JP3819259B2 - Control device for throttle valve drive device - Google Patents

Description

ここで、ｋは離散化された時間を表すパラメータであり、ＤＴＨ(k)は下記式（２）により定義されるスロットル弁開度偏差量である。
ＤＴＨ(k)＝ＴＨ(k)−ＴＨＤＥＦ （２）
ここで、ＴＨは検出したスロットル弁開度、ＴＨＤＥＦは前記デフォルト開度である。
また式（１）のａ１，ａ２，ｂ１，ｃ１は、制御対象モデルの特性を決めるモデルパラメータであり、ｄはむだ時間である。
【００２０】
上記式（１）で定義されるモデルは、適応制御の適用を容易にするために採用した、離散時間系のＤＡＲＸモデル（delayed autoregressive model with exogeneous input:外部入力を持つ自己回帰モデル）である。
式（１）においては、出力の偏差量ＤＴＨに関わるモデルパラメータａ１，ａ２、入力のデューティ比ＤＵＴに関わるモデルパラメータｂ１の他に、入出力に関わらないモデルパラメータｃ１が設定されている。このモデルパラメータｃ１は、デフォルト開度ＴＨＤＥＦのずれやスロットル弁駆動装置に加わる外乱を示すパラメータである。すなわち、モデルパラメータ同定器により、モデルパラメータａ１，ａ２，ｂ１と同時にモデルパラメータｃ１を同定することにより、デフォルト開度ずれや外乱を同定できるようにしている。
【００２１】
図３は、ＥＣＵ７により実現されるスロットル弁制御装置の機能ブロック図であり、この制御装置は、適応スライディングモードコントローラ２１と、モデルパラメータ同定器２２と、むだ時間ｄが経過した後の予測スロットル弁開度偏差量（以下「予測偏差量」という）ＰＲＥＤＴＨ(k)（＝ＤＴＨ(k+d)）を算出する状態予測器２３と、アクセルペダル踏み込み量ＡＣＣに応じてスロットル弁３の目標開度ＴＨＲを設定する目標開度設定部２４とからなる。
【００２２】
適応スライディングモードコントローラ２１は、検出したスロットル弁開度ＴＨが目標開度ＴＨＲと一致するように、適応スライディングモード制御によりデューティ比ＤＵＴを算出し、該算出したデューティ比ＤＵＴを出力する。
適応スライディングモードコントローラ２１を用いることにより、スロットル弁開度ＴＨの目標開度ＴＨＲへの追従応答特性を、所定のパラメータ（ＶＰＯＬＥ）を用いて適宜変更することが可能となり、その結果スロットル弁３を開弁位置から全閉位置に移動させる際の衝撃（スロットル全閉ストッパへの衝突）の回避、及びアクセル操作に対するエンジンレスポンスの可変化が可能となる。また、モデルパラメータの誤差に対する安定性を確保することが可能となる。
【００２３】
モデルパラメータ同定器２２は、修正モデルパラメータベクトルθＬ（θＬ^T＝［ａ１，ａ２，ｂ１，ｃ１］）を算出し、適応スライディングモードコントローラ２１に供給する。より具体的には、モデルパラメータ同定器２２は、スロットル弁開度ＴＨ及びデューティ比ＤＵＴに基づいて、モデルパラメータベクトルθを算出する。さらに、そのモデルパラメータベクトルθに対してリミット処理を行うことにより修正モデルパラメータベクトルθＬを算出し、該修正モデルパラメータベクトルθＬを適応スライディングモードコントローラ２１に供給する。このようにしてスロットル弁開度ＴＨを目標開度ＴＨＲに追従させるために最適なモデルパラメータａ１，ａ２，ｂ１が得られ、さらに外乱及びデフォルト開度ＴＨＤＥＦのずれを示すモデルパラメータｃ１が得られる。
【００２４】
リアルタイムでモデルパラメータを同定するモデルパラメータ同定器２２を用いることにより、エンジン運転条件の変化への適応、ハードウエアの特性ばらつきの補償、電源電圧変動の補償、及びハードウエア特性の経年変化への適応が可能となる。
【００２５】
状態予測器２３は、スロットル弁開度ＴＨ及びデューティ比ＤＵＴに基づいて、むだ時間ｄ後のスロットル弁開度ＴＨ（予測値）、より具体的には予測偏差量ＰＲＥＤＴＨを算出し、適応スライディングモードコントローラ２１に供給する。予測偏差量ＰＲＥＤＴＨを用いることにより、制御対象のむだ時間に対する制御系のロバスト性を確保し、特にむだ時間が大きいデフォルト開度ＴＨＤＥＦ近傍での制御性を向上させることができる。
【００２６】
次に適応スライディングモードコントローラ２１の動作原理を説明する。
先ず下記式（３）により、目標値ＤＴＨＲ(k)を目標開度ＴＨＲ(k)とデフォルト開度ＴＨＤＥＦとの偏差量として定義する。
ＤＴＨＲ(k)＝ＴＨＲ(k)−ＴＨＤＥＦ （３）
ここで、スロットル弁開度偏差量ＤＴＨと、目標値ＤＴＨＲとの偏差ｅ(k)を下記式（４）で定義すると、適応スライディングモードコントローラの切換関数値σ(k)は、下記式（５）にように設定される。

ここで、ＶＰＯＬＥは、−１より大きく１より小さい値に設定される切換関数設定パラメータである。
【００２７】
縦軸を偏差ｅ(k)とし、横軸を前回偏差ｅ(k-1)として定義される位相平面上では、σ(k)＝０を満たす偏差ｅ(k)と、前回偏差ｅ(k-1)との組み合わせは、直線となるので、この直線は一般に切換直線と呼ばれる。スライディングモード制御は、この切換直線上の偏差ｅ(k)の振る舞いに着目した制御であり、切換関数値σ(k)が０となるように、すなわち偏差ｅ(k)と前回偏差ｅ(k-1)の組み合わせが位相平面上の切換直線上に載るように制御を行い、外乱やモデル化誤差（実際のプラントの特性と、モデル化した制御対象モデルの特性との差）に対してロバストな制御を実現し、スロットル弁開度偏差量ＤＴＨを目標値ＤＴＨＲに追従させるものである。
【００２８】
また式（５）の切換関数設定パラメータＶＰＯＬＥの値を変更することにより、図４に示すように、偏差ｅ(k)の減衰特性、すなわちスロットル弁開度偏差量ＤＴＨの目標値ＤＴＨＲへの追従特性を変更することができる。具体的には、ＶＰＯＬＥ＝−１とすると、全く追従しない特性となり、切換関数設定パラメータＶＰＯＬＥの絶対値を小さくするほど、追従速度を速めることができる。
【００２９】
スロットル弁制御装置においては、下記要求Ａ１及びＡ２が満たされることが求められる。
Ａ１）スロットル弁３を全閉位置に移動させる際にスロットル全閉ストッパへの衝突を回避すること
Ａ２）デフォルト開度ＴＨＤＥＦ近傍における非線形特性（リターンスプリング４の付勢力と弾性部材５の付勢力とが釣り合うことに起因する弾性特性の変化、モータ６とスロットル弁３と間に介装されたギヤのバックラッシ、デューティ比ＤＵＴの変化してもスロットル弁開度が変化しない不感帯）に対する制御性を向上させること
そのため、スロットル弁の全閉位置近傍では、偏差ｅ(k)の収束速度を低下させ、またデフォルト開度ＴＨＤＥＦの近傍では、収束速度を高める必要がある。
【００３０】
スライディングモード制御によれば、切換関数設定パラメータＶＰＯＬＥを変更することにより、容易に収束速度を変更できるので、本実施形態では、スロットル弁開度ＴＨ及び目標値ＤＴＨＲの変化量ＤＤＴＨＲ（＝ＤＴＨＲ(k)−ＤＴＨＲ(k-1)）に応じて、切換関数設定パラメータＶＰＯＬＥを設定するようにした。これにより、上記要求Ａ１及びＡ２を満たすことができる。
【００３１】
上述したようにスライディングモード制御では、偏差ｅ(k)と前回偏差ｅ(k-1)の組み合わせ（以下「偏差状態量」という）を切換直線上に拘束することにより、偏差ｅ(k)を指定した収束速度で、かつ外乱やモデル化誤差に対してロバストに、０に収束させる。したがって、スライディングモード制御では、如何にして偏差状態量を切換直線に載せ、そこに拘束するかが重要となる。
【００３２】
そのような観点から、制御対象への入力（コントローラの出力）ＤＵＴ(k)（Ｕｓｌ(k)とも表記する）は、下記式（６）に示すように、等価制御入力Ｕｅｑ(k)、到達則入力Ｕｒｃｈ(k)及び適応則入力Ｕａｄｐ(k)の和として構成される。

【００３３】
等価制御入力Ｕｅｑ(k)は、偏差状態量を切換直線上に拘束するための入力であり、到達則入力Ｕｒｃｈ(k)は、偏差状態量を切換直線上へ載せるための入力であり、適応則入力Ｕａｄｐ(k)は、モデル化誤差や外乱の影響を抑制し、偏差状態量を切換直線へ載せるための入力である。以下各入力Ｕｅｑ(k)，Ｕｒｃｈ(k)及びＵａｄｐ(k)の算出方法を説明する。
【００３４】
等価制御入力Ｕｅｑ(k)は、偏差状態量を切換直線上に拘束するための入力であるから、満たすべき条件は下記式（７）で与えられる。
σ(k)＝σ(k+1) （７）
式（１）並びに式（４）及び（５）を用いて式（７）を満たすデューティ比ＤＵＴ(k)を求めると、下記式（９）が得られ、これが等価制御入力Ｕｅｑ(k)となる。さらに、到達則入力Ｕｒｃｈ(k)及び適応則入力Ｕａｄｐ(k)を、それぞれ下記式（１０）及び（１１）により定義する。
【数１】

【００３５】
ここで、Ｆ及びＧは、それぞれ到達則制御ゲイン及び適応則制御ゲインであり、以下に述べるように設定される。またΔＴは、制御周期である。
上記式（９）の演算には、むだ時間ｄ経過後のスロットル弁開度偏差量ＤＴＨ(k+d)及び対応する目標値ＤＴＨＲ(k+d+1)が必要である。そこで、むだ時間ｄ経過後のスロットル弁開度偏差量ＤＴＨ(k+d)として、状態予測器２３により算出される予測偏差量ＰＲＥＤＴＨ(k)を用い、目標値ＤＴＨＲ(k+d+1)として、最新の目標値ＤＴＨＲを用いることとする。
【００３６】
次に到達則入力Ｕｒｃｈ及び適応則入力Ｕａｄｐにより、偏差状態量が安定に切換直線上に載せられるように、到達則制御ゲインＦ及び適応則制御ゲインＧの決定を行う。
具体的には外乱Ｖ(k)を想定し、外乱Ｖ(k)に対して切換関数値σ(k)が安定であるための条件を求めることにより、ゲインＦ及びＧの設定条件を求める。その結果、ゲインＦ及びＧの組み合わせが、下記式（１２）〜（１４）を満たすこと、換言すれば図５にハッチングを付して示す領域内にあることが安定条件として得られた。
【００３７】
Ｆ＞０ （１２）
Ｇ＞０ （１３）
Ｆ＜２−（ΔＴ／２）Ｇ （１４）
以上のように、式（９）〜（１１）により、等価制御入力Ｕｅｑ(k)、到達則入力Ｕｒｃｈ(k)及び適応則入力Ｕａｄｐ(k)を算出し、それらの入力の総和として、デューティ比ＤＵＴ(k)を算出することができる。
【００３８】
モデルパラメータ同定器２２は、前述したように制御対象の入力（ＤＵＴ(k)）及び出力（ＴＨ(k)）に基づいて、制御対象モデルのモデルパラメータベクトルを算出する。具体的には、モデルパラメータ同定器２２は、下記式（１５）による逐次型同定アルゴリズム（一般化逐次型最小２乗法アルゴリズム）により、モデルパラメータベクトルθ(k)を算出する。
θ(k)＝θ(k-1)＋ＫＰ(k)ｉｄｅ(k) （１５）
θ(k)^T＝［ａ１’，ａ２’，ｂ１’，ｃ１’］ （１６）
【００３９】
ここで、ａ１’，ａ２’，ｂ１’及びＣ１’は、後述するリミット処理を実施する前のモデルパラメータである。またｉｄｅ(k)は、下記式（１７）、（１８）及び（１９）により定義される同定誤差である。ＤＴＨＨＡＴ(k)は、最新のモデルパラメータベクトルθ(k-1)を用いて算出される、スロットル弁開度偏差量ＤＴＨ(k)の推定値（以下「推定スロットル弁開度偏差量」という）である。ＫＰ(k)は、下記式（２０）により定義されるゲイン係数ベクトルである。また、式（２０）のＰ(k)は、下記式（２１）により算出される４次の正方行列である。
【数２】

【数３】

【００４０】
式（２１）の係数λ１，λ２の設定により、式（１５）〜（２１）による同定アルゴリズムは、以下のような４つの同定アルゴリズムのいずれかになる。
λ１＝１，λ２＝０ 固定ゲインアルゴリズム
λ１＝１，λ２＝１ 最小２乗法アルゴリズム
λ１＝１，λ２＝λ 漸減ゲインアルゴリズム（λは０，１以外の所定値）
λ１＝λ，λ２＝１ 重み付き最小２乗法アルゴリズム（λは０，１以外の所定値）
【００４１】
一方本実施形態では、下記Ｂ１）、Ｂ２）、Ｂ３）の要求を満たすことが求められる。
Ｂ１）準静的動特性変化及びハードウエアの特性ばらつきに対する適応
「準静的動特性変化」とは、例えば電源電圧の変動やハードウエアの経年劣化といった変化速度の遅い特性変化を意味する。
Ｂ２）動的な動特性変化への適応
具体的には、スロットル弁開度ＴＨの変化に対応する動特性変化への適応を意味する。
Ｂ３）モデルパラメータのドリフト防止
モデルパラメータに反映すべきでない制御対象の非線形特性などに起因する同定誤差の影響によって、モデルパラメータの絶対値が増大するような不具合を防止する。
【００４２】
先ず上記Ｂ１）及びＢ２）の要求を満たすために、係数λ１及びλ２をそれぞれ所定値λ及び「０」に設定することにより、重み付き最小２乗法アルゴリズムを採用する。
次にモデルパラメータのドリフトについて説明する。図６に示すように、モデルパラメータがある程度収束した後に、スロットル弁の摩擦特性などの非線形特性によって生じる残留同定誤差が存在したり、平均値がゼロでない外乱が定常的に加わるような場合には、残留同定誤差が蓄積し、モデルパラメータのドリフトを引き起こす。
【００４３】
このような残留同定誤差は、モデルパラメータの値に反映すべきものではないので、図７（ａ）に示すような不感帯関数Ｆｎｌを用いて不感帯処理を行う。具体的には、下記式（２３）により、修正同定誤差ｉｄｅｎｌ(k)を算出し、この修正同定誤差ｉｄｅｎｌ(k)を用いてモデルパラメータベクトルθ(k)の算出を行う。すなわち、上記式（１５）に代えて下記式（１５ａ）を用いる。これにより、上記要求Ｂ３）を満たすことができる。
ｉｄｅｎｌ(k)＝Ｆｎｌ（ｉｄｅ(k)） （２３）
θ(k)＝θ(k-1)＋ＫＰ(k)ｉｄｅｎｌ(k) （１５ａ）
【００４４】
なお、不感帯関数Ｆｎｌは、図７（ａ）に示すものに限るものではなく、例えば同図（ｂ）に示すような不連続不感帯関数、または同図（ｃ）に示すような不完全不感帯関数を用いてもよい。ただし、不完全不感帯関数を用いた場合には、ドリフトを完全に防止することはできない。
【００４５】
また、残留同定誤差は、スロットル弁開度ＴＨの変動量に応じてその振幅が変化する。そこで、本実施形態では、図７に示す不感帯の幅を定義する不感帯幅パラメータＥＩＤＮＲＬＭＴを、下記式（２４）により算出される、目標スロットル弁開度ＴＨＲの変化量の二乗平均値ＤＤＴＨＲＳＱＡに応じて設定する（具体的には、二乗平均値ＤＤＴＨＲＳＱＡが増加するほど、不感帯幅パラメータＥＩＤＮＲＬＭＴが増加するように設定する）ようにしている。これにより、モデルパラメータの値に反映させるべき同定誤差を、残留同定誤差として無視してしまうことを防止することができる。式（２４）のＤＤＴＨＲは、目標スロットル弁開度ＴＨＲの変化量であり、下記式（２５）により算出される。
【数４】

