CN112302818A

CN112302818A - 内燃机的状态检测系统、数据解析装置及混合动力车辆

Info

Publication number: CN112302818A
Application number: CN202010742950.7A
Authority: CN
Inventors: 桥本洋介; 片山章弘; 大城裕太; 杉江和纪; 冈尚哉
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2019-07-31
Filing date: 2020-07-29
Publication date: 2021-02-02
Anticipated expiration: 2040-07-29
Also published as: CN112302818B; JP2021025412A; US20210033040A1; JP6741131B1; US11111869B2

Abstract

一种内燃机的状态检测系统、数据解析装置及混合动力车辆，所述内燃机的状态检测系统包括存储映射数据的存储装置和构成为执行取得处理及判定处理的执行装置，所述映射数据是在将如下的映射设为了检测用映射时对所述检测用映射进行规定的数据，所述映射是以第1波形变量和第2波形变量为输入，并以燃烧状态变量为输出的映射，且是通过基于利用机器学习而学习到的参数的所述第1波形变量及所述第2波形变量的结合运算来输出所述燃烧状态变量的值的映射，在所述取得处理中取得所述第1波形变量的值，在所述判定处理中判定所述内燃机是否处于所述既定的运转状态。

Description

内燃机的状态检测系统、数据解析装置及混合动力车辆

技术领域

本发明涉及用于在搭载于混合动力车辆的内燃机中检测伴随汽缸间的燃烧状态的偏差的运转状态、例如失火(不发火)、汽缸间的空燃比的偏差的系统、和构成该系统的数据解析装置及混合动力车辆。

背景技术

在内燃机中，在由于失火、汽缸间的空燃比的偏差等而产生汽缸间的燃烧状态的偏差时，曲轴的旋转变动变大。因此，能够基于曲轴的旋转变动模式来检测失火、汽缸间的空燃比的偏差等。例如在日本特开平4－91348中，记载了使用如下的多层型神经网络模型来检测失火的失火检测系统，所述多层型神经网络模型构成为，将按既定周期采样的内燃机的曲轴的转速的时序数据输入到输入层，从输出层输出产生了失火的汽缸的信息。

发明内容

但是，在内燃机的曲轴上机械地连结有电动发电机的混合动力车辆中，根据电动发电机的驱动状态，曲轴的旋转举动也发生变化。因此，在具备上述那样的电动发电机的混合动力车辆中，与不具备该电动发电机的车辆相比，基于曲轴的旋转变动的模式的失火等的检测精度变低。

本发明的第1技术方案所涉及的内燃机的状态检测系统应用于在曲轴上机械地连结有电动发电机的内燃机，并构成为检测伴随汽缸间的燃烧状态的偏差的该内燃机的既定的运转状态。所述状态检测系统包括构成为存储映射数据的存储装置、和构成为执行取得处理及判定处理的执行装置，所述映射数据是在将如下的映射设为了检测用映射时对所述检测用映射进行规定的数据，所述映射是以第1波形变量和第2波形变量为输入，并以燃烧状态变量为输出的映射，且是通过基于利用机器学习而学习到的参数的所述第1波形变量和所述第2波形变量的结合运算来输出所述燃烧状态变量的值的映射，所述第1波形变量是包含与各汽缸的燃烧转矩的产生期间中的所述曲轴的转速的汽缸间差异有关的信息的变量，所述第2波形变量是示出表示所述电动发电机的驱动状态的状态量的时序数据的变量，所述燃烧状态变量是与所述汽缸间的燃烧状态的偏差程度有关的变量，所述取得处理是取得所述第1波形变量和所述第2波形变量各自的值的处理，并且基于检测所述曲轴的旋转举动的传感器的输出而取得所述第1波形变量的值，所述判定处理基于以通过所述取得处理取得的所述第1波形变量和所述第2波形变量各自的值为输入的所述检测用映射的输出值来判定所述内燃机是否处于所述既定的运转状态。

在各汽缸的燃烧状态上产生偏差时，在各汽缸的燃烧转矩上产生差异，所以在各汽缸的燃烧转矩的产生期间中的曲轴的转速上产生汽缸间差异。与这样的曲轴的转速的汽缸间差异有关的信息能够从检测曲轴的旋转举动的传感器的输出取得。如果燃烧转矩的产生期间中的曲轴的转速的汽缸间差异单纯地仅由各汽缸的燃烧状态的偏差引起而产生，则能够从与该转速的汽缸间差异有关的信息来高精度地检测出失火、汽缸间空燃比不均那样的伴随着汽缸间的燃烧状态的偏差的内燃机的运转状态。

另一方面，在电动发电机机械地连结于曲轴的内燃机中，电动发电机的驱动状态会影响到曲轴的旋转举动。即使电动发电机的驱动状态相同，如果此时的内燃机的运转状态不同，则电动发电机的驱动状态对曲轴的旋转举动施加的影响的程度也会发生变化。另外，相对于电动发电机的驱动状态的变化的、曲轴的旋转举动的变化伴随着延迟。

与此相对，在上述构成中，鉴于汽缸间的燃烧状态的偏差会使得产生燃烧转矩的产生期间的曲轴的转速的汽缸间差异，而将包含该转速的汽缸间差异的信息的第1波形变量包含在向检测用映射的输入中。另外，鉴于电动发电机的驱动状态的变化存在延迟地对曲轴的旋转举动产生影响，将示出表示该驱动状态的状态量的时序数据的第2波形变量也包含在向检测用映射的输入中。并且，在上述构成中，基于通过上述第1波形变量及第2波形变量的结合运算算出的燃烧状态变量的值来判定有无产生上述既定的运转状态，上述第1波形变量及第2波形变量的结合运算基于通过机器学习而学习到的参数来进行。这里的参数能够基于上述那样的第1波形变量及第2波形变量各自取各种值时的上述既定的运转状态的产生的有无来进行学习。因此，能够在基于了电动发电机的驱动状态对曲轴的旋转举动产生的影响的情况下来实施上述状态检测。因此，能够提高在曲轴上机械地连结有电动发电机的内燃机中的上述既定的运转状态的检测精度。

在上述技术方案中，所述既定的运转状态可以是产生了失火的状态。

另外，在上述技术方案中，所述既定的运转状态可以是产生了汽缸间的空燃比的偏差的状态。

另外，在上述技术方案中，所述状态量可以是所述电动发电机的转矩。

此外，在上述技术方案中，所述执行装置可以构成为，在通过所述判定处理判定为所述内燃机处于所述既定的运转状态时，操作规定的硬件而执行用于应对所述既定的运转状态的应对处理。在应对处理中例如包括向乘员报知内燃机处于既定的运转状态这一情况的处理和/或谋求消除、减轻既定的运转状态的处理。

进而，在上述技术方案中，所述判定处理可以包括算出以通过取得处理取得的第1波形变量和第2波形变量的值为输入的检测用映射的输出值的输出值算出处理，所述执行装置可以包括搭载于车辆的第1执行装置和配置于该车辆的外部的第2执行装置。所述第1执行装置可以构成为执行取得处理和接收基于所述输出值算出处理的算出结果的信号的车辆侧接收处理，所述第2执行装置可以构成为执行输出值算出处理和将基于所述输出值算出处理的算出结果的信号向车辆发送的外部侧发送处理。在这样的情况下，变为运算负荷高的输出值算出处理在车辆的外部进行。因此，能够减轻车辆侧的运算负荷。

