JP6690757B1 - 燃料蒸気排出防止システムの異常検出装置 - Google Patents

Abstract

【課題】燃料蒸気排出防止システムの異常を正確に検出する。【解決手段】車両の運転停止時に、一定時間毎に検出された燃料タンク（５）内およびキャニスタ（６）内の圧力が記憶装置に記憶され、記憶装置に記憶された一定時間毎の燃料タンク（５）内およびキャニスタ（６）内の圧力および大気圧をニューラルネットワークの入力パラメータとし、システムに燃料蒸気を漏洩させる穴あきが生じているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転停止時に、学習済みニューラルネットワークを用いて、これら入力パラメータから、燃料蒸気を漏洩させる穴あき異常を検出する。【選択図】図２２

Description

本発明は燃料蒸気排出防止システムの異常検出装置に関する。

内燃機関では、燃料蒸気が外気中に流出するのを防止するために、活性炭層の両側に夫々燃料蒸気室と大気圧室が形成されているキャニスタを具備すると共に、燃料蒸気室を一方では燃料タンクの燃料液面上方の内部空間に連通させ、他方ではパージ制御弁を介して機関の吸気通路内に連結した燃料蒸気排出防止システムが、従来より用いられている。このような燃料蒸気排出防止システムにおいて、例えば、キャニスタの燃料蒸気室とパージ制御弁とを連結している燃料蒸気流通管の管壁に穴が開くと、この穴を通って燃料蒸気が外気中に流出してしまう。

そこで、燃料タンク内の燃料液面上方の内部空間の圧力（単に、燃料タンク内の圧力と言う）を検出し、この燃料タンク内の圧力の変化から燃料蒸気排出防止システムに異常が生じているか否かを、例えば、燃料蒸気流通管の管壁に穴が開いたか否かを診断するようにした診断装置が公知である（例えば特許文献１を参照）。この診断装置では、安定した定常運転が行われているときに、キャニスタの大気圧室を大気から遮断した状態でパージ制御弁を開弁させることにより燃料タンク内の圧力が大気圧以下に低下せしめられ、次いで、パージ制御弁を閉弁させることにより燃料タンク内が密封状態とされる。このとき、例えば、燃料蒸気流通管の管壁に穴が開いていれば、燃料タンク内の圧力は少しずつ上昇する。従って、この診断装置では、燃料タンク内が密封状態とされた後、燃料タンク内の圧力が一定値以上高くなったときには、例えば、燃料蒸気流通管の管壁に穴が開いていると判別される。

特開２００４−４４３９６号公報

この場合、燃料蒸気流通管の管壁に開いた穴の径が小さいと、燃料タンク内の圧力上昇量は小さくなる。一方、燃料タンク内の圧力は、他の要因、例えば、燃料タンク内の燃料の温度によっても変動する。従って、燃料タンク内の圧力が一定値以上高くなったから、燃料蒸気流通管の管壁に穴が開いたと判断すると誤判断をする危険性がある。
本発明は、ニューラルネットワークを用いて、例えば、燃料蒸気流通管の管壁に穴が開き、このとき開いた穴の径が小さかったとしても、正確に燃料蒸気流通管の管壁に穴が開いたことを検出することのできる燃料蒸気排出防止システムの異常検出装置を提供することにある。

即ち、本発明によれば、活性炭層の両側に夫々燃料蒸気室と大気圧室が形成されているキャニスタを具備しており、燃料蒸気室が一方では燃料タンクの燃料液面上方の内部空間に連通していると共に、他方ではパージ制御弁を介して機関の吸気通路内に連結されており、大気圧室を大気と吸引ポンプに選択的に連結可能な流路切換弁と、燃料タンク内およびキャニスタ内の圧力を検出する圧力センサとを具備した燃料蒸気排出防止システムの異常検出装置において、車両の運転停止時に、パージ制御弁を閉弁させる閉弁指令と、流路切換弁の切換位置を、大気圧室が吸引ポンプに連結される切換位置に切換える切換指令と、燃料タンク内およびキャニスタ内を負圧にするために吸引ポンプを作動させるポンプ作動指令とを発生させる異常検出処理が行われ、異常検出処理が行われているときに、圧力センサにより一定時間毎に検出された燃料タンク内およびキャニスタ内の圧力が記憶装置に記憶され、記憶装置に記憶された一定時間毎の燃料タンク内およびキャニスタ内の圧力および異常検出処理が行われたときの少なくとも大気圧をニューラルネットワークの入力パラメータとし、上述のシステムに燃料蒸気を漏洩させる穴あきが生じているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転停止時に、学習済みニューラルネットワークを用いて、上述の入力パラメータから、燃料蒸気を漏洩させる穴あき異常を検出する燃料蒸気排出防止システムの異常検出装置が提供される。

更に、本発明によれば、活性炭層の両側に夫々燃料蒸気室と大気圧室が形成されているキャニスタを具備しており、燃料蒸気室が一方では燃料タンクの燃料液面上方の内部空間に連通していると共に、他方ではパージ制御弁を介して機関の吸気通路内に連結されており、大気圧室を大気と吸引ポンプに選択的に連結可能な流路切換弁を具備しており、流路切換弁から大気圧室に向かう通路と、流路切換弁から吸引ポンプに向かう吸引通路とが絞り部を有する基準圧検出通路により連結されており、流路切換弁から吸引ポンプに向かう吸引通路内に圧力センサが配置された燃料蒸気排出防止システムの異常検出装置において、車両の運転停止時に、パージ制御弁を閉弁させる閉弁指令と、車両の運転停止後、流路切換弁の切換位置を、大気圧室が大気に連結される切換位置に維持しつつ予め設定された時間が経過したときに、燃料タンク内およびキャニスタ内を負圧にするために吸引ポンプを作動させるポンプ作動指令と、ポンプ作動指令の発生後、流路切換弁の切換位置を大気圧室が吸引ポンプに連結される切換位置に切換える切換指令と、切換指令の発生後、パージ制御弁を開弁させる開弁指令を発生させる異常検出処理が行われ、異常検出処理が行われているときに、圧力センサにより一定時間毎に検出された燃料タンク内およびキャニスタ内の圧力が記憶装置に記憶され、記憶装置に記憶された一定時間毎の燃料タンク内およびキャニスタ内の圧力および異常検出処理が行われたときの少なくとも大気圧をニューラルネットワークの入力パラメータとし、上述のシステムに燃料蒸気を漏洩させる穴あきが生じているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転停止時に、学習済みニューラルネットワークを用いて、上述の入力パラメータから、燃料蒸気を漏洩させる穴あき異常を検出する燃料蒸気排出防止システムの異常検出装置が提供される。

圧力センサにより一定時間毎に検出された燃料タンク内およびキャニスタ内の圧力および少なくとも大気圧をニューラルネットワークの入力パラメータとして、ニューラルネットワークの重みの学習を行うことにより、例えば、燃料蒸気流通管の管壁に、径の小さな穴が開いたとしても、燃料蒸気流通管の管壁に穴が開いたことを正確に検出することができる。

図１は、燃料蒸気排出防止システムの全体図である。 図２Ａおよび図２Ｂは、図１に示すポンプモジュールを図解的に示す拡大図である。 図３は、重力センサの斜視図である。 図４は、燃料タンク内の燃料の残量を示す図である。 図５は、システム内圧の変化を示す図である。 図６は、ニューラルネットワークの一例を示す図である。 図７は、異常検出処理とシステム内圧の変化を示す図である。 図８は、異常検出処理とシステム内圧の変化を示す図である。 図９は、異常検出処理とシステム内圧の変化を示す図である。 図１０は、異常検出処理とシステム内圧の変化を示す図である。 図１１は、異常検出処理とシステム内圧の変化を示す図である。 図１２は、本発明による実施例において用いられているニューラルネットワークを示す図である。 図１３は、入力パラメータの一覧表を示す図である。 図１４は、吸引ポンプの性能の指標を示す図である。 図１５は、出力値の一覧表を示す図である。 図１６は、訓練データセットを示す図である。 図１７は、学習方法を説明するための図である。 図１８は、異常検出処理を実行するためのフローチャートである。 図１９は、学習処理を実行するためのフローチャートである。 図２０は、電子制御ユニットにデータを読み込むためのフローチャートである。 図２１は、ニューラルネットワークの一例を示す図である。 図２２は、異常検出を行うためのフローチャートである。 図２３Ａおよび図２３Ｂは、図１に示すポンプモジュールの変形例を図解的に示す拡大図である。 図２４は、異常検出処理とシステム内圧の変化を示す図である。 図２５は、異常検出処理とシステム内圧の変化を示す図である。 図２６は、異常検出処理とシステム内圧の変化を示す図である。 図２７は、異常検出処理とシステム内圧の変化を示す図である。 図２８は、異常検出処理とシステム内圧の変化を示す図である。 図２９は、異常検出処理とシステム内圧の変化を示す図である。 図３０は、異常検出処理とシステム内圧の変化を示す図である。 図３１は、異常検出処理とシステム内圧の変化を示す図である。 図３２は、異常検出処理とシステム内圧の変化を示す図である。 図３３は、本発明による別の実施例において用いられているニューラルネットワークを示す図である。 図３４は、出力値の一覧表を示す図である。 図３５は、異常検出処理を実行するためのフローチャートである。 図３６は、本発明による別の実施例において用いられているニューラルネットワークを示す図である。

＜内燃機関の全体構成＞
図１に燃料蒸気排出防止システムの全体図を示す。図１を参照すると、１は機関本体、２はサージタンク、３は吸気ダクト、４はスロットル弁、５は燃料タンク、６はキャニスタを夫々示す。燃料タンク５には、燃料タンク５内の燃料液面の高さを検出するための燃料レベルゲージ７と、燃料タンクの燃料の温度を検出するための温度センサ８が取付けられている。一方、キャニスタ６は、活性炭層９と、活性炭層９の両側に夫々配置された燃料蒸気室１０と大気圧室１１とを有する。なお、図１では、燃料蒸気室１０が第１の燃料蒸気室１０ａと第２の燃料蒸気室１０ｂから形成されているが、この燃料蒸気室１０は共通の一つの燃料蒸気室から構成することもできる。

図１に示されるように、第１の燃料蒸気室１０ａは、燃料蒸気流通管１２を介して燃料タンク５の燃料液面上方の内部空間に連通しており、第２の燃料蒸気室１０ｂは燃料蒸気流通管１３を介してサージタンク２内に、即ち、吸気通路内に連結される。この燃料蒸気流通管１３内には、パージ制御弁１４が配置されている。一方、大気圧室１１は小容積の活性炭層１５および吸引ポンプモジュール１６を介して大気連通管１７に連結される。

図１において２０は、機関の運転および燃料蒸気排出防止システムを制御するための電子制御ユニットを示している。図１に示されるように、電子制御ユニット２０はデジタルコンピュータからなり、双方向性バス２１によって互いに接続された記憶装置２２、即ち、メモリ２２と、ＣＰＵ（マイクロプロセッサ）２３と、入力ポート２４および出力ポート２５を具備する。入力ポート２４には、燃料レベルゲージ７の出力信号、温度センサ８の出力信号、大気圧を検出するための大気圧センサ３０の出力信号、および運転開始停止スイッチ３１の出力信号が、夫々対応するＡＤ変換器２６を介して入力される。

駆動源として電気モータを備えたハイブリッドエンジンでは、運転開始停止スイッチ３１がオンにされるとエンジン又は電気モータによる車両の運転が開始され、運転開始停止スイッチ３１がオフにされるとエンジン又は電気モータによる車両の運転が停止される。一方、駆動源としての電気モータを備えていないエンジンでは、運転開始停止スイッチ３１がオンにされるとエンジンが始動されて車両の運転が開始され、運転開始停止スイッチ３１がオフにされるとエンジンが停止されて車両の運転が停止される。

また、図１に示されるように、アクセルペダル３２にはアクセルペダル３２の踏込み量に比例した出力電圧を発生する負荷センサ３３が接続され、負荷センサ３３の出力電圧は対応するＡＤ変換器２６を介して入力ポート２４に入力される。更に入力ポート２４にはクランクシャフトが例えば３０°回転する毎に出力パルスを発生するクランク角センサ３４が接続される。ＣＰＵ３３内ではクランク角センサ３４の出力信号に基づいて機関回転数が算出される。一方、出力ポート２５は対応する駆動回路２７を介してパージ制御弁１４、吸引ポンプモジュール１６およびスロットル弁４のアクチュエータに接続される。

