JP2007303351A - 内燃機関の空燃比制御装置 - Google Patents

Abstract

【課題】 燃料の性状に応じて、排ガス状態パラメータを精度良く推定でき、それにより、空燃比を適切に制御できる内燃機関の空燃比制御装置を提供する。
【解決手段】 空燃比制御装置は、内燃機関における混合気の燃焼状態を表す燃焼状態パラメータＤＣＡＤＬＹＩＧおよび内燃機関の運転状態を表す運転状態パラメータＮＥ、ＴＷ、ＰＢＡ、ＩＧＬＯＧ、ＴＯＵＴを入力とし、排ガスの状態を表す排ガス状態パラメータを教師信号として構築されるニューラルネットワーク（第１推定空燃比算出部）に、検出された燃焼状態パラメータＤＣＡＤＬＹＩＧおよび運転状態パラメータＮＥ、ＴＷ、ＰＢＡ、ＩＧＬＯＧ、ＴＯＵＴを入力することにより、排ガス状態パラメータを推定排ガス状態パラメータＡＦ＿ＮＮとして推定し、推定された推定排ガス状態パラメータＡＦ＿ＮＮに応じて、空燃比を制御する。
【選択図】 図２

Description

本発明は、内燃機関に供給される混合気の空燃比を制御する内燃機関の空燃比制御装置に関する。

従来の空燃比制御装置として、例えば特許文献１に開示されたものが知られている。この空燃比制御装置では、Ｏ２センサが活性状態のときには、Ｏ２センサにより検出した排気空燃比に基づき、内燃機関への供給燃料量を制御することによって、空燃比フィードバック制御が実行される。一方、内燃機関の始動時で、Ｏ２センサが非活性状態のときには、上記の空燃比フィードバック制御は実行されず、排気空燃比に基づくことなく供給燃料量を制御し、空燃比をオープン制御により制御する。

上記のように、この従来の空燃比制御装置では、内燃機関の始動時、排気空燃比に基づくことなく供給燃料量を制御するので、例えば使用される燃料が燃焼しにくい性状の場合には、出力が低下し、燃焼状態やドライバビリティが悪化してしまう。このような不具合を回避するために、空燃比の目標値をリッチ側に設定することが考えられる。しかし、その場合には、燃料が燃焼しやすい性状のときに、出力が過大になり、排ガス特性やドライバビリティが悪化してしまう。また、そのように排ガス特性が悪化すると、排ガスを浄化する触媒として、貴金属の量が多いものを用いなければならず、触媒の製造コストが増大してしまう。

本発明は、以上のような課題を解決するためになされたものであり、燃料の性状に応じて、排ガス状態パラメータを精度良く推定でき、それにより、空燃比を適切に制御することができる内燃機関の空燃比制御装置を提供することを目的とする。

特開２００４−３６０６２８号公報

上記の目的を達成するため、請求項１に係る発明は、内燃機関３に供給される混合気の空燃比を制御する内燃機関の空燃比制御装置１であって、内燃機関３における混合気の燃焼状態を表す燃焼状態パラメータ（実施形態における（以下、本項において同じ）着火遅れＤＣＡＤＬＹＩＧ）を検出する燃焼状態パラメータ検出手段（筒内圧センサ１５、筒内圧算出部２１、着火遅れ算出部２２、ＥＣＵ２）と、内燃機関３の運転状態を表す運転状態パラメータ（エンジン回転数ＮＥ、エンジン水温ＴＷ、吸気管内圧ＰＢＡ、点火時期ＩＧＬＯＧ、燃料噴射量ＴＯＵＴ）を検出する運転状態パラメータ検出手段（クランク角センサ１１、水温センサ１２、吸気管内圧センサ１３、ＥＣＵ２）と、燃焼状態パラメータおよび運転状態パラメータを入力とし、内燃機関３から排出された排ガスの状態を表す排ガス状態パラメータを教師信号として構築されるニューラルネットワークＮＮに、検出された燃焼状態パラメータおよび運転状態パラメータを入力することによって、排ガス状態パラメータを推定排ガス状態パラメータ（第１推定空燃比ＡＦ＿ＮＮ）として推定する推定排ガス状態パラメータ推定手段（第１推定空燃比算出部２３、ＥＣＵ２、ステップ１）と、推定された推定排ガス状態パラメータに応じて、空燃比を制御する空燃比制御手段（インジェクタ６、燃料噴射量算出部２６、ＥＣＵ２、ステップ３、４、２４〜２８）と、を備えることを特徴とする。

この内燃機関の空燃比制御装置によれば、燃焼状態パラメータおよび運転状態パラメータを入力とし、排ガスの状態を表す排ガス状態パラメータを教師信号として構築されるニューラルネットワークに、検出された燃焼状態パラメータおよび運転状態パラメータを入力することによって、排ガス状態パラメータが推定排ガス状態パラメータとして推定される。また、推定した推定排ガス状態パラメータに応じて、内燃機関に供給される混合気の空燃比が制御される。

内燃機関における混合気の燃焼状態および内燃機関の運転状態は、排ガスの状態との間に密接な相関関係を有するので、これらの燃焼状態および運転状態をそれぞれ表す燃焼状態パラメータおよび運転状態パラメータに応じ、排ガスの状態を表す排ガス状態パラメータを推定することによって、この推定を精度良く行うことができる。また、燃料性状と燃焼状態の間には密接な相関関係があり、燃料の性状が異なると、異なる燃焼状態が得られる。したがって、燃焼状態パラメータを入力として構築したニューラルネットワークに基づいて排ガス状態パラメータを推定することによって、燃料の性状に応じて、排ガス状態パラメータを精度良く推定することができる。さらに、そのように精度良く推定した推定排ガス状態パラメータに応じて空燃比を制御するので、空燃比を所望の排ガス特性が得られるように適切に制御でき、その結果、排ガス特性を向上させることができる。

また、ニューラルネットワークは、線形モデルを用いる場合と比較して、多入力の事象や入力と出力の関係が非線形な事象を容易にモデリングすることができるという特性を有している。本発明によれば、そのようなニューラルネットワークを用いて、燃焼状態パラメータおよび運転状態パラメータと排ガス状態パラメータとの関係をモデリングするので、始動時に特に非線形となるこれらのパラメータの関係を容易にモデリングすることができる。さらに、その入力として、排ガス状態パラメータと相関性の高い燃焼状態パラメータおよび運転状態パラメータを用いるので、モデルを単純化することができる。したがって、ニューラルネットワークを構成するユニットの数を削減することが可能になり、それにより、空燃比制御装置の演算負荷を軽減することができる。

請求項２に係る発明は、請求項１に記載の内燃機関の空燃比制御装置１において、燃焼状態パラメータ検出手段は、内燃機関３の気筒３ｃ内の圧力を検出する筒内圧センサ１５の出力ＤＰＶに基づいて、燃焼状態パラメータを検出することを特徴とする。

この構成によれば、燃焼状態パラメータを燃焼状態と密接な相関関係を有する気筒内の圧力に基づいて検出するので、この検出を精度良く行うことができ、したがって、排ガス状態パラメータをより精度良く推定することができる。また、筒内圧センサが既に設けられている場合には、排ガス状態パラメータを推定するための部品を新たに設ける必要がないので、その分、製造コストを抑制することができる。

請求項３に係る発明は、請求項１または２に記載の内燃機関の空燃比制御装置１において、ニューラルネットワークＮＮに用いられるパラメータ（結合加重ｗ_ji、結合加重ｖ_j 、しきい値ｈ_j 、しきい値θ）が所定値に設定されていることを特徴とする。

この構成によれば、ニューラルネットワークに用いられるパラメータが所定値に設定されているので、例えば、このパラメータをバックプロパゲーション法などにより随時、学習する場合と比較して、空燃比制御装置の演算負荷をさらに軽減することができる。

請求項４に係る発明は、請求項１ないし３のいずれかに記載の内燃機関の空燃比制御装置１において、排ガス状態パラメータを検出排ガス状態パラメータ（検出空燃比ＡＦ＿ＡＣＴ）として検出する排ガス状態パラメータセンサ（ＬＡＦセンサ１６）と、排ガス状態パラメータセンサの活性状態を判別するセンサ活性状態判別手段（ＥＣＵ２、ステップ２）と、をさらに備え、空燃比制御手段は、排ガス状態パラメータセンサが活性状態にないときに、推定排ガス状態パラメータが所定の目標値（目標空燃比ＫＣＭＤ）になるように空燃比をフィードバック制御する第１フィードバック制御と、排ガス状態パラメータセンサが活性状態にあるときに、検出排ガス状態パラメータが所定の目標値になるように空燃比をフィードバック制御する第２フィードバック制御を実行する（ステップ４、９、２４〜２８）ことを特徴とする。