本发明的第2技术方案所涉及的数据解析装置具备所述第2执行装置及上述存储装置。

本发明的第3技术方案所涉及的混合动力车辆具备所述第1执行装置。

附图说明

以下将参照附图说明本发明的示例性实施方式的特征、优点、以及技术和产业意义，在附图中相似的附图标记表示相似的要素，并且其中：

图1是示意地表示搭载第1实施方式所涉及的状态检测系统及成为其应用对象的内燃机的混合动力车辆的驱动系统的构成的图。

图2是上述混合动力车辆的驱动力控制所涉及的处理的控制框图。

图3是在第1实施方式的状态检测系统中由失火用程序规定的处理的流程图。

图4是表示该实施方式中的映射的输入变量的设定形式的图。

图5是示意地表示第2实施方式的状态检测系统的构成的图。

图6是该状态检测系统中的车辆侧的处理的流程图。

图7是该状态检测系统中的中心侧的处理的流程图。

图8是在第3实施方式的状态检测系统中由失火用程序规定的处理的流程图。

图9是在该状态检测系统中由应对程序规定的处理的流程图。

具体实施方式

(第1实施方式)

以下，参照图1～图4对内燃机的状态检测系统的第1实施方式进行说明。

在搭载于图1所示的混合动力车辆VC的内燃机10中，在进气通路12设有节气门14。从进气通路12吸入了的空气通过进气门16打开而向各汽缸#1～#4的燃烧室18流入。通过燃料喷射阀20向燃烧室18喷射燃料。在燃烧室18中，空气与燃料的混合气通过点火装置22的火花放电而用于燃烧，通过燃烧产生的能量被作为曲轴24的旋转能量而取出。用于了燃烧的混合气伴随排气门26的打开而作为排气向排气通路28排出。

在曲轴24结合有设有表示曲轴24的旋转角度的多个(在这里为34个)齿部32的曲轴转子30。在曲轴转子30上，基本上以10°CA间隔设置齿部32，但设有一处相邻的齿部32间的间隔成为30°CA的部位即缺齿部34。其用于表示成为曲轴24的基准的旋转角度。

曲轴24机械地连结于构成动力分配机构的行星齿轮机构40的行星架C。在行星齿轮机构40的太阳齿轮S上机械地连结有第1电动发电机42的旋转轴，在行星齿轮机构40的齿圈R上机械地连结有第2电动发电机44的旋转轴及驱动轮50。第1电动发电机42的各端子连接于变换器46，第2电动发电机44的各端子连接于变换器48。进而，变换器46、48分别连接于蓄电池49。变换器46向第1电动发电机42的各端子施加交流电压，变换器48向第2电动发电机44的各端子施加交流电压。

控制装置60将内燃机10作为控制对象，为了控制作为其控制量的转矩、排气成分比率等而操作节气门14、燃料喷射阀20、点火装置22等内燃机10的操作部。另外，控制装置60将第1电动发电机42作为控制对象，为了控制作为其控制量的转矩、转速而操作变换器46。另外，控制装置60将第2电动发电机44作为控制对象，为了控制作为其控制量的转矩、转速而操作变换器48。在图1中，记载了节气门14、燃料喷射阀20、点火装置22、变换器46、48各自的操作信号MS1～MS5。

控制装置60在进行控制量的控制时参照由空气流量计70检测到的吸入空气量Ga、曲轴角传感器72的输出信号Scr、由加速器传感器74检测到的加速器踏板的踩踏量即加速器操作量ACCP、蓄电池49的充电率SOC、车速V等。此外，在排气通路28设置有空燃比传感器71，在进行控制量的控制时，控制装置60也参照该空燃比传感器71的检测值。空燃比传感器71输出与通过排气净化用的催化剂净化前的排气的成分相应的检测信号，其检测值对应于在各汽缸#1～#4的燃烧室18中燃烧了的混合气的空燃比。在以下的说明中，将这样的空燃比传感器71的检测值记载为上流侧检测值Afu。

控制装置60具备CPU62、ROM64、作为能够电改写的非易失性存储器的存储装置66、及周边电路67，这些构件能够通过总线68进行通信。此外，周边电路67包括生成对内部的动作进行规定的时钟信号的电路、电压源电路、复位电路等。控制装置60通过CPU62执行存储于ROM64的程序而执行混合动力车辆VC的驱动控制。此外，在本实施方式中，控制装置60对应于状态检测系统。

在图2中示出混合动力车辆VC的驱动控制所涉及的CPU62的处理的流程。该图所示的各处理通过由CPU62执行存储于ROM64的程序而实现。此外，CPU62按既定的控制周期反复执行该图所示的一系列的处理。

在要求驱动力算出处理M10中，基于加速器操作量ACCP及车速V，算出混合动力车辆VC的驱动力的要求值即要求驱动力TP＊的值。在充放电要求功率算出处理M12中，算出用于将充电率SOC维持为既定的控制范围内的值的、在蓄电池49的充放电控制中使用的驱动力的要求值作为充放电要求功率PB＊的值。此外，充放电要求功率PB＊在需要蓄电池49的放电时被算出为正的值，在需要蓄电池49的充电时被算出为负的值。

在要求发动机输出算出处理M14中，基于要求驱动力TP＊及充放电要求功率PB＊的算出结果，算出内燃机10的输出的要求值即要求发动机输出PE＊的值。具体而言，算出对要求驱动力TP＊加上充放电要求功率PB＊得到的总和作为要求发动机输出PE＊的值。

在发动机动作点设定处理M16中，基于要求发动机输出PE＊算出内燃机10的转矩及转速各自的目标值即目标发动机转矩TE＊及目标发动机转速NE＊。具体而言，在可得到与要求发动机输出PE＊的值相应的输出的内燃机10的动作点的集合中，算出燃料经济性最佳的动作点的转矩及转速作为目标发动机转矩TE＊及目标发动机转速NE＊各自的值。

在节气门操作处理M18中，进行向节气门14输出操作信号MS1，以将节气门14的开度操作为可得到与目标发动机转矩TE＊的值相应的转矩的开度的处理。

在MG1指令转矩算出处理M20中，基于内燃机10的转速NE与目标发动机转速NE＊，算出用于使转速NE成为目标发动机转速NE＊所需要的第1电动发电机42的转矩作为MG1指令转矩TM1的值。然后，在第1MG操作处理M22中，进行向变换器46输出操作信号MS4，以使第1电动发电机42的转矩成为MG1指令转矩TM1的处理。此外，转速NE由CPU62基于输出信号Scr而算出。转速NE优选设为曲轴24旋转曲轴24的一圈以上的旋转角度时的转速的平均值。此外，关于这里的平均值，不限定于单纯平均，例如也可以是指数移动平均处理，在该情况下，设为基于曲轴24旋转一圈以上的旋转角度时的输出信号Scr的时序数据而算出的平均值。

在MG2指令转矩算出处理M24中，算出在第1电动发电机42产生了与MG1指令转矩TM1的值相应的转矩的状态下，可得到与要求驱动力TP＊相应的驱动力的第2电动发电机44的转矩作为MG2指令转矩TM2的值。然后，在第2MG操作处理M26中，进行向变换器48输出操作信号MS5，以使第2电动发电机44的转矩成为MG2指令转矩TM2的处理。

