JPH01106942A - 内燃機関の学習制御装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〈産業上の利用分野〉 本発明は、内燃機関の空燃比（燃料噴射量）。

点火時期、アイドル回転数等のフィードバック制御系の
学習制御装置に関する。

〈従来の技術〉 従来の内燃機関の学習制御装置としては、特開昭５９−
２０３８２８号公報、特開昭５９−２１１７３８号公報
、特開昭６０−９０９４４号公報。

特開昭６１−１９０１４１号公報等に示されているもの
がある。

これらは、機関の運転状態に関連する物理量に基づき空
燃比等の制御目標値に対応させて設定される基本制御量
を制御目標値と実際値とを比較しつつ比例・積分制御な
どにより設定されるフィードバック補正値により補正し
て制御量を演算し、この制御量の制御を行って空燃比等
を制御目標値にフィードバック制御するものにおいて、
フィードバック制御中のフィードパ・ンク補正値の基準
値からの偏差を機関運転状態のエリア毎に学習してエリ
ア別学習値を定め、制御量の演算にあたって、基本制御
量をエリア別学習値により補正して、フィードバック補
正値による補正なしで演算される制御量により得られる
ものを制御目標値に一致させるようにし、フィードバッ
ク制御中はこれをさらにフィードバック補正値により補
正して制御量を演算するものである。

これによれば、フィードバック制御中は過渡運転時にお
けるフィードバック制御の追従遅れをなくすことができ
、フィードバック制御停止時においては所望の制御出力
を正確に得ることができる。

従って、電子制御燃料噴射装置等の構成部品のバラツキ
を吸収し、また機関の充填効率等の経年変化や大気圧、
温度、湿度等の使用環境条件の変化等を補正して長期に
わたって機関の最高性能を維持してゆくために用いられ
ている。

〈発明が解決しようとする問題点〉 しかし証から、このような従来の学習制御装置は、デー
タマツプによるいわゆる繰返し学習方式、つまり、機関
運転状態によりデータマツプ格子区分を設定し、各学習
エリアにおけるフィードバック制御偏差量を繰返し学習
経験により更新してゆく方式士あったため、学習補正精
度を高めるために各学習エリア区分を細かく設定すると
、学習の更新スピードが遅くなるという欠点があった。

つまり、学習補正精度と学習スピードとが相反する条件
となっているのであった。

本発明は、このような従来の問題点に鑑み、学習補正精
度を高めつつ学習スピードを大幅に向上させることので
きる内燃機関の学習制御装置を提供することを目的とす
る。

く問題点を解決するための手段〉 本発明は、上記の目的を達成するため、第１図に示すよ
うに、下記のＡ−Ｊの手段を含んで内燃機関の学習制御
装置を構成する。

（＾）内燃機関の運転状態に関連する物理量を検出する
物理量検出手段 （Ｂ）複数の要因別学習値を記憶する書換え可能な要因
別学習値記憶手段 （Ｃ）前記物理量を前記複数の要因別学習値のうち１つ
で補正する物理量補正手段 （Ｄ）補正された物理量に基づいて内燃機関の制御対象
の制御目標値に対応する基本制御量を演算する基本制御
量演算手段 （Ｅ）制御目標値と実際値とを比較して制御目標値に実
際値を近づける方向にフィードバック補正値を所定の量
増減して設定するフィードバック補正値設定手段 （Ｆ）前記基本制御量を前記フィードバック補正値で補
正し、さらに前記複数の要因別学習値のうち他の少なく
とも１つで補正して、制御量を演算する制御量演算手段 （Ｇ）前記制御量に応じて作動し内燃機関の制御対象を
制御する制御手段 （Ｈ）前記フィードバック補正値の基準値からの偏差を
検出する偏差検出手段 （Ｉ）前記偏差の要因を各種情報を基に分析しその分析
結果に基づき前記偏差を要因別の複数のパラメータに分
離する要因分析手段 （Ｊ）前記複数のパラメータの夫々に基づき前記記憶手
段の複数の要因別学習値を修正して書換える要因別学習
値更新手段 〈作用〉 物理量検出手段Ａは、内燃機関の運転状態に関連する物
理量を検出し、物理量補正手段Ｃは、物理量を要因別学
習値記憶手段Ｂに記憶されている複数の要因別学習値の
うち１つで補正する。

