中，纵轴L表示内燃机负荷，横轴NE表示内燃机转速。如图4所示，在该例中，在内燃机低负荷低速运转时进行进气口喷射，在内燃机高负荷运转时或内燃机高速运转时进行缸内喷射。
图5示出在本发明的实施例中使用的燃料的蒸气压力曲线KK。此外，在图5中，纵轴表示饱和蒸气压力(kPa)，横轴表示燃料温度(℃)。在该图5中比蒸气压力曲线KK靠上方的区域表示在燃料内不产生蒸气的区域，比蒸气压力曲线KK靠下方的区域表示在燃料内产生燃料蒸气的蒸气产生区域。因此，例如，在图5中，若使燃料压力为P1(300kPa)，则在燃料的温度比T1(约80℃)低时在燃料内不产生燃料蒸气，在燃料的温度超过T1时在燃料内产生燃料蒸气。同样地，在燃料压力为P2(400kPa)时，若燃料的温度超过T2则在燃料内产生燃料蒸气，在燃料压力为P3(530kPa)时，若燃料的温度超过T3则在燃料内产生燃料蒸气。
在低压燃料泵32中，燃料的温度不怎么上升，因此，在燃料供给管34及低压燃料分配管31内在燃料内不产生燃料蒸气。与此相对，在高压燃料泵33内，由于进行由泵柱塞70对燃料的加压作用，因此燃料的温度变高。其结果，存在在由高压燃料泵33加压后的燃料内产生燃料蒸气的危险性。在该情况下，燃料蒸气首先在由高压燃料泵33、燃料供给管36及高压燃料分配管30构成的高压燃料供给系内存在的加压燃料中的、温度最高的加压燃料内产生，因此，是否产生燃料蒸气由在高压燃料供给系内存在的加压燃料中的、温度最高的加压燃料的温度左右。
在高压燃料供给系内存在的加压燃料中的、温度最高的加压燃料是刚从加压室71朝向高压燃料分配管30排出后的加压燃料、例如在图3中由箭头75所示的位置附近流通着的、刚通过止回阀74后的加压燃料，因此，是否产生燃料蒸气由刚从加压室71朝向高压燃料分配管30排出后的加压燃料的温度左右。此外，在本发明的实施例中，以下，将刚从加压室71朝向高压燃料分配管30排出后的加压燃料的温度称为从高压燃料泵33排出的排出燃料温度TF。因此，在本发明的实施例中，是否产生燃料蒸气由从高压燃料泵33排出的排出燃料温度TF左右。
此外，若在高压燃料供给系中产生燃料蒸气，则从燃料喷射阀14喷射的燃料喷射量从要求喷射量大大偏离，不可能进行正常的燃料喷射控制。因此，需要避免在高压燃料供给系中产生燃料蒸气。因此，在本发明的实施例中，以不产生燃料蒸气的方式，如图5所示，随着从高压燃料泵33排出的排出燃料温度TF变高，使燃料喷射阀14的目标喷射压力、即高压燃料分配管30内的目标燃料压力从P1向P2、接着向P3逐渐增大。此外，在该情况下，图5的横轴表示从高压燃料泵33排出的排出燃料温度TF。
若高压燃料分配管30内的目标燃料压力变高，则高压燃料泵33的驱动能量增大，因此燃料经济性恶化。因此，高压燃料分配管30内的目标燃料压力在可能的范围内维持为尽可能低、即在图5所示的例子中为P1。然而，若将高压燃料分配管30内的目标燃料压力维持为P1，则在从高压燃料泵33排出的排出燃料温度TF上升了时，产生燃料蒸气。因此，为了避免燃料蒸气的产生，在图5所示的例子中，若从高压燃料泵33排出的排出燃料温度TF超过设定值TL，则高压燃料分配管30内的目标燃料压力从P1向P2提升，若从高压燃料泵33排出的排出燃料温度TF超过设定值TM，则高压燃料分配管30内的目标燃料压力从P2向P3提升。
另一方面，在图5中高压燃料分配管30内的目标燃料压力为P3时，在正在从燃料喷射阀14进行燃料喷射时、即正在进行缸内喷射时，由流入高压燃料泵33的低温的燃料来持续冷却高压燃料泵33，因此从高压燃料泵33排出的排出燃料温度TF不会超过图3所示的蒸气产生温度T3。然而，若喷射方式从缸内喷射转变成进气口喷射，则不会产生由低温的燃料对高压燃料泵33的冷却作用，因此因某些理由，高压燃料供给系内的燃料温度上升，由此存在在高压燃料供给系内的燃料内产生燃料蒸气的危险性。
因此，在本发明的实施例中，在正在进行进气口喷射时，在从高压燃料泵33排出的排出燃料温度TF超过了图5所示的设定值TH时，从进气口喷射切换成缸内喷射，通过由低温的燃料对高压燃料泵33的冷却作用，来使高压燃料供给系内的燃料温度下降。在该情况下，在图5所示的例子中，以从高压燃料泵33排出的排出燃料温度TF从设定值TH如虚线的箭头所示那样、例如下降到设定值TL与设定值TM的中间温度为止的方式进行缸内喷射。
此外，如上所述，为了提高燃料经济性，需要将高压燃料分配管30内的目标燃料压力维持为尽可能低的压力，因此，在图5中，需要使设定值TL及设定值TM分别尽可能接近T1及T2。然而，在使设定值TL及设定值TM分别尽可能接近了T1及T2的情况下，若不知道从高压燃料泵33排出的排出燃料温度TF的准确值，则存在产生燃料蒸气的危险性。即，为了不产生燃料蒸气，同时为了使设定值TL及设定值TM分别接近T1及T2，需要取得从高压燃料泵33排出的排出燃料温度TF的准确值。
通常，从成本上的问题出发，不设置用于检测从高压燃料泵33排出的排出燃料温度TF的燃料温度传感器，例如，用由吸入空气温度传感器检测到的吸入空气温度代用作从高压燃料泵33排出的排出燃料温度TF，然而，在吸入空气温度与从高压燃料泵33排出的排出燃料温度TF之间存在大的温度差。因此，现状是：即使吸入空气温度与从高压燃料泵33排出的排出燃料温度TF的之间温度差变大，也会为了不产生燃料蒸气，将设定值TL设定为相对于T1相当小的值，将设定值TM设定为相对于T2相当小的值。
然而，只要以不这样取得从高压燃料泵33排出的排出燃料温度TF的准确值的方式将高压燃料分配管30内的燃料压力控制成目标燃料压力，就无法使燃料经济性提高。因此，在本发明的实施例中，使用神经网络来准确地推定从高压燃料泵33排出的排出燃料温度TF，由此使燃料经济性提高。
<神经网络的概要>
如上所述，在本发明的实施例中，使用神经网络来推定从高压燃料泵33排出的排出燃料温度TF。因此，首先对神经网络简单地进行说明。图6示出简单的神经网络。图6中的圆圈表示人工神经元，在神经网络中，该人工神经元通常称为节点或单元(在本申请中，称为节点)。在图6中，L＝1表示输入层、L＝2及L＝3表示隐藏层，L＝4表示输出层。另外，在图6中，x1及x2表示从输入层(L＝1)的各节点输出的输出值，y1及y2表示从输出层(L＝4)的各节点输出的输出值，z1 (2)、z2 (2)及z3 (2)表示从隐藏层(L＝2)的各节点输出的输出值，z1 (3)、z2 (3)及z3 (3)表示从隐藏层(L＝3)的各节点输出的输出值。此外，隐藏层的层数可以设为1个或任意的个数，输入层的节点的数量及隐藏层的节点的数量也可以设为任意的个数。另外，输出层的节点的数量可以设为1个，也可以设为多个。
