JP2010090736A - 内燃機関の異常診断装置 - Google Patents

Abstract

【課題】この発明は、内燃機関の異常診断装置に関し、内燃機関の広範な制御領域で、空燃比制御系の異常診断を行うことができる内燃機関の異常診断装置を提供することを目的とする。
【解決手段】ＥＣＵ５０は、システム同定部５２と、定常・過渡推定部６０、出力Ａ／Ｆ推定部６２、帰属確率演算部６４、異常判定部６６から構成される。システム同定部５２は、内燃機関１０の運転状態に応じた定常状態用空燃比モデル／過渡状態用空燃比モデルの同定を行う。異常判定は、（i）運転状態予測フラグｉ＾（ｋ）値と実運転状態の判定値ｉ（ｋ）との比較結果、（ii）ｙ＾（ｋ＋１）と実空燃比ｙ（ｋ＋１）との比較結果、又は（iii）帰属確率ｗ_ｚ＾ ^（Ｃ１）又はｗ_ｚ＾ ^（Ｃ２）と所定確率との比較結果を利用することにより行われる。
【選択図】図２

Description

この発明は、内燃機関の異常診断装置に関し、特に、内燃機関の運転状態に対応した空燃比モデルを利用して空燃比制御系の異常判定を行う内燃機関の異常診断装置に関する。

従来、例えば特許文献１には、定常運転時に計測した空燃比と目標空燃比とのずれから特性モデルを求め、この特性モデルに基づいて算出した目標燃料噴射量と、実際の燃料噴射量とのずれを算出し、このずれから燃料噴射器の異常を診断する方法が開示されている。この方法によれば、特性モデルに基づいて、燃料噴射器の初期誤差や経時劣化を算出し、燃料噴射器の故障診断をすることができる。

特開２０００−１２０４８０号公報 特開平０６−６６１８８号公報 特開平１０−３３３７０５号公報 特開２００６−１１８４２８号公報

ところで、燃料噴射器を含む内燃機関の空燃比制御系の異常診断は、内燃機関の広範な制御領域で精度良く行われることが好ましい。特許文献１の方法は、定常状態で得られたデータに基づいて作成した特性モデルによって異常診断を行っている。このため、定常状態においては、空燃比制御系の特性について、精度の高い異常診断ができると考えられる。しかしながら、過渡状態においては、この特性が定常状態とは異なる挙動を示すため、定常状態に基づいて作成された特性モデルでは、過渡状態の挙動を予測するのに十分でない可能性がある。したがって、特許文献１の方法では、定常・過渡といった広範な制御領域に渡り、精度良く異常診断が行えるとはいえなかった。

この発明は、上述のような課題を解決するためになされたもので、内燃機関の広範な制御領域で、空燃比制御系の異常診断を行うことができる内燃機関の異常診断装置を提供することを目的とする。

第１の発明は、上記の目的を達成するため、内燃機関の異常診断装置であって、
現在までの燃料噴射量及び空燃比に基づいて、内燃機関の運転状態が定常状態であるか、或いは過渡状態であるかを推定するための運転状態推定手段と、
内燃機関の運転状態が定常状態の場合における将来の空燃比を推定するための定常状態用空燃比モデルと、
内燃機関の運転状態が過渡状態の場合における将来の空燃比を推定するための過渡状態用空燃比モデルと、
前記運転状態推定手段で推定した結果を推定運転状態として取得、及び前記定常状態用空燃比モデル又は前記過渡状態用空燃比モデルで推定した結果を推定空燃比として取得、の少なくとも一方を行う推定結果取得手段と、
前記内燃機関の実際の空燃比である実空燃比及び前記内燃機関の実際の運転状態である実運転状態の少なくとも一方を取得する実測結果取得手段と、
前記推定運転状態と前記実運転状態とが異なる場合、又は前記推定空燃比と前記実空燃比との偏差が予め定めた閾値よりも大きい場合に内燃機関の空燃比制御系の異常を判定する異常判定手段と、
を備えることを特徴とする。

また、第２の発明は、第１の発明において、
過去の燃料噴射量及び空燃比に基づく回帰ベクトルと現在の空燃比とから構成される現在の観測データベクトルを、内燃機関の定常状態に対応する定常状態クラスタ又は内燃機関の過渡状態に対応する過渡状態クラスタにクラスタリングするクラスタリング手段と、
前記クラスタリング後の前記現在の観測データベクトル基づいて、前記空燃比モデルのパラメータを推定するパラメータ推定手段と、
を備えることを特徴とする。

また、第３の発明は、第２の発明において、
現在までの燃料噴射量及び空燃比に基づく回帰ベクトルと前記推定空燃比とから構成される将来の観測データベクトルが、前記定常状態クラスタ又は前記過渡状態クラスタに帰属する帰属確率を演算する帰属確率演算手段と、
前記帰属確率を取得する帰属確率取得手段と、
を備え、
前記異常判定手段は、
前記帰属確率が予め定めた判定確率よりも低い場合に内燃機関の空燃比制御系の異常を判定する第２異常判定手段を備えることを特徴とする。

また、第４の発明は、第１乃至第３いずれか１項の発明において、
前記運転状態推定手段は、
過去の燃料噴射量及び空燃比から構成される回帰ベクトルを含むベクトル空間を、内燃機関の定常状態に対応するベクトル空間と、過渡状態に対応するベクトル空間とに分割する分離超平面を推定する分離超平面推定手段を備えることを特徴とする。

また、第５の発明は、第４の発明において、
現在までの燃料噴射量及び空燃比から構成される回帰ベクトルと、前記分離超平面を表すパラメータとを用いて、前記分離超平面からの距離を演算する距離演算手段と、
前記距離を取得する距離取得手段と、
を備え、
前記異常判定手段は、
前記距離が予め定めた判定距離よりも遠い場合に内燃機関の空燃比制御系の異常を判定する第３異常判定手段を備えることを特徴とする。

