CN1309746A - 排气净化用催化剂装置的劣化判别方法 - Google Patents

Abstract

排气系统(E)的行为通过给包括催化剂装置(3),在该催化剂装置(3)的上游侧的第1排气传感器(5)(空燃比传感器)和在其下游侧的第2排气传感器(6)(O₂传感器)的该排气系统(E)建模来实现。在内燃机(1)运行期间,基于排气传感器(5、6)的输出数据来逐次识别应为排气系统(E)的模型设定的参数并基于识别值数据来判别催化剂装置(3)的劣化状态。此外,与劣化状态判别并行地逐次确定内燃机(1)的目标空燃比以便使排气传感器(5)的输出收敛于一个预定的目标值并且控制发动机(1)的空燃比以便使第1排气传感器(5)的输出(空燃比的检测值)收敛于一个目标空燃比,借此保证催化剂装置(3)的最佳净化性能,从而能够在内燃机(1)的各种运行状态下判别催化剂装置的劣化状态。

Description

排气净化用催化剂装置的劣化判别方法

技术领域

本发明涉及判别装设在汽车或混合型车上的催化剂装置等排气净化用催化剂装置的劣化状态的方法。

背景技术

作为判别配备在内燃机的排气通路上的催化剂装置等净化由燃料与空气的混合气的燃烧生成的排气的催化剂装置的劣化状态的方法，例如日本的专利公报第2526640号或特开平7-19033号公报中看到的技术以往是公知的。

这些技术，在内燃机的空燃比(更确切地说是内燃机中燃烧的混合气的空燃比)从燃料的稀侧变化到浓侧，或者从浓侧变化到稀侧时，利用分别设在催化剂装置的上游侧和下游侧的氧气浓度传感器(O2传感器)的输出翻转。更确切地说，在这些技术中，在内燃机的指定的运行条件下，主动地使空燃比从稀侧变化到浓侧，或者从浓侧变化到稀侧。进而，此时测量从上游侧的氧气浓度传感器的输出翻转到下游侧的氧气浓度传感器的输出翻转的时间，或者下游侧的氧气浓度传感器的翻转周期等。而且基于这些测量值来判别催化剂装置的劣化状态。

再者，在这些技术中，在内燃机的通常的运行状态(未进行催化剂装置的劣化状态的判别的运行状态)下，根据前述氧气浓度传感器的输出的翻转来反馈控制空燃比，以便内燃机的空燃比保持在理论空燃比附近，借此来保持催化剂装置的适当的净化性能。

可是，在上述这种催化剂装置的劣化状态的判别方法中，产生以下这样的问题。

也就是说，在前述技术中，为了判别催化剂装置的劣化状态，有必要主动地使内燃机的空燃比变化到稀侧，或者浓侧。因此，在反馈控制内燃机的空燃比以便确保催化剂装置的适当的净化性能的状态下，无法判别催化剂装置的劣化状态。此外，在该判别之际，确保催化剂装置的适当的净化性能是困难的。

此外，在前述技术中，能进行催化剂装置的劣化状态的判别的内燃机的运行状态，或者与之伴随的排气的生成状态，限定于特别的状态。具体地说，在前述专利公报第2526640号的技术中，仅在进行内燃机的输出增量之际，而且在该输出增量的开始时刻的下游侧O2传感器的输出成为空燃比的稀侧的输出的场合，以及在进行内燃机的燃料切断之际，而且在该燃料切断的开始时刻的下游侧O2传感器的输出成为空燃比的浓侧的输出的场合，才能进行催化剂装置的劣化状态的判别。此外，在前述特开平7-19033号公报的技术中，仅在满足内燃机的负载(吸入空气量、节气门开度、燃油喷射量、吸气压力等)和转速处于规定范围内，吸入空气温度为设定值以上，内燃机的负载变化量为设定值以下等条件的场合，才能进行催化剂装置的劣化状态的判别。因此，配备在汽车的内燃机的排气通路上的催化剂装置等，在生成供给到催化剂装置的排气的内燃机的运行状态，或者该排气的生成状态成为各种各样者的场合，能够进行催化剂装置的劣化状态的判别的机会往往很少，其判别结果容易缺乏可靠性。

再者，本申请的申请人以前提出了在催化剂装置的上游侧设置产生表示内燃机中燃烧的混合气的空燃比的输出的第1排气传感器，并且在催化剂装置的下游侧设置产生表示排气中的指定成分的浓度，例如氧气浓度的输出的第2排气传感器，基于这些传感器的输出来反馈控制内燃机的空燃比以便得到催化剂装置的最佳的净化性能的系统(例如日本特开平9-324681号公报或者美国专利第5852930号、特开平11-93740号等)。

此一系统确定内燃机的目标空燃比以便前述第2排气传感器的输出(氧气浓度的检测值)成为规定的一定值，反馈控制内燃机的空燃比以便第1排气传感器的输出(空燃比的检测值)收敛于其目标空燃比，借此来确保催化剂装置的最佳净化性能。

在这种系统中，因为通过上述这种空燃比控制能够极其稳定地确保催化剂装置的最佳的净化性能，故最好是能够既进行该空燃比控制又判别催化剂装置的劣化状态。

本发明是有鉴于这种背景而做成的，其目的在于提供一种在靠催化剂装置净化的排气的生成状态，或者产生该排气的内燃机的运行状态等各种各样的状况下能够适当地判别催化剂装置的劣化状态的排气净化用催化剂装置的劣化判别方法。

而且特别是其目的在于提供一种能够既确保配备在内燃机的排气通路上的催化剂装置的想要的净化性能，又适当地判别该催化剂装置的劣化状态的排气净化用催化剂装置的劣化判别方法。

发明的公开

本发明的排气净化用催化剂装置的劣化判别方法为了实现这种目的，是判别净化由燃料和空气的混合气的燃烧所生成的排气的催化剂装置的劣化状态的方法，其特征在于包括：在前述催化剂装置的上游侧和下游侧分别配置产生与排气的成分相对应的输出的第1排气传感器和第2排气传感器而成的排气通路中，从其上游侧供给由前述混合气的燃烧生成的排气的排气供给过程；在向前述排气通路供给排气时采集前述第1和第2排气传感器各自的输出数据的检测过程；以前述排气通路中的前述第1排气传感器到第2排气传感器的包含前述催化剂装置在内的排气系为对象，针对作为表现该对象排气系的行为者预先建立的该对象排气系的模型，基于在前述检测过程中采集的前述第1和第2排气传感器的输出数据来识别该模型的应该设定的至少一个参数的值的识别过程；以及基于在该识别过程中求出的前述参数的识别值的数据来判别前述催化剂装置的劣化状态的劣化判别过程。

也就是说，如果用本申请发明人的各种研究，则在建立了表现前述第1排气传感器到第2排气传感器的包含前述催化剂装置在内的前述对象排气系的行为的模型之后，在基于一边把排气供给到前述排气通路一边采集的两个排气传感器的输出数据来识别该模型的应该设定的前述参数(在规定模型的行为方面应该设定成某个值的参数)的值时，该参数的识别值有在与催化剂装置的劣化状态之间产生某种特征性的相关关系的倾向(例如随着催化剂装置的劣化的进展，参数的识别值的大小增加或减少等)。而且，前述参数值的识别如果是两个排气传感器的输出产生某种程度的变动的情况也可以无障碍地基本上基于两个排气传感器的输出数据来进行。因此，可以在前述混合气的燃烧引起的排气的生成状态，或进行该混合气的燃烧的内燃机的运行状态等各种各样的状况下进行前述参数值的识别。

因而，基于前述参数的识别值的数据来判别催化剂装置的劣化状态，借此在供给催化剂装置的排气的生成状态，或者生成该排气的内燃机的运行状态等各种各样的状况下进行该识别成为可能。

在这种本发明中，最好是前述第1排气传感器是产生表示生成进入前述催化剂装置的排气的前述混合气的空燃比的输出的传感器，前述第2排气传感器是产生前述表示通过前述催化剂装置的排气中的指定成分的含量的输出的传感器。

基于向前述排气通路供给排气时的该第1和第2排气传感器的输出数据来识别把这些传感器作为第1和第2排气传感器来采用的前述对象排气系的模型的参数值时，在该识别值与催化剂装置的劣化状态之间容易显示出比较显著的相关关系。因此，基于该参数的识别值的数据的劣化状态的判别变得容易了。

此外在本发明中，如前所述，由于在供给催化剂装置的排气的生成状态，或者生成该排气的内燃机的运行状态等各种各样的状况下进行催化剂装置的劣化状态的判别成为可能，所以前述催化剂装置最好是设在在内部燃烧前述混合气的内燃机的排气通路上的催化剂装置。

在此一场合，特别是如前所述前述第1排气传感器是产生表示前述混合气的空燃比的输出的传感器，前述第2排气传感器是产生表示通过前述催化剂装置的排气中的指定成分的含量的输出的传感器的场合，最好是在前述内燃机的运行引起的向前述排气通路供给排气时备有控制该内燃机的空燃比以便使前述第2排气传感器的输出收敛于规定的目标值的空燃比控制过程，前述识别过程和劣化判别过程与该空燃比控制过程并行地进行。

也就是说，控制内燃机的空燃比(更确切地说是内燃机中所燃烧的混合气的空燃比)以便使表示通过催化剂装置的排气中的指定成分的含量的前述第2排气传感器的输出收敛于规定的目标值，借此确保催化剂装置引起的内燃机的排气的想要的净化性能成为可能。而且，与这种空燃比的控制并行地进行前述识别过程和劣化判别过程，借此在内燃机运行时可以一边确保催化剂装置引起的想要的净化性能，一边判别催化剂装置的劣化状态。

再者，在此一场合，在作为前述第2排气传感器采用例如氧气浓度传感器(O2传感器)时，控制内燃机的空燃比以便把该传感器的输出维持成规定的一定值，借此可以得到催化剂装置的最佳净化性能。

上述空燃比控制过程最好是由计算前述内燃机的目标空燃比以便使前述第2排气传感器的输出收敛于前述目标值的过程，和反馈控制该内燃机的空燃比以便使由前述第1排气传感器的输出来表示的空燃比收敛于前述目标空燃比的过程来构成。

进行这种空燃比控制，借此可以通过确保催化剂装置的想要的净化性能把内燃机的空燃比稳定地控制成适当的空燃比，也就是前述目标空燃比。此外，通过使内燃机的空燃比的控制稳定，用来在前述识别过程中识别前述参数值的第1和第2排气传感器的输出数据的行为也成为平滑的。结果在前述识别过程中求出的前述参数的识别值的可靠性提高，基于该识别值的催化剂装置的劣化状态的判别也可以更适当地进行。

前述目标空燃比虽然也可以用PID控制器等来计算，但是最好是由滑动模式控制器来计算。

也就是说，滑动模式控制器一般来说与PID控制器等相比具有不容易受外部干扰或控制对象的特性变化等的影响这样的优良的性质。通过用这种滑动模式控制器来计算前述目标空燃比，内燃机的空燃比控制的稳定性更加提高。结果确保催化剂装置的想要的净化性能变得更加可靠，同时在前述识别过程中求出的前述参数的识别值的可靠性也提高，基于该识别值数据的催化剂装置的劣化状态的判别也可以更适当地进行。

此外，如上所述与催化剂装置的劣化状态的判别并行地进行内燃机的空燃比控制的本发明中，前述目标空燃比最好是用在前述识别过程中求出的前述参数的识别值数据通过预先确定的算法来计算。

也就是说，因为前述参数的识别值反映前述对象排气系的实际的行为特性，故用此一识别值来计算用来使前述第2排气传感器的输出收敛于前述目标值的前述目标空燃比，借此可以提高该目标空燃比的精度。结果确保催化剂装置的想要的净化性能变得更加可靠，同时在前述识别过程中求出的前述参数的识别值的稳定性也提高，基于该识别值的数据的催化剂装置的劣化状态的判别也可以更适当地进行。

进而前述内燃机的空燃比的反馈控制虽然也可以由PID控制器等来进行，但是本发明中该反馈控制最好是由渐变式形式的控制器来进行。

通过像这样由渐变式形式的控制器(具体地说例如自适应控制器)来进行内燃机的空燃比的反馈控制，与用PID控制器等的场合相比，既可以抑制内燃机的特性变化等的影响，又可以精度更高地把内燃机的空燃比反馈控制成前述目标空燃比，进而确保催化剂装置的想要的净化性能变得更加可靠，同时在前述识别过程中求出的前述参数的识别值的可靠性也提高，基于该识别值的数据的催化剂装置的劣化状态的判别也可以更适当地进行。

再者，前述渐变式形式的控制器是确定用来使由前述第1排气传感器的输出来表示的空燃比收敛于目标空燃比的内燃机的空燃比的操作量(更具体地说例如内燃机的燃料供给量的操作量)的包含现在以前的过去的时间序列数据在内的通过规定的渐变式而更新的操作量，由该操作量来控制内燃机的空燃比的。

在这种本发明中，前述模型更具体地说是根据前述第1排气传感器的输出经由响应延迟要素和/或无用时间要素作为生成前述第2排气传感器的输出的系统用离散时间系来表示前述对象排气系的模型，作为前述识别过程中识别的前述参数包含与前述第1排气传感器的输出有关的系数和与前述第2排气传感器的输出有关的系数当中的至少一个。

像这样建立包含前述催化剂装置的排气系的模型，以该模型中用的前述系数为参数，基于前述第1和第2排气传感器的输出数据来识别该系数的值，借此该模型的参数(系数)的识别值明确地反映前述排气系中所包含的催化剂装置的实际的行为特性，结果该识别值与催化剂装置的劣化状态的相关性提高。因此基于该参数(系数)的识别值的催化剂装置的劣化状态的判别可以更适当地进行。此外，通过用离散时间系给前述排气系建模，实时地识别前述参数成为可能。

像这样建立对象排气系的模型的本发明中，前述识别过程由一边逐次更新前述参数值以便使根据前述模型的前述第2排气传感器的输出与该第2排气传感器的实际输出之间的误差减至最小一边识别的算法来构成，在计算前述误差之际对根据前述模型的第2排气传感器的输出与该第2排气传感器的实际输出实施同一频通特性的滤波。

借此，在包含前述催化剂装置在内的实际的对象排气系和前述模型中调整各自的频率特性(更确切地说，针对前述第1排气传感器的输出(它相当于模型的输入)的第2排气传感器的输出(它相当于模型的输出)的变化的频率特性)来识别前述参数(系数)的值成为可能。因此该参数的识别值的可靠性提高，基于该识别值的催化剂装置的劣化状态的判别可以更适当地进行。

进而如上所述建立对象排气系的模型的本发明中，前述识别过程最好是根据前述对象排气系的指定的行为来进行识别前述参数值的处理。

也就是说，根据前述排气系的行为状态的不同，有时前述参数的识别值成为缺乏可靠性者。因而，前述识别过程根据前述对象排气系的指定的行为(例如由排气的氧气浓度来把握的混合气的空燃比从稀侧变化到浓侧的行为)来进行识别前述参数值的处理，借此可以在前述参数识别值中提高可靠性，进而可以提高基于该识别值的催化剂装置的劣化状态的判别的可靠性。

再者，在此一场合，基于由前述第2排气传感器的输出的现在以前的规定数的时间序列数据而确定的规定的函数值，可以认知前述排气系的指定的行为。

此外，在本发明中，前述识别过程最好是包括对前述参数的识别值实施极限处理的过程。

借此，避免基于前述参数的不自然的识别值，或可靠性低的识别值的催化剂装置的劣化状态的判别成为可能，其判别结果的可靠性提高。此外，特别是在进行用该参数的识别值的内燃机的空燃比控制的场合，可以进一步提高该空燃比控制的稳定性。

此外，在本发明中，前述识别过程最好是把前述第1排气传感器的实际输出与规定的基准值的偏差和前述第2排气传感器的实际输出与规定的基准值的偏差分别用作前述第1和第2排气传感器的输出数据并基于该数据来计算前述参数的识别值。

像这样计算前述参数的识别值之际，把前述第1排气传感器的实际输出与规定的基准值的偏差和前述第2排气传感器的实际输出与规定的基准值的偏差分别用作前述第1和第2排气传感器的输出数据，借此该识别值的计算用的算法的建立变得比较容易，并且还提高该识别值的精度成为可能。

再者，如前所述，在控制前述内燃机的空燃比以便使第1排气传感器的输出收敛于规定的目标值的场合，关于该第1排气传感器的前述规定的基准值，最好是设定成上述目标值。

此外，关于前述模型的建立或前述识别过程的上述本发明的各技术，当然可以与前述关于第1和第2排气传感器的种类的技术，或关于内燃机的空燃比控制的各种技术并用。

在以上说明的本发明中，基于前述参数的识别值的催化剂装置的劣化状态的判别虽然可以把该识别值本身与适当的判别值加以比较等来进行，但是最好是前述劣化判别过程把对前述参数的识别值数据实施规定的滤波处理而生成的数据用作前述催化剂装置的劣化状态的判别用数据。

也就是说，前述参数的识别值本身在外部干扰等的影响下有时即使是催化剂装置的劣化状态相同也要产生分散误差。因而把对该参数的识别值数据实施规定的滤波处理而生成的数据用作前述催化剂装置的劣化状态的判别用数据，借此可以提高催化剂装置的劣化状态的判别的可靠性。

再者，上述滤波处理虽然也可以是作为判别用数据求出前述参数的识别值的平均值或加权平均值这样的处理，但是最好是求出前述参数的识别值数据的最小二乘中心值的处理。通过进行这种滤波处理，前述判别用数据成为与催化剂装置的劣化状态之间具有更显著的相关性者，可以更适当地进行基于该判别用数据的催化剂装置的劣化状态的判别。

进而，如上所述用前述判别用数据的本发明中，最好是在前述识别过程中备有在识别前述参数值之际划分成预先确定的多个区域来掌握供给到前述排气通路的排气流量的过程，前述劣化判别过程在该排气流量的每个区域中单独地对与各区域相对应的前述参数的识别值数据实施前述滤波处理而生成前述判别用数据，并且用对应于该排气流量的至少一个区域而生成的前述判别用数据来判别前述催化剂装置的劣化状态。

也就是说，前述参数的识别值多少受通过催化剂装置的排气流量的影响(例如排气流量越大，则参数的识别值的大小有所增加或者减少)。因而，把该排气流量划分成多个区域(例如大流量区域和小流量区域等)，并且在每个求出参数的识别值之际掌握的排气流量区域中单独地生成前述判别用数据，用其中的对应于至少一个区域而生成的前述判别用数据来判别前述催化剂装置的劣化状态，借此该判别结果的可靠性进一步提高，并且不依赖于排气流量的判别成为可能。

此外，在上述的本发明中，更具体地说，前述劣化判别过程基于前述参数的识别值的数据值的大小和/或该数据值伴随前述催化剂装置的劣化的进展的变化特性来判别前述催化剂装置的劣化状态。

或者如前所述对前述参数的识别值数据实施规定的滤波处理，生成前述劣化判别用数据的场合，前述劣化判别过程基于前述识别用数据的值的大小和/或该识别用数据的值伴随前述催化剂装置的劣化的进展的变化特性来判别前述催化剂装置的劣化状态。

也就是说，前述参数的识别值数据，或者根据该数据生成的前述劣化判别用数据，其值的大小，或者其变化的形态对催化剂装置的劣化状态具有特征性的相关性，该相关性基本上由催化剂装置的种类或进行识别的参数的种类来确定。因而，通过着眼于上述数据值的大小或其变化特性，可以适当地进行催化剂装置的劣化状态的判别。

更具体地说，例如如前所述，在作为根据前述第1排气传感器的输出经由响应延迟要素和/或无用时间要素生成前述第2排气传感器的输出的系统给前述对象排气系建立用离散时间系来表示的模型的场合，在前述识别过程中识别的前述参数包含与前述第1排气传感器的输出有关的系数的场合，该系数的识别值数据或者对其实施前述滤波处理而生成的数据值的大小，直到催化剂装置的劣化进展某种程度之前随着该劣化的进展呈现出增加或者减少的倾向，然后此一倾向逆转，随着催化剂装置的劣化的进展呈现出减少或者增加的倾向。也就是说，在催化剂装置的劣化进展到某种程度的阶段，上述数据的值取极值(极大值或极小值)。因而在此一场合，前述劣化判别过程可以基于与该第1排气传感器的输出有关的系数的识别值数据或者对该识别值数据实施规定的滤波处理而生成的数据的值的大小，和与随着前述催化剂装置的劣化的进展而产生该数据的值的极值(极大值或极小值)有关的信息(例如是否产生了该极值)来判别催化剂装置的劣化状态。

此外，例如与上述同样在建立前述对象排气系的模型的场合，在前述识别过程中识别的前述参数包含与前述第2排气传感器的输出有关的系数的场合，该系数的识别值数据或者对其实施前述滤波处理而生成的数据的值的大小随着催化剂装置的劣化的进展呈现出单调增加或减少倾向。因而在此一场合，前述劣化判别过程可以基于与该前述第2排气传感器的输出有关的系数的识别值数据或者对该识别值数据实施规定的滤波处理而生成的数据的值的大小来判别催化剂装置的劣化状态。

此外，在上述本发明中，在前述识别过程中识别的前述模型的参数有多个的场合，前述劣化判别过程基于该多个参数的识别值数据来判别前述催化剂装置的劣化状态。

这样一来，可以比基于单一参数的识别值数据来判别催化剂装置的劣化状态的场合提高判别结果的可靠性。

在此一场合，更具体地说，前述劣化判别过程基于前述多个参数各自的识别值数据单独地暂定判别前述催化剂装置的劣化状态之后，综合该各参数每个的判别结果来确定该催化剂装置的劣化状态的判别结果。借此可以以高的可靠性容易地进行基于多个参数的各自的识别值数据的催化剂装置的劣化状态的判别。

进而，在本发明中，前述劣化判别过程最好是划分成多个劣化程度来判别前述催化剂装置的劣化状态，借此可以分级地掌握催化剂装置的劣化程度。

此外，在以上说明的本发明中，前述劣化判别过程最好是备有基于前述第1排气传感器的输出数据和第2排气传感器的输出数据当中的至少一个来判断在前述识别过程中所求出的前述参数的识别值是否适合用于前述催化剂装置的劣化状态的判别的过程，基于判断为适合的前述参数的识别值来判别前述催化剂装置的劣化状态。

或者，在前述催化剂装置设在前述内燃机的排气通路上的场合，前述劣化判别过程最好是备有基于前述第1排气传感器的输出数据、第2排气传感器的输出数据和前述内燃机的吸气量状态当中的至少一个来判断在前述识别过程中所求出的前述参数的识别值是否适合用于前述催化剂装置的劣化状态的判别的过程，基于判断为适合的前述参数的识别值来判别前述催化剂装置的劣化状态。

进而或者，在前述内燃机为作为其推进源装设在车辆上的内燃机的场合，前述劣化判别过程最好是备有基于前述第1排气传感器的输出数据、第2排气传感器的输出数据、前述内燃机的吸气量状态和前述车辆的车速状态当中的至少一个来判断在前述识别过程中所求出的前述参数的识别值是否适合用于前述催化剂装置的劣化状态的判别的过程，基于判断为适合的前述参数的识别值来判别前述催化剂装置的劣化状态。

也就是说，例如在前述第1排气传感器的输出或第2排气传感器的输出稳态性地大体上一定，这些输出的变动极小的状况下，难以根据这些输出数据高精度地求出前述参数的识别值，容易产生该识别值的误差。此外，这些排气传感器的输出成为大体上一定的状况，在前述对象排气系设在排气通路上的内燃机的吸气量(更准确地说是一个燃烧循环中的吸气量)稳态性地几乎一定的内燃机的运行进行的状况下，或作为推进源装设了该内燃机的车辆的车速稳态性地几乎一定的状况下容易产生。

