JPH0711256B2 - 内燃エンジンの制御装置 - Google Patents
内燃エンジンの制御装置Info
- Publication number
- JPH0711256B2 JPH0711256B2 JP1231092A JP23109289A JPH0711256B2 JP H0711256 B2 JPH0711256 B2 JP H0711256B2 JP 1231092 A JP1231092 A JP 1231092A JP 23109289 A JP23109289 A JP 23109289A JP H0711256 B2 JPH0711256 B2 JP H0711256B2
- Authority
- JP
- Japan
- Prior art keywords
- internal combustion
- engine
- combustion engine
- control device
- amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D41/1405—Neural network control
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
- F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
- F02D41/2425—Particular ways of programming the data
- F02D41/2429—Methods of calibrating or learning
- F02D41/2451—Methods of calibrating or learning characterised by what is learned or calibrated
- F02D41/2464—Characteristics of actuators
- F02D41/2467—Characteristics of actuators for injectors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D2041/1433—Introducing closed-loop corrections characterised by the control or regulation method using a model or simulation of the system
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1438—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor
- F02D41/1444—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases
- F02D41/1454—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being an oxygen content or concentration or the air-fuel ratio
- F02D41/1456—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being an oxygen content or concentration or the air-fuel ratio with sensor output signal being linear or quasi-linear with the concentration of oxygen
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S706/00—Data processing: artificial intelligence
- Y10S706/902—Application using ai with detail of the ai system
- Y10S706/903—Control
- Y10S706/905—Vehicle or aerospace
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Feedback Control In General (AREA)
Description
【発明の詳細な説明】 〔産業上の利用分野〕 本発明は内燃エンジンの制御装置に関し、特にニューラ
ルネットワークを用いて内燃エンジンを適切に制御する
制御装置に関する。
ルネットワークを用いて内燃エンジンを適切に制御する
制御装置に関する。
従来、燃料噴射弁によりエンジンに燃料を供給する場合
には、通常、エンジンの各気筒ごとに燃料噴射弁を設け
るとともに、各燃料噴射弁の噴射時間をエンジンの運転
状態に応じて適切な値に設定し、この設定した噴射時間
にわたって燃料噴射弁を開弁することにより、供給燃料
量を制御していた。
には、通常、エンジンの各気筒ごとに燃料噴射弁を設け
るとともに、各燃料噴射弁の噴射時間をエンジンの運転
状態に応じて適切な値に設定し、この設定した噴射時間
にわたって燃料噴射弁を開弁することにより、供給燃料
