JP5377655B2 - 内燃機関の制御装置 - Google Patents

Description

本発明は内燃機関の制御装置に関し、特にニューラルネットワークを用いて制御を行うものに関する。

特許文献１には、内燃機関の運転状態を示すパラメータ、例えばスロットル弁開度、吸気圧、機関回転数、吸気温などを入力パラメータするニューラルネットワークを用いて、空燃比を推定するパラメータ推定装置が示されている。
この装置では、入力パラメータに応じて複数の機関運転領域が設定されており、使用するニューラルネットワークにおける演算経路が機関運転領域に応じて変更される。

特開平１１−８５７１９号公報

空燃比など機関運転パラメータを、他の運転パラメータに応じて推定（算出）する場合、機関運転状態が定常運転状態にあるか、過渡運転状態にあるかに依存して、推定精度が大きく変化することがある。特許文献１に示された装置では、運転パラメータの過去値もニューラルネットワークの入力パラメータとすることにより、過渡運転状態に対応しているが、１つのニューラルネットワークでは十分に対応できない可能性がある。また１つのニューラルネットワークの規模が大きくなり、演算量が増加するという課題がある。

本発明はこの点に着目してなされたものであり、機関の定常運転状態だけでなく過渡運転状態においても、ニューラルネットワークを適切に使用して、機関運転中の演算負荷を抑制しつつ、制御精度を高めることができる内燃機関の制御装置を提供することを目的とする。

上記目的を達成するため本発明は、内燃機関の制御装置において、前記機関の定常運転に対応し、ニューラルネットワーク（ＳＯＭＳＳ）を用いて前記機関の所定運転パラメータ（ＴＨＣＭＤ）を出力する定常状態モデルと、前記機関の過渡運転に対応し、ニューラルネットワーク（ＳＯＭＴＳ）を用いて、前記所定運転パラメータ（ＴＨＣＭＤ）を出力する過渡状態モデルとを用いて、前記機関の制御パラメータ（ＩＤＴＨ）を算出する制御パラメータ算出手段を備え、前記制御パラメータ算出手段は、前記機関が前記過渡運転状態にあるか否かを判定する過渡状態判定手段と、前記過渡状態判定手段による判定結果に応じて前記定常状態モデル及び過渡状態モデルの一方を選択する選択手段とを備え、前記選択手段により選択されたモデルについてのみモデル出力の演算を行い、演算されたモデル出力に応じて前記制御パラメータ（ＩＤＴＨ）を算出し、前記定常状態モデルには入力パラメータの第１の組（ＧＡＩＲＣＭＤ，ＰＢ，ＰＩ，ＮＥ）が入力され、前記過渡状態モデルには前記第１の組の入力パラメータの一定時間当たりの変化量に相当する第２の組の入力パラメータ（ＤＧＡＩＲＣＭＤ，ＤＰＢ，ＤＰＩ，ＤＮＥ）が入力されることを特徴とする。

この構成によれば、機関の定常運転に対応し、ニューラルネットワークを用いて所定運転パラメータを出力する定常状態モデルと、機関の過渡運転に対応し、ニューラルネットワークを用いて、所定運転パラメータを出力する過渡状態モデルとを用いて、機関の制御パラメータが算出される。具体的には、機関が過渡運転状態にあるか否かが判定され、その判定結果に応じて定常状態モデル及び過渡状態モデルの一方が選択され、選択されたモデルについてのみモデル出力の演算が行われ、演算されたモデル出力に応じて制御パラメータが算出される。したがって、機関の定常運転状態及び過渡運転状態のそれぞれに適した運転パラメータが得られ、その運転パラメータを用いて算出される制御パラメータによる制御精度を高めることができる。また、定常状態モデルには第１の組の入力パラメータが入力され、過度状態モデルには第１の組の入力パラメータの一定時間当たりの変化量に相当する第２の組の入力パラメータが入力され、選択手段により選択されたモデルについてのみモデル出力の演算が行われるので、２つのモデルにおけるニューラルネットワークの演算を常時並行して実行する必要がなく、演算負荷を抑制することができる。

また、前記過渡状態判定手段は、前記定常状態モデルの入力パラメータ（ＧＡＩＲＣＭＤ，ＰＢ，ＰＩ，ＮＥ）の少なくとも１つの変化量が所定変化量より大きいとき、前記機関が過渡運転状態にあると判定することが望ましい。

