JP4930727B2 - 内燃機関の空燃比制御装置 - Google Patents

Description

本発明は、内燃機関の空燃比制御装置に係り、詳しくは、実空燃比を推定する技術に関する。

内燃機関では、吸入空気量や燃料噴射量を適正な値に設定するよう空燃比を適正な値とすべく空燃比制御を行っており、当該空燃比制御では、通常は排気通路に設けた空燃比センサ（O_２センサ、ＬＡＦＳ等）からの排気空燃比情報、即ち実空燃比情報に基づき空燃比をフィードバック制御するようにしている。
ところで、一般に現存する空燃比センサには機能するためにある一定の活性温度があり、内燃機関の冷態始動時においては、排気通路の温度も低いために空燃比センサの温度が当該活性温度に達せず、排気空燃比、即ち実空燃比を適正に検出できない場合が多いという問題がある。

そこで、内燃機関の冷態始動時において、空燃比センサを予め加熱（プレヒート）して活性化を促進する技術や、空燃比センサを用いることなく空燃比を推定する技術が種々開発されている。
空燃比を推定する技術としては、例えば、空燃比と関係のある内燃機関の状態を入力パラメータとしてニューラルネットワークにより空燃比を推定する技術が開発されている（特許文献１等参照）。
特開平１０−１７６５７８号公報

ところで、内燃機関に使用する燃料は地域等により燃料性状が一定ではなく、燃料性状が粗悪な燃料も多く存在している。このような燃料性状の違いは、内燃機関の運転に与える影響が大きく、上記特許文献１に記載されたニューラルネットワークでは、例えば検出した燃料性状（燃料種別）をも入力パラメータに含めて空燃比を推定するようにしている（特許文献１の図４３等参照）。

しかしながら、実際には燃料性状は内燃機関の状態を左右し、燃料性状以外の内燃機関の状態を示す何れかの入力パラメータに少なからず影響を与えるものであり、特許文献１に記載された手法では、既に何れかの入力パラメータに燃料性状の要素が含まれていると考えられる。この場合、推定値を正確なものにしようとすれば入力パラメータが多いためにニューラルネットワークの学習が極めて複雑になるおそれがあり、或いは、燃料性状以外の入力パラメータに燃料性状の影響を考慮しないとすれば空燃比の推定や燃料噴射量を適正なものにできないおそれがあり、好ましいことではない。

本発明はこのような問題点を解決するためになされたもので、その目的とするところは、簡単な構成にして燃料性状に拘わらず空燃比を適正に推定可能な内燃機関の空燃比制御装置を提供することにある。

上記目的を達成するため、請求項１の内燃機関の空燃比制御装置は、内燃機関の状態を示す複数のパラメータを入力して、推定モデルに従い、内燃機関から排出される排気の実空燃比を推定し出力するニューラルネットワークと、内燃機関に供給される燃料の燃料性状に応じて前記ニューラルネットワークにおける推定モデルを学習し複数設定する推定モデル設定手段と、内燃機関に供給された燃料の燃料性状を判定する燃料性状判定手段と、該燃料性状判定手段により判定された燃料の燃料性状に応じて前記ニューラルネットワークにおける推定モデルを選択する推定モデル選択手段とを備え、前記推定モデル設定手段は、所定の良質性状の燃料に対しては少なくとも機関回転速度、吸入空気圧及び燃料噴射量からなる一群の制御量をパラメータとして良質燃料用推定モデルを設定し、前記所定の良質性状よりも気化し難い所定の粗悪性状の燃料に対しては前記一群の制御量をパラメータとするとともに燃料の気化し難さに相関する制御量をもパラメータに加えて粗悪燃料用推定モデルを設定し、前記推定モデル選択手段は、前記燃料性状判定手段により判定された燃料の燃料性状が前記所定の良質性状であるときには前記良質燃料用推定モデルを選択し、前記所定の粗悪性状であるときには、前記粗悪燃料用推定モデルを選択することを特徴とする。