在输入层的各节点处输入保持原样输出。另一方面，向隐藏层(L＝2)的各节点输入输入层的各节点的输出值x1及x2，在隐藏层(L＝2)的各节点，使用分别对应的权重w及偏重(偏差)b算出总输入值u。例如，在图6中在由隐藏层(L＝2)的zk (2)(k＝1、2、3)表示的节点处算出的总输入值uk如下式所示。
接着，该总输入值uk通过活性化函数f进行变换，从由隐藏层(L＝2)的zk (2)表示的节点作为输出值zk (2)(＝f(uk))而输出。另一方面，向隐藏层(L＝3)的各节点输入隐藏层(L＝2)的各节点的输出值z1 (2)、z2 (2)及z3 (2)，在隐藏层(L＝3)的各节点，使用分别对应的权重w及偏重b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进行变换，从隐藏层(L＝3)的各节点作为输出值z1 (3)、z2 (3)及z3 (3)而输出，作为该活性化函数，例如使用S型函数σ。
另一方面，向输出层(L＝4)的各节点输入隐藏层(L＝3)的各节点的输出值z1 (3)、z2 (3)及z3 (3)，在输出层的各节点，使用分别对应的权重w及偏重b算出总输入值u(Σz·w+b)，或者，仅使用分别对应的权重w算出总输入值u(Σz·w)。在本发明的实施例中，在输出层的节点使用恒等函数，因此，在输出层的节点算出的总输入值u从输出层的节点保持原样地作为输出值y而输出。
<神经网络中的学习>
此外，在将表示神经网络的输出值y的正解值的教师数据设为yt时，神经网络中的各权重w及偏重b以使输出值y与教师数据yt的差变小的方式，使用误差逆传播法进行学习。该误差逆传播法是公知的，因此，关于误差逆传播法，以下简单地说明其概要。此外，偏重b是权重w的一种，因此，以下，偏重b也包括在内称为权重w。此外，在图6所示那样的神经网络中，在将向L＝2、L＝3或L＝4的各层的节点输入的输入值u(L)下的权重由w(L)表示时，误差函数E的由权重w(L)进行的微分、即梯度 (L)如果改写则如下式所示。
在此，由于因此若设为/>则上述(1)式可以由下式表示。
在此，若u(L)变动，则通过以下的层的总输入值u(L+1)的变化引起误差函数E的变动，因此δ(L)可以由下式表示。
在此，若表示为z(L)＝f(u(L))，则在上述(3)式的右边出现的输入值uk (L+1)可以由下式表示。
输入值
在此，上述(3)式的右边第1项为δ(L+1)，上述(3)式的右边第2项可以由下式表示。
因此，δ(L)由下式表示。
即，
即，若求出δ(L+1)，则可以求出δ(L)。
此外，输出层(L＝4)的节点为一个，相对于某输入值求出教师数据yt，在相对于该输入值的从输出层输出的输出值为y的情况下，在使用平方误差作为误差函数时，平方误差E利用E＝1/2(y-yt)2求出。在该情况下，在输出层(L＝4)的节点，输出值y＝f(u(L))，因此，在该情况下，输出层(L＝4)的节点处的δ(L)的值由下式表示。
在该情况下，在本发明的实施例中，如前所述，f(u(L))是恒等函数，f′(u(Ll))＝1。因此，δ(L)＝y-yt，求出δ(L)。
若求出δ(L)，则使用上式(6)来求出前层的δ(L-1)。这样依次求出前层的δ，使用这些δ的值，从上式(2)关于各权重w求出误差函数E的微分、即梯度若求出梯度则使用该梯度/>以使得误差函数E的值减小的方式，更新权重w。即，进行权重w的学习。此外，如图6所示，在输出层(L＝4)具有多个节点的情况下，在将从各节点输出的输出值设为y1、y1…、设为对应的教师数据yt1、yt2…时，使用以下的平方和误差E作为误差函数E。
平方和误差
在该情况下，输出层(L＝4)的各节点处的δ(L)的值也成为δ(L)＝y-ytk(k＝1、2…n)，从这些δ(L)的值使用上式(6)求出前层的δ(L-1)。
<本发明的实施例>
首先，参照图7对从高压燃料泵33排出的排出燃料温度TF的推定方法进行说明。此外，图7示出从高压燃料泵33排出的排出燃料温度TF的时间的变化。在图7中，若着眼于时刻tn和时刻tn+1，则可以推定从时刻tn下的内燃机的状态起一定时间(tn+1―tn)内的从高压燃料泵33排出的排出燃料温度TF的温度上升量(TFn+1―TFn)。即，若内燃机的状态确定，则使从高压燃料泵33排出的排出燃料温度TF上升的发热因子的发热量、使从高压燃料泵33排出的排出燃料温度TF上升的加热因子的加热量、使从高压燃料泵33排出的排出燃料温度TF下降的冷却因子的冷却量、及使从高压燃料泵33排出的排出燃料温度TF下降的散热因子的散热量确定，因此可以推定从时刻tn下的内燃机的状态起的、从高压燃料泵33排出的排出燃料温度TF的温度上升量(TFn+1―TFn)。换言之，可以推定从时刻tn(TF＝TFn)下的内燃机的状态起一定时间(tn+1―tn)后的从高压燃料泵33排出的排出燃料温度TFn+1。
在该情况下，在本发明的实施例中，使用神经网络，推定从时刻tn下的内燃机的状态(TF＝TFn)起一定时间(tn+1―tn)后的从高压燃料泵33排出的排出燃料温度TFn+1，为了推定从时刻tn下的内燃机的状态(TF＝TFn)一定时间(tn+1―tn)后的从高压燃料泵33排出的排出燃料温度TFn+1，生成从高压燃料泵33排出的排出燃料温度TF的推定模型。因此，首先，参照图8对用于生成该从高压燃料泵33排出的排出燃料温度推定模型的神经网络进行说明。参照图8，在该神经网络80中，也与图6所示的神经网络同样地，L＝1表示输入层，L＝2及L＝3表示隐藏层，L＝4表示输出层。如图8所示，输入层(L＝1)包括n个节点，n个输入值x1、x2…xn-1、xn向输入层(L＝1)的各节点输入。另一方面，在图8记载有隐藏层(L＝2)及隐藏层(L＝3)，但这些隐藏层的层数可以是1个或任意的个数，另外，这些隐藏层的节点的数量也可以是任意的个数。此外，输出层(L＝4)的节点的数量设为1个，从输出层的节点输出的输出值由y表示。在该情况下，输出值y成为从高压燃料泵33排出的排出燃料温度TF的推定值。
