JP2021032160A - 内燃機関の状態検出システム、データ解析装置、及び車両 - Google Patents
内燃機関の状態検出システム、データ解析装置、及び車両 Download PDFInfo
- Publication number
- JP2021032160A JP2021032160A JP2019153666A JP2019153666A JP2021032160A JP 2021032160 A JP2021032160 A JP 2021032160A JP 2019153666 A JP2019153666 A JP 2019153666A JP 2019153666 A JP2019153666 A JP 2019153666A JP 2021032160 A JP2021032160 A JP 2021032160A
- Authority
- JP
- Japan
- Prior art keywords
- variable
- combustion engine
- internal combustion
- state
- cpu
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 154
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 149
- 238000007405 data analysis Methods 0.000 title claims description 6
- 238000013507 mapping Methods 0.000 claims abstract description 152
- 239000000446 fuel Substances 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims description 223
- 230000008569 process Effects 0.000 claims description 199
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000005540 biological transmission Effects 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 9
- 230000010485 coping Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 86
- 230000001105 regulatory effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 45
- 230000006835 compression Effects 0.000 description 44
- 238000007906 compression Methods 0.000 description 44
- 230000004913 activation Effects 0.000 description 31
- 238000002347 injection Methods 0.000 description 29
- 239000007924 injection Substances 0.000 description 29
- 238000013528 artificial neural network Methods 0.000 description 28
- 230000001133 acceleration Effects 0.000 description 23
- 238000011144 upstream manufacturing Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 239000003054 catalyst Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 238000011045 prefiltration Methods 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000007710 freezing Methods 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000001141 propulsive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D41/1405—Neural network control
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D2200/00—Input parameters for engine control
