JP2014214653A - 燃料噴射制御装置 - Google Patents

Abstract

【課題】噴射量学習の信頼度および学習の成立頻度が高い燃料噴射制御装置を提供する。【解決手段】燃料噴射制御装置は、学習噴射の有無によるレール圧低下量と仕事相当量とを算出し（Ｓ４１０〜Ｓ４１６）、指令噴射量が最大噴射量を超えると（Ｓ４２０：Ｙｅｓ）、指令噴射量とレール圧低下量、指令噴射量と仕事相当量、レール圧低下量と仕事相当量の各相関データから信頼区間を越える不適切なデータを除外し、レール圧低下量と仕事相当量との相関を表す相関データからは、指令噴射量とレール圧低下量、ならびに指令噴射量と仕事相当量との相関データにおいて除外されたデータに対応するデータも除外する（Ｓ４２２）。データを除外されたレール圧低下量と仕事相当量との相関データに基づいて指令噴射量と仕事相当量との相関データを取得し、この相関データから実噴射特性を検出し（Ｓ４２４）、基本噴射特性とのずれである噴射量を学習する（Ｓ４２６）。【選択図】図２

Description

本発明は、学習噴射を実行して燃料噴射弁の実噴射特性を検出する燃料噴射制御装置に関する。

従来、機差または経時変化等により生じる燃料噴射弁の指令噴射量に対する実噴射量の実噴射特性の変化を学習し、実噴射量が指令噴射量になるように噴射量の補正量を算出することが知られている。

特許文献１では、学習用のパイロット噴射が加わったことにより変動するエンジン回転数の変動量に基づいて、実噴射量に応じて生じるエンジン運転状態の変動量としてエンジンの仕事量に相当する実際の仕事相当量を算出している。そして、指令噴射量と仕事相当量との相関を表わす実噴射特性から基本噴射特性を取得し、基本噴射特性と実噴射特性との差を補正量として算出している。

特許文献１では、指令噴射量毎に複数回の学習噴射を実行してエンジン回転数の変動量から仕事相当量を算出し、指令噴射量に対応する仕事相当量のデータ全体のばらつきが許容範囲を超えている場合、該当するデータ全体を学習用データとして採用せず、学習噴射をリトライする。これにより、特許文献１では、学習精度の低下を防止しようとしている。

特開２０１２−２１５１４号公報

しかしながら、データ全体のばらつきが許容範囲を超えている場合に該当するデータ全体を学習用データとして採用しない特許文献１の学習方法では、学習用データとして算出した本来は不適切な仕事相当量が、外乱のために逆に許容範囲内になることがある。そのため、学習の信頼度が低くなる。

また、指令噴射量毎に複数回の学習噴射を実行しても、指令噴射量に対応する仕事相当量のデータのばらつきが許容範囲を超えている場合は、複数回の学習噴射により取得したデータ全体を学習用データとして採用せずに学習噴射をリトライするので、学習用の噴射回数が増加する。その結果、学習の成立頻度が低下する。

本発明は、上記改題を解決するためになされたものであり、噴射量学習の信頼度および学習の成立頻度が高い燃料噴射制御装置を提供することを目的とする。

本発明の燃料噴射制御装置によると、燃料噴射弁が学習噴射を実行することにより実噴射量に応じて生じる内燃機関の運転状態の実変動量として、複数の物理量のそれぞれの変動量である物理変動量を取得し、指令噴射量と物理変動量との相関を表わす第１相関データを取得する。さらに、指令噴射量に対応した複数の物理変動量の互いの相関を表わす第２相関データを取得する。そして、第１相関データのいずれかを対象相関データとし、対象相関データにおいて適切なデータとして許容される範囲を超えるデータと、第１相関データおよび第２相関データのうち対象相関データ以外の他の相関データにおいて適切なデータとして許容される範囲を超えるデータに対応する対象相関データのデータとを、対象相関データから除外して第３相関データを取得する。取得した第３相関データに基づいて、指令噴射量と実変動量との相関を表わす実噴射特性を検出する。