基本制御量演算手段りは、補正された物理量に基づいて
内燃機関の制御対象（例えば空燃比２点火時期、アイド
ル回転数等）の制御目標値に対応する基本制御量を演算
する。

フィードバック補正値設定手段Ｅは、制御目標値と実際
値とを比較して制御目標値に実際、値を近づける方向に
フィードバック補正値を例えば比例・積分制御に基づい
て所定の量増減して設定する。

そして、制御量演算手段Ｆは、基本制御量をフィードバ
ック補正値で補正し、さらに要因別学習値記憶手段Ｂに
記憶されている複数の要因別学習値のうち他の少なくと
も１つで補正することにより、制御量を演算する。そし
て、この制御量に応じて制御手段Ｇが作動し、内燃機関
の制御対象を制御する。

一方、偏差検出手段Ｈは、フィードバック補正値の基準
値からの偏差を検出している。そして、要因分析手段Ｉ
は、偏差を与えるに至った要因を各種情報（例えば機関
運転状態、偏差量、偏差方向、偏差速度、偏差変化方向
等のうち少なくとも１つ）を基に所定の分析ルールに従
って推論的に分析し、その分析結果に基づき偏差を要因
別の複数のパラメータに分離する。そして、要因別学習
値更新手段Ｊは、分離された複数のパラメータの夫々に
基づき記憶手段Ｂの複数の要因別学習値を修正して書換
えてゆく。

このように、フィードバック制御の偏差（エラー量）を
検出し、これを各種情報とデータベースとを用いて推論
して要因分析し、各々の要因に通した演算式で精度良く
補正することで、学習補正精度と学習スピードとを両立
させるのである。

〈実施例〉 以下に本発明に係る学習制御装置を電子制御燃料噴射装
置を有する内燃機関の空燃比のフィードバック制御系に
適用した実施例を説明する。

第２図において、機関１には、エアクリーナ２から吸気
ダクト３．スロットル弁４及び吸気マニホールド５、を
介して空気が吸入される。吸気マニホールド′５のブラ
ンチ部には各気筒毎−に制御手段としての燃料噴射弁６
が設けられている。燃料噴射弁６はソレノイドに通電さ
れて開弁し通電停止されて閉弁する電磁式燃料噴射弁で
あって、後述するコントロールユニット１２からの駆動
ノくルス信号により通電されて開弁し、図示しない燃料
ポンプから圧送されてプレッシャレギュレータにより所
定の圧力に調整された燃料を噴射供給する。尚、この例
はマルチポイントインジェクションシステムであるが、
スロットル弁の上流などに全気筒共通に単一の燃料噴射
弁を設けるシングルポイントインジェクションシステム
であってもよい。

機関１の燃焼室には点火栓７が設けられていて、これに
より火花点火して混合気を着火燃焼させる。

そして、機関１からは、排気マニホールド８゜排気ダク
ト９．三元触媒１０及びマフラー１１を介して排気が排
出される。三元触媒１０は、排気成分中のＣｏ、ＨＣを
酸化し、また、ＮＯＸを還元して、他の無害な物質に転
換する排気浄化装置であり、混合気を理論空燃比で燃焼
させたときに両転換効率が最も良好なものとなる。

コントロールユニット１２は、ＣＰＵ、ＲＯＭ。

ＲＡＭ、Ａ／Ｄ変換器及び入出力インタフェイスを含ん
で構成されるマイクロコンピュータを備え、各種のセン
サからの入力信号を受け、後述の如く演算処理して、燃
料噴射弁６の作動を制御する。

前記各種のセンサとしては、吸気ダクト３中に熱線式あ
るいはフラップ式のエアフローメータ１３が設けられて
いて、吸入空気流量Ｑに応じた信号Ｕを出力する。

また、クランク角センサ１４が設けられていて、４気筒
の場合、クランク角１８０°毎の基準信号とクランク角
１°又は２°毎の単位信号とを出力する。ここで、基準
信号の周期、あるいは所定時間内における単位信号の発
生数を計測することにより、機関回転数Ｎを算出可能で
ある。