控制装置60进而在内燃机10工作时判定有无失火。在图3中示出关于失火的检测的处理的步骤。图3所示的处理通过CPU62例如以预定周期反复执行存储于ROM64的失火用程序64a而实现。此外，以下，通过在开头标注了“S”的数字来表达各处理的步骤编号。

在图3所示的一系列的处理中，CPU62首先取得微小旋转时间T30(S10)。微小旋转时间T30通过由CPU62基于曲轴角传感器72的输出信号Scr对曲轴24旋转30°CA所需要的时间进行计时而算出。接下来，CPU62将在S10的处理中所取得的最新的微小旋转时间T30设为微小旋转时间T30(0)，越是过去的值，则将微小旋转时间T30(m)的变量“m”设为越大的值(S12)。即，设为“m＝1，2，3，…”，将即将进行S12的处理之前的微小旋转时间T30(m－1)设为微小旋转时间T30(m)。由此，例如在上次执行图3的处理时通过S10的处理所取得的微小旋转时间T30成为微小旋转时间T30(1)。

接下来，CPU62判定在S10的处理中所取得的微小旋转时间T30是否是汽缸#1～#4中的任一个的压缩上止点前30°CA到压缩上止点为止的角度间隔的旋转所需要的时间(S14)。然后CPU62在判定为是到压缩上止点为止的角度间隔的旋转所需要的时间的情况下(S14：是)，为了判定在360°CA前成为了压缩上止点的汽缸的有无失火，首先，算出成为有无失火的判定处理的输入的第1波形变量的值。

即，CPU62首先算出与压缩上止点前30°CA到压缩上止点为止的角度间隔相关的微小旋转时间T30的互相间隔了180°的值彼此的差作为汽缸间变量ΔTa(S16)。详细而言，CPU62设为“m＝1，2，3，…”，将汽缸间变量ΔTa(m－1)设为“T30(6m－6)－T30(6m)”。

在图4中例示出汽缸间变量ΔTa。此外，在本实施方式中，例示出如下例子：压缩上止点按照汽缸#1、汽缸#3、汽缸#4、汽缸#2的顺序出现，并按照该顺序成为燃烧行程。在图4中示出如下例子：通过在S10的处理中取得汽缸#4的压缩上止点前30°CA到压缩上止点为止的角度间隔的微小旋转时间T30(0)，从而有无失火的检测对象为汽缸#1。在该情况下，汽缸间变量ΔTa(0)成为与汽缸#4的压缩上止点和前1个成为了压缩上止点的汽缸#3的压缩上止点各自相对应的微小旋转时间T30彼此的差。在图4中记载了汽缸间变量ΔTa(2)为与成为失火的检测对象的汽缸#1的压缩上止点相对应的微小旋转时间T30(12)和与汽缸#2的压缩上止点相对应的微小旋转时间T30(18)的差。

返回到图3，CPU62算出汽缸间变量ΔTa(0)、ΔTa(1)、ΔTa(2)、…中的互相间隔了720°CA的值彼此的差即汽缸间变量ΔTb(S18)。详细而言，CPU62设为“m＝1，2，3，…”，将汽缸间变量ΔTb(m－1)设为“ΔTa(m－1)－ΔTa(m+3)”。

在图4中例示出汽缸间变量ΔTb。在图4中，汽缸间变量ΔTb(2)被记载为“ΔTa(2)－Ta(6)”。接下来，CPU62算出表示与成为失火的检测对象的汽缸相对应的汽缸间变量ΔTb和与成为失火的检测对象的汽缸以外的汽缸相对应的汽缸间变量ΔTb的相对大小的关系的变动模式变量FL(S20)。在本实施方式中，算出变动模式变量FL[02]、FL[12]、FL[32]。

在这里，变动模式变量FL[02]由“ΔTb(0)/ΔTb(2)”定义。即，如果使用图4的例子，则变动模式变量FL[02]为与继成为失火的检测对象的汽缸#1之后下下一个成为压缩上止点的汽缸#4相对应的汽缸间变量ΔTb(0)除以与汽缸#1相对应的汽缸间变量ΔTb(2)而得到的值。另外，变动模式变量FL[12]由“ΔTb(1)/ΔTb(2)”定义。即，如果使用图4的例子，则变动模式变量FL[12]为与继成为失火的检测对象的汽缸#1之后下一个成为压缩上止点的汽缸#3相对应的汽缸间变量ΔTb(1)除以与汽缸#1相对应的汽缸间变量ΔTb(2)而得到的值。另外，变动模式变量FL[32]由“ΔTb(3)/ΔTb(2)”定义。即，如果使用图4的例子，则变动模式变量FL[32]为与在成为失火的检测对象的汽缸#1之前上1个成为了压缩上止点的汽缸#2相对应的汽缸间变量ΔTb(3)除以与汽缸#1相对应的汽缸间变量ΔTb(2)而得到的值。

在本实施方式中，这样所算出的汽缸间变量ΔTb(2)及变动模式变量FL[02]、FL[12]、FL[32]的值被用作与各汽缸的燃烧转矩的产生期间中的曲轴24的转速的汽缸间差异相关的信息。

接下来，CPU62取得转速NE、填充效率η、驱动状态变量TM1(1)～TM1(q)、TM2(1)～TM2(q)各自的值(S22)。此外，在驱动状态变量TM1(1)～TM1(q)、TM2(1)～TM2(q)中分别存储有下述的值。此外，以下的说明中的“q”表示预先设定为2以上的整数的常数，“N”表示从2到常数q为止的任意的自然数。

CPU62按既定的采样周期，基于操作信号MS4、MS5取得第1电动发电机42的转矩及第2电动发电机44的转矩，并把它们的值分别代入到驱动状态变量TM1(1)及驱动状态变量TM2(1)。另外，此时的CPU62将此前为止的驱动状态变量TM1(N－1)的值代入到驱动状态变量TM1(N)，将此前为止的驱动状态变量TM2(N－1)的值代入到驱动状态变量TM2(N)。由此，在驱动状态变量TM1(1)～TM1(q)中存储按上述采样周期的第1电动发电机42的转矩的时序数据，在驱动状态变量TM2(1)～TM2(q)中存储按上述采样周期的第2电动发电机44的转矩的时序数据。此外，在以下的说明中，将这样的驱动状态变量TM1(1)～TM1(q)、TM2(1)～TM2(q)记载为第2波形变量。

接下来，CPU62向输出与在成为检测对象的汽缸中产生了失火的概率相关的变量即燃烧状态变量PR的映射的输入变量x(1)～x(7+2q)中，代入通过S18、S20的处理而取得的第1波形变量的值、和通过S22的处理而取得的变量的值(S24)。此外，如上所述，在S22的处理中取得值的变量中包含第2波形变量。具体而言，在S24的处理中，CPU62向输入变量x(1)代入汽缸间变量ΔTb(2)的值，向输入变量x(2)代入变动模式变量FL[02]的值，向输入变量x(3)代入变动模式变量FL[12]的值，向输入变量x(4)代入变动模式变量FL[32]的值。另外，CPU62向输入变量x(5)代入转速NE的值，向输入变量x(6)代入填充效率η的值。进而，CPU62向输入变量x(7)～x(6+q)代入TM1(1)～TM1(q)的各值，并向输入变量x(7+q)～x(6+2q)代入TM2(1)～TM2(q)的各值。

接下来，CPU62通过向由存储于图1所示的存储装置66的映射数据66a规定的映射输入输入变量x(1)～x(6+2q)的值，而算出该映射的输出值即燃烧状态变量PR的值(S26)。

