JPH01106954A - 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
２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′ａ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）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 （Ｉ）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
より今回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演算した制御量との差に基づき
フィードバック補正方向を判定するフィードバック補正
方向判定手段（Ｊ）該フィードバック補正方向判定手段
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
フィードバック補正値設定手段で設定されたフィードバ
ック補正値を修正するフィードバック補正値修正手段 （Ｋ）該フィードバック補正値修正手段により増減修正
されるフィードバック補正値の基準値に対する偏差が前
回の要因別学習値の更新時のフィードバック補正値の偏
差方向と同一でかつその絶対値が小となるように前記要
因分析手段における分析ルールを変更する分析ルール変
更手段く作用〉 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（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し、この複数のパラメータ
のそれぞれに基づき要因別学習値更新手段Ｈが記憶手段
Ｃに記憶されている要因別学習値を修正して書き換える
。

フィードバック補正方向判定手段■は、偏差を検出した
ときに設定された制御量と、今回要因分析手段Ｇで分析
された複数のパラメータに基づく複数の要因別学習値を
用いて演算した制御量と、の差に基づき、今回要因分析
して得た要因別学習値を用いた場合のフィードバック補
正値による補正方向を判定する。そして、フィードバッ
ク補正値修正手段Ｊは、前記フィードバック補正方向判
定手段■の判定結果に基づき、今回設定された要因別学
習値を用いて演算される制御量が偏差検出時の制御量（
制御目標相当の制御量）に近づくようにフィードバック
補正値を予め修正する。

また、分析ルール変更手段には、上記のようにして増減
修正された結果のフィードバック補正値の基準値に対す
る偏差が、前回の要因別学習値の更新時のフィードバッ
ク補正値の偏差方向と同一でかつその絶対値が小となる
ように、前記要因分析手段Ｇにおける分析ルールを変更
する。

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
、フィードバック補正方向判定手段Ｉはこの分析結果に
基づく要因別学習値によって制御量を演算して、フィー
ドバック補正により制御目標に補正された制御値（偏差
検出時の制御量）と比較する。ここで、前記２つの制御
量が路間等であったときには、今回要因分析して得た要
因別学習値と現状のフィードバック補正値とを用いるこ
とにより制御目標に制御されることになるが、前記２つ
制御量に差があるときには、今回要因分析して得た要因
別学習値を用いると制御目標に制御されずフィードバッ
ク補正によって追従させる必要があることを示すので、
今回の要因別学習値を用いても直ちに略制御目標に制御
されるように予めフィードバック補正値を増減修正する
ものである。

そして、このようにして増減修正されたフィードパツク
補正値が、前回の要因別学習値の更新時のフィードバッ
ク補正値の基準値に対する偏差方向と同一で、然も、そ
の絶対値が小となるように分析ルールを変更し、係る分
析ルールの変更によって要因分析手段Ｇによる要因分析
を前回に比してより改善され、偏差の吸収がより効率良
く行われるようにする。

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、この要因分析結果を用いた場
合の制御結果が制御目標付近となるように予めフィード
バック補正値を増減修正し、然も、前回学習時よりもフ
ィードバック補正値の偏差が同一方向で縮小されるよう
に分析ルールを変更して分析の最適化を図り、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 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
弁じ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す、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０□センサ１６
が設けられ、排気中の０□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）に−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、フィードパ・ンク補正値設定
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、フィードバック補正方向判定手
段、フィードバック補正値修正手段及び分析ルール変更
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Ｋ　ＴＷ
、機関回転数Ｎと基本燃料噴射量’ｒｐに応じた空燃比
補正係数Ｋ　ＭＲなどを含む各種補正係数ＣＯＥ　Ｆ　
＝　１　＋　Ｋｒｕ＋　ＫＭＲ＋・・・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ＸＩ、Ｘ２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．Ｘ、＝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。