【００４６】
ここで、スロットル弁開度偏差量ＤＴＨは目標値ＤＴＨＲへ適応スライディングモードコントローラ２１により制御されているため、同様に式（２５）の目標値ＤＴＨＲをスロットル弁開度偏差量ＤＴＨへ変更し、スロットル弁開度偏差量ＤＴＨの変化量ＤＤＴＨを算出し、式（２４）のＤＤＴＨＲをＤＤＴＨに代えて得られる二乗平均値ＤＤＴＨＲＳＱＡにより不感帯幅パラメータＥＩＤＮＲＬＭＴを変更することもできる。
【００４７】
また制御系のロバスト性をさらに高めるためには、適応スライディングモードコントローラ２１をより安定化させることが有効である。そこで本実施形態では、前記式（１５）により算出されたモデルパラメータベクトルθ(k)の各要素ａ１’，ａ２’，ｂ１’及びｃ１’についてリミット処理を施し、修正モデルパラメータベクトルθＬ(k)（θＬ(k)^T＝［ａ１，ａ２，ｂ１，ｃ１］）を算出する。そして、適応スライディングモードコントローラ２１は、修正モデルパラメータベクトルθＬ(k)を用いて、スライディングモード制御を実行する。なおリミット処理の詳細については、フローチャートを参照して後述する。
【００４８】
次に状態予測器２３による予測偏差量ＰＲＥＤＴＨの算出方法を説明する。
先ず下記式（２６）〜（２９）により、マトリクスＡ及びＢと、ベクトルＸ(k)及びＵ(k)を定義する。
【数５】

これらのマトリクスＡ，Ｂと、ベクトルＸ(k)，Ｕ(k)を用いて、制御対象モデルを定義する前記式（１）を書き直すと、下記式（３０）が得られる。
Ｘ(k+1)＝ＡＸ(k)＋ＢＵ(k-d) （３０）
【００４９】
式（３０）からＸ(k+d)を求めると、下記式（３１）が得られる。
【数６】

ここで、リミット処理前のモデルパラメータａ１’，ａ２’，ｂ１’及びｃ１’を用いてマトリクスＡ’及びＢ’を下記式（３２）及び（３３）により定義すると、予測ベクトルＸＨＡＴ(k+d)は、下記式（３４）で与えられる。
【数７】

【００５０】
予測ベクトルＸＨＡＴ(k+d)の第１行の要素であるＤＴＨＨＡＴ(k+d)が、予測偏差量ＰＲＥＤＴＨ(k)であり、下記式（３５）で与えられる。

ここで、α１はマトリクスＡ’^dの１行１列要素、α２はマトリクスＡ’^dの１行２列要素、βiはマトリクスＡ’^d-iＢ’の１行１列要素、γiはマトリクスＡ’^d-iＢ’の１行２列要素である。
【００５１】
式（３５）により算出される予測偏差量ＰＲＥＤＴＨ(k)を、前記式（９）に適用し、さらに目標値ＤＴＨＲ(k+d+1)，ＤＴＨＲ(k+d)，及びＤＴＨＲ(k+d-1)をそれぞれＤＴＨＲ(k)，ＤＴＨＲ(k-1)，及びＤＴＨＲ(k-2)に置き換えることにより、下記式（９ａ）が得られる。式（９ａ）により、等価制御入力Ｕｅｑ(k)を算出する。
【数８】

【００５２】
また、式（３５）により算出される予測偏差量ＰＲＥＤＴＨ(k)を用いて、下記式（３６）により予測切替関数値σｐｒｅ(k)を定義し、到達則入力Ｕｒｃｈ(k)及び適応則入力Ｕａｄｐ(k)を、それぞれ下記式（１０ａ）及び（１１ａ）により算出する。

【数９】

【００５３】
次にモデルパラメータｃ１’は、前述したように、デフォルト開度ＴＨＤＥＦのずれ及び外乱を示すパラメータである。したがって、図８に示すように、外乱によって変動するが、デフォルト開度ずれは比較的短い期間内でみればほぼ一定とみなせる。そこで、本実施形態では、モデルパラメータｃ１’を統計処理し、その変動の中心値をデフォルト開度ずれｔｈｄｅｆａｄｐとして算出し、スロットル弁開度偏差量ＤＴＨ及び目標値ＤＴＨＲの算出に用いることとした。
【００５４】
統計処理の手法には、一般に最小２乗法が知られているが、この最小２乗法による統計処理は、通常、ある一定期間内のデータ、すなわち同定されたモデルパラメータｃ１’をすべてメモリに格納しておき、ある時点で一括演算を行うことによって実行される。ところが、この一括演算法では、すべてのデータを格納するために膨大な容量のメモリが必要となり、さらに逆行列演算が必要となって演算量の増大を招く。
【００５５】
そこで本実施形態では、前記式（１５）〜（２１）で示される適応制御の逐次型最小２乗法アルゴリズムを、統計処理に応用し、モデルパラメータｃ１の最小２乗中心値を、デフォルト開度ずれｔｈｄｅｆａｄｐとして算出するようにしている。
【００５６】
具体的には、前記式（１５）〜（２１）のθ(k)及びθ(k)^Tをｔｈｄｅｆａｄｐに置換し、ζ(k)及びζ(k)^Tを「１」に置換し、ｉｄｅ(k)をｅｃ１(k)に置換し、ＫＰ(k)をＫＰＴＨ(k)に置換し、Ｐ(k)をＰＴＨ(k)に置換し、λ１及びλ２をそれぞれλ１’及びλ２’に置換することにより、下記式（３７）〜（４０）を得る。
【数１０】