第１の発明によれば、現在までの燃料噴射量及び空燃比に基づいて、運転状態が定常状態であるか、或いは過渡状態であるかを推定できる。また、推定した運転状態にそれぞれ対応した空燃比モデルから、将来の空燃比を推定できる。そして、推定した運転状態と実際の運転状態とが異なる場合、又は推定した空燃比と実際の空燃比との偏差が予め定めた閾値よりも大きい場合に内燃機関の空燃比制御系の異常を判定することができる。したがって、定常・過渡といった広範な制御領域に渡り、内燃機関の異常診断を行うことができる。

第２の発明によれば、現在までの燃料噴射量及び空燃比から構成されるデータをクラスタリングし、クラスタリング後のデータから、将来の空燃比を推定するための空燃比モデルのパラメータを推定することができる。このパラメータの推定は、現在までの燃料噴射量及び空燃比のデータを逐次更新することにより可能となる。したがって、定常・過渡状態のそれぞれに対応した空燃比モデルを逐次同定することができる。

第３の発明によれば、第２の発明でクラスタリングした後のそれぞれのクラスタに、将来の観測データが帰属する帰属確率を演算できる。そして、この帰属確率を内燃機関の異常診断要素として用いることができる。したがって、高精度な異常診断を行うことができる。

第４の発明によれば、現在までの燃料噴射量及び空燃比から構成される回帰ベクトルを用い、それぞれの運転状態に対応するベクトル空間の境界である分離超平面を推定することができる。

第５の発明によれば、第４の発明で推定した分離超平面からの距離を演算し、この距離を内燃機関の異常診断要素として用いることができる。したがって、高精度な異常診断を行うことができる。

実施の形態１．
[実施の形態１におけるシステム構成の説明]
先ず、図１を参照して、本実施の形態１に係る異常診断装置の構成について説明する。図１は、本実施の形態１に係る異常診断装置の構成を説明するための図である。

実施形態１の異常診断装置は、車両に動力源として搭載される内燃機関１０を備えている。内燃機関１０は、例えば車両の動力源として用いられるものとする。内燃機関１０の気筒数や気筒配置は、特に限定されるものではない。

内燃機関１０の気筒には、吸気通路１２及び排気通路１４が連通している。吸気通路１２には、スロットル弁１６が配置されている。スロットル弁１６の開度は、スロットルモータ１８の作動によって調整される。スロットル弁１６の近傍には、スロットル弁１６の開度を検出するためのスロットルポジションセンサ２０が配置されている。

内燃機関１０の気筒には、吸気ポート２２内に燃料を噴射するための燃料インジェクタ２４が配置されている。尚、内燃機関１０は、図示のようなポート噴射式のものに限らず、燃料を筒内に直接噴射する筒内直接噴射式のものであっても良く、また、ポート噴射と筒内噴射とを併用するものであっても良い。

排気通路１４には、空燃比センサ２６が配置されている。空燃比センサ２６は、内燃機関１０から流出してくる排気ガスが理論空燃比に対してリッチであるか、或いはリーンであるかに応じて急変する出力を発するセンサである。

本実施のシステムは、ＥＣＵ(Electronic Control Unit)５０を更に備えている。ＥＣＵ５０には、上述した各種のセンサ及びアクチュエータが接続されている。ＥＣＵ５０は、各センサの出力等に基づいて、燃料噴射量、空燃比、スロットル開度等を制御する。尚、ＥＣＵ５０は、後述する異常診断装置として機能するほか、空燃比センサ２６の出力を燃料インジェクタ２４からの燃料噴射量にフィードバックする空燃比制御装置としても機能している。

図２は、ＥＣＵ５０が異常診断装置として機能する場合の機能ブロック図である。図２に示すように、ＥＣＵ５０は、システム同定部５２、定常・過渡推定部６０、出力Ａ／Ｆ推定部６２、帰属確率演算部６４及び異常判定部６６から構成される。また、システム同定部５２は、データクラスタリング部５４、分離超平面推定部５６及びシステムパラメータ推定部５８から構成される。

（システム同定部５２）
システム同定部５２は、燃料噴射量から空燃比までのエンジン特性を記述する同定式を、内燃機関１０の定常・過渡状態で同定式が切り替わる区分的ＡＲＸ（Auto-Regressive eXogeneous）モデルとして同定を行うように構成されている。システム同定部５２は、過去の入出力データに基づいて、以下の式（１）及び（２）のパラメータθ_１、θ_２、ａ、ｂを決定し、区分的ＡＲＸモデルの同定を行う。

同定は、過去の実際の燃料噴射量（実燃料噴射量）及び実際の空燃比（実空燃比）を、過去の入出力データとして用いることにより行う。時刻ｋに燃料インジェクタ２４から噴射された実際の燃料噴射量をｕ(ｋ)、空燃比センサ２６の出力である空燃比をｙ(ｋ)とする。そうすると、過去の入出力データは、ｕ(ｋ−１)，ｕ(ｋ−２)，…、及びｙ(ｋ−１)，ｙ(ｋ−２)，…で表される。これら過去の入出力データは、ＥＣＵ５０にバッファリングされている。

過去の入出力データに基づくエンジン特性が区分的ＡＲＸモデルに従うと仮定すると、燃料噴射量と空燃比との関係は次式（１）及び（２）で表される。

上式（１）が過渡状態に対応し、上式（２）が定常状態に対応するものとする。上式（１）及び（２）において、ｅ（ｋ）は式誤差であり、θ_１及びθ_２は、未知パラメータである。また、右肩の添え字「Ｔ」は転置行列を意味する。