因此，在本发明中，基于第1排气传感器的输出数据、第2排气传感器的输出数据、或者内燃机的吸气量状态、或者车辆的车速状态当中的至少一个(最好是多个)来判断前述参数的识别值是否适合用于前述催化剂装置的劣化状态的判别，基于判断为适合的前述参数的识别值来判别前述催化剂装置的劣化状态。借此可以提高该参数的识别值的可靠性，进而进一步提高催化剂装置的劣化状态的判别结果的可靠性。

在此一场合，前述参数的识别值是否适合用于前述催化剂装置的劣化状态的判别的判断，可以根据采集用来求出该识别值的前述第1和第2排气传感器的输出数据之际的该第1排气传感器的输出、第2排气传感器的输出、或者在排气通路上配备该催化剂装置的内燃机的吸气量、或者装设该内燃机的车辆的车速当中的至少一个是否大体上维持一定来进行。也就是说，在采集用来求出该识别值的前述第1和第2排气传感器的输出数据之际的第1排气传感器的输出等大体上维持一定的状况下可以判断为前述参数的识别值是不适合的，在不是这样的状况下，最好是在第1排气传感器的输出等当中的多个产生某种程度的变动的状况下，可以判断为该识别值是适合的。

再者，关于前述劣化判别过程的根据上述本发明的各种技术，当然可以与前述关于第1和第2排气传感器的种类的技术，或关于内燃机的空燃比控制的各种技术，关于前述模型的建立，或者前述识别过程的处理的技术并用。

此外，在以上说明的本发明中，最好是备有进行与前述劣化判别过程得出的前述催化剂装置的劣化状态的判别结果相对应的报告的过程，借此可以进行促使催化剂装置的更换等的报告。

附图的简要说明

图1是运用本发明的排气净化用催化剂装置的劣化判别方法的第1实施例的系统的总体构成图，

图2是图1的系统中使用的O₂传感器的输出特性图，

图3是表示图1的系统的主要部分的基本构成的方框图，

图4是用来说明图1的系统中用的滑动模式控制的说明图，

图5和图6是用来说明图1的系统中用的催化剂装置的劣化判别方法的曲线图，

图7是用来说明图1的系统中用的自适应控制器的方框图，

图8是用来说明图1的系统的与发动机的燃料控制有关的处理的程序框图，

图9是用来说明图1的系统的排气侧主运算处理部的总体处理的程序框图，

图10～图12是用来说明图9的程序框图的子程序处理的程序框图，

图13～图15是用来说明图12的程序框图的部分处理的说明图，

图16是用来说明图12的程序框图的子程序处理的说明图，

图17～图19是用来说明图9的程序框图的子程序处理的程序框图，

图20和图21是用来说明本发明的劣化判别方法的第2实施例的程序框图，

图22是用来说明本发明的劣化判别方法的第3实施例的程序框图。

实施发明的最佳形态

参照图1至图19来说明本发明的第1实施例。

图1是表示运用本实施例的劣化判别方法的系统的总体构成的方框图，图中1是例如四缸发动机(内燃机)。此一发动机1每个气缸中通过燃料和空气的混合气的燃烧生成的排气汇合于发动机1附近的共同的排气管2(排气通路)，经由该排气管2向大气中排放。而且，在排气管2上为了净化排气从该排气管2的上游侧依次插装用三元催化剂构成的两个催化剂装置3、4。再者，由本实施例来判别劣化状态的催化剂装置是上游侧的催化剂装置3。此外，下游侧的催化剂装置4也可以将其省略。

本实施例的系统为了进行发动机1的空燃比(在发动机1中所燃烧的燃料和空气的混合气的空燃比)的控制和催化剂装置3的劣化状态的判别处理，具备在催化剂装置3的上游侧(更确切地说是发动机1的每个气缸的排气的汇合处)设在排气管2上的作为第1排气传感器的宽范围空燃比传感器5，在催化剂装置3的下游侧(催化剂装置4的上游侧)设在排气管2上的作为第2排气传感器的O₂传感器(氧气浓度传感器)6，以及基于这些传感器5、6的输出来进行下文述及的控制处理的控制单元7。再者，除了前述宽范围空燃比传感器5或O₂传感器6的输出之外，用来检测发动机1的运行状态的未画出的转速传感器或吸气压力传感器、冷却水温传感器等各种传感器的输出送到控制单元7。

宽范围空燃比传感器5用O₂传感器来构成，生成与发动机1中燃烧的混合气的空燃比(这由进入催化剂装置3的排气中的氧气浓度来掌握)相对应的值的输出。在此一场合，宽范围空燃比传感器5(以下称为LAF传感器5)根据构成该传感器5的O₂传感器的输出由未画出的线性化器等检测电路，在发动机1的空燃比的整个宽范围中生成与它成比例的值的输出KACT，也就是表示该空燃比的检测值的输出KACT。这种LAF传感器5由于本申请的申请人在日本特开平4-369471号公报或美国专利第5391282号中详细地公开了，所以这里省略进一步的说明。

此外，催化剂装置3的下游侧的O₂传感器6与普通的O₂传感器同样地生成与通过催化剂装置3的排气中的氧气浓度相对应的值的输出VO2/OUT，也就是表示该排气中的氧气浓度的检测值的输出VO2/OUT。此一O₂传感器6的输出VO2/OUT如图2中所示，由通过催化剂装置3的排气的氧气浓度来掌握的空燃比在存在于理论空燃比附近的范围Δ内这样的状态下产生与该排气的氧气浓度几乎成比例的高灵敏度的变化。

控制单元7用微计算机来构成，大致分为担当用来计算发动机1的目标空燃比KCMD的运算处理以及用来判别催化剂装置3的劣化状态的运算处理的控制单元7a(以下称为排气侧控制单元7a)，和担当基于上述目标空燃比KCMD来控制发动机1的空燃比的处理的控制单元7b(以下称为发动机侧控制单元7b)。

发动机侧控制单元7b作为其功能的构成具备求出向发动机1的基本燃料喷射量Tim的基本燃料喷射量计算部8，和分别求出用来修正基本燃料喷射量Tim的第1修正系数KTOTAL和第2修正系数KCMDM的第1修正系数计算部9和第2修正系数计算部10。

前述基本燃料喷射量计算部8根据发动机1的转速NE和吸入压力PB用预先设定的图像来求出由这些规定的发动机1的基准燃料喷射量(燃料供给量)，根据发动机1的未画出的节气门的有效开口面积来修正该基准燃料喷射量，借此来计算基准燃料喷射量Tim。

此外，第1修正系数计算部9求出的第1修正系数KTOTAL考虑发动机1的排气回流率(发动机1的吸入空气中所含的排气的比率)，或发动机1的未画出的罐体排污时供给到发动机1的燃料的排污量，发动机1的冷却水温，吸气温度等来修正前述基本燃料喷射量Tim。

此外，第2修正系数计算部10求出的第2修正系数KCMDM对应于排气侧控制单元7a如下文所述确定的目标空燃比KCMD考虑流入发动机1的燃料的冷却效应引起的吸入空气的充填效率来修正基本燃料喷射量Tim。

根据这些第1修正系数KTOTAL和第2修正系数KCMDM的基本燃料喷射量Tim的修正，通过把第1修正系数KTOTAL和第2修正系数KCMDM乘以基本燃料喷射量Tim来进行，通过此一修正得到发动机1的要求燃料喷射量Tcyl。

再者，由前述基本燃料喷射量Tim，或第1修正系数KTOTAL，第2修正系数KCMDM具体的计算手法由于本申请的申请人在日本特开平5-79374号公报或美国专利第5253630号等中公开了，所以这里省略详细的说明。

发动机侧控制单元7b除了上述功能的构成之外，还备有调整发动机1的燃料喷射量以便使LAF传感器5的输出KACT(空燃比的检测值)与排气侧控制单元7a(细节下文述及)逐次计算的目标空燃比KCMD一致(收敛于)，借此来反馈控制发动机1的空燃比的反馈控制部14。

此一反馈控制部14在本实施例中分为反馈控制发动机1的各气缸的总体的空燃比的大局反馈控制部15和反馈控制发动机1的每个气缸的空燃比的局部反馈控制部16。

前述大局反馈控制部15逐次求出修正前述要求燃料喷射量Tcyl(乘以前述要求燃料喷射量Tcyl)以便LAF传感器5的输出KACT收敛于前述目标空燃比KCMD的反馈修正系数KFB。

此一大局反馈控制部15分别独立地具备根据LAF传感器5的输出KACT与目标空燃比KCMD的偏差用公知的PID控制来生成作为前述反馈修正系数KFB的反馈操作量KLAF的PID控制器17，和根据LAF传感器5的输出KACT和目标空燃比KCMD来考虑发动机1的运行状态变化或特性变化等而自适应地求出规定前述反馈修正系数KFB的反馈操作量KSTR的自适应控制器18(图中称为STR)。

这里，在本实施例中，前述PID控制器17生成的反馈操作量KLAF在LAF传感器5的输出KACT(空燃比的检测值)与目标空燃比KCMD一致的状态下为“1”，可以把该操作量KLAF原封不动地作为前述反馈修正系数KFB来使用。另一方面，在自适应控制器18生成的反馈操作量KSTR和LAF传感器5与目标空燃比KCMD一致的状态下成为“目标空燃比KCMD”。因此，除法处理部19把该反馈操作量KSTR除以目标空燃比KCMD而成的反馈操作量kstr(=KSTR/KCMD)可以作为前述反馈修正系数KFB来使用。

而且，大局反馈控制部15靠切换部20适当而择一地选择由PID控制器17生成的反馈操作量KLAF，和把自适应控制器18生成的反馈操作量KSTR除以目标空燃比KCMD而成的反馈操作量kstr，把某一方的反馈操作量KSTR或kstr作为前述反馈修正系数KFB来使用，把该修正系数KFB乘以前述要求燃料喷射量Tcyl，借此来修正该要求燃料喷射量Tcyl。再者关于这种大局反馈控制部15(特别是自适应控制器18)在下文更确切地说明。

前述局部反馈控制部16具备根据LAF传感器5的输出KACT来推断每个气缸的实际空燃比#nA/F(n=1,2,3,4)的观测器21，和为了根据由此一观测器21所推断的每个气缸的实际空燃比#nA/F来消除每个气缸的空燃比的分散误差，用PID控制分别求出每个气缸的燃料喷射量的反馈修正系数#nKLAF的多个(气缸数个)PID控制器22。

这里如果简单地说明之则观测器21如下进行每个气缸的实际空燃比#nA/F的推断。也就是说，把从发动机1到LAF传感器5的部位(每个气缸的排气的汇合处)的系统看成根据发动机1的每个气缸的实际空燃比#nA/F生成由LFA传感器5来检测的空燃比的系统，考虑LAF传感器5的检测响应滞后(例如一阶滞后)或发动机1的每个气缸的空燃比对由LAF传感器5来检测的空燃比的时间贡献度而给这些建立模型。而且基于该模型根据LAF传感器5的输出KACT倒算地推断每个气缸的实际空燃比#nA/F。

再者，这种观测器21由于本申请的申请人在例如日本特开平7-83094号公报或美国专利第5531208号中详细地公开了，所以这里省略进一步的说明。

此外，局部反馈控制部16的各PID控制器22把LAF传感器5的输出KACT除以前次控制循环中由各PID控制器22求出的反馈修正系数#nKLAF的关于所有气缸的平均值而成的值作为各气缸的空燃比的目标值，为了消除该目标值与由观测器21求出的每个气缸的实际空燃比#nA/F的推断值的偏差，求出此次控制循环中的每个气缸的反馈修正系数#nKLAF。

而且，局部反馈控制部16把前述要求燃料喷射量Tcyl乘以大局反馈控制部15的反馈修正系数KFB而成的值乘以每个气缸的反馈修正系数#nKLAF，借此来求出各气缸的输出燃料喷射量#nTout(n=1,2,3,4)。

这样一来所求出的各气缸的输出燃料喷射量#nTout由发动机侧控制单元7b中配备的每个气缸的附着修正部23对每个气缸完成了考虑吸气管的壁面附着的修正之后，送到发动机1的未画出的燃料喷射装置，按完成了该附着修正的输出燃料喷射量#nTout来进行向发动机1的各气缸的燃料喷射。

再者，关于上述附着修正由于本申请的申请人在例如日本特开平8-21273号公报或美国专利第5568799号中详细地公开了，所以这里省略进一步的说明。此外，在图1中带有标号24的传感器输出选择处理部根据发动机1的运行状态来选择适合于前述观测器21的每个气缸的实际空燃比#nA/F的推断的LAF传感器5的输出KACT，关于这些由于本申请的申请人在日本特开平7-259588号公报或美国专利第5540209号中详细地公开了，所以这里省略进一步的说明。

另一方面，前述排气侧控制单元7a备有求出LAF传感器5的输出KACT与规定的基准值FLAF/BASE的偏差kact(=KACT-FLAF/BASE)的减法处理部11，和求出O₂传感器6的输出VO2/OUT与其目标值VO2/TARGET(关于O₂传感器6的输出VO2/OUT的基准值)的偏差VO2(=VO2/OUT-VO2/TARGET)的减法处理部12。在此一场合，在本实施例中前述基准值FLAF/BASE在空燃比换算中设定成约“1”(一定值)。此外，O2传感器6的输出VO2/OUT的目标值VO2/TARGET在本实施例中取为得到催化剂装置3的最佳净化性能的规定的一定值。

再者，在以下的说明中，把前述减法处理部11、12分别求出的偏差kact、VO2分别称为LAF传感器5的偏差输出kact和O₂传感器6的偏差输出VO2。

排气侧控制单元7a还备有分别作为FAF传感器5的输出和O₂传感器6的输出的数据给出上述偏差输出kact、VO2的数据的排气侧主运算处理部13。

此一排气侧主运算处理部13具有基于前述偏差输出kact、VO2的数据逐次计算发动机1的目标空燃比KCMD(由LAF传感器5检测的发动机1的空燃比的目标值)的功能(以下称为目标空燃比计算功能)，和逐次判别催化剂装置3的劣化状态的功能(以下称为劣化判别功能)。

更确切地说，排气侧主运算处理部13的目标空燃比计算功能以从排气管2的LAF传感器5的部位到O₂传感器6的部位的包括催化剂装置3在内的排气系(图1中带有标号E的部分)为控制对象。而且，一边考虑此一对象排气系E具有的无用时间或前述发动机1和发动机侧控制单元7b具有的无用时间，对象排气系E的行为变化等一边用自适应滑动模式控制逐次计算发动机1的目标空燃比KCMD，以便使O₂传感器6的输出VO2/OUT收敛于其目标值VO2/TARGET(使O₂传感器6的偏差输出VO2收敛于“0”)。

此外，排气侧主运算处理部13的劣化判别功能在计算目标空燃比KCMD的过程中基于逐次得到的下文述及的模型的参数的识别值数据逐次判别催化剂装置3的劣化状态，并且根据其判别结果来控制本实施例的系统中配备的劣化报告器29的动作。再者，劣化报告器29通过灯泡的点亮或闪亮，或者蜂鸣器的鸣响等向外部报告催化剂装置3的劣化状态。

为了进行这些目标空燃比计算功能和劣化判别功能的运算处理，在本实施例中，把前述对象排气系E看成根据前述LAF传感器5的输出KACT(空燃比的检测值)经由无用时间要素和响应滞后要素来生成O₂传感器6的输出VO2/OUT(通过催化剂装置3的排气中的氧气浓度)的系统，预先以离散时间系给其行为建模。此外特别是为了目标空燃比计算功能，把由前述发动机1和发动机侧控制单元7b组成的系统(以下把此一系统称为空燃比操作系)看成根据目标空燃比KCMD经由无用时间要素来生成LAF传感器5的输出KACT的系统，预先以离散时间系给其行为建模。

在此一场合，在本实施例中，以离散时间系来表现对象排气系E的行为的模型(以下称为排气系模型)用LAF传感器5的前述偏差输出kact(=KACT-FLAF/BASE)和O₂传感器6的偏差输出VO2(=VO2/OUT-VO2/TARGET)来代替LAF传感器5的输出KACT和O₂传感器6的输出VO2/OUT，由下面式(1)来表达。

VO2(k+1)=a1·VO2(k)+a2·VO2(k-1)+b1·kact(k-d1)    (1)

对象排气系E看成是根据LAF传感器5的偏差输出kact经由无用时间要素和响应滞后要素来生成O2传感器6的偏差输出VO2的系统，此一式(1)以离散时间系(更确切地说是具有无用时间的自回归模型)来表达该对象排气系E的行为。

这里，在上式(1)中，“k”表示离散时间的控制循环的序号数，“d1”是用控制循环数表示对象排气系E中存在的无用时间的。在此一场合，在令排气系主运算处理部13的控制循环的周期(这在本实施例中是一定的)为30～100ms时，一般来说，对象排气系E的无用时间(直到LAF传感器5检测的各时刻的空燃比反映在O2传感器6的输出VO2/OUT中所需的时间)为3-10控制循环的时间(d1=3～10)。而且，在本实施例中，作为由式(1)表达的排气系模型中的无用时间d1的值，用等于对象排气系E的实际无用时间，或者比它长一些的预先设定的规定的一定值(在本实施例中例如d1=7)。

此外，式(1)右边第1项和第2项分别对应于对象排气系E的响应滞后要素，第1项是第1次自回归项，第2项是第2次自回归项。而且，“a1”、“a2”分别是第1次自回归项的增益系数，第2次自回归项的增益系数。这些增益系数a1、a2换句话说是与O₂传感器6的输出VO2/OUT有关的系数。

进而，式(1)右边的第3项包含对象排气系E的无用时间d1地表达作为对象排气系E和排气系模型的输入的LAF传感器5的输出，“b1”是与该输入(=LAF传感器5的输出)有关的增益系数。这些增益系数a1、a2、b1是规定排气系模型的行为的参数，在本实施例中由下文述及的识别器来逐次识别。

另一方面，前述空燃比操作系(由发动机1和发动机侧控制单元7b组成的系统)的离散时间系的模型(以下称为空燃比操作系模型)，在本实施例中，与排气系模型的场合同样用LAF传感器5的前述偏差输出kact(=KACT-FLAF/BASE)来代替LAF传感器5的输出KACT，并且与此相对应地用该目标空燃比KCMD对前述基准值FLAF/BASE的偏差kcmd(=KCMD-FLAF/BASE。这相当于LAF传感器5的偏差输出kact的目标值。以下把它称为目标偏差空燃比kcmd)来代替目标空燃比KCMD，由下面式(2)来表达。

  kact(k)=kcmd(k-d2)    (2)

此一式(2)是空燃比操作系看成根据目标偏差空燃比kcmd经由无用时间要素来生成LAF传感器5的偏差输出kact的系统(各控制循环中的偏差输出kact与无用时间前的目标偏差空燃比kcmd一致的系统)，以离散时间系的模型来表达该空燃比操作系。

这里，在式(2)中，“d2”以排气侧主运算处理部13的控制循环数来表示空燃比操作系的无用时间。在此一场合，空燃比操作系的无用时间(直到各时刻的目标空燃比KCMD反映在LAF传感器5的输出KACT中所需的时间)随着发动机1的转速NE而变化，发动机1的转速越低则越长。而且，在本实施例中，作为由式(2)表达的空燃比操作系模型中的无用时间d2的值，如上所述考虑空燃比操作系的无用时间的特性，用等于例如发动机1的作为低速旋转范围的转速的怠速转速下实际的空燃比操作系具有的无用时间(它是发动机1的任意转速下空燃比操作系能够采用的最大侧的无用时间)，或者比它长一些的预先设定的规定的一定值(在本实施例中例如d2=3)。

再者，虽然在空燃比操作系中，实际上除了无用时间要素之外还包含发动机1的响应滞后要素，但是因为LAF传感器5的输出KACT对目标空燃比KCMD的响应滞后基本上由反馈控制部14(特别是自适应控制器18)来补偿，故在从排气侧主运算处理部13来看的空燃比操作系中也可以不考虑发动机1的响应滞后要素。

本实施例中的前述排气侧主运算处理部13按规定(一定)的控制循环来进行基于分别由式(1)和式(2)表达的排气系模型和空燃比操作系模型的前述目标空燃比计算功能的处理，和基于由式(1)表达的排气系模型的前述劣化判别功能的处理。而且，为了实现这些功能，具备图3中所示的功能的构成。

也就是说，排气侧主运算处理部13具备根据LAF传感器5的偏差输出kact和O₂传感器6的偏差输出VO2的数据在每个控制循环中逐次识别作为前述排气系模型(式(1))的应该设定的参数的前述增益系数a1、a2、b1的值的识别器25，根据LAF传感器5的偏差输出kact、O₂传感器6的偏差输出VO2以及以下所述的滑动模式控制器27在过去求出的目标空燃比KCMD(更准确地说是目标偏差空燃比kcmd)的数据，用由前述识别器25来计算的前述增益系数a1、a2、b1的识别值

(以下称为识别增益系数 )在每个控制循环中逐次求出把对象排气系E的无用时间d1和空燃比操作系的无用时间d2相加的合计无用时间d(=d1+d2)后的O2传感器6的偏差输出VO2的推断值 VO2(以下称为推断偏差输出VO2)的推断器26，根据由该推断器26求出的O₂传感器6的推断偏差输出 VO2的数据，用前述识别增益系数 在每个控制循环中由自适应滑动模式控制来逐次计算前述目标空燃比KCMD的滑动模式控制器27，以及基于前述识别增益系数

的数据来判别催化剂装置3的劣化状态的催化剂劣化判别处理器28。

这些构成当中，由识别器25、推断器26和滑动模式控制器27进行的运算处理的算法像以下这样建立。

首先，前述识别器25实时地逐次识别前述增益系数a1、a2、b1的值以便极力减小由前述式(1)表达的排气系模型对实际的对象排气系E的建模误差，该识别处理如下进行。

也就是说，识别器25在每个规定的控制循环中，首先用当前所设定的排气系模型的识别增益系数 也就是前次控制循环中确定的识别增益系数 (k-1)、

(k-1)、

(k-1)的值，以及LAF传感器5的偏差输出kact和O₂传感器6的偏差输出VO2的在过去得到的数据，由下面式(3)来求出排气系模型上的O₂传感器6的偏差输出VO2(排气系模型的输出)的值V2(k)(以下称为识别偏差输出V2(k))。 $V\hat{O}2\left(k\right)=\hat{a}1(k-1)\·\mathrm{VO}2(k-1)+a2(k-1)\·\mathrm{VO}2(k-2)+\hat{b}1(k-1)\·\mathrm{kact}(k-d1-1)---\left(3\right)$ 此一式(3)是把前述式(1)向过去侧移动一个控制循环量，并用识别增益系数

(k-1)、 (k-1)、

(k-1)来置换增益系数a1、a2、b1者。此外，式(3)的第3项中所用的对象排气系E的无用时间d1的值用如前所述设定的一定值(在本实施例中d1=7)。

这里，如果引入由下面式(4)、(5)所定义的向量Θ和ξ(式(4)、(5)中的加字“T”意味着转置，下同)，

ξ^T(k)=[VO2(k-1)VO2(k-2)kact(k-d1-1)](5)则前述式(3)可由下面式(6)来表示。 $V\widehat{O2\left(k\right)={\mathrm{\Θ}}^T}(k-1)\·\mathrm{\ξ}\left(k\right)---\left(6\right)$