【００５７】
係数λ１’及びλ２’の設定により、前述した４つのアルゴリズムの何れかを選択可能であるが、式（３９）においては、係数λ１’を０または１以外の所定値に設定し、係数λ２’を１に設定することにより、重み付き最小２乗法を採用した。
【００５８】
上記式（３７）〜（４０）の演算においては、記憶すべき値はｔｈｄｅｆａｄｐ(k+1)及びＰＴＨ(k+1)のみであり、また逆行列演算は不要である。したがって、逐次型最小２乗法アルゴリズムを採用することにより、一般的な最小２乗法の欠点を克服しつつ、最小２乗法によるモデルパラメータｃ１の統計処理を行うことができる。
【００５９】
統計処理の結果得られるデフォルト開度ずれｔｈｄｅｆａｄｐは、前記式（２）及び（３）に適用され、式（２）及び（３）に代えて下記式（４１）及び（４２）により、スロットル弁開度偏差量ＤＴＨ(k)及び目標値ＤＴＨＲ(k)が算出される。
ＤＴＨ(k)＝ＴＨ(k)−ＴＨＤＥＦ＋ｔｈｄｅｆａｄｐ （４１）
ＤＴＨＲ(k)＝ＴＨＲ(k)−ＴＨＤＥＦ＋ｔｈｄｅｆａｄｐ （４２）
【００６０】
式（４１）及び（４２）を使用することにより、デフォルト開度ＴＨＤＥＦが、ハードウエアの特性ばらつき、あるいは経時変化により、設計値からずれた場合でも、そのずれを補償して正確な制御を行うことができる。
【００６１】
次に上述した適応スライディングモードコントローラ２１、モデルパラメータ同定器２２及び状態予測器２３の機能を実現するための、ＥＣＵ７のＣＰＵにおける演算処理を説明する。
【００６２】
図９は、スロットル弁開度制御の全体フローチャートであり、この処理は所定時間（例えば２ｍｓｅｃ）毎にＥＣＵ７のＣＰＵで実行される。
ステップＳ１１では、図１０に示す状態変数設定処理を実行する。すなわち、式（４１）及び（４２）の演算を実行し、スロットル弁開度偏差量ＤＴＨ(k)及び目標値ＤＴＨＲ(k)を算出する（図１０，ステップＳ２１及びＳ２２）。なお、今回値であることを示す(k)は、省略して示す場合がある。
【００６３】
ステップＳ１２では、図１１に示すモデルパラメータ同定器の演算、すなわち前記式（１５ａ）によるモデルパラメータベクトルθ(k)の算出処理を実行し、さらにリミット処理を実行して修正モデルパラメータベクトルθＬ(k)を算出する。
【００６４】
続くステップＳ１３では、図２１に示す状態予測器の演算を実行し、予測偏差量ＰＲＥＤＴＨ(k)を算出する。
次いでステップＳ１２で算出した修正モデルパラメータベクトルθＬ(k)を用いて、図２２に示す制御入力Ｕｓｌ(k)の演算処理を実行する（ステップＳ１４）。すなわち、等価制御入力Ｕｅｑ、到達則入力Ｕｒｃｈ(k)及び適応則入力Ｕａｄｐ(k)を算出し、それらの入力の総和として、制御入力Ｕｓｌ(k)（＝デューティ比ＤＵＴ(k)）を算出する。
【００６５】
続くステップＳ１６では、図２９に示すスライディングモードコントローラの安定判別処理を実行する。すなわち、リアプノフ関数の微分値に基づく安定判別を行い、安定判別フラグＦＳＭＣＳＴＡＢの設定を行う。この安定判別フラグＦＳＭＣＳＴＡＢは、「１」に設定されると適応スライディングモードコントローラ２１が不安定となっていることを示す。安定判別フラグＦＳＭＣＳＴＡＢが「１」に設定され、適応スライディングモードコントローラ２１が不安定となったときは、切換関数設定パラメータＶＰＯＬＥを安定化所定値ＸＰＯＬＥＳＴＢに設定する（図２４、ステップＳ２３１，Ｓ２３２参照）とともに、等価制御入力Ｕｅｑを「０」とし、到達則入力Ｕｒｃｈ及び適応則入力Ｕａｄｐのみによる制御に切り換えることにより、制御の安定化を図る（図２２、ステップＳ２０６，Ｓ２０８参照）。適応スライディングモードコントローラ２１が不安定となったときは、さらに到達則入力Ｕｒｃｈ及び適応則入力Ｕａｄｐの算出式を変更する。すなわち、到達則制御ゲインＦ及び適応則制御ゲインＧの値を、コントローラ２１を安定化させる値に変更するとともに、モデルパラメータｂ１を使用しないで、到達則入力Ｕｒｃｈ及び適応則入力Ｕａｄｐを算出する（図２７，２８参照）。以上のような安定化処理により、適応スライディングモードコントローラ２１の不安定状態を早期に終息させ、安定な状態に戻すことができる。
【００６６】
ステップＳ１７では、図３０に示すｔｈｄｅｆａｄｐ算出処理を実行し、デフォルト開度ずれｔｈｄｅｆａｄｐを算出する。
【００６７】
図１１は、モデルパラメータ同定器２２の演算処理のフローチャートである。ステップＳ３１では、式（２０）によりゲイン係数ベクトルＫＰ(k)を算出し、次いで式（１８）により推定スロットル弁開度偏差量ＤＴＨＨＡＴ(k)を算出する（ステップＳ３２）。ステップＳ３３では、図１２に示すｉｄｅｎｌ(k)の演算処理を実行し、ステップＳ３２で算出した推定スロットル弁開度偏差量ＤＴＨＨＡＴ(k)を、式（１７）に適用して同定誤差ｉｄｅ(k)を算出するとともに、図７（ａ）に示す関数を用いた不感帯処理を行い、修正同定誤差ｉｄｅｎｌを算出する。
【００６８】
続くステップＳ３４では、式（１５ａ）により、モデルパラメータベクトルθ(k)を算出し、次いでモデルパラメータベクトルθ(k)の安定化処理を実行する（ステップＳ３５）。すなわち各モデルパラメータのリミット処理を行って修正モデルパラメータベクトルθＬ(k)を算出する。
【００６９】
図１２は、図１１のステップＳ３３で実行されるｉｄｅｎｌ(k)演算処理のフローチャートである。
ステップＳ５１では、式（１７）により同定誤差ｉｄｅ(k)を算出する。次いで、ステップＳ５３でインクリメントされるカウンタＣＮＴＩＤＳＴの値が、制御対象のむだ時間ｄに応じて設定される所定値ＸＣＮＴＩＤＳＴ（例えば、むだ時間ｄ＝２に対応して、「３」に設定される）より大きいか否かを判別する（ステップＳ５２）。カウンタＣＮＴＩＤＳＴの初期値は「０」であるので、最初はステップＳ５３に進み、カウンタＣＮＴＩＤＳＴを「１」だけインクリメントし、同定誤差ｉｄｅ(k)を「０」に設定して（ステップＳ５４）、ステップＳ５５に進む。モデルパラメータベクトルθ(k)の同定を開始した直後は、式（１７）による演算で正しい同定誤差が得られないので、ステップＳ５２〜Ｓ５４により、式（１７）による演算結果を用いずに同定誤差ｉｄｅ(k)を「０」に設定するようにしている。
【００７０】
ステップＳ５２の答が肯定（ＹＥＳ）となると、直ちにステップＳ５５に進む。
ステップＳ５５では、同定誤差ｉｄｅ(k)のローパスフィルタ処理を行う。具体的には、ローパス特性を有する制御対象のモデルパラメータを同定する場合、最小２乗同定アルゴリズムの同定誤差ｉｄｅ(k)に対する同定重みは、図１３（ａ）に実線Ｌ１で示すような周波数特性を有するが、これをローパスフィルタ処理により、破線Ｌ２で示すように高周波成分を減衰させた特性とする。これは、以下の理由による。
【００７１】
実際の制御対象及びこれをモデル化した制御対象モデルの周波数特性は、それぞれ図１３（ｂ）に実線Ｌ３及びＬ４で示すようになる。すなわち、ローパス特性（高周波成分が減衰する特性）を有する制御対象について、モデルパラメータ同定器２２によりモデルパラメータを同定すると、同定されたモデルパラメータは高周波域阻止特性に大きく影響されたものとなるため、低周波域での制御対象モデルのゲインが実際の特性より低くなる。その結果、スライディングモードコントローラ２１による制御入力の補正が過補正となる。
【００７２】
そこで、ローパスフィルタ処理により同定アルゴリズムの重みの周波数特性を、図１３（ａ）に破線Ｌ２で示すような特性とすることにより、制御対象モデルの周波数特性を、同図（ｂ）に破線Ｌ５で示すような特性とし、実際の周波数特性と一致させ、あるいは制御対象モデルのゲインが実際のゲインよりやや高くなるように修正することとした。これにより、コントローラ２１による過補正を防止し、制御系のロバスト性を高めて制御系をより安定化させることができる。
【００７３】
なお、ローパスフィルタ処理は、同定誤差の過去値ｉｄｅ(k-i)（例えばi＝１〜１０に対応する１０個の過去値）をリングバッファに記憶し、それらの過去値に重み係数を乗算して加算することにより実行する。
さらに、同定誤差ｉｄｅ(k)は、前記式（１７）、（１８）及び（１９）を用いて算出しているため、スロットル弁開度偏差量ＤＴＨ(k)と、推定スロットル弁開度偏差量ＤＴＨＨＡＴ(k)とに同様のローパスフィルタ処理を行うこと、あるいは、スロットル弁開度偏差量ＤＴＨ（k-1）及びＤＴＨ(k-2)と、デューティ比ＤＵＴ(k-d-1)とに同様のローパスフィルタ処理を行うことによっても同様の効果が得られる。
【００７４】
図１２に戻り、続くステップＳ５６では、図１４に示す不感帯処理を実行する。図１４のステップＳ６１では、前記式（２４）において例えばｎ＝５として、目標スロットル弁開度ＴＨＲの変化量の二乗平均値ＤＤＴＨＲＳＱＡを算出し、次いで二乗平均値ＤＤＴＨＲＳＱＡに応じて図１５に示すＥＩＤＮＲＬＭＴテーブルを検索し、不感帯幅パラメータＥＩＤＮＲＬＭＴを算出する（ステップＳ６２）。
【００７５】
ステップＳ６３では、同定誤差ｉｄｅ(k)が不感帯幅パラメータＥＩＤＮＲＬＭＴより大きいか否かを判別し、ｉｄｅ(k)＞ＥＩＤＮＲＬＭＴであるときは、下記式（４３）により、修正同定誤差ｉｄｅｎｌ(k)算出する（ステップＳ６７）。
ｉｄｅｎｌ(k)＝ｉｄｅ(k)−ＥＩＤＮＲＬＭＴ （４３）
【００７６】
ステップＳ６３の答が否定（ＮＯ）であるときは、さらに同定誤差ｉｄｅ(k)が不感帯幅パラメータＥＩＤＮＲＬＭＴに負号を付した値より小さいか否かを判別し（ステップＳ６４）、ｉｄｅ(k)＜−ＥＩＤＮＲＬＭＴであるときは、下記式（４４）により、修正同定誤差ｉｄｅｎｌ(k)算出する（ステップＳ６５）。
ｉｄｅｎｌ(k)＝ｉｄｅ(k)＋ＥＩＤＮＲＬＭＴ （４４）
また同定誤差ｉｄｅ(k)が±ＥＩＤＮＲＬＭＴの範囲内にあるときは、修正同定誤差ｉｄｅｎｌ(k)を「０」とする（ステップＳ６６）。
【００７７】
図１６は、図１１のステップＳ３５で実行されるθ(k)の安定化処理のフローチャートである。
ステップＳ７１では、この処理で使用されるフラグＦＡ１ＳＴＡＢ，ＦＡ２ＳＴＡＢ，ＦＢ１ＬＭＴ及びＦＣ１ＬＭＴをそれぞれ「０」に設定することにより、初期化を行う。そして、ステップＳ７２では、図１７に示すａ１’及びａ２’のリミット処理を実行し、ステップＳ７３では、図１９に示すｂ１’のリミット処理を実行し、ステップＳ７４では、図２０に示すｃ１’のリミット処理を実行する。
【００７８】
図１７は、図１６のステップＳ７２で実行されるａ１’及びａ２’のリミット処理のフローチャートである。図１８は、図１７の処理を説明するための図であり、図１７とともに参照する。
図１８においては、リミット処理が必要なモデルパラメータａ１’とａ２’の組み合わせが「×」で示され、また安定なモデルパラメータａ１’及びａ２’の組み合わせの範囲がハッチングを付した領域（以下「安定領域」という）で示されている。図１７の処理は、安定領域外にあるモデルパラメータａ１’及びａ２’の組み合わせを、安定領域内（「○」で示す位置）に移動させる処理である。
【００７９】
ステップＳ８１では、モデルパラメータａ２’が、所定ａ２下限値ＸＩＤＡ２Ｌ以上か否かを判別する。所定ａ２下限値ＸＩＤＡ２Ｌは、「−１」より大きい負の値に設定される。所定ａ２下限値ＸＩＤＡ２Ｌは、「−１」に設定しても、安定な修正モデルパラメータａ１，ａ２が得られるが、前記式（２６）で定義される行列Ａのｎ乗が不安定となる（これは、ａ１’及びａ２’が発散はしないが振動することを意味する）場合があるので、「−１」より大きな値に設定される。
【００８０】
ステップＳ８１でａ２’＜ＸＩＤＡ２Ｌであるときは、修正モデルパラメータａ２を、この下限値ＸＩＤＡ２Ｌに設定するとともに、ａ２安定化フラグＦＡ２ＳＴＡＢを「１」に設定する。ａ２安定化フラグＦＡ２ＳＴＡＢは「１」に設定されると、修正モデルパラメータａ２を下限値ＸＩＤＡ２Ｌに設定したことを示す。図１８においては、ステップＳ８１及びＳ８２のリミット処理Ｐ１によるモデルパラメータの修正が、「Ｐ１」を付した矢線（矢印を付した線）で示されている。
【００８１】
ステップＳ８１の答が肯定（ＹＥＳ）、すなわちａ２’≧ＸＩＤＡ２Ｌであるときは、修正モデルパラメータａ２はモデルパラメータａ２’に設定される（ステップＳ８３）。
ステップＳ８４及びステップＳ８５では、モデルパラメータａ１’が、所定ａ１下限値ＸＩＤＡ１Ｌと所定ａ１上限値ＸＩＤＡ１Ｈできまる範囲内にあるか否かを判別する。所定ａ１下限値ＸＩＤＡ１Ｌは、−２以上且つ０より小さい値に設定され、所定ａ１上限値ＸＩＤＡ１Ｈは、例えば２に設定される。
【００８２】
ステップＳ８４及びＳ８５の答がいずれも肯定（ＹＥＳ）であるとき、すなわちＸＩＤＡ１Ｌ≦ａ１’≦ＸＩＤＡ１Ｈであるときは、修正モデルパラメータａ１はモデルパラメータａ１’に設定される（ステップＳ８８）。
一方ａ１’＜ＸＩＤＡ１Ｌであるときは、修正モデルパラメータａ１を下限値ＸＩＤＡ１Ｌに設定するとともに、ａ１安定化フラグＦＡ１ＳＴＡＢを「１」に設定する（ステップＳ８４，Ｓ８６）。またａ１’＞ＸＩＤＡ１Ｈであるときは、修正モデルパラメータａ１を上限値ＸＩＤＡ１Ｈに設定するとともに、ａ１安定化フラグＦＡ１ＳＴＡＢを「１」に設定する（ステップＳ８５，Ｓ８７）。ａ１安定化フラグＦＡ１ＳＴＡＢは、「１」に設定されると、修正モデルパラメータａ１を下限値ＸＩＤＡ１Ｌまたは上限値ＸＩＤＡ１Ｈに設定したことを示す。図１８においては、ステップＳ８４〜Ｓ８７のリミット処理Ｐ２によるモデルパラメータの修正が、「Ｐ２」を付した矢線で示されている。
【００８３】
ステップＳ９０では、修正モデルパラメータａ１の絶対値と修正モデルパラメータａ２の和が、所定安定判定値ＸＡ２ＳＴＡＢ以下であるか否かを判別する。所定安定判定値ＸＡ２ＳＴＡＢは、「１」に近く「１」より小さい値（例えば０．９９）に設定される。
【００８４】
図１８に示す直線Ｌ１及びＬ２は、下記式（４５）を満たす直線である。
ａ２＋｜ａ１｜＝ＸＡ２ＳＴＡＢ （４５）
したがって、ステップＳ９０は、修正モデルパラメータａ１及びａ２の組み合わせが、図１８に示す直線Ｌ１及びＬ２の線上またはその下側にあるか否かを判別している。ステップＳ９０の答が肯定（ＹＥＳ）であるときは、修正モデルパラメータａ１及びａ２の組み合わせは、図１８の安定領域内にあるので、直ちに本処理を終了する。
【００８５】
一方ステップＳ９０の答が否定（ＮＯ）であるときは、修正モデルパラメータａ１が、所定安定判定値ＸＡ２ＳＴＡＢから所定ａ２下限値ＸＩＤＡ２Ｌを減算した値（ＸＩＤＡ２Ｌ＜０であるので、ＸＡ２ＳＴＡＢ−ＸＩＤＡ２Ｌ＞ＸＡ２ＳＴＡＢが成立する）以下か否かを判別する（ステップＳ９１）。そして修正モデルパラメータａ１が（ＸＡ２ＳＴＡＢ−ＸＩＤＡ２Ｌ）以下であるときは、修正モデルパラメータａ２を（ＸＡ２ＳＴＡＢ−｜ａ１｜）に設定するとともに、ａ２安定化フラグＦＡ２ＳＴＡＢを「１」に設定する（ステップＳ９２）。
【００８６】
ステップＳ９１で修正モデルパラメータａ１が（ＸＡ２ＳＴＡＢ−ＸＩＤＡ２Ｌ）より大きいときは、修正モデルパラメータａ１を（ＸＡ２ＳＴＡＢ−ＸＩＤＡ２Ｌ）に設定し、修正モデルパラメータａ２を所定ａ２下限値ＸＩＤＡ２Ｌに設定するとともに、ａ１安定化フラグＦＡ１ＳＴＡＢ及びａ２安定化フラグＦＡ２ＳＴＡＢをともに「１」に設定する（ステップＳ９３）。
【００８７】
図１８においては、ステップＳ９１及びＳ９２のリミット処理Ｐ３によるモデルパラメータの修正が、「Ｐ３」を付した矢線で示されており、またステップＳ９１及びＳ９３のリミット処理Ｐ４によるモデルパラメータの修正が、「Ｐ４」を付した矢線で示されている。
【００８８】
以上のように図１７の処理により、モデルパラメータａ１’及びａ２’が図１８に示す安定領域内に入るようにリミット処理が実行され、修正モデルパラメータａ１及びａ２が算出される。
【００８９】
図１９は、図１６のステップＳ７３で実行されるｂ１’のリミット処理のフローチャートである。
ステップＳ１０１及びＳ１０２では、モデルパラメータｂ１’が、所定ｂ１下限値ＸＩＤＢ１Ｌと所定ｂ１上限値ＸＩＤＢ１Ｈできまる範囲内にあるか否かを判別する。所定ｂ１下限値ＸＩＤＢ１Ｌは、正の所定値（例えば０．１）に設定され、所定ｂ１上限値ＸＩＤＢ１Ｈは、例えば「１」に設定される。
【００９０】
ステップＳ１０１及びＳ１０２の答がいずれも肯定（ＹＥＳ）であるとき、すなわちＸＩＤＢ１Ｌ≦ｂ１’≦ＸＩＤＢ１Ｈであるときは、修正モデルパラメータｂ１はモデルパラメータｂ１’に設定される（ステップＳ１０５）。
一方ｂ１’＜ＸＩＤＢ１Ｌであるときは、修正モデルパラメータｂ１を下限値ＸＩＤＢ１Ｌに設定するとともに、ｂ１リミットフラグＦＢ１ＬＭＴを「１」に設定する（ステップＳ１０１，Ｓ１０４）。またｂ１’＞ＸＩＤＢ１Ｈであるときは、修正モデルパラメータｂ１を上限値ＸＩＤＢ１Ｈに設定するとともに、ｂ１リミットフラグＦＢ１ＬＭＴを「１」に設定する（ステップＳ１０２，Ｓ１０３）。ｂ１リミットフラグＦＢ１ＬＭＴは、「１」に設定されると、修正モデルパラメータｂ１を下限値ＸＩＤＢ１Ｌまたは上限値ＸＩＤＢ１Ｈに設定したことを示す。
【００９１】
図２０は、図１６のステップＳ７４で実行されるモデルパラメータｃ１’のリミット処理のフローチャートである。
ステップＳ１１１及びＳ１１２では、モデルパラメータｃ１’が、所定ｃ１下限値ＸＩＤＣ１Ｌと所定ｃ１上限値ＸＩＤＣ１Ｈできまる範囲内にあるか否かを判別する。所定ｃ１下限値ＸＩＤＣ１Ｌは、例えば−６０に設定され、所定ｃ１上限値ＸＩＤＣ１Ｈは、例えば６０に設定される。
【００９２】
ステップＳ１１１及びＳ１１２の答がいずれも肯定（ＹＥＳ）であるとき、すなわちＸＩＤＣ１Ｌ≦ｃ１’≦ＸＩＤＣ１Ｈであるときは、修正モデルパラメータｃ１はモデルパラメータｃ１’に設定される（ステップＳ１１５）。
一方ｃ１’＜ＸＩＤＣ１Ｌであるときは、修正モデルパラメータｃ１を下限値ＸＩＤＣ１Ｌに設定するとともに、ｃ１リミットフラグＦＣ１ＬＭＴを「１」に設定する（ステップＳ１１１，Ｓ１１４）。またｃ１’＞ＸＩＤＣ１Ｈであるときは、修正モデルパラメータｃ１を上限値ＸＩＤＣ１Ｈに設定するとともに、ｃ１リミットフラグＦＣ１ＬＭＴを「１」に設定する（ステップＳ１１２，Ｓ１１３）。ｃ１リミットフラグＦＣ１ＬＭＴは、「１」に設定されると、修正モデルパラメータｃ１を下限値ＸＩＤＣ１Ｌまたは上限値ＸＩＤＣ１Ｈに設定したことを示す。
【００９３】
図２１は、図９のステップＳ１３で実行される状態予測器の演算処理のフローチャートである。
ステップＳ１２１では、マトリクス演算を実行して前記式（３５）の行列要素α１，α２，β１〜β２、及びγ１〜γｄを算出する。
ステップＳ１２２では、式（３５）により、予測偏差量ＰＲＥＤＴＨ(k)を算出する。
【００９４】
図２２は、図９のステップＳ１４で実行される、スロットル弁駆動装置１０への制御入力Ｕｓｌ（＝ＤＵＴ）を算出する処理のフローチャートである。
ステップＳ２０１では、図２３に示す予測切換関数値σｐｒｅの演算処理を実行し、ステップＳ２０２では、図２６に示す予測切換関数値σｐｒｅの積算値の演算処理を実行する。ステップＳ２０３では、前記式（９）により、等価制御入力Ｕｅｑを算出する。ステップＳ２０４では、図２７に示す到達則入力Ｕｒｃｈの演算処理を実行し、ステップＳ２０５では、図２８に示す適応則入力Ｕａｄｐの演算処理を実行する。
【００９５】
ステップＳ２０６では、後述する図２９の処理で設定される安定判別フラグＦＳＭＣＳＴＡＢが「１」であるか否かを判別する。安定判別フラグＦＳＭＣＳＴＡＢは、「１」に設定されると、適応スライディングモードコントローラ２１が不安定となっていることを示す。
【００９６】
ステップＳ２０６でＦＳＭＣＳＴＡＢ＝０であって適応スライディングモードコントローラ２１が安定であるときは、ステップＳ２０３〜Ｓ２０５で算出された制御入力Ｕｅｑ，Ｕｒｃｈ及びＵａｄｐを加算することにより、制御入力Ｕｓｌを算出する（ステップＳ２０７）。
【００９７】
一方ＦＳＭＣＳＴＡＢ＝１であって適応スライディングモードコントローラ２１が不安定となっているときは、到達則入力Ｕｒｃｈ及び適応則入力Ｕａｄｐの和を、制御入力Ｕｓｌとして算出する。すなわち、等価制御入力Ｕｅｑを、制御入力Ｕｓｌの算出に使用しないようにする。これにより、制御系が不安定化することを防止することができる。
【００９８】
続くステップＳ２０９及びＳ２１０では、算出した制御入力Ｕｓｌが所定上下限値ＸＵＳＬＨ及びＸＵＳＬＬの範囲内にあるか否かを判別し、制御入力Ｕｓｌが所定上下限値の範囲内にあるときは、直ちに本処理を終了する。一方、制御入力Ｕｓｌが所定下限値ＸＵＳＬＬ以下であるときは、制御入力Ｕｓｌを所定下限値ＸＵＳＬＬに設定し（ステップＳ２０９，Ｓ２１２）、制御入力Ｕｓｌが所定上限値ＸＵＳＬＨ以上であるときは、制御入力Ｕｓｌを所定上限値ＸＵＳＬＨに設定する（ステップＳ２１０，Ｓ２１１）。
【００９９】
図２３は、図２２のステップＳ２０１で実行される予測切換関数値σｐｒｅの演算処理のフローチャートである。
ステップＳ２２１では、図２４に示す切換関数設定パラメータＶＰＯＬＥの演算処理を実行し、次いで前記式（３６）により、予測切換関数値σｐｒｅ(k)の演算を実行する（ステップＳ２２２）。
【０１００】
続くステップＳ２２３及びＳ２２４では、算出した予測切換関数値σｐｒｅ(k)が所定上下限値ＸＳＧＭＨ及びＸＳＧＭＬの範囲内にあるか否かを判別し、予測切換関数値σｐｒｅ(k)が所定上下限値の範囲内にあるときは、直ちに本処理を終了する。一方、予測切換関数値σｐｒｅ(k)が所定下限値ＸＳＧＭＬ以下であるときは、予測切換関数値σｐｒｅ(k)を所定下限値ＸＳＧＭＬに設定し（ステップＳ２２３，Ｓ２２５）、予測切換関数値σｐｒｅ(k)が所定上限値ＸＳＧＭＨ以上であるときは、予測切換関数値σｐｒｅ(k)を所定上限値ＸＳＧＭＨに設定する（ステップＳ２２４，Ｓ２２６）。
【０１０１】
図２４は、図２３のステップＳ２２１で実行される切換関数設定パラメータＶＰＯＬＥの演算処理のフローチャートである。
ステップＳ２３１では、安定判別フラグＦＳＭＣＳＴＡＢが「１」であるか否かを判別し、ＦＳＭＣＳＴＡＢ＝１であって適応スライディングモードコントローラ２１が不安定となっているときは、切換関数設定パラメータＶＰＯＬＥを安定化所定値ＸＰＯＬＥＳＴＢに設定する（ステップＳ２３２）。安定化所定値ＸＰＯＬＥＳＴＢは、「−１」より大きく「−１」に非常に近い値（例えば−０．９９９）に設定される。
【０１０２】
ＦＳＭＣＳＴＡＢ＝０であって適応スライディングモードコントローラ２１が安定であるときは、下記式（４６）により目標値ＤＴＨＲ(k)の変化量ＤＤＴＨＲ(k)を算出する（ステップＳ２３３）。
ＤＤＴＨＲ(k)＝ＤＴＨＲ(k)−ＤＴＨＲ(k-1) （４６）
ステップＳ２３４では、スロットル弁開度偏差量ＤＴＨ及びステップＳ２３３で算出される目標値の変化量ＤＤＴＨＲに応じてＶＰＯＬＥマップを検索し、切換関数設定パラメータＶＰＯＬＥを算出する。ＶＰＯＬＥマップは、図２５（ａ）に示すように、スロットル弁開度偏差量ＤＴＨが０近傍の値をとるとき（スロットル弁開度ＴＨがデフォルト開度ＴＨＤＥＦ近傍の値をとるとき）増加し、０近傍以外の値ではスロットル弁開度偏差量ＤＴＨの変化に対してはほぼ一定の値となるように設定されている。またＶＰＯＬＥマップは、同図（ｂ）に実線で示すように、目標値の変化量ＤＤＴＨＲが増加するほど、ＶＰＯＬＥ値が増加するように設定されているが、スロットル弁開度偏差量ＤＴＨが０近傍の値をとるときには、同図に破線で示すように目標値の変化量ＤＤＴＨＲが０近傍の値をとるときに増加するように設定されている。
【０１０３】
すなわち、スロットル弁開度の目標値ＤＴＨＲが減少方向の変化が大きいときには、切換関数設定パラメータＶＰＯＬＥは比較的小さな値に設定される。これにより、スロットル弁３がスロットル全閉ストッパに衝突することを防止することができる。また、デフォルト開度ＴＨＤＥＦ近傍においては、切換関数設定パラメータＶＰＯＬＥが比較的大きな値に設定され、デフォルト開度ＴＨＤＥＦ近傍における制御性を向上させることができる。
【０１０４】
なお、同図（ｃ）に示すように、スロットル弁開度ＴＨが全閉開度近傍または全開開度近傍にあるときは、切換関数設定パラメータＶＰＯＬＥを減少させるように設定してもよい。これにより、スロットル弁開度ＴＨが全閉開度近傍または全開開度近傍にあるときは、目標開度ＴＨＲに対する追従速度が遅くなり、スロットル弁３の全閉ストッパ（全開開度でもストッパとして機能する）への衝突防止をより確実にすることができる。
【０１０５】
続くステップＳ２３５及びＳ２３６では、算出した切換関数設定パラメータＶＰＯＬＥが所定上下限値ＸＰＯＬＥＨ及びＸＰＯＬＥＬの範囲内にあるか否かを判別し、切換関数設定パラメータＶＰＯＬＥが所定上下限値の範囲内にあるときは、直ちに本処理を終了する。一方、切換関数設定パラメータＶＰＯＬＥが所定下限値ＸＰＯＬＥＬ以下であるときは、切換関数設定パラメータＶＰＯＬＥを所定下限値ＸＰＯＬＥＬに設定し（ステップＳ２３６，Ｓ２３８）、切換関数設定パラメータＶＰＯＬＥが所定上限値ＸＰＯＬＥＨ以上であるときは、切換関数設定パラメータＶＰＯＬＥを所定上限値ＸＰＯＬＥＨに設定する（ステップＳ２３５，Ｓ２３７）。
【０１０６】
図２６は、図２２のステップＳ２０２で実行される、予測切換関数値σｐｒｅの積算値ＳＵＭＳＩＧＭＡを算出する処理のフローチャートである。積算値ＳＵＭＳＩＧＭＡは、後述する図２８の処理で適応則入力Ｕａｄｐの算出に使用される（前記式（１１ａ）参照）。
【０１０７】
ステップＳ２４１では、下記式（４７）により、積算値ＳＵＭＳＩＧＭＡを算出する。下記式のΔＴは、演算の実行周期である。
ＳＵＭＳＩＧＭＡ(k)＝ＳＵＭＳＩＧＭＡ(k-1)＋σｐｒｅ×ΔＴ （４７）
続くステップＳ２４２及びＳ２４３では、算出した積算値ＳＵＭＳＩＧＭＡが所定上下限値ＸＳＵＭＳＨ及びＸＳＵＭＳＬの範囲内にあるか否かを判別し、積算値ＳＵＭＳＩＧＭＡが所定上下限値の範囲内にあるときは、直ちに本処理を終了する。一方、積算値ＳＵＭＳＩＧＭＡが所定下限値ＸＳＵＭＳＬ以下であるときは、積算値ＳＵＭＳＩＧＭＡを所定下限値ＸＳＵＭＳＬに設定し（ステップＳ２４２，Ｓ２４４）、積算値ＳＵＭＳＩＧＭＡが所定上限値ＸＳＵＭＳＨ以上であるときは、積算値ＳＵＭＳＩＧＭＡを所定上限値ＸＳＵＭＳＨに設定する（ステップＳ２４３，Ｓ２４５）。
【０１０８】
図２７は、図２２のステップＳ２０４で実行される到達則入力Ｕｒｃｈの演算処理のフローチャートである。
ステップＳ２６１では、安定判別フラグＦＳＭＣＳＴＡＢが「１」であるか否かを判別する。安定判別フラグＦＳＭＣＳＴＡＢが「０」であって適応スライディングモードコントローラ２１が安定であるときは、制御ゲインＦを所定通常ゲインＸＫＲＣＨに設定し（ステップＳ２６２）、下記式（４８）（前記式（１０ａ）と同一の式）により、到達則入力Ｕｒｃｈを算出する（ステップＳ２６３）。
Ｕｒｃｈ＝−Ｆ×σｐｒｅ／ｂ１ （４８）
【０１０９】
一方安定判別フラグＦＳＭＣＳＴＡＢが「１」であって適応スライディングモードコントローラ２１が不安定となったときは、制御ゲインＦを、所定安定化ゲインＸＫＲＣＨＳＴＢに設定し（ステップＳ２６４）、モデルパラメータｂ１を使わない下記式（４９）により到達則入力Ｕｒｃｈを算出する（ステップＳ２６５）。
Ｕｒｃｈ＝−Ｆ×σｐｒｅ （４９）
【０１１０】
続くステップＳ２６６及びＳ２６７では、算出した到達則入力Ｕｒｃｈが所定上下限値ＸＵＲＣＨＨ及びＸＵＲＣＨＬの範囲内にあるか否かを判別し、到達則入力Ｕｒｃｈが所定上下限値の範囲内にあるときは、直ちに本処理を終了する。一方、到達則入力Ｕｒｃｈが所定下限値ＸＵＲＣＨＬ以下であるときは、到達則入力Ｕｒｃｈを所定下限値ＸＵＲＣＨＬに設定し（ステップＳ２６６，Ｓ２６８）、到達則入力Ｕｒｃｈが所定上限値ＸＵＲＣＨＨ以上であるときは、到達則入力Ｕｒｃｈを所定上限値ＸＵＲＣＨＨに設定する（ステップＳ２６７，Ｓ２６９）。
【０１１１】
このように適応スライディングモードコントローラ２１が不安定となったときは、制御ゲインＦを所定安定化ゲインＸＫＲＣＨＳＴＢに設定するとともに、モデルパラメータｂ１を使用しないで到達則入力Ｕｒｃｈを算出することにより、適応スライディングモードコントローラ２１を安定な状態に戻すことができる。モデルパラメータ同定器２２による同定が不安定となった場合に、適応スライディングモードコントローラ２１が不安定となるので、不安定となったモデルパラメータｂ１を使わないことによって、適応スライディングモードコントローラ２１を安定化することができる。
【０１１２】
図２８は、図２２のステップＳ２０５で実行される適応則入力Ｕａｄｐの演算処理のフローチャートである。
ステップＳ２７１では、安定判別フラグＦＳＭＣＳＴＡＢが「１」であるか否かを判別する。安定判別フラグＦＳＭＣＳＴＡＢが「０」であって適応スライディングモードコントローラ２１が安定であるときは、制御ゲインＧを所定通常ゲインＸＫＡＤＰに設定し（ステップＳ２７２）、下記式（５０）（前記式（１１ａ）に対応する式）により、適応則入力Ｕａｄｐを算出する（ステップＳ２７３）。
Ｕａｄｐ＝−Ｇ×ＳＵＭＳＩＧＭＡ／ｂ１ （５０）
【０１１３】
一方安定判別フラグＦＳＭＣＳＴＡＢが「１」であって適応スライディングモードコントローラ２１が不安定となったときは、制御ゲインＧを、所定安定化ゲインＸＫＡＤＰＳＴＢに設定し（ステップＳ２７４）、モデルパラメータｂ１を使わない下記式（５１）により適応則入力Ｕａｄｐを算出する（ステップＳ２７５）。
Ｕａｄｐ＝−Ｇ×ＳＵＭＳＩＧＭＡ （５１）
【０１１４】
このように適応スライディングモードコントローラ２１が不安定となったときは、制御ゲインＧを所定安定化ゲインＸＫＡＤＰＳＴＢに設定するとともに、モデルパラメータｂ１を使用しないで適応則入力Ｕａｄｐを算出することにより、適応スライディングモードコントローラ２１を安定な状態に戻すことができる。
【０１１５】
図２９は、図９のステップＳ１６で実行されるスライディングモードコントローラの安定判別処理のフローチャートである。この処理では、リアプノフ関数の微分項に基づく安定判別を行い、安定判別フラグＦＳＭＣＳＴＡＢの設定を行う。
【０１１６】
ステップＳ２８１では下記式（５２）により、切換関数変化量Ｄσｐｒｅを算出し、次いで下記式（５３）により、安定性判別パラメータＳＧＭＳＴＡＢを算出する（ステップＳ２８２）。
Ｄσｐｒｅ＝σｐｒｅ(k)−σｐｒｅ(k-1) （５２）
ＳＧＭＳＴＡＢ＝Ｄσｐｒｅ×σｐｒｅ(k) （５３）
ステップＳ２８３では、安定性判別パラメータＳＧＭＳＴＡＢが安定性判定閾値ＸＳＧＭＳＴＡＢ以下か否かを判別し、ＳＧＭＳＴＡＢ＞ＸＳＧＭＳＴＡＢであるときは、コントローラ２１が不安定である可能性があると判定して不安定検知カウンタＣＮＴＳＭＣＳＴを「１」だけインクリメントする（ステップＳ２８５）。また、ＳＧＭＳＴＡＢ≦ＸＳＧＭＳＴＡＢであるときは、コントローラ２１が安定であると判定して不安定検知カウンタＣＮＴＳＭＣＳＴのカウント値をインクリメントすることなく保持する（ステップＳ２８４）。
【０１１７】
ステップＳ２８６では、不安定検知カウンタＣＮＴＳＭＣＳＴの値が所定カウント値ＸＳＳＴＡＢ以下か否かを判別する。ＣＮＴＳＭＣＳＴ≦ＸＳＳＴＡＢであるときは、コントローラ２１は安定していると判定し、第１判定フラグＦＳＭＣＳＴＡＢ１を「０」に設定する（ステップＳ２８７）。一方ＣＮＴＳＭＣＳＴ＞ＸＳＳＴＡＢであるときは、コントローラ２１は不安定となっていると判定し、第１判定フラグＦＳＭＣＳＴＡＢ１を「１」に設定する（ステップＳ２８８）。なお、不安定検知カウンタＣＮＴＳＭＣＳＴは、イグニッションスイッチオン時にそのカウント値が「０」に初期化される。
【０１１８】
続くステップＳ２８９では、安定判別期間カウンタＣＮＴＪＵＤＳＴを「１」だけデクリメントし、次いでその安定判別期間カウンタＣＮＴＪＵＤＳＴの値が「０」であるか否かを判別する（ステップＳ２９０）。安定判別期間カウンタＣＮＴＪＵＤＳＴは、イグニッションスイッチオン時に所定判別カウント値ＸＣＪＵＤＳＴに初期化される。したがって、最初はステップＳ２９０の答は否定（ＮＯ）となり、直ちにステップＳ２９５に進む。
【０１１９】
その後安定判別期間カウンタＣＮＴＪＵＤＳＴが「０」となると、ステップＳ２９０からステップＳ２９１に進み、第１判定フラグＦＳＭＣＳＴＡＢ１が「１」であるか否かを判別する。そして、第１判定フラグＦＳＭＣＳＴＡＢ１が「０」であるときは、第２判定フラグＦＳＭＣＳＴＡＢ２を「０」に設定し（ステップＳ２９３）、第１判定フラグＦＳＭＣＳＴＡＢ１が「１」であるときは、第２判定フラグＦＳＭＣＳＴＡＢ２を「１」に設定する（ステップＳ２９２）。
【０１２０】
続くステップＳ２９４では、安定判別期間カウンタＣＮＴＪＵＤＳＴの値を所定判別カウント値ＸＣＪＵＤＳＴに設定するとともに、不安定検知カウンタＣＮＴＳＭＣＳＴの値を「０」に設定し、ステップＳ２９５に進む。
ステップＳ２９５では、安定判別フラグＦＳＭＣＳＴＡＢを、第１判定フラグＦＳＭＣＳＴＡＢ１と第２判定フラグＦＳＭＣＳＴＡＢ２の論理和に設定する。第２判定フラグＦＳＭＣＳＴＡＢ２は、ステップＳ２８６の答が肯定（ＹＥＳ）となり、第１判定フラグＦＳＭＣＳＴＡＢ１が「０」に設定されても、安定判別期間カウンタＣＮＴＪＵＤＳＴの値が「０」となるまでは、「１」に維持される。したがって、安定判別フラグＦＳＭＣＳＴＡＢも、安定判別期間カウンタＣＮＴＪＵＤＳＴの値が「０」となるまでは、「１」に維持される。
【０１２１】
図３０は、図９のステップＳ１７で実行されるデフォルト開度ずれｔｈｄｅｆａｄｐの算出処理のフローチャートである。
ステップＳ２５１では、下記式（５４）により、ゲイン係数ＫＰＴＨ(k)を算出する。
ＫＰＴＨ(k)＝ＰＴＨ(k-1)／（１＋ＰＴＨ(k-1)） （５４）
【０１２２】
ここでＰＴＨ(k-1)は、本処理の前回実行時にステップＳ２５３で算出されたゲインパラメータである。
ステップＳ２５２では、図１１に示すモデルパラメータ同定器演算処理で算出されるモデルパラメータｃ１’及びステップＳ２５１で算出したゲイン係数ＫＰＴＨ(k)を下記式（５５）に適用し、デフォルト開度ずれｔｈｄｅｆａｄｐ(k)を算出する。
ｔｈｄｅｆａｄｐ(k)＝ｔｈｄｅｆａｄｐ(k-1)
＋ＫＰＴＨ(k)×（ｃ１’−ｔｈｄｅｆａｄｐ(k-1)）
（５５）
【０１２３】
ステップＳ２５３では、下記式（５６）によりゲインパラメータＰＴＨ(k)を算出する。

