CN1776551A - 控制设备的控制装置及方法 - Google Patents

Abstract

本发明提供了一种模型化设备的控制设备的控制装置及方法。该模型化设备由基于设备的输入输出、模型参数以及施加在设备上的干扰的估计值的模型式来表达。模型式包括干扰估计值与至少一个模型参数相乘的项。对模型参数进行辨识。计算干扰估计值，以使根据模型式算出的模型的输出与设备的实际输出之间的偏差最小。根据模型式算出应施加在设备上的上述输入，以控制设备。这样，在不利用模型参数进行运算的情况下，将干扰估计值反映在对该设备的输入中。

Description

控制设备的控制装置及方法

技术领域

本发明涉及控制设备的装置。

背景技术

曾提出有使用模型参数来对模型化的控制对象(也称为设备)进行控制的技术。考虑到有可能施加在设备上的干扰，可以在该设备的模型式中包含干扰的估计值。

根据下述专利文献1所记载的控制技术，根据与这些模型参数相关的状态参数(例如节气门的开度)预定该模型参数的基准值。控制装置中引入有辨识器，辨识器根据该预定的模型参数(预定模型参数)，递归地辨识模型参数和干扰估计值。使用所辨识的模型参数和干扰估计值，计算向设备的控制输入。该技术具有如下优点：可以针对状态参数的变化使模型参数收敛于最佳值，同时使延迟最小。

专利文献1：特开2003-5804号公报

根据设备的种类，为了使设备的实际输出良好地收敛于目标值，存在必需对应于状态参数的变化较大程度地变化的模型参数。由于这种模型参数的变化，有时干扰估计值会产生很大的变动。

例如，在递归地辨识模型参数和干扰估计值的情况下，当该模型参数的辨识速度与干扰估计值的辨识速度不同时，由于该模型参数的变化，干扰估计值可能变动很大。另外，在根据预定模型参数递归地辨识该模型参数的情况下，当根据状态参数的变化变更该预定参数的值时，干扰估计值可能变动很大。

由于干扰估计值的这种变动，与控制输入中的干扰估计值有关的项发生变动，因此，可能会使模型的输出与设备的实际输出之间产生稳态偏差。要抑制这种稳态偏差，就需要减小模型参数的变化量，这可能会有损于上述优点。

因此，需要如下的控制装置，其可以使模型参数向最佳值的收敛时间为最小，同时能够抑制由于干扰估计值的变动而引起的稳态偏差。

发明内容

根据本发明的一个方面，提供一种控制模型化设备的装置和方法。该模型化设备由基于对该设备的输入、该设备的输出、模型参数、以及施加在该设备上的干扰的估计值的模型式来表达。该模型式包括该干扰估计值与至少一个该模型参数相乘的项。对模型参数进行辨识。计算干扰估计值，使得根据模型式计算的该模型的输出与设备的实际输出之间的偏差最小。根据模型式计算应施加在设备上的上述输入，以控制该设备。通过根据包括上述干扰估计值与至少一个模型参数相乘的项的上述模型式计算对上述设备的输入，在不利用模型参数进行运算的情况下，将干扰估计值反映在对该设备的输入中。

通过在模型式中包含干扰估计值与模型参数相乘的项，可以不利用模型参数进行运算而将干扰估计值反映在对该设备的输入中，因此可以避免模型参数的变动影响干扰估计值。所以，可以防止因干扰估计值的变动而产生稳态偏差。

根据本发明的一个实施方式，对模型参数进行辨识，使得根据模型式计算的该模型的输出与设备的实际输出之间的偏差最小。

根据本发明的另一个实施方式，模型参数包括至少一个预定模型参数，该预定模型参数具有根据设备的状态预先确定的值。可以将该预定模型参数保存到存储装置中。可以抽出与设备的状态对应的预定模型参数。

根据本发明的另一个实施方式，对抽出的预定模型参数进行校正，使得根据模型式计算的该模型的输出与所述设备的实际输出之间的偏差最小，以辨识模型参数。

根据本发明的另一个实施方式，根据设备的状态，预先确定干扰估计值的基准值。根据所检测的设备状态抽出干扰估计值的基准值。根据该干扰估计值的基准值计算干扰估计值。

在本发明的一个实施方式中，设备为可以改变内燃机的凸轮相位的可变相位机构。在另一实施方式中，设备为可以改变内燃机的气门的升程量的可变升程机构。另外，在另一实施方式中，设备为可以改变内燃机的压缩比的可变压缩比机构。

附图说明

图1是概略表示本发明的一个实施例的发动机及其控制装置的图。

图2是表示本发明的一个实施例的可变相位机构。

图3是表示本发明的第一实施例的控制装置的方框图。

图4是用于计算本发明的第一实施例的预定模型参数的映射图。

图5是表示本发明的一个实施例的响应指定型控制的(a)切换线和对应于(b)响应指定参数的收敛速度。

图6是表示现有控制技术的各参数的动作的图。

图7是表示本发明的一个实施例的控制技术的各参数的动作的图。

图8是表示本发明的第二实施例的控制装置的方框图。

图9是用于计算本发明的第二实施例的预定模型参数的映射图。

图10是表示本发明的第三实施例的控制装置的方框图。

图11是表示本发明的第三实施例的虚拟设备的结构的图。

图12是表示本发明的第四实施例的控制装置的方框图。

图13是表示本发明的第五实施例的控制装置的方框图。

图14是用于计算本发明的第五实施例的预定模型参数的映射图。

图15是表示本发明的第六实施例的控制装置的方框图。

图16是用于计算本发明的第六实施例的预定模型参数的映射图。

具体实施方式

下面，参照附图对本发明的实施方式进行说明。图1是表示本发明的实施方式的内燃机(以下称为发动机)及其控制装置的方框图。

电子控制单元(以下称为“ECU”)1包括：输入接口1a，其接收从车辆各部发送来的数据；CPU 1b，其执行用于进行车辆各部的控制的运算；存储器1c，其具有只读存储器(ROM)和随机存取存储器(RAM)；以及输出接口1d，其向车辆各部发送控制信号。在存储器1c的ROM中，保存有用于进行车辆各部的控制的程序和各种数据。本发明的控制用程序保存在该ROM中。ROM可以是EPROM那样的可重写的ROM。在RAM中，设有用于CPU 1b进行运算的作业区域。从车辆各部发送来的数据和发送至车辆各部的控制信号被临时存储在RAM中。

发动机2是4缸4冲程的发动机，在图中，概略地示出了其中一个气缸。发动机2通过进气门3与进气管4连接，通过排气门5与排气管6连接。按照来自ECU 1的控制信号喷射燃料的燃料喷射阀7设置在进气管4上。在燃烧室8中设有按照来自ECU 1的点火正时信号打火的火花塞9。

发动机2将从进气管4吸入的空气与从燃料喷射阀7喷射的燃料的混合气吸入到燃烧室8中，并通过火花塞的火花点燃该混合气。通过该燃烧，使混合气的体积增大，向下推动活塞10。活塞10的往复运动转换成曲轴11的旋转运动。