図２Ａおよび図２Ｂは、図１に示される吸引ポンプモジュール１６を図解的に表した拡大図を示している。図２Ａおよび図２Ｂを参照すると、吸引ポンプモジュール１６は、吸引ポンプ４０と、アクチュエータ４１によって駆動される流路切換弁４２とを具備している。更に、吸引ポンプモジュール１６は、小容積の活性炭層１５を介して大気圧室１１に連結された大気圧室連結路４３と、大気連通管１７を介して大気に連結された大気連通管連結路４４と、大気連通管連結路４４から流路切換弁４２に向けて延びる大気連通路４５と、吸引ポンプ４０から流路切換弁４２に向けて延びる吸引通路４６とを有し、吸引通路４６内に圧力センサ４７が取付けられている。

流路切換弁４２内には、図２Ａに示されるように大気圧室連結路４３と大気連通路４５とを連結可能な第１通路４８と、図２Ｂに示されるように大気圧室連結路４３と吸引通路４６とを連結可能な第２通路４９とが形成されている。流路切換弁４２は、通常、図２Ａに示されるように、大気圧室連結路４３が第１通路４８を介して大気連通路４５に連結される位置に保持されており、このとき大気圧室１１は小容積の活性炭層１５、大気圧室連結路４３、第１通路４８、大気連通路４５、大気連通管連結路４４および大気連通管１７を介して大気に連通している。図２Ａに示されるように大気圧室１１が大気に連通せしめられている流路切換弁４２の切換位置を、通常位置と称す。

一方、燃料蒸気排出防止システムの異常検出を行うときには、流路切換弁４２は、図２Ｂに示されるように、大気圧室連結路４が第２通路４９を介して吸引通路４６に連結される位置に切換得られる。図２Ｂに示されるように、大気圧室１１が吸引通路４６に連結される位置を、テスト位置と称す。このとき、吸引ポンプ４０を作動すると、大気圧室１１内の空気が、小容積の活性炭層１５、大気圧室連結路４、第２通路４９および吸引通路４６を介して吸引され、このとき、パージ制御弁１４が閉弁していると、燃料タンク５内、キャニスタ６内、燃料蒸気流通管１２内、およびキャニスタ６とパージ制御弁１４間の燃料蒸気流通管１３内の圧力が低下する。なお、以下、燃料タンク５内、キャニスタ６内、燃料蒸気流通管１２内、およびキャニスタ６とパージ制御弁１４間の燃料蒸気流通管１３内の圧力を、単に、燃料タンク５内およびキャニスタ６内の圧力と称する。また、本発明による実施例では、圧力センサ４７により検出され圧力を、燃料蒸気排出防止システム内の圧力、即ち、システム内圧と称する。従って、燃料タンク５内およびキャニスタ６内の圧力が圧力センサ４７により検出されているときには、燃料タンク５内およびキャニスタ６内の圧力がシステム内圧となる。

次に、図３および図４を参照しつつ、燃料タンク５内の燃料の残量の正確な求め方について、重力センサを用いた場合を例にとって、簡単に説明する。図３に示されるように、重力センサ６０は、正方形状のフレーム６１と、フレーム６１により支持された４本の板状アーム６２を有する十字状薄板６３と、十字状薄板６３の中央部に取り付けられた錘６４からなり、十字状薄板６３の各アーム６２には夫々歪ゲージが取付けられている。この重力センサ６０は、車両が水平面上で停止しているときに、フレーム６１が水平面内に位置するように、車両に取り付けられている。

錘６４には鉛直方向の重力が作用するので、十字状薄板６３の中央には鉛直方向下向きの力が作用する。このときフレーム６１が水平面内に位置していれば、各アーム６２の歪量は同一であり、従って、車両が水平面上で停止しているときには、各アーム６２の歪量は同一となる。これに対し、車両が水平面に対して傾いて停止していると、各アーム６２の歪量が異なった値となり、各アーム６２の歪量の差異から水平面に対する車両の傾き方向および傾き量がわかる。一方、車両が水平面内に位置しているときの燃料タンク５内の燃料液面の高さは燃料レベルゲージ７の検出値からわかる。

従って、燃料タンク５がどのような形状であろうとも、燃料レベルゲージ７の検出値と、重力センサ６０により検出された水平面に対する車両の傾き方向および傾き量から、燃料タンク５内の燃料の残量がわかることになる。そこで、この例では、図４に示されるように、重力センサ６０により検出された車両の前後方向の傾き量Ｆと、車両の横方向の傾き量Ｓと、燃料レベルゲージ７の検出値Hと、燃料タンク５内の燃料の残量Ｍとの関係を予め実験により求めておき、図４に示される関係に基づいて、燃料タンク５内の燃料の残量Ｍが求められる。

次に、本発明の基本的な考え方について説明する。図１および図２Ｂからわかるように、パージ制御弁１４を閉弁し、流路切換弁４２をテスト位置に切換えた状態で、吸引ポンプ４０を作動すると、燃料タンク５内、キャニスタ６内、燃料蒸気流通管１２内、およびキャニスタ６とパージ制御弁１４間の燃料蒸気流通管１３内の圧力、即ち、システム内圧が低下する。このときのシステム内圧の変化が図５に示されている。なお、図５においてＡ点は、吸引ポンプ４０による吸引作用を開始したときを示しており、Ｂ点は、圧力低下が生じなくなったときを示している。

さて、図５において、実線は燃料蒸気排出防止システムが正常の場合を示しており、破線は、例えば、燃料蒸気流通管１２管壁に穴が開いた場合、或いはキャニスタ６とパージ制御弁１４間の燃料蒸気流通管１３の管壁に穴が開いた場合を示している。燃料蒸気流通管１２又は１３の管壁に穴が開くと、穴から外気が流入するので、Ｂ点における圧力は、破線で示されるように、実線で示される正常時よりも高くなる。従って、Ｂ点における圧力の大きさから燃料蒸気流通管１２又は１３の管壁に穴が開いたか否かの判別が可能となる。

一方、図５の一点鎖線は、燃料蒸気流通管１２又は１３の管壁には穴が開いていないが、何らかの要因により、燃料タンク５内における単位時間当たりの燃料の蒸発量が増大したとき、例えば、実線に示される場合に比べて、燃料タンク５内の燃料の温度が高い場合を示している。この場合にも、破線で示される燃料蒸気流通管１２又は１３の管壁に穴が開いた場合と同様に、Ｂ点における圧力が、実線で示される正常時よりも高くなる。従って、Ｂ点における圧力が実線で示される正常時よりも高くなったからといって、燃料蒸気流通管１２又は１３の管壁に穴が開いたと判別すると誤判断を生ずることになる。

しかしながら、燃料蒸気流通管１２又は１３の管壁に穴が開いた場合、即ち、破線で示される場合には、実線および一点鎖線で示される場合と比較して、圧力の下降の途中において、圧力の下降の度合いが小さくなり、破線で示される場合と、実線および一点鎖線で示される場合とでは、下降曲線の全体形状が異なる。従って、圧力下降曲線の全体形状を求めると、圧力下降曲線の全体形状の差異から、燃料蒸気流通管１２又は１３の管壁に穴が開いたか否かを正確に判別できることになる。そこで本発明では、システム内圧を一定時間毎に検出し、検出された一定時間毎のシステム内圧に基づき、ニューラルネットワークを用いて、燃料蒸気排出防止システムに異常が生じているか否かを判別するようにしている。
＜ニューラルネットワークの概要＞

上述したように、本発明による実施例では、ニューラルネットワークを用いて、燃料蒸気排出防止システムに異常が生じているか否かを判別するようにしている。そこで最初にニューラルネットワークについて簡単に説明する。図６は簡単なニューラルネットワークを示している。図６における丸印は人工ニューロンを表しており、ニューラルネットワークにおいては、この人工ニューロンは、通常、ノード又はユニットと称される（本願では、ノードと称す）。図６においてL＝１は入力層、L＝２および L＝３は隠れ層、L＝４は出力層を夫々示している。また、図６において、ｘ_１およびｘ_２ は入力層 ( L＝１) の各ノードからの出力値を示しており、ｙ_１ およびｙ_２ は出力層 ( L＝４) の各ノードからの出力値を示しており、ｚ^（２） _１、ｚ^（２） _２ およびｚ^（２） _３ は隠れ層 ( L＝２) の各ノードからの出力値を示しており、ｚ^（３） _１、ｚ^（３） _２ およびｚ^（３） _３は隠れ層 ( L＝３) の各ノードからの出力値を示している。なお、隠れ層の層数は、１個又は任意の個数とすることができ、入力層のノードの数および隠れ層のノードの数も任意の個数とすることができる。また、出力層のノードの数は１個とすることもできるし、複数個とすることもできる。

入力層の各ノードでは入力がそのまま出力される。一方、隠れ層 ( L＝２) の各ノードには、入力層の各ノードの出力値ｘ_１およびｘ_２ が入力され、隠れ層 ( L＝２) の各ノードでは、夫々対応する重みｗおよびバイアスｂを用いて総入力値ｕが算出される。例えば、図６において隠れ層 ( L＝２) のｚ^（２） _ｋ（ｋ＝１，２，３）で示されるノードにおいて算出される総入力値ｕ_ｋは、次式のようになる。

次いで、この総入力値ｕ_ｋは活性化関数ｆにより変換され、隠れ層 ( L＝２) のｚ^（２） _ｋで示されるノードから、出力値ｚ^（２） _ｋ(= f (ｕ_ｋ)) として出力される。一方、隠れ層 ( L＝３) の各ノード には、隠れ層 ( L＝２) の各ノードの出力値ｚ^（２） _１、ｚ^（２） _２ およびｚ^（２） _３が入力され、隠れ層 ( L＝3 ) の各ノードでは、夫々対応する重みｗおよびバイアスｂを用いて総入力値ｕ（Σｚ・ｗ＋ｂ）が算出される。この総入力値ｕは同様に活性化関数により変換され、隠れ層 ( L＝3 ) の各ノードから、出力値ｚ^（３） _１、ｚ^（３） _２ およびｚ^（３） _３として出力される、この活性化関数としては、例えば、シグモイド関数σが用いられる。

一方、出力層 ( L＝４) の各ノード には、隠れ層 ( L＝３) の各ノードの出力値ｚ^（３） _１、ｚ^（３） _２ およびｚ^（３） _３が入力され、出力層 の各ノードでは、夫々対応する重みｗおよびバイアスｂを用いて総入力値ｕ（Σｚ・ｗ＋ｂ）が算出されるか、又は、夫々対応する重みｗのみを用いて総入力値ｕ（Σｚ・ｗ）が算出される。例えば、回帰問題では、出力層のノードでは恒等関数が用いられ、従って、出力層のノードからは、出力層のノードにおいて算出された総入力値ｕが、そのまま出力値ｙとして出力される。
＜ニューラルネットワークにおける学習＞

さて、ニューラルネットワークの出力値ｙの正解値を示す教師データ、即ち、正解データをｙ_ｔとすると、ニューラルネットワークにおける各重みｗおよびバイアスｂは、出力値ｙと教師データ、即ち、正解データｙ_ｔとの差が小さくなるように、誤差逆伝播法を用いて学習される。この誤差逆伝播法は周知であり、従って、誤差逆伝播法についてはその概要を以下に簡単に説明する。なお、バイアスｂは重みｗの一種なので、以下、バイアスｂも含めて重みｗと称する。さて、図６に示すようなニューラルネットワークにおいて、Ｌ＝２，Ｌ＝３又は Ｌ＝４の各層のノードへの入力値ｕ^（Ｌ）における重みをｗ^（Ｌ）で表すと、誤差関数Ｅの重みｗ^（Ｌ）による微分、即ち、勾配∂Ｅ/∂ｗ^（Ｌ）は、書き換えると、次式で示されるようになる。

ここで、ｚ^{（Ｌ−１）}・∂ｗ^（Ｌ）＝ ∂ｕ^（Ｌ）であるので、（∂Ｅ/∂ｕ^（Ｌ））＝δ^（Ｌ）とすると、上記（１）式は、次式でもって表すことができる。

ここで、ｕ^（Ｌ）が変動すると、次の層の総入力値ｕ^{（Ｌ＋１）}の変化を通じて誤差関数Ｅの変動を引き起こすので、δ^（Ｌ）は、次式で表すことができる。

ここで、z^（Ｌ）＝ｆ(u^（Ｌ）) と表すと、上記（３）式の右辺に現れる入力値ｕ_k ^{（Ｌ＋１）}は、次式で表すことができる。

ここで、上記（３）式の右辺第１項（∂Ｅ/∂ｕ^{（Ｌ＋１）}）はδ^{（Ｌ＋１）}であり、上記（３）式の右辺第２項（∂u_ｋ ^{（Ｌ＋１）} /∂u^（Ｌ））は、次式で表すことができる。