进而识别器25作为表示排气系模型对实际的对象排气系E的建模误差者由下面式(7)来求出由前述式(3)或式(6)所求出的O₂传感器6的识别偏差输出V2与当前的O₂传感器6的偏差输出VO2的偏差id/e(下文把偏差id/e称为识别误差id/e)。 $\mathrm{id}/e\left(k\right)=\mathrm{VO}2\left(k\right)-V\hat{O}2\left(k\right)---\left(7\right)$

而且，识别器25求出新的识别增益系数

(k)、 (k)、 (k)，换句话说求出以这些识别增益系数为要素的新的前述向量Θ(k)(以下把此一向量称为识别增益系数向量Θ)以便把上述识别误差id/e减至最小，由下面式(8)来进行该计算。也就是说，识别器25通过使前次控制循环中确定的识别增益系数 (k-1)、

(k-1)、 (k-1)按与识别误差id/e成比例的量变化来求出新的识别增益系数 (k)、

(k)、

(k)。Θ(k)=Θ(k-1)+Kθ(K)·id/e(k)         (8)这里，式(8)中的“Kθ”是由下面式(9)来确定的三次的向量(规定与各识别增益系数 的识别误差id/e相对应的变化程度的增益系数向量)。 $\mathrm{K\θ}\left(k\right)=\frac{P(k-1)\mathrm{\ξ}\left(k\right)}{1+{\mathrm{\ξ}}^T\left(k\right)P(k-1)\mathrm{\ξ}\left(k\right)}---\left(9\right)$

此外，上式(9)中的“P”是由下面式(10)的渐变式来确定的三次的正方矩阵。 $P\left(k\right)=\frac{1}{\mathrm{\λ}1\left(k\right)}\[1-\frac{\mathrm{\λ}2\left(k\right)P(k-1)\mathrm{\ϵ}\left(k\right){\mathrm{\ϵ}}^T\left(k\right)}{\mathrm{\λ}1\left(k\right)+\mathrm{\λ}2\left(k\right){\mathrm{\ϵ}}^T\left(k\right)P(k-1)\mathrm{\ϵ}\left(k\right)}\]P(k-1)---\left(10\right)$ (式中I：单位矩阵)

再者，式(10)中的“λ₁”、“λ₂”设定成满足0＜λ₁≤1和0≤λ₂＜2的条件，此外“P”的初始值P(0)是其各对角分量取为正数的对角矩阵。

在此一场合，根据式(10)中的“λ₁”、“λ₂”的设定方式的不同，构成固定增益法、递减增益法、加权最小二乘法、最小二乘法、固定跟踪法等各种具体的算法，在本实施例中，采用例如最小二乘法(在此一场合，λ₁=λ₂=1)。

本实施例中的识别器25基本上按照前述这种算法(运算处理)在每个控制循环中逐次求出识别增益系数

以便把前述识别误差id/e减至最小，通过这种处理，逐次得到适合于实际的对象排气系E的识别增益系数

以上说明的运算处理是识别器25进行的基本的处理内容。再者，虽然在本实施例中识别器25在求出识别增益系数

之际还进行这些值的限制处理等附加的处理，但是关于这些下文述及。

接着，前述推断器26为了补偿下文中详细说明的滑动模式控制器27进行的空燃比KCMD的计算处理之际的对象排气系E的无用时间d1和前述空燃比操作系的无用时间d2的影响，在每个控制循环中逐次求出作为前述合计无用时间d(=d1+d2)后的O₂传感器6的偏差输出VO2的推断值的前述推断偏差输出 VO2，该推断处理的算法如下建立。再者，此一推断器26不构成本发明的本质，此外，由于其细节本申请的申请人在日本特愿平10-130864号中说明了，所以这里说明其概略。

首先，如果在表示排气系模型的前述式(1)中，运用表示空燃比操作系模型的式(2)，则式(1)能够改写成下面式(11)。VO2(k+1)=a1·VO2(k)+a2·VO2(k-1)+b1·kcmd(k-d1-d2)

    =a1·VO2(k)+a2·VO2(k-1)+b1·kcmd(k-d)      (11)

此一式(11)把对象排气系E和空燃比操作系组合的系统看成根据目标偏差空燃比kcmd经由对象排气系E和空燃比操作系两者的无用时间要素和对象排气系E的响应滞后要素来生成O₂传感器6的偏差输出VO2的系统，以离散时间系的模型来表达该系统。

而且，通过用此一式(11)，作为各控制循环中的前述合计无用时间d后的O₂传感器6的偏差输出VO2(k+d)的推断值的前述推断偏差输出 VO2(k+d)，用O2传感器6的偏差输出VO2的时间序列数据VO2(k)和VO2(k-1)，以及相当于滑动模式控制器27求出的目标空燃比KCMD(具体的求法下文述及)的目标偏差空燃比kcmd(=KCMD-FLAF/BASE)的过去的时间序列数据kcmd(k-1)(j=1,2,…,d)由下面式(12)来表示。 $\stackrel{\‾}{\mathrm{VO}2}(k+d)=\mathrm{\α}1\·\mathrm{VO}2\left(k\right)+\mathrm{\α}2\·\mathrm{VO}2(k-1)+\underset{j-1}{\overset{d}{\mathrm{\Σ}}}\mathrm{\βj}\·\mathrm{kcmd}(k-j)---\left(12\right)$ 式中，

这里，在式(12)中，α1、α2分别是该式(12)的注释中定义的矩阵A的乘方A^d(d：合计无用时间)的第1行第1列分量，第1行第2列分量。此外，βj(j=1,2,…,d)分别是矩阵A的乘方A^j-1(j=1,2,…,d)与该式(12)的注释中定义的向量B之积A^j-1·B的第1行分量。

进而，式(12)中的目标偏差空燃比kcmd的过去值的时间序列数据kcmd(k-j)(j=1,2,…,d)当中从现在起空燃比操作系的无用时间d2以前的目标偏差空燃比kcmd的过去值的时间序列数据kcmd(k-d2)、kcmd(k-d2-1)、…、kcmd(k-d)根据前述式(2)可以分别置换成LAF传感器5的偏差输出kcat的现在以前所得到的数据kact(k)、kact(k-1)、…、kcat(k-d+d2)。而且，通过进行此一置换，得到下面式(13)。 $\stackrel{\‾}{\mathrm{VO}2}(k+d)=\mathrm{\α}1\·\mathrm{VO}2\left(k\right)+\mathrm{\α}2\·\mathrm{VO}2(k-1)$ $+\underset{j-1}{\overset{d_2-1}{\mathrm{\Σ}}}\mathrm{\βj}\·\mathrm{kcmd}(k-j)+\underset{j=0}{\overset{d-d_2}{\mathrm{\Σ}}}\mathrm{\βj}+d2\·\mathrm{kact}(k-j)$ $=\mathrm{\α}1\·\mathrm{VO}2\left(k\right)+\mathrm{\α}2\·\mathrm{VO}2(k-1)$ $\underset{j-1}{\overset{d_2-1}{\mathrm{\Σ}}}\mathrm{\βj}\·\mathrm{kcmd}\left(\right(k-j)+\underset{j=0}{\overset{d_1}{\mathrm{\Σ}}}\mathrm{\βj}+d2\·\mathrm{kact}(k-j)$

此一式(13)在本实施例中是推断器26用来计算前述推断偏差输出 VO2(k+d)的基本公式。也就是说，在本实施例中，推断器26在每个控制循环中，通过用O₂传感器6的偏差输出VO2的时间序列数据VO2(k)和VO2(k-1)，滑动模式控制器27在过去求出的表示目标空燃比KCMD的目标偏差空燃比kcmd的过去值kcmd(k-j)(j=1,2,…,d2-1)，以及LAF传感器5的偏差输出kact的时间序列数据kact(k-j)(j=1,2,…,d1)来进行式(13)的运算来求出O₂传感器6的推断偏差输出 VO2(k+d)。

在此一场合，在本实施例中，为了由式(13)来计算推断偏差输出 VO2(k+d)而需要的系数α1、α2和βj(j=1,2,…,d)的值基本上用作为前述增益系数a1、a2、b1(这些是式(12)的注释中定义的矩阵A和向量B的分量)的识别值的前述识别增益系数 来计算。此外，式(13)的运算所需的无用时间d1、d2用如前所述设定的值。

再者，推断偏差输出 VO2(k+d)虽然也可以不使用LAF传感器5的偏差输出kact的数据而由式(12)的运算求出，但是在提高推断偏差输出 VO2(k+d)的可靠性方面，最好是由用反映发动机1等的实际行为的LAF传感器5的偏差输出kact的数据的式(13)的运算来求出推断偏差输出 VO2(k+d)。此外，在可以把空燃比操作系的无用时间d2设定成“1”的场合，可以把式(12)中的目标偏差空燃比kcmd的过去值的时间序列数据kcmd(k-j)(j=1,2,…,d)全都分别置换成LAF传感器5的偏差输出kact的现在以前所得到的时间序列数据kact(k)、kact(k-1)、…、kact(k-d+d2)。因此，在此一场合，推断偏差输出 VO2(k+d)可以由不包含目标偏差空燃比kcmd的数据的下面式(14)来求出。 $\stackrel{\‾}{\mathrm{VO}2}(k+d)=\mathrm{\α}1\·\mathrm{VO}2\left(k\right)+\mathrm{\α}2\·\mathrm{VO}2(k-1)+\underset{j=0}{\overset{d-1}{\mathrm{\Σ}}}\mathrm{\βj}+1\·\mathrm{kact}(k-j)---\left(14\right)$

下面说明前述滑动模式控制器27。再者，由于本申请的申请人在日本特愿平10-130864中说明了此一滑动模式控制器27的细节，所以这里说明其概略。

本实施例的滑动模式控制器27通过在通常的滑动模式控制中加进用来极力排除外部干扰的影响的自适应规则的自适应滑动模式控制来确定应该送到作为控制对象的前述对象排气系E的输入(详细地说，是LAF传感器5的输出KACT(空燃比的检测值)与前述基准值FLAF/BASE的偏差的目标值，等于前述目标偏差空燃比kcmd。以下把此一输入称为SLD操作输入us1)，以便把O₂传感器6的输出VO2/OUT调整成其目标值VO2/TARGET(使O₂传感器6的偏差输出VO2收敛于“0”)，根据该确定的SLD操作输入us1来确定前述目标空燃比KCMD。而且，该处理用的算法如下建立。

首先，就滑动模式控制器27的自适应滑动模式控制所需的超平面(这也称为滑动平面)的建立进行说明。

作为本实施例中的滑动模式控制的基本的考虑方法，作为应该控制的状态量用例如在各控制循环中所得到的O₂传感器6的偏差输出VO2(k)，和在其1控制循环前所得到的偏差输出VO2(k-1)，由下面式(15)来定义规定滑动模式控制用的超平面的线性函数σ(这也称为切换函数)。再者，以下把作为以前述偏差输出VO2(k)、VO2(k-1)为分量的向量在式(15)中定义的向量X称为状态量X。

σ(k)=s1·VO2(k)+s2·VO2(k-1)

                               (15)

=S·X(式中S=[s1,s2]， $X=\left[\begin{array}{c}\mathrm{VO}2\left(k\right)\\ \mathrm{VO}2(k-1)\end{array}\right])$

在此一场合，线性函数σ的系数s1、s2设定成满足下面式(16)的条件。 $-1<\frac{S2}{S1}<1---\left(16\right)$ (s1=1时-1＜s2＜1)

再者，在本实施例中，为了简化取为s=1(在此一场合，s2/s1=s2)，把系数s2的值设定成满足-1＜s2＜1的条件。

这样来定义线性函数σ时，滑动模式控制用的超平面由σ=0来表达。在此一场合，由于状态量X是二维系所以超平面σ=0成为图4中所示的直线，此时，该超平面也称为切换线。

再者，在本实施例中，作为线性函数的变量的状态量，虽然实际上用由前述推断器26所求出的前述推断偏差输出 VO2的时间序列数据，但是关于这些在下文述及。

在本实施例中用的自适应滑动模式控制，根据作为使状态量X=(VO2(k),VO2(k-1))收敛于如上所述设定的超平面σ=0用的控制规则的到达规则，和向该超平面σ=0收敛之际补偿外部干扰等的影响用的控制规则的自适应规则使该状态量X收敛于超平面σ=0(图4的模式1)。而且，一边由所谓等效控制输入使该状态量X收敛于超平面σ=0，一边使该状态量X收敛于作为超平面σ=0上的平衡点的VO2(k)=VO2(k-1)=0的点，也就是O2传感器6的输出VO2/OUT的时间序列数据VO2/OUT(k)、VO2/OUT(k-1)与目标值VO2/TARGET一致的点(图4的模式2)。

为了如上所述使状态量X收敛于超平面σ=0的平衡点，本实施例的滑动模式控制器27生成的前述SLD操作输入usl(=目标偏差空燃比kcmd)由按照用来把状态量X约束于超平面σ=0上的控制规则而应送到对象排气系E的等效控制输入ueq，按照前述到达规则而应送到对象排气系E的输入urch(以下称为到达规则输入urch)，以及按照前述自适应规则而应送到对象排气系E的输入uadp(以下称为自适应规则输入uadp)的总和来表达(下面式(17))。

Usl=Ueq+Urch+Uadp    (17)

而且，这些等效控制输入ueq、到达规则输入urch和自适应规则输入uadp，在本实施例中，基于由前述式(11)所表示的离散时间系的模型(以用合计无用时间d的目标偏差空燃比kcmd(k-d)来置换式(1)中的LAF传感器5的偏差输出kact(k-d1)的模型)如下确定。

首先，作为为了把状态量X约束于超平面σ=0而应送到对象排气系E的输入的前述等效控制输入ueq是满足σ(k-1)=σ(k)=0条件的目标偏差空燃比kcmd。而且，满足这种条件的等效控制输入ueq用式(11)和式(15)由下面式(18)给出。 $\mathrm{Ueq}\left(k\right)=-{(S\&CenterDot;B)}^{-1}\&CenterDot;\{S\&CenterDot;(A-1)\}\&CenterDot;X(k+d)$ $=\frac{-1}{s1b1}\&CenterDot;\{\&lsqb;s1\&CenterDot;(a1-1)+s2\&rsqb;\&CenterDot;\mathrm{VO}2(k+d)$ $+(s1\&CenterDot;a2-s2)\&CenterDot;\mathrm{VO}2(k+d-1)---\left(18\right)$

此一式(18)在本实施例中是用来在每个控制循环中求出等效控制输入ueq的基本公式。

接着，前述到达规则输入urch在本实施例中基本上由下面式(19)来确定。 $\mathrm{Urch}\left(k\right)=-{(S\&CenterDot;B)}^{-1}\&CenterDot;F\&CenterDot;\mathrm{\&sigma;}(k+d)$ $=\frac{-1}{s1b1}\&CenterDot;F\&CenterDot;\mathrm{\&sigma;}(k+d)---\left(19\right)$

也就是说，到达规则输入urch考虑前述合计无用时间d，与合计无用时间d后的线性函数σ的值σ(k+d)成比例地确定。

在此一场合，式(19)中的系数F(它规定到达规则的增益)设定成满足下面式(20)的条件。

0＜F＜2    (20)

再者，关于线性函数σ的值的行为，存在着该线性函数σ的值产生对超平面σ=0振荡性的变化(所谓振荡)的危险，为了抑制此一振荡，与到达规则输入urch有关的系数F最好是进而设定成满足下面式(21)的条件。

0＜F＜1    (21)

接着，前述自适应规则输入uadp在本实施例中基本上由下面式(22)来确定(式(22)中的ΔT是排气侧主运算处理部13的控制循环的周期)。 $\mathrm{Uadp}\left(k\right)=-{(S\&CenterDot;B)}^{-1}\&CenterDot;G\&CenterDot;\underset{j=0}{\overset{K+D}{\mathrm{\&Sigma;}}}(\mathrm{\&sigma;}\left(i\right)\&CenterDot;\mathrm{\&Delta;T})$ $=\frac{-1}{s1b1}\&CenterDot;G\&CenterDot;\underset{j=0}{\overset{k+d}{\mathrm{\&Sigma;}}}(\mathrm{\&sigma;}\left(i\right)\&CenterDot;\mathrm{\&Delta;T})---\left(22\right)$

也就是说，自适应规则输入uadp考虑前述合计无用时间d，与直到该合计无用时间d后的线性函数σ的值的每个控制循环的累计值(它相当于线性函数σ的值的积分值)成比例地确定。

在此一场合，式(22)中的系数G(它规定自适应规则的增益)设定成满足下面式(23)的条件。 $G=J\&CenterDot;\frac{2-F}{\mathrm{\&Delta;T}}---\left(23\right)$ (式中，0＜J＜2)

再者，关于前述式(16)、(20)、(21)、(23)的设定条件的更具体的推导方法，由于本申请的申请人已经在特愿平9-251142号等中确切地说明，所以这里省略详细的说明。

本实施例中的滑动模式控制器27虽然基本上是将由前述式(18)、(19)、(22)所确定的等效控制输入ueq、到达规则输入urch和自适应规则输入uadp的总和(ueq+urch+uadp)作为应该送到对象排气系E的SLD操作输入us1来确定的，但是由于在前述(18)、(19)、(22)中使用的O2传感器6的偏差输出VO2(k+d)、VO2(k+d-1)，或线性函数σ的值σ(k+d)等是未来值所以无法直接地得到。

因此，在本实施例中，滑动模式控制器27实际上用在前述推断器26中所求出的推断偏差输出 VO2(k+d)、 VO2(k+d-1)来代替用来由前述式(18)来确定前述等效控制输入ueq的O₂传感器6的偏差输出VO2(k+d)、VO2(k+d-1)，由下面式(24)来计算每个控制循环的等效控制输入ueq。 $\mathrm{Ueq}\left(k\right)=\frac{-1}{s1b1}\{\&lsqb;s1\&CenterDot;(a1-1)+s2\&rsqb;\stackrel{\&OverBar;}{\&CenterDot;\mathrm{VO}2}(k+d)$ $+(s1\&CenterDot;a2-s2)\&CenterDot;\stackrel{\&OverBar;}{\mathrm{VO}2}(k+d-1)---\left(24\right)$

此外，在本实施例中，实际上使由推断器26如前所述逐次求出的推断偏差输出 VO2的时间序列数据为应该控制的状态量，代替由前述式(15)所设定的线性函数σ，由下面式(25)来定义线性函数σ(此一线性函数 σ相当于用推断偏差输出 VO2的时间序列数据来置换前述式(15)的偏差输出VO2的时间序列数据者)。

σ(k)=s1· VO2(k)+s2· VO2(k-1)    (25)

而且，滑动模式控制器27代替用来由前述式(19)来确定前述到达规则输入urch的线性函数σ的值，用由前述式(25)来表示的线性函数 σ的值由下面式(26)来计算每个控制循环的到达规则输入urch。 $\mathrm{Urch}\left(k\right)=\frac{-1}{s1b1}\&CenterDot;F\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&sigma;}}(k+d)---\left(26\right)$

同样，滑动模式控制器27代替用来由前述式(22)来确定前述自适应规则输入uadp的线性函数σ的值，用由前述式(25)来表示的线性函数σ的值由下面式(27)来计算每个控制循环的自适应规则输入uadp。 $\mathrm{Uadp}\left(k\right)=\frac{-1}{s1b1}\&CenterDot;G\&CenterDot;\underset{j=0}{\overset{k+d}{\mathrm{\&Sigma;}}}(\stackrel{\&OverBar;}{\mathrm{\&sigma;}}\left(i\right)\&CenterDot;\mathrm{\&Delta;T})---\left(27\right)$

再者，作为在由前述式(24)、(26)、(27)来计算等效控制输入ueq、到达规则输入urch和自适应规则输入uadp之际所需的前述增益系数a1、a2、b1，在本实施例中基本上用由前述识别器25所求出的最新的识别增益系数 (k)、 (k)、 (k)。

而且，滑动模式控制器27作为应该送到对象排气系E的前述SLD操作输入usl来求出等效控制输入ueq、到达规则输入urch和自适应规则输入uadp的总和(参照前述式(17))。再者，在此一场合，前述式(24)、(26)、(27)中所用的前述系数s1、s2、F、G的设定条件按前述。

这些，在本实施例中，是由滑动模式控制器27用来在每个控制循环中确定应该送到对象排气系E的SLD操作输入usl(=目标偏差空燃比kcmd)的基本的运算处理(算法)。通过这样来确定SLD操作输入usl，该SLD操作输入usl被确定成使O₂传感器6的推断偏差输出 VO2收敛于“0”(结果使O₂传感器6的输出VO2收敛于目标值VO2/TARGET)。

可是，本实施例中的滑动模式控制器27虽然最终在每个控制循环中逐次求出前述目标空燃比KCMD，但是如前所述所求出的SLD操作输入usl是由LAF传感器5所检测的排气的空燃比与前述基准值FLAF/BASE的偏差的目标值，也就是前述目标偏差空燃比kcmd。因此，滑动模式控制器27最终如下面式(28)中所示，在每个控制循环中把前述基准值FLAF/BASE加到如前所述求出的SLD操作输入usl上，借此来确定目标空燃比KCMD。

KCMD(k)=Usl(k)+FLAF/BASE

       =Ueq(k)+Urch(k)+Uadp(k)+FLAF/BASE(28)

以上是本实施例中由滑动模式控制器27来确定目标空燃比KCDM用的基本的算法。

再者，在本实施例中，判别由滑动模式控制器27进行的自适应滑动模式控制的处理的稳定性，限制前述SLD操作输入usl的值，但是关于这些下文述及。

下面说明前述催化剂劣化判别处理器28。再者，关于该催化剂劣化判别处理器28的详细的处理内容下文述及，这里说明由催化剂劣化判别处理器28进行的催化剂装置3的劣化状态的判别的基本概要。

根据本申请的申请人等的各种研究，由前述识别器25计算的前述识别增益系数

的值分别与催化剂装置3的劣化状态之间有特征性的相关关系。

例如识别增益系数

的值，如图5(a)的点绘部分所示，基本上有随着催化剂装置3的劣化的进展单调地增加的倾向。此外，识别增益系数 的值，如图5(b)的点绘部分所示，基本上有随着催化剂装置3的劣化的进展单调地减少的倾向。此外，识别增益系数

的值，如图5(c)的点绘部分所示，基本上有在直到催化剂装置3的劣化进展到某种程度之前，随着该劣化的进展增加，然后随着劣化的进展，识别增益系数 的值减少的倾向。

再者，在使对应于表示前述排气系模型的前述式(1)右边的识别增益系数

的各项的极性(正负)与本实施例相反而建立排气系模型的场合，识别增益系数 的值随着催化剂装置3的劣化的进展的增减倾向与上述相反。

这样由于各识别增益系数 的值与催化剂装置3的劣化状态之间有特征性的相关性，所以基于这些识别增益系数 的值的数据可以判别催化剂装置3的劣化状态。这些在本实施例中是用来判别催化剂装置3的劣化状态的基本的考虑方法。可是，随着催化剂装置3的劣化的进展的各识别增益系数

的值的变化的上述这种倾向是基本的倾向，由前述识别器25逐次计算的实际的各识别增益系数 的值一般来说即使催化剂装置3的劣化状态相同也在外部干扰等的影响下产生某种程度的分散误差。

此外，实际的各识别增益系数 的值还多少受计算它们时的发动机1的排气流量(流过催化剂装置3的排气流量)的影响。

也就是说，在催化剂装置3的某种劣化状态下，一边使发动机1的排气流量变化，一边由识别器25来逐次计算各识别增益系数

时，例如识别增益系数 的值的数据具有图6的带有点绘的范围所示的分布，其值的大小在排气的各流量中具有分散误差，并且有也随排气流量变化的倾向。这一点对于另外的识别增益系数也是同样的。