- F02D2200/02—Input parameters for engine control the parameters being related to the engine
- F02D2200/10—Parameters related to the engine output, e.g. engine torque or engine speed
- F02D2200/1015—Engines misfires
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
- F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
- F02D41/2409—Addressing techniques specially adapted therefor
- F02D41/2422—Selective use of one or more tables
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
Description
上記課題を解決するための内燃機関の状態検出システムは、車両に搭載された内燃機関に適用されて、気筒間の燃焼状態のばらつきを伴う同内燃機関の既定の運転状態を検出する内燃機関の状態検出システムである。この状態検出システムは、各気筒の燃焼トルクの発生期間における前記内燃機関のクランク軸の回転速度の気筒間差に関する情報を含む変数である回転波形変数を入力とし、気筒間の燃焼状態のばらつき度合いに関する変数である燃焼状態変数を出力とする写像であって、機械学習によって学習された写像を検出用写像としたとき、前記検出用写像を規定するデータである写像データとして、前記車両が走行する路面の状態に応じて分類した複数種類の写像データを記憶した記憶装置と、前記クランク軸の回転挙動を検出するセンサの出力に基づく前記回転波形変数の値を取得するとともに前記路面の状態を検出するセンサの出力に基づく前記路面の状態に関する変数である路面状態変数の値を取得する取得処理、前記記憶装置に記憶されている複数種類の前記写像データから前記取得処理を通じて取得した前記路面状態変数に対応した写像データを前記検出用写像として選択する選択処理、並びに前記取得処理を通じて取得した前記回転波形変数を前記選択処理を通じて選択した前記検出用写像への入力とした同検出用写像の出力値に基づいて前記内燃機関が前記既定の運転状態にあるか否かを判定する判定処理、を実行する実行装置と、を備えている。
以下、内燃機関の状態検出システムの第1実施形態を、図1〜図3を参照して説明する。
ここで、回転速度NEは、CPU72によりクランク角センサ80の出力信号Scrに基づき算出され、充填効率ηは、CPU72により回転速度NE及び吸入空気量Gaに基づき算出される。なお、回転速度NEは、圧縮上死点の出現間隔、すなわち本実施形態では180°CAよりも大きい角度間隔だけクランク軸24が回転する際の回転速度の平均値である。なお、回転速度NEは、クランク軸24の1回転以上の回転角度だけクランク軸24が回転する際の回転速度の平均値とすることが望ましい。なお、ここでの平均値は、単純平均に限らず、例えば、指数移動平均処理でもよく、1回転以上の回転角度だけクランク軸24が回転する際の例えば微小回転時間T30等の複数のサンプリング値によって算出されるものとする。また、充填効率ηは、燃焼室18内に充填される空気量を定めるパラメータである。
次にCPU72は、失火が生じた確率P(1)〜P(4)のうちの最大値P(m)が閾値Pth以上であるか否かを判定する(S18)。ここで、変数mは、1〜4のいずれかの値をとり、また、閾値Pthは、「1/2」以上の値に設定されている。そして、CPU72は、閾値Pth以上であると判定する場合(S18:YES)、確率が最大となった気筒#mの失火の回数N(m)をインクリメントする(S20)。そしてCPU72は、回数N(1)〜N(4)の中に、所定回数Nth以上となるものがあるか否かを判定する(S22)。そしてCPU72は、所定回数Nth以上となるものが存在すると判定する場合(S22:YES)、特定の気筒#q(qは、1〜4のうちの1つ)で許容範囲を超える頻度の失火が生じているとして、フェールフラグFに「1」を代入する(S24)。なお、この際、CPU72は、失火が生じた気筒#qの情報を記憶装置76に記憶する等して少なくとも当該気筒#qで失火が解消するまで保持することとする。
