JP3967246B2 - 内燃機関の燃料供給制御装置 - Google Patents
内燃機関の燃料供給制御装置 Download PDFInfo
- Publication number
- JP3967246B2 JP3967246B2 JP2002291818A JP2002291818A JP3967246B2 JP 3967246 B2 JP3967246 B2 JP 3967246B2 JP 2002291818 A JP2002291818 A JP 2002291818A JP 2002291818 A JP2002291818 A JP 2002291818A JP 3967246 B2 JP3967246 B2 JP 3967246B2
- Authority
- JP
- Japan
- Prior art keywords
- correction coefficient
- fuel ratio
- fuel
- intake air
- amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Images
Classifications
-
- Y02T10/44—
Landscapes
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、吸入空気量センサにより内燃機関に吸入される空気量を検出し、検出した吸入空気量に応じて内燃機関に供給する燃料量を制御する内燃機関の燃料供給制御装置に関する。
【０００２】
【従来の技術】
熱線式流速計を用いて内燃機関の吸入空気量を検出する方法は従来より知られている。その熱線式流速計の特性は、経年変化するため、使用期間が長くなると、吸入空気量の検出誤差が増加するという問題がある。そのため、特許文献１には、熱線式流速計の特性変化に応じて学習補正値を算出する手法が示されている。
【０００３】
この手法によれば、内燃機関の排気系に設けられる空燃比センサの出力に応じて空燃比が目標値と一致するように空燃比負帰還量ＣＦＢが算出され、熱線式流速計の特性変化を代表する複数の流量点ＱＬ１，ＱＬ２，ＱＬ３における空燃比負帰還量の値ＣＬ１，ＣＬ２，ＣＬ３がメモリに格納され、メモリに格納されたデータと、熱線式流速計により検出される吸入空気量Ｑとに基づいて、補間演算または外挿演算により学習補正値ＣＬが算出される。
【０００４】
また内燃機関の空燃比センサ、スロットル弁開度センサ及び機関回転数センサの検出値に基づいて、吸入空気量センサの特性劣化あるいは異常を検出する手法も従来より知られている（特許文献２参照）。
【０００５】
【特許文献１】
特公平７−２３７０２号公報
【特許文献２】
特公平８−６６２３号公報
【０００６】
【発明が解決しようとする課題】
特許文献１に示された方法では、所定の流量点ＱＬ１〜ＱＬ３における空燃比負帰還量ＣＦＢの値ＣＬ１〜ＣＬ３がメモリに格納され、学習補正値の算出に使用されるため、機関運転状態の変化によって、メモリに格納される空燃比帰還量の値が変動すると、それがそのまま学習補正値ＣＬに反映されてしまうという問題がある。また、この方法では複数の流量点において特性変化を監視するようにしているが、その数を増やせばメモリの容量が増加するので、特性変化を監視する流量点をあまり多くすることはできない。
【０００７】
一方、近年のエミッション（有害ガス排出）規制の強化に伴い、部品の劣化や特性変化が排気特性に悪影響を与える点が重要視されるようになっているため、吸入空気量センサの特性変化に対応して、より精度の高い学習補正値を得ることが望まれている。
【０００８】
また特許文献２に示された吸入空気量センサの特性劣化判定手法（異常判定手法）は、センサ検出値に対して何ら統計処理を施すことなく、センサ検出値をそのまま用いて判定を行うものであるため、判定頻度を増加させた場合、判定精度が低下するという問題があった。
【０００９】
本発明は上述した点を考慮してなされたものであり、吸入空気量センサの特性変化の影響を補償する精度の高い学習補正値を得、空燃比制御の良好な制御性を維持することができる内燃機関の燃料供給制御装置を提供することを目的とする。
【００１０】
【課題を解決するための手段】
上記目的を達成するため請求項１に記載の発明は、内燃機関の吸入空気量（ＱＡＩＲ）を検出する吸入空気量検出手段と、該吸入空気量検出手段により検出される吸入空気量（ＱＡＩＲ）に応じて前記機関に供給する基本燃料量（ＴＩＭ）を算出する基本燃料量算出手段と、前記機関の排気系に設けられた空燃比センサと、該空燃比センサにより検出される空燃比が目標空燃比に一致するように前記機関に供給する燃料量を補正する空燃比補正係数（ＫＡＦ）を算出する空燃比補正係数算出手段と、前記基本燃料量（ＴＩＭ）及び前記空燃比補正係数（ＫＡＦ）を用いて前記機関に供給する燃料量（ＴＯＵＴ）を制御する燃料量制御手段とを備える内燃機関の燃料供給制御装置において、前記空燃比補正係数（ＫＡＦ）と、前記吸入空気量検出手段により検出される吸入空気量（ＱＡＩＲ）との相関関係を定義する複数の相関パラメータベクトル（θ１，θ２）を逐次型統計処理アルゴリズムを用いて算出する相関パラメータ算出手段と、前記複数の相関パラメータベクトル（θ１，θ２）を用いて前記吸入空気量検出手段の特性変化に関わる学習補正係数（ＫＲＥＦＧ）を算出する学習手段とを備え、前記相関パラメータ算出手段は、前記空燃比補正係数（ＫＡＦ）を前記学習補正係数（ＫＲＥＦＧ）により修正することにより修正空燃比補正係数（ＫＡＦＭＯＤ）を算出し、該修正空燃比補正係数（ＫＡＦＭＯＤ）を用いて、前記機関の複数の運転領域に対応させて前記複数の相関パラメータベクトル（θ１，θ２）を算出し、前記燃料量制御手段は、前記基本燃料量（ＴＩＭ）、空燃比補正係数（ＫＡＦ）及び学習補正係数（ＫＲＥＦＧ）を用いて前記燃料量を制御することを特徴とする。
【００１１】
この構成によれば、空燃比センサにより検出される空燃比が目標空燃比に一致するように内燃機関に供給する燃料量を補正する空燃比補正係数と、吸入空気量検出手段により検出される吸入空気量との相関関係を定義する複数の相関パラメータベクトルが、逐次型統計処理アルゴリズムを用いて算出され、その相関パラメータベクトルを用いて吸入空気量検出手段の特性変化に関わる学習補正係数が算出される。そして、吸入空気量検出手段により検出される吸入空気量に応じて算出される基本燃料量、前記空燃比補正係数及び学習補正係数を用いて、前記機関に供給する燃料量が制御される。すなわち、多くの検出データに基づく統計処理により相関パラメータベクトルが算出され、その相関パラメータベクトルを用いて学習補正係数が算出されるので、変動する機関運転状態の平均的な状態に対応した精度の高い学習補正係数を得ることができる。また、逐次型統計処理アルゴリズムを用いることにより、特別な演算装置（ＣＰＵ）を必要とせず、比較的小さなメモリ容量で統計処理演算を実行することができる。さらに、複数の機関運転領域に対応して複数の相関パラメータベクトルが算出されるので、機関運転状態が変化しても学習補正係数の高い精度を維持することができる。また、空燃比補正係数をそのまま用いて相関パラメータベクトルを算出すると、学習補正係数による学習制御がハンチング状態となるおそれがあるが、修正空燃比補正係数を用いることによりそのような不具合を回避することができる。
【００１２】
請求項２に記載の発明は、請求項１に記載の内燃機関の燃料供給制御装置において、前記相関パラメータ算出手段は、前記相関関係を一次式で定義する複数の相関パラメータベクトル（θ１，θ２）を算出し、前記学習手段は、前記複数の相関パラメータベクトルから求まる一次式に対応する複数の直線の交点において、前記学習補正係数（ＫＲＥＦＧ）の算出に使用する相関パラメータベクトル（θ１またはθ２）を切り換えることを特徴とする。
この構成によれば、相関関係を一次式で定義する複数の相関パラメータベクトルが算出され、前記複数の相関パラメータベクトルから求まる一次式に対応する複数の直線の交点において、学習補正係数の算出に使用する相関パラメータベクトルが切り換えられる。これにより、相関パラメータベクトルの切換に伴って学習補正係数が急変することが防止され、円滑な切換が可能となる。
【００１３】
請求項３に記載の発明は、請求項１または２に記載の内燃機関の燃料供給制御装置において、前記相関パラメータ算出手段は、前記機関が所定運転状態にあるとき、前記複数の相関パラメータベクトル（θ１，θ２）の算出を行うことを特徴とする。
この構成によれば、前記機関が所定運転状態にあるとき、相関パラメータベクトルの算出が行われるので、相関パラメータの精度を向上させ、学習補正の精度をより向上させることができる。
【００１６】
【発明の実施の形態】
以下本発明の実施の形態を図面を参照して説明する。
図１は本発明の一実施形態にかかる内燃機関及びその制御装置の構成を示す図であり、例えば４気筒のエンジン１の吸気管２の途中にはスロットル弁３が配されている。スロットル弁３にはスロットル弁開度（ＴＨＡ）センサ４が連結されており、当該スロットル弁３の開度に応じた電気信号を出力して電子制御ユニット（以下「ＥＣＵ」という）５に供給する。
【００１７】
吸気管２のスロットル弁３の上流側には、吸入空気量（吸入空気流量）ＱＡＩＲを検出する吸入空気量センサ１９が設けられており、吸入空気量センサ１９の出力信号は、ＥＣＵ５に供給される。
燃料噴射弁６はエンジン１とスロットル弁３との間かつ吸気管２の図示しない吸気弁の少し上流側に各気筒毎に設けられており、各噴射弁は図示しない燃料ポンプに接続されていると共にＥＣＵ５に電気的に接続されて当該ＥＣＵ５からの信号により燃料噴射弁６の開弁時間が制御される。
【００１８】
一方、スロットル弁３の直ぐ下流には吸気管内の圧力を検出する吸気管内絶対圧（ＰＢＡ）センサ７が設けられており、この絶対圧センサ７により電気信号に変換された絶対圧信号は前記ＥＣＵ５に供給される。また、その下流には吸気温（ＴＡ)センサ８が取付けられており、吸気温ＴＡを検出して対応する電気信号を出力してＥＣＵ５に供給する。
【００１９】
エンジン１の本体に装着されたエンジン水温（ＴＷ）センサ９はサーミスタ等から成り、エンジン水温（冷却水温）ＴＷを検出して対応する温度信号を出力してＥＣＵ５に供給する。
エンジン１の図示しないカム軸周囲又はクランク軸周囲には、エンジン回転数（ＮＥ）センサ１０及び気筒判別（ＣＹＬ）センサ１１が取り付けられている。エンジン回転数センサ１０は、エンジン１の各気筒の吸入行程開始時の上死点（ＴＤＣ）より所定クランク角度前のクランク角度位置で（４気筒エンジンではクランク角１８０゜毎に）ＴＤＣ信号パルスを出力し、気筒判別センサ１１は、特定の気筒の所定クランク角度位置で気筒判別信号パルスを出力するものであり、これらの各信号パルスはＥＣＵ５に供給される。
【００２０】
排気管１２には、排気中のＮＯｘ、ＨＣ、ＣＯの浄化を行う三元触媒１６が設けられ、三元触媒１６の上流位置には、比例型空燃比センサ１４（以下「ＬＡＦセンサ１４」という）が装着されており、このＬＡＦセンサ１４は排気中の酸素濃度（空燃比）にほぼ比例した電気信号を出力し、ＥＣＵ５に供給する。
【００２１】
吸気管２のスロットル弁３の下流側と、排気管１２の三元触媒１６の上流側との間には、排気還流通路２１が設けられており、排気還流通路２１の途中には排気還流量を制御する排気還流弁（以下「ＥＧＲ弁」という）２２が設けられている。ＥＧＲ弁２２は、ソレノイドを有する電磁弁であり、その弁開度はＥＣＵ５により制御される。ＥＧＲ弁２２には、その弁開度（弁リフト量）ＬＡＣＴを検出するリフトセンサ２３が設けられており、その検出信号はＥＣＵ５に供給される。排気還流通路２１及びＥＧＲ弁２２より、排気還流機構が構成される。
【００２２】
図示しない燃料タンクに接続され、該燃料タンク内で発生する蒸発燃料を貯蔵するキャニスタ３２が設けられている。キャニスタ３２は、蒸発燃料を吸着する吸着材を内蔵している。キャニスタ３２は、パージ通路３１を介して、吸気管２の、スロットル弁３の下流側に接続されている。パージ通路３１には、パージ制御弁３３が設けられている。パージ制御弁３３は、その制御信号のオン−オフデューティ比を変更することにより流量を連続的に制御することができるように構成された電磁弁であり、パージ制御弁３３の作動はＥＣＵ５により制御される。なお、パージ制御弁３３はその弁開度を連続的に変更可能な電磁弁を使用してもよく、上記オン−オフデューティ比は、このような弁開度連続可変型の電磁弁における弁開度に相当する。パージ通路３１、キャニスタ３２及びパージ制御弁３３により、蒸発燃料処理装置が構成される。
【００２３】
