JP2005023863A - 内燃機関の制御装置 - Google Patents
内燃機関の制御装置 Download PDFInfo
- Publication number
- JP2005023863A JP2005023863A JP2003191439A JP2003191439A JP2005023863A JP 2005023863 A JP2005023863 A JP 2005023863A JP 2003191439 A JP2003191439 A JP 2003191439A JP 2003191439 A JP2003191439 A JP 2003191439A JP 2005023863 A JP2005023863 A JP 2005023863A
- Authority
- JP
- Japan
- Prior art keywords
- air
- model
- fuel ratio
- fuel
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
【課題】点火プラグから検出したイオン電流に基づいて空燃比を正確に求め、内燃機関を最適に制御する。
【解決手段】各気筒１０ａ〜１０ｄのイオン電流を取得する点火プラグ１６と、イオン電流と筒内の空燃比との関係をモデル化し、イオン電流に基づいて筒内の空燃比を出力する点火プラグモデル４２と、を備える。点火プラグモデル４２を簡易線形モデル４２ａとニューラルネットモデル４２ｂから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【選択図】 図４
【解決手段】各気筒１０ａ〜１０ｄのイオン電流を取得する点火プラグ１６と、イオン電流と筒内の空燃比との関係をモデル化し、イオン電流に基づいて筒内の空燃比を出力する点火プラグモデル４２と、を備える。点火プラグモデル４２を簡易線形モデル４２ａとニューラルネットモデル４２ｂから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【選択図】 図４
Description
【０００１】
【発明の属する技術分野】
この発明は内燃機関の制御装置に関し、特に、空燃比（Ａ／Ｆ）の制御を行う装置に適用して好適である。
【０００２】
【従来の技術】
従来、点火プラグからイオン電流を検出し、イオン電流に基づいて燃料噴射量を制御する方法が知られている。例えば、特開２０００−５４９４２号公報には、活性後の空燃比センサの空燃比からイオン電流による空燃比検出誤差を補正するための補正値を学習し、空燃比センサが不活性の時にはイオン電流により空燃比を制御する方法が記載されている。
【０００３】
【特許文献１】
特開２０００−５４９４２号公報
【特許文献２】
特開平５−１８００５９号公報
【特許文献３】
特開平１０−５４２７９号公報
【特許文献４】
特開２０００−２１３３９５号公報
【特許文献５】
特開平１０−１１１０５号公報
【特許文献６】
特開２００１−１５２９３２号公報
【０００４】
【発明が解決しようとする課題】
しかしながら、イオン電流は燃焼室内の点火プラグの近傍のみでしか測定することができない。従って、イオン電流の出力値は、測定時における燃焼室内での燃料の分布状況に影響を受け、燃焼室内での燃料の分布は流動的であるため、イオン電流の測定値は測定毎に大きく変動するという問題が生じる。更に、イオン電流出力にはノイズ成分が多く発生するため、測定値はノイズによって測定毎に変動する。このため、イオン電流に基づいて正確に空燃比を推定することは困難である。
【０００５】
上記公報に記載された方法では、イオン電流と空燃比との関係を複数回測定し、その関係を用いて空燃比を推定している。しかしながら、この方法では、空燃比を検出するためには複数回のイオン電流測定を行う必要があり、１回のイオン電流測定に基づいて空燃比を正確に求めることはできない。従って、イオン電流に基づいて燃焼１回毎の空燃比を逐次求めることは非常に困難となる。
【０００６】
この発明は、上述のような問題を解決するためになされたものであり、点火プラグから検出したイオン電流に基づいて空燃比を正確に求め、内燃機関を最適に制御することを目的とする。
【０００７】
【課題を解決するための手段】
第１の発明は、上記の目的を達成するため、筒内のイオン電流又は燃焼圧を取得する手段と、前記イオン電流又は燃焼圧と筒内の空燃比との関係をモデル化し、前記イオン電流又は燃焼圧に基づいて筒内の空燃比を出力する空燃比推定モデルと、を備えたことを特徴とする。
【０００８】
第２の発明は、第１の発明において、前記空燃比推定モデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする。
【０００９】
第３の発明は、第１又は第２の発明において、前記空燃比推定モデルから出力された空燃比に基づいて、内燃機関の空燃比を制御する手段を更に備えたことを特徴とする。
【００１０】
第４の発明は、第１〜第３の発明のいずれかにおいて、各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記空燃比推定モデルから出力された各気筒の空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、排気集合部に設けられた空燃比センサの特性をモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、を更に備えたことを特徴とする。
【００１１】
第５の発明は、第４の発明において、前記空燃比センサモデルから出力された空燃比に基づいて、内燃機関の空燃比を制御する手段を更に備えたことを特徴とする。
【００１２】
第６の発明は、第４又は第５の発明において、前記空燃比センサモデルから出力された空燃比と前記空燃比センサで実測された空燃比との比較の結果に基づいて、前記排気モデルを決定するパラメータを取得する手段を更に備えたことを特徴とする。
【００１３】
第７の発明は、第６の発明において、前記排気モデルを決定するパラメータは、各気筒からの排気の割合、及び排気の輸送遅れであることを特徴とする。
【００１４】
第８の発明は、第６又は第７の発明において、前記パラメータの変動に基づいて異常判定を行う異常判定手段を更に備えたことを特徴とする。
【００１５】
第９の発明は、第１〜第８の発明のいずれかにおいて、噴射空燃比と筒内の空燃比との関係をモデル化し、前記噴射空燃比に基づいて筒内の空燃比を出力する燃料モデルと、前記空燃比推定モデルから出力された空燃比と前記燃料モデルから出力された空燃比との比較の結果に基づいて、前記燃料モデルを構築する手段と、を更に備えたことを特徴とする。
【００１６】
第１０の発明は、第９の発明において、前記空燃比推定モデルから出力された空燃比と、前記燃料モデルから出力された空燃比とに基づいて、内燃機関の空燃比を制御する手段を更に備えたことを特徴とする。
【００１７】
第１１の発明は、第９又は第１０の発明において、前記燃料モデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする。
【００１８】
第１２の発明は、第９〜第１１の発明のいずれかにおいて、各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記燃料モデルから出力された各気筒の空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、排気集合部に設けられた空燃比センサの特性をモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、を更に備えたことを特徴とする。
【００１９】
第１３の発明は、第４〜第８及び第１２の発明のいずれかにおいて、前記空燃比センサモデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする。
【００２０】
第１４の発明は、第９〜第１１の発明のいずれかにおいて、内燃機関を定常運転させた場合に、前記空燃比センサモデルから出力された空燃比と前記空燃比センサで実測された空燃比との比較の結果に基づいて、前記空燃比推定モデルを修正する修正手段を更に備えたことを特徴とする。
【００２１】
第１５の発明は、第１４の発明において、修正された前記空燃比推定モデルから出力された空燃比に基づいて、内燃機関の空燃比を制御する手段を備えたことを特徴とする。
【００２２】
第１６の発明は、第１５の発明において、内燃機関を過渡運転させた場合に、修正された前記空燃比推定モデルから出力された空燃比と前記燃料モデルから出力された空燃比との比較の結果に基づいて、前記燃料モデルを修正する修正手段を更に備えたことを特徴とする。
【００２３】
第１７の発明は、第１６の発明において、修正された前記空燃比推定モデルから出力された空燃比と、修正された前記燃料モデルから出力された空燃比とに基づいて、内燃機関の空燃比を制御する手段を更に備えたことを特徴とする。
【００２４】
第１８の発明は、第１２の発明において、前記空燃比推定モデルから出力された空燃比と前記燃料モデルから出力された空燃比との比較の結果に基づいて、異常判定を行う異常判定手段を更に備えたことを特徴とする。
【００２５】
第１９の発明は、第１２の発明において、前記空燃比センサモデルから出力された空燃比と実機の空燃比センサで実測された空燃比との比較の結果に基づいて、異常判定を行う異常判定手段を更に備えたことを特徴とする。
【００２６】
第２０の発明は、第１又は第２の発明において、噴射空燃比と筒内の空燃比との関係を線形成分を用いてモデル化し、前記噴射空燃比に基づいて筒内の空燃比を出力する燃料モデルと、各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記燃料モデルから出力された空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、排気集合部に設けられた空燃比センサの特性を線形成分を用いてモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、を含む線形モデルと、前記線形モデルの空燃比センサモデルから出力された全気筒の空燃比と、前記空燃比推定モデルから出力された各気筒の空燃比とに基づいて、内燃機関の空燃比を制御する手段と、を更に備えたことを特徴とする。
【００２７】
第２１の発明は、上記の目的を達成するため、噴射空燃比と筒内の空燃比との関係をモデル化し、前記噴射空燃比に基づいて筒内の空燃比を出力する燃料モデルと、各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記燃料モデルから出力された各気筒の空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、排気集合部に設けられた空燃比センサの特性をモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、前記線形モデルの前記空燃比センサモデルから出力された空燃比と、前記空燃比センサで実測された空燃比とに基づいて、内燃機関の空燃比を制御する手段と、を備えたことを特徴とする。
【００２８】
第２２の発明は、上記の目的を達成するため、燃料噴射量と空燃比との関係をモデル化し、燃料噴射量を入力として排気集合部に設けられた空燃比センサの出力に相当する空燃比を出力するハイブリッドモデルと、目標空燃比を入力として、当該目標空燃比に応じた燃料噴射量を出力する前記ハイブリッドモデルの近似逆モデルと、前記空燃比センサで実測された空燃比と、前記近似逆モデルから出力された燃料噴射量を入力として前記ハイブリッドモデルから出力された空燃比とを比較する比較手段と、前記比較手段における比較の結果に基づいて、燃料噴射量を制御する手段と、を備えたことを特徴とする。
【００２９】
第２３の発明は、第２２の発明において、前記ハイブリッドモデルは、噴射空燃比と筒内の空燃比との関係をモデル化し、前記噴射空燃比に基づいて筒内の空燃比を出力する燃料モデルと、各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記燃料モデルから出力された各気筒の空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、排気集合部に設けられた空燃比センサの特性をモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、を備えたことを特徴とする。
【００３０】
第２４の発明は、第２１又は第２３の発明において、筒内のイオン電流又は燃焼圧を取得する手段と、前記イオン電流又は燃焼圧と筒内の空燃比との関係をモデル化し、前記イオン電流又は燃焼圧に基づいて筒内の空燃比を出力する空燃比推定モデルと、前記空燃比推定モデルから出力された空燃比と前記燃料モデルから出力された空燃比との比較の結果に基づいて、前記燃料モデルを構築する手段と、を更に備えたことを特徴とする。
【００３１】
第２５の発明は、第２２〜第２４の発明のいずれかにおいて、前記近似逆モデルは、前記ハイブリッドモデルから時間遅れ項を除いたモデルをフィードバック制御して得られるモデルであることを特徴とする。
【００３２】
第２６の発明は、第２１及び第２３〜第２５の発明のいずれかにおいて、前記燃料モデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする。
【００３３】
第２７の発明は、第２１及び第２３〜第２６の発明のいずれかにおいて、前記空燃比センサモデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする。
【００３４】
第２８の発明は、第２４〜第２７の発明のいずれかにおいて、前記空燃比推定モデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする。
【００３５】
【発明の実施の形態】
以下、図面に基づいてこの発明のいくつかの実施の形態について説明する。なお、各図において共通する要素には、同一の符号を付して重複する説明を省略する。また、以下の実施の形態によりこの発明が限定されるものではない。
【００３６】
実施の形態１．
図１は、本発明の各実施形態の制御装置によって制御される実機４４の構成を示す模式図である。図１では、４気筒の内燃機関１０からなる実機４４を例示している。図１に示すように、内燃機関１０の＃１〜＃４の各気筒１０ａ〜１０ｄには、吸気管１２ａ〜１２ｄ、排気管１４ａ〜１４ｄが連通している。各気筒１０ａ〜１０ｄは、点火プラグ１６をそれぞれ備えている。また、排気管１４ａ〜１４ｄの集合部（排気集合部）１８よりも下流における排気管２０には、空燃比（Ａ／Ｆ）センサ２２が装着されている。
【００３７】
各吸気管１２ａ〜１２ｄには、燃料噴射弁（インジェクタ）２４が装着されている。燃料噴射弁２４は、噴射量Ｔａｕ１〜Ｔａｕ４の燃料を各吸気管１２ａ〜１２ｄへ噴射する。各気筒１０ａ〜１０ｄへの吸入空気は、吸気管２６から各吸気管１２ａ〜１２ｄへ送られる。吸気管２６には、吸入空気量Ｇａを検出するエアフロメータ（ＡＦＭ）２８が設けられている。また、実施の形態１の実機４４においては、各排気管１４ａ〜１４ｄに空燃比（Ａ／Ｆ）センサ３０が装着されている。
【００３８】
図１に示すように、本実施形態の燃料制御装置はＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）４０を備えている。ＥＣＵ４０には、上述した点火プラグ１６、Ａ／Ｆセンサ２２，３０、燃料噴射弁２４、エアフロメータ２８などが接続されている。
【００３９】
図２は、本実施形態にかかる点火プラグモデル（点火プラグイオン電流モデル）４２を示す模式図である。点火プラグモデル４２は＃１〜＃４の各気筒１０ａ〜１０ｄ毎に構成され、各気筒１０ａ〜１０ｄの点火プラグ１６で検出されたイオン電流を入力として各気筒１０ａ〜１０ｄの空燃比（Ａ／Ｆ）をモデル出力する。点火プラグ１６で検出されるイオン電流は、混合気の燃焼により生じるイオンの量に応じて流れる電流であって、点火プラグ１１に所定の電圧を印加して抵抗値を測定することで検出できる。イオン電流は、点火プラグイオン電流検出回路において検出される。なお、検出したイオン電流にフィルタなどのノイズ除去の一次処理等を施しても良い。
【００４０】
図３は、点火プラグ１６で検出されるイオン電流と、Ａ／Ｆとの関係を示す模式図である。図３に示すように、Ａ／Ｆが１２．５近辺の値をとると、点火プラグイオン電流は最大となる。図３では、イオン電流とＡ／Ｆとの関係を理想化した特性を示しているが、実際には、同じ燃焼状態（空燃比）であってもイオン電流の出力値、ピークは燃焼毎、測定毎に異なる。また、イオン電流の出力にはノイズ成分が多く発生する。従って、図３に示すような、イオン電流とＡ／Ｆとの関係が１対１で対応した特性を得ることは困難である。
【００４１】
本実施形態では、図２の点火プラグモデル４２を、簡易線形モデル４２ａとニューラルネットモデル（ＮＮモデル）４２ｂからなるハイブリッドモデルにより構成し、イオン電流出力とＡ／Ｆとの関係を精密に規定する。図４は、ハイブリッドモデルから構成した点火プラグモデル４２を示す模式図である。図４において、簡易線形モデル４２ａは、イオン電流とＡ／Ｆとの関係を線形近似したモデルである。簡易線形モデル４２ａで主に表現されるモデルは、各気筒１０ａ〜１０ｄにおけるイオン電流とＡ／Ｆの特性の共通部分であって、各気筒１０ａ〜１０ｄの点火プラグ１６に共通する特性を含むものである。
【００４２】
簡易線形モデル４２ａは、例えば、以下の（１）式で表すことができる。
【００４３】
【００４４】
（１）式において、ＡＦ（ｔ）、ＩＯＮ（ｔ）はそれぞれ時刻ｔでのＡ／Ｆ（出力）とイオン電流（入力）を表している。また、ａ０， ａ１， ａ２，・・・， ｂ０， ｂ１， ｂ２，・・・は最小二乗法で求めることのできるモデルパラメータ（係数）である。また、Ａ／Ｆ（出力）をイオン電流とエンジンの運転条件、例えば回転数、負荷、吸入空気量などを入力とした線形式で表してもよい。
【００４５】
ニューラルネットモデル（ＮＮＰ）４２ｂは、点火プラグ１６で検出されるイオン電流と、Ａ／Ｆとの関係において、非線形部分を表現したモデルである。ニューラルネットモデル４２ｂで主に表現されるモデルは、各気筒１０ａ〜１０ｄにおけるイオン電流とＡ／Ｆの特性の相違する部分であって、点火プラグ１６を含む各部品の製造バラツキ、燃焼室の加工バラツキなどに起因する非線形特性を含むものである。ニューラルネットモデル４２ｂは非線形部分のモデル化に適しているため、点火プラグモデル４２を簡易線形モデル４２ａとニューラルネットモデル４２ｂから構成することで、点火プラグ１６から検出されるイオン電流出力とＡ／Ｆとの関係を精密に規定することが可能となる。
【００４６】
図５は、点火プラグモデル４２と実機４４との関係を示す模式図である。図５に示すように、実機４４の点火プラグ１６で検出されたイオン電流は点火プラグモデル４２へ入力され、各気筒１０ａ〜１０ｄ毎にＡ／Ｆがモデル出力される。ここで、点火プラグモデル４２からモデル出力された各気筒１０ａ〜１０ｄのＡ／Ｆは、排気管１４ａ〜１４ｄで検出されるＡ／Ｆに相当する。従って、点火プラグモデル４２からのＡ／Ｆのモデル出力値と、排気管１４ａ〜１４ｄに装着されたＡ／Ｆセンサ３０の検出値とを比較し、学習を行うことで、点火プラグモデル４２のモデル化を精度良く行うことができる。
【００４７】
図６に基づいて、点火プラグモデル４２をモデリングする方法を説明する。図６は、点火プラグモデル４２を獲得するための学習モードを示している。学習モードにおいては、ベンチテスト等を行い、点火プラグ１６から検出されたイオン電流出力とＡ／Ｆセンサ３０から実測されたＡ／Ｆの出力値を用いて簡易線形モデル４２ａを獲得する。
【００４８】
簡易線形モデル４２ａを作成した後、内燃機関１０を定常運転させた状態で、点火プラグ１６からのイオン電流出力を点火プラグモデル４２へ入力して、簡易線形モデル４２ａによるＡ／Ｆのモデル出力値を出力する。この際、必要に応じて運転条件を点火プラグモデル４２へ入力する。そして、簡易線形モデル４２ａで計算されてモデル出力されたＡ／Ｆ値と、実機４４のＡ／Ｆセンサ３０における実測Ａ／Ｆ値との出力誤差ΔＡ／Ｆを求める。そして、出力誤差ΔＡ／Ｆをニューラルネットモデル４２ｂで吸収させるため、ΔＡ／Ｆを用いてニューラルネットモデル４２ｂの学習を行う。この際、簡易線形モデル４２ａのパラメータ（（１）式における係数ａ０， ａ１， ａ２，・・・， ｂ０， ｂ１， ｂ２，・・・）は、最初に簡易線形モデル４２ａを獲得した時の値で固定値としておく。
【００４９】
なお、Ａ／Ｆセンサ３０で出力された実測Ａ／Ｆ値には、センサ特性に起因した遅れ等の要因が含まれる場合がある。従って、図６に示すように、Ａ／Ｆセンサ３０から出力される実測Ａ／Ｆと、Ａ／Ｆセンサ３０に当たる排気ガスの実際のＡ／Ｆとの関係をモデル化したモデル（Ａ／Ｆセンサ逆モデル４７）を作成し、Ａ／Ｆセンサ３０の出力をＡ／Ｆセンサ逆モデル４７へ入力してセンサ特性に起因する遅れ等の要因を取り除いておくことが望ましい。これにより、ニューラルネットモデル４２ｂの学習をより精度良く行うことができる。
【００５０】
簡易線形モデル４２ａのみを用いた制御では、システムの線形部分しかモデルで表現することができないため、実システムとの誤差が大きく、良好な制御性が得られない。一方、ニューラルネットモデル４２ｂのみでモデリングを行った場合は、モデルの学習に長時間を要することが想定される。本実施形態の点火プラグモデル４２によれば、ニューラルネットモデル４２ｂが非線形成分の学習に適しているため、簡易線形モデル４２ａと併用することにより、実機４４とモデルとの誤差を最小限に抑えることができる。従って、モデル全体の精度を飛躍的に向上させることができる。また、モデルの基本的な線形部分を簡易線形モデル４２ａで表現することで、ニューラルネットモデル４２ｂにおける学習を最小限に抑えることができ、点火プラグモデル４２を迅速に構築することができる。
【００５１】
点火プラグモデル４２の学習が終了した後、点火プラグモデル４２を固定（ＦＩＸ）し、排気管１４ａ〜１４ｄに装着されたＡ／Ｆセンサ３０を取り外す。従って、製品出荷時など、点火プラグモデル４２を学習する場合のみ実機４４にＡ／Ｆセンサ３０を装着すれば、その後のＡ／Ｆ算出は点火プラグモデル４２を用いて行うことができる。これにより、実機４４に継続してＡ／Ｆセンサ３０を装着しておく必要がなくなり、実機４４の製造コストを削減することができる。
【００５２】
点火プラグモデル４２のモデリングが完了した後は、点火プラグモデル４２によるモデルシミュレーション、及びＡ／Ｆ制御が実現できる。図４に示すように、点火プラグモデル４２のモデルシミュレーションでは、点火プラグ１６のイオン電流検出回路から得られた電流値を入力としてＡ／Ｆがモデル出力される。図４に示すように、簡易線形モデル４２ａの出力にニューラルネットモデル４２ｂの出力を加えることで、実機４４と同じ出力を得ることができる。この際、次の入力（燃料噴射量）の値で予めシミュレーションを行うことで、次のＡ／Ｆを正確に推定することができ、Ａ／Ｆのリアルタイム制御が可能となる。従って、このシミュレーションにより正確に排気管１４ａ〜１４ｄにおけるＡ／Ｆを求めることができ、Ａ／Ｆに基づいて燃料噴射量を最適に制御することが可能となる。
【００５３】