CPU72は、内燃機関10の稼働時、微小回転時間T30を逐次算出し、写像データによって規定される検出用写像に1燃焼サイクル分の微小回転時間T30を回転波形変数として入力することによって、気筒#1〜#4のそれぞれにおいて失火が生じた確率P(1)〜P(4)を算出する。ここで、微小回転時間T30は、圧縮上死点の出現間隔である180°CAよりも小さい角度間隔におけるクランク軸24の回転速度を示すパラメータである。しかも、検出用写像には、1燃焼サイクルにおける30°CA毎の微小回転時間T30が入力される。さらに、微小回転時間T30に施す演算に用いる入力側係数wFjk及び出力側係数wSijの値は、機械学習によって学習済みの値である。このため、クランク軸24の微小なタイムスケールにおける回転挙動に基づき、失火が生じた確率P(i)を算出することができる。このため、圧縮上死点の出現間隔程度の回転に要する時間についての、互いに隣り合う角度間隔同士における差に基づき失火の有無を判定する場合と比較すると、クランク軸24の回転挙動についてのより詳細な情報に基づき失火の有無を判定できることから、失火の判定精度を高めやすい。
(1)車両VCに搭載された内燃機関10では、車両VCが走行している路面に凹凸がある場合には、車両VCに振動が生じ、この振動がクランク軸24に伝達される。そのため、路面の状態はクランク軸24の回転挙動に影響を与える。これに対して制御装置70では、路面の状態に関する路面状態変数SRに応じて検出用写像として用いる写像データを選択し、選択した写像データを用いて失火の確率P(i)を算出する。なお、制御装置70では、機械学習により学習された写像を用いて算出した燃焼状態変数であるの確率P(i)の値に基づき、失火の発生の有無を判定している。あらゆる路面の状態に対応して高精度に失火の発生の有無を判定する写像を構成する場合、写像の構造が複雑化しやすい。そこで制御装置70では、路面の状態に応じた2種類の写像データを記憶装置76に記憶し、図3に示した選択処理を通じて路面状態変数SRに対応する写像データを判定処理に用いる検出用写像として選択している。これにより、路面の状態に応じて適切な写像データを選択することが可能となり、単一の写像で全ての路面の状態に対処する場合と比較して、各写像それぞれの構造を簡素化しやすい。また、各写像は対応する路面の状態に特化させて学習したものであるため、失火の検出精度が高くなりやすい。したがって、制御装置70によれば、車両VCが走行している路面の状態が与える影響を踏まえたかたちで燃焼状態変数の算出を実施でき、車両VCに搭載された内燃機関10における失火の検出精度を向上できる。
次に第2実施形態について、第1実施形態との相違点を中心に図面を参照しつつ説明する。本実施形態では、失火判定処理を車両の外部で行う。
図4に示す車両VC内の制御装置70は、通信機79を備えている。通信機79は車両VCの外部のネットワーク110を介してセンター120と通信するための機器である。
検出用写像として用いる写像データを選択すると、CPU122は、S160の処理において受信したデータを用いたS14〜S20の処理を繰り返し実行する。
このように、本実施形態では、失火の判定処理をセンター120において実行することにより、制御装置70の演算負荷を軽減できる。
以下、内燃機関の状態検出システムの第3実施形態について、第1実施形態との相違点を中心に図面を参照しつつ説明する。本実施形態の状態検出システムは、ROM74に記憶されたプログラム74a、及び記憶装置76に記憶された舗装路用写像データ76a,未舗装路用写像データ76bの内容以外は、第1実施形態のものと同じ構成とされている。
次に、CPU72は、失火の検出対象となる気筒に対応する気筒間変数ΔTbと、それ以外の気筒に対応する気筒間変数ΔTbとの相対的な大きさの関係を示す変動パターン変数FLを算出する(S220)。本実施形態では、変動パターン変数FL[02],FL[12],FL[32]を算出する。
そして、CPU72は、検出対象となる気筒において失火が生じた確率に関する変数である失火変数PRを出力する検出用写像の入力変数x(1)〜x(6)に、S218,S220の処理によって取得した回転波形変数の値と、S222の処理によって取得した変数の値とを代入する(S224)。すなわち、CPU72は、入力変数x(1)に気筒間変数ΔTb(2)を代入し、入力変数x(2)に変動パターン変数FL[02]を代入し、入力変数x(3)に変動パターン変数FL[12]を代入し、入力変数x(4)に変動パターン変数FL[32]を代入する。また、CPU72は、入力変数x(5)に、回転速度NEを代入し、入力変数x(6)に充填効率ηを代入する。
CPU72は、路面状態変数SRに応じて検出用写像として用いる写像データを選択する選択処理を通じて写像データを選択し、選択された写像データによる検出用写像を用いて回転波形変数に基づき失火変数PRの値を算出する。そして、算出した失火変数PRの値に基づいて失火の有無を判定する。したがって、第1実施形態と同様の効果が得られる。
(3)入力変数xとなる回転波形変数を、微小回転時間T30のうちの圧縮上死点付近の値を選択的に用いて生成した。失火の有無で相違が最も生じるのは、微小回転時間T30のうちの圧縮上死点付近の値である。そのため、微小回転時間T30のうちの圧縮上死点付近の値を選択的に用いることにより、入力変数xの次元が大きくなることを抑制しつつも、失火の有無の判定に必要な情報を極力取り込むことができる。