この構成によれば、定常状態モデルの入力パラメータの少なくとも１つの変化量が所定量より大きいとき、機関が過渡運転状態にあると判定されるので、過渡状態モデルを適用すべき過渡運転状態を適切に判定することができる。
また前記機関の吸気管にはスロットル弁（３）が設けられ、前記所定運転パラメータは前記スロットル弁の目標開度（ＴＨＣＭＤ）であり、前記制御パラメータ算出手段は、前記機関の目標吸入空気量（ＧＡＩＲＣＭＤ）が判定閾値（ＧＡＩＲＴＨ）より小さいときは前記定常状態モデルまたは過渡状態モデルを用いて前記目標開度（ＴＨＣＭＤ）を算出し、前記目標吸入空気量（ＧＡＩＲＣＭＤ）が前記判定閾値（ＧＡＩＲＴＨ）以上であるときは前記目標開度（ＴＨＣＭＤ）を最大開度（ＴＨＭＡＸ）に設定することが望ましい。
この構成によれば、機関の目標吸入空気量が判定閾値より小さいときは定常状態モデルまたは過渡状態モデルを用いて目標開度が算出され、目標吸入空気量が判定閾値以上であるときは目標開度が最大開度に設定される。スロットル弁開度が判定閾値以上である場合にはスロットル弁開度を変化させても吸入空気量が変化しないように、判定閾値を設定することが可能であり、吸入空気量の制御性を損なうことなく、制御装置の演算負荷を軽減することができる。

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る。 自己組織化マップを説明するための図である。 自己組織化マップを説明するための図である。 吸入空気量（ＧＡＩＲ）とスロットル弁開度（ＴＨ）との関係を示す図である。 スロットル弁の目標開度（ＴＨＣＭＤ）を算出する処理のフローチャートである。 図５の処理で実行される自己組織化マップ（ＳＯＭ）演算処理のフローチャートである。

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る。内燃機関（以下「エンジン」という）１は、シリンダ内に燃料を直接噴射するディーゼルエンジンであり、各気筒に燃料噴射弁９が設けられている。燃料噴射弁９は、電子制御ユニット（以下「ＥＣＵ」という）２０に電気的に接続されており、燃料噴射弁９の開弁時期及び開弁時間は、すなわち燃料噴射時期及び燃料噴射量は、ＥＣＵ２０により制御される。

エンジン１は、吸気管２，排気管４、及びターボチャージャ８を備えている。ターボチャージャ８は、排気の運動エネルギにより回転駆動されるタービンホイール１０を有するタービン１１と、タービンホイール１０とシャフト１４を介して連結されたコンプレッサホイール１５を有するコンプレッサ１６とを備えている。コンプレッサホイール１５は、エンジン１に吸入される空気の加圧（圧縮）を行う。

タービン１１は、タービンホイール１０に吹き付けられる排気ガスの流量を変化させるべく開閉駆動される複数の可変ベーン１２（２個のみ図示）及び該可変ベーンを開閉駆動するアクチュエータ（図示せず）を有しており、可変ベーン１２の開度（以下「ベーン開度」という）θｖｇｔを変化させることにより、タービンホイール１０に吹き付けられる排気ガスの流量を変化させ、タービンホイール１０の回転速度を変更できるように構成されている。可変ベーン１２を駆動するアクチュエータは、ＥＣＵ２０に接続されており、ベーン開度θｖｇｔは、ＥＣＵ２０により制御される。より具体的には、ＥＣＵ２０は、デューティ比可変の制御信号をアクチュエータに供給し、これによってベーン開度θｖｇｔを制御する。なお、可変ベーンを有するターボチャージャの構成は広く知られており、例えば特開平１−２０８５０１号公報に示されている。

吸気管２のコンプレッサ１６の下流側にはインタークーラ１８が設けられ、さらにインタークーラ１８の下流側には、スロットル弁３が設けられている。スロットル弁３は、アクチュエータ１９により開閉駆動可能に構成されており、アクチュエータ１９はＥＣＵ２０に接続されている。ＥＣＵ２０は、アクチュエータ１９を介して、スロットル弁３の開度制御を行う。

