JP5510684B2 - 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する。

特許文献１に、内燃機関の排気系内のガスの温度をモデルを用いた演算によって算出する方法が開示されている。そして、この方法によって算出される排気系内のガスの温度の演算値に基づいて、排気系の設計事項が決定される。

特開平８−７４６４６号公報 特開２００４−２５７３５５号公報 特開２００７−１０７５３１号公報 特開平７−３４９２４号公報

ところで、特許文献１に記載のモデル中には、排気系およびそこを流れるガスに関するパラメータ（例えば、排気系内のガスの熱が排気系の壁に伝達されるときの熱伝達率、排気系内のガスの熱が伝達される排気系の壁の表面積など）が含まれている。ここで、上記パラメータの値は、実験等によって予め求められた値（以下この値を「初期値」という）ものであるが、内燃機関の運転が長期に亘って行われたとき、例えば、排気系の内壁面に煤が堆積したりして、上記パラメータの値が実際には初期値から変化してしまうことがある。この場合、上記モデルを用いた演算によって算出される排気系内のガスの温度の演算値は、排気系内のガスの実際の温度に一致しない。

本発明の目的は、内燃機関の燃焼室から排出される排気ガスの温度の挙動を表現したモデルを用いて排気ガスの実際の温度に正確に一致する排気ガスの温度の演算値を算出することにある。

本願の１番目の発明は、内燃機関の運転が停止されている間における内燃機関の排気枝管内の排気ガスの温度の挙動を表現したモデルを利用して内燃機関の運転が始動されたときの排気枝管内の排気ガスの温度を排気温度演算値として算出する排気温度モデル演算を実行するモデル演算手段と、排気枝管内の排気ガスの温度を検出して排気温度実測値として出力する排気温度実測値出力手段とを具備し、前記モデルが少なくとも１つのパラメータを含んでいる内燃機関の制御装置に関する。

そして、本発明は、内燃機関の運転が停止された第１の時点において前記排気温度実測値出力手段から出力される排気温度実測値に基づいて前記排気温度モデル演算によって前記第１の時点よりも後に内燃機関の運転が始動された第２の時点における排気温度演算値を算出し、該算出された排気温度演算値が、前記第２の時点において前記排気温度実測値出力手段から出力される排気温度実測値に一致するように前記モデル中に含まれているパラメータを学習して補正するパラメータ学習補正を実行するパラメータ学習補正手段をさらに具備する。

この発明によれば、以下の効果が得られる。すなわち、パラメータ学習補正が行われる度に、内燃機関の運転が始動されたときの排気枝管内の排気ガスの温度に影響を及ぼす内燃機関の状態の最新の状態がモデル中に含まれているパラメータに反映される。このため、内燃機関の運転が始動されたときの排気枝管内の排気ガスの温度に影響を及ぼす内燃機関の状態が経時的に変化したとしても、パラメータ学習補正が行われれば、モデル中に含まれているパラメータの値に、同内燃機関の状態の経時的な変化が反映される。したがって、内燃機関の運転が始動されたときの排気枝管内の排気ガスの実際の温度に一致する排気ガスの温度の演算値が排気温度モデル演算によって正確に算出される。

本願の２番目の発明は、上記１番目の発明の制御装置であって、運転が停止される頻度がモデル中に含まれているパラメータの精度を許容される精度に維持することができる頻度である内燃機関に搭載される制御装置である。

この発明によれば、以下の効果が得られる。すなわち、内燃機関の運転が停止される頻度が高ければ、パラメータ学習補正が行われる頻度も高くなる。このため、モデル中に含まれているパラメータの精度が常に高く維持される。したがって、内燃機関の運転が始動されたときの排気枝管内の排気ガスの実際の温度に一致する排気温度演算値が排気温度モデル演算によって正確に算出される。

本願の３番目の発明では、上記１または２番目の発明において、内燃機関の負荷が高い状態が継続している時間を高負荷継続時間と称したとき、前記パラメータ学習補正を実行するか否かを判別するための高負荷継続時間に関する閾値が高負荷継続時間に関する学習禁止閾値として予め設定され、内燃機関の運転が停止される直前に内燃機関の負荷が高い状態が継続しており、同状態が継続していた高負荷継続時間が前記高負荷継続時間に関する学習禁止閾値以上であるときには、前記パラメータ学習補正の実行が禁止される。

この発明によれば、内燃機関の運転が停止される直前に内燃機関の負荷が高い状態が長く続いていた場合に、パラメータ学習補正が行われて排気温度モデル演算によって算出される排気温度演算値の精度が低下することが抑制される。

本願の４番目の発明では、上記１〜３番目の発明のいずれか１つにおいて、内燃機関の運転が停止されている時間を機関停止時間と称したとき、前記パラメータ学習補正を実行するか否かを判別するための過剰に短い機関停止時間に関する閾値が機関停止時間に関する学習禁止閾値として予め設定され、機関停止時間が前記過剰に短い機関停止時間に関する学習禁止閾値以下であるときには、前記パラメータ学習補正の実行が禁止される。

この発明によれば、内燃機関の運転が停止されている時間が短く、内燃機関の運転が停止されている間の排気枝管内の排気ガスの温度の低下が小さい場合に、パラメータ学習補正が行われて排気温度モデル演算によって算出される排気温度演算値の精度が低下することが抑制される。

本願の５番目の発明では、上記１〜４番目の発明のいずれか１つにおいて、内燃機関の運転が停止されている時間を機関停止時間と称したとき、前記パラメータ学習補正を実行するか否かを判別するための過剰に長い機関停止時間に関する閾値が過剰に長い機関停止時間に関する学習禁止閾値として予め設定され、機関停止時間が前記過剰に長い機関停止時間に関する学習禁止閾値以上であるときには、前記パラメータ学習補正の実行が禁止される。

この発明によれば、内燃機関の運転が停止されている時間が長く、内燃機関の運転が停止されている間の排気枝管内の排気ガスの温度の低下が大きい場合に、パラメータ学習補正が行われて排気温度モデル演算によって算出される排気温度演算値の精度が低下することが抑制される。