この構成によれば、排ガス状態パラメータセンサが活性状態になく、検出排ガス状態パラメータの十分な精度が得られないときには、これに代えて、精度良く推定した推定排ガス状態パラメータが所定の目標値になるように空燃比をフィードバック制御するので、排ガス特性を確実に向上させることができる。また、排ガス状態パラメータセンサが活性状態にあるときには、検出された精度の高い検出排ガス状態パラメータが目標値になるように空燃比をフィードバック制御することによって、同様に排ガス特性を確実に向上させることができる。

請求項５に係る発明は、請求項４に記載の内燃機関の空燃比制御装置１において、空燃比制御手段は、第１および第２のフィードバック制御を、互いに異なる所定の第１および第２のフィードバックゲイン（第１所定値ＫＰ１、ＫＩ１、ＫＤ１、第２所定値ＫＰ２、ＫＩ２、ＫＤ２）をそれぞれ用いて行う（ステップ５、１０，２７，２８）ことを特徴とする。

この構成によれば、排ガス状態パラメータセンサの非活性時に推定排ガス状態パラメータに基づいて実行される第１フィードバック制御に、所定の第１フィードバックゲインを用いる一方、排ガス状態パラメータセンサの活性時に検出排ガス状態パラメータに基づいて実行される第２フィードバック制御に、第１フィードバックゲインと異なる所定の第２フィードバックゲインを用いる。推定排ガス状態パラメータの精度は、排ガス状態パラメータセンサの活性時に検出された検出排ガス状態パラメータよりも低い。このため、例えば、第１フィードバックゲインを低めに設定することによって、空燃比の制御を安定して行うことができる。また、排ガス状態パラメータセンサの活性時には、高い精度の検出排ガス状態パラメータが得られるので、例えば第２フィードバックゲインを高めに設定することによって、排ガス状態パラメータを目標値に迅速にかつ安定して収束させることができる。

請求項６に係る発明は、請求項１ないし３のいずれかに記載の内燃機関の空燃比制御装置１において、排ガス状態パラメータを検出排ガス状態パラメータとして検出する排ガス状態パラメータセンサと、排ガス状態パラメータセンサの活性状態を判別するセンサ活性状態判別手段と、排ガス状態パラメータセンサが活性状態にあるときに得られた検出排ガス状態パラメータおよび推定排ガス状態パラメータに応じて、検出排ガス状態パラメータに対する推定排ガス状態パラメータのずれを補正する補正手段（外乱オブザーバ２４、最終推定空燃比算出部２５、ＥＣＵ２、ステップ７、８、３）と、をさらに備えることを特徴とする。

この構成によれば、排ガス状態パラメータセンサの活性時に得られた検出排ガス状態パラメータおよび推定排ガス状態パラメータに応じて、検出排ガス状態パラメータに対する推定排ガス状態パラメータのずれが補正手段により補正される。これにより、例えば、内燃機関の特性の経時変化などに起因して、推定排ガス状態パラメータが実際の排ガス状態パラメータに対してずれ、ドリフトするような場合でも、活性状態にある排ガス状態パラメータセンサで検出された精度の高い検出排ガス状態パラメータに基づいて、このドリフトを適切に補正することができる。特に、請求項３に係る発明のように、ニューラルネットワークに用いられるパラメータを所定値に固定した場合には、内燃機関の特性の経時変化などに起因して、入力と出力の関係、すなわち燃焼状態パラメータおよび運転状態パラメータと排ガス状態パラメータの関係が変化しても、それに応じてニューラルネットワークの構成は変わらず、推定排ガス状態パラメータがドリフトしやすいため、本発明の上述した効果を有効に得ることができる。

請求項７に係る発明は、請求項６に記載の内燃機関の空燃比制御装置１において、補正手段は、排ガス状態パラメータセンサが活性状態にあるときに得られた検出排ガス状態パラメータおよび推定排ガス状態パラメータに応じて、補正値（第１補正値Ｋ１＿ＮＮＲ、第２補正値Ｃ１＿ＮＮＲ）を算出する補正値算出手段（外乱オブザーバ２４、ＥＣＵ２、ステップ７、８）と、算出された補正値を記憶する補正値記憶手段（ＥＥＰＲＯＭ２ａ、最終推定空燃比算出部２５）と、を有し、排ガス状態パラメータセンサが活性状態にないときに得られた推定排ガス状態パラメータを、記憶された補正値に基づいて補正する（ステップ３）ことを特徴とする。

この構成によれば、排ガス状態パラメータセンサの活性時に得られた検出排ガス状態パラメータおよび推定排ガス状態パラメータに応じて、検出排ガス状態パラメータに対する推定排ガス状態パラメータのずれを補正するための補正値が算出される。このように、活性状態にある排ガス状態パラメータセンサで検出された精度の高い検出排ガス状態パラメータに応じて補正値を算出するので、推定排ガス状態パラメータのドリフトを補正するのに最適な補正値を算出できる。また、算出された補正値を記憶するとともに、排ガス状態パラメータセンサの非活性時に推定した推定排ガス状態パラメータを、記憶した補正値に基づいて補正するので、排ガス状態パラメータセンサが活性状態にないことで、検出排ガス状態パラメータの十分な精度が得られないときに、補正された精度の高い推定排ガス状態パラメータを得ることができる。

請求項８に係る発明は、請求項６に記載の内燃機関の空燃比制御装置１において、補正手段は、推定排ガス状態パラメータを補正した補正後推定排ガス状態パラメータ（最終推定空燃比ＡＦ＿ＮＮＦ）と推定排ガス状態パラメータとの関係を定義したモデル（式（１２）、式（２２））に基づき、補正後推定排ガス状態パラメータを算出する補正後推定排ガス状態パラメータ算出手段（最終推定空燃比算出部２５、ＥＣＵ２、ステップ３）と、排ガス状態パラメータセンサが活性状態にあるときに得られた検出排ガス状態パラメータおよび推定排ガス状態パラメータに応じ、補正後推定排ガス状態パラメータが検出排ガス状態パラメータになるように、モデルのモデルパラメータ（第１補正値Ｋ１＿ＮＮＲ、第２補正値Ｃ１＿ＮＮＲ）を同定する同定手段（外乱オブザーバ２４、ＥＣＵ２、ステップ７、８）と、を有し、空燃比制御手段は、推定排ガス状態パラメータとして補正後推定排ガス状態パラメータを用いて空燃比を制御する（ステップ３、４、２４〜２８）ことを特徴とする。

この構成によれば、推定排ガス状態パラメータを補正した補正後推定排ガス状態パラメータと推定排ガス状態パラメータの関係を定義したモデルに基づき、この補正後推定排ガス状態パラメータが算出される。また、排ガス状態パラメータセンサの活性時に得られた検出排ガス状態パラメータおよび推定排ガス状態パラメータに応じ、補正後推定排ガス状態パラメータがこの検出排ガス状態パラメータになるように、上記のモデルのモデルパラメータが同定される。これにより、内燃機関の特性の経時変化などに起因して推定排ガス状態パラメータがドリフトした場合でも、活性状態にある排ガス状態パラメータセンサで検出された精度の高い検出排ガス状態パラメータになるように補正後推定排ガス状態パラメータを算出でき、したがって、このドリフトを適切に補正することができる。

また、モデルに基づいて補正後推定排ガス状態パラメータを算出するので、例えば、検出排ガス状態パラメータおよび推定排ガス状態パラメータに応じて算出した補正値を内燃機関の運転状態に対応させて記憶するとともに、記憶した多数の補正値のうちの今回の運転状態に対応するものを用いて推定排ガス状態パラメータを補正する場合と比較して、必要とする空燃比制御装置のメモリ容量を削減することができる。

請求項９に係る発明は、請求項８に記載の内燃機関の空燃比制御装置１において、補正手段は、モデルパラメータを記憶するモデルパラメータ記憶手段（ＥＥＰＲＯＭ２ａ、最終推定空燃比算出部２５）をさらに有し、補正後推定排ガス状態パラメータ算出手段は、排ガス状態パラメータセンサが活性状態にないときに、記憶されたモデルパラメータを用いたモデルに基づいて補正後推定排ガス状態パラメータを算出する（ステップ３）ことを特徴とする。

この構成によれば、モデルパラメータが記憶されるとともに、排ガス状態パラメータセンサの非活性時に、記憶されたモデルパラメータを用いたモデルに基づいて補正後推定排ガス状態パラメータが算出される。したがって、排ガス状態パラメータセンサが活性状態になく、検出排ガス状態パラメータの十分な精度が得られないときに、補正された精度の高い推定排ガス状態パラメータを得ることができる。

以下、図面を参照しながら、本発明の好ましい実施形態について説明する。図１は、本実施形態による空燃比制御装置１を、これを適用した内燃機関（以下「エンジン」という）３とともに概略的に示している。エンジン３は、例えば、車両に搭載された４サイクルタイプのガソリンエンジンである。