再者，识别增益系数

的值有排气流量越大则变得越大的倾向，此外，识别增益系数 的值有排气流量越大则变得越小的倾向。此外识别增益系数

的值有排气流量越大则变得越大的倾向。

考虑到这种情况，在本实施例中，前述催化剂劣化判别处理器28对于由识别器26逐次计算的各识别增益系数

的值的数据，在每个识别增益系数 中单独地逐次实施基于最小二乘法的滤波处理(统计处理)，借此求出各识别增益系数

的数据的最小二乘中心值。而且，在求出此一最小二乘中心值之际，把由于发动机1的运行而流过催化剂装置3的排气流量例如如图6中所示划分成例如大流量区(排气流量比较大的区域)和中流量区(排气流量中等的区域)，在该排气的每个流量区中单独地求出各识别增益系数

的数据的最小二乘中心值。

换句话说，在本实施例中，在流过催化剂装置3的排气流量为大流量区的流量的状态下针对由识别器25逐次计算的各识别增益系数 的值的数据在每个各识别增益系数

中单独地求出该数据的最小二乘中心值，并且在流过催化剂装置3的排气流量为中流量区的流量的状态下针对由识别器25逐次计算的各识别增益系数

的值的数据也与上述同样地在每个各识别增益系数 中单独地求出最小二乘中心值。

而且，在本实施例中，前述催化剂劣化判别处理器28在每个识别增益系数 中，把对应于各流量区求出的上述最小二乘中心值用作劣化判别用数据，实际地判别催化剂装置3的劣化状态。在以下的说明中，关于识别增益系数 对在排气的大流量区和中流量区中求出的劣化判别用数据(最小二乘中心值)分别赋予标号A1/H、A1/M，关于

对在排气的大流量区和中流量区中求出的劣化判别用数据(最小二乘中心值)分别赋予标号A2/H、A2/M。此外，关于 对在排气的大流量区和中流量区中求出的劣化判别用数据(最小二乘中心值)分别赋予标号B1/H、B1/M。

这些劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M的具体的计算手法下文述及，但是该劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M对于催化剂装置3的劣化状态具有更显著的相关性。

也就是说，关于识别增益系数

的劣化判别用数据A1/H或者A1/M的值与催化剂装置3的劣化程度(劣化状态)之间具有图5(a)的曲线所示的相关性，显著地表现出关于识别增益系数 的值的前述倾向(参照图5(a)的点绘部分)。

再者，虽然在图5(a)中，为了方便起见由共同的曲线来表现劣化判别用数据A1/H、A1/M对催化剂装置3的劣化程度的变化特性，但是由于识别增益系数 的值如前所述有排气流量越大则变得越大的倾向，所以对应于大流量区的劣化判别用数据A1/H的值实际上在催化剂装置3的各劣化程度中，比对应于中流量区的劣化判别用数据A1/M的值有所增大。

同样地，关于识别增益系数 的劣化判别用数据A2/H或者A2/M的值与催化剂装置3的劣化程度之间具有图5(b)的曲线所示的相关性，显著地表现出关于识别增益系数 的值的前述倾向(参照图5(b)的点绘部分)。

再者，与图5(a)的场合同样，虽然在图5(b)中也是，为了方便起见由共同的曲线来表现劣化判别用数据A2/H、A2/M的变化特性，但是由于识别增益系数 的值如前所述有排气流量越大则变得越小的倾向，所以对应于大流量区的劣化判别用数据A2/H的值实际上在催化剂装置3的各劣化程度中，比对应于中流量区的劣化判别用数据A2/M的值有所减小。

进而，关于识别增益系数

的劣化判别用数据B1/H或者B1/M的值与催化剂装置3的劣化程度之间具有图5(c)的曲线所示的相关性，显著地表现出关于识别增益系数 的值的前述倾向(参照图5(c)的点绘部分)。

再者，在图5(c)中也是，为了方便起见由共同的曲线来表现劣化判别用数据b1/H、b1/M的变化特性，但是由于识别增益系数

的值如前所述有排气流量越大则变得越大的倾向，所以对应于大流量区的劣化判别用数据b1/H的值实际上比对应于中流量区的劣化判别用数据b1/M的值有所增大。

如上所述，劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M对于催化剂装置3的劣化状态(劣化程度)显著地具有特征性的相关性。

前述催化剂劣化判别处理器28用这种劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M来判别催化剂装置3的劣化状态。

这些就是催化剂劣化判别处理器28进行的催化剂装置3的劣化状态的判别处理的概要。

再者，虽然具体的判别手法下文述及，但是在本实施例中，如图5中所示把催化剂装置3的劣化状态划分成等级0～3的劣化程度进行判别。在此一场合，劣化程度的等级(以下称为劣化等级)，其值越大则意味着劣化进展了。

下面进一步说明前述发动机侧控制单元7b的大局反馈控制部15，特别是前述自适应控制器18。

参照前述图1，大局反馈控制部15虽然如前所述进行反馈控制以便使LAF传感器5的输出KACT(空燃比的检测值)收敛于目标空燃比KCMD，但是此时如果仅靠公知的PID控制来进行这种反馈控制，则对于发动机1的运行状态的变化或时效特性变化等动态行为变化，确保稳定的控制是困难的。

前述自适应控制器18是使补偿上述这种发动机1的动态行为变化的反馈控制成为可能的渐变式形式的控制器，用由I.D.朗道等所提倡的参数调整规则，如图7中所示，由设定多个自适应参数的参数调整部30，和用所设定的自适应参数来计算前述反馈操作量KSTR的操作量计算部31来构成。

这里，就参数调整部30进行说明，按朗道等的调整规则，一般像下述式(29)、(30)那样设置离散系统的控制对象的传递函数B(Z^-1)/A(Z^-1)的分母分子的多项式时，参数调整部30设定的自适应参数

(j)(j表示控制循环的序号数)可以像式(31)那样用向量(转置向量)来表示。此外，向参数调整部30的输入ζ(j)像式(32)那样来表示。在此一场合，在本实施例中，作为大局反馈控制部15的控制对象的发动机1考虑一次系统中具有3个控制循环量的无用时间d_P(发动机1的燃烧循环的3个循环量的时间)的设备，在式(29)～式(32)中取为m=n=1,dp=3，设定的自适应参数取为s₀、r₁、r₂、r₃、b₀等5个(参照图7)。再者，式(32)的上段式和中段式中的u_s、y_s虽然一般分别表示向控制对象的输入(操作量)和控制对象的输出(控制量)，但是在本实施例中，把上述输入取为反馈操作量KSTR，把控制对象(发动机1)的输出取为前述LAF传感器5的输出KACT(空燃比的检测值)，由式(32)的下段式来表示向参数调整部30的输入ζ(j)(参照图7)。A(Z^-1)=1+a1Z^-1+-------------+anZ^-n      (29)B(Z^-1)=b0+b1Z^-1+------------+bmZ^-m      (30) $\widehat{{\mathrm{\&theta;}}^T}\left(j\right)=\&lsqb;\widehat{\mathrm{bo}}\left(j\right)\widehat{\mathrm{BR}}(Z^{-1},j),\hat{S}(Z^{-1},j)\&rsqb;$ $=\&lsqb;b0\left(j\right),r1\left(j\right),---\mathrm{rm}+\mathrm{dp}-1\left(j\right),s0\left(j\right)---,\mathrm{sn}-1\left(j\right)\&rsqb;$ $=\&lsqb;b0\left(j\right),r1\left(j\right),r2\left(j\right),r3\left(j\right),s0\left(j\right)\&rsqb;---\left(31\right)$ ζ^T(j)=[us(j)----us(j-m-dp+1),ys(j),----ys(j-n+1)]

  =[us(j),us(j-1),us(j-2),us(j-3),ys(j)]

  =[KSTR(j),KSTR(j-1)),KSTR(j-2),KSTR(j-3),KACT(j)]

                                                (32)这里，前述式(31)中所示的自适应参数

由确定自适应控制器18的增益的标量要素

(Z^-1,j)、用操作量来表示的控制要素

(Z^-1,j)、以及用控制量来表示的控制要素 (Z^-1,j)来组成，分别由下面式(33)～(35)来表达(参照图7的操作量计算部31的方框图)。 $\widehat{b{o}^{-1}}\left(j\right)=\frac{1}{\mathrm{bo}}---\left(33\right)$ $\hat{B}R\left(Z_1^{-1}j\right)=r1Z^{-1}+r2Z^{-2}+---\mathrm{rm}+\mathrm{dp}-1Z^{-(n+\mathrm{dp}-1)}---\left(34\right)$ $=r1Z^{-1}+r2Z^{-2}+r3Z^{-3}$ $\hat{S}\left({Z,}^{-1}j\right)=s0+s1Z^{-1}+\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;{+}_{\mathrm{sn}-1}{Z}^{(n-1)}---\left(35\right)$ $=s0$

参数调整部30设定这些标量要素或控制要素的各系数，把它们作为式(31)中所示的自适应参数

送到操作量计算部31，用从现在过渡到过去的反馈操作量KSTR的时间序列数据和LAF传感器5的输出KACT，来计算自适应参数

以便该输出KACT与前述目标空燃比KCMD一致。

在此一场合，具体地说，自适应参数 由下面式(36)来计算。 $\widehat{\mathrm{\&theta;}}\left(j\right)=\widehat{\mathrm{\&theta;}}(j-1)+\mathrm{\&Gamma;}(j-1)\&CenterDot;\mathrm{\&xi;}(j-\mathrm{dp})\&CenterDot;e^{*}\left(j\right)$

在该式(36)中，Γ(j)是确定自适应参数 的设定速度的增益矩阵(此一矩阵的阶数为m+n+d_P),e*(j)表示自适应参数

的推断误差，分别由式(37)、(38)那样的渐变式来表示。 $\mathrm{\&Gamma;}\left(j\right)=\frac{1}{{\mathrm{\&lambda;}}_1\left(j\right)}\&lsqb;\mathrm{\&Gamma;}(j-1)-\frac{{\mathrm{\&lambda;}}_2\left(j\right)\&CenterDot;\mathrm{\&Gamma;}(j-1)\&CenterDot;\mathrm{\&zeta;}(j-\mathrm{dp})\&CenterDot;{\mathrm{\&zeta;}}^T(j-\mathrm{dp})\&CenterDot;\mathrm{\&Gamma;}(j-1)}{{\mathrm{\&lambda;}}_1\left(j\right)+{\mathrm{\&lambda;}}_2\left(j\right)\&CenterDot;{\mathrm{\&zeta;}}^T(j-\mathrm{dp})\&CenterDot;\mathrm{\&Gamma;}(j-1)\&CenterDot;\mathrm{\&zeta;}(j-\mathrm{dp})}\&rsqb;---\left(37\right)$ 式中，0＜λ₁(j)≤1,0≤λ₂(j)＜2,Γ(0)＞0 $e^{*}\left(j\right)=\frac{D\left(Z^{-1}\right)\&CenterDot;\mathrm{KACT}\left(j\right)-\widehat{{\mathrm{\&theta;}}^T}(j-1)\&CenterDot;\mathrm{\&zeta;}(j-\mathrm{dp})}{1+{\mathrm{\&zeta;}}^T(j-\mathrm{dp})\&CenterDot;\mathrm{\&Gamma;}(j-1)\&CenterDot;\mathrm{\&zeta;}(j-\mathrm{dp})}---\left(38\right)$

这里，式(38)中的“D(Z-1)”是用来调整收敛性的渐近稳定的多项式，在本实施例中取为D(Z^-1)=1。

再者，根据式(37)的λ₁(j)、λ₂(j)的选择方法，得到递减增益算法、可变增益算法、固定跟踪算法、固定增益算法等各种具体的算法。在发动机1的燃料喷射或空燃比等时变设备中，递减增益算法、可变增益算法、固定增益算法和固定跟踪算法中的任何一种都是适合的。用如前所述由参数调整部30所设定的自适应参数

(s₀、r₁、r₂、r₃、b₀)，和由前述排气侧主运算处理部13所确定的目标空燃比KCMD，操作量计算部31由下面式(39)的渐变式来求出反馈操作量KSTR。图7的操作量计算部31以方框图来表示该式(39)的运算。 $\mathrm{KSTR}=\frac{\mathrm{KCMD}\left(j\right)-s_0\&CenterDot;\mathrm{KACT}\left(j\right)-r1\&CenterDot;\mathrm{KSTR}(j-1)-r2\&CenterDot;\mathrm{KSTR}(j-2)-r3\&CenterDot;\mathrm{KSTR}(j-3)}{b0}---\left(39\right)$

再者，由式(39)所求出的反馈操作量KSTR在LAF传感器5的输出KACT与目标空燃比KCMD一致的状态下，成为“目标空燃比KCMD”。因此，如前所述，由除法处理部19把反馈操作量KSTR除以目标空燃比KCMD，借此来求出可以作为前述反馈修正系数KFB来使用的反馈操作量kstr。

这样建立的自适应控制器18，从前述可以看出，是考虑到作为控制对象的发动机1的动态行为变化的渐变式形式的控制器，换句话说，是为了补偿发动机1的动态行为变化，而以渐变式形式来描述的控制器。而且，更确切地说，可以定义成备有渐变式形式的自适应参数调整机构的控制器。

再者，这种渐变式形式的控制器，虽然有时用所谓最佳调节器来建立，但是在此一场合一般不配备参数调整机构，而在补偿发动机1的动态行为变化方面，如前所述构成的自适应控制器18是适宜的。

以上是本实施例中采用的自适应控制器18的细节。

再者，与自适应控制器18一起在大局反馈控制部15中具备的PID控制器17与一般的PID控制同样，根据LAF传感器5的输出KACT与其目标空燃比KCMD的偏差来计算比例项(P项)、积分项(I项)和微分项(D项)，作为反馈操作量KLAF计算这些各项的总和。在此一场合，在本实施例中，把积分项(I项)的初始值取为“1”，借此在LAF传感器5的输出KACT与目标空燃比KCMD一致的状态下，反馈操作量KLAF成为“1”，可以把该反馈操作量KLAF原封不动地作为用来修正燃料喷射量的前述反馈修正系数KFB来使用。此外，比例项、积分项和微分项的增益根据发动机1的转速和吸气压力用预先确定的图像来确定。

此外，大局反馈控制部15的前述切换部20，在发动机1的冷却水温为低温时、或高速旋转运行时、吸气压力为低压时等发动机1的燃烧容易成为不稳定的场合，或者，在目标空燃比KCMD的变化大时，或空燃比的反馈控制刚开始后等，与之相对应的LAF传感器5的输出KACT由于该LAF传感器5的响应滞后而缺乏可靠性的场合，或者，像发动机1怠速运行时那样发动机1的运行状态极其稳定，不需要自适应控制器18进行的高增益控制的场合，把由PID控制器17所求出的反馈操作量KLAF作为用来修正燃料喷射量的反馈修正系数KFB输出。而且，在上述这样的场合以外的状态下，把由自适应控制器18所求出的反馈操作量KSTR除以目标空燃比KCMD而成的反馈操作量kstr作为用来修正燃料喷射量的反馈修正系数KFB输出。这些是由于因为自适应控制器18以高增益控制使LAF传感器5的输出KACT迅速地收敛于目标空燃比KCMD地发挥功能，故如上所述在发动机1的燃烧变得不稳定，LAF传感器5的输出KACT缺乏可靠性等场合，如果用自适应控制器18的反馈操作量KSTR，则存在着空燃比的控制反而变得不稳定的危险的缘故。

这种切换部20的动作，由于本申请的申请人在例如日本特开平8-105345号公报中详细地公开了，所以这里省略进一步的说明。

下面说明本实施例的装置的动作的细节。

这里，首先就控制单元7进行处理的控制循环进行说明。前述发动机1的空燃比的控制有必要与该发动机1的转速同步，因此在本实施例中发动机侧控制单元7b进行的处理在与发动机1的曲轴角周期(所谓TDC)同步的控制循环中进行。此外，在此一场合，LAF传感器5或O₂传感器6等各种传感器的输出数据的读入也在与曲轴角周期(所谓TDC)同步的控制循环中进行。

另一方面，前述排气侧控制单元7a中的目标空燃比KCMD的计算处理和催化剂装置3的劣化状态的判别处理如果考虑催化剂装置3中存在的无用时间或运算负载等则最好是在一定周期的控制循环中进行。因此，在本实施例中，排气侧控制单元7a中的处理在一定周期(例如30～100ms)的控制循环中进行。

再者，该一定周期可以根据作为控制对象的催化剂装置3的种类或反应速度、体积等来确定。此外，在本实施例中，上述一定周期的时间间隔在一般的运行状态(发动机的转速)下设定成大于前述曲轴角周期(TDC)的时间间隔。

以以上情况为前提，首先参照图8的程序框图就前述发动机侧控制单元7b进行的用来控制发动机1的空燃比的发动机1的每个气缸的输出燃料喷射量#nTout(n=1,2,3,4)的计算处理进行说明。发动机侧控制单元7b在与发动机1的曲轴角周期同步的控制循环中如下进行每个气缸的输出燃料喷射量#nTout的计算处理。

发动机侧控制单元7b首先读入包括LAF传感器5和O₂传感器6在内的各种传感器的输出(步骤a)。在此一场合，LAF传感器5的输出KACT和O₂传感器6的输出VO2/OUT分别包含在过去得到的并按时间序列储存保持在未画出的存储器中。

接着，由基本燃料喷射量计算部8如前所述求出根据节气门的有效开口面积来修正与发动机1的转速NE和吸气压力PB相对应的燃料喷射量而成的基本燃料喷射量Tim(步骤b)，进而由第1修正系数计算部9来计算与发动机1的冷却水温或罐体的排污量等相对应的第1修正系数KTOTAL(步骤c)。

接着，发动机侧控制单元7b进行是否使用由排气侧主运算处理部13所生成的目标空燃比KCMD(这里是指排气侧主运算处理部13的‘通/断’)的判别处理，设定规定排气侧主运算处理部13的‘通/断’的标志f/prism/on的值(步骤d)。再者，标志f/prism/on的值在其为“0”时意味着不使用由排气侧主运算处理部13所生成的目标空燃比KCMD(‘断’)，为“1”时意味着使用由排气侧主运算处理部13所生成的目标空燃比KCMD(‘通’)。

在上述判别处理中，判断O₂传感器6和LAF传感器5处于活性状态，或发动机1的运行状态等，在这些满足所需条件的场合，为了在发动机1的燃料供给的控制中使用由排气侧主运算处理部13所生成的目标空燃比KCMD，标志f/prism/on的值被设定成“1”。此外，在不满足上述所需条件的场合(例如O₂传感器6或LAF传感器5处于未充分激活的状态，或发动机1正在燃料切断中等)，标志f/prism/on的值被设定成“0”。在此一场合，基本上在发动机1的正常运行中，标志f/prism/on的值被设定成“1”。

如上所述设定了标志f/prism/on的值之后，发动机侧控制单元7b判断标志f/prism/on的值(步骤e)，在f/prism/on=1的场合，读入由排气侧主运算处理部13所生成的最新的目标空燃比KCMD(步骤f)。此外，在f/prism/on=0的场合，把目标空燃比KCMD设定成规定值(步骤g)。在此一场合，作为目标空燃比KCMD设定的规定值根据例如发动机1的转速NE或吸气压力PB用预先确定的图像等来确定。

接着，发动机侧控制单元7b在前述局部反馈控制部16中基于如前所述由观测器21根据LAF传感器5的输出KACT来推断的每个气缸的实际空燃比#nA/F，由PID控制器22来计算反馈修正系数#nKLAF以便消除每个气缸的分散误差(步骤h)，进而，由大局反馈控制部15来计算反馈修正系数KFB(步骤i)。

在此一场合，大局反馈控制部15如前所述，由切换部20根据发动机1的运行状态等从由PID控制器17所求出的反馈操作量KLAF和把由自适应控制器18所求出的反馈操作量KSTR除以目标空燃比KCMD而成的反馈操作量kstr中选择某一个反馈操作量KLAF或kstr(通常选择自适应控制器18侧的反馈操作量kstr)，把它作为用来修正燃料喷射量的反馈修正系数KFB输出。

再者，在把反馈修正系数KFB从PID控制器17侧的反馈操作量KLAF切换到自适应控制器18侧的反馈操作量kstr之际，为了避免该修正系数KFB的急剧变化，自适应控制器18限于该切换之际的控制循环把修正系数KFB保持于前次的修正系数KFB(=KLAF)地求出反馈操作量KSTR。同样，在把修正系数KFB从自适应控制器18侧的反馈操作量kstr切换到PID控制器17侧的反馈操作量KLAF之际，PID控制器17把本身在前次控制循环中所求出的反馈操作量KLAF作为前次的修正系数KFB(=kstr)来计算此次的修正系数KLAF。

如上所述计算了反馈修正系数KFB之后，进而由第2修正系数计算部10来计算与前述步骤f或步骤g中所确定的目标空燃比KCMD相对应的第2修正系数KCMDM(步骤j)。

接着，发动机侧控制单元7b把如前所述求出的基本燃料喷射量Tim乘以第1修正系数KTOTAL、第2修正系数KCMDM、反馈修正系数KFB以及每个气缸的反馈修正系数#nKLAF，借此来求出每个气缸的燃料喷射量#nTout(步骤k)。而且，此一每个气缸的燃料喷射量#nTout在由附着修正部23实施了考虑发动机1的吸气管的壁面附着的修正之后(步骤m)，输出到发动机1的未画出的燃料喷射装置(步骤n)。

而且，在发动机1中按照每个气缸的输出燃料喷射量#nTout来进行向各气缸的燃料喷射。

以上这种每个气缸的输出燃料喷射量#nTout的计算和与之相对应的向发动机1的燃料喷射在与发动机1的曲轴角周期同步的循环时间内逐次进行，借此来控制发动机1的空燃比，以便使LAF传感器5的输出KACT(空燃比的检测值)收敛于目标空燃比KCMD。在此一场合，特别是作为反馈修正系数KFB在使用自适应控制器18侧的反馈操作量kstr的状态下，针对发动机1的运行状态的变化或特性变化等行为变化，具有高稳定性，LAF传感器5的输出KACT迅速地收敛控制于目标空燃比KCMD。此外，发动机1具有的响应滞后的影响也得到适当的补偿。

另一方面，与前述这种发动机1的控制并行地，前述排气侧主运算处理部13在一定周期的控制循环中进行图9的程序框图中所示的主程序处理。

也就是说，参照图9的程序框图，排气侧主运算处理部13首先进行是否实行本身的运算处理(前述识别器25、推断器26、滑动模式控制器27和催化剂劣化判别处理器28的运算处理)的判别处理，设定规定其实行的可否的标志f/prism/cal的值(步骤1)。再者标志f/prism/cal的值在其为“0”时意味着不进行排气侧主运算处理部13中的运算处理，在为“1”时意味着进行排气侧主运算处理部13中的运算处理。

上述判别处理如图10的程序框图中所示地进行。

也就是说，进行O₂传感器6和LAF传感器5是否被激活的判别(步骤1-1、1-2)，在某一个未被激活的场合，因为无法高精度地得到在排气侧主运算处理部13的运算处理中使用的O2传感器6和LAF传感器5的检测数据，故把标志f/prism/cal的值设定成“0”(步骤1-6)。进而在此时，为了进行识别器25的下文述及的初始化，把规定是否进行该初始化的标志f/id/reset的值设定成“1”(步骤1-7)。这里，标志f/id/reset的值在其为“1”时意味着进行初始化，在为“0”时意味着不进行初始化。

