-
Die
vorliegende Erfindung betrifft eine Lernvorrichtung, welche einen
Steuerparameter lernt, welcher zur Entscheidung über einen
Steuerungsinhalt eines gesteuerten Objektes in Bezug auf eine Kriteriumsvariable
verwendet wird.
-
Als
ein Beispiel dieser Art einer Lernvorrichtung sei eine Einrichtung
genannt, welche eine Einspritzungsstartverzögerung td seit
Ausgabe eines Einspritzbefehls an eine Einspritzvorrichtung einer Maschine
mit innerer Verbrennung oder eines Verbrennungsmotors bis zur tatsächlichen
Ausführung der Einspritzung misst und welche ein Lernen
durch Speichern und Aktualisieren eines Messwertes der Einspritzungsstartverzögerung
td als ein Steuerparameter jeder Einspritzvorrichtung durchführt
(beispielsweise sei auf das Patentdokument 1, nämlich
JP-A-2009-57924 Bezug
genommen). Die Zeitgabe für die Ausgabe des Einspritzungsbefehls
und dergleichen werden durch Verwendung der Verzögerung td
gesteuert, welche in dieser Weise gespeichert und aktualisiert wird.
-
Die
oben genannte Verzögerung td nimmt unterschiedliche Werte
entsprechend dem Brennstoffdruck an, der zu der Einspritzvorrichtung
geführt wird (d. h. dem Brennstoffdruck zur Zeit des Einspritzungsbeginns).
Aus diesem Grunde haben die Erfinder der vorliegenden Erfindung
das Lernen der Verzögerung td (Steuerparameter) in Abhängigkeit
von dem Brennstoffdruck (Kriteriumsvariable) in der folgenden Weise
untersucht.
-
In
einem in 7A gezeigten Beispiel sind Verzögerungen
td (30), td (50), td (80) entsprechend bestimmten Werten des Brennstoffdruckes
(30 MPa, 50 MPa, 80 MPa in dem Beispiel von 7A) als Lernwerte
gespeichert und aktualisiert. Wenn beispielsweise die gemessene
Verzögerung durch einen Punkt A0 in 7A angezeigt
wird, dann wird der Lernwert td (50) nächst dem Punkt A0
durch lineare Interpolation aktualisiert. Genauer gesagt, ein Schnittpunkt
zwischen einer geraden Linie L, welche den Lernwert td (30) und
den Messwert A0 verbindet, und der Brennstoffdruck von 50 MPa dient
als der aktualisierte Lernwert td (50).
-
Wenn
jedoch eine Kennlinie, welche ein Beziehung zwischen dem Brennstoffdruck
und der Verzögerung td ausdrückt, keine gerade
Linie sondern eine Kurve ist (siehe die Kurve R von 7B)
und Punkte A1, A2, A3 auf der Kurve R wiederholt gemessen werden,
wird der Lernwert td (50) der Reihe nach von B1 auf B2 und dann
auf B3 aktualisiert, wenn die oben erwähnte lineare Interpolation
durchgeführt wird. Das bedeutet, der Lernwert td (50) nimmt
wiederholt zu und ab und schwankt hin und her. Selbst wenn die Kennlinie,
welche die Beziehung zwischen dem Brennstoffdruck und der Verzögerung td
eine gerade Linie ist, schwankt der Lernwert td (50), der durch
die lineare Interpolation basierend auf dem Lernwert td (30) gewonnen
wird, ebenfalls, wenn der gegenwärtige Lernwert td (30)
von einem wahren charakteristischen Wert abgewichen ist.
-
Es
ist ein Ziel der vorliegenden Erfindung, eine Lernvorrichtung zu
schaffen, die darauf abzielt, ein Schwanken eines Lernwertes zu
vermeiden.
-
Gemäß einem
ersten beispielsweisen Aspekt der vorliegenden Erfindung lernt eine
Lernvorrichtung einen Steuerparameter, welcher zur Entscheidung über
einen Steuerinhalt eines gesteuerten Objektes in Relation zu einer
Kriteriumsvariablen verwendet wird. Die Lernvorrichtung besitzt
einen Speicherabschnitt zur Speicherung mindestens eines Lernvektors,
welcher aus dem Steuerparameter und der Kriteriumsvariablen besteht.
Die Lernvorrichtung besitzt einen Messvektor-Gewinnungsabschnitt
zur Gewinnung eines Messvektors, welcher aus einem Messwert des
Steuerparameters und einem Messwert der Kriteriumsvariablen besteht.
Die Lernvorrichtung besitzt einen Korrekturabschnitt zur Korrektur
des Lernvektors auf der Basis des Messvektors und zur Durchführung
der Speicherung und Aktualisierung des Lernvektors in dem Speicherabschnitt.
-
Gemäß dem
oben beschriebenen Aspekt der vorliegenden Erfindung wird der Steuerparameter entsprechend
einem bestimmten Wert der Kriteriumsvariablen nicht gespeichert.
Vielmehr wird gemäß dem oben beschriebenen Aspekt
der vorliegenden Erfindung der Lernvektor, welcher aus dem Steuerparameter
und der Kriteriumsvariablen besteht, gespeichert. Der Lernvektor
wird auf der Basis des Messvektors, welcher aus dem Messwert des
Steuerparameters und dem Messwert der Kriteriumsvariablen besteht,
korrigiert. Aus diesem Grunde kann selbst dann, wenn die Kennlinie,
welche die Beziehung zwischen der Kriteriumsvariablen und dem Steuerparameter
ausdrückt, nicht eine gerade Linie sondern eine gekrümmte
Linie ist, das Schwanken der gespeicherten und aktualisierten Werte
des Lernvektors verhindert werden.
-
In
dieser Weise wird der Lernvektor auf der Basis des Messvektors korrigiert.
Daher nimmt der aktualisierte Lernvektor auch dann, wenn der Lernvektor
vor der Aktualisierung von den wahren charakteristischen Werten
in dem Falle abgewichen ist, in welchem die Kennlinie die gerade
Linie ist, allmählich die wahren Werte an, wenn das Lernen
wiederholt wird. Daher kann auch in diesem Falle das Ausbrechen
der gespeicherten und aktualisierten Werte des Lernvektors verhindert
werden.
-
Gemäß einem
zweiten beispielsweisen Aspekt der vorliegenden Erfindung enthält
der Korrekturabschnitt einen Korrekturvektor-Errechnungsabschnitt
zum Errechnen eines Korrekturvektors durch Multiplizieren einer
Differenz zwischen dem erhaltenen Messvektor und dem Lernvektor
mit einem vorbestimmten Verhältniswert. Der Korrekturabschnitt führt
das Speichern und Aktualisieren des Lernvektors durch Addieren des
Korrekturvektors zu dem Lernvektor durch, der gerade zu lernen ist.
-
Mit
dem oben beschriebenen Aspekt der vorliegenden Erfindung kann die
Geschwindigkeit und die Genauigkeit der Annäherung des
Lernvektors an die wahren Werte aufgrund der Wiederholung der Speicherung
und Aktualisierung durch Einstellen des vorbestimmten Verhältniswertes
eingestellt werden. Wenn beispielsweise angenommen wird, dass der Lernvektor
stark von den wahren Werten abgewichen ist, ist es wünschenswert
den vorbestimmten Verhältniswert groß einzustellen,
um der Annäherungsgeschwindigkeit Priorität zu
verleihen. Wenn angenommen wird, dass die Abweichung des Lernvektors
von den wahren Werten gering ist, ist es wünschenswert, das
vorbestimmte Verhältnis klein einzustellen, um einen Einfluss
von Messfehlern in den Messwerten zu reduzieren und die Annäherungsgenauigkeit
mit Priorität auszustatten.
-
Gemäß einem
dritten beispielsweisen Aspekt der vorliegenden Erfindung wird der
vorbestimmte Verhältniswert variabel entsprechend der Anzahl
von Malen des Lernens eingestellt.
-
Es
ist anzunehmen, dass der Lernvektor sich an die wahren Werte mehr
angenähert hat, wenn die Anzahl von Malen des Lernens zunimmt.
Wenn daher beispielsweise die Speicherung und Aktualisierung des
Lernvektors mit einer relativ großen Lernzahl unter den
vielfachen Lernvektoren durchgeführt werden, dann sollte
der vorbestimmte Verhältniswert vorzugsweise klein eingestellt
sein. Wenn die Speicherung und die Aktualisierung des Lernvektors
mit einer verhältnismäßig kleinen Lernzeitzahl
durchgeführt werden, dann sollte das vorbestimmte Verhältnis
vorzugsweise groß eingestellt sein.
-
Gemäß einem
vierten beispielsweisen Aspekt der vorliegenden Erfindung wird der
vorbestimmte Verhältniswert variabel entsprechend einer nach
Start des gesteuerten Objektes verstrichenen Zeit eingestellt.