排気管４と吸気管２との間には、排気ガスを吸気管２に還流する排気還流通路５が設けられている。排気還流通路５には、排気還流量（ＥＧＲ量）を制御するための排気還流制御弁（以下［ＥＧＲ弁」という）６が設けられている。ＥＧＲ弁６は、ソレノイドを有する電磁弁であり、その弁開度はＥＣＵ２０により制御される。ＥＧＲ弁６には、その弁開度（弁リフト量）ＬＡＣＴを検出するリフトセンサ７が設けられており、その検出信号はＥＣＵ２０に供給される。排気還流通路５及びＥＧＲ弁６より、排気還流装置が構成される。

吸気管２には、吸入空気流量ＧＡを検出する吸入空気流量センサ２１、コンプレッサ１６の下流側の吸気圧（過給圧）ＰＢを検出する過給圧センサ２２、吸気温ＴＩを検出する吸気温センサ２３、及び吸気圧ＰＩを検出する吸気圧センサ２４が設けられている。これらのセンサ２１〜２４は、ＥＣＵ２０と接続されており、センサ２１〜２４の検出信号は、ＥＣＵ２０に供給される。

排気管４の、タービン１１の下流側には、排気中に含まれるＮＯｘを浄化するＮＯｘ浄化装置であるリーンＮＯｘ触媒３１と、排気中に含まれる粒子状物質（主としてすすからなる）を捕集する粒子状物質フィルタ３２とが設けられている。リーンＮＯｘ触媒３１は、排気中の酸素濃度が比較的高い状態、すなわち還元成分（ＨＣ、ＣＯ）の濃度が比較的低い状態でＮＯｘが捕捉され、排気中の還元成分濃度が高い状態で捕捉したＮＯｘが還元成分により還元されて放出されるように構成されている。

エンジン１により駆動される車両のアクセルペダル（図示せず）の踏み込み量（以下「アクセルペダル操作量」という）ＡＰを検出するアクセルセンサ２７、、及びエンジン回転数（回転速度）ＮＥを検出するエンジン回転数センサ２８がＥＣＵ２０に接続されており、これらのセンサの検出信号は、ＥＣＵ２０に供給される。エンジン回転数センサ２８は、所定クランク角度（例えば６度）毎に発生するクランク角度パルス及びエンジン１の各気筒のピストンが上死点に位置するタイミングに同期して発生するＴＤＣパルスをＥＣＵ２０に供給する。

ＥＣＵ２０は、各種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、タービン１１の可変ベーン１２を駆動するアクチュエータ、燃料噴射弁９、ＥＧＲ弁６、スロットル弁３を駆動するアクチュエータ１９などに駆動信号を供給する出力回路から構成される。

ＥＣＵ２０は、エンジン運転状態（主としてエンジン回転数ＮＥ及びエンジン負荷目標値Ｐｍｅｃｍｄに応じて燃料噴射弁９による燃料噴射制御、ＥＧＲ弁６による排気還流制御、可変ベーン１２による過給圧制御などを行う。エンジン負荷目標値Ｐｍｅｃｍｄは、アクセルペダル操作量ＡＰに応じて算出され、アクセルペダル操作量ＡＰが増加するほど増加するように設定される。

ＥＣＵ２０は、自己組織化マップアルゴリズムが適用されるニューラルネットワーク（以下単に「自己組織化マップ」という）を用いて、目標吸入空気量ＧＡＩＲＣＭＤ［ｇ／ｓｅｃ］に応じた目標スロットル弁開度ＴＨＣＭＤの算出を行い、検出されるスロットル弁開度ＴＨが目標スロットル弁開度ＴＨＣＭＤと一致するようにアクチュエータ１９を駆動する。

本実施形態では、エンジン１の定常運転状態に対応する定常状態モデル自己組織化マップＳＯＭＳＳと、エンジン１の過渡運転状態に対応する過渡状態モデル自己組織化マップＳＯＭＴＳとを用いて、目標スロットル弁開度ＴＨＣＭＤの算出を行う。