在本实施方式中，该映射的中间层由1层神经网络构成。上述神经网络包括活性化函数h(x)，所述活性化函数h(x)是对输入侧系数wFjk(j＝0～n，k＝0～7+2q)、和由输入侧系数wFjk规定的线性映射即输入侧线性映射的输出分别进行非线性变换的输入侧非线性映射。在本实施方式中，作为活性化函数h(x)，例示出ReLU。此外，ReLU是将输入与“0”中的不小的一方输出的函数。wFj0等为偏置参数，输入变量x(0)被定义为“1”。此外，在以下的说明中，将该映射记载为检测用映射。

另外，上述神经网络包括softmax函数，所述softmax函数以输出侧系数wSij(i＝1～2，j＝0～n)、和作为输出侧线性映射的输出的原型变量yR(1)、yR(2)分别作为输入而输出燃烧状态变量PR，所述输出侧线性映射是由输出侧系数wSij规定的线性映射。由此，在本实施方式中，燃烧状态变量PR成为将实际产生了失火的真实性的大小作为比“0”大且比“1”小的预定区域内的连续的值而定量化了的变量。

接下来，CPU62判定燃烧状态变量PR的值是否为判定值PRth以上(S28)。并且，CPU62在判定为是判定值PRth以上的情况下(S28：是)，使计数器CR递增(S30)。然后，CPU62判定从最初执行了S28的处理的时间点或进行了后述的S36的处理的时间点起是否经过了预定期间(S32)。在这里预定期间优选比一个燃烧循环的期间长，优选具有一个燃烧循环的10倍以上的长度。

CPU62在判定为经过了预定期间的情况下(S32：是)，判定计数器CR是否为阈值CRth以上(S34)。该处理是判定是否以超过容许范围的频率产生了失火的处理。CPU62在判定为小于阈值CRth的情况下(S34：否)，将计数器CR初始化(S36)。与此相对，CPU62在判定为是阈值CRth以上的情况下(S34：是)，执行操作图1所示的警告灯78以促使用户应对异常的报知处理(S38)。

此外，CPU62在S36、S38的处理完成的情况下、在S14、S28、S32的处理中判定为否的情况下，使图3所示的一系列的处理暂时结束。上述映射数据66a例如如以下那样生成。即，在试验台上在曲轴24连接着测功机(dynamometer)的状态下，使内燃机10工作，在应该喷射分别在汽缸#1～#4中要求的燃料的正时中随机选择的正时下，停止燃料喷射。并且，在停止了燃料的喷射的汽缸中，将使燃烧状态变量PR的值成为了“1”的数据设为教师数据，在没有停止燃料的喷射的汽缸中，将使燃烧状态变量PR的值成为了“0”的数据包括在教师数据中。然后，使用每次的第1波形变量、通过S22的处理取得的变量的值，通过与S24、S26的处理同样的处理，算出燃烧状态变量PR的值。并以缩小这样算出的燃烧状态变量PR的值与教师数据的差异的方式，对上述输入侧系数wFjk、输出侧系数wSij的值进行学习。具体而言，例如以使得交叉熵(cross entropy)最小化的方式，对输入侧系数wFjk、输出侧系数wSij的值进行学习即可。此外，第1电动发电机42及第2电动发电机44的转矩能够通过测功机向曲轴24施加的转矩来进行模拟。像这样，通过使用机器学习，能够使用通过取各种动作点并使内燃机10较自由地工作而生成的教师数据来对映射数据66a进行学习。因此，与按各种动作点中的每个动作点，基于有无失火下的曲轴24的举动的检测来调整映射数据的情况相比，能够减少调整工时。

在这里，对本实施方式的作用及效果进行说明。CPU62基于上述的第1波形变量及第2波形变量的值算出燃烧状态变量PR的值，由此判定有无失火。此外，如上所述，第1波形变量被设为包含与各汽缸的燃烧转矩的产生期间中的曲轴24的转速的汽缸间差异有关的信息的变量。另外，第2波形变量被设为示出第1电动发电机42及第2电动发电机44的转矩的时序数据的变量。

在内燃机10中产生失火时，会在各汽缸的燃烧转矩上产生差异，微小旋转时间T30的变动变大。另一方面，搭载于混合动力车辆VC的内燃机10的曲轴24机械地连结于第1电动发电机42及第2电动发电机44，第1电动发电机42及第2电动发电机44的驱动状态会影响到曲轴24的旋转举动。即使第1电动发电机42及第2电动发电机44的驱动状态相同，例如第1电动发电机42及第2电动发电机44的转矩相同，如果此时的内燃机10的运转状态不同，则第1电动发电机42及第2电动发电机44的驱动状态对曲轴24的旋转举动施加的影响的程度也会发生变化。另外，相对于第1电动发电机42及第2电动发电机44的驱动状态的变化的、曲轴24的旋转举动的变化伴随着延迟。

与此相对，在本实施方式中，将作为包含燃烧转矩的产生期间中的曲轴24的转速的汽缸间差异的信息的变量的第1波形变量、和作为表示第1电动发电机42及第2电动发电机44的转矩的时序数据的变量的第2波形变量包含在向检测用映射的输入中。然后，基于所算出的燃烧状态变量PR的值来判定有无失火，所述燃烧状态变量PR的值通过基于利用机器学习而学习到的参数进行的上述第1波形变量及第2波形变量的结合运算来算出。此处的参数能够基于上述那样的第1波形变量及第2波形变量分别取各种值时的有无失火来进行学习。因此，能够在基于了第1电动发电机42及第2电动发电机44的驱动状态对曲轴24的旋转举动施加的影响的基础上实施失火检测。因此，能够提高在曲轴24上机械地连结有第1电动发电机42及第2电动发电机44的内燃机10中的失火的检测精度。

根据以上所说明的本实施方式，还可得到以下记载的作用效果。(1)将作为规定内燃机10的动作点的动作点变量的转速NE及填充效率η设为了检测用映射的输入。燃料喷射阀20、点火装置22等内燃机10的操作部的操作量具有基于内燃机10的动作点而被确定的倾向。因此，动作点变量是包含与各操作部的操作量有关的信息的变量。因此，通过将动作点变量设为检测用映射的输入，能够基于与各操作部的操作量有关的信息算出燃烧状态变量PR的值，进而能够在反映出基于操作量而产生的曲轴24的旋转举动的变化的状态下更高精度地算出燃烧状态变量PR的值。

另外，通过将动作点变量设为输入变量，从而通过第1波形变量与动作点变量的、基于作为利用机器学习而学习到的参数的输入侧系数wFjk进行的结合运算，而算出燃烧状态变量PR的值。因此，不会产生按动作点变量而调整调整值的必要。与此相对，例如在进行汽缸间变量ΔTb与判定值的大小比较的情况下，会需要按每个动作点变量来调整判定值，所以调整工时变大。

(2)将作为表示第1电动发电机42及第2电动发电机44的转矩的时序数据的变量的第2波形变量包含于检测用映射的输入变量。由此，能够将燃烧状态变量PR的值作为反映出第1电动发电机42及第2电动发电机44的驱动状态对曲轴24的旋转变动施加的影响的值而算出，进而能够实现反映出该影响的高精度的失火检测。