従って、δ^（Ｌ）は、次式で示される。

即ち、δ^{（Ｌ＋１）}が求まると、δ^（Ｌ）を求めることができることになる。

さて、出力層 ( L＝４) のノードが一個であって、或る入力値に対して教師データ、即ち、正解データｙ_ｔが求められており、この入力値に対する出力層からの出力値がｙであった場合において、誤差関数として二乗誤差が用いられている場合には、二乗誤差Ｅは、Ｅ＝１/２(ｙ−ｙ_ｔ)^２で求められる。この場合、出力層（Ｌ＝４）のノードでは、出力値ｙ＝ ｆ(u^（Ｌ）) となり、従って、この場合には、出力層（Ｌ＝４）のノードにおけるδ^（Ｌ）の値は、次式で示されるようになる。

この場合、回帰問題では、前述したように、ｆ(u^（Ｌ）) は恒等関数であり、ｆ’(u^（Ｌｌ）) ＝ １となる。従って、δ^（Ｌ）＝ｙ−ｙ_ｔ となり、δ^（Ｌ）が求まる。

δ^（Ｌ）が求まると、上式（６）を用いて前層のδ^{（Ｌ−１）}が求まる。このようにして順次、前層のδが求められ、これらδの値を用いて、上式（２）から、各重みｗについて誤差関数Ｅの微分、即ち、勾配∂Ｅ/∂ｗ^（Ｌ）か求められる。勾配∂Ｅ/∂ｗ^（Ｌ）か求められると、この勾配∂Ｅ/∂ｗ^（Ｌ）を用いて、誤差関数Ｅの値が減少するように、重みｗが更新される。即ち、重みｗの学習が行われることになる。

一方、分類問題では、学習時には、出力層 ( L＝４) からの各出力値ｙ_１、ｙ_２・・・がソフトマックス層に入力され、ソフトマックス層からの出力値をｙ_１‘、ｙ_２’・・・、対応する正解ラベルをｙ_ｔ１、ｙ_ｔ２・・・とすると、誤差関数Ｅとして、次の交差エントロピー誤差Ｅが用いられる。

この場合も、出力層 ( L＝４) の各ノードにおけるδ^（Ｌ）の値は、δ^（Ｌ）＝ｙ_k
−ｙ_tk （ｋ＝１，２・・・ｎ）となり、これらδ^（Ｌ）の値から上式（６）を用いて前層のδ^{（Ｌ−１）}が求まる。
＜本発明による実施例＞

最初に、図７を参照しつつ、車両の運転停止時に、燃料蒸気排出防止システムに異常が生じているか否かを判別するために行われる異常検出処理について説明する。図７には、
パージ制御弁１４を閉弁させる閉弁指令およびパージ制御弁１４を開弁させる開弁指令と、流路切換弁４２を通常位置に切換える切換指令および流路切換弁４２をテスト位置に切換える切換指令と、吸引ポンプ４０の作動指令および吸引ポンプ４０の停止指令と、圧力センサ４７により検出されたシステム内圧の変化が示されている。なお、この例では、システム内圧は、燃料タンク５内およびキャニスタ６内の圧力を示している。

図７においてｔ_０は、車両の運転停止時を示しており、このときにはパージ制御弁１４を閉弁させる閉弁指令、流路切換弁４２を通常位置に切換える切換指令、および吸引ポンプ４０の停止指令が発せられている。図７はこれらの指令に基づいて、パージ制御弁１４、流路切換弁４２および吸引ポンプ４０が正常に作動しているときを示している。従って、車両の運転停止時には、パージ制御弁１４は閉弁せしめられており、流路切換弁４２は通常位置に切換えられており、吸引ポンプ４０は停止せしめられている。この状態は、車両の運転停止時から時刻ｔ_１までの一定期間継続される。この一定期間中は、吸引ポンプ４０が停止され続けるので、吸引ポンプ４０による吸引作用は行われず、従って、圧力センサ４７により検出されているシステム内圧は大気圧となっている。

次いで、時刻ｔ_１に達すると、流路切換弁４２をテスト位置に切換える切換指令、および吸引ポンプ４０の作動指令が発せられる。一方、パージ制御弁１４には閉弁指令が継続して発せられている。このとき、燃料タンク５内、キャニスタ６内、燃料蒸気流通管１２内、およびキャニスタ６とパージ制御弁１４間の燃料蒸気流通管１３内は、外気から隔離された閉鎖空間となり、このような状態で吸引ポンプ４０が作動せしめられるので、この閉鎖空間内の空気は吸引ポンプ４０により徐々に吸引され、その結果、燃料タンク５内およびキャニスタ６内の圧力、即ち、圧力センサ４７により検出されているシステム内圧は徐々に低下する。次いで、時刻ｔ_２に達する頃になると、圧力低下が生じなくなり、システム内圧は低下した状態で停滞する。

時刻ｔ_２に達すると、パージ制御弁１４を開弁させる開弁指令が発せられる。一方このとき、流路切換弁４２はテスト位置に維持され、吸引ポンプ４０は作動し続けられる。従って、このときには、吸引ポンプ４０による吸引作用は続行されるが、パージ制御弁１４を開弁せしめられるために、システム内圧は急上昇し、大気圧となる。次いで、時刻ｔ_３に達すると、パージ制御弁１４、流路切換弁４２および吸引ポンプ４０は、車両の運転停止時の状態に戻される。即ち、時刻ｔ_３に達すると、パージ制御弁１４を閉弁させる閉弁指令、流路切換弁４２を通常位置に切換える切換指令、および吸引ポンプ４０の停止指令が発せられる。

一方、燃料蒸気排出防止システムに異常が生じると、圧力センサ４７により検出されているシステム内圧の変化パターンが、図７に示される正常時のシステム内圧の変化パターンと異なる変化パターンとなる。次に、このことについて、図８から図１０を参照しつつ説明する。なお、図８から図１０には、図７と同様に、パージ制御弁１４を閉弁させる閉弁指令およびパージ制御弁１４を開弁させる開弁指令と、流路切換弁４２を通常位置に切換える切換指令および流路切換弁４２をテスト位置に切換える切換指令と、吸引ポンプ４０の作動指令および吸引ポンプ４０の停止指令と、圧力センサ４７により検出されたシステム内圧の変化が示されている。また、図８から図１０において、破線は、図７に示される正常時のシステム内圧の変化パターンを示している。

図８の実線は、例えば、燃料蒸気流通管１２又は１３の管壁に小さな穴が開いた場合のシステム内圧の変化パターンを示している。この場合には、小さな穴を介して外気がシステム内に流入し続けるため、システム内圧は正常時のシステム内圧まで低下せず、従って、この場合のシステム内圧の変化パターンは、正常時のシステム内圧の変化パターンと異なる変化パターンとなる。

一方、図９の実線は、パージ制御弁１４を閉弁させる閉弁指令が発せられてもパージ制御弁１４が開弁し続ける開弁異常を生じているときを示している。このときには、システム内は、パージ制御弁１４を介して大気に連通され続けているので、図９の実線で示されるように、システム内圧は大気圧に維持される。また、図１０の実線は、パージ制御弁１４を開弁させる開弁指令が発せられてもパージ制御弁１４が閉弁し続ける閉弁異常を生じているときを示している。このときには、図９の実線で示されるように、時刻ｔ_２を過ぎてもシステム内圧は負圧のまま維持される。

このように、システム内圧の変化パターンは、異常が生ずると、正常時のシステム内圧の変化パターンと異なる変化パターンとなる。そこで本発明による実施例では、システム内圧の変化パターンの差異を学習するために、システム内圧を一定時間毎に検出するようにしている、次に、このことについて、図１１を参照しつつ説明する。なお、図１１には、図７と同様に、パージ制御弁１４を閉弁させる閉弁指令およびパージ制御弁１４を開弁させる開弁指令と、流路切換弁４２を通常位置に切換える切換指令および流路切換弁４２をテスト位置に切換える切換指令と、吸引ポンプ４０の作動指令および吸引ポンプ４０の停止指令と、圧力センサ４７により検出されたシステム内圧の変化が示されている。また、図１１における実線は、図７に示される正常時のシステム内圧の変化パターンを示している。

図１１を参照すると、時刻ｔ_１から時刻ｔ_３の期間ｘｔにおいて、一定時間Δｔ毎に、圧力センサ４７によってシステム内圧が検出される。図１１において、ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは、圧力センサ４７により一定時間Δｔ毎に検出されたシステム内圧を示している。圧力センサ４７により検出された一定時間Δｔ毎のシステム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは、一旦、記憶装置に記憶される。本発明による実施例では、この一旦、記憶装置に記憶された一定時間Δｔ毎のシステム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎに基づき、ニューラルネットワークを用いて、燃料蒸気排出防止システムに異常が生じているか否かを推定することのできる異常判定推定モデルが作成される。なお、この実施例では、圧力センサ４７により検出しているのは、燃料タンク５内およびキャニスタ６内の圧力である。従って、この実施例では、圧力センサ４７を必ずしも吸引通路４６内に配置する必要がなく、燃料タンク５内およびキャニスタ６内の圧力を検出し得る任意の場所に配置することができる。

次に、この異常判定推定モデルの作成に用いられるニューラルネットワークについて図１２を参照しつつ説明する。図１２を参照すると、このニューラルネットワーク７０においても、図６に示されるニューラルネットワークと同様に、L＝１は入力層、L＝２および L＝３は隠れ層、L＝４は出力層を夫々示している。図１４に示されるように、入力層 ( L＝１) がｎ＋ｋ個のノードからなり、ｎ個の入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎとｋ個の入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋが、入力層 ( L＝１) の各ノードに入力されている。この場合、ｎ個の入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは、図１１に示される一定時間Δｔ毎のシステム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎである。

一方、図１２には隠れ層 ( L＝２)および隠れ層 ( L＝３)が記載されているが、これら隠れ層の層数は、１個又は任意の個数とすることができ、またこれら隠れ層のノードの数も任意の個数とすることができる。また、この実施例では、出力層 ( L＝４) のノードの数は４個とされており、出力層 ( L＝４) のノードからの出力値がｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’で示されている。これら出力値ｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’は、ソフトマックス層ＳＭに送り込まれて、夫々対応する出力値ｙ_１、 ｙ_２、ｙ_３、ｙ_４に変換される。これら出力値ｙ_１、 ｙ_２、ｙ_３、ｙ_４の合計は１であり、各出力値ｙ_１、 ｙ_２、ｙ_３、ｙ_４は１に対する割合を表している。

次に、図１２における入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋについて、図１３に示される一覧表を参照しつつ説明する。さて、上述したように、本発明による実施例では、一定時間Δｔ毎のシステム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎに基づき、ニューラルネットワークを用いて、燃料蒸気排出防止システムに異常が生じているか否かが推定される。ところが、システム内圧は、例えば、大気圧等の外部因子および燃料タンク５内の燃料の残量等の内部因子の影響を受けて変化し、従って、燃料蒸気排出防止システムの異常が生じているか否かを推定する際には、これら因子の影響を考慮する必要がある。

図１３には、これら因子となるニューラルネットワーク７０への入力パラメータが列挙されている。なお、図１３には、システム内圧の変化に強い影響を与える入力パラメータが、必須の入力パラメータとして列挙されており、必須の入力パラメータほどではないが、システム内圧の変化に強い影響を与える入力パラメータが、影響大な入力パラメータとして列挙されており、影響大な入力パラメータほどではないが、システム内圧の変化に影響を与える入力パラメータが、補助的な入力パラメータとして列挙されている。

図１３に示されるように、システム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび大気圧ｘｘ_１が必須の入力パラメータとされている。この場合、システム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎが必須の入力パラメータであることは、当然である。一方、大気圧が変化すれば、それに応じてシステム内圧も変化する。従って、大気圧ｘｘ_１は必須の入力パラメータとされている。

一方、吸引ポンプ４０による吸引作用によってシステム内圧が負圧になっているときには、燃料タンク５内の燃料が蒸発するとシステム内圧が上昇し、この場合、燃料の単位時間当たりの蒸発量が多いほどシステム内圧の変化量は大きくなる。一方、燃料の単位時間当たりの蒸発量は、燃料タンク５内の燃料の残量に比例する。従って、燃料タンク５内の燃料の残量が多くなるほど、システム内圧に与える影響が大きくなる。従って、図１３に示されるように、燃料タンク５内の燃料の残量ｘｘ_２は、影響大の入力パラメータとされる。

また、燃料タンク５内の燃料温度が高くなると燃料の単位時間当たりの蒸発量が増大するので、燃料タンク５内の燃料温度もシステム内圧に影響を与える。しかしながら、システム内圧に与える影響は、燃料タンク５内の燃料の残量よりも小さいので、図１３に示されるように、燃料タンク５内の燃料温度ｘｘ_３は補助的な入力パラメータとされる。また、吸引ポンプ４０の性能も少なからずシステム内圧に影響を与え、従って、図１３に示されるように、吸引ポンプ４０の流量特性値ｘｘ_４は補助的な入力パラメータとされる。