发动机2中设有曲柄角传感器17。曲柄角传感器17随着曲轴11的旋转向ECU 1输出作为脉冲信号的CRK信号和TDC信号。

CRK信号是在规定的曲柄角处(例如每到30度)输出的脉冲信号。ECU 1根据该CRK信号计算发动机2的转速NE。TDC信号是在与活塞10的TDC位置(上死点)相关联的曲柄角处输出的脉冲信号。

凸轮角传感器22与ECU 1连接。凸轮角传感器22随着凸轮轴(未图示)的旋转，每到规定凸轮角向ECU 1输出作为脉冲信号的CAM信号，其中凸轮轴通过进气凸轮与进气门3连接。

在该实施例中，发动机有4个气缸，向每个气缸发送TDC信号。因此，每当曲轴11旋转90度就可以获得TDC信号。另一方面，每当凸轮轴旋转90度可以取得CAM信号。ECU 1根据该TDC信号的接收，计算该凸轮轴旋转90度时取得的CAM信号相对于该TDC信号的相位差，即，凸轮轴相对于曲轴11的实际相位CAIN。

发动机水温(TW)传感器23安装在发动机2的气缸体的充满冷却水的气缸周壁(未图示)上，其检测发动机冷却水的温度TW，并将该温度TW发送给ECU 1。

油门踏板开度(AP)传感器24与ECU 1连接。油门踏板开度传感器24检测油门踏板的开度，并将其发送给ECU 1。

可变相位机构(称为VTC)27是可以按照来自ECU 1的控制信号改变进气门3的开闭定时的机构。可变相位机构27可以通过任意的现有技术来实现。当然，可变相位机构27可以构成为也能够改变排气门5的相位。在本实施例中使用的可变相位机构27的一例将参照图2在后面进行叙述。

向ECU 1发送的信号被传递给输入接口1a，并进行模拟-数字转换。CPU 1b按照保存在存储器1c中的程序对转换后的数字信号进行处理，并生成用于发送给车辆致动器的控制信号。输出接口1d将这些控制信号发送给燃料喷射阀7、火花塞9、可变相位机构27、以及其它机械要素的致动器。

图2表示本发明的一个实施例的可变相位机构27。图2(a)表示可变相位机构27的侧视图。可变相位机构27具有行星齿轮机构31和电磁制动机构32。图2(b)表示行星齿轮机构31的正视图，图2(c)表示电磁制动机构32的正视图。

行星齿轮机构31包括：与凸轮轴30连接的齿圈41，与链轮33(其通过链条等与曲轴11连接，传递来自曲轴11的旋转力)连接的行星架42，以及与电磁制动机构32连接的太阳轮43。多个行星轮44可以旋转地支承在行星架42上，并与齿圈41和太阳轮43啮合。

电磁制动机构32具有永久磁铁51、电磁铁52以及复位弹簧34。永久磁铁51在图中用点阴影区域表示，并且该永久磁铁51配置为S极与N极交互排列。永久磁铁51通过连接部件与太阳轮43连接。在永久磁铁51的外侧，如在图中竖线阴影区域表示的那样配置有电磁铁52。电磁铁52与致动器(未图示)连接，通过控制向电磁铁52的通电可以在N和S之间切换电磁铁52的磁性。复位弹簧34连接在太阳轮43的连接部件和行星架42的连接部件之间。

当通过致动器切断向电磁铁52的通电时，当行星架42随着链轮33的旋转向箭头61的方向旋转时，齿圈41随着该行星架42的旋转向箭头62的方向旋转，由此，凸轮轴30旋转。太阳轮43向箭头63所示方向自由旋转。在该状态下，凸轮的相位相对于链轮为最滞后。

当通过致动器对电磁铁52进行通电，使得电磁铁的52a和52b的部分为N极，52c和52d的部分为S极时，永久磁铁51的N极和S极部分与电磁铁的S极和N极部分分别相吸引。结果，向太阳轮43的连接部件施加制动力65以克服复位弹簧34的弹推力。

行星架42的旋转速度被链轮33的旋转速度所限制。通过制动力65，太阳轮43相对于行星架42的相对旋转速度增大。根据行星齿轮的动作原理，当太阳轮43相对于行星架42的相对旋转速度增加时，齿圈41相对于行星架42的相对旋转速度增加。即，凸轮轴30相对于链轮33的相对旋转速度增大。结果，凸轮轴30的旋转相对于链轮33向超前方向移动。

这样，利用向电磁铁52的通电量来控制对太阳轮43的制动力，由此可以将凸轮轴30的相位控制成所希望的值。致动器从ECU 1接收目标相位，并控制向电磁铁的通电量以达到该目标相位。

现有控制技术的一例

为了加深对本发明的理解，对使用现有控制技术来计算向设备的控制输入的技术进行说明。

图3是表示现有技术的控制设备的装置的一例的方框图。调度器102、自适应干扰观测器103和控制器104的功能由ECU 1来实现。在一个实施方式中，这些功能比较典型的是通过存储在ECU 1的存储器1c中的一个或多个计算机程序来实现的。也可以通过软件、硬件、固件、或者它们的组合代替上述程序来实现这些功能。

这里，设备101例如为图2所示的可变相位机构27，对可变相位机构27的控制输入Ucain为用于对电磁铁52进行通电的控制信号。控制输出为上述的实际相位CAIN。设备101可以用式(1)的模型式表达。k表示控制周期。

CAIN(k+1)＝a1·CAIN(k)+a2·CAIN(k-1)+b1·Ucain(k)+b2·Ucain(k-1)(1)

a1、a2、b1和b2为模型参数。有时会有干扰施加在设备101上。当用c1表示该干扰时，式(1)的模型式用式(2)表达。c1称为干扰估计值。

CAIN(k+1)＝a1·CAIN(k)+a2·CAIN(k-1)+b1·Ucain(k)+b2·Ucain(k-1)+c1(2)

对应于发动机运转状态的模型参数作为表或者映射图预先存储在ECU 1的存储器1c中。图4(a)表示该映射图的一例。调度器102根据所检测的发动机转速NE参照该映射图，抽出与该转速NE对应的预定模型参数a1sc_map、a2sc_map、b1sc_map和b2sc_map。如式(1-1)和(1-2)所示，调度器102将抽出的预定模型参数a1sc_map、a2sc_map分别代入到模型参数a1和a2中。调度器102还根据所检测的相位CAIN，参照图4(b)所示的映射图，抽出增益Kbsc。通过将预定模型参数b1sc_map和b2sc_map与增益Kbsc相乘来计算模型参数b1和b2(式(1-3)和(1-4))。这样，通过在映射图中预先确定模型参数，可以快速地辨识模型参数。

a1(k)←a1sc_map(k)       (1-1)

a2(k)←a2sc_map(k)       (1-2)

b1(k)←b1sc_map×Kbsc(k) (1-3)

b2(k)←b2sc_map×Kbsc(k) (1-4)

自适应干扰观测器103递归地计算干扰估计值c1。在该例中，使用递归型最小二乘法来计算干扰估计值c1。式(1-11)～式(1-15)表示计算式。

$c1\left(k\right)=c1(k-1)+\frac{\mathrm{Pdov}}{1+\mathrm{Pdov}}e\_\mathrm{dov}\left(k\right)---(1-11)$

e_dov(k)＝CAIN(k)-CAIN_hat(k)                      (1-12)

CAIN_hat(k)＝θ^T(k)ζ(k)                           (1-13)

