JPH0656119B2 - 内燃機関の学習制御装置 - Google Patents

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６１−１９
０１４１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
タマッ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ッ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。

〈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。

(A)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)前記偏差の要因を偏差検出時の機関運転状態に関す
る情報及び偏差に関する情報のうち少なくとも１つを基
に分析し前記偏差を当該情報によって定まる割合で要因
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Ｄ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，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れば比例・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偏差検出時の機関運転
状態に関する情報及び偏差に関する情報（偏差量、偏差
方向、偏差速度、偏差変化方向等の情報）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、偏差を当該情報によって定まる割合で要因別の複数
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、ＮＯ_ｘ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Ｏ_２センサ16が
設けられ、排気中のＯ_２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、Ｏ_２センサ16として
特願昭６２−６５８４４号で提案しているＮＯ_ｘ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Ｓ１と記してある。以下同様）では
エアフローメータ１13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Ｘ_１，Ｘ_２
のうち一方のＸ_２を読込み、エアフローメータ出力Ｕと
要因別学習値Ｘ_２とに応じて吸入空気流量Ｑを定めたマ
ップを参照し、ＵとＸ_２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
Ｘ_２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Ｔ_ｐ
＝Ｋ・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Ｋ_ＴＷ，
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Ｋ_ＭＲなどを含む各種補正係数ＣＯＥＦ＝１＋Ｋ
_ＴＷ＋Ｋ_ＭＲ＋…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Ｔｓ
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、Ｘ_１は要因別学習値記憶手段としてのＲＡ
Ｍの所定アドレスに記憶されている要因別学習値Ｘ_１，
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_１＝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_１） 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Ｋ_ＭＲ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12
以降へ進む。

ステップ12ではＯ_２センサ16の出力電圧Ｖ_Ｏ２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空燃比のリッチ・リ
ーンを判定する。

空燃比がリーン（Ｖ_０２＜Ｖ_ｒｅｆ）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Ｉ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_０２＞Ｖ_ｒｅｆ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Ｉ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Ｉ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_１，Ｘ_２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Ｏ_２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
Ｏ_２センサ16の出力電圧Ｖ_０２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Ｔ
ｐとをサンプリングする。

Ｏ_２センサ16の出力電圧Ｖ_０２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Ｉ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Ｏ_２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Ｔｐの
動き（Ｎ_１，Ｎ_２…，Ｔｐ_１，Ｔｐ_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
リアよりマップを参照して各エリアに割付けられた学習
重み付けパラメータＫ_１，Ｋ_２を検索する。但し、Ｋ_１
＋Ｋ_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要因という）とに分け、それぞれの占める割
合をＫ_１，Ｋ_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Ｋ_１，Ｋ_２の値を割付けておき、このマ
ッ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Ｋ_１・
Δαと、Ｑ要因のパラメータＫ_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_１＝Ｋ_１・Δ
α，Δα_２＝Ｋ_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に関する情報
を基に行う他、偏差量、偏差方向、偏差速度、偏差変化
方向等の偏差に関する情報に基づき、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
してある要因別学習値Ｘ_１，Ｘ_２を読出し、次式の如
く、一方のＦ／Ｉ要因の学習値Ｘ_１に偏差Δα_１をＭ_１
分加算して更新し、他方のＱ要因の学習値Ｘ_２に偏差Δ
α_２をＭ_２分加算して更新する。Ｍ_１，Ｍ_２は学習重み
付け係数である。

Ｘ_１＝Ｘ_１＋Ｍ_１・Δα_１ Ｘ_２＝Ｘ_２＋Ｍ_２・Δα_２ 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_１，Ｘ_２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要因の学習値Ｘ_１とＱ要因の学
習値Ｘ_２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_１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Ｔｓ
と同様に、基本燃料噴射量Ｔｐ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Ｘ_２については、基本燃料噴射量Ｔｐ（＝Ｋ
・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、□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、△印の
−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−Ｊｅｔｒｏ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−Ｊｅ
ｔｒｏ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−Ｊｅｔｒｏ方式の場合は、Ｑ要因の学習値Ｘ_２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Ｘ_２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
をそのときの各種情報を基に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、マッチ
ング工数の低減，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……Ｏ_２センサ

Claims (1)

【特許請求の範囲】
1. 【請求項１】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、 前記偏差の要因を偏差検出時の機関運転状態に関する情
   報及び偏差に関する情報のうち少なくとも１つを基に分
   析し前記偏差を当該情報によって定まる割合で要因別の
   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。