また、機関１のウォータジャケットの冷却水温Ｔｗを検
出する水温センサ１５等が設けられている。

さらに、排気マニホールド８の集合部に０２センサ１６
が設けられ、排気中の０２濃度を介して機関１に吸入さ
れる混合気の空燃比を検出する。尚、０□センサ１６と
して特願昭６２−６５８４４号で提案しているＮＯｘ還
元触媒層付のものを用いるとより正確な検出が可能とな
る。

ここにおいて、コントロールユニット１２に内蔵された
マイクロコンピュータのＣＰＵは、第３図〜第５図にフ
ローチャートとして示すＲＯＭ上のプログラム（燃料噴
射量演算ルーチン、空燃比フィードバック制御ルーチン
、最適学習ルーチン）に従って演算処理を行い、燃料噴
射を制御する。

尚、物理量検出手段、物理量補正手段、基本制御量演算
手段、フィードバック補正値設定手段。

制御量演算手段、偏差検出手段、要因分析手段及び要因
別学習値更新手段としての機能は、前記プログラムによ
り達成される。また、要因別学習値記憶手段としては、
ＲＡＭを用い、かつバックアップ電源によりエンジンキ
ースイッチのＯＦＦ後も記憶内容を保持させる。

次に第３図〜第５図のフローチャートを参照しつつコン
トロールユニット１２内のマイクロコンピュータの演算
処理の様子を説明する。

第３図は燃料噴射量演算ルーチンで、所定時間毎に実行
される。

ステップ１（図にはＳｌと記しである。以下同様）では
エアフローメータ１３から吸入空気流量に応じた出力信
号Ｕを読込む。このステップ１の部分が物理量検出手段
に相当する。

ステップ２では要因別学習値記憶手段としてのＲＡＭの
所定アドレスに記憶されている要因別学習値ＸＩ、Ｘ２
のうち一方のＸ２を読込み、エアフローメータ出力Ｕと
要因別学習値Ｘ２とに応じて吸入空気流量Ｑを定めたマ
ツプを参照し、ＵとＸ２とから吸入空気流量Ｑを検索す
る。すなわち、変換テーブルを用いてエアフローメータ
出力Ｕを吸入空気流量Ｑに変換する際に、要因別学習値
Ｘ２により補正するのである。このステップ２の部分が
物理量補正手段に相当する。

ステップ３ではクランク角センサ１４からの信号に基づ
いて算出される機関回転数Ｎ、水温センサ１５からの信
号に基づいて検出される水温Ｔｗ等を読込む。

ステップ４では吸入空気流量Ｑと機関回転数Ｎとから単
位回転当りの吸入空気量に対応する基本燃料噴射量Ｔｐ
＝に−Ｑ／Ｎ（Ｋは定数）を演算する。このステップ４
の部分が基本制御量演算手段に相当する。

ステップ５では水温Ｔｗに応じた水温補正係数に？１．
Ｉ１機関回転数Ｎと基本燃料噴射量Ｔｐとに応じた空燃
比補正係数ＫＭＲなどを含む各種補正係数Ｃ０ＥＦ＝１
＋ＫＴ１１＋ＫＭＲ＋・・・を設定する。

ステップ６では後述する第４図の空燃比フィードバック
制御ルーチンによって設定されている最新の空燃比フィ
ードバック補正係数α（基準値１）を読込む。

ステップ７ではバッテリ電圧に基づいて電圧補正分子ｓ
を設定する。これはバッテリ電圧の変動による燃料噴射
弁６の噴射流量変化を補正するためのものである。

ステップ８では燃料噴射量Ｔｉを次式に従って演算する
。ここで、Ｘｌは要因別学習値記憶手段としてのＲＡＭ
の所定アドレスに記憶されている要因別学習値Ｘ８．Ｘ
２のうちの他方であり、学習が開始されていない時点で
は、初期値として、Ｘ。

＝０となっている。このステップ８の部分が制御量演算
手段に相当する。

Ｔｉ＝Ｔｐ−ＣＯＥＦ・α＋（Ｔｓ＋Ｘ＋）ステップ９
では演算されたＴｉを出力用レジスタにセットする。こ
れにより予め定めた機関回転同期（例えば１回転毎）の
燃料噴射タイミングになると、最新にセットされたＴｉ
のパルス巾をもつ駆動パルス信号が燃料噴射弁６に与え
られて、燃料噴射が行われる。