図１４には、この吸引ポンプ４０の流量特性値と吸引ポンプ４０の最大ポンプ流量との関係が示されている。図１４に示されるように、吸引ポンプ４０の流量特性値は、或る基準となる吸引ポンプ４０の最大ポンプ流量がＧであるときに１．０とされており、各吸引ポンプ４０の最大ポンプ流量に応じて吸引ポンプ４０の流量特性値が決定される。この吸引ポンプ４０の流量特性値は、吸引ポンプ４０の能力を示す指標を示しており、吸引ポンプ４０の能力が高いと吸引ポンプ４０の流量特性値が高くなり、吸引ポンプ４０の能力が低いと吸引ポンプ４０の流量特性値が低くなる。

図１５は、図１２に示される出力値ｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’および出力値ｙ_１、 ｙ_２、ｙ_３、ｙ_４がどのような状態を表しているかの一覧表を示している。図１５からわかるように、出力値ｙ_１’および出力値ｙ_１は、燃料蒸気流通管１２又は１３の管壁に小さな穴が開いている穴あき異常を示しており、出力値ｙ_２’および出力値ｙ_２は、パージ制御弁１４が開弁し続ける開弁異常を示しており、出力値ｙ_３’および出力値ｙ_３は、パージ制御弁１４が閉弁し続ける閉弁異常を示しており、出力値ｙ_４’および出力値ｙ_４は、正常時を示している。

さて、図１２に示されるニューラルネットワーク７０の入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋとして、図１３に示される必須の入力パラメータのみの値、即ち、システム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび大気圧ｘｘ_１のみを用いることができる。無論、必須の入力パラメータの値に加えて、影響大の入力パラメータの値を入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋとすることができるし、必須の入力パラメータの値に加えて、影響大の入力パラメータの値および補助的な入力パラメータの値を入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋとすることもできる。なお、以下、必須の入力パラメータの値に加えて、影響大の入力パラメータの値および補助的な入力パラメータの値も入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋ（この例では、ｋ＝４）とした場合を例にとって、本発明による実施例について説明する。

図１６は、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎと、入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋと、教師データ、即ち、正解ラベルｙｔとを用いて作成された訓練データセットを示している。この図１６において、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは、一定時間Δｔ毎のシステム内圧を示しており、このシステム内圧は、圧力センサ４７により検出される。また、図１６において、入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋは、即ち、入力値ｘｘ_１、ｘｘ_２、ｘｘ_３、ｘｘ_４は、夫々、大気圧、燃料タンク５内の燃料の残量、燃料タンク５内の燃料温度、および吸引ポンプ４０の流量特性値、即ち、吸引ポンプ４０の能力を表す指標を示している。この場合、大気圧は大気圧センサ３０により検出され、燃料タンク５内の燃料の残量は、燃料レベルゲージ７および重力センサ６０により検出され、燃料タンク５内の燃料温度は温度センサ８により検出され、吸引ポンプ４０の流量特性値は図１４に示される関係に基づいて算出される。

一方、図１６において、ｙｔ_１・・・ｙｔ_Ｓ （この例では、ｓ＝４）は、夫々図１５に示される出力値ｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’および出力値ｙ_１、 ｙ_２、ｙ_３、ｙ_４に対する教師データ、即ち、正解ラベルを示している。即ち、図１６において、ｙｔ_１は、燃料蒸気流通管１２又は１３の管壁に小さな穴が開いている穴あき異常が生じているときの正解ラベルを示しており、ｙｔ_２は、パージ制御弁１４が開弁し続ける開弁異常が生じているときの正解ラベルを示しており、ｙｔ_３は、パージ制御弁１４が閉弁し続ける閉弁異常が生じているときの正解ラベルを示しており、ｙｔ_４は、正常時であるときの正解ラベルを示している。

この場合、例えば、蒸気流通管１２又は１３の管壁に小さな穴が開いている穴あき異常が生じているときには、正解ラベルｙｔ_１のみが１とされ、残りの正解ラベルｙｔ_２、ｙｔ_３、ｙｔ_４は全て零とされる。同様に、パージ制御弁１４が開弁し続ける開弁異常が生じているときには、正解ラベルｙｔ_２のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_３、ｙｔ_４は全て零とされ、パージ制御弁１４が閉弁し続ける閉弁異常が生じているときには、正解ラベルｙｔ_３のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_２、ｙｔ_４は全て零とされ、正常時であるときには、正解ラベルｙｔ_４のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_２、ｙｔ_３は全て零とされる。

一方、図１６に示されるように、この訓練データセットでは、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋと、正解ラベルｙｔとの関係を表すｍ個のデータが取得されている。例えば、２番目のデータ（No. 2）には、取得された入力値ｘ_１２、ｘ_{２２・・・}ｘ_ｎ−１２、ｘ_ｎ２と、入力値ｘｘ_１２、ｘｘ_{２２・・・}ｘｘ_ｋ−１２、ｘｘ_ｋ２と、正解ラベルｙｔ_{１２・・・}ｙｔ_Ｓ２とが列挙されており、ｍ−１番目のデータ（No. ｍ−１）には、取得された入力パラメータの入力値ｘ_１ｍ−１、ｘ_{２ｍ−１・・・}ｘ_{ｎ−１ｍ−１}、ｘ_ｎｍ−１と、入力値ｘｘ_１ｍ−１、ｘｘ_{２ｍ−１・・・}ｘｘ_{ｋ−１ｍ−１}、ｘｘ_ｋｍ−１と、正解ラベルｙｔ_Ｓｍ−１が列挙されている。

次に、図１６に示される訓練データセットの作成方法について説明する。図１７に、訓練データセットの作成方法の一例が示されている。図１７を参照すると、図１に示される機関本体１、燃料タンク５、キャニスタ６等が、内圧の調整可能な密閉試験室８０内に設置され、試験制御装置８１により、燃料蒸気排出防止システムに異常が生じているか否かを推定するために、パージ制御弁１４、流路切換弁４２および吸引ポンプ４０を予め定められた操作順序に従って操作する異常検出処理が行われる。このとき、燃料蒸気排出防止システムの状態が、燃料蒸気流通管１２又は１３の管壁に小さな穴が開いている穴あき異常が生じている状態、パージ制御弁１４が開弁し続ける開弁異常が生じている状態、パージ制御弁１４が閉弁し続ける閉弁異常が生じている状態、および正常状態に順次変更され、変更された各状態において、大気圧、燃料タンク５内の燃料の残量、燃料タンク５内の燃料温度、および吸引ポンプ４０の流量特性値の組み合わせを順次変更しつつ、繰り返し異常検出処理が行われる。

この異常検出処理が行われている間に、訓練データセットを作成するのに必要なデータが取得される。図１８は、この異常検出処理を行うために試験制御装置８１内において実行される異常検出処理ルーチンを示している。この異常検出処理ルーチンは、図１１に示される一定時間Δｔ毎の割り込みによって実行される。なお、図１８に示すルーチンにおいて、ｔは、図１７において機関の運転が停止されたときの時刻ｔ_０を零とし、この時刻ｔ_０を起点として求められた時刻を表している。

図１８を参照すると、まず初めに、ステップ１００において、時刻ｔが、図１１に示される時刻ｔ_１前であるか否かが判別される。時刻ｔが、図１１に示される時刻ｔ_１前であるときには処理サイクルを終了する。これに対し、時刻ｔが、図１１に示される時刻ｔ_１前でないと判別されたときには、ステップ１０１に進んで、時刻ｔが、図１１に示される時刻ｔ_１に達したか否かが判別される。時刻ｔが、図１１に示される時刻ｔ_１に達したときにはステップ１０２に進んで、流路切換弁４２をテスト位置に切換える切換指令が発せられ、次いでステップ１０３に進んで、吸引ポンプ４０の作動指令が発せられる。次いで、ステップ１０４では、圧力センサ４７により検出されたシステム内圧ｘ_ｎの取得および記憶が開始される。このときシステム内圧ｘ_ｎは試験制御装置８１内に記憶される。

一方、ステップ１０１において、時刻ｔが、図１１に示される時刻ｔ_１ではないと判別されたときにはステップ１０５に進んで、システム内圧ｘ_ｎの取得および試験制御装置８１内への記憶が行われる。即ち、図１１に示されるように、システム内圧ｘ_ｎが一定時間Δｔ毎に取得され、一定時間Δｔ毎に取得されたシステム内圧ｘ_ｎが試験制御装置８１内に記憶される。次いで、ステップ１０６では、時刻ｔが、図１１に示される時刻ｔ_２になったか否かが判別される。時刻ｔが、図１１に示される時刻ｔ_２になったときにはステップ１０７に進んでパージ制御弁１４を開弁させる開弁指令が発せられる。

一方、ステップ１０６において、時刻ｔが、図１１に示される時刻ｔ_２ではないと判別されたときにはステップ１０８に進んで、時刻ｔが、図１１に示される時刻ｔ_３になったか否かが判別される。時刻ｔが、図１１に示される時刻ｔ_３ではないときには処理サイクルを終了する。これに対し、時刻ｔが、図１１に示される時刻ｔ_３になったと判別されたときには、ステップ１０９に進んで、パージ制御弁１４を閉弁させる閉弁指令が発せられる。
次いで、ステップ１１０では、流路切換弁４２を通常位置に切換える切換指令が発せられる。次いで、ステップ１１１では、吸引ポンプ４０の停止指令が発せられる。次いで、ステップ１１２では、圧力センサ４７により検出されたシステム内圧ｘ_ｎの取得および記憶作用が停止される。次いで、ステップ１１３において、異常検出処理が終了される。図１７に示される試験制御装置８１では、異常検出処理が終了すると次の異常検出処理が開始される。

このようにして、燃料蒸気流通管１２又は１３の管壁に小さな穴が開いている穴あき異常が生じている状態、パージ制御弁１４が開弁し続ける開弁異常が生じている状態、パージ制御弁１４が閉弁し続ける閉弁異常が生じている状態、および正常状態の各状態において、大気圧、燃料タンク５内の燃料の残量、燃料タンク５内の燃料温度、および吸引ポンプ４０の流量特性値の組み合わせが変更されたときの一定時間Δｔ毎のシステム内圧ｘ_ｎが試験制御装置８１に記憶される。即ち、図１６に示される訓練データセットのＮｏ．１からＮｏ．ｍの入力値ｘ_１ｍ、ｘ_{２ｍ・・・}ｘ_ｎｍ−１、ｘ_ｎｍと、入力値ｘｘ_１ｍ、ｘｘ_{２ｍ・・・}ｘｘ_ｋｍ−１、ｘｘ_ｋｍと、正解ラベルｙｔ_ｓｍ（ｍ＝１，２，３・・・ｍ）とが試験制御装置８１内に記憶される。

このようにして図１６に示されるような訓練データセットが作成されると、作成された訓練データセットの電子データを用いて、図１２に示されるニューラルネットワーク７０の重みの学習が行われる。図１７に示される例では、ニューラルネットワークの重みの学習を行うための学習装置８２が設けられている。この学習装置８２としてパソコンを用いることもできる。図１７に示されるように、この学習装置８２は、ＣＰＵ（マイクロプロセッサ）８３と、記憶装置、即ち、メモリ８４とを具備している。図１７に示される例では、図１２に示されるニューラルネットワークのノード数、および作成された訓練データセットの電子データが学習装置８２のメモリ８４に記憶され、ＣＰＵ８３においてニューラルネットワークの重みの学習が行われる。

図１９は、学習装置８２において行われるニューラルネットワークの重みの学習処理ルーチンを示す。
図１９を参照すると、まず初めに、ステップ２００において、学習装置８２のメモリ８４に記憶されているニューラルネットワーク７０に対する訓練データセットの各データが読み込まれる。次いで、ステップ２０１において各ニューラルネットワーク７０の入力層 ( L＝１) のノード数、隠れ層 ( L＝２)および隠れ層 ( L＝３)のノード数および出力層 ( L＝４) のノード数が読み込まれ、次いで、ステップ２０２において、これらノード数に基づき、図１２に示されるようなニューラルネットワーク７０が作成される。

次いで、ステップ２０３では、ニューラルネットワーク７０の重みの学習が行われる。このステップ２０３では、最初に、図１６の１番目（No. 1）の入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋが、ニューラルネットワーク７０の入力層 ( L＝１) の各ノードに入力される。このときニューラルネットワーク７０の出力層の各ノードからは、出力値がｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’出力されて、これら出力値ｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’は、ソフトマックス層ＳＭに送り込まれて、夫々対応する出力値ｙ_１、 ｙ_２、ｙ_３、ｙ_４に変換される。次いで、これらの出力値ｙ_１、 ｙ_２、ｙ_３、ｙ_４と、正解ラベルｙｔ_１・・・ｙｔ_Ｓ により、前述した交差エントロピー誤差Ｅが算出され、交差エントロピー誤差Ｅが小さくなるように、前述した誤差逆伝播法を用いて、ニューラルネットワーク７０の重みの学習が行われる。

