JP2020197213A

JP2020197213A - 内燃機関のブローバイガス送出路異常検出装置

Info

Publication number: JP2020197213A
Application number: JP2020069397A
Authority: JP
Inventors: 武藤　晴文; Harufumi Muto; 晴文武藤; 章弘片山; Akihiro Katayama; 大久保　直也; Naoya Okubo; 直也大久保; 洋介橋本; Yosuke Hashimoto
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2019-05-30
Filing date: 2020-04-07
Publication date: 2020-12-10
Also published as: CN112012809B; DE102020113201A1; JP2020197207A; JP6725087B1; CN112012809A; US20200378329A1; US11242814B2

Abstract

【課題】ブローバイガスの漏洩異常を正確に検出する。【解決手段】機関負荷と、機関回転数と、スロットル弁（１９）下流の機関吸気通路内の吸気圧をニューラルネットワークの入力パラメータとし、ブローバイガス送出路（２０）からブローバイガスが漏洩しているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されている。車両の運転時に、この学習済みニューラルネットワークを用いて、上述の入力パラメータから、ブローバイガス送出路（２０）からのブローバイガスの漏洩異常を検出する。【選択図】図３２

Description

本発明は内燃機関のブローバイガス送出路異常検出装置に関する。

内燃機関では、燃焼室内の燃焼ガスの一部がピストンリングの隙間を通ってクランクケース内に漏洩し、クランクケース内に漏洩したガス、即ち、ブローバイガスが、クランクケース内に滞留する。このブローバイガス中には強酸性の水分が含まれており、この強酸性の水分によりエンジンオイルの劣化やエンジン内部の錆の発生が引き起こされるので、ブローバイガスをクランクケース内に滞留させないためにクランクケース内を換気する必要がある。また、ブローバイガス中には多量の未燃ガスが含まれており、従って、ブローバイガスを大気に放出することはできない。そこで、通常、内燃機関は、機関クランクケース内のブローバイガスを、ブローバイガス送出路を介してスロットル弁下流の機関吸気通路内に送り込み、機関吸気通路内に供給されたブローバイガスを燃焼室内で燃焼させるようにしたブローバイガス換気装置を具備している。このブローバイガス換気装置は、一般的にＰＣＶ（Positive Crankcase Ventilation）システムと称されている。

ところで、このようなＰＣＶシステムにおいて、何らかの原因によりブローバイガス送出路からブローバイガスが大気中に漏洩する場合があり、ブローバイガスが大気中に漏洩した場合には、ブローバイガスが大気中に漏洩したことを、直ちに検出する必要がある。一方、ブローバイガスが大気中に漏洩すると、ブローバイガス送出路内の圧力が変化する。そこで、ブローバイガス送出路に圧力センサを配置し、この圧力センサにより検出されたブローバイガス送出路内の圧力の変化から、ブローバイガス送出路からのブローバイガスの漏洩異常を検出するようにしたブローバイガス通路異常検出装置が公知である（例えば特許文献１を参照）。

特開平１０−１８４３３６号公報

しかしながら、このブローバイガス通路異常検出装置では、ブローバイガスの漏洩異常を検出するためには、ブローバイガス送出路内に、異常検出専用の圧力センサを配置しなければならないという問題がある。そこで発明者は、このような専用の圧力センサを用いる必要がなく、内燃機関の制御等のために、通常備えられている検出器の検出結果を利用して、ブローバイガスの漏洩異常を検出する方法について検討し、その結果、ブローバイガスの漏洩が生じるとスロットル弁下流の吸気通路内の吸気圧が変化し、この吸気圧の変化は、内燃機関の制御等のために、通常備えられている検出器により求めることができることに注目したのである。

ただし、この場合、スロットル弁下流の吸気通路内の吸気圧は、ブローバイガスの漏洩状態によって変化し、機関の運転状態によっても変化するので、スロットル弁下流の吸気通路内の吸気圧の変化から、正確に、ブローバイガスの漏洩が生じているか否かを判別するのは簡単ではない。
そこで本発明では、ニューラルネットワークを用いて、スロットル弁下流の吸気通路内の吸気圧の変化から、ブローバイガスの漏洩異常を正確に判別するようにしている。

即ち、本発明によれば、機関吸気通路内に吸入空気量検出器を配置すると共に吸入空気量検出器下流の機関吸気通路内にスロットル弁を配置し、機関クランクケース内のブローバイガスがブローバイガス送出路を介してスロットル弁下流の機関吸気通路内に送り込まれ、ブローバイガス送出路内に、ブローバイガスの流通量を制御するＰＣＶバルブを配置した内燃機関のブローバイガス送出路異常検出装置において、入力層と、一以上の隠れ層と、出力層とを有するニューラルネットワークを用い、機関負荷と、機関回転数と、スロットル弁下流の機関吸気通路内の吸気圧をニューラルネットワークの入力パラメータとし、ブローバイガス送出路からブローバイガスが漏洩しているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転時に、この学習済みニューラルネットワークを用いて、入力パラメータから、ブローバイガス送出路からのブローバイガスの漏洩異常を検出する内燃機関のブローバイガス送出路異常検出装置が提供される。

更に、本発明によれば、機関吸気通路内に吸入空気量検出器を配置すると共に吸入空気量検出器下流の機関吸気通路内にスロットル弁を配置し、機関クランクケース内のブローバイガスがブローバイガス送出路を介してスロットル弁下流の機関吸気通路内に送り込まれ、ブローバイガス送出路内に、ブローバイガスの流通量を制御するＰＣＶバルブを配置した内燃機関のブローバイガス送出路異常検出装置において、入力層と、一以上の隠れ層と、出力層とを有するニューラルネットワークを用い、機関負荷と、機関回転数と、吸入空気量検出器により検出された吸入空気量と、大気圧と、大気温と、スロットル弁の開度をニューラルネットワークの入力パラメータとし、ブローバイガス送出路からブローバイガスが漏洩しているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転時に、この学習済みニューラルネットワークを用いて、入力パラメータから、ブローバイガス送出路からのブローバイガスの漏洩異常を検出する内燃機関のブローバイガス送出路異常検出装置が提供される。

ブローバイガスの漏洩状態と、機関の運転状態および吸気圧との関係を、ニューラルネットワークを用いて学習することにより、ブローバイガスの漏洩が生じたことを正確に検出可能となる。

図１は、ブローバイガス送出路異常検出装置の全体図である。図２Ａおよび図２Ｂは、ＰＣＶバルブの側面断面図である。図３Ａおよび図３Ｂは夫々、ＰＣＶバルブの流路面積の変化および正常時の吸気圧Ｐｍの変化を示す図である。図４Ａ、図４Ｂおよび図４Ｃは夫々、異常時における吸気圧Ｐｍの変化を説明するための図である。図５は、ニューラルネットワークの一例を示す図である。図６は、スロットル弁を通過する吸入空気量の算出方法を説明するための図である。図７Ａおよび図７Ｂは、スロットル弁の開口面積を示す図である。図８は、スロットル弁を通過する吸入空気量を示す図である。図９は、Φ（Ｐｍ/Ｐａ）とＰｍ/Ｐａとの関係を示す図である。図１０は、本発明による実施例において用いられている第１のニューラルネットワークを示す図である。図１１は、入力値の一覧表を示す図である。図１２は、出力値の一覧表を示す図である。図１３は、訓練データセットを示す図である。図１４は、本発明による実施例において用いられている第２のニューラルネットワークを示す図である。図１５は、出力値の一覧表を示す図である。図１６は、訓練データセットを示す図である。図１７は、別の実施例における入力値の一覧表を示す図である。図１８は、更に別の実施例における入力値の一覧表を示す図である。図１９は、第１のニューラルネットワークの別の例を示す図である。図２０は、訓練データセットを示す図である。図２１は、第２のニューラルネットワークの別の例を示す図である。図２２は、訓練データセットを示す図である。図２３は、更に別の実施例における入力値の一覧表を示す図である。図２４は、第１のニューラルネットワークの更に別の例を示す図である。図２５は、訓練データセットを示す図である。図２６は、第２のニューラルネットワークの更に別の例を示す図である。図２７は、訓練データセットを示す図である。図２８は、学習方法を説明するための図である。図２９は、データの取得処理を実行するためのフローチャートである。図３０は、学習処理を実行するためのフローチャートである。図３１は、電子制御ユニットにデータを読み込むためのフローチャートである。図３２は、異常検出を行うためのフローチャートである。

＜内燃機関の全体構成＞
図１にブローバイガス送出路異常検出装置の全体図を示す。図１を参照すると、１は機関本体、２はクランクケース、３はクランクケース２内に滞留している潤滑オイル、４はシリンダブロック、５はピストン、６は燃焼室、７はシリンダヘッド、８は吸気弁、９は吸気ポート、１０は排気弁、１１は排気ポートを夫々示す。吸気ポート９は、吸気枝管１２を介して全気筒に対して共通のサージタンク１３に連結され、各吸気枝管１２には夫々燃料噴射弁１４が配置される。サージタンク１３は、吸気ダクト１５、吸入空気量検出器１６を介してエアクリーナ１７に連結される。吸気ダクト１５内には、アクチュエータ１８によって駆動されるスロットル弁１９が配置されている。

一方、図１に示されるように、機関本体１には、クランクケース２内に充満しているブローバイガスを、スロットル弁１９下流の吸気通路に送り込むためのブローバイガス送出路２０が設けられている。図１に示される例では、このブローバイガス送出路２０は、クランクケース２内からシリンダブロック４およびシリンダヘッド７内を上方に延びるブローバイガス通路２１と、このブローバイガス通路２１の上端部に取り付けらてブローバイガスの流通量を制御するＰＣＶバルブ２２と、このＰＣＶバルブ２２からスロットル弁１９下流の吸気ダクト１５内まで延びるブローバイガス通路２３とにより構成される。また、機関本体１には、クランクケース２内を換気するために、スロットル弁１９上流の吸気ダクト１５内からクランクケース２内まで延びる新気供給路２４が設けられている。

一方、図１において３０は、機関の運転を制御するための電子制御ユニットを示している。図１に示されるように、電子制御ユニット３０はデジタルコンピュータからなり、双方向性バス３１によって互いに接続された記憶装置３２、即ち、メモリ３２と、ＣＰＵ（マイクロプロセッサ）３３と、入力ポート３４および出力ポート３５を具備する。図１に示されるように、サージタンク１３内には、サージタンク１３内の圧力を検出するための圧力センサ２５が配置されており、スロットル弁１９にはスロットル弁１９の開度を検出するためのスロットル弁開度センサ２６が取付けられている。また、エアクリーナ１７には大気圧センサ２７および大気温センサ２８が配置されている。

これら圧力センサ２５、スロットル弁開度センサ２６、大気圧センサ２７、大気温２８および吸入空気量検出器１６の出力信号は、対応するＡＤ変換器３６を介して入力ポート３４に入力される。また、図１に示されるように、アクセルペダル４０にはアクセルペダル４０の踏込み量に比例した出力電圧を発生する負荷センサ４１が接続され、負荷センサ４１の出力電圧は対応するＡＤ変換器３６を介して入力ポート３４に入力される。更に入力ポート３４にはクランクシャフトが例えば３０°回転する毎に出力パルスを発生するクランク角センサ４２が接続される。ＣＰＵ３３内ではクランク角センサ４２の出力信号に基づいて機関回転数が算出される。一方、出力ポート３５は対応する駆動回路３７を介して燃料噴射弁１４およびスロットル弁１９のアクチュエータに接続される。

機関の運転が行われると、燃焼室６内の燃焼ガスの一部がピストン５のピストンリングの隙間を通ってクランクケース２内に漏洩し、クランクケース２内に漏洩したガスが、ブローバイガスとしてクランクケース２内に滞留する。クランクケース２内に滞留しているブローバイガスは、スロットル弁１９下流の吸気ダクト１５内に発生する負圧により、ブローバイガス送出路２０を介してスロットル弁１９の下流の吸気ダクト１５内に送り込まれ、次いで、サージタンク１３、吸気枝管１２、吸気ポート９および吸気弁８を介して、燃焼室６内に送り込まれる。燃焼室６内に送り込まれたブローバイガス中の可燃性分は、燃料噴射弁１４から噴射された燃料と共に燃焼室６内において燃焼せしめられる。