接着，参照图9所示的一览表对图8中的输入值x1、x2…xn-1、xn进行说明。此外，如上所述，若内燃机的状态确定，则使从高压燃料泵33排出的排出燃料温度TF上升的发热因子的发热量、使从高压燃料泵33排出的排出燃料温度TF上升的加热因子的加热量、使从高压燃料泵33排出的排出燃料温度TF下降的冷却因子的冷却量、及使从高压燃料泵33排出的排出燃料温度TF下降的散热因子的散热量确定，因此，可以推定从时刻tn下的内燃机的状态起的、从高压燃料泵33排出的排出燃料温度TF的温度上升量(TFn+1―TFn)、即一定时间(tn+1―tn)后的从高压燃料泵33排出的排出燃料温度TFn+1。
在图9中，列举出作为这些发热因子、加热因子、冷却因子及散热因子的向神经网络输入的输入参数。而且，在图9中，列举出对从高压燃料泵33排出的排出燃料温度TF的变化产生强影响的输入参数作为必需的输入参数，虽然不是必需的输入参数程度，但列举出对从高压燃料泵33排出的排出燃料温度TF的变化产生影响的输入参数作为辅助的输入参数。从图9可知，将内燃机转速、内燃机负荷、润滑油温度、向高压燃料泵33供给的供给燃料量、吸入空气温度、车速及从高压燃料泵33排出的排出燃料温度TF设为必需的输入参数。在这些必需的输入参数中内燃机转速是发热因子，内燃机转速、内燃机负荷、润滑油温度是加热因子，向高压燃料泵33供给的供给燃料量是冷却因子，吸入空气温度及车速是散热因子。
若内燃机转速变高，则由高压燃料泵33内的泵柱塞70进行的加压作业的频度增大，其结果，从高压燃料泵33排出的排出燃料温度TF变高。因此，内燃机转速成为从高压燃料泵33排出的排出燃料的发热因子。另外，由于内燃机转速越变高则内燃机的发热量越增大，因此对于高压燃料泵33的加热量变大，由于内燃机负荷越变高则内燃机的发热量越增大，因此对于高压燃料泵33的加热量变大。另外，由于向高压燃料泵33供给有润滑油，因此润滑油温度越变高则对于高压燃料泵33的加热量越变大。因此，内燃机转速、内燃机负荷及润滑油温度成为从高压燃料泵33排出的排出燃料的加热因子。
另外，不用进行说明，从高压燃料泵33排出的排出燃料温度TF是必需的输入参数。在本发明的一个实施例中，仅这些必需的输入参数的值设为图8中的输入值x1、x2…xn-1、xn。
另一方面，如图9所示，将点火正时、EGR率、进气门6的开闭气门正时、内燃机冷却水温度、空调29的运转、电动冷却风扇28及天气信息设为辅助的输入参数。这些点火正时、EGR率、进气门6的开闭气门正时、内燃机冷却水温度及空调29的运转是发热因子，电动冷却风扇28是冷却因子。即，若点火正时提前则燃烧温度上升，若EGR率变高则燃烧温度下降。另外，若进气门6的打开正时提前、进气门6和排气门9都开阀的气门重叠期间变长，则从排气口11向燃烧室5内吹回的排气量增大。其结果，燃烧温度下降。
另外，若内燃机冷却水温度下降，则燃烧温度下降。另一方面，在空调29中，利用从内燃机主体1送入了的内燃机冷却水温度的热进行制热或除湿。因此，若使空调29运转，则内燃机冷却水温度下降，燃烧温度下降。这样点火正时、EGR率、进气门6的开闭气门正时、内燃机冷却水温度及空调29的运转状态对燃烧温度产生影响，因此这些点火正时、EGR率、进气门6的开闭气门正时、内燃机冷却水温度及空调29的运转状态成为发热因子。另一方面，若驱动电动冷却风扇28，则通过电动冷却风扇28使外部气体绕内燃机主体1流通，因此高压燃料泵33被冷却。因此，电动冷却风扇28的驱动状态成为冷却因子。
另一方面，关于天气，也有时成为加热因子，还有时成为冷却因子。例如，在气温升高、晴天时成为加热因子，在雨天或雪天时成为冷却因子。如上所述，也可以仅将必需的输入参数的值设为图8中的输入值x1、x2…xn-1、xn。当然，除了必需的输入参数的值以外，也可以将辅助的输入参数的值设为图8中的输入值x1、x2…xn-1、xn。此外，以下，以除了必需的输入参数的值以外也将辅助的输入参数的值设为图8中的输入值x1、x2…xn-1、xn的情况为例对本发明的实施例进行说明。
图10示出使用输入值x1、x2…xn-1、xn、和教师数据yt而生成了的训练数据集。在该图10中，输入值x1、x2…xn-1、xn分别表示内燃机转速、内燃机负荷、润滑油温度、向高压燃料泵33供给的供给燃料量、吸入空气温度、车速、从高压燃料泵33排出的排出燃料温度TF、点火正时、EGR率、进气门6的开闭气门正时、内燃机冷却水温度、空调29的运转状态、电动冷却风扇28的驱动状态及天气信息。在该情况下，内燃机转速在电子控制单元30内算出，使用由吸入空气量检测器19检测的向内燃机吸入的吸入空气量作为内燃机负荷。因此，内燃机负荷由吸入空气量检测器19检测。
另外，润滑油温度由润滑油温度传感器43检测，向高压燃料泵33供给的供给燃料量例如根据低压燃料泵32的燃料排出量、例如低压燃料泵32的驱动电力而算出。另外，吸入空气温度由吸入空气温度传感器40检测，车速由车速传感器63检测。另外，点火正时、EGR率及进气门6的开闭气门正时在电子控制单元30内算出，内燃机冷却水温度由水温传感器42检测。空调29的运转状态根据在电子控制单元30内求出的运转指令来判别，例如，在没有发出空调29的运转指令时，将表示空调29的运转状态的指标设为零，在发出运转指令时，将表示空调29的运转状态的指标设为1。
另一方面，电动冷却风扇28的驱动状态根据在电子控制单元30内求出的驱动指令来判别，在没有发出电动冷却风扇28的驱动指令时，例如将表示电动冷却风扇28的驱动状态的指标设为零，在发出驱动指令时，将表示电动冷却风扇28的驱动状态的指标设为1。另外，由接收装置64接收到的对于天气信息的输入值例如在晴天且气温为一定温度以上时，将表示天气状态的指标设为零，在晴天且气温为一定温度以下时将表示天气状态的指标设为1，在雨天时将表示天气状态的指标设为2，在雪天时将表示天气状态的指标设为3。