本願の６番目の発明は、上記１〜５番目の発明のいずれか１つにおいて、前記排気枝管に排気管が接続されており、該排気管に過給機の排気タービンが配置されている内燃機関の制御装置である。そして、本発明では、前記過給機が作動されているときの過給機の過給圧の挙動を表現したモデルを利用して前記モデル演算手段が過給機による過給圧を過給圧演算値として算出する過給圧モデル演算を実行し、前記排気温度モデル演算によって算出される排気温度演算値が前記過給圧モデル演算に利用される。

この発明によれば、以下の効果が得られる。すなわち、排気温度モデル演算が本発明のパラメータ学習補正によって内燃機関の運転が始動されたときの排気枝管内の排気ガスの温度に影響を及ぼす内燃機関の状態の最近の状態が概ね反映されたモデルを利用して行われ、これによって得られる排気温度演算値が内燃機関の運転が始動されたときの排気枝管内の排気ガスの実際の温度に正確に一致していることから、過給圧モデル演算によって実際の過給圧に正確に一致する過給圧演算値が算出される。

本願の７番目の発明では、上記１〜６番目の発明のいずれか１つにおいて、前記パラメータ学習補正において、前記第１の時点における排気温度実測値と、前記第２の時点における排気温度実測値と、前記第２の時点における排気枝管内の排気ガスの温度として前記排気温度モデル演算によって算出される排気温度演算値とに基づいて、前記排気温度演算値が前記第２の時点における排気枝管内の排気ガスの実際の温度に一致するように前記モデル中に含まれているパラメータが学習されて補正される。

この発明によれば、パラメータ学習補正が行われたときに、内燃機関の運転が始動されたときの排気枝管内の排気ガスの温度に影響を及ぼす内燃機関の状態の最新の状態が、より正確に、モデル中に含まれているパラメータに反映される。

本発明の制御装置の実施形態が適用される内燃機関の全体図である。 本発明の実施形態のパラメータ学習補正を実行するルーチンの一例を示した図である。 本発明の実施形態のパラメータ学習補正を実行するルーチンの一例を示した図である。

以下、図面を参照して本発明の制御装置の実施形態について説明する。図１に、本発明の制御装置の実施形態が適用された内燃機関が示されている。なお、図１に示されている内燃機関は、圧縮自着火式の内燃機関（いわゆる、ディーゼルエンジン）である。しかしながら、本発明の制御装置は、火花点火式の内燃機関（いわゆる、ガソリンエンジン）にも適用可能である。

図１に示されている内燃機関１０は、内燃機関の本体（以下「機関本体」という）２０と、燃料噴射弁３０と、燃料ポンプ４０と、吸気系５０と、排気系６０とを有する。燃料噴射弁３０は、機関本体２０の４つの燃焼室にそれぞれ対応して配置されている。燃料ポンプ４０は、燃料噴射弁３０に燃料供給管４１を介して燃料を供給する。吸気系５０は、外部から燃焼室に空気を供給する系である。排気系６０は、燃焼室から排出される排気ガスを外部に排出する系である。

吸気系５０は、吸気枝管（すなわち、インテークマニホルド）５１と吸気管５２とを有する。吸気枝管５１の一方の端部（すなわち、枝部）は、各燃焼室に対応して機関本体２０内に形成された吸気ポート（図示せず）に接続されている。一方、吸気枝管５１の他方の端部は、吸気管５２に接続されている。吸気管５２内には、該吸気管内を流れる空気の量を制御するスロットル弁５３が配置されている。スロットル弁５３には、該スロットル弁の開度を制御するアクチュエータ（以下「スロットル弁アクチュエータ」という）５３Ａが取り付けられている。さらに、吸気管５２には、該吸気管内を流れる空気を冷却するインタークーラ５４が配置されている。さらに、吸気管５２の外部を臨む端部には、エアクリーナ５５が配置されている。

一方、排気系６０は、排気枝管（すなわち、エキゾーストマニホルド）６１と排気管６２とを有する。排気枝管６１の一方の端部（すなわち、枝部）は、各燃焼室に対応して機関本体２０内に形成された排気ポート（図示せず）に接続されている。一方、排気枝管６１の他方の端部は、排気管６２に接続されている。排気管６２には、触媒コンバータ６３が配置されている。触媒コンバータ６３内には、排気ガス中の特定成分を浄化する排気浄化触媒６３Ａが内蔵されている。触媒コンバータ６３よりも上流の排気管６２には、触媒コンバータに流入する排気ガスの温度を検出する温度センサ（以下この温度センサを「上流側温度センサ」という）６４が配置されている。また、触媒コンバータ６３よりも下流の排気管６２には、触媒コンバータから流出する排気ガスの温度を検出する温度センサ（以下この温度センサを「下流側温度センサ」という）６５が配置されている。

また、内燃機関１０は、過給機７０を具備する。過給機７０は、インタークーラ５４よりも上流の吸気管５２内に配置されるコンプレッサ７０Ａと、触媒コンバータ６３よりも上流の排気管６２内に配置される排気タービン７０Ｂとを有する。排気タービン７０Ｂは、シャフト（図示せず）を介してコンプレッサ７０Ａに接続されている。排気タービン７０Ｂが排気ガスによって回転せしめられると、その回転がシャフトを介してコンプレッサ７０Ａに伝達され、これによって、コンプレッサ７０Ａが回転せしめられる。

また、内燃機関１０は、排気再循環装置（以下これを「ＥＧＲ装置」という）８０を具備する。ＥＧＲ装置８０は、排気再循環管（以下これを「ＥＧＲ管」という）８１を有する。ＥＧＲ管８１の一端は、排気枝管６１に接続されている。一方、ＥＧＲ管８１の他端は、吸気枝管５１に接続されている。また、ＥＧＲ管８１には、該ＥＧＲ管内を流れる排気ガスの流量を制御する排気再循環制御弁（以下この排気再循環制御弁を「ＥＧＲ制御弁」という）８２が配置されている。ＥＧＲ制御弁８２は、図示されていないアクチュエータ（以下これを「ＥＧＲ制御弁アクチュエータ」という）によって動作せしめられる。内燃機関１０では、ＥＧＲ制御弁８２の開度が大きいほど、ＥＧＲ管８１内を流れる排気ガスの流量が多くなる。さらに、ＥＧＲ管８１には、該ＥＧＲ管内を流れる排気ガスを冷却する排気再循環クーラ８３が配置されている。