第４図は空燃比フィードバック制御ルーチンで、回転同
期又は時間同期で実行され、これにより空燃比フィード
バック補正係数αが設定される。従ってこのルーチンが
フィードバック補正値設定手段に相当する。

ステップ１１では所定の空燃比フィードバック制御条件
が成立しているか否かを判定する。ここで、所定の空燃
比フィードバック制御条件とは、機関回転数Ｎが所定値
以下で、かつ負荷を表わす基本燃料噴射量Ｔｐが所定値
以下であることを条件とする。かかる条件が満たされて
いない場合はこのルーチンを終了する。この場合、空燃
比フィードバック補正係数αは前回値（又は基準値１）
にクランプされ、空燃比フィードバック制御が停止され
る。これは、高回転又は高負荷領域では空燃比フィード
バック制御を停止し、前記空燃比補正係数ＫＭＲにより
リッチな出力空燃比を得て、排気温度の上昇を抑制し、
機関１の焼付きや三元触媒１０の焼損などを防止するた
めである。

空燃比フィードバック制御条件の成立時は、ステップ１
２以降へ進む。

ステップ１２では０□センサ１６の出力電圧Ｖ。２を読
込み、次のステップ１３で理論空燃比相当のスライスレ
ベル電圧Ｖ　ｒａｆと比較することにより空燃比のリッ
チ・リーンを判定する。

空燃比がリーン（Ｖｏ２＜Ｖ、、ｒ　）のときは、ステ
ップ１３からステップ１４へ進んでリッチからり−ンへ
の反転時（反転直後）であるか否かを判定し、反転時に
はステップエ５へ進んで後述する第５図の最適学習ルー
チンのため前回の空燃比フィードパツク補正係数αの基
準値１からの偏差をａ＝α−１として記憶した後、ステ
ップ１６へ進んで空燃比フィードバック補正係数αを前
回値に対し所定の比例定数２分増大させる。反転時以外
はステップ１７へ進んで、空燃比フィードバック補正係
数αを前回値に対し所定の積分定数１分増大させ、こう
して空燃比フィードバック補正係数αを一定の傾きで増
大させる。尚、Ｐ＞＞１である。

空燃比がリッチ（Ｖｏｗ＞Ｖ−ｒ　）のときは、ステッ
プ１３からステップ１８へ進んでリーンからリッチへの
反転時（反転直後）であるか否かを判定し、反転時には
ステップ１９へ進んで後述する第５図の最適学習ルーチ
ンのため前回の空燃比フィードバック補正係数αの基準
値１からの偏差をｂ＝α−１として記憶した後、ステッ
プ２０へ進んで空燃比フィードバック補正係数αを前回
値に対し所定の比例定数Ｐ分減少させる。反転時以外は
ステップ２１へ進んで空燃比フィードバック補正係数α
を前回値に対し所定の積分定数１分減少させ、こうして
空燃比フィードバック補正係数αを一定の傾きで減少さ
せる。

第５図は最適学習ルーチンで、所定時間毎に実行され、
これにより要因別学習値Ｘ、、Ｘ２が設定・更新される
。

ステップ３１では所定の学習条件が成立しているか否か
を判定する。ここで、所定の学習重（牛とＧよ、空燃比
フィードバック制御中であり、かつ０２センサ１６のリ
ッチ・リーン信号が適当な周期で反転していることを条
件とする。かかる条件が満たされていない場合はこのル
ーチンを終了する。

所定の学習条件が成立した場合は、ステップ３２へ進ん
でＯｚセンサ１６の出力電圧Ｖ。２が反転したか否かを
判定し、反転時以外はステップ３３へ進んでそのときの
機関運転状態のデータとして機関回転数Ｎと基本燃料噴
射量Ｔｐとをサンプリングする。