以下自己組織化マップについて詳細に説明する。
Ｎ個の要素からなる入力データベクトルｘjを下記式（１）で定義し、自己組織化マップを構成する各ニューロンの重みベクトルｗiを下記式（２）で定義する。ニューロンの数はＭ個とする。すなわち、パラメータｉは、１からＭまでの値をとる。重みベクトルｗiの初期値は乱数を用いて与えられる。
ｘj＝（ｘj1，ｘj2，…，ｘjN） （１）
ｗi＝（ｗi1，ｗi2，…，ｗiN） （２）

Ｍ個のニューロンについて、入力データベクトルｘjと対応するニューロンの重みベクトルｗiとのユークリッド距離ＤＷＸ＝｜ｗi−ｘj｜を算出し、距離ＤＷＸが最小となるニューロンを勝者ニューロンとする。ユークリッド距離ＤＷＸは、下記式（３）により算出される。

次に勝者ニューロン及びその近傍のニューロン集合Ｎcに含まれるニューロンの重みベクトルｗiを下記式（４）により、更新する。式（４）のα(t)は、学習係数であり、ｔは学習回数である。学習係数α(t)は、例えば初期値が「０．８」に設定され、学習回数ｔの増加とともに減少するように設定される。
ｗi(t+1)＝ｗi(t)＋α(t)（ｘj−ｗi(t)） （４）

ニューロン集合Ｎcに含まれないニューロンの重みベクトルｗiは下記式（５）で示すように前の値を維持する。
ｗi(t+1)＝ｗi(t) （５）

なお、ニューロン集合Ｎcも学習回数ｔの関数であり、学習回数ｔが増加するほど、近傍の範囲を狭くするように設定される。式（４）による重みベクトルの更新により、勝者ニューロン及びその近傍のニューロンの重みベクトルは、入力データベクトルに近づくように修正される。

上述した学習規則にしたがった演算を多数の入力データベクトルについて実行すると、Ｍ個のニューロンの配置は、入力データベクトルの分布状態を反映したものとなる。例えば、入力データベクトルを簡単のために２次元ベクトルとして、その配置を平面上に表したとき、入力データベクトルが平面上に一様に分布しているときは、学習後のニューロンの配置は平面上に一様に分布する。また入力データベクトルの分布に偏り（粗密）があるときには、ニューロンの分布状態は、同様の偏りのある分布状態となる。

このようにして得られた自己組織化マップは、学習ベクトル量子化（ＬＶＱ）アルゴリズムをさらに適用することにより、ニューロンの配置をより適切なものとするようにしてもよい。

図２は、本実施形態における目標スロットル弁開度ＴＨＣＭＤを算出する定常状態モデル自己組織化マップＳＯＭＳＳを２次元マップとして示す。この２次元マップは、最も支配的な要因となる２つの入力パラメータである目標吸入空気量ＧＡＩＲＣＭＤ及び過給圧ＰＢによって定義されている。入力データベクトルｘＴＨは下記式（１０）で定義される。すなわち、入力パラメータは目標吸入空気量ＧＡＩＲＣＭＤ、過給圧ＰＢ、吸気圧ＰＩ、及びエンジン回転数ＮＥである。
ｘＴＨ＝（ＧＡＩＲＣＭＤ，ＰＢ，ＰＩ，ＮＥ） （１０）

図２に示すマップは複数の領域ＲＮＲi（ｉ＝１〜Ｍ，Ｍ＝３６）に分割されており、各領域に１つのニューロンＮＲi（「＊」でプロットされている）が含まれる。多数の入力データベクトルｘＴＨによる学習を予め行うことによって、各ニューロンＮＲiの位置（重みベクトルｗi）が決定され、さらに隣接するニューロンとの位置関係を考慮して境界線を引くことにより、各領域ＲＮＲiが定義されている。学習の際に適用する入力データベクトルｘＴＨの分布を、実際のエンジン運転中の出現分布と一致させておくことにより、エンジン運転中に出現頻度の高い運転状態に対応する領域においては、ニューロンＮＲiの分布が密になる。これにより、出現頻度の高い運転状態における目標スロットル弁開度ＴＨＣＭＤの算出精度を高めることができる。図２に示すマップは、標準的なエンジン（新品でかつ作動特性が平均的なエンジン）に対応する学習を行うことにより得られたものである。なお、図２には黒丸で学習に適用した入力データがプロットされている。