ＥＣＵ５には、大気圧ＰＡを検出する大気圧センサ１７及びエンジン１により駆動される車両の車速ＶＰを検出する車速センサ１８が接続されており、これらのセンサの検出信号がＥＣＵ５に供給される。
ＥＣＵ５は、上述したセンサからの入力信号波形を整形し、電圧レベルを所定レベルに修正し、アナログ信号値をデジタル信号値に変換する等の機能を有する入力回路、中央演算処理ユニット（以下「ＣＰＵ」という）、ＣＰＵで実行される各種演算プログラム及び演算結果等を記憶する記憶回路、前記燃料噴射弁６、ＥＧＲ弁２２及びパージ制御弁３３に駆動信号を供給する出力回路を備えている。
【００２４】
ＥＣＵ５は、上述したセンサの出力信号に基づいてエンジン運転状態を判別し、エンジン回転数ＮＥ及び吸気管内絶対圧ＰＢＡに応じて設定されるＥＧＲ弁２２の弁開度指令値ＬＣＭＤと、リフトセンサ２３によって検出される実弁開度ＬＡＣＴとの偏差を零にするようにＥＧＲ弁２２のソレノイドに制御信号を供給する。
【００２５】
ＥＣＵ５のＣＰＵは、上述したセンサの出力信号に基づいてエンジン運転状態を判別するとともに、エンジン運転状態に応じて下記式（１）により、前記ＴＤＣ信号パルスに同期して開弁作動する燃料噴射弁６の燃料噴射時間ＴＯＵＴを演算する。
ＴＯＵＴ＝ＴＩＭ×ＫＡＦ×ＫＲＥＦＧ
×ＫＰＵＲＧＥ×Ｋ１＋Ｋ２ （１）
ここに、ＴＩＭは燃料噴射弁６の基本燃料噴射時間（基本燃料量）であり、吸入空気量ＱＡＩＲに応じて設定されたＴＩテーブルを検索して決定される。ＴＩテーブルは、エンジンに供給する混合気の空燃比がほぼ理論空燃比になるように設定されている。
【００２６】
ＫＡＦは、空燃比補正係数であり、ＬＡＦセンサ１４により検出される空燃比が目標空燃比と一致するように設定される。なお、ＬＡＦセンサ出力に応じたフィードバック制御を実行しないときは、「１．０」に設定される。
ＫＲＥＦＧは、吸入空気量センサ１９の特性ばらつきまたは経時変化によって、吸入空気量の検出特性が予め想定されている平均的な特性と異なる場合に、空燃比補正係数ＫＡＦによるフィードバック制御の偏倚を補償するために導入された学習補正係数である。具体的な算出手法は、後述する。
【００２７】
ＫＰＵＲＧＥは、パージ制御弁３３を閉弁しているときは、「１．０」に設定され、パージ制御弁３３を開弁して蒸発燃料を、吸気管２に供給するときは、蒸発燃料供給量の増加に対応して燃料噴射量を減少させるべく設定されるパージ補正係数である。
【００２８】
Ｋ１及びＫ２は、それぞれエンジン運転状態に応じて演算される他の補正係数および補正変数であり、エンジン運転状態に応じた燃費特性、エンジン加速特性等の諸特性の最適化が図れるような所定値に決定される。
ＥＣＵ５のＣＰＵは上述のようにして求めた燃料噴射時間ＴＯＵＴに基づいて燃料噴射弁６を開弁させる駆動信号を燃料噴射弁６に供給する。
【００２９】
本実施形態では、式（１）に適用される学習補正係数ＫＲＥＦＧの新しい算出手法が採用されている。以下この算出手法を説明する。
吸入空気量センサ１９が正常（劣化していない状態）である場合には、検出される吸入空気量ＱＡＩＲと、空燃比補正係数ＫＡＦとの関係は、図２に示すようになる。図２においては、横軸の吸入空気量ＱＡＩＲに対応する空燃比補正係数ＫＡＦの値の範囲がハッチングを付した領域で示されており、吸入空気量ＱＡＩＲが変化しても、空燃比補正係数ＫＡＦは、「１．０」近傍のほぼ一定値を維持する。図に示す吸入空気量ＱＡＩＲは、実際の吸入空気量ではなく、吸入空気量センサ１９により検出される吸入空気量である。実吸入空気量は、これと区別するために「ＱＡＩＲＡ」とする。
【００３０】
ところが、吸入空気量センサ１９の劣化（例えば熱線式センサにおける熱線への塵埃の付着）が発生すると、検出吸入空気量ＱＡＩＲと、実吸入空気量ＱＡＩＲＡとの誤差が増加し、空燃比が目標値よりリッチ方向またはリーン方向に変化し、それを補正すべく空燃比補正係数ＫＡＦが減少または増加する。ここで、検出誤差ＥＲＲ＝ＱＡＩＲＡ−ＱＡＩＲで定義すると、吸入空気量センサ１９が劣化していくと、実吸入空気量ＱＡＩＲＡが小さい範囲では、検出誤差ＥＲＲがマイナスとなり（検出吸入空気量ＱＡＩＲが実吸入空気量ＱＡＩＲＡに比べて大きくなり）、実吸入空気量ＱＡＩＲＡが大きい範囲では、検出誤差ＥＲＲがプラスとなる（検出吸入空気量ＱＡＩＲが実吸入空気量ＱＡＩＲＡに比べて小さくなる）傾向を示す。その結果、吸入空気量ＱＡＩＲと空燃比補正係数ＫＡＦの相関特性が、図３に示すような右上がりの特性となる。すなわち、実吸入空気量ＱＡＩＲＡが小さい範囲では、検出吸入空気量ＱＡＩＲが実吸入空気量ＱＡＩＲＡより大きくなり、基本燃料噴射時間ＴＩＭが最適値より大きくなるため、これを補正すべく空燃比補正係数ＫＡＦが「１．０」より小さくなるが、実吸入空気量ＱＡＩＲＡが大きい範囲では、検出吸入空気量ＱＡＩＲが実吸入空気量ＱＡＩＲＡより小さくなり、基本燃料噴射時間ＴＩＭが最適値より小さくなるため、これを補正すべく空燃比補正係数ＫＡＦが「１．０」より大きくなる。
ただし、劣化の態様によっては、吸入空気量ＱＡＩＲと空燃比補正係数ＫＡＦの相関特性が、図３とは逆に右下がりの特性となる可能性もある。
【００３１】
吸入空気量ＱＡＩＲと空燃比補正係数ＫＡＦの相関特性は、上述したような吸入空気量センサ１９の劣化だけでなく、吸入空気量センサ１９の特性ばらつきに起因する基本燃料噴射時間ＴＩＭのずれの影響も反映する。したがって、この相関特性に基づいて学習補正係数を算出し、式（１）に適用することによって、吸入空気量センサ１９の劣化のみならず、吸入空気量センサ１９の特性ばらつきの影響も補償することができる。
【００３２】
本実施形態では、以上の点に着目し、検出吸入空気量ＱＡＩＲと、空燃比補正係数ＫＡＦとの相関特性に基づいて、吸入空気量センサ１９の異常（劣化度合が進んだ状態）を判定することとした。さらに、学習補正係数ＫＲＥＦＧを空燃比影響パラメータＱＡＩＲ及び空燃比補正係数ＫＡＦの相関特性に基づいて算出し、異常と判定されない程度の劣化度合に応じて空燃比を適切に補正するとともに、吸入空気量センサ１９の特性ばらつきの影響を補償することとした。
【００３３】
図３に示す相関特性は、図４に示すように直線ＬＳＴに対応する近似式で表すことができる。すなわち下記式（２）で定義することができる。
ＫＡＦ(k)＝Ａ×ＱＡＩＲ(k-d)＋Ｂ （２）
ここで、Ａ，Ｂは、最小２乗法によって算出され、相関特性を定義する相関パラメータである。より具体的には、図４に示すように、Ａは直線ＬＳＴの傾きに相当し、Ｂは検出吸入空気量ＱＡＩＲが０であるときの空燃比補正係数ＫＡＦに相当する。またｋは制御周期で離散化した時刻であり、ｄは検出吸入空気量ＱＡＩＲの変化の影響が、空燃比補正係数ＫＡＦに反映されるまでのむだ時間である。
【００３４】
一般に最小２乗法によって信頼性の高い相関パラメータＡ，Ｂを算出するためには、多数の検出吸入空気量ＱＡＩＲ(k)及び空燃比補正係数ＫＡＦ(k)のデータが必要である。そのため、相関パラメータ演算のために多数のデータをメモリに蓄積する必要がある。
【００３５】
さらに最小２乗法の実行には、逆行列演算が必要となり、エンジン制御用のＣＰＵの演算能力では演算時間が長くなって、車両走行中（エンジン作動中）に演算を終えることができないといった問題や、他のエンジン制御のための演算が実行できなくなるといった問題が発生する。そのような問題を避けるためには、逆行列演算のための専用のＣＰＵを設けることが考えられるが、コストが大幅に上昇することとなる。
【００３６】
そこで本実施形態では、適応制御やシステム同定に用いられる逐次型同定アルゴリズムを相関パラメータＡ，Ｂの算出に応用することとした。逐次同定型アルゴリズムは、漸化式を用いるアルゴリズムである。より具体的には、逐次型同定アルゴリズムは、時系列で得られる処理対象データの今回値（最新値）ＱＡＩＲ(k)及びＫＡＦ(k)と、相関パラメータの前回値Ａ(k-1)，Ｂ(k-1)とに基づいて、相関パラメータの今回値Ａ(k)及びＢ(k)を算出するアルゴリズムである。
【００３７】
相関パラメータＡ，Ｂを要素とする相関パラメータベクトルθ(k)を下記式（３）で定義すると、逐次型同定アルゴリズムによれば、相関パラメータベクトルθ(k)は下記式（４）により算出される。
θ(k)T＝［Ａ(k) Ｂ(k)］ （３）
θ(k)＝θ(k-1)＋ＫＰ(k)×ｅｉｄ(k) （４）
式（４）のｅｉｄ(k)は、下記式（５）及び（６）で定義される同定誤差である。またＫＰ(k)は、下記式（７）で定義されるゲイン係数ベクトルであり、式（７）のＰ(k)は、下記式（８）により算出される２次の正方行列である。
ｅｉｄ(k)＝ＫＡＦ(k)−θ(k-1)Tζ(k) （５）
ζT(k)＝［ＱＡＩＲ(k-d) １］ （６）
【数１】
【００３８】
式（８）の係数λ１，λ２の設定により、式（４）〜（８）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）
【００３９】
本実施形態では、係数λ１を０と１の間の所定値λに設定し、係数λ２を１に設定する重み付き最小２乗法アルゴリズムを採用しているが、他のアルゴリズムを採用してもよい。統計処理に適しているのは、最小２乗法アルゴリズム及び重み付き最小２乗法アルゴリズムである。
【００４０】
式（４）〜（８）の逐次型同定アルゴリズムによれば、前述した一括演算型最小２乗法の演算で必要とされる逆行列演算は不要であり、メモリに記憶すべき値はＡ(k)、Ｂ(k)及びＰ(k)（２列２行の行列）のみである。したがって、逐次型重み付き最小２乗法を用いることにより、統計処理演算を簡略化することができ、特別なＣＰＵを用いることなく、エンジン制御用ＣＰＵにより演算することが可能となる。
【００４１】
また逐次型重み付き最小２乗法では、同定誤差ｅｉｄの算出に係わるパラメータ（ζ、ＫＡＦ）の変動中心を「０」とした方が、より精度の高い相関パラメータを算出することができる。よって、本実施形態では同定誤差ｅｉｄ(k)を前記式（５）に代えて、下記式（５ａ）により算出するようにした。
ｅｉｄ(k)＝（ＫＡＦ(k)−１）−θ(k-1)Tζ(k) （５ａ）
【００４２】
式（５ａ）を用いることにより、図４の直線ＬＳＴを求める演算は、図５の直線ＬＳＴａを求める演算に変換され、パラメータ（ＫＡＦ(k)−１）の変動中心が「０」となるので、より精度の高い相関パラメータを得ることができる。
【００４３】
さらに本実施形態では、相関パラメータＡ(k)及びＢ(k)の値を、それぞれ下記式（９）及び（１０）を満たすように制限することにより、より安定した相関パラメータの算出を行えるようにしている。
ＡＬ＜Ａ(k)＜ＡＨ （９）
ＢＬ＜Ｂ(k)＜ＢＨ （１０）
ここで、ＡＬ及びＡＨは、相関パラメータＡ(k)の下限値及び上限値である。またＢＬ及びＢＨは、相関パラメータＢ(k)の下限値及び上限値である。
【００４４】
次に相関パラメータを用いた吸入空気量センサ１９の異常判定について説明する。
既に説明したように、吸入空気量センサ１９が正常であるときは、図６（ａ）に示すような相関特性が得られるが、塵埃の付着などに起因する劣化の度合が大きい異常が発生すると、同図（ｂ）に示すような相関特性となる。すなわち、直線ＬＳＴ０の傾きＡが変化し、直線ＬＳＴ０が直線ＬＳＴ１に変化する。したがって、上述した手法により算出される相関パラメータＡ(k)の絶対値が、判定閾値ＸＱＸＮＧより小さいときは（｜Ａ(k)｜＜ＸＱＸＮＧ）、吸入空気量センサ１９が正常であると判定し、判定閾値ＸＱＸＮＧ以上であるときは（｜Ａ(k)｜≧ＸＱＸＮＧ）、吸入空気量センサ１９が異常であると判定するようにした。判定閾値ＸＱＸＮＧは実験により適当な値に設定される。
【００４５】
次に学習補正係数ＫＲＥＦＧの算出手法について説明する。
図５に示した直線ＬＳＴａを表す式は、下記式（１１）のようになる。
ＫＡＦ−１＝Ａ(k)×ＱＡＩＲ＋Ｂ(k) （１１）
これを変形すると下記式（１２）が得られる。
ＫＡＦ＝Ａ(k)×ＱＡＩＲ＋Ｂ(k)＋１ （１２）
この式（１２）は、相関パラメータＡ(k)及びＢ(k)が、重み付き最小２乗法によって算出されるため、統計処理によって求められた、検出吸入空気量ＱＡＩＲと空燃比補正係数ＫＡＦとの相関関係を示している。したがって、検出吸入空気量ＱＡＩＲが与えられたときに、統計的に予測される空燃比補正係数ＫＡＦＥが、式（１２）の右辺により求められる。そこで、この予測空燃比補正係数ＫＡＦＥを学習補正係数ＫＲＥＦＧとすると、学習補正係数ＫＲＥＦＧは、下記式（１２ａ）により算出される。
ＫＲＥＦＧ＝Ａ(k)×ＱＡＩＲ(k)＋Ｂ(k)＋１ （１２ａ）
【００４６】