Ｏｔセンサ１６の出力電圧■。２の反転時は、最適学習
のため、ステップ３４へ進んで前述のａとｂとの平均値
を求める。このときのａ、ｂは、第６図に示すように空
燃比フィードバック補正係数αの増減方向の反転から反
転までの空燃比フィードバック補正係数αの基準値１か
らの偏差の上下のピーク値であり、これらの平均値を求
めることにより、空燃比フィードバック補正係数αの基
準値１からの平均的な偏差Δαを検出している。

従って、第４図のステップ１５．１９と第５図のステッ
プ３４の部分が偏差検出手段に相当する。

次にステップ３５へ進んで０２センサ１６の出力電圧Ｖ
０２が反転する間の機関回転数Ｎ及び基本燃料噴射量’
ｒｐの動き（Ｎ＋、Ｎｚ・・・＋ＴＰ＋、ＴＰｚ・・・
）を読出し、機関運転状態（Ｎ、Ｔｐ）を特定する。

次にステップ３６へ進んで機関運転状態（Ｎ、　Ｔｐ）
のエリアよりマツプを参照して各エリアに割付けられた
学習重み付はパラメータに、、に２を検索する。但し、
Ｋｌ　＋Ｋｚは１以下である。

ここで、偏差Δαを与えるに至った要因は、主に燃料噴
射弁６に起因するもの（以下Ｆ／Ｉ要囚要因う）と、空
気密度変化などを含むエアフローメータ１３に起因する
もの（以下Ｑ要因という）とに分け、それぞれの占める
割合をＫｌ、に２で表わすのである。

そして、経験則から低回転低負荷領域ではＦ／■要囚要
因きく、高回転高負荷ではＱ要因が大きいなどと推定し
て、各エリアにに、、に、の値を割付けておき、このマ
ツプを参照することで、機関運転状態を基に要因分析を
行うのである。

これにより、偏差Δαを、Ｆ／Ｉ要囚要因ラメータに１
　・Δαと、Ｑ要因のパラメータに２　・Δαとに分離
することが可能となり、次のステ・ンプ３７ではΔαＩ
　　−Ｋｌ　　・Δα、Δα２−に２　・Δαとして、
各パラメータに分離する。

従って、ステップ３５〜３７の部分が要因分析手段に相
当する。

尚、要因分析は、このように機関運転状態を基に行う他
、偏差量、偏差方向、偏差速度、偏差変化方向等に基づ
き、それらのデータベースから推論して行うようにして
もよい。

次にステップ３８へ進んでＲＡＭ上の所定アドレスに記
憶しである要因別学習値Ｘ＋、Ｘｚを読出し、次式の如
く、一方のＦ／Ｉ要因の学習値Ｘ、に偏差Δα、をＭ、
分抽゛算して更新し、他方のＱ要因の学習値Ｘ２に偏差
Δα２をＭ２分加算して更新する。Ｍ　Ｉ、　Ｍ　ｚは
学習重み付は係数である。

Ｘ　Ｉ＝　Ｘ　＋　＋　Ｍ　Ｉ・Δα。

Ｘ　ｚ　＝　Ｘ　２　＋　Ｍ　ｚ・Δα２次にステップ
３９へ進んでＲＡＭ上の所定アドレ゛スにこれらの要因
別学習値Ｘ、、Ｘ２を書込んでデータを書換える。この
ＲＡＭはバックアップメモリーであり、エンジンキース
イッチのＯＦＦ後も記憶内容が記憶保持される。

従って、ステップ３８．３９の部分が要因別学習値更新
手段に相当する。

このようにして、Ｆ／Ｉ要囚要因習値Ｘ、　、！：Ｑ要
因の学習値Ｘ２とが定まるわけであるが、これらを基に
した補正は、第３図のステップ２及びステップ８で示し
た如く、要因別に最適な演算式で行われる。

すなわち、Ｆ／Ｉ要因の学習値Ｘ、については、燃料噴
射弁６自体に起因するものであるから、電圧補正分子ｓ
と同様に、基本燃料噴射量’ｒｐに対する加算項として
補正がなされる（第３図のステップ８参照）。また、Ｑ
要因の学習値Ｘ２については、基本燃料噴射量Ｔｐ　（
＝に−Ｑ／Ｎ）中の吸入空気流量Ｑに起因するものであ
るから、エアフローメータ出力Ｕを吸入空気流量Ｑに変
換する際の変換用のテーブルに組込まれて、吸入空気流
量Ｑに対する補正がなされる（第３図のステップ２参照
）。これらにより要因別に最適な補正が行われる。

