JP5442551B2 - 触媒温度予測装置 - Google Patents

Description

本発明は、触媒温度予測装置に関する。より詳しくは、内燃機関の排気系に設けられた触媒の温度を予測する触媒温度予測装置に関する。

内燃機関の排気系に触媒を設け、この触媒における反応により排気を浄化する排気浄化システムが提案されている。このような排気浄化システムでは、触媒における浄化性能を高く維持するため、および触媒の劣化を防止するため、触媒の温度を所定の温度に維持する温度制御が重要となっている。

例えば、特許文献１には、触媒温度を検出又は推定し、この触媒温度に基づいて尿素水の添加量を補正する技術が示されている。より具体的には、触媒温度が所定温度以上のときに尿素水の添加量を増量側に補正する。これにより、尿素水中の水分の蒸発潜熱により排気温度を低下し、触媒の過昇温を防止し、ひいては触媒の劣化を防止することができる。

特許３９４５２９１号

ところで実際の車両では、酸化触媒、ＤＰＦ（Ｄｉｅｓｅｌ Ｐａｒｔｉｃｕｌａｔｅ Ｆｉｌｔｅｒ）、およびＮＯｘ還元触媒など数多くの触媒やフィルタが排気管内に直列に配置されており、排気系に占める触媒やフィルタのヒートマスの割合が大きい。したがって内燃機関およびその排気を熱源と見立てた場合、下流側へ向うほど、熱源からの熱伝導の遅れが大きい。このように熱伝導による応答が非常に遅い下流側の触媒を制御対象とした場合、十分な精度で触媒温度を制御するには、特許文献１の技術のように現在の触媒温度のフィードバックのみでは不十分であるため、将来の触媒温度を予測できることが好ましい。

本発明は、上述の課題に鑑みてなされたものであり、内燃機関の排気系に設けられた触媒の温度を予測する触媒温度予測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、内燃機関の排気系に設けられた触媒の温度を予測する触媒温度予測装置（例えば、後述の触媒温度予測装置１）を提供する。この触媒温度予測装置は、前記内燃機関の排気温度と相関のある内燃機関パラメータ（例えば、後述のエンジントルク）の現在から所定の予測時間（例えば、後述の予測時間Ｔ＿ＰＲＥ）後までの値（例えば、後述のＴＲＱ＿ＰＲＥ＿０，…，ＴＲＱ＿ＰＲＥ＿Ｎ）を推定する内燃機関パラメータ予測手段（例えば、後述の運転パターン予測部１０および図２のフローチャートに示す処理の実行に係る手段）と、前記推定された内燃機関パラメータの現在から前記予測時間後までの値に基づいて、現在から前記予測時間後における前記触媒の温度の値（例えば、後述の触媒温度予測値ＴＣＡＴ＿ＰＲＥ）を推定する温度予測手段（例えば、後述の熱伝導モデル演算部１２）と、前記内燃機関が高負荷運転状態にあるか否かを判定する高負荷判定手段（例えば、後述の図２のＳ２の実行に係る手段）と、を備え、前記内燃機関パラメータ予測手段は、前記内燃機関が高負荷運転状態にあると判定された場合には、現在から前記予測時間後へ向けて減少するように内燃機関パラメータの値を推定する。

この発明では、内燃機関の排気温度と相関のある内燃機関パラメータについて、現在から予測時間後までの値を推定し、さらにこの推定した内燃機関パラメータの値に基づいて、現在から予測時間後における触媒の温度の値を推定する。このように、現在から予測時間後までの内燃機関パラメータの値に基づいて触媒の温度を推定することにより、現在から予測時間後までの間に触媒が受けた熱量を考慮することができるので、高い精度で触媒の温度を予測することができる。