図７は、点火プラグモデル４２を用いて＃１の気筒１０ａのＡ／Ｆを制御する方法を示す模式図である。図７に示すように、点火プラグモデル４２からモデル出力されたＡ／Ｆと目標Ａ／Ｆとを比較し、比較の結果に基づいてＰＩＤ等のコントローラー４５により気筒１０ａの燃料噴射弁２４による燃料噴射量Ｔａｕ１を制御する。＃２〜＃４の気筒１０ｂ〜１０ｄについても、各気筒１０ｂ〜１０ｄに対応した点火プラグモデル４２により同様の制御を行う。従って、本実施形態によれば、Ａ／Ｆセンサを用いたＡ／Ｆ検出が不要となり、また、各気筒１０ａ〜１０ｄのＡ／Ｆを個別に制御することが可能となる。
【００５４】
また、Ａ／Ｆセンサを用いた通常のＡ／Ｆ制御では、Ａ／Ｆセンサが活性化するまである程度の時間を要し、その間は正確なＡ／Ｆを検出することはできない。しかし、点火プラグモデル４２を用いた場合は始動直後からＡ／Ｆをモデル出力することができ、モデル出力したＡ／Ｆに基づいて空燃比制御を行うことができる。従って、本実施形態によれば、始動直後から空燃比制御を行うことが可能となる。
【００５５】
以上説明したように実施の形態１によれば、点火プラグ１６で検出されるイオン電流からＡ／Ｆを算出する点火プラグモデル４２をモデル化し、点火プラグモデル４２を簡易線形モデル４２ａとニューラルネットモデル４２ｂとからなるハイブリッドモデルから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。従って、点火プラグモデル４２から求めたＡ／Ｆに基づいて、正確な気筒別Ａ／Ｆ制御を実現することが可能となる。
【００５６】
なお、燃焼圧センサを備えた実機４４では、燃焼圧とＡ／Ｆとの間に一定の相関関係があるため、燃焼圧に基づいてＡ／Ｆを推定することができる。従って、点火プラグモデル４２と同様の方法で、燃焼圧と筒内のＡ／Ｆとの関係をモデル化し、燃焼圧からＡ／Ｆを出力するモデル（空燃比推定モデル）を構築しても良い。
【００５７】
実施の形態２．
次に、本発明の実施の形態２について説明する。実施の形態２では、排気集合部１８の下流に設けられたＡ／Ｆセンサ２２の特性を学習してＡ／Ｆセンサモデル４６を構成する。また、実施の形態２では、排気管１４ａ〜１４ｄの形状、長さ等に起因するＡ／Ｆセンサ２２への排気の当たり状態や、排気の輸送遅れをモデル化する。
【００５８】
図８は、Ａ／Ｆセンサモデル４６の構成を示す模式図である。実施の形態２では、Ａ／Ｆセンサモデル４６を、簡易線形モデル４６ａとニューラルネットモデル（ＮＮＳ）４６ｂからなるハイブリッドモデルにより構成し、Ａ／Ｆセンサ２２の特性を精密にモデル化する。
【００５９】
Ａ／Ｆセンサ２２で出力された実測Ａ／Ｆ値は、Ａ／Ｆセンサ２２に当たった排気ガスの実際のＡ／Ｆに対して、センサ特性に起因した遅れ等の要因が含まれる場合がある。センサ特性の基本的部分は一次遅れ系で表現できるため、Ａ／Ｆセンサモデル４６では、一次遅れ系を簡易線形モデル４６ａで表現し、センサにおける複雑な化学反応など線形近似で表しにくい部分をニューラルネットモデル４６ｂで表現する。簡易線形モデル４６ａは、以下の（２）式により構成することができる。
【００６０】
【００６１】
ここで、ｕ（ｔ）， ｙ（ｔ）はそれぞれ時刻ｔでの簡易線形モデル４６ａへの入力と出力を示している。また、ａ０， ａ１，・・・， ｂ０， ｂ１，・・・は最小二乗法で求めることのできるモデルパラメータ（係数）である。また、出力Ａ／Ｆを機関運転条件、例えば回転数、負荷、吸入空気量などの線形項を加えて表してもよい。
【００６２】
（２）式による簡易線形モデル４６ａのみでシステムを構成して制御に用いてもよいが、ニューラルネットモデル４６ｂと組み合わせることで、より精度の高いシステムモデルを得ることができる。
【００６３】
図９は、Ａ／Ｆセンサモデル４６を学習する方法を示す模式図である。先ず、モデルガス等を使用したベンチテスト等を行い、モデルガスによる入力Ａ／ＦとＡ／Ｆセンサ２２で実測された検出値を用いて簡易線形モデル４６ａを作成する。上記の（２）式を用いる場合は、最小二乗法により係数ａ０， ａ１，・・・， ｂ０， ｂ１，・・・の値を求めることで簡易線形モデル４６ａを作成することができる。
【００６４】
簡易線形モデル４６ａを作成した後、簡易線形モデル４６ａから算出されたモデル出力によるＡ／Ｆ値とＡ／Ｆセンサ２２での実測Ａ／Ｆ値との出力誤差ΔＡ／Ｆを求める。そして、この誤差をニューラルネットモデル４６ｂで吸収させるように学習を行う。ニューラルネットモデル４６ｂは非線形部分の学習に適しているため、簡易線形モデル４６ａと併用することにより、モデル全体の精度の飛躍的向上を達成することができる。また、ニューラルネットモデル４６ｂのみでモデルを作成する場合と比較すると、短時間で正確なモデルを得ることができる。
【００６５】
Ａ／Ｆセンサモデル４６のモデリングが完了した後は、Ａ／Ｆセンサモデル４６によるモデルシミュレーション及びＡ／Ｆ制御が実現できる。図８に示すように、Ａ／Ｆセンサモデル４６によるモデルシミュレーションでは、任意のガス（モデルガス等）の空燃比を入力として、同じ空燃比のモデルガスが実機４４の排気管２０に流れた場合のＡ／Ｆセンサ２２の出力値に相当するＡ／Ｆがモデル出力される。図８に示すように、簡易線形モデル４６ａの出力にニューラルネットモデル４６ｂの出力を加えることで、実機４４のＡ／Ｆセンサ２２と同等の出力を得ることができる。従って、このシミュレーションによりＡ／Ｆセンサ２２の特性を加味した上で、排気集合部１８の下流での正確なＡ／Ｆをモデル出力することができ、出力したＡ／Ｆに基づいて空燃比を最適に制御することが可能となる。
【００６６】
次に、実施の形態１の点火プラグモデル４２と、実施の形態２のＡ／Ｆセンサモデル４６を接続したシステムについて説明する。実施の形態１で説明したように、点火プラグモデル４２は、各気筒１０ａ〜１０ｄ毎に構成される。一方、Ａ／Ｆセンサモデル４６は、排気集合部１８の下流におけるＡ／Ｆセンサ２２の特性を学習しているため、１つだけ構成される。従って、点火プラグモデル４２とＡ／Ｆセンサモデル４６を接続する場合は、各気筒１０ａ〜１０ｄ毎に点火プラグモデル４２からモデル出力された空燃比を合計して、Ａ／Ｆセンサモデル４６へ入力する必要がある。
【００６７】
各気筒１０ａ〜１０ｄに対応した点火プラグモデル４２からは、各排気管１４ａ〜１４ｄにおけるＡ／Ｆが出力される。図１０は、点火プラグモデル４２から出力された各排気管１４ａ〜１４ｄの空燃比と、Ａ／Ｆセンサ２２で検出されるＡ／Ｆとの関係を示した模式図である。図１０に示すように、各排気管１４ａ〜１４ｄを流れる排気ガスは排気集合部１８で集合する。そして、排気集合部１８におけるＡ／Ｆ（排気管２０におけるＡ／Ｆ）は、各排気管１４ａ〜１４ｄの排気の割合と排気輸送遅れによって決定される。従って、点火プラグモデル４２とＡ／Ｆセンサモデル４６を接続する際に、各排気管１４ａ〜１４ｄでの排気割合と排気輸送遅れを考慮する必要がある。
【００６８】
図１１は、点火プラグモデル４２とＡ／Ｆセンサモデル４６とを接続した複合モデル４８を示す模式図である。ここで、図１１では、複合モデル４８とともに実機４４を図示している。複合モデル４８では、点火プラグモデル４２とＡ／Ｆセンサモデル４６とを接続するため、両モデルの間に排気集合部モデル５０を挿入している。各気筒１０ａ〜１０ｄの点火プラグモデル４２からの出力は、排気集合部モデル５０で合計され、Ａ／Ｆセンサモデル４６へ入力される。
【００６９】
図１２は、点火プラグモデル４２、排気集合部モデル５０、およびＡ／Ｆセンサモデル４６の関係を詳細に示す模式図である。各気筒１０ａ〜１０ｄに対応した点火プラグモデル４２からは、各排気管１４ａ〜１４ｄにおけるＡ／Ｆが出力される。排気集合部モデル５０は、各気筒１０ａ〜１０ｄの排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）と排気輸送遅れｄをパラメータとして構成されている。排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）は、各排気管１４ａ〜１４ｄにおける排気ガスの比率を表したものであり、Ｒ１＋Ｒ２＋Ｒ３＋Ｒ４＝１である。図１２に示すように、排気集合部モデル５０は、各気筒１０ａ〜１０ｄの点火プラグモデル４２からの出力（＃１ＡＦ， ＃２ＡＦ， ＃３ＡＦ， ＃４ＡＦ）を、排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）に応じて合計し、排気輸送遅れｄによる遅れ分を加味して、Ａ／Ｆセンサモデル４６へ出力する。すなわち、排気集合部モデル５０では、（＃１ＡＦ×Ｒ１＋＃２ＡＦ×Ｒ２＋＃３ＡＦ×Ｒ３＋＃４ＡＦ×Ｒ４）を演算して各排気管１４ａ〜１４ｄのＡ／Ｆを合計し、更に排気輸送遅れｄによる遅れ分を加味して出力する。
【００７０】
排気集合部モデル５０から出力されたＡ／Ｆは、実機４４の排気集合部１８におけるＡ／Ｆ（排気管２０におけるＡ／Ｆ）に相当する。排気集合部モデル５０からモデル出力されたＡ／ＦはＡ／Ｆセンサモデル４６へ入力され、Ａ／Ｆセンサ２２における遅れ等のセンサ特性が加味されて出力される。従って、複合モデル４８が実機４４を正確に反映していれば、Ａ／Ｆセンサモデル４６のモデル出力によるＡ／Ｆと、Ａ／Ｆセンサ２２による実測のＡ／Ｆとは一致する。
【００７１】
排気集合部モデル５０における排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄは、主として排気管１４ａ〜１４ｄの形状、長さ等によって決定される。複合モデル４８を取得するためには、先ず、排気集合部モデル５０における排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを求めておく必要がある。
【００７２】
そこで、実施の形態２では、Ａ／Ｆセンサモデル４６の出力と、実機４４におけるＡ／Ｆセンサ２２の出力とを比較し、比較の結果に基づいて排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを決定する。この際、運転条件（回転数ＮＥ、負荷率ＫＬ）毎に排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄは変動するため、実機４４を様々な運転条件で運転し、運転条件毎に求めたＲ１，Ｒ２，Ｒ３，Ｒ４，ｄを自動学習する。
【００７３】
すなわち、運転条件毎に、実機４４の点火プラグ１６から検出されたイオン電流を点火プラグモデル４２へ入力し、図１１及び図１２に示すように、Ａ／Ｆセンサモデル４６からモデル出力したＡ／Ｆ値と実機４４のＡ／Ｆセンサ２２の出力値とから、その出力誤差を求め、出力誤差に基づいて排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気遅れｄを自動学習する。運転条件毎に学習した排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄのパラメータは固定（ＦＩＸ）される。点火プラグモデル４２は実施の形態１の方法で取得されており、Ａ／Ｆセンサモデル４６は上述した方法で取得されているため、排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄが確定することで、図１１に示す複合モデル４８を完成させることができる。なお、Ａ／Ｆセンサ３０で出力された実測Ａ／Ｆ値には、センサ特性に起因した遅れ等の要因が含まれる場合があるため、図１２に示すように、Ａ／Ｆセンサ２２からの出力をＡ／Ｆセンサ逆モデル４７へ入力して得られた値と、Ａ／Ｆセンサモデル４６からモデル出力したＡ／Ｆ値とを比較することがより好適である。
【００７４】
複合モデル４８が完成すると、点火プラグ１６から検出されたイオン電流を入力として、Ａ／Ｆセンサ２２で実測されるＡ／Ｆを出力する経路がモデル化される。従って、点火プラグモデル４２により各気筒１０ａ〜１０ｄのＡ／Ｆを個別に制御するとともに、複合モデル４８から出力されたＡ／Ｆセンサ２２の実測Ａ／Ｆに相当するＡ／Ｆ値に基づいて、全気筒のＡ／Ｆを一括制御することも可能となる。また、実機４４が経年変化等により複合モデル４８と相違する場合は、定期的に定期的に排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを算出して最新の値に更新することで、複合モデル４８から出力されたＡ／Ｆに基づく制御を継続することができる。
【００７５】
複合モデル４８の各モデルが実機４４の状態を反映しなくなった場合は、複合モデル４８から出力されたモデル出力Ａ／Ｆ値と、実機４４のＡ／Ｆセンサ２２の実測Ａ／Ｆ値とが相違することとなる。そして、図１１のシステムによれば、複合モデル４８から出力されたモデル出力Ａ／Ｆ値と、実機４４のＡ／Ｆセンサ２２の実測Ａ／Ｆ値との差分は、全て排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄに反映される。従って、定期的に排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを算出し、過去に算出した値と比較することで、実機４４の経年変化、劣化の度合い、故障の有無等を検出することが可能となる。そして、異常が判定されるまでは、点火プラグモデル４２により各気筒１０ａ〜１０ｄのＡ／Ｆを個別に制御し、異常が判定された後は、実機４４のＡ／Ｆセンサ２２の実測Ａ／Ｆ値に基づいて各気筒１０ａ〜１０ｄのＡ／Ｆを一括して制御することも可能となる。
【００７６】
以上説明したように実施の形態２によれば、Ａ／Ｆセンサ２２の特性をモデル化してＡ／Ｆセンサモデル４６を構築したため、Ａ／Ｆセンサ２２の実測Ａ／Ｆ値に対応したＡ／Ｆを精度良くモデル出力することが可能となる。また、Ａ／Ｆセンサモデル４６を簡易線形モデル４６ａとニューラルネットモデル４６ｂとからなるハイブリッドモデルから構成したため、実施の形態１と同様に精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【００７７】
また、点火プラグ１６から検出されたイオン電流を入力として、Ａ／Ｆセンサ２２で実測されるＡ／Ｆを出力する複合モデル４８を構築することで、Ａ／Ｆセンサ２２で実測されるＡ／Ｆをモデル出力することが可能となる。これにより、複合モデル４８からモデル出力したＡ／Ｆに基づいて、各気筒１０ａ〜１０ｄのＡ／Ｆを一括制御することが可能となる。また、排気集合部モデル５０における排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを定期的に算出し、過去に算出した値と比較することで、異常判定を行うことが可能となる。
【００７８】
実施の形態３．
次に、本発明の実施の形態３について説明する。実施の形態３は、吸気管１２ａ〜１２ｄにおける燃料付着量を学習して、各気筒１０ａ〜１０ｄのＡ／Ｆと、燃料噴射弁２４による燃料噴射量との関係をモデル化するものである。
【００７９】
図１３は、燃料モデル５２を示す模式図である。例えば＃１の気筒１０ａにおいて、吸気管１２ａへの燃料付着が生じないと仮定した場合の空燃比（噴射空燃比）ＡＦ１は、気筒１０ａの吸気行程における吸入空気量Ｇａと、燃料噴射弁２４による気筒１０ａへの燃料噴射量Ｔａｕ１から算出することができる。すなわち、ＡＦ１＝Ｇａ／Ｔａｕ１として算出することができる。しかし、燃料噴射量Ｔａｕ１の一部は吸気管１２ａの壁面に付着するため、気筒１０ａ内の実際のＡ／ＦはＡＦ１とならない場合がある。図１３の燃料モデル５２は、噴射空燃比ＡＦ１を入力として、吸気管１２ａでの燃料の付着を考慮した上で、気筒１０ａでの実際の空燃比Ｃａｌ＿ＡＦ１を出力するものである。
【００８０】
図１４は、燃料付着モデル５４の構成を示す模式図である。図１４に示すように、実施の形態３では、図１３の燃料モデル５２を簡易線形モデル５４ａとニューラルネットモデル（ＮＮＷ）５４ｂからなる燃料付着モデル５４により構成し、ＡＦ１とＣａｌ＿ＡＦ１との関係を精密に規定する。簡易線形モデル５４ａは、主として各吸気管１２ａ〜１２ｄにおいて共通する燃料の付着特性を表現したモデルであり、ニューラルネットモデル５４ｂは、各吸気管１２ａ〜１２ｄの形状、加工精度などのバラツキに起因した非線形部分を表現したモデルである。なお、ここでは＃１の気筒１０ａにおける燃料付着モデル５４について説明するが、燃料付着モデル５４は、＃２〜＃４の各気筒１０ｂ〜１０ｄにおいても同様にモデル化される。
【００８１】
図１４に示すように、吸気管１２ａへの実吸入空気量Ｇａと実燃料噴射量Ｔａｕ１とから算出された噴射空燃比ＡＦ１は、燃料付着モデル５４へ入力される。燃料付着モデル５４では、吸気管１２ａの壁面への燃料付着を考慮して気筒１０ａの実際の空燃比Ｃａｌ＿ＡＦ１を出力する。
【００８２】
この際、図１４に示すように、簡易線形モデル５４ａにおいて、吸気管１２ａにおける燃料の残留率Ｐ、付着率Ｒに基づいた線形成分の演算を行い、ニューラルネットモデル５４ｂにおいて非線形部分の演算を行う。
【００８３】
図１５は、燃料付着モデル５４の学習と、燃料付着モデル５４によるモデルシミュレーション及びＡ／Ｆ制御を示す模式図である。ここで、図１５（Ａ）は、燃料付着モデル５４を獲得する学習モードを示している。
【００８４】
図１５（Ａ）に示す学習モードにおいては、最初に簡易線形モデル５４ａ内のパラメータ（例えば、燃料モデルの残留率Ｐと付着率Ｒ）を予めベンチテスト等により各ユニット毎に求めておく。また、ニューラルネットモデル５４ｂに関しても予め初期設定値を学習しておくことが望ましい。
【００８５】
次に、各運転条件における吸入空気量Ｇａ、燃料噴射量Ｔａｕ１を燃料付着モデル５４に入力し、点火プラグモデル４２によるＡ／Ｆのモデル出力値と、燃料付着モデル５４の簡易線形モデル５４ａにより計算したＡ／Ｆ値との出力誤差ΔＡ／Ｆを求める。次に、この出力誤差ΔＡ／Ｆをニューラルネットモデル５４ｂで吸収させるため、学習を行う。この際、簡易線形モデル５４ａのパラメータ（残留率Ｐ、付着率Ｒなど）は固定とする。この学習により、各気筒１０ａ〜１０ｄ毎に燃料付着モデル５４を獲得することができる。燃料付着モデル５４を獲得した後、モデルパラメータを固定（ＦＩＸ）する。
【００８６】
学習モードにおいて、点火プラグモデル４２は実施の形態１の方法で既に完成されているため、点火プラグモデル４２から各気筒１０ａ〜１０ｄのＡ／Ｆを正確に求めることができる。従って、点火プラグモデル４２から求めた各気筒１０ａ〜１０ｄのＡ／Ｆに基づいて、燃料付着モデル５４を獲得することが可能となる。
【００８７】
簡易線形モデル５４ａのみを用いた制御では、システムの線形部分しかモデルで表現することができないため、実システムとの誤差が大きく、良好な制御性が得られない。一方、ニューラルネットモデル５４ｂのみでモデリングを行った場合は、モデルの学習に長時間を要することが想定される。本実施形態の燃料付着モデル５４によれば、ニューラルネットモデル５４ｂが非線形成分の学習に適しているため、簡易線形モデル５４ａと併用することにより、実機４４における燃料の付着状態とモデルとの誤差を最小限に抑えることができる。従って、モデル全体の精度を飛躍的に向上させることができる。また、モデルの基本的な線形部分を簡易線形モデル５４ａで表現することで、ニューラルネットモデル５４ｂにおける学習を最小限に抑えることができ、燃料付着モデル５４を迅速に構築することができる。
【００８８】
図１５（Ｂ）は、燃料付着モデル５４によるモデルシミュレーション及びＡ／Ｆ制御を示す模式図である。燃料付着モデル５４を獲得した後、吸入空気量Ｇａ、燃料噴射量Ｔａｕ１を入力としてシミュレーションを行い、Ａ／Ｆのモデル計算値を出力する。図１５（Ｂ）に示すように、簡易線形モデル５４ａの出力にニューラルネットモデル５４ｂを加算することで、実機４４と同等の出力を得ることができる。従って、このシミュレーションにより筒内の正確なＡ／Ｆを求めることができ、求めたＡ／Ｆに基づいて燃料噴射量、空燃比を精密に制御することが可能となる。
【００８９】
図１６は、燃料付着モデル５４を用いたシステムの構成をより詳細に示した模式図である。図１６では、燃料付着モデル５４とともに、点火プラグモデル４２、実機４４を図示している。図１６に示すように、吸入空気量Ｇａと、燃料噴射量Ｔａｕ１から算出された噴射空燃比ＡＦ１は、気筒１０ａについての燃料付着モデル５４へ入力される。燃料付着モデル５４では、ＡＦ１を入力として、吸気管１２ａにおける燃料付着を考慮して気筒１０ａの空燃比Ｃａｌ＿ＡＦ１をモデル出力する。モデル出力された空燃比Ｃａｌ＿ＡＦ１は、点火プラグモデル４２からモデル出力されたＡ／Ｆと比較され、ニューラルネットモデル５４ｂの学習が行われる。
【００９０】
図１７は、図７で説明した点火プラグモデル４２によるＡ／Ｆ制御を、燃料付着モデル５４を併用して行う方法を示す模式図である。図１７に示すように、点火プラグモデル４２によるモデル出力Ａ／Ｆと目標Ａ／Ｆとから求めた燃料噴射量Ｔａｕ１を、燃料付着モデル５４で修正し、修正した値で燃料噴射弁２４による燃料噴射を行う。このように、点火プラグモデル４２によるＡ／Ｆ出力と併用することで、Ａ／Ｆの制御性を飛躍的に向上させることが可能となる。
【００９１】
なお、適宜に燃料付着モデル５４の学習を行い、簡易線形モデル５４ａ、ニューラルネットモデル５４ｂにおける初期設定値を定期的に取得してその値を監視することで、システムの劣化検出や異常検出（吸気管１２ａ〜１２ｄの汚れ付着、燃料噴射弁２４のつまり等の不具合の検出）を行うことが可能となる。
【００９２】
以上説明したように実施の形態３によれば、吸気管１２ａ〜１２ｄにおける燃料の付着状態を燃料付着モデル５４でモデル化し、燃料付着モデル５４を簡易線形モデル５４ａとニューラルネットモデル５４ｂとからなるハイブリッドモデルから構成したため、実施の形態１と同様に精度の良いモデルを簡単かつ迅速に構築することが可能となる。これにより、燃料付着モデル５４からモデル出力されたＡ／Ｆに基づいて、各気筒１０ａ〜１０ｄのＡ／Ｆを制御することが可能となる。また、点火プラグモデル４２によるＡ／Ｆ制御と併用することで、Ａ／Ｆの制御性を飛躍的に向上させることができる。
【００９３】
実施の形態４．
次に、本発明の実施の形態４について説明する。実施の形態４は、実施の形態１〜３の方法で点火プラグモデル４２、燃料付着モデル５４、Ａ／Ｆセンサモデル４６を構築し、各モデルに変化が生じた場合に、各モデルを修正して各モデルの精度を高めるものである。そして、実施の形態４では、修正した各モデルを用いてシステム全体のモデルを監視し、異常検出を行う。
【００９４】
図１８は、実施の形態４にかかるシステムの構成を示す模式図である。図１８のシステムは、図１１の複合モデル４８と同様のモデルであって、点火プラグモデル４２、排気集合部モデル５０、Ａ／Ｆセンサモデル４６から構成されている。
【００９５】
点火プラグモデル４２、Ａ／Ｆセンサモデル４６は、実施の形態１，２で説明した方法で既に学習が行われており、モデルが完成されている。また、排気集合部モデル５０についても、実施の形態２で説明した方法により、排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄが既に取得されている。
【００９６】
各気筒１０ａ〜１０ｄのイオン電流を検出する点火プラグ１６は、燃焼室内に配置されているため非常に過酷な環境下にある。従って、経年変化などに起因する点火プラグ１６の劣化によって、点火プラグモデル４２のモデルが変化する場合がある。