この場合、ブローバイガス送出路２０を介してスロットル弁１９の下流の吸気ダクト１５内に送り込まれるブローバイガス量は、ブローバイガス送出路２０内の配置されたＰＣＶバルブ２２によって制御される。そこで、次に、図２Ａおよび図２Ｂを参照しつつ、このＰＣＶバルブ２２の作動について簡単に説明する。図２Ａおよび図２Ｂに示されるように、ＰＣＶバルブ２２は、ブローバイガス通路２１を介してクランクケース２内に連通しているブローバイガス流入口５０と、ブローバイガス通路２３を介してスロットル弁１９下流の吸気ダクト１５内に連通しているブローバイガス流出口５１と、ブローバイガス流入口５０の開閉制御およびブローバイガス流出口５１の流路面積制御を行う弁体５２と、
弁体５２をブローバイガス流入口５０に向けて付勢する圧縮ばね５３とにより構成される。

機関の運転停止時には、図２Ａに示されるように、圧縮ばね５３のばね力により弁体５２がブローバイガス流入口５０を閉鎖している。一方、機関の運転が開始されて、スロットル弁１９の下流の吸気ダクト１５内に負圧が発生すると、即ち、スロットル弁１９の下流の吸気通路内に負圧が発生すると、図２Ｂに示されるように、弁体５２が、クランクケース２内の圧力とスロットル弁１９の下流の吸気通路内の圧力との圧力差により、圧縮ばね５３のばね力に抗して上昇する。その結果、弁体５２がブローバイガス流入口５０を開口し、それにより図２Ｂにおいて矢印で示されるように、ブローバイガス流入口５０から流入したブローバイガスは、ブローバイガス流出口５１を通ってブローバイガス通路２３内に送り込まれ、次いでスロットル弁１９の下流の吸気通路内に送り込まれる。

この場合、スロットル弁１９の下流の吸気通路内に発生する負圧が大きくなるほど、弁体５２の上昇量が大きくなり、従って、図２Ｂからわかるように、スロットル弁１９の下流の吸気通路内に発生する負圧が大きくなるほど、ブローバイガス流出口５１の流路面積が小さくなる。図３Ａは、ＰＣＶバルブ２２が正常に作動しているときに、機関回転数を或る一定回転数（アイドリング時を除く）に維持したときのブローバイガス流出口５１の流路面積と機関負荷との関係を示している。図３Ａに示されるように、機関負荷が、高負荷運転状態から低下せしめられてスロットル弁１９の下流の吸気通路内に発生する負圧が大きくなるとブローバイガス流出口５１の流路面積はピークに達し、機関負荷が更に低下せしめられて、スロットル弁１９の下流の吸気通路内に発生する負圧が更に大きくなると、ブローバイガス流出口５１の流路面積は機関負荷が小さくなるほど低下する。

なお、ＰＣＶバルブ２２がブローバイガス流入口５０を開口しているときには、スロットル弁１９の下流の吸気通路内に発生する負圧の影響を受けて、クランクケース２内の圧力は、大気圧よりも若干低くなっている。この場合、クランクケース２内の圧力は、ピストン５の往復動により変動し、また、燃焼室６からクランクケース２内に漏洩するガス量によっても変動するので、一時的に大気圧よりも若干高くなる場合もある。いずれにしても、機関運転中、クランクケース２内のブローバイガスは、スロットル弁１９の下流の吸気通路内に送り込まれ続ける。なお、クランクケース２内の圧力変動により、クランクケース２内に大きな負圧が発生したときに、新気供給路２４を介して新気がクランクケース２内に供給され、それによって、クランクケース２内の換気作用が行われる。

さて、ブローバイガス送出路２０に何ら異常がないときには、クランクケース２内のブローバイガスは、燃焼室６内において燃焼せしめられる。しかしながら、ブローバイガス送出路２０に異常が生ずると、ブローバイガスの大気中への漏洩等、種々の問題を生ずる。例えば、ブローバイガス通路２３用として、通常、ＰＣＶバルブ２２と吸気ダクト１５内とを連結するＰＶＣホースと称されるホースが用いられている。この場合、このＰＶＣホースがＰＣＶバルブ２２との連結部又は吸気ダクト１５内との連結部から脱離したり、或いは、ＰＶＣホースに穴が開くと、ブローバイガス流出口５１には大気圧が作用し、その結果、弁体５２がブローバイガス流入口５０を閉鎖する。

ところが弁体５２がブローバイガス流入口５０を閉鎖すると、機関の運転が行われているときには、クランクケース２内のブローバイガス量が増大し続け、従って、クランクケース２内の圧力が次第に高くなる。その結果、クランクケース２内の圧力の変動により、クランクケース２内の圧力が大気圧よりも高くなったときに、弁体５２がブローバイガス流入口５０を開口し、それによりクランクケース２内のブローバイガスが、ＰＣＶバルブ２２を介して大気中に漏洩ずることになる。即ち、ブローバイガスの漏洩異常を生ずることになる。

一方、弁体５２がブローバイガス流入口５０を閉鎖し続ける閉弁固着異常を生ずると、ブローバイガスがクランクケース２内に滞留し続け、その結果、ブローバイガス中に含まれる強酸性の水分によりエンジンオイルが劣化したり、エンジン内部に錆が発生するという問題を生ずる。これに対し、弁体５２がブローバイガス流入口５０を解放し続ける開弁固着異常を生ずると、ブローバイガスがクランクケース２内から流出し続ける。その結果、クランクケース２内のオイル３の蒸気が、クランクケース２内か流出し続けるために、オイルの消費量が増大するという問題を生ずる。

このようにＰＶＣホースがＰＣＶバルブ２２との連結部又は吸気ダクト１５内との連結部から脱離したり、或いは、ＰＶＣホースに穴が開いたりするとブローバイガスの漏洩異常を生じ、弁体５２が閉弁固着異常を生じたり、弁体５２が開弁固着異常を生じると、上述したような問題を生じる。従って、ＰＶＣホースがＰＣＶバルブ２２との連結部又は吸気ダクト１５内との連結部から脱離したり、或いは、ＰＶＣホースに穴が開いたり、弁体５２が閉弁固着異常を生じたり、弁体５２が開弁固着異常を生じたことを検出する必要がある。

ところで、サージタンク１３内の吸気圧、即ち、スロットル弁１９の下流の吸気通路内における吸気圧をＰｍとすると、この吸気圧Ｐｍは、サージタンク１３内に流入する吸入空気量およびブローバイガス量の合計量と、燃焼室６内に流入されるガス量とが同一量となる圧力であり、この吸気圧Ｐｍは、サージタンク１３内に流入する吸入空気量およびブローバイガス量の合計量又は燃焼室６内に流入されるガス量が定まるとそれに応じて一義的に定まる。この場合、燃焼室６内に流入するガス量は、機関負荷および機関回転数が定まるとそれに応じて定まり、従って、この吸気圧Ｐｍは、機関負荷および機関回転数が定まるとそれに応じて定まることになる。即ち、吸気圧Ｐｍは、ＰＣＶシステムが正常である場合には、機関負荷および機関回転数に応じて定まることになる。

図３Ｂの実線は、ＰＣＶシステムが正常である場合において、図３Ａと同様に機関回転数を或る一定回転数（アイドリング時を除く）に維持したときの吸気圧Ｐｍと機関負荷との関係を示している。図３Ｂの実線で示されるように、この場合には、吸気圧Ｐｍは機関負荷が小さくなるにつれて低下する。一方、図３Ｂの一点鎖線は、スロットル弁１９の下流の吸気通路内へのブローバイガス通路２３の開口部における圧力を示している。ブローバイガス通路２３の開口部から吸気通路内にブローバイガスが供給されていないときには、ブローバイガス通路２３の開口部圧力は、実線で示される吸気圧Ｐｍと等しくなる。これに対し、ブローバイガス通路２３の開口部から吸気通路内にブローバイガスが供給されているときには、ブローバイガス通路２３の開口部圧力は、実線で示される吸気圧Ｐｍよりも若干高くなる。図３Ａに示されるように、ブローバイガス流出口５１の流路面積は機関中負荷運転時に最大となるので、このとき吸気通路内に供給されるブローバイガス量は
最大となり、従って、図３Ｂに示されるように、機関中負荷運転時に、ブローバイガス通路２３の開口部圧力は、実線で示される吸気圧Ｐｍに対して最も高くなる。

次に、ＰＣＶシステムに異常が生じた場合の吸気圧Ｐｍの変化について、図４Ａ、図４Ｂおよび図４Ｃを参照しつつ説明する。なお、図４Ａ、図４Ｂおよび図４Ｃにおける実線は、図３Ｂの実線と同一であり、従って、図４Ａ、図４Ｂおよび図４Ｃにおける実線は、ＰＣＶシステムが正常である場合において、機関回転数を或る一定回転数（アイドリング時を除く）に維持したときの吸気圧Ｐｍと機関負荷との関係を示している。

図４Ａの破線は、ＰＶＣホースがＰＣＶバルブ２２との連結部又は吸気ダクト１５内との連結部から脱離した場合、或いは、ＰＶＣホースに穴が開いた場合の吸気圧Ｐｍの変化を示している。ＰＶＣホースがＰＣＶバルブ２２との連結部又は吸気ダクト１５内との連結部から脱離すると、或いは、ＰＶＣホースに穴が開くと、吸気ダクト１５内へのブローバイガス通路２３の開口部が大気圧となる。その結果、吸気圧Ｐｍが上昇し、図４Ａの破線で示されるように、吸気圧Ｐｍが、実線で示される正常時の吸気圧Ｐｍよりも高くなる。従って、吸気圧Ｐｍの変化からＰＶＣホースの脱離異常が生じているか否か或いはＰＶＣホースの穴あき異常が生じているか否かを判別することができることになる。

なお、実線で示される正常時の吸気圧Ｐｍは、機関負荷が高くなるほど高くなり、正常時の吸気圧Ｐｍが高くなると、吸気ダクト１５内へのブローバイガス通路２３の開口部が大気圧となっても、吸気圧Ｐｍがほとんど変化しなくなる。これに対し、機関負荷が低くなって正常時の吸気圧Ｐｍが低くなると、図４Ａの破線で示されるように、吸気ダクト１５内へのブローバイガス通路２３の開口部が大気圧になったときに、吸気圧Ｐｍが大巾に変化する。従って、機関負荷が低いときのほうが、ＰＶＣホースの脱離異常が生じているか否か或いはＰＶＣホースの穴あき異常が生じているか否かを確実に判別することができる。また、これらの異常判別は、吸気圧Ｐｍの安定している定常運転時に、最も確実に行うことができる。そこで本発明による実施例では、機関低負荷定常運転時に、ＰＶＣホースの脱離異常が生じているか否か或いはＰＶＣホースの穴あき異常が生じているか否か、即ち、ブローバイガスの漏洩異常が生じているか否かが判別される。具体的には、一定時間以上、アイドリング運転が継続したときに、ＰＶＣホースの脱離異常が生じているか否か或いはＰＶＣホースの穴あき異常が生じているか否か、即ち、ブローバイガスの漏洩異常が生じているか否かが判別される。

一方、図４Ｂの破線は、ＰＣＶバルブ２２が開弁固着異常を生じたときの吸気圧Ｐｍの変化を示している。ＰＣＶバルブ２２が開弁固着異常を生じると、正常時であればブローバイガス流出口５１の流路面積が小さくなる機関低負荷運転時或いは機関高負荷定転時においても、ブローバイガス流出口５１の流路面積が大きなまま維持される。従って、このとき、仮に吸気圧Ｐｍが正常時と同じ吸気圧に維持されていたとすると、機関低負荷運転時および機関高負荷定転時には、サージタンク１３内に流入される吸入空気量およびブローバイガス量の合計量は正常時に比べて増大することになる。しかしながら、機関負荷および機関回転数が同一である限り、サージタンク１３内に流入される吸入空気量およびブローバイガス量の合計量は変化しない。従って、ＰＣＶバルブ２２が開弁固着異常を生じたときには、実際には、吸気圧Ｐｍは、図４Ｂの破線で示されるように、機関低負荷運転時に、サージタンク１３内に流入される吸入空気量およびブローバイガス量の合計量が正常時と同一となるように、正常時に比べて上昇する。従って、吸気圧Ｐｍの変化からＰＣＶバルブ２２が開弁固着異常を生じているか否かを判別することができることになる。