(3)选择性地使用微小旋转时间T30中的压缩上止点附近的值而生成了成为输入变量x的第1波形变量。在有无失火下最产生差异的是微小旋转时间T30中的压缩上止点附近的值。因此，通过选择性地使用微小旋转时间T30中的压缩上止点附近的值，能够在抑制输入变量x的维度变大的同时尽可能地获取有无失火的判定所需要的信息。

(4)在第1波形变量中包含了汽缸间变量ΔTb(2)。汽缸间变量ΔTb(2)是将成为失火的检测对象的汽缸和与其相邻的汽缸的压缩上止点附近的微小旋转时间T30彼此的差预先1维地定量化了的量。因此，能够通过较小的维度数的变量高效地获取有无失火的判定所需要的信息。

(5)在第1波形变量中，不仅包含汽缸间变量ΔTb(2)，还包含了变动模式变量FL。在曲轴24上会叠加来自路面的振动等，所以在将第1波形变量仅设为汽缸间变量ΔTb(2)的情况下，有可能发生误判定。与此相对，在本实施方式中，除了汽缸间变量ΔTb(2)，还使用变动模式变量FL来算出燃烧状态变量PR的值，由此，与仅根据汽缸间变量ΔTb(2)进行计算的情况相比，能够将燃烧状态变量PR的值设为更高精度地表示产生了失火的真实性的程度(概率)的值。

而且，在本实施方式中，通过基于作为利用机器学习而学习到的参数的输入侧系数wFjk进行的、汽缸间变量ΔTb(2)与变动模式变量FL的结合运算，而算出燃烧状态变量PR的值。因此，与基于汽缸间变量ΔTb(2)与判定值的比较、和变动模式变量FL与判定值的比较来判定有无失火的情况相比，能够基于更详细的汽缸间变量ΔTb(2)及变动模式变量FL与失火的关系来判定有无失火。

(第2实施方式)

以下，以与第1实施方式的不同点为中心并参照附图对第2实施方式进行说明。

在本实施方式中，在车辆的外部进行燃烧状态变量PR的算出处理。在图5中示出本实施方式所涉及的状态检测系统。此外，在图5中，对于与图1所示的构件相对应的构件，为了方便而标注相同的附图标记。

图5所示的混合动力车辆VC内的控制装置60具备通信机69。通信机69是用于经由混合动力车辆VC的外部的网络80而与中心90进行通信的设备。

中心90对从多个混合动力车辆VC发送过来的数据进行解析。中心90具备CPU92、ROM94、存储装置96、周边电路97及通信机99，这些构件能够通过总线98进行通信。在存储装置96中存储有映射数据96a。在本实施方式中，通过这样的中心90与混合动力车辆VC的控制装置60构成状态检测系统。

在图6及图7中示出与本实施方式所涉及的失火的检测相关的处理的步骤。图6所示的处理通过CPU62执行存储于图5所示的ROM64的失火用子程序64b而实现。另外，图7所示的处理通过CPU92执行存储于ROM94的失火用主程序94a而实现。此外，在图6及图7中对于与图3所示的处理相对应的处理，为了方便而标注相同的步骤编号。以下，按照失火检测处理的时序对图6及图7所示的处理进行说明。

即，在混合动力车辆VC中，CPU62在图6所示的S14的处理中判定为是的情况下，取得微小旋转时间T30(0)、T30(6)、T30(12)、T30(18)、T30(24)、T30(30)、T30(36)、T30(42)、T30(48)(S50)。这些微小旋转时间T30构成如下的第1波形变量，该第1波形变量是包含与互相不同的角度间隔各自中的微小旋转时间T30彼此之间的差异相关的信息的变量。尤其是，上述微小旋转时间T30是旋转压缩上止点前30°CA到压缩上止点为止的角度间隔所需要的时间，而且，是压缩上止点的出现正时的9次量的值。因此，这些微小旋转时间T30的数据组成为表示与分别对应于互相不同的压缩上止点的微小旋转时间T30彼此之间的差异相关的信息的变量。此外，上述的9个微小旋转时间T30是算出汽缸间变量ΔTb(2)及变动模式变量FL[02]、FL[12]、FL[32]时使用的微小旋转时间T30的全部。

接下来，CPU62在执行了S22的处理后，通过操作通信机69将在上述S50、S22的处理中取得的数据与混合动力车辆VC的识别信息一起向中心90发送(S52)。此外，在以下的说明中，将混合动力车辆VC的识别信息记载为车辆ID。

与此相对，如图7所示，中心90的CPU92接收发送来的数据(S60)。然后，CPU92将通过S60的处理取得了的变量的值代入到输入变量x(1)～x(11+2q)(S62)。即，CPU92将微小旋转时间T30(0)、T30(6)、T30(12)、T30(18)、T30(24)、T30(30)、T30(36)、T30(42)、T30(48)的各值分别代入到输入变量x(1)～x(9)。另外CPU92向输入变量x(10)代入转速NE的值，向输入变量x(11)代入填充效率η的值。进而，CPU92将驱动状态变量TM1(1)～TM1(q)的值代入到输入变量x(12)～x(11+q)，将驱动状态变量TM2(1)～TM2(q)的值代入到输入变量x(12+q)～x(11+2q)。

接下来，CPU92通过向由存储于图5所示的存储装置96的映射数据96a规定的检测用映射输入输入变量x(1)～x(11+2q)，算出检测用映射的输出值即燃烧状态变量PR的值(S64)。

在本实施方式中，该检测用映射由中间层为“α”个、各中间层的活性化函数h1～hα为ReLU、且输出层的活性化函数为softmax函数的神经网络构成。例如第1中间层的各节点的值是通过将向由系数w(1)ji(j＝0～n1，i＝0～11+2q)规定的线性映射中输入上述输入变量x(1)～x(11+2q)时的输出向活性化函数h1输入而生成的。即，在设为m＝1，2，…，α时，第m中间层的各节点的值是通过将由系数w(m)规定的线性映射的输出向活性化函数hm输入而生成的。在图7中，n1、n2、…、nα分别为第1、第2、…、第α的各中间层的节点数。w(1)j0等为偏置参数，输入变量x(0)被定义为“1”。

接下来，CPU92通过操作通信机99，向发送了通过S60的处理接收到的数据的混合动力车辆VC发送表示燃烧状态变量PR的值的信号(S66)，使图7所示的一系列的处理暂时结束。与此相对，如图6所示，CPU62接收燃烧状态变量PR的值(S54)，并执行S28～S38的处理。

像这样，在本实施方式中，在中心90中执行S64的处理，所以能够减轻CPU62的运算负荷。

(第3实施方式)

以下，以与上述的实施方式的不同点为中心并参照附图对第3实施方式进行说明。

上述的各实施方式的状态检测系统构成为了基于曲轴24的旋转变动来检测在内燃机10产生了失火的状态的系统。在空燃比产生了汽缸间的偏差的、汽缸间空燃比不均产生了的情况下，也产生汽缸间的燃烧状态的偏差，从而曲轴24的旋转变动变大。本实施方式的状态检测系统构成为检测这样的汽缸间空燃比不均的系统。此外，本实施方式的状态检测系统的构成与图1所示的构成基本相同。但是，在本实施方式的状态检测系统的ROM64中存储有汽缸间空燃比不均的检测用程序来代替图1所示的失火用程序64a。

在图8中示出与汽缸间空燃比不均的检测有关的处理的步骤。图8所示的处理通过CPU62按既定的控制周期反复执行存储于ROM64的上述的检测用程序而实现。

在图8所示的一系列的处理中，CPU62首先判定不均的检测处理的执行条件是否成立(S80)。在执行条件中包括没有实施针对内燃机10的进气的燃料蒸气的清除、排气的再循环这一条件。