-
Es
ist anzunehmen, dass die Anzahl von Malen des Lernens zunimmt, wenn
sich die verstrichene Zeit verlängert. Es ist daher davon
auszugehen, dass der Lernvektor sich mehr an die wahren Werte angenähert
hat, wenn sich die verstrichene Zeit verlängert. Aus diesem
Grunde sollte der vorbestimmte Verhältniswert vorzugsweise
vermindert werden, wenn sich die verstrichene Zeit verlängert.
-
Gemäß einem
fünften beispielsweisen Aspekt der vorliegenden Erfindung
wird eine Aufzeichnungsfläche, welche den Steuerparameter
und die Kriteriumsvariable als Achsen verwendet, in eine Mehrzahl
von Bereichen segmentiert. Einer der Lernvektoren wird jeweils jedem
der segmentierten Bereiche zugeordnet. Der Korrekturabschnitt korrigiert
den Lernvektor des Bereiches entsprechend dem gewonnenen Messvektor
und führt dadurch die Speicherung und Aktualisierung des
Lernvektors durch.
-
Gemäß einem
sechsten beispielsweisen Aspekt der vorliegenden Erfindung ist die
Mehrzahl von Bereichen mit unterschiedlichen Intervallen entsprechend
einem Verteilungsprofil der Lernvektoren in der Aufzeichnungsfläche
segmentiert.
-
Beispielsweise
ist es wünschenswert, das Intervall in einem Bereich, in
welchem das Verteilungsprofil des Lernvektors eine gekrümmte
Linie ist, kleiner einzustellen als in einem anderen Bereich, in
welchem das Verteilungsprofil eine gerade Linie ist. So kann das
Speichern und Aktualisieren des Lernvektors in dem Bereich des Verteilungsprofils
entsprechend einer gekrümmten Linie fein durchgeführt
werden.
-
Gemäß einem
siebten beispielsweisen Aspekt der vorliegenden Erfindung ist die
Mehrzahl von Bereichen bei unterschiedlichen Intervallen gemäß der
Häufigkeiten der Verwendung der Lernvektoren in der Entscheidung über
den Steuerinhalt segmentiert.
-
Beispielsweise
ist es wünschenswert, das Intervall in einem Bereich, in
welchem die Verwendungshäufigkeit hoch ist, kleiner einzustellen
als in einem anderen Bereich, in welchem die Verwendungshäufigkeit
niedrig ist. Somit kann das Speichern und Aktualisieren des Lernvektors
in dem Bereich hoher Verwendungshäufigkeit fein durchgeführt werden.
-
Gemäß einem
achten beispielsweisen Aspekt der vorliegenden Erfindung ist die
Anzahl von Bereichen mit gleichen Intervallen segmentiert. Somit
kann die Verarbeitungsbelastung der Lernvorrichtung im Vergleich
zu dem Falle reduziert werden, in welchem die Bereiche mit unterschiedlichen
Intervallen segmentiert sind, wie in dem sechsten oder siebenten
beispielsweisen Aspekt der vorliegenden Erfindung.
-
Gemäß einem
neunten beispielsweisen Aspekt der vorliegenden Erfindung korrigiert
der Korrekturabschnitt den Lernvektor nächst dem gewonnenen Messvektor
zur Durchführung der Speicherung und Aktualisierung des
Lernvektors in einer Aufzeichnungsfläche, welche den Steuerparameter
und die Kriteriumsvariable als Achsen benutzt.
-
Gemäß einem
zehnten beispielsweisen Aspekt der vorliegenden Erfindung wird die
Anzahl der Lernvektoren in einer Aufzeichnungsfläche, welche den
Steuerparameter und die Kriteriumsvariable als Achsen benutzt, veränderlich
eingestellt.
-
Gemäß einem
elften beispielsweisen Aspeket der vorliegenden Erfindung wird die
Anzahl von Lernvektoren entsprechend einem Verteilungsprofil der
Lernvektoren in der Aufzeichnungsfläche variabel eingestellt.
-
Beispielsweise
ist es wünschenswert die Anzahl von Lernvektoren in einem
Bereich, in welchem das Verteilungsprofil des Lernvektors eine gekrümmte
Linie ist, größer einzustellen als in einem anderen Bereich,
in welchem das Verteilungsprofil eine gerade Linie ist. Somit kann
das Speichern und Aktualisieren des Lernvektors in dem Bereich eines
Verteilungsprofils entsprechend einer gekrümmten Linie fein
durchgeführt werden.
-
Gemäß einem
zwölften beispielsweisen Aspekt der vorliegenden Erfindung
wird die Anzahl von Lernvektoren entsprechend der Benutzungshäufigkeit
der Lernvektoren bei der Entscheidung des Steuerinhaltes veränderlich
eingestellt.
-
Beispielsweise
ist es wünschenswert, die Anzahl der Lernvektoren in einen
Bereich, in welchen die Verwendungshäufigkeit hoch ist,
größer einzustellen als in einem anderen Bereich,
in welchem die Verwendungshäufigkeit niedrig ist. Somit
kann die Speicherung und Aktualisierung des Lernvektors in dem Bereich
der hohen Verwendungshäufigkeit fein durchgeführt
werden.
-
Gemäß einem
dreizehnten beispielsweisen Aspekt der vorliegenden Erfindung, wird,
wenn ein Abstand zwischen benachbarten Lernvektoren gleich oder
kleiner als ein vorbestimmter Wert ist, einer der benachbarten Lernvektoren
gelöscht.
-
Gemäß dem
oben beschriebenen Aspekt der vorliegenden Erfindung wird, wenn
der Abstand zwischen den benachbarten Lernvektoren kurz ist, angenommen,
dass die Anzahl der Lernvektoren größer als notwendig
ist und es wird einer der benachbarten Lernvektoren gelöscht.
Aus diesem Grunde kann die notwendige oder verwendete Speicherkapazität
des Speicherabschnittes vermindert werden.
-
Gemäß einem
vierzehnten beispielsweisen Aspekt der vorliegenden Erfindung wird,
wenn ein Abstand zwischen den benachbarten Lernvektoren gleich oder
kleiner als ein vorbestimmter Wert ist, ein neuer Lernvektor zwischen
den benachbarten Lernvektoren hinzugefügt.
-
Gemäß dem
oben beschriebenen Aspekt der vorliegenden Erfindung, wird, wenn
der Abstand zwischen den benachbarten Lernvektoren klein ist, angenommen,
dass die Messfrequenz des Steuerparameters hoch ist und die Verwendungshäufigkeit
in dem Bereich hoch ist, und ein neuer Lernvektor wird hinzugefügt.
Aus diesem Grunde kann der Lernvektor in dem Bereich der hohen Verwendungsfrequenz fein
gespeichert und aktualisiert werden.
-
Gemäß einem
fünfzehnten beispielsweisen Aspekt der vorliegenden Erfindung
wird das Lernen des Lernvektors, dessen Speicherung und Aktualisierung
für eine vorbestimmte Anzahl von Malen oder darüber
durchgeführt worden ist, beendet.
-
Es
wird angenommen, dass der Lernvektor, welcher eine große
Anzahl von Malen der Speicherung und Aktualisierung aufweist, in
ausreichenden Maße an die wahren Werte angenähert
worden ist. Aus diesem Grunde wird das Lernen des Lernvektors gemäß dem
oben beschriebenen Aspekt der vorliegenden Erfindung beendet. Somit
kann eine übergroße Anzahl von Malen des Lernens
vermieden und die Verarbeitungsbelastung der Lernvorrichtung vermindert
werden.
-
Gemäß einem
sechzehnten beispielsweisen Aspekt der vorliegenden Erfindung wird
das Lernen sämtlicher Lernvektoren beendet, wenn eine Lernperiode
der Lernvektoren eine vorbestimmte Zeitdauer überschreitet.
-
Es
wird angenommen, dass sämtliche Lernvektoren sich in ausreichenden
Maße an die echten Werte angenähert haben, wenn
die Lernperiode lang ist. Aus diesem Grunde wird gemäß dem
oben genannten Aspekt der vorliegenden Erfindung das Lernen in einem
solchen Falle beendet, wodurch eine übergroße
Anzahl von Malen des Lernens vermieden werden kann und die Verarbeitungsbelastung
der Lernvorrichtung herabgesetzt werden kann.
-
Gemäß einem
siebzehnten beispielsweisen Aspekt der vorliegenden Erfindung wird
ein Wert des Steuerparameters entsprechend einem spezifischen Wert
der Kriteriumsvariablen durch lineare Interpolation auf der Basis
des Lernvektors berechnet, dessen Lernvorgang abgeschlossen ist.
Eine Steueraufzeichnung wird erzeugt, indem der berechnete Wert mit
dem spezifischen Wert in Beziehung gesetzt wird. Der Steuerungsinhalt
wird unter Verwendung des Steuerparameters, der in der Steuerungsaufzeichnung
gespeichert ist, entschieden.