また、排気枝管６１と排気管６２との間にタービンバイパス管６６が配置されている。タービンバイパス管６６は、排気枝管６１を排気タービン７０Ｂと触媒コンバータ６３との間の排気管６２に接続している。また、タービンバイパス管６６の入口には、該入口を開閉するタービンバイパス弁６７が配置されている。タービンバイパス弁６７が開弁されている場合、燃焼室から排気枝管６１に排出された排気ガスは、排気タービン７０Ｂを通過せずにタービンバイパス管６６を介して排気タービンよりも下流の排気管６２に直接流入する。一方、タービンバイパス弁６７が閉弁されている場合、燃焼室から排気枝管６１に排出された排気ガスは、タービンバイパス管６６に流入せず、排気タービン７０Ｂに流入する。

また、エアクリーナ５５よりも下流であってコンプレッサ７０Ａよりも上流の吸気管５２には、該吸気管内を流れる空気の流量を検出するエアフローメータ５６が取り付けられている。また、吸気枝管５１には、該吸気枝管内の圧力を検出する圧力センサ（以下「吸気圧センサ」という）５７が取り付けられている。また、エアフローメータ５６とエアクリーナ５５との間の吸気管５２には、該吸気管内の空気の温度（すなわち、外気の温度）を検出する温度センサ（以下この温度センサを「外気温センサ」という）５８が配置されている。

また、内燃機関１０は、電子制御装置８０を具備する。電子制御装置８０は、マイクロプロセッサ（ＣＰＵ）８１と、リードオンリメモリ（ＲＯＭ）８２と、ランダムアクセスメモリ（ＲＡＭ）８３と、バックアップＲＡＭ（Ｂａｃｋ ｕｐ ＲＡＭ）８４と、インターフェース８５とを有する。インターフェース８５には、燃料噴射弁３０、燃料ポンプ４０、スロットル弁アクチュエータ５３Ａ、ＥＧＲ制御弁アクチュエータ、および、タービンバイパス弁６７が接続されており、これらの動作を制御する制御信号がインターフェース８５を介して電子制御装置８０から与えられる。また、インターフェース８５には、エアフローメータ５６、吸気圧センサ５７、アクセルペダルＡＰの踏込量を検出するアクセル開度センサ９０、外気温センサ５８、上流側温度センサ６４、および、下流側温度センサ６５も接続されており、エアフローメータ５６によって検出された流量に対応する信号、吸気圧センサ５７によって検出された圧力に対応する信号、アクセル開度センサ９０によって検出されたアクセルペダルＡＰの踏込量に対応する信号、外気温センサ５８によって検出された温度に対応する信号、上流側温度センサ６４によって検出された温度に対応する信号、および、下流側温度センサ６５によって検出された温度に対応する信号がインターフェース８５に入力される。

ところで、本実施形態では、内燃機関１０の運転が始動されたときの排気枝管６１内の排気ガスの温度（すなわち、内燃機関の運転が停止されたときに排気枝管６１内に残留した排気ガスの温度）がモデルを用いた演算によって算出される。そして、この算出された温度が内燃機関１０の構成要素の状態（例えば、燃料噴射弁３０から噴射される燃料の量、燃焼室内に吸入されるガスの量、排気浄化触媒６３Ａによる排気ガス中の成分の浄化量、過給機７０による過給圧、ＥＧＲ管８１を介して吸気枝管５１に導入される排気ガスの量など）を制御するため、或いは、内燃機関１０の構成要素の状態を把握するために利用される。

そして、本実施形態では、上記モデルは、内燃機関１０の運転が停止されている間の排気枝管６１内の排気ガスの温度の挙動を表現したモデル（以下このモデルを「排気温度モデル」という）であって、内燃機関１０の運転が停止されている間の排気枝管６１内の排気ガスに関する質量保存則、運動量保存則、エネルギ保存則等に基づいて作成されるモデルである。

ところで、本実施形態では、上記モデルに関してパラメータ学習補正が行われる。次に、このパラメータ学習補正について説明する。

なお、以下の説明において、「機関始動時」とは「内燃機関の運転が始動された時」を意味し、「機関停止時」とは「内燃機関の運転が停止された時」を意味し、「機関停止中」とは「内燃機関の運転が停止されている間」を意味し、「機関停止時間」とは「内燃機関の運転が停止されていた時間」を意味し、「機関停止直前」とは「内燃機関の運転が停止される直前」を意味し、「機関運転状態」とは「内燃機関の運転の状態」を意味し、「機関状態」とは「内燃機関の状態」を意味し、「高負荷運転状態」とは「内燃機関の負荷が比較的高い状態」を意味し、「機関運転」とは「内燃機関の運転」を意味する。

ところで、上述した排気温度モデルには、機関始動時の排気枝管６１内の排気ガスの温度（以下この温度を「始動時排気温度」という）をモデル演算によって算出するために必要な幾つかのパラメータ（すなわち、機関停止中の排気枝管６１内の排気ガスの温度の挙動に関する係数や定数であって、例えば、機関停止中の排気ガスの温度の低下に関する一次遅れ時定数、排気枝管６１内の排気ガスと排気枝管の壁との間の熱伝達率、排気枝管の壁と外気との間の熱伝達率等）が含まれている。こうしたパラメータ（以下「モデルパラメータ」という）の値は、始動時排気温度に影響を及ぼす機関状態（限定的には、機関停止中の排気枝管６１内の排気ガスの温度の低下に影響を及ぼす機関状態）によって異なる。したがって、始動時排気温度に影響を及ぼす機関状態が経時的に変化した場合（例えば、排気枝管６１の内壁面に煤が堆積したり、排気枝管６１の内壁面に堆積している煤の量が多くなったりした場合）、始動時排気温度に影響を及ぼす機関状態が変化する前に設定されたモデルパラメータの値がモデルパラメータの値としてそのまま採用されていると、始動時排気温度をモデル演算によって正確に算出することができない。したがって、始動時排気温度をモデル演算によって正確に算出するためには、始動時排気温度に影響を及ぼす機関状態の最新の状態が反映された値にモデルパラメータの値を補正することが好ましい。

そこで、本実施形態では、始動時排気温度に影響を及ぼす機関状態の最新の状態が反映された値にモデルパラメータの値を補正するためのパラメータ学習補正が行われる。

すなわち、本実施形態のパラメータ学習補正では、機関停止時に、上流側温度センサ６４によって検出される排気ガスの温度が停止時排気温度実測値として取得され、この取得された停止時排気温度実測値が電子制御装置８０に格納される（すなわち、記憶される）。そして、その後の機関始動時に、上流側温度センサ６４によって検出される排気ガスの温度が始動時排気温度実測値として取得され、外気温センサ５８によって検出される外気の温度が始動時外気温度実測値として取得され、モデル演算によって始動時排気温度が始動時排気温度演算値として算出され、これら始動時排気温度実測値、始動時外気温度実測値、および、始動時排気温度演算値が電子制御装置８０に格納される（すなわち、記憶される）。

そして、電子制御装置８０に格納されている停止時排気温度実測値と始動時排気温度実測値と始動時外気温度実測値と始動時排気温度演算値とに基づいて、モデルパラメータの値として最適な値が算出される（すなわち、学習される）。より詳細には、機関停止中、排気ガスの温度が一次遅れを伴って低下すると仮定して、電子制御装置８０に格納されている停止時排気温度実測値と始動時排気温度実測値と始動時外気温度実測値と始動時排気温度演算値とに基づいて、モデル演算によって算出される始動時排気温度演算値が実際の始動時排気温度に一致するように、モデルパラメータの値として適切な値が算出される（すなわち、学習される）。

そして、この算出された（すなわち、学習された）値に基づいて、モデルパラメータの値が補正される。

これによれば、以下の効果が得られる。すなわち、パラメータ学習補正が行われる度に、始動時排気温度に影響を及ぼす機関状態の最新の状態がモデルパラメータに反映される。このため、始動時排気温度に影響を及ぼす機関状態が経時的に変化したとしても、パラメータ学習補正が行われれば、モデルパラメータの値に、この機関状態の経時的な変化が反映される。したがって、実際の始動時排気温度に一致する始動時排気温度演算値がモデル演算によって正確に算出される。

なお、上述した実施形態のパラメータ学習補正において、モデルパラメータの値として適切な値を算出するために、機関始動時に外気温センサ５８によって検出される外気の温度を利用する代わりに、機関停止時に外気温センサ５８によって検出される外気の温度を利用するようにしてもよい。

また、上述した実施形態のパラメータ学習補正において、モデルパラメータの値として最適な値を算出するために、機関始動時に外気温センサ５８によって検出される外気の温度を利用しなくてもよい。この場合、パラメータ学習補正において、停止時排気温度実測値と始動時排気温度実測値と始動時排気温度演算値とに基づいてモデルパラメータの値として適切な値が算出されることになる。

また、上述した実施形態のモデル演算によって算出される始動時排気温度演算値は、例えば、以下のように利用される。すなわち、過給機７０が作動されているときの過給機による過給圧の挙動を表現した過給圧モデルが排気タービン７０Ｂ、そこに流入する排気ガスおよびそこから流出する排気ガス、過給機のコンプレッサ７０Ａ、そこに流入するガスおよびそこから流出するガス等に関する質量保存則、運動量保存則、エネルギ保存則等に基づいて作成されたとき、当該過給圧モデル中に始動時排気温度が変数として含まれていることが多い。したがって、この過給圧モデルを利用して電子制御装置８０が過給機７０による過給圧をモデル演算によって算出するようになっている場合、モデル演算によって算出される始動時排気温度演算値が過給圧のモデル演算に利用されるのである。

このようにモデル演算によって算出される始動時排気温度演算値が過給圧のモデル演算に利用される場合、始動時排気温度のモデル演算が上述したパラメータ学習補正によって始動時排気温度に影響を及ぼす機関状態の最新の状態が概ね反映された排気温度モデルを利用して行われ、これによって得られる始動時排気温度演算値が実際の始動時排気温度に正確に一致していることから、モデル演算によって実際の過給圧に正確に一致する過給圧の演算値が算出されることになる。

同様に、機関運転中に燃料噴射弁３０から噴射される燃料の量（以下「燃料噴射量」という）の挙動を表現した燃料噴射量モデル、機関運転中に排気浄化触媒６３Ａによる排気ガス中の成分の浄化量（以下「触媒浄化量」という）の挙動を表現した触媒浄化量モデル、または、機関運転中にＥＧＲ管８１を介して吸気枝管５１に導入される排気ガスの量（以下「ＥＧＲ量」という）の挙動を表現したＥＧＲ量モデルが質量保存則、運動量保存則、エネルギ保存則等に基づいて作成されたときにも、これら燃料噴射量モデル、触媒状態量モデル、および、ＥＧＲ量モデル中に始動時排気温度が変数として含まれていることが多い。したがって、燃料噴射量モデル、または、触媒状態量モデル、または、ＥＧＲ量モデルを利用して電子制御装置８０が燃料噴射量、または、触媒浄化量、または、ＥＧＲ量をモデル演算によって算出するようになっている場合、モデル演算によって算出される始動時排気温度演算値が燃料噴射量のモデル演算、または、触媒浄化量のモデル演算、または、ＥＧＲ量のモデル演算に利用される。

もちろん、モデル演算によって算出される始動時排気温度演算値は、機関始動時の排気枝管６１内の排気ガスの温度の温度センサによる検出値の代わりに利用されることもできる。

ところで、機関運転状態が高負荷運転状態にあるとき、燃焼室から排出される排気ガスの温度が高い。そして、機関運転状態が高負荷運転状態にある時間（以下この機関を「高負荷継続時間」という）が長いと、排気枝管６１の壁の温度が著しく高くなる。そして、排気枝管６１の壁の温度が著しく高い状態で機関運転が停止された場合、機関停止中の排気枝管内の排気ガスの温度低下特性は、一般的な特性からかけ離れた特性となる。したがって、排気枝管６１の壁の温度が著しく高い状態で機関運転が停止され、その後、機関運転が始動されたときに上述したパラメータ学習補正が行われた場合、パラメータ学習補正によって補正されたモデルパラメータの値は、モデルパラメータの値として採用すべき値からかけ離れている可能性が高い。したがって、機関停止直前に機関運転状態が長い時間に亘って高負荷運転状態にあったときには、機関停止時に上流側温度センサ６４によって検出される温度をパラメータ学習補正に利用しない（すなわち、機関停止時に上流側温度センサ６４によって検出される温度を取得せず、パラメータ学習補正を行わない）ことが好ましい。

そこで、上述した実施形態では、機関停止直前の機関運転状態が高負荷運転状態にあった場合におけるその高負荷運転状態が継続した時間に関し、パラメータ学習補正を実行すべきか否かを判別するための閾値が「第１学習禁止閾値」として予め設定される。

そして、機関停止時に、機関停止直前の機関運転状態が高負荷運転状態にあり、その状態が継続した時間が第１学習禁止閾値以上であるときには、上流側温度センサ６４によって検出される温度が取得されず、パラメータ学習補正の実行が禁止される。

これによれば、以下の効果が得られる。すなわち、機関停止直前に高負荷運転状態が長く続いていたことから、パラメータ学習補正によってモデルパラメータの値が補正されると、モデル演算によって算出される始動時排気温度演算値の精度が低下してしまう可能性が高い場合に、パラメータ学習補正の実行が禁止される。したがって、モデル演算によって算出される始動時排気温度演算値の精度の低下が抑制される。

なお、上述した実施形態において、高負荷継続時間が第１学習禁止閾値以上であるか否かを判別するためには、機関運転状態が高負荷運転状態にあるか否かの判別を行う必要がある。ここで、この判別は、例えば、以下のように行えばよい。すなわち、機関停止時の排気枝管６１の壁の温度が著しく高く、機関始動時にパラメータ学習補正を行った場合にモデルパラメータを修正された排気温度モデルを利用してモデル演算によって始動時排気温度を算出したときに、算出された始動時排気温度演算値が実際の始動時排気温度から許容することができない程ずれてしまう可能性のある負荷のうち最も小さい負荷が閾値として予め実験等によって求められる。そして、内燃機関１０の負荷が上記閾値以上であることをもって、機関運転状態が高負荷運転状態にあると判別される。

また、機関運転状態が高負荷運転状態にあるとき、内燃機関１０の負荷の大きさに応じて排気枝管６１の壁の温度が異なり、内燃機関の負荷が大きいほど排気枝管の壁の温度が高くなる傾向にある。そこで、上述した実施形態において、機関運転状態が高負荷運転状態にあると判別されたときに、高負荷継続時間中の内燃機関１０の負荷の平均値が算出され、この算出された内燃機関の負荷の平均値が大きいほど、第１学習禁止閾値が小さくされるようにしてもよい。この場合、高負荷継続時間中の内燃機関１０の負荷の平均値が高いほど、高負荷継続時間が短くても、当該高負荷継続時間が第１学習禁止閾値以上であると判別され、パラメータ学習補正の実行が禁止されることになる。

また、パラメータ学習補正によって補正されたモデルパラメータの値がモデルパラメータの値として採用すべき値からかけ離れている場合においてより確実にパラメータ学習補正の実行を禁止するためには、上記第１学習禁止閾値として、機関停止時の排気枝管６１の壁の温度が著しく高く、機関停止中の排気枝管内の排気ガスの温度低下特性が一般的な特性から許容できない程かけ離れてしまう高負荷継続時間のうち最も短い時間が採用されると好ましい。別の云い方をすれば、上記第１学習禁止閾値として、機関停止時の排気枝管６１の壁の温度が著しく高く、パラメータ学習補正によってモデルパラメータの値が補正された場合にモデル演算によって算出される始動時排気温度演算値の精度を許容することができない精度に低下させてしまう高負荷継続時間のうち最も短い時間が採用されると好ましい。

ところで、タービンバイパス弁６７の開度が比較的大きいとき、燃焼室から排気枝管６１に排出された排気ガスの殆どがタービンバイパス管６６を介して（すなわち、排気タービン７０Ｂをバイパスして）上流側温度センサ６４に到達する。したがって、この場合、上流側温度センサ６４によって検出される温度は、排気枝管６１内の排気ガスの温度に正確に一致する。したがって、機関停止時において、タービンバイパス弁６７の開度が比較的大きいとき、上流側温度センサ６４によって検出される温度を利用したパラメータ学習補正によって得られるモデルパラメータの値は、始動時排気温度に影響を及ぼす機関状態の最新の状態が正確に反映された値である。

一方、タービンバイパス弁６７の開度が比較的小さいとき、燃焼室から排気枝管６１に排出された排気ガスの殆どが排気タービン７０Ｂを介して上流側温度センサ６４に到達する。この場合、排気タービン７０Ｂが大きな熱容量を有していることから、排気ガスが排気タービンを通過するときに排気ガスの熱が排気タービンに奪われる。したがって、この場合、上流側温度センサ６４によって検出される温度は、排気枝管６１内の排気ガスの温度に一致していない。したがって、機関停止時において、タービンバイパス弁６７の開度が比較的小さいとき、上流側温度センサ６４によって検出される温度を利用したパラメータ学習補正によって得られるモデルパラメータの値は、始動時排気温度に影響を及ぼす機関状態の最新の状態が正確に反映された値ではない。したがって、機関停止時のタービンバイパス弁６７の開度が比較的小さいときには、上流側温度センサ６４によって検出される温度をパラメータ学習補正に利用しない（すなわち、上流側温度センサ６４によって検出される温度を取得せず、パラメータ学習補正を行わない）ことが好ましい。

