JP6852754B2 - 燃料噴射制御装置 - Google Patents

Description

本発明は燃料噴射制御装置に関する。

燃料には、燃料内に燃料ベーパが発生するベーパ発生領域が存在している。この場合、燃料内に燃料ベーパが発生するか否かは燃料温と燃料圧から決まり、燃料温が燃料圧から定まる或る温度を越えると、燃料内に燃料ベーパが発生する。燃料内に燃料ベーパが発生すると、機関始動時に燃料噴射用高圧燃料ポンプを作動させても燃料圧がなかなか上昇せず、燃料圧が目標燃料圧に達するまでに長い時間を要する。一方、高圧燃料ポンプから吐出された燃料を各燃料噴射弁に分配するための高圧燃料分配管内には、通常、燃料温を検出するための燃料温センサは取り付けられていないが、燃料圧を検出するための燃料圧センサが取り付けられている。また、機関本体には、通常、機関冷却水温を検出するための水温センサが取り付けられている。

そこで、機関冷却水温を燃料温の代用として用い、機関の始動要求があった場合には、燃料圧センサと水温センサの検出結果から燃料ベーパの発生状態を推定し、燃料ベーパが発生していると推定されたときには、機関の始動を行う前に高圧燃料ポンプの作動を開始させ、燃料ベーパの推定発生量が多いほど、機関始動前の高圧燃料ポンプの作動時間を長くするようにした内燃機関が公知である（例えば特許文献１を参照）。

特開２００７−２８５１２８号公報

しかしながら、機関冷却水温と燃料温との間には温度差があり、特に、車両走行時には、機関の運転状態に応じて、水温と燃料温との温度差が大きく変化する。従って、機関冷却水温を燃料温の代用として用い、燃料圧センサと水温センサの検出結果から燃料ベーパの発生状態を推定しても、燃料ベーパの発生状態を精度よく推定することは困難である。この場合、燃料ベーパが発生するか否かを精度よく判断するには、燃料温を精度よく推定する必要がある。
本発明では、ニューラルネットワークを用いて、燃料温を精度よく推定し、それにより、燃料ベーパが発生しないように燃料噴射弁からの噴射燃料圧を制御可能な燃料噴射用高圧燃料ポンプの制御装置を提供することにある。

上記問題を解決するために、本発明によれば、吸気ポート内に燃料を噴射するポート噴射用の燃料噴射弁と、燃焼室内に燃料を噴射する筒内噴射用の燃料噴射弁とを具備しており、機関駆動の高圧燃料ポンプから筒内噴射用の燃料噴射弁に燃料が供給される燃料噴射制御装置において、機関回転数と、機関負荷と、潤滑オイル温と、高圧燃料ポンプへの供給燃料量と、機関への吸入空気温と、高圧燃料ポンプからの吐出燃料温と、車速からなる少なくとも七つのパラメータ値を取得して、取得された該七つのパラメータ値をニューラルネットワークの入力値とし、該七つのパラメータ値の取得時から一定時間後に取得された高圧燃料ポンプからの吐出燃料温を教師データ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、この学習済みニューラルネットワークを用いて、現在の機関回転数と、機関負荷と、潤滑オイル温と、高圧燃料ポンプへの供給燃料量と、機関への吸入空気温と、高圧燃料ポンプからの吐出燃料温と、車速から、一定時間後の高圧燃料ポンプからの吐出燃料温が推定され、この場合、現在の機関回転数と、機関負荷と、潤滑オイル温と、高圧燃料ポンプへの供給燃料量と、機関への吸入空気温と、車速については実測値が用いられると共に現在の高圧燃料ポンプからの吐出燃料温については学習済みニューラルネットワークを用いて推定された推定値が用いられ、学習済みニューラルネットワークを用いて推定された一定時間後の高圧燃料ポンプからの吐出燃料温の推定値に基づいて、筒内噴射用燃料噴射弁からの噴射燃料圧が制御され、燃料ベーパが発生することのない筒内噴射用燃料噴射弁の目標噴射圧が高圧燃料ポンプからの吐出燃料温に応じて設定されており、ポート噴射が行われているときに高圧燃料ポンプからの吐出燃料温の推定値が設定値よりも高くなったときにはポート噴射から筒内噴射に切換えられ、筒内噴射用燃料噴射弁からの噴射圧が、高圧燃料ポンプからの吐出燃料温に応じて設定された目標噴射圧となるように、高圧燃料ポンプの制御により、制御される燃料噴射制御装置が提供される。

本発明によれば、ニューラルネットワークを用いて、高圧燃料ポンプからの吐出燃料温を精度よく推定することができ、それにより、燃料ベーパが発生しないように燃料噴射弁からの噴射燃料圧を制御することが可能となる。

図１は、内燃機関の全体図である。 図２は、図１に示す内燃機関の側面断面図である。 図３は、高圧燃料ポンプを図解的に示した側面断面図である。 図４は、筒内噴射領域とポート噴射領域とを示す図である。 図５は、蒸気圧曲線ＫＫ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、燃料温ＴＦの変化を示す図である。 図８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９は、入力パラメータの一覧表を示す図である。 図１０は、訓練データセットを示す図である。 図１１Ａおよび１１Ｂは、学習方法を説明するための図である。 図１２は、訓練データセットを作成するためのフローチャートである。 図１３は、学習処理を実行するためのフローチャートである。 図１４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１５は、高圧燃料ポンプを制御するためのフローチャートである。

＜内燃機関の全体構成＞
図１に内燃機関の全体図を示し、図２に内燃機関の側面断面図を示す。図２を参照すると、１は機関本体、２はシリンダブロック、３はシリンダヘッド、４はシリンダブロック２内で往復動するピストン、５は燃焼室、６は吸気弁、７は機関によって駆動される吸気弁用カムシャフト、８は吸気ポート、９は排気弁、１０は機関によって駆動される排気弁用カムシャフト、１１は排気ポート、１２は各燃焼室５内に配置された点火栓、１３は各吸気ポート８内に燃料、例えば、ガソリンを供給するための燃料噴射弁、１４は各燃焼室５内に燃料、例えば、ガソリンを供給するための燃料噴射弁、１５は吸気弁６の開弁時期を制御するための可変バルブタイミング機構を夫々示す。

図１および図２を参照すると、吸気ポート８は夫々対応する吸気枝管１６を介してサージタンク１７に連結され、サージタンク１７は吸気ダクト１８および吸入空気量検出器１９を介してエアクリーナ２０に連結される。吸気ダクト１８内にはスロットル弁２１が配置される。一方、排気ポート１１は排気マニホルド２２に連結され、排気マニホルド２２は排気ガス再循環（以下、ＥＧＲと称す）通路２３およびＥＧＲ制御弁２４を介してサージタンク１７に連結される。ＥＧＲ通路２３内には、ＥＧＲガスを冷却するためのＥＧＲクーラ２５が配置される。なお、図１において、２６は燃料タンクを示しており、２７はラジエータを示しており、２８はラジエータ２７の電動冷却ファンを示しており、２９は車室用の空調装置、即ち、エアコンを示している。