このように、第１相関データのいずれかを対象相関データとし、対象相関データにおいて適切なデータとして許容される範囲を超えるデータだけでなく、対象相関データ以外の他の相関データにおいて適切なデータとして許容される範囲を超えるデータに対応する対象相関データのデータが対象相関データから除外される。

これにより、対象相関データだけであれば、外乱のために許容される範囲内に入るデータであっても、他の相関データにおいて除外されたデータに対応する対象相関データのデータが対象相関データから除外される。したがって対象相関データとその他の相関データとにおいて許容される範囲を超えるデータを対象相関データから除外して取得される第３相関データの信頼性が高くなる。

また、指令噴射量に対応する物理変動量のデータ全体のばらつきではなく、個々の物理変動量のデータが許容範囲を超えている場合に該当データを除外するので、許容範囲内のデータを学習用データとして採用できる。したがって、許容範囲内のデータを有効に使用して学習できるので、学習の成立頻度が向上する。

本実施形態による燃料噴射システムを示すブロック図。 噴射量学習処理を示すフローチャート。 学習噴射の有無によるレール圧の変化を示すタイムチャート。 指令噴射量とレール圧低下量との相関を示す特性図。 指令噴射量と仕事相当量との相関を示す特性図。 レール圧低下量と仕事相当量との相関を示す特性図。 指令噴射量と仕事相当量との相関を示す特性図。 基本噴射特性と実噴射特性とのずれを示す特性図。

以下、本発明の実施の形態を図に基づいて説明する。
本実施形態による燃料噴射システムを図１に示す。
（燃料噴射システム１０）
燃料噴射システム１０は、例えば、自動車用の４気筒のディーゼルエンジン（以下、単に「エンジン」ともいう。）２に燃料を噴射するためのものである。燃料噴射システム１０は、燃料供給ポンプ１４と、コモンレール２０と、燃料噴射弁３０と、電子制御装置(Electronic Control Unit：ＥＣＵ)４０とを備えている。

燃料供給ポンプ１４は、燃料タンク１２から燃料を汲み上げるフィードポンプを内蔵している。燃料供給ポンプ１４は、カムシャフトのカムの回転に伴いプランジャが往復移動することにより、フィードポンプから加圧室に吸入した燃料を加圧する公知のポンプである。

調量アクチュエータとしての調量弁１６は、燃料供給ポンプ１４の吸入側に設置されており、電流制御されることにより燃料供給ポンプ１４の各プランジャが吸入行程で吸入する燃料吸入量を調量する。燃料吸入量が調量されることにより、燃料供給ポンプ１４の各プランジャからの燃料吐出量が調量される。燃料供給ポンプ１４の吐出側に設置される調量弁により、燃料供給ポンプ１４の各プランジャからの燃料吐出量を調量してもよい。

コモンレール２０は、燃料供給ポンプ１４から吐出される燃料を蓄圧する中空の部材である。コモンレール２０には、内部の燃料圧力（レール圧）を検出する圧力センサ２２、および、レール圧が所定圧を超えると開弁してコモンレール２０内の燃料を排出するプレッシャリミッタ２４が設けられている。

エンジン２には、運転状態を検出するセンサとして、エンジン回転数（ＮＥ）を検出する回転数センサ３２が設置されている。さらに、運転状態を検出する他のセンサとして、運転者によるアクセルペダルの操作量であるアクセル開度（ＡＣＣＰ）を検出するアクセルセンサ、冷却水の温度（水温）、吸入空気の温度（吸気温）をそれぞれ検出する温度センサ等が燃料噴射システム１０に設けられている。

燃料噴射弁３０は、エンジン２の各気筒に設置されており、コモンレール２０で蓄圧された燃料を気筒内に噴射する。燃料噴射弁３０は、例えば、噴孔を開閉するノズルニードルのリフトを制御室の圧力で制御する公知の電磁弁である。燃料噴射弁３０の噴射量は、ＥＣＵ４０から指令される噴射指令信号のパルス幅によって制御される。噴射指令信号のパルス幅が長くなると噴射量が増加する。