エンジン３には、クランク角センサ１１（運転状態パラメータ検出手段）および水温センサ１２（運転状態パラメータ検出手段）が設けられている。クランク角センサ１１は、クランクシャフト３ａに取り付けられたマグネットロータ１１ａとＭＲＥピックアップ１１ｂで構成されており、クランクシャフト３ａの回転に伴い、いずれもパルス信号であるＣＲＫ信号およびＴＤＣ信号を空燃比制御装置１のＥＣＵ２に出力する。

ＣＲＫ信号は、所定クランク角（例えば１゜）ごとに出力され、ＥＣＵ２は、このＣＲＫ信号に基づき、エンジン３の回転数（以下「エンジン回転数」という）ＮＥを算出する。また、ＴＤＣ信号は、エンジン３のピストン３ｂが吸気行程のＴＤＣ位置よりも若干、手前の所定のクランク角位置にあることを表す信号であり、所定クランク角ごとに出力される。また、ＥＣＵ２は、ＴＤＣ信号およびＣＲＫ信号に応じて、ＴＤＣ信号を基準としたクランク角度ＣＡを算出する。本実施形態では、このエンジン回転数ＮＥが運転状態パラメータに相当する。

水温センサ１２は、例えばサーミスタなどで構成されており、エンジン水温ＴＷを表す検出信号をＥＣＵ２に出力する。このエンジン水温ＴＷは、エンジン３のシリンダブロック（図示せず）内を循環する冷却水の温度である。本実施形態では、このエンジン水温ＴＷが運転状態パラメータに相当する。

エンジン３の吸気管４には、上流側から順に、スロットル弁５、吸気管内圧センサ１３（運転状態パラメータ検出手段）および吸気温センサ１４が設けられている。このスロットル弁５の開度は、ＥＣＵ２により制御され、それにより、吸入空気量が制御される。吸気管内圧センサ１３は、吸気管４内の圧力（以下「吸気管内圧」という）ＰＢＡを、絶対圧として検出し、吸気温センサ１４は、吸気管４内の温度（以下「吸気温」という）を検出し、それらの検出信号はＥＣＵ２に出力される。本実施形態では、この吸気管内圧ＰＢＡが運転状態パラメータに相当する。

また、吸気管４のスロットル弁５よりも下流側には、インジェクタ６（空燃比制御手段）が吸気ポート（図示せず）に臨むように取り付けられている。インジェクタ６による燃料噴射量ＴＯＵＴは、ＥＣＵ２によって制御される。本実施形態では、この燃料噴射量ＴＯＵＴが運転状態パラメータに相当する。

また、エンジン３の気筒３ｃには、点火プラグ７（いずれも１つのみ図示）が設けられている。点火プラグ７は、ＥＣＵ２からの駆動信号により点火時期ＩＧＬＯＧに応じたタイミングで高電圧が加えられ、次に遮断されることによって放電し、それにより、気筒３ｃ内で混合気の点火が行われる。なお、点火時期ＩＧＬＯＧは、クランク角度ＣＡで表される。また、本実施形態では、この点火時期ＩＧＬＯＧが運転状態パラメータに相当する。

また、点火プラグ７には、筒内圧センサ１５（燃焼状態パラメータ検出手段）が一体に取り付けられている。筒内圧センサ１５は、圧電素子で構成されており、気筒３ｃ内の圧力の変化量を表す検出信号をＥＣＵ２に出力する。ＥＣＵ２は、この筒内圧センサ１５の出力ＤＰＶに基づき、後述するようにして気筒３ｃ内の圧力（以下「筒内圧」という）を算出する。

エンジン３の排気管８には、触媒装置９が設けられている。この触媒装置９は、三元触媒およびＮＯｘ吸着触媒を組み合わせたものであり、エンジン３の排ガス中のＮＯｘ、ＣＯおよびＨＣを浄化する。

また、排気管８の触媒装置９よりも上流側には、ＬＡＦセンサ１６（排ガス状態パラメータセンサ）が設けられている。このＬＡＦセンサ１６は、排ガス中の酸素濃度をリニアに検出し、その酸素濃度に比例する検出信号をＥＣＵ２に出力する。ＥＣＵ２は、このＬＡＦセンサ１６で検出された酸素濃度に基づいて、排ガス中の酸素濃度に対応する混合気の空燃比（以下「排気空燃比」という）を表す検出空燃比ＡＦ＿ＡＣＴを算出する。なお、検出空燃比ＡＦ＿ＡＣＴは当量比として算出される。また、本実施形態では、この検出空燃比ＡＦ＿ＡＣＴが検出排ガス状態パラメータに相当する。

さらに、ＥＣＵ２には、アクセル開度センサ１７から、アクセルペダルの操作量（以下「アクセル開度」という）ＡＰを表す検出信号が出力される。

ＥＣＵ２は、Ｉ／Ｏインターフェース、ＣＰＵ、ＲＡＭ、ＲＯＭおよびＥＥＰＲＯＭ２ａ（補正値記憶手段、モデルパラメータ記憶手段）などからなるマイクロコンピュータで構成されている。また、ＥＣＵ２は、前述した各種のセンサ１１〜１７からの検出信号に応じ、エンジン３の運転状態を判定するとともに、判定した運転状態に応じて、上記の排気空燃比を推定するとともに、燃料噴射量制御を含むエンジン制御を実行する。本実施形態では、ＥＣＵ２は、燃焼状態パラメータ検出手段、運転状態パラメータ検出手段、排ガス状態パラメータ推定手段、センサ活性状態判別手段、空燃比制御手段、補正手段、補正値算出手段、補正値記憶手段、補正後推定排ガス状態パラメータ算出手段、および同定手段に相当する。

図２に示すように、空燃比制御装置１は、筒内圧算出部２１、着火遅れ算出部２２、第１推定空燃比算出部２３、外乱オブザーバ２４、最終推定空燃比算出部２５、および燃料噴射量算出部２６を備えており、これらはいずれもＥＣＵ２により構成されている。

筒内圧算出部２１（燃焼状態パラメータ検出手段）は、最終筒内圧ＰＣＹＬＦおよびモータリング圧ＰＣＹＬＭＤＬＫを算出し、着火遅れ算出部２２に出力する。このモータリング圧ＰＣＹＬＭＤＬＫ（ｎ）は、気筒３ｃ内で燃焼が行われないときに発生する筒内圧であり、吸入空気量ＱＡ（ｎ）、吸気温ＴＡ（ｎ）、および、気筒３ｃの容積Ｖｃ（ｎ）に応じ、気体の状態方程式を用いることによって算出される。この吸入空気量ＱＡ（ｎ）は、エンジン回転数ＮＥ（ｎ）および吸気管内圧ＰＢＡ（ｎ）に応じて算出される。また、この気筒３ｃの容積Ｖｃ（ｎ）は、シリンダヘッド（図示せず）、気筒３ｃおよびピストン３ｂで囲まれた空間の容積であり、燃焼室の容積、ピストン３ｂの断面積、クランク角度ＣＡ、コンロッドの長さ、クランクシャフト３ａのクランク長さに応じて算出される。なお、記号ｎは離散化した時間を表しており、記号（ｎ）付きの各離散データは、ＣＲＫ信号が発生するごとに算出またはサンプリングされたものである。この点は、以下の離散データ（時系列データ）についても同様である。以下の説明では、この記号（ｎ）を適宜、省略する。

また、最終筒内圧ＰＣＹＬＦは、次のようにして算出される。すなわち、まず、筒内圧センサ１５の出力ＤＰＶをチャージアンプで積分した後、その積分値を焦電補正することなどによって、筒内圧の暫定値ＰＣＹＬＴを算出する。次いで、算出した暫定値ＰＣＹＬＴを次のようにして補正することにより、最終筒内圧ＰＣＹＬＦを算出する。

この補正は、筒内圧センサ１５の経時劣化に起因する実際の筒内圧に対する暫定値ＰＣＹＬＴのずれを補正するためのものであり、次のような観点に基づいて行われる。すなわち、圧縮行程の開始時から点火時期ＩＧＬＯＧの直前までの期間（以下「非燃焼圧縮期間」という）では、燃焼が行われないことから、モータリング圧ＰＣＹＬＭＤＬＫが実際の筒内圧と等しくなる。また、この非燃焼圧縮期間では、燃焼が同様に行われない吸気行程中および排気行程中と比較して、ピストン３ｂによる気筒３ｃの容積Ｖｃの圧縮によって筒内圧が大きく変化するので、実際の筒内圧に対する暫定値ＰＣＹＬＴのずれが明確に表れる。以上の理由から、上記の暫定値ＰＣＹＬＴの補正は、非燃焼圧縮期間において得られた暫定値ＰＣＹＬＴおよびモータリング圧ＰＣＹＬＭＤＬＫを用いて行われる。