-
Gemäß dem
zuvor beschriebenen Aspekt der vorliegenden Erfindung wird das Ausbrechen oder
Schwanken des Lernvektors durch Speicherung des Lernvektors, welcher
aus dem Steuerparameter und der Kriteriumsvariablen besteht, bis
zum Ende des Lernvorgangs verhindert. Nach Beenden des Lernvorgangs
wird zusätzlich der Steuerparameter entsprechend dem spezifischen
Wert der Kriteriumsvariablen als Steueraufzeichnung erzeugt und
dient für die Steuerung. Aus diesem Grunde kann die vorliegende
Erfindung in geeigneter Weise eingesetzt werden, wenn der Steuerparameter
entsprechend dem spezifischen Wert in der Steuerung des gesteuerten
Objektes benötigt wird.
-
Gemäß einem
achzehnten beispielsweisen Aspekt der vorliegenden Erfindung wird
eine Steueraufzeichnung erzeugt, indem ein Wert des Steuerparameters
des Lernvektors, dessen Lernvorgang abgeschlossen ist, zu der Kriteriumsvariablen
desselben Lernvektors in Beziehung gesetzt wird. Der Steuerinhalt
wird unter Verwendung des in der Steueraufzeichnung gespeicherten
Steuerparameters bestimmt.
-
Gemäß dem
obigen Aspekt der vorliegenden Erfindung wird die Steueraufzeichnung
durch Verwendung des Werts des Steuerparameters des gelernten Lernvektors,
wie er vorliegt, erzeugt. Aus diesem Grunde kann die vorliegende
Erfindung in geeigneter Weise eingesetzt werden, wenn der Steuerparameter
entsprechend dem spezifischen Wert bei der Steuerung des gesteuerten
Objektes nicht benötigt wird.
-
Gemäß einem
neunzehnten beispielsweisen Aspekt der vorliegenden Erfindung ist
der Lernvektor ein Vektor von drei oder mehr Dimensionen, die in
einer Mehrzahl von Steuerparametern und der Kriteriumsvariablen
bestehen.
-
Gemäß dem
zuvor genannten Aspekt der vorliegenden Erfindung ist es, wenn eine
Mehrzahl von Steuerparametern verwendet wird, nur erforderlich,
die Dimension des Lernvektors zu erhöhnen und die Dimension
der Rechenformel zur Korrektur des Lernvektors auf der Basis des
Messungsvektors zu erhöhen. Demgemäß kann
die vorliegende Erfindung auf mehrfache Steuerparameter angewendet
werden, ohne dass eine wesentliche Programmänderung notwendig
wird.
-
Gemäß einem
zwanzigsten beispielsweisen Aspekt der Erfindung ist das gesteuerte
Objekt eine Einspritzvorrichtung, welche Brennstoff einspritzt, der
für die Verbrennung in einer Maschine mit innerer Verbrennung
oder eines Verbrennungsmotors benötigt wird. Ein Brennstoffdrucksensor
zum Detektieren des Brennstoffdruckes ist an der Einspritzvorrichtung angeordnet.
Der den Messvektor gewinnende Abschnitt gewinnt einen Parameter,
welcher eine Einspritzcharakteristik der Einspritzvorrichtung quantifiziert,
als den Steuerparameter auf der Basis eines Detektierungswertes
des Brennstoffdrucksensors.
-
Ein
Beispiel des oben genannten Steuerparameters ist eine Einspritzstartverzögerung
td, welche unten erklärt wird. Der detektierte Druck des Brennstoffdrucksensors
beginnt abzufallen, wenn die Einspritzung beginnt. Aus diesem Grunde
kann der Zeitpunkt des tatsächlichen Einspritzens durch
Detektieren des Zeitpunkts des Beginns des Abfalls des detektierten
Druckes detektiert werden. Aus diesem Grunde kann die Verzögerung
td von der Ausgabe eines Einspritzungsbefehlssignals an die Einspritzvorrichtung
bis zur Feststellung des tatsächlichen Einspritzungsbeginns
detektiert werden. Die Verzögerung td ändert sich
entsprechend dem Brennstoffdruck vom Zeitpunkt des Einspritzungsbeginns
ab. Aus diesem Grunde wird die Verzögerung td (Steuerparameter)
in der Beziehung zu dem Brennstoffdruck (Kriteriumsvariable) gelernt
und die Ausgabezeit des Einspritzungsbefehlssignals wird auf der
Basis der gelernten Verzögerungszeit td gesteuert.
-
Merkmale
und Vorteile von Ausführungsformen sowie Betriebsverfahren
und die Funktion der zueinander in Beziehung stehenden Teile ergeben sich
aus einem Studium der folgenden detaillierten Beschreibung, den
anliegenden Ansprüchen und den Zeichnungen, welche sämtlich
Teil der vorliegenden Anmeldung bilden. In den Zeichnungen stellen
dar:
-
1 eine
schematische Abbildung, welche eine Einspritzvorrichtung als ein
gesteuertes Objekt einer Lernvorrichtung gemäß einer
ersten Ausführungsform der vorliegenden Erfindung zeigt;
-
2 ein
Zeitdiagramm, in welchem ein Einspritzungsbefehlssignal, eine Einspritzgeschwindigkeit
und ein detektierter Druck gemäß der ersten Ausführungsform
dargestellt sind;
-
3 ein
Blockschaltbild, welches Verarbeitungsinhalte zur Steuerung der
Einspritzung gemäß der ersten Ausführungsform
zeigt;
-
4 ein
Diagramm, welches die Korrektur und Aktualisierung eines Lernvektors
gemäß der ersten Ausführungsform wiedergibt;
-
5 ein
Flussdiagramm, welches einen Lernvorgang gemäß der
ersten Ausführungsform zeigt;
-
6 ein
Diagramm, welches segmentierte Bereiche des Brennstoffdruckes (Kriteriumsvariable) gemäß einer
dritten Ausführungsform der vorliegenden Erfindung wiedergibt;
und
-
7A und 7B Diagramme,
welche ein Lernverfahren nach dem Stande der Technik darstellen.
-
Nachfolgend
werden Ausführungsformen einer Lernvorrichtung gemäß der
vorliegenden Ausführungsform unter Bezugnahme auf die Zeichnungen beschrieben.
Die Lernvorrichtung gemäß jeder der Ausführungsformen,
welche unten erläutert werden, ist in einem Motor (Verbrennungsmotor)
für ein Fahrzeug angeordnet. Ein Dieselmotor, welcher Brennstoff
unter hohem Druck einspritzt und Selbstzündung des Brennstoffs
durch Kompression in einer Mehrzahl von Zylindern Nr. 1 bis Nr.
4 bewirkt, sei als Motor angenommen.
-
(Erste Ausführungsform)
-
1 ist
eine schematische Darstellung, welche eine Einspritzvorrichtung 10 (gesteuertes
Objekt), welche in jedem Zylinder des Motors angeordnet ist, einen
Brennstoffdruckfühler 20, welcher in der Einspritzvorrichtung 10 angeordnet
ist, eine elektronische Steuereinheit 30, als ein elektronisches
Steuergerät (Steuervorrichtung), welche in dem Fahrzeug angeordnet
ist, und dergleichen, darstellt.
-
Zunächst
sei ein Brennstoffeinspritzsystem des Motors mit der Einspritzvorrichtung 10 erläutert. Brennstoff
in einem Tank 40 wird durch eine Hochdruckpumpe 41 zu
einer Sammelschiene 42 (Drucksammler) gepumpt und in der
Sammelschiene 42 angesammelt. Der angesammelte Brennstoff
wird zu den Einspritzvorrichtungen 10 der jeweiligen Zylinder verteilt
und dorthin geliefert.
-
Die
Einspritzvorrichtung 10 besitzt einen Körper 11,
eine Ventilnadel 12 (Ventilelement), eine Betätigungseinrichtung 13 und
dergleichen, wie weiter unten ausgeführt wird. Der Körper 11 definiert
einen Hochdruckkanal 11a im Inneren und eine Einspritzöffnung 11b zum
Einspritzen des Brennstoffs. Die Ventilnadel 12 findet
in dem Körper 11 Aufnahme und öffnet
und schließt die Einspritzöffnung 11b.
Die Betätigungseinrichtung 13 veranlasst die Ventilnadel 12 zur
Ausführung der Öffnungs- und Schließbewegungen.
-
Die
ECU 30 steuert den Antrieb der Betätigungseinrichtung 13 zur
Steuerung der Öffnungs- und Schließbewegung der
Ventilnadel 12. Somit wird Brennstoff unter hohem Druck,
welcher von der Sammelschiene 42 zu dem Hochdruckkanal 11a geliefert wird,
von der Einspritzöffnung 11b entsprechend der Öffnungs-
und Schließbewegung der Ventilnadel 12 eingespritzt.
Beispielsweise errechnet die ECU 30 Einspritzbetriebsgrößen,
beispielsweise den Zeitpunkt des Einspritzungsbeginns, den Zeitpunkt
des Einspritzungsendes und eine Einspritzmenge auf der Basis der
Drehzahl einer Motorausgangswelle, einer Motorbelastung und dergleichen.
Die ECU 30 steuert den Antrieb der Betätigungseinrichtung 13 zur
Verwirklichung der errechneten Einspritzungsmoden.