接下来，CPU62取得微小旋转时间T30(1)、T30(2)、…、T30(24)、上流侧平均值Afuave(1)、Afuave(2)、…、Afuave(24)、转速NE、填充效率η、0.5阶振幅Ampf/2及上述的驱动状态变量TM1(1)～TM1(q)、TM2(1)～TM2(q)各自的值(S82)。此外，如果设为m＝1～24，则上流侧平均值Afuave(m)为与各微小旋转时间T30(m)相同的30°CA的角度间隔中的上流侧检测值Afu的平均值。另外，0.5阶振幅Ampf/2为曲轴24的旋转频率的0.5阶成分的强度，由CPU62通过微小旋转时间T30的上述时序数据的傅里叶变换而算出。

接下来，CPU62向输出不均率Riv的检测用映射的输入变量x(1)～x(51+2q)代入通过S12的处理而取得的值(S84)。详细而言，CPU62设为“m＝1～24”，向输入变量x(m)代入微小旋转时间T30(m)的值，向输入变量x(24+m)代入上流侧平均值Afuave(m)的值，向输入变量x(49)代入转速NE的值，向输入变量x(50)代入填充效率η的值，向输入变量x(51)代入0.5阶振幅Ampf/2的值。另外，CPU62向输入变量x(52)～x(51+q)代入驱动状态变量TM1(1)～TM1(q)的值，向输入变量x(52+q)～x(51+2q)代入驱动状态变量TM2(1)～TM2(q)的值。

在本实施方式中，不均率Riv在喷射作为目标的喷射量的燃料的汽缸中设为“0”，在实际的喷射量比作为目标的喷射量多的情况下成为正的值，在实际的喷射量比作为目标的喷射量少的情况下成为负的值。

接下来，CPU62通过向由存储于图1所示的存储装置66的映射数据66a规定的检测用映射输入输入变量x(1)～x(51+2q)的值，而算出汽缸#i(i＝1～4)各自的不均率Riv(1)～Riv(4)的值(S86)。

在本实施方式中，该检测用映射由中间层为1层的神经网络构成。上述神经网络包括活性化函数h(x)，所述活性化函数h(x)是对输入侧系数wFjk(j＝0～n，k＝0～51+2q)、和由输入侧系数wFjk规定的线性映射即输入侧线性映射的输出分别进行非线性变换的输入侧非线性映射。在本实施方式中，作为活性化函数h(x)，例示双曲正切函数“tanh(x)”。另外，上述神经网络包括活性化函数f(x)，所述活性化函数f(x)是对输出侧系数wSij(i＝1～4，j＝0～n)、和由输出侧系数wSij规定的线性映射即输出侧线性映射的输出分别进行非线性变换的输出侧非线性映射。在本实施方式中，作为活性化函数f(x)，例示出双曲正切函数“tanh(x)”。此外，值n表示中间层的维度。

此外，CPU62在S86的处理完成的情况下、在S80的处理中判定为否的情况下，使图8所示的一系列的处理暂时结束。在图9中示出利用上述不均率Riv(i)的处理的步骤。图9所示的处理通过CPU62例如每当算出不均率Riv(i)时都反复执行图1所示的存储于ROM64的应对程序而实现。

在图9所示的一系列的处理中，CPU62首先通过以由图8的处理新算出的不均率Riv(i)的值为输入的指数移动平均处理，对不均学习值Liv(i)进行更新(S90)。具体而言，CPU62通过对存储于存储装置66的不均学习值Liv(i)乘以系数α而得到的值、与对不均率Riv(i)乘以“1－α”而得到的值的总和，对不均学习值Liv进行更新(S90)。此外，“0＜α＜1”。

接下来，CPU62判定不均学习值Liv(i)是否为稀侧容许限界值LL以上且为浓侧容许限界值LH以下(S92)。CPU62在判定为不均学习值Liv(i)小于稀侧容许限界值LL的情况下、判定为不均学习值Liv(i)比浓侧容许限界值大的情况下(S92：否)，执行操作警告灯78以促使用户进行修理的报知处理(S94)。

另一方面，CPU62在判定为不均学习值Liv(i)为稀侧容许限界值LL以上且为浓侧容许限界值LH以下的情况下(S92：是)、S94的处理完成的情况下，对各汽缸的要求喷射量Qd(#i)进行修正(S96)。即，CPU62通过对各汽缸的要求喷射量Qd(#i)加上与不均学习值Liv(i)相应的修正量ΔQd(Liv(i))而对要求喷射量Qd(#i)进行修正。在这里，修正量ΔQd(Liv(i))在不均学习值Liv(i)比零大的情况下成为负的值，在不均学习值Liv(i)比零小的情况下成为正的值。此外，在不均学习值Liv(i)为零的情况下，修正量ΔQd(Liv(i))也被设为零。

此外，CPU62在S96的处理完成的情况下，使图9所示的一系列的处理暂时结束。在本实施方式中，在S80的处理中判定为是而执行S82的处理的情况下，使S96的处理暂时停止。

本实施方式中的上述映射数据66a例如如以下那样生成。首先，预先通过单体下的计测来准备不均率Riv取与零不同的各种值的多个燃料喷射阀20和不均率为零的3个燃料喷射阀20。然后，关于搭载了3个不均率为零的燃料喷射阀20以及1个不均率与零不同的燃料喷射阀20的内燃机10，在试验台上在曲轴24上连接着测功机的状态下使该内燃机10工作。此外，所搭载的燃料喷射阀20各自的不均率Rivt成为教师数据。

然后，使用每次的第1波形变量、通过S82的处理取得的变量的值，通过与S84、S86的处理同样的处理来算出不均率Rivt的值。以缩小这样算出的不均率Rivt的值与教师数据的差异的方式，对上述输入侧系数wFjk、输出侧系数wSij的值进行学习。具体而言，例如以使得交叉熵最小化的方式，对输入侧系数wFjk、输出侧系数wSij的值进行学习即可。此外，第1电动发电机42及第2电动发电机44的转矩能够通过测功机向曲轴24施加的转矩来进行模拟。

在本实施方式中，将作为表示第1电动发电机42及第2电动发电机44的转矩的时序数据的变量的、第2波形变量包含在向检测用映射的输入中。因此，能够作为反映出第1电动发电机42及第2电动发电机44的驱动状态对曲轴24的旋转举动施加的影响的值而算出不均率Rivt。因此，能够提高在曲轴24上机械地连结有第1电动发电机42及第2电动发电机44的内燃机10中的汽缸间空燃比不均的检测精度。

存储装置对应于存储装置66。第1波形变量对应于汽缸间变量ΔTb(2)及变动模式变量FL[02]、FL[12]、FL[32]。第1执行装置对应于CPU62及ROM64。第2执行装置对应于CPU92及ROM94。取得处理对应于S50、S22、S82的处理，车辆侧接收处理对应于S54的处理。外部侧接收处理对应于S60的处理，输出值算出处理对应于S62、S64、S86的处理，外部侧发送处理对应于S66的处理，判定处理对应于S28、S30、S34、S92的处理。数据解析装置对应于中心90。

另外，在第1实施方式及第2实施方式中产生了失火的状态和在第3实施方式中产生了汽缸间的空燃比的偏差的状态分别对应于既定的运转状态。进而，在第3实施方式中，不均率Rivt对应于燃烧状态变量。