そこで、上述した実施形態では、タービンバイパス弁６７の開度に関し、パラメータ学習補正を実行すべきか否かを判別するための閾値が「学習禁止開度閾値」として予め設定される。

そして、機関停止時のタービンバイパス弁６７の開度が学習禁止開度閾値以下であるときには、パラメータ学習補正上流側温度センサ６４によって検出される温度が取得されず、パラメータ学習補正の実行が禁止される。

これによれば、以下の効果が得られる。すなわち、タービンバイパス弁６７の開度が小さいことから、パラメータ学習補正によってモデルパラメータの値が補正されると、モデル演算によって算出される始動時排気温度演算値の精度が低下してしまう場合に、パラメータ学習補正の実行が禁止される。したがって、モデル演算によって算出される始動時排気温度演算値の精度の低下が抑制される。

なお、パラメータ学習補正によって補正されたモデルパラメータの値が始動時排気温度に影響を及す機関状態の最新の状態を正確に反映した値にならない場合においてより確実にパラメータ学習補正の実行を禁止するためには、上記学習禁止開度閾値として、機関停止時に上流側温度センサ６４によって検出される温度がその時の排気枝管６１内の排気ガスの温度に一致しなくなるタービンバイパス弁６７の開度のうち最も大きい開度が採用されると好ましい。別の云い方をすれば、上記学習禁止開度閾値として、機関停止時のタービンバイパス弁６７の開度が小さく、パラメータ学習補正によってモデルパラメータの値が補正された場合にモデル演算によって算出される始動時排気温度演算値の精度を許容することができない精度に低下させてしまうタービンバイパス弁６７の開度のうち最も大きい開度が採用されると好ましい。

ところで、機関停止時間が極めて短い場合、機関停止中の排気枝管６１内の排気ガスの温度の低下が極めて小さい。この場合、機関始動時に上流側温度センサ６４によって検出される温度を利用してパラメータ学習補正によって得られるモデルパラメータの値は、始動時排気温度に影響を及ぼす機関状態の最新の状態が反映された値になっていない。したがって、機関停止時間が極めて短かったときには、機関始動時に上流側温度センサ６４によって検出される温度をパラメータ学習補正に利用しない（すなわち、機関始動時に上流側温度センサ６４によって検出される温度を取得せず、パラメータ学習補正を行わない）ことが好ましい。

そこで、上述した実施形態では、過剰に短い機関停止時間に関し、パラメータ学習補正を実行すべきか否かを判別するための閾値が「第２学習禁止閾値」として予め設定される。

そして、機関始動時に機関停止時間が第２学習禁止閾値以下であったときには、上流側温度センサ６４によって検出される温度が取得されず、パラメータ学習補正の実行が禁止される。

これによれば、以下の効果が得られる。すなわち、機関停止時間が短く、機関停止中の排気枝管６１内の排気ガスの温度の低下が小さいことから、パラメータ学習補正によってモデルパラメータの値が補正されると、モデル演算によって算出される始動時排気温度演算値の精度が低下してしまう場合に、パラメータ学習補正の実行が禁止される。したがって、モデル演算によって算出される始動時排気温度演算値の精度の低下が抑制される。

なお、パラメータ学習補正によって補正されたモデルパラメータの値が始動時排気温度に影響を及す機関状態の最新の状態を反映した値にならない場合においてより確実にパラメータ学習補正の実行を禁止するためには、上記第２学習禁止閾値として、機関停止中の排気枝管６１内の排気ガスの温度の低下が極めて小さく、機関始動時に上流側温度センサ６４によって検出される温度を利用してパラメータ学習補正によって得られるモデルパラメータの値が始動時排気温度に影響を及ぼす機関状態の最新の状態が反映された値にならない機関停止時間のうち最も長い時間が採用されると好ましい。別の云い方をすれば、上記第２学習禁止閾値として、機関停止中の排気枝管６１内の排気ガスの温度の低下が極めて小さく、パラメータ学習補正によってモデルパラメータの値が補正された場合にモデル演算によって算出される排気温度演算値の精度を許容することができない精度に低下させてしまう機関停止時間のうち最も長い時間が採用されると好ましい。

ところで、機関停止時間が極めて長い場合、機関停止中の排気枝管６１内の排気ガスの温度の低下が極めて大きい。一般的に、排気ガスの温度は、時間の経過に伴って二次曲線的に低下するので、排気ガスの温度が低下するほど単位時間当たりの排気ガスの温度低下量が小さくなり、排気ガスの温度が限界まで低下した場合には、単位時間当たりの排気ガスの温度低下量が零になってしまう。したがって、機関停止時間が極めて長かったときに、機関始動時に上流側温度センサ６４によって検出される温度を利用したパラメータ学習補正によって得られるモデルパラメータの値は、始動時排気温度に影響を及ぼす機関状態の最新の状態が反映された値になっていない可能性が高い。このため、機関停止時間が極めて長かったときには、機関始動時に上流側温度センサ６４によって検出される温度をパラメータ学習補正に利用しない（すなわち、上流側温度センサ６４によって検出される温度を取得せず、パラメータ学習補正を行わない）ことが好ましい。

そこで、上述した実施形態では、過剰に長い機関停止時間に関し、パラメータ学習補正を実行すべきか否かを判別するための閾値が「第３学習禁止閾値」として予め設定される。

そして、機関始動時に機関停止時間が第３学習禁止閾値以上であったときには、上流側温度センサ６４によって検出される温度が取得されず、パラメータ学習補正の実行が禁止される。

これによれば、以下の効果が得られる。すなわち、機関停止時間が長く、機関停止中の排気枝管６１内の排気ガスの温度の低下が大きいことから、パラメータ学習補正によってモデルパラメータの値が補正されると、モデル演算によって算出される始動時排気温度演算値の精度が低下してしまう場合に、パラメータ学習補正の実行が禁止される。したがって、モデル演算によって算出される始動時排気温度演算値の精度の低下が抑制される。