また、上式（１）及び（２）において、ｘ（ｋ）は回帰ベクトルであり、過去の実燃料噴射量及び実空燃比を用いて、
ｘ（ｋ）＝［ｙ（ｋ−１）， … ，ｙ（ｋ−ｎ_ｙ），ｕ（ｋ−１）， … ，ｕ（ｋ−ｎ_ｕ）］^Ｔ ・・・（３）
により与えられる。上式（３）において、ｋは、ｋ＝１,２,…,Ｎの離散時刻の値であり、Ｎはデータ数である。自然数ｎ_ｕ,ｎ_ｙは、それぞれモデルを記述するために必要な過去の入出力データの個数を表す。

また、上式（１）及び（２）に示すように、過渡状態と定常状態は、回帰ベクトル空間上における分離超平面で分割されるものとする。これら２つの状態の境界である分離超平面は、次式（４）で表される。
ａ^Ｔｘ(ｋ)＋ｂ＝０ ・・・（４）
上式（４）において、ａ及びｂは、分離超平面の未知パラメータである。

（データクラスタリング部５４）
システム同定部５２内のデータクラスタリング部５４は、過去の入出力データを、内燃機関の内燃機関の過渡状態に対応する過渡状態クラスタＣ_１又は定常状態に対応する定常状態クラスタＣ_２に分類するように構成されている。

クラスタリングは、まず、観測データベクトルｚ_ｋ＝（ｘ（ｋ）,ｙ（ｋ））を定義する。そして、この観測データベクトルｚ_ｋのＮ個の観測データ（ｚ_１，・・・，ｚ_Ｎ）が、過渡状態及び定常状態に対応する正規分布からなる混合正規分布に従うと仮定する。

混合正規分布は、パラメータΦ＝（α_１，α_２，μ_１，μ_２，Σ_１，Σ_２）を用いて次式（５）のように表される。

上式（５）において、α_１、α_２は、混合正規分布の混合比であり、α_１，α_２≧０，α_１＋α_２＝１の関係を満たす。また上式（５）において、μ_１，μ_２は、過渡状態、定常状態のそれぞれに対応する正規分布の平均ベクトルを示す。同様に、Σ_１、Σ_２は、それぞれに対応する正規分布の共分散行列を示す。添え字「ｎ_ｚ」は、次元数を示す。さらにｄｅｔΣは、Σの行列式を示し、行列の右肩の添え字「−１」は逆行列を意味する。

続いて、混合正規分布のパラメータΦを最尤推定法により求める。尤度関数

を最大化するパラメータΦは、ＥＭアルゴリズムを用いることにより推定することができる。ＥＭアルゴリズムでは、パラメータΦを反復的に計算することができる。パラメータΦは、離散時刻ごとに更新され、ＥＣＵ５０に記憶される。

続いて、求めたパラメータΦを用いて、観測データのクラスタリングを行う。ここで、観測データがクラスタＣ_１に帰属する帰属確率をｗ_ｚ ^（Ｃ１）、クラスタＣ_２に帰属する帰属確率をｗ_ｚ ^（Ｃ２）とすると、ｗ_ｚ ^（Ｃ１）＋ｗ_ｚ ^（Ｃ２）＝１を満たす。そして、これらｗ_ｚ ^（Ｃ１）、ｗ_ｚ ^（Ｃ２）をＥＭアルゴリズムによって推定する。クラスタリングは、得られた帰属確率がより高い部分分布に対応するクラスタに分類する。すなわち、ｗ_ｚ ^（Ｃ１）＞０．５のデータをクラスタＣ_１に、ｗ_ｚ ^（Ｃ２）＞０．５のデータをクラスタＣ_２に分類する。こうすることで、観測データをそれぞれのクラスタにクラスタリングすることができる。

（分離超平面推定部５６）
システム同定部５２内の分離超平面推定部５６は、過渡状態と定常状態とを分割する回帰空間状の分離超平面の未知パラメータを推定するように構成されている。上式（４）により与えられる分離超平面の未知パラメータａ、ｂは次式（８）に示す２次最適化問題を解くことにより推定できる。

上式（８）において、ν_ｋは、分類誤差項を示す。パラメータａ、ｂは、離散時刻ごとに更新され、ＥＣＵ５０に記憶される。

（システムパラメータ推定部５８）
システム同定部５２内のシステムパラメータ推定部５８は、データクラスタリング部５４でクラスタリングした観測データを用いて、未知パラメータθ_１、θ_２を推定するように構成されている。未知パラメータθ_１、θ_２は、次式（９）及び（１０）により推定できる。

上式（９）及び（１０）において、Ｎ_１、Ｎ_２は、それぞれクラスタＣ_１、Ｃ_２に含まれるデータ数を示す。パラメータθ_１、θ_２は、離散時刻ごとに更新され、ＥＣＵ５０に記憶される。

以上により、システム同定部５２では、内燃機関１０の定常・過渡状態で同定式が切り替わる区分的ＡＲＸ（Auto-Regressive eXogeneous）モデルの同定が行われる。現在の時刻を時刻ｋとすると、時刻ｋ＋１における推定空燃比ｙ＾（ｋ＋１）は、時刻ｋまでの燃料噴射量をｕ(ｋ)と空燃比ｙ(ｋ)とを用い、次式（１１）及び（１２）のように記述される。なお、本明細書において、添え字「＾」は、推定値を表すものとする。