以下、第4実施形態について、第3実施形態との相違点を中心に図面を参照しつつ説明する。本実施形態では、失火変数PRの算出処理を車両の外部で行う。
(第5実施形態)
次に、第5実施形態について、上記の各実施形態との相違点を中心に図面を参照しつつ説明する。
図12に、上記インバランス率Riv(i)を利用する処理の手順を示す。図12に示す処理は、図1に示すROM74に記憶されたプログラムをCPU72が、例えばインバランス率Riv(i)が算出される都度、繰り返し実行することにより実現される。
まず、予め単体での計測によって、インバランス率がゼロとは異なる様々な値を取る複数の燃料噴射弁20と、インバランス率がゼロである3個の燃料噴射弁20とを用意する。そして、トルクコンバータ60を連結し、かつインバランス率がゼロの燃料噴射弁20を3個、インバランス率がゼロとは異なる燃料噴射弁20を1個搭載した内燃機関10を、テストベンチにてトルクコンバータ60の出力軸にダイナモメータを接続した状態で稼働させる。なお、搭載された燃料噴射弁20のそれぞれのインバランス率Rivtが、教師データとなっている。
(1)内燃機関10の動作点を規定する動作点変数としての回転速度NE及び充填効率ηを検出用写像の入力とした。点火装置22やEGRバルブ34、吸気側バルブタイミング可変装置40等の内燃機関10の操作部の操作量は、内燃機関10の動作点に基づき定められる傾向がある。そのため、動作点変数は、各操作部の操作量に関する情報を含む変数である。したがって、動作点変数を検出用写像の入力とすることにより、各操作部の操作量に関する情報に基づきインバランス率Riv(i)を算出することができ、ひいてはインバランス率Riv(i)をより高精度に算出することができる。
次に第6実施形態について、第5実施形態との相違点を中心に図面を参照しつつ説明する。本実施形態では、インバランス率Riv(i)の算出処理を車両の外部で行う。
(対応関係)
上記実施形態における事項と、上記「課題を解決するための手段」の欄に記載した事項との対応関係は、次の通りである。記憶装置は、記憶装置76に対応する。第1実施形態、第2実施形態、第5実施形態、及び第6実施形態では微小回転時間T30(1)〜T30(24)が回転波形変数に対応する。また、第3実施形態及び第4実施形態では、気筒間変数ΔTb(2)及び変動パターン変数FL[02]、FL[12]、FL[32]が、回転波形変数に対応する。第1実行装置は、CPU72とROM74に対応する。第2実行装置は、CPU122とROM124に対応する。取得処理はS10,S12a,S12,S218,S222,S222a,S250,S312,S312aの処理に対応する。選択処理は図3,図7の処理に対応する。出力値算出処理はS16,S226,S264,S316,S316aの処理に対応する。外部側送信処理はS166,S266,S342の処理に対応する。車両側受信処理はS152,S254,S334の処理に対応する。判定処理はS18,S20,S22,S24,S162,S228,S230,S232,S234,S322の処理に対応する。データ解析装置は、センター120に対応する。
なお、上記各実施形態は、以下のように変更して実施することができる。上記各実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
写像への入力となる微小回転時間T30のサンプリング間隔は、30°CAに限らない。例えば10°CA等、30°CAよりも小さい角度間隔であってもよい。もっとも30°CA以下の角度間隔に限らず、例えば45°CA等であってもよい。
写像への入力となる上流側平均値Afuaveのサンプリング間隔は、30°CAに限らない。例えば10°CA等、30°CAよりも小さい角度間隔であってもよい。もっとも30°CA以下の角度間隔に限らず、例えば45°CA等であってもよい。
写像の入力となる上流側平均値Afuaveの時系列データ及び微小回転時間T30の時系列データとしては、720°の回転角度間隔における時系列データに限らない。例えば、720°CAよりも広い回転角度間隔における時系列データであってもよい。720°CAよりも狭い角度間隔の時系列データであってもよい。
上記第1実施形態及び第2実施形態では、1燃焼サイクルである720°CAの回転角度間隔が分割された複数の間隔のそれぞれにおける微小回転時間T30を検出用写像への入力としたが、これに限らない。例えば、0〜720°CAを第1間隔とし、第1間隔のうちの、0〜20,40〜60,80〜100,120〜140,160〜180,…,700〜720のそれぞれを第2間隔として、それらの回転に要する時間を検出用写像への入力としてもよい。