此外，进行发动机1是否正在稀运行中(稀薄燃烧运行)的判别(步骤1-3)，以及是否为了实现发动机1起动后立即早期激活催化剂装置3而把发动机1的点火时间控制于滞后角侧的判别(步骤1-4)。在这些条件的某一个成立的场合，即使计算把O₂传感器6的输出VO2/OUT调整成目标值VO2/TARGET的目标空燃比KCMD，也由于没有在发动机1的燃料控制中使用这些，所以把标志f/prism/cal的值设定成“0”(步骤1-6)，进而为了进行识别器25的初始化，把标志f/id/reset的值设定成“1”(步骤1-7)。

返回到图9，在进行了上述这种判别处理之后，排气侧主运算处理部13进而进行是否进行基于识别器25的前述增益系数a1、a2、b1的识别(更新)处理的判别，设定规定其实行的可否的标志f/id/cal的值(步骤2)。再者，标志f/id/cal的值在其为“0”时意味着不进行识别器25进行的前述增益系数a1、a2、b1的识别(更新)处理，在为“1”时意味着进行识别(更新)处理。

此一步骤2的判别处理如图11的程序框图中所示地进行。

也就是说，进行发动机1的节气门是否全开的判别(步骤2-1)，和是否正在停止对发动机1的燃料供给的判别(步骤2-2)。在这些条件的某一个成立的场合，因为适当地识别前述增益系数a1、a2、b1是困难的，故把标志f/id/cal的值设定成“0”(步骤2-4)。而且在步骤2-1、2-2的任何一个条件都不成立的场合，为了实行由识别器25进行的前述增益系数a1、a2、b1的识别(更新)处理把标志f/id/cal的值设定成“1”(步骤2-3)。

返回到图9，排气侧主运算处理部13接着从前述减法处理部11、12分别取得最新的前述偏差输出kact(k)(=KACT-FLAF/BASE)和VO2(k)(=VO2/OUT-VO2/TARGET)(步骤3)。在此一场合，减法处理部11、12从在前述图8的步骤a里收到并储存在未画出的存储器中的LAF传感器5的输出KACT和O₂传感器6的输出VO2/OUT的时间序列数据中选择最新的数据并计算前述偏差输出kcat(k)和VO2(k)，把它们送到排气侧主运算处理部13。而且，送到该排气侧主运算处理部13的偏差输出kcat(k)和VO2(k)在该排气侧主运算处理部13内包含在过去送到的按时间序列储存保持在未画出的存储器中。

接着，排气侧主运算处理部13判断在前述步骤1里所设定的标志f/prism/cal的值(步骤4)，在f/prism/cal=0的场合，也就是在不进行排气侧主运算处理部13的运算处理的场合，把应该由滑动模式控制器27求出的对前述对象排气系E的SLD操作输入usl(目标偏差空燃比kcmd)强制地设定成规定值(步骤13)。在此一场合，该规定值取为例如预先确定的固定值(例如“0”)或者在前次的控制循环中确定的SLD操作输入usl的值。再者，在像这样把SLD操作输入usl取为规定值的场合，排气侧主运算处理部13把前述基准值FLAF/BASE加到该规定值的SLD操作输入usl上，借此来确定此次控制循环中的目标空燃比KCMD(步骤14)，结束此次控制循环的处理。

另一方面，在步骤4的判断中，在f/prism/cal=1的场合，也就是说，在进行排气侧主运算处理部13的运算处理的场合，排气侧主运算处理部13首先进行前述识别器25进行的运算处理(步骤5)。

此一识别器25进行的运算处理如图12的程序框图所示地进行。

也就是说，识别器25首先判断前述步骤2里所设定的标志f/id/cal的值(步骤5-1)。此时如果f/id/cal=0，则由于如前所述不进行识别器25进行的增益系数a1、a2、b1的识别处理，所以直接返回到图9的主程序。

另一方面，如果f/id/cal=1，则识别器25进一步判断与该识别器25的初始化有关的前述标志f/id/reset的值(这在前述步骤1里该值被设定)(步骤5-2)，在f/id/reset=1的场合进行识别器5的初始化(步骤5-3)。在此一初始化中，前述识别增益系数

的各值设定成预先确定的初始值(式(4)的识别增益系数向量Θ的初始化)，此外前述式(9)的矩阵P(对角矩阵)的各分量设定成预先确定的初始值。进而，标志f/id/reset的值设定成“0”。

接着，识别器25用在前述步骤3里在每个控制循环中得到的偏差输出VO2和kact的过去的数据VO2(k-1)、VO2(k-2)、kact(k-d-1)，和上述识别增益系数 (k-1)、 (k-1)、 (k-1)的值由前述式(3)或者与之等效的前述式(6)来计算作为用当前的识别增益系数

(k-1)、

(k-1)、 (k-1)来表示的排气系模型(参照前述式(3))的输出的前述识别偏差输出V2(k)(步骤5-4)。

进而识别器25在由式(9)来计算在确定新的识别增益系数

之际使用的前述向量Kθ(k)之后(步骤5-5)，进行以下说明的识别器25的管理处理(步骤5-6)。

也就是说，在逐次识别前述排气系模型的增益系数a1、a2、b1的场合，最好是在对象排气系E的指定的行为状态下来进行其识别处理。例如，比起由O2传感器6的输出VO2/OUT(氧气浓度检测值)来掌握的空燃比从浓侧变化到稀侧这种对象排气系E的行为状态下对增益系数a1、a2、b1进行识别处理的场合来，上述空燃比从稀侧变化到浓侧这种对象排气系E的行为状态下对增益系数a1、a2、b1进行识别处理，在进行目标空燃比KCMD的计算或催化剂装置3的劣化状态的判别处理方面，容易得到适当的识别增益系数

因此，在本实施例中，在上述空燃比从稀侧变化到浓侧这种对象排气系E的行为状态下来进行增益系数a1、a2、b1的识别处理(更确切地说是识别增益系数

的值的更新处理)，前述管理处理是用来指定这种对象排气系E的行为状态的处理。

这里，参照图13，根据用自适应滑动模式控制的本实施例的控制，O₂传感器6的偏差输出VO2的前述状态量X(VO2(k)、VO2(k-1))，在该状态量X的原始状态取为例如图中的点Q时，该状态量X对前述超平面σ=0(参照图4)如轨迹线W所示地变化。而且在此一场合，在该图中，基本上状态量X在超平面σ=0的上侧变化的状态(此时由状态量X所规定的线性函数σ的值为正)是空燃比从稀侧向浓侧的变化状态，状态量X在超平面σ=0的下侧变化的状态(此时由状态量X所规定的线性函数σ的值为负)是空燃比从浓侧向稀侧的变化状态。

因而，由O₂传感器6的输出VO2/OUT(氧气浓度检测值)来掌握的空燃比是否是从稀侧变化到浓侧的行为状态的区别，基本上可以由线性函数σ的值是否为正来判断。但是，如果像这样根据线性函数σ的值是否为正来判断空燃比是否是从稀侧变化到浓侧的行为状态，则在状态量X稍微从超平面σ=0变化一点时空燃比是否是从稀侧变化到浓侧的行为状态的判断结果就变了，在根据该判断结果稳定地进行前述增益系数a1、a2、b1的识别处理(识别增益系数

的值的更新处理)方面是不好的。

因此在本实施例中，引入由下面式(40)用偏差输出VO2的时间序列数据来定义的管理函数γ，γ(k)=m1·VO2(k)+m2·VO2(k-1)+m3        (40)

设定此一管理函数γ的系数m1、m2、m3，以便由γ=0来表示的管理用超平面(在此一场合是直线)如图13中所示离开滑动模式控制用的超平面σ=0一些而存在于上侧(σ＞0的区域)。再者在本实施例中，与把线性函数σ的系数s1设定成“1”相适合，把管理函数γ的系数m1设定成“1”。

如果引入这种管理函数γ，则在γ≥0的状态下确实地成为空燃比从稀侧变化到浓侧的行为状态，是否是此一行为状态的判断可以根据管理函数γ的值是否为正(包含“0”)稳定地进行。

前述步骤5-6的管理处理，是用如上所述定义的管理函数γ来进行由O₂传感器6的输出VO2/OUT(氧气浓度检测值)来掌握的空燃比是否是从稀侧变化到浓侧的行为状态，也就是说，是否是适合于由识别器25进行的前述增益系数a1、a2、b1的识别的行为状态的判断的，该处理具体地说如下进行。

也就是说，识别器25用前述步骤3(参照图9)里所取得的最新的偏差输出VO2(k)与前次的控制循环中的偏差输出VO2(k-1)由式(40)来计算管理函数γ的值。而且，此一求出的管理函数γ的值在γ≥0的场合把表示空燃比是否是从稀侧变化到浓侧的行为状态的标志f/id/mng的值设定成“1”，在γ＜0的场合把标志f/id/mng的值设定成“0”。

借此，空燃比是否是从稀侧变化到浓侧的行为状态，也就是说，是否是适合于由识别器25进行的前述增益系数a1、a2、b1的识别处理(识别增益系数

的值的更新处理)的行为状态，由f/id/mng的值来表示。

返回到图12的说明，识别器25如前所述进行了管理处理之后，判断在该处理中设定的标志f/id/mng的值(步骤5-7)，在f/id/mng=1的场合，也就是空燃比是从稀侧变化到浓侧的行为状态的场合，计算前述识别误差id/e(前述识别偏差输出V2与实际偏差输出VO2的偏差。参照式(7))(步骤5-8)，在f/id/mng=0的场合，把前述识别误差id/e的值强制地取为“0”(步骤5-9)。

而且，识别器25用在步骤5-8或步骤5-9里所得到的识别误差id/e，和在前述步骤5-5里所计算的Kθ由前述式(8)来计算新的识别增益系数向量Θ(k)，也就是新的识别增益系数 (k)、

(k)、(k)(步骤5-10)。

这里，前述步骤5-8中的识别误差id/e虽然基本上可以按前述式(7)来计算，但是在本实施例中，例如如图14的方框图中所示对根据在前述步骤3(参照图9)里在每个控制循环中取得的偏差输出VO2和在前述步骤5-4里在每个控制循环中计算的识别偏差输出V2由式(7)的运算得到的值(=VO2-V2)进一步实施低通特性的滤波，借此求出识别误差id/e。

这是因为包含催化剂装置3在内的对象排气系E的行为一般具有低通特性，故在适当地识别前述排气系模型的增益系数a1、a2、b1方面最好是重视对象排气系E的低频侧的行为的缘故。

再者，这种滤波只要是结果对偏差输出VO2和识别偏差输出V2两者实施相同的低通特性的滤波即可，也可以例如对偏差输出VO2和识别偏差输出V2分别单独地实施滤波之后进行式(7)的运算而求出识别误差id/e。

但是，通过像本实施例这样进行式(7)的运算之后，实施滤波而求出识别误差id/e，产生如下的优点。也就是说，在例如接收到排气侧主运算处理部13中的LAF传感器5的偏差输出kact或O₂传感器6的偏差输出VO2的分辨率低于排气侧主运算处理部13的运算处理上的分辨率的场合，成为式(7)产生的运算结果的值呈现出比较显著的阶梯的变化，但是通过对其实施滤波，可以使识别误差id/e的变化平滑。

此外，前述滤波可以通过例如作为数字滤波器的一种手法的移动平均处理来进行。

在如前所述计算了新的识别增益系数

(k)、 (k)、

(k)之后，识别器25如以下说明的，进行把识别增益系数

(识别增益系数向量Θ的元素)的值限制成满足规定的条件的限制处理(步骤5-11)。

在此一场合，用来限制识别增益系数

的值的前述规定的条件有用来把识别增益系数

的值的组合限制成规定的组合的条件(以下称为第1限制条件)，和用来限制识别增益系数 的值的限制条件(以下称为第2限制条件)。

这里，在说明这些第1和第2限制条件以及步骤5-11的具体的处理内容之前，说明限制识别增益系数 的值的理由。

根据本申请的发明人等的知识，得知在本实施例的装置中，在未特别地限制识别增益系数

的值的场合，在O₂传感器6的输出VO2/OUT被稳定地控制于其目标值VO2/TARGET的状态下，由滑动模式控制器27所求出的目标空燃比KCMD呈现出平滑的时间变化的状况，和呈现出高频振荡的时间变化的状况两种状况。在此一场合，在任何一种状况下，虽然在把O2传感器6的输出VO2/OUT控制于其目标值VO2/TARGET方面没有问题，但是目标空燃比KCMD呈现出高频振荡的时间变化的状况在进行基于该目标空燃比KCMD所控制的发动机1的平稳的运行方面不太好。此外，在这种状况下，发动机1的空燃比也频繁地变动，因此识别器25逐次计算的识别增益系数 的值也容易成为不稳定的，进而，也存在着基于该识别增益系数

的催化剂装置3的劣化状态的判别变得困难的危险。

而且，本申请的发明人就上述现象进行研究时，判明滑动模式控制器27所求出的目标空燃比KCMD成为平滑的还是成为高频振荡的，受到由识别器25识别的增益系数a1、a2的值的组合，或识别增益系数b1的值的影响。

因此，在本实施例中，适当地设定前述第1限制条件和第2限制条件，根据这些条件适当地限制识别增益系数

的值的组合，或识别增益系数

的值，借此来排除目标空燃比KCMD成为高频振荡的状况，此外防止在这种状况下识别增益系数

的计算成为不稳定。

在此一场合，在本实施例中前述第1限制条件和第2限制条件如下设定。

首先，关于用来限制识别增益系数 的值的组合的第1限制条件，根据本申请的发明人等的研究，为了得到平滑而稳定的目标空燃比KCMD，由增益系数a1、a2的值确定的前述式(12)～(14)的系数值α1、α2，也就是前述推断器26为了求出前述推断偏差输出VO2(k+d)而使用的前述系数值α1、α2(这些系数值α1、α2是前述式(12)中定义的矩阵A的乘方A^d的第1行第1列和第1行第2列分量)的组合密切相关。

具体地说，如图15中所示在分别以系数值α1、α2为分量来设定坐标平面时，由系数值α1、α2的组合确定的该坐标平面上的点存在于图14的带有斜线的区域(由三角形Q₁Q₂Q₃围成的区域(包含边界)。以下把此一区域称为推断系数稳定区域)时，目标空燃比KCMD容易成为平滑而稳定的。

因而，增益系数a1、a2的值，也就是识别增益系数

的值的组合，最好是由识别器25限制成使与由这些值确定的系数值α1、α2的组合对应的图15的坐标平面上的点存在于上述推断系数稳定区域内。

再者，在图15中，包含上述推断系数稳定区域地表示在坐标平面上的三角形区域Q₁Q₄Q₃是由下面式(41)定义的系统，也就是分别由V2(k)和V2(k-1)(这些V2(k)和V2(k-1)分别意味着由推断器26在每个控制循环中所求出的推断偏差输出和在它的一个控制循环前所求出的推断偏差输出)来置换前述式(12)的右边的VO2(k)和VO2(k-1)而成的公式来定义的系统，理论上是规定成为稳定的系数值α1、α2的组合的区域。 $\stackrel{\&OverBar;}{\mathrm{VO}2}(k+d)=\mathrm{\&alpha;}1\&CenterDot;\stackrel{\&OverBar;}{\mathrm{VO}2}\left(k\right)+\mathrm{\&alpha;}2\stackrel{\&OverBar;}{\&CenterDot;\mathrm{VO}2}(k-1)+\underset{j-1}{\overset{d}{\mathrm{\&Sigma;}}}\mathrm{\&beta;j}\&CenterDot;\mathrm{kcmd}(k-j)---\left(41\right)$

也就是说，由式(41)来表达的系统成为稳定的条件是该系统的极点(它们由下面式(42)给出)存在于复平面上的单位圆内。式41的系统的极点= $\frac{\mathrm{\&alpha;}1\&PlusMinus;\sqrt{\mathrm{\&alpha;}{1}^2+4\&CenterDot;\mathrm{\&alpha;}2}}{2}---\left(42\right)$

而且，图15的三角形区域Q₁Q₄Q₃是规定满足上述条件的系数值α1、α2的组合的区域。因而，前述推断系数稳定区域是由前述式(41)来表达的系统成为稳定的系数值α1、α2的组合当中使得成为α1≥0的组合的区域。

另一方面，由于系数值α1、α2由增益系数a1、a2的值的组合来确定，所以反过来算也可以根据系数值α1、α2的组合来确定增益系数a1、a2的值的组合。因而，规定系数值α1、α2的最佳组合的图15的推断系数稳定区域可以变换到以增益系数a1、a2为坐标分量的图16的坐标平面上。如果进行此一变换，则该推断系数稳定区域在图16的坐标平面上变换成例如图16的假想线围成的区域(下部有凹凸的大体上三角形的区域。以下称为识别系数稳定区域)。也就是说，由增益系数a1、a2的值的组合来确定的图16的坐标平面上的点存在于该图的假想线围成的识别系数稳定区域内时，与由它们的增益系数a1、a2的值来确定的系数值α1、α2的组合相对应的图15的坐标平面上的点存在于前述推断系数稳定区域内。

因而，用来限制由识别器25求出的识别增益系数 的值的前述第1限制条件最好是设定成基本上使由它们的值确定的图16的坐标平面上的点存在于前述识别系数稳定区域内。

但是，因为图16中假想线所示的识别系数稳定区域的边界的一部分(图的下部)呈现出有凹凸的复杂形状，故实用上用来把由识别增益系数

的值来确定的图16的坐标平面上的点限制在识别系数稳定区域内的处理容易变得繁杂。

因此，在本实施例中，由例如图16的实线围成的四边形Q₅Q₆Q₇Q₈的区域(直线形地形成边界的区域。以下称为识别系数限制区域)来大体上近似识别系数稳定区域。在此一场合，此一识别系数限制区域如图所示，是由|a1|+a2=1的函数式来表示的折线(包含线段Q₅Q₆和线段Q₅Q₈的线)，由a1=A1L(A1L：常数)的定值函数式来表示的直线(包含线段Q₆Q₇的直线)，以及由a2=A2L(A2L：常数)的定值函数式来表示的直线(包含线段Q₇Q₈的直线)围成的区域。而且，用来限制识别增益系数 的值的前述第1限制条件设定成使由它们的值确定的图16的坐标平面上的点存在于上述识别系数限制区域内。在此一场合，虽然识别系数限制区域的下边部的一部分脱离前述识别系数稳定区域，但是通过实验确认现实中由识别器25求出的由识别增益系数

的值确定的点并不进入上述脱离区域。因而，即使存在着上述脱离区域，实用上也没有问题。

再者，由于这种识别系数限制区域的设定方式是举例表示的，所以该识别系数限制区域只要基本上设定成等于前述识别系数稳定区域，或者大体上近似该识别系数稳定区域，或者识别系数限制区域的大部分或全部属于识别系数稳定区域，则也可以设定成任何形状。也就是说，识别系数限制区域考虑识别增益系数

的值的限制处理的容易性、实际上的控制性等，种种的设定都是可能的。例如虽然在本实施例中由|a1|+a2=1的函数式来规定识别系数限制区域的上半部的边界，但是满足此一函数式的增益系数a1、a2的值的组合是由前述式(42)给出的系统的极点存在于复平面上的单位圆圆周上之类理论上的稳定界限的组合。因而，也可以由例如|a1|+a2=r(式中，r是比与上述稳定界限相对应的“1”小一些的值，例如0.99)的函数式来规定识别系数限制区域的上半部的边界，进一步提高控制的稳定性。

此外，成为前述识别系数限制区域的基础的图16的识别系数稳定区域也是举例说明的，与图15的推断系数稳定区域相对应的识别系数稳定区域，从系数值α1、a2的定义可以看出(参照式(12))也受前述合计无用时间d(更准确地说是其设定值)的影响，识别系数稳定区域的形状随着该合计无用时间d的值而变化。在此一场合，无论识别系数稳定区域为何种形状，前述识别系数限制区域如前所述按识别系数稳定区域的形状来设定就可以了。

接着，用来限制识别器25识别的前述增益系数b1的值，也就是识别增益系数 的值的前述第2限制条件在本实施例中如下设定。

也就是说，根据本申请的发明人等的知识，前述目标空燃比KCMD的时间变化成为高频振荡的状况在识别增益系数 的值成为过大或过小的场合容易发生。因此在本实施例中通过实验或仿真预先确定识别增益系数

的值的上限值B1H和下限值B1L(B1H＞B1L＞0)。而且，设定成把前述第2限制条件取为成为识别增益系数 的值的上限值B1H以下和下限值B1L以上的值(满足BIL≤

≤B1H的不等式)。

用来由如以上说明设定的第1限制条件和第2限制条件限制识别增益系数

的值的前述步骤5-11的处理，具体地说如下进行。

也就是说，参照图17的程序框图，识别器25在前述图12的步骤5-10里关于如前所述求出的识别增益系数 (k)、

(k)、

(k)，首先在步骤5-11-1～5-11-8里进行用来由前述第1限制条件来限制识别增益系数 (k)、 (k)、 (k)的值的处理。

具体地说，识别器25首先判断在步骤5-10里求出的识别增益系数 (k)的值是否是前述识别系数限制区域内的增益系数a2的下限值A2L(参照图16)以上的值(步骤5-11-1)。

此时，如果

(k)＜A2L，则由于由识别增益系数 (k)、

(k)的值的组合确定的图16的坐标平面上的点(以下用(

(k), (k))来表示此一点)从识别系数限制区域脱离，所以把 (k)的值强制地变更为上述下限值A2L(步骤5-11-2)。通过此一处理，图16的坐标平面上的点(

(k), (k))至少被限制成由a2=A2L来表达的直线(包括线段Q₇Q₈的直线)的上侧(包含该直线上)的点。

接着，识别器25依次判断在步骤5-10里求出的识别增益系数

(k)的值是否是前述识别系数限制区域内的增益系数a1的下限值A1L(参照图16)以上的值，以及是否是识别系数限制区域内的增益系数a1的上限值A1H(参照图16)以下的值(步骤5-11-3,5-11-5)。再者，由于从图16可以看出识别系数限制区域中的增益系数a1的上限值A1H是折线|a1|+a2=1(式中a1＞0)与直线a2=A2L的交点Q₈的a1坐标分量，所以A1H=1-A2L。

此时，在

(k)＜A1L的场合，或者在

(k)＞A1H的场合，由于图16的坐标平面上的点(( (k), (k)))从识别系数限制区域脱离，所以把

(k)的值根据各自的场合强制地变更为上述下限值A1L或者上限值A1H(步骤5-11-4,5-11-6)。

通过此一处理，图16的坐标平面上的点( (k),

(k))被限制成由a1=A1L来表达的直线(包括线段Q₆Q₇的直线)与由a1=A1H来表达的直线(通过Q₈点并平行于a1轴的直线)之间的区域(包含两条直线上)。

再者，步骤5-11-3和5-11-4的处理，和步骤5-11-5和5-11-6的处理也可以改变顺序。此外，前述步骤5-11-1和5-11-2的处理也可以在步骤5-11-3～5-11-6的处理之后来进行。

接着，识别器25判断经过前述步骤5-11-1～5-11-6的处理的当前的 (k)、

(k)的值是否满足|a1|+a2≤1的不等式，也就是点( (k),

(k))处于由|a1|+a2=1的函数式表达的折线(包含线段Q₅Q₆和线段Q₅Q₈的线)的下侧(包含折线上)还是处于上侧(步骤5-11-7)。

此时，如果|a1|+a2≤1的不等式成立，则由经过前述步骤5-11-1～5-11-6的处理的

(k)、

(k)的值确定的点( (k)，(k))存在于识别系数限制区域(包含其边界)。

另一方面，在|a1|+a2＞1的场合，点( (k),

(k))从识别系数限制区域向其上方侧脱离，在此一场合，把 (k)的值强制地变更为与

(k)的值相对应的值(

)(步骤5-11-8)。换句话说，使 (k)的值保持现状，使点(

(k),

(k))在由|a1|+a2=1的函数式表达的折线上(包含作为识别系数限制区域的边界的线段Q₅Q₆上，或者线段Q₅Q₈上)移动。

通过以上这种步骤5-11-1～5-11-8的处理，识别增益系数

(k)、 (k)的值被限制成由它们的值确定的点( (k),

(k))存在于识别系数限制区域内。再者，在前述步骤5-10中所求出的与识别增益系数 (k)、

(k)的值相对应的点( (k), (k))存在于识别系数限制区域内的场合，保持它们的值。

在此一场合，通过前述的处理，关于与前述对象排气系E的离散系统模型的第1次自回归项有关的识别增益系数 (k)，只要其值成为识别系数限制区域中的下限值AIL与上限值A1H之间的值，其值就不被强制地变更。此外，在 (k)＜A1L的场合，或者在