図１および図２に示されるように、燃料噴射弁１３は、各燃料噴射弁１３に低圧燃料を分配するための低圧燃料分配管３１に連結されており、燃料噴射弁１４は、各燃料噴射弁１４に高圧燃料を分配するための高圧燃料分配管３０に連結されている。一方、燃料タンク２６内には低圧燃料ポンプ３２が配置されており、機関本体１のシリンダヘッド３上には高圧燃料ポンプ３３が配置されている。図１に示されるように、燃料タンク２６内の燃料は、低圧燃料ポンプ３２により、一方では燃料供給管３４を介して低圧燃料分配管３１に連結されており、他方では燃料供給管３４から分岐した燃料供給管３５を介して高圧燃料ポンプ３３に連結されている。高圧燃料ポンプ３３から吐出された高圧燃料は、燃料供給管３６を介して高圧燃料分配管３０に供給される。

また、図１に示されるように、機関本体１には、機関により駆動されるオイルポンプ３７が取付けられており、機関本体１内の潤滑オイルが、オイルポンプ３７により、オイル供給管３８を介して高圧燃料ポンプ３３に供給される。また、図１に示されるように、吸気ダクト１８内には、吸入空気温を検出するための吸入空気温センサ４０が配置されており、高圧燃料分配管３０内には、高圧燃料分配管３０内の燃料圧を検出するための燃料圧センサ４１が配置されており、機関本体１には機関冷却水温を検出するための水温センサ４２および潤滑オイル温を検出するための潤滑オイル温センサ４３が取り付られている。

一方、図１において５０は、機関の運転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５０はデジタルコンピュータからなり、双方向性バス５１によって互いに接続された記憶装置５２、即ち、メモリ５２と、ＣＰＵ（マイクロプロセッサ）５３と、入力ポート５４および出力ポート５５を具備する。入力ポート５４には、吸入空気量検出器１９の出力信号、吸入空気温センサ４０の出力信号、燃料圧センサ４１の出力信号、水温センサ４２の出力信号および潤滑オイル温センサ４３の出力信号が、夫々対応するＡＤ変換器５６を介して入力される。

また、アクセルペダル６０にはアクセルペダル６０の踏込み量に比例した出力電圧を発生する負荷センサ６１が接続され、負荷センサ６１の出力電圧は対応するＡＤ変換器５６を介して入力ポート５４に入力される。更に入力ポート５４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６２が接続される。ＣＰＵ５３内ではクランク角センサ６２の出力信号に基づいて機関回転数が算出される。また、入力ポート５４には、車速に比例した出力パルスを発生する車速センサ６３が接続される。また、天候に関する情報を受信するための受信装置６４を具備しており、受信装置６４において受信された天候に関する情報が入力ポート５４に入力される。

一方、出力ポート５５は対応する駆動回路５７を介して各気筒の点火栓１２、各気筒の燃料噴射弁１３および１４、可変バルブタイミング機構１５、ＥＧＲ制御弁２４、電動ファン２８、エアコン２９、低圧燃料ポンプ３２および高圧燃料ポンプ３３に接続される。

図３は、高圧燃料ポンプ３３を図解的に表した側面断面図を示している。図３を参照すると、７０はポンププランジャ、７１は燃料で満たされた加圧室、７２は開口７３の開閉作業を行う電磁式スピル弁を夫々示している。図３に示される例では、ポンププランジャ７０は、排気弁用カムシャフト１０に形成されたカムにより、機関運転中、常時、上下に往復動せしめられ、高圧燃料ポンプ３３内には潤滑オイル供給管３８から潤滑オイルが供給されている。図３においてポンププランジャ７０が下降しているときには、電磁式スピル弁７２は開弁しており、このとき、低圧燃料ポンプ３２から吐出された低圧燃料が開口７３を介して加圧室７１内に供給される。

一方、ポンププランジャ７０が上昇しているときには、ポンププランジャ７０の上昇中に電磁式スピル弁７２が一時的に閉弁せしめられる。ポンププランジャ７０の上昇中に電磁式スピル弁７２が閉弁せしめられると、加圧室７１内の燃料が加圧され、加圧室７１内の燃料圧が、高圧燃料分配管３０内の燃料圧よりも高くなると、加圧室７１内の高圧燃料が、加圧室７１から高圧燃料分配管３０に向けてのみ流通可能な逆止弁７４を介して、高圧燃料分配管３０に送り込まれる。このとき高圧燃料分配管３０に送り込まれる高圧燃料量は、ポンププランジャ７０の上昇中に電磁式スピル弁７２が閉弁せしめられている時間に依存しており、従って、電磁式スピル弁７２が閉弁時間を制御することにより、高圧燃料分配管３０内の燃料圧を任意に制御可能となる。なお、燃料噴射弁１４からの燃料噴射が停止されたときには、電磁式スピル弁７２は開弁状態に保持され、このとき高圧燃料分配管３０への高圧燃料の送り込み作用は停止される。

本発明による実施例では、燃料噴射弁１３から吸気ポート８内に燃料を噴射するポート噴射と、燃料噴射弁１４から燃焼室５内に燃料を噴射する筒内噴射が行われる。図４は、これらポート噴射と筒内噴射とが行われる運転領域の一例を示している。なお、図４において、縦軸Ｌは機関負荷を示しており、横軸ＮＥは機関回転数を示している。図４に示されるように、この例では、機関低負荷低速運転時にはポート噴射が行われ、機関高負荷運転時或いは機関高速運転時には筒内噴射が行われる。

図５は、本発明による実施例において用いられている燃料の蒸気圧曲線ＫＫを示している。なお、図５において、縦軸は飽和蒸気圧（ｋＰa）を示しており、横軸は燃料温度（℃）を示している。この図５において蒸気圧曲線ＫＫよりも上方の領域は、燃料内にベーパが発生しない領域を示しており、蒸気圧曲線ＫＫよりも下方の領域は、燃料内に燃料ベーパの発生するベーパ発生領域を示している。従って、例えば、図５において、燃料圧がＰ１（３００ｋＰa）であったとすると、燃料の温度がＴ１ (約８０℃）よりも低いときには燃料内に燃料ベーパが発生しておらず、燃料の温度がＴ１を越えると燃料内に燃料ベーパが発生することになる。同様に、燃料圧がＰ２（４００ｋＰa）であるときには、燃料の温度がＴ２を越えると燃料内に燃料ベーパが発生し、燃料圧がＰ３（５３０ｋＰa）であるときには、燃料の温度がＴ３を越えると燃料内に燃料ベーパが発生することになる。