図１６の１番目（No. 1）のデータに基づくニューラルネットワーク７０の重みの学習が完了すると、次に、図１６の２番目（No. ２）のデータに基づくニューラルネットワーク７０の重みの学習が、誤差逆伝播法を用いて行われる。同様にして、図１６のｍ番目（No. ｍ）まで順次、ニューラルネットワーク７０の重みの学習が行われる。図１６の１番目（No. 1）からｍ番目（No. ｍ）までの全てについてニューラルネットワーク７０の重みの学習が完了すると、ステップ２０４に進む。

ステップ２０４では、交差エントロピー誤差Ｅが、予め設定された設定誤差以下になったか否かが判別される。交差エントロピー誤差Ｅが、予め設定された設定誤差以下になっていないと判別されたときには、ステップ２０３に戻り、再度、図１６に示される訓練データセットに基づいて、ニューラルネットワーク７０の重み学習が行われる。次いで、交差エントロピー誤差Ｅが、予め設定された設定誤差以下になるまで、ニューラルネットワーク７０の重みの学習が続行される。ステップ２０４において、交差エントロピー誤差Ｅが、予め設定された設定誤差以下になったと判別されたときには、ステップ２０５に進んで、ニューラルネットワーク７０の学習済み重みが学習装置８２のメモリ８４に記憶される。このようにして燃料蒸気排出防止システムに異常が生じているか否かを推定することのできる異常判定推定モデルが作成される。

本発明による実施例では、このようにして作成された燃料蒸気排出防止システムの異常判定推定モデルを用いて、市販車両における燃料蒸気排出防止システムの故障診断が行われる、そのためにこの燃料蒸気排出防止システムの異常判定推定モデルが市販車両の電子制御ユニット２０に格納される。図２０は、この燃料蒸気排出防止システムの異常判定推定モデルを市販車両の電子制御ユニット２０に格納するために、電子制御ユニット２０において行われる電子制御ユニットへのデータ読み込みルーチンを示している。

図２０を参照すると、まず初めに、ステップ３００において、図１２に示されるニューラルネットワーク７０の入力層 ( L＝１) のノード数、隠れ層 ( L＝２)および隠れ層 ( L＝３)のノード数および出力層 ( L＝４) のノード数が電子制御ユニット２０のメモリ２２に読み込まれ、次いで、ステップ３０１において、これらノード数に基づき、図２１に示されるようなニューラルネットワーク７１が作成される。図２１からわかるように、このニューラルネットワーク７１では、ソフトマックス層が除去されている。なお、この場合、ニューラルネットワーク７１には、図１２に示されるように、ソフトマックス層ＳＭを設けてもよい。次いで、ステップ３０２において、ニューラルネットワーク７０の学習済み重みが電子制御ユニット２０のメモリ２２に読み込まれる。それにより燃料蒸気排出防止システムの異常判定推定モデルが市販車両の電子制御ユニット２０に格納される。

次に、図２２を参照しつつ、市販車両において実行される燃料蒸気排出防止システムの異常検出ルーチンについて説明する。このルーチンも一定時間毎の割り込みによって実行される。図２２を参照すると、まず初めに、ステップ４００において、運転開始停止スイッチ３１の出力信号に基づいて、車両の運転が停止されたか否かが判別される。車両の運転が停止されていないときには処理サイクルを終了する。これに対し、車両の運転が停止されたと判別されたときには、ステップ４０１に進んで、燃料蒸気排出防止システムの異常検出を許可する検出許可フラグがセットされているか否かが判別される。車両の運転が停止された後、最初にステップ４０１に進んだときには、検出許可フラグがセットされていないので、ステップ４０２に進む。ステップ４０２では、図１８に示される異常検出処理が実行される。

この異常検出処理が実行されると、システム内圧ｘ_ｎが一定時間Δｔ毎に取得され、一定時間Δｔ毎に取得されたシステム内圧ｘ_ｎが電子制御ユニット２０のメモリ２２に記憶される。次いでステップ４０３では、異常検出処理が終了したか否かが判別される。異常検出処理が終了していないときには処理サイクルを終了する。これに対し、異常検出処理が終了したと判別されたときにはステップ４０４に進んで検出許可フラグがセットされる。検出許可フラグがセットされると次の処理サイクルでは、ステップ４０１からステップ４０５に進む。

ステップ４０５では、電子制御ユニット２０のメモリ２２内に記憶されている一定時間Δｔ毎のシステム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎが読み込まれる。次いで、ステップ４０６では、電子制御ユニット２０のメモリ２２内に記憶されている入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋが読み込まれる。次いでステップ４０７では、一定時間Δｔ毎のシステム内圧ｘ_ｎｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋが、図２１に示されるニューラルネットワーク７１の入力層 ( L＝１) の各ノードに入力される。このときニューラルネットワーク７０の出力層の各ノードからは、出力値ｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’が出力され、それにより、ステップ４０８おいて、出力値ｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’が取得される。

次いで、ステップ４０９では、取得された出力値ｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’の内から最大の出力値ｙ_i’が選定される。このとき、この最大の出力値ｙ_i’に対応した図１５に示される異常状態が生じていると推定される。従って、ステップ４１０では、この最大の出力値ｙ_i’に対応した図１５に示される異常状態が生じていると判定され、例えば、最大の出力値ｙ_i’に対応した図１５に示される異常状態が生じていることを示す警告灯が点灯される。次いでステップ４１１において、異常検出が終了される。

このように本発明に係る燃料蒸気排出防止システムの異常検出装置では、燃料蒸気排出防止システムが、活性炭層９の両側に夫々燃料蒸気室１０と大気圧室１１が形成されているキャニスタ６を具備しており、燃料蒸気室１０が一方では燃料タンク５の燃料液面上方の内部空間に連通していると共に、他方ではパージ制御弁１４を介して機関の吸気通路内に連結されている。更に、燃料蒸気排出防止システムが、大気圧室１１を大気と吸引ポンプ４０に選択的に連結可能な流路切換弁４２と、燃料タンク５内およびキャニスタ６内の圧力を検出する圧力センサ４７とを具備している。車両の運転停止時に、パージ制御弁１４を閉弁させる閉弁指令と、流路切換弁４２の切換位置を、大気圧室１１が吸引ポンプ４０に連結される切換位置に切換える切換指令と、燃料タンク内およびキャニスタ６内を負圧にするために吸引ポンプ４０を作動させるポンプ作動指令とを発生させる異常検出処理が行われる。この異常検出処理が行われているときに、圧力センサ４０により一定時間毎に検出された燃料タンク５内およびキャニスタ６内の圧力が記憶装置に記憶され、記憶装置に記憶された一定時間毎の燃料タンク５内およびキャニスタ６内の圧力および異常検出処理が行われたときの少なくとも大気圧をニューラルネットワークの入力パラメータとし、上述のシステムに燃料蒸気を漏洩させる穴あきが生じているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転停止時に、学習済みニューラルネットワークを用いて、上述の入力パラメータから、燃料蒸気を漏洩させる穴あき異常が検出される。

この場合、本発明による実施例では、上述の記異常検出処理が、パージ制御弁１４の閉弁指令の発生後、パージ制御弁１４を開弁させる開弁指令を発生させる処理を含んでおり、記憶装置に記憶された一定時間毎の燃料タンク５内およびキャニスタ６内の圧力および異常検出処理が行われたときの少なくとも大気圧をニューラルネットワークの入力パラメータとし、上述のシステムに燃料蒸気を漏洩させる穴あきが生じているとき、パージ制御弁１４が開弁し続ける開弁異常を生じているとき、およびパージ制御弁１４が閉弁し続ける閉弁異常を生じているときを夫々正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転停止時に、学習済みニューラルネットワークを用いて、上述の入力パラメータから、燃料蒸気を漏洩させる穴あき異常、パージ制御弁１４の開弁異常およびパージ制御弁１４の閉弁異常が検出される。

また、本発明による実施例では、上述の入力パラメータが、記憶装置に記憶された一定時間毎の燃料タンク５内およびキャニスタ６内の圧力および異常検出処理が行われたときの大気圧と、異常検出処理が行われたときの燃料タンク５の燃料の残量とからなる。また、本発明による実施例では、上述の入力パラメータが、記憶装置に記憶された一定時間毎の燃料タンク５内およびキャニスタ６内の圧力および異常検出処理が行われたときの大気圧と、異常検出処理が行われたときの燃料タンク５の燃料の残量と、燃料タンク５の燃料の温度と、吸引ポンプ４０の能力を示す指標からなる。

図２３Ａから図３８は、更に多くの異常状態を検出するようにした別の実施例を示している。この別の実施例では、図１に示される吸引ポンプモジュール１６として、図２３Ａおよび図２３Ｂに図解的に表された吸引ポンプモジュール１６が用いられている。図２３Ａおよび図２３Ｂを参照すると、図２３Ａおよび図２３Ｂに示される吸引ポンプモジュール１６では、図２Ａおよび図２Ｂに示される吸引ポンプモジュール１６に対して、大気圧室連結路４３と吸引通路４６とを連結する基準圧検出通路５０が追加されており、この基準圧検出通路５０内には絞り部５１が設けられている。

次に、図２３Ａおよび図２３Ｂに示される吸引ポンプモジュール１６を用いて車両の運転停止時に行われる異常検出処理について説明する。図２４には、図７と同様な、パージ制御弁１４を閉弁させる閉弁指令およびパージ制御弁１４を開弁させる開弁指令と、流路切換弁４２を通常位置に切換える切換指令および流路切換弁４２をテスト位置に切換える切換指令と、吸引ポンプ４０の作動指令および吸引ポンプ４０の停止指令と、圧力センサ４７により検出されたシステム内圧の変化が示されている。

図２４においてｔ_０は、車両の運転停止時を示しており、このときにはパージ制御弁１４を閉弁させる閉弁指令、流路切換弁４２を通常位置に切換える切換指令、および吸引ポンプ４０の停止指令が発せられている。図２４はこれらの指令に基づいて、パージ制御弁１４、流路切換弁４２および吸引ポンプ４０が正常に作動しているときを示している。従って、車両の運転停止時には、パージ制御弁１４は閉弁せしめられており、流路切換弁４２は通常位置に切換えられており、吸引ポンプ４０は停止せしめられている。この状態は、車両の運転停止時から時刻ｔ_１までの一定期間継続される。この一定期間中は、吸引ポンプ４０が停止され続けるので、吸引ポンプ４０による吸引作用は行われず、従って、圧力センサ４７により検出されているシステム内圧は大気圧となっている。

次いで、時刻ｔ_１に達すると、吸引ポンプ４０の作動指令が発せられる。このとき流路切換弁４２は、図２３Ａに示される通常位置に切換えられており、従って、吸引ポンプ４０が作動すると、外気が大気連通管１７から大気連通管連結路４４、大気連通路４５、第１通路４８、大気連通室連結路４３、絞り部５１を有する基準圧検出通路５０、および吸引通路４６を介して吸引される。このとき絞り部５１が設けられているために、吸引通路４６内は負圧となり、従って、圧力センサ４７により検出されるシステム内圧は、図２４に示されるように低下する。

この場合、圧力センサ４７により検出されたシステム内圧の変化は、絞り部５１の径と同じ径の穴が開いたときのシステム内圧の変化を表しており、従って、このときのシステム内圧の変化は、燃料蒸気排出防止システムにおいて穴が開いたか否かを判断する際の基準となる。従って、通路５０は基準圧検出通路と称される。次いで、時刻ｔ_２に達すると、流路切換弁４２を、図２３Ｂに示されるテスト位置に切換える切換指令が発せられる。流路切換弁４２がテスト位置に切換えられると、このとき燃料タンク５内およびキャニスタ６内は大気圧となっているので、吸引通路４６内の圧力が上昇する。従って、圧力センサ４７により検出されるシステム内圧は、時刻ｔ_２に達すると、図２４に示されるように、上昇し、次いで、時刻ｔ_３に達すると、吸引ポンプ４０による燃料タンク５内およびキャニスタ６内からの空気の吸引作用により、低下し始める。次いで、時刻ｔ_４に達する頃になると、圧力低下が生じなくなり、システム内圧は低下した状態で停滞する。