【００９７】
一方、排気集合部モデル５０における排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄは、前述したように排気管１４ａ〜１４ｄの長さ、形状等から定まるため、排気集合部モデル５０の経年変化は殆ど生じないと考えて良い。また、実機４４のＡ／Ｆセンサ２２の特性はほぼ一定しているため、経年変化等により、Ａ／Ｆセンサモデル４６でモデル化されたセンサ特性が、実機４４のＡ／Ｆセンサ２２の特性から外れる可能性は低い。
【００９８】
従って、図１８のシステムにおいて、Ａ／Ｆセンサモデル４６からモデル出力されたＡ／Ｆ値と、実機４４のＡ／Ｆセンサ２２の出力値とが異なる場合は、点火プラグモデル４２にモデル変化が生じたものと推定することができる。
【００９９】
このため、実施の形態４では、定常運転時において、Ａ／Ｆセンサモデル４６から出力されたＡ／Ｆ値のモデル出力と、実機４４のＡ／Ｆセンサ２２の実測Ａ／Ｆ値とを比較し、双方のＡ／Ｆ値が相違する場合は、最もモデル変化が生じ易い点火プラグモデル４２が変化したものと推定して、各気筒１０ａ〜１０ｄの点火プラグモデル４２のニューラルネットモデル４２ｂを修正する。これにより、点火プラグモデル４２を常に最新のモデルに更新することが可能となる。
【０１００】
特に、定常運転時においては、吸気管１２ａ〜１２ｄの壁面への燃料付着量はほぼ一定しており、吸気管１２ａ〜１２ｄへの燃料付着の度合いに起因して点火プラグモデル４２からの出力が変動することはない。従って、定常運転時において図１８のシステム（Ａ／Ｆセンサモデル４６）から出力されたＡ／Ｆ値には、吸気管１２ａ〜１２ｄでの燃料付着の増減による変動要因は含まれていない。
【０１０１】
同様に、定常運転時において実機４４のＡ／Ｆセンサ２２から出力されたＡ／Ｆ値にも、吸気管１２ａ〜１２ｄへの燃料付着の増減による変動要因は含まれていない。従って、定常運転時において出力された、図１８のシステムによるＡ／Ｆのモデル出力値と、Ａ／Ｆセンサ２２による実測Ａ／Ｆ値とを比較することで、吸気管１２ａ〜１２ｄにおける燃料付着の増減に起因したＡ／Ｆの変動を排除した状態で、双方のＡ／Ｆ値を正確に比較することができる。そして、比較の結果に基づいて高精度に点火プラグモデル４２を修正することが可能となる。
【０１０２】
一方、加減速時などの過渡運転時には、吸入空気量の変動等に起因して吸気管１２ａ〜１２ｄの壁面への燃料付着量が変動する。従って、過渡運転時においては、運転条件に応じて燃料付着モデル５４が変動する。このため、本実施形態では、図１８の方法で点火プラグモデル４２を修正した後、過渡運転時の運転条件に応じて各気筒１０ａ〜１０ｄの燃料付着モデル５４を修正する。
【０１０３】
図１９は、過渡運転時の運転条件に応じて燃料付着モデル５４を修正する方法を示す模式図である。図１９に示すように、修正した点火プラグモデル４２の出力に基づいて、燃料付着モデル５４を修正する。この際、過渡運転時の運転条件に応じた噴射空燃比ＡＦ１〜ＡＦ４、吸入空気量Ｇａを各気筒１０ａ〜１０ｄの燃料付着モデル５４へ入力し、過渡運転時の運転条件に応じて検出されたイオン電流を点火プラグモデル４２へ入力する。そして、燃料付着モデル５４から出力されたモデルＡ／Ｆ値と、点火プラグモデル４２から出力されたモデルＡ／Ｆ値とを比較し、比較の結果に基づいて燃料付着モデル５４のニューラルネットモデル５４ｂを修正する。
【０１０４】
これにより、過渡運転時における様々な運転条件に対応するように燃料付着モデル５４を修正することができ、燃料付着モデル５４を精密に構成することが可能となる。
【０１０５】
次に、修正した点火プラグモデル４２および燃料付着モデル５４を用いて、各気筒１０ａ〜１０ｄ毎にＡ／Ｆを制御する方法を説明する。図２０は、定常運転時において、図１８の方法で修正した点火プラグモデル４２によるモデル出力Ａ／Ｆ値に基づいて、各気筒１０ａ〜１０ｄのＡ／Ｆを制御する方法を示す模式図である。図２０に示すように、点火プラグモデル４２から出力されたモデル出力によるＡ／Ｆ値は、各気筒１０ａ〜１０ｄの目標Ａ／Ｆと比較される。そして、比較の結果に基づいて、各気筒１０ａ〜１０ｄの燃焼噴射量Ｔａｕ１〜Ｔａｕ４を修正する。点火プラグモデル４２は、経年変化等による変動要因を含めて図１８の方法で修正されているため、点火プラグモデル４２のモデル出力に応じて燃焼噴射量Ｔａｕ１〜Ｔａｕ４を修正することで、各気筒１０ａ〜１０ｄのＡ／Ｆを目標Ａ／Ｆに制御することが可能となる。
【０１０６】
一方、過渡運転時においては、上述したように運転条件に応じて吸気管１２ａ〜１２ｄの壁面への燃料付着量が変動する。従って、図２０の方法で点火プラグモデル４２から求めた定常運転時の燃料噴射量Ｔａｕ１〜Ｔａｕ４を、燃料付着モデル５４を用いて修正する。この際、図１９の方法で既に修正した燃料付着モデル５４を用いる。これにより、過渡運転時において、吸気管１２ａ〜１２ｄの壁面への燃料付着を考慮した上で、各気筒１０ａ〜１０ｄでの最適な燃料噴射量Ｔａｕ１〜Ｔａｕ４を求めることができる。
【０１０７】
図２１は、修正した点火プラグモデル４２、燃料付着モデル５４を用いて、システムの監視、異常検出を行う方法を示す模式図である。図２１のシステムでは、燃料付着モデル５４、排気集合部モデル５０及びＡ／Ｆセンサモデル４６を用いてシステムを構成している。燃料付着モデル５４は、図１９の方法で修正したものである。
【０１０８】
図２１のシステムでは、燃料付着モデル５４から各気筒１０ａ〜１０ｄのＡ／Ｆがモデル出力され、排気集合部モデル５０へ入力される。排気集合部モデル５０では、実施の形態２と同様に排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを用いて、実機４４の排気集合部１８でのＡ／Ｆに相当するＡ／Ｆをモデル出力する。排気集合部モデル５０から出力されたＡ／Ｆは、Ａ／Ｆセンサモデル４６により実機４４のＡ／Ｆセンサ２２の特性が加味されて、Ａ／Ｆセンサ２２の実測Ａ／Ｆ値に相当するＡ／Ｆがモデル出力される。
【０１０９】
図２１のシステムにおいて、燃料付着モデル５４からモデル出力されたＡ／Ｆ値は、図１８の方法で修正された点火プラグモデル４２によるＡ／Ｆのモデル出力値と比較される。ここで、双方のＡ／Ｆ値が相違する場合は、燃料付着モデル５４、または点火プラグモデル４２に異常が発生したものと判断できる。ここで、点火プラグモデル４２の異常とは、点火プラグ１６の劣化等により、点火プラグモデル４２が実機４４を反映しない状態となったことをいう。従って、点火プラグモデル４２の異常判定により、実機４４に異常が生じていることを認識できる。
【０１１０】
より詳細には、定常運転時では、吸気管１２ａ〜１２ｄにおける燃料付着量はほぼ一定しているため、吸気管１２ａ〜１２ｄでの燃料付着が生じていない場合と同様の条件と考えることができる。従って、定常運転時に燃料付着モデル５４からモデル出力されるＡ／Ｆは、吸入空気量Ｇａと燃料噴射量Ｔａｕ１〜Ｔａｕ４から求まる噴射空燃比ＡＦ１〜ＡＦ４とほぼ等しくなる。このため、定常運転時における燃料付着モデル５４のモデル出力Ａ／Ｆ値の変動要因は小さく、定常運転時において燃料付着モデル５４のモデル出力値と点火プラグモデル４２のモデル出力値とが相違する場合は、点火プラグモデル４２に異常が生じたものと判断できる。
【０１１１】
一方、定常運転時に燃料付着モデル５４のモデル出力値と点火プラグモデル４２のモデル出力値とが一致する場合は、点火プラグモデル４２が正常であると判断できる。この場合において、過渡運転時に燃料付着モデル５４のモデル出力値と点火プラグモデル４２のモデル出力値とが相違する場合は、既に点火プラグモデル４２が正常と判断されているため、燃料付着モデル５４に異常が生じたものと判断できる。燃料付着モデル５４の異常とは、例えば燃料噴射弁２４のつまり、吸気管の汚れ等による燃料付着モデル５４と実機４４との相違である。従って、燃料付着モデル５４の異常判定により、実機４４に異常が生じていることを認識できる。
【０１１２】
また、図２１のシステムにおいて、Ａ／Ｆセンサモデル４６から出力されたモデル出力によるＡ／Ｆ値は、実機４４のＡ／Ｆセンサ２２による実測Ａ／Ｆ値と比較される。そして、双方のＡ／Ｆ値が相違する場合は、排気集合部モデル５０に異常が生じることは想定できないため、燃料付着モデル５４、またはＡ／Ｆセンサモデル４６に異常が生じているものと判断できる。特に、上述した方法で燃料付着モデル５４と点火プラグモデル４２の双方に異常が生じていないと既に判定されている場合は、Ａ／Ｆセンサモデル４６に異常が生じたものと判断することができる。このように、モデルと実機４４の該当箇所の出力を比較し、双方の出力が相違する場合は、該当箇所の手前の実機４４の部分の特性がモデルと相違していると判定できる。これにより、実機４４の異常判定を行うことができる。
【０１１３】
Ａ／Ｆセンサモデル４６から出力されたモデル出力によるＡ／Ｆ値と、実機４４のＡ／Ｆセンサ２２での実測によるＡ／Ｆ値との比較は随時行い、モデル出力Ａ／Ｆ値と実測Ａ／Ｆ値との出力誤差が所定のしきい値の範囲内の場合は、図２０の方法で点火プラグモデル４２による各気筒別の制御を行う。モデル出力Ａ／Ｆ値と実測Ａ／Ｆ値との出力誤差が所定のしきい値を超えた場合は、図１８、図１９の方法で点火プラグモデル４２、燃料付着モデル５４を順に修正する。特に、モデル出力Ａ／Ｆ値と実測Ａ／Ｆ値との出力誤差が大きく相違する場合は、点火プラグモデル４２による各気筒別のＡ／Ｆ制御を停止し、実機４４のＡ／Ｆセンサ２２の出力に基づいた全気筒一括Ａ／Ｆ制御に切り換える。
【０１１４】
Ａ／Ｆセンサ２２の出力に基づいた全気筒一括Ａ／Ｆ制御へ切り換えた場合は、以下に説明する手順でモデルの修正・判定を実施する。
【０１１５】
（１）先ず、定常状態で図１８による点火プラグモデル４２の修正を行う。この結果、各気筒の点火プラグモデル４２のパラメータが基準値以上に異なる場合は、点火プラグモデル４２の学習を取りやめる。そして、点火プラグモデル４２の学習の代わりに、排気集合部モデル５０における排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを修正する。
【０１１６】
（２）次に、過渡状態で図１９に示す方法で燃料付着モデル５４の修正を行う。この結果、各気筒１０ａ〜１０ｄの燃料付着モデル５４のパラメータがある基準値以上異なる場合は、燃料付着モデル５４の学習を停止する。そして、燃料付着モデル５４の学習の代わりに、排気集合部モデル５０における排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを修正する。
【０１１７】
（３）点火プラグモデル４２または燃料付着モデル５４の修正の代わりに排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを修正した場合において、求められた排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）または排気輸送遅れｄが所定の上限値以上となった場合は、排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄの学習を停止し、実機４４のＡ／Ｆセンサ２２による全気筒一括Ａ／Ｆ制御を所定の期間継続する。そして、所定の期間の経過後に図１８の点火プラグモデル４２の修正、図１９の燃料付着モデル５４の修正を順次行う。
【０１１８】
（４）排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）または排気輸送遅れｄが所定の上限値以上となる期間が継続する場合は、実機４４のシステムに異常があると判断できる。この場合は、点火プラグモデル４２による各気筒１０ａ〜１０ｄのモデルＡ／Ｆ出力値及びＡ／Ｆセンサ２２による実測Ａ／Ｆ値と、システム中の該当部分の出力とを比較し、システム内のモデル異常部分を判定する。この場合、モデルＡ／Ｆ出力値及び実測Ａ／Ｆ値と相違する出力が得られたモデル部分に該当する実機４４の部位が異常であると判定できる。上述したように、点火プラグモデル４２のパラメータが基準値以上に異なるまでは、点火プラグモデル４２の学習を行うため、点火プラグモデル４２は基準値内で修正されている。従って、点火プラグモデル４２の出力に基づいて異常判定を行うことができる。
【０１１９】
このように、排気集合部モデル５０の経時変化は殆ど生じないが、点火プラグモデル４２のパラメータが基準値以上に異なる場合、または燃料付着モデル５４のパラメータがある基準値以上異なる場合は、排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを修正することで、点火プラグモデル４２、燃料付着モデル５４の経時変化の修正を含めた状態でモデル修正を総括的に行うことができる。この場合、Ａ／Ｆセンサモデル４６に経時変化が生じていたとしても、Ａ／Ｆセンサモデル４６の経時変化は応答遅れに関係するものであるため、排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを修正することで、各気筒の応答遅れに起因するＡ／Ｆセンサモデル４６の経時変化を吸収することができ、Ａ／Ｆセンサモデル４６の修正を含めた状態でモデル修正を行うことができる。
【０１２０】
以上説明したように実施の形態４によれば、実機４４の排気集合部１８に設けられたＡ／Ｆセンサ２２の出力に基づいて、点火プラグモデル４２を修正することが可能となる。従って、過酷な使用環境下にある点火プラグ１６が劣化して、点火プラグモデル４２と実機４４との間に変動が生じた場合であっても、点火プラグモデル４２を最新のモデルに更新することが可能となる。
【０１２１】
また、点火プラグモデル４２によるモデル出力Ａ／Ｆ値と燃料付着モデル５４によるモデル出力Ａ／Ｆ値との比較の結果に基づいて、点火プラグモデル４２または燃料付着モデル５４を修正することが可能となる。更に、点火プラグモデル４２及び燃料付着モデル５４が正常と判定された後は、実機４４の排気集合部１８に設けられたＡ／Ｆセンサ２２の出力とＡ／Ｆセンサモデル４６のモデル出力Ａ／Ｆ値とに基づいて、Ａ／Ｆセンサモデル４６の異常判定を行うことが可能となる。従って、本実施形態によれば、各モデルを修正することにより、各モデルの精度を向上させることが可能となる。
【０１２２】
実施の形態５．
次に、本発明の実施の形態５について説明する。実施の形態５は、実施の形態１〜３の方法で各モデルを構築した後、燃料付着モデル５４、排気集合部モデル５０、およびＡ／Ｆセンサモデル４６からなるシステムを、線形モデルによるＡ／Ｆ適応制御と、点火プラグモデル４２による各気筒１０ａ〜１０ｄのＡ／Ｆ制御との組み合わせで制御するものである。各モデルは実施の形態４の方法で予め修正しておくことが好適である。
【０１２３】
図２２は、燃料付着モデル５４、排気集合部モデル５０、およびＡ／Ｆセンサモデル４６からなるシステムを線形近似して、Ａ／Ｆの適応制御を行う方法を示す模式図である。ここで、図２２（Ａ）は、図２１と同様のシステムを示しており、Ａ／Ｆセンサモデル４６、燃料付着モデル５４の双方を、簡易線形モデル４６ａ，５４ａとニューラルネットモデル４６ｂ，５４ｂとからなるハイブリッドモデルから構成している。
【０１２４】
また、図２２（Ｂ）は、図２２（Ａ）のシステムにおいて、線形モデルのみを取り出したシステムを示している。すなわち、図２２（Ｂ）のシステムでは、図２２（Ａ）のシステムから、Ａ／Ｆセンサモデル４６のニューラルネットモデル４６ｂと燃料付着モデル５４のニューラルネットモデル５４ｂとが取り除かれている。
【０１２５】
実施の形態３で説明したように、燃料付着モデル５４は各気筒１０ａ〜１０ｄ毎に構成される。そして、燃料付着モデル５４では、全気筒１０ａ〜１０ｄで共通する特性が簡易線形モデル５４ａで表現され、気筒１０ａ〜１０ｄ毎に異なる特性がニューラルネットモデル５４ｂで表現される。従って、図２２（Ａ）では、４気筒（１０ａ〜１０ｄ）毎に吸入空気量Ｇａ、燃料噴射量Ｔａｕ１〜４が燃料付着モデル５４へ入力され、Ａ／Ｆセンサモデル４６からＡ／Ｆ値がモデル出力される。従って、図２２（Ａ）のシステムは４入力１出力である。
【０１２６】
一方、図２２（Ｂ）のシステムでは、燃料付着モデル５４から、各気筒１０ａ〜１０ｄ毎の特性を表現したニューラルネットモデル５４ｂを取り除いて燃料付着モデル５４’を構成している。従って、燃料付着モデル５４’は全ての気筒１０ａ〜１０ｄにおける燃料モデルを表すことになる。従って、燃料付着モデル５４’へ入力される燃料噴射量はは全ての気筒１０ａ〜１０ｄへの燃料噴射量Ｔａｕ１〜４の総和である。従って、図２２（Ｂ）のシステムは１入力１出力である。
【０１２７】
点火プラグモデル４２、Ａ／Ｆセンサモデル４６の線形近似部分のみを抽出して連結した図２２（Ｂ）のシステムにおいては、入出力関係を以下の（３）式に示すような線形式で表現することができる。そして、（３）式を用いて、実機４４のＡ／Ｆセンサ２２の出力値に基づいて適応制御を実施する。なお、図２２（Ｂ）おいて、簡易線形モデル４６ａ，５４ａは既に完成しているため、（３）式の係数ｆ０〜ｆ２・・・， ｇ０〜ｇ２・・・を新たに算出する必要はない。
【０１２８】
【０１２９】
（３）式において、Ｇｆ（ｔ）は時刻ｔでの燃料付着モデル５４への入力（Ｕ（ｔ））を示している。また、ＡＦ（ｔ）は、時刻ｔでのＡ／Ｆセンサモデル４６の出力（Ｙ（ｔ））を示している。（３）式において、目標Ａ／ＦをＡＦ＿ｔａｒｇｅｔとし、評価関数Ｅを以下の（４）式で表すこととする。評価関数Ｅは、時刻ｔ＋ｄでの空燃比ＡＦ（ｔ＋ｄ）をＡＦ＿ｔａｒｇｅｔへ収束させることを規定した関数である。
【０１３０】
Ｅ＝［ＡＦ＿ｔａｒｇｅｔ−ＡＦ（ｔ＋ｄ）＋γ１｛ＡＦ（ｔ）−ＡＦ（ｔ−１）｝＋γ２｛Ｇｆ（ｔ）−Ｇｆ（ｔ−１）｝］２・・・（４）
【０１３１】
（４）式の右辺＝０とすると、時刻ｔ＋ｄでの空燃比ＡＦ（ｔ＋ｄ）を目標トルクＡＦ＿ｔａｒｇｅｔとする制御が可能となる。（４）式の右辺＝０として、すなわち右辺の［ ］内を０として（３）式へ代入し、Ｇｆ （ｔ）について解くと以下の（５）式が得られる。（５）式は、図２２（Ｂ）のシステムを上記（２）式で表した場合に、時刻ｔにおける望ましい入力Ｇｆ（ｔ）を算出する式である。本実施形態では、（５）式に基づいて入力Ｇｆ（ｔ）の制御を行う。なお、Ｇｆ（ｔ）は、例えば燃料噴射量である。
【０１３２】
【０１３３】
（５）式において、燃料付着モデル５４への入力Ｇｆ（ｔ）を燃料噴射量Ｕ（ｔ）とおく。すなわち、（５）式においてＧｆ（ｔ）＝Ｕ（ｔ）とすると、現在の入力はＵ（ｔ）、次回の入力はＵ（ｔ＋１）となり、ともに（５）式から算出できる。そして、現在の入力Ｕ（ｔ）から次の入力Ｕ（ｔ＋１）を得るための燃料噴射量の補正量ΔＵ（ｔ＋１）は、ΔＵ（ｔ＋１）＝Ｕ（ｔ＋１）−Ｕ（ｔ）として算出できる。従って、（５）式に基づいてＵ（ｔ）， Ｕ（ｔ＋１）を算出することで、補正量ΔＵ（ｔ＋１）が求まる。
【０１３４】
ここで求めたΔＵ（ｔ＋１）は、全気筒１０ａ〜１０ｄを一括して制御する場合の燃料噴射量の補正量である。一方、各気筒１０ａ〜１０ｄの燃料噴射量は、図２３に示すように、各気筒１０ａ〜１０ｄの点火プラグモデル４２から求めることができる。図２３は、図２０と同様に、点火プラグモデル４２から各気筒１０ａ〜１０ｄの燃料噴射量を求める方法を示す模式図である。
【０１３５】
図２０で説明したように、点火プラグモデル４２からモデル出力したＡ／Ｆ値と目標Ａ／Ｆとを比較することにより、各気筒１０ａ〜１０ｄでの最適な燃料噴射量Ｔａｕ１〜Ｔａｕ４を求めることができる。各気筒１０ａ〜１０ｄの現在の燃料噴射量ｕ１（ｔ）， ｕ２（ｔ）， ｕ３（ｔ）， ｕ４（ｔ）、次の燃料噴射量ｕ１（ｔ＋１）， ｕ２（ｔ＋１）， ｕ３（ｔ＋１）， ｕ４（ｔ＋１）は、図２３に示す方法で算出できる。そして、時刻ｔにおいて、次の燃料噴射量ｕ１（ｔ＋１）， ｕ２（ｔ＋１）， ｕ３（ｔ＋１）， ｕ４（ｔ＋１）を得るための各気筒１０ａ〜１０ｄの補正量Δｕ１（ｔ＋１）， Δｕ２（ｔ＋１）， Δｕ３（ｔ＋１）， Δｕ４（ｔ＋１）は、それぞれ以下の式で算出される。
【０１３６】
Δｕ１（ｔ＋１）＝ｕ１（ｔ＋１）−ｕ１（ｔ）
Δｕ２（ｔ＋１）＝ｕ２（ｔ＋１）−ｕ２（ｔ）
Δｕ３（ｔ＋１）＝ｕ３（ｔ＋１）−ｕ３（ｔ）
Δｕ４（ｔ＋１）＝ｕ４（ｔ＋１）−ｕ４（ｔ）
【０１３７】
このようにして、全気筒１０ａ〜１０ｄを一括制御する場合の燃料噴射量の補正量ΔＵ（ｔ＋１）と、各気筒１０ａ〜１０ｄの個別の燃料噴射量の補正量Δｕ１（ｔ＋１）〜Δｕ４（ｔ＋１）とを算出した後、ΔＵ（ｔ＋１）、およびΔｕ１（ｔ＋１）〜Δｕ４（ｔ＋１）を用いて燃料噴射量を制御する。
【０１３８】
具体的には、気筒別の補正量Δｕ１（ｔ＋１）〜Δｕ４（ｔ＋１）の総和がシステム全体の補正量ΔＵ（ｔ＋１）と等しくなるよう制御を行う。例えば、システム全体の補正量ΔＵ（ｔ＋１）を気筒別補正量Δｕ１（ｔ＋１）〜Δｕ４（ｔ＋１）で比例配分して、各気筒の補正量Δｕ１（ｔ＋１）〜Δｕ４（ｔ＋１）を修正する。この場合、＃１の気筒１０ａでの補正量Δｕ１（ｔ＋１）の修正値Δｕ１＿ｎｅｗ（ｔ＋１）は、以下の（６）式から算出できる。
【０１３９】
【０１４０】
また、各気筒の補正量Δｕ１（ｔ＋１）〜Δｕ４（ｔ＋１）を先に修正し、その後、全体の補正量ΔＵ（ｔ＋１）を補正するようにしても良い。これにより、各気筒１０ａ〜１０ｄの燃料噴射量のバラツキを最初に補正することができ、その後に全体の燃料噴射量を適応制御することで、排気ガスのエミッションを向上させることができる。
【０１４１】
点火プラグ１６は燃焼室内に配置され、過酷な使用環境下にあるが、本実施形態のようにシステムの線形モデルと併用してＡ／Ｆ制御を行うことにより、点火プラグモデル４２が実機４４と相違した場合であっても、精度の高いＡ／Ｆ制御を継続することが可能となる。また、実施の形態４で説明した方法で各モデルを修正しておくことで、より精度の高いＡ／Ｆ制御を行うことが可能となる。
【０１４２】
次に、図２２（Ａ）のシステムを制御する他の方法を説明する。図２４は、図２２（Ａ）のシステムをオブザーバー構成により制御する方法を示す模式図である。図２４の例では、Ａ／Ｆセンサモデル４６からモデル出力されたＡ／Ｆ値と、実機４４のＡ／Ｆセンサ２２の検出値とを比較し、比較の結果に基づいてＰＩＤ等のコントローラー５５により各気筒１０ａ〜１０ｄの燃料噴射量Ｔａｕ１〜Ｔａｕ４を補正する。
【０１４３】
図２４のシステム構成によれば、図２２（Ａ）のシステムにコントローラー５５を追加することにより、各気筒１０ａ〜１０ｄの燃料噴射量Ｔａｕ１〜Ｔａｕ４をオブザーバー制御することが可能となる。
【０１４４】
以上説明したように実施の形態５によれば、点火プラグモデル４２によるＡ／Ｆ制御と、システム線形モデルによるＡ／Ｆ制御を併用して制御を行うことで、Ａ／Ｆを２重ループで制御することが可能となる。従って、制御の精度を高めることができ、ロバスト性を向上させることが可能となる。また、オブザーバー制御により燃料付着モデル５４、排気集合部モデル５０及びＡ／Ｆセンサモデル４６からなるハイブリッドモデルを制御することにより、簡素な構成でハイブリッドモデルを高精度に制御することが可能となる。
【０１４５】
実施の形態６．
次に、本発明の実施の形態６について説明する。実施の形態６は、実施の形態１〜３の方法で各モデルを構築した後、燃料付着モデル５４、排気集合部モデル５０、およびＡ／Ｆセンサモデル４６からなるシステムを近似逆モデルを用いて制御するものである。各モデルは実施の形態４の方法で予め修正しておくことが好適である。
