JPH01106945A - 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
御中のフィードバッ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〉 しかしながら、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であったため、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−にの手段を含んで内燃機関の学習制御
装置を構成する。

（Ａ）内燃機関の制御対象の制御目標値に対応する基本
制御量を設定する基本制御量設定手段（Ｂ）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 （Ｃ）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 （Ｄ）前記基本制御量を前記フィードバック補正値及び
前記複数の要因別学習値に基づきこれらに応じてそれぞ
れ設定された演算式で補正して制御量を演算する制御量
演算手段 （Ｅ）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 （Ｆ）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 （Ｇ）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 （Ｈ）機関の定常運転状態を検出する定常運転状態検出
手段 （Ｉ）該定常運転状態検出手段により検出される機関の
定常運転状態において、前記偏差検出手段による偏差検
出時に前記制御量演算手段により演算された制御量と前
記要因分析手段により分離された複数のパラメータに基
づいた複数の要因別学習値に基づいて前記基本制御量を
補正演算して得た制御量との差に基づき要因分析結果の
正否を判定する要因分析結果正否判定手段 （Ｊ）該要因分析結果正否判定手段による判定結果に基
づき前記差を減少させる方向に前記要因分析手段で分離
した複数のパラメータを増減修正する要因分析修正手段 （Ｋ）該要因分析修正手段による修正結果の前記複数の
パラメータ或いは前記要因分析手段で分離した前記複数
のパラメータのそれぞれに基づき前記要因別学習値記憶
手段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〉 基本制御量設定手段Ａは、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設定し、フィードバック補
正値設定手段Ｂ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、制御量演算手段りは、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Ｃに記憶されている複数の要因別学習値に基づき
これらに応じてそれぞれ設定された最適な演算式で補正
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Ｅ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Ｆ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Ｇ
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。

ここで、機関定常運転状態検出手段Ｈにより機関の定常
運転状態が検出されているときに、要因分析結果正否判
定手段Ｉは、偏差を検出したときにフィードバック補正
して設定された制御量と、基本制御量を要因分析結果の
要因別学習値に基づいて補正して得た制御量と、の差に
基づいて要因分析結果の正否を判定する。そして、要因
分析修正手段Ｊは、この要因分析結果の正否に基づいて
前記の差を減少させる方向に前記複数のパラメータを修
正し、機関の定常運転状態においてはこの修正結果のそ
れぞれに基づき、機関定常運転状態以外においては前記
要因分析手段で分離した複数のパラメータのそれぞれに
基づいて要因別学習値更新手段Ｋが要因別学習値記憶手
段Ｃの要因別学習値を修正して書換えてゆく。

即ち、要因分析手段Ｇが、フィードバック補正値の基準
値からの偏差を要因別の複数のパラメータに分離すると
、機関定常運転状態において、この分析結果に基づく要
因別学習値によって制御量を演算して、フィードバック
補正に基づく制御量と比較することにより、要因分析に
よる学習結果が、フィードバック補正による目標値に実
際値を近づける方向の補正と一致しているか否か（フィ
ードバック補正値なしで要因別学習値のみを用いること
により制御目標に制御対象が制御されるか否か）を判定
し、要因分析が不的確でフィードバック補正による補正
と一致しないときにはこの差を減少させるように要因分
析修正手段が要因別の複数のパラメータを修正して、こ
の修正結果を要因別学習値記憶手段Ｃに記憶させる。

上記のような要因分析の正否に基づく分析結果の修正を
機関運転状態に限って行うのは、過渡運転時においては
機関の空燃比が燃料の供給遅れや壁流等の影響で乱れる
ことが多く、このような空燃比の不安定な状態では分析
結果の正否判断精度が悪化するためである。

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
して要因分析すると共に、空燃比が比較的安定する機関
定常運転状態でこの要因分析が実際値を制御目標に近づ
ける補正となるように修正して、各々の要因に適した演
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からの駆動パルス
信号により通電されて開弁じ、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
させたときに再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に応じた電圧信号を出力する。

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。

更に、排気マニホールド８の集合部に０１１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、０２センサ１６と
して特願昭６２−６５８４４号で提案しているＮＯ１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、基本制御量設定手段、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、要
因別学習値更新手段、要因分析結果正否判定手段、要因
分析修正手段及び定常運転状態検出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からの信号に基づいて検出される
吸入空気流量Ｑ、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Ｔ
ｗ等を入力する。

ステップ２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２
の部分が基本制御量設定手段に相当する。

ステップ３では水温Ｔｗに応じた水温補正係数に１１機
関回転数Ｎと基本燃料噴射量Ｔｐに応じた空燃比補正係
数に□などを含む各種補正係数ＣＯＥ　Ｆ　＝　１　＋
　Ｋｙｗ＋　ＫＮＲ＋・・・を設定する。

ステップ４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５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６では要因別学習値記憶手段としてのＲＡＭの
所定アドレスから要因別学習値Ｘ　Ｉ、　Ｘ　ｚを読込
む。尚、学習が開始されていない時点では、初期値とし
て、Ｘ、＝０．ｘｚ　＝１を記憶させである。

ステップ７では燃料噴射量Ｔｉを次式に従って演算する
。このステップ７の部分が制御量演算手段に相当する。

Ｔｉ＝Ｘｚ・’ｒｐ　−Ｃ０ＥＦ・α＋（Ｔ　ｓ　＋　
Ｘ　＋　）ステップ８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）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ｌ）
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０２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　ｒｅｆと比較することにより実際の空燃比
が理論空燃比よりもリッチ状態であるか或いはリーン状
態であるかを判定する。即ち、本実施例において、制御
対象とは機関吸入混合気の空燃比であり、制御目標とは
理論空燃比である。

空燃比がリーン（ＶＯ２＜Ｖ、０）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リーンへの反
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１５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
テップエフへ進んで、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（Ｖｏｚ＞ＶｒＱｒ　）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２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、所定の学習条件とは、空燃比のフ
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０□センサ１６の出力電圧■。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。

０□センサ１６の出力電圧の反転時は、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０□センサ１６の出力電圧■
。２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（Ｎｌ、ＮＺ・・・、　Ｔ　ｐ　１　、　Ｔ
　ｐ　２・・・）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Ｋ　４．　Ｋ　２を検索する。

但し、Ｋ、＋に２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要因という）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）とに分け、それぞれの占める割合を
に＋、Ｋｚ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２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、
・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、次のステップ３７ではΔα、＝に
１　・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、偏差量化方向等に基づ
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要囚要因習値Ｘ、に偏差Δα、をＭ１
分加算して更新し、他方のＱ要因の学習値Ｘ２に偏差Δ
α２をＭ２分加算して更新する。Ｍ、、Ｍ２は学習重み
付は係数である。

Ｌ　＝Ｘ、＋Ｍ、　　・Δα。

Ｘｚ　”’　Ｘｚ　＋　Ｍ２　　・Δα２次にステップ
３９へ進んで、上記ステップ３８で更新した要因別学習
値Ｘ、、Ｘ２を用いて燃料噴射量Ｔｉを演算する。但し
、このときの燃料噴射量Ｔｉの演算式には、下記に示す
ように空燃比フィードバック補正係数αが含められず、
フィードバック補正係数αなしでかつ今回更新した要因
別学習値Ｘ、、Ｘ２を用いて燃料噴射量Ｔｉが演算され
る。

Ｔｉ＝Ｘｚ・Ｔｐ−ＣＯＥＦ＋　（Ｔｓ＋Ｘ＋）次のス
テップ４０では機関回転数Ｎと基本燃料噴射量Ｔｐとが
所定微小時間（例えば１０ｍ５）内にどれだけ変化した
かを検出する。即ち、下記の式に示すように、１０ｍ５
前に検出された機関回転数Ｎ（Ｎ−、。□）及び１０ｍ
５前に設定された基本燃料噴射量Ｔｐ（Ｔｐ−＋。□）
から今回の値をそれぞれ減算することにより１０ｍ５間
における変化中ΔＮ、Δ’ｒｐを求める。

ΔＮ−Ｎ−，。□−Ｎ ΔＴ　Ｐ　”　Ｔ　Ｐ　−ｒ。□−Ｔｐそして、次のス
テップ４１ではステップ４０で求めた１０ｍ５間におけ
る機関回転数Ｎの変化中ΔＮの絶対値１ΔＮ１と所定値
とを比較して、１ΔＮ１が所定値未満であるか否かを判
定し、１ΔＮｌ＜所定値であって機関回転数Ｎが安定し
ている状態であるときには次のステップ４２へ進む。

ステップ４２ではステップ４０で求めた１０ｍ５間にお
ける基本燃料噴射量Ｔｐの変化中ΔＴｐの絶対値１ΔＴ
ｐｌと所定値とを比較して、１Δ’ｒｐｌ＜所定値であ
って基本燃料噴射量Ｔｐが安定しているときには次のス
テップ４３へ進む。

即ち、本実施例では、機関回転数Ｎ、！”ｉ本燃料噴射
量’ｒｐとが共に安定している（変化中が小さい）とき
に機関１が定常運転状態であると判定するものであり、
このステップ４０〜４２の部分か定常運転状態検出手段
に相当する。