θ^T(k)＝[a1(k)a2(k)b1(k)b2(k)c1(k-1)]              (1-14)

ζ^T(k)＝[CAIN(k-1)CAIN(k-2)Ucain(k-1)Ucain(k-2)1]  (1-15)

Pdov为辨识增益，具有预先确定的值。e_dov表示实际相位的当前值CAIN(k)与根据模型式(2)计算的相位估计值CAIN_hat(k)之间的偏差。即，e_dov表示设备的实际输出与模型的输出之间的偏差。自适应干扰观测器103使用递归型最小二乘法来求出使该偏差e_dov最小的干扰估计值c1。由于最小二乘法为现有技术，因此省略详细说明。

控制器104根据代入了模型参数a1、a2、b1、b2以及干扰估计值c1的模型式(2)来计算控制输入Ucain。在该例中，使用2自由度响应指定型控制来计算控制输入。式(1-21)～式(1-26)表示计算式。

Ucain(k)＝Ueq(k)+Urch(k)   (1-21)

$\mathrm{Ueq}\left(k\right)=\frac{1}{b1\left(k\right)}\{(1-a1\left(k\right)-\mathrm{POLE})\mathrm{CAIN}\left(k\right)+(\mathrm{POLE}-a2\left(k\right))\mathrm{CAIN}(k-1)$

-b2(k)Ucain(k-1)-c1(k)

+CAIN_cmd_f(k)+(POLE-1)CAIN_cmd_f(k-1)

-POLE CAIN_cmd_f(k-2)}        (1-22)

$\mathrm{Urch}\left(k\right)=-\frac{\mathrm{Krch}}{b1\left(k\right)}\mathrm{\σ}\left(k\right)---(1-23)$

σ(k)＝Ecain(k)+POLE Ecain(k-1)     (1-24)

Ecain(k)＝CAIN(k)-CAIN_cmd_f(k-1)    (1-25)

CAIN_cmd_f(k)＝POLE_f·CAIN_cmd_f(k-1)+(1+POLE_f)CAIN_cmd(k)

                                      (1-26)

响应指定型控制是可以指定施加干扰时的控制量(在该例中为实际相位)向目标值的收敛速度和收敛动作的控制。2自由度响应指定型控制是响应指定型控制的扩展形式，其不仅能够指定该控制量的收敛速度，还能够单独指定该控制量对目标值的跟随速度。

对上述式进行说明，使用目标值响应指定参数POLE_f将一次延迟滤波器(低通滤波器)应用于目标值CAIN_cmd，由此计算新的目标值CAIN_cmd_f(式(1-26))。目标值响应指定参数POLE_f规定控制量相对于目标值的跟随速度，并且最好设定成满足关系式-1＜POLE_f＜0。根据目标值响应指定参数POLE_f的值来规定目标值CAIN_cmd_f的轨迹。通过将目标值设定成什么样的轨迹可以控制控制量向目标值的跟随速度。

并且，控制器104定义切换函数σ(式(1-24))。Ecain为实际相位CAIN与目标值CAIN_cmd_f之间的偏差(式(1-25))。切换函数σ规定该偏差Ecain的收敛动作。POLE为用于抑制干扰的响应指定参数，其规定施加干扰时的偏差Ecain的收敛速度。该响应指定参数POLE最好设定成满足-1＜POLE＜0。

这里，对切换函数σ和响应指定参数POLE进行说明。在2自由度响应指定型控制中，确定控制输入Ucain使得切换函数σ为0。

式(1-27)表示没有输入的一次延迟系统。即，2自由度响应指定型控制对控制量Ecain进行控制，从而使其约束于式(1-27)所示的一次延迟系统。

图5(a)表示纵轴具有Ecain(k)和横轴具有Ecain(k-1)的相位平面。在相位平面中，示出了由式(1-27)表现的切换线71。若假定点72为状态量(Ecain(k-1)，Ecain(k))的初始值，则2自由度响应指定型控制将该状态量置于切换线71上，并将其限制在该切换线71上。这样，由于状态量约束于没有输入的一次延迟系统，因此随着时间的经过，状态量自动地收敛于相位平面的原点(即，Ecain(k)，Ecain(k-1)＝0)。通过将状态量限制在切换线71上，可以不受干扰影响而使状态量收敛于原点。

图5(b)的标号73、74和75表示用于抑制干扰的响应指定参数POLE分别为-1、-0.8、-0.5的情况下的偏差Ecain的收敛速度。随着响应指定参数POLE的绝对值的变小，偏差Ecain的收敛速度加快。

式(1-22)表示的等价控制输入Ueq进行将状态量限制在切换线上的动作。因此，必须满足式(1-28)。

σ(k+1)＝σ(k)       (1-28)

根据式(1-28)和上述的模型式(2)，如式(1-22)那样求出等价控制输入Ueq。

控制器104还计算到达律输入Urch(式(1-23))。到达律输入Urch是用于将状态量置于切换线71上的输入。Krch表示反馈增益。考虑到控制量的稳定性和快速响应性等，反馈增益Krch的值通过模拟等预先辨识。

控制器104将等价控制输入Ueq和到达律输入Urch相加，计算控制输入Ucain(式(1-21))。控制输入Ucain被施加在设备101上。

图6表示通过图3所示的控制装置来控制设备的情况下的各参数的动作。从时间t1到t2，发动机转速NE增大。随着该发动机转速NE的增大，模型参数b1也增大。在表示控制输入Ueq和Urch的式(1-22)和式(1-23)中，模型参数b1作为分母使用。由于模型参数b1的增大，控制输入Ucain减少，结果产生稳态偏差。虽然干扰估计值c1应该补偿该稳态偏差，但是由于只不过是将干扰估计值c1除以模型参数b1所得的值反映在控制输入Ucain中(参照式(1-22))，因此不能完全补偿该稳态偏差，结果，稳态偏差增大。这样，由于将干扰估计值c1除以模型参数b1所得的值(c1/b1)反映在控制输入Ucain中，因此有可能不能通过干扰估计值c1来补偿因设备的状态变化而产生的稳态偏差。本发明的目的在于抑制该稳态偏差。

实施例1

对本发明的第一实施例进行说明的同时，对本发明的原理进行说明。第一实施例的控制装置的结构与图3所示的装置相同。与以往的不同点在于由自适应干扰观测器103执行的干扰估计值c1的运算方法和由控制器104指定的等价控制输入Ueq的计算方法。对于该点进行叙述。

上述稳态偏差的产生是由于将干扰估计值c1除以模型参数b1所得的值反映在控制输入Ucain中所引起的。即，是由于干扰估计值c1没有直接反映在控制输入Ucain中，而在受到模型参数b1的影响的状态下反映在控制输入Ucain中引起的。

为了消除模型参数b1对干扰估计值c1的影响，如式(3)那样对模型式(2)进行重新定义。

CAIN(k+1)＝

a1·CAIN(k)+a2·CAIN(k-1)+b1·Ucain(k)+b2·Ucain(k-1)+b1·c1(3)