【０１４６】
図２５は、実施の形態６にかかる制御装置の構成を示す模式図である。図２５に示すハイブリッドモデル５６は図２１と同様のモデルであって、燃料付着モデル５４、排気集合部モデル５０、Ａ／Ｆセンサモデル４６から構成される。ハイブリッドモデル５６は、吸入空気量Ｇａ、燃料噴射量Ｔａｕ１〜４を入力として、排気集合部１８でのＡ／Ｆをモデル出力する。近似逆モデル５８は、ハイブリッドモデル５６の逆モデルに近似したモデルであって、Ａ／Ｆを入力として燃料噴射量Ｔａｕ１〜４を出力する。また、図２５に示すように、本実施形態の制御装置は実機４４とＰＩＤ等のコントローラー６０を含むものである。
【０１４７】
図２５のシステムにおいて、ハイブリッドモデル５６は、燃料噴射量Ｔａｕ１〜４を入力として排気集合部１８でのＡ／Ｆをモデル出力する。従って、近似逆モデル５８に目標Ａ／Ｆを入力すると、その目標空燃比を得るために必要な燃料噴射量が出力される。このように、近似逆モデル５８によれば、フィードバック等を行うことなく、目標Ａ／Ｆに対応する燃料噴射量を短時間で、かつ高精度に求めることができる。
【０１４８】
図２５に示すように、近似逆モデルから出力された燃料噴射量は、実機４４とハイブリッドモデル５６の双方へ入力される。実機４４では、入力された燃料噴射量により機関が運転され、排気集合部１８の下流のＡ／Ｆセンサ２２でＡ／Ｆが検出される。一方、ハイブリッドモデル５６では、入力された燃料噴射量から排気集合部１８でのＡ／Ｆがモデル出力される。実機４４とハイブリッドモデル５６のそれぞれから出力されたＡ／Ｆは比較され、比較の結果に基づいて、コントローラー６０によりＰＩＤ制御される。
【０１４９】
通常のＰＩＤ等による制御の場合、目標値に制御するためには試行錯誤を繰り返すこととなるが、本実施形態では、近似逆モデル５８から目標Ａ／Ｆに対応する燃料噴射量を出力することができるため、その後のコントローラー６０による制御では、誤差分を修正する程度の制御を行うのみで、実機４４を目標Ａ／Ｆに制御することが可能となる。従って、図２５のシステムによれば、近似逆モデル５８を用いることで、その後の制御における目標修正量を最小限に抑えることができ、目標値への収束を短時間で行うことができる。これにより、目標Ａ／Ｆが大きく変動した場合であっても、近似逆モデル５８から出力した目標Ａ／Ｆに対応する燃料噴射量に基づいて、目標値への制御を短時間で行うことができる。
【０１５０】
図２６は、ハイブリッドモデル５６から近似逆モデル５８を構成する方法を示す模式図である。図２６（Ａ）は、図２５におけるハイブリッドモデル５６の構成を示している。近似逆モデル５８を構成する場合は、先ず、図２６（Ａ）のシステムから時間遅れ部分を取り除く。すなわち、図２６（Ｂ）に示すように、排気輸送遅れｄの要因を取り除いて排気集合部モデル５０’を構成する。
【０１５１】
近似逆モデル５８は、図２６（Ｂ）に示すハイブリッドモデルの前にＰＩＤ等のコントローラー６２を挿入し、ループを設けてフィードバック制御することにより構築することができる。図２６（Ｃ）は、図２６（Ｂ）のハイブリッドモデルをコントローラー６２を用いてフィードバック制御したモデルである。このように、ハイブリッドモデル５６から時間遅れ項（排気輸送遅れｄ）を取り除き、コントローラー６２によるフィードバックを行うことで、近似逆モデル５８を構成することができる。
【０１５２】
図２７に基づいて、上記手法により近似逆モデル５８を構築できる理由を説明する。図２７（Ａ）は、ハイブリッドモデル５６を示す模式図である。図２７（Ａ）において、ハイブリッドモデル５６の入力はＵ、出力はＹである。図２７（Ｂ）は、ハイブリッドモデル５６の逆モデル５７を示す模式図である。逆モデル５７は、ハイブリッドモデル５６における望ましい出力Ｙｒを入力として、ハイブリッドモデル５６における望ましい入力Ｕｒを出力する。このように、逆モデル５７を構成することができれば、ハイブリッドモデル５６における目標の出力Ｙｒに基づいて、入力Ｕｒを求めることができる。しかし、逆モデル５７を直接作成することは一般的に困難である。
【０１５３】
図２７（Ｃ）は、ハイブリッドモデル５６の前にコントローラー６２を設け、ループを設けてフィードバック制御したモデルを示している。すなわち、図２７（Ｃ）のモデルは、図２６（Ｃ）の近似逆モデル５８に相当する。コントローラー６２の伝達関数をＣ（ｓ）、ハイブリッドモデル５６の伝達関数をＰ（ｓ）とすると、図２７（Ｃ）において以下の（７）式の関係が成立する。
出力Ｕ＝（Ｃ／（１＋ＰＣ））×入力Ｙｒ ・・・（７）
（７）式の右辺の分母・分子をＣで割ると、以下の（８）式が得られる。
出力Ｕ＝（１／（１／Ｃ＋Ｐ））×入力Ｙｒ ・・・（８）
（８）式において、コントローラー６２のゲインを限りなく大きくすると、１／Ｃ→０になるので、以下の（９）式が得られる。
出力Ｕ＝（１／Ｐ）×入力Ｙｒ ・・・（９）
（９）式によれば、図２７（Ｃ）のモデルの伝達関数は１／Ｐとなる。そして、この伝達関数によれば、図２７（Ｃ）のモデルは、図２７（Ａ）のハイブリッドモデル５６（伝達関数Ｐ）の逆モデルとなる。従って、図２６、図２７の手法によれば、ハイブリッドモデル５６の近似逆モデル５８を構築することが可能となる。
【０１５４】
図２８は、図２５において、ハイブリッドモデル５６、近似逆モデル５８の構成を具体的に示した模式図である。図２８のシステムによれば、近似逆モデル５８へ目標Ａ／Ｆを入力すると、目標Ａ／Ｆに対応した燃料噴射量を瞬時に、かつ高精度に算出できる。従って、通常のフィードバック制御でＡ／Ｆ制御を行う場合と比較して、目標Ａ／Ｆへの制御を短時間で行うことができる。これにより、運転状態の変化などの要因から目標空燃比が大きく変わった場合であっても、短時間で目標空燃比へ制御することが可能となる。
【０１５５】
また、近似逆モデル５８から燃料噴射量を出力した後は、コントローラー６０を用いて誤差分を修正する程度の制御を行うのみで、実機４４の燃料噴射量を目標値に応じた値に制御することが可能となる。
【０１５６】
以上説明したように実施の形態６によれば、ハイブリッドモデル５６の近似逆モデル５８を簡単に構成することが可能となる。そして、近似逆モデル５８から目標Ａ／Ｆに応じた燃料噴射量を瞬時に求めることができ、更に、実機４４、ハイブリッドモデル５６の出力に応じてコントローラー６０による制御を行うため、追従性、安定性に優れた制御を実現することが可能となる。
【０１５７】
なお、上述した各実施形態では、点火プラグモデル４２、Ａ／Ｆセンサモデル４６、燃料付着モデル５４を簡易線形モデルとニューラルネットモデルからなるハイブリッドモデルにより構成したが、ニューラルネットモデルのみから各モデルを構成しても良い。
【０１５８】
【発明の効果】
第１の発明によれば、イオン電流又は燃焼圧に基づいて筒内の空燃比を出力することができるため、空燃比センサ等により空燃比を実測することなく各気筒の空燃比を求めることが可能となる。
【０１５９】
第２の発明によれば、空燃比推定モデルを簡易線形モデルとニューラルネットモデルとから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【０１６０】
第３の発明によれば、空燃比推定モデルから出力された空燃比に基づいて、各気筒の空燃比を最適に制御することが可能となる。
【０１６１】
第４の発明によれば、空燃比推定モデル、排気モデル及び空燃比センサモデルを備えたことにより、空燃比推定モデルから出力された各気筒の空燃比に基づいて、空燃比センサでの実測値に相当する空燃比を出力するモデルを構築することが可能となる。
【０１６２】
第５の発明によれば、空燃比センサモデルから出力された空燃比に基づいて、内燃機関の空燃比を最適に制御することが可能となる。
【０１６３】
第６の発明によれば、空燃比センサモデルから出力された空燃比と、空燃比センサで実測された空燃比とを比較して、排気モデルを決定するパラメータを取得することが可能となる。
【０１６４】
第７の発明によれば、空燃比センサモデルから出力された空燃比と、空燃比センサで実測された空燃比とを比較して、各気筒からの排気の割合、及び排気の輸送遅れを取得することが可能となる。
【０１６５】
第８の発明によれば、排気モデルを決定するパラメータの変動に基づいて異常判定を行うことが可能となる。
【０１６６】
第９の発明によれば、空燃比推定モデルから出力された空燃比と燃料モデルから出力された空燃比とを比較した結果に基づいて、燃料モデルを構築することが可能となる。
【０１６７】
第１０の発明によれば、空燃比推定モデルから出力された空燃比と、燃料モデルから出力された空燃比とに基づいて、内燃機関の空燃比を最適に制御することが可能となる。
【０１６８】
第１１の発明によれば、燃料モデルを簡易線形モデルとニューラルネットモデルとから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【０１６９】
第１２の発明によれば、燃料モデル、排気モデル及び空燃比センサモデルを備えたことにより、燃料モデルから出力された各気筒の空燃比に基づいて、空燃比センサでの実測値に相当する空燃比を出力するモデルを構築することが可能となる。
【０１７０】
第１３の発明によれば、空燃比センサモデルを簡易線形モデルとニューラルネットモデルとから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【０１７１】
第１４の発明によれば、内燃機関を定常運転させた場合に、空燃比センサモデルから出力された空燃比と空燃比センサで実測された空燃比とを比較した結果に基づいて、空燃比推定モデルを修正することが可能となる。
【０１７２】
第１５の発明によれば、修正した空燃比推定モデルから出力された空燃比に基づいて、内燃機関の空燃比を高精度に制御することが可能となる。
【０１７３】
第１６の発明によれば、内燃機関を過渡運転させた場合に、修正された空燃比推定モデルから出力された空燃比と燃料モデルから出力された空燃比とを比較した結果に基づいて、燃料モデルを修正することが可能となる。
【０１７４】
第１７の発明によれば、修正された空燃比推定モデルから出力された空燃比と、修正された燃料モデルから出力された空燃比とに基づいて、内燃機関の空燃比を高精度に制御することが可能となる。
【０１７５】
第１８の発明によれば、空燃比推定モデルから出力された空燃比と燃料モデルから出力された空燃比との比較の結果に基づいて、異常判定を行うことが可能となる。
【０１７６】
第１９の発明によれば、空燃比センサモデルから出力された空燃比と実機の空燃比センサで実測された空燃比との比較の結果に基づいて、異常判定を行うことが可能となる。
【０１７７】
第２０の発明によれば、線形モデルの空燃比センサモデルから出力された全気筒の空燃比と、空燃比推定モデルから出力された各気筒の空燃比とに基づいて、内燃機関の空燃比を最適に制御することが可能となる。
【０１７８】
第２１の発明によれば、空燃比センサモデルから出力された空燃比と、空燃比センサで実測された空燃比とに基づいて、内燃機関の空燃比を最適に制御することが可能となる。
【０１７９】
第２２の発明によれば、ハイブリッドモデルの近似逆モデルから目標空燃比に応じた燃料噴射量を出力することができるため、その後の制御における目標修正量を最小限に抑えることができ、目標値への収束を短時間で行うことができる。
【０１８０】
第２３の発明によれば、ハイブリッドモデルを燃料モデル、排気モデル及び空燃比センサモデルから構成したため、燃料噴射量を入力として排気集合部に設けられた空燃比センサの出力に実測値に相当する空燃比を出力することができる。
【０１８１】
第２４の発明によれば、空燃比推定モデルから出力された空燃比と燃料モデルから出力された空燃比とを比較した結果に基づいて、燃料モデルを構築することが可能となる。
【０１８２】
第２５の発明によれば、ハイブリッドモデルから時間遅れ項を除いたモデルをフィードバック制御することにより近似逆モデルを構築することができる。
【０１８３】
第２６の発明によれば、燃料モデルを簡易線形モデルとニューラルネットモデルとから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【０１８４】
第２７の発明によれば、空燃比センサモデルを簡易線形モデルとニューラルネットモデルとから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【０１８５】
第２８の発明によれば、空燃比推定モデルを簡易線形モデルとニューラルネットモデルとから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【図面の簡単な説明】
【図１】本発明の各実施形態の制御装置によって制御される実機の構成を示す模式図である。
【図２】実施の形態１にかかる点火プラグモデルを示す模式図である。
【図３】イオン電流と、Ａ／Ｆとの関係を示す模式図である。
【図４】ハイブリッドモデルから構成した点火プラグモデルを示す模式図である。
【図５】点火プラグモデルと実機との関係を示す模式図である。
【図６】点火プラグモデルを獲得するための学習モードを示す模式図である。
【図７】点火プラグモデルを用いて各気筒のＡ／Ｆを制御する方法を示す模式図である。
【図８】実施の形態２にかかるＡ／Ｆセンサモデルの構成を示す模式図である。
【図９】Ａ／Ｆセンサモデルを学習する方法を示す模式図である。
【図１０】点火プラグモデルから出力された各排気管のＡ／Ｆと、Ａ／Ｆセンサで検出されるＡ／Ｆとの関係を示した模式図である。
【図１１】点火プラグモデルとＡ／Ｆセンサモデルとを接続したモデルを示す模式図である。
【図１２】点火プラグモデル、排気集合部モデル、およびＡ／Ｆセンサモデルの関係を詳細に示す模式図である。
【図１３】燃料モデルを示す模式図である。
【図１４】実施の形態３にかかる燃料付着モデルの構成を示す模式図である。
【図１５】燃料付着モデルの学習と、燃料付着モデルによるモデルシミュレーション及びＡ／Ｆ制御を示す模式図である。
【図１６】燃料付着モデルを用いたシステムの構成を詳細に示す模式図である。
【図１７】点火プラグモデルによるＡ／Ｆ制御を、燃料付着モデルを併用して行う方法を示す模式図である。
【図１８】実施の形態４にかかるシステムの構成を示す模式図である。
【図１９】過渡運転時の運転条件に応じて燃料付着モデルを修正する方法を示す模式図である。
【図２０】点火プラグモデルの出力に基づいて各気筒のＡ／Ｆを制御する方法を示す模式図である。
【図２１】修正した点火プラグモデル、燃料付着モデルを用いて、システムの監視、異常検出を行う方法を示す模式図である。
【図２２】システムを線形近似して、Ａ／Ｆの適応制御を行う方法を示す模式図である。
【図２３】点火プラグモデルから各気筒の燃料噴射量の修正量を求める方法を示す模式図である。
【図２４】システムをオブザーバー構成により制御する方法を示す模式図である。
【図２５】実施の形態６にかかる制御装置の構成を示す模式図である。
【図２６】ハイブリッドモデルから近似逆モデルを構成する方法を示す模式図である。
【図２７】ハイブリッドモデルから近似逆モデルを構成する方法を示す模式図である。
【図２８】図２５において、ハイブリッドモデル、近似逆モデルの構成を具体的に示した模式図である。
【符号の説明】
１６ 点火プラグ
５０ 排気集合部モデル
２２ Ａ／Ｆセンサ
４２ 点火プラグモデル
４２ａ，４６ａ，５４ａ 簡易線形モデル
４２ｂ，４６ｂ，５４ｂ ニューラルネットモデル
４４ 実機
４６ Ａ／Ｆセンサモデル
５０ 排気集合部モデル
５４ 燃料付着モデル
５５，６０，６２ コントローラー
５６ ハイブリッドモデル
５８ 近似逆モデル
【発明の属する技術分野】
この発明は内燃機関の制御装置に関し、特に、空燃比（Ａ／Ｆ）の制御を行う装置に適用して好適である。
【０００２】
【従来の技術】
従来、点火プラグからイオン電流を検出し、イオン電流に基づいて燃料噴射量を制御する方法が知られている。例えば、特開２０００−５４９４２号公報には、活性後の空燃比センサの空燃比からイオン電流による空燃比検出誤差を補正するための補正値を学習し、空燃比センサが不活性の時にはイオン電流により空燃比を制御する方法が記載されている。
【０００３】
【特許文献１】
特開２０００−５４９４２号公報
【特許文献２】
特開平５−１８００５９号公報
【特許文献３】
特開平１０−５４２７９号公報
【特許文献４】
特開２０００−２１３３９５号公報
【特許文献５】
特開平１０−１１１０５号公報
【特許文献６】
特開２００１−１５２９３２号公報
【０００４】
【発明が解決しようとする課題】
しかしながら、イオン電流は燃焼室内の点火プラグの近傍のみでしか測定することができない。従って、イオン電流の出力値は、測定時における燃焼室内での燃料の分布状況に影響を受け、燃焼室内での燃料の分布は流動的であるため、イオン電流の測定値は測定毎に大きく変動するという問題が生じる。更に、イオン電流出力にはノイズ成分が多く発生するため、測定値はノイズによって測定毎に変動する。このため、イオン電流に基づいて正確に空燃比を推定することは困難である。
【０００５】
上記公報に記載された方法では、イオン電流と空燃比との関係を複数回測定し、その関係を用いて空燃比を推定している。しかしながら、この方法では、空燃比を検出するためには複数回のイオン電流測定を行う必要があり、１回のイオン電流測定に基づいて空燃比を正確に求めることはできない。従って、イオン電流に基づいて燃焼１回毎の空燃比を逐次求めることは非常に困難となる。
【０００６】
この発明は、上述のような問題を解決するためになされたものであり、点火プラグから検出したイオン電流に基づいて空燃比を正確に求め、内燃機関を最適に制御することを目的とする。
【０００７】
【課題を解決するための手段】
第１の発明は、上記の目的を達成するため、筒内のイオン電流又は燃焼圧を取得する手段と、前記イオン電流又は燃焼圧と筒内の空燃比との関係をモデル化し、前記イオン電流又は燃焼圧に基づいて筒内の空燃比を出力する空燃比推定モデルと、を備えたことを特徴とする。
【０００８】
第２の発明は、第１の発明において、前記空燃比推定モデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする。
【０００９】
第３の発明は、第１又は第２の発明において、前記空燃比推定モデルから出力された空燃比に基づいて、内燃機関の空燃比を制御する手段を更に備えたことを特徴とする。
【００１０】
第４の発明は、第１〜第３の発明のいずれかにおいて、各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記空燃比推定モデルから出力された各気筒の空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、排気集合部に設けられた空燃比センサの特性をモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、を更に備えたことを特徴とする。
【００１１】
第５の発明は、第４の発明において、前記空燃比センサモデルから出力された空燃比に基づいて、内燃機関の空燃比を制御する手段を更に備えたことを特徴とする。
【００１２】
第６の発明は、第４又は第５の発明において、前記空燃比センサモデルから出力された空燃比と前記空燃比センサで実測された空燃比との比較の結果に基づいて、前記排気モデルを決定するパラメータを取得する手段を更に備えたことを特徴とする。
【００１３】
第７の発明は、第６の発明において、前記排気モデルを決定するパラメータは、各気筒からの排気の割合、及び排気の輸送遅れであることを特徴とする。
【００１４】
第８の発明は、第６又は第７の発明において、前記パラメータの変動に基づいて異常判定を行う異常判定手段を更に備えたことを特徴とする。
【００１５】
第９の発明は、第１〜第８の発明のいずれかにおいて、噴射空燃比と筒内の空燃比との関係をモデル化し、前記噴射空燃比に基づいて筒内の空燃比を出力する燃料モデルと、前記空燃比推定モデルから出力された空燃比と前記燃料モデルから出力された空燃比との比較の結果に基づいて、前記燃料モデルを構築する手段と、を更に備えたことを特徴とする。
【００１６】
第１０の発明は、第９の発明において、前記空燃比推定モデルから出力された空燃比と、前記燃料モデルから出力された空燃比とに基づいて、内燃機関の空燃比を制御する手段を更に備えたことを特徴とする。
【００１７】
第１１の発明は、第９又は第１０の発明において、前記燃料モデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする。
【００１８】
第１２の発明は、第９〜第１１の発明のいずれかにおいて、各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記燃料モデルから出力された各気筒の空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、排気集合部に設けられた空燃比センサの特性をモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、を更に備えたことを特徴とする。
【００１９】
第１３の発明は、第４〜第８及び第１２の発明のいずれかにおいて、前記空燃比センサモデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする。
【００２０】
第１４の発明は、第９〜第１１の発明のいずれかにおいて、内燃機関を定常運転させた場合に、前記空燃比センサモデルから出力された空燃比と前記空燃比センサで実測された空燃比との比較の結果に基づいて、前記空燃比推定モデルを修正する修正手段を更に備えたことを特徴とする。
【００２１】
第１５の発明は、第１４の発明において、修正された前記空燃比推定モデルから出力された空燃比に基づいて、内燃機関の空燃比を制御する手段を備えたことを特徴とする。
【００２２】
第１６の発明は、第１５の発明において、内燃機関を過渡運転させた場合に、修正された前記空燃比推定モデルから出力された空燃比と前記燃料モデルから出力された空燃比との比較の結果に基づいて、前記燃料モデルを修正する修正手段を更に備えたことを特徴とする。
【００２３】
第１７の発明は、第１６の発明において、修正された前記空燃比推定モデルから出力された空燃比と、修正された前記燃料モデルから出力された空燃比とに基づいて、内燃機関の空燃比を制御する手段を更に備えたことを特徴とする。
【００２４】
第１８の発明は、第１２の発明において、前記空燃比推定モデルから出力された空燃比と前記燃料モデルから出力された空燃比との比較の結果に基づいて、異常判定を行う異常判定手段を更に備えたことを特徴とする。
【００２５】
第１９の発明は、第１２の発明において、前記空燃比センサモデルから出力された空燃比と実機の空燃比センサで実測された空燃比との比較の結果に基づいて、異常判定を行う異常判定手段を更に備えたことを特徴とする。
【００２６】