自己組織化マップの学習中においては、入力データベクトルｘＴＨと、その入力データベクトルｘＴＨに対応するスロットル弁開度ＴＨとを用いて、下記式（１１）で示す重み係数ベクトルＣi（ｉ＝１〜Ｍ）が算出され、記憶される。重み係数ベクトルＣiは、各ニューロンＮＲiに対応して算出され、記憶される。
Ｃi＝（Ｃ０i，Ｃ１i，Ｃ２i，Ｃ３i，Ｃ４i） （１１）

実際の制御演算においては、入力データベクトルｘＴＨの要素である目標吸入空気量ＧＡＩＲＣＭＤ及び過給圧ＰＢによって決まるその時点のマップ上の動作点を含む領域ＲＮＲiが選択され、領域ＲＮＲｉを代表するニューロンＮＲiに対応付けられた重み係数ベクトルＣi及び入力データベクトルｘＴＨを下記式（１２）に適用して、目標スロットル弁開度ＴＨＣＭＤが算出される。この式（１２）が、本実施形態における定常状態モデルを定義する数式に相当する。
ＴＨＣＭＤ＝Ｃ１i×ＧＡＩＲＣＭＤ＋Ｃ２i×ＰＢ
＋Ｃ３i×ＰＩ＋Ｃ４i×ＮＥ＋Ｃ０i （１２）

一方、過渡状態モデル自己組織化マップＳＯＭＴＳは、上述した定常状態モデル自己組織化マップＳＯＭＳＳの入力パラメータの変化量が入力パラメータとして適用される。すなわち、下記式（２１）〜（２４）により、目標吸入空気量変化量ＤＧＡＩＲＣＭＤ、過給圧変化量ＤＰＢ、吸気圧変化量ＤＰＩ、及び回転数変化量ＤＮＥが算出され、過渡状態モデル自己組織化マップＳＯＭＴＳの入力パラメータとして適用される。これらの数式中の「ｋ」は、目標スロットル弁開度ＴＨＣＭＤの算出周期ＴＣで離散化した離散化時刻である。
ＤＧＡＩＲＣＭＤ＝ＧＡＩＲＣＭＤ(k)−ＧＡＩＲＣＭＤ(k-1) （２１）
ＤＰＢ＝ＰＢ(k)−ＰＢ(k-1) （２２）
ＤＰＩ＝ＰＩ(k)−ＰＩ(k-1) （２３）
ＤＮＥ＝ＮＥ(k)−ＮＥ(k-1) （２４）

図３は、本実施形態における目標スロットル弁開度ＴＨＣＭＤを算出する過渡状態モデル自己組織化マップＳＯＭＴＳを２次元マップとして示す。この２次元マップは、目標吸入空気量変化量ＤＧＡＩＲＣＭＤ及び過給圧変化量ＤＰＢによって定義されている。入力データベクトルｘＴＨＤは下記式（２５）で定義される。
ｘＴＨＤ＝（ＤＧＡＩＲＣＭＤ，ＤＰＢ，ＤＰＩ，ＤＮＥ） （２５）

上述した定常状態モデル自己組織化マップＳＯＭＳＳと同様の手法で、下記式（２６）で示す重み係数ベクトルＣＤｉ（ｉ＝１〜Ｍ）が学習によって算出され、記憶される。
ＣＤｉ＝（ＣＤ０ｉ，ＣＤ１ｉ，ＣＤ２ｉ，ＣＤ３ｉ，ＣＤ４ｉ）
（２６）

過渡状態モデル自己組織化マップＳＯＭＴＳを用いる場合には、目標スロットル弁開度ＴＨＣＭＤは、下記式（２７）により算出される。この式（２７）が、本実施形態における過渡状態モデルを定義する数式に相当する。
ＴＨＣＭＤ＝ＣＤ１i×ＤＧＡＩＲＣＭＤ＋ＣＤ２i×ＤＰＢ
＋ＣＤ３i×ＤＰＩ＋ＣＤ４i×ＤＮＥ＋ＣＤ０i
（２７）

図４は、吸入空気量ＧＡＩＲ［ｇ／ｓｅｃ］と、スロットル弁開度ＴＨとの関係を示す図であり、曲線Ｌ１〜Ｌ５は、それぞれエンジン回転数ＮＥが１０００，１５００，２０００，２５００，及び３０００ｒｐｍである状態に対応する。