与式(2)的不同点在于，模型式包括干扰估计值c1与模型参数b1相乘的项。根据该模型式计算等价控制输入Ueq。该计算以与上述相同的方法执行。

$\mathrm{Ueq}\left(k\right)=\frac{1}{b1\left(k\right)}\{(1-a1\left(k\right)-\mathrm{POLE})\mathrm{CAIN}\left(k\right)+(\mathrm{POLE}-a2\left(k\right))\mathrm{CAIN}(k-1)$

-b2(k)Ucain(k-1)-b1(k)·c1(k)

+CAIN_cmd_f(k)+(POLE-1)CAIN_cmd_f(k-1)

-POLE CAIN_cmd_f(k-2)}

$=\frac{1}{b1\left(k\right)}\{(1-a1\left(k\right)-\mathrm{POLE})\mathrm{CAIN}\left(k\right)+(\mathrm{POLE}-a2\left(k\right))\mathrm{CAIN}(k-1)$

-b2(k)Ucain(k-1)

+CAIN_cmd_f(k)+(POLE-1)CAIN_cmd_f(k-1)

-POLECAIN_cmd_f(k-2)}-c1(k)      (1-31)

参照这样计算的等价控制输入Ueq，可知，可以不利用模型参数b1进行运算，即不受到模型参数b1的影响，而将干扰估计值c1直接反映在控制输入Ucain中。即使在模型参数b1随着设备的状态变化而急剧变化的情况下，干扰估计值c1也不会受到该模型参数b1的变动的影响。将干扰估计值c1计算成使稳态偏差最小的值，由于这种使该稳态偏差最小的值直接反映在控制输入中，因此可以迅速地补偿稳态偏差。

由于模型式改变，因此图3所示的自适应干扰观测器103的计算式变成下式。

$c1\left(k\right)=c1(k-1)+\frac{\mathrm{Pdov}\·b1\left(k\right)}{1+b1\left(k\right)\mathrm{Pdovb}1\left(k\right)}e\_\mathrm{dov}\left(k\right)---(1-41)$

e_dov(k)＝CAIN(k)-CAIN_hat(k)     (1-42)

CAIN_hat(k)＝θ^T(k)ζ(k)          (1-43)

θ^T(k)＝[a1(k)a2(k)b1(k)b2(k)c1(k-1)]   (1-44)

ζ^T(k)＝[CAIN(k-1)CAIN(k-2)Ucain(k-1)Ucain(k-2)b1(k)] (1-45)

自适应干扰观测器103计算干扰估计值c1，使得基于模型式(3)的模型输出CAIN_hat与设备的实际输出CAIN之间的偏差最小。如前所述，该计算可以根据递归型最小二乘法进行。

简单地说，由于e_dov表达为(CAIN(k)-a1(k)·CAIN(k-1)-a2(k)·CAIN(k-2)-b1(k)·Ucain(k-1)-b2(k)·Ucain(k-2)-b1(k)·c1(k-1))，因此为了求出使该偏差e dov最小的干扰估计值c1，只要求出使(CAIN(k)-a1(k)·CAIN(k-1)-a2(k)·CAIN(k-2)-b1(k)·Ucain(k-1)-b2(k)·Ucain(k-2))与(b1(k)·c1(k-1))之间的偏差最小的干扰估计值c1即可。通过将递归型最小二乘法应用于该偏差，可以导出求出干扰估计值c1的式(1-41)。

与以往的自适应观测器的计算式(1-13)～(1-15)相比，可知，在模型的输出CAIN_hat中，干扰估计值c1与模型参数b1相乘(式(1-43)～(1-45))。另外，在计算干扰估计值c1的式(1-41)中，使用b1来计算偏差e_dov的乘法系数。因此，当模型参数b1变化时，该变化反映在偏差e_dov和与该偏差e_dov有关的项中。这样，可以加快干扰估计值c1向最佳值的收敛速度，由此，可以迅速使因模型参数b1变动而产生的稳态偏差收敛。

图7表示通过本发明第一实施方式的控制装置来控制设备的情况下的各参数的动作。与图5一样，从时间t1到t2，随着发动机转速NE增大，模型参数b1也增大。该模型参数b1的变化不会影响到干扰估计值c1。由于模型参数b1的变动而可能产生的稳态偏差通过扰估计值c1而迅速地得到补偿，结果，抑制了稳态偏差而不会使其增大。

这样，因为在控制输入中干扰估计值c1不会受到模型参数b1的影响(不进行运算)，所以，可使得因模型参数的变动而可能产生的稳态偏差迅速收敛。

在该实施例中，使用了响应指定型控制。也可使用其它控制来代替响应指定型控制，使得设备的控制量收敛于目标值。需要注意的是，即使在使用其它控制的情况下，不利用模型参数进行运算(包括加减运算和乘除运算)而将干扰估计值直接反映到对设备的控制输入中，也在本

发明的范围之内。

上述本发明的原理可应用于各种实施例。下面，对若干个实施例进行说明。在下面的实施例中，设备的模型是基于式(3)的模型。

实施例2

图8是表示本发明第二实施例的控制装置的方框图。与第一实施例一样，调度器112、车载辨识器113以及控制器114的功能由ECU 1来实现。

对应于发动机的运转状态的模型参数作为表或映射图存储在ECU 1的存储器1c中。图9(a)表示该映射图的一例。调度器112根据所检测的发动机转速NE，参照该映射图，抽出与该转速NE对应的预定模型参数a1sc_map、a2sc_map、b1sc_map、b2sc_map和c1sc_map。如式(2-1)和(2-2)所示，调度器112将抽出的预定模型参数a1sc_map和a2sc_map分别代入到模型参数基准值a1sc和a2sc中。调度器112还根据所检测的相位CAIN，参照图9(b)所示的映射图，抽出增益Kbsc。通过将预定模型参数b1sc_map、b2sc_map和c1sc_map与增益Kbsc相乘来计算模型参数基准值b1sb和b2sc以及干扰估计值的基准值c1sc(式(2-3)～(2-5))。

a1sc(k)←a1sc_map(k)           (2-1)

a2sc(k)←a2sc_map(k)           (2-2)

b1sc(k)←b1sc_map×Kbsc(k)     (2-3)

b2sc(k)←b2sc_map×Kbsc(k)     (2-4)

c1sc(k)←c1sc_map(k)×Kbsc(k)  (2-5)

车载辨识器113对模型参数基准值a1sc、a2sc、b1sc和b2sc进行校正，使得模型的输出与设备的实际输出之间的偏差收敛，以递归地辨识模型参数a1、a2、b1和b2。另外，还对干扰估计值的基准值c1sc进行校正，使得模型输出与设备的实际输出之间的偏差收敛，以递归地辨识干扰估计值c1。

利用车载辨识器，即使在设备的动态特性因经年变化等而偏离模型的情况下，也可以良好地控制该设备。另外，通过根据预定模型参数来辨识模型参数，可以迅速地辨识模型参数。

在该实施例中，该辨识使用递归型最小二乘法来进行。由辨识器执行的计算式如下所示。

θ(k)＝θbase(k)+dθ(k)             (2-11)

dθ(k)＝δ·dθ(k-1)+KP(k)e_id(k)   (2-12)

$\mathrm{KP}\left(k\right)=\frac{P\·\mathrm{\ζ}\left(k\right)}{1+{\mathrm{\ζ}}^T\left(k\right)\mathrm{P\ζ}\left(k\right)}---(2-13)$

e_id(k)＝CAIN(k)-CAIN_hat(k)        (2-14)