Ｔ　ｉ　＝Ｘｔ・Ｔｐ−ＣＯＥＦ　・α＋（Ｔｓ　＋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１）
にりランプされ、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Ｖ０２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■□、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が或いはり−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（Ｖｏｚ＜Ｖｒａｆ）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Ｐ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（Ｖｏｚ＞Ｖ、、、ｒ　）のときは、ス
テップ１３からステ・ンブ１８へ進んでリーンからり・
ソチへの反転時（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、所定の学習条件と番よ、空燃比の
フィードバック制御中であり、かつ０□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（Ｎ、、Ｎ２・・・、ＴＴ）Ｉ、Ｔｐ２・・
・）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、
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
Ｋ　８．　Ｋ　２で表わすのであ２す る。

そして、経験則から低回転低負荷領域ではＦ／Ｉ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要因のパラメータに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、次のステツープ３７ではΔα
Ｉ　＝ＫＩ　　・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Ｘ５．Ｘ２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Ｍ＋
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。

ＸＩ　＝Ｘ１　＋Ｍ、　　・Δα１ Ｘ　２　＝　Ｘ　２　＋　Ｍ　ｚ　　・６７２次にステ
ップ３９へ進んで、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現状の要因別学習
値Ｘ、、Ｘ２の記憶データに基づく燃料噴射量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、空燃比フィードバック補正
係数αによって空燃比が理論空燃比付近になるように補
正設定されている燃料噴射量Ｔｉであって、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。

次のステップ４０では上記ステップ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、この演算に用いる各種数値は、前記ＭＴｉの演
算に用いられた各種数値のうち要国別学習値Ｘ、、Ｘ、
のみを換えたものである。

Ｔｉ＝Ｘ２−　Ｔｐ−ＣＯＥＦ　・ｃｘ＋　（Ｔｓ＋Ｘ
＋）次にステップ４１へ進んで、ステップ３９で今回設
定された要因別学習値Ｘ、、Ｘ、を用いてステップ４０
で演算した燃料噴射量Ｔｉと、ステップ３９で読込んだ
略理論空燃比相当にフィードバック補正された燃料噴射
量ＭＴｉとを比較し、今回設定された要因別学習値ＸＩ
、Ｘ２を用いた場合の空燃比フィードバック補正係数α
の増減方向を見極める。

従って、このステップ３９〜４１の部分がフィードバッ
ク補正方向判定手段に相当する。

ステップ４１でＴｉｅ＜ＭＴｉ或いはＴｉ＞＞ＭＴｉで
あると判定された場合には、現状の空燃比フィードバッ
ク補正係数αと今回要因分析してステップ３８で得た要
因別学習値Ｘｌ、Ｘ２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
状態であり、現状の空燃比フィードバック補正係数αと
今回要因分析してステップ３８で得た要因別学習値ＸＩ
、Ｘ２を用いて燃料噴射量制御を開始すると、空燃比フ
ィードパツク補正係数αによって理論空燃比に徐々に近
づける制御を行う必要があって、このフィードバック制
御の間は目標空燃比に制御されなくなってしまう。この
ため、本実施例では、要因別学習値Ｘ１．Ｘ２を修正し
た分だけ空燃比フィードバック補正係数αを予め増減修
正し、今回設定した要因別学習値Ｘ＋、Ｘｚを用いても
直ちに理論空燃比付近で制御されるようにするものであ
る。

即ち、ステップ４１でＴｉｅ＞ＭＴｉであると判定され
た場合には、今回の要因別学習値ＸＩ、Ｘ２を用いると
理論空燃比相当の燃料噴射量Ｔｉよりも燃料が多くなっ
て空燃比がリッチ化するので、ステップ４２で空燃比フ
ィードパ・ンク補正係数αを所定値α。だけ減少修正し
て燃料噴射量Ｔｉが減少されるようにして再びステップ
４０へ戻り、減少修正した空燃比フィードバック補正係
数αを用いて演算された燃料噴射量ＴｉがＭＴｉと諮問
等になるまでステップ４２での減少修正を繰り返す。

一方、ステップ４１でＴ　ｉ　＜＜ＭＴ　ｉであると判
定された場合には、今回の要因別学習値Ｘ１．Ｘ２を用
いると理論空燃比相当の燃料噴射量Ｔｉよりも燃料が少
なくなって空燃比がリーン化するので、ステップ４３で
空燃比フィードバック補正係数αを所定値α。たけ増大
修正して燃料噴射量Ｔｉが増大されるようにして再びス
テップ４０へ戻り、増大修正した空燃比フィードバック
補正係数αを用いて演算された燃料噴射量ＴｉがＭＴｉ
と諮問等になるまでステップ４３での増大修正を繰り返
す。