ところで、長時間にわたり内燃機関が高負荷運転状態に維持されることは一般的には稀であることから、現在の内燃機関が高負荷運転状態にある場合には、その後内燃機関の負荷は減少へ転じる可能性が高いと判断できる。この発明では、この点を考慮し、内燃機関が高負荷運転状態にあると判定された場合には、現在から予測時間後へ向けて減少するように、現在から予測時間後までの内燃機関パラメータの値を推定する。これにより、実際の運転に近くなるように内燃機関パラメータの値を推定することができるので、触媒温度の予測精度を向上することができる。

この場合、前記内燃機関パラメータ予測手段は、車両の運転状態パラメータ（例えば、後述のエンジン回転数、車速、およびドライバ要求トルクなど）の現在の値に基づいて前記内燃機関パラメータの現在の値（例えば、後述のＴＲＱ＿ＰＲＥ＿０）と所定時間（例えば、後述の収束時間Ｔ＿ＣＮＶ）後の値（例えば、後述のトルク収束値ＴＲＱ＿ＣＮＶ）とを推定し、当該推定した内燃機関パラメータの現在の値と所定時間後の値とを所定の減少態様で補間することにより、前記内燃機関パラメータの現在から前記予測時間後の間における値を推定することが好ましい。

この発明では、内燃機関パラメータの現在の値と所定時間後の値とを推定し、これら現在の値と所定時間後の値とを所定の減少態様で補間することにより、現在から予測時間後までの間の内燃機関パラメータの値を推定する。これにより、不規則で無く自然に変化するように内燃機関パラメータの値を推定することができるので、触媒温度の予測精度をさらに向上することができる。

この場合、前記内燃機関パラメータ予測手段は、車両の運転状態パラメータの現在の値に応じて、前記補間する際の減少態様を変化させることが好ましい。

実際の運転では、運転状態パラメータの値に応じて内燃機関パラメータの変化の仕方が変わると考えられる。この発明では、運転状態パラメータの現在の値に応じて、現在の値と所定時間後の値とを補間する際の減少態様を変化させることにより、予測した内燃機関パラメータの値を実際の値に近づけることができる。したがって、触媒温度の予測精度をさらに向上することができる。

上記目的を達成するため本発明は、内燃機関の排気系に設けられた触媒の温度を予測する触媒温度予測装置（例えば、後述の触媒温度予測装置１Ａ）を提供する。この触媒温度予測装置は、前記内燃機関の排気温度に相関のある内燃機関パラメータ（例えば、後述のエンジントルク）の現在から所定の予測時間（例えば、後述の予測時間Ｔ＿ＰＲＥ）後までの値（例えば、後述のＴＲＱ＿ＰＲＥ＿０，…，ＴＲＱ＿ＰＲＥ＿Ｎ）を推定する内燃機関パラメータ予測手段（例えば、後述の予測演算部１３）と、前記推定された内燃機関パラメータの現在から前記予測時間後までの値に基づいて、現在から前記予測時間後における前記触媒の温度の値（例えば、触媒温度予測値ＴＣＡＴ＿ＰＲＥ）を推定する温度予測手段（例えば、後述の熱伝導モデル演算部１２）と、を備え、前記内燃機関パラメータ予測手段は、所定の関数に従って出力する複数のニューロンを結合して構成されたニューラルネットワークに基づいて前記内燃機関のパラメータの現在から所定時間後までの値を推定し、前記ニューラルネットワークへの入力には、前記内燃機関の負荷に相関のあるパラメータ（例えば、後述のエンジン回転数、車速、ドライバ要求トルクなど）が含まれている。

この発明では、内燃機関の排気温度と相関のある内燃機関パラメータについて、現在から予測時間後までの値を推定し、さらにこの推定した内燃機関パラメータの値に基づいて、現在から予測時間後における触媒の温度の値を推定する。このように、現在から予測時間後までの内燃機関パラメータの値に基づいて触媒の温度を推定することにより、現在から予測時間後までの間に触媒が受けた熱量を考慮することができるので、高い精度で触媒の温度を予測することができる。