尚、上式（１１）が本発明の過渡状態用空燃比モデルに、上式（１２）が本発明の定常状態用空燃比モデルにそれぞれ該当する。また、上式（１１）及び（１２）において、ξ（ｋ）は回帰ベクトルであり、時刻ｋまでの実燃料噴射量及び実空燃比を用いて、
ξ（ｋ）＝［ｙ（ｋ）， … ，ｙ（ｋ−ｎ_ｙ＋１），ｕ（ｋ）， … ，ｕ（ｋ−ｎ_ｕ＋１）］^Ｔ ・・・（１３）
により与えられる。

（定常・過渡推定部６０）
定常・過渡推定部６０は、パラメータａ、ｂ及び上式（１３）を用い、内燃機関１０の運転状態が定常であるか、或いは過渡であるかを推定するように構成されている。具体的に、推定は、時刻ｋ−１で推定したパラメータａ、ｂと、過去の入出力データに時刻ｋの入出力データを加えた回帰ベクトルξ（ｋ）とからａ^Ｔξ（ｋ）＋ｂを演算する。そして、ａ^Ｔξ（ｋ）＋ｂ≧０であれば、定常・過渡推定部６０は、内燃機関１０が過渡状態であると推定し、運転状態予測フラグｉ＾（ｋ）＝１がＥＣＵ５０にバッファリングされる。一方、ａ^Ｔξ（ｋ）＋ｂ＜０であれば、定常・過渡推定部６０は、内燃機関１０が定常状態と推定し、運転状態予測フラグｉ＾（ｋ）＝０がＥＣＵ５０にバッファリングされる。

（出力Ａ／Ｆ推定部６２）
出力Ａ／Ｆ推定部６２では、パラメータθ_１及び上式（１１）、又はパラメータ及びθ_２（１２）を用い、時刻ｋ＋１における空燃比ｙ＾（ｋ＋１）を推定する。上述の通り、定常・過渡推定部６０により、運転状態予測フラグｉ＾（ｋ）値がＥＣＵ５０にバッファリングされている。この運転状態予測フラグｉ＾（ｋ）値に基づき、出力Ａ／Ｆ推定部６２は、内燃機関１０の推定運転状態に対応した推定空燃比ｙ＾（ｋ＋１）を演算する。ｙ＾（ｋ＋１）は、ＥＣＵ５０にバッファリングされる。

（帰属確率演算部６４）
帰属確率演算部６４は、パラメータΦ、及び上式（５）又は（６）を用い、時刻ｋ＋１における観測データベクトルｚ＾_ｋが、クラスタＣ_１又はＣ_２に帰属する帰属確率を演算するように構成されている。上述の通り、データクラスタリング部５４では、時刻ｋ−１までの入出力データに基づいて、パラメータΦが推定されている。また、上述の通り、出力Ａ／Ｆ推定部６２では、内燃機関１０の推定運転状態に対応したｙ＾（ｋ＋１）が演算されている。

ここで、観測データベクトルｚ＾_ｋ＝（ξ（ｋ），ｙ＾（ｋ＋１））を定義する。そうすると、帰属確率演算部６４は、ｚ＾_ｋがクラスタＣ_１に帰属する帰属確率ｗ_ｚ＾ ^（Ｃ１）又はクラスタＣ_２に帰属する帰属確率ｗ_ｚ＾ ^（Ｃ２）を演算する。ここで、演算される帰属確率は、内燃機関１０の推定運転状態に対応する帰属確率が該当する。すなわち、定常・過渡推定部６０で推定された運転状態が過渡状態であれば、演算される帰属確率はｗ_ｚ＾ ^（Ｃ１）となり、定常状態であれば、ｗ_ｚ＾ ^（Ｃ２）となる。ｗ_ｚ＾ ^（Ｃ１）又はｗ_ｚ＾ ^（Ｃ２）は、ＥＭアルゴリズムによって推定できる。推定後のｗ_ｚ＾ ^（Ｃ１）又はｗ_ｚ＾ ^（Ｃ２）は、ＥＣＵ５０にバッファリングされる。

（異常判定部６６）
異常判定部６６は、運転状態予測フラグｉ＾（ｋ）、ｙ＾（ｋ＋１）、ｗ_ｚ＾ ^（Ｃ１）又はｗ_ｚ＾ ^（Ｃ２）に基づいて内燃機関１０の空燃比制御系の異常判定を行うように構成されている。異常判定は、（i）運転状態予測フラグｉ＾（ｋ）値と実運転状態の判定値ｉ（ｋ）との比較結果、（ii）ｙ＾（ｋ＋１）と実空燃比ｙ（ｋ＋１）との比較結果、又は（iii）帰属確率ｗ_ｚ＾ ^（Ｃ１）又はｗ_ｚ＾ ^（Ｃ２）と所定確率との比較結果を利用することにより行われる。

上記（i）では、定常・過渡推定部６０で推定した運転状態予測フラグｉ＾（ｋ）値と、実運転状態の判定値ｉ（ｋ）とが比較される。ここで、実運転状態の判定は、ＥＣＵ５０内の定常・過渡判定部（図示せず）によって行われ、スロットル弁１６の単位時間当たりの開度の変化量が、予め決められた設定値以上であれば過渡、それ以外は定常というように判定される。判定値ｉ（ｋ）は、過渡状態であればｉ（ｋ）＝１がＥＣＵ５０にバッファリングされる。一方、定常状態であれば、ｉ（ｋ）＝０がＥＣＵ５０にバッファリングされる。運転状態予測フラグｉ＾（ｋ）値と、判定値ｉ（ｋ）の値とが一致しない場合は、空燃比制御系の異常可能性が認められる。このため、異常判定部６６は、運転状態予測フラグｉ＾（ｋ）値と、判定値ｉ（ｋ）とを比較し、これらの値が不一致の場合は異常信号を発するように構成されている。