ところで低圧燃料ポンプ３２では、燃料の温度はさほど上昇せず、従って、燃料供給管３４および低圧燃料分配管３１内では燃料内に燃料ベーパが発生しない。これに対し、高圧燃料ポンプ３３内では、ポンププランジャ７０による燃料の加圧作用が行われるために、燃料の温度が高くなる。その結果、高圧燃料ポンプ３３により加圧された燃料内には燃料ベーパが発生する危険性がある。この場合、燃料ベーパは最初に、高圧燃料ポンプ３３、燃料供給管３６および高圧燃料分配管３０からなる高圧燃料供給系内に存在する加圧燃料の中で、最も温度の高い加圧燃料内に発生し、従って、燃料ベーパが発生するか否かは、高圧燃料供給系内に存在する加圧燃料の中で、最も温度が高い加圧燃料の温度によって左右されることになる。

ところで、高圧燃料供給系内に存在する加圧燃料の中で、最も温度が高くなる加圧燃料は、加圧室７１から高圧燃料分配管３０に向けて吐出した直後の加圧燃料、例えば、図３において矢印７５で示される位置付近を流通している、逆止弁７４を通過した直後の加圧燃料であり、従って、燃料ベーパが発生するか否かは、加圧室７１から高圧燃料分配管３０に向けて吐出した直後の加圧燃料の温度によって左右されることになる。なお、本発明による実施例では、以下、加圧室７１から高圧燃料分配管３０に向けて吐出した直後の加圧燃料の温度を、高圧燃料ポンプ３３からの吐出燃料温ＴＦと称する。従って、本発明による実施例では、燃料ベーパが発生するか否かは、高圧燃料ポンプ３３からの吐出燃料温ＴＦによって左右されることになる。

さて、高圧燃料供給系の中で燃料ベーパが発生すると、燃料噴射弁１４からの燃料噴射量が要求噴射量から大きくずれ、正常な燃料噴射制御を行うことが不可能となる。従って、高圧燃料供給系の中で燃料ベーパが発生するのを回避する必要がある。そこで本発明による実施例では、燃料ベーパが発生することがないように、図５に示される如く、燃料噴射弁１４の目標噴射圧、即ち、高圧燃料分配管３０内の目標燃料圧を、高圧燃料ポンプ３３からの吐出燃料温ＴＦが高くなるにつれて、Ｐ１からＰ２へ、次いでＰ３へと徐々に増大させている。なお、この場合、図５の横軸は、高圧燃料ポンプ３３からの吐出燃料温ＴＦを表している。

ところで、高圧燃料分配管３０内の目標燃料圧が高くなると、高圧燃料ポンプ３３の駆動エネルギが増大するため、燃費が悪化する。従って、高圧燃料分配管３０内の目標燃料圧は、可能な範囲で、できる限り低くすること、即ち、図５に示される例では、Ｐ１に維持することが好ましい。しかしながら、高圧燃料分配管３０内の目標燃料圧をＰ１に維持しておくと、高圧燃料ポンプ３３からの吐出燃料温ＴＦが上昇したときには、燃料ベーパが発生することになる。従って、燃料ベーパの発生を回避するために、図５に示される例では、高圧燃料ポンプ３３からの吐出燃料温ＴＦが設定値ＴＬを越えると、高圧燃料分配管３０内の目標燃料圧がＰ１からＰ２に引き上げられ、高圧燃料ポンプ３３からの吐出燃料温ＴＦが設定値ＴＭを越えると、高圧燃料分配管３０内の目標燃料圧がＰ２からＰ３に引き上げられる。

一方、図５において高圧燃料分配管３０内の目標燃料圧がＰ３であるときに、燃料噴射弁１４から燃料噴射が行われているときには、即ち、筒内噴射が行われているときには、高圧燃料ポンプ３３に流入する低温の燃料により高圧燃料ポンプ３３が冷却され続けているので、高圧燃料ポンプ３３からの吐出燃料温ＴＦが、図３に示されるベーパ発生温度Ｔ３を越えることはない。しかしながら、噴射形態が筒内噴射からポート噴射に移行すると、低温の燃料による高圧燃料ポンプ３３の冷却作用が生じなくなるため、何らかの理由により、高圧燃料供給系内の燃料温が上昇し、それにより高圧燃料供給系内の燃料内に燃料ベーパが発生する危険性がある。

そこで本発明による実施例では、ポート噴射が行われているときに、高圧燃料ポンプ３３からの吐出燃料温ＴＦが、図５に示される設定値ＴＨを越えたときには、ポート噴射から筒内噴射に切換え、低温の燃料による高圧燃料ポンプ３３の冷却作用により、高圧燃料供給系内の燃料温を低下させるようにしている。この場合、図５に示される例では、高圧燃料ポンプ３３からの吐出燃料温ＴＦが、設定値ＴＨから破線の矢印で示されるように、例えば、設定値ＴＬと設定値ＴＭの中間温度に低下するまで、筒内噴射が行われる。

さて、上述したように、燃費を向上するためには、高圧燃料分配管３０内の目標燃料圧を、できる限り低い圧力に維持することが必要であり、そのためには、図５において、設定値ＴＬおよび設定値ＴＭを、夫々、できる限りＴ１およびＴ２に近づけることが必要となる。しかしながら、設定値ＴＬおよび設定値ＴＭを、夫々、限りＴ１およびＴ２に近づけた場合、高圧燃料ポンプ３３からの吐出燃料温ＴＦの正確な値がわからないと、燃料ベーパが発生してしまう危険性がある。即ち、燃料ベーパが発生しないようにしつつ、設定値ＴＬおよび設定値ＴＭを、夫々、Ｔ１およびＴ２に近づけるためには、高圧燃料ポンプ３３からの吐出燃料温ＴＦの正確な値を入手する必要がある。

ところが、通常は、コスト上の問題から、高圧燃料ポンプ３３からの吐出燃料温ＴＦを検出するための燃料温センサを設置しておらず、高圧燃料ポンプ３３からの吐出燃料温ＴＦとして、例えば、吸入空気温センサにより検出された吸入空気温を代用している、しかしながら、吸入空気温と高圧燃料ポンプ３３からの吐出燃料温ＴＦとの間には大きな温度差がある。従って、吸入空気温と高圧燃料ポンプ３３からの吐出燃料温ＴＦとの温度差が大きくなっても、燃料ベーパが発生することがないように、設定値ＴＬをＴ１に対してかなり小さい値に設定し、設定値ＴＭをＴ２に対してかなり小さい値に設定しているのが現状である。