時刻ｔ_４に達すると、パージ制御弁１４を開弁させる開弁指令が発せられる。一方このとき、流路切換弁４２はテスト位置に維持され、吸引ポンプ４０は作動し続けられる。従って、このときには、吸引ポンプ４０による吸引作用は続行されるが、パージ制御弁１４を開弁せしめられるために、システム内圧は急上昇し、大気圧となる。次いで、時刻ｔ_５に達すると、パージ制御弁１４、流路切換弁４２および吸引ポンプ４０は、車両の運転停止時の状態に戻される。即ち、時刻ｔ_５に達すると、パージ制御弁１４を閉弁させる閉弁指令、流路切換弁４２を通常位置に切換える切換指令、および吸引ポンプ４０の停止指令が発せられる。

一方、この実施例では、図２４に示されるように、車両の運転停止時から、即ち、時刻ｔ_０から時刻ｔ_５の期間ｘｔにおいて、一定時間Δｔ毎に、圧力センサ４７によってシステム内圧が検出される。図２４において、ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは、圧力センサ４７により一定時間Δｔ毎に検出されたシステム内圧を示している。圧力センサ４７により検出された一定時間Δｔ毎のシステム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは、一旦、記憶装置に記憶される。この実施例でも、この一旦、記憶装置に記憶された一定時間Δｔ毎のシステム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎに基づき、ニューラルネットワークを用いて、燃料蒸気排出防止システムに異常が生じているか否かを推定することのできる異常判定推定モデルが作成される。

この実施例においても、燃料蒸気排出防止システムに異常が生じると、圧力センサ４７により検出されるシステム内圧の変化パターンが、図２４に示される正常時のシステム内圧の変化パターンと異なる変化パターンとなる。次に、このことについて、図２５から図３２を参照しつつ説明する。なお、図２５から図３２には、図２４と同様に、パージ制御弁１４を閉弁させる閉弁指令およびパージ制御弁１４を開弁させる開弁指令と、流路切換弁４２を通常位置に切換える切換指令および流路切換弁４２をテスト位置に切換える切換指令と、吸引ポンプ４０の作動指令および吸引ポンプ４０の停止指令と、圧力センサ４７により検出されるシステム内圧の変化が示されている。また、図２５から図３２において、破線は、図２４に示される正常時のシステム内圧の変化パターンを示している。

図２５の実線は、圧力センサ４７に異常が生じた場合に圧力センサ４７により検出されるシステム内圧の変化パターンを示している。圧力センサ４７に異常が生じて圧力センサ４７の出力が安定しなくなると、時刻ｔ_０と時刻ｔ_１の間におけるように、圧力センサ４７により検出されたシステム内圧は、大気圧に維持されることなく、変動を繰り返す。従って、この場合のシステム内圧の変化パターンは、正常時のシステム内圧の変化パターンと異なる変化パターンとなる。

図２６の実線は、吸引ポンプ４０に停止指令が発せられても、吸引ポンプ４０が作動し続ける吸引ポンプ４０の作動継続異常が生じた場合に圧力センサ４７により検出されるシステム内圧の変化パターンを示している。図２６からわかるように、時刻ｔ_０と時刻ｔ_２の間では、流路切換弁４２は、図２３Ａに示される通常位置に切換えられており、従って、このとき吸引ポンプ４０が作動せしめられていると、外気が大気連通管１７から大気連通管連結路４４、大気連通路４５、第１通路４８、大気連通室連結路４３、絞り部５１を有する基準圧検出通路５０、および吸引通路４６を介して吸引される。このとき吸引通路４６内は負圧となり、従って、このとき圧力センサ４７により検出されるシステム内圧は、図２６に示されるように低い値を示す。従って、この場合のシステム内圧の変化パターンも、正常時のシステム内圧の変化パターンと異なる変化パターンとなる。

図２７の実線は、吸引ポンプ４０に作動指令が発せられても、吸引ポンプ４０が停止し続ける吸引ポンプ４０の作動停止異常が生じた場合に圧力センサ４７により検出されるシステム内圧の変化パターンを示している。このときには燃料蒸気排出防止システム内の全体が大気圧となるため、図２７に示されるように、圧力センサ４７により検出されるシステム内圧は大気圧に維持される。従って、この場合のシステム内圧の変化パターンも、正常時のシステム内圧の変化パターンと異なる変化パターンとなる。

図２８の実線は、流路切換弁４２が、図２３Ｂに示されるテスト位置に固定され続ける流路切換弁４２のテスト位置固着異常が生じた場合に圧力センサ４７により検出されるシステム内圧の変化パターンを示している。この場合には、時刻ｔ_１において吸引ポンプ４０が作動せしめられると、外気が大気連通管１７から大気連通管連結路４４、大気連通路４５、第１通路４８、大気連通室連結路４３、絞り部５１を有する基準圧検出通路５０、および吸引通路４６を介して吸引され、圧力センサ４７により検出されるシステム内圧は、図２９に示されるように急速に低下し、低下した状態に維持される。従って、この場合のシステム内圧の変化パターンも、正常時のシステム内圧の変化パターンと異なる変化パターンとなる。

図２９の実線は、流路切換弁４２が、図２３Ａに示される通常位置に固定され続ける流路切換弁４２の通常位置固着異常が生じた場合に圧力センサ４７により検出されるシステム内圧の変化パターンを示している。この場合には、時刻ｔ_１において吸引ポンプ４０が作動せしめられると、燃料タンク５内およびキャニスタ６内の空気の吸引作用が開始され、従って、圧力センサ４７により検出されるシステム内圧は、図２８に示されるように、徐々に低下する。従って、この場合のシステム内圧の変化パターンも、正常時のシステム内圧の変化パターンと異なる変化パターンとなる。

図３０の実線は、例えば、燃料蒸気流通管１２又は１３の管壁に小さな穴が開いた場合のシステム内圧の変化パターンを示している。この場合には、小さな穴を介して外気がシステム内に流入し続けるため、システム内圧は正常時のシステム内圧まで低下せず、従って、この場合のシステム内圧の変化パターンも、正常時のシステム内圧の変化パターンと異なる変化パターンとなる。

図３１の実線は、パージ制御弁１４を閉弁させる閉弁指令が発せられてもパージ制御弁１４を開弁し続ける開弁異常を生じているときを示している。このときには、燃料タンク５内およびキャニスタ６内は大気圧となっている。従って、時刻ｔ_２において、流路切換弁４２が、図２３Ａに示される通常位置から図２３Bに示されるテスト位置に切換えられ、このとき吸引ポンプ４０が作動せしめられていても、圧力センサ４７により検出されるシステム内圧は、図３１に示されるように大気圧まで上昇して大気圧に維持される。従って、この場合のシステム内圧の変化パターンも、正常時のシステム内圧の変化パターンと異なる変化パターンとなる。

図３２の実線は、パージ制御弁１４を開弁させる開弁指令が発せられてもパージ制御弁１４を閉弁し続ける閉弁異常を生じているときを示している。このときには、時刻ｔ_４において、パージ制御弁１４を開弁させる開弁指令が発せられても、パージ制御弁１４を閉弁し続けているので、燃料タンク５内およびキャニスタ６内は負圧に維持され、圧力センサ４７により検出されるシステム内圧は、図３２に示されるように低い状態に維持される。従って、この場合のシステム内圧の変化パターンも、正常時のシステム内圧の変化パターンと異なる変化パターンとなる。

このように異常が生ずると、システム内圧の変化パターンは、正常時のシステム内圧の変化パターンと異なる変化パターンとなる。そこでこの実施例でも、図２４に示されるように、時刻ｔ_０から時刻ｔ_５の期間ｘｔにおいて、一定時間Δｔ毎に、圧力センサ４７によってシステム内圧が検出される。図２４において、ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは、圧力センサ４７により一定時間Δｔ毎に検出されたシステム内圧を示している。圧力センサ４７により検出された一定時間Δｔ毎のシステム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは、一旦、記憶装置に記憶される。この実施例においても、一旦、記憶装置に記憶された一定時間Δｔ毎のシステム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎに基づき、ニューラルネットワークを用いて、燃料蒸気排出防止システムに異常が生じているか否かを推定することのできる異常判定推定モデルが作成される。

次に、この異常判定推定モデルの作成に用いられるニューラルネットワーク７２について図３３を参照しつつ説明する。図３３を参照すると、このニューラルネットワーク７２においても、図１２に示されるニューラルネットワークと同様に、L＝１は入力層、L＝２および L＝３は隠れ層、L＝４は出力層を夫々示している。図３３に示されるように、入力層 ( L＝１) がｎ＋ｋ個のノードからなり、ｎ個の入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎとｋ個の入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋが、入力層 ( L＝１) の各ノードに入力されている。この場合、ｎ個の入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは、図２４に示される一定時間Δｔ毎のシステム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎである。

一方、図３３には隠れ層 ( L＝２)および隠れ層 ( L＝３)が記載されているが、これら隠れ層の層数は、１個又は任意の個数とすることができ、またこれら隠れ層のノードの数も任意の個数とすることができる。また、この実施例では、出力層 ( L＝４) のノードの数は９個とされており、出力層 ( L＝４) のノードからの出力値がｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’、ｙ_５’、ｙ_６’、ｙ_７’、ｙ_８’、ｙ_９’で示されている。これら出力値ｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’ 、ｙ_５’、ｙ_６’、ｙ_７’、ｙ_８’、ｙ_９’は、ソフトマックス層ＳＭに送り込まれて、夫々対応する出力値ｙ_１、 ｙ_２、ｙ_３、ｙ_４、ｙ_５、ｙ_６、ｙ_７、ｙ_８、ｙ_９ に変換される。これら出力値ｙ_１、 ｙ_２、ｙ_３、ｙ_４、ｙ_５、ｙ_６、ｙ_７、ｙ_８、ｙ_９の合計は１であり、各出力値ｙ_１、 ｙ_２、ｙ_３、ｙ_４、ｙ_５、ｙ_６、ｙ_７、ｙ_８、ｙ_９は１に対する割合を表している。

図３３における入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋは、 図１２における入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋと同一である。これら入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋについては、図１３に示される一覧表を参照しつつ既に説明したので、これら入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋについての説明は省略する。

図３４は、図３３に示される出力値ｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’ 、ｙ_５’、ｙ_６’、ｙ_７’、ｙ_８’、ｙ_９’および出力値ｙ_１、 ｙ_２、ｙ_３、ｙ_４、ｙ_５、ｙ_６、ｙ_７、ｙ_８、ｙ_９がどのような状態を表しているかの一覧表を示している。図３４からわかるように、出力値ｙ_１’および出力値ｙ_１は、燃料蒸気流通管１２又は１３の管壁に小さな穴が開いている穴あき異常を示しており、出力値ｙ_２’および出力値ｙ_２は、パージ制御弁１４が開弁し続ける開弁異常を示しており、出力値ｙ_３’および出力値ｙ_３は、パージ制御弁１４が閉弁し続ける閉弁異常を示しており、出力値ｙ_４’および出力値ｙ_４は、圧力センサ４７の異常を示しており、出力値ｙ_５’および出力値ｙ_５は、流路切換弁４２の通常位置固着異常を示しており、出力値ｙ_６’および出力値ｙ_６は、流路切換弁４２のテスト位置固着異常を示しており、出力値ｙ_７’および出力値ｙ_７は、吸引ポンプ４０の作動継続異常を示しており、出力値ｙ_８’および出力値ｙ_８は、吸引ポンプ４０の作動停止異常を示しており、出力値ｙ_９’および出力値ｙ_９は、正常時を示している。

さて、この実施例においても、図３３に示されるニューラルネットワーク７２の入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋとして、図３４に示される必須の入力パラメータのみの値、即ち、システム内圧ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび大気圧ｘｘ_１のみを用いることができる。無論、必須の入力パラメータの値に加えて、影響大の入力パラメータの値を入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋとすることができるし、必須の入力パラメータの値に加えて、影響大の入力パラメータの値および補助的な入力パラメータの値を入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋとすることもできる。なお、以下、必須の入力パラメータの値に加えて、影響大の入力パラメータの値および補助的な入力パラメータの値も入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋ（この例では、ｋ＝４）とした場合を例にとって、この実施例について説明する。

この実施例でも、最初に、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎと、入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋと、教師データ、即ち、正解ラベルｙｔとを用いて、図１６に示される訓練データセットが作成される。この実施例でも、図１６において、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは、圧力センサ４７により検出された一定時間Δｔ毎のシステム内圧を示しており、入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋは、即ち、入力値ｘｘ_１、ｘｘ_２、ｘｘ_３、ｘｘ_４は、夫々、大気圧、燃料タンク５内の燃料の残量、燃料タンク５内の燃料温度、および吸引ポンプ４０の流量特性値を示している。