式（５６）は、前記式（３９）においてλ１’及びλ２’を、それぞれ所定値ＸＤＥＦＡＤＰＷ及び「１」に設定したものである。
【０１２４】
図３０の処理により、モデルパラメータｃ１’が逐次型重み付き最小２乗法により統計処理され、デフォルト開度ずれｔｈｄｅｆａｄｐが算出される。
本実施形態では、図２２の処理が制御手段に相当し、図１１の処理が同定手段に相当し、図１２の処理が同定誤差算出手段に相当し、図１４の処理が同定誤差修正手段に相当し、図２１の処理が予測手段に相当する。
【０１２５】
【発明の効果】
以上詳述したように請求項１に記載の発明によれば、モデルパラメータの同定誤差が所定の範囲内にあるときは、同定誤差がゼロに修正され、該修正された同定誤差を用いてモデルパラメータが算出されるので、同定誤差がモデルパラメータに蓄積することが抑制され、モデルパラメータのドリフトを防止することができ、制御の安定性を向上させることができる。さらに、前記所定範囲が、スロットル弁開度または目標開度に応じた値に基づいて設定されるので、寄与度合を低減すべき同定誤差の範囲が適切なものとなり、モデルパラメータの値に反映させるべき同定誤差を、不要な誤差として無視してしまうことを防止することができる。またロバスト性の高いスライディングモード制御によりスロットル弁駆動装置が制御されるので、モデル化誤差（実際のスロットル弁駆動装置の特性と、モデル化した制御対象モデルの特性との差）があっても、スロットル弁開度の目標開度への制御性を向上させ、しかも安定した制御を実現することができる。さらにスロットル弁駆動装置への制御入力は適応則入力を含むので、外乱やモデル化誤差があっても、良好な制御性を実現することができる。
【０１２６】
請求項２に記載の発明によれば、同定手段により同定されたモデルパラメータを用いてスロットル弁開度の予測値の算出が行われるので、スロットル弁駆動装置の動特性が経時変化した場合や環境条件などによって変化した場合でも精度のよい予測値を算出することができる。
【０１２７】
請求項３に記載の発明によれば、同定誤差をゼロに修正する所定範囲が、スロットル弁開度の変化量に応じて設定されるので、モデルパラメータに反映させるべき同定誤差を、残留同定誤差として無視してしまうことを防止できる。
【図面の簡単な説明】
【図１】本発明の一実施形態にかかる内燃機関のスロットル弁駆動装置と、その制御装置を示す図である。
【図２】図１に示すスロットル弁駆動装置の周波数特性を示す図である。
【図３】図１の電子制御ユニット（ＥＣＵ）により実現される機能を示す機能ブロック図である。
【図４】スライディングモードコントローラの制御特性と、切換関数設定パラメータ（ＶＰＯＬＥ）の値との関係を示す図である。
【図５】スライディングモードコントローラの制御ゲイン（Ｆ，Ｇ）の設定範囲を示す図である。
【図６】モデルパラメータのドリフトを説明するための図である。
【図７】同定誤差を修正する関数を示す図である。
【図８】スロットル弁のデフォルト開度ずれがモデルパラメータ（ｃ１’）に反映されることを説明するための図である。
【図９】スロットル弁開度制御処理のフローチャートである。
【図１０】図９の処理において状態変数の設定を行う処理のフローチャートである。
【図１１】図９の処理においてモデルパラメータ同定器の演算を実行する処理のフローチャートである。
【図１２】図１１の処理において同定誤差（ｉｄｅ）の演算を実行する処理のフローチャートである。
【図１３】同定誤差（ｉｄｅ）のローパスフィルタ処理を説明するための図である。
【図１４】図１２の処理における不感帯処理のフローチャートである。
【図１５】図１４の処理で使用されるテーブルを示す図である。
【図１６】図１１の処理におけるモデルパラメータベクトル（θ）の安定化処理のフローチャートである。
【図１７】図１６の処理におけるモデルパラメータ（ａ１’，ａ２’）のリミット処理のフローチャートである。
【図１８】図１６の処理によるモデルパラメータの値の変化を説明するための図である。
【図１９】図１６の処理におけるモデルパラメータ（ｂ１’）のリミット処理のフローチャートである。
【図２０】図１６の処理におけるモデルパラメータ（ｃ１’）のリミット処理のフローチャートである。
【図２１】図９の処理において状態予測器の演算を実行する処理のフローチャートである。
【図２２】図９の処理において制御入力（Ｕｓｌ）の演算を実行する処理のフローチャートである。
【図２３】図２２の処理において予測切換関数値（σｐｒｅ）の演算を実行する処理のフローチャートである。
【図２４】図２３の処理において切換関数設定パラメータ（ＶＰＯＬＥ）の演算を実行する処理のフローチャートである。
【図２５】図２４の処理で使用するマップを示す図である。
【図２６】図２２の処理において予測切換関数値（σｐｒｅ）の積算値の演算を実行する処理のフローチャートである。
【図２７】図２２の処理において到達則入力（Ｕｒｃｈ）の演算を実行する処理のフローチャートである。
【図２８】図２２の処理において適応則入力（Ｕａｄｐ）の演算を実行する処理のフローチャートである。
【図２９】図９の処理においてスライディングモードコントローラの安定判別を実行する処理のフローチャートである。
【図３０】図９の処理においてデフォルト開度ずれ（ｔｈｄｅｆａｄｐ）の演算を実行する処理のフローチャートである。
【符号の説明】
１ 内燃機関
３ スロットル弁
７ 電子制御ユニット
１０ スロットル弁駆動装置
２１ 適応スライディングモードコントローラ（制御手段）
２２ モデルパラメータ同定器（同定手段、同定誤差算出手段、同定誤差修正手段）
２３ 状態予測器（予測手段）
２４ 目標開度設定部[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a control device for a throttle valve drive device, which includes a throttle valve for an internal combustion engine and drive means for driving the throttle valve.
[0002]
[Prior art]
In a throttle valve opening control device that controls the opening of a slot valve driven by a motor by PID (proportional, integral, derivative) control, a method of setting a PID control constant according to the driving state of the vehicle has been known. (JP-A-8-261050).
[0003]
[Problems to be solved by the invention]
Since the throttle valve drive device to be controlled has non-linear characteristics, the normal PID control has sufficient control performance in terms of the follow-up characteristics of the throttle valve opening to the target value, control accuracy, and control stability. It was not obtained.
[0004]
Therefore, in order to realize higher control performance, it is conceivable to perform control based on a control target model that models the throttle valve drive device. When performing control based on the controlled object model, model parameters representing the characteristics of the controlled object model are used. A predetermined constant value can be used as the model parameter, but the value of the model parameter changes due to normal aging or disturbance. Therefore, it is desirable to introduce an identifier that identifies model parameters in real time, and to execute control using the model parameters identified by the identifier.
[0005]
However, the model parameter identifier detects a deviation between the throttle valve opening calculated using the identified model parameter and the actual throttle valve opening as an identification error, and the model error is zero. Since identification is performed by correcting parameters, the following problems occur.
[0006]
In other words, due to the nonlinear characteristics of the throttle valve driving device and the addition of disturbances with an average value other than 0, the identification error is 0 even though a substantially optimal model parameter is actually obtained. In some cases, originally unnecessary model parameters are corrected. As a result, a drift occurs in which the model parameter gradually deviates from the optimum value, and the control may become unstable.
[0007]
The present invention has been made paying attention to this point, and when the throttle valve driving device to be controlled is modeled to identify the model parameters, and the throttle valve opening is controlled using the identified model parameters Another object of the present invention is to provide a control device for a throttle valve drive device that can stabilize the control.
[0008]
[Means for Solving the Problems]
  In order to achieve the above object, a first aspect of the present invention provides a control device for controlling a throttle valve driving device comprising a throttle valve of an internal combustion engine and a driving means for driving the throttle valve. An identification means for identifying a model parameter of the model to be controlled, and a control means for controlling the opening of the throttle valve to a target opening based on the model parameter identified by the identification means; And means for calculating an identification error (ide) of the model parameter; and when the identification error is within a predetermined range (−EIDNRLMT ≦ ide ≦ EIDNRLMT), the identification error is calculated.zeroAn identification error correction means for correcting the model parameter to calculate the model parameter using the identification error corrected by the identification error correction means, and to determine the predetermined range within the throttle valve opening (TH) or the target opening. Set based on value (DDTHRSQA) according to degree (THR)The control means controls the throttle valve drive device by sliding mode control using the model parameter identified by the identification means, and a control input (Usl) to the throttle valve drive device by the control means is , Including adaptive law input (Uadp)It is characterized by that.
[0009]
  According to this configuration, when the identification error of the model parameter is within a predetermined range, the identification error iszeroSince the model parameter is calculated using the corrected identification error, the accumulation of the identification error in the model parameter is suppressed, the drift of the model parameter can be prevented, and the control stability can be reduced. Can be improved. Further, since the predetermined range is set based on a value corresponding to the throttle valve opening or the target opening, the range of the identification error for which the contribution degree should be reduced is appropriate and reflected in the value of the model parameter. Power identification errors are considered unnecessary errorsNothingIt is possible to prevent viewing.In addition, since the throttle valve drive is controlled by sliding mode control with high robustness, even if there is a modeling error (difference between the characteristics of the actual throttle valve drive and the characteristics of the model to be controlled) The controllability of the throttle valve opening to the target opening can be improved and stable control can be realized. Furthermore, since the control input to the throttle valve driving device includes an adaptive law input, good controllability can be realized even if there are disturbances and modeling errors.
[0010]
According to a second aspect of the present invention, in the control device for the throttle valve driving device according to the first aspect, a predicted value (PREDTH) of a future throttle valve opening is calculated using the model parameter identified by the identifying means. It further comprises a predicting means for calculating.
[0011]
According to this configuration, since the predicted value of the throttle valve opening is calculated using the model parameter identified by the identification means, the dynamic characteristic of the throttle valve driving device has changed over time or has changed due to environmental conditions, etc. Even in this case, it is possible to calculate a predicted value with high accuracy.
[0012]
  According to a third aspect of the present invention, in the control device for the throttle valve driving device according to the first or second aspect,The predetermined range is set according to the amount of change in the throttle valve opening.It is characterized by that.
[0013]
  According to this configuration,The predetermined range for correcting the identification error to zero is set according to the amount of change in the throttle valve opening, preventing the identification error that should be reflected in the model parameter from being ignored as a residual identification errorit can.
[0015]
DETAILED DESCRIPTION OF THE INVENTION
Embodiments of the present invention will be described below with reference to the drawings.
FIG. 1 is a diagram showing a configuration of a throttle valve control device according to an embodiment of the present invention. A throttle valve 3 is provided in an intake passage 2 of an internal combustion engine (hereinafter referred to as “engine”) 1. The throttle valve 3 includes a return spring 4 as a first urging means for urging the throttle valve 3 in the valve closing direction, and an elastic as a second urging means for urging the throttle valve 3 in the valve opening direction. A member 5 is attached. The throttle valve 3 is configured to be driven via a gear (not shown) by a motor 6 (for example, a DC (direct current) motor) as driving means. In a state where the driving force by the motor 6 is not applied to the throttle valve 3, the opening TH of the throttle valve 3 is a default opening THDEF (for example, 5 degrees) in which the urging force of the return spring 4 and the urging force of the elastic member 5 are balanced. ).
[0016]
The motor 6 is connected to an electronic control unit (hereinafter referred to as “ECU”) 7, and its operation is controlled by the ECU 7. The throttle valve 3 is provided with a throttle valve opening sensor 8 for detecting the throttle valve opening TH, and the detection signal is supplied to the ECU 7.
[0017]
The ECU 7 is connected to an accelerator sensor 9 for detecting an accelerator pedal depression amount ACC for detecting a demand output of a driver of the vehicle on which the engine 1 is mounted, and the detection signal is supplied to the ECU 7.
The ECU 7 includes an input circuit to which detection signals from the throttle valve opening sensor 8 and the accelerator sensor 9 are supplied, an AD conversion circuit that converts the input signal into a digital signal, a central processing unit (CPU) that executes various arithmetic processes, and a CPU A memory for storing a program to be executed, a map and a table referred to by the program, and an output circuit for supplying a drive current to the motor 6 are provided. The ECU 7 determines the target opening THR of the throttle valve 3 in accordance with the accelerator pedal depression amount ACC, and determines the control amount DUT of the motor 6 so that the detected throttle valve opening TH matches the target opening THR. Then, an electric signal corresponding to the control amount DUT is supplied to the motor 6.
[0018]
In the present embodiment, the throttle valve drive device 10 including the throttle valve 3, the return spring 4, the elastic member 5, and the motor 6 is set as a control target, and an input to the control target is set as a duty ratio DUT of an electric signal applied to the motor 6, The output to be controlled is the throttle valve opening TH detected by the throttle valve opening sensor 8.
[0019]
When the response frequency characteristics of the throttle valve drive device 10 are measured, gain characteristics and phase characteristics indicated by solid lines in FIG. 2 are obtained. Therefore, a model defined by the following equation (1) is set as a controlled object model. The response frequency characteristic of this model is as shown by a broken line in FIG. 2, and it has been confirmed that the model approximates the characteristic of the throttle valve driving device 10.