ところで、内燃機関パラメータの将来の値は、基本的にはドライバの意思に応じて変化するものであるため、マップやモデルに基づいて厳密に定式化することはできないが、車両の運転状態やドライバの癖などにより、ある程度は推定できると考えられる。そこで本発明では、このような内燃機関パラメータの現在から予測時間後までの値を、ニューラルネットワークに基づいて推定する。ニューラルネットワークは、上述のような厳密な定式化が困難な系であっても、適切な入力の下で適切な学習を施すことにより、優れた再現性を示す。したがって、このようなニューラルネットワークを用いて内燃機関パラメータの値を推定することにより、高い精度で触媒の温度を予測することができる。
また本発明では、ニューラルネットワークへの入力に、内燃機関の負荷に相関のあるパラメータを含めた。これにより、現在の内燃機関が高負荷運転状態にある場合には、その後内燃機関の負荷が減少へ転じる可能性が高い、といった上述のような一般的な運転パターンを考慮して内燃機関パラメータを予測することができるので、触媒温度の予測精度を向上することができる。

この場合、前記ニューラルネットワークへの入力には、車両の運転時刻が含まれることが好ましい。

ドライバによる車両の運転パターンは、車両の運転時刻に応じて大まかには分類できるものと考えられる。すなわち、例えば、朝の通勤時には道路が混むことから、比較的遅い速度で安定するような操作が行われる傾向があったり、逆に夜の帰宅時には道路が空くことから、比較的速い速度で安定するような操作が行われる傾向があったりする。このように、車両の運転時刻は、運転パターンを予測する上で有用な情報であると考えられる。したがって、このようなパラメータをニューラルネットワークの入力に含めることにより、触媒温度の予測精度をさらに向上することができる。

この場合、前記触媒温度予測装置は、現在から前記予測時間前に前記内燃機関パラメータ予測手段により推定された前記内燃機関パラメータの前記予測時間後の値と、前記内燃機関パラメータの現在の値とが一致するように、前記内燃機関パラメータ予測手段のニューラルネットワークを修正するニューラルネットワーク学習手段（例えば、後述のモデル修正器１４）を備えることが好ましい。

この発明では、現在から予測時間前に推定された内燃機関パラメータの予測時間後の値と、この内燃機関パラメータの現在の値とが一致するようにニューラルネットワークを修正することにより、実際のドライバによる車両の運転パターンに合わせて内燃機関パラメータの予測精度を向上し、ひいては触媒温度の予測精度をさらに向上することができる。

本発明の第１実施形態に係る触媒温度予測装置と、この触媒温度予測装置が適用された車両のエンジンおよびその排気浄化システムの構成を示す図である。 上記実施形態に係るエンジントルクの値を予測する手順を示すフローチャートである。 上記実施形態に係るエンジントルクの値を予測する手順を説明するためのタイムチャートである。 上記実施形態に係るエンジントルクの値を予測する手順を説明するためのタイムチャートである。 上記実施形態に係る触媒温度予測装置の動作例を示す図である。 本発明の第２実施形態に係る触媒温度予測装置と、この触媒温度予測装置が適用された車両のエンジンおよびその排気浄化システムの構成を示す図である。

［第１実施形態］
以下、本発明の第１実施形態を、図面を参照して説明する。
図１は、本実施形態に係る触媒温度予測装置１と、この触媒温度予測装置１が適用された車両の内燃機関（以下、「エンジン」という）２およびその排気浄化システム３の構成を示す図である。

エンジン２の排気系４には、排気の上流側から順に酸化触媒４１、ＤＰＦ４２、選択還元触媒４３、が設けられている。ＤＰＦ４２と選択還元触媒４３との間には、尿素水を噴射するユリア噴射装置４５が設けられている。

酸化触媒４１は、排気との反応により発生する熱で排気を昇温するとともに、排気中のＮＯをＮＯ_２に変換し後述の選択還元触媒６１におけるＮＯｘの還元を促進する。
ＤＰＦ４２は、排気がフィルタ壁の微細な孔を通過する際、排気中の炭素を主成分とする粒子状物質（以下、「ＰＭ（Ｐａｒｔｉｃｕｌａｔｅ Ｍａｔｔｅｒ）」という）を、フィルタ壁の表面およびフィルタ壁中の孔に堆積させることによって捕集する。
選択還元触媒４３は、アンモニア等の還元剤が存在する雰囲気下で、排気中のＮＯｘを選択的に還元する。具体的には、ユリア噴射装置４５により尿素水を噴射すると、この尿素水は、排気の熱により熱分解又は加水分解されて還元剤としてのアンモニアが生成される。生成されたアンモニアは、選択還元触媒４３に供給され、これらアンモニアにより、排気中のＮＯｘが選択的に還元される。

触媒温度予測装置１は、選択還元触媒４３の将来の温度、より具体的には現在から所定の予測時間Ｔ＿ＰＲＥ後における選択還元触媒４３の温度の値である触媒予測温度ＴＣＡＴ＿ＰＲＥを推定する。なお以下では、選択還元触媒４３のことを単に「触媒」といい、選択還元触媒４３の温度のことを単に「触媒温度」という。
ユリア噴射装置４５の噴射制御装置５は、エンジン２から排出されるＮＯｘ量や、触媒温度予測装置１により推定された触媒予測温度ＴＣＡＴ＿ＰＲＥなどに基づいて、ユリア噴射装置４５による尿素水の噴射量を制御する。

触媒温度予測装置１は、運転パターン予測部１０と、熱伝導モデル演算部１２と、を備える。
運転パターン予測部１０は、エンジンの回転数、車両の車速、およびアクセル開度に基づいて図示しない処理により算出されたドライバ要求トルクなど、車両の運転状態に関わるパラメータ（以下、これらパラメータを総称して「運転状態パラメータ」という）の現在の値に基づいて、エンジンのポート部の排気温度と直接的に相関のある内燃機関パラメータとしてのエンジンの発生トルク（以下、「エンジントルク」という）について、現在から予測時間Ｔ＿ＰＲＥ後までの値を推定する。

図２は、エンジントルクの値を予測する手順を示すフローチャートである。このフローチャートに示される処理は、運転パターン予測部により実行される。
図３および図４は、エンジントルクの値を予測する手順を説明するためのタイムチャートである。なおこれら図３および図４に示す例では、現在の時刻をＴ_０とし、時刻Ｔ_−１，Ｔ_−２，Ｔ_−３を現在よりも過去の時刻とし、時刻Ｔ_１，Ｔ_２，Ｔ_３，…，Ｔ_Ｎ−１，Ｔ_Ｎを、将来の時刻とする。したがって、時刻Ｔ_０以前の実線で示す値は実値であり、時刻Ｔ_０以降の破線で示す値は運転パターン予測部による予測値である。
また、本実施形態では、図３および図４において白丸で示すように、現在から予測時間Ｔ＿ＰＲＥ後までの時間をＮ分割し、各時刻における値を推定する。すなわち、エンジントルクの現在値をＴＲＱ＿ＰＲＥ＿０とし、現在より後の時刻Ｔ_ｉにおけるエンジントルクの予測値をＴＲＱ＿ＰＲＥ＿ｉとする。

先ず、Ｓ１では、現在の運転状態パラメータの値に基づいて、エンジントルクの現在値ＴＲＱ＿ＰＲＥ＿０を推定し、Ｓ２に移る。

Ｓ２では、現在のエンジンが高負荷運転状態にあるか否か、より具体的にはＳ１で推定したエンジントルクの現在値ＴＲＱ＿ＰＲＥ＿０がエンジントルク値に対する所定の閾値ＴＲＱ＿ＴＨより大きいか否かを判定する。この判定がＮＯである場合にはＳ３に移り、この判定がＹＥＳである場合にはＳ４に移る。なお、このエンジンが高負荷運転状態であるか否かを判定するための閾値ＴＲＱ＿ＴＨは、運転状態パラメータの値に応じて図示しない処理により逐次設定される。