なお、実線で示される正常時の吸気圧Ｐｍは、機関負荷が高くなるほど高くなり、正常時の吸気圧Ｐｍが高くなると、ブローバイガス流出口５１の流路面積が大きなまま維持されたとしても、吸気圧Ｐｍがほとんど変化しなくなる。これに対し、機関負荷が低くなって正常時の吸気圧Ｐｍが低くなると、図４Ｂの破線で示されるように、ブローバイガス流出口５１の流路面積が大きなまま維持されたときに、吸気圧Ｐｍが大きく変化する。従って、機関負荷が低いときに、ＰＣＶバルブ２２の開弁固着異常が生じているか否かを判別することができる。また、吸気圧Ｐｍの安定している定常運転時に、この異常判別を最も確実に行うことができる。そこで本発明による実施例では、機関低負荷定常運転時に、ＰＣＶバルブ２２が開弁固着異常を生じているか否かが判別される。具体的には、一定時間以上、アイドリング運転が継続したときに、ＰＣＶバルブ２２が開弁固着異常を生じているか否かが判別される。

一方、図４Ｃの破線は、ＰＣＶバルブ２２が閉弁固着異常を生じたときの吸気圧Ｐｍの変化を示している。ＰＣＶバルブ２２が閉弁固着異常を生じると、正常時であればブローバイガス流出口５１の流路面積が大きくなる機関中負荷運転時においても、ＰＣＶバルブ２２が閉弁状態に維持される。従って、このとき、仮に吸気圧Ｐｍが正常時と同じ吸気圧に維持されていたとすると、機関中負荷運転時には、サージタンク１３内に流入される吸入空気量およびブローバイガス量の合計量は正常時に比べて減少することになる。しかしながら、上述したように機関負荷および機関回転数が同一である限り、サージタンク１３内に流入される吸入空気量およびブローバイガス量の合計量は変化しない。従って、ＰＣＶバルブ２２が閉弁固着異常を生じたときには、実際には、吸気圧Ｐｍは、図４Ｃの破線で示されるように、機関中負荷運転時に、サージタンク１３内に流入される吸入空気量およびブローバイガス量の合計量が正常時と同一となるように、正常時に比べて低下する。従って、吸気圧Ｐｍの変化からＰＣＶバルブ２２が閉弁固着異常を生じているか否かを判別することができることになる。

なお、機関低負荷運転時或いは機関高負荷定転時には、正常時であっても、ブローバイガス流出口５１の流路面積は小さいので、図４Ｃに示されるように、正常時であっても、ＰＣＶバルブ２２が閉弁固着異常を生じたときであっても、吸気圧Ｐｍはほとんど変化しない。これに対して、機関中負荷定転時には、ＰＣＶバルブ２２が閉弁固着異常を生じると、図４Ｃの破線で示されるように、吸気圧Ｐｍは正常時に比べて大きく低下する。従って、機関中負荷定転時に、ＰＣＶバルブ２２の閉弁固着異常が生じているか否かを判別することができる。また、吸気圧Ｐｍの安定している定常運転時に、この異常判別を最も確実に行うことができる。そこで本発明による実施例では、機関中負荷定常運転時に、ＰＣＶバルブ２２が開弁固着異常を生じているか否かが判別される。具体的には、一定時間以上、機関中負荷運転が継続したときに、ＰＣＶバルブ２２が閉弁固着異常を生じているか否かが判別される。

このように、ブローバイガスの漏洩異常、弁体５２の閉弁固着異常、或いは、弁体５２の開弁固着異常を生じると、吸気圧Ｐｍの変化から、ブローバイガスの漏洩異常、弁体５２の閉弁固着異常、或いは、弁体５２の開弁固着異常を判別することができる。しかしながら、この場合、図４Ａの破線および図４Ｂの破線からわかるように、ブローバイガスの漏洩異常が生じたときも、ＰＣＶバルブ２２が開弁固着異常を生じたときも、吸気圧Ｐｍは、似たような変化をするので、吸気圧Ｐｍの変化から、正確に、ブローバイガスの漏洩が生じているか否かを判別するのは簡単ではない。そこで本発明では、ニューラルネットワークを用いて、吸気圧Ｐｍの変化から、ブローバイガス送出路２０に異常が生じているか否かあるかを正確に判別するようにしている。
＜ニューラルネットワークの概要＞

上述したように、本発明による実施例では、ニューラルネットワークを用いて、ブローバイガス送給路２０に異常が生じているか否かを判別するようにしている。そこで最初にニューラルネットワークについて簡単に説明する。図５は簡単なニューラルネットワークを示している。図５における丸印は人工ニューロンを表しており、ニューラルネットワークにおいては、この人工ニューロンは、通常、ノード又はユニットと称される（本願では、ノードと称す）。図５においてL＝１は入力層、L＝２および L＝３は隠れ層、L＝４は出力層を夫々示している。また、図５において、ｘ_１およびｘ_２は入力層 ( L＝１) の各ノードからの出力値を示しており、ｙ_１およびｙ_２は出力層 ( L＝４) の各ノードからの出力値を示しており、ｚ^（２） _１、ｚ^（２） _２およびｚ^（２） _３は隠れ層 ( L＝２) の各ノードからの出力値を示しており、ｚ^（３） _１、ｚ^（３） _２およびｚ^（３） _３は隠れ層 ( L＝３) の各ノードからの出力値を示している。なお、隠れ層の層数は、１個又は任意の個数とすることができ、入力層のノードの数および隠れ層のノードの数も任意の個数とすることができる。また、出力層のノードの数は１個とすることもできるし、複数個とすることもできる。

入力層の各ノードでは入力がそのまま出力される。一方、隠れ層 ( L＝２) の各ノードには、入力層の各ノードの出力値ｘ_１およびｘ_２が入力され、隠れ層 ( L＝２) の各ノードでは、夫々対応する重みｗおよびバイアスｂを用いて総入力値ｕが算出される。例えば、図５において隠れ層 ( L＝２) のｚ^（２） _ｋ（ｋ＝１，２，３）で示されるノードにおいて算出される総入力値ｕ_ｋは、次式のようになる。

次いで、この総入力値ｕ_ｋは活性化関数ｆにより変換され、隠れ層 ( L＝２) のｚ^（２） _ｋで示されるノードから、出力値ｚ^（２） _ｋ(= f (ｕ_ｋ)) として出力される。一方、隠れ層 ( L＝３) の各ノードには、隠れ層 ( L＝２) の各ノードの出力値ｚ^（２） _１、ｚ^（２） _２およびｚ^（２） _３が入力され、隠れ層 ( L＝3 ) の各ノードでは、夫々対応する重みｗおよびバイアスｂを用いて総入力値ｕ（Σｚ・ｗ＋ｂ）が算出される。この総入力値ｕは同様に活性化関数により変換され、隠れ層 ( L＝3 ) の各ノードから、出力値ｚ^（３） _１、ｚ^（３） _２およびｚ^（３） _３として出力される、この活性化関数としては、例えば、シグモイド関数σが用いられる。

一方、出力層 ( L＝４) の各ノードには、隠れ層 ( L＝３) の各ノードの出力値ｚ^（３） _１、ｚ^（３） _２およびｚ^（３） _３が入力され、出力層の各ノードでは、夫々対応する重みｗおよびバイアスｂを用いて総入力値ｕ（Σｚ・ｗ＋ｂ）が算出されるか、又は、夫々対応する重みｗのみを用いて総入力値ｕ（Σｚ・ｗ）が算出される。例えば、回帰問題では、出力層のノードでは恒等関数が用いられ、従って、出力層のノードからは、出力層のノードにおいて算出された総入力値ｕが、そのまま出力値ｙとして出力される。
＜ニューラルネットワークにおける学習＞

さて、ニューラルネットワークの出力値ｙの正解値を示す教師データ、即ち、正解データをｙ_ｔとすると、ニューラルネットワークにおける各重みｗおよびバイアスｂは、出力値ｙと教師データ、即ち、正解データｙ_ｔとの差が小さくなるように、誤差逆伝播法を用いて学習される。この誤差逆伝播法は周知であり、従って、誤差逆伝播法についてはその概要を以下に簡単に説明する。なお、バイアスｂは重みｗの一種なので、以下、バイアスｂも含めて重みｗと称する。さて、図５に示すようなニューラルネットワークにおいて、Ｌ＝２，Ｌ＝３又はＬ＝４の各層のノードへの入力値ｕ^（Ｌ）における重みをｗ^（Ｌ）で表すと、誤差関数Ｅの重みｗ^（Ｌ）による微分、即ち、勾配∂Ｅ/∂ｗ^（Ｌ）は、書き換えると、次式で示されるようになる。

ここで、ｚ^{（Ｌ−１）}・∂ｗ^（Ｌ）＝ ∂ｕ^（Ｌ）であるので、（∂Ｅ/∂ｕ^（Ｌ））＝δ^（Ｌ）とすると、上記（１）式は、次式でもって表すことができる。

ここで、ｕ^（Ｌ）が変動すると、次の層の総入力値ｕ^{（Ｌ＋１）}の変化を通じて誤差関数Ｅの変動を引き起こすので、δ^（Ｌ）は、次式で表すことができる。

ここで、z^（Ｌ）＝ｆ(u^（Ｌ）) と表すと、上記（３）式の右辺に現れる入力値ｕ_k ^{（Ｌ＋１）}は、次式で表すことができる。

ここで、上記（３）式の右辺第１項（∂Ｅ/∂ｕ^{（Ｌ＋１）}）はδ^{（Ｌ＋１）}であり、上記（３）式の右辺第２項（∂u_ｋ ^{（Ｌ＋１）} /∂u^（Ｌ））は、次式で表すことができる。

従って、δ^（Ｌ）は、次式で示される。

即ち、δ^{（Ｌ＋１）}が求まると、δ^（Ｌ）を求めることができることになる。

さて、出力層 ( L＝４) のノードが一個であって、或る入力値に対して教師データ、即ち、正解データｙ_ｔが求められており、この入力値に対する出力層からの出力値がｙであった場合において、誤差関数として二乗誤差が用いられている場合には、二乗誤差Ｅは、Ｅ＝１/２(ｙ−ｙ_ｔ)^２で求められる。この場合、出力層（Ｌ＝４）のノードでは、出力値ｙ＝ｆ(u^（Ｌ）) となり、従って、この場合には、出力層（Ｌ＝４）のノードにおけるδ^（Ｌ）の値は、次式で示されるようになる。

この場合、回帰問題では、前述したように、ｆ(u^（Ｌ）) は恒等関数であり、ｆ’(u^（Ｌｌ）) ＝１となる。従って、δ^（Ｌ）＝ｙ−ｙ_ｔとなり、δ^（Ｌ）が求まる。

δ^（Ｌ）が求まると、上式（６）を用いて前層のδ^{（Ｌ−１）}が求まる。このようにして順次、前層のδが求められ、これらδの値を用いて、上式（２）から、各重みｗについて誤差関数Ｅの微分、即ち、勾配∂Ｅ/∂ｗ^（Ｌ）か求められる。勾配∂Ｅ/∂ｗ^（Ｌ）か求められると、この勾配∂Ｅ/∂ｗ^（Ｌ）を用いて、誤差関数Ｅの値が減少するように、重みｗが更新される。即ち、重みｗの学習が行われることになる。

一方、分類問題では、学習時には、出力層 ( L＝４) からの各出力値ｙ_１、ｙ_２・・・がソフトマックス層に入力され、ソフトマックス層からの出力値をｙ_１‘、ｙ_２’・・・、対応する正解ラベルをｙ_ｔ１、ｙ_ｔ２・・・とすると、誤差関数Ｅとして、次の交差エントロピー誤差Ｅが用いられる。

この場合も、出力層 ( L＝４) の各ノードにおけるδ^（Ｌ）の値は、δ^（Ｌ）＝ｙ_k
−ｙ_tk （ｋ＝１，２・・・ｎ）となり、これらδ^（Ｌ）の値から上式（６）を用いて前層のδ^{（Ｌ−１）}が求まる。
＜本発明による実施例＞

さて、本発明による第１実施例では、サージタンク１３内に配置された圧力センサ２５によってスロットル弁１９下流の吸気通路内の吸気圧Ｐｍが検出され、この吸気圧Ｐｍを用いて、ブローバイガスの漏洩異常が生じているか否か、弁体５２が開弁固着異常を生じているか否か、および、弁体５２が閉弁固着異常を生じているか否かが判別される。

一方、本発明による第２実施例では、吸入空気量検出器１６により検出された吸入空気量と、大気圧と、大気温と、スロットル弁１９の開度に基づいて、スロットル弁１９下流の吸気通路内の吸気圧Ｐｍの推定値が算出され、この吸気圧Ｐｍの推定値を用いて、ブローバイガスの漏洩異常が生じているか否か、弁体５２が開弁固着異常を生じているか否か、および、弁体５２が閉弁固着異常を生じているか否かが判別される。この第２実施例では、吸気圧Ｐｍを検出するための圧力センサ２５を必要としないという利点がある。