另一方面，若使用图7中的时刻tn及tn+1进行说明，则图10中的输入值x1、x2…xn-1、xn表示时刻tn下的输入值，图10中的教师数据yt表示一定时间(tn+1―tn)后的从高压燃料泵33排出的排出燃料温度TF的实测值。如图10所示，在该训练数据集中，取得表示输入值x1、x2…xn-1、xn与教师数据yt之间的关系的m个数据。例如，在第2个数据(No.2)中，列举出所取得的输入值x12、x22…xm-12、xm2和教师数据yt2，在第m-1个数据(No.m-1)中，列举出所取得的输入参数的输入值x1m-1、x2m-1…xn-1m-1、xnm-1和教师数据ytm-1。
接着，对图10所示的训练数据集的生成方法进行说明。图11A及图11B示出训练数据集的生成方法的一例。参照图11A，在能够实现各种气象状态的试验室90内的底盘台91上，设置具备图1所示的内燃机主体1的车辆V，利用试验装置92在底盘台91上进行车辆V的模拟行驶。进行了车辆V的模拟行驶时的行驶风由送风机93提供。另外，在图11A所示的车辆中，除了图1所示的所有传感器以外，训练数据集生成用的燃料温度传感器97也如图11B所示那样安装于高压燃料泵33内的在图3中由箭头75所示的位置，由该燃料温度传感器97检测从高压燃料泵33排出的排出燃料温度TF。
在利用该试验装置92进行的车辆V的模拟行驶中，天气例如按晴天且气温为一定温度以上时、晴天且气温为一定温度以下时、雨天时、雪天时这四个天气状态依次变更，在变更后的各天气状态下，将内燃机转速、内燃机负荷、吸入空气温度、车速、点火正时、EGR率、进气门6的开闭气门正时、空调29的运转状态及电动冷却风扇28的驱动状态的组合依次变更同时反复进行车辆V的模拟行驶。即，将包括内燃机转速、内燃机负荷、吸入空气温度、车速、点火正时、EGR率及进气门6的开闭气门正时、空调29的运转状态、电动冷却风扇28的驱动状态及天气状态的操作参数的组合依次变更，同时反复进行车辆V的模拟行驶。此外，在反复进行车辆V的模拟行驶时，如从图4可知那样，存在进行缸内喷射的情况和进行进气口喷射的情况。
在进行该模拟行驶的期间，取得生成训练数据集所需的数据。即，若操作参数的组合被变更，则在变更后的操作参数的组合下进行模拟行驶，在进行该模拟行驶的期间，在图7中由各时刻tn(n＝0、1、2…)所示那样的每一定时间的内燃机转速、内燃机负荷、润滑油温度、向高压燃料泵33供给的供给燃料量、吸入空气温度、车速、从高压燃料泵33排出的排出燃料温度TF、点火正时、EGR率、进气门6的开闭气门正时、内燃机冷却水温度的实测值、表示空调29的运转状态的指标、表示电动冷却风扇28的驱动状态的指标及表示天气状态的指标例如存储于试验装置92内。
图12示出在试验装置92内执行着的训练数据集的生成例程。该例程通过每一定时间、例如每1秒的中断来执行。
参照图12，首先，在步骤100中，判别是否处于最初的中断时。在处于最初的中断时进入到步骤101，包括内燃机转速、内燃机负荷、吸入空气温度、车速、点火正时、EGR率及进气门6的开闭气门正时、空调29的运转状态、电动冷却风扇28的驱动状态及天气状态的操作参数的值或状态被设定为预先确定的初始值或预先确定的初始状态。接着，在步骤102中，在被设定了的操作参数的值或状态下进行车辆V的模拟行驶。接着，在步骤103中，此时的内燃机转速、内燃机负荷、润滑油温度的实测值、向高压燃料泵33供给的供给燃料量、吸入空气温度的实测值、车速、从高压燃料泵33排出的排出燃料温度TF的实测值、点火正时、EGR率、进气门6的开闭气门正时及内燃机冷却水温度的实测值、表示空调29的运转状态的指标、表示电动冷却风扇28的驱动状态的指标及表示天气状态的指标作为时刻tn下的数据而取得，将这些数据存储于试验装置92的存储器内。
接着，在步骤104中，判别是否经过了预先确定的一定时间、例如10秒。在没有经过预先确定的一定时间时，结束处理循环。在以下的处理循环中，从步骤100跳到步骤102。此时，在步骤102中，此时的内燃机转速、内燃机负荷、润滑油温度的实测值、向高压燃料泵33供给的供给燃料量、吸入空气温度的实测值、车速、从高压燃料泵33排出的排出燃料温度TF的实测值、点火正时、EGR率、进气门6的开闭气门正时及内燃机冷却水温度的实测值、表示空调29的运转状态的指标、表示电动冷却风扇28的驱动状态的指标及表示天气状态的指标作为时刻tn+1下的数据而取得，将这些数据存储于试验装置92的存储器内。将每中断时间的各时刻tn、tn+1、tn+2、tn+4…下的这些数据存储于试验装置92的存储器内，直到这样经过预先确定的一定时间为止。
接着，在步骤104中，在判别为经过了一定时间时，进入到步骤105。在步骤105中，基于在步骤103中存储了的数据，首先，进行将时刻tn下的内燃机转速、内燃机负荷、润滑油温度的实测值、向高压燃料泵33供给的供给燃料量、吸入空气温度的实测值、车速、从高压燃料泵33排出的排出燃料温度TF的实测值、点火正时、EGR率、进气门6的开闭气门正时及内燃机冷却水温度的实测值、表示空调29的运转状态的指标、表示电动冷却风扇28的驱动状态的指标及表示天气状态的指标作为输入值x1、x2…xn-1、xn并将时刻tn-1下的从高压燃料泵33排出的排出燃料温度TF的实测值作为教师数据yt的数据的组合作业。接着，对各时刻tn、tn+1、tn+2、tn+4…下的各数据进行这样的、数据的组合作业，这些数据的组合作为训练数据而存储于试验装置92的存储器内。
接着，在步骤106中，判别包括内燃机转速、内燃机负荷、吸入空气温度、车速、点火正时、EGR率及进气门6的开闭气门正时、空调29的运转状态、电动冷却风扇28的驱动状态及天气状态的操作参数的所有组合是否完成。在判别为这些操作参数的所有组合没有完成时，进入到步骤107，更新操作参数。若更新操作参数，则在步骤102中，在更新后的操作参数下进行车辆V的模拟行驶，在步骤103中，进行新的数据的取得及存储。该操作参数的更新作用进行到操作参数的所有组合完成为止。这样将图10所示的训练数据集的No.1～No.m的输入值x1m、x2m…xnm-1、xnm和教师数据ytm(m＝1、2、3…m)存储于试验装置92的存储器内。