第２０の発明は、第１又は第２の発明において、噴射空燃比と筒内の空燃比との関係を線形成分を用いてモデル化し、前記噴射空燃比に基づいて筒内の空燃比を出力する燃料モデルと、各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記燃料モデルから出力された空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、排気集合部に設けられた空燃比センサの特性を線形成分を用いてモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、を含む線形モデルと、前記線形モデルの空燃比センサモデルから出力された全気筒の空燃比と、前記空燃比推定モデルから出力された各気筒の空燃比とに基づいて、内燃機関の空燃比を制御する手段と、を更に備えたことを特徴とする。
【００２７】
第２１の発明は、上記の目的を達成するため、噴射空燃比と筒内の空燃比との関係をモデル化し、前記噴射空燃比に基づいて筒内の空燃比を出力する燃料モデルと、各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記燃料モデルから出力された各気筒の空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、排気集合部に設けられた空燃比センサの特性をモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、前記線形モデルの前記空燃比センサモデルから出力された空燃比と、前記空燃比センサで実測された空燃比とに基づいて、内燃機関の空燃比を制御する手段と、を備えたことを特徴とする。
【００２８】
第２２の発明は、上記の目的を達成するため、燃料噴射量と空燃比との関係をモデル化し、燃料噴射量を入力として排気集合部に設けられた空燃比センサの出力に相当する空燃比を出力するハイブリッドモデルと、目標空燃比を入力として、当該目標空燃比に応じた燃料噴射量を出力する前記ハイブリッドモデルの近似逆モデルと、前記空燃比センサで実測された空燃比と、前記近似逆モデルから出力された燃料噴射量を入力として前記ハイブリッドモデルから出力された空燃比とを比較する比較手段と、前記比較手段における比較の結果に基づいて、燃料噴射量を制御する手段と、を備えたことを特徴とする。
【００２９】
第２３の発明は、第２２の発明において、前記ハイブリッドモデルは、噴射空燃比と筒内の空燃比との関係をモデル化し、前記噴射空燃比に基づいて筒内の空燃比を出力する燃料モデルと、各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記燃料モデルから出力された各気筒の空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、排気集合部に設けられた空燃比センサの特性をモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、を備えたことを特徴とする。
【００３０】
第２４の発明は、第２１又は第２３の発明において、筒内のイオン電流又は燃焼圧を取得する手段と、前記イオン電流又は燃焼圧と筒内の空燃比との関係をモデル化し、前記イオン電流又は燃焼圧に基づいて筒内の空燃比を出力する空燃比推定モデルと、前記空燃比推定モデルから出力された空燃比と前記燃料モデルから出力された空燃比との比較の結果に基づいて、前記燃料モデルを構築する手段と、を更に備えたことを特徴とする。
【００３１】
第２５の発明は、第２２〜第２４の発明のいずれかにおいて、前記近似逆モデルは、前記ハイブリッドモデルから時間遅れ項を除いたモデルをフィードバック制御して得られるモデルであることを特徴とする。
【００３２】
第２６の発明は、第２１及び第２３〜第２５の発明のいずれかにおいて、前記燃料モデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする。
【００３３】
第２７の発明は、第２１及び第２３〜第２６の発明のいずれかにおいて、前記空燃比センサモデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする。
【００３４】
第２８の発明は、第２４〜第２７の発明のいずれかにおいて、前記空燃比推定モデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする。
【００３５】
【発明の実施の形態】
以下、図面に基づいてこの発明のいくつかの実施の形態について説明する。なお、各図において共通する要素には、同一の符号を付して重複する説明を省略する。また、以下の実施の形態によりこの発明が限定されるものではない。
【００３６】
実施の形態１．
図１は、本発明の各実施形態の制御装置によって制御される実機４４の構成を示す模式図である。図１では、４気筒の内燃機関１０からなる実機４４を例示している。図１に示すように、内燃機関１０の＃１〜＃４の各気筒１０ａ〜１０ｄには、吸気管１２ａ〜１２ｄ、排気管１４ａ〜１４ｄが連通している。各気筒１０ａ〜１０ｄは、点火プラグ１６をそれぞれ備えている。また、排気管１４ａ〜１４ｄの集合部（排気集合部）１８よりも下流における排気管２０には、空燃比（Ａ／Ｆ）センサ２２が装着されている。
【００３７】
各吸気管１２ａ〜１２ｄには、燃料噴射弁（インジェクタ）２４が装着されている。燃料噴射弁２４は、噴射量Ｔａｕ１〜Ｔａｕ４の燃料を各吸気管１２ａ〜１２ｄへ噴射する。各気筒１０ａ〜１０ｄへの吸入空気は、吸気管２６から各吸気管１２ａ〜１２ｄへ送られる。吸気管２６には、吸入空気量Ｇａを検出するエアフロメータ（ＡＦＭ）２８が設けられている。また、実施の形態１の実機４４においては、各排気管１４ａ〜１４ｄに空燃比（Ａ／Ｆ）センサ３０が装着されている。
【００３８】
図１に示すように、本実施形態の燃料制御装置はＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）４０を備えている。ＥＣＵ４０には、上述した点火プラグ１６、Ａ／Ｆセンサ２２，３０、燃料噴射弁２４、エアフロメータ２８などが接続されている。
【００３９】
図２は、本実施形態にかかる点火プラグモデル（点火プラグイオン電流モデル）４２を示す模式図である。点火プラグモデル４２は＃１〜＃４の各気筒１０ａ〜１０ｄ毎に構成され、各気筒１０ａ〜１０ｄの点火プラグ１６で検出されたイオン電流を入力として各気筒１０ａ〜１０ｄの空燃比（Ａ／Ｆ）をモデル出力する。点火プラグ１６で検出されるイオン電流は、混合気の燃焼により生じるイオンの量に応じて流れる電流であって、点火プラグ１１に所定の電圧を印加して抵抗値を測定することで検出できる。イオン電流は、点火プラグイオン電流検出回路において検出される。なお、検出したイオン電流にフィルタなどのノイズ除去の一次処理等を施しても良い。
【００４０】
図３は、点火プラグ１６で検出されるイオン電流と、Ａ／Ｆとの関係を示す模式図である。図３に示すように、Ａ／Ｆが１２．５近辺の値をとると、点火プラグイオン電流は最大となる。図３では、イオン電流とＡ／Ｆとの関係を理想化した特性を示しているが、実際には、同じ燃焼状態（空燃比）であってもイオン電流の出力値、ピークは燃焼毎、測定毎に異なる。また、イオン電流の出力にはノイズ成分が多く発生する。従って、図３に示すような、イオン電流とＡ／Ｆとの関係が１対１で対応した特性を得ることは困難である。
【００４１】
本実施形態では、図２の点火プラグモデル４２を、簡易線形モデル４２ａとニューラルネットモデル（ＮＮモデル）４２ｂからなるハイブリッドモデルにより構成し、イオン電流出力とＡ／Ｆとの関係を精密に規定する。図４は、ハイブリッドモデルから構成した点火プラグモデル４２を示す模式図である。図４において、簡易線形モデル４２ａは、イオン電流とＡ／Ｆとの関係を線形近似したモデルである。簡易線形モデル４２ａで主に表現されるモデルは、各気筒１０ａ〜１０ｄにおけるイオン電流とＡ／Ｆの特性の共通部分であって、各気筒１０ａ〜１０ｄの点火プラグ１６に共通する特性を含むものである。
【００４２】
簡易線形モデル４２ａは、例えば、以下の（１）式で表すことができる。
【００４３】
（１）式において、ＡＦ（ｔ）、ＩＯＮ（ｔ）はそれぞれ時刻ｔでのＡ／Ｆ（出力）とイオン電流（入力）を表している。また、ａ０， ａ１， ａ２，・・・， ｂ０， ｂ１， ｂ２，・・・は最小二乗法で求めることのできるモデルパラメータ（係数）である。また、Ａ／Ｆ（出力）をイオン電流とエンジンの運転条件、例えば回転数、負荷、吸入空気量などを入力とした線形式で表してもよい。
【００４５】
ニューラルネットモデル（ＮＮＰ）４２ｂは、点火プラグ１６で検出されるイオン電流と、Ａ／Ｆとの関係において、非線形部分を表現したモデルである。ニューラルネットモデル４２ｂで主に表現されるモデルは、各気筒１０ａ〜１０ｄにおけるイオン電流とＡ／Ｆの特性の相違する部分であって、点火プラグ１６を含む各部品の製造バラツキ、燃焼室の加工バラツキなどに起因する非線形特性を含むものである。ニューラルネットモデル４２ｂは非線形部分のモデル化に適しているため、点火プラグモデル４２を簡易線形モデル４２ａとニューラルネットモデル４２ｂから構成することで、点火プラグ１６から検出されるイオン電流出力とＡ／Ｆとの関係を精密に規定することが可能となる。
【００４６】
図５は、点火プラグモデル４２と実機４４との関係を示す模式図である。図５に示すように、実機４４の点火プラグ１６で検出されたイオン電流は点火プラグモデル４２へ入力され、各気筒１０ａ〜１０ｄ毎にＡ／Ｆがモデル出力される。ここで、点火プラグモデル４２からモデル出力された各気筒１０ａ〜１０ｄのＡ／Ｆは、排気管１４ａ〜１４ｄで検出されるＡ／Ｆに相当する。従って、点火プラグモデル４２からのＡ／Ｆのモデル出力値と、排気管１４ａ〜１４ｄに装着されたＡ／Ｆセンサ３０の検出値とを比較し、学習を行うことで、点火プラグモデル４２のモデル化を精度良く行うことができる。
【００４７】
図６に基づいて、点火プラグモデル４２をモデリングする方法を説明する。図６は、点火プラグモデル４２を獲得するための学習モードを示している。学習モードにおいては、ベンチテスト等を行い、点火プラグ１６から検出されたイオン電流出力とＡ／Ｆセンサ３０から実測されたＡ／Ｆの出力値を用いて簡易線形モデル４２ａを獲得する。
【００４８】
簡易線形モデル４２ａを作成した後、内燃機関１０を定常運転させた状態で、点火プラグ１６からのイオン電流出力を点火プラグモデル４２へ入力して、簡易線形モデル４２ａによるＡ／Ｆのモデル出力値を出力する。この際、必要に応じて運転条件を点火プラグモデル４２へ入力する。そして、簡易線形モデル４２ａで計算されてモデル出力されたＡ／Ｆ値と、実機４４のＡ／Ｆセンサ３０における実測Ａ／Ｆ値との出力誤差ΔＡ／Ｆを求める。そして、出力誤差ΔＡ／Ｆをニューラルネットモデル４２ｂで吸収させるため、ΔＡ／Ｆを用いてニューラルネットモデル４２ｂの学習を行う。この際、簡易線形モデル４２ａのパラメータ（（１）式における係数ａ０， ａ１， ａ２，・・・， ｂ０， ｂ１， ｂ２，・・・）は、最初に簡易線形モデル４２ａを獲得した時の値で固定値としておく。
【００４９】
なお、Ａ／Ｆセンサ３０で出力された実測Ａ／Ｆ値には、センサ特性に起因した遅れ等の要因が含まれる場合がある。従って、図６に示すように、Ａ／Ｆセンサ３０から出力される実測Ａ／Ｆと、Ａ／Ｆセンサ３０に当たる排気ガスの実際のＡ／Ｆとの関係をモデル化したモデル（Ａ／Ｆセンサ逆モデル４７）を作成し、Ａ／Ｆセンサ３０の出力をＡ／Ｆセンサ逆モデル４７へ入力してセンサ特性に起因する遅れ等の要因を取り除いておくことが望ましい。これにより、ニューラルネットモデル４２ｂの学習をより精度良く行うことができる。
【００５０】
簡易線形モデル４２ａのみを用いた制御では、システムの線形部分しかモデルで表現することができないため、実システムとの誤差が大きく、良好な制御性が得られない。一方、ニューラルネットモデル４２ｂのみでモデリングを行った場合は、モデルの学習に長時間を要することが想定される。本実施形態の点火プラグモデル４２によれば、ニューラルネットモデル４２ｂが非線形成分の学習に適しているため、簡易線形モデル４２ａと併用することにより、実機４４とモデルとの誤差を最小限に抑えることができる。従って、モデル全体の精度を飛躍的に向上させることができる。また、モデルの基本的な線形部分を簡易線形モデル４２ａで表現することで、ニューラルネットモデル４２ｂにおける学習を最小限に抑えることができ、点火プラグモデル４２を迅速に構築することができる。
【００５１】
点火プラグモデル４２の学習が終了した後、点火プラグモデル４２を固定（ＦＩＸ）し、排気管１４ａ〜１４ｄに装着されたＡ／Ｆセンサ３０を取り外す。従って、製品出荷時など、点火プラグモデル４２を学習する場合のみ実機４４にＡ／Ｆセンサ３０を装着すれば、その後のＡ／Ｆ算出は点火プラグモデル４２を用いて行うことができる。これにより、実機４４に継続してＡ／Ｆセンサ３０を装着しておく必要がなくなり、実機４４の製造コストを削減することができる。
【００５２】
点火プラグモデル４２のモデリングが完了した後は、点火プラグモデル４２によるモデルシミュレーション、及びＡ／Ｆ制御が実現できる。図４に示すように、点火プラグモデル４２のモデルシミュレーションでは、点火プラグ１６のイオン電流検出回路から得られた電流値を入力としてＡ／Ｆがモデル出力される。図４に示すように、簡易線形モデル４２ａの出力にニューラルネットモデル４２ｂの出力を加えることで、実機４４と同じ出力を得ることができる。この際、次の入力（燃料噴射量）の値で予めシミュレーションを行うことで、次のＡ／Ｆを正確に推定することができ、Ａ／Ｆのリアルタイム制御が可能となる。従って、このシミュレーションにより正確に排気管１４ａ〜１４ｄにおけるＡ／Ｆを求めることができ、Ａ／Ｆに基づいて燃料噴射量を最適に制御することが可能となる。
【００５３】
図７は、点火プラグモデル４２を用いて＃１の気筒１０ａのＡ／Ｆを制御する方法を示す模式図である。図７に示すように、点火プラグモデル４２からモデル出力されたＡ／Ｆと目標Ａ／Ｆとを比較し、比較の結果に基づいてＰＩＤ等のコントローラー４５により気筒１０ａの燃料噴射弁２４による燃料噴射量Ｔａｕ１を制御する。＃２〜＃４の気筒１０ｂ〜１０ｄについても、各気筒１０ｂ〜１０ｄに対応した点火プラグモデル４２により同様の制御を行う。従って、本実施形態によれば、Ａ／Ｆセンサを用いたＡ／Ｆ検出が不要となり、また、各気筒１０ａ〜１０ｄのＡ／Ｆを個別に制御することが可能となる。
【００５４】
また、Ａ／Ｆセンサを用いた通常のＡ／Ｆ制御では、Ａ／Ｆセンサが活性化するまである程度の時間を要し、その間は正確なＡ／Ｆを検出することはできない。しかし、点火プラグモデル４２を用いた場合は始動直後からＡ／Ｆをモデル出力することができ、モデル出力したＡ／Ｆに基づいて空燃比制御を行うことができる。従って、本実施形態によれば、始動直後から空燃比制御を行うことが可能となる。
【００５５】
以上説明したように実施の形態１によれば、点火プラグ１６で検出されるイオン電流からＡ／Ｆを算出する点火プラグモデル４２をモデル化し、点火プラグモデル４２を簡易線形モデル４２ａとニューラルネットモデル４２ｂとからなるハイブリッドモデルから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。従って、点火プラグモデル４２から求めたＡ／Ｆに基づいて、正確な気筒別Ａ／Ｆ制御を実現することが可能となる。
【００５６】
なお、燃焼圧センサを備えた実機４４では、燃焼圧とＡ／Ｆとの間に一定の相関関係があるため、燃焼圧に基づいてＡ／Ｆを推定することができる。従って、点火プラグモデル４２と同様の方法で、燃焼圧と筒内のＡ／Ｆとの関係をモデル化し、燃焼圧からＡ／Ｆを出力するモデル（空燃比推定モデル）を構築しても良い。
【００５７】
実施の形態２．
次に、本発明の実施の形態２について説明する。実施の形態２では、排気集合部１８の下流に設けられたＡ／Ｆセンサ２２の特性を学習してＡ／Ｆセンサモデル４６を構成する。また、実施の形態２では、排気管１４ａ〜１４ｄの形状、長さ等に起因するＡ／Ｆセンサ２２への排気の当たり状態や、排気の輸送遅れをモデル化する。
【００５８】
図８は、Ａ／Ｆセンサモデル４６の構成を示す模式図である。実施の形態２では、Ａ／Ｆセンサモデル４６を、簡易線形モデル４６ａとニューラルネットモデル（ＮＮＳ）４６ｂからなるハイブリッドモデルにより構成し、Ａ／Ｆセンサ２２の特性を精密にモデル化する。
【００５９】
Ａ／Ｆセンサ２２で出力された実測Ａ／Ｆ値は、Ａ／Ｆセンサ２２に当たった排気ガスの実際のＡ／Ｆに対して、センサ特性に起因した遅れ等の要因が含まれる場合がある。センサ特性の基本的部分は一次遅れ系で表現できるため、Ａ／Ｆセンサモデル４６では、一次遅れ系を簡易線形モデル４６ａで表現し、センサにおける複雑な化学反応など線形近似で表しにくい部分をニューラルネットモデル４６ｂで表現する。簡易線形モデル４６ａは、以下の（２）式により構成することができる。
【００６０】
ここで、ｕ（ｔ）， ｙ（ｔ）はそれぞれ時刻ｔでの簡易線形モデル４６ａへの入力と出力を示している。また、ａ０， ａ１，・・・， ｂ０， ｂ１，・・・は最小二乗法で求めることのできるモデルパラメータ（係数）である。また、出力Ａ／Ｆを機関運転条件、例えば回転数、負荷、吸入空気量などの線形項を加えて表してもよい。
【００６２】
（２）式による簡易線形モデル４６ａのみでシステムを構成して制御に用いてもよいが、ニューラルネットモデル４６ｂと組み合わせることで、より精度の高いシステムモデルを得ることができる。
【００６３】
図９は、Ａ／Ｆセンサモデル４６を学習する方法を示す模式図である。先ず、モデルガス等を使用したベンチテスト等を行い、モデルガスによる入力Ａ／ＦとＡ／Ｆセンサ２２で実測された検出値を用いて簡易線形モデル４６ａを作成する。上記の（２）式を用いる場合は、最小二乗法により係数ａ０， ａ１，・・・， ｂ０， ｂ１，・・・の値を求めることで簡易線形モデル４６ａを作成することができる。
【００６４】
簡易線形モデル４６ａを作成した後、簡易線形モデル４６ａから算出されたモデル出力によるＡ／Ｆ値とＡ／Ｆセンサ２２での実測Ａ／Ｆ値との出力誤差ΔＡ／Ｆを求める。そして、この誤差をニューラルネットモデル４６ｂで吸収させるように学習を行う。ニューラルネットモデル４６ｂは非線形部分の学習に適しているため、簡易線形モデル４６ａと併用することにより、モデル全体の精度の飛躍的向上を達成することができる。また、ニューラルネットモデル４６ｂのみでモデルを作成する場合と比較すると、短時間で正確なモデルを得ることができる。
【００６５】
Ａ／Ｆセンサモデル４６のモデリングが完了した後は、Ａ／Ｆセンサモデル４６によるモデルシミュレーション及びＡ／Ｆ制御が実現できる。図８に示すように、Ａ／Ｆセンサモデル４６によるモデルシミュレーションでは、任意のガス（モデルガス等）の空燃比を入力として、同じ空燃比のモデルガスが実機４４の排気管２０に流れた場合のＡ／Ｆセンサ２２の出力値に相当するＡ／Ｆがモデル出力される。図８に示すように、簡易線形モデル４６ａの出力にニューラルネットモデル４６ｂの出力を加えることで、実機４４のＡ／Ｆセンサ２２と同等の出力を得ることができる。従って、このシミュレーションによりＡ／Ｆセンサ２２の特性を加味した上で、排気集合部１８の下流での正確なＡ／Ｆをモデル出力することができ、出力したＡ／Ｆに基づいて空燃比を最適に制御することが可能となる。
【００６６】
次に、実施の形態１の点火プラグモデル４２と、実施の形態２のＡ／Ｆセンサモデル４６を接続したシステムについて説明する。実施の形態１で説明したように、点火プラグモデル４２は、各気筒１０ａ〜１０ｄ毎に構成される。一方、Ａ／Ｆセンサモデル４６は、排気集合部１８の下流におけるＡ／Ｆセンサ２２の特性を学習しているため、１つだけ構成される。従って、点火プラグモデル４２とＡ／Ｆセンサモデル４６を接続する場合は、各気筒１０ａ〜１０ｄ毎に点火プラグモデル４２からモデル出力された空燃比を合計して、Ａ／Ｆセンサモデル４６へ入力する必要がある。
【００６７】
各気筒１０ａ〜１０ｄに対応した点火プラグモデル４２からは、各排気管１４ａ〜１４ｄにおけるＡ／Ｆが出力される。図１０は、点火プラグモデル４２から出力された各排気管１４ａ〜１４ｄの空燃比と、Ａ／Ｆセンサ２２で検出されるＡ／Ｆとの関係を示した模式図である。図１０に示すように、各排気管１４ａ〜１４ｄを流れる排気ガスは排気集合部１８で集合する。そして、排気集合部１８におけるＡ／Ｆ（排気管２０におけるＡ／Ｆ）は、各排気管１４ａ〜１４ｄの排気の割合と排気輸送遅れによって決定される。従って、点火プラグモデル４２とＡ／Ｆセンサモデル４６を接続する際に、各排気管１４ａ〜１４ｄでの排気割合と排気輸送遅れを考慮する必要がある。
【００６８】
図１１は、点火プラグモデル４２とＡ／Ｆセンサモデル４６とを接続した複合モデル４８を示す模式図である。ここで、図１１では、複合モデル４８とともに実機４４を図示している。複合モデル４８では、点火プラグモデル４２とＡ／Ｆセンサモデル４６とを接続するため、両モデルの間に排気集合部モデル５０を挿入している。各気筒１０ａ〜１０ｄの点火プラグモデル４２からの出力は、排気集合部モデル５０で合計され、Ａ／Ｆセンサモデル４６へ入力される。
【００６９】
図１２は、点火プラグモデル４２、排気集合部モデル５０、およびＡ／Ｆセンサモデル４６の関係を詳細に示す模式図である。各気筒１０ａ〜１０ｄに対応した点火プラグモデル４２からは、各排気管１４ａ〜１４ｄにおけるＡ／Ｆが出力される。排気集合部モデル５０は、各気筒１０ａ〜１０ｄの排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）と排気輸送遅れｄをパラメータとして構成されている。排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）は、各排気管１４ａ〜１４ｄにおける排気ガスの比率を表したものであり、Ｒ１＋Ｒ２＋Ｒ３＋Ｒ４＝１である。図１２に示すように、排気集合部モデル５０は、各気筒１０ａ〜１０ｄの点火プラグモデル４２からの出力（＃１ＡＦ， ＃２ＡＦ， ＃３ＡＦ， ＃４ＡＦ）を、排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）に応じて合計し、排気輸送遅れｄによる遅れ分を加味して、Ａ／Ｆセンサモデル４６へ出力する。すなわち、排気集合部モデル５０では、（＃１ＡＦ×Ｒ１＋＃２ＡＦ×Ｒ２＋＃３ＡＦ×Ｒ３＋＃４ＡＦ×Ｒ４）を演算して各排気管１４ａ〜１４ｄのＡ／Ｆを合計し、更に排気輸送遅れｄによる遅れ分を加味して出力する。
【００７０】
排気集合部モデル５０から出力されたＡ／Ｆは、実機４４の排気集合部１８におけるＡ／Ｆ（排気管２０におけるＡ／Ｆ）に相当する。排気集合部モデル５０からモデル出力されたＡ／ＦはＡ／Ｆセンサモデル４６へ入力され、Ａ／Ｆセンサ２２における遅れ等のセンサ特性が加味されて出力される。従って、複合モデル４８が実機４４を正確に反映していれば、Ａ／Ｆセンサモデル４６のモデル出力によるＡ／Ｆと、Ａ／Ｆセンサ２２による実測のＡ／Ｆとは一致する。
【００７１】
排気集合部モデル５０における排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄは、主として排気管１４ａ〜１４ｄの形状、長さ等によって決定される。複合モデル４８を取得するためには、先ず、排気集合部モデル５０における排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを求めておく必要がある。
【００７２】