一方、図１６において、ｙｔ_１・・・ｙｔ_Ｓ （この例では、ｓ＝９）は、夫々図３４に示される出力値ｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’ 、ｙ_５’、ｙ_６’、ｙ_７’、ｙ_８’、ｙ_９’および出力値ｙ_１、 ｙ_２、ｙ_３、ｙ_４、ｙ_５、ｙ_６、ｙ_７、ｙ_８、ｙ_９に対する教師データ、即ち、正解ラベルを示している。即ち、図１６において、ｙｔ_１は、燃料蒸気流通管１２又は１３の管壁に小さな穴が開いている穴あき異常が生じているときの正解ラベルを示しており、ｙｔ_２は、パージ制御弁１４が開弁し続ける開弁異常が生じているときの正解ラベルを示しており、ｙｔ_３は、パージ制御弁１４が閉弁し続ける閉弁異常が生じているときの正解ラベルを示しており、ｙｔ_４は、圧力センサ４７に異常が生じているときの正解ラベルを示しており、ｙｔ_５は、流路切換弁４２の通常位置固着異常が生じているときの正解ラベルを示しており、ｙｔ_６は、流路切換弁４２のテスト位置固着異常が生じているときの正解ラベルを示しており、ｙｔ_７は、吸引ポンプ４０の作動継続異常が生じているときの正解ラベルを示しており、ｙｔ_８は、吸引ポンプ４０の作動停止異常が生じているときの正解ラベルを示しており、ｙｔ_９は、正常時であるときの正解ラベルを示している。

この場合、例えば、蒸気流通管１２又は１３の管壁に小さな穴が開いている穴あき異常が生じているときには、正解ラベルｙｔ_１のみが１とされ、残りの正解ラベルｙｔ_２、ｙｔ_３、ｙｔ_４、ｙｔ_５、ｙｔ_６、ｙｔ_７、ｙｔ_８、ｙｔ_９ は全て零とされる。同様に、パージ制御弁１４が開弁し続ける開弁異常が生じているときには、正解ラベルｙｔ_２のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_３、ｙｔ_４、ｙｔ_５、ｙｔ_６、ｙｔ_７、ｙｔ_８、ｙｔ_９ は全て零とされ、パージ制御弁１４が閉弁し続ける閉弁異常が生じているときには、正解ラベルｙｔ_３のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_２、ｙｔ_４、ｙｔ_５、ｙｔ_６、ｙｔ_７、ｙｔ_８、ｙｔ_９ は全て零とされ、圧力センサ４７に異常が生じているときには、正解ラベルｙｔ_４のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_２、ｙｔ_３、ｙｔ_５、ｙｔ_６、ｙｔ_７、ｙｔ_８、ｙｔ_９ は全て零とされ、流路切換弁４２の通常位置固着異常が生じているときには、正解ラベルｙｔ_５のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_２、ｙｔ_３、ｙｔ_４、ｙｔ_６、ｙｔ_７、ｙｔ_８、ｙｔ_９ は全て零とされ、流路切換弁４２のテスト位置固着異常が生じているときには、正解ラベルｙｔ_６のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_２、ｙｔ_３、ｙｔ_４、ｙｔ_５、ｙｔ_７、ｙｔ_８、ｙｔ_９ は全て零とされ、吸引ポンプ４０の作動継続異常が生じているときには、正解ラベルｙｔ_７のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_２、ｙｔ_３、ｙｔ_４、ｙｔ_５、ｙｔ_６、ｙｔ_８、ｙｔ_９ は全て零とされ、吸引ポンプ４０の作動停止異常が生じているときには、正解ラベルｙｔ_８のみが１とされると共に、残りの正解ラベルｙｔ_１、ｙｔ_２、ｙｔ_３、ｙｔ_４、ｙｔ_５、ｙｔ_６、ｙｔ_７、ｙｔ_９ は全て零とされ、正常時であるときには、正解ラベルｙｔ_９のみが１とされ、残りの正解ラベルｙｔ_１、ｙｔ_２、ｙｔ_３、ｙｔ_４、ｙｔ_５、ｙｔ_６、ｙｔ_７、ｙｔ_８ は全て零とされる。

一方、図１６に示されるように、この訓練データセットでは、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋと、正解ラベルｙｔとの関係を表すｍ個のデータが取得されている。例えば、２番目のデータ（No. 2）には、取得された入力値ｘ_１２、ｘ_{２２・・・}ｘ_ｎ−１２、ｘ_ｎ２と、入力値ｘｘ_１２、ｘｘ_{２２・・・}ｘｘ_ｋ−１２、ｘｘ_ｋ２と、正解ラベルｙｔ_{１２・・・}ｙｔ_Ｓ２とが列挙されており、ｍ−１番目のデータ（No. ｍ−１）には、取得された入力パラメータの入力値ｘ_１ｍ−１、ｘ_{２ｍ−１・・・}ｘ_{ｎ−１ｍ−１}、ｘ_ｎｍ−１と、入力値ｘｘ_１ｍ−１、ｘｘ_{２ｍ−１・・・}ｘｘ_{ｋ−１ｍ−１}、ｘｘ_ｋｍ−１と、正解ラベルｙｔ_Ｓｍ−１が列挙されている。

この訓練データセットも、図１７を参照しつつ既に説明した方法と同様な方法によって作成される。即ち、この場合にも、図１７に示される試験制御装置８１により、燃料蒸気排出防止システムに異常が生じているか否かを推定するために、パージ制御弁１４、流路切換弁４２および吸引ポンプ４０を予め定められた操作順序に従って操作する異常検出処理が行われる。このとき、燃料蒸気排出防止システムの状態が、燃料蒸気流通管１２又は１３の管壁に小さな穴が開いている穴あき異常が生じている状態、パージ制御弁１４が開弁し続ける開弁異常が生じている状態、パージ制御弁１４が閉弁し続ける閉弁異常が生じている状態、圧力センサ４７に異常が生じている状態、流路切換弁４２の通常位置固着異常が生じている状態、流路切換弁４２のテスト位置固着異常が生じている状態、吸引ポンプ４０の作動継続異常が生じている状態、吸引ポンプ４０の作動停止異常が生じている状態、および正常状態に順次変更され、変更された各状態において、大気圧、燃料タンク５内の燃料の残量、燃料タンク５内の燃料温度、および吸引ポンプ４０の流量特性値の組み合わせを順次変更しつつ、繰り返し異常検出処理が行われる。

この異常検出処理が行われている間に、訓練データセットを作成するのに必要なデータが取得される。図３５は、この異常検出処理を行うために試験制御装置８１内において実行される異常検出処理ルーチンを示している。この異常検出処理ルーチンは、図２４に示される一定時間Δｔ毎の割り込みによって実行される。なお、図３５に示すルーチンにおいて、ｔは、図２４において機関の運転が停止されたときの時刻ｔ_０を零とし、この時刻ｔ_０を起点として求められた時刻を表している。

図３５を参照すると、まず初めに、ステップ５００において、圧力センサ４７により検出されたシステム内圧ｘ_ｎの取得および記憶が行われる。即ち、図２４に示されるように、システム内圧ｘ_ｎが一定時間Δｔ毎に取得され、一定時間Δｔ毎に取得されたシステム内圧ｘ_ｎが試験制御装置８１内に記憶される。次いで、ステップ５０１では、時刻ｔが、図２４に示される時刻ｔ_１であるか否かが判別される。時刻ｔが、図２４に示される時刻ｔ_１でないときにはステップ５０２に進んで、時刻ｔが、図２４に示される時刻ｔ_２であるか否かが判別される。時刻ｔが、図２４に示される時刻ｔ_２でないときにはステップ５０３に進んで、時刻ｔが、図２４に示される時刻ｔ_４であるか否かが判別される。時刻ｔが、図２４に示される時刻ｔ_４でないときにはステップ５０４に進んで、時刻ｔが、図２４に示される時刻ｔ_５であるか否かが判別される。時刻ｔが、図２４に示される時刻ｔ_５でないときには処理サイクルを終了する。

一方、ステップ５０１において、時刻ｔが、図２４に示される時刻ｔ_１であると判別されたときにはステップ５０５に進んで、吸引ポンプ４０の作動指令が発せられる。次いで、処理サイクルを終了する。また、ステップ５０２において、時刻ｔが、図２４に示される時刻ｔ_２であると判別されたときにはステップ５０６に進んで、流路切換弁４２をテスト位置に切換える切換指令が発せられる。次いで、処理サイクルを終了する。また、ステップ５０３において、時刻ｔが、図２４に示される時刻ｔ_４であると判別されたときにはステップ５０７に進んで、パージ制御弁１４を開弁させる開弁指令が発せられる。次いで、処理サイクルを終了する。

一方、ステップ５０４において、時刻ｔが、図２４に示される時刻ｔ_５であると判別されたときにはステップ５０８に進んで、パージ制御弁１４を閉弁させる閉弁指令が発せられる。次いで、ステップ５０９では、流路切換弁４２を通常位置に切換える切換指令が発せられる。次いで、ステップ５１０では、吸引ポンプ４０の停止指令が発せられる。次いで、ステップ５１１では、圧力センサ４７により検出されたシステム内圧ｘ_ｎの取得および記憶作用が停止される。次いで、ステップ５１２において、異常検出処理が終了される。図１７に示される試験制御装置８１では、異常検出処理が終了すると次の異常検出処理が開始される。

このようにして、燃料蒸気流通管１２又は１３の管壁に小さな穴が開いている穴あき異常が生じている状態、パージ制御弁１４が開弁し続ける開弁異常が生じている状態、パージ制御弁１４が閉弁し続ける閉弁異常が生じている状態、圧力センサ４７に異常が生じている状態、流路切換弁４２の通常位置固着異常が生じている状態、流路切換弁４２のテスト位置固着異常が生じている状態、吸引ポンプ４０の作動継続異常が生じている状態、吸引ポンプ４０の作動停止異常が生じている状態、および正常状態の各状態において、大気圧、燃料タンク５内の燃料の残量、燃料タンク５内の燃料温度、および吸引ポンプ４０の流量特性値の組み合わせが変更されたときの一定時間Δｔ毎のシステム内圧ｘ_ｎが試験制御装置８１に記憶される。即ち、図１６に示される訓練データセットのＮｏ．１からＮｏ．ｍの入力値ｘ_１ｍ、ｘ_{２ｍ・・・}ｘ_ｎｍ−１、ｘ_ｎｍと、入力値ｘｘ_１ｍ、ｘｘ_{２ｍ・・・}ｘｘ_ｋｍ−１、ｘｘ_ｋｍと、正解ラベルｙｔ_ｓｍ（ｍ＝１，２，３・・・ｍ）とが試験制御装置８１内に記憶される。

このようにして訓練データセットが作成されると、作成された訓練データセットの電子データを用いて、図３３に示されるニューラルネットワーク７２の重みの学習が行われる。この場合、図３３に示されるニューラルネットワーク７２の重みの学習も、図１９に示されるニューラルネットワークの重みの学習処理ルーチンを用いて、図１７に示される学習装置８２により行われる。ニューラルネットワーク７２の重みの学習が完了すると、ニューラルネットワーク７２の学習済み重みが学習装置８２のメモリ８４に記憶される。このようにして燃料蒸気排出防止システムに異常が生じているか否かを推定することのできる異常判定推定モデルが作成される。

この実施例でも、このようにして作成された燃料蒸気排出防止システムの異常判定推定モデルを用いて、市販車両における燃料蒸気排出防止システムの故障診断が行われる、そのためにこの燃料蒸気排出防止システムの異常判定推定モデルは、図２０に示される電子制御ユニットへのデータ読み込みルーチンを用いて、市販車両の電子制御ユニット２０に格納される。即ち、図２０を参照すると、まず初めに、ステップ３００において、図３３に示されるニューラルネットワーク７２の入力層 ( L＝１) のノード数、隠れ層 ( L＝２)および隠れ層 ( L＝３)のノード数および出力層 ( L＝４) のノード数が電子制御ユニット２０のメモリ２２に読み込まれ、次いで、ステップ３０１において、これらノード数に基づき、図３６に示されるようなニューラルネットワーク７３が作成される。図３６からわかるように、このニューラルネットワーク７３では、ソフトマックス層が除去されている。なお、この場合、ニューラルネットワーク７３には、図３３に示されるように、ソフトマックス層ＳＭを設けてもよい。次いで、ステップ３０２において、ニューラルネットワーク７２の学習済み重みが電子制御ユニット２０のメモリ２２に読み込まれる。それにより燃料蒸気排出防止システムの異常判定推定モデルが市販車両の電子制御ユニット２０に格納される。

この実施例でも、市販車両において実行される燃料蒸気排出防止システムの異常検出ルーチンとして、図２２に示されるルーチンが用いられる。この実施例において図２２に示されるルーチンを用いた場合でも、ステップ４００からステップ４０６までは、以前に説明した内容と変わらないので、ステップ４００からステップ４０６については、説明を省略する。一方、ステップ４０７以降については、以前に説明した内容と若干異なるので、ステップ４０７以降についてのみ、簡単に説明する。