この図から明らかなように、エンジン回転数ＮＥが一定という条件の下で、スロットル弁開度ＴＨを増加させていくと、吸入空気量ＧＡＩＲが増加するが一定値（飽和レベル）で飽和し、スロットル弁開度ＴＨを変化させても、吸入空気量ＧＡＩＲは変化しない。すなわち、吸入空気量ＧＡＩＲが飽和レベル（以下「最大吸入空気量ＧＡＩＲＭＡＸ」という）に達すると、スロットル弁開度ＴＨの変更は吸入空気量ＧＡＩＲに影響を与えない。そこで、本実施形態では、アクセルペダル操作量ＡＰ及びエンジン回転数ＮＥに応じて設定される目標吸入空気量ＧＡＩＲＣＭＤが、最大吸入空気量ＧＡＩＲＭＡＸに所定閾値係数ＫＴＨ（例えば０．９５）を乗算することにより得られる判定閾値ＧＡＩＲＴＨ以上であるときは、目標スロットル弁開度ＴＨＣＭＤを最大開度ＴＨＭＡＸ（例えば「９０度」）に設定するようにしている。これにより、吸入空気量の制御性を損なうこと無く、ＥＣＵ２０のＣＰＵの演算負荷を軽減することができる。一方、目標吸入空気量ＧＡＩＲＣＭＤが最大吸入空気量ＧＡＩＲＭＡＸより小さいときは、上述した自己組織化マップを用いて、目標スロットル弁開度ＴＨＣＭＤを算出するようにしている。これにより、実際の吸入空気量ＧＡＩＲを目標吸入空気量ＧＡＩＲＣＭＤに制御する上で最適のスロットル弁開度の設定を行うことができる。

図５は、目標スロットル弁開度ＴＨＣＭＤを算出する処理のフローチャートであり、この処理はＥＣＵ２０のＣＰＵで所定時間ＴＣ毎に実行される。
ステップＳ１１では、アクセルペダル操作量ＡＰ及びエンジン回転数ＮＥに応じてＧＡＩＲＣＭＤマップ（図示せず）を検索し、目標吸入空気量ＧＡＩＲＣＭＤを算出する。ＧＡＩＲＣＭＤマップは、アクセルペダル操作量ＡＰが増加するほど目標吸入空気量ＧＡＩＲＣＭＤが増加し、かつエンジン回転数ＮＥが増加するほど目標吸入空気量ＧＡＩＲＣＭＤが増加するように設定されている。

ステップＳ１２では、エンジン回転数ＮＥ及び過給圧ＰＢに応じてＧＡＩＲＭＡＸマップ（図示せず）を検索し、最大吸入空気量ＧＡＩＲＭＡＸを算出する。ＧＡＩＲＭＡＸマップは、エンジン回転数ＮＥが増加するほど最大吸入空気量ＧＡＩＲＭＡＸが増加し、かつ過給圧ＰＢが増加するほど最大吸入空気量ＧＡＩＲＭＡＸが増加するように設定されている。

ステップＳ１３では、最大吸入空気量ＧＡＩＲＭＡＸに所定閾値係数ＫＴＨを乗算することにより、判定閾値ＧＡＩＲＴＨを算出する。ステップＳ１４では、目標吸入空気量ＧＡＩＲＣＭＤが判定閾値ＧＡＩＲＴＨより小さいか否かを判別し、この答が肯定（ＹＥＳ）であるときは、図６に示すＳＯＭ演算処理を実行し、上述した自己組織化マップＳＯＭＳＳまたはＳＯＭＴＳを用いて目標スロットル弁開度ＴＨＣＭＤを算出する（ステップＳ１５）。

ステップＳ１４で、目標吸入空気量ＧＡＩＲＣＭＤが判定閾値ＧＡＩＲＴＨ以上であるときは、目標スロットル弁開度ＴＨＣＭＤを最大開度ＴＨＭＡＸに設定する。

図６のステップＳ２１では、上述した式（２１）〜（２４）により、目標吸入空気量変化量ＤＧＡＩＲＣＭＤ、過給圧変化量ＤＰＢ、吸気圧変化量ＤＰＩ、及び回転数変化量ＤＮＥを算出する。

