JPH01106950A - 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部系の
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５ａＭ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、基本制御量を工　　・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がで
き、かつ信軌性の高い内燃機関の学習制御装置を提供す
ることを目的とする。

〈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。

（八）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）前記複数のパラメータの夫々に基づき前記記憶手
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 （Ｉ）前記要因別学習値の基準値からの偏差を検出する
要因別学習値偏差検出手段 （Ｊ）前記要因別学習値の変化速度を検出する要因別学
習値変化速度検出手段 （Ｋ）要因別学習値の偏差及び変化速度がそれぞれ所定
値を越えたときその要因別学習値に関連する部品の劣化
度合が大きいと判定する劣化判定手段〈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ＷＡ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。そして、要因別学習
値更新手段Ｈ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Ｃ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。

また、要因別学習値偏差検出手段Ｉは要因別学習値の基
準値からのずれを検出し、要因別学習値変化速度検出手
段Ｊは要因別学習値の更新される時の変化速度を検出し
、これらずれ及び変化速度が共に一定の値よりも大きい
ときに、劣化判定手段にはその要因別学習値に関連する
部品の劣化度合が大きいと判定する。これにより、部品
劣化を早期に発見でき故障予知ができ、信顛性を高めら
れる。

〈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ＧＯ，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。

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６１−６５８４４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６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。

自己診断ルーチン）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、要因別学習値偏差検出手段、要因
別学習値変化速度検出手段及び劣化判定手段としての機
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６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、クランク角センサエ４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’ｒ
ｐ　＝Ｋ　−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ＫＭＲなどを含む各種補正係数ＣＯＥ　Ｆ　＝　１
　＋　Ｋｒｕ＋　Ｋ、＊＋・・・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Ｘ１．Ｘｚ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
　ｏ＋　＝　０　、　Ｘ　ｏｚ＝　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。

Ｔｌ−Ｘ２・Ｔｐ−ＣＯＥＦ・α＋（Ｔｓ＋ＸＩ）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１゜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■。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　ｒ　ａ　ｆ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（■ｏ２〈■ｒＧｆ）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＞＞Ｉである。

空燃比がリッチ（Ｖ　Ｏ２＞　Ｖ　、、、ｆ　）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＋、Ｘｚ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。

０２センサ１６の出力電圧Ｖ。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７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パフ ツク補正係数αの基準値ｌ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
。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（Ｎ１．ＮＺ・・・＋Ｔｆ）＋、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Ｋ　ｌ、　Ｋ　ｚを検索する。

但し、Ｋｒ　＋に、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）とに分け、それぞれの占める割合を
＝に、、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／Ｉ要因が
大きく、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Ｋｌ、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
、・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Ｘ１．Ｘｚを読出し、次式の如
く、一方のＦ／Ｔ要囚要因習値Ｘ１に偏差Δα、をＭ２
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、、Ｍ、は学習重み
付は係数である。

ＸＩ　＝ＸＩ　＋Ｍ＋・Δα。

Ｘ２　＝Ｘ２　＋Ｍ２・Δα２ 尚、これら要因別学習値Ｘ、、Ｘ２に基づいて第６図に
示す自己診断ルーチンにより、それぞれに関連の深い燃
料噴射弁６．エアフローメータ１３の自己診断が行われ
る。

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Ｘ１．Ｘ２を書込んでデータを書換
え、ステップ４０で学習回数計測カウンタのカウント値
Ｃをカウントアツプする。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要要因学習値Ｘ、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。

すなわち、Ｆ／Ｉ要因の学習値Ｘ１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６図は自己診断ルーチンで、所定時間毎に実行され、
これにより燃料噴射弁６．エアフローメータ１３の劣化
進行度合の診断が行われる。

まず、ステップ５１では、学習回数計測カウンタのカウ
ント値Ｃと所定値Ｃ３との比較を行い、Ｃ≦Ｃ３のとき
はこの自己診断ルーチンは実行されず、Ｃ＞Ｃ３になっ
てから以後はステップ５２以下の自己診断動作が行われ
る。これは、学習初期においては、学習値のばらつきが
大きいことから誤診断を防止するためである。

ステップ５２では、第５図の最適学習ルーチンで設定さ
れる燃料噴射弁６に関連する要因別学習値Ｘ、の初期値
Ｘ。＋（−〇）からの偏差１ｘｌ−１ＸＯＩ　ｌが所定
値Ａ１より大か否かの判定を行う。

ここで、ｌ　ＸＩ　　ｌ　　ｌ　Ｘｏ＋　ｌ　＞Ａ＋で
あれば、ステップ５３で要因別学習値Ｘ１の前回学習値
を読出しこれをＸ、に置換え、ステップ５４で今回の要
因別学習値Ｘ、と前回の要因別学習値ＬＸ、との差（自
己診断ルーチンが所定時間毎に実行されるので実質的に
要因別学習値の変化速度に相当する）が所定値Ｂ＋より
大か否かを判定する。ここで、判定がＩＸ、１−ＩＬＸ
Ｉ　　ｌ＞Ｂｌのときは燃料噴射弁６の劣化進行度合が
大きいと判断して故障予知表示を行う。

また、ステップ５２でＩＬ　　ｌ−１ｘｏ＋ｌ≦Ａ。

又はステップ５４でＩＸ、１−ＩＬＸ、ｌ≦Ｂ、のとき
はステップ５６に進み燃料噴射弁６は正常と判断しＯＫ
表示を行う。

ステップ５７〜６１では同様にしてエアフローメータ１
３の診断を行う。

即ち、ステップ５７〜５９で、エアフローメータ１３に
関連する要因別学習値Ｘ２ｑ初期値ＸＯ２からの偏差及
び変化速度がそれぞれの所定値Ａ　２．　Ｂ　ｚより大
か否かを判定し、両者が共に所定値Ａ　ｚ、　Ｂ　２よ
り大であるときはステップ６０でエアフローメータ１３
の故障予知表示を行い、どちらか一方が所定値以下であ
るときは正常と判断してステップ６１においてＯＫ表示
を行う。

第８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。

また、要因別学習値Ｘ、、Ｘ２の初期値からのずれ及び
変化速度に基づいて前記ずれが大きくなる方向でかつそ
の変化が速いときには、関連する構成部品の劣化度合及
びその進行が早いと判断する自己診断を行っているので
、部品故障が予知できる。従って、部品劣化によって生
じる運転性の不具合、燃費の悪化を未然に防止できる。

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−Ｊｅｔｒｏｅｔｒｏ
方式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
を分析して要因別に学習する方式としたため、学習補正
精度を低下させることなく、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１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。

更に、要因別学習値の初期値からの偏差及び変化速度に
基づいて構成部品の自己診断を行うようにしたので、部
品の劣化度合を知ることができ、部品交換を適切な時期
に行え、部品故障に伴う運転性不具合、燃費の悪化等を
未然に防止できる。

【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６図は
制御内容を示すフローチャート、第７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８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・・・Ｏｚ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

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、 前記複数のパラメータの夫々に基づき前記記憶手段の要
   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
   、 前記要因別学習値の基準値からの偏差を検出する要因別
   学習値偏差検出手段と、 前記要因別学習値の変化速度を検出する要因別学習値変
   化速度検出手段と、 前記要因別学習値の偏差及び変化速度がそれぞれ所定値
   を越えたときその要因別学習値に関連する部品の劣化度
   合が大きいと判定する劣化判定手段と、 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。