-
Als
nächstes sei eine Hardwareausführung des Brennstoffdrucksensors
erläutert. Der Brennstoffdrucksensor 20 besitzt
einen Schaft 21 (Belastungselement), ein Drucksensorelement 22,
ein eingegossenes IC 23 und dergleichen wie weiter unter erläutert
wird. Der Schaft 21 ist an dem Körper 11 befestigt.
Ein Membranabschnitt 21a, welcher in dem Schaft 21 gebildet
ist, nimmt Druck des unter hohem Druck stehenden Brennstoffes auf,
der durch den Hochdruckkanal 11a strömt und verformt
sich elastisch.
-
Das
Drucksensorelement 22 ist an dem Membranabschnitt 21a befestigt.
Das Drucksensorelement 22 gibt ein Druckdetektierungssignal
entsprechend der Größe der elastischen Deformation
ab, welche in dem Membranabschnitt 21a verursacht wird.
Das eingegossene IC 23 ist durch Eingießen elektronischer
Bauteile beispielsweise einer Verstärkerschaltung, welche
das von dem Druckfühlerelement 22 abgegebene Druckdetektierungssignal
verstärkt, und eines EEPROM 25a als neu beschreibbares,
nicht flüchtiges Speicherelement in ein Kunstharz gebildet.
Das eingegossene IC 23 ist in der Einspritzvorrichtung
zusammen mit dem Schaft 21 befestigt. Ein Verbinder 14 ist
an dem oberen Teil des Körpers 11 vorgesehen.
Das eingegossene IC 23 und die Betätigungseinrichtung 13 sind
elektrisch mit der ECU 30 über einen Kabelbaum 15 verbunden, der
an den Verbinder 14 angeschlossen ist. Wenn die Brennstoffeinspritzung
durch die Einspritzöffnung 11b begonnen wird,
dann nimmt der Druck des Brennstoffs (Brennstoffdruck) in dem Hochdruckkanal 11a ab.
Der Brennstoffdruck steigt an, wenn die Brennstoffeinspritzung beendet
wird. Das bedeutet, eine Änderung des Brennstoffdruckes
steht in Korrelation mit einer Änderung einer Einspritzungsrate (Einspritzmenge,
die je Zeiteinheit eingespritzt wird). Demgemäß kann
eine Änderung der Einspritzrate aus der Brennstoffdruckänderung
abgeleitet und abgeschätzt werden. Aus diesem Grunde wird
gemäß der vorliegenden Ausführungsform
ein Einspritzratenmodell durch Detektieren der Brennstoffdruckänderung
errechnet und die tatsächliche Einspritzratenänderung
mit Bezug auf das Einspritzungsbefehlssignal unter Verwendung des
Einspritzratenmodells abgeschätzt. Dann wird ein Einspritzungsbefehlssignal
unter Berücksichtigung der abgeschätzten Einspritzratenänderung
eingestellt. Somit wird die Einspritzungssteuerung zum Erreichen
einer gewünschten Einspritzungsratenänderung durchgeführt.
-
Es
ist daher notwendig, die Einspritzungsraten-Modellparameter (Steuerparameter)
zu berechnen, welche zur Erzeugung des Einspritzratenmodells auf
der Basis des mit dem Brennstoffdrucksensor 20 detektierten
Druckes zu erzeugen und die Einspritzraten-Modellparameter zu speichern.
Weiter ist es notwendig, das Lernen durch Speichern und Aktualisieren
der Einspritzraten-Modellparameter jedes Mal dann durchzuführen,
wenn die Einspritzraten-Modellparameter berechnet sind. Wenn der Brennstoffdruck,
der zu der Einspritzvorrichtung 10 geführt wird
(d. h., der Brennstoffdruck in der Sammelschiene 42), und
der mit dem Brennstoffdrucksensor 20 detektierte Druck
zum Zeitpunkt des Einspritzungsbeginns voneinander abweichen, dann nehmen
auch die Einspritzraten-Modellparameter unterschiedliche Werte an.
Aus diesem Grunde werden bei der vorliegenden Ausführungsform
die Einspritzraten-Modellparameter in Bezug auf den Brennstoffdruck
vom Einspritzungsbeginn an (d. h., Kriteriumsvariable) gelernt.
-
Nachfolgend
werden die obenerwähnten Einspritzraten-Modellparameter,
welche aus der gewonnenen Brennstoffdruckänderung errechnet
worden sind, unter Bezugnahme auf 2 erläutert.
-
Teil
(a) von 2 zeigt ein Einspritzungsbefehlssignal,
welches von der ECU 30 an die Betätigungseinrichtung 13 der
Einspritzungsvorrichtung 10 ausgegeben wird. Aufgrund der
Impulsstirn des Befehlssignals arbeitet die Betätigungseinrichtung 13 und
die Einspritzungsöffnung 11b öffnet sich.
Das bedeutet, der Einspritzungsbeginn wird am Zeitpunkt t1 des Impulsbeginns
des Einspritzungsbefehlssignals befohlen und ein Einspritzungsende
Tq der Einspritzungsöffnung 11b mit einer Impuls-Einschaltperiode des
Befehlssignals (d. h., durch die Einspritzbefehlsperiode) gesteuert.
-
Teil
(b) von 2 zeigt eine Änderung
(einen Übergang) der Brennstoffeinspritzrate von der Einspritzöffnung 11b,
welche bei dem oben beschriebenen Einspritzbefehl auftritt.
-
Teil
(c) von 2 zeigt eine Änderung
(Fluktuationswellenform) des detektierten Druckes, der mit der Änderung
der Einspritzungsrate auftritt. Die Fluktuation des detektierten
Druckes steht in Beziehung mit der Änderung der Einspritzungsrate,
wie weiter unten erläutert. Aus diesem Grunde kann eine Übergangswellenform
der Einspritzungsrate aus der Fluktuationswellenform des detektierten
Druckes abgeleitet werden.
-
Das
bedeutet, dass dann, wenn nach dem Zeitpunkt t1 der Einspritzstartbefehl
ausgegeben wird, wie in Teil (a) von 2 gezeigt
ist, die Einspritzrate mit der Zunahme an dem Zeitpunkt R1 beginnt
und die Einspritzung beginnt. Während die Einspritzungsrate
an dem Zeitpunkt R1 zuzunehmen beginnt, fängt der detektierte
Druck an dem Änderungspunkt P1 an abzufallen. Wenn dann
die Einspritzungsrate an dem Zeitpunkt R2 die maximale Einspritzungsrate
erreicht, dann hört der Abfall des detektierten Druckes
an dem Änderungspunkt P2 auf. Wenn danach die Einspritzungsrate
an dem Zeitpunkt R2 abzunehmen beginnt, dann beginnt der detektierte
Druck am Änderungspunkt P2 zuzunehmen. Wenn hierauf die
Einspritzungsrate zu Null wird und die tatsächliche Einspritzung
am Zeitpunkt R3 endet, dann hört die Zunahme des detektierten
Druckes an einem Änderungspunkt P3 auf.
-
Die
Zunahmestartzeit R1 (tatsächliche Einspritzungsstartzeit)
und die Zeit R3 des Abnahmeendes (Zeitpunkt des tatsächlichen
Einspritzungsendes) der Einspritzungsrate können also durch
Detektieren der Änderungspunkte P1 und P3 in der Fluktuation
des von dem Brennstoffdruckfühler 20 detektierten
Druckes errechnet werden. Darüber hinaus kann die Änderung
der Einspritzungsrate aus der Fluktuation des detektierten Druckes
auf der Basis der Korrelation zwischen der Fluktuation des detektierten
Druckes und der Änderung der Einspritzungsrate in der unten
erläuterten Weise abgeschätzt werden.
-
Das
bedeutet, es besteht eine Korrelation zwischen einer Druckabnahmerate
Pa von dem Änderungspunkt P1 zu dem Änderungspunkt
P2 des detektierten Druckes und einer Einspritzraten-Zunahmerate
Ra von dem Änderungspunkt R1 zu dem Änderungspunkt
R3 der Injektionsrate. Es besteht eine Korrelation zwischen einer
Druckzunahmerate Pγ von dem Änderungspunkt P2
zu dem Änderungspunkt P3 und einer Injektionsraten-Abnahmerate
Rγ von dem Änderungspunkt R2 zu dem Änderungspunkt
R3. Es besteht eine Korrelation zwischen einer Druckabnahmemenge
Pβ (maximale Abfallgröße) von dem Änderungspunkt
P1 zu dem Änderungspunkt P2 und einer Injektionsraten-Zunahmemenge Rβ von
dem Änderungspunkt R1 zu dem Änderungspunkt R2.