Here, k is a parameter representing the discretized time, and DTH (k) is a throttle valve opening deviation amount defined by the following equation (2).
DTH (k) = TH (k) −THDEF (2)
Here, TH is the detected throttle valve opening, and THDEF is the default opening.
Also, a1, a2, b1, and c1 in equation (1) are model parameters that determine the characteristics of the controlled object model, and d is a dead time.
[0020]
  The model defined by the above equation (1) is a discrete-time DARX model (delayed autoregressive model with exogeneous input: an autoregressive model having an external input) that is adopted to facilitate the application of adaptive control.
  In the formula (1), in addition to the model parameters a1 and a2 related to the output deviation amount DTH and the model parameter b1 related to the input duty ratio DUT, a model parameter c1 not related to input / output is set. The model parameter c1 is a parameter indicating a deviation of the default opening THDEF and a disturbance applied to the throttle valve driving device. That is, the model parameter identifier identifies model parameters a1, a2,b1At the same time, by identifying the model parameter c1, it is possible to identify the default opening deviation and disturbance.
[0021]
FIG. 3 is a functional block diagram of a throttle valve control device realized by the ECU 7. The control device includes an adaptive sliding mode controller 21, a model parameter identifier 22, and a predicted throttle valve after a dead time d has elapsed. A state predictor 23 that calculates an opening deviation amount (hereinafter referred to as “predicted deviation amount”) PREDTH (k) (= DTH (k + d)), and a target opening degree of the throttle valve 3 according to the accelerator pedal depression amount ACC And a target opening setting unit 24 for setting THR.
[0022]
The adaptive sliding mode controller 21 calculates the duty ratio DUT by adaptive sliding mode control so that the detected throttle valve opening TH matches the target opening THR, and outputs the calculated duty ratio DUT.
By using the adaptive sliding mode controller 21, it is possible to appropriately change the follow-up response characteristic of the throttle valve opening TH to the target opening THR using a predetermined parameter (VPOLE). It is possible to avoid an impact (collision with the throttle fully closed stopper) when moving from the valve open position to the fully closed position, and to change the engine response to the accelerator operation. In addition, it is possible to ensure stability against model parameter errors.
[0023]
The model parameter identifier 22 is a modified model parameter vector θL (θL^T= [A1, a2, b1, c1]) is calculated and supplied to the adaptive sliding mode controller 21. More specifically, the model parameter identifier 22 calculates a model parameter vector θ based on the throttle valve opening TH and the duty ratio DUT. Further, the correction model parameter vector θL is calculated by performing limit processing on the model parameter vector θ, and the corrected model parameter vector θL is supplied to the adaptive sliding mode controller 21. In this way, optimal model parameters a1, a2, and b1 are obtained for causing the throttle valve opening TH to follow the target opening THR, and further, a model parameter c1 indicating disturbance and a deviation of the default opening THDEF is obtained.
[0024]
By using a model parameter identifier 22 that identifies model parameters in real time, adaptation to changes in engine operating conditions, compensation for variations in hardware characteristics, compensation for power supply voltage fluctuations, and adaptation to changes in hardware characteristics over time Is possible.
[0025]
Based on the throttle valve opening TH and the duty ratio DUT, the state predictor 23 calculates the throttle valve opening TH (predicted value) after the dead time d, more specifically, the predicted deviation amount PREDTH, and the adaptive sliding mode. It supplies to the controller 21. By using the predicted deviation amount PREDTH, it is possible to ensure the robustness of the control system with respect to the dead time of the controlled object, and it is possible to improve the controllability in the vicinity of the default opening THDEF that has a particularly large dead time.
[0026]
Next, the operation principle of the adaptive sliding mode controller 21 will be described.
First, the target value DTHR (k) is defined as a deviation amount between the target opening degree THR (k) and the default opening degree THDEF by the following equation (3).
DTHR (k) = THR (k) −THDEF (3)
Here, when the deviation e (k) between the throttle valve opening deviation amount DTH and the target value DTHR is defined by the following equation (4), the switching function value σ (k) of the adaptive sliding mode controller is expressed by the following equation (5) ) Is set as follows.

Here, VPOLE is a switching function setting parameter set to a value larger than -1 and smaller than 1.
[0027]
On the phase plane defined with the vertical axis as the deviation e (k) and the horizontal axis as the previous deviation e (k-1), the deviation e (k) that satisfies σ (k) = 0 and the previous deviation e (k Since the combination with -1) is a straight line, this straight line is generally called a switching straight line. The sliding mode control is control paying attention to the behavior of the deviation e (k) on the switching line so that the switching function value σ (k) becomes 0, that is, the deviation e (k) and the previous deviation e (k -1) is controlled so that it is on the switching line on the phase plane, and robust against disturbances and modeling errors (difference between actual plant characteristics and modeled controlled model characteristics) Control is realized, and the throttle valve opening deviation amount DTH follows the target value DTHR.
[0028]
Further, by changing the value of the switching function setting parameter VPOLE in the equation (5), as shown in FIG. 4, the attenuation characteristic of the deviation e (k), that is, the follow-up of the throttle valve opening deviation amount DTH to the target value DTHR. The characteristics can be changed. Specifically, when VPOLE = -1, the characteristic does not follow at all, and the follow-up speed can be increased as the absolute value of the switching function setting parameter VPOLE is reduced.
[0029]
The throttle valve control device is required to satisfy the following requirements A1 and A2.
A1) Avoiding collision with the throttle fully closed stopper when the throttle valve 3 is moved to the fully closed position
A2) Non-linear characteristics in the vicinity of the default opening THDEF (changes in elastic characteristics due to the balance between the biasing force of the return spring 4 and the biasing force of the elastic member 5, the gear interposed between the motor 6 and the throttle valve 3) To improve the controllability for the backlash and dead zone where the throttle valve opening does not change even if the duty ratio DUT changes.
Therefore, it is necessary to reduce the convergence speed of the deviation e (k) in the vicinity of the fully closed position of the throttle valve, and to increase the convergence speed in the vicinity of the default opening THDEF.
[0030]
According to the sliding mode control, the convergence speed can be easily changed by changing the switching function setting parameter VPOLE. Therefore, in this embodiment, the amount of change DTHHR (= DTHR (k) of the throttle valve opening TH and the target value DTHR is changed. ) -DTHR (k-1)), the switching function setting parameter VPOLE is set. As a result, the requests A1 and A2 can be satisfied.
[0031]
As described above, in the sliding mode control, the deviation e (k) is restricted by constraining the combination of the deviation e (k) and the previous deviation e (k-1) (hereinafter referred to as “deviation state quantity”) on the switching line. It converges to 0 at the specified convergence speed and robustly against disturbances and modeling errors. Therefore, in the sliding mode control, it is important how to put the deviation state quantity on the switching straight line and restrain it there.
[0032]
From such a viewpoint, the input to the controlled object (controller output) DUT (k) (also expressed as Usl (k)) is equivalent to the equivalent control input Ueq (k), as shown in the following equation (6). It is configured as the sum of the law input Urch (k) and the adaptive law input Uadp (k).