しかしながら、このように高圧燃料ポンプ３３からの吐出燃料温ＴＦの正確な値を入手することなく、高圧燃料分配管３０内の燃料圧を目標燃料圧に制御している限り、燃費を向上させることはできない。そこで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、高圧燃料ポンプ３３からの吐出燃料温ＴＦを正確に推定し、それにより燃費を向上させるようにしている。
＜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高圧燃料ポンプ３３からの吐出燃料温ＴＦを推定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。本発明による実施例では、出力層のノードでは恒等関数が用いられており、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と教師データを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、本発明による実施例では、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。なお、図６に示されるように、出力層 ( L＝４) が複数個のノードを有する場合には、各ノードからの出力値をｙ_１、ｙ_１・・・、対応する教師データｙ_ｔ１、ｙ_ｔ２・・・とすると、誤差関数Ｅとして、次の二乗和誤差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−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、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定方法について説明する。なお、図７は、高圧燃料ポンプ３３からの吐出燃料温ＴＦの時間的変化を示している。図７において、時刻ｔ_ｎと時刻ｔ_ｎ＋１に着目すると、時刻ｔ_ｎにおける機関の状態から一定時間（ｔ_ｎ＋１―ｔ_ｎ）内における高圧燃料ポンプ３３からの吐出燃料温ＴＦの温度上昇量（ＴＦ_ｎ＋１―ＴＦ_ｎ）を推定することができる。即ち、機関の状態が定まると、高圧燃料ポンプ３３からの吐出燃料温ＴＦを上昇させる発熱因子の発熱量，高圧燃料ポンプ３３からの吐出燃料温ＴＦを上昇させる加熱因子の加熱量、高圧燃料ポンプ３３からの吐出燃料温ＴＦを低下させる冷却因子の冷却量、および高圧燃料ポンプ３３からの吐出燃料温ＴＦを低下させる放熱因子の放熱量が定まるので、時刻ｔ_ｎにおける機関の状態から、高圧燃料ポンプ３３からの吐出燃料温ＴＦの温度上昇量（ＴＦ_ｎ＋１―ＴＦ_ｎ）が推定できることになる。別の言い方をすると、時刻ｔ_ｎ（ＴＦ＝ＴＦ_ｎ）における機関の状態から一定時間（ｔ_ｎ＋１―ｔ_ｎ）後における高圧燃料ポンプ３３からの吐出燃料温ＴＦ_ｎ＋１を推定できることになる。

この場合、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、時刻ｔ_ｎにおける機関の状態（ＴＦ＝ＴＦ_ｎ）から一定時間（ｔ_ｎ＋１―ｔ_ｎ）後における高圧燃料ポンプ３３からの吐出燃料温ＴＦ_ｎ＋１を推定するようにしており、時刻ｔ_ｎにおける機関の状態（ＴＦ＝ＴＦ_ｎ）から一定時間（ｔ_ｎ＋１―ｔ_ｎ）後における高圧燃料ポンプ３３からの吐出燃料温ＴＦ_ｎ＋１を推定するために、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定モデルが作成される。そこで最初に、この高圧燃料ポンプ３３からの吐出燃料温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８を参照しつつ説明する。図８を参照すると、このニューラルネットワーク８０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８に示されるように、入力層 ( L＝１) がｎ個のノードからなり、ｎ個の入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎが、入力層 ( L＝１) の各ノードに入力されている。一方、図８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。なお、出力層 ( L＝４) のノードの数は１個とされており、出力層のノードからの出力値がｙで示されている。この場合、出力値ｙは、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値となる。

次に、図８における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎについて、図９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、機関の状態が定まると、高圧燃料ポンプ３３からの吐出燃料温ＴＦを上昇させる発熱因子の発熱量，高圧燃料ポンプ３３からの吐出燃料温ＴＦを上昇させる加熱因子の加熱量、高圧燃料ポンプ３３からの吐出燃料温ＴＦを低下させる冷却因子の冷却量、および高圧燃料ポンプ３３からの吐出燃料温ＴＦを低下させる放熱因子の放熱量が定まり、従って。時刻ｔ_ｎにおける機関の状態から、高圧燃料ポンプ３３からの吐出燃料温ＴＦの温度上昇量（ＴＦ_ｎ＋１―ＴＦ_ｎ）、即ち、一定時間（ｔ_ｎ＋１―ｔ_ｎ）後における高圧燃料ポンプ３３からの吐出燃料温ＴＦ_ｎ＋１を推定することができる。

図９には、これら発熱因子、加熱因子、冷却因子および放熱因子となるニューラルネットワークへの入力パラメータが列挙されている。更に、図９には、高圧燃料ポンプ３３からの吐出燃料温ＴＦ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、高圧燃料ポンプ３３からの吐出燃料温ＴＦ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９からわかるように、機関回転数、機関負荷、潤滑オイル温、高圧燃料ポンプ３３への供給燃料量、吸入空気温、車速および高圧燃料ポンプ３３からの吐出燃料温ＴＦが必須の入力パラメータとされている。これら必須の入力パラメータのうちで機関回転数が発熱因子であり、機関回転数、機関負荷、潤滑オイル温が加熱因子であり、高圧燃料ポンプ３３への供給燃料量が冷却因子であり、吸入空気温および車速は放熱因子である。

機関回転数が高くなると、高圧燃料ポンプ３３内でのポンププランジャ７０による加圧作業の頻度が増大し、その結果、高圧燃料ポンプ３３からの吐出燃料温ＴＦが高くなる。従って、機関回転数は、高圧燃料ポンプ３３からの吐出燃料の発熱因子となる。また、機関回転数が高くなるほど機関の発熱量が増大するので高圧燃料ポンプ３３に対する加熱量が大きくなり、機関負荷が高くなるほど機関の発熱量が増大するので高圧燃料ポンプ３３に対する加熱量が大きくなる。また、高圧燃料ポンプ３３には潤滑オイルが供給されているので、潤滑オイル温が高くなるほど高圧燃料ポンプ３３に対する加熱量が大きくなる。従って、機関回転数、機関負荷および潤滑オイル温は、高圧燃料ポンプ３３からの吐出燃料の加熱因子となる。

また、説明するまでもなく、高圧燃料ポンプ３３からの吐出燃料温ＴＦは、必須の入力パラメータである。本発明による一実施例では、これら必須の入力パラメータのみの値が図８における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎとされる。

一方、図９に示されるように、点火時期、ＥＧＲ率、吸気弁６の開閉バルブタイミング、機関冷却水温、エアコン２９の稼働、電動冷却ファン２８および天候情報が補助的な入力パラメータとされている。これら点火時期、ＥＧＲ率、吸気弁６の開閉バルブタイミング、機関冷却水温およびエアコン２９の稼働は、発熱因子であり、電動冷却ファン２８は冷却因子である。即ち、点火時期は進角されると燃焼温が上昇し、ＥＧＲ率が高くなると燃焼温が低下する。また、吸気弁６の開弁時期が進角され、吸気弁６と排気弁９とが共に開弁するバルブオーバラップ期間が長くなると、排気ポート１１から燃焼室５内に吹き戻す排気ガス量が増大し。その結果、燃焼温が低下する。