量を制御していた。
また、燃料噴射弁の流量特性は本来的にばらつきを有す
るものであるため、例えば各燃料噴射弁に対して同一の
噴射時間を設定したときに実際の供給燃料量が各気筒間
で大きくばらつき、これに起因して燃費及び排気ガス特
性等が悪化する。そこで、これを防止するため、通常は
１つのエンジンの各気筒に対して、流量特性の類似した
燃料噴射弁を使用することで対処している。
るものであるため、例えば各燃料噴射弁に対して同一の
噴射時間を設定したときに実際の供給燃料量が各気筒間
で大きくばらつき、これに起因して燃費及び排気ガス特
性等が悪化する。そこで、これを防止するため、通常は
１つのエンジンの各気筒に対して、流量特性の類似した
燃料噴射弁を使用することで対処している。
しかしながら、上記従来の手法は、燃料噴射弁の製造家
庭でその全品を検査し、流量特性の類似したグループに
分類することが必要であるため、その作業に著しく手間
がかかるとともに、コストアップを招来し、また流量特
性が出荷後に経年的に変化した場合、この変化に対応す
ることができないという問題点があった。
庭でその全品を検査し、流量特性の類似したグループに
分類することが必要であるため、その作業に著しく手間
がかかるとともに、コストアップを招来し、また流量特
性が出荷後に経年的に変化した場合、この変化に対応す
ることができないという問題点があった。
本発明はこのような問題点を解決するためになされたも
のであり、燃料噴射弁間の流量特性のばらつきを最適に
補償することにより、製造過程における燃料噴射弁の分
類作業や上記マッチング作業を不要にするとともに、こ
れらの出荷後の経年変化にも対応できる内燃エンジンの
制御装置を提供することを目的とする。
のであり、燃料噴射弁間の流量特性のばらつきを最適に
補償することにより、製造過程における燃料噴射弁の分
類作業や上記マッチング作業を不要にするとともに、こ
れらの出荷後の経年変化にも対応できる内燃エンジンの
制御装置を提供することを目的とする。
本発明は、上記の目的を達成するため、少なくとも排気
ガス成分を含む内燃エンジンの運転状態を検知し、この
検知した状態に基づいて該内燃エンジンへの供給空気量
ないしは供給燃料量を演算し、該演算結果に基づき該内
燃エンジンを制御する内燃エンジンの制御装置におい
て、排気ガス成分を所定の値と比較する比較手段を備
え、この比較手段による比較偏差を無くすように供給空
気量ないしは供給燃料量を制御するニューラルネットワ
ークを用いた制御手段を有することを特徴とするもので
ある。
ガス成分を含む内燃エンジンの運転状態を検知し、この
検知した状態に基づいて該内燃エンジンへの供給空気量
ないしは供給燃料量を演算し、該演算結果に基づき該内
燃エンジンを制御する内燃エンジンの制御装置におい
て、排気ガス成分を所定の値と比較する比較手段を備
え、この比較手段による比較偏差を無くすように供給空
気量ないしは供給燃料量を制御するニューラルネットワ
ークを用いた制御手段を有することを特徴とするもので
ある。
本発明は、排気ガス成分センサを備え、この排気ガス成
分センサの出力に基づいて吸入空気ないしは供給燃料量
を制御する第１の制御手段を有する内燃エンジンの制御
装置において、上記排気ガス成分センサの出力値を含む
エンジンパラメータに応じて上記の吸入空気量ないしは
供給燃料量を演算する演算手段と、上記の排気ガス成分
センサの出力値を所定の値と比較する比較手段と、この
比較手段による比較値に応じて上記の第１の制御手段の
出力値を補正する第２の制御手段とを有することを特徴
とする。
分センサの出力に基づいて吸入空気ないしは供給燃料量
を制御する第１の制御手段を有する内燃エンジンの制御
装置において、上記排気ガス成分センサの出力値を含む
エンジンパラメータに応じて上記の吸入空気量ないしは
供給燃料量を演算する演算手段と、上記の排気ガス成分
センサの出力値を所定の値と比較する比較手段と、この
比較手段による比較値に応じて上記の第１の制御手段の
出力値を補正する第２の制御手段とを有することを特徴
とする。
以下、本発明の一実施例を、図面を参照して説明する。
第１図は本発明の制御装置を適用した燃料供給制御装置
の全体構成を示す図である。同図中に示す通り、内燃エ
ンジン１の吸気管２にはスロットル弁３が設けられてい
る。このスロットル弁３には、例えばステップモータか
ら成る駆動モータ４が連結されている。駆動モータ４は
電子コントロールユニット（以下「ECU」という）５に
電気的に接続されており、スロットル弁開度、すなわち
該内燃エンジン１に対する供給空気量は、図示しないア
クセルの踏込み量に応じて変化するとともに、ECU5から
の信号により駆動モータ４を駆動することによって制御
できるようになっている。
の全体構成を示す図である。同図中に示す通り、内燃エ
ンジン１の吸気管２にはスロットル弁３が設けられてい
る。このスロットル弁３には、例えばステップモータか
ら成る駆動モータ４が連結されている。駆動モータ４は
電子コントロールユニット（以下「ECU」という）５に
電気的に接続されており、スロットル弁開度、すなわち
該内燃エンジン１に対する供給空気量は、図示しないア
クセルの踏込み量に応じて変化するとともに、ECU5から
の信号により駆動モータ４を駆動することによって制御