即ち、ステップ４０７では、一定時間Δｔ毎のシステム内圧ｘ_ｎｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎおよび入力値ｘｘ_１、ｘｘ_{２・・・ｘ}ｘ_ｋ−１、ｘｘ_ｋが、図３６に示されるニューラルネットワーク７３の入力層 ( L＝１) の各ノードに入力される。このときニューラルネットワーク７３の出力層の各ノードからは、出力値ｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’ 、ｙ_５’、ｙ_６’、ｙ_７’、ｙ_８’、ｙ_９’が出力され、それにより、ステップ４０８おいて、出力値ｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’ 、ｙ_５’、ｙ_６’、ｙ_７’、ｙ_８’、ｙ_９’が取得される。

次いで、ステップ４０９では、取得された出力値ｙ_１’、 ｙ_２’、ｙ_３’、ｙ_４’ 、ｙ_５’、ｙ_６’、ｙ_７’、ｙ_８’、ｙ_９’の内から最大の出力値ｙ_i’が選定される。このときこの最大の出力値ｙ_i’に対応した図３４に示される異常状態が生じていると推定される。従って、従って、ステップ４１０では、この最大の出力値ｙ_i’に対応した図３４に示される異常状態が生じていると判定され、例えば、最大の出力値ｙ_i’に対応した図３４に示される異常状態が生じていることを示す警告灯が点灯される。次いでステップ４１１において、異常検出が終了される。

このように本発明の別の実施例に係る燃料蒸気排出防止システムの異常検出装置では、燃料蒸気排出防止システムが、活性炭層９の両側に夫々燃料蒸気室１０と大気圧室１１が形成されているキャニスタ６を具備しており、燃料蒸気室１０が一方では燃料タンク５の燃料液面上方の内部空間に連通していると共に、他方ではパージ制御弁１４を介して機関の吸気通路内に連結されている。更に、燃料蒸気排出防止システムが、大気圧室１１を大気と吸引ポンプ４０に選択的に連結可能な流路切換弁４２を具備しており、流路切換弁４２から大気圧室１１に向かう通路４３と流路切換弁４２から吸引ポンプ４０に向かう吸引通路４６とが絞り部５１を有する基準圧検出通路５０により連結されており、流路切換弁４２から吸引ポンプ４０に向かう吸引通路４６内に圧力センサ４７が配置されている。車両の運転停止時に、パージ制御弁１４を閉弁させる閉弁指令と、車両の運転停止後、流路切換弁４２の切換位置を大気圧室１１が大気に連結される切換位置に維持しつつ予め設定された時間が経過したときに、燃料タンク５内およびキャニスタ６内を負圧にするために吸引ポンプ４０を作動させるポンプ作動指令と、ポンプ作動指令の発生後、流路切換弁４２の切換位置を大気圧室１１が吸引ポンプ４０に連結される切換位置に切換える切換指令と、この切換指令の発生後、パージ制御弁１４を開弁させる開弁指令を発生させる異常検出処理が行われる。この異常検出処理が行われているときに、圧力センサ４７により一定時間毎に検出された燃料タンク５内およびキャニスタ６内の圧力が記憶装置に記憶され、記憶装置に記憶された一定時間毎の燃料タンク５内およびキャニスタ６内の圧力および異常検出処理が行われたときの少なくとも大気圧をニューラルネットワークの入力パラメータとし、上述のシステムに燃料蒸気を漏洩させる穴あきが生じているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転停止時に、この学習済みニューラルネットワークを用いて、上述の入力パラメータから、燃料蒸気を漏洩させる穴あき異常が検出される。

この場合、本発明による実施例では、上述の記憶装置に記憶された一定時間毎の燃料タンク５内およびキャニスタ内６の圧力および異常検出処理が行われたときの少なくとも大気圧をニューラルネットワークの入力パラメータとし、燃料蒸気排出防止システムに燃料蒸気を漏洩させる穴あきが生じているとき、パージ制御弁１４が開弁し続ける開弁異常を生じているとき、パージ制御弁１４が閉弁し続ける閉弁異常を生じているとき、圧力センサ４７が異常を生じているとき、流路切換弁４２の切換位置が大気圧室１１を大気に連結させる切換位置に維持される切換異常を生じているとき、流路切換弁４２の切換位置が大気圧室１１を吸引ポンプ４０に連結させる切換位置に維持される切換異常を生じているとき、吸引ポンプ４０が作動し続ける異常を生じているとき、および吸引ポンプ４０が停止し続ける異常を生じているときを夫々正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転停止時に、この学習済みニューラルネットワークを用いて、上述の入力パラメータから、燃料蒸気を漏洩させる穴あき異常、パージ制御弁の開弁異常、パージ制御弁の閉弁異常、圧力センサの異常、流路切換弁の切換異常、および吸引ポンプの異常が検出される。

更に、この場合、本発明による実施例では、上述の入力パラメータが、記憶装置に記憶された一定時間毎の燃料タンク５内およびキャニスタ内６の圧力および異常検出処理が行われたときの大気圧と、異常検出処理が行われたときの燃料タンク５内の燃料の残量とからなる。また、この場合、本発明による実施例では、上述の入力パラメータが、記憶装置に記憶された一定時間毎の燃料タンク５内およびキャニスタ内６の圧力および異常検出処理が行われたときの大気圧と、異常検出処理が行われたときの燃料タンク５の燃料の残量と、燃料タンク５の燃料の温度と、吸引ポンプ４０の能力を示す指標からなる。

１ 機関本体
２ サージタンク
５ 燃料タンク
６ キャニスタ
９ 活性炭層
１０ 燃料蒸気室
１１ 大気圧室
１２、１３ 燃料蒸気流通管
１４ パージ制御弁
１６ 吸引ポンプモジュール
２０ 電子制御ユニット
４２ 流路切換弁
４０ 吸引ポンプ
４７ 圧力センサ
５０ 基準圧検出通路

Claims (8)

1. 活性炭層の両側に夫々燃料蒸気室と大気圧室が形成されているキャニスタを具備しており、該燃料蒸気室が一方では燃料タンクの燃料液面上方の内部空間に連通していると共に、他方ではパージ制御弁を介して機関の吸気通路内に連結されており、該大気圧室を大気と吸引ポンプに選択的に連結可能な流路切換弁と、燃料タンク内およびキャニスタ内の圧力を検出する圧力センサとを具備した燃料蒸気排出防止システムの異常検出装置において、車両の運転停止時に、該パージ制御弁を閉弁させる閉弁指令と、該流路切換弁の切換位置を該大気圧室が吸引ポンプに連結される切換位置に切換える切換指令と、燃料タンク内およびキャニスタ内部を負圧にするために吸引ポンプを作動させるポンプ作動指令とを発生させる異常検出処理が行われ、該異常検出処理が行われているときに、該圧力センサにより一定時間毎に検出された燃料タンク内およびキャニスタ内の圧力が記憶装置に記憶され、該記憶装置に記憶された一定時間毎の燃料タンク内およびキャニスタ内の圧力および該異常検出処理が行われたときの少なくとも大気圧をニューラルネットワークの入力パラメータとし、上記システムに燃料蒸気を漏洩させる穴あきが生じているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転停止時に、該学習済みニューラルネットワークを用いて、上記入力パラメータから、燃料蒸気を漏洩させる穴あき異常を検出する燃料蒸気排出防止システムの異常検出装置。
2. 上記異常検出処理が、該パージ制御弁の閉弁指令の発生後、該パージ制御弁を開弁させる開弁指令を発生させる処理を含んでおり、該記憶装置に記憶された一定時間毎の燃料タンク内およびキャニスタ内の圧力および該異常検出処理が行われたときの少なくとも大気圧をニューラルネットワークの入力パラメータとし、上記システムに燃料蒸気を漏洩させる穴あきが生じているとき、パージ制御弁が開弁し続ける開弁異常を生じているとき、およびパージ制御弁が閉弁し続ける閉弁異常を生じているときを夫々正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転停止時に、該学習済みニューラルネットワークを用いて、上記入力パラメータから、燃料蒸気を漏洩させる穴あき異常、パージ制御弁の開弁異常およびパージ制御弁の閉弁異常を検出する請求項１に記載の燃料蒸気排出防止システムの異常検出装置。
3. 上記入力パラメータが、上記記憶装置に記憶された一定時間毎の燃料タンク内およびキャニスタ内の圧力および上記異常検出処理が行われたときの大気圧と、上記異常検出処理が行われたときの燃料タンクの燃料の残量とからなる請求項１に記載の燃料蒸気排出防止システムの異常検出装置。
4. 上記入力パラメータが、上記記憶装置に記憶された一定時間毎の燃料タンク内およびキャニスタ内の圧力および上記異常検出処理が行われたときの大気圧と、上記異常検出処理が行われたときの燃料タンクの燃料の残量と、燃料タンクの燃料の温度と、吸引ポンプの能力を示す指標からなる請求項１に記載の燃料蒸気排出防止システムの異常検出装置。
5. 活性炭層の両側に夫々燃料蒸気室と大気圧室が形成されているキャニスタを具備しており、該燃料蒸気室が一方では燃料タンクの燃料液面上方の内部空間に連通していると共に、他方ではパージ制御弁を介して機関の吸気通路内に連結されており、該大気圧室を大気と吸引ポンプに選択的に連結可能な流路切換弁を具備しており、流路切換弁から大気圧室に向かう通路と流路切換弁から吸引ポンプに向かう吸引通路とが絞り部を有する基準圧検出通路により連結されており、流路切換弁から吸引ポンプに向かう吸引通路内に圧力センサが配置された燃料蒸気排出防止システムの異常検出装置において、車両の運転停止時に、該パージ制御弁を閉弁させる閉弁指令と、車両の運転停止後、該流路切換弁の切換位置を該大気圧室が大気に連結される切換位置に維持しつつ予め設定された時間が経過したときに、燃料タンク内およびキャニスタ内を負圧にするために吸引ポンプを作動させるポンプ作動指令と、ポンプ作動指令の発生後、該流路切換弁の切換位置を該大気圧室が吸引ポンプに連結される切換位置に切換える切換指令と、該切換指令の発生後、該パージ制御弁を開弁させる開弁指令を発生させる異常検出処理が行われ、該異常検出処理が行われているときに、該圧力センサにより一定時間毎に検出された燃料タンク内およびキャニスタ内の圧力が記憶装置に記憶され、該記憶装置に記憶された一定時間毎の燃料タンク内およびキャニスタ内の圧力および該異常検出処理が行われたときの少なくとも大気圧をニューラルネットワークの入力パラメータとし、上記システムに燃料蒸気を漏洩させる穴あきが生じているときを正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転停止時に、該学習済みニューラルネットワークを用いて、上記入力パラメータから、燃料蒸気を漏洩させる穴あき異常を検出する燃料蒸気排出防止システムの異常検出装置。
6. 上記記憶装置に記憶された一定時間毎の燃料タンク内およびキャニスタ内の圧力および該異常検出処理が行われたときの少なくとも大気圧をニューラルネットワークの入力パラメータとし、上記システムに燃料蒸気を漏洩させる穴あきが生じているとき、パージ制御弁が開弁し続ける開弁異常を生じているとき、パージ制御弁が閉弁し続ける閉弁異常を生じているとき、圧力センサが異常を生じているとき、流路切換弁の切換位置が該大気圧室を大気に連結させる切換位置に維持される切換異常を生じているとき、流路切換弁の切換位置が該大気圧室を吸引ポンプに連結させる切換位置に維持される切換異常を生じているとき、吸引ポンプが作動し続ける異常を生じているとき、および吸引ポンプが停止し続ける異常を生じているときを夫々正解ラベルとして、重みの学習が行われた学習済みニューラルネットワークが記憶されており、車両の運転停止時に、該学習済みニューラルネットワークを用いて、上記入力パラメータから、燃料蒸気を漏洩させる穴あき異常、パージ制御弁の開弁異常、パージ制御弁の閉弁異常、圧力センサの異常、流路切換弁の切換異常、および吸引ポンプの異常を検出する請求項５に記載の燃料蒸気排出防止システムの異常検出装置。
7. 上記入力パラメータが、上記記憶装置に記憶された一定時間毎の燃料タンク内およびキャニスタ内の圧力および上記異常検出処理が行われたときの大気圧と、上記異常検出処理が行われたときの燃料タンクの燃料の残量とからなる請求項５に記載の燃料蒸気排出防止システムの異常検出装置。
8. 上記入力パラメータが、上記記憶装置に記憶された一定時間毎の燃料タンク内およびキャニスタ内の圧力および上記異常検出処理が行われたときの大気圧と、上記異常検出処理が行われたときの燃料タンクの燃料の残量と、燃料タンクの燃料の温度と、吸引ポンプの能力を示す指標からなる請求項５に記載の燃料蒸気排出防止システムの異常検出装置。

Images