CAIN_hat(k)＝θ^T(k-1)ζ(k)          (2-15)

θ^T(k)＝[a1(k)a2(k)b1(k)b2(k)c1(k)] (2-16)

ζ^T(k)＝[CAIN(k-1)CAIN(k-2)Ucain(k-1)Ucain(k-2)b1(k)]  (2-17)

θbase^T(k)＝[a1sc(k)a2sc(k)b1sc(k)b2sc(k)c1sc(k)]      (2-18)

dθ^T(k)＝[da1(k)da2(k)db1(k)db2(k)dc1(k)]      (2-19)

$\mathrm{\δ}=\left(\begin{array}{ccccc}{\mathrm{\δ}}_1& 0& 0& 0& 0\\ 0& {\mathrm{\δ}}_2& 0& 0& 0\\ 0& 0& {\mathrm{\δ}}_3& 0& 0\\ 0& 0& 0& {\mathrm{\δ}}_4& 0\\ 0& 0& 0& 0& {\mathrm{\δ}}_5\end{array}\right)(2-20)$

在该实施例中，车载辨识器113为了抑制漂移，使用δ修正法来辨识模型参数a1、a2、b1、b2和干扰估计值c1。关于δ修正法，详细记载于本发明申请人的日本国特许第3304845号公报中。这里对δ修正法进行简单说明。

δ修正法的递归型辨识算法以式(2-11)来表达。模型参数向量θ(k)用其基准值θbase(k)和其更新成分dθ(k)的和表示。δ为忘却系数向量。优选的是，忘却系数向量δ的各要素δ₁……之一被设定成值1，至于其它要素则设定成大于零且小于1的值。

根据δ修正法，计算更新成分dθ(式(2-12)、(2-14))使得辨识误差e_id(k)收敛。增益KP为增益，递归计算增益KP(式(2-13))。

若使用δ修正法，则由于将大于零且小于1的忘却系数与更新成分的过去值相乘，因此当设备的稳态持续时，即使反复进行将模型参数的基准值与更新成分相加的处理，也可使得模型参数向量θ稳定在基准值θ_base附近。

应该注意的是，模型的输出CAIN_hat中包括(b1×c1)(式(2-15)～(2-17))。如前所述，这是由于对模型式进行了重新定义，使得该模型式包括干扰估计值与模型参数b1相乘的项。

在该实施例中，与模型参数一样，预先确定干扰估计值的基准值。通过使用该基准值c1sc，可使得干扰估计值与模型参数的变化同步变化。因此，可以计算干扰估计值c1，使得可以迅速地抑制由于模型参数的变化而可能产生的稳态偏差。

控制器114使用上述的2自由度响应指定型控制来计算控制输入Ucain。计算方法与第一实施例相同。与第一实施例的不同点在于，使用由车载辨识器113辨识的模型参数a1、a2、b1、b2和干扰估计值c1来计算控制输入Ucain。计算式如下所示。

Ucain(k)＝Ueq(k)+Urch(k)       (2-21)

$\mathrm{Ueq}\left(k\right)=\frac{1}{b1\left(k\right)}\{(1-a1\left(k\right)-\mathrm{POLE})\mathrm{CAIN}\left(k\right)+(\mathrm{POLE}-a2\left(k\right))\mathrm{CAIN}(k-1)$

-b2(k)Ucain(k-1)

+CAIN_cmd_f(k)+(POLE-1)CAIN_cmd_f(k-1)

-POLECAIN_cmd_f(k-2)}-c1(k)       (2-22)

$\mathrm{Urch}\left(k\right)=-\frac{\mathrm{Krch}}{b1\left(k\right)}\mathrm{\σ}\left(k\right)(2-23)$

σ(k)＝Ecain(k)+POLE Ecain(k-1)   (2-24)

Ecain(k)＝CAIN(k)-CAIN_cmd_f(k-1) (2-25)

CAIN_cmd_f(k)＝POLE_f·CAIN_cmd_f(k-1)+(1+POLE_f)·CAIN_cmd(k)

                                  (2-26)

应该注意的是，在等价控制输入Ueq中，干扰估计值c1没有除以模型参数b1(式(2-22))。这样，即使在模型参数b1随着设备的状态变化而急剧变化的情况下，干扰估计值c1也不会受到该模型参数b1的影响。由于干扰估计值c1直接反映在控制输入Ucain中，因此干扰估计值c1可以迅速补偿因该设备的状态变化而可能产生的稳态偏差。

实施例3

图10是表示本发明第三实施例的控制装置的方框图。对应于发动机的运转状态的模型参数作为表或映射图存储在ECU 1的存储器1c中。该映射图可使用例如图9(a)所示的映射图。调度器122根据所检测的发动机转速NE，参照该映射图，抽出与该转速NE对应的预定模型参数a1sc_map、a2sc_map、b1sc_map、b2sc_map和c1sc_map。如式(3-1)和(3-2)所示，调度器122将抽出的预定模型参数a1sc_map和a2sc_map分别代入到模型参数a1和a2中。调度器122还根据所检测的相位CAIN，参照图9(b)所示的映射图，抽出增益Kbsc。通过将预定模型参数b1sc_map和b2sc_map和c1sc_map与增益Kbsc相乘来计算模型参数基准值b1sb和b2sc以及干扰估计值的基准值c1sc(式(3-3)～(3-5))。

a1(k)←a1sc_map(k)            (3-1)

a2(k)←a2sc_map(k)            (3-2)

b1sc(k)←b1sc_map×Kbsc(k)    (3-3)

b2sc(k)←b2sc_map×Kbsc(k)    (3-4)

c1sc(k)←c1sc_map(k)×Kbsc(k) (3-5)

本实施例的控制装置设有递归地辨识一部分模型参数的部分模型参数辨识器123。在该示例中，部分模型参数辨识器123递归地辨识模型参数b1、b2以及干扰估计值c1。对于模型参数a1和a2，则使用由调度器122从映射图中抽出的预定模型参数a1sc_map和a2sc_map。

对部分模型参数辨识器123所实施的部分辨识方法进行说明。为了部分地辨识模型参数，首先，构成虚拟设备。对构成虚拟设备的方法进行说明。

将式(3)移动一步，变成过去的式子(式(4))，将在本周期辨识的模型参数b1(k)、b2(k)和c1(k)代入到该移动后的式中(式(5))，将该要辨识的模型参数集中到右边(式(6))。

这里，将式(6)的左边定义为W(k)，右边定义为W_hat(k)。

W(k)＝CAIN(k)-a1·CAIN(k-1)-a2·CAIN(k-2)     (7)

W_hat(k)＝b1(k)·Ucain(k-1)+b2(k)·Ucain(k-2)+b1(k)·c1(k)  (8)

式(7)表示的W(k)可以认为是图11所示的虚拟设备81的输出。虚拟设备81的输出可以通过用实际的控制输出CAIN减去如下的两个值来获得，该两个值分别为：通过延迟元件82使控制输出CAIN延迟后的值CAIN(k-1)与模型参数a1相乘而得到的值；和通过延迟元件84使上述延迟的值CAIN(k-1)再次延迟后的值CAIN(k-2)与模型参数a2相乘所得到的值。可以认为式(8)是该虚拟设备81的输出W(k)。如果没有模型化误差，虚拟设备81的输出W(k)与该虚拟设备81的模型的输出W_hat(k)一致。