[0033]
The equivalent control input Ueq (k) is an input for constraining the deviation state quantity on the switching line, and the reaching law input Urch (k) is an input for placing the deviation state quantity on the switching line. The law input Uadp (k) is an input for suppressing the influence of modeling error and disturbance and placing the deviation state quantity on the switching line. A method for calculating each input Ueq (k), Urch (k), and Uadp (k) will be described below.
[0034]
Since the equivalent control input Ueq (k) is an input for constraining the deviation state quantity on the switching straight line, the condition to be satisfied is given by the following equation (7).
σ (k) = σ (k + 1) (7)
When the duty ratio DUT (k) satisfying the equation (7) is obtained using the equations (1) and (4) and (5), the following equation (9) is obtained, which is equivalent to the equivalent control input Ueq (k) and Become. Further, the reaching law input Urch (k) and the adaptive law input Uadp (k) are defined by the following equations (10) and (11), respectively.
[Expression 1]

[0035]
Here, F and G are a reaching law control gain and an adaptive law control gain, respectively, and are set as described below. ΔT is a control cycle.
The calculation of the above equation (9) requires the throttle valve opening deviation amount DTH (k + d) and the corresponding target value DTHR (k + d + 1) after the dead time d has elapsed. Therefore, the predicted deviation amount PREDTH (k) calculated by the state predictor 23 is used as the throttle valve opening deviation amount DTH (k + d) after the dead time d has elapsed, and the target value DTHR (k + d + 1) is obtained. As a result, the latest target value DTHR is used.
[0036]
Next, the reaching law control gain F and the adaptive law control gain G are determined by the reaching law input Urch and the adaptive law input Uadp so that the deviation state quantity is stably placed on the switching straight line.
Specifically, assuming the disturbance V (k), the setting conditions for the gains F and G are obtained by obtaining conditions for the switching function value σ (k) to be stable with respect to the disturbance V (k). As a result, it was obtained as a stable condition that the combination of the gains F and G satisfies the following formulas (12) to (14), in other words, in the region indicated by hatching in FIG.
[0037]
F> 0 (12)
G> 0 (13)
F <2- (ΔT / 2) G (14)
As described above, the equivalent control input Ueq (k), the reaching law input Urch (k) and the adaptive law input Uadp (k) are calculated by the equations (9) to (11), and the duty sum is calculated as the sum of these inputs. The ratio DUT (k) can be calculated.
[0038]
As described above, the model parameter identifier 22 calculates the model parameter vector of the controlled object model based on the input (DUT (k)) and output (TH (k)) of the controlled object. Specifically, the model parameter identifier 22 calculates the model parameter vector θ (k) by a sequential identification algorithm (generalized sequential least squares algorithm) according to the following equation (15).
θ (k) = θ (k−1) + KP (k) ide (k) (15)
θ (k)^T= [A1 ', a2', b1 ', c1'] (16)
[0039]
Here, a 1 ′, a 2 ′, b 1 ′, and C 1 ′ are model parameters before the limit process described later is performed. Ide (k) is an identification error defined by the following equations (17), (18), and (19). DTHHAT (k) is an estimated value of the throttle valve opening deviation amount DTH (k) calculated using the latest model parameter vector θ (k-1) (hereinafter referred to as “estimated throttle valve opening deviation amount”). It is. KP (k) is a gain coefficient vector defined by the following equation (20). Further, P (k) in the equation (20) is a quartic square matrix calculated by the following equation (21).
[Expression 2]

[Equation 3]

[0040]
Depending on the setting of the coefficients λ1 and λ2 in equation (21), the identification algorithm according to equations (15) to (21) is one of the following four identification algorithms.
λ1 = 1, λ2 = 0 Fixed gain algorithm
λ1 = 1, λ2 = 1 Least square algorithm
λ1 = 1, λ2 = λ Decreasing gain algorithm (λ is a predetermined value other than 0, 1)
λ1 = λ, λ2 = 1 Weighted least square algorithm (λ is a predetermined value other than 0 and 1)
[0041]
On the other hand, in the present embodiment, it is required to satisfy the following requirements B1), B2), and B3).
B1) Adaptation to quasi-static dynamic characteristic changes and hardware characteristic variations
“Quasi-static dynamic characteristic change” means a characteristic change with a slow change rate such as a change in power supply voltage or aged deterioration of hardware.
B2) Adaptation to dynamic dynamic characteristics changes
Specifically, it means adaptation to changes in dynamic characteristics corresponding to changes in the throttle valve opening TH.
B3) Prevention of model parameter drift
The problem that the absolute value of the model parameter increases due to the influence of the identification error caused by the nonlinear characteristic of the control target that should not be reflected in the model parameter is prevented.
[0042]
First, in order to satisfy the requirements of B1) and B2), the weighted least squares algorithm is adopted by setting the coefficients λ1 and λ2 to predetermined values λ and “0”, respectively.
Next, model parameter drift will be described. As shown in FIG. 6, after the model parameters have converged to some extent, there are residual identification errors caused by nonlinear characteristics such as the friction characteristics of the throttle valve, or when disturbances whose average value is not zero are constantly added. Residual identification errors accumulate and cause model parameter drift.
[0043]
Since such a residual identification error should not be reflected in the value of the model parameter, the dead zone processing is performed using the dead zone function Fnl as shown in FIG. Specifically, the corrected identification error idenl (k) is calculated by the following equation (23), and the model parameter vector θ (k) is calculated using the corrected identification error idenl (k). That is, the following formula (15a) is used instead of the above formula (15). Thereby, the request B3) can be satisfied.
idenl (k) = Fnl (ide (k)) (23)
θ (k) = θ (k−1) + KP (k) idenl (k) (15a)
[0044]
The dead band function Fnl is not limited to that shown in FIG. 7A. For example, the dead band function shown in FIG. 7B or the incomplete dead band function shown in FIG. May be used. However, when the incomplete dead band function is used, drift cannot be completely prevented.
[0045]
Further, the amplitude of the residual identification error changes according to the fluctuation amount of the throttle valve opening TH. Therefore, in the present embodiment, the dead zone width parameter EIDNRLMT that defines the dead zone width shown in FIG. 7 is determined according to the root mean square value DDTHRSQA of the amount of change in the target throttle valve opening THR calculated by the following equation (24). (Specifically, the dead band width parameter EIDNRLMT is set so as to increase as the root mean square value DDTHRSQA increases). Thereby, it is possible to prevent the identification error to be reflected in the value of the model parameter from being ignored as the residual identification error. DDTHR in the equation (24) is a change amount of the target throttle valve opening THR, and is calculated by the following equation (25).
[Expression 4]

[0046]
Here, since the throttle valve opening deviation amount DTH is controlled by the adaptive sliding mode controller 21 to the target value DTHR, the target value DTHR in the equation (25) is changed to the throttle valve opening deviation amount DTH in the same manner. It is also possible to calculate the change amount DDTH of the valve opening deviation amount DTH, and to change the dead zone width parameter EIDNRLMT by the root mean square value DDTHRSQA obtained by replacing DDTHR in the equation (24) with DDTH.
[0047]
In order to further enhance the robustness of the control system, it is effective to further stabilize the adaptive sliding mode controller 21. Therefore, in the present embodiment, limit processing is performed on each element a1 ′, a2 ′, b1 ′, and c1 ′ of the model parameter vector θ (k) calculated by the equation (15), and the corrected model parameter vector θL (k). (ΘL (k)^T= [A1, a2, b1, c1]). Then, the adaptive sliding mode controller 21 executes the sliding mode control using the modified model parameter vector θL (k). Details of the limit process will be described later with reference to a flowchart.
[0048]
Next, a method of calculating the predicted deviation amount PREDTH by the state predictor 23 will be described.
First, matrices A and B and vectors X (k) and U (k) are defined by the following equations (26) to (29).
[Equation 5]

Using the matrices A and B and the vectors X (k) and U (k), the equation (1) that defines the control target model is rewritten to obtain the following equation (30).
X (k + 1) = AX (k) + BU (k-d) (30)
[0049]
When X (k + d) is obtained from the equation (30), the following equation (31) is obtained.
[Formula 6]

Here, when the matrices A ′ and B ′ are defined by the following equations (32) and (33) using the model parameters a1 ′, a2 ′, b1 ′, and c1 ′ before the limit processing, the prediction vector XHAT (k + d ) Is given by the following equation (34).
[Expression 7]

[0050]
DTHHAT (k + d), which is an element in the first row of the prediction vector XHAT (k + d), is the prediction deviation amount PREDTH (k), and is given by the following equation (35).

Where α1 is the matrix A ′^d1 row 1 column element, α2 is a matrix A ′^d1 row by 2 column elements, β i is a matrix A ′^di1 '1 element of B', γ i is the matrix A '^diIt is a 1 × 2 element of B ′.
[0051]
The predicted deviation amount PREDTH (k) calculated by the equation (35) is applied to the equation (9), and the target values DTHR (k + d + 1), DTHR (k + d), and DTHR (k +) are further applied. By substituting d-1) with DTHR (k), DTHR (k-1), and DTHR (k-2), respectively, the following formula (9a) is obtained. The equivalent control input Ueq (k) is calculated by the equation (9a).
[Equation 8]

[0052]
Further, the prediction switching function value σpre (k) is defined by the following equation (36) using the prediction deviation amount PREDTH (k) calculated by the equation (35), and the reaching law input Urch (k) and the adaptive law input are defined. Uadp (k) is calculated by the following equations (10a) and (11a), respectively.

[Equation 9]

[0053]
Next, the model parameter c1 'is a parameter indicating the deviation and disturbance of the default opening THDEF as described above. Therefore, as shown in FIG. 8, the default opening degree deviation can be considered to be substantially constant within a relatively short period, although it varies depending on the disturbance. Therefore, in this embodiment, the model parameter c1 'is statistically processed, the center value of the fluctuation is calculated as the default opening degree deviation thdefadp, and is used for calculation of the throttle valve opening degree deviation amount DTH and the target value DTHR.
[0054]
As a statistical processing method, the least square method is generally known. In the statistical processing by the least square method, data within a certain period, that is, all identified model parameters c1 ′ are usually stored in a memory. It is executed by performing a batch operation at a certain time. However, this collective operation method requires a huge amount of memory to store all data, and further requires an inverse matrix operation, which increases the amount of calculation.
[0055]
Therefore, in the present embodiment, the adaptive control sequential least squares algorithm expressed by the above formulas (15) to (21) is applied to statistical processing, and the least square center value of the model parameter c1 is set to the default opening deviation. It is calculated as thdefadp.
[0056]
Specifically, θ (k) and θ (k) in the above formulas (15) to (21).^TIs replaced by thdefadp, and ζ (k) and ζ (k)^TIs replaced with “1”, ide (k) is replaced with ec1 (k), KP (k) is replaced with KPTH (k), P (k) is replaced with PTH (k), and λ1 and λ2 Are replaced by λ1 ′ and λ2 ′, respectively, to obtain the following formulas (37) to (40).
[Expression 10]