気筒間変数ΔTbとしては、互いに圧縮上死点の出現タイミングが隣接する一対の気筒のそれぞれの圧縮上死点に対応する微小回転時間T30同士の差の720°CAだけ離間した値同士の差に限らない。例えば、互いに圧縮上死点の出現タイミングが360°CAだけ離間した気筒のそれぞれの圧縮上死点に対応する微小回転時間T30同士の差の720°CAだけ離間した値同士の差であってもよい。この場合、気筒間変数ΔTb(2)は、「T30(12)−T30(24)−{T30(36)−T30(48)}」となる。
なお、気筒間変数ΔTbを定義する際の微小回転時間としては、30°CAの回転に要する時間に限らず、例えば45°CAの回転に要する時間等であってもよい。この際、微小回転時間は、圧縮上死点の出現間隔以下の角度間隔の回転に要する時間であることが望ましい。
・「変動パターン変数について」
変動パターン変数の定義としては、上記実施形態において例示したものに限らない。例えば気筒間変数ΔTbを、「気筒間変数について」の欄において例示したもの等に変更することによって、変動パターン変数の定義を変更してもよい。
上記実施形態では、1燃焼サイクルである720°CAの回転角度間隔が分割された複数の間隔のそれぞれにおける上流側平均値Afuaveを検出用写像への入力としたが、これに限らない。例えば、第2間隔における上流側平均値Afuaveを検出用写像への入力としてもよい。
・「路面状態変数について」
路面状態変数SRとしては、起伏の大小に応じた2値的な変数に限らず、例えば起伏の大小に応じた3値以上の変数であってもよい。また、加速度Daccに基づき路面状態変数SRを生成する手法としては、図3や図6に例示した手法に限らず、例えば、加速度Daccの絶対値の所定時間当たりの平均値を用いてもよい。これによれば、路面状態変数SRは連続的な量となる。
動作点変数としては、回転速度NE及び充填効率ηに限らない。例えば吸入空気量Gaと回転速度NEとであってもよい。また、例えば下記「内燃機関について」の欄に記載したように、圧縮着火式内燃機関を用いる場合、噴射量と回転速度NEとであってもよい。なお、動作点変数を検出用写像の入力とすることは必須では無い。例えば下記「車両について」の欄に記載したシリーズハイブリッド車に搭載される内燃機関に適用される場合において、内燃機関が特定の動作点に限って運転される場合等には、動作点変数を入力変数に含めなくても、燃焼状態変数の値を高精度に算出できる。
瞬時速度パラメータに加えて入力する検出用写像への入力としては、上記実施形態や上記変更例において例示したものに限らない。例えば、内燃機関10の置かれた環境に関するパラメータを用いてもよい。具体的には、例えば吸入空気中の酸素の割合に影響を与えるパラメータである大気圧を用いてもよい。また例えば、燃焼室18内における混合気の燃焼速度に影響を与えるパラメータである吸気温を用いてもよい。また例えば、燃焼室18内における混合気の燃焼速度に影響を与えるパラメータである湿度を用いてもよい。なお、湿度の把握には、湿度センサを用いてもよいが、ワイパーの状態や、雨滴を検知するセンサの検出値を利用してもよい。また、クランク軸24に機械的に連結される補機の状態に関するデータであってもよい。
上記実施形態では、警告灯90を操作することによって、視覚情報を通じて失火が生じた旨を報知したが、これに限らない。例えば、スピーカを操作することによって、聴覚情報を通じて失火が生じた旨を報知してもよい。また、例えば図1に示す制御装置70が通信機79を備えることとし、通信機79を操作してユーザの携帯端末に失火が生じた旨の信号を送信する処理としてもよい。これは、ユーザの携帯端末に、報知処理を実行するアプリケーションプログラムをインストールしておくことにより実現できる。
実行装置としては、CPU72とROM74、又はCPU122とROM124を備えて、ソフトウェア処理を実行するものに限らない。例えば、上記実施形態においてソフトウェア処理されたものの少なくとも一部を、ハードウェア処理する専用のハードウェア回路(例えばASIC等)を備えてもよい。すなわち、実行装置は、以下の(a)〜(c)のいずれかの構成であればよい。(a)上記処理の全てを、プログラムに従って実行する処理装置と、プログラムを記憶するROM等のプログラム格納装置とを備える。(b)上記処理の一部をプログラムに従って実行する処理装置及びプログラム格納装置と、残りの処理を実行する専用のハードウェア回路とを備える。(c)上記処理の全てを実行する専用のハードウェア回路を備える。ここで、処理装置及びプログラム格納装置を備えたソフトウェア実行装置や、専用のハードウェア回路は複数であってもよい。
上記実施形態では、写像データが記憶される記憶装置を、失火検出プログラムや失火検出メインプログラム、インバランス検出メインプログラムが記憶される記憶装置、すなわちROM74やROM124とは別の記憶装置としたが、これに限らない。