部分模型参数辨识器123使用递归型最小二乘法来辨识在虚拟设备81的模型式(8)中出现的模型参数b1、b2和c1。该计算式如下所示。

θ(k)＝θbase(k)+dθ(k)            (3-11)

dθ(k)＝δ·dθ(k-1)+KP(k)e_id(k)  (3-12)

$\mathrm{KP}\left(k\right)=\frac{P\·\mathrm{\ζ}\left(k\right)}{1+{\mathrm{\ζ}}^T\left(k\right)\mathrm{P\ζ}\left(k\right)}(3-13)$

e_id(k)＝W(k)-W_hat(k)             (3-14)

W(k)＝CAIN(k)-a1(k)CAIN(k-1)-a2(k)CAIN(k-2)     (3-15)

W_hat(k)＝θ^T(k-1)ζ(k)         (3-16)

θ^T(k)＝[b1(k)b2(k)c1(k)]       (3-17)

ζ^T(k)＝[Ucain(k-1)Ucain(k-2)b1(k)]    (3-18)

θbase^T(k)＝[b1sc(k)b2sc(k)clsc(k)]    (3-19)

dθ^T(k)＝[db1(k)db2(k)dc1(k)]          (3-20)

$\mathrm{\δ}=\left[\begin{array}{ccc}{\mathrm{\δ}}_1& 0& 0\\ 0& {\mathrm{\δ}}_2& 0\\ 0& 0& {\mathrm{\δ}}_3\end{array}\right]---(3-21)$

计算模型参数向量θ(k)，使得模型化误差e_id(k)不存在，即，使虚拟设备的实际输出W(k)收敛于该虚拟设备的模型输出W_hat(k)(式(3-11)和(3-12))。P为辨识增益，其具有预先规定的值。

辨识方法与第二实施例一样，都是根据δ修正法。与第一和第二实施例相同，应该注意的是虚拟设备的模型输出W_hat中包括(b1×c1)(式(3-16)～(3-18))。如前述式(3)所示，这是由于对模型式进行了重新定义，使得该模型式包括干扰估计值c1与模型参数b1相乘的项。

这样，通过递归地辨识一部分模型参数而不是辨识所有的模型参数，可以缩短辨识所需要的时间。也可以辨识其它模型参数来代替上述模型参数。例如，部分模型参数辨识器123也可以构成为仅辨识模型参数a1和a2。

在该实施例中，与第二实施例相同，也使用干扰估计值的基准值c1sc，这样，可以缩短干扰估计值c1向最佳值的收敛时间。

控制器124使用上述2自由度响应指定型控制计算控制输入Ucain。计算方法与第一和第二实施例相同。与这些实施例的不同点在于，使用由部分模型参数辨识器123辨识的模型参数b1、b2以及干扰估计值c1、和由调度器122设定的模型参数a1和a2，来计算控制输入Ucain。计算式如下所示。

Ucain(k)＝Ueq(k)+Urch(k)      (3-31)

$\mathrm{Ueq}\left(k\right)=\frac{1}{b1\left(k\right)}\{(1-a1\left(k\right)-\mathrm{POLE})\mathrm{CAIN}\left(k\right)+(\mathrm{POLE}-a2\left(k\right))\mathrm{CAIN}(k-1)$

-b2(k)Ucain(k-1)

+CAIN_cmd_f(k)+(POLE-1)CAIN_cmd_f(k-1)

-POLECAIN_cmd_f(k-2)}-c1(k)       (3-32)

$\mathrm{Urch}\left(k\right)=-\frac{\mathrm{Krch}}{b1\left(k\right)}\mathrm{\σ}\left(k\right)---(3-33)$

σ(k)＝Ecain(k)+POLE Ecain(k-1)   (3-34)

Ecain(k)＝CAIN(k)-CAIN_cmd_f(k-1) (3-35)

CAIN_cmd_f(k)＝POLE_f·CAIN_cmd_f(k-1)+(1+POLE_f)·CAIN_cmd(k)

                                  (3-36)

应该注意的是，在等价控制输入Ueq中，干扰估计值c1没有除以模型参数b1(式(3-32))。这样，即使在模型参数b1随着设备的状态变化而急剧变化的情况下，干扰估计值c1也不会受到该模型参数b1的影响。由于干扰估计值c1直接反映在控制输入Ucain中，因此干扰估计值c1可以迅速补偿因该设备的状态变化而可能产生的稳态偏差。

实施例4

图12是表示本发明的第四实施例的控制装置的方框图。与第一实施例的不同点在于，自适应干扰观测器133根据干扰估计值的基准值c1sc，使用δ修正法来计算干扰估计值c1。

对应于发动机运转状态的干扰估计值的基准值c1sc作为表或者映射图预先存储在ECU 1的存储器1c中。该映射图可使用例如图9(a)所示的映射图。调度器132根据所检测的发动机转速NE参照该映射图，抽出与该转速NE对应的预定模型参数a1sc_map、a2sc_map、b1sc_map、b2sc_map和c1sc_map。如式(4-1)和(4-2)所示，调度器132将抽出的预定模型参数a1sc_map、a2sc_map分别代入到模型参数a1和a2中。调度器132还根据所检测的相位CAIN，参照图9(b)所示的映射图，抽出增益Kbsc。调度器132将抽出的预定模型参数b1sc_map和b2sc_map与增益Kbsc相乘来分别计算模型参数b1和b2(式(4-3)～(4-4))。还通过将预定模型参数c1sc_map与该增益Kbsc相乘来计算干扰估计值的基准值c1sc(式(4-5))。

a1(k)←a1sc_map(k)         (4-1)

a2(k)←a2sc_map(k)         (4-2)

b1(k)←b1sc_map×Kbsc(k)   (4-3)

b2(k)←b2sc_map×Kbsc(k)   (4-4)

c1sc(k)←c1sc_map(k)×Kbsc(k)  (4-5)

自适应干扰观测器133使用δ修正法来计算干扰估计值c1。计算式如下所示。忘却系数可以为0＜δ≤1。

c1(k)＝c1sc(k)+dc1(k)               (4-11)

dc1(k)＝δ·dc1(k-1)+KP(k)e_dov(k)  (4-12)

$\mathrm{KP}\left(k\right)=\frac{\mathrm{Pdov}\·b1\left(k\right)}{1+b1\left(k\right)\mathrm{Pdovb}1\left(k\right)}---(4-13)$

e_dov(k)＝CAIN(k)-CAIN_hat(k)       (4-14)

CAIN_hat(k)＝θ^T(k)ζ(k)            (4-15)

θ^T(k)＝[a1(k)a2(k)b1(k)b2(k)c1(k-1)]  (4-16)

ζ^T(k)＝[CAIN(k-1)CAIN(k-2)Ucain(k-1)Ucain(k-2)b1(k)]  (4-17)

与上述实施例相同，应该注意的是模型输出CAIN_hat中包括(b1×c1)(式(4-15)～(4-17))。如前述式(3)所示，这是由于对模型式进行了重新定义，使得该模型式包括干扰估计值c1与模型参数b1相乘的项。