[0057]
One of the four algorithms described above can be selected by setting the coefficients λ1 ′ and λ2 ′. However, in the equation (39), the coefficient λ1 ′ is set to a predetermined value other than 0 or 1, and the coefficient λ2 ′ is set. By setting 1 to 1, the weighted least squares method was adopted.
[0058]
In the calculations of the above equations (37) to (40), the only values to be stored are thdefadp (k + 1) and PTH (k + 1), and no inverse matrix calculation is required. Therefore, by adopting the recursive least square method algorithm, it is possible to perform statistical processing of the model parameter c1 by the least square method while overcoming the drawbacks of a general least square method.
[0059]
The default opening degree deviation thdefadp obtained as a result of the statistical processing is applied to the expressions (2) and (3), and the throttle valve is replaced by the following expressions (41) and (42) instead of the expressions (2) and (3). An opening deviation amount DTH (k) and a target value DTHR (k) are calculated.
DTH (k) = TH (k) −THDEF + thdefadp (41)
DTHR (k) = THR (k) −THDEF + thdefadp (42)
[0060]
By using the equations (41) and (42), even when the default opening THDEF deviates from the design value due to variations in hardware characteristics or changes over time, the deviation is compensated for accurate control. be able to.
[0061]
Next, calculation processing in the CPU of the ECU 7 for realizing the functions of the adaptive sliding mode controller 21, the model parameter identifier 22, and the state predictor 23 will be described.
[0062]
FIG. 9 is an overall flowchart of throttle valve opening control, and this processing is executed by the CPU of the ECU 7 every predetermined time (for example, 2 msec).
In step S11, the state variable setting process shown in FIG. 10 is executed. That is, the calculations of equations (41) and (42) are executed to calculate the throttle valve opening deviation amount DTH (k) and the target value DTHR (k) (FIG. 10, steps S21 and S22). Note that (k) indicating the current value may be omitted.
[0063]
In step S12, the calculation of the model parameter identifier shown in FIG. 11, that is, the calculation process of the model parameter vector θ (k) according to the equation (15a) is executed, and the limit process is executed to correct the modified model parameter vector θL (k ) Is calculated.
[0064]
In subsequent step S13, the state predictor shown in FIG. 21 is operated to calculate a predicted deviation amount PREDTH (k).
Next, using the modified model parameter vector θL (k) calculated in step S12, the calculation process of the control input Usl (k) shown in FIG. 22 is executed (step S14). That is, the equivalent control input Ueq, the reaching law input Urch (k) and the adaptive law input Uadp (k) are calculated, and the control input Usl (k) (= duty ratio DUT (k)) is calculated as the sum of these inputs. To do.
[0065]
In the subsequent step S16, the stability determination process of the sliding mode controller shown in FIG. 29 is executed. That is, stability determination based on the differential value of the Lyapunov function is performed, and the stability determination flag FSMCSTAB is set. When the stability determination flag FSMCSTAB is set to “1”, it indicates that the adaptive sliding mode controller 21 is unstable. When the stability determination flag FSMCSTAB is set to “1” and the adaptive sliding mode controller 21 becomes unstable, the switching function setting parameter VPOLE is set to a predetermined stabilization value XPOLESB (see FIG. 24, steps S231 and S232). At the same time, the equivalent control input Ueq is set to “0” and the control is stabilized by switching to the control using only the reaching law input Urch and the adaptive law input Uadp (see FIG. 22, steps S206 and S208). When the adaptive sliding mode controller 21 becomes unstable, the calculation formulas for the reaching law input Urch and the adaptive law input Uadp are further changed. That is, the reaching law control gain F and the adaptive law control gain G are changed to values that stabilize the controller 21, and the reaching law input Urch and the adaptive law input Uadp are calculated without using the model parameter b1 ( (See FIGS. 27 and 28). By the stabilization process as described above, the unstable state of the adaptive sliding mode controller 21 can be terminated at an early stage and returned to a stable state.
[0066]
In step S17, a thdefadp calculation process shown in FIG. 30 is executed to calculate a default opening deviation thdefadp.
[0067]
FIG. 11 is a flowchart of the calculation process of the model parameter identifier 22. In step S31, the gain coefficient vector KP (k) is calculated from equation (20), and then the estimated throttle valve opening deviation amount DTHHAT (k) is calculated from equation (18) (step S32). In step S33, idenl (k) calculation processing shown in FIG. 12 is executed, and the estimated throttle valve opening deviation amount DTHHAT (k) calculated in step S32 is applied to the equation (17) to identify the identification error ide (k ) And dead zone processing using the function shown in FIG. 7A is performed to calculate a corrected identification error idenl.
[0068]
In the subsequent step S34, the model parameter vector θ (k) is calculated by the equation (15a), and then the stabilization process of the model parameter vector θ (k) is executed (step S35). That is, each model parameter is subjected to limit processing to calculate a corrected model parameter vector θL (k).
[0069]
FIG. 12 is a flowchart of the idenl (k) calculation process executed in step S33 of FIG.
In step S51, the identification error ide (k) is calculated from equation (17). Next, the value of the counter CNTIDST incremented in step S53 is a predetermined value XCNTIDST that is set according to the dead time d to be controlled (for example, set to “3” corresponding to the dead time d = 2). It is determined whether it is larger (step S52). Since the initial value of the counter CNTIDST is “0”, the process first proceeds to step S53, the counter CNTIDST is incremented by “1”, the identification error ide (k) is set to “0” (step S54), and the step Proceed to S55. Immediately after the identification of the model parameter vector θ (k) is started, a correct identification error cannot be obtained by the calculation according to the equation (17). Therefore, the identification error can be obtained without using the calculation result according to the equation (17) in steps S52 to S54. ide (k) is set to “0”.
[0070]
If the answer to step S52 is affirmative (YES), the process immediately proceeds to step S55.
In step S55, low-pass filter processing of the identification error ide (k) is performed. Specifically, when identifying a model parameter to be controlled having a low-pass characteristic, the identification weight for the identification error ide (k) of the least square identification algorithm is a frequency characteristic as indicated by a solid line L1 in FIG. However, this is a characteristic in which a high frequency component is attenuated by a low-pass filter process as indicated by a broken line L2. This is due to the following reason.
[0071]
The frequency characteristics of the actual controlled object and the controlled object model obtained by modeling the actual controlled object are as shown by solid lines L3 and L4 in FIG. That is, when a model parameter is identified by the model parameter identifier 22 for a controlled object having a low-pass characteristic (a characteristic in which a high-frequency component is attenuated), the identified model parameter is greatly influenced by the high-frequency band rejection characteristic. The gain of the model to be controlled in the low frequency range is lower than the actual characteristics. As a result, the control input correction by the sliding mode controller 21 is overcorrected.
[0072]
Therefore, the frequency characteristic of the weight of the identification algorithm is set to a characteristic as shown by a broken line L2 in FIG. 13A by low-pass filter processing, so that the frequency characteristic of the controlled object model is shown by a broken line L5 in FIG. The characteristics are as shown, and matched with the actual frequency characteristics, or modified so that the gain of the model to be controlled is slightly higher than the actual gain. Thereby, the overcorrection by the controller 21 can be prevented, the robustness of the control system can be improved, and the control system can be further stabilized.
[0073]
In the low-pass filter processing, identification error past values ide (ki) (for example, ten past values corresponding to i = 1 to 10) are stored in a ring buffer, and these past values are multiplied by a weighting coefficient. Execute by adding.
Further, since the identification error ide (k) is calculated using the equations (17), (18) and (19), the throttle valve opening deviation amount DTH (k) and the estimated throttle valve opening deviation The same low-pass filter processing is performed on the amount DTHHAT (k), or the throttle valve opening deviation amounts DTH (k-1) and DTH (k-2) and the duty ratio DUT (kd-1) are the same. The same effect can be obtained by performing the low-pass filter processing.
[0074]
Returning to FIG. 12, in the subsequent step S56, the dead zone processing shown in FIG. 14 is executed. In step S61 of FIG. 14, the root mean square value DDTHRSQA of the amount of change in the target throttle valve opening THR is calculated by setting n = 5 in the equation (24), and then EIDNRLMT shown in FIG. 15 according to the mean square value DDTHRSQA The table is searched to calculate the dead band parameter EIDNRLMT (step S62).
[0075]
In step S63, it is determined whether or not the identification error ide (k) is larger than the dead band parameter EIDNRLMT. If ide (k)> EINRLMT, the corrected identification error idenl (k) is calculated by the following equation (43). (Step S67).
idenl (k) = ide (k) −EIDNRLMT (43)
[0076]
If the answer to step S63 is negative (NO), it is further determined whether or not the identification error ide (k) is smaller than a value obtained by adding a negative sign to the dead band parameter EIDNRLMT (step S64), and ide (k). If <−EIDNRLMT, the corrected identification error idenl (k) is calculated by the following equation (44) (step S65).
idenl (k) = ide (k) + EIDNRLMT (44)
If the identification error ide (k) is within the range of ± EIDNRLMT, the corrected identification error idenl (k) is set to “0” (step S66).
[0077]
FIG. 16 is a flowchart of the stabilization process of θ (k) executed in step S35 of FIG.
In step S71, initialization is performed by setting the flags FA1STAB, FA2STAB, FB1LMT, and FC1LMT used in this process to “0”. In step S72, a1 ′ and a2 ′ limit processing shown in FIG. 17 is executed. In step S73, b1 ′ limit processing shown in FIG. 19 is executed. In step S74, c1 ′ shown in FIG. Perform limit processing.
[0078]
FIG. 17 is a flowchart of a1 ′ and a2 ′ limit processing executed in step S <b> 72 of FIG. 16. FIG. 18 is a diagram for explaining the processing of FIG. 17 and will be referred to together with FIG.
In FIG. 18, the combination of model parameters a1 ′ and a2 ′ that require limit processing is indicated by “x”, and the range of the combination of stable model parameters a1 ′ and a2 ′ is hatched (hereinafter “ "Stable region"). The process of FIG. 17 is a process of moving the combination of the model parameters a1 'and a2' outside the stable region into the stable region (position indicated by "O").
[0079]
In step S81, it is determined whether or not the model parameter a2 'is greater than or equal to a predetermined a2 lower limit value XIDA2L. The predetermined a2 lower limit value XIDA2L is set to a negative value larger than “−1”. Even if the predetermined a2 lower limit value XIDA2L is set to “−1”, stable modified model parameters a1 and a2 can be obtained, but the n-th power of the matrix A defined by the equation (26) becomes unstable ( This means that a1 ′ and a2 ′ do not diverge but vibrate in some cases, and are set to a value larger than “−1”.
[0080]
If a2 '<XIDA2L in step S81, the modified model parameter a2 is set to this lower limit value XIDA2L, and the a2 stabilization flag FA2STAB is set to "1". When the a2 stabilization flag FA2STAB is set to “1”, it indicates that the modified model parameter a2 is set to the lower limit value XIDA2L. In FIG. 18, the correction of the model parameter by the limit process P1 in steps S81 and S82 is indicated by an arrow line with “P1” (line with an arrow).
[0081]
If the answer to step S81 is affirmative (YES), that is, if a2 ′ ≧ XIDA2L, the modified model parameter a2 is set to the model parameter a2 ′ (step S83).
In step S84 and step S85, it is determined whether or not the model parameter a1 'is within a range defined by the predetermined a1 lower limit value XIDA1L and the predetermined a1 upper limit value XIDA1H. The predetermined a1 lower limit value XIDA1L is set to a value equal to or larger than −2 and smaller than 0, and the predetermined a1 upper limit value XIDA1H is set to 2, for example.
[0082]
When the answer to steps S84 and S85 is affirmative (YES), that is, when XIDA1L ≦ a1 ′ ≦ XIDA1H, the modified model parameter a1 is set to the model parameter a1 ′ (step S88).
On the other hand, when a1 '<XIDA1L, the modified model parameter a1 is set to the lower limit value XIDA1L, and the a1 stabilization flag FA1STAB is set to "1" (steps S84 and S86). If a1 '> XIDA1H, the modified model parameter a1 is set to the upper limit value XIDA1H, and the a1 stabilization flag FA1STAB is set to "1" (steps S85 and S87). When the a1 stabilization flag FA1STAB is set to “1”, it indicates that the modified model parameter a1 is set to the lower limit value XIDA1L or the upper limit value XIDA1H. In FIG. 18, the correction of the model parameter by the limit process P2 in steps S84 to S87 is indicated by an arrow line with “P2”.
[0083]
In step S90, it is determined whether or not the sum of the absolute value of the corrected model parameter a1 and the corrected model parameter a2 is equal to or smaller than a predetermined stability determination value XA2STAB. The predetermined stability determination value XA2STAB is set to a value close to “1” and smaller than “1” (for example, 0.99).
[0084]
The straight lines L1 and L2 shown in FIG. 18 are straight lines that satisfy the following formula (45).
a2 + | a1 | = XA2STAB (45)
Accordingly, step S90 determines whether or not the combination of the corrected model parameters a1 and a2 is on or below the straight lines L1 and L2 shown in FIG. If the answer to step S90 is affirmative (YES), the combination of the modified model parameters a1 and a2 is within the stable region of FIG.
[0085]
On the other hand, when the answer to step S90 is negative (NO), the corrected model parameter a1 is a value obtained by subtracting the predetermined a2 lower limit value XIDA2L from the predetermined stability determination value XA2STAB (since XIDA2L <0, XA2STAB-XIDA2L> XA2STAB is It is determined whether or not the condition is satisfied (step S91). If the modified model parameter a1 is equal to or smaller than (XA2STAB-XIDA2L), the modified model parameter a2 is set to (XA2STAB- | a1 |) and the a2 stabilization flag FA2STAB is set to “1” (step S92). .
[0086]
When the modified model parameter a1 is larger than (XA2STAB-XIDA2L) in step S91, the modified model parameter a1 is set to (XA2STAB-XIDA2L), the modified model parameter a2 is set to the predetermined a2 lower limit value XIDA2L, and a1 is stabilized. Both the flag FA1STAB and the a2 stabilization flag FA2STAB are set to “1” (step S93).
[0087]
In FIG. 18, the correction of the model parameter by the limit process P3 in steps S91 and S92 is indicated by an arrow with “P3”, and the correction of the model parameter by the limit process P4 in steps S91 and S93 is It is indicated by an arrow with “P4”.
[0088]
As described above, the limit process is executed by the process of FIG. 17 so that the model parameters a1 'and a2' fall within the stable region shown in FIG. 18, and the corrected model parameters a1 and a2 are calculated.
[0089]
FIG. 19 is a flowchart of the b1 ′ limit process executed in step S73 of FIG.
In steps S101 and S102, it is determined whether or not the model parameter b1 'is within a range defined by the predetermined b1 lower limit value XIDB1L and the predetermined b1 upper limit value XIDB1H. The predetermined b1 lower limit value XIDB1L is set to a positive predetermined value (for example, 0.1), and the predetermined b1 upper limit value XIDB1H is set to “1”, for example.
[0090]
When the answer to steps S101 and S102 is affirmative (YES), that is, when XIDB1L ≦ b1 ′ ≦ XIDB1H, the modified model parameter b1 is set to the model parameter b1 ′ (step S105).
On the other hand, when b1 '<XIDB1L, the modified model parameter b1 is set to the lower limit value XIDB1L, and the b1 limit flag FB1LMT is set to "1" (steps S101 and S104). If b1 '> XIDB1H, the modified model parameter b1 is set to the upper limit value XIDB1H, and the b1 limit flag FB1LMT is set to "1" (steps S102 and S103). When the b1 limit flag FB1LMT is set to “1”, it indicates that the modified model parameter b1 is set to the lower limit value XIDB1L or the upper limit value XIDB1H.
[0091]
FIG. 20 is a flowchart of the limit process for the model parameter c1 'executed in step S74 of FIG.
In steps S111 and S112, it is determined whether or not the model parameter c1 'is within a range defined by the predetermined c1 lower limit value XIDC1L and the predetermined c1 upper limit value XIDC1H. The predetermined c1 lower limit value XIDC1L is set to -60, for example, and the predetermined c1 upper limit value XIDC1H is set to 60, for example.
[0092]
When the answer to steps S111 and S112 is affirmative (YES), that is, when XIDC1L ≦ c1 ′ ≦ XIDC1H, the modified model parameter c1 is set to the model parameter c1 ′ (step S115).
On the other hand, when c1 ′ <XIDC1L, the modified model parameter c1 is set to the lower limit value XIDC1L, and the c1 limit flag FC1LMT is set to “1” (steps S111 and S114). If c1 '> XIDC1H, the modified model parameter c1 is set to the upper limit value XIDC1H, and the c1 limit flag FC1LMT is set to "1" (steps S112 and S113). When the c1 limit flag FC1LMT is set to “1”, it indicates that the modified model parameter c1 is set to the lower limit value XIDC1L or the upper limit value XIDC1H.
[0093]
FIG. 21 is a flowchart of the calculation process of the state predictor executed in step S13 of FIG.
In step S121, matrix calculation is performed to calculate matrix elements α1, α2, β1 to β2, and γ1 to γd of the equation (35).
In step S122, the predicted deviation amount PREDTH (k) is calculated from equation (35).
[0094]
FIG. 22 is a flowchart of the process for calculating the control input Usl (= DUT) to the throttle valve drive apparatus 10 executed in step S14 of FIG.
In step S201, the calculation process of the prediction switching function value σpre shown in FIG. 23 is executed, and in step S202, the calculation process of the integrated value of the prediction switching function value σpre shown in FIG. 26 is executed. In step S203, the equivalent control input Ueq is calculated by the equation (9). In step S204, the reaching law input Urch calculation process shown in FIG. 27 is executed. In step S205, the adaptive law input Uadp calculation process shown in FIG. 28 is executed.
[0095]
In step S206, it is determined whether or not a stability determination flag FSMCSTAB set in the process of FIG. 29 described later is “1”. When the stability determination flag FSMCSTAB is set to “1”, it indicates that the adaptive sliding mode controller 21 is unstable.
[0096]
If FSMCSTAB = 0 in step S206 and the adaptive sliding mode controller 21 is stable, the control input Usl is calculated by adding the control inputs Ueq, Urch, and Uadp calculated in steps S203 to S205 (step S206). S207).
[0097]
On the other hand, when FSMCSTAB = 1 and the adaptive sliding mode controller 21 is unstable, the sum of the reaching law input Urch and the adaptive law input Uadp is calculated as the control input Usl. That is, the equivalent control input Ueq is not used for calculating the control input Usl. This can prevent the control system from becoming unstable.
[0098]
In subsequent steps S209 and S210, it is determined whether or not the calculated control input Usl is within the range of the predetermined upper and lower limit values XUSLH and XUSLL. If the control input Usl is within the range of the predetermined upper and lower limit values, The process ends. On the other hand, when the control input Usl is less than or equal to the predetermined lower limit value XUSLL, the control input Usl is set to the predetermined lower limit value XUSLL (steps S209 and S212), and when the control input Usl is greater than or equal to the predetermined upper limit value XUSLH, the control input Usl is set to a predetermined upper limit value XUSLH (steps S210 and S211).
[0099]
FIG. 23 is a flowchart of the calculation process of the prediction switching function value σpre executed in step S201 in FIG.
In step S221, the calculation process of the switching function setting parameter VPOLE shown in FIG. 24 is executed, and then the prediction switching function value σpre (k) is calculated by the equation (36) (step S222).
[0100]
In subsequent steps S223 and S224, it is determined whether or not the calculated predicted switching function value σpre (k) is within the range of the predetermined upper and lower limit values XSGMH and XSGML, and the predicted switching function value σpre (k) is determined to be the predetermined upper and lower limit value. If it is within the range, this processing is immediately terminated. On the other hand, when the predicted switching function value σpre (k) is equal to or smaller than the predetermined lower limit value XSGML, the predicted switching function value σpre (k) is set to the predetermined lower limit value XSGML (steps S223 and S225), and the predicted switching function value σpre ( When k) is equal to or greater than the predetermined upper limit value XSGMH, the prediction switching function value σpre (k) is set to the predetermined upper limit value XSGMH (steps S224 and S226).
[0101]
FIG. 24 is a flowchart of the calculation process of the switching function setting parameter VPOLE executed in step S221 of FIG.
In step S231, it is determined whether or not the stability determination flag FSMCSTAB is “1”. If FSMCSTAB = 1 and the adaptive sliding mode controller 21 is unstable, the switching function setting parameter VPOLE is stabilized. The predetermined value XPOLESTB is set (step S232). The predetermined stabilization value XPOLESTB is set to a value larger than “−1” and very close to “−1” (for example, −0.999).
[0102]
When FSMCSTAB = 0 and the adaptive sliding mode controller 21 is stable, a change amount DDTHR (k) of the target value DTHR (k) is calculated by the following equation (46) (step S233).
DDTHR (k) = DTHR (k) −DTHR (k−1) (46)
In step S234, the VPOLE map is searched according to the throttle valve opening deviation amount DTH and the target value change amount DTHHR calculated in step S233, and the switching function setting parameter VPOLE is calculated. As shown in FIG. 25A, the VPOLE map increases when the throttle valve opening deviation amount DTH takes a value near 0 (when the throttle valve opening TH takes a value near the default opening THDEF), A value other than near 0 is set to be a substantially constant value with respect to a change in the throttle valve opening deviation amount DTH. The VPOLE map is set so that the VPOLE value increases as the target value change amount DTHHR increases, as shown by the solid line in FIG. 5B, but the throttle valve opening deviation amount DTH is 0. When taking a value in the vicinity, as shown by a broken line in the figure, the change amount DTHHR of the target value is set to increase when it takes a value in the vicinity of 0.
[0103]
That is, when the target value DTHR of the throttle valve opening is greatly changed in the decreasing direction, the switching function setting parameter VPOLE is set to a relatively small value. Thereby, it is possible to prevent the throttle valve 3 from colliding with the throttle fully closed stopper. In the vicinity of the default opening THDEF, the switching function setting parameter VPOLE is set to a relatively large value, and the controllability in the vicinity of the default opening THDEF can be improved.
[0104]
As shown in FIG. 5C, when the throttle valve opening TH is in the vicinity of the fully closed opening or in the vicinity of the fully opened opening, the switching function setting parameter VPOLE may be set to decrease. As a result, when the throttle valve opening TH is in the vicinity of the fully closed opening or in the vicinity of the fully opened opening, the follow-up speed with respect to the target opening THR becomes slow, and the fully closed stopper of the throttle valve 3 (functions as a stopper even in the fully opened opening). Can be more reliably prevented.
[0105]
  In subsequent steps S235 and S236, it is determined whether or not the calculated switching function setting parameter VPOLE is within the predetermined upper and lower limit values XPOLEH and XPOLE, and when the switching function setting parameter VPOLE is within the predetermined upper and lower limit value range. Immediately ends this processing. On the other hand, when the switching function setting parameter VPOLE is less than or equal to the predetermined lower limit value XPOLE, the switching function setting parameter VPOLE is set to the predetermined lower limit value XPOLE (step S23).6, S238) When the switching function setting parameter VPOLE is equal to or greater than the predetermined upper limit value XPOLEH, the switching function setting parameter VPOLE is set to the predetermined upper limit value XPOLEH (step S23).5, S237).
[0106]
FIG. 26 is a flowchart of processing for calculating the integrated value SUMSIGMA of the predicted switching function value σpre, which is executed in step S202 of FIG. The integrated value SUMSIGMA is used to calculate the adaptive law input Uadp in the process of FIG. 28 described later (see the above formula (11a)).
[0107]
In step S241, the integrated value SUMSIGMA is calculated by the following equation (47). ΔT in the following equation is an execution period of the calculation.
SUMSIGMA (k) = SUMSIGMA (k−1) + σpre × ΔT (47)
In subsequent steps S242 and S243, it is determined whether or not the calculated integrated value SUMSIGMA is within the range of the predetermined upper and lower limit values XSUMSH and XSUMSL. When the integrated value SUMSIGMA is within the predetermined upper and lower limit value, The process ends. On the other hand, when the integrated value SUMSIGMA is less than or equal to the predetermined lower limit value XSUMSL, the integrated value SUMSIGMA is set to the predetermined lower limit value XSUMSL (steps S242 and S244). SUMSIGMA is set to a predetermined upper limit value XSUMSH (steps S243 and S245).
[0108]
FIG. 27 is a flowchart of the reaching law input Urch calculation process executed in step S204 of FIG.
In step S261, it is determined whether or not the stability determination flag FSMCSTAB is “1”. When the stability determination flag FSMCSTAB is “0” and the adaptive sliding mode controller 21 is stable, the control gain F is set to the predetermined normal gain XKRCH (step S262), and the following equation (48) (the above equation (10a)) The reaching law input Urch is calculated by the same formula (step S263).
Urch = −F × σpre / b1 (48)
[0109]
On the other hand, when the stability determination flag FSMCSTAB is “1” and the adaptive sliding mode controller 21 becomes unstable, the control gain F is set to the predetermined stabilization gain XKRCHSTB (step S264), and the model parameter b1 is not used. The reaching law input Urch is calculated by the following equation (49) (step S265).
Urch = −F × σpre (49)
[0110]
In subsequent steps S266 and S267, it is determined whether or not the calculated reaching law input Urch is within the predetermined upper and lower limit values XURCHH and XURCHL, and when the reaching law input Urch is within the predetermined upper and lower limit values, Immediately end this process. On the other hand, when the reaching law input Urch is less than or equal to the predetermined lower limit value XURCHL, the reaching law input Urch is set to the predetermined lower limit value XURCHL (steps S266 and S268), and when the reaching law input Urch is greater than or equal to the predetermined upper limit value XURCHH The reaching law input Urch is set to a predetermined upper limit value XURCHH (steps S267 and S269).
[0111]
  When the adaptive sliding mode controller 21 becomes unstable in this way, the control gain F is set to the predetermined stabilization gain XKRCHSTB, and the reaching law input Urch is calculated without using the model parameter b1.Sliding modeThe controller 21 can be returned to a stable state. Since the adaptive sliding mode controller 21 becomes unstable when the identification by the model parameter identifier 22 becomes unstable, the adaptive sliding mode controller 21 is stabilized by not using the unstable model parameter b1. can do.
[0112]
FIG. 28 is a flowchart of the calculation process of the adaptive law input Uadp executed in step S205 of FIG.
In step S271, it is determined whether or not the stability determination flag FSMCSTAB is “1”. When the stability determination flag FSMCSTAB is “0” and the adaptive sliding mode controller 21 is stable, the control gain G is set to the predetermined normal gain XKADP (step S272), and the following equation (50) (the above equation (11a)) The adaptive law input Uadp is calculated by an equation corresponding to (step S273).
Uadp = −G × SUMMSIGMA / b1 (50)
[0113]
On the other hand, when the stability determination flag FSMCSTAB is “1” and the adaptive sliding mode controller 21 becomes unstable, the control gain G is set to the predetermined stabilization gain XKADPSTB (step S274), and the model parameter b1 is not used. The adaptive law input Uadp is calculated by the following equation (51) (step S275).
Uadp = −G × SUMSIGMA (51)
[0114]
  When the adaptive sliding mode controller 21 becomes unstable in this way, the control gain G is set to the predetermined stabilization gain XKADPSTB, and the adaptive law input Uadp is calculated without using the model parameter b1.Sliding modeThe controller 21 can be returned to a stable state.
[0115]
FIG. 29 is a flowchart of the stability determination process of the sliding mode controller executed in step S16 of FIG. In this process, stability determination based on the differential term of the Lyapunov function is performed, and a stability determination flag FSMCSTAB is set.
[0116]
In step S281, the switching function change amount Dσpre is calculated by the following equation (52), and then the stability determination parameter SGMSTAB is calculated by the following equation (53) (step S282).
Dσpre = σpre (k) −σpre (k−1) (52)
SGMSTAB = Dσpre × σpre (k) (53)
In step S283, it is determined whether or not the stability determination parameter SGMSTAB is equal to or less than the stability determination threshold value XSGMSTAB. If SGMSTAB> XSGMSTAB, it is determined that the controller 21 may be unstable and the instability detection counter is determined. CNTSMCST is incremented by “1” (step S285). If SGMSTAB ≦ XSGMSTAB, the controller 21 determines that it is stable, and holds the count value of the instability detection counter CNTSMCST without incrementing (step S284).
[0117]
In step S286, it is determined whether or not the value of the instability detection counter CNTSMCST is equal to or smaller than a predetermined count value XSSTAB. If CNTSMCST ≦ XSSTAB, the controller 21 determines that it is stable, and sets the first determination flag FSMCSTAB1 to “0” (step S287). On the other hand, when CNTSMCST> XSSTAB, it is determined that the controller 21 is unstable, and the first determination flag FSMCSTAB1 is set to “1” (step S288). The instability detection counter CNTSMCST is initialized to “0” when the ignition switch is turned on.
[0118]
In the subsequent step S289, the stability determination period counter CNTJUDST is decremented by “1”, and then it is determined whether or not the value of the stability determination period counter CNTJUDST is “0” (step S290). The stability determination period counter CNTJUDST is initialized to a predetermined determination count value XCJUDST when the ignition switch is turned on. Therefore, initially, the answer to step S290 is negative (NO), and the process immediately proceeds to step S295.
[0119]
Thereafter, when the stability determination period counter CNTJUDST becomes “0”, the process proceeds from step S290 to step S291, and it is determined whether or not the first determination flag FSMCSTAB1 is “1”. When the first determination flag FSMCSTAB1 is “0”, the second determination flag FSMCSTAB2 is set to “0” (step S293), and when the first determination flag FSMCSTAB1 is “1”, the second determination flag FSMCSTAB1 is set to “0”. The flag FSMCSTAB2 is set to “1” (step S292).
[0120]
In the subsequent step S294, the value of the stability determination period counter CNTJUDST is set to the predetermined determination count value XCJUDST, the value of the instability detection counter CNTSMCST is set to “0”, and the process proceeds to step S295.
In step S295, the stability determination flag FSMCSTAB is set to the logical sum of the first determination flag FSMCSTAB1 and the second determination flag FSMCSTAB2. The second determination flag FSMCSTAB2 is affirmative (YES) in step S286, and even if the first determination flag FSMCSTAB1 is set to “0”, the value of the stability determination period counter CNTJUDST becomes “0”. 1 "is maintained. Therefore, the stability determination flag FSMCSTAB is also maintained at “1” until the value of the stability determination period counter CNTJUDST becomes “0”.
[0121]
FIG. 30 is a flowchart of processing for calculating the default opening degree deviation thdefadp executed in step S17 of FIG.
In step S251, the gain coefficient KPTH (k) is calculated by the following equation (54).
KPTH (k) = PTH (k-1) / (1 + PTH (k-1)) (54)
[0122]
  Here, PTH (k−1) is the gain parameter calculated in step S253 when the process is executed last time.
  In step S252, model parameters calculated by the model parameter identifier calculation process shown in FIG.c1 ′ and the gain coefficient KPTH (k) calculated in step S251 are applied to the following equation (55) to calculate a default opening degree deviation thdefadp (k).
  thdefadp (k) = thdefadp (k-1)
                      + KPTH (k) × (c1'-thdefadp (k-1))
                                                              (55)
[0123]
In step S253, the gain parameter PTH (k) is calculated by the following equation (56).