この学習補正係数ＫＲＥＦＧを式（１）に適用して燃料噴射時間ＴＯＵＴの算出に使用することにより、吸入空気量センサ１９が劣化した場合でも空燃比補正係数ＫＡＦによる補償は不要となり、空燃比補正係数ＫＡＦは正常時と同様に「１．０」近傍の値に維持される。すなわち、空燃比フィードバック制御の制御中心が偏倚するのを防止することができる。
【００４７】
ところが式（１２ａ）により算出される学習補正係数ＫＲＥＦＧを式（１）に適用すると、下記のような制御のハンチングが発生する。
１）直線ＬＳＴの傾きが０からより大きな値に増加（相関パラメータＡ(k)の増加）
→ ２）学習補正係数ＫＲＥＦＧが１．０より増加
→ ３）相関パラメータＡ(k)の減少（０に漸近）
→ ４）学習補正係数ＫＲＥＦＧが１．０に戻る（直線ＬＳＴの傾きが０に戻る）
→ １）直線ＬＳＴの傾きが０からより大きな値に増加（相関パラメータＡ(k)の増加）
【００４８】
そこでこのハンチングを防止するために、相関パラメータＡ(k)及びＢ(k)を算出するときには、空燃比補正係数ＫＡＦをそのまま用いずに、下記式（１３）により算出される修正空燃比補正係数ＫＡＦＭＯＤ(k)を用いることとした。
ＫＡＦＭＯＤ(k)＝ＫＡＦ(k)×ＫＲＥＦＧ(k-d) （１３）
式（１３）は、学習補正係数ＫＲＥＦＧの増加による吸気側での空燃比変化が、ＬＡＦセンサ１４を介して空燃比補正係数ＫＡＦに反映されるまでのむだ時間ｄを考慮したものである。
【００４９】
そして前記式（１１）に代えて下記式（１１ａ）で示すように、パラメータ（ＫＡＦＭＯＤ−１）と、検出吸入空気量ＱＡＩＲとの相関を示す相関パラメータＡ(k)及びＢ(k)を，前述した逐次型最小２乗法で求めるようにした。すなわち、図７に示すような直線ＬＳＴａを定義する相関パラメータＡ(k)及びＢ(k)を求めるようにした。
ＫＡＦＭＯＤ−１＝Ａ(k)×ＱＡＩＲ＋Ｂ(k) （１１ａ）
【００５０】
この場合には、前記式（５ａ）に代えて下記式（５ｂ）を用いて同定誤差ｅｉｄ(k)が算出され、式（５ｂ）とともに式（４）及び（６）〜（８）を用いて相関パラメータベクトルθ(k)が算出される。
ｅｉｄ(k)＝（ＫＡＦＭＯＤ(k)−１）−θ(k-1)Tζ(k) （５ｂ）
【００５１】
このように先ず検出吸入空気量ＱＡＩＲとパラメータ（ＫＡＦＭＯＤ−１）との相関特性を示す相関パラメータＡ(k)及びＢ(k)を算出し、次いで下記式（１２ａ）により学習補正係数ＫＲＥＦＧを求める。
ＫＲＥＦＧ＝Ａ(k)×ＱＡＩＲ＋Ｂ(k)＋１ （１２ａ）
【００５２】
これにより、制御のハンチングを防止しつつ精度のよい学習補正係数ＫＲＥＦＧを得ることができる。そして学習補正係数ＫＲＥＦＧを式（１）に適用することにより、空燃比の制御精度を向上させ良好な排気特性を維持することができる。
【００５３】
図８は、検出吸入空気量ＱＡＩＲと、空燃比補正係数ＫＡＦとの相関特性の他の例を示している。この例において、検出吸入空気量ＱＡＩＲが小さい領域では、例えば２次曲線ＬＣによって相関特性を表した方が、より正確な相関特性が得られるが、検出吸入空気量ＱＡＩＲが大きい領域では、大きく外れてしまい、正確な相関特性を表さない。
【００５４】
そこで本実施形態では、図９に示すように、エンジン運転領域を吸入空気量に応じて第１の運転領域Ｒ１と、第２の運転領域Ｒ２とに分割し、それぞれに領域における相関特性を示す直線ＬＲ１及びＬＲ２を求めるようにした。換言すれば、第１及び第２の運転領域Ｒ１，Ｒ２にそれぞれ対応する第１の相関パラメータベクトルθ１(k)及び第２の相関パラメータベクトルθ２(k)（下記式（１５）、（１６）参照）が求められる。
θ１T(k)＝［Ａ１(k) Ｂ１(k)］ （１５）
θ２T(k)＝［Ａ２(k) Ｂ２(k)］ （１６）
【００５５】
第１の運転領域Ｒ１と、第２の運転領域Ｒ２とは、重複するように設定されており、図９における所定吸入空気量ＱＡＩＲ１及びＱＡＩＲ２は、例えばそれぞれ２０ｇ／ｓｅｃ及び４０ｇ／ｓｅｃに設定される。
【００５６】
このように２つの相関パラメータベクトルθ１及びθ２（２つの直線ＬＲ１及びＬＲ２）によって検出吸入空気量ＱＡＩＲと、空燃比補正係数ＫＡＦとの相関特性を表し、学習補正係数ＫＲＥＦＧの算出に使用する相関パラメータベクトルは、図１０に示すように、直線ＬＲ１とＬＲ２の交点ＰＸにおいて切り換えるようにした。これにより、相関パラメータベクトルの変更によって、学習補正係数ＫＲＥＦＧが急変することがなく、滑らか切換が可能となる。
【００５７】
図１０（ａ）は、交点ＰＸが第１の運転領域Ｒ１と第２の運転領域Ｒ２の重複範囲にある例を示し、同図（ｂ）は、交点ＰＸが第２の運転領域Ｒ２にある例を示す。同図（ｂ）から明らかなように、交点ＰＸが第２の運転領域Ｒ２にある場合には、第２の運転領域Ｒ２においても、吸入空気量ＱＡＩＲが交点ＰＸに対応する吸入空気量ＱＡＩＲＸ以下であるときは、第１の相関パラメータベクトルθ１が使用される。
【００５８】
図１１は、上述した手法により相関パラメータベクトルθ１(k)及びθ２(k)を算出し、学習補正係数ＫＲＥＦＧを算出し、これを用いて燃料噴射時間ＴＯＵＴを算出する処理のフローチャートである。またこの処理では、相関パラメータＡ１(k)及びＡ２(k)に基づいて吸入空気量センサ１９の異常判定が行われる。図１１の処理は、ＴＤＣ信号パルスの発生に同期してＥＣＵ５のＣＰＵで実行される。
【００５９】
ステップＳ１では、エンジン１の始動が完了しているか否かを判別する。完了していないときは、吸気管内絶対圧ＰＢＡ及びエンジン回転数ＮＥに応じて設定されたＴＩＳマップを検索し、始動用の基本燃料量ＴＩＳを算出する（ステップＳ２）。次いで始動用の補正係数Ｋ１Ｓ及び補正変数Ｋ２Ｓを算出し（ステップＳ３）、下記式（１７）により始動時の燃料噴射時間ＴＯＵＴＳを算出して（ステップＳ４）、本処理を終了する。
ＴＯＵＴＳ＝ＴＩＳ×Ｋ１Ｓ＋Ｋ２Ｓ （１７）
【００６０】
エンジン１の始動が完了しているときは、ステップＳ１からステップＳ１３に進み、吸入空気量センサ１９により検出される吸入空気量ＱＡＩＲ(k)を読み込む。
【００６１】
ステップＳ１４では、下記式（１８）により検出車速ＶＰにローパスフィルタ処理を行い、車速フィルタリング値Ｖｆｌｔ(k)を算出する。
式（１８）においてａｆ1〜ａｆn，ｂｆ0〜ｂfmは、予め定められたローパスフィルタ係数である。
【００６２】
続くステップＳ１５では、車速フィルタリング値の今回値Ｖｆｌｔ(k)と前回値Ｖｆｌｔ(k-1)との差の絶対値が、所定車速変化量ＸＤＶＬＭ（例えば０．８ｋｍ／ｈ）より小さいか否かを判別し、その答が否定（ＮＯ）であるときはステップＳ２２に進む。ステップＳ１５の答が肯定（ＹＥＳ）であるときは、エンジン回転数ＮＥが所定上限値ＸＮＥＨ(例えば、４０００ｒｐｍ）と所定下限値ＸＮＥＬ（例えば、４００ｒｐｍ）の範囲内にあるか否かを判別する（ステップＳ１６）。その答が否定（ＮＯ）であるときはステップＳ２２に進み、ステップＳ１６の答が肯定（ＹＥＳ）であるときは、吸気管内絶対圧ＰＢＡが所定上限値ＸＰＢＨ（例えば、８８ｋＰａ）と所定下限値ＸＰＢＬ（例えば、２８ｋＰａ）の範囲内にあるか否かを判別する（ステップＳ１７）。その答が否定（ＮＯ）であるときはステップＳ２２に進み、肯定（ＹＥＳ）であるときは、上述した式（４）、（５ｂ）、（６）〜（８）及び（１１ａ）により、第１の運転領域Ｒ１おいては、第１の相関パラメータベクトルθ１(k)（相関パラメータＡ１(k)及びＢ１(k)）の算出を行う一方、第２の運転領域Ｒ２においては、第２の相関パラメータベクトルθ２(k)（相関パラメータＡ２(k)及びＢ２(k)）の算出を行う（ステップＳ１８）。
【００６３】
続くステップＳ２０では、相関パラメータＡ１(k)及びＡ２(k)に応じて、異常判定を行う。すなわち、相関パラメータＡ１(k)の絶対値が、判定閾値ＸＱＸＮＧ１以上であるか否かの判別、及び相関パラメータＡ２(k)の絶対値が、判定閾値ＸＱＸＮＧ２以上であるか否かの判別を行い、｜Ａ(k)１｜≧ＸＱＸＮＧ１または｜Ａ(k)２｜≧ＸＱＸＮＧ２であるときは、吸入空気量センサ１９が異常であると判定する。異常と判定した場合には、警告ランプの点灯により当該車両の運転者への警告を行う。
【００６４】
ステップＳ２１では、相関パラメータＡ１(k)及びＢ１(k)、並びにＡ２(k)及びＢ２(k)が、それぞれ式（９）または（１０）の条件を満たすように、制限処理を行う。すなわち、式（９）及び／または（１０）の条件が満たされないときは、その条件を満たさない相関パラメータの値を、式（９）または（１０）の条件を満たすように修正する。
【００６５】
ステップＳ２２では、図１２に示すＫＲＥＦＧ算出処理を実行し、学習補正係数ＫＲＥＦＧを算出する。
ステップＳ２３では、ＬＡＦセンサ１４の出力に応じた空燃比フィードバック制御により、空燃比補正係数ＫＡＦを算出する。すなわち空燃比補正係数ＫＡＦは、検出空燃比が目標空燃比に一致するように算出される。
ステップＳ２４では、パージ補正係数ＫＰＵＲＧＥ、並びに式（１）に適用される他の補正係数Ｋ１及び補正変数Ｋ２を算出し、次いで式（１）により、燃料噴射時間ＴＯＵＴを算出する（ステップＳ２５）。
【００６６】
図１２は、図１１のステップＳ２２において学習補正係数ＫＲＥＦＧを算出する処理のフローチャートである。
ステップＳ３１では、下記式（１９）により、空燃比補正係数ＫＡＦの移動平均値ＫＡＦＡＶＥを算出する。なお、式（１９）のＮは例えば「１０」に設定される。
【数２】
【００６７】
ステップＳ３２では、下記式（２０）により、吸入空気量ＱＡＩＲの移動平均値ＱＡＩＲＡＶＥを算出する。
【数３】
【００６８】
ステップＳ３３では、下記式（２１）及び（２２）に、吸入空気量の移動平均値ＱＡＩＲＡＶＥ、第１及び第２の相関パラメータベクトルθ１(k)及びθ２(k)を適用し、第１運転領域補正係数ＫＲＥＦＧ１及び第２運転領域補正係数ＫＲＥＦＧ２を算出する。
ＫＲＥＦＧ１＝Ａ１(k)×ＱＡＩＲＡＶＥ＋Ｂ１(k)＋１．０ （２１）
ＫＲＥＦＧ２＝Ａ２(k)×ＱＡＩＲＡＶＥ＋Ｂ２(k)＋１．０ （２２）
【００６９】
ステップＳ３４では、相関パラメータＢ１(k)が相関パラメータＢ２(k)より小さいか否かを判別し、Ｂ１(k)＜Ｂ２(k)であるとき（図１０（ａ）に示すような場合）は、第１運転領域補正係数ＫＲＥＦＧ１及び第２運転領域補正係数ＫＲＥＦＧ２のうち、小さい方を選択することにより、学習補正係数ＫＲＥＦＧを算出する（ステップＳ３５）。
【００７０】
一方、Ｂ１(k)≧Ｂ２(k)であるとき（図１０（ｂ）に示すような場合）は、第１運転領域補正係数ＫＲＥＦＧ１及び第２運転領域補正係数ＫＲＥＦＧ２のうち、大きい方を選択することにより、学習補正係数ＫＲＥＦＧを算出する（ステップＳ３６）。
ステップＳ３４〜Ｓ３６により、学習補正係数ＫＲＥＦＧの算出に使用する相関パラメータベクトルを、直線ＬＲ１とＬＲ２の交点ＰＸで切り換える処理が実行される。
【００７１】
ステップＳ３７では、下記式（２３）に空燃比補正係数の移動平均値ＫＡＦＡＶＥ及びむだ時間ｄだけ前の学習補正係数ＫＲＥＦＧ(k-d)を適用し、修正空燃比補正係数ＫＡＦＭＯＤを算出する。
ＫＡＦＭＯＤ＝ＫＡＦＡＶＥ×ＫＲＥＦＧ(k-d) （２３）
【００７２】
以上のように本実施形態によれば、空燃比補正係数ＫＡＦと、検出吸入空気量ＱＡＩＲとの相関関係を定義する相関パラメータベクトルθ１及びθ２が逐次型統計処理アルゴリズムを用いて算出される。逐次型統計処理アルゴリズムを用いることにより、その演算のための特別なＣＰＵを必要とせず、比較的小さなメモリ容量で統計処理演算により相関パラメータベクトルθ１及びθ２を算出することができる。
【００７３】
さらにエンジン運転領域を第１の運転領域Ｒ１と、第２の運転領域とに分割し、第１及び第２の運転領域Ｒ１及びＲ２に対応させて、相関パラメータベクトルθ１及びθ２が算出される。すなわち、検出吸入空気量ＱＡＩＲと、パラメータ（ＫＡＦＭＯＤ−１）との相関特性が、２つの直線ＬＲ１及びＬＲ２で近似されるので、１つの直線で近似する場合に比べて、エンジン運転領域全体に亘って、より正確な相関特性を得ることができる。
【００７４】
さらに学習補正係数ＫＲＥＦＧが、第１及び第２の相関パラメータベクトルθ１及びθ２を用いて算出されるので、吸入空気量センサ１９の特性変化に対応した精度の良い学習補正係数ＫＲＥＦＧを、機関運転状態の広い範囲に亘って得ることができる。そして、空燃比補正係数ＫＡＦ及び学習補正係数ＫＲＥＦＧを用いて燃料噴射時間ＴＯＵＴが算出されるので、空燃比補正係数ＫＡＦの制御中心を「１．０」近傍に維持して良好な制御性を維持することができる。
【００７５】
さらに相関パラメータＡ１(k)及びＡ２(k)に基づいて吸入空気量センサ１９の異常判定が行われるので、吸入空気量センサ１９の検出精度を常時監視し、異常判定の精度を向上させることができる。