請求項２の内燃機関の空燃比制御装置では、請求項１において、前記燃料の気化し難さに相関する制御量は、少なくとも燃料噴射時期と点火時期との期間差であることを特徴とする。
請求項３の内燃機関の空燃比制御装置では、請求項１または２において、前記ニューラルネットワークは、各パラメータを一定の時間間隔で入力して前記実空燃比を推定するものであって、前記推定モデル選択手段により選択された推定モデルが前記粗悪燃料用推定モデルであるときには前記良質燃料用推定モデルよりも長い時間間隔で各パラメータを入力して前記実空燃比を推定することを特徴とする。

請求項４の内燃機関の空燃比制御装置では、請求項１乃至３のいずれかにおいて、前記ニューラルネットワークは、各パラメータを一定の時間間隔で入力するとともに該一定の時間間隔で入力した各パラメータの過去の入力データをも入力して前記実空燃比を推定するものであって、前記推定モデル選択手段により選択された推定モデルが前記粗悪燃料用推定モデルであるときには前記良質燃料用推定モデルよりも多数回の過去の入力データを入力して前記実空燃比を推定することを特徴とする。

請求項１の内燃機関の空燃比制御装置によれば、実空燃比に基づいて空燃比制御を行う際、実空燃比がニューラルネットワークにより内燃機関の状態を示す複数のパラメータを入力として推定モデルに従い推定されるが、当該推定モデルは、推定モデル設定手段により燃料の燃料性状に応じて学習し複数設定されており、推定モデル選択手段により燃料性状判定手段によって判定された燃料の燃料性状に応じて適宜選択される。

このように推定モデルを燃料性状に応じて複数設定するようにすると、推定モデルを燃料性状に相関するパラメータを入力としてその燃料性状に特化して学習するようにでき、推定モデルを煩雑な演算処理をすることなく学習し、推定精度の高い推定モデルを構築することができる。そして、当該燃料性状に応じた推定精度の高い推定モデルを選択的に使用して実空燃比を推定することができる。これにより、簡単な構成にして燃料性状に拘わらず実空燃比を精度良く推定することができる。

従って、内燃機関の冷態始動時のように、排気通路の温度が低く、実空燃比を検出する空燃比センサが未だ活性化しておらず十分機能していないような状況下において、実空燃比を精度良く推定することができ、内燃機関の冷態始動直後から空燃比を適正に制御でき、排気浄化性能の向上を図ることができる。
特に、推定モデル設定手段では、所定の良質性状よりも気化し難い所定の粗悪性状の燃料に対しては少なくとも機関回転速度、吸入空気圧及び燃料噴射量からなる所定の良質性状と同様の一群の制御量をパラメータとするとともに燃料の気化し難さに相関する制御量をもパラメータに加えて粗悪燃料用推定モデルが設定され、燃料性状判定手段により判定された燃料の燃料性状が所定の粗悪性状であるときには良質燃料用推定モデルに代えて粗悪燃料用推定モデルが選択される。

従って、所定の良質性状よりも気化し難い所定の粗悪性状の燃料に対しては少なくとも機関回転速度、吸入空気圧及び燃料噴射量からなる所定の良質性状と同様の一群の制御量をパラメータとするとともに燃料の気化し難さに相関する制御量をもパラメータに加えて粗悪燃料用推定モデルを設定することにより、推定モデルを所定の良質性状と所定の粗悪性状の燃料とにそれぞれ特化して学習し、これらを選択的に使用して実空燃比を推定することができる。これにより、簡単な構成にして燃料が良質性状か粗悪性状かに拘わらず実空燃比を精度良く推定することができる。

請求項２の内燃機関の空燃比制御装置によれば、燃料の気化し難さに相関する制御量は、少なくとも燃料噴射時期と点火時期との期間差であるので、粗悪燃料用推定モデルを燃料の気化し難さに最も相関すると考えられる制御量をパラメータに加えて学習するようにでき、推定精度の高い粗悪燃料用推定モデルを構築することができる。
請求項３の内燃機関の空燃比制御装置によれば、ニューラルネットワークでは、各パラメータが一定の時間間隔で入力されて実空燃比が推定されるが、推定モデル選択手段により選択された推定モデルが粗悪燃料用推定モデルであるときには良質燃料用推定モデルよりも長い時間間隔で各パラメータが入力されて実空燃比が推定される。