なお、パラメータ学習補正によって補正されたモデルパラメータの値が始動時排気温度に影響を及す機関状態の最新の状態を反映した値にならない場合においてより確実にパラメータ学習補正の実行を禁止するためには、上記第３学習禁止閾値として、機関停止中の排気枝管６１内の排気ガスの温度の低下が極めて大きく、機関始動時に上流側温度センサ６４によって検出される温度を利用してパラメータ学習補正によって得られるモデルパラメータの値が始動時排気温度に影響を及ぼす機関状態の最新の状態が反映された値にならない機関停止時間のうち最も短い時間が採用されると好ましい。別の云い方をすれば、上記第３学習禁止閾値として、機関停止中の排気枝管６１内の排気ガスの温度の低下が極めて大きく、パラメータ学習補正によってモデルパラメータの値が補正された場合にモデル演算によって算出される排気温度演算値の精度を許容することができない精度に低下させてしまう機関停止時間のうち最も短い時間が採用されると好ましい。

なお、運転が停止される頻度が高い内燃機関に上述した実施形態の制御装置が適用されると有利である。すなわち、内燃機関１０の運転が停止される頻度が高ければ、上述した実施形態のパラメータ学習補正を行うことができる機関停止状態が生じる頻度も高くなる。このため、パラメータ学習補正を行う回数が多くなるので、モデルパラメータの精度が常に高く維持される。したがって、機関始動時の排気枝管６１内の排気ガスの実際の温度に一致する排気温度演算値が排気温度モデルを用いて算出される。

なお、運転が比較的頻繁に停止される内燃機関とは、例えば、いわゆるエコラン車（すなわち、車両が停止したときに内燃機関の運転を自動的に停止させ、アクセルペダルが踏み込まれたときに内燃機関の運転を自動的に始動させるシステムが搭載された車両）やハイブリッド車（すなわち、内燃機関と電気モータとが搭載され、車両の走行状態に応じて内燃機関の運転が始動されたり停止されたりする車両）に搭載される内燃機関である。

また、機関停止直前の内燃機関の状態や機関停止中の内燃機関を取り巻く状態に応じて最適なモデルパラメータの値を予め実験等によって求め、これらモデルパラメータの値をマップの形で電子制御装置に記憶させておき、機関停止直前の内燃機関の状態や機関停止中の内燃機関を取り巻く状態に応じて最適なモデルパラメータの値をマップから読み込み、この読み込まれた値をモデルパラメータの値としてモデル演算によって始動時排気温度を算出するようにしてもよい。この場合、パラメータ学習補正によってモデルパラメータの値が学習されたとき、この学習結果に基づいてマップとして記載されているモデルパラメータの値が補正される。

次に、上述した実施形態のパラメータ学習補正を実行するルーチンの一例について説明する。このルーチンは、図２および図３に示されている。なお、このルーチンは、所定時間間隔で実行される。

図２および図３のルーチンが開始されると、図２のステップ１００において、機関運転が停止されたか否かが判別される。ここで、機関運転が停止されたと判別されたときには、ルーチンは、ステップ１０１に進む。一方、機関運転が停止されていないと判別されたときには、ルーチンは、そのまま終了する。

ステップ１００において機関運転が停止されたと判別され、ルーチンがステップ１０１に進むと、高負荷継続時間Ｔｅｌが第１学習禁止閾値Ｔｅｌｔｈよりも短い（Ｔｅｌ＜Ｔｅｌｔｈ）か否かが判別される。ここで、Ｔｅｌ＜Ｔｅｌｔｈであると判別されたときには、ルーチンは、ステップ１０２に進む。一方、Ｔｅｌ≧Ｔｅｌｔｈであると判別されたときには、機関停止時における排気枝管の壁の温度が著しく高く、上流側温度センサ６４によって検出される温度を利用したパラメータ学習補正が行われるとその後のモデル演算によって算出される始動時排気温度演算値の精度が低くなってしまうことから、ルーチンは、そのまま終了する。

ステップ１００において機関運転が停止されたと判別され且つステップ１０１においてＴｅｌ＜Ｔｅｌｔｈであると判別され、ルーチンがステップ１０２に進むと、タービンバイパス弁６７の開度Ｄｔｂが学習禁止開度閾値Ｄｔｂｔｈよりも大きい（Ｄｔｂ＞Ｄｔｂｔｈ）か否かが判別される。

ステップ１０２において、Ｄｔｂ＞Ｄｔｂｔｈであると判別されたときには、ルーチンは、ステップ１０３に進む。一方、Ｄｔｂ≦Ｄｔｂｔｈであると判別されたときには、機関停止時に上流側温度センサ６４によって検出される温度が排気枝管６１内に残留する排気ガスの温度に一致せず、上流側温度センサによって検出される温度を利用したパラメータ学習補正が行われるとその後のモデル演算によって算出される始動時排気温度演算値の精度が低くなってしまうことから、ルーチンは、そのまま終了する。

ステップ１００において機関運転が停止されたと判別され且つステップ１０１においてＴｅｌ＜Ｔｅｌｔｈであると判別され且つステップ１０２においてＤｔｂ＞Ｄｔｂｔｈであると判別され、ルーチンがステップ１０３に進むと、上流側温度センサ６４によって検出される温度Ｔｅｕが取得され、この温度Ｔｅｕが停止時排気温度実測値Ｔｅｕ１として電子制御装置８０に格納される。次いで、ステップ１０４において、機関運転が始動されたか否かが判別される。ここで、機関運転が始動されたと判別されたときには、ルーチンは、図３のステップ１０５に進む。一方、機関運転が始動されていないと判別されたときには、ルーチンは、ステップ１０４を繰り返す。すなわち、ステップ１０４において機関運転が始動されたと判別されるまで、ステップ１０４が繰り返される。

