JPH0658084B2 - 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〜Ｋ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 (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予
め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 〈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Ｄ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、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Ｉ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Ｉ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Ｋは、上記のように増減修正
された結果のフィードバック補正値の基本値に対する偏
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
御量が略同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バック
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、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，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Ｓ１と記してある。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Ｔｗ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
＝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Ｋ_TW，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_１，Ｘ_２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_１＝０，Ｘ_２＝１を記憶させてある。

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＝Ｘ_２・Ｔｐ・ＣＯＥＦ・α＋（Ｔｓ＋Ｘ_１） 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（Ｖ_o2＜Ｖ_ref）のときは、ステップ13
からのステップ14へ進んでリッチかリーンへの反転時
（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_o2＞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、空燃比のフィ
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特徴とす
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_o2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15,19を第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_o2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・
Δα，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、偏差値、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、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_１，Ｘ_２の記憶データに基づく燃料噴射量Ｔ
ｉ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_１，Ｘ_２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因別学習値Ｘ_１，Ｘ_２のみ
を換えたものである。

Ｔｉ＝Ｘ_２・Ｔｐ・ＣＯＥＦ・α＋（Ｔｓ＋Ｘ_１） 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_１，Ｘ_２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Ｘ_１，Ｘ_２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Ｔｉ≪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Ｘ_１，Ｘ_２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Ｘ_１，Ｘ_２を
用いて燃料噴射量制御を開始すると、空燃比フィードバ
ック補正係数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
目膝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Ｘ_１，Ｘ_２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_１，Ｘ_２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Ｔｉ≫ＭＴｉであると判定された場
合には、今回の要因別学習値Ｘ_１，Ｘ_２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
バック補正係数αを所定値α_０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と略同等になる
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Ｔｉ≪ＭＴｉであると判定された場
合には、今回の要因別学習値Ｘ_１，Ｘ_２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_０だ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と略同等になる
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は、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
減設定がなされようにしてある。

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Ｔｉ≒ＭＴｉ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が小さく前回学習値と略同等の要因別学
習値Ｘ_１，Ｘ_２が設定されてステップ41でＴｉ≒ＭＴｉ
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_１，Ｘ_２の学習時（更新時）にステップ41で
Ｔｉ≒ＭＴｉ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Ｔｉ
≒ＭＴｉ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けパラ
メータＫ_１，Ｋ_２からそれぞれ所定値ΔＫ_１，ΔＫ_２を
減算して新たなＫ_１，Ｋ_２として設定し、再びステップ
37へ戻ってこの減算結果のＫ_１，Ｋ_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Ｘ_１，Ｘ_２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は、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、学習重付けパラメータＫ_１，Ｋ_２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〜ステップ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
なっているか否かを判定する。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
習重付けパラメータＫ_１，Ｋ_２にそれぞれ所定値Δ
Ｋ_１′，ΔＫ_２′を加算して新たなＫ_１，Ｋ_２として設
定し、再びステップ37へ戻ってこの加算結果のＫ_１，Ｋ
_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Ｘ_１，Ｘ_２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のに対して、学習が
目標空燃比から離れる方向に行われていることを示す。
従って、学習重付けパラメータＫ_１，Ｋ_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Δ
αの吸収不良を回避するようにしたものであり、学習重
付けパラメータＫ_１，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〜
ステップ48を繰り返し、学習重付けパラメータＫ_１，Ｋ
_２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
から学習重付けパラメータＫ_１，Ｋ_２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_１，Ｘ_２を用いることにより直ちに目標空燃比を得
て、かつ、学習重付けパラメータＫ_１，Ｋ_２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による修正巾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
な学習重付けパラメータＫ_１，Ｋ_２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けパラメータＫ_１，Ｋ_２の
値を今回修正した値に書換える。従って、ステップ44〜
ステップ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、上記ステップ49で書換えた
学習重付けパラメータＫ_１，Ｋ_２を用いてステップ38で
設定された要因別学習値Ｘ_１，Ｘ_２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Ｏ
ＦＦ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_１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Ｘ_２につ
いて基本燃料噴射量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、□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トの向上が明瞭に示
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、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。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……Ｏ_２センサ。

Claims (1)

【特許請求の範囲】
1. 【請求項１】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、 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
   学習補正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予め修
   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。