即ち、粗悪性状の燃料は良質性状の燃料よりも気化時間が長く応答遅れがあることに鑑み、ニューラルネットワークにおいて各パラメータのサンプリングを良質性状の燃料では短い時間間隔で、粗悪性状の燃料ではこれよりも長い時間間隔で行うようにして実空燃比を推定するようにする。これにより、実空燃比を精度良く推定することができ、空燃比制御の適正化を図るようにできる。

請求項４の内燃機関の空燃比制御装置によれば、ニューラルネットワークでは、各パラメータは一定の時間間隔で入力されるとともに該一定の時間間隔で入力された各パラメータの過去の入力データも入力されて実空燃比が推定されるが、推定モデル選択手段により選択された推定モデルが粗悪燃料用推定モデルであるときには良質燃料用推定モデルよりも多数回の過去の入力データが入力されて実空燃比が推定される。

即ち、粗悪性状の燃料は良質性状の燃料よりも気化時間が長く応答遅れがあることに鑑み、ニューラルネットワークにおいて粗悪燃料用推定モデルであるときには良質燃料用推定モデルよりも多数回の過去の入力データを入力してニューラルネットワークで実空燃比を推定するようにする。これにより、実空燃比を精度良く推定することができ、空燃比制御の適正化を図るようにできる。

以下、本発明の実施形態を添付図面に基づいて説明する。
図１を参照すると、車両に搭載された本発明に係る内燃機関の空燃比制御装置の概略構成図が示されており、以下、当該空燃比制御装置の構成を説明する。
同図に示すように、内燃機関であるエンジン本体（以下、単にエンジンという）１としては、例えば吸気管噴射型（Multi Point Injection：ＭＰＩ）４気筒ガソリンエンジンが採用される。

エンジン１のシリンダヘッド２には、各気筒毎に点火プラグ４が取り付けられており、点火プラグ４には高電圧を出力する点火コイル８が接続されている。
シリンダヘッド２には、各気筒毎に吸気弁を介し吸気ポートが形成されており、各吸気ポートと連通するようにして吸気マニホールド１０の一端がそれぞれ接続されている。吸気マニホールド１０には、電磁式の燃料噴射弁６が取り付けられており、燃料噴射弁６には、燃料パイプ７を介して燃料タンクを擁した燃料供給装置（図示せず）が接続されている。

吸気マニホールド１０の燃料噴射弁６よりも上流側には、吸入空気量を調節する電磁式のスロットル弁１４が設けられており、併せてスロットル弁１４のスロットル開度を検出するスロットルポジションセンサ（ＴＰＳ）１６が設けられている。さらに、スロットル弁１４の上流には、吸入空気量を計測するエアフローセンサ１８が介装されている。
また、シリンダヘッド２には、各気筒毎に排気弁を介し排気ポートが形成されており、各排気ポートと連通するようにして排気マニホールド１２の一端がそれぞれ接続されている。

なお、当該ＭＰＩエンジンは公知のものであるため、その構成の詳細については説明を省略する。
排気マニホールド１２の他端には排気管２０が接続されており、当該排気管２０には、排気浄化触媒装置３０として三元触媒３２が配設されている。
また、排気管２０の三元触媒３２よりも上流側には、排気中のＯ_２濃度を検出することで排気空燃比（排気Ａ／Ｆ）、即ち実空燃比（実Ａ／Ｆ）を検出する空燃比センサ２２が配設されている。空燃比センサ２２としては例えばＯ_２センサが採用されるが、リニアＡ／Ｆセンサ（ＬＡＦＳ）等であってもよい。