ステップ４１若しくはステップ４２で、機関回転数Ｎ或
いは基本燃料噴射量Ｔｐの変化中が所定以上であると判
定されたとき、即ち、機関の過渡運転状態においては、
ステップ４７へ進んで、ステップ３８で設定した要因別
学習値Ｘ、、Ｘ２をＲＡＭ上の所定アドレスに書込んで
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。

機関１が定常運転状態であって、空燃比が比較的安定し
ている状態では、ステップ４３〜４６の要因分析の正否
判定及びこれに基づく要因別学習値ＸＩ。

Ｘ２の修正処理を行う。これは、機関１の過渡運転状態
においては、燃料供給制御の遅れや各種機関運転状態の
検出遅れ、更に、吸気通路の内壁を液状となって流れる
壁流の影響等によって空燃比が乱れ易く、このような空
燃比の不安定な状態では要因分析の正否を精度良く判定
できないためである。

ステップ４３では、偏差Δαを検出したときに第３図の
燃料噴射量演算ルーチンで演算された燃料噴射量Ｔｉを
読込んでこの値をＭＴｉとする。

上記偏差Δαを検出したときの燃料噴射量Ｔｉとは、例
えば空燃比フィードバック補正係数αの上下のピーク値
をとったときのそれぞれ燃料噴射量Ｔｉの平均値とする
。

次にステップ４４へ進んでステップ３９で空燃比フィー
ドバック補正係数αなしで演算した燃料噴射量Ｔｉと、
ステップ４３で読込んだ要因別学習値ＸＩ。

Ｘ２の更新の基礎となった空燃比フィードバック補正係
数αを用いて設定された燃料噴射量ＭＴｉとを比較し、
要因分析の正否を判定する。従って、このステップ４３
．４４の部分が要因分析結果正否判定手段に相当する。

ここで、ＴｉζＭＴｉであると判定された場合には、今
回要因分析して更新した要因別学習値Ｘ＋。

Ｘ２を用いれば、空燃比フィードバック補正係数αを用
いなくとも、演算された燃料噴射量Ｔｉ相当の燃料を機
関１に噴射供給することで略理論空燃比相当の混合気を
得ることが判別される。

なぜなら、空燃比フィードバック補正係数αは、実際の
空燃比を目標空燃比である理論空燃比に近似させるよう
に設定されるものであるため、ステップ４３で読込んだ
燃料噴射量ＭＴｉは略理論空燃比相当の燃料噴射量であ
ると言え、これに対し、今回の要因分析結果から得た要
因別学習値Ｘ、、Ｘ２を用い空燃比フィードバック補正
係数αを用いないで演算した燃料噴射量Ｔｉがこの理論
空燃比相当の燃料噴射量ＭＴｉと略イコールであれば、
要因分析結果により空燃比フィードバック補正係数αな
しで目標である理論空燃比を略得られることになり、正
しく要因分析されて学習が的確であることが判明する。

一方、ステップ４４でＴｉ＜＜ＭＴｉ或いはＴｉ＞＞Ｍ
Ｔｉであると判定された場合には、空燃比フィードバッ
ク補正係数αなしで今回要因分析してステップ３８で得
た要因別学習値Ｘ、、Ｘ、を用いて燃料噴射量Ｔｉを演
算したのでは、目標である理論空燃比を得ることができ
ないことが判明する。

即ち、空燃比フィードバック補正して得た燃料噴射量Ｍ
Ｔｉよりもステップ３９で演算した燃料噴射量Ｔｉが少
ないときには、実際の燃料噴射量Ｔｉの設定に際して、
空燃比フィードバック補正係数αで燃料噴射量Ｔｉを増
量補正する必要があり、一方、燃料噴射量ＭＴｉよりも
ステップ３９で演算した燃料噴射量Ｔｉが多いときには
空燃比フィードバック補正係数αで燃料噴射量Ｔｉを減
少補正する必要があるものである。

従って、このように空燃比フィードバック補正係数αに
よって理論空燃比相当の燃料噴射量Ｔｉに補正される状
態では、要因分析結果が不良であると言え、この場合に
はステップ４５若しくはステップ４６へ進んで、空燃比
フィードバック補正係数αなしで理論空燃比相当の燃料
噴射量Ｔｉが得られるように要因別学習値Ｘ１．Ｘ２を
以下に説明するようにして増減補正する。

ステップ４４でＴ　ｉ　＜　＜　Ｍ　Ｔ　ｉであると判
定された場合には、ステップ３８で得た要因別学習値Ｘ
１゜Ｘ２のみを用い空燃比フィードバック補正係数αを
用いないで燃料噴射量Ｔｉを演算した場合には燃料量が
不足して空燃比がリーン化する状態であるので、ステッ
プ４５へ進んでステップ３８で得た要因別学習値ＸＩ、
Ｘ２にそれぞれ微小値ΔＸ１．ΔＸ２を加算して新たな
要因別学習値Ｘ、、Ｘ２としくＸ。