次に、図６から図９を参照しつつ、吸気圧Ｐｍの推定値を算出する方法について説明する。図６には、図１に示されるサージタンク１３、吸気ダクト１５およびスロットル弁１９が図解的に示されている。また、図６には、図１に示されるブローバイガス通路２３が破線で示されている。なお、初めに、スロットル弁１９を通過する吸入空気量の算出方法について説明する。
図６において、Ｐａはスロットル弁１９上流の吸気通路内の圧力を示しており、Ｔａはスロットル弁１９上流の吸気通路内の温度を示しており、Ｐｍはスロットル弁１９下流の吸気通路内の圧力、即ち、吸気圧を示しており、Ｔｍはスロットル弁１９下流の吸気通路内の温度を示している。この場合、スロットル弁１９の開口面積をＴＡとし、流量係数をμとし、Ｒをガス定数とし、κを比熱比とすると、スロットル弁１９を通過する吸入空気量ｍｔは、次式で表される。

ここで、スロットル弁１９の開口面積ＴＡは、図７Ａおよび図７Ｂにおいてハッチングで示すように、吸気ダクト１５の軸線に沿ってみたときにスロットル弁１９の外周縁と吸気ダクト１５の内周面により囲まれた面積を表している。このスロットル弁１９の開口面積ＴＡは、スロットル弁１９の開度の関数として、予めメモリ３２内に記憶されている。

次に、上式（９）および（１０）の求め方について簡単に説明する。スロットル弁１９を通過した直後の吸入空気の流速をｖ（ｍ/ｓ）とし、吸入空気の密度をρ（kg/ｍ^３）とすると、スロットル弁１９を通過する吸入空気量ｍｔは、次式で表される。

一方、スロットル弁１９を通過する前後において吸入空気のエネルギが保存されるとすると、単位質量（１ｋｇ）当たりの吸入空気について次式が成り立つ。

なお、上式（１２）において、１/２・ｖ^２およびＣ_Ｐ・Ｔｍは，夫々、スロットル弁１９を通過した直後の吸入空気の運動エネルギおよびエンタルピーを示しており、Ｃ_Ｐ・Ｔａは，スロットル弁１９を通過する前の吸入空気のエンタルピーを示している。なお、スロットル弁１９を通過する前の吸入空気の流速は零としている。また、上式（１２）において、Ｃ_Ｐは、吸入空気の定圧比熱を示している。

一方、スロットル弁１９を通過する前後において吸入空気の運動量が保存されるので、次式が成り立つ。

なお、上式（１３）の左辺において、（ｍｔ・Δｔ）は、単位時間Δｔ当たり加速される吸入空気の質量を表しており、ｖは吸入空気の速度変化量を表している（スロットル弁１９を通過する前の吸入空気の流速は零としている）。一方、上式（１３）の右辺は力積を表している。上式（１１）、（１２）、（１３）、状態方程式Ｐ＝ρ・Ｒ・Ｔ、およびＣ_Ｐ＝Ｒ・ｋ/（ｋ−1）から、スロットル弁１９を通過する吸入空気量ｍｔを表す上式（９）および（１０）が求まる。上式（９）および（１０）からわかるように、スロットル弁１９を通過する吸入空気量ｍｔは、スロットル弁１９上流の吸気通路内の圧力Ｐａ、スロットル弁１９上流の吸気通路内の温度Ｔａ、スロットル弁１９下流の吸気通路内の圧力Ｐｍおよびスロットル弁１９の開口面積ＴＡの関数となる。

図８は、スロットル弁１９上流の吸気通路内の圧力Ｐａおよびスロットル弁１９上流の吸気通路内の温度Ｔａが或る一定値に維持されているときのスロットル弁１９を通過する吸入空気量ｍｔと圧力比（Ｐｍ/Ｐａ）との関係を示している。なお、図８には、スロットル弁１９の開口面積ＴＡが大きいときの吸入空気量ｍｔの変化と、スロットル弁１９の開口面積ＴＡが小さいときの吸入空気量ｍｔの変化が示されている。図８に示されるように、圧力比（Ｐｍ/Ｐａ）が1/（κ＋1）（＝0.4167）以上である場合には、圧力比（Ｐｍ/Ｐａ）が高くなるにつれて、吸入空気量ｍｔが減少し、圧力比（Ｐｍ/Ｐａ）が1/（κ＋1）（＝0.4167）以下の場合には、吸入空気量ｍｔは圧力比（Ｐｍ/Ｐａ）に拘らずに一定となる。なお、通常の車両走行時には、圧力比（Ｐｍ/Ｐａ）は、1/（κ＋1）（＝0.4167）以上となる。

図９は、上式（９）および（１０）におけるΦ（Ｐｍ/Ｐａ）と圧力比（Ｐｍ/Ｐａ）との関係を示している。上式（９）からわかるように、スロットル弁１９を通過する吸入空気量ｍｔ、スロットル弁１９上流の吸気通路内の圧力Ｐａ、スロットル弁１９上流の吸気通路内の温度Ｔａおよびスロットル弁１９の開口面積ＴＡがわかると、Φ（Ｐｍ/Ｐａ）がわかり、Φ（Ｐｍ/Ｐａ）がわかると、図９に示される関係から、スロットル弁１９下流の吸気通路内の圧力Ｐｍ、即ち、吸気圧Ｐｍかわかる。この場合、スロットル弁１９を通過する吸入空気量ｍｔは、吸入空気量検出器１６により検出された吸入空気量と等しく、従って、吸入空気量検出器１６により検出された吸入空気量ｍｔ、スロットル弁１９上流の吸気通路内の圧力Ｐａ、スロットル弁１９上流の吸気通路内の温度Ｔａおよびスロットル弁１９の開口面積ＴＡがわかると、図９に示される関係から、スロットル弁１９下流の吸気通路内の圧力Ｐｍ、即ち、吸気圧Ｐｍがわかることになる。

なお、この第２実施例では、図９に示されるΦ（Ｐｍ/Ｐａ）と圧力比（Ｐｍ/Ｐａ）との関係は、予めメモリ３２内に記憶されている。また、前述したように、スロットル弁１９の開口面積ＴＡは、スロットル弁１９の開度の関数として、予めメモリ３２内に記憶されており、従って、スロットル弁１９の開度がわかるとスロットル弁１９の開口面積ＴＡがわかる、そこで、この第２実施例では、吸入空気量検出器１６、大気圧センサ２７、大気温センサ２８およびスロットル弁開度センサ２６による検出結果に基づいて、夫々、吸入空気量ｍｔ、スロットル弁１９上流の吸気通路内の圧力Ｐａ、スロットル弁１９上流の吸気通路内の温度Ｔａおよびスロットル弁１９の開口面積ＴＡが求められ、図９に示される関係を用いて、スロットル弁１９下流の吸気通路内の圧力Ｐｍ、即ち、吸気圧Ｐｍの推定値が求められる。

さて、前述したように、スロットル弁１９下流の吸気通路内の圧力Ｐｍ、即ち、吸気圧Ｐｍは、ＰＣＶシステムが正常である場合には、機関負荷および機関回転数に応じて定まる。これに対し、ブローバイガスの漏洩異常が生じているか、或いはＰＣＶバルブ２２が開弁固着異常を生じているときには、図４Ａおよび図４Ｂを参照しつつ説明したように、機関低負荷運転時に吸気圧Ｐｍは正常時の吸気圧Ｐｍに対して変化し、ＰＣＶバルブ２２が閉弁固着異常を生じているときには、図４Ｃを参照しつつ説明したように、機関中負荷運転時に吸気圧Ｐｍは正常時の吸気圧Ｐｍに対して変化する。そこで前述したように、本発明による実施例では、機関低負荷定常運転時に、ブローバイガスの漏洩異常が生じているか否か、およびＰＣＶバルブ２２が開弁固着異常を生じているか否かが判別され、機関中負荷定常運転時に、ＰＣＶバルブ２２が閉弁固着異常を生じているか否かが判別される。

この場合、この吸気圧Ｐｍの変化を的確に捉えることができれば、ブローバイガスの漏洩異常が生じたか否か、ＰＣＶバルブ２２が開弁固着異常を生じたか否か、およびＰＣＶバルブ２２が閉弁固着異常を生じたか否かを正確に判別することができる。そこで、本発明による実施例では、ブローバイガスの漏洩異常の発生およびＰＣＶバルブ２２の開弁固着異常の発生を正確に判別するために、機関低負荷定常運転時に、第１のニューラルネットワークを用いて、ブローバイガスの漏洩異常が生じているか否か、或いはＰＣＶバルブ２２の開弁固着異常が生じているか否かを正確に推定可能な第１の異常判定推定モデルが作成され、更に、ＰＣＶバルブ２２の閉弁固着異常の発生を正確に判別するために、機関中負荷定常運転時に、第２のニューラルネットワークを用いて、ＰＣＶバルブ２２の閉弁固着異常が生じているか否かを正確に推定可能な第２の異常判定推定モデルが作成される。

次に、機関低負荷定常運転時に、ブローバイガスの漏洩異常が生じているか否か、或いはＰＣＶバルブ２２の開弁固着異常が生じているか否かを正確に推定可能な第１の異常判定推定モデルの作成に用いられる第１のニューラルネットワークの一実施例について図１０を参照しつつ説明する。図１０を参照すると、この第１のニューラルネットワーク６０においても、図５に示されるニューラルネットワークと同様に、L＝１は入力層、L＝２および L＝３は隠れ層、L＝４は出力層を夫々示している。このニューラルネットワーク６０では、図１０に示されるように、入力層 ( L＝１) が３個のノードからなり、３個の入力値ｘ_１、ｘ_２、ｘ_３が、入力層 ( L＝１) の各ノードに入力されている。

一方、図１０には隠れ層 ( L＝２)および隠れ層 ( L＝３)が記載されているが、これら隠れ層の層数は、１個又は任意の個数とすることができ、またこれら隠れ層のノードの数も任意の個数とすることができる。また、この実施例では、出力層 ( L＝４) のノードの数は３個とされており、出力層 ( L＝４) のノードからの出力値がｙ_１’、ｙ_２’、ｙ_３’で示されている。これら出力値ｙ_１’、ｙ_２’、ｙ_３’は、ソフトマックス層ＳＭに送り込まれて、夫々対応する出力値ｙ_１、ｙ_２、ｙ_３に変換される。これら出力値ｙ_１、ｙ_２、ｙ_３の合計は１であり、各出力値ｙ_１、ｙ_２、ｙ_３は１に対する割合を表している。

次に、図１０における入力値ｘ_１、ｘ_２、ｘ_３について、図１１に示される一覧表を参照しつつ説明する。さて、前述したように、スロットル弁１９下流の吸気通路内の圧力Ｐｍ、即ち、吸気圧Ｐｍは、ＰＣＶシステムに異常が生じていない場合には、機関負荷および機関回転数に応じて定まり、ＰＣＶシステムに異常が生じると、吸気圧Ｐｍは正常時の吸気圧Ｐｍに対して変化する。従って、本発明による第１実施例では、機関負荷が入力値ｘ_１とされ、機関回転数が入力値ｘ_２とされ、圧力センサ２５により検出されたスロットル弁１９下流の吸気圧Ｐｍの実測値が入力値ｘ_３とされる。

図１２は、図１０に示される出力値ｙ_１’、ｙ_２’、ｙ_３’および出力値ｙ_１、ｙ_２、ｙ_３がどのような異常状態を表しているかの一覧表を示している。図１２からわかるように、出力値ｙ_１’および出力値ｙ_１は、ＰＶＣホースがＰＣＶバルブ２２との連結部又は吸気ダクト１５内との連結部から脱離したとき、或いは、ＰＶＣホースに穴が開いたときに生ずるブローバイガスの漏洩異常を示しており、出力値ｙ_２’および出力値ｙ_２は、弁体５２が開弁され続けるＰＣＶバルブ２２の開弁固着異常を示しており、出力値ｙ_３’および出力値ｙ_３は、正常時を示している。更に、図１２には、ブローバイガスの漏洩異常が生じているか否か、およびＰＣＶバルブ２２の開弁固着異常が生じているか否かを判別するときの機関の運転状態が示されている。なお、第１のニューラルネットワークの出力値に関しては、これから説明するいずれの実施例においても、図１２の一覧表に示される出力値ｙ_１’、ｙ_２’、ｙ_３’および出力値ｙ_１、ｙ_２、ｙ_３と同一であり、従って、これから説明する各実施例においては、これら出力値ｙ_１’、ｙ_２’、ｙ_３’および出力値ｙ_１、ｙ_２、ｙ_３に関する説明を省略する。