ＥＣＵ（電子コントロールユニット）４０は、入出力装置、記憶装置（ＲＯＭ、ＲＡＭ等）、中央処理装置（ＣＰＵ）、タイマカウンタ等を備えており、当該ＥＣＵ４０により、エンジン１を含めた空燃比制御装置の総合的な制御が行われる。
ＥＣＵ４０の入力側には、上述したＴＰＳ１６、エアフローセンサ１８、空燃比センサ２２の他、クランク角を検出するクランク角センサ４２、エンジン１の冷却水温度Ｔwを検出する水温センサ４４、吸気マニホールド１０内の圧力（インマニ圧）Ｐmを検出する圧力センサ４６等の各種センサ類が接続されており、これらセンサ類からの検出情報が入力される。なお、クランク角センサ４２のクランク角情報からはエンジン回転速度Ｎeが算出される
一方、ＥＣＵ４０の出力側には、上述の燃料噴射弁６、点火コイル８、スロットル弁１４等の各種出力デバイスが接続されており、これら各種出力デバイスには各種センサ類からの検出情報に基づき演算された燃料噴射量、燃料噴射時期、点火時期等がそれぞれ出力される。詳しくは、各種センサ類からの検出情報に基づき、燃焼空燃比（燃焼Ａ／Ｆ）が適正な目標空燃比（目標Ａ／Ｆ）に設定され、当該目標Ａ／Ｆに応じた燃料噴射量が設定されるとともに適正な燃料噴射時期Ｔfが設定されて燃料が燃料噴射弁６から噴射され、またスロットル弁１４が適正な開度に調整され、適正な点火時期Ｔsが設定されて点火プラグ４により火花点火が実施される。

また、目標Ａ／Ｆは、さらに空燃比センサ２２からの実Ａ／Ｆ情報に基づきフィードバック制御（Ａ／Ｆ−Ｆ／Ｂ制御）されており、これにより吸入空気量に基づき適正な量の燃料が燃料噴射弁６から噴射される（空燃比制御手段）。
ところで、かかるＡ／Ｆ−Ｆ／Ｂ制御を行うための空燃比センサ２２は、上述したように活性状態にないと十分に機能しないことから、特にエンジン１の冷態始動時には、排気管２０の温度や排気温度が低いために活性状態になく、空燃比センサ２２からの情報を暫時使用することができないという問題がある。

そこで、エンジン１の冷態始動時には、空燃比センサ２２を用いることなくニューラルネットワークを用いて実Ａ／Ｆをファジイ推定するようにしており、当該ニューラルネットワークでは、エンジン１の状態を示す複数のパラメータを入力し、予め学習した推定モデルに従って実Ａ／Ｆを推定するようにしている。なお、ニューラルネットワークによるファジイ推定の一般的な手法については周知であり、その詳細についてはここでは説明を省略する。

一方、エンジン１に使用する燃料は地域等によって燃料性状が異なることが多く、例えば気化の状況（気化し易さ、または、気化し難さ）により通常の良質性状の燃料と粗悪性状の燃料とに大別される。そして、当該燃料性状の違いは、上述したようにエンジン１の状態を示す何れかのパラメータに少なからず影響を与えることから、ニューラルネットワークにおいて常に同一のパラメータを入力として一つの推定モデルで実Ａ／Ｆを推定していると、給油により燃料性状が変わった直後において実Ａ／Ｆを適正に推定できないという問題が生じる。

このようなことから、本発明に係る空燃比制御装置では、通常の良質性状の燃料と粗悪性状の燃料とでそれぞれ推定モデルを設定し、燃料性状に拘わらず実Ａ／Ｆを適正に推定可能に図るようにしており、以下上記のように構成された本発明に係る空燃比制御装置の作用について詳細に説明する。
図２を参照すると、ＥＣＵ４０で実行される、本発明に係る空燃比制御装置の始動時における実Ａ／Ｆ推定制御の制御ルーチンがフローチャートで示されており、以下同図に沿って説明する。

ステップＳ１０では、水温センサ４４からの情報に基づき、エンジン１の冷却水温度Ｔwが所定温度Ｔ1より小（Ｔw＜Ｔ1）であるか否かを判別する。即ち、冷態始動時であるか否かを判別する。判別結果が真（Ｙｅｓ）で冷却水温度Ｔwが所定温度Ｔ1より小であって冷態始動時と判定された場合には、ステップＳ１２に進む。
ステップＳ１２では、クランク角センサ４２のクランク角情報に基づき、エンジン回転速度Ｎeの吹き上がり最大値、即ち吹き上がりＮemaxが所定回転速度Ｎe1よりも小（Ｎemax＜Ｎe1）であるか否かを判別する。判別結果が真（Ｙｅｓ）で吹き上がりＮemaxが所定回転速度Ｎe1よりも小と判定された場合には、ステップＳ１４に進む。