(其他实施方式)

此外，本实施方式能够如以下那样进行变更而实施。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。

“关于汽缸间变量”

作为汽缸间变量ΔTb，不限定于与压缩上止点的出现正时彼此相邻的一对汽缸各自的压缩上止点相对应的微小旋转时间T30彼此的差的、间隔了720°CA的值彼此的差。例如也可以是与压缩上止点的出现正时互相间隔了360°CA的汽缸各自的压缩上止点相对应的微小旋转时间T30彼此的差的、间隔了720°CA的值彼此的差。在该情况下，汽缸间变量ΔTb(2)成为“T30(12)－T30(24)－{T30(36)－T30(48)}”。

另外，不限定于与一对汽缸各自的压缩上止点相对应的微小旋转时间T30彼此的差的、间隔了720°CA的值彼此的差，也可以是与成为失火的检测对象的汽缸和除该成为失火的检测对象的汽缸以外的汽缸各自的压缩上止点相对应的微小旋转时间T30彼此的差。

另外，例如也可以将汽缸间变量设为与一对汽缸各自的压缩上止点相对应的微小旋转时间T30彼此的比。此外，作为定义汽缸间变量ΔTb时的微小旋转时间，不限定于旋转30°CA所需要的时间，例如也可以是旋转45°CA所需要的时间等。此时，微小旋转时间优选为旋转压缩上止点的出现间隔以下的角度间隔所需要的时间。

进而，在上述技术方案中，也可以代替微小旋转时间，使用预定的角度间隔除以旋转预定的角度间隔所需要的时间而得的瞬时转速。

“关于变动模式变量”

作为变动模式变量的定义，不限定于在上述实施方式中例示的定义。例如也可以通过将汽缸间变量ΔTb变更为在“关于汽缸间变量”一栏中例示的变量等，而变更变动模式变量的定义。

进而，将变动模式变量定义为与互相不同的压缩上止点的出现正时相对应的汽缸间变量ΔTb彼此的比这一方案不是必需的，也可以代替比而取差。在该情况下，也能够通过将内燃机10的动作点变量包含在输入中，而在反映出变动模式变量的大小根据动作点而变化这一情况的状态下算出燃烧状态变量PR的值。

“关于第2波形变量”

在上述实施方式中，将表示第1电动发电机42及第2电动发电机44的转矩的时序数据的变量用作第2波形变量，但也可以将表示上述转矩的变化量的时序数据的变量用作第2波形变量。另外，也可以将仅表示第1电动发电机42及第2电动发电机44中的任一方的转矩的时序数据的变量用作第2波形变量。例如，存在如下情况：在第2电动发电机44的驱动状态对曲轴24的旋转举动施加的影响比第1电动发电机42的驱动状态对曲轴24的旋转举动施加的影响小的情况下等，即使仅将第1电动发电机42的转矩的时序数据用作第2波形变量，也能够确保失火、汽缸间空燃比不均的检测精度。

“关于表示电动发电机的驱动状态的状态量”

在上述实施方式中，将电动发电机的转矩用作上述状态量，但也可以将上述电动发电机的转速、电压、电流值等用作上述状态量。

“关于第1波形变量”

在S26的处理中，通过汽缸间变量ΔTb(2)及变动模式变量FL[02]、FL[12]、FL[32]构成了第1波形变量，但不限定于此。例如也可以将构成第1波形变量的变动模式变量设为变动模式变量FL[02]、FL[12]、FL[32]中的任1个或任2个。另外，例如也可以包含变动模式变量FL[02]、FL[12]、FL[32]、FL[42]等4个以上的变动模式变量。

在S64的处理中，通过与压缩上止点的出现正时互相不同的9个正时各自相对应的微小旋转时间T30构成了第1波形变量，但不限定于此。例如也可以是，通过以成为失火的检测对象的汽缸的压缩上止点为中央，按30°CA的间隔对压缩上止点出现的角度间隔的2倍以上的区间进行分割而得到的各间隔中的微小旋转时间T30构成第1波形变量。另外，在上述方案中，将成为失火的检测对象的汽缸的压缩上止点设为中央这一情况不是必需的。进而，作为这里的微小旋转时间，不限定于旋转30°CA的间隔所需要的时间。另外，也可以代替微小旋转时间，而使用预定的角度间隔除以旋转预定的角度间隔所需要的时间而得到的瞬时转速。

“关于动作点变量”

作为动作点变量，不限定于转速NE和填充效率η。例如也可以是吸入空气量Ga和转速NE。另外，例如，在像下述“关于内燃机”一栏中所记载的那样使用压缩着火式内燃机的情况下，也可以是喷射量和转速NE。此外，将动作点变量设为检测用映射的输入这一情况不是必需的。例如，在应用于搭载于下述“关于车辆”一栏中所记载的串联式混合动力车的内燃机的情况下，在内燃机在特定的动作点进行运转的情况下等，即使不将动作点变量包含在输入变量中，也能够高精度地算出燃烧状态变量PR的值。

“关于外部侧发送处理”

在S66的处理中，发送了燃烧状态变量PR的值，但不限定于此。例如也可以发送成为作为输出活性化函数的softmax函数的输入的原型变量yR(1)、yR(2)的值。另外，例如也可以是，在中心90执行S28～S36的处理，并发送是否存在异常的判定结果。

“关于应对处理”

在上述实施方式中，通过操作警告灯78，而利用视觉信息报知了产生了失火这一意思，但不限定于此。例如也可以通过操作扬声器，而通过听觉信息报知产生了失火这一意思。另外，例如也可以是，图1所示的控制装置60具备通信机69，设为操作通信机69而向用户的便携终端发送产生了失火这一意思的信号的处理。这能够通过预先在用户的便携终端安装执行报知处理的应用程序而实现。

作为应对处理，不限定于报知处理。例如也可以是根据产生了失火这一意思的信息而操作用于对内燃机10的燃烧室18内的混合气的燃烧进行控制的操作部的操作处理。具体而言，例如也可以是，将操作部设为点火装置22，使产生了失火的汽缸的点火正时提前。另外，例如也可以是，将操作部设为燃料喷射阀20，使产生了失火的汽缸的燃料喷射量增大。

“关于向检测用映射的输入”

作为向神经网络的输入、向在下述“关于机器学习的算法”一栏中记载的回归方程的输入等，不限定于各维度由单一的物理量、变动模式变量FL构成的输入。例如，关于在上述实施方式等中设为了向检测用映射的输入的多种物理量、变动模式变量FL的一部分，也可以不设为向神经网络、回归方程的直接的输入，而是作为替代，将基于它们的主成分分析的几个主成分设为向神经网络、回归方程的直接的输入。在将主成分设为向神经网络、回归方程的输入的情况下，仅向神经网络、回归方程的输入的一部分成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，在将主成分设为向检测用映射的输入的情况下，在映射数据66a、96a中包含对确定主成分的检测用映射进行规定的数据。

“关于映射数据”

也可以将在车辆中执行的运算中所使用的规定映射的映射数据设为在S64的处理中例示出的规定映射的数据。

例如根据图7的记载，成为神经网络的中间层的层数表现为比2层多，但不限定于此。在上述实施方式中，将活性化函数h、h1、h2、…hα设为了ReLU，将输出的活性化函数设为了softmax函数，但不限定于此。例如也可以将活性化函数h、h1、h2、…hα设为双曲正切函数。另外，例如也可以将活性化函数h、h1、h2、…hα设为逻辑S型函数。