控制器134使用上述2自由度响应指定型控制计算控制输入Ucain。计算方法与上述实施例相同。计算式如下所示。

Ucain(k)＝Ueq(k)+Urch(k)     (4-31)

$\mathrm{Ueq}\left(k\right)=\frac{1}{b1\left(k\right)}\{(1-a1\left(k\right)-\mathrm{POLE})\mathrm{CAIN}\left(k\right)+(\mathrm{POLE}-a2\left(k\right))\mathrm{CAIN}(k-1)$

-b2(k)Ucain(k-1)

+CAIN_cmd_f(k)+(POLE-1)CAIN_cmd_f(k-1)

-POLECAIN_cmd_f(k-2)}-c1(k)       (4-32)

$\mathrm{Urch}\left(k\right)=-\frac{\mathrm{Krch}}{b1\left(k\right)}\mathrm{\σ}\left(k\right)---(4-33)$

σ(k)＝Ecain(k)+POLE Ecain(k-1)   (4-34)

Ecain(k)＝CAIN(k)-CAIN_cmd_f(k-1) (4-35)

CAIN_cmd_f(k)＝POLE_f·CAIN_cmd_f(k-1)+(1+POLE_f)·CAIN_cmd(k)

                                  (4-36)

应该注意的是，在等价控制输入Ueq中，干扰估计值c1没有除以模型参数b1(式(4-32))。这样，即使在模型参数b1随着设备的状态变化而急剧变化的情况下，干扰估计值c1也不会受到该模型参数b1的影响。由于干扰估计值c1直接反映在控制输入Ucain中，因此干扰估计值c1可以迅速补偿因该设备的状态变化而可能产生的稳态偏差。

实施例5

本发明也可以应用于其它设备。在一个示例中，可以将能够改变气门的升程量的可变升程机构作为设备。可变升程机构可以利用已知的任意机构来实现。

可变升程机构的模型式可以用式(9)表示。LIFT表示气门的实际升程量，可以利用已知的传感器进行检测。Ulift为对可变升程机构的控制输入。

LIFT(k+1)＝

a1·LIFT(k)+a2·LIFT(k-1)+b1·Ulift(k)+b2·Ulift(k-1)+b1·c1  (9)

图13表示控制可变升程机构的控制装置的方框图。该控制装置的形式基于第一实施例(图3)，调度器142、自适应干扰观测器143和控制器144利用与第一实施例相同的方法进行运算。

利用调度器142，从映射图中抽出与发动机的运转状态对应的预定模型参数。图14(a)和(b)示出了该映射图的一例。

调度器142根据所检测的发动机转速NE和实际升程量LIFT，参照这些映射图，如式(5-1)～(5-5)所示那样求出模型参数a1～b2。

a1(k)←a1sc_map(k)         (5-1)

a2(k)←a2sc_map(k)         (5-2)

b1(k)←b1sc_map×Kbsc(k)   (5-3)

b2(k)←b2sc_map×Kbsc(k)   (5-4)

自适应干扰观测器143的计算式如(5-11)～(5-15)所示。

$c1\left(k\right)=c1(k-1)+\frac{\mathrm{Pdov}\·b1\left(k\right)}{1+b1\left(k\right)\mathrm{Pdovb}1\left(k\right)}e\_\mathrm{dov}\left(k\right)---(5-11)$

e_dov(k)＝LIFT(k)-LIFT_hat(k)    (5-12)

LIFT_hat(k)＝θ^T(k)ζ(k)         (5-13)

θ^T(k)＝[a1(k)a2(k)b1(k)b2(k)c1(k-1)]      (5-14)

ζ^T(k)＝[LIFT(k-1)LIFT(k-2)Ulift(k-1)Ulift(k-2)b1(k)]  (5-15)

由控制器144实施的计算式如式(5-21)～(5-26)所示。

Ulift(k)＝Ueq(k)+Urch(k)        (5-21)

$\mathrm{Ueq}\left(k\right)=\frac{1}{b1\left(k\right)}\{(1-a1\left(k\right)-\mathrm{POLE})\mathrm{LIFT}\left(k\right)+(\mathrm{POLE}-a2\left(k\right))\mathrm{LIFT}(k-1)$

-b2(k)Ulift(k-1)

+LIFT_cmd_f(k)+(POLE-1)LIFT_cmd_f(k-1)

-POLE LIFT_cmd_f(k-2)}-c1(k)        (5-22)

$\mathrm{Urch}\left(k\right)=-\frac{\mathrm{Krch}}{b1\left(k\right)}\mathrm{\σ}\left(k\right)---(5-23)$

σ(k)＝Elift(k)+POLE Elift(k-1)     (5-24)

Elift(k)＝LIFT(k)-LIFT_cmd_f(k-1)   (5-25)

LIFT_cmd_f(k)＝POLE_f·LIFT_cmd_f(k-1)+(1+POLE_f)·LIFT_cmd(k)

                                    (5-26)

实施例6

在一个示例中，可以将能够可变地改变气缸内的压缩比的可变压缩比机构作为设备。可变压缩比机构可使用已知的任意机构来实现。

可变压缩比机构的模型式可以用式(10)表达。Cr表示实际压缩比，其可以用已知的传感器进行检测。Ucr为对可变压缩比机构的控制输入。

Cr(k+1)＝

a1·Cr(k)+a2·Cr(k-1)+b1·Ucr(k)+b2·Ucr(k-1)+b1·c1  (10)

图15表示控制可变压缩比机构的控制装置的方框图。该控制装置的形式基于第二实施例(图8)，调度器152、车载辨识器153和控制器154利用与第二实施例相同的方法进行运算。

利用调度器152，从映射图中抽出与发动机的运转状态对应的预定模型参数。图15(a)和(b)示出该映射图的一例。

调度器152根据所检测的实际升程量LIFT和实际相位CAIN，参照这些映射图，如式(6-1)～(6-5)所示那样计算模型参数的基准值和干扰估计值的基准值。另外，由于压缩比机构对应于发动机负荷的动态特性变化大于对应于发动机转速的动态特性变化，因此，根据实际升程量和实际相位来预定该模型参数的基准值和干扰估计值的基准值。

a1sc(k)←a1sc_map(k)        (6-1)

a2sc(k)←a2sc_map(k)        (6-2)

b1sc(k)←b1sc_map×Kbsc(k)  (6-3)

b2sc(k)←b2sc_map×Kbsc(k)  (6-4)

c1sc(k)←c1sc_map(k)×Kbsc(k)  (6-5)

车载辨识器153的计算式如(6-11)～(6-20)所示。

θ(k)＝θbase(k)+dθ(k)                (6-11)

dθ(k)＝δ·dθ(k-1)+KP(k)e_id(k)      (6-12)

$\mathrm{KP}\left(k\right)=\frac{P\·\mathrm{\ζ}\left(k\right)}{1+{\mathrm{\ζ}}^T\left(k\right)\mathrm{P\ζ}\left(k\right)}---(6-13)$

e_id(k)＝Cr(k)-Cr_hat(k)               (6-14)

Cr_hat(k)＝θ^T(k-1)ζ(k)               (6-15)

θ^T(k)＝[a1(k)a2(k)b1(k)b2(k)c1(k)]    (6-16)