また車速の変動が少なく、かつエンジン回転数ＮＥ及び吸気管内絶対圧ＰＢＡが所定上下限値の範囲内にある運転状態で相関パラメータベクトルθ１及びθ２を算出するようにしたので、相関パラメータの精度を向上させ、学習補正の精度をより向上させることができる。
【００７６】
本実施形態では、ＥＣＵ５が、基本燃料量算出手段、空燃比補正係数算出手段、燃料量制御手段、相関パラメータ算出手段、及び学習手段を構成する。具体的には、図１１のステップＳ２３が空燃比補正係数算出手段に相当し、ステップＳ１８が相関パラメータ算出手段に相当し、ステップＳ２２（図１２の処理）が学習手段に相当し、ステップＳ２５が基本燃料量算出手段及び燃料量制御手段に相当しに相当する。
【００７７】
なお、上述した実施形態では、検出吸入空気量ＱＡＩＲとパラメータ（ＫＡＦＭＯＤ−１）との相関特性を直線で近似したが、例えば図８に示したように、一部の運転領域では、直線でなく２次曲線や３次曲線で近似することも可能である。例えば２次曲線の場合には、下記式（２４）により相関特性を近似することとする。
ＫＡＦＭＯＤ−１＝Ａ１(k)ＱＡＩＲ2＋Ｂ１(k)ＱＡＩＲ＋Ｃ１(k)（２４）
【００７８】
ここで近似曲線の傾きＦは下記式（２５）で与えられる。
Ｆ＝２Ａ(k)ＱＡＩＲ＋Ｂ(k) （２５）
２次曲線で近似した場合も、吸入空気量センサ１９の異常時には、曲線の傾きの絶対値が増大する。したがって、吸入空気量ＱＡＩＲが平均的な値ＱＡＩＲＭであるときの傾きＦが所定閾値以上のとき、吸入空気量センサ１９が異常と判定することができる。
【００７９】
また上述した実施形態では、エンジン運転領域を、検出吸入空気量ＱＡＩＲに応じて２つの運転領域Ｒ１及びＲ２に分割したが、３以上の運転領域に分割し、分割された各運転領域に対応する相関パラメータベクトルを算出するようにしてもよい。また、検出吸入空気量ＱＡＩＲではなく、エンジン回転数ＮＥ及び吸気管内絶対圧ＰＢＡに応じて、エンジン運転領域を分割するようにしてもよい。
【００８０】
また上述した実施形態では、２つの直線ＬＲ１及びＬＲ２の交点で、学習補正係数ＫＲＥＦＧの算出に使用する相関パラメータベクトルを切り換えるようにしたが、これに限るものではなく、例えば図１３（ａ）及び（ｂ）に示すように、第１の運転領域Ｒ１と第２の運転領域Ｒ２が重複する範囲では、２つの直線ＬＲ１とＬＲ２を滑らかに接続する過渡直線ＬＴＲに対応する相関パラメータベクトルθＴＲを算出し、この相関パラメータベクトルθＴＲを用いて学習補正係数ＫＲＥＦＧを算出するようにしてもよい。
【００８１】
また、同図（ｃ）に示すように、第１の運転領域Ｒ１と第２の運転領域Ｒ２が重複する範囲では、２つの直線ＬＲ１とＬＲ２を平均化することにより得られる平均化直線ＬＡＶに対応する相関パラメータベクトルθＡＶを算出し、この相関パラメータベクトルθＡＶを用いて学習補正係数ＫＲＥＦＧを算出するようにしてもよい。
【００８２】
また、上述した図１１のステップＳ１５では、車速ＶＰのフィルタリング値Ｖｆｌｔの変化量が所定車速変化量ＸＤＶＬＭより小さいか否かを判別するようにしたが、これに代えて、エンジン回転数ＮＥのローパスフィルタリング値の変化量が所定変化量より小さいか否か、及び／または吸気管内絶対圧ＰＢＡのローパスフィルタリング値の変化量が所定変化量より小さいか否かを判別するようにしてもよい。
【００８３】
その場合には、エンジン回転数ＮＥのローパスフィルタリング値の変化量が所定変化量より小さいとき、吸気管内絶対圧ＰＢＡのローパスフィルタリング値の変化量が所定変化量より小さいとき、あるいはエンジン回転数ＮＥのローパスフィルタリング値の変化量が所定変化量より小さく、かつ吸気管内絶対圧ＰＢＡのローパスフィルタリング値の変化量が所定変化量より小さいとき、図１１のステップＳ１５からステップＳ１６に進む。
【００８４】
また本発明は、クランク軸を鉛直方向とした船外機などのような船舶推進機用エンジンなどの制御にも適用が可能である。
【００８５】
【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、空燃比センサにより検出される空燃比が目標空燃比に一致するように内燃機関に供給する燃料量を補正する空燃比補正係数と、吸入空気量検出手段により検出される吸入空気量との相関関係を定義する複数の相関パラメータベクトルが、逐次型統計処理アルゴリズムを用いて算出され、その相関パラメータベクトルを用いて吸入空気量検出手段の特性変化に関わる学習補正係数が算出される。そして、吸入空気量検出手段により検出される吸入空気量に応じて算出される基本燃料量、前記空燃比補正係数及び学習補正係数を用いて、前記機関に供給する燃料量が制御される。すなわち、多くの検出データに基づく統計処理により相関パラメータベクトルが算出され、その相関パラメータベクトルを用いて学習補正係数が算出されるので、変動する機関運転状態の平均的な状態に対応した精度の高い学習補正係数を得ることができる。また、逐次型統計処理アルゴリズムを用いることにより、特別な演算装置（ＣＰＵ）を必要とせず、比較的小さなメモリ容量で統計処理演算を実行することができる。さらに、複数の機関運転領域に対応して複数の相関パラメータベクトルが算出されるので、機関運転状態が変化しても学習補正係数の高い精度を維持することができる。また、空燃比補正係数をそのまま用いて相関パラメータベクトルを算出すると、学習補正係数による学習制御がハンチング状態となるおそれがあるが、修正空燃比補正係数を用いることによりそのような不具合を回避することができる。
【００８６】
請求項２に記載の発明によれば、相関関係を一次式で定義する複数の相関パラメータベクトルが算出され、前記複数の相関パラメータベクトルから求まる一次式に対応する複数の直線の交点において、学習補正係数の算出に使用する相関パラメータベクトルが切り換えられる。これにより、相関パラメータベクトルの切換に伴って学習補正係数が急変することが防止され、円滑な切換が可能となる。
【００８７】
請求項３に記載の発明によれば、前記機関が所定運転状態にあるとき、相関パラメータベクトルの算出が行われるので、相関パラメータの精度を向上させ、学習補正の精度をより向上させることができる。
【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及びその燃料供給制御装置の構成を示す図である。
【図２】空燃比補正係数（ＫＡＦ）と吸入空気量センサにより検出される吸入空気量（ＱＡＩＲ）との関係（正常時）を示す図である。
【図３】空燃比補正係数（ＫＡＦ）と吸入空気量センサにより検出される吸入空気量（ＱＡＩＲ）との関係（異常時）を示す図である。
【図４】空燃比補正係数（ＫＡＦ）と吸入空気量センサにより検出される吸入空気量（ＱＡＩＲ）との相関関係を近似する直線（ＬＳＴ）を示す図である。
【図５】空燃比補正係数に応じたパラメータ（ＫＡＦ−１）と吸入空気量センサにより検出される吸入空気量（ＱＡＩＲ）との関係を示す図である。
【図６】空燃比補正係数に応じたパラメータ（ＫＡＦ−１）と吸入空気量センサにより検出される吸入空気量（ＱＡＩＲ）との関係（正常時と異常時）を対比して示す図である。
【図７】修正空燃比補正係数に応じたパラメータ（ＫＡＦＭＯＤ−１）と吸入空気量センサにより検出される吸入空気量（ＱＡＩＲ）との関係を示す図である。
【図８】エンジン運転領域全体に亘って１つの相関関係を適用する場合の問題点を説明するための図である。
【図９】相関関係を２つの直線で近似する例を説明するための図である。
【図１０】２つの直線で近似する例における直線の選択方法を説明するための図である。
【図１１】燃料噴射時間（ＴＯＵＴ）を算出する処理のフローチャートである。
【図１２】学習補正係数（ＫＲＥＦＧ）を算出する処理のフローチャートである。
【図１３】図１０に示した選択方法の変形例を示す図である。
【符号の説明】
１ 内燃機関
２ 吸気管
５ 電子制御ユニット（基本燃料量算出手段、空燃比補正係数算出手段、燃料量制御手段、相関パラメータ算出手段、学習手段）
６ 燃料噴射弁
１９ 吸入空気量センサ（吸入空気量検出手段）
【発明の属する技術分野】
本発明は、吸入空気量センサにより内燃機関に吸入される空気量を検出し、検出した吸入空気量に応じて内燃機関に供給する燃料量を制御する内燃機関の燃料供給制御装置に関する。
【０００２】
【従来の技術】
熱線式流速計を用いて内燃機関の吸入空気量を検出する方法は従来より知られている。その熱線式流速計の特性は、経年変化するため、使用期間が長くなると、吸入空気量の検出誤差が増加するという問題がある。そのため、特許文献１には、熱線式流速計の特性変化に応じて学習補正値を算出する手法が示されている。
【０００３】
この手法によれば、内燃機関の排気系に設けられる空燃比センサの出力に応じて空燃比が目標値と一致するように空燃比負帰還量ＣＦＢが算出され、熱線式流速計の特性変化を代表する複数の流量点ＱＬ１，ＱＬ２，ＱＬ３における空燃比負帰還量の値ＣＬ１，ＣＬ２，ＣＬ３がメモリに格納され、メモリに格納されたデータと、熱線式流速計により検出される吸入空気量Ｑとに基づいて、補間演算または外挿演算により学習補正値ＣＬが算出される。
【０００４】
また内燃機関の空燃比センサ、スロットル弁開度センサ及び機関回転数センサの検出値に基づいて、吸入空気量センサの特性劣化あるいは異常を検出する手法も従来より知られている（特許文献２参照）。
【０００５】
【特許文献１】
特公平７−２３７０２号公報
【特許文献２】
特公平８−６６２３号公報
【０００６】
【発明が解決しようとする課題】
特許文献１に示された方法では、所定の流量点ＱＬ１〜ＱＬ３における空燃比負帰還量ＣＦＢの値ＣＬ１〜ＣＬ３がメモリに格納され、学習補正値の算出に使用されるため、機関運転状態の変化によって、メモリに格納される空燃比帰還量の値が変動すると、それがそのまま学習補正値ＣＬに反映されてしまうという問題がある。また、この方法では複数の流量点において特性変化を監視するようにしているが、その数を増やせばメモリの容量が増加するので、特性変化を監視する流量点をあまり多くすることはできない。
【０００７】
一方、近年のエミッション（有害ガス排出）規制の強化に伴い、部品の劣化や特性変化が排気特性に悪影響を与える点が重要視されるようになっているため、吸入空気量センサの特性変化に対応して、より精度の高い学習補正値を得ることが望まれている。
【０００８】
また特許文献２に示された吸入空気量センサの特性劣化判定手法（異常判定手法）は、センサ検出値に対して何ら統計処理を施すことなく、センサ検出値をそのまま用いて判定を行うものであるため、判定頻度を増加させた場合、判定精度が低下するという問題があった。
【０００９】
本発明は上述した点を考慮してなされたものであり、吸入空気量センサの特性変化の影響を補償する精度の高い学習補正値を得、空燃比制御の良好な制御性を維持することができる内燃機関の燃料供給制御装置を提供することを目的とする。
【００１０】
【課題を解決するための手段】
上記目的を達成するため請求項１に記載の発明は、内燃機関の吸入空気量（ＱＡＩＲ）を検出する吸入空気量検出手段と、該吸入空気量検出手段により検出される吸入空気量（ＱＡＩＲ）に応じて前記機関に供給する基本燃料量（ＴＩＭ）を算出する基本燃料量算出手段と、前記機関の排気系に設けられた空燃比センサと、該空燃比センサにより検出される空燃比が目標空燃比に一致するように前記機関に供給する燃料量を補正する空燃比補正係数（ＫＡＦ）を算出する空燃比補正係数算出手段と、前記基本燃料量（ＴＩＭ）及び前記空燃比補正係数（ＫＡＦ）を用いて前記機関に供給する燃料量（ＴＯＵＴ）を制御する燃料量制御手段とを備える内燃機関の燃料供給制御装置において、前記空燃比補正係数（ＫＡＦ）と、前記吸入空気量検出手段により検出される吸入空気量（ＱＡＩＲ）との相関関係を定義する複数の相関パラメータベクトル（θ１，θ２）を逐次型統計処理アルゴリズムを用いて算出する相関パラメータ算出手段と、前記複数の相関パラメータベクトル（θ１，θ２）を用いて前記吸入空気量検出手段の特性変化に関わる学習補正係数（ＫＲＥＦＧ）を算出する学習手段とを備え、前記相関パラメータ算出手段は、前記空燃比補正係数（ＫＡＦ）を前記学習補正係数（ＫＲＥＦＧ）により修正することにより修正空燃比補正係数（ＫＡＦＭＯＤ）を算出し、該修正空燃比補正係数（ＫＡＦＭＯＤ）を用いて、前記機関の複数の運転領域に対応させて前記複数の相関パラメータベクトル（θ１，θ２）を算出し、前記燃料量制御手段は、前記基本燃料量（ＴＩＭ）、空燃比補正係数（ＫＡＦ）及び学習補正係数（ＫＲＥＦＧ）を用いて前記燃料量を制御することを特徴とする。
【００１１】