ステップＳ１４では、始動直後の推定Ａ／Ｆの最小値である推定Ａ／Ｆminが所定値Ｘ1以上（推定Ａ／Ｆmin≧Ｘ1）（リーンＡ／Ｆ寄り）であるか否かを判別する。なお、推定Ａ／Ｆは、ここでは例えば後述するように燃料性状が通常の良質性状である場合に選択する通常燃料用推定モデルに基づいてニューラルネットワークで推定された値である。但し、これに限らず他の手法により推定Ａ／Ｆを求めてもよい。判別結果が真（Ｙｅｓ）で推定Ａ／Ｆminが所定値Ｘ1以上と判定された場合には、ステップＳ１６に進む。

ステップＳ１６では、上記吹き上がりＮemax後に所定時間ｔ1（例えば、２sec）が経過したか否かを判別する。判別結果が偽（Ｎｏ）の場合には所定時間ｔ1が経過するのを待つ。一方、判別結果が真（Ｙｅｓ）の場合には、ステップＳ１８に進む。
ステップＳ１８では、上記吹き上がりＮemax後の所定時間ｔ1内における平均推定Ａ／Ｆが所定値Ｘ2以上（推定Ａ／Ｆ≧Ｘ2）（リーンＡ／Ｆ寄り）であるか否かを判別する。判別結果が真（Ｙｅｓ）で平均推定Ａ／Ｆが所定値Ｘ2以上と判定された場合には、ステップＳ２０に進む。

即ち、上記ステップＳ１２〜ステップＳ１８では、現在使用している燃料の燃料性状が所定の良質性状の通常の燃料であるのか、或いは所定の粗悪性状の燃料であるのかを判定しており（燃料性状判定手段）、ステップＳ１２、ステップＳ１４、ステップＳ１８の判別結果が全て真（Ｙｅｓ）で、吹き上がりＮemaxが所定回転速度Ｎe1よりも小であり、且つ、推定Ａ／Ｆminが所定値Ｘ1以上（リーンＡ／Ｆ寄り）、且つ、所定時間ｔ1内における平均推定Ａ／Ｆが所定値Ｘ2以上（リーンＡ／Ｆ寄り）と判定された場合には、燃料は気化し難い所定の粗悪性状の燃料であると判断でき、この場合には、ステップＳ２０に進み、粗悪燃料と判定する。

一方、ステップＳ１２、ステップＳ１４、ステップＳ１８の判別結果のいずれかが偽（Ｎｏ）で、吹き上がりＮemaxが所定回転速度Ｎe1以上、或いは、推定Ａ／Ｆminが所定値Ｘ1より小（リッチＡ／Ｆ寄り）、或いは、所定時間ｔ1内における平均推定Ａ／Ｆが所定値Ｘ2より小（リッチＡ／Ｆ寄り）と判定された場合には、燃料は気化し易い所定の良質性状の通常の燃料であると判断でき、この場合には、ステップＳ２２に進み、通常燃料と判定する。

ステップＳ２０で粗悪燃料と判定した場合には、ステップＳ２４に進み、ニューラルネットワークの推定モデルとして粗悪燃料用推定モデルを選択し、一方、ステップＳ２２で通常燃料と判定した場合には、ステップＳ２６に進み、ニューラルネットワークの推定モデルとして通常燃料用推定モデル（良質燃料用推定モデル）を選択する（推定モデル選択手段）。

つまり、所定の良質性状の通常の燃料と所定の粗悪性状の燃料とでニューラルネットワークの推定モデルをそれぞれ通常燃料用推定モデルと粗悪燃料用推定モデルとに分けて予め設定しており、ここでは、燃料性状に応じて通常燃料用推定モデルまたは粗悪燃料用推定モデルのいずれかを選択する。
これら通常燃料用推定モデル及び粗悪燃料用推定モデルについては、ＥＣＵ４０において予め個別に学習されており（推定モデル設定手段）、以下、これら通常燃料用推定モデル及び粗悪燃料用推定モデルの内容について説明する。