ζ^T(k)＝[Cr(k-1)Cr(k-2)Ucr(k-1)Ucr(k-2)b1(k)]      (6-17)

θbase^T(k)＝[a1sc(k)a2sc(k)b1sc(k)b2sc(k)c1sc(k)]  (6-18)

dθ^T(k)＝[da1(k)da2(k)db1(k)db2(k)dc1(k)]        (6-19)

$\mathrm{\δ}=\left(\begin{array}{ccccc}{\mathrm{\δ}}_1& 0& 0& 0& 0\\ 0& {\mathrm{\δ}}_2& 0& 0& 0\\ 0& 0& {\mathrm{\δ}}_3& 0& 0\\ 0& 0& 0& {\mathrm{\δ}}_4& 0\\ 0& 0& 0& 0& {\mathrm{\δ}}_5\end{array}\right)(6-20)$

控制器154所实施的计算式如式(6-21)～(6-26)所示。

Ucr(k)＝Ueq(k)+Urch(k)        (6-21)

$\mathrm{Ueq}\left(k\right)=\frac{1}{b1\left(k\right)}\{(1-a1\left(k\right)-\mathrm{POLE})\mathrm{Cr}\left(k\right)+(\mathrm{POLE}-a2\left(k\right))\mathrm{Cr}(k-1)$

-b2(k)Ucr(k-1)

+Cr_cmd_f(k)+(POLE-1)Cr_cmd_f(k-1)

-POLE Cr_cmd_f(k-2)}-c1(k)        (6-22)

$\mathrm{Urch}\left(k\right)=-\frac{\mathrm{Krch}}{b1\left(k\right)}\mathrm{\σ}\left(k\right)---(6-23)$

σ(k)＝Ecr(k)+POLE Ecr(k-1)       (6-24)

Ecr(k)＝Cr(k)-Cr_cmd_f(k-1)       (6-25)

Cr_cmd_f(k)＝POLE_f·Cr_cmd_f(k-1)+(1+POLE_f)·Cr_cmd(k)

                                  (6-26)

在上述第一～第四实施例中，使用预定模型参数来辨识模型参数。但是，本发明也可以应用于如下方式：不使用预定模型参数，而设置递归地辨识模型参数的车载辨识器。在该情况下，干扰估计值可以通过该车载辨识器递归地进行辨识。在该方式中，即使模型参数与干扰估计值的辨识速度不同，根据本发明，也可以计算干扰估计值以避免模型参数变动的影响，因此可以抑制稳态偏差。

本发明可以应用于通用的(例如船外机等的)内燃机。

Claims (16)

1.一种对模型化的设备进行控制的控制装置，该设备由基于对该设备的输入、该设备的输出、模型参数以及施加在该设备上的干扰的估计值的模型式来表达，该模型式包括该干扰估计值与至少一个该模型参数相乘的项，该控制装置具有：

辨识器，其辨识所述模型参数；

干扰估计值计算单元，其计算所述干扰估计值，使得根据所述模型式计算的该模型的输出与所述设备的实际输出之间的偏差最小；以及

控制单元，其根据所述模型式计算应施加在所述设备上的所述输入，以控制该设备，

其中，通过根据包含所述干扰估计值与所述至少一个模型参数相乘的项的所述模型式来计算对所述设备的输入，在不利用所述模型参数进行运算的情况下，将所述干扰估计值反映在对该设备的输入中。

2.根据权利要求1所述的控制装置，其中，所述辨识器还辨识所述模型参数，使得根据所述模型式计算的该模型的输出与所述设备的实际输出之间的偏差最小。

3.根据权利要求1所述的控制装置，其中，

所述模型参数包括至少一个预定模型参数，该预定模型参数具有根据所述设备的状态预先确定的值，

所述控制装置还具有存储所述预定模型参数的存储装置，

所述辨识器还根据所检测出的所述设备的状态来参照所述存储装置，以抽出与该设备的状态对应的预定模型参数。

4.根据权利要求1所述的控制装置，其中，

所述控制装置还具有存储至少一个预定模型参数的存储装置，该预定模型参数具有根据所述设备的状态而预先确定的值，

所述辨识器还根据所检测出的所述设备的状态来参照所述存储装置，以抽出与该设备的状态对应的预定模型参数，并对所抽出的预定模型参数进行校正，使得根据所述模型式计算的该模型的输出与所述设备的实际输出之间的偏差最小，以辨识所述模型参数。

5.根据权利要求1所述的控制装置，还具有存储干扰估计值基准值的存储装置，该干扰估计值基准值具有根据所述设备的状态而预先确定的值，

其中，所述干扰估计值计算单元还根据所检测出的所述设备的状态来参照所述存储装置，以抽出与该设备的状态对应的干扰估计值基准值，并根据所述干扰估计值基准值计算所述干扰估计值。

6.根据权利要求1所述的控制装置，其中，所述设备是可以改变内燃机的凸轮相位的可变相位机构。

7.根据权利要求1所述的控制装置，所述设备是可以改变内燃机的气门的升程量的可变升程机构。

8.根据权利要求1所述的控制装置，所述设备是可以改变内燃机的压缩比的可变压缩比机构。

9.一种对模型化的设备进行控制的方法，该设备由基于对该设备的输入、该设备的输出、模型参数以及施加在该设备上的干扰的估计值的模型式来表达，该模型式包括该干扰估计值与至少一个该模型参数相乘的项，

该方法具有如下步骤：

辨识所述模型参数；

计算所述干扰估计值，使得根据所述模型式计算的该模型的输出与所述设备的实际输出之间的偏差最小；以及

根据所述模型式计算应施加在所述设备上的所述输入，以控制该设备，

其中，

通过根据包含所述干扰估计值与所述至少一个模型参数相乘的项的所述模型式来计算对所述设备的输入，在不利用所述模型参数进行运算的情况下，将所述干扰估计值反映在对该设备的输入中。

10.根据权利要求9所述的方法，其中，所述辨识步骤还包括：

辨识所述模型参数，使得根据所述模型式计算的该模型的输出与所述设备的实际输出之间的偏差最小。

11.根据权利要求9所述的方法，其中，

所述模型参数包括至少一个预定模型参数，该预定模型参数具有根据所述设备的状态预先确定的值，

所述辨识步骤还包括：求出与所检测出的所述设备的状态对应的预定模型参数。

12.根据权利要求9所述的方法，其中，所述辨识步骤还包括：

根据所检测出的该设备的状态求出具有按照所述设备的状态而预先确定的值的预定模型参数；以及

对所述抽出的预定模型参数进行校正，使得根据所述模型式计算的该模型的输出与所述设备的实际输出之间的偏差最小。

13.根据权利要求9所述的方法，其中，计算所述干扰估计值的步骤还包括：

求出与所检测出的所述设备的状态对应的干扰估计值基准值；以及

根据所述干扰估计值基准值来计算所述干扰估计值。

14.根据权利要求9所述的方法，其中，所述设备是可以改变内燃机的凸轮相位的可变相位机构。

15.根据权利要求9所述的方法，其中，所述设备是可以改变内燃机的气门的升程量的可变升程机构。

16.根据权利要求9所述的方法，其中，所述设备是可以改变内燃机的压缩比的可变压缩比机构。

Images