ＥＣＵ４０は、ＣＰＵ、ＲＡＭ、ＲＯＭ、フラッシュメモリ等を中心とするマイクロコンピュータにて主に構成されている。ＥＣＵ４０は、ＲＯＭまたはフラッシュメモリに記憶されている制御プログラムをＣＰＵが実行することにより、圧力センサ２２、回転数センサ３２を含む各種センサから取り込んだ出力信号に基づき、燃料噴射システム１０の各種制御を実行する。

例えば、ＥＣＵ４０は、圧力センサ２２が検出するレール圧が目標圧力になるように調量弁１６への通電量を制御し、燃料供給ポンプ１４の吐出量を調量する。ＥＣＵ４０は、調量弁１６を制御する電流値と吐出量との相関を表す特性マップに基づいて、調量弁１６を制御する電流値を設定する。

また、ＥＣＵ４０は、燃料噴射弁３０の燃料噴射量、燃料噴射時期、ならびに、メイン噴射の前にパイロット噴射、プレ噴射、パイロット噴射の後にアフター噴射、ポスト噴射等を実施する多段噴射のパターンを制御する。

ＥＣＵ４０は、燃料噴射弁３０に噴射を指令する噴射指令信号のパルス幅（Ｔ）と噴射量（Ｑ）との相関を示す所謂ＴＱマップを、レール圧の所定の圧力範囲毎にＲＯＭまたはフラッシュメモリに記憶している。そして、ＥＣＵ４０は、エンジン回転数およびアクセル開度に基づいて燃料噴射弁３０の噴射量が決定されると、圧力センサ２２が検出したレール圧に応じて該当する圧力範囲のＴＱマップを参照し、決定された噴射量を燃料噴射弁３０に指令する噴射指令信号のパルス幅をＴＱマップから取得する。

（噴射量学習処理）
次に、ＥＣＵ４０が実行する噴射量学習処理について説明する。図２のフローチャートにおいて、「Ｓ」はステップを表わしている。

学習噴射は、学習噴射が有りのときと無しのときとにおけるエンジン２の運転状態の差である実変動量を検出するために指令される。本実施形態では、以下に説明するように、学習噴射を実行することにより生じるエンジン２の運転状態の実変動量として、レール圧低下量と、エンジン回転数の変動量に基づいて算出される仕事相当量とを取得する。

レール圧低下量は物理量であるレール圧の変動量を表わす物理変動量であり、仕事相当量は物理量であるエンジン回転数の変動量に基づいて算出される物理変動量である。
ＥＣＵ４０は、Ｓ４００、Ｓ４０２において、以下に示す学習条件（１）、（２）が成立しているか否かを判定する。
（１）所定走行距離毎として例えば５０００ｋｍ毎、または、所定運転時間毎として例えば５００時間毎。
（２）エンジン運転状態が安定しているとき。例えば、回転数、レール圧、噴射量の変動がそれぞれ所定範囲内。

学習条件が成立していないか（Ｓ４００：ＮｏまたはＳ４０２：Ｎｏ）、あるいは学習条件が成立している場合であっても（Ｓ４００：ＹｅｓかつＳ４０２：Ｙｅｓ）、噴射量の学習が全気筒で終了し、噴射量を未学習の気筒がない場合（Ｓ４０４：Ｎｏ）、ＥＣＵ４０は本処理を終了する。

学習条件が成立し（Ｓ４００：ＹｅｓかつＳ４０２：Ｙｅｓ）、噴射量を未学習の気筒がある場合（Ｓ４０４：Ｙｅｓ）、ＥＣＵ４０は、学習用の指令噴射量Ｑに初期値αを設定する（Ｓ４０６）。初期値αとして、例えば０ｍｍ³が設定される。

そして、Ｓ４０２と同じ噴射量学習の安定条件が成立しないか（Ｓ４０８：Ｎｏ）、あるいは指令噴射量Ｑが最大指令噴射量Ｑｍａｘを超えるまで（Ｓ４２０：Ｙｅｓ）、ＥＣＵ４０は、指令噴射量を増加しながらＳ４０８〜Ｓ４２０の処理を繰り返す。最大指令噴射量Ｑｍａｘとして５ｍｍ³が設定される。