ステップＳ２２では、目標吸入空気量変化量ＤＧＡＩＲＣＭＤが所定空気量変化量ＤＧＡＴＨより大きいか否かを判別し、その答が否定（ＮＯ）であるときは、過給圧変化量ＤＰＢが所定過給圧変化量ＤＰＢＴＨより大きいか否かを判別すし（ステップＳ２３）、この答が否定（ＮＯ）であるときは、吸気圧変化量ＤＰＩが所定吸気圧変化量ＤＰＩＴＨより大きいか否かを判別し（ステップＳ２４）、この答が否定（ＮＯ）であるときは、回転数変化量ＤＮＥが所定回転数変化量ＤＮＥＴＨより大きいか否かを判別する（ステップＳ２５）。

ステップＳ２２〜Ｓ２５の何れかの答が肯定（ＹＥＳ）であるときは、エンジン１が過渡運転状態にあると判定し、過渡状態モデル自己組織化マップＳＯＭＴＳを用いて目標スロットル弁開度ＴＨＣＭＤを算出する（ステップＳ２７）。

一方、ステップＳ２５の答が否定（ＮＯ）であるときは、エンジン１が定常運転状態にあると判定し、定常状態モデル自己組織化マップＳＯＭＳＳを用いて目標スロットル弁開度ＴＨＣＭＤを算出する（ステップＳ２６）。

ＥＣＵ２０のＣＰＵは、検出されるスロットル弁開度ＴＨが図５及び図６の処理により算出される目標スロットル弁開度ＴＨＣＭＤと一致するように、アクチュエータ１９を駆動する駆動パラメータＩＤＴＨを算出し、スロットル弁開度制御（吸入空気量制御）を行う。

以上のように本実施形態では、エンジン１の定常運転に対応し、定常状態モデル自己組織化マップＳＯＭＳＳを用いて目標スロットル弁開度ＴＨＣＭＤを出力する定常状態モデルと、エンジン１の過渡運転に対応し、過渡状態モデル自己組織化マップＳＯＭＴＳを用いて目標スロットル弁開度ＴＨＣＭＤを出力する過渡状態モデルとを用いて、アクチュエータ１９の駆動パラメータＩＤＴＨが算出される。すなわち、図６のステップＳ２２〜Ｓ２５によってエンジン１が過渡運転状態にあるか否かが判定され、その判定結果に応じて定常状態モデル及び過渡状態モデルの一方が選択され、選択されたモデルの出力である目標スロットル弁開度ＴＨＣＭＤに応じて駆動パラメータＩＤＴＨが算出される。したがって、エンジン１の定常運転状態及び過渡運転状態のそれぞれに適した目標スロットル弁開度ＴＨＣＭＤが得られ、目標スロットル弁開度ＴＨＣＭＤを用いて算出される駆動パラメータＩＤＴＨによる制御精度を高めることができる。

定常状態モデル自己組織化マップＳＯＭＳＳには、目標吸入空気量ＧＡＩＲＣＭＤ，過給圧ＰＢ，吸気圧ＰＩ，及びエンジン回転数ＮＥが入力される一方、過渡状態モデル自己組織化マップＳＯＭＴＳにはそれらの入力パラメータの変化量が入力され、機関の定常運転状態では、定常状態モデル自己組織化マップＳＯＭＳＳについての演算のみ実行され、機関の過渡運転状態では、過渡状態モデル自己組織化マップＳＯＭＴＳについての演算のみ実行される。したがって、２つの自己組織化マップの演算を常時並行して実行する必要がなく、演算負荷を抑制することができる。

定常状態モデル自己組織化マップＳＯＭＳＳの入力パラメータである目標吸入空気量ＧＡＩＲＣＭＤ，過給圧ＰＢ，吸気圧ＰＩ，及びエンジン回転数ＮＥの少なくとも１つの変化量が所定変化量より大きいとき、エンジン１が過渡運転状態にあると判定されるので、エンジン１が過渡状態モデル自己組織化マップＳＯＭＴＳを適用すべき過渡運転状態を適切に判定することができる。

本実施形態では、ＥＣＵ２０が制御パラメータ算出手段、過渡状態判定手段、及び選択手段を構成する。すなわち、目標スロットル弁開度ＴＨＣＭＤが所定運転パラメータに相当し、アクチュエータ１９の駆動パラメータＩＤＴＨが機関制御パラメータに相当し、図５の処理が制御パラメータ算出手段の一部に相当し、図６の処理が過渡状態判定手段及び選択手段に相当する。