そこで、実施の形態２では、Ａ／Ｆセンサモデル４６の出力と、実機４４におけるＡ／Ｆセンサ２２の出力とを比較し、比較の結果に基づいて排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを決定する。この際、運転条件（回転数ＮＥ、負荷率ＫＬ）毎に排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄは変動するため、実機４４を様々な運転条件で運転し、運転条件毎に求めたＲ１，Ｒ２，Ｒ３，Ｒ４，ｄを自動学習する。
【００７３】
すなわち、運転条件毎に、実機４４の点火プラグ１６から検出されたイオン電流を点火プラグモデル４２へ入力し、図１１及び図１２に示すように、Ａ／Ｆセンサモデル４６からモデル出力したＡ／Ｆ値と実機４４のＡ／Ｆセンサ２２の出力値とから、その出力誤差を求め、出力誤差に基づいて排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気遅れｄを自動学習する。運転条件毎に学習した排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄのパラメータは固定（ＦＩＸ）される。点火プラグモデル４２は実施の形態１の方法で取得されており、Ａ／Ｆセンサモデル４６は上述した方法で取得されているため、排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄが確定することで、図１１に示す複合モデル４８を完成させることができる。なお、Ａ／Ｆセンサ３０で出力された実測Ａ／Ｆ値には、センサ特性に起因した遅れ等の要因が含まれる場合があるため、図１２に示すように、Ａ／Ｆセンサ２２からの出力をＡ／Ｆセンサ逆モデル４７へ入力して得られた値と、Ａ／Ｆセンサモデル４６からモデル出力したＡ／Ｆ値とを比較することがより好適である。
【００７４】
複合モデル４８が完成すると、点火プラグ１６から検出されたイオン電流を入力として、Ａ／Ｆセンサ２２で実測されるＡ／Ｆを出力する経路がモデル化される。従って、点火プラグモデル４２により各気筒１０ａ〜１０ｄのＡ／Ｆを個別に制御するとともに、複合モデル４８から出力されたＡ／Ｆセンサ２２の実測Ａ／Ｆに相当するＡ／Ｆ値に基づいて、全気筒のＡ／Ｆを一括制御することも可能となる。また、実機４４が経年変化等により複合モデル４８と相違する場合は、定期的に定期的に排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを算出して最新の値に更新することで、複合モデル４８から出力されたＡ／Ｆに基づく制御を継続することができる。
【００７５】
複合モデル４８の各モデルが実機４４の状態を反映しなくなった場合は、複合モデル４８から出力されたモデル出力Ａ／Ｆ値と、実機４４のＡ／Ｆセンサ２２の実測Ａ／Ｆ値とが相違することとなる。そして、図１１のシステムによれば、複合モデル４８から出力されたモデル出力Ａ／Ｆ値と、実機４４のＡ／Ｆセンサ２２の実測Ａ／Ｆ値との差分は、全て排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄに反映される。従って、定期的に排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを算出し、過去に算出した値と比較することで、実機４４の経年変化、劣化の度合い、故障の有無等を検出することが可能となる。そして、異常が判定されるまでは、点火プラグモデル４２により各気筒１０ａ〜１０ｄのＡ／Ｆを個別に制御し、異常が判定された後は、実機４４のＡ／Ｆセンサ２２の実測Ａ／Ｆ値に基づいて各気筒１０ａ〜１０ｄのＡ／Ｆを一括して制御することも可能となる。
【００７６】
以上説明したように実施の形態２によれば、Ａ／Ｆセンサ２２の特性をモデル化してＡ／Ｆセンサモデル４６を構築したため、Ａ／Ｆセンサ２２の実測Ａ／Ｆ値に対応したＡ／Ｆを精度良くモデル出力することが可能となる。また、Ａ／Ｆセンサモデル４６を簡易線形モデル４６ａとニューラルネットモデル４６ｂとからなるハイブリッドモデルから構成したため、実施の形態１と同様に精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【００７７】
また、点火プラグ１６から検出されたイオン電流を入力として、Ａ／Ｆセンサ２２で実測されるＡ／Ｆを出力する複合モデル４８を構築することで、Ａ／Ｆセンサ２２で実測されるＡ／Ｆをモデル出力することが可能となる。これにより、複合モデル４８からモデル出力したＡ／Ｆに基づいて、各気筒１０ａ〜１０ｄのＡ／Ｆを一括制御することが可能となる。また、排気集合部モデル５０における排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを定期的に算出し、過去に算出した値と比較することで、異常判定を行うことが可能となる。
【００７８】
実施の形態３．
次に、本発明の実施の形態３について説明する。実施の形態３は、吸気管１２ａ〜１２ｄにおける燃料付着量を学習して、各気筒１０ａ〜１０ｄのＡ／Ｆと、燃料噴射弁２４による燃料噴射量との関係をモデル化するものである。
【００７９】
図１３は、燃料モデル５２を示す模式図である。例えば＃１の気筒１０ａにおいて、吸気管１２ａへの燃料付着が生じないと仮定した場合の空燃比（噴射空燃比）ＡＦ１は、気筒１０ａの吸気行程における吸入空気量Ｇａと、燃料噴射弁２４による気筒１０ａへの燃料噴射量Ｔａｕ１から算出することができる。すなわち、ＡＦ１＝Ｇａ／Ｔａｕ１として算出することができる。しかし、燃料噴射量Ｔａｕ１の一部は吸気管１２ａの壁面に付着するため、気筒１０ａ内の実際のＡ／ＦはＡＦ１とならない場合がある。図１３の燃料モデル５２は、噴射空燃比ＡＦ１を入力として、吸気管１２ａでの燃料の付着を考慮した上で、気筒１０ａでの実際の空燃比Ｃａｌ＿ＡＦ１を出力するものである。
【００８０】
図１４は、燃料付着モデル５４の構成を示す模式図である。図１４に示すように、実施の形態３では、図１３の燃料モデル５２を簡易線形モデル５４ａとニューラルネットモデル（ＮＮＷ）５４ｂからなる燃料付着モデル５４により構成し、ＡＦ１とＣａｌ＿ＡＦ１との関係を精密に規定する。簡易線形モデル５４ａは、主として各吸気管１２ａ〜１２ｄにおいて共通する燃料の付着特性を表現したモデルであり、ニューラルネットモデル５４ｂは、各吸気管１２ａ〜１２ｄの形状、加工精度などのバラツキに起因した非線形部分を表現したモデルである。なお、ここでは＃１の気筒１０ａにおける燃料付着モデル５４について説明するが、燃料付着モデル５４は、＃２〜＃４の各気筒１０ｂ〜１０ｄにおいても同様にモデル化される。
【００８１】
図１４に示すように、吸気管１２ａへの実吸入空気量Ｇａと実燃料噴射量Ｔａｕ１とから算出された噴射空燃比ＡＦ１は、燃料付着モデル５４へ入力される。燃料付着モデル５４では、吸気管１２ａの壁面への燃料付着を考慮して気筒１０ａの実際の空燃比Ｃａｌ＿ＡＦ１を出力する。
【００８２】
この際、図１４に示すように、簡易線形モデル５４ａにおいて、吸気管１２ａにおける燃料の残留率Ｐ、付着率Ｒに基づいた線形成分の演算を行い、ニューラルネットモデル５４ｂにおいて非線形部分の演算を行う。
【００８３】
図１５は、燃料付着モデル５４の学習と、燃料付着モデル５４によるモデルシミュレーション及びＡ／Ｆ制御を示す模式図である。ここで、図１５（Ａ）は、燃料付着モデル５４を獲得する学習モードを示している。
【００８４】
図１５（Ａ）に示す学習モードにおいては、最初に簡易線形モデル５４ａ内のパラメータ（例えば、燃料モデルの残留率Ｐと付着率Ｒ）を予めベンチテスト等により各ユニット毎に求めておく。また、ニューラルネットモデル５４ｂに関しても予め初期設定値を学習しておくことが望ましい。
【００８５】
次に、各運転条件における吸入空気量Ｇａ、燃料噴射量Ｔａｕ１を燃料付着モデル５４に入力し、点火プラグモデル４２によるＡ／Ｆのモデル出力値と、燃料付着モデル５４の簡易線形モデル５４ａにより計算したＡ／Ｆ値との出力誤差ΔＡ／Ｆを求める。次に、この出力誤差ΔＡ／Ｆをニューラルネットモデル５４ｂで吸収させるため、学習を行う。この際、簡易線形モデル５４ａのパラメータ（残留率Ｐ、付着率Ｒなど）は固定とする。この学習により、各気筒１０ａ〜１０ｄ毎に燃料付着モデル５４を獲得することができる。燃料付着モデル５４を獲得した後、モデルパラメータを固定（ＦＩＸ）する。
【００８６】
学習モードにおいて、点火プラグモデル４２は実施の形態１の方法で既に完成されているため、点火プラグモデル４２から各気筒１０ａ〜１０ｄのＡ／Ｆを正確に求めることができる。従って、点火プラグモデル４２から求めた各気筒１０ａ〜１０ｄのＡ／Ｆに基づいて、燃料付着モデル５４を獲得することが可能となる。
【００８７】
簡易線形モデル５４ａのみを用いた制御では、システムの線形部分しかモデルで表現することができないため、実システムとの誤差が大きく、良好な制御性が得られない。一方、ニューラルネットモデル５４ｂのみでモデリングを行った場合は、モデルの学習に長時間を要することが想定される。本実施形態の燃料付着モデル５４によれば、ニューラルネットモデル５４ｂが非線形成分の学習に適しているため、簡易線形モデル５４ａと併用することにより、実機４４における燃料の付着状態とモデルとの誤差を最小限に抑えることができる。従って、モデル全体の精度を飛躍的に向上させることができる。また、モデルの基本的な線形部分を簡易線形モデル５４ａで表現することで、ニューラルネットモデル５４ｂにおける学習を最小限に抑えることができ、燃料付着モデル５４を迅速に構築することができる。
【００８８】
図１５（Ｂ）は、燃料付着モデル５４によるモデルシミュレーション及びＡ／Ｆ制御を示す模式図である。燃料付着モデル５４を獲得した後、吸入空気量Ｇａ、燃料噴射量Ｔａｕ１を入力としてシミュレーションを行い、Ａ／Ｆのモデル計算値を出力する。図１５（Ｂ）に示すように、簡易線形モデル５４ａの出力にニューラルネットモデル５４ｂを加算することで、実機４４と同等の出力を得ることができる。従って、このシミュレーションにより筒内の正確なＡ／Ｆを求めることができ、求めたＡ／Ｆに基づいて燃料噴射量、空燃比を精密に制御することが可能となる。
【００８９】
図１６は、燃料付着モデル５４を用いたシステムの構成をより詳細に示した模式図である。図１６では、燃料付着モデル５４とともに、点火プラグモデル４２、実機４４を図示している。図１６に示すように、吸入空気量Ｇａと、燃料噴射量Ｔａｕ１から算出された噴射空燃比ＡＦ１は、気筒１０ａについての燃料付着モデル５４へ入力される。燃料付着モデル５４では、ＡＦ１を入力として、吸気管１２ａにおける燃料付着を考慮して気筒１０ａの空燃比Ｃａｌ＿ＡＦ１をモデル出力する。モデル出力された空燃比Ｃａｌ＿ＡＦ１は、点火プラグモデル４２からモデル出力されたＡ／Ｆと比較され、ニューラルネットモデル５４ｂの学習が行われる。
【００９０】
図１７は、図７で説明した点火プラグモデル４２によるＡ／Ｆ制御を、燃料付着モデル５４を併用して行う方法を示す模式図である。図１７に示すように、点火プラグモデル４２によるモデル出力Ａ／Ｆと目標Ａ／Ｆとから求めた燃料噴射量Ｔａｕ１を、燃料付着モデル５４で修正し、修正した値で燃料噴射弁２４による燃料噴射を行う。このように、点火プラグモデル４２によるＡ／Ｆ出力と併用することで、Ａ／Ｆの制御性を飛躍的に向上させることが可能となる。
【００９１】
なお、適宜に燃料付着モデル５４の学習を行い、簡易線形モデル５４ａ、ニューラルネットモデル５４ｂにおける初期設定値を定期的に取得してその値を監視することで、システムの劣化検出や異常検出（吸気管１２ａ〜１２ｄの汚れ付着、燃料噴射弁２４のつまり等の不具合の検出）を行うことが可能となる。
【００９２】
以上説明したように実施の形態３によれば、吸気管１２ａ〜１２ｄにおける燃料の付着状態を燃料付着モデル５４でモデル化し、燃料付着モデル５４を簡易線形モデル５４ａとニューラルネットモデル５４ｂとからなるハイブリッドモデルから構成したため、実施の形態１と同様に精度の良いモデルを簡単かつ迅速に構築することが可能となる。これにより、燃料付着モデル５４からモデル出力されたＡ／Ｆに基づいて、各気筒１０ａ〜１０ｄのＡ／Ｆを制御することが可能となる。また、点火プラグモデル４２によるＡ／Ｆ制御と併用することで、Ａ／Ｆの制御性を飛躍的に向上させることができる。
【００９３】
実施の形態４．
次に、本発明の実施の形態４について説明する。実施の形態４は、実施の形態１〜３の方法で点火プラグモデル４２、燃料付着モデル５４、Ａ／Ｆセンサモデル４６を構築し、各モデルに変化が生じた場合に、各モデルを修正して各モデルの精度を高めるものである。そして、実施の形態４では、修正した各モデルを用いてシステム全体のモデルを監視し、異常検出を行う。
【００９４】
図１８は、実施の形態４にかかるシステムの構成を示す模式図である。図１８のシステムは、図１１の複合モデル４８と同様のモデルであって、点火プラグモデル４２、排気集合部モデル５０、Ａ／Ｆセンサモデル４６から構成されている。
【００９５】
点火プラグモデル４２、Ａ／Ｆセンサモデル４６は、実施の形態１，２で説明した方法で既に学習が行われており、モデルが完成されている。また、排気集合部モデル５０についても、実施の形態２で説明した方法により、排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄが既に取得されている。
【００９６】
各気筒１０ａ〜１０ｄのイオン電流を検出する点火プラグ１６は、燃焼室内に配置されているため非常に過酷な環境下にある。従って、経年変化などに起因する点火プラグ１６の劣化によって、点火プラグモデル４２のモデルが変化する場合がある。
【００９７】
一方、排気集合部モデル５０における排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄは、前述したように排気管１４ａ〜１４ｄの長さ、形状等から定まるため、排気集合部モデル５０の経年変化は殆ど生じないと考えて良い。また、実機４４のＡ／Ｆセンサ２２の特性はほぼ一定しているため、経年変化等により、Ａ／Ｆセンサモデル４６でモデル化されたセンサ特性が、実機４４のＡ／Ｆセンサ２２の特性から外れる可能性は低い。
【００９８】
従って、図１８のシステムにおいて、Ａ／Ｆセンサモデル４６からモデル出力されたＡ／Ｆ値と、実機４４のＡ／Ｆセンサ２２の出力値とが異なる場合は、点火プラグモデル４２にモデル変化が生じたものと推定することができる。
【００９９】
このため、実施の形態４では、定常運転時において、Ａ／Ｆセンサモデル４６から出力されたＡ／Ｆ値のモデル出力と、実機４４のＡ／Ｆセンサ２２の実測Ａ／Ｆ値とを比較し、双方のＡ／Ｆ値が相違する場合は、最もモデル変化が生じ易い点火プラグモデル４２が変化したものと推定して、各気筒１０ａ〜１０ｄの点火プラグモデル４２のニューラルネットモデル４２ｂを修正する。これにより、点火プラグモデル４２を常に最新のモデルに更新することが可能となる。
【０１００】
特に、定常運転時においては、吸気管１２ａ〜１２ｄの壁面への燃料付着量はほぼ一定しており、吸気管１２ａ〜１２ｄへの燃料付着の度合いに起因して点火プラグモデル４２からの出力が変動することはない。従って、定常運転時において図１８のシステム（Ａ／Ｆセンサモデル４６）から出力されたＡ／Ｆ値には、吸気管１２ａ〜１２ｄでの燃料付着の増減による変動要因は含まれていない。
【０１０１】
同様に、定常運転時において実機４４のＡ／Ｆセンサ２２から出力されたＡ／Ｆ値にも、吸気管１２ａ〜１２ｄへの燃料付着の増減による変動要因は含まれていない。従って、定常運転時において出力された、図１８のシステムによるＡ／Ｆのモデル出力値と、Ａ／Ｆセンサ２２による実測Ａ／Ｆ値とを比較することで、吸気管１２ａ〜１２ｄにおける燃料付着の増減に起因したＡ／Ｆの変動を排除した状態で、双方のＡ／Ｆ値を正確に比較することができる。そして、比較の結果に基づいて高精度に点火プラグモデル４２を修正することが可能となる。
【０１０２】
一方、加減速時などの過渡運転時には、吸入空気量の変動等に起因して吸気管１２ａ〜１２ｄの壁面への燃料付着量が変動する。従って、過渡運転時においては、運転条件に応じて燃料付着モデル５４が変動する。このため、本実施形態では、図１８の方法で点火プラグモデル４２を修正した後、過渡運転時の運転条件に応じて各気筒１０ａ〜１０ｄの燃料付着モデル５４を修正する。
【０１０３】
図１９は、過渡運転時の運転条件に応じて燃料付着モデル５４を修正する方法を示す模式図である。図１９に示すように、修正した点火プラグモデル４２の出力に基づいて、燃料付着モデル５４を修正する。この際、過渡運転時の運転条件に応じた噴射空燃比ＡＦ１〜ＡＦ４、吸入空気量Ｇａを各気筒１０ａ〜１０ｄの燃料付着モデル５４へ入力し、過渡運転時の運転条件に応じて検出されたイオン電流を点火プラグモデル４２へ入力する。そして、燃料付着モデル５４から出力されたモデルＡ／Ｆ値と、点火プラグモデル４２から出力されたモデルＡ／Ｆ値とを比較し、比較の結果に基づいて燃料付着モデル５４のニューラルネットモデル５４ｂを修正する。
【０１０４】
これにより、過渡運転時における様々な運転条件に対応するように燃料付着モデル５４を修正することができ、燃料付着モデル５４を精密に構成することが可能となる。
【０１０５】
次に、修正した点火プラグモデル４２および燃料付着モデル５４を用いて、各気筒１０ａ〜１０ｄ毎にＡ／Ｆを制御する方法を説明する。図２０は、定常運転時において、図１８の方法で修正した点火プラグモデル４２によるモデル出力Ａ／Ｆ値に基づいて、各気筒１０ａ〜１０ｄのＡ／Ｆを制御する方法を示す模式図である。図２０に示すように、点火プラグモデル４２から出力されたモデル出力によるＡ／Ｆ値は、各気筒１０ａ〜１０ｄの目標Ａ／Ｆと比較される。そして、比較の結果に基づいて、各気筒１０ａ〜１０ｄの燃焼噴射量Ｔａｕ１〜Ｔａｕ４を修正する。点火プラグモデル４２は、経年変化等による変動要因を含めて図１８の方法で修正されているため、点火プラグモデル４２のモデル出力に応じて燃焼噴射量Ｔａｕ１〜Ｔａｕ４を修正することで、各気筒１０ａ〜１０ｄのＡ／Ｆを目標Ａ／Ｆに制御することが可能となる。
【０１０６】
一方、過渡運転時においては、上述したように運転条件に応じて吸気管１２ａ〜１２ｄの壁面への燃料付着量が変動する。従って、図２０の方法で点火プラグモデル４２から求めた定常運転時の燃料噴射量Ｔａｕ１〜Ｔａｕ４を、燃料付着モデル５４を用いて修正する。この際、図１９の方法で既に修正した燃料付着モデル５４を用いる。これにより、過渡運転時において、吸気管１２ａ〜１２ｄの壁面への燃料付着を考慮した上で、各気筒１０ａ〜１０ｄでの最適な燃料噴射量Ｔａｕ１〜Ｔａｕ４を求めることができる。
【０１０７】
図２１は、修正した点火プラグモデル４２、燃料付着モデル５４を用いて、システムの監視、異常検出を行う方法を示す模式図である。図２１のシステムでは、燃料付着モデル５４、排気集合部モデル５０及びＡ／Ｆセンサモデル４６を用いてシステムを構成している。燃料付着モデル５４は、図１９の方法で修正したものである。
【０１０８】
図２１のシステムでは、燃料付着モデル５４から各気筒１０ａ〜１０ｄのＡ／Ｆがモデル出力され、排気集合部モデル５０へ入力される。排気集合部モデル５０では、実施の形態２と同様に排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを用いて、実機４４の排気集合部１８でのＡ／Ｆに相当するＡ／Ｆをモデル出力する。排気集合部モデル５０から出力されたＡ／Ｆは、Ａ／Ｆセンサモデル４６により実機４４のＡ／Ｆセンサ２２の特性が加味されて、Ａ／Ｆセンサ２２の実測Ａ／Ｆ値に相当するＡ／Ｆがモデル出力される。
【０１０９】
図２１のシステムにおいて、燃料付着モデル５４からモデル出力されたＡ／Ｆ値は、図１８の方法で修正された点火プラグモデル４２によるＡ／Ｆのモデル出力値と比較される。ここで、双方のＡ／Ｆ値が相違する場合は、燃料付着モデル５４、または点火プラグモデル４２に異常が発生したものと判断できる。ここで、点火プラグモデル４２の異常とは、点火プラグ１６の劣化等により、点火プラグモデル４２が実機４４を反映しない状態となったことをいう。従って、点火プラグモデル４２の異常判定により、実機４４に異常が生じていることを認識できる。
【０１１０】
より詳細には、定常運転時では、吸気管１２ａ〜１２ｄにおける燃料付着量はほぼ一定しているため、吸気管１２ａ〜１２ｄでの燃料付着が生じていない場合と同様の条件と考えることができる。従って、定常運転時に燃料付着モデル５４からモデル出力されるＡ／Ｆは、吸入空気量Ｇａと燃料噴射量Ｔａｕ１〜Ｔａｕ４から求まる噴射空燃比ＡＦ１〜ＡＦ４とほぼ等しくなる。このため、定常運転時における燃料付着モデル５４のモデル出力Ａ／Ｆ値の変動要因は小さく、定常運転時において燃料付着モデル５４のモデル出力値と点火プラグモデル４２のモデル出力値とが相違する場合は、点火プラグモデル４２に異常が生じたものと判断できる。
【０１１１】
一方、定常運転時に燃料付着モデル５４のモデル出力値と点火プラグモデル４２のモデル出力値とが一致する場合は、点火プラグモデル４２が正常であると判断できる。この場合において、過渡運転時に燃料付着モデル５４のモデル出力値と点火プラグモデル４２のモデル出力値とが相違する場合は、既に点火プラグモデル４２が正常と判断されているため、燃料付着モデル５４に異常が生じたものと判断できる。燃料付着モデル５４の異常とは、例えば燃料噴射弁２４のつまり、吸気管の汚れ等による燃料付着モデル５４と実機４４との相違である。従って、燃料付着モデル５４の異常判定により、実機４４に異常が生じていることを認識できる。
【０１１２】
また、図２１のシステムにおいて、Ａ／Ｆセンサモデル４６から出力されたモデル出力によるＡ／Ｆ値は、実機４４のＡ／Ｆセンサ２２による実測Ａ／Ｆ値と比較される。そして、双方のＡ／Ｆ値が相違する場合は、排気集合部モデル５０に異常が生じることは想定できないため、燃料付着モデル５４、またはＡ／Ｆセンサモデル４６に異常が生じているものと判断できる。特に、上述した方法で燃料付着モデル５４と点火プラグモデル４２の双方に異常が生じていないと既に判定されている場合は、Ａ／Ｆセンサモデル４６に異常が生じたものと判断することができる。このように、モデルと実機４４の該当箇所の出力を比較し、双方の出力が相違する場合は、該当箇所の手前の実機４４の部分の特性がモデルと相違していると判定できる。これにより、実機４４の異常判定を行うことができる。
【０１１３】
Ａ／Ｆセンサモデル４６から出力されたモデル出力によるＡ／Ｆ値と、実機４４のＡ／Ｆセンサ２２での実測によるＡ／Ｆ値との比較は随時行い、モデル出力Ａ／Ｆ値と実測Ａ／Ｆ値との出力誤差が所定のしきい値の範囲内の場合は、図２０の方法で点火プラグモデル４２による各気筒別の制御を行う。モデル出力Ａ／Ｆ値と実測Ａ／Ｆ値との出力誤差が所定のしきい値を超えた場合は、図１８、図１９の方法で点火プラグモデル４２、燃料付着モデル５４を順に修正する。特に、モデル出力Ａ／Ｆ値と実測Ａ／Ｆ値との出力誤差が大きく相違する場合は、点火プラグモデル４２による各気筒別のＡ／Ｆ制御を停止し、実機４４のＡ／Ｆセンサ２２の出力に基づいた全気筒一括Ａ／Ｆ制御に切り換える。
【０１１４】
Ａ／Ｆセンサ２２の出力に基づいた全気筒一括Ａ／Ｆ制御へ切り換えた場合は、以下に説明する手順でモデルの修正・判定を実施する。
【０１１５】