例えば第2実施形態において、S162,S164の処理に代えて、S24,S28bの処理等をセンター120によって実行してもよい。同様に第4実施形態や第6実施形態において報知処理をセンター120において、報知処理を実行させる指令を送信する処理を実行するようにしてもよい。
中間層の活性化関数h(x)としては、全ての次元で同一の関数とすることは必須ではない。
車両において実行される演算に用いられる写像を規定する写像データを、S264の処理において例示した写像を規定するデータとしてもよい。
この実施形態では、活性化関数h,h1,h2,…hαを、ReLUとし、出力の活性化関数をソフトマックス関数としたが、これに限らない。例えば活性化関数h,h1,h2,…hαを、ハイパボリックタンジェントとしてもよい。また、例えば活性化関数h,h1,h2,…hαをロジスティックジグモイド関数としてもよい。
例えばS316において、ニューラルネットワークの中間層の層数を2層以上としてもよい。
機械学習のアルゴリズムとしては、ニューラルネットワークを用いるものに限らない。例えば回帰式を用いてもよい。これは、上記ニューラルネットワークにおいて中間層を備えないものに相当する。また、例えばサポートベクトルマシンを用いてもよい。この場合、出力の値の大きさ自体には意味が無く、例えば、その値が正であるか否かに応じて、失火が生じたか否かを表現する。換言すれば、燃焼状態変数の値が3値以上の値を有してそれらの値の大小が失火の確率の大小を表現するものとは相違する。
上記実施形態では、クランク軸24にトルクコンバータ60及び変速装置64を介してダイナモメータが接続された状態で内燃機関10を稼働した時のデータを訓練データとして用いたが、これに限らない。例えば車両VCに搭載された状態で内燃機関10が駆動されたときにおけるデータを訓練データとして用いてもよい。
S266の処理では、失火変数PRの値を送信したが、これに限らない。例えば、出力活性化関数としてのソフトマックス関数の入力となる原型変数yR(1),yR(2)の値を送信してもよい。また例えば、センター120において、S228〜S236の処理を実行することとし、異常があるか否かの判定結果を送信してもよい。
気筒間の燃焼状態のばらつきを伴う内燃機関10の運転状態であれば、失火や気筒間空燃比インバランス以外の運転状態を状態検出システムの検出態様としてもよい。例えば吸気バルブや排気バルブの開弁固着により気筒内での吸気の圧縮が不十分な状態となる、いわゆる圧縮抜けが特定の気筒で発生した場合にも、気筒間の燃焼状態にばらつきが生じてクランク軸24の回転変動が大きくなる。そのため、上述のように、路面状態変数に応じて選択した写像データに基づく検出用写像に、回転波形変数を入力してこうした圧縮抜けの検出を行うようにすれば、路面の状態が与える影響を踏まえたかたちで圧縮抜けを高精度に検出できる。
上記実施形態では、燃料噴射弁として、燃焼室18内に燃料を噴射する筒内噴射弁を例示したがこれに限らない。例えば吸気通路12に燃料を噴射するポート噴射弁であってもよい。また例えば、ポート噴射弁と筒内噴射弁との双方を備えてもよい。
内燃機関が駆動系を構成すること自体必須ではない。例えば、車載発電機にクランク軸が機械的に連結され、駆動輪69とは動力伝達が遮断されたいわゆるシリーズハイブリッド車に搭載されるものであってもよい。
車両としては、車両の推進力を生成する装置が内燃機関のみとなる車両に限らず、例えば「内燃機関について」の欄に記載したシリーズハイブリッド車以外にも、パラレルハイブリッド車や、シリーズ・パラレルハイブリッド車であってもよい。
クランク軸と駆動輪との間に介在する駆動系装置としては、有段の変速装置に限らず、例えば無段変速装置であってもよい。
Claims (8)
- 車両に搭載された内燃機関に適用されて、気筒間の燃焼状態のばらつきを伴う同内燃機関の既定の運転状態を検出する内燃機関の状態検出システムであり、
各気筒の燃焼トルクの発生期間における前記内燃機関のクランク軸の回転速度の気筒間差に関する情報を含む変数である回転波形変数を入力とし、気筒間の燃焼状態のばらつき度合いに関する変数である燃焼状態変数を出力とする写像であって、機械学習によって学習された写像を検出用写像としたとき、
前記検出用写像を規定するデータである写像データとして、前記車両が走行する路面の状態に応じて分類した複数種類の写像データを記憶した記憶装置と、
前記クランク軸の回転挙動を検出するセンサの出力に基づく前記回転波形変数の値を取得するとともに前記路面の状態を検出するセンサの出力に基づく前記路面の状態に関する変数である路面状態変数の値を取得する取得処理、前記記憶装置に記憶されている複数種類の前記写像データから前記取得処理を通じて取得した前記路面状態変数に対応した写像データを前記検出用写像として選択する選択処理、並びに前記取得処理を通じて取得した前記回転波形変数を前記選択処理を通じて選択した前記検出用写像への入力とした同検出用写像の出力値に基づいて前記内燃機関が前記既定の運転状態にあるか否かを判定する判定処理、を実行する実行装置と、