若这样生成训练数据集，则使用该训练数据集的电子数据来进行图8所示的神经网络80的权重学习。在图11A所示的例子中，设置有用于进行神经网络的权重学习的学习装置94。也可以使用个人计算机作为该学习装置94。如图11A所示，该学习装置94具备CPU(微处理器)95和存储装置96即存储器96。在图11A所示的例子中，将图8所示的神经网络80的节点数、及生成了的训练数据集的电子数据存储于学习装置94的存储器96内，在CPU95中进行神经网络80的权重学习。
图13示出在学习装置94中进行的神经网络80的权重学习处理例程。
参照图13，首先，在步骤200中，读入存储于学习装置94的存储器96的针对神经网络80的训练数据集的各数据。接着，在步骤201中，读入神经网络80的输入层(L＝1)的节点数、隐藏层(L＝2)及隐藏层(L＝3)的节点数及输出层(L＝4)的节点数，接着，在步骤202中，基于这些节点数，生成图8所示那样的神经网络80。
接着，在步骤203中，进行神经网络80的权重学习。在该步骤203中，首先，将图10的第1个(No.1)的输入值x1、x2…xn-1、xn向神经网络80的输入层(L＝1)的各节点输入。此时，从神经网络80的输出层输出表示一定时间(图7中的tn+1―tn)后的从高压燃料泵33排出的排出燃料温度TF的推定值的输出值y。在从神经网络80的输出层输出输出值y时，算出该输出值y与第1个(No.1)的教师数据yt1之间的平方误差E＝1/2(y-yt1)2，以使得该平方误差E变小的方式，使用前述的误差逆传播法来进行神经网络80的权重学习。
在基于图10的第1个(No.1)的数据的、神经网络80的权重学习完成后，接着，基于图10的第2个(No.2)的数据的、神经网络80的权重学习使用误差逆传播法来进行。同样地，直到图10的第m个(No.m)为止依次进行神经网络80的权重学习。在对图10的第1个(No.1)～第m个(No.m)为止的所有均完成神经网络80的权重学习后，进入到步骤204。
在步骤204中，例如，算出图10的第1个(No.1)～第m个(No.m)为止的神经网络80的所有的输出值y与教师数据yt之间的平方和误差E，判别该平方和误差E是否成为了预先设定的设定误差以下。在判别为平方和误差E没有成为预先设定的设定误差以下时，返回到步骤203，再次基于图10所示的训练数据集进行神经网络80的权重学习。接着，继续进行神经网络80的权重学习，直到平方和误差E成为预先设定的设定误差以下为止。在步骤204中，在判别为平方和误差E成为了预先设定的设定误差以下时，进入到步骤205，将神经网络80的学习完成权重储存于学习装置94的存储器96。这样生成从高压燃料泵33排出的排出燃料温度TF的推定模型。
在本发明的实施例中，使用这样生成了的从高压燃料泵33排出的排出燃料温度TF的推定模型，进行市售车辆中的高压燃料泵33的控制，为此将该从高压燃料泵33排出的排出燃料温度TF的推定模型保存于市售车辆的电子控制单元50。图14示出由于将从高压燃料泵33排出的排出燃料温度TF的推定模型保存于市售车辆的电子控制单元50而在电子控制单元50中进行的向电子控制单元的数据读入例程。
参照图14，首先，在步骤300中，将图8所示的神经网络80的输入层(L＝1)的节点数、隐藏层(L＝2)及隐藏层(L＝3)的节点数及输出层(L＝4)的节点数向电子控制单元50的存储器52读入，接着，在步骤301中，基于这些节点数，生成图8所示那样的神经网络80。接着，在步骤302中，将该神经网络80的学习完成权重向电子控制单元50的存储器52读入。由此，将从高压燃料泵33排出的排出燃料温度TF的推定模型保存于市售车辆的电子控制单元50。
图15示出高压燃料泵33的控制例程。该控制例程通过每一定时间的中断来执行。此外，该控制例程的中断时间与图12所示的训练数据集的生成例程的中断时间是同一时间，例如设为1秒。
参照图15，首先，在步骤400中，读入内燃机转速的实测值、表示内燃机负荷的吸入空气量的实测值、润滑油温度的实测值、向高压燃料泵33供给的供给燃料量、吸入空气温度的实测值、车速的实测值、从高压燃料泵33排出的排出燃料温度TF、点火正时、EGR率、进气门6的开闭气门正时及内燃机冷却水温度的实测值、表示空调29的运转状态的指标、表示电动冷却风扇28的驱动状态的指标及表示天气状态的指标、即输入值x1、x2…xn-1、xn。接着，在步骤401中，将这些输入值x1、x2…xn-1、x向神经网络80的输入层(L＝1)输入。此时，从神经网络80输出1秒后的从高压燃料泵33排出的排出燃料温度TF的推定值y，由此，如步骤402所示，取得从高压燃料泵33排出的排出燃料温度TF的推定值y。
如上所述，在步骤400中，作为输入值的一个而读入从高压燃料泵33排出的排出燃料温度TF，在步骤401中，作为输入值的一个而将从高压燃料泵33排出的排出燃料温度TF向神经网络80的输入层(L＝1)输入。在该情况下，伴随于内燃机的运转开始，开始图15所示的控制例程的执行，然后，在初次进入到步骤400时，例如，作为表示从高压燃料泵33排出的排出燃料温度TF的初始值而使用吸入空气温度的实测值。即，此时，在步骤400中，作为从高压燃料泵33排出的排出燃料温度TF而读入吸入空气温度的实测值，在步骤401中，作为从高压燃料泵33排出的排出燃料温度TF而将吸入空气温度的实测值向神经网络80的输入层(L＝1)输入。
另一方面，在步骤402中，若取得从高压燃料泵33排出的排出燃料温度TF的推定值y，则在以下的中断时，作为从高压燃料泵33排出的排出燃料温度TF而使用该从高压燃料泵33排出的排出燃料温度TF的推定值y。即，在步骤400中，作为从高压燃料泵33排出的排出燃料温度TF而读入从高压燃料泵33排出的排出燃料温度TF的推定值y，在步骤401中，作为从高压燃料泵33排出的排出燃料温度TF而将从高压燃料泵33排出的排出燃料温度TF的推定值y向神经网络80的输入层(L＝1)输入。
若在步骤402中取得从高压燃料泵33排出的排出燃料温度TF的推定值y，则进入到步骤403，基于该取得了的从高压燃料泵33排出的排出燃料温度TF的推定值y，控制高压燃料分配管30内的目标燃料压力。即，在步骤403中，判别内燃机的运转状态是否处于图4所示的缸内喷射区域。在判别为内燃机的运转状态处于图4所示的缸内喷射区域时进入到步骤404，判别从高压燃料泵33排出的排出燃料温度TF的推定值y是否比图5所示的设定值TL低。