図１３は、入力値ｘ_１、ｘ_２、ｘ_３と、教師データ、即ち、正解ラベルｙｔとを用いて作成された訓練データセットを示している。この図１３において、入力値ｘ_１、ｘ_２、ｘ_３は、前述したように、夫々、機関負荷、機関回転数、および、圧力センサ２５により検出されたスロットル弁１９下流の吸気圧Ｐｍの実測値を示している。この場合、機関負荷および機関回転数は、電子制御ユニット３０内において算出されている値が使用される。

一方、図１３において、ｙｔ_１、ｙｔ_２、ｙｔ_３は、夫々図１０に示される出力値ｙ_１’、ｙ_２’、ｙ_３’および出力値ｙ_１、ｙ_２、ｙ_３に対する教師データ、即ち、正解ラベルを示している。即ち、図１３において、ｙｔ_１は、ブローバイガスの漏洩異常が生じているときの正解ラベルを示しており、ｙｔ_２は、ＰＣＶバルブ２２の開弁固着異常が生じているときの正解ラベルを示しており、ｙｔ_３は、正常時であるときの正解ラベルを示している。この場合、例えば、ブローバイガスの漏洩異常が生じているときには、正解ラベルｙｔ_１のみが１とされ、残りの正解ラベルｙｔ_２、ｙｔ_３は全て零とされる。同様に、ＰＣＶバルブ２２の開弁固着異常が生じているときには、正解ラベルｙｔ_２のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_３は全て零とされ、正常時であるときには、正解ラベルｙｔ_３のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_２は全て零とされる。

一方、図１３に示されるように、この訓練データセットでは、入力値ｘ_１、ｘ_２、ｘ_３と、正解ラベルｙｔとの関係を表すｍ個のデータが取得されている。例えば、２番目のデータ（No. 2）には、取得された入力値ｘ_１２、ｘ_２２、ｘ_３２と、正解ラベルｙｔ_１２、ｙｔ_２２、ｙｔ_３２とが列挙されており、ｍ−１番目のデータ（No. ｍ−１）には、取得された入力パラメータの入力値ｘ_１ｍ−１、ｘ_２ｍ−１、ｘ_３ｍ−１と、正解ラベルｙｔ_{１ｍ−１、}ｙｔ_{２ｍ−１、}ｙｔ_３ｍ−１が列挙されている。

次に、機関中負荷定常運転時に、ＰＣＶバルブ２２の閉弁固着異常が生じているか否かを正確に推定可能な第２の異常判定推定モデルの作成に用いられる第２のニューラルネットワークの一実施例について図１４を参照しつつ説明する。図１４を参照すると、この第２のニューラルネットワーク６１においても、図１０に示される第１のニューラルネットワーク６０と同様に、L＝１は入力層、L＝２および L＝３は隠れ層、L＝４は出力層を夫々示している。この第２のニューラルネットワーク６１でも、図１４に示されるように、入力層 ( L＝１) が３個のノードからなり、３個の入力値ｘ_１、ｘ_２、ｘ_３が、入力層 ( L＝１) の各ノードに入力されている。

一方、図１４には隠れ層 ( L＝２)および隠れ層 ( L＝３)が記載されているが、これら隠れ層の層数は、１個又は任意の個数とすることができ、またこれら隠れ層のノードの数も任意の個数とすることができる。また、この実施例では、出力層 ( L＝４) のノードの数は２個とされており、出力層 ( L＝４) のノードからの出力値がｙ_１’、ｙ_２’で示されている。これら出力値ｙ_１’、ｙ_２’は、ソフトマックス層ＳＭに送り込まれて、夫々対応する出力値ｙ_１、ｙ_２に変換される。これら出力値ｙ_１、ｙ_２の合計は１であり、各出力値ｙ_１、ｙ_２は１に対する割合を表している。なお、この場合、ソフトマックス層ＳＭを用いずに出力層 ( L＝４) のノードの数を１個とし、このノードにおける活性化関数をシグモイド関数として２値分類を行うこともできる。

一方、図１４における入力値ｘ_１、ｘ_２、ｘ_３は、図１０における入力値ｘ_１、ｘ_２、ｘ_３と同一である。即ち、図１４に示される第２のニューラルネットワーク６１においても、図１１の一覧表に示されるように、機関負荷が入力値ｘ_１とされ、機関回転数が入力値ｘ_２とされ、圧力センサ２５により検出されたスロットル弁１９下流の吸気圧Ｐｍの実測値が入力値ｘ_３とされる。

図１５は、図１４に示される出力値ｙ_１’、ｙ_２’および出力値ｙ_１、ｙ_２がどのような異常状態を表しているかの一覧表を示している。図１５からわかるように、出力値ｙ_１’および出力値ｙ_１は、弁体５２が閉弁し続けるＰＣＶバルブ２２の閉弁固着異常を示しており、出力値ｙ_２’および出力値ｙ_２は、正常時を示している。更に、図１５には、ＰＣＶバルブ２２の閉弁固着異常が生じているか否かを判別するときの機関の運転状態が示されている。なお、第２のニューラルネットワークの出力値に関しては、これから説明するいずれの実施例においても、図１５の一覧表に示される出力値ｙ_１’、ｙ_２’および出力値ｙ_１、ｙ_２と同一であり、従って、これから説明する各実施例においては、これら出力値ｙ_１’、ｙ_２’および出力値ｙ_１、ｙ_２に関する説明を省略する。

図１６は、入力値ｘ_１、ｘ_２、ｘ_３と、教師データ、即ち、正解ラベルｙｔとを用いて作成された第２のニューラルネットワーク６１に対する訓練データセットを示している。この図１６において、入力値ｘ_１、ｘ_２、ｘ_３は、前述したように、夫々、機関負荷、機関回転数、および、圧力センサ２５により検出されたスロットル弁１９下流の吸気圧Ｐｍの実測値を示している。この場合、機関負荷および機関回転数は、電子制御ユニット３０内において算出されている値が使用される。

一方、図１６において、ｙｔ_１、ｙｔ_２は、夫々図１４に示される出力値ｙ_１’、ｙ_２’および出力値ｙ_１、ｙ_２に対する教師データ、即ち、正解ラベルを示している。即ち、図１６において、ｙｔ_１は、ＰＣＶバルブ２２の閉弁固着異常が生じているときの正解ラベルを示しており、ｙｔ_２は、正常時であるときの正解ラベルを示している。この場合、例えば、ＰＣＶバルブ２２の閉弁固着異常が生じているときには、正解ラベルｙｔ_１が１とされると共に、残りの正解ラベルｙｔ_２は零とされ、正常時であるときには、正解ラベルｙｔ_１が１とされると共に、残りの正解ラベルｙｔ_２は零とされる。

一方、図１６に示されるように、この訓練データセットとでは、入力値ｘ_１、ｘ_２、ｘ_３と、正解ラベルｙｔとの関係を表すｍ個のデータが取得されている。例えば、２番目のデータ（No. 2）には、取得された入力値ｘ_１２、ｘ_２２、ｘ_３２と、正解ラベルｙｔ_１２、ｙｔ_２２とが列挙されており、ｍ−１番目のデータ（No. ｍ−１）には、取得された入力パラメータの入力値ｘ_１ｍ−１、ｘ_２ｍ−１、ｘ_３ｍ−１と、正解ラベルｙｔ_{１ｍ−１、}ｙｔ_２ｍ−１が列挙されている。

図１７は、図１０における入力値ｘ_１、ｘ_２、ｘ_３および図１４における入力値ｘ_１、ｘ_２、ｘ_３の第２実施例の一覧表を示している。この第２実施例では、図１７に示されるように、機関負荷が入力値ｘ_１とされ、機関回転数が入力値ｘ_２とされ、スロットル弁１９下流の吸気圧Ｐｍの推定値が入力値ｘ_３とされる。前述したように、この吸気圧Ｐｍの推定値は、吸入空気量検出器１６、大気圧センサ２７および大気温センサ２８により夫々検出された吸入空気量ｍｔ、スロットル弁１９上流の吸気通路内の圧力Ｐａおよびスロットル弁１９上流の吸気通路内の温度Ｔａと、スロットル弁開度センサ２６の検出値に基づき算出されたスロットル弁１９の開口面積ＴＡと、図９に示される関係を用いて求められる。

一方、この第２実施例においても、図１０に示される第１のニューラルネットワーク６０および図１４に示される第２のニューラルネットワーク６１と同様な二つのニューラルネットワークが用いられ、図１３に示される訓練データセットおよび図１６に示される訓練データセットと同様な二つの訓練データセットが用いられる。但し、この第２実施例では、入力値ｘ_１およびｘ_２については、第１実施例と同様に、機関負荷が入力値ｘ_１とされ、機関回転数が入力値ｘ_２とされるが、入力値ｘ_３については、第１実施例と異なって、スロットル弁１９下流の吸気圧Ｐｍの推定値が入力値ｘ_３とされる。この第２実施例では、圧力センサ２５が不要であるという利点がある。

図１８は、第３実施例における入力値の一覧表を示している。図１８に示される一覧表を参照すると、この第３実施例では、入力値が、四つの入力値ｘ_１、ｘ_２、ｘ_３、ｘ_４のからなる。即ち、機関負荷が入力値ｘ_１とされ、機関回転数が入力値ｘ_２とされ、スロットル弁１９下流の吸気圧Ｐｍの実測値が入力値ｘ_３とされ、スロットル弁１９下流の吸気圧Ｐｍの推定値が入力値ｘ_４とされる。この場合、吸気圧Ｐｍの実測値は圧力センサ２５により検出され、吸気圧Ｐｍの推定値は、吸入空気量検出器１６、大気圧センサ２７および大気温センサ２８により夫々検出された吸入空気量ｍｔ、スロットル弁１９上流の吸気通路内の圧力Ｐａおよびスロットル弁１９上流の吸気通路内の温度Ｔａと、スロットル弁開度センサ２６の検出値に基づき算出されたスロットル弁１９の開口面積ＴＡと、図９に示される関係を用いて求められる。

図１９は、この第３実施例において用いられる第１のニューラルネットワーク６２を示しており、図２０は、この第１のニューラルネットワーク６２に対する訓練データセットを示している。また、図２１は、この第３実施例において用いられる第２のニューラルネットワーク６３を示しており、図２２は、この第２のニューラルネットワーク６３に対する訓練データセットを示している。図１９および図２１に示されるように、第１のニューラルネットワーク６２および第２のニューラルネットワーク６３では、入力層 ( L＝１) が４個のノードからなり、四つの入力値ｘ_１、ｘ_２、ｘ_３、ｘ_４、即ち、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）、スロットル弁１９下流の吸気圧Ｐｍの実測値（入力値ｘ_３）および、スロットル弁１９下流の吸気圧Ｐｍの推定値（入力値ｘ_４）が、入力層 ( L＝１) の各ノードに入力される。また、図２０および図２２に示される訓練データセットにおけるｘ_１、ｘ_２、ｘ_３、ｘ_４は夫々、機関負荷、機関回転数、スロットル弁１９下流の吸気圧Ｐｍの実測値および、スロットル弁１９下流の吸気圧Ｐｍの推定値を示している。このようにこの第３実施例では、入力値として、スロットル弁１９下流の吸気圧Ｐｍの実測値および、スロットル弁１９下流の吸気圧Ｐｍの推定値を用いることによって、ブローバイガス送出路２０或いはＰＣＶバルブ２２に異常が生じているか否かの判別精度を更に高めることができる。

図２３は、第４施例における入力値の一覧表を示している。図２３に示される一覧表を参照すると、この第４実施例では、入力値が、六つの入力値ｘ_１、ｘ_２、ｘ_３、ｘ_４、ｘ_５、ｘ_６からなる。即ち、機関負荷が入力値ｘ_１とされ、機関回転数が入力値ｘ_２とされ、吸入空気量検出器１６により検出された吸入空気量が入力値ｘ_３とされ、スロットル弁開度センサ２６により検出されたスロットル弁開度が入力値ｘ_４とされ、大気温センサ２８により検出された大気温が入力値ｘ_５とされ、大気圧センサ２７により検出された大気圧が入力値ｘ_６とされる。言い換えると、この４実施例では、入力値として、機関負荷および機関回転数に加え、吸気圧Ｐｍの推定値を求めるのに必要な吸入空気量ｍｔ、スロットル弁１９上流の吸気通路内の圧力Ｐａ、スロットル弁１９上流の吸気通路内の温度Ｔａおよびスロットル弁開度が用いられている。