通常燃料用推定モデルは、図３に示すように、エンジン１の状態を示すパラメータとして少なくともエンジン回転速度Ｎe、インマニ圧（吸入空気圧）Ｐm及び噴射パルス幅（燃料噴射量）Ｐwからなる一群の状態量が制御量として入力され、これらのパラメータに基づきニューラルネットワークの中間層においてファジイ推定され、推定された実Ａ／Ｆが出力されるように構成されている。

さらに、通常燃料用推定モデルは、同図に示すように、各パラメータのサンプリングが時間間隔ｐ1（例えば、50msec）で行われるとともに、今回のサンプリングデータとこのようにサンプリングされ入力された過去２回の入力データとが入力されて実Ａ／Ｆが推定されるよう構成されている（Ｎe(t)、Ｎe(t-p1)、Ｎe(t-2p1)等）。
これより、通常燃料用推定モデルは、少なくともエンジン回転速度Ｎe、インマニ圧Ｐm及び噴射パルス幅Ｐmからなる一群の制御量からなるパラメータを過去２回分を含めて時間間隔ｐ1で入力するようにして予め学習され設定されている。

一方、粗悪燃料用推定モデルは、図４に示すように、エンジン１の状態を示すパラメータとして、上記通常燃料用推定モデルと同様に少なくともエンジン回転速度Ｎe、インマニ圧Ｐm及び噴射パルス幅Ｐwからなる一群の制御量が入力されるとともに加えて燃料噴射時期Ｔfと点火時期Ｔsとの期間差ΔＴfsが入力され、これらのパラメータに基づきニューラルネットワークの中間層においてファジイ推定され、推定された実Ａ／Ｆが出力されるように構成されている。

ここに、燃料噴射時期Ｔfと点火時期Ｔsとの期間差ΔＴfsを加味するのは、この制御量が燃料性状、即ち燃料の気化し難さに最も相関する制御量と考えられ、燃料が粗悪燃料である場合には、当該燃料噴射時期Ｔfと点火時期Ｔsとの期間差ΔＴfsをパラメータに加えることで実Ａ／Ｆの推定精度を高めることができるためである。
さらに、粗悪燃料用推定モデルは、同図に示すように、各パラメータのサンプリングが時間間隔ｐ2（ｐ2＞ｐ1）（例えば、100msec）で行われるとともに、上記同様にプリングデータとこのようにサンプリングされ入力された過去２回の入力データとが入力されて実Ａ／Ｆが推定されるよう構成されている（Ｎe(t)、Ｎe(t-p2)、Ｎe(t-2p2)等）。

つまり、粗悪燃料用推定モデルは、各パラメータのサンプリングが通常燃料用推定モデルの時間間隔ｐ1よりも長い時間間隔ｐ2で行われるように構成されている。
このように粗悪燃料用推定モデルにおける各パラメータのサンプリングの時間間隔が通常燃料用推定モデルの時間間隔よりも長くされるのは、粗悪性状の燃料は通常の良質性状の燃料よりも気化し難く、即ち気化時間が長く、応答遅れがあるからである。

これより、粗悪燃料用推定モデルは、少なくともエンジン回転速度Ｎe、インマニ圧Ｐm及び噴射パルス幅Ｐwからなる一群の制御量に燃料噴射時期Ｔfと点火時期Ｔsとの期間差ΔＴfsを加えたパラメータを過去２回分を含めて時間間隔ｐ2で入力するようにして予め学習され設定されている。
通常燃料用推定モデル及び粗悪燃料用推定モデルのいずれかが選択されたら、ステップＳ２８に進み、選択した推定モデルに基づいてニューラルネットワークにより実Ａ／Ｆの推定を行うようにする。説明は省略するが、実際には、ニューラルネットワークは図示しない別ルーチンで実行される。

一方、上記ステップＳ１０の判別結果が偽（Ｎｏ）で冷却水温度Ｔwが所定温度Ｔ1以上であって冷態始動時ではないと判定された場合には、空燃比センサ２２は活性状態にあると判定できる。従って、この場合には、空燃比センサ２２によりＡ／Ｆ−Ｆ／Ｂ制御を行うとともに、ステップＳ３０に進み、前回判定した推定モデルをそのまま維持することとなる。