另外，例如也可以将输出的活性化函数设为逻辑S型函数。在该情况下，例如只要将输出层的节点数设为1个，将输出变量设为燃烧状态变量PR即可。在该情况下，能够通过在输出变量的值为预定值以上的情况下判定为异常来对有无异常进行判定。

“关于机器学习的算法”

作为机器学习的算法，不限定于使用神经网络。例如也可以使用回归方程。这相当于在上述神经网络中不具备中间层。另外，例如也可以使用支持向量机(support vectormachine)。在该情况下，输出的值的大小本身没有意义，根据其值是否为正值来表示是否产生了失火。换而言之，与燃烧状态变量的值具有3值以上的值且这些值的大小表示失火的概率的大小的情况不同。

“关于学习工序”

在上述实施方式中，在随机地产生失火的状况下执行了学习，但不限定于此。例如也可以在特定的汽缸中连续产生失火的状况下执行学习。但是，在该情况下，优选将针对成为向映射的输入的汽缸间变量、变动模式变量而使用的汽缸间变量ΔTb，像“关于汽缸间变量”一栏中所记载的那样，设为与成为失火的检测对象的汽缸和该对象汽缸以外的汽缸各自的压缩上止点相对应的微小旋转时间T30彼此的差等。

不限定于基于在曲轴24上连接测功机并使内燃机10工作时的曲轴24的旋转举动进行学习。例如也可以将内燃机10搭载于车辆，基于使车辆行驶时的曲轴24的旋转举动进行学习。由此，能够使车辆所行驶的路面的状态对曲轴24的旋转举动的影响反映在学习中。

“关于数据解析装置”

例如也可以代替S62、S64的处理而由中心90执行S24、S26的处理等。

例如也可以通过用户所持的便携终端来执行图7的处理。这能够通过预先在便携终端安装执行图7的处理的应用程序而实现。此外，此时例如也可以进行使S52的处理中的数据的发送的有效距离为车辆的长度左右这一设定等，删除车辆ID的发送/接收处理。

“关于执行装置”

作为执行装置，不限定于具备CPU62(92)和ROM64(94)并执行软件处理的装置。例如也可以具备对在上述实施方式中进行软件处理的处理中的至少一部分进行硬件处理的专用的硬件电路(例如ASIC等)。即，执行装置是以下的(a)～(c)中的任一构成即可。(a)具备根据程序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)具备根据程序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。在这里，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为多个。

“关于存储装置”

在上述实施方式中，将存储映射数据66a、96a的存储装置与存储失火用程序64a、失火用主程序94a的存储装置(ROM64、94)设为了分开的存储装置，但不限定于此。

“关于计算机”

作为计算机，不限定于由搭载于车辆的CPU62及ROM64等执行装置、和中心90所具备的CPU92及ROM94等执行装置构成的计算机。例如也可以通过搭载于车辆的执行装置、中心90所具备的执行装置以及用户的便携终端内的CPU及ROM等执行装置来构成。这例如能够通过将图7的S66的处理设为向用户的便携终端发送信息的处理，并在便携终端执行S54、S28～S36的处理而实现。

“关于既定的运转状态”

只要是伴随着汽缸间的燃烧状态的偏差的内燃机10的运转状态，则也可以将失火、汽缸间空燃比不均以外的运转状态设为状态检测系统的检测对象。例如，在特定的汽缸产生了所谓的漏压缩(日文：圧縮抜け)的情况下，也在汽缸间的燃烧状态上产生偏差而曲轴24的旋转变动变大，所述漏压缩是由于进气门、排气门的打开固着而汽缸内的进气的压缩变得不充分的状态。因此，只要使用以上述的第1波形变量及第2波形变量为输入的检测用映射而进行这样的漏压缩的检测，就能够在反映出电动发电机的驱动状态对曲轴24的旋转举动施加的影响的状态下高精度地检测漏压缩。

“关于内燃机”

在上述实施方式中，作为燃料喷射阀，例示出向燃烧室18内喷射燃料的缸内喷射阀，但不限定于此。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与缸内喷射阀双方。

作为内燃机，不限定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。

“关于混合动力车辆”

上述实施方式的混合动力车辆VC具有2个电动发电机，但也可以是具有1个、或3个以上电动发电机的混合动力车辆。

Claims

1.一种内燃机的状态检测系统，所述状态检测系统应用于在曲轴上机械地连结有电动发电机的内燃机，并构成为检测伴随汽缸间的燃烧状态的偏差的该内燃机的既定的运转状态，

所述状态检测系统的特征在于，包括构成为存储映射数据的存储装置、和构成为执行取得处理及判定处理的执行装置，

所述映射数据是在将如下的映射设为了检测用映射时对所述检测用映射进行规定的数据，所述映射是以第1波形变量和第2波形变量为输入，并以燃烧状态变量为输出的映射，且是通过基于利用机器学习而学习到的参数的所述第1波形变量和所述第2波形变量的结合运算来输出所述燃烧状态变量的值的映射，所述第1波形变量是包含与各汽缸的燃烧转矩的产生期间中的所述曲轴的转速的汽缸间差异有关的信息的变量，所述第2波形变量是示出表示所述电动发电机的驱动状态的状态量的时序数据的变量，所述燃烧状态变量是与所述汽缸间的燃烧状态的偏差程度有关的变量，

所述取得处理是取得所述第1波形变量和所述第2波形变量各自的值的处理，并且基于检测所述曲轴的旋转举动的传感器的输出而取得所述第1波形变量的值，

所述判定处理基于以通过所述取得处理取得的所述第1波形变量和所述第2波形变量各自的值为输入的所述检测用映射的输出值来判定所述内燃机是否处于所述既定的运转状态。

2.根据权利要求1所述的内燃机的状态检测系统，其特征在于，

所述既定的运转状态为产生了失火的状态。

3.根据权利要求1所述的内燃机的状态检测系统，其特征在于，

所述既定的运转状态为产生了汽缸间的空燃比的偏差的状态。

4.根据权利要求1至3中任一项所述的内燃机的状态检测系统，其特征在于，

所述状态量为所述电动发电机的转矩。

5.根据权利要求1至4中任一项所述的内燃机的状态检测系统，其特征在于，

所述执行装置构成为，在通过所述判定处理判定为所述内燃机处于所述既定的运转状态时，操作规定的硬件而执行用于应对所述既定的运转状态的应对处理。

6.根据权利要求1至5中任一项所述的内燃机的状态检测系统，其特征在于，

所述判定处理包括算出以通过所述取得处理取得的所述第1波形变量和所述第2波形变量的值为输入的所述检测用映射的输出值的输出值算出处理，

所述执行装置包括搭载于车辆的第1执行装置和配置于所述车辆的外部的第2执行装置，

所述第1执行装置构成为执行所述取得处理和接收基于所述输出值算出处理的算出结果的信号的车辆侧接收处理，

所述第2执行装置构成为执行所述输出值算出处理和将基于所述输出值算出处理的算出结果的信号向所述车辆发送的外部侧发送处理。

7.一种数据解析装置，其特征在于，包括：

权利要求6所述的所述第2执行装置；和

所述存储装置。

8.一种混合动力车辆，其特征在于，

包括权利要求6所述的所述第1执行装置。