この構成によれば、空燃比センサにより検出される空燃比が目標空燃比に一致するように内燃機関に供給する燃料量を補正する空燃比補正係数と、吸入空気量検出手段により検出される吸入空気量との相関関係を定義する複数の相関パラメータベクトルが、逐次型統計処理アルゴリズムを用いて算出され、その相関パラメータベクトルを用いて吸入空気量検出手段の特性変化に関わる学習補正係数が算出される。そして、吸入空気量検出手段により検出される吸入空気量に応じて算出される基本燃料量、前記空燃比補正係数及び学習補正係数を用いて、前記機関に供給する燃料量が制御される。すなわち、多くの検出データに基づく統計処理により相関パラメータベクトルが算出され、その相関パラメータベクトルを用いて学習補正係数が算出されるので、変動する機関運転状態の平均的な状態に対応した精度の高い学習補正係数を得ることができる。また、逐次型統計処理アルゴリズムを用いることにより、特別な演算装置（ＣＰＵ）を必要とせず、比較的小さなメモリ容量で統計処理演算を実行することができる。さらに、複数の機関運転領域に対応して複数の相関パラメータベクトルが算出されるので、機関運転状態が変化しても学習補正係数の高い精度を維持することができる。また、空燃比補正係数をそのまま用いて相関パラメータベクトルを算出すると、学習補正係数による学習制御がハンチング状態となるおそれがあるが、修正空燃比補正係数を用いることによりそのような不具合を回避することができる。
【００１２】
請求項２に記載の発明は、請求項１に記載の内燃機関の燃料供給制御装置において、前記相関パラメータ算出手段は、前記相関関係を一次式で定義する複数の相関パラメータベクトル（θ１，θ２）を算出し、前記学習手段は、前記複数の相関パラメータベクトルから求まる一次式に対応する複数の直線の交点において、前記学習補正係数（ＫＲＥＦＧ）の算出に使用する相関パラメータベクトル（θ１またはθ２）を切り換えることを特徴とする。
この構成によれば、相関関係を一次式で定義する複数の相関パラメータベクトルが算出され、前記複数の相関パラメータベクトルから求まる一次式に対応する複数の直線の交点において、学習補正係数の算出に使用する相関パラメータベクトルが切り換えられる。これにより、相関パラメータベクトルの切換に伴って学習補正係数が急変することが防止され、円滑な切換が可能となる。
【００１３】
請求項３に記載の発明は、請求項１または２に記載の内燃機関の燃料供給制御装置において、前記相関パラメータ算出手段は、前記機関が所定運転状態にあるとき、前記複数の相関パラメータベクトル（θ１，θ２）の算出を行うことを特徴とする。
この構成によれば、前記機関が所定運転状態にあるとき、相関パラメータベクトルの算出が行われるので、相関パラメータの精度を向上させ、学習補正の精度をより向上させることができる。
【００１６】
【発明の実施の形態】
以下本発明の実施の形態を図面を参照して説明する。
図１は本発明の一実施形態にかかる内燃機関及びその制御装置の構成を示す図であり、例えば４気筒のエンジン１の吸気管２の途中にはスロットル弁３が配されている。スロットル弁３にはスロットル弁開度（ＴＨＡ）センサ４が連結されており、当該スロットル弁３の開度に応じた電気信号を出力して電子制御ユニット（以下「ＥＣＵ」という）５に供給する。
【００１７】
吸気管２のスロットル弁３の上流側には、吸入空気量（吸入空気流量）ＱＡＩＲを検出する吸入空気量センサ１９が設けられており、吸入空気量センサ１９の出力信号は、ＥＣＵ５に供給される。
燃料噴射弁６はエンジン１とスロットル弁３との間かつ吸気管２の図示しない吸気弁の少し上流側に各気筒毎に設けられており、各噴射弁は図示しない燃料ポンプに接続されていると共にＥＣＵ５に電気的に接続されて当該ＥＣＵ５からの信号により燃料噴射弁６の開弁時間が制御される。
【００１８】
一方、スロットル弁３の直ぐ下流には吸気管内の圧力を検出する吸気管内絶対圧（ＰＢＡ）センサ７が設けられており、この絶対圧センサ７により電気信号に変換された絶対圧信号は前記ＥＣＵ５に供給される。また、その下流には吸気温（ＴＡ)センサ８が取付けられており、吸気温ＴＡを検出して対応する電気信号を出力してＥＣＵ５に供給する。
【００１９】
エンジン１の本体に装着されたエンジン水温（ＴＷ）センサ９はサーミスタ等から成り、エンジン水温（冷却水温）ＴＷを検出して対応する温度信号を出力してＥＣＵ５に供給する。
エンジン１の図示しないカム軸周囲又はクランク軸周囲には、エンジン回転数（ＮＥ）センサ１０及び気筒判別（ＣＹＬ）センサ１１が取り付けられている。エンジン回転数センサ１０は、エンジン１の各気筒の吸入行程開始時の上死点（ＴＤＣ）より所定クランク角度前のクランク角度位置で（４気筒エンジンではクランク角１８０゜毎に）ＴＤＣ信号パルスを出力し、気筒判別センサ１１は、特定の気筒の所定クランク角度位置で気筒判別信号パルスを出力するものであり、これらの各信号パルスはＥＣＵ５に供給される。
【００２０】
排気管１２には、排気中のＮＯｘ、ＨＣ、ＣＯの浄化を行う三元触媒１６が設けられ、三元触媒１６の上流位置には、比例型空燃比センサ１４（以下「ＬＡＦセンサ１４」という）が装着されており、このＬＡＦセンサ１４は排気中の酸素濃度（空燃比）にほぼ比例した電気信号を出力し、ＥＣＵ５に供給する。
【００２１】
吸気管２のスロットル弁３の下流側と、排気管１２の三元触媒１６の上流側との間には、排気還流通路２１が設けられており、排気還流通路２１の途中には排気還流量を制御する排気還流弁（以下「ＥＧＲ弁」という）２２が設けられている。ＥＧＲ弁２２は、ソレノイドを有する電磁弁であり、その弁開度はＥＣＵ５により制御される。ＥＧＲ弁２２には、その弁開度（弁リフト量）ＬＡＣＴを検出するリフトセンサ２３が設けられており、その検出信号はＥＣＵ５に供給される。排気還流通路２１及びＥＧＲ弁２２より、排気還流機構が構成される。
【００２２】
図示しない燃料タンクに接続され、該燃料タンク内で発生する蒸発燃料を貯蔵するキャニスタ３２が設けられている。キャニスタ３２は、蒸発燃料を吸着する吸着材を内蔵している。キャニスタ３２は、パージ通路３１を介して、吸気管２の、スロットル弁３の下流側に接続されている。パージ通路３１には、パージ制御弁３３が設けられている。パージ制御弁３３は、その制御信号のオン−オフデューティ比を変更することにより流量を連続的に制御することができるように構成された電磁弁であり、パージ制御弁３３の作動はＥＣＵ５により制御される。なお、パージ制御弁３３はその弁開度を連続的に変更可能な電磁弁を使用してもよく、上記オン−オフデューティ比は、このような弁開度連続可変型の電磁弁における弁開度に相当する。パージ通路３１、キャニスタ３２及びパージ制御弁３３により、蒸発燃料処理装置が構成される。
【００２３】
ＥＣＵ５には、大気圧ＰＡを検出する大気圧センサ１７及びエンジン１により駆動される車両の車速ＶＰを検出する車速センサ１８が接続されており、これらのセンサの検出信号がＥＣＵ５に供給される。
ＥＣＵ５は、上述したセンサからの入力信号波形を整形し、電圧レベルを所定レベルに修正し、アナログ信号値をデジタル信号値に変換する等の機能を有する入力回路、中央演算処理ユニット（以下「ＣＰＵ」という）、ＣＰＵで実行される各種演算プログラム及び演算結果等を記憶する記憶回路、前記燃料噴射弁６、ＥＧＲ弁２２及びパージ制御弁３３に駆動信号を供給する出力回路を備えている。
【００２４】
ＥＣＵ５は、上述したセンサの出力信号に基づいてエンジン運転状態を判別し、エンジン回転数ＮＥ及び吸気管内絶対圧ＰＢＡに応じて設定されるＥＧＲ弁２２の弁開度指令値ＬＣＭＤと、リフトセンサ２３によって検出される実弁開度ＬＡＣＴとの偏差を零にするようにＥＧＲ弁２２のソレノイドに制御信号を供給する。
【００２５】
ＥＣＵ５のＣＰＵは、上述したセンサの出力信号に基づいてエンジン運転状態を判別するとともに、エンジン運転状態に応じて下記式（１）により、前記ＴＤＣ信号パルスに同期して開弁作動する燃料噴射弁６の燃料噴射時間ＴＯＵＴを演算する。
ＴＯＵＴ＝ＴＩＭ×ＫＡＦ×ＫＲＥＦＧ
×ＫＰＵＲＧＥ×Ｋ１＋Ｋ２ （１）
ここに、ＴＩＭは燃料噴射弁６の基本燃料噴射時間（基本燃料量）であり、吸入空気量ＱＡＩＲに応じて設定されたＴＩテーブルを検索して決定される。ＴＩテーブルは、エンジンに供給する混合気の空燃比がほぼ理論空燃比になるように設定されている。
【００２６】
ＫＡＦは、空燃比補正係数であり、ＬＡＦセンサ１４により検出される空燃比が目標空燃比と一致するように設定される。なお、ＬＡＦセンサ出力に応じたフィードバック制御を実行しないときは、「１．０」に設定される。
ＫＲＥＦＧは、吸入空気量センサ１９の特性ばらつきまたは経時変化によって、吸入空気量の検出特性が予め想定されている平均的な特性と異なる場合に、空燃比補正係数ＫＡＦによるフィードバック制御の偏倚を補償するために導入された学習補正係数である。具体的な算出手法は、後述する。
【００２７】
ＫＰＵＲＧＥは、パージ制御弁３３を閉弁しているときは、「１．０」に設定され、パージ制御弁３３を開弁して蒸発燃料を、吸気管２に供給するときは、蒸発燃料供給量の増加に対応して燃料噴射量を減少させるべく設定されるパージ補正係数である。
【００２８】
Ｋ１及びＫ２は、それぞれエンジン運転状態に応じて演算される他の補正係数および補正変数であり、エンジン運転状態に応じた燃費特性、エンジン加速特性等の諸特性の最適化が図れるような所定値に決定される。
ＥＣＵ５のＣＰＵは上述のようにして求めた燃料噴射時間ＴＯＵＴに基づいて燃料噴射弁６を開弁させる駆動信号を燃料噴射弁６に供給する。
【００２９】
本実施形態では、式（１）に適用される学習補正係数ＫＲＥＦＧの新しい算出手法が採用されている。以下この算出手法を説明する。
吸入空気量センサ１９が正常（劣化していない状態）である場合には、検出される吸入空気量ＱＡＩＲと、空燃比補正係数ＫＡＦとの関係は、図２に示すようになる。図２においては、横軸の吸入空気量ＱＡＩＲに対応する空燃比補正係数ＫＡＦの値の範囲がハッチングを付した領域で示されており、吸入空気量ＱＡＩＲが変化しても、空燃比補正係数ＫＡＦは、「１．０」近傍のほぼ一定値を維持する。図に示す吸入空気量ＱＡＩＲは、実際の吸入空気量ではなく、吸入空気量センサ１９により検出される吸入空気量である。実吸入空気量は、これと区別するために「ＱＡＩＲＡ」とする。
【００３０】
ところが、吸入空気量センサ１９の劣化（例えば熱線式センサにおける熱線への塵埃の付着）が発生すると、検出吸入空気量ＱＡＩＲと、実吸入空気量ＱＡＩＲＡとの誤差が増加し、空燃比が目標値よりリッチ方向またはリーン方向に変化し、それを補正すべく空燃比補正係数ＫＡＦが減少または増加する。ここで、検出誤差ＥＲＲ＝ＱＡＩＲＡ−ＱＡＩＲで定義すると、吸入空気量センサ１９が劣化していくと、実吸入空気量ＱＡＩＲＡが小さい範囲では、検出誤差ＥＲＲがマイナスとなり（検出吸入空気量ＱＡＩＲが実吸入空気量ＱＡＩＲＡに比べて大きくなり）、実吸入空気量ＱＡＩＲＡが大きい範囲では、検出誤差ＥＲＲがプラスとなる（検出吸入空気量ＱＡＩＲが実吸入空気量ＱＡＩＲＡに比べて小さくなる）傾向を示す。その結果、吸入空気量ＱＡＩＲと空燃比補正係数ＫＡＦの相関特性が、図３に示すような右上がりの特性となる。すなわち、実吸入空気量ＱＡＩＲＡが小さい範囲では、検出吸入空気量ＱＡＩＲが実吸入空気量ＱＡＩＲＡより大きくなり、基本燃料噴射時間ＴＩＭが最適値より大きくなるため、これを補正すべく空燃比補正係数ＫＡＦが「１．０」より小さくなるが、実吸入空気量ＱＡＩＲＡが大きい範囲では、検出吸入空気量ＱＡＩＲが実吸入空気量ＱＡＩＲＡより小さくなり、基本燃料噴射時間ＴＩＭが最適値より小さくなるため、これを補正すべく空燃比補正係数ＫＡＦが「１．０」より大きくなる。
ただし、劣化の態様によっては、吸入空気量ＱＡＩＲと空燃比補正係数ＫＡＦの相関特性が、図３とは逆に右下がりの特性となる可能性もある。
【００３１】
吸入空気量ＱＡＩＲと空燃比補正係数ＫＡＦの相関特性は、上述したような吸入空気量センサ１９の劣化だけでなく、吸入空気量センサ１９の特性ばらつきに起因する基本燃料噴射時間ＴＩＭのずれの影響も反映する。したがって、この相関特性に基づいて学習補正係数を算出し、式（１）に適用することによって、吸入空気量センサ１９の劣化のみならず、吸入空気量センサ１９の特性ばらつきの影響も補償することができる。
【００３２】
本実施形態では、以上の点に着目し、検出吸入空気量ＱＡＩＲと、空燃比補正係数ＫＡＦとの相関特性に基づいて、吸入空気量センサ１９の異常（劣化度合が進んだ状態）を判定することとした。さらに、学習補正係数ＫＲＥＦＧを空燃比影響パラメータＱＡＩＲ及び空燃比補正係数ＫＡＦの相関特性に基づいて算出し、異常と判定されない程度の劣化度合に応じて空燃比を適切に補正するとともに、吸入空気量センサ１９の特性ばらつきの影響を補償することとした。