また、上記（ii）では、出力Ａ／Ｆ推定部６２で推定した推定空燃比ｙ＾（ｋ＋１）と実空燃比ｙ（ｋ＋１）とが比較される。ここで、実空燃比ｙ（ｋ＋１）は、時刻ｋ＋１において空燃比センサ２６から実際に取得された空燃比であり、ＥＣＵ５０にデータとして記録されている。ｙ＾（ｋ＋１）とｙ（ｋ＋１）との偏差が一定値以上であれば、空燃比制御系の異常可能性が認められる。このため、これらの間異常判定部６６は、ｙ＾（ｋ＋１）とｙ（ｋ＋１）とを比較し、これらの間の偏差が予め決められた設定値以上であれば異常信号を発するように構成されている。

また、上記（iii）では、帰属確率ｗ_ｚ＾ ^（Ｃ１）又はｗ_ｚ＾ ^（Ｃ２）と予め決められた設定値との比較がされる。比較に用いられる帰属確率は、内燃機関１０の推定運転状態に対応する帰属確率である。また、予め決められた設定値は、帰属確率の下限値として、別途ＥＣＵ５０に記憶されている。帰属確率ｗ_ｚ＾ ^（Ｃ１）又はｗ_ｚ＾ ^（Ｃ２）が下限値以下の場合には、空燃比制御系の異常可能性が認められる。このため、異常判定部６６は、該当する帰属確率とこの下限値とを比較し、帰属確率が下限値を下回る場合には、異常信号を発するように構成されている。

異常判定は、上記（i）〜（iii）の異常信号が、予め定めた判定時間内において、設定回数検出されるか否かで判定される。具体的には、上記（i）〜（iii）の異常信号が検出された場合、異常判定部６６に内蔵した異常カウンタのカウンタ値が増加される。そして、予め決めた判定時間内において、このカウンタ値が設定値以上に到達した場合に、内燃機関１０の空燃比制御系の異常と判定される。

[実施の形態１における具体的処理]
次に、図３を参照して本実施の形態においてＥＣＵ５０が実行する異常診断ルーチンを説明する。図３のルーチンは、異常診断を行うための判定時間の期間、例えば燃料インジェクタ２４からの燃料噴射タイミング毎に繰り返されるものとする。

まず、ステップ１００では、本実施の形態で用いる区分的ＡＲＸモデルのパラメータθ_１、θ_２、ａ、ｂを読み込む。上述の通り、システム同定部５２では、過去の入出力データに基づいて区分的ＡＲＸモデルの同定を行っている。このため、ＥＣＵ５０は、これらのパラメータを読み込む。

続いて、ステップ１２０では、時刻ｋにおける燃料噴射量ｕ（ｋ）を読み込む。上述したように、ＥＣＵ５０は、異常診断装置として機能するほか、空燃比制御装置としても機能している。燃料噴射量ｕ（ｋ）は、ＥＣＵ５０が空燃比制御装置として機能している場合に、ＥＣＵ５０から燃料インジェクタ２４に対して指令される実際の燃料噴射量が読み込まれる。同様に、ステップ１４０では、空燃比センサ２６から取得される実際の空燃比が読み込まれる。

続いて、ステップ１６０では、ステップ１００で読み込んだパラメータａ、ｂと、回帰ベクトルξ（ｋ）とから、ａ^Ｔξ（ｋ）＋ｂが演算される。上述の通り、定常・過渡推定部６０において、時刻ｋ−１で推定したパラメータａ、ｂと、過去の入出力データに時刻ｋの入出力データを加えた回帰ベクトルξ（ｋ）とからａ^Ｔξ（ｋ）＋ｂが演算される。そして、ａ^Ｔξ（ｋ）＋ｂ≧０であれば、運転状態予測フラグｉ＾（ｋ）＝１がＥＣＵ５０にバッファリングされる。一方、ａ^Ｔξ（ｋ）＋ｂ＜０であれば、運転状態予測フラグｉ＾（ｋ）＝０がＥＣＵ５０にバッファリングされる（ステップ１８０）。

続いて、ステップ２００では、過渡状態か否かが判定される。そして、運転状態予測フラグｉ＾（ｋ）が１、すなわち過渡状態であると判定された場合には、ステップ２２０に進み、推定空燃比ｙ＾（ｋ＋１）が演算される。上述の通り、過渡状態の場合には、出力Ａ／Ｆ推定部６２において、式（１１）によりｙ＾（ｋ＋１）が演算される。このｙ＾（ｋ＋１）は、ステップ２４０でＥＣＵ５０にバッファリングされる。一方、ステップ２００において、運転状態予測フラグｉ＾（ｋ）が１でない、すなわち定常状態であると判定された場合には、ステップ２６０に進む。

ステップ２４０に続いて、ステップ２８０では、観測データベクトルｚ＾_ｋ＝（ξ（ｋ），ｙ＾（ｋ＋１））について、クラスタＣ_１に帰属する帰属確率ｗ_ｚ＾ ^（Ｃ１）が演算される。上述の通り、過渡状態の場合には、帰属確率演算部６４において、帰属確率ｗ_ｚ＾ ^（Ｃ１）が推定される。この帰属確率ｗ_ｚ＾ ^（Ｃ１）は、ステップ３００でＥＣＵ５０にバッファリングされる。

ステップ２６０では、ステップ２２０と同様に推定空燃比ｙ＾（ｋ＋１）が演算される。上述の通り、定常状態の場合には、出力Ａ／Ｆ推定部６２において、式（１２）によりｙ＾（ｋ＋１）が演算される。このｙ＾（ｋ＋１）は、ステップ３２０でＥＣＵ５０にバッファリングされる。また、ステップ３４０では、ステップ２８０と同様に帰属確率ｗ_ｚ＾ ^（Ｃ２）が演算される。上述の通り、定常状態の場合には、帰属確率演算部６４において、帰属確率ｗ_ｚ＾ ^（Ｃ２）が推定される。この帰属確率ｗ_ｚ＾ ^（Ｃ２）は、ステップ３６０でＥＣＵ５０にバッファリングされる。