図２４は、この第４実施例において用いられる第１のニューラルネットワーク６４を示しており、図２５は、この第１のニューラルネットワーク６４に対する訓練データセットを示している。また、図２６は、この第４実施例において用いられる第２のニューラルネットワーク６５を示しており、図２７は、この第２のニューラルネットワーク６５に対する訓練データセットを示している。図２４および図２６に示されるように、第１のニューラルネットワーク６４および第２のニューラルネットワーク６５では、入力層 ( L＝１) が６個のノードからなり、六つの入力値ｘ_１、ｘ_２、ｘ_３、ｘ_４、ｘ_５、ｘ_６、即ち、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）、吸入空気量（入力値ｘ_３）、スロットル弁開度（入力値ｘ_４）、大気温（入力値ｘ_５）および大気圧（入力値ｘ_６）が、入力層 ( L＝１) の各ノードに入力される。また、図２５および図２７に示される訓練データセットにおけるｘ_１、ｘ_２、ｘ_３、ｘ_４、ｘ_５、ｘ_６は夫々、機関負荷、機関回転数、吸入空気量、スロットル弁開度、大気温および大気圧を示している。

次に、これまでは説明した第１実施例から第４実施例の各実施例において用いられる種々の訓練データセットの作成方法について説明する。図２８に、訓練データセットの作成方法の一例が示されている。図２８を参照すると、図１に示される機関本体１が、室内温度および室内圧力を調整可能な試験室６９内に設置され、試験制御装置７０により、訓練データセットを作成するのに必要なデータを取得するために、機関負荷、機関回転数等が夫々、種々の値に調整される。このとき、ブローバイガス送出路２０の状態が、ＰＶＣホースがＰＣＶバルブ２２との連結部から脱離したブローバイガス漏洩異常状態、ＰＶＣホースが吸気ダクト１５内との連結部から脱離したブローバイガス漏洩異常状態、ＰＶＣホースに穴が開いたブローバイガス漏洩異常状態、弁体５２が開弁し続けるＰＣＶバルブ２２の開弁固着異常状態、弁体５２が閉弁し続けるＰＣＶバルブ２２の閉弁固着異常状態、および正常状態に順次変更され、変更された各状態において、機関負荷、機関回転数等の組み合わせを順次変更することにより、訓練データセットを作成するのに必要なデータが取得される。

図２９は、訓練データセットを作成するのに必要なデータの取得ルーチンを示している。図２９を参照すると、まず初めに、ステップ８０において、ブローバイガス送出路２０の正常状態および異常状態、大気温（試験室６９内の室内温度）、大気圧（試験室６９内の室内圧力）、機関運転状態の組み合わせが変更される。なお、最初にステップ８０に進んだときには、これらブローバイガス送出路２０の状態、大気温、大気圧、機関運転状態は、予め定められた初期の状態とされる。次いで、ステップ８１では、機関低負荷定常運転時であるか否かが判別される。機関低負荷定常運転時でないときには、ステップ８４にジャンプする。これに対し、機関低負荷定常運転時であるときには、ステップ８２に進む。

ステップ８２では、吸気圧Ｐｍの推定値が、吸入空気量検出器１６、大気圧センサ２７および大気温センサ２８により夫々検出された吸入空気量ｍｔ、スロットル弁１９上流の吸気通路内の圧力Ｐａおよびスロットル弁１９上流の吸気通路内の温度Ｔａと、スロットル弁開度センサ２６の検出値に基づき算出されたスロットル弁１９の開口面積ＴＡと、図９に示される関係を用いて算出される。なお、このステップ８２における吸気圧Ｐｍの推定値の算出処理は、第２実施例および第３実施例に対する訓練データセットを作成するときのみに行われ、第１実施例および第４実施例に対する訓練データセットを作成するときにはこのステップ８２は省略される。

次いで、ステップ８３では、入力値ｘ_１・・・入力値ｘ_ｎおよび出力値ｙ_１’、ｙ_２’、ｙ_３’および出力値ｙ_１、ｙ_２、ｙ_３に対する教師データ、即ち、正解ラベルｙｔ_１、ｙｔ_２、ｙｔ_３が取得され、試験制御装置７０内に記憶される。この場合、取得され、試験制御装置７０内に記憶される入力値は、前述したように、第１実施例では。機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）およびスロットル弁１９下流の吸気圧Ｐｍの実測値（入力値ｘ_３）であり、第２実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）およびスロットル弁１９下流の吸気圧Ｐｍの推定値（入力値ｘ_３）であり、第３実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）、スロットル弁１９下流の吸気圧Ｐｍの実測値（入力値ｘ_３）およびスロットル弁１９下流の吸気圧Ｐｍの推定値（入力値ｘ_４）であり、第４実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）、吸入空気量（入力値ｘ_３）、スロットル弁開度（入力値ｘ_４）、大気温（入力値ｘ_５）および大気圧（入力値ｘ_６）である。

一方、ステップ８３において取得され、試験制御装置７０内に記憶される教師データ、即ち、正解ラベルｙｔ_１、ｙｔ_２、ｙｔ_３は、全ての実施例について共通であり、ｙｔ_１は、ブローバイガスの漏洩異常が生じているときの正解ラベルを示しており、ｙｔ_２は、ＰＣＶバルブ２２の開弁固着異常が生じているときの正解ラベルを示しており、ｙｔ_３は、正常時であるときの正解ラベルを示している。この場合、前述したように、例えば、ブローバイガスの漏洩異常が生じているときには、正解ラベルｙｔ_１のみが１とされ、残りの正解ラベルｙｔ_２、ｙｔ_３は全て零とされる。同様に、ＰＣＶバルブ２２の開弁固着異常が生じているときには、正解ラベルｙｔ_２のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_３は全て零とされ、正常時であるときには、正解ラベルｙｔ_３のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_２は全て零とされる。次いで、ステップ８４に進む。

ステップ８４では、機関中負荷定常運転時であるか否かが判別される。機関中負荷定常運転時でないときには、ステップ８７にジャンプする。これに対し、機関中負荷定常運転時であるときには、ステップ８５に進む。ステップ８５では、吸気圧Ｐｍの推定値が、吸入空気量検出器１６、大気圧センサ２７および大気温センサ２８により夫々検出された吸入空気量ｍｔ、スロットル弁１９上流の吸気通路内の圧力Ｐａおよびスロットル弁１９上流の吸気通路内の温度Ｔａと、スロットル弁開度センサ２６の検出値に基づき算出されたスロットル弁１９の開口面積ＴＡと、図９に示される関係を用いて算出される。なお、このステップ８５における吸気圧Ｐｍの推定値の算出処理は、第２実施例および第３実施例に対する訓練データセットを作成するときのみに行われ、第１実施例および第４実施例に対する訓練データセットを作成するときにはこのステップ８５は省略される。

次いで、ステップ８６では、入力値ｘ_１・・・入力値ｘ_ｎおよび出力値ｙ_１’、ｙ_２’および出力値ｙ_１、ｙ_２に対する教師データ、即ち、正解ラベルｙｔ_１、ｙｔ_２が取得され、試験制御装置７０内に記憶される。この場合、取得され、試験制御装置７０内に記憶される入力値は、上述したように、第１実施例では。機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）およびスロットル弁１９下流の吸気圧Ｐｍの実測値（入力値ｘ_３）であり、第２実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）およびスロットル弁１９下流の吸気圧Ｐｍの推定値（入力値ｘ_３）であり、第３実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）、スロットル弁１９下流の吸気圧Ｐｍの実測値（入力値ｘ_３）およびスロットル弁１９下流の吸気圧Ｐｍの推定値（入力値ｘ_４）であり、第４実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）、吸入空気量（入力値ｘ_３）、スロットル弁開度（入力値ｘ_４）、大気温（入力値ｘ_５）および大気圧（入力値ｘ_６）である。

一方、ステップ８６において取得され、試験制御装置７０内に記憶される教師データ、即ち、正解ラベルｙｔ_１、ｙｔ_２は、全ての実施例について共通であり、ｙｔ_１は、ＰＣＶバルブ２２の閉弁固着異常が生じているときの正解ラベルを示しており、ｙｔ_２は、正常時であるときの正解ラベルを示している。この場合、前述したように、例えば、ＰＣＶバルブ２２の固着異常が生じているときには、正解ラベルｙｔ_１が１とされると共に、残りの正解ラベルｙｔ_２は零とされ、正常時であるときには、正解ラベルｙｔ_２が１とされると共に、残りの正解ラベルｙｔ_１は零とされる。次いで、ステップ８７に進む。

ステップ８７では、ブローバイガス送出路２０の正常状態、ブローバイガス送出路２０の異常状態、大気温、大気圧および機関運転状態の全ての組み合わせについてのデータの取得が完了したか否かが判別される。なお、この場合、第１実施例について訓練データセットを作成するときには、大気温および大気圧は一定に維持される。ステップ８７において、ブローバイガス送出路２０の正常状態、ブローバイガス送出路２０の異常状態、大気温、大気圧および機関運転状態の全ての組み合わせについてのデータの取得が完了していないと判別されたときには、ステップ８０に戻り、ブローバイガス送出路２０の状態、大気温、大気圧、機関運転状態のうちの一つが変更される。次いで、ステップ８７において、ブローバイガス送出路２０の状態、大気温、大気圧、機関運転状態の全ての組み合わせについてのデータの取得が完了したと判別されると、データの取得処理を完了する。

このようにして訓練データセットが作成されると、作成された訓練データセットの電子データを用いて、第１実施例および第２実施例であれば図１０に示される第１のニューラルネットワーク６０および図１４に示される第２のニューラルネットワーク６１の重みの学習が行われ、第３実施例であれば図１９に示される第１のニューラルネットワーク６２および図２１に示される第２のニューラルネットワーク６３の重みの学習が行われ、第４実施例であれば図２４に示される第１のニューラルネットワーク６４および図２６に示される第２のニューラルネットワーク６５の重みの学習が行われる。図２８に示される例では、ニューラルネットワーク６０，６１，６２、６３，６４，６５の重みの学習を行うための学習装置７１が設けられている。この学習装置７１としてパソコンを用いることもできる。図２８に示されるように、この学習装置７１は、ＣＰＵ（マイクロプロセッサ）７２と、記憶装置、即ち、メモリ７３とを具備している。図２８に示される例では、実施例に対応したニューラルネットワークのノード数、および実施例に対応して作成された訓練データセットの電子データが学習装置７１のメモリ７３に記憶され、ＣＰＵ７２においてニューラルネットワークの重みの学習が行われる。

図３０は、学習装置７１において行われるニューラルネットワークの重みの学習処理ルーチンを示す。
図３０を参照すると、まず初めに、ステップ１００において、学習装置７１のメモリ７３に記憶されている実施例に対応した訓練データセットの各データが読み込まれる。次いで、ステップ１０１において実施例に対応したニューラルネットワーク６０，６１，６２、６３，６４，６５の入力層 ( L＝１) のノード数、隠れ層 ( L＝２)および隠れ層 ( L＝３)のノード数および出力層 ( L＝４) のノード数が読み込まれ、次いで、ステップ１０２において、これらノード数に基づき、実施例に対応したニューラルネットワーク６０，６１，６２、６３，６４，６５が作成される。

次いで、ステップ１０３では、実施例に対応したニューラルネットワーク６０，６１，６２、６３，６４，６５の重みの学習が行われる。このステップ１０３では、最初に、実施例に対応した訓練データセットの１番目（No. 1）の入力値ｘ_１・・・ｘ_ｎが、ニューラルネットワーク６０，６１，６２、６３，６４，６５の入力層 ( L＝１) の各ノードに入力される。このとき第１のニューラルネットワーク６０，６２、６４の重みの学習が行われている場合には、ニューラルネットワーク６０，６２、６４の出力層の各ノードからは、出力値がｙ_１’、ｙ_２’、ｙ_３’が出力され、これら出力値ｙ_１’、ｙ_２’、ｙ_３’は、ソフトマックス層ＳＭに送り込まれて、夫々対応する出力値ｙ_１、ｙ_２、ｙ_３に変換される。次いで、これらの出力値ｙ_１、ｙ_２、ｙ_３と、正解ラベルｙｔ_１、ｙｔ_２、ｙｔ_３により、前述した交差エントロピー誤差Ｅが算出され、交差エントロピー誤差Ｅが小さくなるように、前述した誤差逆伝播法を用いて、ニューラルネットワーク６０、６２、６４の重みの学習が行われる。