在从高压燃料泵33排出的排出燃料温度TF的推定值y比图5所示的设定值TL低时，进入到步骤405，以使得高压燃料分配管30内的燃料压力成为图5所示的目标燃料压力P1的方式，控制高压燃料泵33的电磁式溢流阀72的闭阀时间。此时，在本发明的实施例中，基于燃料压力传感器41的输出信号，以使得高压燃料分配管30内的燃料压力成为目标燃料压力P1的方式，对高压燃料泵33的电磁式溢流阀72的闭阀时间进行反馈控制。接着，进入到步骤409，在喷射压力为P1下从燃料喷射阀14进行缸内喷射。
另一方面，在步骤404中，在判别为从高压燃料泵33排出的排出燃料温度TF的推定值y不比图5所示的设定值TL低时，进入到步骤406，判别从高压燃料泵33排出的排出燃料温度TF的推定值y是否比图5所示的设定值TM低。在从高压燃料泵33排出的排出燃料温度TF的推定值y比设定值TM低时，进入到步骤407，以使得高压燃料分配管30内的燃料压力成为图5所示的目标燃料压力P2的方式，控制高压燃料泵33的电磁式溢流阀72的闭阀时间。此时，在本发明的实施例中，基于燃料压力传感器41的输出信号，以使得高压燃料分配管30内的燃料压力成为目标燃料压力P2的方式，对高压燃料泵33的电磁式溢流阀72的闭阀时间进行反馈控制。接着，进入到步骤409，在喷射压力为P2下从燃料喷射阀14进行缸内喷射。
另一方面，在步骤406中，在判别为从高压燃料泵33排出的排出燃料温度TF的推定值y不比图5所示的设定值TM低时，进入到步骤408，以使得高压燃料分配管30内的燃料压力成为图5所示的目标燃料压力P3的方式，控制高压燃料泵33的电磁式溢流阀72的闭阀时间。此时，在本发明的实施例中，基于燃料压力传感器41的输出信号，以使得高压燃料分配管30内的燃料压力成为目标燃料压力P3的方式，对高压燃料泵33的电磁式溢流阀72的闭阀时间进行反馈控制。接着，进入到步骤409，在喷射压力为P3下从燃料喷射阀14进行缸内喷射。
另一方面，在步骤403中，在判别为内燃机的运转状态不处于图4所示的缸内喷射区域时、即内燃机的运转状态处于图4所示的进气口喷射区域时进入到步骤410，判别是否激活(设定)了表示应冷却高压燃料泵33的冷却用喷射标志。在没有激活冷却用喷射标志时，进入到步骤411，判别从高压燃料泵33排出的排出燃料温度TF的推定值y是否比图5所示的设定值TH高。在从高压燃料泵33排出的排出燃料温度TF的推定值y不比设定值TH高时，跳到步骤418，从燃料喷射阀13进行进气口喷射。此时，高压燃料泵33的电磁式溢流阀72被保持为开阀状态。
与此相对，在判别为从高压燃料泵33排出的排出燃料温度TF的推定值y比图5所示的设定值TH高时进入到步骤412，激活冷却用喷射标志，接着，进入到步骤413。若激活冷却用喷射标志，则在以下的处理循环中，从步骤410跳到步骤413。在步骤413中，判别从高压燃料泵33排出的排出燃料温度TF的推定值y是否比图5所示的设定值TM低。在判定为从高压燃料泵33排出的排出燃料温度TF的推定值y不比设定值TM低时，进入到步骤414，以使得高压燃料分配管30内的燃料压力成为图5所示的目标燃料压力P3的方式，控制高压燃料泵33的电磁式溢流阀72的闭阀时间。此时，在本发明的实施例中，基于燃料压力传感器41的输出信号，以使得高压燃料分配管30内的燃料压力成为目标燃料压力P3的方式，对高压燃料泵33的电磁式溢流阀72的闭阀时间进行反馈控制。接着，进入到步骤416。
与此相对，在判别为从高压燃料泵33排出的排出燃料温度TF的推定值y比设定值TM低时，进入到步骤415，以使得高压燃料分配管30内的燃料压力成为图5所示的目标燃料压力P2的方式，控制高压燃料泵33的电磁式溢流阀72的闭阀时间。此时，在本发明的实施例中，基于燃料压力传感器41的输出信号，以使得高压燃料分配管30内的燃料压力成为目标燃料压力P2的方式，对高压燃料泵33的电磁式溢流阀72的闭阀时间进行反馈控制。接着，进入到步骤416。
在步骤416中，判别从高压燃料泵33排出的排出燃料温度TF的推定值y例如是否比图5所示的设定值TL与TH的中间值(TL+TM)/2低。在判定为从高压燃料泵33排出的排出燃料温度TF的推定值y不比(TL+TM)/2低时，进入到步骤409，在判定为从高压燃料泵33排出的排出燃料温度TF的推定值y比(TL+TM)/2低时，在步骤417中将冷却用喷射标志复位(重新设定)之后，进入到步骤409。在步骤409中，尽管内燃机的运转状态处于图4所示的进气口喷射区域，也从燃料喷射阀14进行缸内喷射。
这样，在本发明的实施例中，在由内燃机驱动而向燃料喷射阀31供给燃料的燃料喷射用高压燃料泵33的控制装置中，所述控制装置取得包括内燃机转速、内燃机负荷、润滑油温度、向高压燃料泵供给的供给燃料量、向内燃机吸入的吸入空气温度、从高压燃料泵排出的排出燃料温度、及车速的至少七个参数值，存储将取得了的该七个参数值作为神经网络的输入值并将从这些七个参数值的取得时起一定时间后取得的从高压燃料泵排出的排出燃料温度作为教师数据而进行了权重学习的学习完成神经网络。使用该学习完成神经网络，从当前的内燃机转速、内燃机负荷、润滑油温度、向高压燃料泵供给的供给燃料量、向内燃机吸入的吸入空气温度、从高压燃料泵排出的排出燃料温度、及车速来推定一定时间后的从高压燃料泵排出的排出燃料温度。在该情况下，对当前的内燃机转速、内燃机负荷、润滑油温度、向高压燃料泵供给的供给燃料量、向内燃机吸入的吸入空气温度、及车速用实测值并且对当前的从高压燃料泵排出的排出燃料温度用使用学习完成神经网络而推定的推定值。基于使用学习完成神经网络而推定的一定时间后的从高压燃料泵排出的排出燃料温度的推定值，控制从燃料喷射阀喷射的喷射燃料压力。
在该情况下，在本发明的别的实施例中，除了上述的七个参数值以外，也将点火正时、EGR率、进气门的打开正时及内燃机冷却水温度作为神经网络的输入值。另外，在本发明的又一别的实施例中，还将表示空调的运转状态的指标、表示电动冷却风扇的工作状态的指标及表示天气状态的指标作为神经网络的输入值。
附图标记说明
1 内燃机主体