ステップ１０４において機関運転が始動されたと判別され、ルーチンがステップ１０５に進むと、ステップ１００で機関運転が停止されたと判別されてからステップ１０４で機関運転が始動されたと判別されるまでに経過した時間（すなわち、機関停止時間）Ｔｓが取得される。次いで、ステップ１０６において、ステップ１０５で取得された機関停止時間Ｔｓが第２学習禁止閾値Ｔｓｓｔｈよりも大きく且つ第３学習禁止閾値Ｔｓｓｌｔｈよりも小さい（Ｔｓｓｔｈ＜Ｔｓ＜Ｔｓｓｌｔｈ）か否かが判別される。

ステップ１０６において、Ｔｓｓｔｈ＜Ｔｓ＜Ｔｓｓｌｔｈであると判別されたときには、ルーチンは、ステップ１０７に進む。一方、Ｔｓ≦Ｔｓｓｔｈ、または、Ｔｓ≧Ｔｓｓｌｔｈであると判別されたときには、機関停止中の排気枝管６１内の排気ガスの温度の低下が極めて小さく或いは極めて大きく、上流側温度センサ６４によって検出される温度を利用したパラメータ学習補正が行われるとその後のモデル演算によって算出される始動時排気温度演算値の精度が低くなってしまうことから、ルーチンは、そのまま終了する。

ステップ１０６においてＴｓｓｔｈ＜Ｔｓ＜Ｔｓｓｌｔｈであると判別され、ルーチンがステップ１０７に進むと、上流側温度センサ６４によって検出される温度Ｔｅｕが取得され、この温度が始動時排気温度実測値Ｔｅｕ２として電子制御装置８０に格納される。次いで、ステップ１０８において、外気温センサ５８によって検出される温度Ｔａが電子制御装置８０に格納される。次いで、ステップ１０９において、モデル演算によって機関始動時の排気温度演算値Ｔｅｕｃが算出され、この演算値Ｔｅｕｃが電子制御装置８０に格納される。次いで、ステップ１１０において、ステップ１０３で格納された停止時排気温度実測値Ｔｅｕ１と、ステップ１０７で格納された始動時排気温度実測値Ｔｅｕ２と、ステップ１０８で格納された外気温Ｔａと、ステップ１０９で格納された機関始動時の排気温度演算値Ｔｅｕｃとに基づいて、モデルパラメータの値として最適な値が学習される（すなわち、算出される）。次いで、ステップ１１１において、ステップ１１０で学習されたモデルパラメータの値に従ってモデルパラメータの値が補正され、ルーチンが終了する。

Claims (7)

1. 内燃機関の運転が停止されている間における内燃機関の排気枝管内の排気ガスの温度の挙動を表現したモデルを利用して内燃機関の運転が始動されたときの排気枝管内の排気ガスの温度を排気温度演算値として算出する排気温度モデル演算を実行するモデル演算手段と、排気枝管内の排気ガスの温度を検出して排気温度実測値として出力する排気温度実測値出力手段とを具備し、前記モデルが少なくとも１つのパラメータを含んでいる内燃機関の制御装置において、
   内燃機関の運転が停止された第１の時点において前記排気温度実測値出力手段から出力される排気温度実測値に基づいて前記排気温度モデル演算によって前記第１の時点よりも後に内燃機関の運転が始動された第２の時点における排気温度演算値を算出し、該算出された排気温度演算値が、前記第２の時点において前記排気温度実測値出力手段から出力される排気温度実測値に一致するように前記モデル中に含まれているパラメータを学習して補正するパラメータ学習補正を実行するパラメータ学習補正手段をさらに具備する内燃機関の制御装置。
   
2. 運転が停止される頻度がモデル中に含まれているパラメータの精度を許容される精度に維持することができる頻度である内燃機関に搭載される請求項１に記載の内燃機関の制御装置。
3. 内燃機関の負荷が高い状態が継続している時間を高負荷継続時間と称したとき、前記パラメータ学習補正を実行するか否かを判別するための高負荷継続時間に関する閾値が高負荷継続時間に関する学習禁止閾値として予め設定され、内燃機関の運転が停止される直前に内燃機関の負荷が高い状態が継続しており、同状態が継続していた高負荷継続時間が前記高負荷継続時間に関する学習禁止閾値以上であるときには、前記パラメータ学習補正の実行が禁止される請求項１または２に記載の内燃機関の制御装置。
4. 内燃機関の運転が停止されている時間を機関停止時間と称したとき、前記パラメータ学習補正を実行するか否かを判別するための過剰に短い機関停止時間に関する閾値が過剰に短い機関停止時間に関する学習禁止閾値として予め設定され、機関停止時間が前記過剰に短い機関停止時間に関する学習禁止閾値以下であるときには、前記パラメータ学習補正の実行が禁止される請求項１〜３のいずれか１つに記載の内燃機関の制御装置。
5. 内燃機関の運転が停止されている時間を機関停止時間と称したとき、前記パラメータ学習補正を実行するか否かを判別するための過剰に長い機関停止時間に関する閾値が過剰に長い機関停止時間に関する学習禁止閾値として予め設定され、機関停止時間が前記過剰に長い機関停止時間に関する学習禁止閾値以上であるときには、前記パラメータ学習補正の実行が禁止される請求項１〜４のいずれか１つに記載の内燃機関の制御装置。
6. 前記排気枝管に排気管が接続されており、該排気管に過給機の排気タービンが配置されており、前記過給機が作動されているときの過給機の過給圧の挙動を表現したモデルを利用して前記モデル演算手段が過給機による過給圧を過給圧演算値として算出する過給圧モデル演算を実行し、前記排気温度モデル演算によって算出される排気温度演算値が前記過給圧モデル演算に利用される請求項１〜５のいずれか１つに記載の内燃機関の制御装置。
7. 前記パラメータ学習補正において、前記第１の時点における排気温度実測値と、前記第２の時点における排気温度実測値と、前記第２の時点における排気枝管内の排気ガスの温度として前記排気温度モデル演算によって算出される排気温度演算値とに基づいて、前記排気温度演算値が前記第２の時点における排気枝管内の排気ガスの実際の温度に一致するように前記モデル中に含まれているパラメータが学習されて補正される請求項１〜６のいずれか１つに記載の内燃機関の制御装置。
   

Images