暫定値ＰＣＹＬＴ（ｎ）と同定値ＰＣＹＬＴ＿ＨＡＴ（ｎ）との関係は、次式（１）によって定義される。この同定値ＰＣＹＬＴ＿ＨＡＴは、筒内圧センサ１５の経時劣化に起因するずれが補正された暫定値ＰＣＹＬＴを表す。まず、非燃焼圧縮期間において、同式（１）のモデルパラメータＫ１（ｎ）およびＣ１（ｎ）のベクトルθ（ｎ）を、次式（２）〜（８）に示す逐次型最小２乗法により同定する。

ここで、式（２）のＫＰ（ｎ）はゲイン係数のベクトル、ｉｄｅ（ｎ）は同定誤差である。また、式（３）のθ（ｎ）^T は、θ（ｎ）の転置行列である。また、式（２）の同定誤差ｉｄｅ（ｎ）は、式（４）により算出され、式（５）のζ（ｎ）は、その転置行列が式（６）のように表されるベクトルである。さらに、上記ゲイン係数のベクトルＫＰ（ｎ）は、式（７）により算出され、この式（７）のＰ（ｎ）は、式（８）で定義される２次の正方行列である。また、式（８）の重みパラメータλ₁ およびλ₂ は、値１に設定されている。

以上の式（２）〜（８）に示すアルゴリズムによって、ベクトルθ（ｎ）は、同定誤差ｉｄｅ（ｎ）が最小になるように算出される。すなわち、同定値ＰＣＹＬＴ＿ＨＡＴ（ｎ）がモータリング圧ＰＣＹＬＭＤＬＫ（ｎ）になるように、ベクトルθ（ｎ）が同定される。なお、エンジン３の始動時には、式（２）などで用いられるベクトルの前回値θ（ｎ−１）として、所定値が用いられる。

次いで、求めたモデルパラメータＫ１（ｎ）およびＣ１（ｎ）を学習するとともに、学習したＫ１（ｎ）およびＣ１（ｎ）に応じ、次式（９）により暫定値ＰＣＹＬＴ（ｎ）を補正することによって、最終筒内圧ＰＣＹＬＦを算出する。

なお、今回の非燃焼圧縮期間の終了後、次回のベクトルθ（ｎ）の同定が行われるまでの間は、今回の非燃焼圧縮期間において最終的に求めたモデルパラメータＫ１（ｎ），Ｃ１（ｎ）が、最終筒内圧ＰＣＹＬＦの算出に用いられる。

前述したように、非燃焼圧縮期間ではモータリング圧ＰＣＹＬＭＤＬＫが実際の筒内圧と等しいのに対し、式（１）で示されるモデルのモデルパラメータＫ１，Ｃ１は、同定値ＰＣＹＬＴ＿ＨＡＴがこのＰＣＹＬＭＤＬＫ値になるように求められる。したがって、Ｋ１値，Ｃ１値は、ＰＣＹＬＴ＿ＨＡＴ値が実際の筒内圧になるように求められたものといえる。したがって、式（１）のＰＣＹＬＴ＿ＨＡＴ値を最終筒内圧ＰＣＹＬＦに置き換えた式（９）によって、最終筒内圧ＰＣＹＬＦを筒内圧として精度良く算出することができる。

図３は、筒内圧センサ１５が経時劣化している場合における、（ａ）暫定値ＰＣＹＬＴなどの推移の一例、（ｂ）最終筒内圧ＰＣＹＬＦなどの推移の一例を示している。経時劣化により出力ＤＰＶが低下していることと、暫定値ＰＣＹＬＴがモデルパラメータＫ１，Ｃ１により補正されていないことから、同図（ａ）に示すように、ＰＣＹＬＴ値は、実際の筒内圧ＰＣＹＬＡＣＴよりも非常に小さくなっている。

これに対し、最終筒内圧ＰＣＹＬＦは、実際の筒内圧ＰＣＹＬＡＣＴとほぼ一致しており、誤差がほとんどなく、その精度は非常に高い。

前記着火遅れ算出部２２（燃焼状態パラメータ検出手段）は、入力された最終筒内圧ＰＣＹＬＦおよびモータリング圧ＰＣＹＬＭＤＬＫに応じ、着火遅れＤＣＡＤＬＹＩＧを算出し、第１推定空燃比算出部２３に出力する。本実施形態では、この着火遅れＤＣＡＤＬＹＩＧが燃焼状態パラメータに相当する。

この着火遅れＤＣＡＤＬＹＩＧの算出は、例えば図４に示すようにして行われる。具体的には、最終筒内圧ＰＣＹＬＦ（ｎ）とモータリング圧ＰＣＹＬＭＤＬＫ（ｎ）との差を、筒内圧偏差ＰＣＯＭＢ（ｎ）として算出するとともに、算出した筒内圧偏差ＰＣＯＭＢ（ｎ）を、そのときのクランク角度ＣＡに対応させて、点火時期ＩＧＬＯＧから膨張行程の終了時にわたり記憶する。次いで、圧縮行程終了時のＴＤＣタイミングで得られたモータリング圧ＰＣＹＬＭＤＬＫ（ｎ）に値０．１を乗算することによって、着火判定しきい値ＤＰＣＯＭＢを算出する。

次に、記憶した複数の筒内圧偏差ＰＣＯＭＢと着火判定しきい値ＤＰＣＯＭＢを比較し、着火判定しきい値ＤＰＣＯＭＢを上回った直後の筒内圧偏差ＰＣＯＭＢに対応するクランク角度ＣＡを、混合気が実際に着火した時期（以下「実着火時期」という）ＩＤＣＡＤＬＹＳＴとして設定する。次いで、求めた実着火時期ＩＤＣＡＤＬＹＳＴから点火時期ＩＧＬＯＧを減算することによって、着火遅れＤＣＡＤＬＹＩＧを算出する。

第１推定空燃比算出部２３（排ガス状態パラメータ推定手段）は、入力された着火遅れＤＣＡＤＬＹＩＧ、エンジン水温ＴＷ、エンジン回転数ＮＥ、吸気管内圧ＰＢＡ、点火時期ＩＧＬＯＧ、および燃料噴射量ＴＯＵＴに応じ、ＴＤＣ信号の発生に同期して、排気空燃比を表す第１推定空燃比ＡＦ＿ＮＮを算出し、外乱オブザーバ２４および最終推定空燃比算出部２５に出力する。本実施形態では、この第１推定空燃比ＡＦ＿ＮＮが推定排ガス状態パラメータに相当する。

図５に示すように、第１推定空燃比算出部２３は、入力層、中間層および出力層を有する３層の階層型のニューラルネットワークＮＮで構成されている。入力層は第１〜第６の入力ユニットＳＵ１〜６を、中間層は第１〜第４の中間ユニットＡＵ１〜４を、出力層は出力ユニットＲＵを、それぞれ有している。入力ユニットＳＵ１〜ＳＵ６と、中間ユニットＡＵ１〜ＡＵ４のそれぞれの間は、結合荷重ｗ₁₁〜ｗ₁₆、ｗ₂₁〜ｗ₂₆、ｗ₃₁〜ｗ₃₆、およびｗ₄₁〜ｗ₄₆を介して結合されている（便宜上、結合荷重ｗ₁₁〜ｗ₄₆の一部の符号を省略して図示）。また、中間ユニットＡＵ１〜ＡＵ４と出力ユニットＲＵの間は、結合荷重ｖ₁ 〜ｖ₄ を介して接続されている。なお、第１〜第６の入力ユニットＳＵ１〜６の間、および第１〜第４の中間ユニットＡＵ１〜４の間は、結合されていない。本実施形態では、これらの結合荷重ｗ₁₁〜ｗ₄₆，ｖ₁ 〜ｖ₄ が、ニューラルネットワークに用いられるパラメータに相当する。

以上の構成のニューラルネットワークＮＮでは、第１〜第６の入力ユニットＳＵ１〜ＳＵ６に、エンジン水温ＴＷ、エンジン回転数ＮＥ、吸気管内圧ＰＢＡ、点火時期ＩＧＬＯＧ、燃料噴射量ＴＯＵＴ、および着火遅れＤＣＡＤＬＹＩＧから成る６つの入力パラメータが、入力ｘ₁ 〜ｘ₆ としてそれぞれ入力される。入力パラメータとして上記の６つのパラメータを用いるのは、これらのパラメータが排気空燃比と密接な相関関係を有するためである。特に、着火遅れＤＣＡＤＬＹＩＧが用いられるのは、次の理由による。すなわち、燃料が燃えにくいほど、着火遅れＤＣＡＤＬＹＩＧが大きくなるとともに、燃焼されずに排ガス中に含まれる酸素の量が増えるため、排気空燃比がリーン側に変化するという傾向があるためである。

また、入力ユニットＳＵ１〜ＳＵ６は、上記の入力ｘ₁ 〜ｘ₆ をそのまま中間ユニットＡＵ１〜ＡＵ４に出力し、中間ユニットＡＵ１〜ＡＵ４は、入力ｘ₁ 〜ｘ₆ に応じ、次式（１０）により第１〜第４の中間出力ａ₁ 〜ａ₄ をそれぞれ算出し、出力ユニットＲＵに出力する。

ここで、ｊは値１〜４、ｈ_j は所定のしきい値である。また、ｆ_a は出力関数であり、この出力関数ｆ_a として、例えばシグモイド関数が用いられる。同式に示すように、入力ｘ_i （ｉ＝１〜６）と結合関数ｗ_jiの積の総和からしきい値ｈ_j を減算した値を、出力関数ｆ_a に代入することによって、中間出力ａ_j が算出される。本実施形態では、このしきい値ｈ_j がニューラルネットワークに用いられるパラメータに相当する。

出力ユニットＲＵは、入力された中間出力ａ₁ 〜ａ₄ に応じ、次式（１１）により第１推定空燃比ＡＦ＿ＮＮを算出する。

ここで、θは所定のしきい値、ｆ_r は出力関数であり、この出力関数ｆ_r として、出力関数ｆ_a と同様、例えばシグモイド関数が用いられる。同式に示すように、中間出力ａ_j と結合荷重ｖ_j の積の総和からしきい値θを減算した値を、出力関数ｆ_r に代入することによって、第１推定空燃比ＡＦ＿ＮＮが算出される。本実施形態では、このしきい値θがニューラルネットワークに用いられるパラメータに相当する。

また、結合加重ｗ_ji，ｖ_j およびしきい値ｈ_j ，θは、所定の固定値にそれぞれ設定されており、これらの固定値は、次のようにしてあらかじめ設定されている。すなわち、センサなどで検出した排ガスの酸素濃度に基づき排気空燃比を算出するとともに、算出した排気空燃比を教師信号とし、バックプロパゲーション法により学習することによって、固定値はあらかじめ設定される。

なお、以上の第１推定空燃比ＡＦ＿ＮＮの算出には、エンジン水温ＴＷなどの６つの入力パラメータとして、いずれもむだ時間ｄ前に得られたものが用いられる。このむだ時間ｄは、排ガスがＬＡＦセンサ１６に到達するまでのむだ時間に設定されている。

外乱オブザーバ２４は、入力された第１推定空燃比ＡＦ＿ＮＮおよび検出空燃比ＡＦ＿ＡＣＴに応じ、第１推定空燃比ＡＦ＿ＮＮを補正するための第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲを算出し、最終推定空燃比算出部２５に出力する。本実施形態では、この外乱オブザーバ２４が、補正手段、補正値算出手段および同定手段に相当し、これらの第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲが、補正値およびモデルパラメータに相当する。

第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲは、次のような趣旨に基づいて算出されるものである。すなわち、前述したように、第１推定空燃比ＡＦ＿ＮＮを算出するためのニューラルネットワークＮＮの結合加重ｗ_ji，ｖ_j およびしきい値ｈ_j ，θが固定値に設定されているので、エンジン３の経時変化や入力パラメータを検出する各種のセンサの経時劣化などの外乱に起因して、入力と出力、すなわち、燃料噴射量ＴＯＵＴや着火遅れＤＣＡＤＬＹＩＧなどと第１推定空燃比ＡＦ＿ＮＮの関係が変化した場合には、ＡＦ＿ＮＮ値が実際の排気空燃比からずれ、ドリフトするおそれがある。このため、このドリフトを補正するための第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲは、ＬＡＦセンサ１６が活性状態にあるときに得られた検出空燃比ＡＦ＿ＡＣＴおよび第１推定空燃比ＡＦ＿ＮＮを用いて算出される。

第１推定空燃比ＡＦ＿ＮＮと同定値ＡＦ＿ＮＮＨＡＴとの関係は、次式（１２）に示すように定義される。この同定値ＡＦ＿ＮＮＨＡＴは、上記のドリフトが補正された第１推定空燃比ＡＦ＿ＮＮを表す。

なお、同式（１２）の記号ｋは、離散化した時間を表しており、記号（ｋ）付きの各離散データは、ＴＤＣ信号が発生するごとに算出またはサンプリングされたものである。この点は、以下の離散データ（時系列データ）についても同様である。なお、以下の説明では、この記号（ｋ）を適宜、省略する。

まず、同式（１２）のモデルパラメータＫ１＿ＮＮ（ｋ），Ｃ１＿ＮＮ（ｋ）のベクトルθ＿ＮＮ（ｋ）を、次式（１３）〜（１９）に示す逐次型最小２乗法により同定する。

ここで、式（１３）のＫＰ＿ＮＮ（ｋ）は、ゲイン係数のベクトル、ｅ＿ＮＮ（ｋ）は同定誤差である。また、式（１４）のθ＿ＮＮ（ｋ）^T は、θ＿ＮＮ（ｋ）の転置行列である。また、式（１３）の同定誤差ｅ＿ＮＮ（ｋ）は、式（１５）により算出され、式（１６）のζ＿ＮＮ（ｋ）は、その転置行列が式（１７）のように表されるベクトルである。さらに、上記ゲイン係数のベクトルＫＰ＿ＮＮ（ｋ）は、式（１８）により算出され、この式（１８）のＰ＿ＮＮ（ｋ）は、式（１９）で定義される２次の正方行列である。

以上の式（１３）〜（１９）に示すアルゴリズムによって、ベクトルθ＿ＮＮは、同定誤差ｅ＿ＮＮが最小になるように、すなわち、同定値ＡＦ＿ＮＮＨＡＴが検出空燃比ＡＦ＿ＡＣＴになるように、同定される。

次に、求めたモデルパラメータＫ１＿ＮＮ（ｋ），Ｃ１＿ＮＮ（ｋ）を用い、第１および第２の補正値Ｋ１＿ＮＮＲ（ｋ），Ｃ１＿ＮＮＲ（ｋ）を、次式（２０）および（２１）によって算出する。
Ｋ１＿ＮＮＲ（ｋ）＝α・Ｋ１＿ＮＮ（ｋ）＋（１−α）・Ｋ１＿ＮＮＲ（ｋ−１）
……（２０）
Ｃ１＿ＮＮＲ（ｋ）＝β・Ｃ１＿ＮＮ（ｋ）＋（１−β）・Ｃ１＿ＮＮＲ（ｋ−１）
……（２１）

ここで、αおよびβは、所定の重み係数（０＜α＜１、０＜β＜１）である。このように、第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲは、モデルパラメータＫ１＿ＮＮ，Ｃ１＿ＮＮをそれぞれ学習することによって算出される。

最終推定空燃比算出部２５は、入力された第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲをＥＥＰＲＯＭ２ａに記憶するとともに、ＬＡＦセンサ１６が活性状態にないときに、入力された第１推定空燃比ＡＦ＿ＮＮと記憶した第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲを用い、最終推定空燃比ＡＦ＿ＮＮＦを次式（２２）によって算出し、燃料噴射量算出部２６に出力する。本実施形態では、この最終推定空燃比算出部２５が、補正手段、補正値記憶手段、補正後推定排ガス状態パラメータ算出手段、およびモデルパラメータ記憶手段に相当し、この最終推定空燃比ＡＦ＿ＮＮＦが補正後推定排ガス状態パラメータに相当する。
ＡＦ＿ＮＮＦ（ｋ）＝Ｋ１＿ＮＮＲ（ｋ）・ＡＦ＿ＮＮ（ｋ）＋Ｃ１＿ＮＮＲ（ｋ）
……（２２）

前述したように、式（１２）におけるモデルパラメータＫ１＿ＮＮ，Ｃ１＿ＮＮは、同定値ＡＦ＿ＮＮＨＡＴが検出空燃比ＡＦ＿ＡＣＴになるように同定されるとともに、この検出空燃比ＡＦ＿ＡＣＴは、ＬＡＦセンサ１６が活性状態にあるときに得られた非常に精度の高いものである。このため、モデルパラメータＫ１＿ＮＮ，Ｃ１＿ＮＮは、同定値ＡＦ＿ＮＮＨＡＴが実際の排気空燃比になるように同定されたものといえる。したがって、式（１２）におけるＡＦ＿ＮＮＨＡＴ値、Ｋ１＿ＮＮ値およびＣ１＿ＮＮ値を、最終推定空燃比ＡＦ＿ＮＮＦ、Ｋ１＿ＮＮ値およびＣ１＿ＮＮ値の学習値である第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲにそれぞれ置き換えた式（２２）によって、外乱に起因する第１推定空燃比ＡＦ＿ＮＮのドリフトを適切に補正でき、したがって、最終推定空燃比ＡＦ＿ＮＮＦを排気空燃比として精度良く算出することができる。

また、第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲとして、モデルパラメータＫ１＿ＮＮ，Ｃ１＿ＮＮをそのまま用いるのではなく、これらの学習値を用いるので、ＬＡＦセンサ１６の出力に一時的に含まれるノイズの影響などを抑制しながら、最終推定空燃比ＡＦ＿ＮＮＦを精度良く算出することができる。

図６は、燃えにくい性状の燃料を使用した場合の最終推定空燃比ＡＦ＿ＮＮＦの推移の一例を、比較例とともに示している。同図（ａ）に示す比較例は、着火遅れＤＣＡＤＬＹＩＧを入力パラメータとして用いずに算出した最終推定空燃比ＡＦ＿ＮＮＦ’の推移を示している。両例ともに、燃料が燃えにくいため、実際の排気空燃比ＡＦＡが比較的リーンになっている。これに対し、比較例では、最終推定空燃比ＡＦ＿ＮＮＦ’は、その算出に着火遅れＤＣＡＤＬＹＩＧを用いていないため、燃料の性状の違いが反映されず、実際の排気空燃比ＡＦＡに対してリッチ側に大きくずれている。

一方、図６の（ｂ）に示すように、空燃比制御装置１で算出した最終推定空燃比ＡＦ＿ＮＮＦは、排気空燃比ＡＦＡとほぼ一致しており、誤差がほとんどなく、その精度は非常に高い。

燃料噴射量算出部２６は、ＬＡＦセンサ１６が活性状態にあるときには、検出空燃比ＡＦ＿ＡＣＴに応じて、活性状態にないときには、入力された最終推定空燃比ＡＦ＿ＮＮＦに応じて、燃料噴射量ＴＯＵＴを算出する。その詳細については後述する。本実施形態では、この燃料噴射量算出部２６が空燃比制御手段に相当する。

以下、ＥＣＵ２により実行される最終推定空燃比ＡＦ＿ＮＮＦの算出を含む燃料噴射制御処理について、図７および図８を参照しながら説明する。図７は、この制御処理のメインルーチンを示しており、本処理は、ＴＤＣ信号の入力に同期して実行される。

まず、ステップ１（「Ｓ１」と図示。以下同じ）では、前述したように、式（１０）および（１１）によって第１推定空燃比ＡＦ＿ＮＮを算出する。次いで、活性状態フラグＦ＿ＬＡＦＯＫが「１」であるか否かを判別する（ステップ２）。この活性状態フラグＦ＿ＬＡＦＯＫは、例えば、ＬＡＦセンサ１６の出力電圧とその中心電圧との差が所定値（例えば０．４Ｖ）よりも小さいときに、ＬＡＦセンサ１６が活性状態にあるとして、「１」にセットされるものである。

この答がＮＯで、ＬＡＦセンサ１６が活性状態にないときには、前記式（２２）によって最終推定空燃比ＡＦ＿ＮＮＦを算出する（ステップ３）。なお、この算出には、第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲとして、ＥＥＰＲＯＭ２ａに記憶されているものが用いられる。次いで、算出した最終推定空燃比ＡＦ＿ＮＮＦを、後述する空燃比フィードバック制御に用いる最終空燃比ＡＦとして設定する（ステップ４）。次に、この空燃比フィードバック制御に用いるＰ項ゲインＫＰ、Ｉ項ゲインＫＩおよびＤ項ゲインＫＤを、それぞれの第１所定値ＫＰ１、ＫＩ１およびＫＤ１に設定する（ステップ５）とともに、ＴＯＵＴ算出処理を実行し（ステップ６）、本処理を終了する。このＴＯＵＴ算出処理の詳細については後述する。なお、本実施形態では、第１所定値ＫＰ１、ＫＩ１およびＫＤ１が、所定の第１フィードバックゲインに相当する。

一方、上記ステップ２の答がＹＥＳで、ＬＡＦセンサ１６が活性状態にあるときには、検出空燃比ＡＦ＿ＡＣＴおよびステップ１で算出した第１推定空燃比ＡＦ＿ＮＮに応じ、前記式（１３）〜（１９）によってモデルパラメータＫ１＿ＮＮ，Ｃ１＿ＮＮを算出（同定）する（ステップ７）。次いで、算出したモデルパラメータＫ１＿ＮＮ，Ｃ１＿ＮＮを用い、前記式（２０）および（２１）によって第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲをそれぞれ算出する（ステップ８）。

次に、検出空燃比ＡＦ＿ＡＣＴを最終空燃比ＡＦとして設定し（ステップ９）、Ｐ項ゲインＫＰ、Ｉ項ゲインＫＩおよびＤ項ゲインＫＤを、それぞれの第２所定値ＫＰ２、ＫＩ２およびＫＤ２に設定する（ステップ１０）とともに、上記ステップ６を実行する。これらの第２所定値ＫＰ２、ＫＩ２およびＫＤ２は、上記の第１所定値ＫＰ１、ＫＩ１およびＫＤ１よりも大きな値に、それぞれ設定されている。なお、本実施形態では、第２所定値ＫＰ２、ＫＩ２およびＫＤ２が、所定の第２フィードバックゲインに相当する。また、以上のステップ４〜６、９および１０が、燃料噴射量算出部２６によって行われる処理に相当する。

次に、図８を参照しながら、ステップ６におけるＴＯＵＴ算出処理について説明する。まず、ステップ２１では、基本燃料噴射量ＴＩＢを、エンジン回転数ＮＥおよび吸気管内圧ＰＢＡに応じ、マップ（図示せず）を検索することなどによって算出する。次いで、総補正係数ＫＴＯＴＡＬを算出する（ステップ２２）。この総補正係数ＫＴＯＴＡＬは、吸気温ＴＡやエンジン水温ＴＷに応じて求めた各種の補正項に応じて算出される。

次に、目標空燃比ＫＣＭＤを算出する（ステップ２３）。この目標空燃比ＫＣＭＤは、エンジン回転数ＮＥおよび要求トルクＰＭＣＭＤに応じマップ（図示せず）を検索することによって求めた基本値を、エンジン水温ＴＷで補正することなどによって求められる。なお、目標空燃比ＫＣＭＤは当量比として算出される。本実施形態では、目標空燃比ＫＣＭＤが所定の目標値に相当する。また、要求トルクＰＭＣＭＤは、エンジン回転数ＮＥおよびアクセル開度ＡＰに応じ、マップ（図示せず）を検索することによって算出される。

次いで、前記ステップ４または９で設定した最終空燃比ＡＦとステップ２３で算出した目標空燃比ＫＣＭＤとの偏差Ｅ（ｋ）を算出する（ステップ２４）。次に、この偏差Ｅ（ｋ）の積算値ｓｉｇ＿Ｅ（ｋ）を、その前回値ｓｉｇ＿Ｅ（ｋ−１）に今回の偏差Ｅ（ｋ）を加算することによって算出する（ステップ２５）とともに、偏差Ｅ（ｋ）からその前回値Ｅ（ｋ−１）を減算することによって、偏差の変化量ｄｉｆ＿Ｅ（ｋ）を算出する（ステップ２６）。

次いで、算出した偏差Ｅ（ｋ）、積算値ｓｉｇ＿Ｅ（ｋ）および変化量ｄｉｆ＿Ｅ（ｋ）と、前記ステップ５または１０で設定したＰ項ゲインＫＰ、Ｉ項ゲインＫＩおよびＤ項ゲインＫＤを用い、Ｆ／Ｂ補正係数ＫＦＢを次式（２３）によって算出する（ステップ２７）。
ＫＦＢ＝ＦＬＡＦＢＡＳＥ−ＫＰ（ｋ）・Ｅ（ｋ）−ＫＩ（ｋ）・ｓｉｇ＿Ｅ（ｋ）
−ＫＤ（ｋ）・ｄｉｆ＿Ｅ（ｋ） ……（２３）
ここで、ＦＬＡＦＢＡＳＥは所定の基本値である。

次に、以上のようにして算出した基本燃料噴射量ＴＩＢに、総補正係数ＫＴＯＴＡＬ、目標空燃比ＫＣＭＤ、およびＦ／Ｂ補正係数ＫＦＢを乗算することによって、燃料噴射量ＴＯＵＴを算出し（ステップ２８）、本処理を終了する。以上のように燃料噴射量ＴＯＵＴを算出することによって、排気空燃比が目標空燃比ＫＣＭＤになるように、空燃比がフィードバック制御される。

以上のように、本実施形態によれば、着火遅れＤＣＡＤＬＹＩＧ、エンジン水温ＴＷ、エンジン回転数ＮＥ、吸気管内圧ＰＢＡ、点火時期ＩＧＬＯＧ、および燃料噴射量ＴＯＵＴを入力とし、排気空燃比を教師信号としてあらかじめ構築されたニューラルネットワークＮＮに、検出したこれらの入力パラメータを入力することによって、第１推定空燃比ＡＦ＿ＮＮを算出する。したがって、燃料の性状に応じて、第１推定空燃比ＡＦ＿ＮＮを排気空燃比として精度良く推定することができる。

また、着火遅れＤＣＡＤＬＹＩＧや燃料噴射量ＴＯＵＴなどと第１推定空燃比ＡＦ＿ＮＮの関係をニューラルネットワークＮＮを用いてモデリングするので、このモデリングを容易に行うことができる。さらに、ニューラルネットワークＮＮへの入力として、排気空燃比と相関性の高い着火遅れＤＣＡＤＬＹＩＧや燃料噴射量ＴＯＵＴなどを用いることによりモデルを単純化できるため、本実施形態では、ニューラルネットワークＮＮの中間層の中間ユニットＡＵ１〜ＡＵ４の数を比較的少ない４つに設定しており、それにより、空燃比制御装置１の演算負荷を軽減することができる。

また、着火遅れＤＣＡＤＬＹＩＧを筒内圧センサ１５の出力ＤＰＶに応じて算出するので、この算出を精度良く行うことができ、したがって、推定空燃比ＡＦ＿ＮＮをより精度良く推定することができる。さらに、既存の筒内圧センサ１５を用いるので、部品を新たに設ける必要もなく、その分、製造コストを抑制することができる。また、ニューラルネットワークＮＮに用いられる結合加重ｗ_ji，ｖ_j およびしきい値ｈ_j ，θを所定の固定値に設定するので、空燃比制御装置１の演算負荷をさらに軽減することができる。

さらに、ＬＡＦセンサ１６が活性状態になく（ステップ２：ＮＯ）、検出空燃比ＡＦ＿ＡＣＴの十分な精度が得られないときに、最終推定空燃比ＡＦ＿ＮＮＦが目標空燃比ＫＣＭＤになるように空燃比をフィードバック制御する（ステップ４、２４〜２８）ので、空燃比を適切に制御でき、それにより、所望の排ガス特性を得ることができる。また、ＬＡＦセンサ１６が活性状態にあるときには、検出空燃比ＡＦ＿ＡＣＴが目標空燃比ＫＣＭＤになるように空燃比をフィードバック制御する（ステップ９、２４〜２８）ので、同様に空燃比を適切に制御することができる。

さらに、最終推定空燃比ＡＦ＿ＮＮＦを用いた空燃比フィードバック制御の際に、Ｐ項ゲインＫＰ、Ｉ項ゲインＫＩおよびＤ項ゲインＫＤを、より小さな第１所定値ＫＰ１、ＫＩ１およびＫＤ１にそれぞれ設定する（ステップ５）。したがって、空燃比の制御を安定して行うことができる。また、検出空燃比ＡＦ＿ＡＣＴを用いた空燃比フィードバック制御の際に、Ｐ項ゲインＫＰ、Ｉ項ゲインＫＩおよびＤ項ゲインＫＤを、より大きな第２所定値ＫＰ２、ＫＩ２およびＫＤ２にそれぞれ設定する（ステップ１０）。したがって、排気空燃比を目標空燃比ＫＣＭＤに迅速にかつ安定して収束させることができる。

さらに、同定値ＡＦ＿ＮＮＨＡＴと第１推定空燃比ＡＦ＿ＮＮの関係を定義したモデル（式（１２））のモデルパラメータＫ１＿ＮＮ，Ｃ１＿ＮＮを、ＬＡＦセンサ１６の活性時に得られた検出空燃比ＡＦ＿ＡＣＴおよび第１推定空燃比ＡＦ＿ＮＮに応じ、ＡＦ＿ＮＮＨＡＴ値がＡＦ＿ＡＣＴ値になるように同定する（ステップ７）。また、これらのＫ１＿ＮＮ値，Ｃ１＿ＮＮ値を学習することによって、第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲを算出する（ステップ８）とともに、式（１２）におけるＡＦ＿ＮＮＨＡＴ値、Ｋ１＿ＮＮ値およびＣ１＿ＮＮ値を、最終推定空燃比ＡＦ＿ＮＮＦ、Ｋ１＿ＮＮＲおよびＣ１＿ＮＮＲにそれぞれ置き換えた式（２２）によって、最終推定空燃比ＡＦ＿ＮＮＦを算出する（ステップ３）。したがって、エンジン３の特性の経時変化などによる外乱に起因して、第１推定空燃比ＡＦ＿ＮＮがドリフトした場合でも、このドリフトを適切に補正でき、最終推定空燃比ＡＦ＿ＮＮＦを精度良く算出することができる。

さらに、第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲをＥＥＰＲＯＭ２ａに記憶し、ＬＡＦセンサ１６の非活性時に、すなわち、次回のエンジン３の始動時に、記憶したＫ１＿ＮＮＲ値，Ｃ１＿ＮＮＲ値を用いて最終推定空燃比ＡＦ＿ＮＮＦを算出する。したがって、ＬＡＦセンサ１６が活性状態になく、検出空燃比ＡＦ＿ＡＣＴの十分な精度が得られないときに、補正された精度の高い最終推定空燃比ＡＦ＿ＮＮＦを得ることができる。

なお、本発明は、説明した実施形態に限定されることなく、種々の態様で実施することができる。例えば、実施形態では、エンジン３における混合気の燃焼状態を表す燃焼状態パラメータとして、着火遅れＤＣＡＤＬＹＩＧを用いているが、他の適当なパラメータ、例えば、１燃焼サイクルにおける筒内圧の最大値、この最大値が得られたタイミングや燃焼温度などを用いてもよい。また、ニューラルネットワークＮＮとして、階層型のものを用いているが、相互結合型のものを用いてもよい。

さらに、結合加重ｗ_ji，ｖ_j およびしきい値ｈ_j ，θを所定の固定値に設定しているが、これらのパラメータを、例えば、ＬＡＦセンサ１６の活性時に得られた検出空燃比ＡＦ＿ＡＣＴを教師信号として、バックプロパゲーション法などにより随時、学習してもよい。その場合には、エンジン３の経時変化や入力パラメータを検出する各種のセンサの経時劣化などに応じて、第１推定空燃比ＡＦ＿ＮＮを精度良く推定できるので、第１推定空燃比ＡＦ＿ＮＮを補正することなく、そのまま用いて空燃比をフィードバック制御してもよく、また、外乱オブザーバ２４および最終推定空燃比２５を省略してもよい。

また、排ガスの状態を表す排ガス状態パラメータとして、排気空燃比を推定しているが、他の適当なパラメータ、例えば、排ガス中の酸素濃度、ＨＣ濃度、ＣＯ濃度またはＮＯｘ濃度などを推定してもよい。さらに、推定空燃比ＡＦ＿ＮＮの補正手法として、前述した手法に限らず、他の適当な手法を採用してもよいことはもちろんである。例えば、ＬＡＦセンサ１６の活性時に、検出空燃比ＡＦ＿ＡＣＴと第１推定空燃比ＡＦ＿ＮＮの偏差を補正値として算出し、算出した補正値をそのときのエンジン３の運転状態に対応させて記憶するとともに、記憶した複数の補正値のうちの今回の運転状態に対応するものを用いて、第１推定空燃比ＡＦ＿ＮＮを補正してもよい。

また、実施形態では、モデルパラメータＫ１＿ＮＮ，Ｃ１＿ＮＮを同定するアルゴリズムとして、重みパラメータλ₁ およびλ₂ をいずれも値１に設定した逐次型最小２乗法アルゴリズムを用いているが、他の適当なアルゴリズム、例えば、λ₁ ＝１、λ₂ ＝λ（０＜λ＜１）とする漸減ゲインアルゴリズム、またはλ₁ ＝λ、λ₂ ＝１とする重み付き最小２乗法アルゴリズムを用いてもよい。さらに、実施形態では、第１および第２の補正値Ｋ１＿ＮＮＲ，Ｃ１＿ＮＮＲとして、モデルパラメータＫ１＿ＮＮ，Ｃ１＿ＮＮの学習値を用いているが、モデルパラメータＫ１＿ＮＮ，Ｃ１＿ＮＮをそのまま用いてもよい。

また、実施形態は、本発明を車両用のガソリンエンジンに適用した例であるが、本発明は、これに限らず、他の形式のエンジン、例えば、ディーゼルエンジンや、他の用途のエンジン、例えばクランク軸を鉛直方向に配置した船外機などのような船舶推進機用エンジンに適用可能である。その他、本発明の趣旨の範囲内で、細部の構成を適宜、変更することが可能である。

本実施形態による空燃比制御装置を、これを適用した内燃機関とともに概略的に示す図である。 本実施形態による空燃比制御装置のブロック図である。 筒内圧センサが経時劣化している場合における、（ａ）暫定値ＰＣＹＬＴなどの推移の一例、（ｂ）最終筒内圧ＰＣＹＬＦなどの推移の一例を示している。 着火遅れＤＣＡＤＬＹＩＧの算出方法を説明するための図である。 第１推定空燃比算出部のニューラルネットワークを概略的に示す図である。 （ａ）入力として着火遅れＤＣＡＤＬＹＩＧを用いずに算出した最終推定空燃比ＡＦ＿ＮＮＦ’の推移の一例を、（ｂ）本実施形態による空燃比制御装置により算出した最終推定空燃比ＡＦ＿ＮＮＦの推移の一例を、それぞれ示す図である。 燃料噴射制御処理を示すフローチャートである。 図７のＴＯＵＴ算出処理のサブルーチンを示すフローチャートである。

符号の説明

１ 空燃比制御装置
２ ＥＣＵ（燃焼状態パラメータ検出手段、運転状態パラメータ検出手段、排ガス状態
パラメータ推定手段、センサ活性状態判別手段、空燃比制御手段、補正手
段、補正値算出手段、補正後推定排ガス状態パラメータ算出手段、同定手
段）
２ａ ＥＥＰＲＯＭ（補正値記憶手段、モデルパラメータ記憶手段）
３ エンジン
３ｃ 気筒
６ インジェクタ（空燃比制御手段）
１１ クランク角センサ（運転状態パラメータ検出手段）
１２ 水温センサ（運転状態パラメータ検出手段）
１３ 吸気管内圧センサ（運転状態パラメータ検出手段）
１５ 筒内圧センサ（燃焼状態パラメータ検出手段）
１６ ＬＡＦセンサ（排ガス状態パラメータセンサ）
２１ 筒内圧算出部（燃焼状態パラメータ検出手段）
２２ 着火遅れ算出部（燃焼状態パラメータ検出手段）
２３ 第１推定空燃比算出部（排ガス状態パラメータ推定手段）
ＮＮ ニューラルネットワーク
２４ 外乱オブザーバ（補正手段、補正値算出手段、同定手段）
２５ 最終推定空燃比算出部（補正手段、補正値記憶手段、補正後推定排ガス状態パラメ
ータ算出手段、モデルパラメータ記憶手段）
２６ 燃料噴射量算出部（空燃比制御手段）
ＤＣＡＤＬＹＩＧ 着火遅れ（燃焼状態パラメータ）
ＮＥ エンジン回転数（運転状態パラメータ）
ＴＷ エンジン水温（運転状態パラメータ）
ＰＢＡ 吸気管内圧（運転状態パラメータ）
ＩＧＬＯＧ 点火時期（運転状態パラメータ）
ＴＯＵＴ 燃料噴射量（運転状態パラメータ）
ＡＦ＿ＮＮ 第１推定空燃比（推定排ガス状態パラメータ）
ＤＰＶ 筒内圧センサの出力
ｗ_ji 結合加重（ニューラルネットワークに用いられるパラメータ）
ｖ_j 結合加重（ニューラルネットワークに用いられるパラメータ）
ｈ_j しきい値（ニューラルネットワークに用いられるパラメータ）
θ しきい値（ニューラルネットワークに用いられるパラメータ）
ＡＦ＿ＡＣＴ 検出空燃比（検出排ガス状態パラメータ）
ＫＣＭＤ 目標空燃比（所定の目標値）
ＫＰ１ 第１所定値（所定の第１フィードバックゲイン）
ＫＩ１ 第１所定値（所定の第１フィードバックゲイン）
ＫＤ１ 第１所定値（所定の第１フィードバックゲイン）
ＫＰ２ 第２所定値（所定の第２フィードバックゲイン）
ＫＩ２ 第２所定値（所定の第２フィードバックゲイン）
ＫＤ２ 第２所定値（所定の第２フィードバックゲイン）
Ｋ１＿ＮＮＲ 第１補正値（補正値、モデルパラメータ）
Ｃ１＿ＮＮＲ 第２補正値（補正値、モデルパラメータ）
ＡＦ＿ＮＮＦ 最終推定空燃比（補正後推定排ガス状態パラメータ）

Claims (9)

1. 内燃機関に供給される混合気の空燃比を制御する内燃機関の空燃比制御装置であって、
   前記内燃機関における混合気の燃焼状態を表す燃焼状態パラメータを検出する燃焼状態パラメータ検出手段と、
   前記内燃機関の運転状態を表す運転状態パラメータを検出する運転状態パラメータ検出手段と、
   前記燃焼状態パラメータおよび前記運転状態パラメータを入力とし、前記内燃機関から排出された排ガスの状態を表す排ガス状態パラメータを教師信号として構築されるニューラルネットワークに、前記検出された燃焼状態パラメータおよび運転状態パラメータを入力することによって、前記排ガス状態パラメータを推定排ガス状態パラメータとして推定する排ガス状態パラメータ推定手段と、
   当該推定された推定排ガス状態パラメータに応じて、前記空燃比を制御する空燃比制御手段と、
   を備えることを特徴とする内燃機関の空燃比制御装置。
2. 前記燃焼状態パラメータ検出手段は、前記内燃機関の気筒内の圧力を検出する筒内圧センサの出力に基づいて、前記燃焼状態パラメータを検出することを特徴とする、請求項１に記載の内燃機関の空燃比制御装置。
3. 前記ニューラルネットワークに用いられるパラメータが所定値に設定されていることを特徴とする、請求項１または２に記載の内燃機関の空燃比制御装置。
4. 前記排ガス状態パラメータを検出排ガス状態パラメータとして検出する排ガス状態パラメータセンサと、
   当該排ガス状態パラメータセンサの活性状態を判別するセンサ活性状態判別手段と、をさらに備え、
   前記空燃比制御手段は、前記排ガス状態パラメータセンサが活性状態にないときに、前記推定排ガス状態パラメータが所定の目標値になるように前記空燃比をフィードバック制御する第１フィードバック制御と、前記排ガス状態パラメータセンサが活性状態にあるときに、前記検出排ガス状態パラメータが前記所定の目標値になるように前記空燃比をフィードバック制御する第２フィードバック制御を実行することを特徴とする、請求項１ないし３のいずれかに記載の内燃機関の空燃比制御装置。
5. 前記空燃比制御手段は、
   前記第１および第２のフィードバック制御を、互いに異なる所定の第１および第２のフィードバックゲインをそれぞれ用いて行うことを特徴とする、請求項４に記載の内燃機関の空燃比制御装置。
6. 前記排ガス状態パラメータを検出排ガス状態パラメータとして検出する排ガス状態パラメータセンサと、
   当該排ガス状態パラメータセンサの活性状態を判別するセンサ活性状態判別手段と、
   前記排ガス状態パラメータセンサが活性状態にあるときに得られた前記検出排ガス状態パラメータおよび前記推定排ガス状態パラメータに応じて、前記検出排ガス状態パラメータに対する前記推定排ガス状態パラメータのずれを補正する補正手段と、
   をさらに備えることを特徴とする、請求項１ないし３のいずれかに記載の内燃機関の空燃比制御装置。
7. 前記補正手段は、
   前記排ガス状態パラメータセンサが活性状態にあるときに得られた前記検出排ガス状態パラメータおよび前記推定排ガス状態パラメータに応じて、補正値を算出する補正値算出手段と、
   当該算出された補正値を記憶する補正値記憶手段と、を有し、
   前記排ガス状態パラメータセンサが活性状態にないときに得られた前記推定排ガス状態パラメータを、前記記憶された前記補正値に基づいて補正することを特徴とする、請求項６に記載の内燃機関の空燃比制御装置。
8. 前記補正手段は、
   前記推定排ガス状態パラメータを補正した補正後推定排ガス状態パラメータと前記推定排ガス状態パラメータとの関係を定義したモデルに基づき、前記補正後推定排ガス状態パラメータを算出する補正後推定排ガス状態パラメータ算出手段と、
   前記排ガス状態パラメータセンサが活性状態にあるときに得られた前記検出排ガス状態パラメータおよび前記推定排ガス状態パラメータに応じ、前記補正後推定排ガス状態パラメータが前記検出排ガス状態パラメータになるように、前記モデルのモデルパラメータを同定する同定手段と、を有し、
   前記空燃比制御手段は、前記推定排ガス状態パラメータとして前記補正後推定排ガス状態パラメータを用いて前記空燃比を制御することを特徴とする、請求項６に記載の内燃機関の空燃比制御装置。
9. 前記補正手段は、前記モデルパラメータを記憶するモデルパラメータ記憶手段をさらに有し、
   前記補正後推定排ガス状態パラメータ算出手段は、前記排ガス状態パラメータセンサが活性状態にないときに、前記記憶されたモデルパラメータを用いた前記モデルに基づいて前記補正後推定排ガス状態パラメータを算出することを特徴とする、請求項８に記載の内燃機関の空燃比制御装置。

Images