なお本発明は上述した実施形態に限るものではなく、種々の変形が可能である。例えば、上述した実施形態では目標スロットル弁開度ＴＨＣＭＤが所定運転パラメータである例を示したが、例えばエンジン１から排出されるＮＯｘ量、排気還流率（または排気還流量または目標排気還流量）、吸入空気量を所定運転パラメータとし、算出された所定運転パラメータに応じて燃料噴射量（制御パラメータ）を算出するようにしてもよい。

ＮＯｘ量を算出するための定常状態モデル自己組織化マップの入力パラメータとしては、エンジン回転数ＮＥ、燃料供給量（燃料噴射量）、空燃比、タービン１１に流入する排気の温度、過給圧ＰＢ、吸気圧ＰＩ、及び吸入空気量ＧＡＩＲが適用され、過渡状態モデル自己組織化マップの入力パラメータとしては、定常状態モデル自己組織化マップの入力パラメータの変化量が適用される。

排気還流率を算出するための定常状態モデル自己組織化マップの入力パラメータとしては、過給圧ＰＢ、吸気圧ＰＩ、ＥＧＲ弁開度、吸入空気量ＧＡＩＲ、燃空比、エンジン回転数ＮＥ、タービン１１のベーン開度θｖｇｔ、還流排気温度が適用され、過渡状態モデル自己組織化マップの入力パラメータとしては、定常状態モデル自己組織化マップの入力パラメータの変化量が適用される。

吸入空気量を算出するための定常状態モデル自己組織化マップの入力パラメータとしては、スロットル弁開度ＴＨ、過給圧ＰＢ、吸気圧ＰＩ、エンジン回転数ＮＥが適用され、過渡状態モデル自己組織化マップの入力パラメータとしては、定常状態モデル自己組織化マップの入力パラメータの変化量が適用される。

また、上述した実施形態ではニューラルネットワークとして、自己組織化マップを用いたが、これに限るものではなく、いわゆるパーセプトロンとして知られるニューラルネットワークを使用するようにしてもよい。

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。

１ 内燃機関
２ 吸気管
１９ アクチュエータ
２０ 電子制御ユニット（制御パラメータ算出手段、過渡状態判定手段、選択手段）
２２ 過給圧センサ
２４ 吸気圧センサ
２７ アクセルセンサ
２８ エンジン回転数センサ

Claims (3)

1. 内燃機関の制御装置において、
   前記機関の定常運転に対応し、ニューラルネットワークを用いて前記機関の所定運転パラメータを出力する定常状態モデルと、前記機関の過渡運転に対応し、ニューラルネットワークを用いて、前記所定運転パラメータを出力する過渡状態モデルとを用いて、前記機関の制御パラメータを算出する制御パラメータ算出手段を備え、
   前記制御パラメータ算出手段は、
   前記機関が前記過渡運転状態にあるか否かを判定する過渡状態判定手段と、
   前記過渡状態判定手段による判定結果に応じて前記定常状態モデル及び過渡状態モデルの一方を選択する選択手段とを備え、
   前記選択手段により選択されたモデルについてのみモデル出力の演算を行い、演算されたモデル出力に応じて前記制御パラメータを算出し、
   前記定常状態モデルには入力パラメータの第１の組が入力され、前記過渡状態モデルには前記第１の組の入力パラメータの一定時間当たりの変化量に相当する第２の組の入力パラメータが入力されることを特徴とする内燃機関の制御装置。
2. 前記過渡状態判定手段は、前記定常状態モデルの入力パラメータの少なくとも１つの変化量が所定変化量より大きいとき、前記機関が過渡運転状態にあると判定する請求項１の制御装置。
3. 前記機関の吸気管にはスロットル弁が設けられ、前記所定運転パラメータは前記スロットル弁の目標開度であり、
   前記制御パラメータ算出手段は、前記機関の目標吸入空気量が判定閾値より小さいときは前記定常状態モデルまたは過渡状態モデルを用いて前記目標開度を算出し、前記目標吸入空気量が前記判定閾値以上であるときは前記目標開度を最大開度に設定することを特徴とする請求項１または２の制御装置。

Images