一方、このとき第２のニューラルネットワーク６１，６３、６５の重みの学習が行われている場合には、ニューラルネットワーク６１，６３、６５の出力層の各ノードからは、出力値がｙ_１’、ｙ_２’が出力され、これら出力値ｙ_１’、ｙ_２’は、ソフトマックス層ＳＭに送り込まれて、夫々対応する出力値ｙ_１、ｙ_２に変換される。次いで、これらの出力値ｙ_１、ｙ_２と、正解ラベルｙｔ_１、ｙｔ_２により、前述した交差エントロピー誤差Ｅが算出され、交差エントロピー誤差Ｅが小さくなるように、前述した誤差逆伝播法を用いて、ニューラルネットワーク６１，６３、６５の重みの学習が行われる。

実施例に対応した訓練データセットの１番目（No. 1）のデータに基づくニューラルネットワーク６０，６１，６２、６３，６４，６５の重みの学習が完了すると、次に、実施例に対応した訓練データセットの２番目（No. ２）のデータに基づくニューラルネットワーク６０，６１，６２、６３，６４，６５の重みの学習が、誤差逆伝播法を用いて行われる。同様にして、実施例に対応した訓練データセットのｍ番目（No. ｍ）まで順次、ニューラルネットワーク６０，６１，６２、６３，６４，６５の重みの学習が行われる。実施例に対応した訓練データセットの１番目（No. 1）からｍ番目（No. ｍ）までの全てについてニューラルネットワーク６０，６１，６２、６３，６４，６５の重みの学習が完了すると、ステップ１０４に進む。

ステップ１０４では、交差エントロピー誤差Ｅが、予め設定された設定誤差以下になったか否かが判別される。交差エントロピー誤差Ｅが、予め設定された設定誤差以下になっていないと判別されたときには、ステップ１０３に戻り、再度、実施例に対応した訓練データセットに基づいて、ニューラルネットワーク６０，６１，６２、６３，６４，６５の重み学習が行われる。次いで、交差エントロピー誤差Ｅが、予め設定された設定誤差以下になるまで、ニューラルネットワーク６０，６１，６２、６３，６４，６５の重みの学習が続行される。ステップ１０４において、交差エントロピー誤差Ｅが、予め設定された設定誤差以下になったと判別されたときには、ステップ１０５に進んで、ニューラルネットワーク６０，６１，６２、６３，６４，６５の学習済み重みが学習装置７１のメモリ７３に記憶される。このようにして、ブローバイガスの漏洩異常が生じているか否か、或いはＰＣＶバルブ２２の開弁固着異常が生じているか否かを正確に推定可能な第１の異常判定推定モデル、およびＰＣＶバルブ２２の閉弁固着異常が生じているか否かを正確に推定可能な第２の異常判定推定モデルが作成される。

本発明による実施例では、このようにして作成されたブローバイガスの漏洩異常およびＰＣＶバルブ２２の開弁固着異常に対する第１の異常判定推定モデル、およびＰＣＶバルブ２２の閉弁固着異常に対する第２の異常判定推定モデルを用いて、市販車両におけるブローバイガス送出路２０の故障診断が行われる。そのためにこれらのブローバイガス送出路２０およびＰＣＶバルブ２２の異常判定推定モデルが市販車両の電子制御ユニット３０に格納される。図３１は、これらのブローバイガス送出路２０およびＰＣＶバルブ２２の異常判定推定モデルを市販車両の電子制御ユニット３０に格納するために、電子制御ユニット３０において行われる電子制御ユニットへのデータ読み込みルーチンを示している。

図３１を参照すると、まず初めに、ステップ２００において、実施例に対応したニューラルネットワーク６０，６１，６２、６３，６４，６５の入力層 ( L＝１) のノード数、隠れ層 ( L＝２)および隠れ層 ( L＝３)のノード数および出力層 ( L＝４) のノード数が電子制御ユニット３０のメモリ３２に読み込まれ、次いで、ステップ２０１において、これらノード数に基づき、実施例に対応したニューラルネットワーク６０，６１，６２、６３，６４，６５が作成される。次いで、ステップ２０２において、ニューラルネットワーク６０，６１，６２、６３，６４，６５の学習済み重みが電子制御ユニット３０のメモリ３２に読み込まれる。それによりブローバイガス送出路２０およびＰＣＶバルブ２２の異常判定推定モデルが市販車両の電子制御ユニット３０に格納される。

次に、図３２を参照しつつ、市販車両において実行されるブローバイガス送出路２０およびＰＣＶバルブ２２の異常検出ルーチンについて説明する。このルーチンは、機関の運転が行われているときに、一定時間毎の割り込み、或いは、予め定められたクランク角における割り込みによって実行される。図３２を参照すると、まず初めに、ステップ３００において、機関低負荷定常運転時であるか否かが判別される。機関低負荷定常運転時でないときには、ステップ３０６に進んで、機関中負荷定常運転時であるか否かが判別される。機関中負荷定常運転時でないときには、処理サイクルを終了する。

一方、ステップ３００において、機関低負荷定常運転時であると判別されたときには、ステップ３０１に進み、吸気圧Ｐｍの推定値が、吸入空気量検出器１６、大気圧センサ２７および大気温センサ２８により夫々検出された吸入空気量ｍｔ、スロットル弁１９上流の吸気通路内の圧力Ｐａおよびスロットル弁１９上流の吸気通路内の温度Ｔａと、スロットル弁開度センサ２６の検出値に基づき算出されたスロットル弁１９の開口面積ＴＡと、図９に示される関係を用いて算出される。なお、このステップ３０１における吸気圧Ｐｍの推定値の算出処理は、第２実施例および第３実施例においてブローバイガスの漏洩異常およびＰＣＶバルブ２２の開弁固着異常の検出を行うときのみに行われ、第１実施例および第４実施例においてブローバイガスの漏洩異常およびＰＣＶバルブ２２の開弁固着異常の検出を行うときにはこのステップ３０１は省略される。

次いで、ステップ３０２では、入力値ｘ_１・・・入力値ｘ_ｎが取得され、メモリ３２内に記憶される。この場合、取得され、メモリ３２内に記憶される入力値は、第１実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）およびスロットル弁１９下流の吸気圧Ｐｍの実測値（入力値ｘ_３）であり、第２実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）およびスロットル弁１９下流の吸気圧Ｐｍの推定値（入力値ｘ_３）であり、第３実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）、スロットル弁１９下流の吸気圧Ｐｍの実測値（入力値ｘ_３）およびスロットル弁１９下流の吸気圧Ｐｍの推定値（入力値ｘ_４）であり、第４実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）、吸入空気量（入力値ｘ_３）、スロットル弁開度（入力値ｘ_４）、大気温（入力値ｘ_５）および大気圧（入力値ｘ_６）である。次いで、ステップ３０３に進む。

次いで、ステップ３０３では、電子制御ユニット３０のメモリ３２内に記憶されている入力値ｘ_１・・・ｘ_ｎが、実施例に対応した第１のニューラルネットワーク６０，６２，６４の入力層 ( L＝１) の各ノードに入力される。このとき第１のニューラルネットワーク６０，６２，６４の出力層の各ノードからは、出力値ｙ_１’、ｙ_２’、ｙ_３’が出力され、ステップ３０４では、このときソフトマックス層ＳＭにおいて変換された出力値ｙ_１、ｙ_２、ｙ_３が取得される。次いで、ステップ３０５では、取得された出力値ｙ_１、ｙ_２、ｙ_３の内から最大の出力値ｙ_iが選定され、この最大の出力値ｙ_iに対応した状態が、ブローバイガスの漏洩異常或いはＰＣＶバルブ２２の開弁固着異常であるときには、ブローバイガスの漏洩異常或いはＰＣＶバルブ２２の開弁固着異常が生じていると判定される。このとき、例えば、最大の出力値ｙ_i に対応したブローバイガスの漏洩異常或いはＰＣＶバルブ２２の開弁固着異常が生じていることを示す警告灯が点灯される。

一方、ステップ３０６において、機関中負荷定常運転時であると判別されたときには、ステップ３０７に進んで、吸気圧Ｐｍの推定値が、吸入空気量検出器１６、大気圧センサ２７および大気温センサ２８により夫々検出された吸入空気量ｍｔ、スロットル弁１９上流の吸気通路内の圧力Ｐａおよびスロットル弁１９上流の吸気通路内の温度Ｔａと、スロットル弁開度センサ２６の検出値に基づき算出されたスロットル弁１９の開口面積ＴＡと、図９に示される関係を用いて算出される。なお、このステップ３０７における吸気圧Ｐｍの推定値の算出処理は、第２実施例および第３実施例においてＰＣＶバルブ２２の閉弁固着異常の検出を行うときのみに行われ、第１実施例および第４実施例においてＰＣＶバルブ２２の閉弁固着異常の検出を行うときにはこのステップ３０７は省略される。

次いで、ステップ３０８では、入力値ｘ_１・・・入力値ｘ_ｎが取得され、メモリ３２内に記憶される。この場合、取得され、メモリ３２内に記憶される入力値は、第１実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）およびスロットル弁１９下流の吸気圧Ｐｍの実測値（入力値ｘ_３）であり、第２実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）およびスロットル弁１９下流の吸気圧Ｐｍの推定値（入力値ｘ_３）であり、第３実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）、スロットル弁１９下流の吸気圧Ｐｍの実測値（入力値ｘ_３）およびスロットル弁１９下流の吸気圧Ｐｍの推定値（入力値ｘ_４）であり、第４実施例では、機関負荷（入力値ｘ_１）、機関回転数（入力値ｘ_２）、吸入空気量（入力値ｘ_３）、スロットル弁開度（入力値ｘ_４）、大気温（入力値ｘ_５）および大気圧（入力値ｘ_６）である。次いで、ステップ３０９に進む。

ステップ３０９では、電子制御ユニット３０のメモリ３２内に記憶されている入力値ｘ_１・・・ｘ_ｎが、実施例に対応した第２のニューラルネットワーク６１，６３，６５の入力層 ( L＝１) の各ノードに入力される。このとき第２のニューラルネットワーク６１，６３，６５の出力層の各ノードからは、出力値ｙ_１’、ｙ_２’が出力され、ステップ３１０では、このときソフトマックス層ＳＭにおいて変換された出力値ｙ_１、ｙ_２が取得される。次いで、ステップ３１１では、取得された出力値ｙ_１、ｙ_２の内から最大の出力値ｙ_iが選定され、この最大の出力値ｙ_iに対応した状態がＰＣＶバルブ２２の閉弁固着異常であるときには、ＰＣＶバルブ２２の閉弁固着異常が生じていると判定される。このとき、例えば、ＰＣＶバルブ２２の閉弁固着異常が生じていることを示す警告灯が点灯される。

このように、本発明による実施例では、機関吸気通路内に吸入空気量検出器１６を配置すると共に吸入空気量検出器１６下流の機関吸気通路内にスロットル弁１９を配置し、機関クランクケース２内のブローバイガスがブローバイガス送出路２０を介してスロットル弁１９下流の機関吸気通路内に送り込まれ、ブローバイガス送出路２０内に、ブローバイガスの流通量を制御するＰＣＶバルブ２２を配置した内燃機関のブローバイガス送出路異常検出装置において、機関負荷と、機関回転数と、スロットル弁１９下流の機関吸気通路内の吸気圧を第１のニューラルネットワーク６０の入力パラメータとし、ブローバイガス送出路２０からブローバイガスが漏洩しているときを正解ラベルとして、重みの学習が行われた学習済み第１のニューラルネットワーク６０が記憶されており、車両の運転時に、この学習済み第１のニューラルネットワーク６０を用いて、上述の入力パラメータから、ブローバイガス送出路２０からのブローバイガスの漏洩異常が検出される。

この場合、本発明による一実施例では、スロットル弁１９下流の機関吸気通路内の吸気圧が実測値であり、本発明による別の実施例では、スロットル弁１９下流の機関吸気通路内の吸気圧が、吸入空気量検出器１６により検出された吸入空気量と、大気圧と、大気温と、スロットル弁１９の開度に基づいて推定された推定値とされる。