Expression (56) is obtained by setting λ1 ′ and λ2 ′ to the predetermined values XDEFADPW and “1” in Expression (39), respectively.
[0124]
By the process of FIG. 30, the model parameter c1 'is statistically processed by the sequential weighted least square method, and the default opening degree deviation thdefadp is calculated.
In the present embodiment, the processing in FIG. 22 corresponds to the control means, the processing in FIG. 11 corresponds to the identification means, the processing in FIG. 12 corresponds to the identification error calculation means, and the processing in FIG. 14 corresponds to the identification error correction means. The process of FIG. 21 corresponds to a prediction unit.
[0125]
【The invention's effect】
  As described in detail above, according to the first aspect of the present invention, when the identification error of the model parameter is within the predetermined range, the identification error iszeroSince the model parameter is calculated using the corrected identification error, the accumulation of the identification error in the model parameter is suppressed, the drift of the model parameter can be prevented, and the control stability can be reduced. Can be improved. Further, since the predetermined range is set based on a value corresponding to the throttle valve opening or the target opening, the range of the identification error for which the contribution degree should be reduced is appropriate and reflected in the value of the model parameter. Power identification errors are considered unnecessary errorsNothingIt is possible to prevent viewing.In addition, since the throttle valve drive is controlled by sliding mode control with high robustness, even if there is a modeling error (difference between the characteristics of the actual throttle valve drive and the characteristics of the model to be controlled) The controllability of the throttle valve opening to the target opening can be improved and stable control can be realized. Furthermore, since the control input to the throttle valve driving device includes an adaptive law input, good controllability can be realized even if there are disturbances and modeling errors.
[0126]
According to the second aspect of the present invention, since the predicted value of the throttle valve opening is calculated using the model parameter identified by the identifying means, the dynamic characteristics of the throttle valve driving device change over time or the environment Even when it changes according to conditions or the like, an accurate predicted value can be calculated.
[0127]
  According to invention of Claim 3,The predetermined range for correcting the identification error to zero is set according to the amount of change in the throttle valve opening, preventing the identification error that should be reflected in the model parameter from being ignored as a residual identification errorit can.
[Brief description of the drawings]
FIG. 1 is a diagram showing a throttle valve drive device for an internal combustion engine and a control device therefor according to an embodiment of the present invention.
FIG. 2 is a diagram showing frequency characteristics of the throttle valve driving device shown in FIG. 1;
3 is a functional block diagram showing functions realized by an electronic control unit (ECU) of FIG. 1; FIG.
FIG. 4 is a diagram showing a relationship between control characteristics of a sliding mode controller and a value of a switching function setting parameter (VPOLE).
FIG. 5 is a diagram showing a setting range of a control gain (F, G) of a sliding mode controller.
FIG. 6 is a diagram for explaining model parameter drift;
FIG. 7 is a diagram illustrating a function for correcting an identification error.
FIG. 8 is a diagram for explaining that a default opening degree deviation of a throttle valve is reflected in a model parameter (c1 ′).
FIG. 9 is a flowchart of a throttle valve opening control process.
10 is a flowchart of processing for setting a state variable in the processing of FIG.
11 is a flowchart of a process for executing a calculation of a model parameter identifier in the process of FIG.
12 is a flowchart of a process for executing an identification error (ide) in the process of FIG.
FIG. 13 is a diagram for explaining low-pass filter processing of identification error (ide).
14 is a flowchart of dead zone processing in the processing of FIG.
FIG. 15 is a diagram showing a table used in the processing of FIG. 14;
16 is a flowchart of a model parameter vector (θ) stabilization process in the process of FIG.
FIG. 17 is a flowchart of model parameter (a1 ′, a2 ′) limit processing in the processing of FIG. 16;
18 is a diagram for explaining changes in model parameter values due to the processing of FIG.
FIG. 19 is a flowchart of model parameter (b1 ′) limit processing in the processing of FIG. 16;
FIG. 20 is a flowchart of model parameter (c1 ′) limit processing in the processing of FIG. 16;
FIG. 21 is a flowchart of processing for executing a state predictor operation in the processing of FIG. 9;
FIG. 22 is a flowchart of processing for executing control input (Usl) in the processing of FIG. 9;
23 is a flowchart of processing for executing calculation of a prediction switching function value (σpre) in the processing of FIG.
FIG. 24 is a flowchart of processing for executing a switching function setting parameter (VPOLE) in the processing of FIG.
25 is a diagram showing a map used in the process of FIG. 24. FIG.
FIG. 26 is a flowchart of processing for calculating an integrated value of a prediction switching function value (σpre) in the processing of FIG.
FIG. 27 is a flowchart of processing for executing a reaching law input (Urch) in the processing of FIG. 22;
28 is a flowchart of processing for executing an adaptive law input (Uadp) operation in the processing of FIG.
29 is a flowchart of processing for executing stability determination of the sliding mode controller in the processing of FIG. 9;
30 is a flowchart of a process for calculating a default opening degree deviation (thdefadp) in the process of FIG. 9;
[Explanation of symbols]
1 Internal combustion engine
3 Throttle valve
7 Electronic control unit
10 Throttle valve drive device
21 Adaptive sliding mode controller (control means)
22 Model parameter identifier (identification means, identification error calculation means, identification error correction means)
23 State predictor (prediction means)
24 Target opening setting part

Claims (3)

In a control device for controlling a throttle valve drive device comprising a throttle valve of an internal combustion engine and drive means for driving the throttle valve,
Identifying means for identifying a model parameter of a control target model that models the throttle valve driving device;
Control means for controlling the opening of the throttle valve to a target opening based on the model parameter identified by the identification means;
The identification means includes an identification error calculation means for calculating an identification error of the model parameter, and an identification error correction means for correcting the identification error to zero when the identification error is within a predetermined range, The model parameter is calculated using the identification error corrected by the identification error correction means, and the predetermined range is set based on a value corresponding to the opening of the throttle valve or the target opening ,
The control means controls the throttle valve driving device by sliding mode control using the model parameter identified by the identifying means, and the control input to the throttle valve driving device by the control means is an adaptive law input. control device for a throttle valve driving apparatus which comprises.   2. The control device for a throttle valve driving device according to claim 1, further comprising a prediction unit that calculates a predicted value of a future throttle valve opening using the model parameter identified by the identification unit. The predetermined range, the control device of the throttle valve driving apparatus according to claim 1 or 2, characterized in Rukoto set according to the amount of change in the opening degree of the throttle valve.

Images