(k)＞A1H的场合，由于识别增益系数 (k)的值分别强制地变更为作为识别系数限制区域中增益系数a1能够采取的最小值的下限值A1L，和作为识别系数限制区域中增益系数a1能够采取的最大值的上限值A1H，所以这些场合中的识别增益系数

(k)的值的变更量成为最小的。也就是说，在与步骤5-7里所求出的识别增益系数

(k)、

(k)的值相对应的点(

(k), (k))脱离识别系数限制区域的场合，识别增益系数

(k)的值的强制的变更保留于最低限度。

这样一来，在限制了识别增益系数 (k)、 (k)的值之后，识别器25在步骤5-11-9～5-11-12里进行按照前述第2限制条件来限制识别增益系数

(k)的值的处理。

也就是说，识别器25判断在前述步骤5-10里所求出的识别增益系数 (k)的值是否为前述下限值B1L以上(步骤5-11-9)，在B1L＞ (k)的场合，把

(k)的值强制地变更为上述下限值B1L(步骤5-11-10)。

进而，识别器25判别识别增益系数

(k)的值是否为前述上限值B1H以上(步骤5-11-11)，在B1H＜ (k)的场合把

(k)的值强制地变更为上述上限值B1H(步骤5-11-12)。

通过这种步骤5-11-9～5-11-12的处理，识别增益系数

(k)的值被限制成下限值B1L与上限值B1H之间的范围的值。

这样一来，在限制了识别增益系数

(k)、

(k)的值的组合和识别增益系数

(k)的值之后，识别器25的处理返回到图12的程序框图的处理。

再者，在图12的步骤5-10里为了求出识别增益系数

(k)、(k)、

(k)而使用的识别增益系数的前次值 (k-1)、

(k-1)、 (k-1)是在前次的控制循环中的步骤5-11的处理中如前所述的由第1和第2限制条件进行了限制的识别增益系数的值。

返回到图12的说明，如前所述进行了识别增益系数

(k)、

(k)、

(k)的限制处理之后，识别器25判断在前述管理处理(步骤5-6)中设定的标志f/id/mng的值(步骤5-12)，在f/id/mng=1的场合，为了下次的控制循环的处理由前述式(10)来更新前述矩阵P(k)(步骤5-13)，返回到图9的主程序的处理。此外在f/id/mng=0的场合，由于在步骤5-10里未更新识别增益系数 (k)、

(k)、

(k)的值，所以把矩阵P(k)维持成当前的矩阵P(k-1)(步骤5-14)，返回到图9的主程序的处理。

以上是图9的步骤5中的识别器25的运算处理。

返回到图9，如上所述进行了识别器25的运算处理之后，排气侧主运算处理部13进行由前述催化剂劣化判别处理器27的处理(步骤6)。

此一处理，按图18的程序框图中所示来进行。

也就是说，催化剂劣化判别处理器27首先用发动机1当前的转速NE和吸气压力PB由下面式(43)来计算发动机1生成的当前的排气流量(在本实施例中以发动机1的转速为1500rpm的状态的排气流量为基准)的推断值(以下称为推断排气流量ab/SV)(步骤6-1)。 $\mathrm{ab}/\mathrm{SV}=\frac{\mathrm{NE}}{1500}\&CenterDot;\mathrm{PB}\&CenterDot;\&times;/\mathrm{SV}---\left(43\right)$

这里，式(43)中的系数X/SV是根据发动机1的排气量等预先确定的规定值。

再者，在计算推断排气流量ab/SV之际，也可考虑大气压。此外，发动机1的排气流量(流过催化剂装置3的排气流量)除了由上述这种运算来推断之外，也可以基于发动机1的燃料供给量或者吸气量来掌握，或者也可以用流量传感器等直接地检测。

接着，催化剂劣化判别处理器27判断在步骤6-1里所求出的推断排气流量ab/SV是否为前述大流量区(参照图6)的流量(步骤6-2)，在是大流量区的流量的场合，在进行了分别计算与该大流量区相对应的前述劣化判别用数据A1/H、A2/H、B1/H的处理(求出在排气的大流量区中所求出的各识别增益系数

的数据的最小二乘中心值的滤波处理)之后(步骤6-3)，进到步骤6-6。

此外，在推断排气流量ab/SV不是大流量区的流量的场合，进而判断该推断排气流量ab/SV是否为前述中流量区(参照图6)的流量(步骤6-4)，在是中流量区的流量的场合，在进行了分别计算与该中流量区相对应的前述劣化判别用数据A1/M、A2/M、B1/M的处理(求出在排气的中流量区中所求出的各识别增益系数

的数据的最小二乘中心值的滤波处理)之后(步骤6-5)，进到步骤6-6。

再者，在推断排气流量ab/SV不属于大流量区和中流量区的任何一个的场合，直接进到步骤6-6。

上述步骤6-3中的劣化判别用数据A1/H、A2/H、B1/H的计算处理和步骤6-5中的劣化判别用数据A1/M、A2/M、B1/M的计算处理如下进行。

再者，由于劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M的计算处理对于任何数据都是相同的，所以在以下所述的此一计算处理的说明中，以各劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M当中的一个为代表由标号CX来表示，此外由

来表达与此一劣化判别用数据CX相对应的识别增益系数(例如取为CX=A1/H时，为 )。

在前述步骤6-3或6-5中，催化剂劣化判别处理器27每当通过前述步骤5的识别器25的运算处理来计算与之相对应的排气的流量区中的各识别增益系数 的数据，就通过下面式(44)的渐变式运算逐次更新求出作为各识别增益系数 的数据的最小二乘中心值的劣化判别用数据CX。 $\mathrm{CX}\left(k\right)=\mathrm{CX}(k-1)+\frac{\mathrm{qx}(k-1)}{1+\mathrm{qx}(k-1)}\&CenterDot;(\hat{c}\left(k\right)-\mathrm{cx}(k-1))---\left(44\right)$

这里，式(44)中的qX(k)是每当通过此一式(44)的运算来更新劣化判别用数据CX的值就通过下面式(45)的渐变式运算来更新的参数，针对每个劣化判别用数据CX单独地设定。 $\mathrm{qX}\left(k\right)=(1-\frac{\mathrm{qX}(k-1)}{1+\mathrm{qX}(k-1)})\&CenterDot;\mathrm{qX}(k-1))---\left(45\right)$

在此一场合，在排气流量不是与劣化判别用数据CX相对应的流量区的流量的状态下，不进行上述式(44)、(45)的运算，劣化判别用数据CX和与之相对应的参数qX的值保持于当前的值。例如，在排气流量为大流量区的流量的状态下(在步骤6-2里‘是’)，劣化判别用数据A1/M、A2/M、B1/M和与之相对应的参数qX的值不更新。

再者，参数qX的初始值对于任何劣化判别用数据CX都是“1”。此外，如果反复式(45)的运算则此一参数qX的值最终收敛于“0”，此时即使进行式(44)的运算劣化判别用数据CX的值也不更新。因此，在本实施例中，每当就各劣化判别用数据CX进行式(44)、(45)的运算的次数达到规定的次数，就把该参数qX的值复位成“1”。此外，各劣化判别用数据CX和与之相对应的参数qX的最新值储存保持在未画出的非易失存储器(例如EEPROM)中，以便即使在停止了发动机1的运行的场合也不丢失，把它用作下次的发动机1运行时的初始值。

此外，在本实施例中，因为以各识别增益系数

的数据的最小二乘中心值为劣化判别用数据CX，故虽然通过式(45)的运算逐次更新地求出参数qX的值，但是也可以通过下面式(46)的运算来求出参数qX的值。在这样做的场合，根据该式(46)中的η₁、η₂的值的设定方式的不同，除了最小二乘法以外，可以进行按固定增益法、递减增益法、加权最小二乘法、固定跟踪法的各劣化判别用数据CX的计算。在本实施例中采用的最小二乘法，把式(46)中的η₁、η₂的值全都设定成“1”。 $\mathrm{qX}\left(k\right)=\frac{1}{\mathrm{\&eta;}1\left(k\right)}\&CenterDot;(1-\frac{\mathrm{\&eta;}2\left(k\right)\&CenterDot;\mathrm{qX}(k-1)}{\mathrm{\&eta;}1\left(k\right)+\mathrm{\&eta;}2\left(k\right)\&CenterDot;\mathrm{qX}(k-1)})\&CenterDot;\mathrm{qX}(k-1)$ (46)式中，0＜η₁≤1，0≤η₂＜2

此外，虽然在本实施例中周期性地把前述参数qX的值复位成“1”，但是有时产生在进行了该复位之后立即根据该参数qX由前述式(44)来更新的劣化判别用数据CX的变动，各劣化判别用数据CX的精度降低。为了避免这种事态，最好是由例如加权最小二乘法来求出劣化判别用数据CX。在此一场合，也可以由分别把前述式(46)中的η₁、η₂的值设定成0＜η₁＜1,η₂=1而成的该式(46)来更新前述参数qX，用此一参数qX由式(44)来求出各劣化判别用数据CX。这样一来，在用加权最小二乘法的场合，没有必要周期性地复位前述下述qX，可以稳定而精度高地求出劣化判别用数据CX。

返回到图18，在如上所述求出各劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M之后，在前述步骤6-6里，催化剂劣化判别处理器27基于与识别增益系数

相对应的劣化判别用数据A1/H、A1/M的值如下求出暂定地掌握的催化剂装置3的劣化程度的等级LV/A1(以下称为暂定劣化等级)。

也就是说，在本实施例中，对于劣化判别用数据A1/H如前述图5(a)中所示预先设定阈值X/A1H1、X/A1H2(X/A1H1＜X/A1H2)，同样，对于劣化判别用数据A1/M也如前述图5(a)中所示预先设定阈值X/A1M1、X/A1M2(X/A1M1＜X/A1M2)。再者，虽然在图5(a)中为了方便起见成为X/A1H1=X/A1M1,X/A1H2=X/A1M2,但是如前所述，因为与排气的大流量区相对应的劣化判别用数据A1/H比与中流量区相对应的劣化判别用数据A1/M大一些，故实际上为X/A1H1＞X/A1M1,X/A1H2＞X/A1M2。

在步骤6-6里，催化剂劣化判别处理器27首先把与大流量区相对应的最新的劣化判别用数据A1/H的值的大小和与之相对应的阈值X/A1H1、X/A1H2进行比较，根据其比较结果按下面表1(参照表1的最上段和中段的不带括弧的项目)求出预备性的暂定劣化等级LV/A1H(0～2的三阶段的等级)。进而与此同样地，把与中流量区相对应的最新的劣化判别用数据A1/M的值的大小和与之相对应的阈值X/A1M1、X/A1M2进行比较，根据其比较结果按下面表1(参照表1的最上段和中段的带括弧的项目)求出预备性的暂定劣化等级LV/A1M(0～2的三阶段的等级)。【表1】

A1/H(A1/M)	A1/H≤X/A1H1(A1/M≤X/A1M1)	X/A1H1＜A1/H≤X/A1H2(X/A1M1＜A1/M≤X/A1M2)	A1/H＞X/A1H2(A1/M＞X/A1M2)
				LV/A1H(LV/A1M)	0(0)	1(1)	2(2)
LV/A1	max(LV/A1H,LV/A1M)

再者，在此一场合，根据各劣化判别用数据A1/H、A1/M的值分别求出暂定劣化等级LV/A1H、LV/A1M的处理，在与各劣化判别用数据A1/H、A1/M相对应的前述参数qX(参照式(44),(45))收敛于规定值以下的足够小的值的阶段(此时各劣化判别用数据A1/H、A1/M的值也几乎收敛)中进行。而且，在该参数qX未收敛的状态下，与之相对应的暂定劣化等级LV/A1H、LV/A1M的值保持成当前的值(在以前参数qX收敛时求出的值)。

在这样求出劣化判别用数据A1/H、A1/M的与之相对应的暂定劣化等级LV/A1H、LV/A1M之后，催化剂劣化判别处理器27进一步作为与识别增益系数 相对应的暂定劣化等级LV/A1求出该暂定劣化等级LV/A1H、LV/A1M当中较大的某一方，也就是max(LV/A1H,LV/A1M)(参照表1的最下段)。这些是步骤6-6的处理内容。

接着，催化剂劣化判别处理器27，与步骤6-6的场合同样，基于与识别增益系数 相对应的劣化判别用数据A2/H、A2/M的值来求出针对该识别增益系数 掌握的催化剂装置3的暂定劣化等级LV/A2(步骤6-7)。

在此一场合，如图5(b)中所示，对劣化判别用数据A2/H预先设定阈值X/A2H1、X/A2H2(X/A2H1＞X/A2H2)，并且对劣化判别用数据A2/M也预先设定阈值X/A2M1、X/A2M2(X/A2M1＞X/A2M2)。再者，如前所述，因为与排气的大流量区相对应的劣化判别用数据A2/H比与中流量区相对应的劣化判别用数据A2/M小一些，故为X/A2H1＜X/A2M1,X/A2H2＜X/A2M2。

而且，催化剂劣化判别处理器27按下面表2求出分别与各劣化判别用数据A2/H、A2/M相对应的预备性的暂定劣化等级LV/A2H、LV/A2M(0～2的三阶段的等级)，作为与识别增益系数

相对应的暂定劣化等级LV/A2求出它们当中较大的某一方(max(LV/A2H,LV/A2M))。

再者，表2的最上段和中段的不带括弧的项目与劣化判别用数据A2/H有关，带括弧的项目与劣化判别用数据A2/M有关。【表2】

A2/H(A2/M)	A2/H≥X/A1H1(A2/M≥X/A1M1)	X/A2H1＞A2/H≥X/A2H2(X/A2M1＞A2/M≥X/A2M2)	A2/H＜X/A2H2(A2/M＜X/A2M2)
				LV/A2H(LV/A2M)	0(0)	1(1)	2(2)
LV/A2	max(LV/A2H,LV/A2M)

在此一场合，求出暂定劣化等级LV/A2H、LV/A2M的处理，在与之对应的前述参数qX(参照式(44),(45))收敛于规定值以下的足够小的值的阶段中进行，这是与步骤6-6的场合相同的。

进而，催化剂劣化判别处理器27，与步骤6-6、6-7的场合同样，基于与识别增益系数

相对应的劣化判别用数据B1/H、B1/M的值来求出对该识别增益系数

掌握的催化剂装置3的暂定劣化等级LV/B1(步骤6-8)。

在此一场合，如图5(c)中所示，对劣化判别用数据B1/H预先设定阈值X/B1H1、X/B1H2(X/B1H1＜X/B1H2)，并且对劣化判别用数据B1/M也预先设定阈值X/B1M1、X/B1M2(X/B1M1＜X/B1M2)。再者，如前所述，因为与排气的大流量区相对应的劣化判别用数据B1/H比与中流量区相对应的劣化判别用数据B1/M大一些，故为X/B1H1＞X/B1M1,X/B1H2＞X/B1M2。

而且，催化剂劣化判别处理器27按下面表3求出分别与各劣化判别用数据B1/H、B1/M相对应的预备的暂定劣化等级LV/B1H、LV/B1M(0～2的三阶段的等级)，作为与识别增益系数 相对应的暂定劣化等级LV/B1求出它们当中较小的一方(min(LV/B1H,LV/B1M))。

再者，表3的最上段和中段的不带括弧的项目与劣化判别用数据B1/H有关，带括弧的项目与劣化判别用数据B1/M有关。此外，在此一场合，作为暂定劣化等级LV/B1求出预备性的暂定劣化等级LV/B1H、LV/B1M当中较小的一方，是因为在前述图5(c)中可以看出，在催化剂装置3的“2”以上的劣化等级中，如上所述定义的暂定劣化等级LV/B1H、LV/B1M随着催化剂装置3的劣化的进展而变小的缘故。【表3】

B1/H(B1/M)	B1/H≤X/B1H1(B1/M≤X/B1M1)	X/B1H1＜B1/H≤X/B1H2(X/B1M1＜B1/M≤X/B1M2)	B1/H＞X/B1H2(B1/M＞X/B1M2)
				LV/B1H(LV/B1M)	0(0)	1(1)	2(2)
LV/B1	min(LV/B1H,LV/B1M)

此外，在此一场合，求出暂定劣化等级LV/B1H、LV/B1M的处理，在与之对应的前述参数qX(参照式(44),(45))收敛于规定值以下的足够小的值的阶段中进行，这是与步骤6-6的场合相同的。

如上所述求出与各识别增益系数

相对应的暂定劣化等级LV/A1、LV/A2、LV/B1之后，催化剂劣化判别处理器27综合这些暂定劣化等级LV/A1、LV/A2、LV/B1，确定催化剂装置3的劣化等级(步骤6-9)。

具体地说，催化剂劣化判别处理器27根据分别与识别增益系数

相对应的暂定劣化等级LV/A1、LV/A2当中较大的一方(=max(LV/A1,LV/A2)。以下给它赋予标号LV/A)，以及与识别增益系数

相对应的暂定劣化等级LV/B1，按例如下面表4来确定催化剂装置3的劣化等级。【表4】

LV/A	0	1	2	2
					LV/B1	0或1	2	1	0
劣化等级	0	1	2	3

再者，在上述表4中，虽然例如在与识别增益系数α1、α2有关的暂定劣化等级LV/A1、LV/A2的某一个从“0”切换到“1”，或者从“1”切换到“2”之际以与识别增益系数

有关的暂定劣化等级LV/BI从“1”切换到“2”，或者从“2”切换到“1”为前提，但是这种切换的定时还考虑由劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M的值的误差等而产生偏移。

而且，如果考虑到这种情况，则催化剂装置3的劣化等级最好是按例如下面表5来确定。【表5】

LV/A	0	0	1	1	2	2	1	2
									LV/B1	0或1	2	2	1	1	2	0	0
劣化等级	0	1		2			3

表中，LV/A=max(LV/A1,LV/A2)

在这样确定了劣化等级之后，催化剂劣化判别处理器27进行与该劣化等级的值相对应的前述劣化报告器29的动作控制(步骤6-10)。具体地说，例如在劣化等级的值为最大的“3”的场合(参照图5)，由于催化剂装置3的劣化进展到相当的程度，所以为了促使更换催化剂装置3，由劣化报告器29报告该情况。

以上说明的内容是图9的步骤6中的催化剂劣化判别处理器27的处理内容。

返回到图9的主程序处理的说明，在如前所述进行了催化剂劣化判别处理器27的运算处理之后，排气侧主运算处理部13确定增益系数a1、a2、b1的值(步骤7)。在此一处理中，在前述步骤2里所设定的标志f/id/cal的值为“1”的场合，也就是说，在由识别器25来进行增益系数a1、a2、b1的识别处理的场合，作为增益系数a1、a2、b1的值分别设定在前述步骤5里如前所述由识别器15所求出的识别增益系数

(实施了步骤5-11的限制处理者)。此外，在f/id/cal=0的场合，也就是说，在未进行由识别器25进行的增益系数a1、a2、b1的识别处理的场合，把增益系数a1、a2、b1的值分别取为预先确定的规定值。

接着，排气侧主运算处理部13在图9的主程序中进行由前述推断器26进行的运算处理(推断偏差输出 VO2的计算处理)(步骤8)。

也就是说，推断器26首先用在前述步骤7里所确定的增益系数a1、a2、b1(它们的值基本上为前述识别增益系数

如前所述计算在前述式(13)中使用的系数值α1、α2、βj(j=1～d)。

接着，推断器26用在前述图9的步骤3里在每个控制循环中取得的O₂传感器的偏差输出VO2的当前的控制循环以前的时间序列数据VO2(k)、VO2(k-1)，和LAF传感器5的偏差输出kact的当前的控制循环以前的时间序列数据kact(k-j)(j=0～d1)，从滑动模式控制器27在每个控制循环中给出的前述目标偏差空燃比kcmd(=SLD操作输入usl)的前次的控制循环以前的时间序列数据kcmd(k-j)(=usl(k-j)。j=1～d2-1)，以及如上所述计算的系数α1、α2、βj,由前述式(13)来计算推断偏差输出 VO2(k+d)(从此次控制循环的时刻起前述合计无用时间d后的偏差输出VO2的推断值)。

排气侧主运算处理部13接着由滑动模式控制器27来计算前述SLD操作输入usl(=目标偏差空燃比kcmd)(步骤9)。

也就是说，滑动模式控制器27首先用在前述步骤8里由推断器26所求出的推断偏差输出 VO2的时间序列数据 VO2(k+d)、 VO2(k+d-1)来计算由前述式(25)所定义的线性函数 σ的从此次控制循环起前述合计无用时间d后的值 σ(k+d)(这相当于式(15)中所定义的线性函数σ的合计无用时间d后的推断值)。

进而，滑动模式控制器27累计地加算上述 σ(k+d)(把此次控制循环中所计算的 σ(k+d)加到前次控制循环中所求出的加算结果上)，借此来计算 σ(k+d)的累计值(这相当于式(27)右端的项)。再者在此一场合，在本实施例中，使 σ(k+d)的累计值纳入预先确定的规定范围内，在 σ(k+d)的累计值超过规定的上限值或下限值的场合，分别把 σ(k+d)的累计值限制于该上限值或下限值。这是因为，如果 σ(k+d)的累计值过大，则由前述式(27)所求出的自适应规则输入uadp过大，存在着控制性受损的危险的缘故。

接着，滑动模式控制器27用在前述步骤8里由推断器26所求出的推断偏差输出 VO2的时间序列数据 VO2(k+d)、 VO2(k+d-1)，如上所述求出的线性函数 σ(k+d)及其累计值，以及在步骤7里确定的增益系数a1、a2、b1(它们的值基本上为前述识别增益系数

)，按照前述式(24)、(26)、(27)分别计算等效控制输入ueq、到达规则输入urch和自适应规则输入uadp。

而且，滑动模式控制器27通过加算此一等效控制输入ueq、到达规则输入urch和自适应规则输入uadp来计算前述SLD操作输入usl，也就是为了使O₂传感器6的输出VO2/OUT收敛于目标值VO2/TARGET所需的向对象排气系E的输入(=目标偏差空燃比kcmd)。

这就是步骤9的处理内容。再者，这样在每个控制循环中求出的SLD操作输入usl(=目标偏差空燃比kcmd)按时间序列储存保持在未画出的存储器中，它为了推断器26的前述运算处理而使用。

如上所述计算了SLD操作输入usl之后，排气侧主运算处理部13进行由滑动模式控制器27进行的自适应滑动模式控制的稳定性的判别处理，设定表示该自适应滑动模式控制是否稳定的标志f/sld/stb的值(步骤10)。

此一稳定性的判别处理如图19的程序框图中所示地进行。

也就是说，排气侧主运算处理部13首先计算在前述步骤9里所计算的线性函数 σ的此次值 σ(k+d)和前次值 σ(k+d-1)的偏差Δ σ(这相当于线性函数 σ的变化速度)(步骤10-1)。