また、本発明による実施例では、機関低負荷定常運転時における機関負荷と、機関回転数と、スロットル弁１９下流の機関吸気通路内の吸気圧を第１のニューラルネットワーク６０の入力パラメータとし、ブローバイガス送出路２０からブローバイガスが漏洩しているときを正解ラベルとして、重みの学習が行われた学習済み第１のニューラルネットワーク６０が記憶されており、機関低負荷定常運転時に、この学習済み第１のニューラルネットワーク６０を用いて、上述の入力パラメータから、ブローバイガス送出路２０からのブローバイガスの漏洩異常が検出される。

更に、本発明による実施例では、機関低負荷定常運転時における機関負荷と、機関回転数と、スロットル弁１９下流の機関吸気通路内の吸気圧を第１のニューラルネットワーク６０の入力パラメータとし、ブローバイガス送出路２０からブローバイガスが漏洩しているとき、およびＰＣＶバルブ２２が、開弁し続ける開弁固着異常を生じているときを夫々正解ラベルとして、重みの学習が行われた学習済み第１のニューラルネットワーク６０が記憶されており、機関低負荷定常運転時に、この学習済み第１のニューラルネットワーク６０を用いて、上述の入力パラメータから、ブローバイガス送出路２０からのブローバイガスの漏洩異常およびＰＣＶバルブ２２の開弁固着異常が検出される。

更に、本発明による実施例では、機関低負荷定常運転時における機関負荷と、機関回転数と、スロットル弁１９下流の機関吸気通路内の吸気圧の実測値と、スロットル弁１９下流の機関吸気通路内の吸気圧の推定値とを第１のニューラルネットワーク６２の入力パラメータとし、ブローバイガス送出路２０からブローバイガスが漏洩しているときを正解ラベルとして、重みの学習が行われた学習済み第１のニューラルネットワーク６２が記憶されており、機関低負荷定常運転時に、この学習済み第１のニューラルネットワーク６２を用いて、機関低負荷定常運転時における上述の入力パラメータから、ブローバイガス送出路２０からのブローバイガスの漏洩異常が検出される。

更に、本発明による実施例では、機関低負荷定常運転時における機関負荷と、機関回転数と、スロットル弁１９下流の機関吸気通路内の吸気圧を第１のニューラルネットワーク６０の入力パラメータとし、ブローバイガス送出路２０からブローバイガスが漏洩しているときを正解ラベルとして、重みの学習が行われた学習済み第１のニューラルネットワーク６０が記憶されており、機関中負荷定常運転時における機関負荷と、機関回転数と、スロットル弁１９下流の機関吸気通路内の吸気圧を第２のニューラルネットワーク６１の入力パラメータとし、ＰＣＶバルブが、閉弁し続ける閉弁固着異常を生じているときを正解ラベルとして、重みの学習が行われた学習済み第２のニューラルネットワーク６１が記憶されており、機関低負荷定常運転時に、この学習済み第１のニューラルネットワーク６０を用いて、機関低負荷定常運転時における上述の入力パラメータから、ブローバイガス送出路２０からのブローバイガスの漏洩異常を検出すると共に、機関中負荷定常運転時に、この学習済み第２のニューラルネットワーク６１を用いて、機関中負荷定常運転時における上述の入力パラメータから、ＰＣＶバルブ２２の閉弁固着異常が検出される。

更に、本発明による実施例では、機関低負荷定常運転時における機関負荷と、機関回転数と、スロットル弁１９下流の機関吸気通路内の吸気圧を第１のニューラルネットワーク６０の入力パラメータとし、ブローバイガス送出路２０からブローバイガスが漏洩しているとき、およびＰＣＶバルブ２２が、開弁し続ける開弁固着異常を生じているときを夫々正解ラベルとして、重みの学習が行われた学習済み第１のニューラルネットワーク６０が記憶されており、機関中負荷定常運転時における機関負荷と、機関回転数と、スロットル弁１９下流の機関吸気通路内の吸気圧を第２のニューラルネットワーク６１の入力パラメータとし、ＰＣＶバルブ２２が、閉弁し続ける閉弁固着異常を生じているときを正解ラベルとして、重みの学習が行われた学習済み第２のニューラルネットワーク６１が記憶されており、機関低負荷定常運転時に、この学習済み第１のニューラルネットワーク６０を用いて、機関低負荷定常運転時における上述の入力パラメータから、ブローバイガス送出路２０からのブローバイガスの漏洩異常およびＰＣＶバルブ２２の開弁固着異常を検出すると共に、機関中負荷定常運転時に、この学習済み第２のニューラルネットワーク６１を用いて、機関中負荷定常運転時における上述の入力パラメータから、ＰＣＶバルブ２２の閉弁固着異常が検出される。

更に、本発明によれば、機関吸気通路内に吸入空気量検出器１６を配置すると共に吸入空気量検出器１６下流の機関吸気通路内にスロットル弁１９を配置し、機関クランクケース２内のブローバイガスがブローバイガス送出路２０を介してスロットル弁１９下流の機関吸気通路内に送り込まれ、ブローバイガス送出路２０内に、ブローバイガスの流通量を制御するＰＣＶバルブ２２を配置した内燃機関のブローバイガス送出路異常検出装置において、機関負荷と、機関回転数と、吸入空気量検出器１６により検出された吸入空気量と、大気圧と、大気温と、スロットル弁１９の開度を第１のニューラルネットワーク６４の入力パラメータとし、ブローバイガス送出路２０からブローバイガスが漏洩しているときを正解ラベルとして、重みの学習が行われた学習済み第１のニューラルネットワーク６４が記憶されており、車両の運転時に、この学習済み第１のニューラルネットワーク６４を用いて、上述の入力パラメータから、ブローバイガス送出路２０からのブローバイガスの漏洩異常が検出される。

１機関本体
２クランクケース
１２吸気枝管
１３サージタンク
１５吸気ダクト
１６吸入空気量検出器
１９スロットル弁
２０ブローバイガス送出路
２２ＰＣＶバルブ
２５圧力センサ
２６スロットル弁開度センサ
２７大気圧センサ
２８大気温センサ
３０電子制御ユニット
６０，６２，６４第１のニューラルネットワーク
６１，６３，６５第２のニューラルネットワーク

Claims

機関吸気通路内に吸入空気量検出器を配置すると共に吸入空気量検出器下流の機関吸気通路内にスロットル弁を配置し、機関クランクケース内のブローバイガスがブローバイガス送出路を介してスロットル弁下流の機関吸気通路内に送り込まれ、ブローバイガス送出路内に、ブローバイガスの流通量を制御するＰＣＶバルブを配置した内燃機関のブローバイガス送出路異常検出装置において、入力層と、一以上の隠れ層と、出力層とを有するニューラルネットワークを用い、機関負荷と、機関回転数と、スロットル弁下流の機関吸気通路内の吸気圧をニューラルネットワークの入力パラメータとし、ブローバイガス送出路からブローバイガスが漏洩しているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転時に、該学習済みニューラルネットワークを用いて、上記入力パラメータから、ブローバイガス送出路からのブローバイガスの漏洩異常を検出する内燃機関のブローバイガス送出路異常検出装置。
スロットル弁下流の機関吸気通路内の吸気圧が実測値である請求項１に記載の内燃機関のブローバイガス送出路異常検出装置。
スロットル弁下流の機関吸気通路内の吸気圧が、吸入空気量検出器により検出された吸入空気量と、大気圧と、大気温と、スロットル弁の開度に基づいて推定された推定値である請求項１に記載の内燃機関のブローバイガス送出路異常検出装置。
機関低負荷定常運転時における機関負荷と、機関回転数と、スロットル弁下流の機関吸気通路内の吸気圧をニューラルネットワークの入力パラメータとし、ブローバイガス送出路からブローバイガスが漏洩しているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、機関低負荷定常運転時に、この学習済みニューラルネットワークを用いて、機関低負荷定常運転時における上記入力パラメータから、ブローバイガス送出路からのブローバイガスの漏洩異常を検出する請求項１に記載の内燃機関のブローバイガス送出路異常検出装置。
機関低負荷定常運転時における機関負荷と、機関回転数と、スロットル弁下流の機関吸気通路内の吸気圧をニューラルネットワークの入力パラメータとし、ブローバイガス送出路からブローバイガスが漏洩しているときおよびＰＣＶバルブが、開弁し続ける開弁固着異常を生じているときを夫々正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、機関低負荷定常運転時に、この学習済みニューラルネットワークを用いて、機関低負荷定常運転時における入力パラメータから、ブローバイガス送出路からのブローバイガスの漏洩異常およびＰＣＶバルブの開弁固着異常を検出する請求項１に記載の内燃機関のブローバイガス送出路異常検出装置。
機関低負荷定常運転時における機関負荷と、機関回転数と、スロットル弁下流の機関吸気通路内の吸気圧の実測値と、スロットル弁下流の機関吸気通路内の吸気圧の推定値とをニューラルネットワークの入力パラメータとし、ブローバイガス送出路からブローバイガスが漏洩しているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、機関低負荷定常運転時に、この学習済みニューラルネットワークを用いて、機関低負荷定常運転時における上記入力パラメータから、ブローバイガス送出路からのブローバイガスの漏洩異常を検出する請求項１に記載の内燃機関のブローバイガス送出路異常検出装置。
機関低負荷定常運転時における機関負荷と、機関回転数と、スロットル弁下流の機関吸気通路内の吸気圧を第１のニューラルネットワークの入力パラメータとし、ブローバイガス送出路からブローバイガスが漏洩しているときを正解ラベルとして、重みの学習が行われた学習済み第１のニューラルネットワークが記憶されており、機関中負荷定常運転時における機関負荷と、機関回転数と、スロットル弁下流の機関吸気通路内の吸気圧を第２のニューラルネットワークの入力パラメータとし、ＰＣＶバルブが、閉弁し続ける閉弁固着異常を生じているときを正解ラベルとして、重みの学習が行われた学習済み第２のニューラルネットワークが記憶されており、機関低負荷定常運転時に、該学習済み第１のニューラルネットワークを用いて、機関低負荷定常運転時における上記入力パラメータから、ブローバイガス送出路からのブローバイガスの漏洩異常を検出すると共に、機関中負荷定常運転時に、該学習済み第２のニューラルネットワークを用いて、機関中負荷定常運転時における上記入力パラメータから、ＰＣＶバルブの閉弁固着異常を検出する請求項１に記載の内燃機関のブローバイガス送出路異常検出装置。
機関低負荷定常運転時における機関負荷と、機関回転数と、スロットル弁下流の機関吸気通路内の吸気圧を第１のニューラルネットワークの入力パラメータとし、ブローバイガス送出路からブローバイガスが漏洩しているとき、およびＰＣＶバルブが、開弁し続ける開弁固着異常を生じているときを夫々正解ラベルとして、重みの学習が行われた学習済み第１のニューラルネットワークが記憶されており、機関中負荷定常運転時における機関負荷と、機関回転数と、スロットル弁下流の機関吸気通路内の吸気圧を第２のニューラルネットワークの入力パラメータとし、ＰＣＶバルブが、閉弁し続ける閉弁固着異常を生じているときを正解ラベルとして、重みの学習が行われた学習済み第２のニューラルネットワークが記憶されており、機関低負荷定常運転時に、この学習済み第１のニューラルネットワークを用いて、機関低負荷定常運転時における上記入力パラメータから、ブローバイガス送出路からのブローバイガスの漏洩異常およびＰＣＶバルブの開弁固着異常を検出すると共に、機関中負荷定常運転時に、この学習済み第２のニューラルネットワークを用いて、機関中負荷定常運転時における上記入力パラメータから、ＰＣＶバルブの閉弁固着異常を検出する請求項６に記載の内燃機関のブローバイガス送出路異常検出装置。
機関吸気通路内に吸入空気量検出器を配置すると共に吸入空気量検出器下流の機関吸気通路内にスロットル弁を配置し、機関クランクケース内のブローバイガスがブローバイガス送出路を介してスロットル弁下流の機関吸気通路内に送り込まれ、ブローバイガス送出路内に、ブローバイガスの流通量を制御するＰＣＶバルブを配置した内燃機関のブローバイガス送出路異常検出装置において、入力層と、一以上の隠れ層と、出力層とを有するニューラルネットワークを用い、機関負荷と、機関回転数と、吸入空気量検出器により検出された吸入空気量と、大気圧と、大気温と、スロットル弁の開度をニューラルネットワークの入力パラメータとし、ブローバイガス送出路からブローバイガスが漏洩しているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転時に、該学習済みニューラルネットワークを用いて、上記入力パラメータから、ブローバイガス送出路からのブローバイガスの漏洩異常を検出する内燃機関のブローバイガス送出路異常検出装置。