第７図は、本学習制御による効果として、０印の＋１６
％のリッチ傾向のエンジンが４回程度の学習で・印のバ
ラツキ中央値のエンジンに近づいてゆく様子と、Δ印の
一１６％のリーン傾向のエンジンが３回程度の学習で・
印のバラツキ中央値のエンジンに近づいてゆく様子を示
したもので、本学習制御による学習スピードの向上が明
瞭に示されている。

尚、本実施例では、電子制御燃料噴射装置として、エア
フローメータを有して吸入空気流量を検出するいわゆる
Ｌ　−Ｊ　ｅｔｒｏ方式のものを示したが、圧力センサ
を用いて吸気マニホールド負圧を検出するいわゆるＤ　
−Ｊ　ｅｔｒｏ方式、あるいはスロットル弁開度（α）
と機関回転数（Ｎ）によるいわゆるα−Ｎ方式等各種の
システムに適用し得る。

Ｄ−Ｊｅｔｒｏｅｔｒｏ方式、Ｑ要因の学習値Ｘｚによ
り、圧力センサ出力に基づく値を補正すればよい。

α−Ｎ方式の場合は、Ｑ要因の学習値Ｘ２により、スロ
ットル弁開度に対する開口面積のテーブルを補正すれば
よい。

また、空燃比のフィードバック制御のみならず、ノッキ
ング検出による点火時期制御や、補助空気弁を介しての
アイドル回転数のフィードバック制御にも適用できるも
のである。

〈発明の効果〉 以上説明したように本発明によれば、従来の如くエリア
別に学習する方式ではなく、偏差を生じるに至った要因
を分析して要因別に学習する方式とし、かつ、要因別学
習値を用い各々の要因に応じた最適な演算式により補正
する方式としたため、学習補正精度を高めつつ、学習ス
ピードを大幅に向上させることができる。また、このよ
うな学習制御により、マツチング工数の低減２部品管理
の簡単化、メンテナンスフリー等が実現できる。また、
バックアップメモリーの容量も少なくすることができる
。

【図面の簡単な説明】

第１図は本発明の構成を示す機能ブロック図、第２図は
本発明の一実施例を示すシステム図、第３図〜第５図は
制御内容を示すフローチャート、第６図は空燃比フィー
ドバック補正係数の変化の様子を示す図、第７図は学習
制御の効果を示す図である。 １・・・機関　　６・・・燃料噴射弁　　１２・・・コ
ントロールユニット　　１３・・・エアフローメータ　
　１４・・・クランク角センサ　　１６・・・０□セン
サ特許出願人　日本電子機器株式会社 代理人　弁理士　笹　島　　富二雄 第１図

Claims (1)

1. 【特許請求の範囲】 　内燃機関の運転状態に関連する物理量を検出する物理
   量検出手段と、 複数の要因別学習値を記憶する書換え可能な要因別学習
   値記憶手段と、 前記物理量を前記複数の要因別学習値のうち１つで補正
   する物理量補正手段と、 補正された物理量に基づいて内燃機関の制御対象の制御
   目標値に対応する基本制御量を演算する基本制御量演算
   手段と、 制御目標値と実際値とを比較して制御目標値に実際値を
   近づける方向にフィードバック補正値を所定の量増減し
   て設定するフィードバック補正値設定手段と、 前記基本制御量を前記フィードバック補正値で補正し、
   さらに前記複数の要因別学習値のうち他の少なくとも１
   つで補正して、制御量を演算する制御量演算手段と、 前記制御量に応じて作動し内燃機関の制御対象を制御す
   る制御手段と、 前記フィードバック補正値の基準値からの偏差を検出す
   る偏差検出手段と、 前記偏差の要因を各種情報を基に分析しその分析結果に
   基づき前記偏差を要因別の複数のパラメータに分離する
   要因分析手段と、 前記複数のパラメータの夫々に基づき前記記憶手段の複
   数の要因別学習値を修正して書換える要因別学習値更新
   手段と、 を含んで構成されることを特徴とする内燃機関の学習制
   御装置。