接着，排气侧主运算处理部13判断在步骤10-1里所计算的偏差Δ σ与线性函数 σ的此次值 σ(k+d)之积Δ σ· σ(k+d)(这相当于关于 σ的李雅普诺夫函数 σ/2的时间微分函数)是否为预先确定的规定值ε2(≥0)以下(步骤10-2)。

在此一场合，成为Δ σ· σ(k+d)＞ε2的状态，在 σ2增加的一侧，由于是前述推断偏差输出VO2(k+d)、VO2(k+d-1)朝离开前述超平面σ=0方向转移的状态，所以可以认为自适应滑动模式控制不稳定(在前述步骤9里所计算的SLD操作输入usl不合适)。因此，在步骤10-2的判断中，在Δ σ· σ(k+d)＞ε2的场合，自适应滑动模式控制成为不稳定的，为了在规定时间内禁止使用在前述步骤9里所计算的SLD操作输入usl的目标空燃比KCMD的确定，把定时器计数器tm(递减计数定时器)的值设定成规定的初始值(定时器计数器tm起动。步骤10-4)。而且，把前述标志f/sld/stb的值设定成“0”(f/sld/stb=0表示自适应滑动模式控制是不稳定的)(步骤10-5)。

再者，虽然理论上在步骤10-2的判断中使用的规定值ε2为“0”即可，但是如果考虑概率的外部干扰的影响，则最好是取为比“0”大一些的值。

另一方面，在前述步骤10-2的判断中，在Δ σ· σ(k+d)≤ε2的场合，排气侧主运算处理部13判断线性函数 σ的此次值 σ(k+d)是否处于预先确定的规定范围内(步骤10-3)。

在此一场合，由于线性函数 σ的此次值 σ(k+d)不在规定范围内的状态是前述推断偏差输出VO2(k+d)、VO2(k+d-1)离开前述超平面σ=0很远的状态，所以可以认为自适应滑动模式控制是不稳定的(在前述步骤10-3里所计算的SLD操作输入usl不合适)。因此，在步骤10-3的判断中，在线性函数 σ的此次值 σ(k+d)不在规定范围内的场合，自适应滑动模式控制成为不稳定的，与前述的场合同样，进行步骤10-4和10-5的处理，起动定时器计数器tm，并且把标志f/sld/stb的值设定成“0”。

此外，在步骤10-3的判断中，在线性函数 σ的此次值 σ(k+d)处于规定范围内的场合，排气侧主运算处理部13按规定时间Δtm使定时器计数器tm递减计数(步骤10-6)，进而判断该定时器计数器tm的值是否为“0”以下，也就是说，从定时器计数器tm起动起是否经过了前述初始值TM量的规定时间(步骤10-7)。

此时，在tm＞0的场合，也就是说，定时器计数器tm正在计时动作中或者时间尚未结束的场合，因为从在步骤10-2或步骤10-3的判断中判断成自适应滑动模式控制是不稳定的起，在未经过多少时间的状态下，自适应滑动模式控制容易成为不稳定的，所以进行前述步骤10-5的处理并把前述标志f/sld/stb的值设定成“0”。

而且，在步骤10-7的判断中为tm≤0的场合，也就是说，在定时器计数器tm成为时间结束的场合，自适应滑动模式控制成为稳定的，把标志f/sld/stb的值设定成“1”(f/sld/stb=1表示自适应滑动模式控制是稳定的)(步骤10-8)。

通过以上这种处理，判断由滑动模式控制器27进行的自适应滑动模式控制的稳定性，在判断成不稳定的场合，把标志f/sld/stb的值设定成“0”，在判断成稳定的场合，把标志f/sld/stb的值设定成“1”。

再者，在本实施例中自适应滑动模式控制的稳定性的判断基本上按前述步骤10-2和10-3的条件来进行，但是也可以按某一方的条件判断(例如仅步骤10-2的条件判断)来进行，或者通过把相当于线性函数 σ的变化速度的前述偏差Δ σ的大小(绝对值)与规定值进行比较来进行自适应滑动模式控制的稳定性的判断也是可能的。

返回到图9，在如上所述设定了表示由滑动模式控制器27进行的自适应滑动模式控制的稳定性的标志f/sld/stb的值之后，排气侧主运算处理部13判断标志f/sld/stb的值(步骤11)。此时，在为f/sld/stb=1的场合，也就是说，判断成自适应滑动模式控制为稳定的场合，由滑动模式控制器27来进行在前述步骤9里所计算的SLD操作输入usl的限制处理(步骤12)。在此一限制处理中，在SLD操作输入usl的值或该值的变化幅度被限制在规定范围内，在步骤9里所计算的SLD操作输入usl的此次值usl(k)超过规定的上限值或下限值的场合，分别把SLD操作输入usl的值强制地设定成该上限值或下限值。此外，在步骤9里所计算的SLD操作输入usl的此次值usl(k)从前次值usl(k-1)的变化量超过规定量的场合，把SLD操作输入usl的值强制地设定成把该规定量加到前次值usl(k-1)上的值。

排气侧主运算处理部13在上述这种SLD操作输入usl的限制处理之后，由滑动模式控制器27按前述式(28)来计算前述目标空燃比KCMD(步骤14)，结束此次的控制循环的处理。

此外，在前述步骤11的判断中为f/sld/stb=0的场合，也就是说，判断成自适应滑动模式控制为不稳定的场合，排气侧主运算处理部13把此次的控制循环中的SLD操作输入usl的值强制地设定成规定值(固定值或者SLD操作输入usl的前次值)之后(步骤13)，由滑动模式控制器27按前述式(28)来计算前述目标空燃比KCMD(步骤14)，结束此次的控制循环的处理。

再者，在步骤14里最终确定的目标空燃比KCMD在每个控制循环中按时间序列储存保持在未画出的存储器中。而且，前述大局反馈控制15等在使用由排气侧主运算处理部13所确定的目标空燃比KCMD之际(参照图8的步骤f)，从如上所述按时间序列储存保持的目标空燃比KCMD中选择最新的。

以上说明的内容就是本实施例的装置的详细的动作。

也就是说，如果概括该动作，则基本上由排气侧主运算处理部13逐次确定进入催化剂装置3的排气的目标空燃比KCMD(这相当于对象排气系E的目标输入)，以便使催化剂装置3的下游侧的O₂传感器6的输出VO2/OUT(这相当于作为设备的对象排气系E的输出)收敛(调整)于目标值VO2/TARGET。进而，按照此一目标空燃比KCMD，基于目标空燃比KCMD和催化剂装置3的上游侧的LAF传感器5的输出KACT来调整作为生成向对象排气系E的输入(排气的空燃比)的操作器的发动机1的燃料喷射量，借此发动机1的空燃比被反馈控制成目标空燃比KCMD。而且，通过如上所述把催化剂装置3的下游侧的O₂传感器6的输出VO2/OUT调整成目标值VO2/TARGET，可以不受催化剂装置3的时效劣化等影响地，确保催化剂装置3的最佳排气净化性能。

进而，与这种发动机1的空燃比的控制并行地，在排气侧主运算处理部13中，基于由识别器25逐次求出的排气系模型的识别增益系数

的数据，求出表示催化剂装置3的劣化状态(劣化程度)的劣化等级。而且，根据此一劣化等级，适当地由劣化报告器29进行报告。

因而，在本实施例的装置中，在控制发动机1的空燃比以便确保催化剂装置3的排气的最佳净化性能的该发动机1的正常的运行状态下，可以不中断该空燃比的控制，而是与该空燃比的控制并行地进行催化剂装置3的劣化状态的判别(劣化等级的确定)。

在此一场合，劣化状态的判别用作为各识别增益系数

的数据的最小二乘中心值的劣化判别用数据来进行，而且，此一劣化判别用数据由求出识别增益系数 之际的排气流量的流量区来划分。因而，与各识别增益系数 与排气的各流量区的各自的组合相对应而求出的前述劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M成为分别与催化剂装置3的劣化状态的相关性显著的数据。结果，根据这些劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M如前所述求出催化剂装置3的劣化等级，借此可以高精度地判别催化剂装置3的劣化状态。

此外，在本实施例中，发动机1的目标空燃比KCMD用不容易受外部干扰等的影响的滑动模式控制器27，用来补偿对象排气系E和空燃比操作系的无用时间d1、d2的推断器26，以及实时地逐次识别作为表达对象排气系E的行为的排气系模型的参数的增益系数a1、a2、b1的识别器25来计算。因此，通过把O₂传感器6的输出VO2/OUT控制成其目标值VO2/TARGET可以高精度地求出最佳的目标空燃比KCMD。

进而，以作为能够可靠地补偿发动机1的行为变化等的影响的渐变式形式的控制器的自适应控制器18为主体把发动机1的空燃比控制成上述目标空燃比KCMD。因此，可以稳定而高精度地进行对O₂传感器6的输出VO2/OUT的目标值VO2/TARGET的控制。结果对象排气系E的行为也稳定了，进而作为前述增益系数a1、a2、b1的识别值的前述识别增益系数

也可以由识别器25稳定地求出。进而，因为像这样可以稳定地求出识别增益系数 故可以稳定而适当地进行基于这些识别增益系数 的催化剂装置3的劣化状态的判别。

特别是，在本实施例中，识别器25在对象排气系E的指定的行为状态下，也就是说，在由O₂传感器6的输出VO2/OUT来掌握的空燃比从稀侧变化到浓侧的行为状态下，进行识别增益系数

的计算处理(更新处理)。而且，上述这种对象排气系E的行为状态可以通过使用由O₂传感器6的偏差输出VO2来表示的前述管理函数γ来简单而可靠地掌握。因此，通过如前所述控制发动机1的空燃比，并判别催化剂装置3的劣化状态，可以求出合适的识别增益系数 进而在本实施例中，在计算用来逐次更新识别增益系数 的前述识别误差id/e之际，考虑对象排气系E的频率特性(低通特性)，对相当于排气系模型上的O₂传感器6的输出VO2/OUT的前述识别偏差输出V2，和O₂传感器6的实际的偏差输出VO2实施同一频率特性(低通特性)的滤波。因此，可以识别排气系模型的增益系数a1、a2、b1使得排气系模型的频率特性和实际的对象排气系E的频率特性相匹配，可以求出与对象排气系E的行为特性匹配的识别增益系数

因而，可以提高该识别增益系数

的可靠性。

此外，在本实施例中，在逐次计算识别增益系数

之际，通过进行前述的限制处理，可以求出在使前述目标空燃比KCMD或由它所控制的发动机1的空燃比平滑而稳定方面最佳的识别增益系数 并且可以既排除在判别催化剂装置3的劣化状态方面不合适的识别增益系数 又稳定地求出显著地具有与该劣化状态的相关性的识别增益系数

进而在本实施例中，在排气系模型或识别器25的运算处理中，不是原封不动地使用LAF传感器5的输出KACT或O₂传感器6的输出VO2/OUT，而是用LAF传感器5的输出KACT与规定的基准值FLAF/BASE的偏差kact，以及O₂传感器6的输出VO2/OUT与其目标值VO2/TARGET(基准值)的偏差VO2，借此识别器25的运算处理的算法的建立变得容易了，并且可以提高其运算处理的精度。再者，此一情况在推断器26或滑动模式控制器27的运算处理中也是同样的。

这样一来根据本实施例，因为可以求出可靠性高的识别增益系数

故可以高精度地进行基于该识别增益系数

的催化剂装置3的劣化状态的判别。

下面参照图20和图21来说明本发明的第2实施例。再者，由于仅有催化剂装置的劣化状态的判别处理的一部分是与前述第1实施例不同的，所以关于系统的构成，使用与前述第1实施例相同的标号并省略其说明，并且关于各种处理(系统的动作)也就与前述第1实施例相同的部分，用前述图面并省略详细的说明。但是，在本实施例中，前述发动机1是作为其行走用的推进源装设在汽车或混合型车等车辆(未画出)上的，前述图1中所示的系统装设在车辆上。此外，在本实施例中，备有用来检测车辆的车速的未画出的传感器。

在前述第1实施例中，每当在前述步骤5里求出识别增益系数

就根据它们的值来更新前述劣化判别用数据A1/H、A1/M、A2/H或A2/M、B1/H、B1/M并求出催化剂装置3的劣化等级。然而，在例如O₂传感器6的输出VO2/OUT极其稳定地维持于目标值VO2/TARGET这样的状况下，为了求出识别增益系数

而用的前述LAF传感器5的偏差输出kact或O₂传感器6的偏差输出VO2几乎维持一定，在这种状况下用来适当地求出识别增益系数

的信息不足(无法得到kact或VO2的多种值)，因此识别增益系数

的值变得容易对真值产生误差(产生所谓漂移现象)。而且如果用产生了这种误差的识别增益系数

来更新劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M并求出催化剂装置3的劣化等级，则该劣化等级的精度恶化。

本实施例是避免这种事态的实施方案，其概要如下。

也就是说，在本实施例中，在每个控制循环中判断前述LAF传感器5的偏差输出kact或O₂传感器6的偏差输出VO2是否为几乎一定的状态，换句话说，LAF传感器5的输出KACT或O₂传感器6的输出VO2/OUT是否为几乎一定的状态。此外，因为LAF传感器5的偏差输出kact或O₂传感器6的偏差输出VO2成为几乎一定的这种状况，容易在发动机1的吸气量(确切地说是一个燃烧循环中的吸气量，这成为与吸气压力PB相对应的)几乎维持一定的状况，或装设发动机1的车辆的车速几乎维持一定的状况下产生，所以在每个控制循环中也进行发动机1的吸气量或车辆的车速是否为几乎一定的状态的判断。而且，综合这些判断结果来确定每个控制循环中所得到的识别增益系数

在判别催化剂装置3的劣化状态方面是否是合适的，仅在判断成合适的场合用该识别增益系数的值来更新前述劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M并求出催化剂装置3的劣化等级。

这种处理具体地说在前述图9的步骤6里，如图20的程序框图中所示由前述催化剂劣化判别处理器27(参照图3)来实行。

也就是说，前述催化剂劣化判别处理器27首先与前述第1实施例同样地，在计算了前述推断排气流量ab/SV之后(步骤6-1)，在此次的控制循环中进行在前述步骤5(参照图9)里所求出的识别增益系数

在判别催化剂装置3的劣化状态方面是否是合适的判别处理，设定分别由“1”、“0”来表示该合适与否的标志f/pe(步骤6-a)。

此一判别处理如图21的程序框图中所示地进行。首先，对吸气压力PB的检测数据、车速V的检测数据、前述LAF传感器5的偏差输出kact的数据，以及前述O₂传感器6的偏差输出VO2的数据分别实施高通特性的滤波，借此求出表示各自的数据的变动状态的吸气压力变动参数PRA1、车速变动参数PRA2、空燃比变动参数PRA3以及O₂变动参数PRA4(步骤6-a-1～6-a-4)。

这里，上述滤波是通过从现在起到过去规定数的控制循环量(例如3个控制循环量)中，把各数据的值的每个控制循环的变化量(此次值与前次值之差)相加而成的。因而，通过此一滤波所得到的上述各变动参数PRA1～PRA4分别相当于吸气压力PB、车速V、LAF传感器5的偏差输出kact,O₂传感器6的偏差输出VO2的变化速度。因此，例如吸气压力变动参数PRA1在其接近于“0”时意味着吸气压力PB大体上一定(时间的变动很小)。此一情况对于其他变动参数PRA2～PRA4也是同样的。

再者，吸气压力PB大体上一定，是与发动机1的吸气量大体上一定等同的。此外，偏差输出kact或偏差输出VO2大体上一定，是分别与LAF传感器5的输出KACT、O₂传感器6的输出VO2/OUT大体上一定等同的。

如上所述求出了各变动参数PRA1～PRA4之后，前述催化剂劣化判别处理器27把各变动参数PRA1～PRA4的绝对值各自对应地与预先确定的阈值ε₁₁、ε₁₂、ε₁₃、ε₁₄(这些阈值是足够小的正值)进行比较(步骤6-a-5)。

这里，在本实施例中，在各变动参数PRA1～PRA4的绝对值|PRA1|、|PRA2|、|PRA3|、|PRA4|的某一个小于与之对应的阈值ε₁₁、ε₁₂、ε₁₃、ε₁₄的状态，也就是说，吸气压力PB、车速V、偏差输出kact以及偏差输出VO2的某一个成为大体上一定的状态持续规定时间T1的场合，判断成为了催化剂装置3的劣化状态的判别而使用在前述步骤5里识别器25求出的识别增益系数

是不合适的。此外，在各变动参数PRA1～PRA4的绝对值|PRA1|、|PRA2|、|PRA3|、|PRA4|的某一个为与之对应的阈值ε₁₁、ε₁₂、ε₁₃、ε₁₄以上的值的状态，也就是说，吸气压力PB、车速V、偏差输出kact以及偏差输出VO2的某一个产生某种程度的时间变动的状态持续规定时间T2的场合，判断成为了催化剂装置3的劣化状态的判别而使用在前述步骤5里识别器25求出的识别增益系数

是合适的。

因此，在上述步骤6-a-5里，在|PRA1|＜ε₁₁、|PRA2|＜ε₁₂、|PRA3|＜ε₁₃、|PRA4|＜ε₁₄的某一个条件成立时，催化剂劣化判别处理器27为了观察该状态是否持续规定时间T1，在每个控制循环中以规定值Δt逐次对作为初始值预先设定了该规定时间T1的定时器计数器tm1(递减计数定时器)的值进行递减计数(步骤6-a-6)。此外，把用来计时另一方的前述规定时间T2的定时器计数器tm2(递减计数定时器)的值初始化成该规定时间T2(步骤6-a-7)。

催化剂劣化判别处理器27判断上述定时器计数器tm1是否成为“0”以下，也就是说，|PRA1|＜ε₁₁、|PRA2|＜ε₁₂、|PRA3|＜ε₁₃、|PRA4|＜ε₁₄的某一个条件是否持续前述规定时间T1(步骤6-a-8)，在成为tm1≤0的场合，为了催化剂装置3的劣化状态的判别而使用在前述步骤5里所求出的识别增益系数

是不合适的，把前述标志f/pe的值设定成“0”(步骤6-a-9)。此外在步骤6-a-8里在tm1＞0的场合，把上述标志f/pe的值维持现状(标志f/pe的初始值为“1”)，返回到图20的程序框图的处理。

另一方面，在前述步骤6-a-5里，|PRA1|≥ε₁₁、|PRA2|≥ε₁₂、|PRA3|≥ε₁₃、|PRA4|≥ε₁₄的所有条件全都成立时，也就是说，吸气压力PB、车速V、偏差输出kact以及偏差输出VO2的任何一个皆为产生某种程度的时间变动的状态时，催化剂劣化判别处理器27在每个控制循环中以规定值Δt逐次对计时前述规定时间T2的前述定时器计数器tm2的值进行递减计数(步骤6-a-10)。此外，把与前述步骤6-a-6有关的定时器计数器tm1的值初始化成作为其初始值的前述规定时间T1(步骤6-a-11)。

催化剂劣化判别处理器27判断上述定时器计数器tm2是否成为“0”以下，也就是说，|PRA1|≥ε₁₁、|PRA2|≥ε₁₂、|PRA3|≥ε₁₃、|PRA4|≥ε₁₄的某一个条件是否持续上述规定时间T2(步骤6-a-12)，在成为tm2≤0的场合，认为为了催化剂装置3的劣化状态的判别而使用在前述步骤5里所求出的识别增益系数 是合适的，把前述标志f/pe的值设定成“1”(步骤6-a-13)。此外在步骤6-a-12里为tm2＞0的场合，把上述标志f/pe的值维持现状，返回到图20的程序框图的处理。

通过如上所述的处理，如果吸气压力PB、车速V、偏差输出kact以及偏差输出VO2的任何一个成为大体上一定的状态(步骤6-a-5的判断结果为‘是’的状态)持续维持规定时间T1，则为了催化剂装置3的劣化状态的判别而使用在前述步骤5里所求出的识别增益系数

成为不合适的(设定成f/pe=0)。此时，在上述状态不持续规定时间T1，而是暂时的场合，由于识别增益系数

的前述漂移现象不会立即发生，所以不判断成为了催化剂装置3的劣化状态的判别而使用识别增益系数 是不合适的(维持f/pe=1)。

此外，在如上所述判断成为了催化剂装置3的劣化状态的判别而使用在前述步骤5里所求出的识别增益系数 是不合适的之后，如果吸气压力PB、车速V、偏差输出kact以及偏差输出VO2的任何一个为产生某种程度的时间变动的状态(步骤6-a-5的判断结果为‘否’的状态)持续维持规定时间T2，则为了催化剂装置3的劣化状态的判别而使用在步骤5里所求出的识别增益系数成为合适的(设定成f/pe=1)。这里之所以以规定时间T2的持续性为条件，是为了排除吸气压力PB、车速V、偏差输出kact以及偏差输出VO2由于噪声等暂时地产生变动这种场合。

再者，关于前述规定时间T1、T2，在本实施例中取为T1＞T2。这是因为吸气压力PB或车速V、偏差输出kact、偏差输出VO2维持大体上一定的场合产生的识别增益系数

的如前所述的漂移现象比较缓慢地进行，此外产生吸气压力PB、车速V、偏差输出kact以及偏差输出VO2的变动引起的漂移现象的消除比较迅速地进行的缘故。

返回到图20，如上所述进行了标志6-a的判别处理(标志f/pe的设定处理)之后，催化剂劣化判别处理器27判断标志f/pe的值(步骤6-b)。此时，在为f/pe=1的场合，也就是说，判断成为了催化剂装置3的劣化状态的判别而使用在前述步骤5里所求出的识别增益系数

为合适的场合，进行前述第1实施例中说明的步骤6-2～6-10的处理，借此如前所述地确定催化剂装置3的劣化等级。

另一方面，在步骤6-b里，在f/pe=0的场合，省略步骤6-2～6-10的处理，返回到前述图9的主程序处理。因而，在此一场合，不更新催化剂装置3的劣化等级，而是维持于现状的值。

关于以上说明的以外的处理，是与前述第1实施例完全相同的。

如果采用这种本实施例，则LAF传感器5的偏差输出kact或O₂传感器6的偏差输出VO2维持大体上一定的状况，或者发动机1的吸气压力PB或车辆的车速V维持大体上一定而上述偏差输出kact、VO2成为容易维持大体上一定的状况下，也就是说，在前述步骤5里识别器25所求出的识别增益系数

的漂移现象发生而它们的误差定常性地产生的状况下，不进行用该识别增益系数的催化剂装置3的劣化等级的确定，而是把该劣化等级保持于现状的值。

因此，可以进一步提高催化剂装置3的劣化状态的判别结果(劣化等级)的可靠性。

再者，在本实施例中，在吸气压力PB、车速V、偏差输出kact以及偏差输出VO2的任何一个被维持成大体上一定的场合，不进行催化剂装置3的劣化状态的判别，但是在车辆的实际行驶中，上述这种状态长时间地持续的情况通常是没有的。因而，判别催化剂装置3的劣化状态的机会与前述第1实施例的相比，并不受很大限制，却可以在发动机1的各种各样的运行状态下判别催化剂装置3的劣化状态。

此外，虽然在本实施例中，在吸气压力PB、车速V、偏差输出kact以及偏差输出VO2的任何一个被维持成大体上一定的场合，不进行催化剂装置3的劣化状态的判别，但是也可以在上述吸气压力PB等当中的多个维持成大体上一定的场合不进行催化剂装置3的劣化状态的判别处理，而在这以外的场合进行催化剂装置3的劣化状态的判别处理。此外，也可以仅监视吸气压力PB、车速V、偏差输出kact以及偏差输出VO2的任何一个，在它被维持成大体上一定的场合不进行催化剂装置3的劣化状态的判别处理。