また、機関冷却水温が低下すると、燃焼温が低下する。一方、エアコン２９では、機関本体１から送り込まれた機関冷却水温の熱を利用して暖房或いは除湿が行われている。従って、エアコン２９が稼働されると、機関冷却水温が低下し、燃焼温が低下する。このように点火時期、ＥＧＲ率、吸気弁６の開閉バルブタイミング、機関冷却水温およびエアコン２９の稼働状態は、燃焼温に影響を与えるので、これら点火時期、ＥＧＲ率、吸気弁６の開閉バルブタイミング、機関冷却水温およびエアコン２９の稼働状態は、発熱因子となる。一方、電動冷却ファン２８が駆動されると、電動冷却ファン２８によって機関本体１周りに外気が流通せしめられるために、高圧燃料ポンプ３３が冷却される。従って、電動冷却ファン２８の駆動状態は、冷却因子となる。

一方、天候については、加熱因子となることもあるし、冷却因子となることもある。例えば、気温が高く、晴れているときには加熱因子となり、雨或いは雪のときには冷却因子となる。ところで、上述したように、必須の入力パラメータのみの値を図８における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎとすることもできる。無論、必須の入力パラメータの値に加えて、補助的な入力パラメータの値を図８における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎ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、補助的な入力パラメータの値も図８における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎ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１０は、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎと、教師データ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１０において、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは、夫々、機関回転数、機関負荷、潤滑オイル温、高圧燃料ポンプ３３への供給燃料量、吸入空気温、車速、高圧燃料ポンプ３３からの吐出燃料温ＴＦ、点火時期、ＥＧＲ率、吸気弁６の開閉バルブタイミング、機関冷却水温、エアコン２９の稼働状態、電動冷却ファン２８の駆動状態および天候情報を示している。この場合、機関回転数は、電子制御ユニット３０内において算出されており、機関負荷としては、吸入空気量検出器１９により検出されている機関への吸入空気量が用いられている。従って、機関負荷は、吸入空気量検出器１９により検出されている。

また、潤滑オイル温は、潤滑オイル温センサ４３により検出されており、高圧燃料ポンプ３３への供給燃料量は、例えば、低圧燃料ポンプ３２の燃料吐出量、例えば、低圧燃料ポンプ３２の駆動電力から算出される。また、吸入空気温は吸入空気温センサ４０により検出されており、車速は車速センサ６３により検出されている。また、点火時期、ＥＧＲ率および吸気弁６の開閉バルブタイミングは、電子制御ユニット３０内において算出されており、機関冷却水温は水温センサ４２により検出されている。エアコン２９の稼働状態は、電子制御ユニット３０内において求められている稼働指令から判別され、例えば、エアコン２９の稼働指令が発せられていないときには、エアコン２９の稼働状態を示す指標が零とされ、稼働指令が発せられているときには、エアコン２９の稼働状態を示す指標が１とされる。

一方、電動冷却ファン２８の駆動状態は、電子制御ユニット３０内において求められている駆動指令から判別され、電動冷却ファン２８の駆動指令が発せられていないときには、例えば電動冷却ファン２８の駆動状態を示す指標が零とされ、駆動指令が発せられているときには、電動冷却ファン２８の駆動状態を示す指標が１とされる。また、受信装置６４により受信されている天候情報に対する入力値は、例えば、晴れていて気温が一定温度以上のときには、天候状態を示す指標が零とされ、晴れていて気温が一定温度以下のときには天候状態を示す指標が１とされ、雨のときには天候状態を示す指標が２とされ、雪のときには天候状態を示す指標が３とされる。

一方、図７における時刻ｔ_ｎおよびｔ_ｎ＋１を用いて説明すると、図１０における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは時刻ｔ_ｎにおける入力値を示しており、図１０における教師データｙｔは一定時間（ｔ_ｎ＋１―ｔ_ｎ）後における高圧燃料ポンプ３３からの吐出燃料温ＴＦの実測値を示している。図１０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と教師データ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_ｍ−１２、ｘ_ｍ２と教師データｙｔ_２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と教師データｙｔ_ｍ−１が列挙されている。

次に、図１０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１１Ａおよび図１１Ｂ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１１Ａを参照すると、種々の気象状態を実現することのできる試験室９０内のシャシ台９１上には、図１に示される機関本体１を備えた車両Ｖが設置され、試験装置９２によりシャシ台９１上において車両Ｖの疑似走行が行われる。車両Ｖの疑似走行が行われたときの走行風は、送風機９３によって付与される。また、図１１Ａに示される車両では、図１に示される全てのセンサに加えて、訓練データセット作成用の燃料温センサ９７が、図１１Ｂに示されるように、高圧燃料ポンプ３３内の図３において矢印７５で示される位置に取り付けられており、この燃料温センサ９７によって、高圧燃料ポンプ３３からの吐出燃料温ＴＦが検出される。

この試験装置９２により行われる車両Ｖの疑似走行では、天候が、例えば、晴れていて気温が一定温度以上のときと、晴れていて気温が一定温度以下のときと、雨のときと、雪のときとの四つの天候状態に順次変更され、変更された各天候状態において、機関回転数、機関負荷、吸入空気温、車速、点火時期、ＥＧＲ率、吸気弁６の開閉バルブタイミング、エアコン２９の稼働状態および電動冷却ファン２８の駆動状態の組み合わせを順次変更しつつ、繰り返し車両Ｖの疑似走行が行われる。即ち、機関回転数、機関負荷、吸入空気温、車速、点火時期、ＥＧＲ率および吸気弁６の開閉バルブタイミングと、エアコン２９の稼働状態、電動冷却ファン２８の駆動状態および天候状態からなる操作パラメータの組み合わせを順次変更しつつ、繰り返し車両Ｖの疑似走行が行われる。なお、車両Ｖの疑似走行が繰り返し行われているときには、図４からわかるように、筒内噴射が行われる場合と、ポート噴射が行われる場合とがある。

この疑似走行が行われている間、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。即ち、操作パラメータの組み合わせが変更されると、変更された操作パラメータの組み合わせの下で疑似走行が行われ、この疑似走行が行われている間、図７において各時刻ｔ_ｎ（ｎ＝０，１，２・・・）で示されるような一定時間毎の機関回転数、機関負荷、潤滑オイル温、高圧燃料ポンプ３３への供給燃料量、吸入空気温、車速、高圧燃料ポンプ３３からの吐出燃料温ＴＦ、点火時期、ＥＧＲ率、吸気弁６の開閉バルブタイミング、機関冷却水温の実測値、エアコン２９の稼働状態を示す指標、電動冷却ファン２８の駆動状態を示す指標および天候状態を示す指標が、例えば、試験装置９２内に記憶される。

図１２は、試験装置９２内において実行されている訓練データセットの作成ルーチンを示している。このルーチンは一定時間毎、例えば、１秒毎の割り込みによって実行される。
図１２を参照すると、まず初めに、ステップ１００において、最初の割り込み時であるか否かが判別される。最初の割り込み時であるときにはステップ１０１に進んで、機関回転数、機関負荷、吸入空気温、車速、点火時期、ＥＧＲ率および吸気弁６の開閉バルブタイミングと、エアコン２９の稼働状態、電動冷却ファン２８の駆動状態および天候状態からなる操作パラメータの値又は状態が、予め定められている初期値又は予め定められている初期状態に設定される。次いで、ステップ１０２では、設定された操作パラメータの値又は状態の下で車両Ｖの疑似走行が行われる。次いで、ステップ１０３では、このときの機関回転数、機関負荷、潤滑オイル温の実測値、高圧燃料ポンプ３３への供給燃料量、吸入空気温の実測値、車速、高圧燃料ポンプ３３からの吐出燃料温ＴＦの実測値、点火時期、ＥＧＲ率、吸気弁６の開閉バルブタイミングおよび機関冷却水温の実測値、エアコン２９の稼働状態を示す指標、電動冷却ファン２８の駆動状態を示す指標および天候状態を表す指標が、時刻ｔ_ｎにおけるデータとして取得され、これらデータが試験装置９２のメモリ内に記憶される。

次いで、ステップ１０４では、予め定められた一定時間、例えば、１０秒が経過したか否かが判別される。予め定められた一定時間が経過していないときには、処理サイクルを終了する。次の処理サイクルでは、ステップ１００からステップ１０２にジャンプする。このとき、ステップ１０２では、このときの機関回転数、機関負荷、潤滑オイル温の実測値、高圧燃料ポンプ３３への供給燃料量、吸入空気温の実測値、車速、高圧燃料ポンプ３３からの吐出燃料温ＴＦの実測値、点火時期、ＥＧＲ率、吸気弁６の開閉バルブタイミングおよび機関冷却水温の実測値、エアコン２９の稼働状態を示す指標、電動冷却ファン２８の駆動状態を示す指標および天候状態を表す指標が、時刻ｔ_ｎ＋１におけるデータとして取得され、これらデータが試験装置９２のメモリ内に記憶される。このようにして予め定められた一定時間が経過するまで、割り込み時間毎の各時刻ｔ_ｎ、ｔ_ｎ＋１、ｔ_ｎ＋２に、ｔ_ｎ＋４・・・におけるこれらのデータが試験装置９２のメモリ内に記憶される。

次いで、ステップ１０４において、一定時間が経過したと判別されたときには、ステップ１０５に進む。ステップ１０５では、ステップ１０３において記憶されたデータに基づき、最初に、時刻ｔ_ｎにおける機関回転数、機関負荷、潤滑オイル温の実測値、高圧燃料ポンプ３３への供給燃料量、吸入空気温の実測値、車速、高圧燃料ポンプ３３からの吐出燃料温ＴＦの実測値、点火時期、ＥＧＲ率、吸気弁６の開閉バルブタイミングおよび機関冷却水温の実測値、エアコン２９の稼働状態を示す指標、電動冷却ファン２８の駆動状態を示す指標および天候状態を表す指標を、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎとし、時刻ｔ _ｎ＋１ における高圧燃料ポンプ３３からの吐出燃料温ＴＦの実測値を教師データｙｔとするデータの組み合わせ作業が行われる。次いで、このような、データの組み合わせ作業が、各時刻ｔ_ｎ、ｔ_ｎ＋１、ｔ_ｎ＋２に、ｔ_ｎ＋４・・・における各データについて行われ、これらのデータの組み合わせが、訓練データとして、試験装置９２のメモリ内に記憶される。

次いで、ステップ１０６では、機関回転数、機関負荷、吸入空気温、車速、点火時期、ＥＧＲ率および吸気弁６の開閉バルブタイミングと、エアコン２９の稼働状態、電動冷却ファン２８の駆動状態および天候状態のからなる操作パラメータの全ての組み合わせが完了したか否かが判別される。これら操作パラメータの全ての組み合わせが完了していないと判別されたときには、ステップ１０７に進んで、操作パラメータが更新される。操作パラメータが更新されると、ステップ１０２では、更新された操作パラメータの下で車両Ｖの疑似走行が行われ、ステップ１０３では、新たなデータの取得および記憶が行われる。この操作パラメータの更新作用は、操作パラメータの全ての組み合わせが完了するまで行われる。このようにして図１０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と教師データｙｔ_ｍ（ｍ＝１，２，３・・・ｍ）とが、試験装置９２のメモリ内に記憶される。

このようにして訓練データセットが作成されと、この訓練データセットの電子データを用いて、図８に示されるニューラルネットワーク８０の重みの学習が行われる。図１１Ａ
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９４が設けられている。この学習装置９４としてパソコンを用いることもできる。図１１Ａに示されるように、この学習装置９４は、ＣＰＵ（マイクロプロセッサ）９５と、記憶装置９６、即ち、メモリ９６を具備している。図１１Ａに示される例では、図８に示されるニューラルネットワーク８０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９４のメモリ９６内に記憶され、ＣＰＵ９５においてニューラルネットワーク８０の重みの学習が行われる。

図１３は、学習装置９４において行われるニューラルネットワーク８０の重みの学習処理ルーチンを示す。
図１３を参照すると、まず初めに、ステップ２００において、学習装置９４のメモリ９６に記憶されているニューラルネットワーク８０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、ニューラルネットワーク８０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８に示されるようなニューラルネットワーク８０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８０の重みの学習が行われる。このステップ２０３では、最初に、図１０の１番目（No. 1）の入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎがニューラルネットワーク８０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８０の出力層からは、一定時間（図７におけるｔ_ｎ＋１―ｔ_ｎ）後の高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値を示す出力値ｙが出力される。ニューラルネットワーク８０の出力層から出力値ｙが出力されると、この出力値ｙと１番目（No. 1）の教師データｙｔ_１との間の二乗誤差Ｅ＝１/２(ｙ−ｙ_ｔ１)^２が算出され、この二乗誤差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８０の重みの学習が行われる。

図１０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８０の重みの学習が完了すると、次に、図１０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８０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１０のｍ番目（No. ｍ）まで順次、ニューラルネットワーク８０の重みの学習が行われる。図１０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８０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、例えば、図１０の１番目（No. 1）からｍ番目（No. ｍ）までのニューラルネットワーク８０の全ての出力値ｙと教師データｙｔとの間の二乗和誤差Ｅが算出され、この二乗和誤差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。二乗和誤差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１０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８０の重み学習が行われる。次いで、二乗和誤差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８０の重みの学習が続行される。ステップ２０４において、二乗和誤差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８０の学習済み重みが学習装置９４のメモリ９６に記憶される。このようにして高圧燃料ポンプ３３からの吐出燃料温ＴＦの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高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定モデルを用いて、市販車両における高圧燃料ポンプ３３の制御が行われ、そのためにこの高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定モデルが市販車両の電子制御ユニット５０に格納される。図１４は、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定モデルを市販車両の電子制御ユニット５０に格納するために、電子制御ユニット５０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１４を参照すると、まず初めに、ステップ３００において、図８に示されるニューラルネットワーク８０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５０のメモリ５２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８に示されるようなニューラルネットワーク８０が作成される。次いで、ステップ３０２において、このニューラルネットワーク８０の学習済み重みが電子制御ユニット５０のメモリ５２に読み込まれる。それにより高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定モデルが市販車両の電子制御ユニット５０に格納される。

図１５は、高圧燃料ポンプ３３の制御ルーチンを示している。この制御ルーチンは一定時間毎の割り込みによって実行される。なお、この制御ルーチンの割り込み時間は、図１２に示される訓練データセットの作成ルーチンの割り込み時間と同一時間であって、例えば１秒とされている。

図１５を参照すると、まず初めに、ステップ４００において、機関回転数の実測値、機関負荷を表す吸入空気量の実測値、潤滑オイル温の実測値、高圧燃料ポンプ３３への供給燃料量、吸入空気温の実測値、車速の実測値、高圧燃料ポンプ３３からの吐出燃料温ＴＦ、点火時期、ＥＧＲ率、吸気弁６の開閉バルブタイミングおよび機関冷却水温の実測値、、エアコン２９の稼働状態を示す指標、電動冷却ファン２８の駆動状態を示す指標および天候状態を表す指標、即ち、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎが読み込まれる。次いで、ステップ４０１では、これら入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘが、ニューラルネットワーク８０の入力層 ( L＝１)に入力される。このとき、ニューラルネットワーク８０からは、１秒後における高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが出力され、それによりステップ４０２に示されているように、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが取得される。

ところで、上述したように、ステップ４００では、入力値の一つとして高圧燃料ポンプ３３からの吐出燃料温ＴＦが読み込まれており、ステップ４０１では、入力値の一つとして高圧燃料ポンプ３３からの吐出燃料温ＴＦが、ニューラルネットワーク８０の入力層 ( L＝１)に入力されている。この場合、機関の運転開始に伴い、図１５に示される制御ルーチンの実行が開始された後、初めてステップ４００に進んだときには、高圧燃料ポンプ３３からの吐出燃料温ＴＦを表す初期値として、例えば、吸入空気温の実測値が用いられる。即ち、このときには、ステップ４００では、高圧燃料ポンプ３３からの吐出燃料温ＴＦとして、吸入空気温の実測値が読み込まれ、ステップ４０１では、高圧燃料ポンプ３３からの吐出燃料温ＴＦとして、吸入空気温の実測値が、ニューラルネットワーク８０の入力層 ( L＝１)に入力される。

一方、ステップ４０２において、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが取得されると、次の割り込み時には、高圧燃料ポンプ３３からの吐出燃料温ＴＦとして、この高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが用いられる。即ち、ステップ４００では、高圧燃料ポンプ３３からの吐出燃料温ＴＦとして、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが読み込まれ、ステップ４０１では、高圧燃料ポンプ３３からの吐出燃料温ＴＦとして、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、ニューラルネットワーク８０の入力層 ( L＝１)に入力される。

ステップ４０２において高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが取得されると、ステップ４０３に進み、この取得された高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙに基づいて、高圧燃料分配管３０内の目標燃料圧が制御される。即ち、ステップ４０３では、機関の運転状態が図４に示される筒内噴射領域にあるか否かが判別される。機関の運転状態が図４に示される筒内噴射領域にあると判別されたときにはステップ４０４に進んで、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、図５に示される設定値ＴＬよりも低いか否かが判別される。

高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、図５に示される設定値ＴＬよりも低いときには、ステップ４０５に進んで、高圧燃料分配管３０内の燃料圧が、図５に示される目標燃料圧Ｐ１となるように、高圧燃料ポンプ３３の電磁式スピル弁７２の閉弁時間が制御される。このとき本発明による実施例では、燃料圧センサ４１の出力信号に基づいて、高圧燃料分配管３０内の燃料圧が目標燃料圧Ｐ１となるように、高圧燃料ポンプ３３の電磁式スピル弁７２の閉弁時間がフィードバック制御される。次いで、ステップ４０９に進み、噴射圧がＰ１の下で燃料噴射弁１４から筒内噴射が行われる。

一方、ステップ４０４において、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、図５に示される設定値ＴＬよりも低くないと判別されたときには、ステップ４０６に進んで、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、図５に示される設定値ＴＭよりも低いか否かが判別される。高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、設定値ＴＭよりも低いときには、ステップ４０７に進んで、高圧燃料分配管３０内の燃料圧が、図５に示される目標燃料圧Ｐ２となるように、高圧燃料ポンプ３３の電磁式スピル弁７２の閉弁時間が制御される。このとき本発明による実施例では、燃料圧センサ４１の出力信号に基づいて、高圧燃料分配管３０内の燃料圧が目標燃料圧Ｐ２となるように、高圧燃料ポンプ３３の電磁式スピル弁７２の閉弁時間がフィードバック制御される。次いで、ステップ４０９に進み、噴射圧がＰ２の下で燃料噴射弁１４から筒内噴射が行われる。

一方、ステップ４０６において、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、図５に示される設定値ＴＭよりも低くないと判別されたときには、ステップ４０８に進んで、高圧燃料分配管３０内の燃料圧が、図５に示される目標燃料圧Ｐ３となるように、高圧燃料ポンプ３３の電磁式スピル弁７２の閉弁時間が制御される。このとき本発明による実施例では、燃料圧センサ４１の出力信号に基づいて、高圧燃料分配管３０内の燃料圧が目標燃料圧Ｐ３となるように、高圧燃料ポンプ３３の電磁式スピル弁７２の閉弁時間がフィードバック制御される。次いで、ステップ４０９に進み、噴射圧がＰ３の下で燃料噴射弁１４から筒内噴射が行われる。

一方、ステップ４０３において、機関の運転状態が図４に示される筒内噴射領域にないと判別されたとき、即ち、機関の運転状態が図４に示されるポート噴射領域にあるときにはステップ４１０に進んで、高圧燃料ポンプ３３を冷却すべきであることを示す冷却用噴射フラグがセットされているか否かが判別される。冷却用噴射フラグがセットされていないときには、ステップ４１１に進んで、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、図５に示される設定値ＴＨよりも高いか否かが判別される。高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、設定値ＴＨよりも高くないときには、ステップ４１８にジャンプし、燃料噴射弁１３からポート噴射が行われる。このときには、高圧燃料ポンプ３３の電磁式スピル弁７２は開弁状態に保持される。

これに対し、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、図５に示される設定値ＴＨよりも高いと判別されたときにはステップ４１２に進んで、冷却用噴射フラグがセットされ、次いで、ステップ４１３に進む。冷却用噴射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４１０からステップ４１３にジャンプする。ステップ４１３では、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、図５に示される設定値ＴＭよりも低いか否かが判別される。高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、設定値ＴＭよりも低くないと判別されたときには、ステップ４１４に進んで、高圧燃料分配管３０内の燃料圧が、図５に示される目標燃料圧Ｐ３となるように、高圧燃料ポンプ３３の電磁式スピル弁７２の閉弁時間が制御される。このとき本発明による実施例では、燃料圧センサ４１の出力信号に基づいて、高圧燃料分配管３０内の燃料圧が目標燃料圧Ｐ３となるように、高圧燃料ポンプ３３の電磁式スピル弁７２の閉弁時間がフィードバック制御される。次いで、ステップ４１６に進む。

これに対し、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、設定値ＴＭよりも低いと判別されたときには、ステップ４１５に進んで、高圧燃料分配管３０内の燃料圧が、図５に示される目標燃料圧Ｐ２となるように、高圧燃料ポンプ３３の電磁式スピル弁７２の閉弁時間が制御される。このとき本発明による実施例では、燃料圧センサ４１の出力信号に基づいて、高圧燃料分配管３０内の燃料圧が目標燃料圧Ｐ２となるように、高圧燃料ポンプ３３の電磁式スピル弁７２の閉弁時間がフィードバック制御される。次いで、ステップ４１６に進む。

ステップ４１６では、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、例えば、図５に示される設定値ＴＬとＴＨとの中間値（ＴＬ＋ＴＭ）/２よりも低くなったか否かが判別される。高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、（ＴＬ＋ＴＭ）/２よりも低くないと判別されたときには、ステップ４０９に進み、高圧燃料ポンプ３３からの吐出燃料温ＴＦの推定値ｙが、（ＴＬ＋ＴＭ）/２よりも低くなったと判別されたときには、ステップ４１７において冷却用噴射フラグがリセットされた後、ステップ４０９に進む。ステップ４０９では、機関の運転状態が図４に示されるポート噴射領域にあるにも拘わらず、燃料噴射弁１４から筒内噴射が行われる。

このように、本発明による実施例では、機関により駆動されて燃料噴射弁３１に燃料を供給する燃料噴射用高圧燃料ポンプ３３の制御装置において、機関回転数と、機関負荷と、潤滑オイル温と、高圧燃料ポンプへの供給燃料量と、機関への吸入空気温と、高圧燃料ポンプからの吐出燃料温と、車速からなる少なくとも七つのパラメータ値を取得して、取得された該七つのパラメータ値をニューラルネットワークの入力値とし、これら七つのパラメータ値の取得時から一定時間後に取得された高圧燃料ポンプからの吐出燃料温を教師データ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いる。この学習済みニューラルネットワークを用いて、現在の機関回転数と、機関負荷と、潤滑オイル温と、高圧燃料ポンプへの供給燃料量と、機関への吸入空気温と、高圧燃料ポンプからの吐出燃料温と、車速から、一定時間後の高圧燃料ポンプからの吐出燃料温が推定される。この場合、現在の機関回転数と、機関負荷と、潤滑オイル温と、高圧燃料ポンプへの供給燃料量と、機関への吸入空気温と、車速については実測値が用いられると共に現在の高圧燃料ポンプからの吐出燃料温については学習済みニューラルネットワークを用いて推定された推定値が用いられる。学習済みニューラルネットワークを用いて推定された一定時間後の高圧燃料ポンプからの吐出燃料温の推定値に基づいて、燃料噴射弁からの噴射燃料圧が制御される。

この場合、本発明による別の実施例では、上述の七つのパラメータ値に加え、点火時期、ＥＧＲ率、吸気弁の開弁タイミングおよび機関冷却水温がニューラルネットワークの入力値とされる。また、本発明による更に別の実施例では、更に、エアコンの稼働状態を表す指標、電動冷却ファンの作動状態を表す指標および天候状態を表す指標がニューラルネットワークの入力値とされる。

１ 機関本体
６ 吸気弁
９ 排気弁
１３，１４ 燃料噴射弁
１５ 可変バルブタイミング機構
１９ 吸入空気量検出器
２４ ＥＧＲ制御弁
２８ 電動冷却ファン
２９ エアコン
３０ 高圧燃料分配管
３３ 高圧燃料ポンプ
４０ 吸入空気温センサ
４２ 水温センサ
４３ 潤滑オイル温センサ
５０ 電子制御ユニット

Claims (3)

1. 吸気ポート内に燃料を噴射するポート噴射用の燃料噴射弁と、燃焼室内に燃料を噴射する筒内噴射用の燃料噴射弁とを具備しており、機関駆動の高圧燃料ポンプから筒内噴射用の燃料噴射弁に燃料が供給される燃料噴射制御装置において、機関回転数と、機関負荷と、潤滑オイル温と、高圧燃料ポンプへの供給燃料量と、機関への吸入空気温と、高圧燃料ポンプからの吐出燃料温と、車速からなる少なくとも七つのパラメータ値を取得して、取得された該七つのパラメータ値をニューラルネットワークの入力値とし、該七つのパラメータ値の取得時から一定時間後に取得された高圧燃料ポンプからの吐出燃料温を教師データ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、この学習済みニューラルネットワークを用いて、現在の機関回転数と、機関負荷と、潤滑オイル温と、高圧燃料ポンプへの供給燃料量と、機関への吸入空気温と、高圧燃料ポンプからの吐出燃料温と、車速から、一定時間後の高圧燃料ポンプからの吐出燃料温が推定され、この場合、現在の機関回転数と、機関負荷と、潤滑オイル温と、高圧燃料ポンプへの供給燃料量と、機関への吸入空気温と、車速については実測値が用いられると共に現在の高圧燃料ポンプからの吐出燃料温については学習済みニューラルネットワークを用いて推定された推定値が用いられ、学習済みニューラルネットワークを用いて推定された一定時間後の高圧燃料ポンプからの吐出燃料温の推定値に基づいて、筒内噴射用燃料噴射弁からの噴射燃料圧が制御され、燃料ベーパが発生することのない筒内噴射用燃料噴射弁の目標噴射圧が高圧燃料ポンプからの吐出燃料温に応じて設定されており、ポート噴射が行われているときに高圧燃料ポンプからの吐出燃料温の推定値が設定値よりも高くなったときにはポート噴射から筒内噴射に切換えられ、筒内噴射用燃料噴射弁からの噴射圧が、高圧燃料ポンプからの吐出燃料温に応じて設定された該目標噴射圧となるように、高圧燃料ポンプの制御により、制御される燃料噴射制御装置。
2. 上記七つのパラメータ値に加え、点火時期、ＥＧＲ率、吸気弁の開弁タイミングおよび機関冷却水温をニューラルネットワークの入力値とする請求項１に記載の燃料噴射制御装置。
3. 更に、エアコンの稼働状態を表す指標、電動冷却ファンの作動状態を表す指標および天候状態を表す指標を、ニューラルネットワークの入力値とする請求項２に記載の燃料噴射制御装置。

Images