【００３３】
図３に示す相関特性は、図４に示すように直線ＬＳＴに対応する近似式で表すことができる。すなわち下記式（２）で定義することができる。
ＫＡＦ(k)＝Ａ×ＱＡＩＲ(k-d)＋Ｂ （２）
ここで、Ａ，Ｂは、最小２乗法によって算出され、相関特性を定義する相関パラメータである。より具体的には、図４に示すように、Ａは直線ＬＳＴの傾きに相当し、Ｂは検出吸入空気量ＱＡＩＲが０であるときの空燃比補正係数ＫＡＦに相当する。またｋは制御周期で離散化した時刻であり、ｄは検出吸入空気量ＱＡＩＲの変化の影響が、空燃比補正係数ＫＡＦに反映されるまでのむだ時間である。
【００３４】
一般に最小２乗法によって信頼性の高い相関パラメータＡ，Ｂを算出するためには、多数の検出吸入空気量ＱＡＩＲ(k)及び空燃比補正係数ＫＡＦ(k)のデータが必要である。そのため、相関パラメータ演算のために多数のデータをメモリに蓄積する必要がある。
【００３５】
さらに最小２乗法の実行には、逆行列演算が必要となり、エンジン制御用のＣＰＵの演算能力では演算時間が長くなって、車両走行中（エンジン作動中）に演算を終えることができないといった問題や、他のエンジン制御のための演算が実行できなくなるといった問題が発生する。そのような問題を避けるためには、逆行列演算のための専用のＣＰＵを設けることが考えられるが、コストが大幅に上昇することとなる。
【００３６】
そこで本実施形態では、適応制御やシステム同定に用いられる逐次型同定アルゴリズムを相関パラメータＡ，Ｂの算出に応用することとした。逐次同定型アルゴリズムは、漸化式を用いるアルゴリズムである。より具体的には、逐次型同定アルゴリズムは、時系列で得られる処理対象データの今回値（最新値）ＱＡＩＲ(k)及びＫＡＦ(k)と、相関パラメータの前回値Ａ(k-1)，Ｂ(k-1)とに基づいて、相関パラメータの今回値Ａ(k)及びＢ(k)を算出するアルゴリズムである。
【００３７】
相関パラメータＡ，Ｂを要素とする相関パラメータベクトルθ(k)を下記式（３）で定義すると、逐次型同定アルゴリズムによれば、相関パラメータベクトルθ(k)は下記式（４）により算出される。
θ(k)T＝［Ａ(k) Ｂ(k)］ （３）
θ(k)＝θ(k-1)＋ＫＰ(k)×ｅｉｄ(k) （４）
式（４）のｅｉｄ(k)は、下記式（５）及び（６）で定義される同定誤差である。またＫＰ(k)は、下記式（７）で定義されるゲイン係数ベクトルであり、式（７）のＰ(k)は、下記式（８）により算出される２次の正方行列である。
ｅｉｄ(k)＝ＫＡＦ(k)−θ(k-1)Tζ(k) （５）
ζT(k)＝［ＱＡＩＲ(k-d) １］ （６）
【数１】
式（８）の係数λ１，λ２の設定により、式（４）〜（８）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）
【００３９】
本実施形態では、係数λ１を０と１の間の所定値λに設定し、係数λ２を１に設定する重み付き最小２乗法アルゴリズムを採用しているが、他のアルゴリズムを採用してもよい。統計処理に適しているのは、最小２乗法アルゴリズム及び重み付き最小２乗法アルゴリズムである。
【００４０】
式（４）〜（８）の逐次型同定アルゴリズムによれば、前述した一括演算型最小２乗法の演算で必要とされる逆行列演算は不要であり、メモリに記憶すべき値はＡ(k)、Ｂ(k)及びＰ(k)（２列２行の行列）のみである。したがって、逐次型重み付き最小２乗法を用いることにより、統計処理演算を簡略化することができ、特別なＣＰＵを用いることなく、エンジン制御用ＣＰＵにより演算することが可能となる。
【００４１】
また逐次型重み付き最小２乗法では、同定誤差ｅｉｄの算出に係わるパラメータ（ζ、ＫＡＦ）の変動中心を「０」とした方が、より精度の高い相関パラメータを算出することができる。よって、本実施形態では同定誤差ｅｉｄ(k)を前記式（５）に代えて、下記式（５ａ）により算出するようにした。
ｅｉｄ(k)＝（ＫＡＦ(k)−１）−θ(k-1)Tζ(k) （５ａ）
【００４２】
式（５ａ）を用いることにより、図４の直線ＬＳＴを求める演算は、図５の直線ＬＳＴａを求める演算に変換され、パラメータ（ＫＡＦ(k)−１）の変動中心が「０」となるので、より精度の高い相関パラメータを得ることができる。
【００４３】
さらに本実施形態では、相関パラメータＡ(k)及びＢ(k)の値を、それぞれ下記式（９）及び（１０）を満たすように制限することにより、より安定した相関パラメータの算出を行えるようにしている。
ＡＬ＜Ａ(k)＜ＡＨ （９）
ＢＬ＜Ｂ(k)＜ＢＨ （１０）
ここで、ＡＬ及びＡＨは、相関パラメータＡ(k)の下限値及び上限値である。またＢＬ及びＢＨは、相関パラメータＢ(k)の下限値及び上限値である。
【００４４】
次に相関パラメータを用いた吸入空気量センサ１９の異常判定について説明する。
既に説明したように、吸入空気量センサ１９が正常であるときは、図６（ａ）に示すような相関特性が得られるが、塵埃の付着などに起因する劣化の度合が大きい異常が発生すると、同図（ｂ）に示すような相関特性となる。すなわち、直線ＬＳＴ０の傾きＡが変化し、直線ＬＳＴ０が直線ＬＳＴ１に変化する。したがって、上述した手法により算出される相関パラメータＡ(k)の絶対値が、判定閾値ＸＱＸＮＧより小さいときは（｜Ａ(k)｜＜ＸＱＸＮＧ）、吸入空気量センサ１９が正常であると判定し、判定閾値ＸＱＸＮＧ以上であるときは（｜Ａ(k)｜≧ＸＱＸＮＧ）、吸入空気量センサ１９が異常であると判定するようにした。判定閾値ＸＱＸＮＧは実験により適当な値に設定される。
【００４５】
次に学習補正係数ＫＲＥＦＧの算出手法について説明する。
図５に示した直線ＬＳＴａを表す式は、下記式（１１）のようになる。
ＫＡＦ−１＝Ａ(k)×ＱＡＩＲ＋Ｂ(k) （１１）
これを変形すると下記式（１２）が得られる。
ＫＡＦ＝Ａ(k)×ＱＡＩＲ＋Ｂ(k)＋１ （１２）
この式（１２）は、相関パラメータＡ(k)及びＢ(k)が、重み付き最小２乗法によって算出されるため、統計処理によって求められた、検出吸入空気量ＱＡＩＲと空燃比補正係数ＫＡＦとの相関関係を示している。したがって、検出吸入空気量ＱＡＩＲが与えられたときに、統計的に予測される空燃比補正係数ＫＡＦＥが、式（１２）の右辺により求められる。そこで、この予測空燃比補正係数ＫＡＦＥを学習補正係数ＫＲＥＦＧとすると、学習補正係数ＫＲＥＦＧは、下記式（１２ａ）により算出される。
ＫＲＥＦＧ＝Ａ(k)×ＱＡＩＲ(k)＋Ｂ(k)＋１ （１２ａ）
【００４６】
この学習補正係数ＫＲＥＦＧを式（１）に適用して燃料噴射時間ＴＯＵＴの算出に使用することにより、吸入空気量センサ１９が劣化した場合でも空燃比補正係数ＫＡＦによる補償は不要となり、空燃比補正係数ＫＡＦは正常時と同様に「１．０」近傍の値に維持される。すなわち、空燃比フィードバック制御の制御中心が偏倚するのを防止することができる。
【００４７】
ところが式（１２ａ）により算出される学習補正係数ＫＲＥＦＧを式（１）に適用すると、下記のような制御のハンチングが発生する。
１）直線ＬＳＴの傾きが０からより大きな値に増加（相関パラメータＡ(k)の増加）
→ ２）学習補正係数ＫＲＥＦＧが１．０より増加
→ ３）相関パラメータＡ(k)の減少（０に漸近）
→ ４）学習補正係数ＫＲＥＦＧが１．０に戻る（直線ＬＳＴの傾きが０に戻る）
→ １）直線ＬＳＴの傾きが０からより大きな値に増加（相関パラメータＡ(k)の増加）
【００４８】
そこでこのハンチングを防止するために、相関パラメータＡ(k)及びＢ(k)を算出するときには、空燃比補正係数ＫＡＦをそのまま用いずに、下記式（１３）により算出される修正空燃比補正係数ＫＡＦＭＯＤ(k)を用いることとした。
ＫＡＦＭＯＤ(k)＝ＫＡＦ(k)×ＫＲＥＦＧ(k-d) （１３）
式（１３）は、学習補正係数ＫＲＥＦＧの増加による吸気側での空燃比変化が、ＬＡＦセンサ１４を介して空燃比補正係数ＫＡＦに反映されるまでのむだ時間ｄを考慮したものである。
【００４９】
そして前記式（１１）に代えて下記式（１１ａ）で示すように、パラメータ（ＫＡＦＭＯＤ−１）と、検出吸入空気量ＱＡＩＲとの相関を示す相関パラメータＡ(k)及びＢ(k)を，前述した逐次型最小２乗法で求めるようにした。すなわち、図７に示すような直線ＬＳＴａを定義する相関パラメータＡ(k)及びＢ(k)を求めるようにした。
ＫＡＦＭＯＤ−１＝Ａ(k)×ＱＡＩＲ＋Ｂ(k) （１１ａ）
【００５０】
この場合には、前記式（５ａ）に代えて下記式（５ｂ）を用いて同定誤差ｅｉｄ(k)が算出され、式（５ｂ）とともに式（４）及び（６）〜（８）を用いて相関パラメータベクトルθ(k)が算出される。
ｅｉｄ(k)＝（ＫＡＦＭＯＤ(k)−１）−θ(k-1)Tζ(k) （５ｂ）
【００５１】
このように先ず検出吸入空気量ＱＡＩＲとパラメータ（ＫＡＦＭＯＤ−１）との相関特性を示す相関パラメータＡ(k)及びＢ(k)を算出し、次いで下記式（１２ａ）により学習補正係数ＫＲＥＦＧを求める。
ＫＲＥＦＧ＝Ａ(k)×ＱＡＩＲ＋Ｂ(k)＋１ （１２ａ）
【００５２】
これにより、制御のハンチングを防止しつつ精度のよい学習補正係数ＫＲＥＦＧを得ることができる。そして学習補正係数ＫＲＥＦＧを式（１）に適用することにより、空燃比の制御精度を向上させ良好な排気特性を維持することができる。
【００５３】
図８は、検出吸入空気量ＱＡＩＲと、空燃比補正係数ＫＡＦとの相関特性の他の例を示している。この例において、検出吸入空気量ＱＡＩＲが小さい領域では、例えば２次曲線ＬＣによって相関特性を表した方が、より正確な相関特性が得られるが、検出吸入空気量ＱＡＩＲが大きい領域では、大きく外れてしまい、正確な相関特性を表さない。
【００５４】
そこで本実施形態では、図９に示すように、エンジン運転領域を吸入空気量に応じて第１の運転領域Ｒ１と、第２の運転領域Ｒ２とに分割し、それぞれに領域における相関特性を示す直線ＬＲ１及びＬＲ２を求めるようにした。換言すれば、第１及び第２の運転領域Ｒ１，Ｒ２にそれぞれ対応する第１の相関パラメータベクトルθ１(k)及び第２の相関パラメータベクトルθ２(k)（下記式（１５）、（１６）参照）が求められる。
θ１T(k)＝［Ａ１(k) Ｂ１(k)］ （１５）
θ２T(k)＝［Ａ２(k) Ｂ２(k)］ （１６）
【００５５】
第１の運転領域Ｒ１と、第２の運転領域Ｒ２とは、重複するように設定されており、図９における所定吸入空気量ＱＡＩＲ１及びＱＡＩＲ２は、例えばそれぞれ２０ｇ／ｓｅｃ及び４０ｇ／ｓｅｃに設定される。
【００５６】
このように２つの相関パラメータベクトルθ１及びθ２（２つの直線ＬＲ１及びＬＲ２）によって検出吸入空気量ＱＡＩＲと、空燃比補正係数ＫＡＦとの相関特性を表し、学習補正係数ＫＲＥＦＧの算出に使用する相関パラメータベクトルは、図１０に示すように、直線ＬＲ１とＬＲ２の交点ＰＸにおいて切り換えるようにした。これにより、相関パラメータベクトルの変更によって、学習補正係数ＫＲＥＦＧが急変することがなく、滑らか切換が可能となる。
【００５７】
図１０（ａ）は、交点ＰＸが第１の運転領域Ｒ１と第２の運転領域Ｒ２の重複範囲にある例を示し、同図（ｂ）は、交点ＰＸが第２の運転領域Ｒ２にある例を示す。同図（ｂ）から明らかなように、交点ＰＸが第２の運転領域Ｒ２にある場合には、第２の運転領域Ｒ２においても、吸入空気量ＱＡＩＲが交点ＰＸに対応する吸入空気量ＱＡＩＲＸ以下であるときは、第１の相関パラメータベクトルθ１が使用される。
【００５８】
図１１は、上述した手法により相関パラメータベクトルθ１(k)及びθ２(k)を算出し、学習補正係数ＫＲＥＦＧを算出し、これを用いて燃料噴射時間ＴＯＵＴを算出する処理のフローチャートである。またこの処理では、相関パラメータＡ１(k)及びＡ２(k)に基づいて吸入空気量センサ１９の異常判定が行われる。図１１の処理は、ＴＤＣ信号パルスの発生に同期してＥＣＵ５のＣＰＵで実行される。
【００５９】
ステップＳ１では、エンジン１の始動が完了しているか否かを判別する。完了していないときは、吸気管内絶対圧ＰＢＡ及びエンジン回転数ＮＥに応じて設定されたＴＩＳマップを検索し、始動用の基本燃料量ＴＩＳを算出する（ステップＳ２）。次いで始動用の補正係数Ｋ１Ｓ及び補正変数Ｋ２Ｓを算出し（ステップＳ３）、下記式（１７）により始動時の燃料噴射時間ＴＯＵＴＳを算出して（ステップＳ４）、本処理を終了する。
ＴＯＵＴＳ＝ＴＩＳ×Ｋ１Ｓ＋Ｋ２Ｓ （１７）
【００６０】
エンジン１の始動が完了しているときは、ステップＳ１からステップＳ１３に進み、吸入空気量センサ１９により検出される吸入空気量ＱＡＩＲ(k)を読み込む。
【００６１】