此外，虽然在本实施例中，作为发动机1的吸气量的替代而使用吸气压力PB，但是也可以根据吸气压力PB或发动机1的燃料喷射量等来推断该吸气量，或者由流量传感器等直接检测该吸气量，在该推断的或者检测的吸气量被维持成大体上一定时不进行催化剂装置3的劣化状态的判别处理。

以上说明了本发明的第1和第2实施例，但是本发明不限定于这些实施例，例如以下的变形例也是可能的。

也就是说，虽然在前述实施例中为了判别催化剂装置3的劣化状态而用识别器25所求出的所有识别增益系数

但是也可以基于它们当中的某一个或者两个来判别催化剂装置3的劣化状态。

例如在基于识别增益系数

或者

的某一个来判别催化剂装置3的劣化状态的场合，原封不动地对应于识别增益系数

用前述表1中所示的暂定劣化等级LV/A1，或者对应于识别增益系数

用前述表2中所示的暂定劣化等级LV/A2，借此可以把催化剂装置3的劣化状态划分成图5的劣化等级0、劣化等级1和劣化等级2以上的劣化等级(劣化等级2或劣化等级3)等三个阶段进行判别。而且，在此一场合，如果进一步增多与前述劣化判别用数据A1/H、A1/M或者A1/H、A2/M进行比较的阈值，则可以把催化剂装置3的劣化状态划分成更多的劣化等级来进行判别。

此外，例如在基于识别增益系数

的两者来判别催化剂装置3的劣化状态的场合，可以例如由表1中所示的暂定劣化等级LV/A1与表2中所示的暂定劣化等级LV/A2当中较大的一方(=max(LV/A1,LV/A2))的等级值与上述同样地把催化剂装置3的劣化状态划分成等级0～2的三个阶段进行判别。

此外，例如在只要能够把催化剂装置3的劣化状态划分成图5的劣化等级0和劣化等级1来判别就足够了的场合(例如在劣化等级1内把催化剂装置3作为耐用界限更换成新品的场合)，也可以进行仅基于识别增益系数 的劣化状态的判别。在此一场合，例如，对应于排气的大流量区如前所述求出的前述劣化判别用数据B1/H，和对应于中流量区如前所述求出的前述劣化判别用数据B1/M的任何一方，或者两者分别超过对应的阈值X/B1H2、X/B1M2(参照图5(c))的场合，把催化剂装置3的劣化等级判断成“1”。而且，在这以外的场合，把催化剂装置3的劣化等级判断成“0”就可以了。

或者，例如如果用前述表3中所示的暂定劣化等级LV/B1，则也可以把直到图5的等级1的劣化等级划分成三个阶段进行判别。此外，关于识别增益系数

在图5(c)中可以看到，如果催化剂装置3的劣化的进展进展到某种程度，则识别增益系数

或者与之相对应的劣化判别用数据B1/H、B1/M的值从增加倾向转变成减少倾向(B1/H、B1/M的值在催化剂装置3的劣化的进展中途成为极大值)。因此，仅按照劣化判别用数据B1/H、B1/M的值和与之对应地确定的图5(c)的阈值X/B1H1、X/B1H2、X/B1M1、X/B1M2的比较结果无法把催化剂装置3的劣化状态划分成例如图5的劣化等级0～3的四个阶段进行判断。然而，如果采用例如如下的手法，则仅基于识别增益系数

还可以把催化剂装置3的劣化状态划分成例如图5的劣化等级0～3的四个阶段进行判断。下面把这作为本发明的第3实施例进行说明。

也就是说，在此一场合，每当通过例如图18或者图20的步骤6-1～6-5的处理重新求出与识别增益系数

相对应的劣化判别用数据B1/H、B1/M，就实行图22的程序框图中所示的处理。

在此一处理中，首先把新求出的劣化判别用数据B1/H的值，与保持催化剂装置3的从新品状态到当前所求出的劣化判别用数据B1/H的最大值的参数PK/B1H(以下称为最大值参数PK/B1H)的当前值进行比较(步骤101)。再者，最大值参数PK/B1H的初始值可以为例如“0”。

此时，如果B1/H＞PK/B1H，则把最大值参数PK/B1H更新成新的劣化判别用数据B1/H(步骤102)，进而把分别由“1”、“0”来表示劣化判别用数据B1/H的值是否成为极大值的标志f/B1H/PK的值取为“0”(步骤103)。

此外，在B1/H≤PK/B1H的场合，进而判断劣化判别用数据B1/H的值是否比当前的最大值参数PK/B1H小得超过规定量ΔH(＞0)(步骤104)。此时，如果是B1/H＜PK/B1H-AH，则劣化判别用数据B1/H的值成为极大值，把标志f/B1H/PK的值取为“1”(步骤105)。另一方面，在B1/H≥PK/B1H-ΔH的场合，在劣化判别用数据B1/H的值的增加倾向中，由于考虑到劣化判别用数据B1/H的值由于噪声等暂时地减少的状况，所以转到前述步骤103，把标志f/B1H/PK的值取为“0”。

接着，关于劣化判别用数据B1/M也进行与上述完全相同的处理，进行与该劣化判别用数据B1/M相对应的最大值参数PK/B1M的更新，和标志f/B1M/PK的值的设定(步骤106～110)。在此一场合在步骤109里用的AM相当于前述步骤104里用的规定量ΔH，该步骤109的判断处理与前述步骤104的判断处理的场合同样，在劣化判别用数据B1/M的值的增加倾向中，排除在该劣化判别用数据B1/M的值暂时地减少的场合错误地把标志f/B1M/PK的值设定成“1”(劣化判别用数据B1/M的值可以看成极大值)。

再者，最大值参数PK/B1H、PK/B1M和标志f/B1H/PK、f/B1M/PK的值储存保持在未画出的非易失存储器中，以便即使在发动机1的运行停止状态下也不丢失。

通过以上的处理，各劣化判别用数据B1/H、B1/M是否成为极大值的信息，分别作为标志f/B1H/PK、f/B1M/PK的值被储存保持。

接着判断标志f/B1H/PK、f/B1M/PK的值是否两者皆为“1”(步骤111)，在该两者皆为“1”的场合，把分别由“1”、“0”来表示劣化判别用数据B1/H、PK/B1M是否两者都成为极大值的标志f/B1/PK的值设定成“1”(步骤112)。此外，在步骤109的条件不成立的场合，把标志f/B1/PK的值设定成“0”(步骤113)。再者，此一标志f/B1/PK的值也储存保持在未画出的非易失存储器中。

另一方面，如上所述，除了设定标志f/B1/PK的值之外，与前述实施例的场合同样，按照前述表3逐次求出暂定劣化等级LV/B1。而且根据此一暂定劣化等级LV/B1和前述标志f/B1/PK，下面表6来确定催化剂装置3的劣化等级。【表6】

f/B1/PK	0	0或1	1	1
					LV/B1	0或1	2	1	0
劣化等级	0	1	2	3

通过以上这种处理，仅基于识别增益系数

就可以把催化剂装置3的劣化状态划分成图5的劣化等级0～3等四个阶段进行判断。

再者，也可以综合这种处理产生的判别结果，和基于识别增益系数

或者

的前述判别结果，最终地判别催化剂装置3的劣化状态。

此外，虽然在前述各实施例中，把催化剂装置3的劣化状态(劣化等级)划分成四个阶段进行判断，但是通过例如进一步增多与各劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M进行比较的阈值，也可以划分成更多的劣化等级来判别催化剂装置3的劣化状态。

此外，虽然在前述各实施例中，基本上基于各劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M的值的大小来判别催化剂装置3的劣化状态，但是基于这些劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M的变化特性来判别催化剂装置3的劣化状态也是可能的。例如劣化判别用数据A1/H、A1/M如图5(a)中所示对于催化剂装置3的劣化的进展的增加率(图5(a)的曲线的切线斜率)逐渐变小。因此，例如如果每当重新求出劣化判别用数据A1/H、A1/M就求出其最新值与前次值的变化量，则该变化量的大小随着催化剂装置3的劣化的进展而变小。因而，也可以基于此一变化量来判别催化剂装置3的劣化状态。此外，因为劣化判别用数据B1/H、B1/M如前所述成为极大值，故在可以把催化剂装置3的劣化状态划分成例如劣化判别用数据B1/H、B1/M的两者或者任何一方成为极大值前的状态，和成为极大值后的状态来判断的场合，也可以由如前述图20中说明的那样设定的标志f/B1H/PK、f/B1M/PK或者f/B1/PK的值来判别催化剂装置3的劣化状态。

此外，虽然在前述实施例中，把劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M取为对各识别增益系数

实施求出其最小二乘中心值的滤波处理者，但是作为劣化判别用数据使用例如对各识别增益系数 的数据实施求出其平均值或者加权平均值这样的滤波处理者也是可能的。

进而虽然在前述实施例中，为了判别催化剂装置3的劣化状态使用对各识别增益系数

的数据实施了滤波处理的劣化判别用数据A1/H、A1/M、A2/H、A2/M、B1/H、B1/M，但是在不需要很高的催化剂装置3的劣化状态的判别精度的场合，也可以原封不动地使用各识别增益系数

来判别催化剂装置3的劣化状态。

在此一场合，在前述实施例或上述各变形例中，用在与之对应的排气的流量区中得到的识别增益系数

来代替劣化判别用数据A1/H、A1/M。同样，用在与之对应的排气的流量区中得到的识别增益系数

来代替劣化判别用数据A2/H、A2/M，此外用在与之对应的排气的流量区中得到的识别增益系数

来代替劣化判别用数据B1/H、B1/M。而且，如在前述实施例或上述各变形例中所说明的那样，通过把这些识别增益系数

的值与适当的阈值进行比较等，就可以判别催化剂装置3的劣化状态(确定劣化等级)。

此外，虽然在前述实施例中，划分成排气的大流量区和中流量区的两类而求出劣化判别用数据，但是也可以划分成更多的流量区。或者，在进行发动机1所生成的排气流量局限于某个狭窄的区域的发动机1的运行的场合，也可以不划分排气的流量区而求出劣化判别用数据，基于该劣化判别用数据来判别催化剂装置3的劣化状态。

此外，虽然在前述实施例中，由式(1)来表达对象排气系E的模型(排气系模型)，但是也可以由例如省略第二次的自回归项(VO2(k-1)的项)，或者包含更多的自回归项(例如追加包含VO2(k-2)的项)的公式来表达排气系模型。

此外，虽然在前述实施例中，把用来判别催化剂装置3的劣化状态的对象排气系E的模型与用来控制发动机1的空燃比的(计算目标空燃比KCMD)的对象排气系E的模型取为相同的，由同一个识别器25来识别该模型的参数(增益系数)a1、a2、b1，但是也可以单独地设定分别使用的对象排气系E的模型，由各自的识别器来识别这些模型的参数。

此外，虽然在前述实施例中，一边把发动机1的空燃比控制成能够得到催化剂装置3的最佳净化性能的空燃比，一边判别催化剂装置3的劣化状态，但是没有必要在判别该劣化状态之际一定如上所述控制发动机1的空燃比，即使在按其他形态来进行发动机1的运行的状态下，只要识别排气系模型的参数(增益系数)a1、a2、b1，就可以基于该识别值来判别催化剂装置3的劣化状态。

此外，虽然在前述实施例中，用自适应滑动模式控制来进行发动机1的目标空燃比KCMD的计算，但是也可以用普通的滑动模式控制(不用自适应规则者)进行目标空燃比KCMD的计算。

进而，虽然在计算该目标空燃比KCMD之际由推断器26来补偿前述合计无用时间的影响，但是在对象排气系E或空燃比操作系的无用时间小到可以忽视的场合，也可以省略推断器26。在此一场合，滑动模式控制器27或识别器25的运算处理可以取为d=d1=0来进行。

此外，虽然在前述实施例中，把O₂传感器6用作第2排气传感器，但是在确保催化剂装置3的想要的净化性能方面，只要是能够检测应该控制的催化剂装置下游的排气的指定成分的浓度的传感器，第2排气传感器也可以用其他传感器。也就是说，例如在控制催化剂装置下游的排气中的一氧化碳(CO)的场合用CO传感器，在控制氮氧化物(NO_x)的场合用NO_x传感器，在控制碳氢化合物(HC)的场合用HC传感器。在使用三元催化剂装置的场合，检测上述任何一种气体成分的浓度也可以最大限度地发挥催化剂装置的净化性能地进行控制。此外，在使用还原催化剂装置或氧化催化剂装置的场合，通过直接检测打算净化的气体成分可以实现净化性能的提高。

进而，在判别催化剂装置3的劣化状态方面，也可以把除了LAF传感器5以外的排气传感器用作第1排气传感器，与第2排气传感器同样，使用CO传感器、NO_x传感器、HC传感器等是可能的。在此一场合，第1和第2排气传感器，在与前述实施例同样地进行给对象排气系E建模，识别该模型的参数时，可以选定在该识别值与催化剂装置的劣化状态之间有比较显著的相关性者。

此外，虽然在前述实施例中，在识别器25、推断器26、滑动模式控制器27的运算处理中用LAF传感器5的偏差输出kact或O₂传感器6的偏差输出VO2、目标偏差空燃比kcmd，但是原封不动地使用LAF传感器5的输出KACT或O₂传感器6的输出VO2/OUT、目标空燃比KCMD来进行识别器25、推断器26、滑动模式控制器27的运算处理也是可能的。进而，偏差输出kact或与目标空燃比KCMD有关的前述基准值FLAF/BASE也没有必要一定取为一定值，也可以根据发动机1的转速NE或吸气压力PB等来设定该基准值FLAF/BASE。

此外，虽然在前述实施例中，为了可靠地确保催化剂装置3的最佳净化性能，用识别器25、推断器26和滑动模式控制器27来计算目标空燃比KCMD，此外用自适应控制器18来反馈控制发动机1的空燃比，但是在不那么要求催化剂装置3的净化性能的场合，也可以由一般的PID控制来进行目标空燃比KCMD的计算或发动机1的空燃比的反馈控制。

此外，虽然在前述实施例中，为了在图5的劣化等级3中促使催化剂装置3的更换，进行由劣化报告器29进行的报告，但是进行这种报告的定时，只要考虑到判别劣化状态的催化剂装置的种类、能力等来确定就可以了。进而也可以在催化剂装置3的各劣化等级中，分别进行单独的报告。

进而虽然在前述实施例中示出判别配备在发动机1的排气管2上的催化剂装置3的劣化状态者，但是在判别催化剂装置3的单体的劣化状态这样的场合，一边把通过由发动机1之外的燃烧机械燃烧与发动机1相同的混合气而生成的排气供给到催化剂装置3，一边判别该催化剂装置3的劣化状态也是可能的。

工业实用性

像以上这样，本发明的排气净化用催化剂装置的劣化判别方法，作为用来判别内燃机等燃烧机械的排气净化用的催化剂装置的劣化状态的手法是有用的，特别是，特别是作为判别装设在汽车或混合型车等上的催化剂装置的劣化状态的手法是合适的。

Claims (32)

1．一种排气净化用催化剂装置的劣化判别方法，是判别净化由燃料和空气的混合气的燃烧所生成的排气的催化剂装置的劣化状态的方法，其特征在于包括：

在前述催化剂装置的上游侧和下游侧分别配置产生与排气的成分相对应的输出的第1排气传感器和第2排气传感器而成的排气通路中，从其上游侧供给由前述混合气的燃烧生成的排气的排气供给过程；

在向前述排气通路供给排气时采集前述第1和第2排气传感器各自的输出数据的检测过程；

以前述排气通路中的前述第1排气传感器到第2排气传感器的包含前述催化剂装置在内的排气系为对象，针对作为表现该对象排气系的行为者预先建立的该对象排气系的模型，基于在前述检测过程中采集的前述第1和第2排气传感器的输出数据来识别该模型的应该设定的至少一个参数的值的识别过程；以及

基于在该识别过程中求出的前述参数的识别值的数据来判别前述催化剂装置的劣化状态的劣化判别过程。

2．权利要求1所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述第1排气传感器是产生表示生成进入前述催化剂装置的排气的前述混合气的空燃比的输出的传感器，前述第2排气传感器是产生表示通过前述催化剂装置的排气中的指定成分的含量的输出的传感器。

3．权利要求1所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述催化剂装置是设在在内部燃烧前述混合气的内燃机的排气通路上的催化剂装置。

4．权利要求2所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述催化剂装置是设在在内部燃烧前述混合气的内燃机的排气通路上的催化剂装置。

5．权利要求4所述的排气净化用催化剂装置的劣化判别方法，其特征在于，备有在向前述排气通路供给前述内燃机的运行产生的排气时控制内燃机的空燃比以便使前述第2排气传感器的输出收敛于规定的目标值的空燃比控制过程，前述识别过程和劣化判别过程与该空燃比控制过程并行地进行。

6．权利要求5所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述空燃比控制过程由计算前述内燃机的目标空燃比以便使前述第2排气传感器的输出收敛于前述目标值的过程，和反馈控制该内燃机的空燃比以便使由前述第1排气传感器的输出来表示的空燃比收敛于前述目标空燃比的过程来构成。

7．权利要求6所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述目标空燃比由滑动模式控制器来计算。

8．权利要求6或7所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述目标空燃比用在前述识别过程中求出的前述参数的识别值数据通过预先确定的算法来计算。

9．权利要求6所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述内燃机的空燃比的反馈控制由渐变式形式的控制器来进行。

10．权利要求1所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述模型是作为从前述第1排气传感器的输出经由响应延迟要素和/或无用时间要素生成前述第2排气传感器的输出的系统用离散时间系来表示前述对象排气系的模型，作为前述识别过程中识别的前述参数包含与前述第1排气传感器的输出有关的系数和与前述第2排气传感器的输出有关的系数当中的至少一个。

11．权利要求10所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述识别过程由一边逐次更新前述参数值以便使前述模型上的前述第2排气传感器的输出与该第2排气传感器的实际输出之间的误差减至最小一边识别的算法来构成，在计算前述误差之际对前述模型上的第2排气传感器的输出与该第2排气传感器的实际输出实施同一通频特性的滤波。

12．权利要求10所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述识别过程根据前述对象排气系的指定的行为来进行识别前述参数值的处理。

13．权利要求12所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述识别过程基于由前述第2排气传感器的输出的现在以前的规定数的时间序列数据确定的规定的函数值，来认知前述排气系的指定的行为。

14．权利要求1或10所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述识别过程包括对前述参数的识别值实施限制处理的过程。

15．权利要求1或10所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述识别过程把前述第1排气传感器的实际输出与规定的基准值的偏差和前述第2排气传感器的实际输出与规定的基准值的偏差分别用作前述第1和第2排气传感器的输出数据并基于该数据来计算前述参数的识别值。

16．权利要求1所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述劣化判别过程把对前述参数的识别值数据实施规定的滤波处理而生成的数据用作前述催化剂装置的劣化状态的判别用数据。

17．权利要求16所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述滤波处理是求出前述参数的识别值数据的最小二乘中心值的处理。

18．权利要求16所述的排气净化用催化剂装置的劣化判别方法，其特征在于，在前述识别过程中备有在识别前述参数值之际划分成预先确定的多个区域来掌握供给到前述排气通路的排气流量的过程，前述劣化判别过程在该排气流量的每个区域中单独地对与各区域相对应的前述参数的识别值数据实施前述滤波处理而生成前述判别用数据，并且用对应于该排气流量的至少一个区域而生成的前述判别用数据来判别前述催化剂装置的劣化状态。

19．权利要求1所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述劣化判别过程基于前述参数的识别值的数据值的大小和/或该数据值随着前述催化剂装置的劣化的进展的变化特性来判别前述催化剂装置的劣化状态。

20．权利要求16所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述劣化判别过程基于前述判别用数据的值的大小和/或该判别用数据的值随着前述催化剂装置的劣化的进展的变化特性来判别前述催化剂装置的劣化状态。

21．权利要求10所述的排气净化用催化剂装置的劣化判别方法，其特征在于，在前述识别过程中识别的前述参数包含与前述第1排气传感器的输出有关的系数，前述劣化判别过程基于与该第1排气传感器的输出有关的系数的识别值数据或者对该识别值数据实施规定的滤波处理而生成的数据的值的大小，和与随着前述催化剂装置的劣化的进展而在该数据的值中产生的极值有关的信息来判别催化剂装置的劣化状态。

22．权利要求10所述的排气净化用催化剂装置的劣化判别方法，其特征在于，在前述识别过程中识别的前述参数包含与前述第2排气传感器的输出有关的系数，前述劣化判别过程基于与前述第2排气传感器的输出有关的系数的识别值数据或者对该识别值数据实施规定的滤波处理而生成的数据的值的大小来判别催化剂装置的劣化状态。

23．权利要求1或16所述的排气净化用催化剂装置的劣化判别方法，其特征在于，在前述识别过程中识别的前述模型的参数有多个，前述劣化判别过程基于该多个参数的识别值数据来判别前述催化剂装置的劣化状态。

24．权利要求23所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述劣化判别过程基于前述多个参数各自的识别值数据单独地暂定性地判别前述催化剂装置的劣化状态之后，综合该各参数每个的判别结果来确定该催化剂装置的劣化状态的判别结果。

25．权利要求1或16所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述劣化判别过程把前述催化剂装置的劣化状态划分成多个劣化程度来进行判别。

26．权利要求1所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述劣化判别过程备有基于前述第1排气传感器的输出数据和第2排气传感器的输出数据当中的至少一个来判断在前述识别过程中所求出的前述参数的识别值是否适合用于前述催化剂装置的劣化状态的判别的过程，基于判断为适合的前述参数的识别值来判别前述催化剂装置的劣化状态。

27．权利要求3所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述劣化判别过程备有基于前述第1排气传感器的输出数据、第2排气传感器的输出数据和前述内燃机的吸气量状态当中的至少一个来判断在前述识别过程中所求出的前述参数的识别值是否适合用于前述催化剂装置的劣化状态的判别的过程，基于判断为适合的前述参数的识别值来判别前述催化剂装置的劣化状态。

28．权利要求3所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述内燃机是作为车辆的推进源装设在车辆上的内燃机，前述劣化判别过程备有基于前述第1排气传感器的输出数据、第2排气传感器的输出数据、前述内燃机的吸气量状态和前述车辆的车速状态当中的至少一个来判断在前述识别过程中所求出的前述参数的识别值是否适合用于前述催化剂装置的劣化状态的判别的过程，基于判断为适合的前述参数的识别值来判别前述催化剂装置的劣化状态。

29．权利要求26所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述参数的识别值是否适合用于前述催化剂装置的劣化状态的判别的判断，根据采集用来求出该识别值的前述第1和第2排气传感器的输出数据之际的该第1排气传感器的输出和第2排气传感器的输出当中的至少一个是否大体上维持一定来进行。

30．权利要求27所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述参数的识别值是否适合用于前述催化剂装置的劣化状态的判别的判断，根据采集用来求出该识别值的前述第1和第2排气传感器的输出数据之际的该第1排气传感器的输出、第2排气传感器的输出、以及前述内燃机的吸气量当中的至少一个是否大体上维持一定来进行。

31．权利要求28所述的排气净化用催化剂装置的劣化判别方法，其特征在于，前述参数的识别值是否适合用于前述催化剂装置的劣化状态的判别的判断，根据采集用来求出该识别值的前述第1和第2排气传感器的输出数据之际的该第1排气传感器的输出、第2排气传感器的输出、前述内燃机的吸气量、以及前述车辆的车速当中的至少一个是否大体上维持一定来进行。

32．权利要求1所述的排气净化用催化剂装置的劣化判别方法，其特征在于，备有进行与前述劣化判别过程得出的前述催化剂装置的劣化状态的判别结果相对应的报告的过程。

Images