Ｓ３では、Ｓ２において現在のエンジンが高負荷運転状態にないと判定されたことに応じて、エンジントルク値は予測時間Ｔ＿ＰＲＥ後まで、現在値ＴＲＱ＿ＰＲＥ＿０から変化しないと推定する。すなわち、下記式に示すように、エンジントルクの予測値ＴＲＱ＿ＰＲＥ＿１，…，ＴＲＱ＿ＰＲＥ＿Ｎは、全て現在値ＴＲＱ＿ＰＲＥ＿０と等しいと推定する（図３参照）。
ＴＲＱ＿ＰＲＥ＿ｉ＝ＴＲＱ＿ＰＲＥ＿０ （ｉ＝１，…，Ｎ） （１）

一方、Ｓ４以降では、Ｓ２において現在のエンジンが高負荷運転状態にあると判定されたことに応じて、現在から予測時間Ｔ＿ＰＲＥ後へ向けて、現在値ＴＲＱ＿ＰＲＥ＿０から減少するように、エンジントルク値を推定する（図４参照）。これは、長時間にわたりエンジントルク値を高い値に維持したり増加させ続けたりするように運転されることが一般的には稀であることから、現在のエンジンが高負荷運転状態にある場合には、その後エンジントルク値は、継続して運転できるような現在値よりも小さな値へ収束するように減少に転じる可能性が高いと判断できるからである。

より具体的には、先ずＳ４では、エンジントルク値が収束すると予測される値であるトルク収束値ＴＲＱ＿ＣＮＶを推定し、Ｓ５に移る。このトルク収束値ＴＲＱ＿ＣＮＶは、例えば、運転状態パラメータの現在値に基づいて、図示しないマップを検索することにより算出される。
Ｓ５では、現在から、エンジントルク値が上記トルク収束値ＴＲＱ＿ＣＮＶに収束するまでの時間である収束時間Ｔ＿ＣＮＶを推定し、Ｓ６に移る。この収束時間Ｔ＿ＣＮＶは、例えば、運転状態パラメータの現在値に基づいて、図示しないマップを検索することにより算出される。

Ｓ６では、エンジントルクの現在値ＴＲＱ＿ＰＲＥ＿０と上記収束時間Ｔ＿ＣＮＶ後における値であるトルク収束値ＴＲＱ＿ＣＮＶとを、図４中破線で示すように所定の減少態様で補間することにより、現在から予測時間Ｔ＿ＰＲＥ後の間におけるエンジントルク予測値ＴＲＱ＿ＰＲＥ＿１，…，ＴＲＱ＿ＰＲＥ＿Ｎを推定する。この際、上記エンジントルクの現在値ＴＲＱ＿ＰＲＥ＿０とトルク収束値ＴＲＱ＿ＣＮＶとを補間する減少態様は、例えば、運転状態パラメータの現在値に基づいて設定される。

図１に戻って、熱伝導モデル演算部１２は、エンジン２およびその排気を熱源と見立てた排気系４の所定の熱伝導モデルに基づいて、現在から予測時間Ｔ＿ＰＲＥ後における選択還元触媒４３の温度である触媒予測温度ＴＣＡＴ＿ＰＲＥを推定する。より具体的には、運転パターン予測部１０により推定されたエンジントルクの現在から予測時間Ｔ＿ＰＲＥ後までの値ＴＲＱ＿ＰＲＥ＿０，…，ＴＲＱ＿ＰＲＥ＿Ｎに基づいてエンジン２のポート部の排気温度を予測し、この現在から予測時間Ｔ＿ＰＲＥ後までの間の排気温度の予測値を入力として、熱伝導モデルにより現在から予測時間Ｔ＿ＰＲＥ後における触媒予測温度ＴＣＡＴ＿ＰＲＥを推定する。なお、この熱伝導モデルとしては、例えば、本願出願人による特開２００６−２５０９４５号公報や特許第４３７３９０９号などに記載されているような、ニュートンの冷却則に従って定式化された排気系４のモデルなど、従来既知のものが用いられる。

図５は、以上のように構成された触媒温度予測装置の動作例を示す図である。図５では、時刻ｔ１からｔ２にかけてパルス状にエンジントルクを変化させた場合における動作例を示す。
図５において、細実線は実際の触媒温度の実値を示し、太実線は本実施形態の触媒温度予測装置により推定された触媒温度ＴＣＡＴ＿ＰＲＥを示す。また、図５において破線は、比較例の触媒温度予測装置により推定された触媒温度を示す。この比較例は、本実施形態と異なり、エンジントルクの大小に関わらず上記式（１）に示すようにエンジントルク値の予測値ＴＲＱ＿ＰＲＥ＿ｉ（ｉ＝１，…，Ｎ）が現在値ＴＲＱ＿ＰＲＥ＿０に等しいものとして触媒温度を推定した場合を示す。

図５に示すように、時刻ｔ１においてエンジントルク値を閾値ＴＲＱ＿ＴＨよりも大きくすると、排気温度が上昇し、細実線で示すように触媒の温度が徐々に上昇する。その後、時刻ｔ２においてエンジントルク値を閾値ＴＲＱ＿ＴＨよりも小さくすると、排気温度が低下し、その後、細実線で示すように所定の遅れをもって触媒温度が徐々に低下し始める。
図５において破線で示す比較例によれば、時刻ｔ１からｔ２の間では、常にエンジントルク値の予測値ＴＲＱ＿ＰＲＥ＿ｉ（ｉ＝１，…，Ｎ）を現在値ＴＲＱ＿ＰＲＥ＿０と等しいと仮定しているので、触媒温度は実際の温度よりも高く予測されてしまう。
これに対して太実線で示す本実施形態によれば、エンジントルク値が閾値ＴＲＱ＿ＴＨを超えた場合には、その後エンジントルク値が減少に転ずることを見越して、エンジントルク値の予測値ＴＲＱ＿ＰＲＥ＿ｉ（ｉ＝１，…，Ｎ）を、現在値ＴＲＱ＿ＰＲＥ＿０から減少するように推定する。この結果、比較例と比較してエンジンの負荷変動による予測誤差が抑制される。

本実施形態によれば、以下の効果を奏する。
（１）本実施形態によれば、現在から予測時間Ｔ＿ＰＲＥ後までのエンジントルクの予測値に基づいて触媒温度を推定することにより、現在から予測時間Ｔ＿ＰＲＥ後までの間に触媒が受けた熱量を考慮することができるので、高い精度で触媒温度を予測することができる。
また本実施形態では、エンジンが高負荷運転状態にあると判定された場合には、現在から予測時間Ｔ＿ＰＲＥ後へ向けて減少するように、現在から予測時間Ｔ＿ＰＲＥ後までのエンジントルク値を推定する。これにより、実際の運転に近くなるようにエンジントルク値を推定することができるので、触媒温度の予測精度を向上することができる。

（２）本実施形態では、エンジントルクの現在の値ＴＲＱ＿ＰＲＥ＿０とトルク収束値ＴＲＱ＿ＣＮＶとを推定し、これら現在の値ＴＲＱ＿ＰＲＥ＿０と収束時間Ｔ＿ＣＮＶ後の値であるトルク収束値ＴＲＱ＿ＣＮＶとを所定の減少態様で補間することにより、現在から予測時間Ｔ＿ＰＲＥ後までの間のエンジントルク値を推定する。これにより、不規則で無く自然に変化するようにエンジントルク値を推定することができるので、触媒温度の予測精度をさらに向上することができる。

（３）本実施形態では、現在の運転状態パラメータの値に応じて、エンジントルクの現在値ＴＲＱ＿ＰＲＥ＿０とトルク収束値ＴＲＱ＿ＣＮＶとを補間する際の減少態様を変化させることにより、エンジントルクの予測値ＴＲＱ＿ＰＲＥ＿１，…，ＴＲＱ＿ＰＲＥ＿Ｎを実際の値に近づけることができる。したがって、触媒温度の予測精度をさらに向上することができる。

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。
例えば上記実施形態では、Ｓ２においてエンジンが高負荷運転状態であるか否かを判別するための閾値ＴＲＱ＿ＴＨと、継続して運転できると考えられるトルク収束値ＴＲＱ＿ＣＮＶとは、異なる値であるものとして説明したが、これに限らない。例えば、トルク収束値ＴＲＱ＿ＣＮＶは、上記閾値ＴＲＱ＿ＴＨと等しくしてもよい。

［第２実施形態］
以下、本発明の第２実施形態を、図面を参照して説明する。なお、以下の説明において、上記第１実施形態と共通する構成については説明を省略する。

図６は、本実施形態に係る触媒温度予測装置１Ａの構成を示すブロック図である。本実施形態に係る触媒温度予測装置１Ａは、現在から予測時間Ｔ＿ＰＲＥ後までのエンジントルク値ＴＲＱ＿ＰＲＥ＿０，…，ＴＲＱ＿ＰＲＥ＿Ｎを推定する運転パターン予測部１０Ａの構成が第１実施形態と異なる。

運転パターン予測部１０Ａは、エンジントルク値を推定する数に相当する数であるＮ＋１組のニューラルネットワーク１３＿０，…，１３＿Ｎを含んで構成された予測演算部１３と、ニューラルネットワーク学習手段としてのモデル修正器１４と、を備える。

各ニューラルネットワーク１３＿０，…，１３＿Ｎには、エンジンの負荷に相関のあるパラメータとしてのドライバ要求トルク、エンジンの回転数および車両の車速などの他、平均ドライバ要求トルク、平均車速、車両の加速度、および車両の運転時刻など、車両の運転状態に関わる運転状態パラメータの現在の値が入力される。

各ニューラルネットワーク１３＿０，１３＿１，…，１３＿Ｎ−１，１３＿Ｎは、それぞれ、所定の関数に従って出力する複数のニューロンを結合して構成されており、上記運転状態パラメータの入力に対し、現在から予測時間Ｔ＿ＰＲＥ後までのエンジントルクの値ＴＲＱ＿ＰＲＥ＿０，ＴＲＱ＿ＰＲＥ＿１，…，ＴＲＱ＿ＰＲＥ＿Ｎ−１，ＴＲＱ＿ＰＲＥ＿Ｎを出力するように予め学習されている。

モデル修正器１４は、現在の時刻を”ｔ“とし、現在から予測時間Ｔ＿ＰＲＥ前にニューラルネットワーク１３＿Ｎで算出されたエンジントルク予測値ＴＲＱ＿ＰＲＥ＿Ｎ（ｔ−Ｔ＿ＰＲＥ）と、エンジントルク現在値ＴＲＱ＿ＰＲＥ＿０（ｔ）とを比較し、これら過去のエンジントルク予測値ＴＲＱ＿ＰＲＥ＿Ｎ（ｔ−Ｔ＿ＰＲＥ）とエンジントルク現在値ＴＲＱ＿ＰＲＥ＿０（ｔ）とが一致するように、ニューラルネットワーク１３＿０，…，１３＿Ｎを修正する。

本実施形態によれば、以下の効果を奏する。
（４）本実施形態によれば、現在から予測時間Ｔ＿ＰＲＥ後までのエンジントルクの予測値に基づいて触媒温度を推定することにより、現在から予測時間Ｔ＿ＰＲＥ後までの間に触媒が受けた熱量を考慮することができるので、高い精度で触媒の温度を予測することができる。
また本実施形態では、マップやモデルに基づく厳密な定式化が困難なエンジントルクの将来の値を、ニューラルネットワーク１３＿０，…，１３＿Ｎを用いて推定することにより、高い精度で触媒温度を予測することができる。
また本実施形態では、ニューラルネットワーク１３＿０，…，１３＿Ｎへの入力に、エンジンの負荷に相関のあるエンジン回転数、車速およびドライバ要求トルクなどのパラメータを含めた。これにより、現在のエンジンが高負荷運転状態にある場合にはその後エンジンの負荷が減少へ転じる可能性が高い、といった上述のような一般的な運転パターンを考慮してエンジントルクを予測することができるので、触媒温度の予測精度を向上することができる。

（５）車両の運転時刻は、運転パターンを予測する上で有用な情報であると考えられる。したがって、このようなパラメータをニューラルネットワーク１３＿０，…，１３＿Ｎの入力に含めることにより、触媒温度の予測精度をさらに向上することができる。

（６）本実施形態では、現在の時刻を“ｔ”として、現在から予測時間Ｔ＿ＰＲＥ前に推定されたエンジントルク値の予測時間Ｔ＿ＰＲＥ後の値ＴＲＱ＿ＰＲＥ＿Ｎ（ｔ−Ｔ＿ＰＲＥ）と、このエンジントルク現在値ＴＲＱ＿ＰＲＥ＿０（ｔ）とが一致するようにニューラルネットワーク１３＿０，…，１３＿Ｎを修正することにより、実際のドライバによる車両の運転パターンに合わせてエンジントルクの予測精度を向上し、ひいては触媒温度の予測精度をさらに向上することができる。

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、上記ニューラルネットワーク１３＿０，…，１３＿Ｎへの入力には、ミッションの位置、ＧＰＳ信号、走行距離、および走行時間など、ドライバによる運転パターンと相関のあるパラメータを含めてもよい。

１，１Ａ…触媒温度予測装置
１０，１０Ａ…運転パターン予測部（内燃機関パラメータ予測手段、高負荷判定手段）
１２…熱伝導モデル演算部（温度予測手段）
１３＿０，…，１３＿Ｎ…ニューラルネットワーク
１４…モデル修正器（ニューラルネットワーク学習手段）
２…エンジン（内燃機関）
４３…選択還元触媒（触媒）

Claims (3)

1. 内燃機関の排気系に設けられた触媒の温度を予測する触媒温度予測装置であって、
   前記内燃機関の排気温度と相関のある内燃機関パラメータの現在から所定の予測時間後までの値を推定する内燃機関パラメータ予測手段と、
   前記推定された内燃機関パラメータの現在から前記予測時間後までの値に基づいて、現在から前記予測時間後における前記触媒の温度の値を推定する温度予測手段と、
   前記内燃機関が高負荷運転状態にあるか否かを判定する高負荷判定手段と、を備え、
   前記内燃機関パラメータ予測手段は、前記内燃機関が高負荷運転状態にあると判定された場合には、現在から前記予測時間後へ向けて減少するように内燃機関パラメータの値を推定することを特徴とする触媒温度予測装置。
2. 前記内燃機関パラメータ予測手段は、
   車両の運転状態パラメータの現在の値に基づいて前記内燃機関パラメータの現在の値と所定時間後の値とを推定し、
   当該推定した内燃機関パラメータの現在の値と所定時間後の値とを所定の減少態様で補間することにより、前記内燃機関パラメータの現在から前記予測時間後の間における値を推定することを特徴とする請求項１に記載の触媒温度予測装置。
3. 前記内燃機関パラメータ予測手段は、
   車両の運転状態パラメータの現在の値に応じて、前記補間する際の減少態様を変化させることを特徴とする請求項２に記載の触媒温度予測装置。
   

Images