ステップＳ１４では、下記式（１８）により検出車速ＶＰにローパスフィルタ処理を行い、車速フィルタリング値Ｖｆｌｔ(k)を算出する。
【００６２】
続くステップＳ１５では、車速フィルタリング値の今回値Ｖｆｌｔ(k)と前回値Ｖｆｌｔ(k-1)との差の絶対値が、所定車速変化量ＸＤＶＬＭ（例えば０．８ｋｍ／ｈ）より小さいか否かを判別し、その答が否定（ＮＯ）であるときはステップＳ２２に進む。ステップＳ１５の答が肯定（ＹＥＳ）であるときは、エンジン回転数ＮＥが所定上限値ＸＮＥＨ(例えば、４０００ｒｐｍ）と所定下限値ＸＮＥＬ（例えば、４００ｒｐｍ）の範囲内にあるか否かを判別する（ステップＳ１６）。その答が否定（ＮＯ）であるときはステップＳ２２に進み、ステップＳ１６の答が肯定（ＹＥＳ）であるときは、吸気管内絶対圧ＰＢＡが所定上限値ＸＰＢＨ（例えば、８８ｋＰａ）と所定下限値ＸＰＢＬ（例えば、２８ｋＰａ）の範囲内にあるか否かを判別する（ステップＳ１７）。その答が否定（ＮＯ）であるときはステップＳ２２に進み、肯定（ＹＥＳ）であるときは、上述した式（４）、（５ｂ）、（６）〜（８）及び（１１ａ）により、第１の運転領域Ｒ１おいては、第１の相関パラメータベクトルθ１(k)（相関パラメータＡ１(k)及びＢ１(k)）の算出を行う一方、第２の運転領域Ｒ２においては、第２の相関パラメータベクトルθ２(k)（相関パラメータＡ２(k)及びＢ２(k)）の算出を行う（ステップＳ１８）。
【００６３】
続くステップＳ２０では、相関パラメータＡ１(k)及びＡ２(k)に応じて、異常判定を行う。すなわち、相関パラメータＡ１(k)の絶対値が、判定閾値ＸＱＸＮＧ１以上であるか否かの判別、及び相関パラメータＡ２(k)の絶対値が、判定閾値ＸＱＸＮＧ２以上であるか否かの判別を行い、｜Ａ(k)１｜≧ＸＱＸＮＧ１または｜Ａ(k)２｜≧ＸＱＸＮＧ２であるときは、吸入空気量センサ１９が異常であると判定する。異常と判定した場合には、警告ランプの点灯により当該車両の運転者への警告を行う。
【００６４】
ステップＳ２１では、相関パラメータＡ１(k)及びＢ１(k)、並びにＡ２(k)及びＢ２(k)が、それぞれ式（９）または（１０）の条件を満たすように、制限処理を行う。すなわち、式（９）及び／または（１０）の条件が満たされないときは、その条件を満たさない相関パラメータの値を、式（９）または（１０）の条件を満たすように修正する。
【００６５】
ステップＳ２２では、図１２に示すＫＲＥＦＧ算出処理を実行し、学習補正係数ＫＲＥＦＧを算出する。
ステップＳ２３では、ＬＡＦセンサ１４の出力に応じた空燃比フィードバック制御により、空燃比補正係数ＫＡＦを算出する。すなわち空燃比補正係数ＫＡＦは、検出空燃比が目標空燃比に一致するように算出される。
ステップＳ２４では、パージ補正係数ＫＰＵＲＧＥ、並びに式（１）に適用される他の補正係数Ｋ１及び補正変数Ｋ２を算出し、次いで式（１）により、燃料噴射時間ＴＯＵＴを算出する（ステップＳ２５）。
【００６６】
図１２は、図１１のステップＳ２２において学習補正係数ＫＲＥＦＧを算出する処理のフローチャートである。
ステップＳ３１では、下記式（１９）により、空燃比補正係数ＫＡＦの移動平均値ＫＡＦＡＶＥを算出する。なお、式（１９）のＮは例えば「１０」に設定される。
【数２】
ステップＳ３２では、下記式（２０）により、吸入空気量ＱＡＩＲの移動平均値ＱＡＩＲＡＶＥを算出する。
【数３】
ステップＳ３３では、下記式（２１）及び（２２）に、吸入空気量の移動平均値ＱＡＩＲＡＶＥ、第１及び第２の相関パラメータベクトルθ１(k)及びθ２(k)を適用し、第１運転領域補正係数ＫＲＥＦＧ１及び第２運転領域補正係数ＫＲＥＦＧ２を算出する。
ＫＲＥＦＧ１＝Ａ１(k)×ＱＡＩＲＡＶＥ＋Ｂ１(k)＋１．０ （２１）
ＫＲＥＦＧ２＝Ａ２(k)×ＱＡＩＲＡＶＥ＋Ｂ２(k)＋１．０ （２２）
【００６９】
ステップＳ３４では、相関パラメータＢ１(k)が相関パラメータＢ２(k)より小さいか否かを判別し、Ｂ１(k)＜Ｂ２(k)であるとき（図１０（ａ）に示すような場合）は、第１運転領域補正係数ＫＲＥＦＧ１及び第２運転領域補正係数ＫＲＥＦＧ２のうち、小さい方を選択することにより、学習補正係数ＫＲＥＦＧを算出する（ステップＳ３５）。
【００７０】
一方、Ｂ１(k)≧Ｂ２(k)であるとき（図１０（ｂ）に示すような場合）は、第１運転領域補正係数ＫＲＥＦＧ１及び第２運転領域補正係数ＫＲＥＦＧ２のうち、大きい方を選択することにより、学習補正係数ＫＲＥＦＧを算出する（ステップＳ３６）。
ステップＳ３４〜Ｓ３６により、学習補正係数ＫＲＥＦＧの算出に使用する相関パラメータベクトルを、直線ＬＲ１とＬＲ２の交点ＰＸで切り換える処理が実行される。
【００７１】
ステップＳ３７では、下記式（２３）に空燃比補正係数の移動平均値ＫＡＦＡＶＥ及びむだ時間ｄだけ前の学習補正係数ＫＲＥＦＧ(k-d)を適用し、修正空燃比補正係数ＫＡＦＭＯＤを算出する。
ＫＡＦＭＯＤ＝ＫＡＦＡＶＥ×ＫＲＥＦＧ(k-d) （２３）
【００７２】
以上のように本実施形態によれば、空燃比補正係数ＫＡＦと、検出吸入空気量ＱＡＩＲとの相関関係を定義する相関パラメータベクトルθ１及びθ２が逐次型統計処理アルゴリズムを用いて算出される。逐次型統計処理アルゴリズムを用いることにより、その演算のための特別なＣＰＵを必要とせず、比較的小さなメモリ容量で統計処理演算により相関パラメータベクトルθ１及びθ２を算出することができる。
【００７３】
さらにエンジン運転領域を第１の運転領域Ｒ１と、第２の運転領域とに分割し、第１及び第２の運転領域Ｒ１及びＲ２に対応させて、相関パラメータベクトルθ１及びθ２が算出される。すなわち、検出吸入空気量ＱＡＩＲと、パラメータ（ＫＡＦＭＯＤ−１）との相関特性が、２つの直線ＬＲ１及びＬＲ２で近似されるので、１つの直線で近似する場合に比べて、エンジン運転領域全体に亘って、より正確な相関特性を得ることができる。
【００７４】
さらに学習補正係数ＫＲＥＦＧが、第１及び第２の相関パラメータベクトルθ１及びθ２を用いて算出されるので、吸入空気量センサ１９の特性変化に対応した精度の良い学習補正係数ＫＲＥＦＧを、機関運転状態の広い範囲に亘って得ることができる。そして、空燃比補正係数ＫＡＦ及び学習補正係数ＫＲＥＦＧを用いて燃料噴射時間ＴＯＵＴが算出されるので、空燃比補正係数ＫＡＦの制御中心を「１．０」近傍に維持して良好な制御性を維持することができる。
【００７５】
さらに相関パラメータＡ１(k)及びＡ２(k)に基づいて吸入空気量センサ１９の異常判定が行われるので、吸入空気量センサ１９の検出精度を常時監視し、異常判定の精度を向上させることができる。
また車速の変動が少なく、かつエンジン回転数ＮＥ及び吸気管内絶対圧ＰＢＡが所定上下限値の範囲内にある運転状態で相関パラメータベクトルθ１及びθ２を算出するようにしたので、相関パラメータの精度を向上させ、学習補正の精度をより向上させることができる。
【００７６】
本実施形態では、ＥＣＵ５が、基本燃料量算出手段、空燃比補正係数算出手段、燃料量制御手段、相関パラメータ算出手段、及び学習手段を構成する。具体的には、図１１のステップＳ２３が空燃比補正係数算出手段に相当し、ステップＳ１８が相関パラメータ算出手段に相当し、ステップＳ２２（図１２の処理）が学習手段に相当し、ステップＳ２５が基本燃料量算出手段及び燃料量制御手段に相当しに相当する。
【００７７】
なお、上述した実施形態では、検出吸入空気量ＱＡＩＲとパラメータ（ＫＡＦＭＯＤ−１）との相関特性を直線で近似したが、例えば図８に示したように、一部の運転領域では、直線でなく２次曲線や３次曲線で近似することも可能である。例えば２次曲線の場合には、下記式（２４）により相関特性を近似することとする。
ＫＡＦＭＯＤ−１＝Ａ１(k)ＱＡＩＲ2＋Ｂ１(k)ＱＡＩＲ＋Ｃ１(k)（２４）
【００７８】
ここで近似曲線の傾きＦは下記式（２５）で与えられる。
Ｆ＝２Ａ(k)ＱＡＩＲ＋Ｂ(k) （２５）
２次曲線で近似した場合も、吸入空気量センサ１９の異常時には、曲線の傾きの絶対値が増大する。したがって、吸入空気量ＱＡＩＲが平均的な値ＱＡＩＲＭであるときの傾きＦが所定閾値以上のとき、吸入空気量センサ１９が異常と判定することができる。
【００７９】
また上述した実施形態では、エンジン運転領域を、検出吸入空気量ＱＡＩＲに応じて２つの運転領域Ｒ１及びＲ２に分割したが、３以上の運転領域に分割し、分割された各運転領域に対応する相関パラメータベクトルを算出するようにしてもよい。また、検出吸入空気量ＱＡＩＲではなく、エンジン回転数ＮＥ及び吸気管内絶対圧ＰＢＡに応じて、エンジン運転領域を分割するようにしてもよい。
【００８０】
また上述した実施形態では、２つの直線ＬＲ１及びＬＲ２の交点で、学習補正係数ＫＲＥＦＧの算出に使用する相関パラメータベクトルを切り換えるようにしたが、これに限るものではなく、例えば図１３（ａ）及び（ｂ）に示すように、第１の運転領域Ｒ１と第２の運転領域Ｒ２が重複する範囲では、２つの直線ＬＲ１とＬＲ２を滑らかに接続する過渡直線ＬＴＲに対応する相関パラメータベクトルθＴＲを算出し、この相関パラメータベクトルθＴＲを用いて学習補正係数ＫＲＥＦＧを算出するようにしてもよい。
【００８１】
また、同図（ｃ）に示すように、第１の運転領域Ｒ１と第２の運転領域Ｒ２が重複する範囲では、２つの直線ＬＲ１とＬＲ２を平均化することにより得られる平均化直線ＬＡＶに対応する相関パラメータベクトルθＡＶを算出し、この相関パラメータベクトルθＡＶを用いて学習補正係数ＫＲＥＦＧを算出するようにしてもよい。
【００８２】
また、上述した図１１のステップＳ１５では、車速ＶＰのフィルタリング値Ｖｆｌｔの変化量が所定車速変化量ＸＤＶＬＭより小さいか否かを判別するようにしたが、これに代えて、エンジン回転数ＮＥのローパスフィルタリング値の変化量が所定変化量より小さいか否か、及び／または吸気管内絶対圧ＰＢＡのローパスフィルタリング値の変化量が所定変化量より小さいか否かを判別するようにしてもよい。
【００８３】
その場合には、エンジン回転数ＮＥのローパスフィルタリング値の変化量が所定変化量より小さいとき、吸気管内絶対圧ＰＢＡのローパスフィルタリング値の変化量が所定変化量より小さいとき、あるいはエンジン回転数ＮＥのローパスフィルタリング値の変化量が所定変化量より小さく、かつ吸気管内絶対圧ＰＢＡのローパスフィルタリング値の変化量が所定変化量より小さいとき、図１１のステップＳ１５からステップＳ１６に進む。
【００８４】
また本発明は、クランク軸を鉛直方向とした船外機などのような船舶推進機用エンジンなどの制御にも適用が可能である。
【００８５】
【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、空燃比センサにより検出される空燃比が目標空燃比に一致するように内燃機関に供給する燃料量を補正する空燃比補正係数と、吸入空気量検出手段により検出される吸入空気量との相関関係を定義する複数の相関パラメータベクトルが、逐次型統計処理アルゴリズムを用いて算出され、その相関パラメータベクトルを用いて吸入空気量検出手段の特性変化に関わる学習補正係数が算出される。そして、吸入空気量検出手段により検出される吸入空気量に応じて算出される基本燃料量、前記空燃比補正係数及び学習補正係数を用いて、前記機関に供給する燃料量が制御される。すなわち、多くの検出データに基づく統計処理により相関パラメータベクトルが算出され、その相関パラメータベクトルを用いて学習補正係数が算出されるので、変動する機関運転状態の平均的な状態に対応した精度の高い学習補正係数を得ることができる。また、逐次型統計処理アルゴリズムを用いることにより、特別な演算装置（ＣＰＵ）を必要とせず、比較的小さなメモリ容量で統計処理演算を実行することができる。さらに、複数の機関運転領域に対応して複数の相関パラメータベクトルが算出されるので、機関運転状態が変化しても学習補正係数の高い精度を維持することができる。また、空燃比補正係数をそのまま用いて相関パラメータベクトルを算出すると、学習補正係数による学習制御がハンチング状態となるおそれがあるが、修正空燃比補正係数を用いることによりそのような不具合を回避することができる。
【００８６】
請求項２に記載の発明によれば、相関関係を一次式で定義する複数の相関パラメータベクトルが算出され、前記複数の相関パラメータベクトルから求まる一次式に対応する複数の直線の交点において、学習補正係数の算出に使用する相関パラメータベクトルが切り換えられる。これにより、相関パラメータベクトルの切換に伴って学習補正係数が急変することが防止され、円滑な切換が可能となる。
【００８７】
請求項３に記載の発明によれば、前記機関が所定運転状態にあるとき、相関パラメータベクトルの算出が行われるので、相関パラメータの精度を向上させ、学習補正の精度をより向上させることができる。