従って、上記ステップ４２及びステップ４３の部分がフ
ィードバック補正値修正手段に相当する。

上記のようにして補正された空燃比フィードバック補正
係数αば、第４図の空燃比フィードバック制御ルーチン
で用いられて、通常の空燃比リッチ・リーンに基づく増
減設定がなされるようにしである。

ここで、ステップ４２若しくはステップ４３での修正に
よってステップ４１においてＴｉζＭＴｉと判定される
ような空燃比フィードバック補正係数αに修正された場
合、或いは、偏差Δαが小さ（前回学習値と諮問等の要
因別学習値Ｘ＋、Ｘ２が設定されてステップ４工でＴｉ
ζＭＴｉと判定された場合には、ステップ４４へ進んで
前回の要因別学習値Ｘ＋、Ｘｚの学習時（更新時）にス
テップ４１でＴｉζＭＴｉと判定された最終的な空燃比
フィードバック補正係数αを読出して、その値をＭαと
する。

そして、次のステップ４５では、ステップ４１での判定
でＴｉζＭＴｉとなったときのα値（今回の学習値に基
づき修正されたα値）と、前記ステップ４４で読出した
前回学習時のＭα値と、からそれぞれ基準値である１を
減算して、それぞれの基準値に対する正負（極性）を判
定する。

ここで、今回学習値に基づく修正後のα値と前回学習時
のＭαとが共に基準値よりも大きいか小さく、基準値を
減算した結果同一極性を示すときにはステップ４７へ進
み、今回の修正結果極性が反転したと判定されたときに
はステップ４６へ進む。

上記極性反転とは、前回学習時のＭαが基準値よりも大
きい（正）状態であったのに、今回の学習の結果目標空
燃比を得るべくαを増減補正した結果が基準値よりも小
（負）となったときや、これとは反対に前回学習時が負
であったのが今回学習の結果に基づいて修正した結果正
になったときである。

ステップ４５で、空燃比フィードバック補正係数αの極
性が今回の学習によって反転したと判定されたときには
、ステップ４６で今回ステップ３７で使用した学習重付
はパラメータＫ　ｒ　、　Ｋ　２からそれぞれ所定値Δ
Ｋ　＋　、Δに２を減算して新たなに＋、Ｋｚとして設
定し、再びステップ３７へ戻ってこの減算結果のＫＩ、
Ｋｚを用いて偏差Δαを複数のパラメータに分離させる
。

即ち、今回学習した要因別学習値Ｘ、、Ｘ、を用いて燃
料噴射量制御を行った場合に、実際の空燃比を目標空燃
比に制御するための空燃比フィードバック補正係数αの
極性が前回学習時に対して反転するということば、学習
が急激すぎて学習によって偏差Δαが吸収され過ぎるい
わゆるオーバーシュート現象が発生していることを示す
。従って、学習重付はパラメータＫＩ、Ｋｇを微小減少
させ、以て燃料噴射量Ｔｉの増減補正量を少なくし、係
るオーバーシュートを回避するようにしたものであり、
ステップ４５で同一極性の判定がなされるまでステップ
３７〜ステツプ４６を繰り返す。

一方、ステップ４５で前回学習時のαと今回の学習結果
から修正されたαが同一極性であると判定されてステッ
プ４７へ進むと、前回学習時のＭα及び今回学習値に基
づく修正後のαそれぞれの基準値（１）に対する偏差の
絶対値を比較し、今回のαの偏差が前回学習時のαより
も小となっているが否かを判定する。そして、今回の学
習値に基づき増減修正されたαの基準値に対する偏差が
、前回学習時Ｍαの基準値に対する偏差以上であると判
定されると、ステップ４８へ進んで今回ステップ３７で
使用した学習重付はパラメータに＋、Ｋｚにそれぞれ所
定値ΔＫ　＋　’　＋　Δに２”を加算して新たなＫＩ
。

Ｋ２として設定し、再びステップ３７へ戻ってこの加算
結果のに、、に２を用いて偏差Δαを複数のパラメータ
に分離させる。

即ち、今回学習した要因別学習値ＸＩ、Ｘ２を用いて燃
料噴射量制御を行った場合に、実際の空燃比を目標空燃
比に制御するための空燃比フィードバック補正係数αの
基準値に対する偏差が、前回の学習値時に修正された最
終的なα（Ｍα）の基準値に対する偏差よりも縮小され
ないということは、本来要因分析によってαなしでも略
目標空燃比に制御されるようにしたいのに対して、学習
が目標空燃比から離れる方向に行われでいることを示す
。従って、学習重付はパラメータに、、に２を微小増大
させ、以て燃料噴射量の増減補正量を多くし、係る偏差
Δαの吸収不良を回避するようにしたものであり、学習
重付はパラメータＫ　＋、　Ｋ　２に基づく学習によっ
て空燃比フィードバック補正係数αが同一極性で然もそ
の基準値に対する偏差が縮小されるようになるまでステ
ップ３７〜ステツプ４８を繰り返し、学習重付はパラメ
ータＫ　＋、　Ｋ　ｚの最適化を図る。

このように、学習の結果を用いた場合に空燃比フィード
バック補正係数αをどのように設定すれば良いかを判断
して、予め略理論空燃比に制御されるように空燃比フィ
ードバック補正係数αを増減修正し、然も、この今回の
学習結果に基づき増減修正されたαと前回学習時のαと
から学習重付はパラメータに、、に、の設定の正否を判
定して修正するようにしたので、学習された要因別学習
値Ｘ、、ＸＺを用いることにより直ちに目標空燃比を得
て、かつ、学習重付はパラメータＫｌ、Ｋｇに基づく要
因分析を順次最適化して空燃比フィードバック補正係数
αによる修正中を縮小できるものである。

ここで、今回の学習によって空燃比フィードバック補正
係数αの極性が前回学習時のαの極性に対して反転せず
然もその基準値に対する偏差の絶対値が小さくなるよう
な学習重付はパラメータに１゜Ｋ２が設定されると、ス
テップ４９へ進んで当該機関運転状態（Ｎ、Ｔｐ）に対
応して記憶されている学習重付はパラメータに、、に２
の値を今回修正した値に書換える。従って、ステップ４
４〜ステ・ンプ４８の部分が分析ルール変更手段に相当
する。

また、次のステップ５０では、上記ステ・ンブ４９で書
換えた学習重付はパラメータに１．Ｋｚを用し）でステ
ップ３８で設定された要因別学習値Ｘ１．ＸｚをＲＡＭ
上の所定アドレスに書込んでデータを書換え、この書換
えたデータが第３図のルーチンのステップ６で読込まれ
て燃料噴射量Ｔｉの演算に用いられるようにする。上記
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４４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、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要因の学習値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、分析結果の要因別学習値を用いたと
きに略制御目標に制御されるように予めフィードバック
補正値を増減修正するようにし、かつ、この今回の学習
結果に基づくフィードバック補正値の値と前回学習時の
値とを比較して分析ルールを変更するようにしたので、
学習スピードを大幅に向上させることができ、また、要
因別学習値が更新されても直ちに制御目標に制御される
と共に、順次精度の良い分析ルールに改善されて学習補
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、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。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　　訃・・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・・・ｏ２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　　冨二雄 第１図

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ツ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それぞれに基づき前記前記要因
   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、 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今
   回分離された複数のパラメータに基づいた複数の要因別
   学習値に基づいて演算した制御量との差に基づきフィー
   ドバック補正方向を判定するフィードバック補正方向判
   定手段と、該フィードバック補正方向判定手段による判
   定結果に基づき前記差を減少させる方向に前記フィード
   バック補正値設定手段で設定されたフィードバック補正
   値を修正するフィードバック補正値修正手段と、 該フィードバック補正値修正手段により増減修正される
   フィードバック補正値の基準値に対する偏差が前回の要
   因別学習値の更新時のフィードバック補正値の偏差方向
   と同一でかつその絶対値が小となるように前記要因分析
   手段における分析ルールを変更する分析ルール変更手段
   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。