噴射量学習の安定条件が成立している場合（Ｓ４０８：Ｙｅｓ）、ＥＣＵ４０は、噴射量の未学習気筒において、学習噴射が有りのときと無しのときとにおけるエンジン２の運転状態としてレール圧低下量を取得する（Ｓ４１０）。

図３に、学習噴射が有りのときと無しのときとにおける物理量の変化を示す例として、学習噴射の対象気筒におけるレール圧低下量を示す。図３の上段は学習噴射を実行したときのレール圧低下量を示し、図３の下段は学習噴射を実行しなかったときのレール圧の変化を示している。

学習噴射は、通常噴射とは異なる噴射タイミングで実行される。図３に示すように、学習噴射が有りのときと無しのときとにおけるレール圧低下量の検出期間の範囲は、学習気筒に学習噴射を指令してから、次に他の気筒で噴射が指令されるまでの間である。

次にＥＣＵ４０は、学習噴射有りのときにおけるレール圧低下量をΔＰｃi、学習噴射無しのときにおけるレール圧低下量をΔＰｃ０とし、学習噴射によるレール圧低下量ΔＰｃを第１相関データとして次式（１）から算出する（Ｓ４１２）。

ΔＰｃ＝ΔＰｃｉ−ΔＰｃ０ ・・・（１）
ＥＣＵ４０は、未学習気筒に対し、レール圧低下量の検出と同じ検出期間の範囲で、学習噴射が有りのときと無しのときとにおけるエンジン回転数の変動量を検出し、エンジン回転数の変動量に基づいて、学習噴射が有りのときと無しのときとにおけるエンジン２の仕事量に相当する仕事相当量を算出する（Ｓ４１４）。

さらに、学習噴射が有りのときと無しのときとにおける仕事相当量の差である仕事相当量ΔＴを第１相関データとして算出する（Ｓ４１６）。本実施形態では、指令噴射量と仕事相当量との相関を表わす相関データを、実噴射特性を検出する対象となる対象相関データとする。

ＥＣＵ４０は、今回の指令噴射量Ｑによる学習噴射を所定回数繰り返して、各学習噴射毎にＳ４１０〜Ｓ４１６の処理を実行すると、指令噴射量Ｑを、所定増加量βとして例えば１ｍｍ³ずつ増加し（Ｓ４１８）、指令噴射量Ｑが最大指令噴射量Ｑｍａｘを超えるまで（Ｓ４２０：Ｙｅｓ）、Ｓ４０８〜Ｓ４１６の処理を繰り返す。

指令噴射量Ｑが最大指令噴射量Ｑｍａｘを超えると（Ｓ４２０：Ｙｅｓ）、Ｓ４２２においてＥＣＵ４０は、指令噴射量とレール圧低下量との相関、ならびに指令噴射量と仕事相当量との相関を表す相関データに対して最小二乗法等により回帰分析を行い、図４および図５に示すように回帰直線１００、１１０を算出する。さらに、それぞれの相関データに対して９５％の信頼区間１０２、１１２を算出し、信頼区間１０２、１１２を超える不適切なデータを除外する。

図６に示すように、レール圧低下量と仕事相当量との相関を表す第２相関データとしての相関データについては、指令噴射量とレール圧低下量との相関データ、ならびに指令噴射量と仕事相当量との相関データにおいて、９５％の信頼区間１０２、１１２を超えるために除外されたデータに対応するデータを除外してから回帰直線１２０を算出し、信頼区間１２２を超える不適切なデータを除外する。

指令噴射量とレール圧低下量との相関データにおいて信頼区間１０２を超えるデータは、例えば、レール圧を検出する圧力センサ２２の出力信号のノイズ、ならびにコモンレール２０と燃料噴射弁３０との間の燃料漏れ等の外乱によって発生する。

また、指令噴射量と仕事相当量との相関データにおいて信頼区間１１２を超えるデータは、例えば、クランクシャフトのねじり振動、ならびにエンジン回転数を検出する回転数センサ３２の出力信号のノイズ等の外乱によって発生する。

ＥＣＵ４０は、Ｓ４２２において不適切なデータを除外されたレール圧低下量と仕事相当量との相関データに基づいて、指令噴射量と仕事相当量との相関データを第３相関データとして取得し、この相関データから回帰直線を算出して図７に示す実噴射特性１３０を検出する（Ｓ４２４）。