ステップ３００又はステップ３６０に続いて、ステップ３８０では、内燃機関１０の空燃比制御系の異常診断が実行される。

次に、ステップ３８０で実行される異常診断のルーチンを図４のフローチャートを参照して説明する。まず、ステップ４００では、異常判定部６６に内蔵した異常カウンタがＯＮか否かが判定される。ＯＮでないと判定された場合には、ステップ４２０で異常カウンタがＯＮとされる。一方、異常カウンタがＯＮと判定された場合には、ステップ４４０に進む。

ステップ４４０では、実運転状態の判定値ｉ（ｋ）が読み込まれる。上述の通り、実運転状態の判定値ｉ（ｋ）は、ＥＣＵ５０にバッファリングされている。また、ステップ４６０では、実空燃比ｙ（ｋ＋１）が読み込まれる。実空燃比ｙ（ｋ＋１）は、空燃比センサ２６によって取得され、ＥＣＵ５０に読み込まれる。

ステップ４８０では、運転状態予測フラグｉ＾（ｋ）と、実運転状態の判定値ｉ（ｋ）とが比較される。上述の通り、定常・過渡推定部６０による処理の結果、ｉ＾（ｋ）がＥＣＵ５０にバッファリングされている。このため、ステップ４８０では、このｉ＾（ｋ）とステップ４４０で読み込んだｉ（ｋ）とが比較される。そして、ｉ＾（ｋ）＝ｉ（ｋ）の場合には、ステップ５００へ進む。そうでない場合には、ステップ５２０へ進み、異常カウンタのカウンタ値が１増加される。

ステップ５００では、推定空燃比ｙ＾（ｋ＋１）と実空燃比ｙ（ｋ＋１）とが比較される。上述の通り、出力Ａ／Ｆ推定部６２による処理の結果、ｙ＾（ｋ＋１）がＥＣＵ５０にバッファリングされている。このため、ステップ４８０では、このｙ＾（ｋ＋１）とステップ４６０で読み込んだｙ（ｋ＋１）とが比較される。そして、これらの間の偏差が予め決められた閾値よりも小さい場合には、ステップ５４０へ進む。そうでない場合には、ステップ５２０へ進み、異常カウンタのカウンタ値が１増加される。

ステップ５４０では、帰属確率ｗ_ｚ＾ ^（Ｃ１）又はｗ_ｚ＾ ^（Ｃ２）と予め決められた閾値との比較がされる。上述の通り、帰属確率演算部６４による処理の結果、内燃機関１０の推定運転状態に対応する帰属確率がＥＣＵ５０にバッファリングされている。また、予め決められた閾値は、帰属確率の下限値として、別途ＥＣＵ５０に記憶されている。このため、ステップ５４０では、この帰属確率と下限値とが比較される。そして、帰属確率が下限値以上の場合には、ステップ５６０へ進み、異常カウンタがリセットされる。そうでない場合には、ステップ５２０へ進み、異常カウンタのカウンタ値が１増加される。

ステップ５８０では、異常カウンタのカウンタ値が閾値（設定値）以上か否かが判定される。上述の通り、異常判定部６６では、予め決めた判定時間内において、異常カウンタが設定値以上に到達した場合に、内燃機関１０の空燃比制御系が異常と判定される。このため、ステップ５８０では、カウンタ値と、設定値とが比較される。そして、カウンタ値が設定値以上の場合には、ステップ６００へ進み、異常と診断される。そうでない場合には、ステップ６２０へ進み、正常と診断される。

以上説明した通り、図３及び４に示すルーチンによれば、時刻ｋまでの入出力データに基づく回帰ベクトルを演算し、この回帰ベクトルに基づいて、時刻ｋの運転状態を逐次推定することができる。また、推定した運転状態に応じたモデルに基づいて、時刻ｋ＋１の空燃比をも逐次推定することができる。また、回帰ベクトルと推定した空燃比から構成されるデータベクトルの帰属確率を演算することができる。そして、これら３つの診断要素を用いることにより、内燃機関１０の空燃比制御系の高精度な異常診断を行うことができる。さらに、これら３つの診断要素を用いることで、異常診断の診断ミスの低減も図られる。

尚、本実施の形態では、回帰ベクトルξ（ｋ）に用いられる時刻ｋまでの空燃比データは、時刻ｋまでの実空燃比ｙ（ｋ）， … ，ｙ（ｋ−ｎ_ｙ＋１）を用いたが、これらのデータは、時刻ｋまでの推定空燃比ｙ＾（ｋ）， … ，ｙ＾（ｋ−ｎ_ｙ＋１）を用いてもよい。この場合、上式（１３）は、ξ＾（ｋ）＝［ｙ＾（ｋ）， … ，ｙ＾（ｋ−ｎ_ｙ＋１），ｕ（ｋ）， … ，ｕ（ｋ−ｎ_ｕ＋１）］^Ｔと表されることになる。

尚、上述した実施の形態１においては、定常・過渡推定部６０が前記第１の発明における「運転状態推定手段」に相当する。また、ＥＣＵ５０が、上記ステップ１８０の処理、又は、上記ステップ２４０若しくは上記ステップ３２０の処理を実行することにより前記第１の発明における「推定値取得手段」が、上記ステップ４４０又はステップ４６０の処理を実行することにより前記第１の発明における「実測値取得手段」が、ステップ４８０〜５６０の一連の処理を実行することにより前記第１の発明における「異常判定手段」が、それぞれ実現されている。