←Ｘ、＋ΔＸ、、Ｘ２←Ｘ２＋ΔＸ２）、燃料噴射量Ｔ
ｉが要因別学習（ＩＩ　Ｘ　ｌ＋　Ｘ　２によってより
増量補正されるようにして再びステップ３９へ戻る。

即ち、Ｔｉ＃ＭＴｉとなるまでステップ４５における要
因別学習値Ｘ、、Ｘ、の修正を繰り返す。

一方、ステップ４４でＴ　ｉ　＞＞ＭＴ　ｉであると判
定された場合には、ステップ３８で得た要因別学習値Ｘ
Ｉ、Ｘ２のみを用い空燃比フィードバック補正係数αを
用いないで燃料噴射量Ｔｉを演算した場合には燃料量が
過剰で空燃比がリッチ化する状態であるので、ステップ
４６へ進んでステップ３８で得た要因別学習（Ｉ！Ｘ１
．Ｘ２からそれぞれ微小値ΔＸ、。

ΔＸ２を減算して新たな要因別学習値Ｘ、、Ｘ、とじ（
Ｘ、←Ｘ、−ΔＸ、　、　Ｘ、←Ｘ２−ΔＸ、　）、燃
料噴射量Ｔｉが要因別学習値ＸＩ、Ｘ２によってより減
量補正されるようにして再びステップ３９へ戻り、Ｔｉ
ζＭＴｉとなるまでステップ４６における要因別学習値
Ｘ、、Ｘ２の修正を繰り返す。

従って、上記ステップ４５及びステップ４６の部分が要
因分析修正手段に相当する。

ここで、機関１の定常運転状態において、ステップ４５
若しくはステップ４６での修正によってステップ４４で
Ｔｉ−ＭＴｉと判定されるような要因別学習値Ｘ＋、Ｘ
ｚに修正された場合、或いは、要因分析が良好に行われ
てステップ３８で得た要因別学習値Ｘ奮、Ｘ２を用いス
テップ４１でＴ　ｉ　’＝ＭＴ　ｉと判定された場合に
は、ステップ４１．４２での判定で機関１が過渡運転状
態であると判定された場合と同様にステップ４７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、
、Ｘ、を書込んでデータを書換える。

従って、ステップ４７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ＸＩと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７で示した如く、要因別に最適
な演算式で行われる。

即ち、Ｆ／Ｉ要囚要因習値Ｘ、については基本燃料噴射
量Ｔｐに対する加算項として、Ｑ要因の学習値Ｘ２につ
いては基本燃料噴射量Ｔｐに対する掛算項として、演算
式が設定され、これにより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、目印の＋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エンジンに近づけてゆく様子を示し
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、吸気マニホ
ールド負圧を検出するいわゆるＤ−Ｊｅｔｒｏ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。

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
を分析すると共に、空燃比が比較的安定する定常運転状
態において分析結果の正否を判定しこの判定結果に基づ
いて要因別学習値を修正して学習する方式としたため、
学習スピードを大幅に向上させることができ、また、空
燃比安定時に分析結果の正否を判定するので分析の誤り
を精度良く修正して学習補正の精度を高めることができ
る。また、このような学習制御により、７ッチング工数
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。更に、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・・・０２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 銅７図 Ｎｏ×１ 第６図 （ｇｒ／ｋｍ）

Claims (1)

1. 【特許請求の範囲】 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
   を設定する基本制御量設定手段と、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、 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、 前記基本制御量を前記フィードバック補正値及び前記複
   数の要因別学習値に基づきこれらに応じてそれぞれ設定
   された演算式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、 機関の定常運転状態を検出する定常運転状態検出手段と
   、 該定常運転状態検出手段により検出される機関の定常運
   転状態において、前記偏差検出手段による偏差検出時に
   前記制御量演算手段により演算された制御量と前記要因
   分析手段により分離された複数のパラメータに基づいた
   複数の要因別学習値に基づいて前記基本制御量を補正演
   算して得た制御量との差に基づき要因分析結果の正否を
   判定する要因分析結果正否判定手段と、 該要因分析結果正否判定手段による判定結果に基づき前
   記差を減少させる方向に前記要因分析手段で分離した複
   数のパラメータを増減修正する要因分析修正手段と、 該要因分析修正手段による修正結果の前記複数のパラメ
   ータ或いは前記要因分析手段で分離した前記複数のパラ
   メータのそれぞれに基づき前記要因別学習値記憶手段の
   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。