以上説明したように、本発明に係る空燃比制御装置では、エンジン１の冷態始動時において、所定の良質性状の通常の燃料に対しては少なくともエンジン回転速度Ｎe、インマニ圧Ｐm及び噴射パルス幅Ｐwからなる一群の制御量をパラメータとして通常燃料用推定モデルを設定し、所定の良質性状よりも気化し難い所定の粗悪性状の燃料に対しては上記一群の制御量をパラメータとするとともに燃料の気化し難さに相関する制御量である燃料噴射時期Ｔfと点火時期Ｔsとの期間差ΔＴfsをもパラメータに加えて粗悪燃料用推定モデルを設定し、これらのいずれかを選択してニューラルネットワークにより実Ａ／Ｆを推定するようにしている。

従って、当該空燃比制御装置によれば、ニューラルネットワークの推定モデルを燃料性状に相関するパラメータを入力として所定の良質性状と所定の粗悪性状の燃料とにそれぞれ特化して煩雑な演算処理をすることなく学習し、推定精度の高い推定モデルを構築するようにでき、当該推定精度の高い推定モデルを選択的に使用して実Ａ／Ｆを良好に推定することができる。

これにより、簡単な構成にして燃料が良質性状か粗悪性状かに拘わらず、即ち燃料性状に拘わらず実Ａ／Ｆを精度良く推定することができ、エンジン１の冷態始動時において空燃比センサ２２が未だ活性化していないような場合において、実Ａ／Ｆを精度良く推定してエンジン１の冷態始動直後から空燃比を適正に制御でき、排気浄化性能の向上を図ることができる。

また、粗悪燃料用推定モデルでは、各パラメータのサンプリングを通常燃料用推定モデルの時間間隔ｐ1よりも長い時間間隔ｐ2で行うようにしているので、粗悪性状の燃料は良質性状の燃料よりも気化時間が長く、応答遅れがあるところ、これにより実Ａ／Ｆを精度良く推定することができ、空燃比制御の適正化を図るようにできる。
以上で本発明に係る内燃機関の空燃比制御装置の説明を終えるが、本発明は上記実施形態に限られるものではない。

例えば、上記実施形態では、粗悪燃料用推定モデルにおいて、各パラメータのサンプリングを通常燃料用推定モデルの時間間隔ｐ1よりも長い時間間隔ｐ2で行うようにしているが、図５に他の例を示すように、各パラメータのサンプリングについては通常燃料用推定モデルと同様の時間間隔ｐ1とする一方、通常燃料用推定モデルの過去２回よりも多い過去３回（多数回）の入力データを入力するようにしてもよい（Ｎe(t)、Ｎe(t-p1)、Ｎe(t-2p1) 、Ｎe(t-3p1)等）。

このようにしても、サンプリングの時間間隔を通常燃料用推定モデルよりも長くする場合と同様、実Ａ／Ｆを精度良く推定することができ、空燃比制御の適正化を図るようにできる。
また、図示しないが、粗悪燃料用推定モデルにおいて、各パラメータのサンプリングを通常燃料用推定モデルの時間間隔ｐ1よりも長い時間間隔ｐ2で行い、且つ、通常燃料用推定モデルの過去２回よりも多い過去３回（多数回）の入力データを入力するようにしてもよい（Ｎe(t)、Ｎe(t-p2)、Ｎe(t-2p2) 、Ｎe(t-3p2)等）。

このようにすれば、さらに実Ａ／Ｆを精度良く推定するようにでき、より一層空燃比制御の適正化を図ることができる。
また、上記実施形態では、空燃比センサ２２が未だ活性化していないようなエンジン１の冷態始動時において実Ａ／Ｆを推定する場合について説明したが、実Ａ／Ｆの推定は冷態始動時に限られるものではなく、本発明は実Ａ／Ｆの推定が必要な場合において好適に適用可能である。

また、上記実施形態では、所定の良質性状の燃料と所定の粗悪性状の燃料に大別し、それぞれ通常燃料用推定モデルと粗悪燃料用推定モデルの二つの推定モデルを設定するようにしたが、これに限られることなく、燃料性状の区分を細分化し、さらに複数の推定モデルを設定するようにしてもよい。
また、上記実施形態では、粗悪燃料用推定モデルにおいて、パラメータに燃料の気化し難さに相関する制御量として燃料噴射時期Ｔfと点火時期Ｔsとの期間差ΔＴfsを加味するようにしているが、燃料の気化し難さに相関する制御量はこれに限られるものではなく、燃料の気化し難さに相関する制御量としてエンジン１の吸気弁や排気弁の温度、シリンダ壁温度等の状態量を制御量としてパラメータに加えるようにしてもよい。

また、上記実施形態では、通常燃料用推定モデルと粗悪燃料用推定モデルとでパラメータの数を変えているが、通常燃料と粗悪燃料とでニューラルネットワークにおけるパラメータの重みを変えるようにしてもよい。

車両に搭載された本発明に係る内燃機関の空燃比制御装置の概略構成図である。 本発明に係る空燃比制御装置の始動時における実Ａ／Ｆ推定制御の制御ルーチンを示すフローチャートである。 通常燃料用推定モデルを示す図である。 粗悪燃料用推定モデルを示す図である。 粗悪燃料用推定モデルの他の例を示す図である。

符号の説明

１ エンジン（内燃機関）
４ 点火プラグ
６ 燃料噴射弁
２２ 空燃比センサ
４０ ＥＣＵ（電子コントロールユニット）
４２ クランク角センサ
４４ 水温センサ
４６ 圧力センサ

Claims (4)

1. 内燃機関の状態を示す複数のパラメータを入力して、推定モデルに従い、内燃機関から排出される排気の実空燃比を推定し出力するニューラルネットワークと、
   内燃機関に供給される燃料の燃料性状に応じて前記ニューラルネットワークにおける推定モデルを学習し複数設定する推定モデル設定手段と、
   内燃機関に供給された燃料の燃料性状を判定する燃料性状判定手段と、
   該燃料性状判定手段により判定された燃料の燃料性状に応じて前記ニューラルネットワークにおける推定モデルを選択する推定モデル選択手段とを備え、
   前記推定モデル設定手段は、所定の良質性状の燃料に対しては少なくとも機関回転速度、吸入空気圧及び燃料噴射量からなる一群の制御量をパラメータとして良質燃料用推定モデルを設定し、前記所定の良質性状よりも気化し難い所定の粗悪性状の燃料に対しては前記一群の制御量をパラメータとするとともに燃料の気化し難さに相関する制御量をもパラメータに加えて粗悪燃料用推定モデルを設定し、
   前記推定モデル選択手段は、前記燃料性状判定手段により判定された燃料の燃料性状が前記所定の良質性状であるときには前記良質燃料用推定モデルを選択し、前記所定の粗悪性状であるときには、前記粗悪燃料用推定モデルを選択することを特徴とする内燃機関の空燃比制御装置。
2. 前記燃料の気化し難さに相関する制御量は、少なくとも燃料噴射時期と点火時期との期間差であることを特徴とする、請求項１記載の内燃機関の空燃比制御装置。
3. 前記ニューラルネットワークは、
   各パラメータを一定の時間間隔で入力して前記実空燃比を推定するものであって、
   前記推定モデル選択手段により選択された推定モデルが前記粗悪燃料用推定モデルであるときには前記良質燃料用推定モデルよりも長い時間間隔で各パラメータを入力して前記実空燃比を推定することを特徴とする、請求項１または２記載の内燃機関の空燃比制御装置。
4. 前記ニューラルネットワークは、
   各パラメータを一定の時間間隔で入力するとともに該一定の時間間隔で入力した各パラメータの過去の入力データをも入力して前記実空燃比を推定するものであって、
   前記推定モデル選択手段により選択された推定モデルが前記粗悪燃料用推定モデルであるときには前記良質燃料用推定モデルよりも多数回の過去の入力データを入力して前記実空燃比を推定することを特徴とする、請求項１乃至３のいずれか記載の内燃機関の空燃比制御装置。

Images