（１）先ず、定常状態で図１８による点火プラグモデル４２の修正を行う。この結果、各気筒の点火プラグモデル４２のパラメータが基準値以上に異なる場合は、点火プラグモデル４２の学習を取りやめる。そして、点火プラグモデル４２の学習の代わりに、排気集合部モデル５０における排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを修正する。
【０１１６】
（２）次に、過渡状態で図１９に示す方法で燃料付着モデル５４の修正を行う。この結果、各気筒１０ａ〜１０ｄの燃料付着モデル５４のパラメータがある基準値以上異なる場合は、燃料付着モデル５４の学習を停止する。そして、燃料付着モデル５４の学習の代わりに、排気集合部モデル５０における排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを修正する。
【０１１７】
（３）点火プラグモデル４２または燃料付着モデル５４の修正の代わりに排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを修正した場合において、求められた排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）または排気輸送遅れｄが所定の上限値以上となった場合は、排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄの学習を停止し、実機４４のＡ／Ｆセンサ２２による全気筒一括Ａ／Ｆ制御を所定の期間継続する。そして、所定の期間の経過後に図１８の点火プラグモデル４２の修正、図１９の燃料付着モデル５４の修正を順次行う。
【０１１８】
（４）排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）または排気輸送遅れｄが所定の上限値以上となる期間が継続する場合は、実機４４のシステムに異常があると判断できる。この場合は、点火プラグモデル４２による各気筒１０ａ〜１０ｄのモデルＡ／Ｆ出力値及びＡ／Ｆセンサ２２による実測Ａ／Ｆ値と、システム中の該当部分の出力とを比較し、システム内のモデル異常部分を判定する。この場合、モデルＡ／Ｆ出力値及び実測Ａ／Ｆ値と相違する出力が得られたモデル部分に該当する実機４４の部位が異常であると判定できる。上述したように、点火プラグモデル４２のパラメータが基準値以上に異なるまでは、点火プラグモデル４２の学習を行うため、点火プラグモデル４２は基準値内で修正されている。従って、点火プラグモデル４２の出力に基づいて異常判定を行うことができる。
【０１１９】
このように、排気集合部モデル５０の経時変化は殆ど生じないが、点火プラグモデル４２のパラメータが基準値以上に異なる場合、または燃料付着モデル５４のパラメータがある基準値以上異なる場合は、排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを修正することで、点火プラグモデル４２、燃料付着モデル５４の経時変化の修正を含めた状態でモデル修正を総括的に行うことができる。この場合、Ａ／Ｆセンサモデル４６に経時変化が生じていたとしても、Ａ／Ｆセンサモデル４６の経時変化は応答遅れに関係するものであるため、排気割合（Ｒ１，Ｒ２，Ｒ３，Ｒ４）及び排気輸送遅れｄを修正することで、各気筒の応答遅れに起因するＡ／Ｆセンサモデル４６の経時変化を吸収することができ、Ａ／Ｆセンサモデル４６の修正を含めた状態でモデル修正を行うことができる。
【０１２０】
以上説明したように実施の形態４によれば、実機４４の排気集合部１８に設けられたＡ／Ｆセンサ２２の出力に基づいて、点火プラグモデル４２を修正することが可能となる。従って、過酷な使用環境下にある点火プラグ１６が劣化して、点火プラグモデル４２と実機４４との間に変動が生じた場合であっても、点火プラグモデル４２を最新のモデルに更新することが可能となる。
【０１２１】
また、点火プラグモデル４２によるモデル出力Ａ／Ｆ値と燃料付着モデル５４によるモデル出力Ａ／Ｆ値との比較の結果に基づいて、点火プラグモデル４２または燃料付着モデル５４を修正することが可能となる。更に、点火プラグモデル４２及び燃料付着モデル５４が正常と判定された後は、実機４４の排気集合部１８に設けられたＡ／Ｆセンサ２２の出力とＡ／Ｆセンサモデル４６のモデル出力Ａ／Ｆ値とに基づいて、Ａ／Ｆセンサモデル４６の異常判定を行うことが可能となる。従って、本実施形態によれば、各モデルを修正することにより、各モデルの精度を向上させることが可能となる。
【０１２２】
実施の形態５．
次に、本発明の実施の形態５について説明する。実施の形態５は、実施の形態１〜３の方法で各モデルを構築した後、燃料付着モデル５４、排気集合部モデル５０、およびＡ／Ｆセンサモデル４６からなるシステムを、線形モデルによるＡ／Ｆ適応制御と、点火プラグモデル４２による各気筒１０ａ〜１０ｄのＡ／Ｆ制御との組み合わせで制御するものである。各モデルは実施の形態４の方法で予め修正しておくことが好適である。
【０１２３】
図２２は、燃料付着モデル５４、排気集合部モデル５０、およびＡ／Ｆセンサモデル４６からなるシステムを線形近似して、Ａ／Ｆの適応制御を行う方法を示す模式図である。ここで、図２２（Ａ）は、図２１と同様のシステムを示しており、Ａ／Ｆセンサモデル４６、燃料付着モデル５４の双方を、簡易線形モデル４６ａ，５４ａとニューラルネットモデル４６ｂ，５４ｂとからなるハイブリッドモデルから構成している。
【０１２４】
また、図２２（Ｂ）は、図２２（Ａ）のシステムにおいて、線形モデルのみを取り出したシステムを示している。すなわち、図２２（Ｂ）のシステムでは、図２２（Ａ）のシステムから、Ａ／Ｆセンサモデル４６のニューラルネットモデル４６ｂと燃料付着モデル５４のニューラルネットモデル５４ｂとが取り除かれている。
【０１２５】
実施の形態３で説明したように、燃料付着モデル５４は各気筒１０ａ〜１０ｄ毎に構成される。そして、燃料付着モデル５４では、全気筒１０ａ〜１０ｄで共通する特性が簡易線形モデル５４ａで表現され、気筒１０ａ〜１０ｄ毎に異なる特性がニューラルネットモデル５４ｂで表現される。従って、図２２（Ａ）では、４気筒（１０ａ〜１０ｄ）毎に吸入空気量Ｇａ、燃料噴射量Ｔａｕ１〜４が燃料付着モデル５４へ入力され、Ａ／Ｆセンサモデル４６からＡ／Ｆ値がモデル出力される。従って、図２２（Ａ）のシステムは４入力１出力である。
【０１２６】
一方、図２２（Ｂ）のシステムでは、燃料付着モデル５４から、各気筒１０ａ〜１０ｄ毎の特性を表現したニューラルネットモデル５４ｂを取り除いて燃料付着モデル５４’を構成している。従って、燃料付着モデル５４’は全ての気筒１０ａ〜１０ｄにおける燃料モデルを表すことになる。従って、燃料付着モデル５４’へ入力される燃料噴射量はは全ての気筒１０ａ〜１０ｄへの燃料噴射量Ｔａｕ１〜４の総和である。従って、図２２（Ｂ）のシステムは１入力１出力である。
【０１２７】
点火プラグモデル４２、Ａ／Ｆセンサモデル４６の線形近似部分のみを抽出して連結した図２２（Ｂ）のシステムにおいては、入出力関係を以下の（３）式に示すような線形式で表現することができる。そして、（３）式を用いて、実機４４のＡ／Ｆセンサ２２の出力値に基づいて適応制御を実施する。なお、図２２（Ｂ）おいて、簡易線形モデル４６ａ，５４ａは既に完成しているため、（３）式の係数ｆ０〜ｆ２・・・， ｇ０〜ｇ２・・・を新たに算出する必要はない。
【０１２８】
（３）式において、Ｇｆ（ｔ）は時刻ｔでの燃料付着モデル５４への入力（Ｕ（ｔ））を示している。また、ＡＦ（ｔ）は、時刻ｔでのＡ／Ｆセンサモデル４６の出力（Ｙ（ｔ））を示している。（３）式において、目標Ａ／ＦをＡＦ＿ｔａｒｇｅｔとし、評価関数Ｅを以下の（４）式で表すこととする。評価関数Ｅは、時刻ｔ＋ｄでの空燃比ＡＦ（ｔ＋ｄ）をＡＦ＿ｔａｒｇｅｔへ収束させることを規定した関数である。
【０１３０】
Ｅ＝［ＡＦ＿ｔａｒｇｅｔ−ＡＦ（ｔ＋ｄ）＋γ１｛ＡＦ（ｔ）−ＡＦ（ｔ−１）｝＋γ２｛Ｇｆ（ｔ）−Ｇｆ（ｔ−１）｝］２・・・（４）
【０１３１】
（４）式の右辺＝０とすると、時刻ｔ＋ｄでの空燃比ＡＦ（ｔ＋ｄ）を目標トルクＡＦ＿ｔａｒｇｅｔとする制御が可能となる。（４）式の右辺＝０として、すなわち右辺の［ ］内を０として（３）式へ代入し、Ｇｆ （ｔ）について解くと以下の（５）式が得られる。（５）式は、図２２（Ｂ）のシステムを上記（２）式で表した場合に、時刻ｔにおける望ましい入力Ｇｆ（ｔ）を算出する式である。本実施形態では、（５）式に基づいて入力Ｇｆ（ｔ）の制御を行う。なお、Ｇｆ（ｔ）は、例えば燃料噴射量である。
【０１３２】
（５）式において、燃料付着モデル５４への入力Ｇｆ（ｔ）を燃料噴射量Ｕ（ｔ）とおく。すなわち、（５）式においてＧｆ（ｔ）＝Ｕ（ｔ）とすると、現在の入力はＵ（ｔ）、次回の入力はＵ（ｔ＋１）となり、ともに（５）式から算出できる。そして、現在の入力Ｕ（ｔ）から次の入力Ｕ（ｔ＋１）を得るための燃料噴射量の補正量ΔＵ（ｔ＋１）は、ΔＵ（ｔ＋１）＝Ｕ（ｔ＋１）−Ｕ（ｔ）として算出できる。従って、（５）式に基づいてＵ（ｔ）， Ｕ（ｔ＋１）を算出することで、補正量ΔＵ（ｔ＋１）が求まる。
【０１３４】
ここで求めたΔＵ（ｔ＋１）は、全気筒１０ａ〜１０ｄを一括して制御する場合の燃料噴射量の補正量である。一方、各気筒１０ａ〜１０ｄの燃料噴射量は、図２３に示すように、各気筒１０ａ〜１０ｄの点火プラグモデル４２から求めることができる。図２３は、図２０と同様に、点火プラグモデル４２から各気筒１０ａ〜１０ｄの燃料噴射量を求める方法を示す模式図である。
【０１３５】
図２０で説明したように、点火プラグモデル４２からモデル出力したＡ／Ｆ値と目標Ａ／Ｆとを比較することにより、各気筒１０ａ〜１０ｄでの最適な燃料噴射量Ｔａｕ１〜Ｔａｕ４を求めることができる。各気筒１０ａ〜１０ｄの現在の燃料噴射量ｕ１（ｔ）， ｕ２（ｔ）， ｕ３（ｔ）， ｕ４（ｔ）、次の燃料噴射量ｕ１（ｔ＋１）， ｕ２（ｔ＋１）， ｕ３（ｔ＋１）， ｕ４（ｔ＋１）は、図２３に示す方法で算出できる。そして、時刻ｔにおいて、次の燃料噴射量ｕ１（ｔ＋１）， ｕ２（ｔ＋１）， ｕ３（ｔ＋１）， ｕ４（ｔ＋１）を得るための各気筒１０ａ〜１０ｄの補正量Δｕ１（ｔ＋１）， Δｕ２（ｔ＋１）， Δｕ３（ｔ＋１）， Δｕ４（ｔ＋１）は、それぞれ以下の式で算出される。
【０１３６】
Δｕ１（ｔ＋１）＝ｕ１（ｔ＋１）−ｕ１（ｔ）
Δｕ２（ｔ＋１）＝ｕ２（ｔ＋１）−ｕ２（ｔ）
Δｕ３（ｔ＋１）＝ｕ３（ｔ＋１）−ｕ３（ｔ）
Δｕ４（ｔ＋１）＝ｕ４（ｔ＋１）−ｕ４（ｔ）
【０１３７】
このようにして、全気筒１０ａ〜１０ｄを一括制御する場合の燃料噴射量の補正量ΔＵ（ｔ＋１）と、各気筒１０ａ〜１０ｄの個別の燃料噴射量の補正量Δｕ１（ｔ＋１）〜Δｕ４（ｔ＋１）とを算出した後、ΔＵ（ｔ＋１）、およびΔｕ１（ｔ＋１）〜Δｕ４（ｔ＋１）を用いて燃料噴射量を制御する。
【０１３８】
具体的には、気筒別の補正量Δｕ１（ｔ＋１）〜Δｕ４（ｔ＋１）の総和がシステム全体の補正量ΔＵ（ｔ＋１）と等しくなるよう制御を行う。例えば、システム全体の補正量ΔＵ（ｔ＋１）を気筒別補正量Δｕ１（ｔ＋１）〜Δｕ４（ｔ＋１）で比例配分して、各気筒の補正量Δｕ１（ｔ＋１）〜Δｕ４（ｔ＋１）を修正する。この場合、＃１の気筒１０ａでの補正量Δｕ１（ｔ＋１）の修正値Δｕ１＿ｎｅｗ（ｔ＋１）は、以下の（６）式から算出できる。
【０１３９】
また、各気筒の補正量Δｕ１（ｔ＋１）〜Δｕ４（ｔ＋１）を先に修正し、その後、全体の補正量ΔＵ（ｔ＋１）を補正するようにしても良い。これにより、各気筒１０ａ〜１０ｄの燃料噴射量のバラツキを最初に補正することができ、その後に全体の燃料噴射量を適応制御することで、排気ガスのエミッションを向上させることができる。
【０１４１】
点火プラグ１６は燃焼室内に配置され、過酷な使用環境下にあるが、本実施形態のようにシステムの線形モデルと併用してＡ／Ｆ制御を行うことにより、点火プラグモデル４２が実機４４と相違した場合であっても、精度の高いＡ／Ｆ制御を継続することが可能となる。また、実施の形態４で説明した方法で各モデルを修正しておくことで、より精度の高いＡ／Ｆ制御を行うことが可能となる。
【０１４２】
次に、図２２（Ａ）のシステムを制御する他の方法を説明する。図２４は、図２２（Ａ）のシステムをオブザーバー構成により制御する方法を示す模式図である。図２４の例では、Ａ／Ｆセンサモデル４６からモデル出力されたＡ／Ｆ値と、実機４４のＡ／Ｆセンサ２２の検出値とを比較し、比較の結果に基づいてＰＩＤ等のコントローラー５５により各気筒１０ａ〜１０ｄの燃料噴射量Ｔａｕ１〜Ｔａｕ４を補正する。
【０１４３】
図２４のシステム構成によれば、図２２（Ａ）のシステムにコントローラー５５を追加することにより、各気筒１０ａ〜１０ｄの燃料噴射量Ｔａｕ１〜Ｔａｕ４をオブザーバー制御することが可能となる。
【０１４４】
以上説明したように実施の形態５によれば、点火プラグモデル４２によるＡ／Ｆ制御と、システム線形モデルによるＡ／Ｆ制御を併用して制御を行うことで、Ａ／Ｆを２重ループで制御することが可能となる。従って、制御の精度を高めることができ、ロバスト性を向上させることが可能となる。また、オブザーバー制御により燃料付着モデル５４、排気集合部モデル５０及びＡ／Ｆセンサモデル４６からなるハイブリッドモデルを制御することにより、簡素な構成でハイブリッドモデルを高精度に制御することが可能となる。
【０１４５】
実施の形態６．
次に、本発明の実施の形態６について説明する。実施の形態６は、実施の形態１〜３の方法で各モデルを構築した後、燃料付着モデル５４、排気集合部モデル５０、およびＡ／Ｆセンサモデル４６からなるシステムを近似逆モデルを用いて制御するものである。各モデルは実施の形態４の方法で予め修正しておくことが好適である。
【０１４６】
図２５は、実施の形態６にかかる制御装置の構成を示す模式図である。図２５に示すハイブリッドモデル５６は図２１と同様のモデルであって、燃料付着モデル５４、排気集合部モデル５０、Ａ／Ｆセンサモデル４６から構成される。ハイブリッドモデル５６は、吸入空気量Ｇａ、燃料噴射量Ｔａｕ１〜４を入力として、排気集合部１８でのＡ／Ｆをモデル出力する。近似逆モデル５８は、ハイブリッドモデル５６の逆モデルに近似したモデルであって、Ａ／Ｆを入力として燃料噴射量Ｔａｕ１〜４を出力する。また、図２５に示すように、本実施形態の制御装置は実機４４とＰＩＤ等のコントローラー６０を含むものである。
【０１４７】
図２５のシステムにおいて、ハイブリッドモデル５６は、燃料噴射量Ｔａｕ１〜４を入力として排気集合部１８でのＡ／Ｆをモデル出力する。従って、近似逆モデル５８に目標Ａ／Ｆを入力すると、その目標空燃比を得るために必要な燃料噴射量が出力される。このように、近似逆モデル５８によれば、フィードバック等を行うことなく、目標Ａ／Ｆに対応する燃料噴射量を短時間で、かつ高精度に求めることができる。
【０１４８】
図２５に示すように、近似逆モデルから出力された燃料噴射量は、実機４４とハイブリッドモデル５６の双方へ入力される。実機４４では、入力された燃料噴射量により機関が運転され、排気集合部１８の下流のＡ／Ｆセンサ２２でＡ／Ｆが検出される。一方、ハイブリッドモデル５６では、入力された燃料噴射量から排気集合部１８でのＡ／Ｆがモデル出力される。実機４４とハイブリッドモデル５６のそれぞれから出力されたＡ／Ｆは比較され、比較の結果に基づいて、コントローラー６０によりＰＩＤ制御される。
【０１４９】
通常のＰＩＤ等による制御の場合、目標値に制御するためには試行錯誤を繰り返すこととなるが、本実施形態では、近似逆モデル５８から目標Ａ／Ｆに対応する燃料噴射量を出力することができるため、その後のコントローラー６０による制御では、誤差分を修正する程度の制御を行うのみで、実機４４を目標Ａ／Ｆに制御することが可能となる。従って、図２５のシステムによれば、近似逆モデル５８を用いることで、その後の制御における目標修正量を最小限に抑えることができ、目標値への収束を短時間で行うことができる。これにより、目標Ａ／Ｆが大きく変動した場合であっても、近似逆モデル５８から出力した目標Ａ／Ｆに対応する燃料噴射量に基づいて、目標値への制御を短時間で行うことができる。
【０１５０】
図２６は、ハイブリッドモデル５６から近似逆モデル５８を構成する方法を示す模式図である。図２６（Ａ）は、図２５におけるハイブリッドモデル５６の構成を示している。近似逆モデル５８を構成する場合は、先ず、図２６（Ａ）のシステムから時間遅れ部分を取り除く。すなわち、図２６（Ｂ）に示すように、排気輸送遅れｄの要因を取り除いて排気集合部モデル５０’を構成する。
【０１５１】
近似逆モデル５８は、図２６（Ｂ）に示すハイブリッドモデルの前にＰＩＤ等のコントローラー６２を挿入し、ループを設けてフィードバック制御することにより構築することができる。図２６（Ｃ）は、図２６（Ｂ）のハイブリッドモデルをコントローラー６２を用いてフィードバック制御したモデルである。このように、ハイブリッドモデル５６から時間遅れ項（排気輸送遅れｄ）を取り除き、コントローラー６２によるフィードバックを行うことで、近似逆モデル５８を構成することができる。
【０１５２】
図２７に基づいて、上記手法により近似逆モデル５８を構築できる理由を説明する。図２７（Ａ）は、ハイブリッドモデル５６を示す模式図である。図２７（Ａ）において、ハイブリッドモデル５６の入力はＵ、出力はＹである。図２７（Ｂ）は、ハイブリッドモデル５６の逆モデル５７を示す模式図である。逆モデル５７は、ハイブリッドモデル５６における望ましい出力Ｙｒを入力として、ハイブリッドモデル５６における望ましい入力Ｕｒを出力する。このように、逆モデル５７を構成することができれば、ハイブリッドモデル５６における目標の出力Ｙｒに基づいて、入力Ｕｒを求めることができる。しかし、逆モデル５７を直接作成することは一般的に困難である。
【０１５３】
図２７（Ｃ）は、ハイブリッドモデル５６の前にコントローラー６２を設け、ループを設けてフィードバック制御したモデルを示している。すなわち、図２７（Ｃ）のモデルは、図２６（Ｃ）の近似逆モデル５８に相当する。コントローラー６２の伝達関数をＣ（ｓ）、ハイブリッドモデル５６の伝達関数をＰ（ｓ）とすると、図２７（Ｃ）において以下の（７）式の関係が成立する。
出力Ｕ＝（Ｃ／（１＋ＰＣ））×入力Ｙｒ ・・・（７）
（７）式の右辺の分母・分子をＣで割ると、以下の（８）式が得られる。
出力Ｕ＝（１／（１／Ｃ＋Ｐ））×入力Ｙｒ ・・・（８）
（８）式において、コントローラー６２のゲインを限りなく大きくすると、１／Ｃ→０になるので、以下の（９）式が得られる。
出力Ｕ＝（１／Ｐ）×入力Ｙｒ ・・・（９）
（９）式によれば、図２７（Ｃ）のモデルの伝達関数は１／Ｐとなる。そして、この伝達関数によれば、図２７（Ｃ）のモデルは、図２７（Ａ）のハイブリッドモデル５６（伝達関数Ｐ）の逆モデルとなる。従って、図２６、図２７の手法によれば、ハイブリッドモデル５６の近似逆モデル５８を構築することが可能となる。
【０１５４】
図２８は、図２５において、ハイブリッドモデル５６、近似逆モデル５８の構成を具体的に示した模式図である。図２８のシステムによれば、近似逆モデル５８へ目標Ａ／Ｆを入力すると、目標Ａ／Ｆに対応した燃料噴射量を瞬時に、かつ高精度に算出できる。従って、通常のフィードバック制御でＡ／Ｆ制御を行う場合と比較して、目標Ａ／Ｆへの制御を短時間で行うことができる。これにより、運転状態の変化などの要因から目標空燃比が大きく変わった場合であっても、短時間で目標空燃比へ制御することが可能となる。
【０１５５】
また、近似逆モデル５８から燃料噴射量を出力した後は、コントローラー６０を用いて誤差分を修正する程度の制御を行うのみで、実機４４の燃料噴射量を目標値に応じた値に制御することが可能となる。
【０１５６】
以上説明したように実施の形態６によれば、ハイブリッドモデル５６の近似逆モデル５８を簡単に構成することが可能となる。そして、近似逆モデル５８から目標Ａ／Ｆに応じた燃料噴射量を瞬時に求めることができ、更に、実機４４、ハイブリッドモデル５６の出力に応じてコントローラー６０による制御を行うため、追従性、安定性に優れた制御を実現することが可能となる。
【０１５７】
なお、上述した各実施形態では、点火プラグモデル４２、Ａ／Ｆセンサモデル４６、燃料付着モデル５４を簡易線形モデルとニューラルネットモデルからなるハイブリッドモデルにより構成したが、ニューラルネットモデルのみから各モデルを構成しても良い。
【０１５８】
【発明の効果】
第１の発明によれば、イオン電流又は燃焼圧に基づいて筒内の空燃比を出力することができるため、空燃比センサ等により空燃比を実測することなく各気筒の空燃比を求めることが可能となる。
【０１５９】
第２の発明によれば、空燃比推定モデルを簡易線形モデルとニューラルネットモデルとから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【０１６０】
第３の発明によれば、空燃比推定モデルから出力された空燃比に基づいて、各気筒の空燃比を最適に制御することが可能となる。
【０１６１】
第４の発明によれば、空燃比推定モデル、排気モデル及び空燃比センサモデルを備えたことにより、空燃比推定モデルから出力された各気筒の空燃比に基づいて、空燃比センサでの実測値に相当する空燃比を出力するモデルを構築することが可能となる。
【０１６２】
第５の発明によれば、空燃比センサモデルから出力された空燃比に基づいて、内燃機関の空燃比を最適に制御することが可能となる。
【０１６３】
第６の発明によれば、空燃比センサモデルから出力された空燃比と、空燃比センサで実測された空燃比とを比較して、排気モデルを決定するパラメータを取得することが可能となる。
【０１６４】
第７の発明によれば、空燃比センサモデルから出力された空燃比と、空燃比センサで実測された空燃比とを比較して、各気筒からの排気の割合、及び排気の輸送遅れを取得することが可能となる。
【０１６５】
第８の発明によれば、排気モデルを決定するパラメータの変動に基づいて異常判定を行うことが可能となる。
【０１６６】
第９の発明によれば、空燃比推定モデルから出力された空燃比と燃料モデルから出力された空燃比とを比較した結果に基づいて、燃料モデルを構築することが可能となる。
【０１６７】
第１０の発明によれば、空燃比推定モデルから出力された空燃比と、燃料モデルから出力された空燃比とに基づいて、内燃機関の空燃比を最適に制御することが可能となる。
【０１６８】
第１１の発明によれば、燃料モデルを簡易線形モデルとニューラルネットモデルとから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【０１６９】
第１２の発明によれば、燃料モデル、排気モデル及び空燃比センサモデルを備えたことにより、燃料モデルから出力された各気筒の空燃比に基づいて、空燃比センサでの実測値に相当する空燃比を出力するモデルを構築することが可能となる。
【０１７０】
第１３の発明によれば、空燃比センサモデルを簡易線形モデルとニューラルネットモデルとから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【０１７１】
第１４の発明によれば、内燃機関を定常運転させた場合に、空燃比センサモデルから出力された空燃比と空燃比センサで実測された空燃比とを比較した結果に基づいて、空燃比推定モデルを修正することが可能となる。
【０１７２】
第１５の発明によれば、修正した空燃比推定モデルから出力された空燃比に基づいて、内燃機関の空燃比を高精度に制御することが可能となる。
【０１７３】
第１６の発明によれば、内燃機関を過渡運転させた場合に、修正された空燃比推定モデルから出力された空燃比と燃料モデルから出力された空燃比とを比較した結果に基づいて、燃料モデルを修正することが可能となる。