を備えた内燃機関の状態検出システム。 - 前記既定の運転状態は、失火が発生した状態である請求項1に記載の内燃機関の状態検出システム。
- 前記既定の運転状態は、気筒間の空燃比のばらつきが生じた状態である請求項1に記載の内燃機関の状態検出システム。
- 前記路面状態変数は、前記車両が走行している路面が舗装路であるのか未舗装路であるのかを示す変数であり、
前記記憶装置は、複数種類の前記写像データとして、舗装路用の写像データと、未舗装路用の写像データと、を記憶している請求項1〜3のいずれか一項に記載の内燃機関の状態検出システム。 - 前記実行装置は、前記判定処理により前記内燃機関が前記既定の運転状態にあると判定されたときに、ハードウェアを操作して前記既定の運転状態に対処するための対処処理を実行する請求項1〜4のいずれか一項に記載の内燃機関の状態検出システム。
- 前記判定処理は、前記取得処理を通じて取得した前記回転波形変数の値を入力とする前記検出用写像の出力値である前記燃焼状態変数を算出する出力値算出処理を含み、
前記実行装置は、前記車両に搭載された第1実行装置と前記車両とは別の機器に搭載された第2実行装置とを含み、
前記第1実行装置は、前記取得処理と、前記出力値算出処理の算出結果に基づく信号を受信する車両側受信処理と、を実行し、
前記第2実行装置は、前記選択処理と、前記出力値算出処理と、前記出力値算出処理の算出結果に基づく信号を前記車両に送信する外部側送信処理と、を実行する
請求項1〜5のいずれか一項に記載の内燃機関の状態検出システム。 - 請求項6に記載の前記第2実行装置及び前記記憶装置を備えるデータ解析装置。
- 請求項6に記載の前記第1実行装置を備える車両。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019153666A JP6673520B1 (ja) | 2019-08-26 | 2019-08-26 | 内燃機関の状態検出システム、データ解析装置、及び車両 |
US16/785,760 US11255282B2 (en) | 2019-02-15 | 2020-02-10 | State detection system for internal combustion engine, data analysis device, and vehicle |
CN202010088644.6A CN111577470B (zh) | 2019-02-15 | 2020-02-12 | 内燃机的状态检测系统、数据解析装置、车辆、及内燃机的状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019153666A JP6673520B1 (ja) | 2019-08-26 | 2019-08-26 | 内燃機関の状態検出システム、データ解析装置、及び車両 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6673520B1 JP6673520B1 (ja) | 2020-03-25 |
JP2021032160A true JP2021032160A (ja) | 2021-03-01 |
Family
ID=70000886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019153666A Active JP6673520B1 (ja) | 2019-02-15 | 2019-08-26 | 内燃機関の状態検出システム、データ解析装置、及び車両 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6673520B1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022007027A (ja) * | 2020-06-25 | 2022-01-13 | トヨタ自動車株式会社 | 車両用制御装置、車両用制御システム、および車両用学習装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07279734A (ja) * | 1994-04-11 | 1995-10-27 | Unisia Jecs Corp | 車両の悪路走行検出装置及び車両用エンジンの失火検出装置 |
JPH10252536A (ja) * | 1997-03-14 | 1998-09-22 | Honda Motor Co Ltd | 内燃機関の空燃比制御装置 |
JP2010242558A (ja) * | 2009-04-02 | 2010-10-28 | Suzuki Motor Corp | 内燃機関の失火検出装置 |