また、上述した実施の形態１においては、データクラスタリング部５４が前記第２の発明における「クラスタリング手段」に、システムパラメータ推定部５８が前記第２の発明における「パラメータ推定手段」に、それぞれ相当する。

また、上述した実施の形態１においては、帰属確率演算部６４が前記第３の発明における「帰属確率演算手段」に相当する。また、ＥＣＵ５０が、上記ステップ３００又はステップ３６０の処理を実行することにより前記第３の発明における「帰属確率取得手段」が、ステップ５４０、５６０、５２０の処理を実行することにより前記第３の発明における「第２異常判定手段」が、それぞれ実現されている。

また、上述した実施の形態１においては、分離超平面推定部５６が前記第４の発明における「分離超平面推定手段」に相当する。

実施の形態２．
本実施形態のシステムは、図１に示すシステム構成を用い、実施の形態１で用いた帰属確率の代わりに分離超平面からの距離を異常診断要素として用いることを特徴とする。このため、上述した実施の形態１との相違点を中心に説明し、同様の事項については、その説明を省略又は簡略する。

図５は、本実施の形態において、ＥＣＵ５０が異常診断装置として機能する場合の機能ブロック図である。図５に示すように、ＥＣＵ５０は、システム同定部５２、定常・過渡推定部６０、出力Ａ／Ｆ推定部６２、距離演算部６８及び異常判定部６６から構成される。また、システム同定部５２は、データクラスタリング部５４、分離超平面推定部５６及びシステムパラメータ推定部５８から構成される。

（距離演算部６８）
距離演算部６８は、パラメータａ、ｂ及び上式（１３）を用い、ａ^Ｔξ（ｋ）＋ｂを演算する。具体的には、推定したパラメータａ、ｂと、過去の入出力データに時刻ｋの入出力データを加えた回帰ベクトルξ（ｋ）とからｄ_ｋ＝ａ^Ｔξ（ｋ）＋ｂを演算する。演算したｄ_ｋは、ＥＣＵ５０にバッファリングされる。

（異常判定部６６）
異常判定部６６は、運転状態予測フラグｉ＾（ｋ）、ｙ＾（ｋ＋１）、ｄ_ｋ等に基づいて内燃機関１０の空燃比制御系の異常判定を行うように構成されている。異常判定は、（i）運転状態予測フラグｉ＾（ｋ）値と実運転状態の判定値ｉ（ｋ）との比較結果、（ii）ｙ＾（ｋ＋１）と実空燃比ｙ（ｋ＋１）との比較結果、又は（iii）分離超平面からの距離ｄ_ｋと所定距離との比較結果を利用することにより行われる。

上記（i）、（ii）については実施の形態１と同様であるため説明を省略する。上記（iii）では、距離ｄ_ｋと、予め定めた判定距離との比較がされる。ここで、距離ｄ_ｋは、距離演算部６８で演算された距離であり、ＥＣＵ５０にバッファリングされている。また、判定距離は、分離超平面からの距離の上限値として、別途ＥＣＵ５０に記憶されている。距離ｄ_ｋが上限値よりも大きい場合には、空燃比制御系の異常可能性が認められる。このため、異常判定部６６は、該当する距離ｄ_ｋとこの上限値とを比較し、距離ｄ_ｋが上限値を上回る場合には、異常信号を発するように構成されている。

異常判定は、実施の形態１と同様、上記（i）〜（iii）の異常信号が、予め定めた判定時間内において、設定回数検出されるか否かで判定される。具体的には、上記（i）〜（iii）の異常信号が検出された場合、異常判定部６６に内蔵した異常カウンタのカウンタ値が増加される。そして、予め決めた判定時間内において、このカウンタ値が設定値以上に到達した場合に、内燃機関１０の空燃比制御系の異常と判定される。

[実施の形態２における具体的処理]
次に、図６を参照して本実施の形態においてＥＣＵ５０が実行する異常診断ルーチンを説明する。尚、図６中、ステップ１００〜ステップ２００は、実施の形態１と同一の処理が実行されるため説明を省略する。

ステップ２４０又はステップ２６０で推定空燃比ｙ＾（ｋ＋１）が演算されると、この推定空燃比ｙ＾（ｋ＋１）は、ステップ２４０又はステップ３２０でＥＣＵ５０にバッファリングされる。

続いて、ステップ６４０では、分離超平面からの距離ｄ_ｋが演算される。上述の通り、距離演算部６８で、距離ｄ_ｋが演算される。この距離ｄ_ｋは、ステップ６６０でＥＣＵ５０にバッファリングされる。ステップ６６０に続いて、ステップ６８０では、内燃機関１０の空燃比制御系の異常診断が実行される。

図７は、ステップ６８０で実行される異常診断のルーチンである。尚、図７中、ステップ４００〜ステップ５００は、実施の形態１と同一の処理が実行されるため説明を省略する。

ステップ７００では、距離ｄ_ｋと予め決められた閾値との比較がされる。上述の通り、距離演算部６８による処理の結果、距離ｄ_ｋがＥＣＵ５０にバッファリングされている。また、予め決められた閾値は、分離超平面からの距離の上限値として、別途ＥＣＵ５０に記憶されている。このため、ステップ７００では、この距離ｄ_ｋと上限値とが比較される。そして、帰属確率が上限値よりも小さい場合には、ステップ５６０へ進み、異常カウンタがリセットされる。そうでない場合には、ステップ５２０へ進み、異常カウンタのカウンタ値が１増加される。