Demgemäß können die Einspritzungsraten-Zunahmerate
Rα die Einspritzungsraten-Abnahmerate Rγ und die
Einspritzungsraten-Zunahmemenge Rβ der Einspritzungsrate
durch Detektieren der Druckabnahmerate Pα, der Druckzunahmerate Pγ und
der Druckabnahmemenge Pβ aus der Fluktuation des detektierten
Druckes errechnet werden. Wie oben beschrieben können die
verschiedenen Zustände R1, R3, Rα, Rβ und
Rγ der Einspritzungsrate errechnet werden und schließlich
kann die Änderung (Übergangswellenform) der Brennstoffeinspritzungsrate,
welche in Teil (b) von 2 gezeigt ist, abgeschätzt
werden.
-
Ein
Integrationswert der Einspritzungsrate von dem tatsächlichen
Einspritzungsbeginn bis zum tatsächlichen Einspritzungsende
(d. h., der schraffierte Bereich, welcher in Teil (b) von 2 durch
das Bezugszeichen S bezeichnet ist) entspricht der Einspritzungsmenge.
Ein Integrationswert des Druckes in einem Teil der Fluktuationswellenform
des detektierten Druckes entspricht der Änderung der Injektionsrate
von dem tatsächlichen Einspritzungsbeginn zum tatsächlichen
Einspritzungsende (d. h., der Teil von dem Änderungspunkt
P1 zu dem Änderungspunkt P3) und steht in Beziehung zu
dem Integrationswert S der Einspritzungsrate. Aus diesem Grunde kann
der Einspritzungsraten-Integrationswert S, welcher äquivalent
zu der Einspritzungsmenge Q ist, durch Errechnen des Druckintegrationswertes
aus der Fluktuation des detektierten Druckes errechnet werden.
-
Beziehungen
zwischen dem Zeitpunkt t1 des Impulsbeginns, dem Zeitpunkt t2 des
Impulsendes und der Impulseinschaltperiode Tq des Einspritzungsbefehlssignals
und die verschiedenen Zustände R1, R3, Rα, Rβ,
Rγ und dien Einspritzmenge Q werden in dem EEPROM 25a (Speichergerät)
als Einspritzungsraten-Modellparameter gespeichert und aktualisiert.
-
Im
Einzelnen werden td, te, dqmax und dergleichen, welche weiter unten
erläutert werden, als Einspritzungsraten-Modellparameter
gelernt. Das bedeutet, eine Zeit von dem Zeitpunkt t1 des Impulsbeginns
bis zum Zeitpunkt R1 des tatsächlichen Einspritzungsbeginns
wird als Einspritzungsstart-Ansprechverzögerung td gelernt.
Eine Abweichung zwischen der Ventilöffnungszeit Tq auf
der Basis des Einspritzungsbefehls und einer tatsächlichen
Einspritzzeit, welche sich von R1 bis R3 erstreckt, wird als Einspritzungszeitabweichung
te gelernt. Ein Verhältnis zwischen der Ventilöffnungszeit
Tq auf der Basis des Einspritzungsbefehls und der Einspritzungsratenzunahmegröße
Rb wird als Zunahmegrößenverhältnis dqmax
gelernt.
-
Grundsätzlich
errechnet der Mikrocomputer der ECU 30 eine Anforderung
der Einspritzmenge und eine Anforderung der Einspritzungszeit auf
der Basis einer Motorbelastung, welche aus einer Gashebebetätigungsgröße
und der gleichen und einer Motordrehzahl errechnet wird. Dann stellt
der Mikrocomputer das Einspritzungsbefehlssignal (t1, t2, Tq) so
ein, dass es der Einspritzungsmengenanforderung und der Einspritzungszeitanforderung
genügt, indem das Einspritzungsratenmodul verwendet wird, das aus
den gelernten Einspritzungsraten-Modellparametern berechnet ist.
Somit steuert der Mikrocomputer einen Brennstoffeinspritzungszustand
(Einspritzungszeit, Einspritzungsmenge und dergleichen).
-
3 ist
ein Blockschaltbild, welches Verarbeitungsinhalte (Steuerinhalte)
zur Steuerung der Einspritzvorrichtung 10 mit dem Mikrocomputer
der ECU 30 darstellt. Der Mikrocomputer hat Funktionen wie
einen Parametererrechnungsabschnitt 32 (Messvektorgewinnungsabschnitt),
einen Lernabschnitt 33 und einen Einspritzungsbefehlssignal-Einstellungsabschnitt 34,
wie weiter unten erläutert wird.
-
Als
erstes erhält die ECU 30 den detektierten Druck
(siehe Teil (c) von 2) von dem Brennstoffdrucksensor 20.
Der Parameterberechnungsabschnitt 32 errechnet verschiedene
Arten von Einspritzraten-Modellparameter (beispielsweise td, te und
dqmax), welche oben erwähnt wurden, auf der Basis des erhaltenen
detektierten Druckes. Die Parameter können als Messwerte
betrachtet werden, die mit dem Brennstoffdrucksensor 20 gemessen
wurden. Zusätzlich wird der Brennstoffdruck p vom Beginn
der Einspritzung ab (P1 im Teil c) von 2) auf der
Basis des erhaltenen detektierten Druckes abgelesen.
-
Der
Lernabschnitt 33 führt das Lernen durch Speichern
und Aktualisieren der verschiedenen Arten von Parameter als den
Messwerten in dem EEPROM 25a in Beziehung zu dem Brennstoffdruck
p vom Beginn der Einspritzung ab durch (nachfolgend einfach als
Brennstoffdruck p bezeichnet). Bei der Speicherung werden die Parameter
als die Messwerte, welche in dem Berechnungsabschnitt 32 berechnet
wurden, in Aufzeichnungen M gespeichert, welche jeweils einen der
Einspritzraten-Modellparameter und den Brennstoffdruck p als Achsen
verwenden. Die Aufzeichnung M wird für jede der verschiedenen
Arten von Einspritzraten-Modellparametern erzeugt (beispielsweise
td, te und dqmax).
-
Der
Einspritzungsbefehlsignal-Einstellungsabschnitt 34 stellt
das Einspritzungsbefehlssignal (t1, t2, tq) so ein, dass es die
angeforderte Einspritzmenge und die angeforderte Einspritzzeit auf
der Basis der Einspritzraten-Modellparameter (beispielsweise td,
te und dqmax), welche durch den Lernabschnitt 33 gelernt
wurden, des Brennstoffdruckes (Brennstoffdruck P1 zur Zeit des Beginns
der Einspritzung), welcher zu der Einspritzvorrichtung 10 geführt
wird und welche auf der Basis des detektierten Druckes, welcher
durch den Brennstoffdrucksensor 20 detektiert wurde, sowie
der angeforderten Einspritzmenge und der angeforderten Einspritzzeit,
welche auf der Basis der Motorbelastung und dergleichen berechnet wurde,
erfüllt. Die Einspritzvorrichtung 10 arbeitet entsprechend
dem in dieser Weise eingestellten Einspritzungsbefehlssignal und
spritzt den Brennstoff aus der Einspritzöffnung 11b ein.
-
Somit
werden die Einspritzungsraten-Modellparameter auf der Basis des
detektierten Druckes errechnet, welcher von dem Brennstoffdrucksensor 20 erhalten
wird, und das Lernen wird durch Speichern und Aktualisieren der
errechneten Werte (Messwerte) der Einspritzraten-Modellparameter durchgeführt.
Das Einspritzungsbefehlssignal für die nächste
Einspritzung oder später wird unter Verwendung der gelernten
Werte der Einspritzraten-Modellparameter eingestellt. So wird die
Rückkopplungssteuerung durchgeführt, um eine Abweichung
zwischen dem erforderlichen Einspritzungszustand und dem tatsächlichen
Einspritzungszustand auf Null zu reduzieren.
-
Als
nächstes sei als ein Beispiel ein Lernverfahren der Einspritzungsraten-Modellparameter
unter Verwendung der Einspritzungsstartverzögerung td erläutert. 4 zeigt
die Aufzeichnung M, welche die Verzögerung td in Abhängigkeit
von dem Brennstoffdruck p zeigt. Die gesamte Fläche der
Aufzeichnung, deren Vertikalachse die Verzögerung td ist
und deren Horizontalachse der Brennstoffdruck p ist, ist in mehrere
Brennstoffdruckbereiche i – 1, i, i + 1 unterteilt. Eine
einzelne Verzögerung td ist jedem der Bereiche i – 1,
i, i + 1 zugeordnet und wird gespeichert und aktualisiert. Um die
Verzögerung td in Abhängigkeit vom Brennstoffdruck
p zu speichern, wird ein Lernvektor, welcher aus der Verzögerungszeit
td und dem Brennstoffdruck t besteht, definiert und der Lernvektor
wird für jeden der Bereiche i – 1, i, i + 1 gespeichert
und aktualisiert.