6 进气门
9 排气门
13、14 燃料喷射阀
15 可变气门正时机构
19 吸入空气量检测器
24 EGR控制阀
28 电动冷却风扇
29 空调
30 高压燃料分配管
33 高压燃料泵
40 吸入空气温度传感器
42 水温传感器
43 润滑油温度传感器
50 电子控制单元

Claims (3)

1.一种燃料喷射控制装置，其中，
所述燃料喷射控制装置具备：向进气口内喷射燃料的进气口喷射用的燃料喷射阀、和向燃烧室内喷射燃料的缸内喷射用的燃料喷射阀，从内燃机驱动的高压燃料泵向缸内喷射用的燃料喷射阀供给燃料，
所述燃料喷射控制装置取得包括内燃机转速、内燃机负荷、润滑油温度、向高压燃料泵供给的供给燃料量、向内燃机吸入的吸入空气温度、从高压燃料泵排出的排出燃料温度、及车速的至少七个参数值，
存储将取得了的该七个参数值作为神经网络的输入值并将从该七个参数值的取得时起一定时间后取得的从高压燃料泵排出的排出燃料温度作为教师数据而进行了权重学习的学习完成神经网络，
使用该学习完成神经网络，根据当前的内燃机转速、内燃机负荷、润滑油温度、向高压燃料泵供给的供给燃料量、向内燃机吸入的吸入空气温度、从高压燃料泵排出的排出燃料温度、及车速来推定一定时间后的从高压燃料泵排出的排出燃料温度，在该情况下，对当前的内燃机转速、内燃机负荷、润滑油温度、向高压燃料泵供给的供给燃料量、向内燃机吸入的吸入空气温度、及车速用实测值并且对当前的从高压燃料泵排出的排出燃料温度用使用学习完成神经网络而推定的推定值，
基于使用学习完成神经网络而推定的一定时间后的从高压燃料泵排出的排出燃料温度的推定值，控制从缸内喷射用燃料喷射阀喷射的喷射燃料压力，不产生燃料蒸气的缸内喷射用燃料喷射阀的目标喷射压力根据从高压燃料泵排出的排出燃料温度而设定，
通过高压燃料泵的控制，控制为：在进行进气口喷射时当从高压燃料泵排出的排出燃料温度的推定值变为比设定值高时，从进气口喷射切换为缸内喷射，以使得来自缸内喷射用燃料喷射阀的喷射压力成为根据从高压燃料泵排出的排出燃料温度而设定的该目标喷射压力。
2.根据权利要求1所述的燃料喷射控制装置，其中，
除了上述七个参数值以外，也将点火正时、EGR率、进气门的打开正时及内燃机冷却水温度作为神经网络的输入值。
3.根据权利要求2所述的燃料喷射控制装置，其中，
还将表示空调的运转状态的指标、表示电动冷却风扇的工作状态的指标及表示天气状态的指标作为神经网络的输入值。
CN202010472800.9A 2019-06-17 2020-05-29 燃料喷射用高压燃料泵的控制装置 Active CN112096534B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019112088A JP6852754B2 (ja) 2019-06-17 2019-06-17 燃料噴射制御装置
JP2019-112088 2019-06-17

Publications (2)

Publication Number Publication Date
CN112096534A CN112096534A (zh) 2020-12-18
CN112096534B true CN112096534B (zh) 2023-07-25

Family

ID=73546962

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010472800.9A Active CN112096534B (zh) 2019-06-17 2020-05-29 燃料喷射用高压燃料泵的控制装置

Country Status (4)

Country Link
US (1) US11008965B2 (zh)
JP (1) JP6852754B2 (zh)
CN (1) CN112096534B (zh)
DE (1) DE102020110864A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021111802A1 (ja) * 2019-12-06 2021-06-10 ジヤトコ株式会社 変速機及び潤滑油圧制御弁の制御方法
US11459962B2 (en) * 2020-03-02 2022-10-04 Sparkcognitton, Inc. Electronic valve control
CN112832744A (zh) * 2021-01-07 2021-05-25 中国石油大学(华东) 一种基于lstm神经网络的抽油机井检泵周期预测方法
CN113898483B (zh) * 2021-08-25 2023-06-27 东风汽车集团股份有限公司 一种发动机转速控制方法、装置及车辆

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011132813A (ja) * 2009-12-22 2011-07-07 Nissan Motor Co Ltd 内燃機関の燃料供給装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6966304B2 (en) 2002-10-17 2005-11-22 Nissan Motor Co., Ltd. Estimation of oil-diluting fuel quantity of engine
JP4055545B2 (ja) 2002-10-17 2008-03-05 日産自動車株式会社 オイル希釈燃料推定装置及びそれを用いた内燃機関の制御装置
JP2005076568A (ja) * 2003-09-02 2005-03-24 Nissan Motor Co Ltd 内燃機関の燃料供給装置
JP4487882B2 (ja) * 2005-07-29 2010-06-23 日産自動車株式会社 燃料噴射機構のベーパ発生判定装置
JP4179333B2 (ja) 2006-04-12 2008-11-12 トヨタ自動車株式会社 内燃機関の始動制御装置