ステップ５８０では、異常カウンタのカウンタ値が閾値（設定値）以上か否かが判定される。上述の通り、異常判定部６６では、予め決めた判定時間内において、異常カウンタが設定値以上に到達した場合に、内燃機関１０の空燃比制御系が異常と判定される。このため、ステップ５８０では、カウンタ値と、設定値とが比較される。そして、カウンタ値が設定値以上の場合には、ステップ６００へ進み、異常と診断される。そうでない場合には、ステップ６２０へ進み、正常と診断される。

以上説明した通り、図６及び７に示すルーチンによれば、実施の形態１で用いた帰属確率の代わりに分離超平面からの距離ｄ_ｋを演算することができる。また、この距離ｄ_ｋを診断要素として用いることにより、実施の形態１と同様の効果を得ることができる。

尚、本実施の形態では、実施の形態１で用いた帰属確率の代わりに、分離超平面からの距離ｄ_ｋを用いて異常診断を行ったが、この帰属確率と、分離超平面からの距離ｄ_ｋとを同時に用いて異常診断を行ってもよい。こうすることで、より高精度な異常診断を行うことができる。さらに、これら４つの診断要素を用いることで、異常診断の診断ミスがより低減される。

尚、上述した実施の形態２においては、距離演算部６８が前記第５の発明における「距離演算手段」に相当する。また、ＥＣＵ５０が、上記ステップ６６０の処理を実行することにより前記第５の発明における「距離取得手段」が、上記ステップ７００、５２０、５６０の処理を実行することにより前記第５の発明における「第３異常判定手段」が、それぞれ実現されている。

本発明のシステム構成を説明するための図である。 本発明の実施の形態１において、ＥＣＵ５０が異常診断装置として機能する場合の機能ブロック図である。 本発明の実施の形態１において、ＥＣＵ５０が実行する異常診断ルーチンを示すフローチャートである。 本発明の実施の形態１において、ＥＣＵ５０が実行する異常診断サブルーチンを示すフローチャートである。 本発明の実施の形態２において、ＥＣＵ５０が異常診断装置として機能する場合の機能ブロック図である。 本発明の実施の形態２において、ＥＣＵ５０が実行する異常診断ルーチンを示すフローチャートである。 本発明の実施の形態２において、ＥＣＵ５０が実行する異常診断サブルーチンを示すフローチャートである。

符号の説明

１０ 内燃機関
２０ スロットルポジションセンサ
２６ 空燃比センサ
５０ ＥＣＵ
５２ システム同定部
５４ データクラスタリング部
５６ 分離超平面推定部
５８ システムパラメータ推定部
６０ 定常・過渡推定部
６２ 出力Ａ／Ｆ推定部
６４ 帰属確率演算部
６６ 異常判定部
６８ 距離演算部

Claims (5)

1. 現在までの燃料噴射量及び空燃比に基づいて、内燃機関の運転状態が定常状態であるか、或いは過渡状態であるかを推定するための運転状態推定手段と、
   内燃機関の運転状態が定常状態の場合における将来の空燃比を推定するための定常状態用空燃比モデルと、
   内燃機関の運転状態が過渡状態の場合における将来の空燃比を推定するための過渡状態用空燃比モデルと、
   前記運転状態推定手段で推定した結果を推定運転状態として取得、及び前記定常状態用空燃比モデル又は前記過渡状態用空燃比モデルで推定した結果を推定空燃比として取得、の少なくとも一方を行う推定結果取得手段と、
   前記内燃機関の実際の空燃比である実空燃比及び前記内燃機関の実際の運転状態である実運転状態の少なくとも一方を取得する実測結果取得手段と、
   前記推定運転状態と前記実運転状態とが異なる場合、又は前記推定空燃比と前記実空燃比との偏差が予め定めた閾値よりも大きい場合に内燃機関の空燃比制御系の異常を判定する異常判定手段と、
   を備えることを特徴とする内燃機関の異常診断装置。
2. 過去の燃料噴射量及び空燃比に基づく回帰ベクトルと現在の空燃比とから構成される現在の観測データベクトルを、内燃機関の定常状態に対応する定常状態クラスタ又は内燃機関の過渡状態に対応する過渡状態クラスタにクラスタリングするクラスタリング手段と、
   前記クラスタリング後の前記現在の観測データベクトル基づいて、前記空燃比モデルのパラメータを推定するパラメータ推定手段と、
   を備えることを特徴とする請求項１に記載の内燃機関の異常診断装置。
3. 現在までの燃料噴射量及び空燃比に基づく回帰ベクトルと前記推定空燃比とから構成される将来の観測データベクトルが、前記定常状態クラスタ又は前記過渡状態クラスタに帰属する帰属確率を演算する帰属確率演算手段と、
   前記帰属確率を取得する帰属確率取得手段と、
   を備え、
   前記異常判定手段は、
   前記帰属確率が予め定めた判定確率よりも低い場合に内燃機関の空燃比制御系の異常を判定する第２異常判定手段を備えることを特徴とする請求項２に記載の内燃機関の異常診断装置。
4. 前記運転状態推定手段は、
   過去の燃料噴射量及び空燃比から構成される回帰ベクトルを含むベクトル空間を、内燃機関の定常状態に対応するベクトル空間と、過渡状態に対応するベクトル空間とに分割する分離超平面を推定する分離超平面推定手段を備えることを特徴とする請求項１乃至３何れか１項に記載の内燃機関の異常診断装置。
5. 現在までの燃料噴射量及び空燃比から構成される回帰ベクトルと、前記分離超平面を表すパラメータとを用いて、前記分離超平面からの距離を演算する距離演算手段と、
   前記距離を取得する距離取得手段と、
   を備え、
   前記異常判定手段は、
   前記距離が予め定めた判定距離よりも遠い場合に内燃機関の空燃比制御系の異常を判定する第３異常判定手段を備えることを特徴とする請求項４に記載の内燃機関の異常診断装置。

Images