-
Wie
beispielsweise in 4 gezeigt, ist der Lernvektor
des Bereiches i – 1 als TDi – 1 (pi – 1,
tdi – 1), der Lernvektor der Bereiches i als TDi (pi, tdi) und
der Lernvektor der Bereiches i + 1 als TDi + 1 (pi + 1, tdi + 1)
definiert. Der Lernvektor zeigt also nicht die Verzögerung
td entsprechend dem bestimmten Brennstoffdruck p an, sondern zeigt
die Verzögerung td entsprechend einem bewerteten Brennstoffdruck
p in dem Bereich an. Somit ist das Lernen eines Antriebs für
den Betrieb der Hochdruckpumpe 41 zum Erzielen eines bestimmten
Brennstoffdruckes p und zum Detektieren des Brennstoffdruckes zu
der Zeit mittels des Brennstoffdrucksensors 20 in der vorliegenden
Ausführungsform nicht notwendig. Vielmehr kann bei der
vorliegenden Ausführungsform das Lernen auf der Basis des
Brennstoffdruckfühlerwertes zu der Zeit durchgeführt
werden, wenn die Einspritzung entsprechend der Entwicklung der Situation durchgeführt
wird.
-
Wenn
dann der Parameterberechnungsabschnitt 32 die Verzögerung
td und den Brennstoffdruck p als die Messwerte auf der Basis des
detektierten Druckes berechnet, wird ein Messungsvektor td (p, td),
der aus den Messwerten p und td besteht, definiert. Wenn der Brennstoffdruck
p des Messungsvektors td (p, td) dem Bereich i entspricht, werden
die Speicherung und Aktualisierung (das Lernen) durch Korrektur
des Lernvektors TDi (pi, tdi) des Bereiches i auf der Basis des
Messvektors td (p, td) durch geführt.
-
Nunmehr
sei ein Lernvorgang unter Bezugnahme auf 5 erläutert. 5 zeigt
die Verarbeitung, welche durch die Einspritzungseinschaltung (IG-ON)
ausgelöst und wiederholt durch den Mikrocomputer der ECU 30 durchgeführt
wird.
-
Zuerst
wird in Schritt S10 (S bedeutet „Schritt”) (Messvektorerzeugungsabschnitt)
der detektierte Druck von dem Brennstoffdrucksensor 20 erhalten.
Im folgenden Schritt S20 (Messvektorgewinnungsabschnitt) werden
die Einspritzungsratenmodellparameter (beispielsweise td und te)
und der Brennstoffdruck p vom Einspritzungsbeginn in Teil (c) von 2 errechnet.
Nachfolgend wird eine Erläuterung durch Verwendung der
Verzögerung td als ein Beispiel eines Einspritzraten-Modellparameters
gegeben. Im folgenden Schritt S30 wird bestimmt, ob die Anzahl von
Malen Ntd des Lernens der Verzögerungszeit td kleiner als
eine vorbestimmte Anzahl von Malen α ist.
-
Wenn
festgestellt wird, dass die Anzahl von Malen Ntd des Lernens gleich
oder größer als die vorbestimmte Anzahl von Malen α ist
(S30: NEIN), dann wird festgestellt, dass ein weiteres Lernen unnötig
ist und die Bearbeitung von 5 endet.
So wird die Lernarbeitsbelastung der ECU 30 vermindert.
Wenn festgestellt wird, dass die Anzahl von Malen Ntd des Lernens
der Verzögerung td kleiner als die vorbestimmte Anzahl
von Malen α ist (S30: JA), dann wird der Lernprozess der
Verzögerung td in den folgenden Schritten S40 bis S70 durchgeführt.
-
Zuerst
wird im Schritt S40 der Vektor der aus der Verzögerung
td und dem Brennstoffdruck p besteht und im Schritt S20 berechnet
wurde, als der Messvektor td (p, td) definiert. Es kann davon ausgegangen
werden, dass der Messvektor td (p, td) auf der Basis des durch den
Brennstoffdrucksensor 20 gemessenen Brennstoffdruckes erhalten
wird.
-
Im
folgenden Schritt S50 wird der zu aktualisierende Lernvektor auf
der Basis des Brennstoffdruckes p gesucht, welcher in dem Schritt
S20 berechnet wurde. Das bedeutet, der Bereich aus den mehreren
abgeteilten Bereichen i – 1, i, i + 1 entsprechend dem
Brennstoffdruck p wird aufgesucht und der dem aufgesuchten Bereich
zugeordnete Lernvektor wird als der zu aktualisierende Lernvektor
ausgewählt. In dem Beispiel von 4 wird der
Messvektor TD (p, td), der durch eine Dreiecksmarkierung bezeichnet
ist, erhalten. Der Brennstoffdruck p als das Element des Messvektors
TD (p, td) entspricht dem Bereich i. Aus diesem Grunde wird der
Lernvektor TDi (pi, tdi) des Bereiches i, welcher durch eine kreisförmige
Markierung gekennzeichnet ist, als der zu aktualisierende Lernvektor
ausgewählt.
-
Im
folgenden Schritt S60 (Korrekturvektor-Berechnungsabschnitt) (Korrekturabschnitt)
wird ein Korrekturvektor TDiam auf der Basis des zu aktualisierenden
Lernvektors TDi (pi, tdi), und des Messvektors berechnet. Genauer
gesagt, der Lernvektor TDi(pi, tdi) welcher zu aktualisieren ist,
wird von dem Messvektor TD(p, td) subtrahiert und das Ergebnis der
Subtraktion wird mit einem vorbestimmten Verhältnis G (0 < G < 1) multipliziert,
um den Korrekturvektor TDiam zu erhalten. Das bedeutet, der Korrekturvektor
TDiam wird durch folgende Formel errechnet: TDiam = {TD(p, td) – Tdi(pi,
tdi)} × G.
-
Der
vorbestimmte Verhältniswert G entsprechend der vorliegenden
Ausführungsform wird in jedem Bereich auf denselben Wert
eingestellt. Alternativ kann der vorbestimmte Verhältniswert
G unter den unterschiedlichen Bereichen auf jeweils unterschiedliche
Werte eingstellt werden. Beispielsweise kann der vorbestimmte Verhältniswert
G auf einen verhältnismäßig großen
Wert eingestellt werden, wenn die Anzahl von Malen des Lernens verhältnismäßig
klein ist. Der Lernvektor kann so rasch auf die wahren Werte angenähert
werden und ein Ausbrechen des Lernvektors kann verhindert werden,
wenn der Lernvektor die wahren Werte in einem bestimmten Maße annähert.
Der vorbestimmte Verhältniswert G gemäß der
vorliegenden Ausführungsform wird auf einen vorbestimmten
festen Wert eingestellt. Alternativ kann der vorbestimmte Verhältniswert
G auch variabel eingestellt werden. Beispielsweise kann der Wert des
vorbestimmten Verhältniswertes G entsprechend der Anzahl
von Malen des Lernens veränderlich eingestellt werden.
-
Im
folgenden Schritt S70 (Korrekturabschnitt) wird der Korrekturvektor
TDiam, welcher im Schritt S60 berechnet wurde, zu dem Lernvektor TDi(pi,
tdi), welcher zu aktualisieren ist, addiert. Der Lernvektor TDi(pi,
tdi) des Bereiches i wird somit korrigiert und gespeichert und aktualisiert.
Das bedeutet, der aktualisierte Lernvektor TDinew(pinew, tdinew)
wird durch folgende Formel errechnet: TDinew(pinew, tdinew) = TDi(pi,
tdi) + TDiam.
-
In
dem folgenden Schritt S80 wird ein Zähler zum Zählen
der Anzahl von Malen Ntd des Lernens, welche für die Bestimmung
im Schritt S30 verwendet wird, weitergestellt. In dem obengenannten
Schritt S30 wird die Anzahl von Malen Ntd des Lernens von td der
gesamten Bereiche bestimmt. Alternativ kann die Anzahl von Malen
des Lernens für jeden Bereich gezählt werden und
es kann bestimmt werden, ob die Anzahl von Malen des Lernens kleiner
als eine vorbestimmte Anzahl von Malen für jeden Bereich
ist. In diesem Falle ist der Zähler zur Zählung
der Anzahl von Malen des Lernens des Bereiches entsprechend dem
Lernvektor, welcher im Schritt S70 aktualisiert wird, im Schritt
S80 zu inkrementieren.
-
Die
vorliegende Ausführungsform, welche oben beschrieben wurde,
führt zu folgenden Wirkungen.
- (1)
In der vorliegenden Ausführungsform wird die Ansprechverzögerung
td (td(30); td(50), td(80) im Beispiel von 7)
entsprechend dem spezifischen Wert des Brennstoffdruckes p (30 MPa,
50 MPa, 80 MPa im Beispiel von 7)
nicht gespeichert. Vielmehr wird bei der vorliegenden Ausführungsform
der Lernvektor, welcher aus der Ansprechverzögerung td
und dem Brennstoffdruck p (TDi – 1, TDi und TDi + 1 in
Beispiel von 4) jeweils gespeichert. Der
Lernvektor wird auf der Basis des Messvektors (TD im Beispiel von 4), welcher
aus dem Messwert der Ansprechverzögerung td und dem Messwert
des Brennstoffdruckes p vom Zeitpunkt des Beginns der Einspritzung
besteht, korrigiert. Selbst wenn daher die Kennlinie, welche die
Beziehung zwischen der Ansprechverzögerung td und dem Brennstoffdruck
p ausdrückt, keine gerade Linie, sondern eine gekrümmte
Linie ist, kann ein Ausbrechen oder Schwanken der gespeicherten
und aktualisierten Werte des Lernvektors verhindert werden.
-
Selbst
wenn ferner die Kennlinie eine gerade Linie ist und der gegenwärtige
Lernvektor TDi von den wahren charakteristischen Werten abgewichen ist,
nähert sich der aktualisierte Lernvektor TDinew allmählich
an die wahren Werte ohne Schwankungen und Ausbrechen an, da die
Korrektur des gegenwärtigen Lernvektors TDi auf der Basis
des Messvektors TD wiederholt wird. Aus diesem Grunde kann auch
in diesem Falle ein Schwanken oder Ausbrechen der gespeicherten
und aktualisierten Werte des Lernvektors TDinew verhindert werden.
- (2) Der Korrekturvektor TDiam wird durch Multiplizieren
der Differenz zwischen dem Messvektor TD und dem Lernvektor TDi
mit dem vorbestimmten Verhältniswert G errechnet, welcher
zwischen 0 und 1 eingestellt ist. Aus diesem Grunde kann das Ausbrechen
der gespeicherten und aktualisierten Werte des Lernvektors im Vergleich
zu dem Fall verhindert werden, in welchem die Korrektur durch Hinzufügen
des Differenzwertes zu dem Lernvektor TDi wie er ist, durchgeführt
ist.
- (3) Wenn die Anzahl von Malen des Lernens des Verzögerungswertes
td gleich oder größer als die vorbestimmte Anzahl
von Malen ist (SA30: NEIN), ist davon auszugehen, dass ein weiteres
Lernen unnötig ist. Dann endet die Verarbeitung gemäß 5 ohne
die Durchführung der Berechnungsverarbeitung des Messvektors
(S40), die Berechnungsverarbeitung des Korrekturvektors (S60), die
Speicherung und Aktualisierungsverarbeitung des Lernvektors (S70)
und dergleichen. Aus diesem Grunde kann ein übermäßig
häufiges Lernen vermieden werden und die Belastung der
Lernverarbeitung der ECU 30 kann vermindert werden.
-
(Zweite Ausführungsform)
-
Als
nächstes sei eine zweite Ausführungsform der vorliegenden
Erfindung erläutert.
-
In
der oben beschriebenen ersten Ausführungsform wird der
vorbestimmte Verhältniswert G, der für die Berechnung
des Korrekturvektors TDiam verwendet wird, auf denselben Wert in
sämtlichen Bereichen i – 1, i, i + 1 eingestellt.
In der zweiten Ausführungsform ist der vorbestimmte Verhältniswert
G in den verschiedenen Bereichen i – 1, i, i + 1 auf unterschiedliche
Werte eingestellt.
-
Beispielsweise
wird der vorbestimmte Verhältniswert G veränderlich
in Entsprechung mit der Anzahl von Malen des Lernens eingestellt.
Es wird angenommen, dass der Lernvektor in einem bestimmten Bereich
sich an die wahren Werte mehr angenähert hat, wenn die
Anzahl von Malen des Lernens in dem betreffenden Bereich zunimmt.
Aus diesem Grunde kann der vorbestimmte Verhältniswert
G eines bestimmten Bereiches veränderlich eingestellt werden,
so dass er kleiner wird, wenn die Anzahl von Malen des Lernens des
betreffenden Bereiches zunimmt.
-
Es
ist anzunehmen, dass die Anzahl von Malen des Lernens der gesamten
Bereiche zunimmt, wenn eine Zeit, die nach einer ersten Verwendung der
Einspritzvorrichtung 10 als gesteuertem Objekt verstrichen
ist, zunimmt. Aus diesem Grunde ist davon auszugehen, dass die Lernvektoren
die echten Werte in den gesamten Bereichen stärker angenähert
haben und die vorbestimmten Verhältniswerte G in den ganzen
Bereichen vermindert werden können, wenn die verstrichene
Zeit sich verlängert.
-
(Dritte Ausführungsform)
-
Nun
sei eine dritte Ausführungsform der vorliegenden Erfindung
erläutert. In der obenbeschriebenen ersten Ausführungsform
ist der gesamte Bereich des Brennstoffdruckes p in gleiche Intervalle unterteilt.
In der dritten Ausführungsform sind die mehrfachen Bereiche
i – 1, i, i + 1 in unterschiedliche Intervalle unterteilt
(es sei auf Wi, Wi + 1 in 6 Bezug
genommen).
-
Das
bedeutet, dass gemäß einem ersten Beispiel die
mehrfachen Bereich i – 1, i, i + 1 mit unterschiedlichen
Intervallen (siehe Wi, Wi + 1 in 6) gemäß einem
Verteilungsprofil der mehrfachen Lernvektoren TDi – 1,
TDi, TDi + 1 in der Aufzeichnungsfläche unterteilt sind.
-
Beispielsweise
in dem Falle, in welchem das Verteilungsprofil der Lernvektoren
eine Gestalt hat, wie sie durch die Kennzeichnung R in 6 dargestellt
ist, so ist anzunehmen, dass eine Verteilung der wahren Werte ebenfalls
eine Gestalt einer gekrümmten Linie in einem Bereich hat,
in welchem das Verteilungsprofil R des Lernvektors die Gestalt einer
gekrümmten Linie hat (beispielsweise Bereich Wi + 1). Aus
diesem Grunde wird das Intervall in dem Bereich der gekrümmten
Linie kleiner eingestellt als in einem anderen Bereich mit einer
geraden Linie (beispielsweise Bereich Wi in 6). Da angenommen
ist, dass die Verteilung der wahren Werte ebenfalls eine Gestalt
einschließlich eines Extremwertes in einem Bereich nahe
einem Extremwert (Ra, Rb, Rc in 6) des Verteilungsprofils
R hat, kann alternativ der Intervall in dem Bereich klein eingestellt
werden. Bei dieser Konfiguration wird der Lernvektor in dem Bereich,
in welchem die wahren Werte sich rasch ändern in feiner
Weise gespeichert und aktualisiert. Aus diesem Grunde kann der Lernvektor
an die wahren Werte mit hoher Genauigkeit angenähert werden.
-
Wenn
der Einspritzungsbefehlssignal-Einstellungsabschnitt 34 das
Einspritzungsbefehlssignal (t1, t2, Tq) unter Verwendung des Einspritzungsratenmodells
(d. h., die Lernaufzeichnung M) einstellt, welches auf der Basis
der gelernten Einspritzungsraten-Modellparameter errechnet ist (beispielsweise
td, te und dqmax), dann ändern sich die Verwendungshäufigkeiten
der Lernvektoren TDi – 1, TDi, TDi + 1, welche für
die Bereiche i – 1, i, i + 1 in der Aufzeichnung M jeweils
gespeichert sind, für die Einstellung des Einspritzungsbefehlssignals
relativ zueinander von Bereich zu Bereich. Aus diesem Grunde werden gemäß einem
zweiten Beispiel die mehrfachen Bereich i – 1, i, i + 1
mit unterschiedlichen Intervallen gemäß der Verwendungshäufigkeiten
unterteilt. Beispielsweise wird der Lernvektor entsprechend dem Brennstoffdruck
vom Lehrlaufverbrennungsmotor oft verwendet. Aus diesem Grunde ist
es vorzuziehen, das Intervall in diesem Bereich des Brennstoffdruckes
klein einzustellen.
-
(Vierte Ausführungsform)
-
Als
nächstes sei eine vierte Ausführungsform der vorliegenden
Erfindung erklärt.
-
In
der obenbeschriebenen ersten Ausführungsform wird die Aufzeichnungsfläche,
welche die Einspritzungsraten-Modellparameter (Steuerparameter),
beispielsweise td, te oder dqmax und den Brennstoffdruck p (Kriteriumsvariable)
als Achsen verwendet, in eine Mehrzahl von Bereichen i – 1,
i, i + 1, unterteilt. Der einzelne Lernvektor wird jedem der abgeteilten
Bereiche i – 1, i + 1 zugeordnet.
-
In
der vierten Ausführungsform wird die Aufzeichnungsfläche,
welche den Einspritzraten-Modellparameter und den Brennstoffdruck
p als Achsen verwendet, nicht in mehrfache Bereiche unterteilt.
Vielmehr wird bei der vorliegenden Ausführungsform der bestehende
Lernvektor, welcher am nächsten an dem gewonnenen Messvektor
TD liegt, als das Objekt der Aktualisierung gewählt und
wird auf der Basis des Messvektors TD korrigiert. Der korrigierte
Lernvektor wird gespeichert und aktualisiert. Obwohl beispielsweise
in dem Beispiel von 4 der Messvektor TD in dem Bereich
i in der ersten Ausführungsform existiert, liegt der Lernvektor
TDi – 1 in dem Bereich i – 1 näher an
dem Messvektor TD als der Lernvektor TDi im Bereich i. In einem
solchen Falle wird bei der vorliegenden Ausführungsform
nicht der Lernvektor TDi, sondern der Lernvektor TDi + 1 auf der
Basis des Messvektors TD korrigiert und gespeichert und aktualisiert.