【０１７４】
第１７の発明によれば、修正された空燃比推定モデルから出力された空燃比と、修正された燃料モデルから出力された空燃比とに基づいて、内燃機関の空燃比を高精度に制御することが可能となる。
【０１７５】
第１８の発明によれば、空燃比推定モデルから出力された空燃比と燃料モデルから出力された空燃比との比較の結果に基づいて、異常判定を行うことが可能となる。
【０１７６】
第１９の発明によれば、空燃比センサモデルから出力された空燃比と実機の空燃比センサで実測された空燃比との比較の結果に基づいて、異常判定を行うことが可能となる。
【０１７７】
第２０の発明によれば、線形モデルの空燃比センサモデルから出力された全気筒の空燃比と、空燃比推定モデルから出力された各気筒の空燃比とに基づいて、内燃機関の空燃比を最適に制御することが可能となる。
【０１７８】
第２１の発明によれば、空燃比センサモデルから出力された空燃比と、空燃比センサで実測された空燃比とに基づいて、内燃機関の空燃比を最適に制御することが可能となる。
【０１７９】
第２２の発明によれば、ハイブリッドモデルの近似逆モデルから目標空燃比に応じた燃料噴射量を出力することができるため、その後の制御における目標修正量を最小限に抑えることができ、目標値への収束を短時間で行うことができる。
【０１８０】
第２３の発明によれば、ハイブリッドモデルを燃料モデル、排気モデル及び空燃比センサモデルから構成したため、燃料噴射量を入力として排気集合部に設けられた空燃比センサの出力に実測値に相当する空燃比を出力することができる。
【０１８１】
第２４の発明によれば、空燃比推定モデルから出力された空燃比と燃料モデルから出力された空燃比とを比較した結果に基づいて、燃料モデルを構築することが可能となる。
【０１８２】
第２５の発明によれば、ハイブリッドモデルから時間遅れ項を除いたモデルをフィードバック制御することにより近似逆モデルを構築することができる。
【０１８３】
第２６の発明によれば、燃料モデルを簡易線形モデルとニューラルネットモデルとから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【０１８４】
第２７の発明によれば、空燃比センサモデルを簡易線形モデルとニューラルネットモデルとから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【０１８５】
第２８の発明によれば、空燃比推定モデルを簡易線形モデルとニューラルネットモデルとから構成したため、精度の良いモデルを簡単かつ迅速に構築することが可能となる。
【図面の簡単な説明】
【図１】本発明の各実施形態の制御装置によって制御される実機の構成を示す模式図である。
【図２】実施の形態１にかかる点火プラグモデルを示す模式図である。
【図３】イオン電流と、Ａ／Ｆとの関係を示す模式図である。
【図４】ハイブリッドモデルから構成した点火プラグモデルを示す模式図である。
【図５】点火プラグモデルと実機との関係を示す模式図である。
【図６】点火プラグモデルを獲得するための学習モードを示す模式図である。
【図７】点火プラグモデルを用いて各気筒のＡ／Ｆを制御する方法を示す模式図である。
【図８】実施の形態２にかかるＡ／Ｆセンサモデルの構成を示す模式図である。
【図９】Ａ／Ｆセンサモデルを学習する方法を示す模式図である。
【図１０】点火プラグモデルから出力された各排気管のＡ／Ｆと、Ａ／Ｆセンサで検出されるＡ／Ｆとの関係を示した模式図である。
【図１１】点火プラグモデルとＡ／Ｆセンサモデルとを接続したモデルを示す模式図である。
【図１２】点火プラグモデル、排気集合部モデル、およびＡ／Ｆセンサモデルの関係を詳細に示す模式図である。
【図１３】燃料モデルを示す模式図である。
【図１４】実施の形態３にかかる燃料付着モデルの構成を示す模式図である。
【図１５】燃料付着モデルの学習と、燃料付着モデルによるモデルシミュレーション及びＡ／Ｆ制御を示す模式図である。
【図１６】燃料付着モデルを用いたシステムの構成を詳細に示す模式図である。
【図１７】点火プラグモデルによるＡ／Ｆ制御を、燃料付着モデルを併用して行う方法を示す模式図である。
【図１８】実施の形態４にかかるシステムの構成を示す模式図である。
【図１９】過渡運転時の運転条件に応じて燃料付着モデルを修正する方法を示す模式図である。
【図２０】点火プラグモデルの出力に基づいて各気筒のＡ／Ｆを制御する方法を示す模式図である。
【図２１】修正した点火プラグモデル、燃料付着モデルを用いて、システムの監視、異常検出を行う方法を示す模式図である。
【図２２】システムを線形近似して、Ａ／Ｆの適応制御を行う方法を示す模式図である。
【図２３】点火プラグモデルから各気筒の燃料噴射量の修正量を求める方法を示す模式図である。
【図２４】システムをオブザーバー構成により制御する方法を示す模式図である。
【図２５】実施の形態６にかかる制御装置の構成を示す模式図である。
【図２６】ハイブリッドモデルから近似逆モデルを構成する方法を示す模式図である。
【図２７】ハイブリッドモデルから近似逆モデルを構成する方法を示す模式図である。
【図２８】図２５において、ハイブリッドモデル、近似逆モデルの構成を具体的に示した模式図である。
【符号の説明】
１６ 点火プラグ
５０ 排気集合部モデル
２２ Ａ／Ｆセンサ
４２ 点火プラグモデル
４２ａ，４６ａ，５４ａ 簡易線形モデル
４２ｂ，４６ｂ，５４ｂ ニューラルネットモデル
４４ 実機
４６ Ａ／Ｆセンサモデル
５０ 排気集合部モデル
５４ 燃料付着モデル
５５，６０，６２ コントローラー
５６ ハイブリッドモデル
５８ 近似逆モデル
Claims (28)
- 筒内のイオン電流又は燃焼圧を取得する手段と、
前記イオン電流又は燃焼圧と筒内の空燃比との関係をモデル化し、前記イオン電流又は燃焼圧に基づいて筒内の空燃比を出力する空燃比推定モデルと、
を備えたことを特徴とする内燃機関の制御装置。 - 前記空燃比推定モデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする請求項１記載の内燃機関の制御装置。
- 前記空燃比推定モデルから出力された空燃比に基づいて、内燃機関の空燃比を制御する手段を更に備えたことを特徴とする請求項１又は２記載の内燃機関の制御装置。
- 各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記空燃比推定モデルから出力された各気筒の空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、
排気集合部に設けられた空燃比センサの特性をモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、
を更に備えたことを特徴とする請求項１〜３のいずれかに記載の内燃機関の制御装置。 - 前記空燃比センサモデルから出力された空燃比に基づいて、内燃機関の空燃比を制御する手段を更に備えたことを特徴とする請求項４記載の内燃機関の制御装置。
- 前記空燃比センサモデルから出力された空燃比と前記空燃比センサで実測された空燃比との比較の結果に基づいて、前記排気モデルを決定するパラメータを取得する手段を更に備えたことを特徴とする請求項４又は５記載の内燃機関の制御装置。
- 前記排気モデルを決定するパラメータは、各気筒からの排気の割合、及び排気の輸送遅れであることを特徴とする請求項６記載の内燃機関の制御装置。
- 前記パラメータの変動に基づいて異常判定を行う異常判定手段を更に備えたことを特徴とする請求項６又は７記載の内燃機関の制御装置。
- 噴射空燃比と筒内の空燃比との関係をモデル化し、前記噴射空燃比に基づいて筒内の空燃比を出力する燃料モデルと、
前記空燃比推定モデルから出力された空燃比と前記燃料モデルから出力された空燃比との比較の結果に基づいて、前記燃料モデルを構築する手段と、
を更に備えたことを特徴とする請求項１〜８のいずれかに記載の内燃機関の制御装置。 - 前記空燃比推定モデルから出力された空燃比と、前記燃料モデルから出力された空燃比とに基づいて、内燃機関の空燃比を制御する手段を更に備えたことを特徴とする請求項９記載の内燃機関の制御装置。
- 前記燃料モデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする請求項９又は１０記載の内燃機関の制御装置。
- 各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記燃料モデルから出力された各気筒の空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、
排気集合部に設けられた空燃比センサの特性をモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、
を更に備えたことを特徴とする請求項９〜１１のいずれかに記載の内燃機関の制御装置。 - 前記空燃比センサモデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする請求項４〜８及び１２のいずれかに記載の内燃機関の制御装置。
- 内燃機関を定常運転させた場合に、前記空燃比センサモデルから出力された空燃比と前記空燃比センサで実測された空燃比との比較の結果に基づいて、前記空燃比推定モデルを修正する修正手段を更に備えたことを特徴とする請求項９〜１１のいずれかに記載の内燃機関の制御装置。
- 修正された前記空燃比推定モデルから出力された空燃比に基づいて、内燃機関の空燃比を制御する手段を備えたことを特徴とする請求項１４記載の内燃機関の制御装置。
- 内燃機関を過渡運転させた場合に、修正された前記空燃比推定モデルから出力された空燃比と前記燃料モデルから出力された空燃比との比較の結果に基づいて、前記燃料モデルを修正する修正手段を更に備えたことを特徴とする請求項１５記載の内燃機関の制御装置。
- 修正された前記空燃比推定モデルから出力された空燃比と、修正された前記燃料モデルから出力された空燃比とに基づいて、内燃機関の空燃比を制御する手段を更に備えたことを特徴とする請求項１６記載の内燃機関の制御装置。
- 前記空燃比推定モデルから出力された空燃比と前記燃料モデルから出力された空燃比との比較の結果に基づいて、異常判定を行う異常判定手段を更に備えたことを特徴とする請求項１２記載の内燃機関の制御装置。
- 前記空燃比センサモデルから出力された空燃比と実機の空燃比センサで実測された空燃比との比較の結果に基づいて、異常判定を行う異常判定手段を更に備えたことを特徴とする請求項１２記載の内燃機関の制御装置。
- 噴射空燃比と筒内の空燃比との関係を線形成分を用いてモデル化し、前記噴射空燃比に基づいて筒内の空燃比を出力する燃料モデルと、各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記燃料モデルから出力された空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、排気集合部に設けられた空燃比センサの特性を線形成分を用いてモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、を含む線形モデルと、
前記線形モデルの空燃比センサモデルから出力された全気筒の空燃比と、前記空燃比推定モデルから出力された各気筒の空燃比とに基づいて、内燃機関の空燃比を制御する手段と、
を更に備えたことを特徴とする請求項１又は２記載の内燃機関の制御装置。 - 噴射空燃比と筒内の空燃比との関係をモデル化し、前記噴射空燃比に基づいて筒内の空燃比を出力する燃料モデルと、
各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記燃料モデルから出力された各気筒の空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、
排気集合部に設けられた空燃比センサの特性をモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、
前記線形モデルの前記空燃比センサモデルから出力された空燃比と、前記空燃比センサで実測された空燃比とに基づいて、内燃機関の空燃比を制御する手段と、
を備えたことを特徴とする内燃機関の制御装置。 - 燃料噴射量と空燃比との関係をモデル化し、燃料噴射量を入力として排気集合部に設けられた空燃比センサの出力に相当する空燃比を出力するハイブリッドモデルと、
目標空燃比を入力として、当該目標空燃比に応じた燃料噴射量を出力する前記ハイブリッドモデルの近似逆モデルと、
前記空燃比センサで実測された空燃比と、前記近似逆モデルから出力された燃料噴射量を入力として前記ハイブリッドモデルから出力された空燃比とを比較する比較手段と、
前記比較手段における比較の結果に基づいて、燃料噴射量を制御する手段と、
を備えたことを特徴とする内燃機関の制御装置。 - 前記ハイブリッドモデルは、
噴射空燃比と筒内の空燃比との関係をモデル化し、前記噴射空燃比に基づいて筒内の空燃比を出力する燃料モデルと、
各気筒の空燃比と排気集合部における空燃比との関係をモデル化し、前記燃料モデルから出力された各気筒の空燃比に基づいて排気集合部の空燃比を出力する排気モデルと、
排気集合部に設けられた空燃比センサの特性をモデル化し、前記排気モデルから出力された空燃比に基づいて前記空燃比センサでの実測値に相当する空燃比を出力する空燃比センサモデルと、
を備えたことを特徴とする請求項２２記載の内燃機関の制御装置。 - 筒内のイオン電流又は燃焼圧を取得する手段と、
前記イオン電流又は燃焼圧と筒内の空燃比との関係をモデル化し、前記イオン電流又は燃焼圧に基づいて筒内の空燃比を出力する空燃比推定モデルと、
前記空燃比推定モデルから出力された空燃比と前記燃料モデルから出力された空燃比との比較の結果に基づいて、前記燃料モデルを構築する手段と、
を更に備えたことを特徴とする請求項２１又は２３記載の内燃機関の制御装置。 - 前記近似逆モデルは、前記ハイブリッドモデルから時間遅れ項を除いたモデルをフィードバック制御して得られるモデルであることを特徴とする請求項２２〜２４のいずれかに記載の内燃機関の制御装置。
- 前記燃料モデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする請求項２１及び２３〜２５のいずれかに記載の内燃機関の制御装置。
- 前記空燃比センサモデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする請求項２１及び２３〜２６のいずれかに記載の内燃機関の制御装置。
- 前記空燃比推定モデルは、簡易線形モデルとニューラルネットモデルとから構成されることを特徴とする請求項２４〜２７のいずれかに記載の内燃機関の制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003191439A JP2005023863A (ja) | 2003-07-03 | 2003-07-03 | 内燃機関の制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003191439A JP2005023863A (ja) | 2003-07-03 | 2003-07-03 | 内燃機関の制御装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2005023863A true JP2005023863A (ja) | 2005-01-27 |
Family
ID=34189051
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003191439A Withdrawn JP2005023863A (ja) | 2003-07-03 | 2003-07-03 | 内燃機関の制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2005023863A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006257944A (ja) * | 2005-03-16 | 2006-09-28 | Fujitsu Ten Ltd | 内燃機関の異常検出装置 |
| JP2007198254A (ja) * | 2006-01-26 | 2007-08-09 | Toyota Motor Corp | 故障診断装置 |
| JP2007303351A (ja) * | 2006-05-10 | 2007-11-22 | Honda Motor Co Ltd | 内燃機関の空燃比制御装置 |
| JP2014001705A (ja) * | 2012-06-20 | 2014-01-09 | Daihatsu Motor Co Ltd | 内燃機関の制御装置 |
| JP2016514800A (ja) * | 2013-04-12 | 2016-05-23 | ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 過渡補正を適合させるための方法 |
| JP7381861B2 (ja) | 2019-11-29 | 2023-11-16 | 富士通株式会社 | 複合モデル生成プログラム及び方法、並びに情報処理システム |
-
2003
- 2003-07-03 JP JP2003191439A patent/JP2005023863A/ja not_active Withdrawn
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006257944A (ja) * | 2005-03-16 | 2006-09-28 | Fujitsu Ten Ltd | 内燃機関の異常検出装置 |
| JP2007198254A (ja) * | 2006-01-26 | 2007-08-09 | Toyota Motor Corp | 故障診断装置 |
| JP4674551B2 (ja) * | 2006-01-26 | 2011-04-20 | トヨタ自動車株式会社 | 故障診断装置 |
| JP2007303351A (ja) * | 2006-05-10 | 2007-11-22 | Honda Motor Co Ltd | 内燃機関の空燃比制御装置 |
| JP4673787B2 (ja) * | 2006-05-10 | 2011-04-20 | 本田技研工業株式会社 | 内燃機関の空燃比制御装置 |
| JP2014001705A (ja) * | 2012-06-20 | 2014-01-09 | Daihatsu Motor Co Ltd | 内燃機関の制御装置 |
| JP2016514800A (ja) * | 2013-04-12 | 2016-05-23 | ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 過渡補正を適合させるための方法 |
| US9926869B2 (en) | 2013-04-12 | 2018-03-27 | Robert Bosch Gmbh | Method for adapting transition compensation |
| JP7381861B2 (ja) | 2019-11-29 | 2023-11-16 | 富士通株式会社 | 複合モデル生成プログラム及び方法、並びに情報処理システム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7748217B2 (en) | System and method for modeling of turbo-charged engines and indirect measurement of turbine and waste-gate flow and turbine efficiency | |
| US9169795B2 (en) | Exhaust gas sensor diagnosis and controls adaptation | |
| JP2717744B2 (ja) | 内燃機関の空燃比検出及び制御方法 | |
| EP0582085A2 (en) | Fuel metering control system and cylinder air flow estimation method in internalcombustion engine | |
| JP3316955B2 (ja) | 内燃機関の制御装置 | |
| CN101539062B (zh) | 进气温度传感器诊断系统和方法 | |
| JP2008138630A (ja) | 内燃機関の制御装置 | |
| EP2574762A1 (en) | Soot emission estimation method and arrangement | |
| KR101871126B1 (ko) | 내연 엔진의 제2차 공기 시스템의 펌프의 펌프 용량의 결정 | |
| JP4577211B2 (ja) | Ｗｉｅｂｅ関数パラメータの決定方法および決定装置 | |
| JPH06173755A (ja) | 内燃機関の気筒別空燃比推定器 | |
| CN110582628A (zh) | 对来自探测器的丰度信号的振荡进行过滤和校正的方法 | |
| JP2007113467A (ja) | 内燃機関の排気ガス浄化装置 | |
| JP2005023863A (ja) | 内燃機関の制御装置 | |
| JP2009509089A5 (ja) | ||
| CN111189514B (zh) | 质量流量传感器输出修正方法、装置、控制器及介质 | |
| US8224557B2 (en) | Control systems and methods using geometry based exhaust mixing model | |
| US10612477B2 (en) | Method for calculating a residual gas mass in a cylinder of an internal combustion engine and controller | |
| JP2689362B2 (ja) | 内燃機関の空燃比検出方法 | |
| JP5246144B2 (ja) | 内燃機関の吸入空気量算出装置、内燃機関の制御装置 | |
| JP6436291B2 (ja) | 内燃機関の制御装置 | |
| US6354149B1 (en) | Method for determining the progression of the load torque in an internal-combustion engine | |
| JP5611166B2 (ja) | 内燃機関の吸気パラメータ算出装置 | |
| JP4577239B2 (ja) | Ｗｉｅｂｅ関数パラメータの決定方法および決定装置 | |
| JP2006138205A (ja) | 内燃機関の燃焼状態検出装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060125 |
|
| A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20061219 |