JP2008223583A (ja) * 2007-03-12 2008-09-25 Mazda Motor Corp エンジンの制御装置
JP5494818B2 (ja) * 2010-10-27 2014-05-21 トヨタ自動車株式会社 内燃機関の燃料噴射制御システム
JP6055608B2 (ja) 2012-04-26 2016-12-27 日立オートモティブシステムズ株式会社 エンジン制御装置
JP2015059494A (ja) * 2013-09-18 2015-03-30 トヨタ自動車株式会社 内燃機関の制御装置
JP6486007B2 (ja) * 2014-02-19 2019-03-20 日立オートモティブシステムズ株式会社 内燃機関の制御装置
JP6292163B2 (ja) * 2015-04-28 2018-03-14 トヨタ自動車株式会社 内燃機関の制御装置
JP6386489B2 (ja) * 2016-03-22 2018-09-05 株式会社豊田中央研究所 機関燃料系の燃料温度の推定に用いる適合係数の適合方法及び燃料温度推定装置及びポンプ制御装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011132813A (ja) * 2009-12-22 2011-07-07 Nissan Motor Co Ltd 内燃機関の燃料供給装置

Also Published As

Publication number Publication date
US11008965B2 (en) 2021-05-18
JP2020204285A (ja) 2020-12-24
JP6852754B2 (ja) 2021-03-31
DE102020110864A1 (de) 2020-12-17
CN112096534A (zh) 2020-12-18
US20200392915A1 (en) 2020-12-17

Similar Documents

Publication Publication Date Title
CN112096534B (zh) 燃料喷射用高压燃料泵的控制装置
EP1682764B1 (en) Method for controlling combustion in an internal combustion engine and predicting performance and emissions
CN102135045B (zh) 柴油发动机中的适应性进气氧气估计
US10196997B2 (en) Engine control system including feed-forward neural network controller
US6708102B2 (en) Method and system for predicting cylinder air charge in an internal combustion engine for a future cylinder event
US7831378B2 (en) System and method for estimating NOx produced by an internal combustion engine
CN102066727B (zh) 控制具直接燃料注入的汽车内燃引擎的方法及装置
Nikzadfar et al. Investigating a new model-based calibration procedure for optimizing the emissions and performance of a turbocharged diesel engine
JP6702389B2 (ja) 車両用駆動装置の制御装置、車載電子制御ユニット、学習済みモデル、機械学習システム、車両用駆動装置の制御方法、電子制御ユニットの製造方法及び出力パラメータ算出装置
Sui et al. Mean value modelling of diesel engine combustion based on parameterized finite stage cylinder process
US7082930B2 (en) Method for controlling engine fuel injection in a hybrid electric vehicle
CN102137995A (zh) 内燃机系统控制设备
CN102889124B (zh) 估计内燃机进气充量温度的系统和方法
JP2013032759A (ja) 内燃機関の制御装置
BR102014018992A2 (pt) Motor de combustão interna com pistão recíproco, método de operação do mesmo, veículo motor e veículo e veículo comercial com um motor de combustão interna com pistão recíproco
CN107035556A (zh) 运行燃料喷射器的方法
CN108930598A (zh) 用于内燃机的充气的方法和系统
CN105134396B (zh) 油泵控制系统和方法
JP2020204322A (ja) 燃料噴射用高圧燃料ポンプの制御装置
US20170123392A1 (en) System and Method for Modelling Engine Components
JP2004211560A (ja) 内燃機関の制御装置
Lahti et al. Dynamic engine control for HCCI combustion
EP2772631A1 (en) Method of operating a combustion engine
JP3928717B2 (ja) 内燃機関の燃料噴射量制御装置
JP2005299600A (ja) 内燃機関の燃料供給制御装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant