JP2007327341A - 燃料噴射制御装置 - Google Patents

Abstract

【課題】燃料噴射制御に際して噴射され得る噴射量についての広範囲の領域に渡って燃料噴射弁の噴射特性を適切に学習することのできる燃料噴射制御装置を提供する。
【解決手段】アイドル回転速度制御時に要求される噴射量をｎ回に等量分割して噴射することで、パイロット噴射等の微小噴射における燃料噴射弁の噴射特性を学習する微小Ｑ学習を行なう。一方、上記均等分割噴射をするとき以外には、内燃機関の出力トルクと噴射量との相関関係に基づき気筒間の噴射特性のばらつきを学習する相対Ｑ学習を行なう。これらの学習領域は、噴射量と燃圧によって定義される領域で互いに干渉しないように設定される。
【選択図】 図９

Description

本発明は、燃料噴射弁の噴射特性を学習する機能を有する燃料噴射制御装置に関する。

例えば下記特許文献１に見られるように、ディーゼル機関の燃料噴射弁の出荷前に、基準となる特性に対する実際の噴射特性のずれを検出し、燃料噴射制御装置に記憶させることが周知である。これによれば、燃料噴射弁の出荷段階において、個体差に起因して実際の特性が基準となる特性からずれている場合であっても、上記検出されたずれを保証するように燃料噴射制御をすることが可能となる。更に、上記特許文献１では、燃料噴射弁に供給される燃料の圧力（燃圧）によって噴射特性のずれが変化することに鑑み、燃圧に応じて分割される複数の領域毎に、噴射特性のずれを検出して記憶させることも提案されている。

ところで、上記のように製品出荷前に検出される噴射特性は内燃機関に装着される前になされるものであるため、上記検出値に基づく燃料噴射制御によっては、内燃機関の出力制御に際して燃料噴射弁に望まれる噴射特性を実現することが困難となることがある。更に、燃料噴射弁固有の噴射特性が基準となる特性からずれる要因としては、上記固体差のみならず、経時変化もある。このため、上記検出値に基づく燃料噴射制御によって、内燃機関の出力制御に際して燃料噴射弁に望まれる噴射特性を実現することは、更に困難なものとなりやすい。

これに対し、例えば下記特許文献２に見られるように、アイドル回転速度制御時に、フィードバック制御によって要求される燃料を等量に分割して複数回に分けて噴射し、このときの実際の燃料量と基準となる燃料量との差に基づき、ディーゼル機関のパイロット噴射等の微小噴射についての燃料噴射弁の噴射特性を学習することも提案されている。これによれば、微小噴射についての噴射特性を学習することができ、しかも、アイドル回転速度制御時に学習をすることができることから、燃料噴射弁の経時変化にも対処することができる。

ただし、上記特許文献２によっても、燃料噴射制御に際して噴射され得る噴射量についての広範囲の領域に渡って噴射特性を学習することはできない。
特開２０００−２２０５０８号公報 特開２００３−２５４１３９号公報

本発明は、上記課題を解決するためになされたものであり、その目的は、燃料噴射制御に際して噴射され得る噴射量についての広範囲の領域に渡って燃料噴射弁の噴射特性を適切に学習することのできる燃料噴射制御装置を提供することにある。

以下、上記課題を解決するための手段、及びその作用効果について記載する。

請求項１記載の発明は、内燃機関の出力軸の回転速度の検出値をフィルタ処理して前記出力軸の単位時間におけるトルク相当値である瞬時トルク相当値を算出する手段、及び前記瞬時トルク相当値に基づき前記燃料噴射弁の噴射特性を推定する手段を備える第１の学習手段と、前記出力軸の回転速度の検出値を目標値にフィードバック制御すべく、要求される燃料量を等量分割して噴射する手段、及び該フィードバック制御時の燃料噴射量に基づき前記燃料噴射弁の噴射特性を学習する手段を備える第２の学習手段とを備え、前記第１の学習手段は、前記第２の学習手段による学習のなされない領域において、前記燃料噴射弁の噴射特性を学習することを特徴とする。

上記構成において、都度の回転速度は出力軸に発生する瞬時のトルクの反映であると考えられるため、回転速度に基づいて瞬時トルク相当値の算出が可能であり、その瞬時トルク相当値を気筒毎にモニタすれば、気筒毎の特性ばらつき（回転挙動の変化等）を把握することが可能となる。そして、この瞬時トルク相当値が燃料噴射量と相関を有することに鑑み、噴射特性を学習することができる。このため、第１の学習手段により、単発の燃料噴射によって出力軸のトルクを生成し得る噴射量についての燃料噴射弁の噴射特性を学習することができる。

また、第２の学習手段により、多段噴射におけるメイン噴射に先立ち行われる噴射のように、出力軸のトルクの生成においてメインとはならない微小噴射の噴射量についての燃料噴射弁の噴射特性を学習することができる。そして、第１の学習手段は、第２の学習手段による学習のなされない領域において噴射特性を学習するために、重複学習による処理の煩雑化を回避することができる。更に、排気特性に特に顕著に影響する微小噴射については、その学習専用の第２の学習手段による学習を採用することで、排気特性を良好に保つ上でより適切な学習をすることもできる。

なお、上記フィルタ処理は、内燃機関の燃焼周波数に基づき設定した単一の周波数にて行うことが望ましい。これによれば、内燃機関の燃焼周波数に基づく周波数で回転速度のフィルタ処理がなされるため、回転速度から燃焼周波数成分を抽出し、燃焼周波数に対応するようにして瞬時トルク相当値を算出することができる。そして、各気筒の燃焼周期毎にトルクの収支が完結するようにして都度の瞬時トルク相当値を算出することが可能となる。

請求項２記載の発明は、請求項１記載の発明において、前記第１の学習手段は、前記燃料噴射弁に供給される燃料の圧力（燃圧）に応じて分割された複数の領域毎に、前記噴射特性が各別に学習されてなることを特徴とする。

上記構成によれば、上記領域毎に各別の学習をすることで、燃圧に見合った学習を行なうことができるため、燃料噴射弁の噴射特性の燃圧依存性に適切に対処することができる。

請求項３記載の発明は、請求項２記載の発明において、前記内燃機関は、多気筒内燃機関であり、前記第１の学習手段は、前記瞬時トルク相当値についての気筒毎の一定区間の積分値を算出する手段と、該積分値の全気筒での平均値を算出する手段と、前記気筒毎の積分値と前記平均値との差分に基づき、前記噴射特性の学習として前記気筒間の噴射特性のずれを学習する手段とを備えることを特徴とする。

上記構成では、気筒間の噴射特性のずれを学習することで、気筒間の噴射量のばらつきを平滑化する燃料噴射制御が可能となる。

請求項４記載の発明は、請求項３記載の発明において、前記燃料噴射弁の噴射特性を、当該燃料噴射制御装置による燃料噴射制御において想定される基準となる特性とするための補正値であって且つ、前記燃料噴射弁に供給される燃料の圧力に応じた複数の補正値を予め記憶する記憶手段を更に備え、前記第１の学習手段は、前記複数の補正値を用いて前記学習の初期値を設定することを特徴とする。

上記構成では、第１の学習手段の学習の初期値を設定することで、第１の学習手段による学習に基づく燃料噴射弁の操作の補正を、製品出荷当初から行うことができる。

請求項５記載の発明は、請求項３又は４記載の発明において、前記複数の補正値を前記各領域の初期値に変換する手段と、前記変換後の値の全領域の平均値を算出する手段と、前記平均値に対する前記変換後の値の差を、前記第１の学習手段によって学習されるずれに基づき前記燃料噴射弁を操作する際の全気筒一律の補正量として設定する設定手段とを備えることを特徴とする。

第１の学習手段によって学習されるずれに基づき気筒間の噴射特性のずれを補償するように燃料噴射弁を操作する場合、気筒間の噴射量を均等にすることはできるものの、各気筒における噴射量の絶対値を、燃料噴射制御において基準とする特性によって定まる噴射量とすることはできない。この点、上記構成によれば、燃料噴射弁の操作に際して全気筒一律の補正量を用いることで、気筒間の噴射量を均一化するのみならず、気筒毎の噴射量の絶対値を基準となる噴射特性に応じたものに補正することもできる。

請求項６記載の発明は、請求項４又は５記載の発明において、前記第１の学習手段の異常の有無を判断する手段を更に備え、前記第１の学習手段に異常があると判断されるとき、前記第１の学習手段によって学習されるずれに代えて、前記初期値を用いて燃料噴射制御を行うことを特徴とする。

上記構成では、第１の学習手段に異常があるときでも、初期値を用いることで、燃料噴射弁の噴射特性のずれを抑制することができる。

（第１の実施形態）
以下、本発明にかかる燃料噴射制御装置をディーゼル機関の燃料噴射制御装置に適用した第１の実施形態について、図面を参照しつつ説明する。

図１に、本実施形態にかかるエンジンシステムの全体構成を示す。

図示されるように、燃料タンク２内の燃料は、燃料フィルタ４を介して燃料ポンプ６によって汲み上げられる。燃料ポンプ６は、ディーゼル機関の出力軸であるクランク軸８から動力を付与される機関駆動式のポンプである。詳しくは、燃料ポンプ６は、吸入調量弁１０を備えており、吸入調量弁１０が操作されることで、外部に吐出される燃料量が決定される。

燃料ポンプ６から吐出される燃料は、コモンレール１２に加圧供給（圧送）される。コモンレール１２は、燃料ポンプ６から圧送された燃料を高圧状態で蓄え、これを高圧燃料通路１４を介して各気筒（ここでは、４気筒を例示）の燃料噴射弁１６に供給する。なお、燃料噴射弁１６は、低圧燃料通路１８を介して燃料タンク２と接続されている。

上記エンジンシステムは、コモンレール１２内の燃圧を検出する燃圧センサ２０や、クランク軸８の回転角度を検出するクランク角センサ２２等、ディーゼル機関の運転状態を検出する各種センサを備えている。更に、エンジンシステムは、ユーザによる加速要求に応じて操作されるアクセルペダルの操作量を検出するアクセルセンサ２４を備えている。

一方、電子制御装置（ＥＣＵ３０）は、マイクロコンピュータを主体として構成され、常時記憶保持メモリ３２等を備えている。ここで、常時記憶保持メモリ３２とは、給電の有無にかかわらず記憶データを維持するＥＥＰＲＯＭ等の不揮発性メモリや、常時給電状態が維持されるバックアップメモリ等、イグニッションスイッチの状態やＥＣＵ３０の主電源の状態にかかわらず、データの記憶を維持するメモリである。

ＥＣＵ３０では、上記各種センサの検出結果を取り込み、これに基づきディーゼル機関の出力を制御する。特にＥＣＵ３０は、ディーゼル機関の出力を制御するために、コモンレール１２内の燃圧を所望の燃圧としつつ燃料噴射弁１６を操作する燃料噴射制御を行なう。すなわち、アクセルセンサ２４によって検出されるアクセルペダルの操作量とクランク角センサ２２の検出値に基づくクランク軸８の回転速度とに基づき、要求噴射量を算出する。そして、要求噴射量を、パイロット噴射、メイン噴射、アフタ噴射等のための複数回の噴射量に分割し、これら各噴射量を燃料噴射弁１６に対する噴射量の指令値（指令噴射量）とする。次に、指令噴射量と燃圧センサ２０の検出値とに基づき、燃料噴射弁１６に対する噴射期間の指令値（指令噴射期間）を設定する。そして、指令噴射期間に応じて燃料噴射弁１６を開弁させることで、要求噴射量の燃料噴射を行う。

ちなみに、パイロット噴射は、極微小な燃料が噴射されて着火の直前の燃料と空気との混合を促進させるとともに、メイン噴射後の着火時期の遅れを短縮して窒素酸化物（ＮＯｘ）の発生を抑制し、燃焼音及び振動を低減する。メイン噴射は、ディーゼル機関の出力トルクの生成に寄与して且つ多段噴射中の最大の噴射量を有する。アフタ噴射は、微粒子物質（ＰＭ）を再燃焼させる。

ところで、実際の燃料噴射弁１６の噴射特性は、燃料噴射制御において基準とされる噴射特性からずれを有する可能性がある。そして、噴射特性にずれが生じているときには、各燃料噴射弁１６が基準となる噴射特性であるとの前提のもとで燃料噴射制御を行ったのでは、所望の燃料噴射を行うことができず、ひいては、排気特性の低下等を招く。そこで本実施形態では、燃料噴射弁１６の製品出荷に先立ち、図２に丸印にて例示するように、燃圧と噴射量とから定まるいくつかの計測点において、実際の燃料噴射量を計測し、この計測に基づき、実際の噴射量を基準となる噴射特性によって定まる噴射量とするための学習値を算出する。そして、これら各学習値を、図３に例示するように、燃料噴射弁１６に設ける２次元コード（ＱＲコード）に記憶させる。ここで、ＱＲコードは、図３に示す概観を有し、縦方向及び横方向に情報を有する２次元コードの一種である。そして、燃料噴射弁１６をディーゼル機関に装着する際、ＱＲコードから学習値を読み取り、ＥＣＵ３０内の常時記憶保持メモリ３２に記憶させる。すなわち、図３に示すように、燃料噴射弁１６の備えるＱＲコードを、ＱＲコードスキャナ４０により読み込み、一旦パーソナルコンピュータ４２に取り込む。そして、パーソナルコンピュータ４２では、取り込まれたＱＲコードをＥＣＵ３０において処理可能なデータに変換し、ＥＣＵ３０に出力する。これにより、ＥＣＵ３０では、燃料噴射弁１６の個体差に起因した噴射特性のばらつきを補償して燃料噴射制御をすることが可能となる。

更に、本実施形態では、燃料噴射弁１６をディーゼル機関に装着した後、燃料噴射制御時において、燃料噴射弁１６の噴射特性のずれを学習する処理を行なう。詳しくは、パイロット噴射等の微小噴射の噴射量についての噴射特性を学習する処理（微小Ｑ学習）と、微小噴射以外の噴射量についての噴射特性の気筒間の特性ばらつきを学習する処理（相対Ｑ学習）との２つの処理を行う。以下、これら微小Ｑ学習と、相対Ｑ学習とについて説明する。

＜微小Ｑ学習＞
図４に、上記微小Ｑ学習の処理手順を示す。この処理は、ＥＣＵ３０により、所定周期で繰り返し実行される。

この一連の処理においては、まずステップＳ１０において、学習条件が成立しているか否かを判断する。この学習条件は、アイドル回転速度制御がなされているとの条件や、クランク軸８に付与されている負荷の変動量が許容範囲内にあるとの条件がある。

続く、ステップＳ１２では、実際の回転速度を目標とする回転速度に制御する際に要求される基準となる噴射量である基本噴射量を算出する。ここで、基準となる噴射量とは、燃料噴射制御において想定する燃料噴射弁１６の基準となる特性によって定まる噴射量である。続くステップＳ１４は、ステップＳ１２で算出された基本噴射量をｎ個に均等に分割することで、ｎ回に分割して燃料噴射を実施する。ここでは、基本的には、基本噴射量の「１／ｎ」の量の噴射量に前回の学習値を加算した指令噴射量による燃料噴射をｎ回行なう。ただし、噴射量から定まる指令噴射期間を、これら各噴射間のインターバルの影響等を考慮して補正してもよい。なお、これについては上記特許文献２に示されている態様にて行なってもよい。

一方、ステップＳ１６では、各気筒における燃焼エネルギに起因したクランク軸８の回転速度の変動量のばらつきを補償すべく、各気筒の指令噴射量を補正する（ＦＣＣＢ補正量）。詳しくは、ｎ回の各々の噴射量を「ＦＣＣＢ補正量／ｎ」にて補正する。なお、この処理についての詳細も、上記特許文献２に示されている態様にて行なってもよい。

続くステップＳ１８においては、クランク軸８の平均的な回転速度を目標とする回転速度とすべく、全気筒の指令噴射量を同一の補正量（ＩＳＣ補正量）にて補正する。詳しくは、ｎ回の各々の噴射量を「ＩＳＣ補正量／ｎ」にて補正する。なお、この処理についての詳細も、上記特許文献２に示されている態様にて行なってもよい。

続くステップＳ２０では、上記ステップＳ１０によって学習条件が成立していると判断されてから今までの間にクランク軸８の負荷を変動させる状況が生じていないかどうかを判断する。更にステップＳ２２では、ディーゼル機関の運転状態が安定しているか否かを判断する。ここでは、例えば上記ＦＣＣＢ補正量やＩＳＣ補正量の変化量が所定の範囲内であるか否か等を判断する。

続くステップＳ２４では、現在の燃料の圧力における学習値を算出する。この学習値は、前回の学習値に、「ＦＣＣＢ補正量／ｎ」と「ＩＳＣ補正量／ｎ」とを加えることで算出される。続くステップＳ２６では、今回算出された学習値と前回の学習値との差が予め定められた範囲内にあるか否かを判断する。そして、定められた範囲内にあると判断されるときには、今回算出された学習値が正常であるとして、ステップＳ２８に移行する。ステップＳ２８では、燃料噴射弁１６に供給される圧力を変更してステップＳ１２〜ステップＳ２８の処理を行なう。こうして設定された圧力水準の全てについてステップＳ１２〜ステップＳ２８の処理が完了すると、ステップＳ３０において、今回新たに学習された学習値を、上記常時記憶保持メモリ３２に書き込む。

なお、ステップＳ１０，Ｓ２０，Ｓ２２，Ｓ２６において否定の判断がなされるときや、ステップＳ３０の処理が完了するときには、この一連の処理を一旦終了する。

＜相対Ｑ学習＞
アイドル回転速度制御時のみならず、ユーザのアクセル操作による走行時においても、燃料噴射制御によってクランク軸８の回転速度が所望に制御されるが、同回転速度を微小な時間間隔で分析すると、燃焼サイクル内の各行程に同期して回転上昇と回転降下とが繰り返される。すなわち図５（ａ）に示すように、各気筒の燃焼順序は第１気筒（＃１）→第３気筒（＃３）→第４気筒（＃４）→第２気筒（＃２）であり、１８０°ＣＡごとに燃料噴射が行われてその燃料が燃焼に供される。このとき、１気筒ずつの燃焼周期（１８０°ＣＡ周期）で見ると、燃焼に伴いクランク軸８に回転力が付与されて回転速度が上昇するとともに、その後クランク軸８等に作用する負荷により回転速度が降下する。かかる場合、回転速度の挙動に応じて気筒ごとの仕事量が推定できると考えられる。

ここで、各気筒の燃焼周期の終了時においてその時の回転速度から当該気筒の仕事量を算出することが考えられる。例えば、図５（ｂ）に示すように、第１気筒の燃焼周期の終了時であるタイミングｔ１で当該第１気筒の仕事量を算出し、次の第３気筒の燃焼周期の終了時であるタイミングｔ２で当該第３気筒の仕事量を算出する。ところがこの場合、クランク角センサ２２の検出信号（ＮＥパルス）により算出される回転速度にはノイズや検出誤差による要因が含まれており、図５（ｂ）に示すように、実際の回転速度（図の破線）に対して回転速度の検出値（図の実線）がばらつく。そのため、タイミングｔ１，ｔ２等では、正確な仕事量を算出できないという問題が生じる。

そこで本実施形態では、図６に示すように、回転速度Ｎｅを入力信号として一定の角度周期でフィルタ処理部Ｍ１に取り込むとともに、そのフィルタ処理部Ｍ１において各時点の回転変動成分のみを抽出して瞬時トルク相当値Ｎｅｆｌｔを算出する。このとき、回転速度Ｎｅは、クランク角センサ２２の出力パルス（ＮＥパルス）の出力周期（本実施形態では３０°ＣＡ）でサンプリングされる。フィルタ処理部Ｍ１は例えばＢＰＦ（帯域フィルタ）にて構成され、ＢＰＦにより回転速度信号に含まれる高周波成分と低周波成分とが除去される。このフィルタ処理部Ｍ１の出力である瞬時トルク相当値Ｎｅｆｌｔ（ｉ）は、例えば以下の式（１）により表される。

式（１）において、Ｎｅ（ｉ）は回転速度の今回サンプリング値、Ｎｅ（ｉ−２）は回転速度の２回前サンプリング値、Ｎｅｆｌｔ（ｉ−１）は瞬時トルク相当値の前回値、Ｎｅｆｌｔ（ｉ−２）は瞬時トルク相当値の前々回値である。ｋ１〜ｋ４は定数である。上式（１）により、回転速度信号がフィルタ処理部Ｍ１に入力される都度、瞬時トルク相当値Ｎｅｆｌｔ（ｉ）が算出される。

上式（１）は、下式（２）に表す伝達関数Ｇ（ｓ）を離散化したものである。なお、ζは減衰係数、ωは応答周波数である。

本実施形態では特に、応答周波数ωをディーゼル機関の燃焼周波数としており、上記の式（１）ではω＝燃焼周波数としたことに基づいて定数ｋ１〜ｋ４が設定されている。燃焼周波数は単位角度ごとの燃焼頻度を表した角度周波数であり、４気筒の場合には燃焼周期（燃焼角度周期）が１８０°ＣＡであり、その燃焼周期の逆数により燃焼周波数が決定される。

また、図６の積分処理部Ｍ２では、瞬時トルク相当値Ｎｅｆｌｔを取り込み、その瞬時トルク相当値Ｎｅｆｌｔを各気筒の燃焼周期ごとに一定区間積分することにより、各気筒のトルク積算値である気筒別仕事量Ｓｎｅｆｌｔ＃１〜Ｓｎｅｆｌｔ＃４を算出する。このとき、３０°ＣＡ周期で出力されるＮＥパルスにはそれぞれ０〜２３のＮＥパルス番号が付されており、各気筒の燃焼順序でいうと、第１気筒の燃焼周期にはＮＥパルス番号の「０〜５」が割り当てられ、第３気筒の燃焼周期にはパルス番号の「６〜１１」が割り当てられ、第４気筒の燃焼周期にはＮＥパルス番号の「１２〜１７」が割り当てられ、第２気筒の燃焼周期にはＮＥパルス番号の「１８〜２３」が割り当てられている。そして、次の式（３）により、第１〜第４の気筒ごとに気筒別仕事量Ｓｎｅｆｌｔ＃１〜Ｓｎｅｆｌｔ＃４を算出する。

なお以下の記載では、気筒番号を＃ｉと表し、気筒別仕事量Ｓｎｅｆｌｔ＃１〜Ｓｎｅｆｌｔ＃４を気筒別仕事量Ｓｎｅｆｌｔ＃ｉとも表記する。

図７は、回転速度Ｎｅ、瞬時トルク相当値Ｎｅｆｌｔ及び気筒別仕事量Ｓｎｅｆｌｔ＃ｉの推移を示すタイムチャートである。図７において、瞬時トルク相当値Ｎｅｆｌｔは基準レベルＲｅｆに対して上下に振幅し、その瞬時トルク相当値Ｎｅｆｌｔを気筒毎の燃焼周期内で積分することにより気筒別仕事量Ｓｎｅｆｌｔ＃ｉが算出される。またこのとき、基準レベルＲｅｆよりも正側の瞬時トルク相当値Ｎｅｆｌｔの積分値が燃焼トルクに相当し、基準レベルＲｅｆよりも負側の瞬時トルク相当値Ｎｅｆｌｔの積分値が負荷トルクに相当する。なお、基準レベルＲｅｆは、各気筒を通じての平均回転速度に応じて決定されるようになっている。

この場合、各気筒の燃焼周期では本来燃焼トルクと負荷トルクとの収支が０になり、気筒別仕事量Ｓｎｅｆｌｔ＃ｉが０（燃焼トルク−負荷トルク＝０）となるが、気筒ごとの機差や経時変化等により各気筒で燃料噴射弁１６による噴射特性やフリクション特性などが相違すると、気筒別仕事量Ｓｎｅｆｌｔ＃ｉのばらつきが生じる。例えば、図示のように第１気筒ではＳｎｅｆｌｔ＃１＞０となり、第２気筒ではＳｎｅｆｌｔ＃２＜０となるなどのばらつきが生じる。

上記のように気筒別仕事量Ｓｎｅｆｌｔ＃ｉを算出することにより、燃料噴射弁１６の噴射特性等が、各気筒でそれぞれ基準に対してどれほどの差異を生じているかや、気筒間でどれほどのばらつきが生じているかなどを把握することができる。

そこで本実施形態では、気筒別仕事量Ｓｎｅｆｌｔ＃ｉを利用して、燃料噴射弁１６の噴射特性の気筒間のずれ量を、気筒別仕事量Ｓｎｅｆｌｔ＃ｉの気筒間のずれ量として学習する。図８に、上記ずれ量の算出にかかる処理の手順を示す。この処理は、ＮＥパルスの立ち上がり時に、ＥＣＵ３０により実行される。

図８において、まずステップＳ４０では、今回のＮＥ割込みの時刻と前回のＮＥ割込みの時刻とからＮＥパルスの時間間隔を算出するとともに、その時間間隔の逆数演算により今現在の回転速度Ｎｅ（瞬時回転速度）を算出する。続くステップＳ４２では、上記式（１）を用い、瞬時トルク相当値Ｎｅｆｌｔ（ｉ）を算出する。

続くステップＳ４４では、今回のＮＥパルス番号を判定する。そして、ステップＳ４６〜Ｓ５２では、上式（３）を用い、第１〜第４の気筒毎に気筒別仕事量Ｓｎｅｆｌｔ＃ｉを算出する。すなわち、
・ＮＥパルス番号が「０〜５」であれば、第１気筒の気筒別仕事量Ｓｎｅｆｌｔ＃１を算出し（ステップＳ４６）、
・ＮＥパルス番号が「６〜１１」であれば、第３気筒の気筒別仕事量Ｓｎｅｆｌｔ＃３を算出し（ステップＳ４８）、
・ＮＥパルス番号が「１２〜１７」であれば、第４気筒の気筒別仕事量Ｓｎｅｆｌｔ＃４を算出し（ステップＳ５０）、
・ＮＥパルス番号が「１８〜２３」であれば、第２気筒の気筒別仕事量Ｓｎｅｆｌｔ＃２を算出する（ステップＳ５２）。

その後、ステップＳ５４では、学習条件が成立しているか否かを判定する。この学習条件には、全気筒で気筒別仕事量の算出が完了していること、車両の動力伝達装置（ドライブトレイン）があらかじめ定めた状態にあること、環境条件があらかじめ定めた規定状態にあることなどが含まれており、それら全てが成立している場合に学習条件が成立している旨判定される。なお例えば、動力伝達装置については、動力伝達系のクラッチ装置が半クラッチ状態でないことを条件とすればよい。また例えば、環境条件としては、ディーゼル機関の水温が所定の暖機完了温度以上であることを条件とすればよい。

学習条件が成立していなければそのまま本処理を終了する。また、学習条件が成立していれば、ステップＳ５６に進む。ステップＳ５６では、カウンタｎｉｔｇｒを１インクリメントするとともに、次の式（４）を用いて気筒ごとの積算量Ｑｌｐ＃ｉを算出する。ここで、積算量Ｑｌｐ＃ｉは、気筒別仕事量Ｓｎｅｆｌｔ＃ｉに換算係数Ｋａを乗算することで算出される噴射特性値についての積算値である。この積算量Ｑｌｐ＃ｉは、上記カウンタｎｉｔｇｒが所定回数となるときに所定回数で平均化処理することで、噴射特性値を算出するためのものである。

Ｑｌｐ＃ｉ＝Ｑｌｐ＃ｉ＋Ｋａ×Ｓｎｅｆｌｔ＃ｉ …（４）

なお、上記処理を行なった際には、各気筒の気筒別仕事量Ｓｎｅｆｌｔ＃ｉを０にクリアする。

その後、ステップＳ５８では、カウンタｎｉｔｇｒが所定回数ｋｉｔｇｒに達したか否かを判定する。所定回数ｋｉｔｇｒは、上記気筒別仕事量Ｓｎｅｆｉｔ＃ｉに換算係数Ｋａを乗算することで得られる噴射特性値の算出に際して、ノイズ等による算出誤差を抑制することのできる値に設定されている。そして、ｎｉｔｇｒ≧ｋｉｔｇｒであることを条件にステップＳ６０に進む。ステップＳ６０では、次の式（５）を用いて気筒ごとの噴射特性値Ｑｌｒｎ＃ｉを算出する。また、積算量Ｑｌｐ＃ｉを０にクリアするとともに、カウンタｎｉｔｇｒを０にクリアする。

Ｑｌｒｎ＃ｉ＝Ｑｌｒｎ＃ｉ＋Ｋｂ×Ｑｌｐ＃ｉ／ｋｉｔｇｒ …（５）

式（５）において、所定回数ｋｉｔｇｒだけ積算された積算量Ｑｌｐ＃ｉが平均化され、その平均化された学習値により噴射特性値Ｑｌｒｎ＃ｉが更新される。このとき、積算量Ｑｌｐ＃ｉの平均化により、気筒別仕事量Ｓｎｅｆｌｔ＃ｉの毎回の誤差分が吸収されるようになっている。なお、上式（５）において、係数Ｋｂは、例えば「０＜Ｋｂ≦１」の間に設定される。

次に、ステップＳ６２では、次の式（６）を用いて学習値ΔＱｌｒｎ＃ｉを算出する。

式（６）によって、全気筒の噴射特性値Ｑｌｒｎ＃ｉの平均値（ΣＱｌｒｎ＃ｉ／４）に対する気筒ごとの噴射特性値Ｑｌｒｎ＃ｉのずれ量を算出することができる。ここで、学習値ΔＱｌｒｎ＃ｉを、上記式（６）の右辺の符号を変えた値としているのは、学習値ΔＱｌｒｎ＃ｉを、気筒間のずれを補償する値とするためである。なお、このステップＳ６２の処理は、気筒間のずれ量を算出する機能のみならず、学習値による補償による燃料噴射弁１６の噴射特性が基準となる特性に対して大きくずれていくことを回避する機能も有する。すなわち、ステップＳ６０の演算過程において、演算の最小単位であるＬＳＢ以下の値を四捨五入することで、全気筒の燃料噴射弁１６の噴射特性が全体として基準となる特性からずれていくおそれがある。これに対し、ステップＳ６２の処理により、全気筒の平均を基準とする処理をすることで、こうしたおそれを回避する。

続くステップＳ６４においては、学習値ΔＱｌｒｎ＃ｉを、常時記憶保持メモリ３２の所定の領域に書き込む。詳しくは、学習値ΔＱＬｒｎ＃ｉは、燃料噴射量とコモンレール１２内の燃圧とをパラメータとして分割される複数の領域毎に算出され、領域固有の学習値として各別に記憶される。

＜微小Ｑ学習と相対Ｑ学習との学習領域＞
本実施形態では、微小Ｑ学習と相対Ｑ学習とを行う領域を、図９に示す実線によって、噴射量が所定以上である領域と所定未満である領域とに分割する。すなわち、噴射量が微小な領域においては、微小Ｑ学習を行ない、噴射量が微小Ｑ学習領域よりも多いときには、相対Ｑ学習を行なう。このため、ＥＣＵ３０では、図１０に示す処理を行う。図１０は、相対Ｑ学習と微小Ｑ学習との選択にかかる処理の手順を示す。この処理は、ＥＣＵ３０により、例えば所定周期で繰り返し実行される。

この一連の処理では、ステップＳ７０において、微小Ｑ学習領域であるか否かを判断する。この処理は、先の図４のステップＳ１０の処理において肯定判断されるか否かを判断するものである。そして、微小Ｑ学習領域であると判断されると、ステップＳ７２において先の図４に示した微小Ｑ学習を行なう。詳しくは、このステップＳ７２の処理は、先の図４のステップＳ１２以降の処理と対応する。これに対し、ステップＳ７０において微小Ｑ学習がなされていないと判断されるときには、ステップＳ７４において、先の図８に示した処理を行う。

このように本実施形態では、微小Ｑ学習がなされていない領域において相対Ｑ学習を行なうことで、重複学習による学習処理の煩雑化を回避することができる。また、これは、噴射期間の増加に対する噴射量の増加の割合が噴射期間に応じて大きく変化する特性を有する燃料噴射弁１６を用いる場合には、学習精度を高く維持する上でも有効である。すなわち、こうした特性を有する場合、図９に破線にて示すようにアイドル回転速度における基本噴射量相当の噴射量と微小噴射相当の噴射量とを同一の領域として相対Ｑ学習によって得られる学習値は、微小Ｑ学習による学習値と大きく相違するおそれがある。このため、先の図９に破線にて示した領域を用いて学習を行なうなら、微小噴射の制御精度が低下するおそれがある。

＜相対Ｑ学習の修正＞
ところで、相対Ｑ学習による学習値ΔＱｌｒｎ＃ｉは、気筒間の噴射特性のばらつきを補償する値であり、各気筒の燃料噴射弁１６における実際の噴射特性と、燃料噴射制御において想定されている基準となる特性とのずれを補償するものではない。一方、ＥＣＵ３０内の各種制御は、基準となる特性を前提として適合されている。このため、相対Ｑ学習ΔＱｌｒｎ＃ｉによる学習値を用いたのでは、各種制御を最適な状態に維持することが困難となる懸念がある。例えばコモンレール１２内の燃圧の目標値等が排気特性を良好に保つ観点等から指令噴射量に基づき設定される場合には、実際の噴射量が指令噴射量からずれることで排気特性の低下をもたらす。

そこで本実施形態では、上記ＱＲコードに記憶された製品出荷時の学習値に基づき、相対Ｑ学習による学習値を用いて実現される噴射特性と基準となる噴射特性との差を補償するための全気筒一律の補正量（オフセット量Δ）を算出する。詳しくは、ＱＲコードに記憶された学習値に基づき、上記オフセット量Δに加えて、相対Ｑ学習値の初期値を算出する。

図１１に、相対Ｑ学習値の初期値及びオフセット量Δの算出処理の手順を示す。この処理は、ＥＣＵ３０により、例えば先の図３に示したようにＱＲコードに記憶された学習値がＥＣＵ３０に書き込まれた直後に実行される。

この一連の処理では、まずステップＳ８０において、ＱＲコードに記憶された学習値に基づき、相対Ｑ学習の各領域毎の学習値ＱＲ＃ｉを算出する。ここで、相対Ｑ学習の各学習値ΔＱｌｒｎ＃ｉは、図１２に示されるように燃圧と噴射量とによって分割される領域毎に記憶される。詳しくは、図中、×印にて示す各領域の中心点の学習値として記憶されている。ここで、中心点を定義するのは、燃料噴射制御に際して学習値を用いるに際し、指令噴射量及び燃圧が中心点以外に位置するときには、補間演算により学習値ΔＱｌｒｎ＃ｉを算出するためである。

そして、図中丸印にて示すＱＲコードに記憶された学習値を、各領域の各中心点における値に変換する。ここでは、基本的には中心点Ｃ１にて例示するように、中心点を囲う点におけるＱＲコードの学習値に基づき中心点における変換値を補間演算する。また、中心点Ｃ２にて例示するように、ＱＲコードの学習値が定められている点によって中心点が囲われていないときには、燃圧の値が中心点のものに近似する点におけるＱＲコードの学習値を用いた補間演算値、またはＱＲコードの学習値そのものを、当該中心点における変換値とする。ここで、燃圧の値が近似するものを用いるのは、燃料噴射弁１６の噴射特性の燃圧依存性が大きいことによる。

こうして各領域毎の値ＱＲ＃ｉを算出すると、ステップＳ８２において、値ＱＲ＃ｉの平均値として上記オフセット量Δを算出する。このオフセット量Δは、ディーゼル機関の燃料噴射弁１６の平均的な特性と基準となる特性とのずれを補償するための値である。

続いてステップＳ８４においては、各領域における相対Ｑ学習値の初期値ΔＱｌｒｎ０＃ｉを算出する。ここでは、各値ＱＲ＃ｉからオフセット量Δを減算した値を初期値ΔＱｌｒｎ０＃ｉとする。

上記処理により算出されるオフセット量Δを用いることで、燃料噴射弁１６の噴射特性を基準となる特性に高精度に一致させることができる。図１３に、オフセット量Δを用いることによる燃料噴射制御精度の改善例を示す。

図では指令噴射量が単位量の１０倍にあたる「１０」であり、各気筒の実際の噴射量が「９」、「８」、「１０」、「９」である場合を示す。この場合、ＱＲコードに記憶される学習値は、「１」、「２」、［０］、［１］となる。このＱＲ学習値を用いることで、燃料噴射弁１６の噴射特性を基準となる特性とすることができる。

一方、相対Ｑ学習値ΔＱｌｒｎ＃ｉは、全気筒の噴射量の平均値からのずれを補償する値となるため、「０」、「１」、「−１」、「０」となる。この相対Ｑ学習値ΔＱｌｒｎ＃ｉを用いると、気筒間の噴射量のばらつきを補償することができるとはいえ、各気筒の噴射量は、一律「９」となり、基準となる噴射特性によるものからずれたものとなってしまう。これは、全気筒の噴射量の平均値が「９」であることから、相対Ｑ学習値ΔＱｌｒｎ＃ｉは、各気筒の噴射量を平均値「９」とするための値となることによる。これに対し、本実施形態では、相対Ｑ学習値ΔＱｌｒｎ＃ｉにΔオフセット量Δを加算することで、補正後の噴射量を基準となる噴射特性によるものと一致させることができる。

なお、相対Ｑ学習値の初期値ΔＱｌｒｎ０＃ｉは、ＥＣＵ３０の出荷後、相対Ｑ学習がなされるまでの期間において、相対Ｑ学習値ΔＱｌｒｎ＃ｉとして代用される。更に、本実施形態では、図１４に示されるように、相対Ｑ学習に異常があると判断されるときに、初期値ΔＱｌｒｎ０＃ｉを、相対Ｑ学習値ΔＱｌｒｎ＃ｉとして代用する。図１４は、相対Ｑ学習異常時の処理手順を示す。この処理は、例えばＥＣＵ３０により、所定周期で繰り返し実行される。

この一連の処理では、ステップＳ９０において相対Ｑ学習に異常があるか否かを判断する。ここで、相対Ｑ学習の異常判定は、例えば相対Ｑ学習値ΔＱｌｒｎ＃ｉが大きく変化する時間が予め定められた時間以上となることや、相対Ｑ学習値ΔＱｌｒｎ＃ｉの絶対値が所定の閾値以上となることによって行えばよい。

そして、相対Ｑ学習に異常があると判断されるときには、パイロット噴射等の微小噴射以外の指令噴射量を補正するための補正値を、先の図１１の処理によって算出された相対Ｑ学習のための初期値とする。これに対し、相対Ｑ学習に異常がないと判断されるときには、補正値を相対Ｑ学習値ΔＱｌｒｎ＃ｉとする。ステップＳ９２、Ｓ９４の処理が完了すると、ステップＳ９６において、補正値とオフセット量Δとの和で指令噴射量を補正する。そして、ステップＳ９８では、補正された指令噴射量を用いて燃料噴射弁１６を操作する燃料噴射制御を行う。なお、ステップＳ９８の処理を完了すると、この一連の処理を一旦終了する。

これにより、例えばクランク角センサ２２の異常時等、相対Ｑ学習を適切に行うことができないときであっても、指令噴射量が不適切な値によって補正されることを回避することができる。更に、相対Ｑ学習の一時的な異常にあっては、異常から回復したときに速やかに相対Ｑ学習値ΔＱｌｒｎ＃ｉによる指令噴射量の補正を行うことができる。

以上詳述した本実施形態によれば、以下の効果が得られるようになる。

（１）相対Ｑ学習と微小Ｑ学習とを行う機能を有して且つ、微小Ｑ学習がなされない領域において、相対Ｑ学習を行った。これにより、重複学習による煩雑化を回避することができる。更に、排気特性に特に顕著に影響する微小噴射については、その学習専用の相対Ｑ学習を採用することで、排気特性を良好に保つ上でより適切な学習をすることもできる。

（２）燃料噴射弁１６に供給される燃料の圧力（燃圧）に応じて分割された複数の領域毎に、相対Ｑ学習の学習値及び微小Ｑ学習の学習値を学習した。これにより、燃圧に見合った学習を行なうことができるため、燃料噴射弁１６の噴射特性の燃圧依存性に適切に対処することができる。

（３）瞬時トルク相当値についての気筒毎の一定区間の積分値を算出した後、該積分値の全気筒での平均値を算出し、気筒毎の積分値と平均値との差分に基づき、噴射特性の学習値として相対Ｑ学習値ΔＱｌｒｎ＃ｉを算出した。これにより、気筒間の噴射量のばらつきを平滑化する燃料噴射制御が可能となる。

（４）ＱＲコードに記憶される学習値を用いて相対Ｑ学習値の初期値ΔＱｌｒｎ０＃ｉを設定した。これにより、相対Ｑ学習に基づく燃料噴射弁１６の操作の補正を、ＥＣＵ３０の出荷当初から行うことができる。

（５）ＱＲコードに記憶される学習値を用いて全気筒一律の補正量であるオフセット量Δを算出した。これにより、相対Ｑ学習値ΔＱｌｒｎ＃ｉによって気筒間の噴射量を均一化するのみならず、気筒毎の噴射量の絶対値を基準となる噴射特性に応じたものに補正することもできる。

（６）相対Ｑ学習に異常があるとき、初期値ΔＱｌｒｎ０＃ｉを用いて燃料噴射制御を行うことで、相対Ｑ学習の異常時であっても燃料噴射弁１６の噴射特性のずれを抑制することができる。

（その他の実施形態）
なお、上記各実施形態は、以下のように変更して実施してもよい。

・上記各実施形態では、噴射特性のずれを補償する値を噴射特性の学習値として学習したが、これに限らない。例えばＱＲコードに記憶される学習値や、微小Ｑ学習値として、実際の噴射量を学習し記憶してもよく、また、相対Ｑ学習にかかる学習値を「ΔＱｌｒｎ＃ｉ×（−１）」として学習してもよい。

・相対Ｑ学習の手法としては、先の図８に例示したものに限らない。例えばフィルタ処理をする周波数を単一の周波数としなくてもよい。要は、各気筒の燃料噴射に伴うクランク軸８の回転変動から把握される内燃機関の出力トルクと実際の噴射量との相関関係を用いて噴射特性の学習を行なうものであればよい。

・噴射量と燃圧とによって分割される領域毎に相対Ｑ学習の学習値を学習するものに限らない。例えば、燃圧のみによって分割される領域であってもよい。この場合、ＱＲコードに記憶される学習値を相対Ｑ学習のための各領域の中心点の値に変換する際にも、上記実施形態と同様、これら各中心点の近傍の学習値を用いた補間演算の手法を用いればよい。

・製品出荷前に学習する学習値の記憶手法としては、ＱＲコードを用いるものに限らず、例えば１次元コード等であってもよい。また、燃料噴射制御において想定される基準となる特性からのずれ量を補償する学習値を学習するタイミングは、ＥＣＵ３０の製品出荷前のみに限らず、例えば燃料噴射弁１６の交換等のメンテナンス時等であってもよい。

一実施形態にかかるエンジンシステムの全体構成を示す図。 同実施形態にかかるＱＲコードに記憶される学習値の学習ポイントを示す図。 同実施形態にかかるＱＲコードの学習値をＥＣＵ３０に記憶させる手法を示す図。 同実施形態にかかる微小Ｑ学習処理の手順を示すフローチャート。 各気筒の回転速度の推移を示すタイムチャート。 気筒別仕事量を算出するための制御ブロックを示すブロック図。 回転速度、瞬時トルク相当値及び気筒別仕事量の推移を示すタイムチャート。 上記実施形態にかかる学習値の学習にかかる処理手順を示すフローチャート。 同実施形態における相対Ｑ学習と微小Ｑ学習とのそれぞれの領域を示す図。 相対Ｑ学習を行なう領域を定めるための手順を示すフローチャート。 相対Ｑ学習の初期値及び基準となる噴射特性との絶対的な差を補償するオフセット量の算出処理の手順を示すフローチャート。 上記算出処理の一部の処理態様を示す図。 上記オフセット量による噴射特性の補正の効果を示す図。 相対Ｑ学習の異常時の処理手順を示すフローチャート。

符号の説明

１６…燃料噴射弁、３０…ＥＣＵ（燃料噴射制御装置の一実施形態）、３２…常時記憶保持メモリ（記憶手段の一実施形態）。

Claims (6)

1. 内燃機関の出力軸の回転速度の検出値をフィルタ処理して前記出力軸の単位時間におけるトルク相当値である瞬時トルク相当値を算出する手段、及び前記瞬時トルク相当値に基づき前記燃料噴射弁の噴射特性を推定する手段を備える第１の学習手段と、
   前記出力軸の回転速度の検出値を目標値にフィードバック制御すべく、要求される燃料量を等量分割して噴射する手段、及び該フィードバック制御時の燃料噴射量に基づき前記燃料噴射弁の噴射特性を学習する手段を備える第２の学習手段とを備え、
   前記第１の学習手段は、前記第２の学習手段による学習のなされない領域において、前記燃料噴射弁の噴射特性を学習することを特徴とする燃料噴射制御装置。
2. 前記第１の学習手段は、前記燃料噴射弁に供給される燃料の圧力に応じて分割された複数の領域毎に、前記噴射特性が各別に学習されてなることを特徴とする請求項１記載の燃料噴射制御装置。
3. 前記内燃機関は、多気筒内燃機関であり、
   前記第１の学習手段は、前記瞬時トルク相当値についての気筒毎の一定区間の積分値を算出する手段と、該積分値の全気筒での平均値を算出する手段と、前記気筒毎の積分値と前記平均値との差分に基づき、前記噴射特性の学習として前記気筒間の噴射特性のずれを学習する手段とを備えることを特徴とする請求項２記載の燃料噴射制御装置。
4. 前記燃料噴射弁の噴射特性を、当該燃料噴射制御装置による燃料噴射制御において想定される基準となる特性とするための補正値であって且つ、前記燃料噴射弁に供給される燃料の圧力に応じた複数の補正値を予め記憶する記憶手段を更に備え、
   前記第１の学習手段は、前記複数の補正値を用いて前記学習の初期値を設定することを特徴とする請求項３記載の燃料噴射制御装置。
5. 前記複数の補正値を前記各領域の初期値に変換する手段と、
   前記変換後の値の全領域の平均値を算出する手段と、
   前記平均値に対する前記変換後の値の差を、前記第１の学習手段によって学習されるずれに基づき前記燃料噴射弁を操作する際の全気筒一律の補正量として設定する設定手段とを備えることを特徴とする請求項４記載の燃料噴射制御装置。
6. 前記第１の学習手段の異常の有無を判断する手段を更に備え、
   前記第１の学習手段に異常があると判断されるとき、前記第１の学習手段によって学習されるずれに代えて、前記初期値を用いて燃料噴射制御を行うことを特徴とする請求項４又は５記載の燃料噴射制御装置。

Images