【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及びその燃料供給制御装置の構成を示す図である。
【図２】空燃比補正係数（ＫＡＦ）と吸入空気量センサにより検出される吸入空気量（ＱＡＩＲ）との関係（正常時）を示す図である。
【図３】空燃比補正係数（ＫＡＦ）と吸入空気量センサにより検出される吸入空気量（ＱＡＩＲ）との関係（異常時）を示す図である。
【図４】空燃比補正係数（ＫＡＦ）と吸入空気量センサにより検出される吸入空気量（ＱＡＩＲ）との相関関係を近似する直線（ＬＳＴ）を示す図である。
【図５】空燃比補正係数に応じたパラメータ（ＫＡＦ−１）と吸入空気量センサにより検出される吸入空気量（ＱＡＩＲ）との関係を示す図である。
【図６】空燃比補正係数に応じたパラメータ（ＫＡＦ−１）と吸入空気量センサにより検出される吸入空気量（ＱＡＩＲ）との関係（正常時と異常時）を対比して示す図である。
【図７】修正空燃比補正係数に応じたパラメータ（ＫＡＦＭＯＤ−１）と吸入空気量センサにより検出される吸入空気量（ＱＡＩＲ）との関係を示す図である。
【図８】エンジン運転領域全体に亘って１つの相関関係を適用する場合の問題点を説明するための図である。
【図９】相関関係を２つの直線で近似する例を説明するための図である。
【図１０】２つの直線で近似する例における直線の選択方法を説明するための図である。
【図１１】燃料噴射時間（ＴＯＵＴ）を算出する処理のフローチャートである。
【図１２】学習補正係数（ＫＲＥＦＧ）を算出する処理のフローチャートである。
【図１３】図１０に示した選択方法の変形例を示す図である。
【符号の説明】
１ 内燃機関
２ 吸気管
５ 電子制御ユニット（基本燃料量算出手段、空燃比補正係数算出手段、燃料量制御手段、相関パラメータ算出手段、学習手段）
６ 燃料噴射弁
１９ 吸入空気量センサ（吸入空気量検出手段）
Claims (3)
- 内燃機関の吸入空気量を検出する吸入空気量検出手段と、該吸入空気量検出手段により検出される吸入空気量に応じて前記機関に供給する基本燃料量を算出する基本燃料量算出手段と、前記機関の排気系に設けられた空燃比センサと、該空燃比センサにより検出される空燃比が目標空燃比に一致するように前記機関に供給する燃料量を補正する空燃比補正係数を算出する空燃比補正係数算出手段と、前記基本燃料量及び前記空燃比補正係数を用いて前記機関に供給する燃料量を制御する燃料量制御手段とを備える内燃機関の燃料供給制御装置において、
前記空燃比補正係数と、前記吸入空気量検出手段により検出される吸入空気量との相関関係を定義する複数の相関パラメータベクトルを逐次型統計処理アルゴリズムを用いて算出する相関パラメータ算出手段と、
前記複数の相関パラメータベクトルを用いて前記吸入空気量検出手段の特性変化に関わる学習補正係数を算出する学習手段とを備え、
前記相関パラメータ算出手段は、前記空燃比補正係数を前記学習補正係数により修正することにより修正空燃比補正係数を算出し、該修正空燃比補正係数を用いて、前記機関の複数の運転領域に対応させて前記複数の相関パラメータベクトルを算出し、
前記燃料量制御手段は、前記基本燃料量、空燃比補正係数及び学習補正係数を用いて前記燃料量を制御することを特徴とする内燃機関の燃料供給制御装置。 - 前記相関パラメータ算出手段は、前記相関関係を一次式で定義する複数の相関パラメータベクトルを算出し、前記学習手段は、前記複数の相関パラメータベクトルから求まる一次式に対応する複数の直線の交点において、前記学習補正係数の算出に使用する相関パラメータベクトルを切り換えることを特徴とする請求項１に記載の内燃機関の燃料供給制御装置。
- 前記相関パラメータ算出手段は、前記機関が所定運転状態にあるとき、前記複数の相関パラメータベクトルの算出を行うことを特徴とする請求項１または２に記載の内燃機関の燃料供給制御装置。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002291818A JP3967246B2 (ja) | 2002-10-04 | 2002-10-04 | 内燃機関の燃料供給制御装置 |
| DE10251875A DE10251875B4 (de) | 2001-11-09 | 2002-11-07 | Kraftstoffzufuhr-Steuer/Regelsystem für einen Motor mit innerer Verbrennung |
| US10/290,394 US6834645B2 (en) | 2001-11-09 | 2002-11-08 | Fuel supply control system for internal combustion engine |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002291818A JP3967246B2 (ja) | 2002-10-04 | 2002-10-04 | 内燃機関の燃料供給制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004124863A JP2004124863A (ja) | 2004-04-22 |
| JP3967246B2 true JP3967246B2 (ja) | 2007-08-29 |
Family
ID=32283269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002291818A Expired - Lifetime JP3967246B2 (ja) | 2001-11-09 | 2002-10-04 | 内燃機関の燃料供給制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3967246B2 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4639166B2 (ja) * | 2006-05-18 | 2011-02-23 | 本田技研工業株式会社 | 制御装置 |
| JP4740272B2 (ja) * | 2008-02-27 | 2011-08-03 | 本田技研工業株式会社 | 内燃機関の吸気制御装置 |
| JP5510154B2 (ja) * | 2010-07-28 | 2014-06-04 | 株式会社豊田自動織機 | 内燃機関の燃料噴射量補正制御方法および制御装置 |
| JP7222366B2 (ja) * | 2020-01-27 | 2023-02-15 | トヨタ自動車株式会社 | 内燃機関の制御装置 |
-
2002
- 2002-10-04 JP JP2002291818A patent/JP3967246B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004124863A (ja) | 2004-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7677027B2 (en) | Deterioration detecting apparatus for catalyst | |
| US7024302B2 (en) | Air-fuel ratio control system and method for an internal combustion engine, and engine control unit | |
| US7356985B2 (en) | Air-fuel ratio controller for internal combustion engine | |
| JP3929740B2 (ja) | 内燃機関の制御装置 | |
| US5797384A (en) | Air-fuel ratio control system based on adaptive control theory for internal combustion engines | |
| JPH07253039A (ja) | 適応的加数を用いる燃料制御器 | |
| US5784879A (en) | Air-fuel ratio control system for internal combustion engine | |
| JP3980424B2 (ja) | 内燃機関の空燃比制御装置 | |
| EP0899638A2 (en) | Control system for plants | |
| US20040103890A1 (en) | Air-fuel ratio control system and method and engine control unit for internal combustion engine | |
| EP0899441B1 (en) | Air-fuel ratio control system for multi-cylinder internal combustion engines | |
| US11067026B2 (en) | Engine controller, engine control method, and memory medium | |
| US6834645B2 (en) | Fuel supply control system for internal combustion engine | |
| JPH03179147A (ja) | 内燃機関の空燃比学習制御装置 | |
| JP3967246B2 (ja) | 内燃機関の燃料供給制御装置 | |
| JP5337140B2 (ja) | 内燃機関の空燃比制御装置 | |
| US5983875A (en) | Control system for plants | |
| JPH06229290A (ja) | 内燃機関の空燃比制御装置 | |
| JP4230140B2 (ja) | 内燃機関の燃料供給制御装置 | |
| US6019093A (en) | Air-fuel ratio control system for internal combustion engines | |
| US8726637B2 (en) | Air-fuel ratio control system for internal combustion engine | |
| CN111664017A (zh) | 用于诊断带有内燃机的马达系统中排气系统的组件的方法和装置 | |
| JPH11241644A (ja) | 内燃機関の燃料性状検出装置及び燃料噴射量制御装置 | |
| JPH041439A (ja) | 内燃機関の空燃比制御装置 | |
| JP2009287531A (ja) | 内燃機関の空燃比制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041130 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20061204 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070213 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070411 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20070515 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070530 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 3967246 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110608 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110608 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130608 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130608 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140608 Year of fee payment: 7 |
|
| EXPY | Cancellation because of completion of term |