JP6547991B1 (ja) * | 2019-02-20 | 2019-07-24 | トヨタ自動車株式会社 | 触媒温度推定装置、触媒温度推定システム、データ解析装置、および内燃機関の制御装置 |
-
2019
- 2019-08-26 JP JP2019153666A patent/JP6673520B1/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07279734A (ja) * | 1994-04-11 | 1995-10-27 | Unisia Jecs Corp | 車両の悪路走行検出装置及び車両用エンジンの失火検出装置 |
JPH10252536A (ja) * | 1997-03-14 | 1998-09-22 | Honda Motor Co Ltd | 内燃機関の空燃比制御装置 |
JP2010242558A (ja) * | 2009-04-02 | 2010-10-28 | Suzuki Motor Corp | 内燃機関の失火検出装置 |
JP6547991B1 (ja) * | 2019-02-20 | 2019-07-24 | トヨタ自動車株式会社 | 触媒温度推定装置、触媒温度推定システム、データ解析装置、および内燃機関の制御装置 |
Also Published As
Publication number | Publication date |
---|---|
JP6673520B1 (ja) | 2020-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111577470B (zh) | 内燃机的状态检测系统、数据解析装置、车辆、及内燃机的状态检测方法 | |
JP6593560B1 (ja) | 内燃機関の失火検出装置、内燃機関の失火検出システム、データ解析装置、および内燃機関の制御装置 | |
CN111577471B (zh) | 内燃机的状态检测系统、方法、数据解析装置、及车辆 | |
JP6665961B1 (ja) | 内燃機関の状態検出システム、データ解析装置、及び車両 | |
JP6853287B2 (ja) | インバランス検出装置、インバランス検出システム、データ解析装置、および内燃機関の制御装置 | |
JP6708292B1 (ja) | 内燃機関の状態判定装置、内燃機関の状態判定システム、データ解析装置、および内燃機関の制御装置 | |
JP2020133621A (ja) | 内燃機関の失火検出装置、内燃機関の失火検出システム、データ解析装置、および内燃機関の制御装置 | |
CN112443415B (zh) | 内燃机的状态判定装置、内燃机的状态判定系统、数据解析装置和内燃机的控制装置 | |
JP6673520B1 (ja) | 内燃機関の状態検出システム、データ解析装置、及び車両 | |
JP6673519B1 (ja) | 内燃機関の状態検出システム、データ解析装置、及び車両 | |
CN113266485B (zh) | 映射的学习方法 | |
JP7215435B2 (ja) | 内燃機関の状態判定装置、内燃機関の状態判定システム、データ解析装置、および内燃機関の制御装置 | |
JP2021038741A (ja) | 内燃機関の状態判定装置、内燃機関の状態判定システム、データ解析装置、および内燃機関の制御装置 | |
JP6879356B2 (ja) | インバランス検出装置、インバランス検出システム、データ解析装置、および内燃機関の制御装置 | |
JP2021038742A (ja) | 内燃機関の状態判定装置、内燃機関の状態判定システム、データ解析装置、および内燃機関の制御装置 | |
JP2020133622A (ja) | インバランス検出装置、インバランス検出システム、データ解析装置、および内燃機関の制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191120 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20191120 |
|
TRDD | Decision of grant or rejection written | ||
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200114 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200204 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200217 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6673520 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |