JP7388343B2 - ターボチャージャのオイルコーキング堆積量の推定装置 - Google Patents

Description

本発明は、ターボチャージャのオイルコーキング堆積量の推定装置に関する。

特許文献１には、ターボチャージャのコンプレッサに吸気と共に流入するブローバイガス中のオイルが、コンプレッサでの吸気の圧縮に伴う温度上昇により炭化して、コンプレッサ内に固着することが記載されている。

特開２００９－２７０５２４号公報

ところで、ターボチャージャの内部には、ジャーナルの潤滑等に用いられるオイルが存在している。エンジンの運転中に排気により熱せられてターボチャージャの内部が高温となると、こうしたターボチャージャ内のオイルも炭化して、オイル通路の壁面やジャーナル部等に堆積する。そして、炭化したオイル、いわゆるオイルコーキングの堆積が進むと、オイルの流れやタービン軸の回転が阻害される虞がある。

現状では、ターボチャージャ内のオイルコーキングの堆積状況を確認するには、ターボチャージャを分解するしかない。しかしながら、多くの車両では、定期的なターボチャージャの分解整備を前提としないかたちで車両が運用されている。そうした場合には、車両が寿命に至るまで、オイルコーキングの堆積量が問題とならない範囲に留まるように、ターボチャージャを設計することが求められる。そうした設計は、車両の一般的な運用状況、運用期間を想定してなされることになる。一方、近年には、自家用車として開発された車両でも、カーシェアリング等の様々な形態で運用されることがある。そうした場合、車両間の運用状況や運用期間の違いが大きくなる。そのため、一般的な運用状況、運用期間の定義が難しく、上記のようなターボチャージャの設計も困難となる。

上記課題を解決するターボチャージャのコーキング堆積量の推定装置は、車両に搭載されたターボチャージャの内部のオイルコーキングの堆積量を推定する装置であって、実行装置と、記憶装置と、を備えている。記憶装置には、車両の走行状態を示す走行状態量を入力とし、ターボチャージャの内部温度を出力とするニューラルネットワークであって、内部温度の計測値とその計測時の走行状態量の計測値とを教師データに用いて学習されたニューラルネットワークが記憶されている。そして、実行装置は、走行状態量の計測値を入力としたニューラルネットワークの出力を内部温度の推定値として演算する内部温度推定処理と、内部温度の推定値に基づいて上記堆積量の増加量を演算するとともに同増加量を積算した値として上記堆積量の推定値を演算する堆積量推定処理と、を実行する。

ターボチャージャの内部で新たに生成されて堆積するオイルコーキングの量は、ターボチャージャの内部温度に依存する。ターボチャージャの内部温度は、車両の走行状態により変化する。ただし、ターボチャージャの内部温度に影響する走行状態量は多数存在しており、各走行状態量と内部温度との関係は複雑である。

これに対して、上記推定装置における記憶装置に記憶されるニューラルネットワークには、予め走行状態量と内部温度との関係を学習したものとなっている。こうしたニューラルネットワークを用いれば、車両の走行状態量からターボチャージャの内部温度を推定できる。そして、推定した内部温度からはオイルコーキングの堆積量の増加量を、ひいては同増加量を積算した値として堆積量を求められる。よって、上記推定装置によれば、ターボチャージャ内部のオイルコーキングの堆積量を的確に推定できる。

上記推定装置における実行装置を、堆積量の推定値が既定の閾値を超えている場合に、エンジンの出力制限を指令する指令処理を実行する構成とするとよい。エンジンの出力制限を行えば、ターボチャージャの内部温度の上昇が、ひいては以後のオイルコーキングの堆積が抑えられる。よって、許容範囲を超える過大なオイルコーキングの堆積を抑制できる。

また、上記推定装置における実行装置を、堆積量の推定値が既定の閾値を超えている場合に、ターボチャージャがメンテナンスを必要とする状態にあることの車両のユーザに対する通知を指令する指令処理を実行する構成としてもよい。こうした場合、ユーザにメンテナンスを促す通知がオイルコーキングの堆積が一定の量に達した時期に行われることになる。よって、オイルコーキングの堆積が許容範囲を超える前の適切な時期にメンテナンスを促すことができる。

走行状態量の変化が内部温度に反映されるまでにはある程度の時間を要する。よって、上記ニューラルネットワークの入力としては、走行状態量の時系列データを用いることが望ましい。

なお、ターボチャージャの内部温度に影響を与える、主要な車両の走行状態量としては、車速、エンジン回転数、アクセルペダル開度、燃料噴射量、過給圧、吸気流量、外気温、吸気温がある。よって、上記ニューラルネットワークの入力とする走行状態量には、それらの一つ以上を含めることが望ましい。

ターボチャージャのオイルコーキング堆積量の推定装置の一実施形態の構成を模式的に示す図。 同推定装置におけるオイルコーキング堆積量の推定に関連する各処理の関係を示すブロック図。 同推定装置でのオイルコーキング堆積量の推定に用いるニューラルネットワークの構成を模式的に示す図。 同推定装置が実行する内部温度推定処理のフローチャート。 同推定装置が実行する堆積量推定処理、及び指令処理のフローチャート。 ターボチャージャのオイル通路の壁面温度及びその保持時間とオイルコーキングの堆積量との関係を示すグラフ。

以下、ターボチャージャのオイルコーキング堆積量の推定装置の一実施形態を、図１～図６を参照して詳細に説明する。
＜ターボチャージャの構成＞
まず、図１を参照して、本実施形態の推定装置がオイルコーキング堆積量の推定対象とするターボチャージャ２０の構成を説明する。図１に示すように、ターボチャージャ２０は、エンジン１０に設置されている。エンジン１０は、車両に搭載されている。エンジン１０には、吸気通路１１と排気通路１２とが設けられている。また、エンジン１０には、同エンジン１０の回転を受けて動作するオイルポンプ１３が設置されている。

ターボチャージャ２０は、エンジン１０の排気通路１２に設置されたタービンハウジング２１と、エンジン１０の吸気通路１１に設置されたコンプレッサハウジング２２と、を備える。タービンハウジング２１とコンプレッサハウジング２２とは、ジャーナルハウジング２３を介して連結されている。タービンハウジング２１の内部には、排気通路１２を流れる排気の吹付けにより回転するタービンホイール２４が設置されている。コンプレッサハウジング２２の内部には、吸気通路１１を流れる吸気を回転に応じて圧縮するコンプレッサホイール２５が設置されている。ジャーナルハウジング２３には、タービンホイール２４とコンプレッサホイール２５とを連結するタービン軸２６が通されている。タービン軸２６は、フローティング軸受２７により、ジャーナルハウジング２３に対して回転自在に軸支されている。ジャーナルハウジング２３の内部には、フローティング軸受２７を通ってオイルを流すための通路であるオイル通路２８が形成されている。オイル通路２８には、オイルポンプ１３が吐出したオイルの一部が供給される。

＜推定装置の構成＞
続いて、本実施形態の推定装置の構成を説明する。ターボチャージャ２０が設けられた車両には、エンジン制御用の電子制御ユニット３０が搭載されている。電子制御ユニット３０は、エンジン制御のための各種処理を実行する演算処理回路３１と、エンジン制御用のプログラムやデータが記憶されたメモリ３２と、を備えている。電子制御ユニット３０には、車速Ｖ、エンジン回転数ＮＥ、アクセルペダル開度ＡＣＣ、過給圧ＰＢ、吸気流量ＧＡ、外気温ＴＨ１、吸気温ＴＨ２などの車両の走行状態を示す状態量の検出信号が入力されている。本実施形態では、電子制御ユニット３０が推定装置に対応する構成となっている。

図２に、電子制御ユニット３０が実行する処理の概要を示す。同図に示される各処理は、メモリ３２に記憶されたプログラムを演算処理回路３１が読み込んで実行することで、実施される処理となっている。

演算処理回路３１は、エンジン出力の要求値である要求出力ＰＥ＊を決定する要求出力決定処理Ｆ１と、要求出力ＰＥ＊に基づき、エンジン操作量を決定する操作量決定処理Ｆ２と、を行っている。要求出力決定処理Ｆ１では、エンジン回転数ＮＥ、アクセルペダル開度ＡＣＣ等に基づいて、要求出力ＰＥ＊の値が決定されている。また、操作量決定処理Ｆ２では、要求出力ＰＥ＊、エンジン回転数ＮＥ等に基づき、スロットル開度ＴＡ、燃料噴射量ＱＩＮＪ、点火時期ＡＯＰ等のエンジン操作量が決定される。なお、操作量決定処理Ｆ２では、現在のエンジン回転数ＮＥにおいて、要求出力ＰＥ＊の値分のエンジン出力が得られるように各エンジン操作量の値が決定されている。

一方、演算処理回路３１は、ターボチャージャ２０の内部温度を推定する内部温度推定処理Ｆ３と、ターボチャージャ２０内のオイルコーキング堆積量を推定する堆積量推定処理Ｆ４と、を行っている。内部温度推定処理Ｆ３では、車両の走行状態量に基づき、ターボチャージャ２０の内部温度の推定値が演算されている。また、堆積量推定処理Ｆ４では、内部温度推定処理Ｆ３での内部温度の推定値に基づき、オイルコーキング堆積量の推定値が演算されている。さらに、演算処理回路３１は、オイルコーキング堆積量の推定値に基づき、警告灯３３の点灯やエンジン出力の制限を指令する指令処理Ｆ５を実行している。本実施形態では、これら内部温度推定処理Ｆ３、堆積量推定処理Ｆ４、及び指令処理Ｆ５を実行する演算処理回路３１が実行装置に対応している。

なお、本実施形態では、内部温度推定処理Ｆ３において、オイル通路２８における３つの部位の壁面温度を、ターボチャージャ２０の内部温度としてそれぞれ推定している。そして、堆積量推定処理Ｆ４において、上記３つの部位のそれぞれにおけるオイルコーキングの堆積量を推定している。これら３つの部位は、図１に示す部位Ｐ１、Ｐ２、Ｐ３となっている。これらの部位Ｐ１、Ｐ２、Ｐ３は、ターボチャージャ２０の内部に設けられたオイル通路２８の中で、壁面温度が高くなり易く、かつオイルコーキングの堆積が問題となり易い部位となっている。

＜ニューラルネットワークの構成＞
演算処理回路３１は、内部温度推定処理Ｆ３において、メモリ３２に記憶されたニューラルネットワーク３４を用いて各部位Ｐ１、Ｐ２、Ｐ３の壁面温度の推定値である推定温度ｔ１、ｔ２、ｔ３を演算している。図３を参照して、ニューラルネットワーク３４の構成を説明する。

ニューラルネットワーク３４は、Ｎ個のノードを有する入力層と、Ｍ個のノードを有する中間層と、３個のノードを有する出力層と、を備えている。なお、以下の説明における「ｉ」は、１以上、Ｎ以下の任意の整数を表している。また、以下の説明における「ｊ」は、１以上、Ｍ以下の任意の整数を表している。

図３では、入力層の各ノードの入力値をＸ［１］、Ｘ［２］、……、Ｘ［Ｎ］と示す。各ノードの入力値Ｘ［１］～Ｘ［Ｎ］は、車両の走行状態を示す状態量である走行状態量となっている。入力値Ｘ［１］～Ｘ［Ｎ］とする走行状態量には、車速Ｖ、エンジン回転数ＮＥ、アクセルペダル開度ＡＣＣ、燃料噴射量ＱＩＮＪ、過給圧ＰＢ、及び吸気流量ＧＡのそれぞれの時系列データと、外気温ＴＨ１、及び吸気温ＴＨ２の瞬時値データと、を用いている。ここでの時系列データは、既定のサンプリング周期毎に取得した各走行状態量の計測値のうち、直近の既定個の値を時系列に並べた配列である。

図３では、中間層の各ノードの入力値をＵ［１］、Ｕ［２］、……、Ｕ［Ｍ］、中間層の各ノードの出力値をＺ［１］、Ｚ［２］、……、Ｚ［Ｍ］と示す。中間層の各ノードの入力値Ｕ［ｊ］は、入力層の入力値Ｘ［１］、Ｘ［２］、……、Ｘ［Ｎ］のそれぞれに重みＷｉｊを乗じた値の和として算出される。中間層の各ノードの出力値Ｚ［１］、Ｚ［２］、……、Ｚ［Ｍ］は、該当ノードの入力値Ｕ［ｊ］を引数とした活性化関数Ｆの戻値として算出される。本実施形態では、活性化関数Ｆとしてシグモイド関数を用いている。

図３では、出力層の３つのノードの入力値をＹ［１］、Ｙ［２］、Ｙ［３］と示す。Ｙ［１］には、中間層の各ノードの出力値Ｚ［ｊ］のそれぞれに重みＶｊ１を乗じた値の和が入力される。また、Ｙ［２］には中間層の各ノードの出力値Ｚ［ｊ］のそれぞれに重みＶｊ２を乗じた値の和が、Ｙ［３］には中間層の各ノードの出力値Ｚ［ｊ］のそれぞれに重みＶｊ３を乗じた値の和が、それぞれ入力される。このニューラルネットワーク３４では、出力層の各ノードの入力値であるＹ［１］、Ｙ［２］、Ｙ［３］がそのまま該当ノードの出力値となっている。なお、Ｙ［１］は部位Ｐ１の推定温度ｔ１を、Ｙ［２］は部位Ｐ２の推定温度ｔ２を、Ｙ［３］は部位Ｐ３の推定温度ｔ３を、それぞれ示している。

＜ニューラルネットワークの学習＞
次に、こうしたニューラルネットワーク３４の生成方法、すなわち同ニューラルネットワーク３４の学習について説明する。ニューラルネットワーク３４の学習は、学習用の電子計算機を用いて行われる。

ニューラルネットワーク３４の学習に際しては、ターボチャージャ２０における上述の部位Ｐ１～Ｐ３に温度センサが設置された学習用の車両を用いて教師データが作成される。教師データの作成に際しては、学習用の車両において、ニューラルネットワーク３４の入力として用いられる各走行状態量と、部位Ｐ１～Ｐ３の温度と、を計測する。こうした計測を様々な走行状態で行い、部位Ｐ１～Ｐ３の温度の計測値と、その計測時における走行状態量の計測値と、を一つに纏めたデータセットを多数作成する。

ニューラルネットワーク３４の学習は、こうして作成された多数のデータセットにより構成された教師データを用いて行われる。具体的には、まずデータセットにおける走行状態量の計測値を、Ｘ［１］～Ｘ［Ｎ］の値としてニューラルネットワーク３４の入力層に入力する。そして、それらの入力に対してニューラルネットワーク３４が出力するＹ［１］～Ｙ［３］の値とデータセットにおける部位Ｐ１～Ｐ３の温度の計測値との誤差が小さくなるように、誤差逆伝搬法を用いて、各重みＷｉｊ、Ｖｊ１、Ｖｊ２、Ｖｊ３の値を修正する。こうした重みＷｉｊ、Ｖｊ１、Ｖｊ２、Ｖｊ３の修正処理を、上記誤差が予め定めた値以下となるまで繰り返す。そして、上記誤差が予め定めた値以下となると、ニューラルネットワーク３４の学習が完了したものと判定している。各車両の電子制御ユニット３０のメモリ３２には、こうして学習されたニューラルネットワーク３４、すなわち学習済みネットワークが記憶される。

＜内部温度推定処理＞
続いて、図４を参照して、内部温度推定処理Ｆ３の詳細を説明する。内部温度推定処理Ｆ３では、ニューラルネットワーク３４を用いて、各部位Ｐ１～Ｐ３の推定温度ｔ１～ｔ３を演算している。

図４に、内部温度推定処理Ｆ３に係る処理ルーチンのフローチャートを示す。本ルーチンの処理は、エンジン１０の運転中、演算処理回路３１により、既定時間Ｔ毎に繰り返し実行される。

本ルーチンの処理が開始されると、まずステップＳ１００において、ニューラルネットワーク３４に入力する各走行状態量の計測値が読み込まれる。すなわち、車速Ｖ、エンジン回転数ＮＥ、アクセルペダル開度ＡＣＣ、燃料噴射量ＱＩＮＪ、過給圧ＰＢ、及び吸気流量ＧＡの時系列データの計測値と、外気温ＴＨ１及び吸気温ＴＨ２の瞬時値データの計測値と、が読み込まれる。

続いて、ステップＳ１１０において、ニューラルネットワーク３４の入力層の各ノードの入力値Ｘ［１］～Ｘ［Ｎ］の値として、ステップＳ１００で読み込んだ各走行状態量の計測値が設定される。そして、次のステップＳ１２０において、ニューラルネットワーク３４の出力であるＹ［１］～Ｙ［３］の値が演算される。ここで演算されるＹ［１］、Ｙ［２］、Ｙ［３］の値はそれぞれ、ニューラルネットワーク３４に入力した各走行状態量の計測時における部位Ｐ１～部位Ｐ３の推定温度ｔ１、ｔ２、ｔ３を示している。

本実施形態では、エンジン１０の運転中に部位Ｐ１～Ｐ３のオイル通路２８の壁面温度が取り得る値の範囲を複数の温度域に区分けしている。以下の説明では、温度域を、温度が低い方から順に、Ｒ［１］、Ｒ［２］、…、Ｒ［Ｌ］と記載する。ここでの「Ｌ」は温度域の数を示している。さらに本実施形態では、部位Ｐ１～Ｐ３のそれぞれについて、温度域Ｒ［１］～Ｒ［Ｌ］毎の推定温度の演算回数を示すカウンタを設定している。以下の説明では、部位Ｐ１についての各温度域Ｒ［１］、Ｒ［２］、…、Ｒ［Ｌ］の推定温度ｔ１の演算回数を示すカウンタをそれぞれカウンタＣ１［１］、Ｃ［２］、…、Ｃ１［Ｌ］と記載する。同様に、部位Ｐ２についての各温度域Ｒ［１］、Ｒ［２］、…、Ｒ［Ｌ］の推定温度ｔ２の演算回数を示すカウンタをそれぞれカウンタＣ２［１］、Ｃ２［２］、…、Ｃ２［Ｌ］と記載する。さらに、部位Ｐ３についての各温度域Ｒ［１］、Ｒ［２］、…、Ｒ［Ｌ］の推定温度ｔ３の演算回数を示すカウンタをそれぞれカウンタＣ３［１］、Ｃ３［２］、…、Ｃ３［Ｌ］と記載する。

ステップＳ１３０では、次の値のインクリメントが行われる。すなわち、ステップＳ１３０では、推定温度ｔ１の演算値が含まれる温度域Ｒ［ｌ］のカウンタＣ１［ｌ］の値がインクリメントされる。また、ステップＳ１３０では、推定温度ｔ２の演算値が含まれる温度域Ｒ［ｌ］のカウンタＣ２［ｌ］の値、及び推定温度ｔ３の演算値が含まれる温度域Ｒ［ｌ］のカウンタＣ３［ｌ］の値がそれぞれインクリメントされる。そしてその後、今回の周期における本ルーチンの処理が終了される。

＜堆積量推定処理、及び指令処理＞
続いて、図５及び図６を参照して、堆積量推定処理Ｆ４、及び指令処理Ｆ５の詳細を説明する。図５は、堆積量推定処理Ｆ４及び指令処理Ｆ５に係る処理ルーチンのフローチャートを示す。図５に示される一連の処理は、車両が既定距離Ｄを走行する毎に、演算処理回路３１により実行される。

本ルーチンの処理が開始されると、まずステップＳ２００において、各カウンタＣ１［１］～Ｃ１［Ｌ］、Ｃ２［１］～Ｃ２［Ｌ］、Ｃ３［１］～Ｃ３［Ｌ］の値が読み込まれる。続いて、ステップＳ２１０において、本ルーチンの前回の実行時から今回の実行時までの期間における各部位Ｐ１～Ｐ３のオイルコーキング堆積量の増加量Δ１～Δ３の値が演算される。増加量Δ１～Δ３はそれぞれ、式（１）～（３）の関係を満たす値として演算される。式（１）～（３）におけるＳＣ［１］～ＳＣ［Ｌ］は、温度域毎に設定されたコーキング速度を示している。コーキング速度ＳＣ［ｌ］の値は、既定時間Ｔの間、オイル通路２８の壁面温度が該当する温度域Ｒ［ｌ］内の温度となった状態が保持されたときに同オイル通路２８の壁面に堆積するオイルコーキング量を示している。

図６に、オイル通路２８の壁面を一定の温度に保持したときの、同壁面の温度、及びその保持時間と、オイル通路２８の壁面のオイルコーキング堆積量と、の関係を示す。オイルコーキングは、オイルが一定の温度を超えて熱せられることで生成される。以下の説明では、オイルコーキングが生成されるオイル温度の範囲のうちの下限となる温度をコーキング開始温度Ｔｘと記載する。壁面温度がコーキング開始温度Ｔｘ未満の範囲では、保持時間に拘わらず、オイルコーキングの堆積量は「０」となる。一方、コーキング開始温度Ｔｘ以上の壁面温度の範囲では、壁面温度が高くなるほど、保持時間に対する堆積量の比率が、すなわちコーキング速度が大きくなる。各温度域Ｒ［ｌ］のコーキング速度ＳＣ［ｌ］の値は、こうした関係に基づき設定されている。すなわち、コーキング開始温度Ｔｘよりも低温側の温度域では、「０」がコーキング速度の値として設定されている。一方、コーキング開始温度Ｔｘよりも高温側の温度域では、高温側の温度域ほど大きい値がコーキング速度の値として設定されている。

次のステップＳ２２０では、ステップＳ２１０で演算した増加量Δ１～Δ３に基づき、各部位Ｐ１～Ｐ３のオイルコーキング堆積量の推定値である推定コーキング堆積量Ｍ１～Ｍ３の値が更新される。ここでの推定コーキング堆積量Ｍ１～Ｍ３の更新は、更新前の値に増加量Δ１～Δ３を加えた和が更新後の値となるように行われる。

ここで、内部温度推定処理Ｆ３において、部位Ｐ１～Ｐ３の壁面温度を正確に反映した値が推定温度ｔ１～ｔ３の値として演算されているものとする。また、図４の処理ルーチンにより推定温度ｔ１～ｔ３が演算されてから、同処理ルーチンの次回の実行時までの期間、各部位Ｐ１～Ｐ３の壁面温度が一定に保持されているものとする。このときの上記期間に部位Ｐ１のオイルコーキング堆積量は、推定温度ｔ１の値を含む温度域Ｒ［ｌ］のコーキング速度ＳＣ［ｌ］の値の分だけ増加する。同様に、部位Ｐ２のオイルコーキング堆積量は推定温度ｔ２の値を含む温度域Ｒ［ｌ］のコーキング速度ＳＣ［ｌ］の値の分だけ増加する。また、部位Ｐ３のオイルコーキング堆積量は推定温度ｔ３の値を含む温度域Ｒ［ｌ］のコーキング速度ＳＣ［ｌ］の値の分だけ増加する。

一方、増加量Δ１は、車両が既定距離Ｄを走行する期間に演算された推定温度ｔ１の値のそれぞれについて、その推定温度ｔ１の演算値を含む温度域Ｒ［ｌ］のコーキング速度ＳＣ［ｌ］を積算した値として求められている。また、増加量Δ２、Δ３も同様に求められている。そして、車両が既定距離Ｄを走行する毎に求められた増加量Δ１～Δ３をそれぞれ積算した値が、推定コーキング堆積量Ｍ１～Ｍ３の値として演算されている。このように本実施形態では、推定温度ｔ１～ｔ３の演算値からそれぞれ求められる、既定時間Ｔ毎の各部位Ｐ１～Ｐ３のオイルコーキング堆積量の増加量を積算した値として、各部位Ｐ１～Ｐ３のオイルコーキング堆積量の推定値である推定コーキング堆積量Ｍ１～Ｍ３が演算されている。すなわち、本実施形態での推定コーキング堆積量Ｍ１～Ｍ３の演算は、実質的には、推定温度ｔ１～ｔ３の演算値に基づいてオイルコーキング堆積量の増加量を演算するとともに同増加量を積算することで行われている。

こうして推定コーキング堆積量Ｍ１～Ｍ３が演算されると、ステップＳ２３０に処理が進められる。そして、そのステップＳ２３０において、各カウンタＣ１［１］～Ｃ１［Ｌ］、Ｃ２［１］～Ｃ２［Ｌ］、Ｃ３［１］～Ｃ３［Ｌ］の値が「０」にリセットされた後、ステップＳ２４０に処理が進められる。

ステップＳ２４０に処理が進められると、そのステップＳ２４０において、各部位Ｐ１～Ｐ３の推定コーキング堆積量Ｍ１～Ｍ３のいずれか１つ以上が既定の警告閾値α以上であるか否かが判定される。ここで肯定判定された場合（ＹＥＳ）にはステップＳ２５０に処理が進められる。そして、そのステップＳ２５０において警告灯３３の点灯を指令する指令信号が出力された後、今回の本ルーチンの処理が終了される。一方、ステップＳ２４０において否定判定された場合（ＮＯ）には、ステップＳ２６０に処理が進められる。

ステップＳ２６０に処理が進められると、そのステップＳ２６０において、各部位Ｐ１～Ｐ３の推定コーキング堆積量Ｍ１～Ｍ３のいずれか１つ以上が既定の出力制限閾値β以上であるか否かが判定される。出力制限閾値βには、上述の警告閾値αよりも小さい値が設定されている。このステップＳ２６０において肯定判定された場合（ＹＥＳ）には、ステップＳ２７０に処理が進められる。そして、そのステップＳ２７０においてエンジンの出力制限を指令する指令信号が出力された後、今回の本ルーチンの処理が終了される。一方、ステップＳ２６０において否定判定された場合（ＮＯ）には、そのまま今回の本ルーチンの処理が終了される。

推定コーキング堆積量Ｍ１～Ｍ３の値は、電子制御ユニット３０の稼働停止中も、メモリ３２に記憶保持されている。なお、メンテナンスにより、ターボチャージャ２０の内部に堆積したオイルコーキングが除去されたり、ターボチャージャ２０が新品に交換されたり、したときには、メモリ３２に記憶された各推定コーキング堆積量Ｍ１～Ｍ３の値は「０」にリセットされる。

なお、電子制御ユニット３０は、要求出力決定処理Ｆ１での要求出力ＰＥ＊の決定に際して、出力制限の指令信号が出力されているときには、同指令信号が出力されていないときに比べて、要求出力ＰＥ＊の値の設定範囲の最大値を小さい値としている。本実施形態では、これにより、エンジン１０の出力制限を行っている。

ちなみに、本実施形態では、図５のステップＳ２００からステップＳ２３０までの処理が、堆積量推定処理Ｆ４に対応する処理となっている。また、図５のステップＳ２４０からステップＳ２７０までの処理が、指令処理Ｆ５に対応する処理となっている。

＜実施形態の作用、効果＞
本実施形態の作用及び効果について説明する。
ターボチャージャ２０の内部に設けられたオイル通路２８の部位Ｐ１～Ｐ３にそれぞれ堆積するオイルコーキングの量は、各部位Ｐ１～Ｐ３の壁面温度に依存する。各部位Ｐ１～Ｐ３の壁面温度は、車両の走行状態により変化する。ただし、壁面温度に影響する走行状態量は多数存在しており、各走行状態量と内部温度との関係は複雑である。これに対して、本実施形態では、機械学習を通じて、各走行状態量と各部位Ｐ１～Ｐ３の壁面温度との関係をニューラルネットワーク３４に学習している。そして、そのニューラルネットワーク３４を用いて、走行状態量の計測値から各部位Ｐ１～Ｐ３の壁面温度の推定値である推定温度ｔ１～ｔ３を演算している。そのため、各部位Ｐ１～Ｐ３の壁面温度を正確に反映した値として推定温度ｔ１～ｔ３が演算されることになる。

さらに推定温度ｔ１～ｔ３の演算値からは、既定時間Ｔにおける各部位Ｐ１～Ｐ３のオイルコーキング堆積量の増加量が求められる。本実施形態では、推定温度ｔ１～ｔ３の演算値から求められたオイルコーキング堆積量の増加量を積算した値として各部位Ｐ１～Ｐ３のオイルコーキング堆積量の推定値である推定コーキング堆積量Ｍ１～Ｍ３を演算している。そのため、各部位Ｐ１～Ｐ３の実際のオイルコーキング堆積量を正確に反映した値として、推定コーキング堆積量Ｍ１～Ｍ３の値が演算されることになる。

以上の本実施形態のターボチャージャのオイルコーキング堆積量の推定装置によれば、以下の効果を奏することができる。
（１）本実施形態では、各走行状態量と各部位Ｐ１～Ｐ３の壁面温度との関係をニューラルネットワーク３４に学習している。そして、内部温度推定処理Ｆ３において、そのニューラルネットワーク３４を用いて、走行状態量の計測値から各部位Ｐ１～Ｐ３の壁面温度の推定値である推定温度ｔ１～ｔ３を演算している。さらに、本実施形態では、堆積量推定処理Ｆ４において、推定温度ｔ１～ｔ３の演算結果から求められる増加量を積算した値を、各部位Ｐ１～Ｐ３のオイルコーキング堆積量の推定値である推定コーキング堆積量Ｍ１～Ｍ３の値として演算している。そのため、ターボチャージャ２０の内部のオイルコーキングの堆積量を正確に推定できる。

（２）本実施形態では、推定コーキング堆積量Ｍ１～Ｍ３のいずれかが出力制限閾値β以上となったときにエンジン１０の出力制限を指令する指令信号を出力している。エンジン１０の出力が大きくなると、ターボチャージャ２０のタービンホイール２４に流入する排気の温度が高くなり、部位Ｐ１～Ｐ３の壁面温度も高くなる。そして、オイル通路２８の壁面へのオイルコーキングの堆積は、壁面温度が高いほど、促進される。よって、エンジン１０の出力が制限されれば、壁面温度の上昇が抑えられて、オイルコーキングのそれ以上の堆積が抑制される。ただし、実際には、出力制限を要するほどには、オイルコーキングの堆積が進行していない状態で、エンジン１０の出力制限が実施されれば、車両のユーザに不便を強いてしまう。その点、本実施形態では、各部位Ｐ１～Ｐ３のオイルコーキング堆積量の正確な推定が可能である。そのため、オイルコーキングの堆積を抑制するためのエンジン１０の出力制限を適切な時期に実施できる。

（３）本実施形態では、推定コーキング堆積量Ｍ１～Ｍ３のいずれかが警告閾値α以上となったときに、警告灯３３の点灯を指令する指令信号を出力している。そして、警告灯３３の点灯を通じて、車両のユーザに、ターボチャージャ２０のメンテナンスが必要であることを通知している。実際には、メンテナンスが必要となるまでオイルコーキングの堆積が進行していない状態で上記通知がなされれば、車両のユーザに不便を強いることになる。その点、本実施形態では、各部位Ｐ１～Ｐ３のオイルコーキング堆積量の正確な推定が可能である。そのため、ターボチャージャ２０のメンテナンスを要する量までオイルコーキングの堆積が進行した適切な時期に、上記通知を実施できる。

（４）ターボチャージャ２０の内部温度は、タービンハウジング２１の内部を排気からターボチャージャ２０が受け取る熱量と、ターボチャージャ２０に当たる走行風がターボチャージャ２０から持ち去る熱量と、の熱収支により決まる。このうち、排気からターボチャージャ２０が受け取る熱量は、排気の温度及び流量により定まる。排気の温度及び流量に関連する主な走行状態量としては、エンジン回転数ＮＥ、アクセルペダル開度ＡＣＣ、燃料噴射量ＱＩＮＪ、過給圧ＰＢ、吸気流量ＧＡ、吸気温ＴＨ２がある。一方、ターボチャージャ２０から走行風が持ち去る熱量は、ターボチャージャ２０に当たる走行風の流量及び温度により定まる。ターボチャージャ２０に当たる走行風の流量は、車速Ｖが高いほど多くなる。また、ターボチャージャ２０に当たる走行風の温度は、外気温ＴＨ１である。このように、車速Ｖ、エンジン回転数ＮＥ、アクセルペダル開度ＡＣＣ、燃料噴射量ＱＩＮＪ、過給圧ＰＢ、吸気流量ＧＡ、外気温ＴＨ１、及び吸気温ＴＨ２は、ターボチャージャ２０の内部温度に与える影響が大きい車両の走行状態量である。本実施形態では、内部温度との関係性が高い車速Ｖ、エンジン回転数ＮＥ、アクセルペダル開度ＡＣＣ、燃料噴射量ＱＩＮＪ、過給圧ＰＢ、吸気流量ＧＡ、外気温ＴＨ１、及び吸気温ＴＨ２をニューラルネットワーク３４の入力とする車両の走行状態量として用いている。そのため、ターボチャージャ２０の内部温度を的確に推定可能なモデルとしてニューラルネットワーク３４を構成できる。

（５）車両の走行状態量の変化がターボチャージャ２０の内部温度に反映されるまでにはある程度の時間を要する。一方、ニューラルネットワーク３４の入力とする上記走行状態量のうち、車速Ｖ、エンジン回転数ＮＥ、アクセルペダル開度ＡＣＣ、燃料噴射量ＱＩＮＪ、過給圧ＰＢ、及び吸気流量ＧＡは、車両の走行中の変化が大きい走行状態量となっている。本実施形態では、車速Ｖ、エンジン回転数ＮＥ、アクセルペダル開度ＡＣＣ、燃料噴射量ＱＩＮＪ、過給圧ＰＢ、及び吸気流量ＧＡについてはそれらの時系列データをニューラルネットワーク３４の入力として用いている。そのため、走行状態量の変化が内部温度に反映されるまでの遅れを反映した値として、ターボチャージャ２０の内部温度を推定できる。

（６）外気温ＴＨ１や吸気温ＴＨ２が短時間に大きく変化することはない。そのため、外気温ＴＨ１、及び吸気温ＴＨ２の時系列データを取っても、時系列データの各値はほぼ同じ値となる。よって、外気温ＴＨ１、及び吸気温ＴＨ２については、時系列データではなく、単一の計測値をニューラルネットワーク３４の入力としても、内部温度の推定結果には殆ど影響しない。一方、ニューラルネットワーク３４に入力する値の数が増えれば、その分、ニューラルネットワーク３４の構造が複雑となり、学習や推定温度ｔ１～ｔ３の演算に要する時間が長くなる。本実施形態では、外気温ＴＨ１、及び吸気温ＴＨ２については、時系列データではなく、単一の計測値をニューラルネットワーク３４の入力とすることで、不要なニューラルネットワーク３４の構造の複雑化を抑えている。

本実施形態は、以下のように変更して実施することができる。本実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
・上記実施形態では、車速Ｖ、エンジン回転数ＮＥ、アクセルペダル開度ＡＣＣ、燃料噴射量ＱＩＮＪ、過給圧ＰＢ、及び吸気流量ＧＡの時系列データをニューラルネットワーク３４に入力していたが、それらの単一の計測値を入力とするようにしてもよい。

・上記実施形態では、ニューラルネットワーク３４の入力とする車両の走行状態量として車速Ｖ、エンジン回転数ＮＥ、アクセルペダル開度ＡＣＣ、燃料噴射量ＱＩＮＪ、過給圧ＰＢ、吸気流量ＧＡ、外気温ＴＨ１、及び吸気温ＴＨ２を用いていた。それらの走行状態量のうちの１つ以上をニューラルネットワーク３４の入力から省いたり、それら以外の車両の走行状態量をニューラルネットワーク３４の入力に加えたり、してもよい。

・上記実施形態では、車両が既定距離Ｄを走行する毎に推定コーキング堆積量Ｍ１～Ｍ３の値の更新を行っていた。推定コーキング堆積量Ｍ１～Ｍ３の値の更新を、これ以外の周期で行うようにしてもよい。例えば、推定コーキング堆積量Ｍ１～Ｍ３の値の更新を、推定温度ｔ１～ｔ３の演算毎に行うようにしてもよい。この場合の推定コーキング堆積量Ｍ１～Ｍ３の更新は、推定温度ｔ１～ｔ３の値を含む温度域Ｒ［ｌ］のコーキング速度ＳＣ［ｌ］の値を更新前の値に加えた和が更新後の値となるように行うことになる。

・ターボチャージャ２０のメンテナンスが必要な状態にあることを、警告灯３３の点灯以外の方法でユーザに通知するようにしてもよい。例えば、車両から広域通信網を介してユーザの携帯端末に通知の指令信号を送信し、その携帯端末において通知を行うようにしてもよい。

・オイルは劣化すると、コーキング化し易くなる。そこで、オイル交換後の車両の走行距離等からオイルの劣化度を推定し、その推定結果を推定コーキング堆積量Ｍ１～Ｍ３の演算結果に反映するようにしてもよい。例えば、オイルの劣化度に基づき、各温度域Ｒ［１］～Ｒ［Ｌ］のコーキング速度ＳＣ［１］～ＳＣ［Ｌ］の値を、オイルの劣化度が高いほど大きくなる値として演算するようにしてもよい。

・上記実施形態では、オイル通路２８の３つ部位Ｐ１～Ｐ３の壁面温度をターボチャージャ２０の内部温度として推定し、それらの推定値から各部位Ｐ１～Ｐ３のオイルコーキング堆積量を推定していた。ターボチャージャ２０の内部温度及びオイルコーキング堆積量を推定する部位の位置や数は、適宜変更してもよい。

・ターボチャージャ２０の内部での許容可能なオイルコーキング堆積量の上限値が部位により異なる場合がある。そうした場合、警告閾値α及び出力制限閾値βの値として、部位毎に異なる値を設定するとよい。

・上記実施形態では、車両に搭載された電子制御ユニット３０が、内部温度、及びコーキング堆積量の推定を行っていた。これらの推定を、車両外部のデータセンタにおいて行うようにしてもよい。この場合には、車両からデータセンタに走行状態量の計測値を送信するとともに、その送信された計測値に基づく、内部温度、オイルコーキング堆積量の推定をデータセンタで行う。そして、データセンタから車両に、オイルコーキング堆積量の推定結果、或いはその推定結果に基づく指令信号を送信することになる。

・上記実施形態では、中間層を一層のみ有するニューラルネットワーク３４を用いていたが、複数の中間層を有するようにニューラルネットワーク３４を構成してもよい。

１０…エンジン
１１…吸気通路
１２…排気通路
１３…オイルポンプ
２０…ターボチャージャ
２１…タービンハウジング
２２…コンプレッサハウジング
２３…ジャーナルハウジング
２４…タービンホイール
２５…コンプレッサホイール
２６…タービン軸
２７…フローティング軸受
２８…オイル通路
３０…電子制御ユニット（推定装置）
３１…演算処理回路（実行装置）
３２…メモリ（記憶装置）
３３…警告灯
３４…ニューラルネットワーク

Claims (5)

1. 車両に搭載されたターボチャージャの内部のオイルコーキングの堆積量を推定する装置であって、
   実行装置と、記憶装置と、を備えており、
   前記記憶装置には、前記車両の走行状態を示す走行状態量を入力とし、前記ターボチャージャの内部温度を出力とするニューラルネットワークであって、前記内部温度の計測値とその計測時の前記走行状態量の計測値とを教師データに用いて学習されたニューラルネットワークが記憶されており、
   前記実行装置は、前記走行状態量の計測値を入力とした前記ニューラルネットワークの出力を前記内部温度の推定値として演算する内部温度推定処理と、前記内部温度の推定値に基づいて前記堆積量の増加量を演算するとともに同増加量を積算した値として前記堆積量の推定値を演算する堆積量推定処理と、を実行する
   ターボチャージャのオイルコーキング堆積量の推定装置。
2. 前記実行装置は、前記堆積量の推定値が既定の閾値を超えている場合に、エンジンの出力制限を指令する指令処理を実行する請求項１に記載のターボチャージャのオイルコーキング堆積量の推定装置。
3. 前記実行装置は、前記堆積量の推定値が既定の閾値を超えている場合に、前記ターボチャージャがメンテナンスを必要とする状態にあることの前記車両のユーザに対する通知を指令する指令処理を実行する請求項１に記載のターボチャージャのオイルコーキング堆積量の推定装置。
4. 前記ニューラルネットワークの入力として、前記走行状態量の時系列データを用いる請求項１～３のいずれか１項に記載のターボチャージャのオイルコーキング堆積量の推定装置。
5. 前記走行状態量には、車速、エンジン回転数、アクセルペダル開度、燃料噴射量、過給圧、吸気流量、外気温、及び吸気温の一つ以上が含まれる請求項１～４のいずれか１項に記載のターボチャージャのオイルコーキング堆積量の推定装置。