図８に示すように、このようにして得られた実噴射特性１３０が、指令噴射量＝０ｍｍ³、仕事相当量＝０の原点を通っていない場合、指令噴射量と仕事相当量との相関を表す基本噴射特性１４０に対して、機差または経時変化により生じる実噴射特性１３０のずれは、特性の傾きではなくオフセット方向のずれにより生じていると判断する。

これにより、指令噴射量＝０ｍｍ³、仕事相当量＝０の原点を通るように実噴射特性１３０をオフセット方向、つまり指令噴射量の増減方向に平行移動することにより、基本噴射特性１４０を推定することができる。例えば、実噴射特性の１次式が次式（２）で表されている場合、基本噴射特性１４０は次式（３）で表される。

ΔＷ＝α×Ｑ＋β ・・・（２）
ΔＷ＝α×Ｑ ・・・（３）
Ｑ：指令噴射量。
ΔＷ：学習噴射有りのときの仕事相当量。
α：噴射特性の傾き。
β：実噴射特性の切片。

したがって、実噴射特性１３０と基本噴射特性１４０とのずれである噴射量ΔＱは、次式（４）から算出できる。
α×Ｑ２＋β＝α×Ｑ１
α（Ｑ２−Ｑ１）＝−β
（Ｑ２−Ｑ１）＝−β／α
ΔＱ＝−β／α ・・・（４）
ＥＣＵ４０は、学習条件が成立しているときに上記の噴射量学習を実行し、そのときのレール圧毎に学習した噴射量ΔＱを記憶しておく。この場合、ＥＣＵ４０は、燃料供給ポンプ１４の吐出量を調整してレール圧を増減させることにより、所定の圧力範囲毎に、基本噴射量特性と実噴射量特性とから噴射量ΔＱを学習してもよい。

ＥＣＵ４０は、式（４）により噴射量を補正する学習値として算出した噴射量ΔＱに基づいて、該当するレール圧における指令噴射量を補正することにより、通常噴射における噴射量を補正する。

尚、噴射量補正は、エンジン運転領域に関わらず、学習値として算出した共通の噴射量ΔＱに基づいて行ってもよいし、エンジン運転領域毎に学習した噴射量ΔＱに基づいて行ってもよい。

以上説明した上記実施形態では、指令噴射量と仕事相当量との相関を表わす対象相関データにおいて信頼区間１１２を超えるデータだけでなく、指令噴射量とレール圧低下量との相関データにおいて信頼区間１０２を超えるデータ、ならびにレール圧低下量と仕事相当量との相関データにおいて信頼区間１２２を超えるデータに対応する対象相関データのデータが対象相関データから除外される。

これにより、一つの対象相関データだけであれば、本来は不適切なデータが外乱のために逆に信頼区間内になっても、対応する他の相関データにおいて除外されたデータであれば対象相関データから除外される。したがって、対象相関データから不適切なデータを除外して取得される相関データの信頼性が高くなる。

また、データ全体のばらつきではなく、個々のデータが信頼区間を超えている場合に該当データを除外するので、信頼区間内のデータを学習用データとして採用できる。したがって、信頼区間内のデータを有効に使用して学習できるので、学習の成立頻度が向上する。

また、上記実施形態では、走行中の燃料噴射状態で検出する実噴射特性から基本噴射特性を推定する。これにより、予め基本噴射特性を測定する必要がないので、機種毎に基本噴射特性を測定する工数を省略できる。そして、どのような機種であっても、基本噴射特性と実噴射特性との指令噴射量の差を燃料噴射弁の噴射量を補正する学習値として算出できる。

そして、算出した学習値に基づいて指令噴射量を補正することにより、通常噴射時において、パイロット噴射、ポスト噴射等の微少量噴射を実行するときに、所望の誤差範囲で微少量噴射を実行できる。これにより、微少量噴射が無噴射になることを防止できる。

また、走行中の燃料噴射状態で学習噴射を実行するので、学習噴射の実行頻度を高めることができる。さらに、走行中の燃料噴射状態における広い燃料圧力範囲で学習噴射を実行できる。

［他の実施形態］
上記実施形態では、学習用の指令噴射量と仕事相当量との相関を実噴射特性とした。これ以外にも、指令噴射量とレール圧低下量との相関を実噴射特性としてもよい。また、仕事相当量またはレール圧低下量のいずれかから実噴射量を算出し、指令噴射量と実噴射量との相関を実噴射特性としてもよい。

また、学習噴射を実行することにより実噴射量に応じて生じるエンジンの運転状態の実変動量を表わす物理量として、レール圧低下量および仕事相当量以外に他の物理量を採用し、指令噴射量と３個以上の物理量との相関データを取得してもよい。あるいは、レール圧低下量および仕事相当量の少なくともいずれかに代えて、他の物理量を採用してもよい。

上記実施形態では、走行中の燃料噴射状態で学習噴射を実行した。これ以外にも、学習噴射による騒音、振動、ドライバビリティ等の悪化が許容される範囲内であれば、例えば、減速無噴射運転状態、アイドル運転状態で学習噴射を実行してもよい。

このように、本発明は、上記実施形態に限定されるものではなく、その要旨を逸脱しない範囲で種々の実施形態に適用可能である。

２：ディーゼルエンジン（内燃機関）、３０：燃料噴射弁、４０：ＥＣＵ（燃料噴射制御装置、変動量取得手段、第１相関手段、第２相関手段、第３相関手段、特性検出手段、特性推定手段）

Claims (4)

1. 指令噴射量の異なる学習噴射を燃料噴射弁に指令する噴射指令手段（Ｓ４１０）と、
   前記燃料噴射弁が前記学習噴射を実行することにより実噴射量に応じて生じる内燃機関の運転状態の実変動量として、複数の物理量のそれぞれの変動量である物理変動量を取得する変動量取得手段（Ｓ４１０〜Ｓ４１６）と、
   前記噴射指令手段が指令する前記指令噴射量と、前記変動量取得手段が取得する前記物理変動量との相関を表わす第１相関データを取得する第１相関手段（Ｓ４２２）と、
   前記指令噴射量に対応した複数の前記物理変動量の互いの相関を表わす第２相関データを取得する第２相関手段（Ｓ４２２）と、
   前記第１相関データのいずれかを対象相関データとし、前記対象相関データにおいて適切なデータとして許容される範囲を超えるデータと、前記第１相関データおよび前記第２相関データのうち前記対象相関データ以外の他の相関データにおいて適切なデータとして許容される範囲を超えるデータに対応する前記対象相関データのデータとを、前記対象相関データから除外して第３相関データを取得する３相関手段（Ｓ４２２）と、
   前記第３相関手段が取得する前記第３相関データに基づいて、前記指令噴射量と前記実変動量との相関を表わす実噴射特性を検出する特性検出手段（Ｓ４２４）と、
   を備えることを特徴とする燃料噴射制御装置（４０）。
2. 前記変動量取得手段は、前記燃料噴射弁が噴射する燃料を蓄圧するコモンレール内の圧力の変動量を表わすレール圧低下量と、エンジン回転数の変動量に基づいて算出される仕事相当量とを前記物理変動量として取得し、
   前記第１相関手段は、前記指令噴射量と前記レール圧低下量との相関、ならびに前記指令噴射量と前記仕事相当量との相関をそれぞれ表わす相関データを前記第１相関データとして取得し、
   前記第２相関手段は、前記指令噴射量に対応した前記レール圧低下量と前記仕事相当量との互いの相関を表わす前記第２相関データを取得する、
   ことを特徴とする請求項１に記載の燃料噴射制御装置。
3. 各相関データに対して回帰分析を実行して得られる所定の信頼区間を前記許容される範囲とすることを特徴とする請求項１または２に記載の燃料噴射制御装置。
4. 前記実噴射特性を平行移動して、前記指令噴射量と前記運転状態の変動量との相関を表わす基本噴射特性を推定する特性推定手段（Ｓ４２６）を備えることを特徴とする請求項１から３のいずれか一項に記載の燃料噴射制御装置。

Images