-
Aus
diesem Grunde sammeln sich bei der vorliegenden Ausführungsform
die Lernvektoren in demjenigen Bereich der Aufzeichnungsfläche,
in welchem der Messvektor TD häufig gemessen wird. Schließlich
erhöht sich die Anzahl der Lernvektoren automatisch in
dem Bereich, in welchem die Messhäufigkeit hoch ist.
-
(Fünfte Ausführungsform)
-
Nunmehr
sei eine fünfte Ausführungsform der vorliegenden
Erfindung erklärt.
-
In
der obenbeschriebenen vierten Ausführungsform ist die Zahl
der Lernvektoren, welche in der Aufzeichnungsfläche existieren,
auf einer festen Zahl festgehalten. In der fünften Ausführungsform wird
zusätzlich zur Auswahl des am nächsten am Messvektor
TD gelegenen Lernvektors als das Ziel der Aktualisierung wie bei
der vierten Ausführungsform die Anzahl der Lernvektoren,
welche in der Aufzeichnungsfläche existieren, variabel
ein gestellt.
-
Als
erstes Beispiel wird die Zahl der Lernvektoren variabel eingestellt,
so dass die Zahl der Lernvektoren in dem Bereich, in welchem das
Verteilungsprofil R des Lernvektors die Gestalt einer gekrümmten
Linie hat, nämlich dem Bereich nahe der Extremwerte Ra,
Rb, oder Rc oder in dem Bereich, in dem die Verwendungshäufigkeit
hoch, zu erhöhen, wie oben unter Verwendung von 6 erläutert
wurde.
-
Als
zweites Beispiel wird, wenn ein Abstand zwischen den zwei benachbarten
Lernvektoren gleich oder kleiner als ein vorbestimmter Wert ist,
der eine oder andere der benachbarten Lernvektoren gelöscht.
Somit wird das variable Einstellen zur Verminderung der Anzahl der
Lernvektoren durchgeführt. Auf diese Weise ist, wenn der
Abstand zwischen den benachbarten Lernvektoren klein ist, davon
auszugehen, dass die Anzahl der Lernvektoren unnötig groß ist,
und der eine oder andere der benachbarten Lernvektoren wird gelöscht.
Aus diesem Grunde kann die notwendige oder verwendete Speicherkapazität
des EEPROM 25a vermindert werden.
-
Als
drittes Beispiel kann, wenn der Abstand zwischen den benachbarten
Lernvektoren gleich oder kleiner als ein vorbestimmter Wert ist,
ein neuer Lernvektor zwischen die benachbarten Lernvektoren eingefügt
werden. Somit wird die variable Einstellung zur Erhöhung
der Anzahl der Lernvektoren durchgeführt. In dieser Weise
ist, wenn der Abstand zwischen den benachbarten Lernvektoren klein
ist, anzunehmen, dass die Verwendungshäufigkeit in dem
Bereich hoch ist, und es wird ein neuer Lernvektor hinzugefügt.
Aus diesem Grunde kann der Lernvektor in dem Bereich einer hohen
Verwendungshäufigkeit fein gespeichert und aktualisiert
werden.
-
(Sechste Ausführungsform)
-
Nunmehr
sei eine sechste Ausführungsform der vorliegenden Erfindung
erläutert.
-
In
der oben beschriebenen ersten Ausführungsform wird die
Lernaufzeichnung M unter Verwendung des gespeicherten und aktualisierten
Lernvektor wie er ist erzeugt, und das Einspritzungsbefehlssignal
(t1, t2, tq) wird auf der Basis der Lernaufzeichnung M eingestellt.
In der sechsten Ausführungsform wird der Wert der Verzögerung
td (Steuerparameter) entsprechend dem bestimmten Wert (beispielsweise
30 MPa, 50 MPa, 80 MPa von 7) des Brennstoffdruckes
p (Kriteriumsvariable durch lineare Interpolation auf der Basis
des bereits einem Lernvorgang unterzogenen Lernvektors errechnet.
Eine Steueraufzeichnung wird durch in Beziehungsetzung des errechneten
Wertes mit dem bestimmten Wert erzeugt. Dann wird das Einspritzratenmodell
errechnet und das Einspritzungsbefehlssignal wird unter Verwendung
der Verzögerung td eingestellt, welche in der Steuerungsaufzeichnung
gespeichert ist.
-
Das
Lernen wird mit der Lernaufzeichnung M gemäß 4 durchgeführt,
aber die Lernaufzeichnung M dient nicht als Steuerungsaufzeichnung,
welche zur Einstellung des Einspritzungsbefehlssignals verwendet
wird, wie es ist. Vielmehr wird die Aufzeichnung in der in 7 gezeigten Form aus der Lernaufzeichnung
erzeugt und wird verwendet.
-
(Andere Ausführungsformen)
-
Die
vorliegende Erfindung ist nicht auf die oben beschriebenen Ausführungsformen
beschränkt, sondern kann beispielsweise folgendermaßen
modifiziert und verwirklicht werden. Weiter können charakteristische
Konstruktionen der jeweiligen Ausführungsformen beliebig
kombiniert werden.
-
In
oben beschriebenen Ausführungsformen wird die Lernaufzeichnung,
welche jeden der Einspritzungsraten-Modellparameter (beispielsweise
td, te und dqmax) mit dem Brennstoffdruck p in Beziehung setzt,
erzeugt. Das bedeutet, der zweidimensionale Lernvektor, welcher
aus dem einzelnen Einspritzraten-Modellparameter und dem Brennstoffdruck
p besteht, wird definiert und der Lernvektor wird in der zweidimensionalen
Lernaufzeichnung gespeichert. Alternativ kann ein mehrdimensionaler Lernvektor
von drei oder mehr Dimensionen, welcher aus den mehrfachen Einspritzraten-Modellparametern
und den Brennstoffdruck p besteht, definiert werden und der mehrdimensionale
Lernvektor kann in einer mehrdimensionalen Lernaufzeichnung von
drei oder mehr Dimensionen gespeichert werden. Wenn beispielsweise
der dreidimensionale Lernvektor, welcher auf der Ansprechverzögerung
td, der Einspritzungszeitabweichung te und dem Brennstoffdruck p besteht,
definiert wird, dann wird das Lernen entsprechend der Verarbeitung
von 5 durchgeführt. Das bedeutet, der Messvektor
wird als TD(p, te, td) definiert und der Korrekturvektor TDiam wird
durch folgende Formel errechnet: TDiam = {TD(p,
te, td) – Tdi(pi, tei, tdi)} × G.
-
Dann
wird der aktualisierte Lernvektor TDinew(pinew, teinew, tdinew)
durch eine Formel errechnet: TDinew(pinew, teinew,
tdinew) = TDi(pi, tei, tdi) + TDiam.
-
Somit
ist es nur erforderlich, die Dimension jeder Errechnungsformel zu ändern.
Aus diesem Grunde kann die vorliegende Erfindung auf mehrfache Steuerparameter
angewendet werden, ohne dass eine wesentliche Programmänderung
nötig ist.
-
In
den oben beschriebenen Ausführungsformen werden die Lernvektoren
der Einspritzraten-Modellparameter (Steuerparameter) in dem EEPROM 25a gespeichert,
die in der Einspritzvorrichtung 10 angeordnet ist. Alternativ
können die Lernvektoren in einem Speicher 31 der
ECU 30 gespeichert werden.
-
In
den oben beschriebenen Ausführungsformen ist der vorbestimmte
Verhältniswert G der zur Errechnung des Korrekturvektors
TDiam verwendet wird, kleiner als 1. Alternativ kann der vorbestimmte Verhältniswert
G auf 1 eingestellt werden. Das bedeutet, der Vektor der Durch Subtrahieren
des Lernvektors TDi(pi, tdi) als Gegenstand der Aktualisierung von
dem Messvektor TD(p, td) erhalten wird, kann als der Korrekturvektor
TDiam verwendet werden, wie er ist.
-
In
der oben beschriebenen ersten Ausführungsform endet der
Lernvorgang bei einer Bedingung, bei welcher die Anzahl von Malen
des Lernens gleich oder größer als eine vorbestimmte
Anzahl von Malen ist, wie im Schritt S30 von 5 angegeben ist.
Alternativ kann das Lernen bei einer Bedingung beendet werden, bei
welcher eine Lernzeit der Lernvektoren eine vorbestimmte Zeitperiode überschreitet.
-
Die
vorliegende Erfindung ist nicht auf die offenbarten Ausführungsformen
beschränkt sondern kann in vielerlei anderen Weisen ohne
Abweichung von der grundsätzlichen Lehre der Erfindung
verwirklicht werden, wie sie durch die anliegenden Ansprüche
definiert ist.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste
der vom Anmelder aufgeführten Dokumente wurde automatisiert
erzeugt und ist ausschließlich zur besseren Information
des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen
Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt
keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-