できるようになっている。
エンジン１とスロットル弁３との間で吸気管２の吸気弁
（図示せず）より少し上流側には、燃料噴射弁６が各気
筒（実施例では４個）ごとに、すなわち第１〜第４気筒
に対して燃料噴射弁61〜64がそれぞれ設けられている。
各燃料噴射弁６は、図示しない燃料ポンプに接続されて
いるとともに、ECU5に電気的に接続されており、このEC
U5からの信号、及び後述するニューラルネットワークを
用いたNN制御装置10からの信号により開弁時間、すなわ
ち燃料噴射時間が制御される。
（図示せず）より少し上流側には、燃料噴射弁６が各気
筒（実施例では４個）ごとに、すなわち第１〜第４気筒
に対して燃料噴射弁61〜64がそれぞれ設けられている。
各燃料噴射弁６は、図示しない燃料ポンプに接続されて
いるとともに、ECU5に電気的に接続されており、このEC
U5からの信号、及び後述するニューラルネットワークを
用いたNN制御装置10からの信号により開弁時間、すなわ
ち燃料噴射時間が制御される。
エンジン１の排気管７には三元触媒11が配置されてお
り、その上流側に排気ガス成分センサとしての空燃比セ
ンサ８が装着されている。この空燃比センサ８は、酸素
濃度に比例した大きさの信号を出力する、いゆる比例型
のものであり、排気ガス中の酸素濃度、すなわち実際の
供給空燃比A/FACTを検出してその信号をECU5及び比較器
９に供給する。
り、その上流側に排気ガス成分センサとしての空燃比セ
ンサ８が装着されている。この空燃比センサ８は、酸素
濃度に比例した大きさの信号を出力する、いゆる比例型
のものであり、排気ガス中の酸素濃度、すなわち実際の
供給空燃比A/FACTを検出してその信号をECU5及び比較器
９に供給する。
比較器９は、目標空燃比（例えば14.7であるが、運転状
態に応じて可変にしてもよい）を表す基準値A/FREFと、
空燃比センサ８から供給された実際の供給空燃比A/FACT
を表す信号とを比較して、その偏差に応じた信号を、ニ
ューラルネットワークを用いた制御装置（以下、「NN制
御装置」という）10に供給する。
態に応じて可変にしてもよい）を表す基準値A/FREFと、
空燃比センサ８から供給された実際の供給空燃比A/FACT
を表す信号とを比較して、その偏差に応じた信号を、ニ
ューラルネットワークを用いた制御装置（以下、「NN制
御装置」という）10に供給する。
ニューラルネットワーク（神経回路網）は、周知のよう
に、高度並列分散処理型の情報処理を行なうものであ
り、音声認識、パターン認識あるいは外部環境の理解等
に応用したものが知られている。また、代表的なニュー
ラルネットワークとして、パーセプトロン（Perceptro
n）型ネットワーク、ホップフィールド（Hopfield）の
ネットワーク及びボルツマン機械（Boltzmann Machin
e）等があり、このうち、ホップフィールドのネットワ
ークをシーケンス・ゼネレータに適用した技術が米国特
許第4,752,906号に開示されている。
に、高度並列分散処理型の情報処理を行なうものであ
り、音声認識、パターン認識あるいは外部環境の理解等
に応用したものが知られている。また、代表的なニュー
ラルネットワークとして、パーセプトロン（Perceptro
n）型ネットワーク、ホップフィールド（Hopfield）の
ネットワーク及びボルツマン機械（Boltzmann Machin
e）等があり、このうち、ホップフィールドのネットワ
ークをシーケンス・ゼネレータに適用した技術が米国特
許第4,752,906号に開示されている。
NN制御装置10としては、第２図に示すように、本実施例
では三層型パーセプトロンを用いている。三層型パーセ
プトロンは、最適解への収束が保証されるものであり、
入力層、中間層及び出力層から成り、各層はそれぞれ４
個のユニット12i、ｎ個のユニット12j、４個のユニット
12kで構成されている。また、層内の結合はなく、層間
においてのみ各ユニット間が結合の重み（結合荷重ｗ）
をもって結合されている。第２図中のwij,wjkは、入力
層の第ｉユニットと中間層の第ｊユニットとの間、中間
層の第ｊユニットと出力層の第ｋユニットとの結合荷重
度を示す。入力層を除く各層間のユニットは、前の層の
ユニットからの重み付き入力を受けてその総和（内部状
態値）を計算し、それに適当な出力関数ｆをかけたもの
を出力する。
では三層型パーセプトロンを用いている。三層型パーセ
プトロンは、最適解への収束が保証されるものであり、
入力層、中間層及び出力層から成り、各層はそれぞれ４
個のユニット12i、ｎ個のユニット12j、４個のユニット
12kで構成されている。また、層内の結合はなく、層間
においてのみ各ユニット間が結合の重み（結合荷重ｗ）
をもって結合されている。第２図中のwij,wjkは、入力
層の第ｉユニットと中間層の第ｊユニットとの間、中間
層の第ｊユニットと出力層の第ｋユニットとの結合荷重
度を示す。入力層を除く各層間のユニットは、前の層の
ユニットからの重み付き入力を受けてその総和（内部状
態値）を計算し、それに適当な出力関数ｆをかけたもの
を出力する。
第１図に示すECU5には、図示しない各種センサから、吸
気管内圧Pb、エンジン回転数Ne、スロットル弁解度Θt
h、エンジン冷却水温Ｔw及びその他のエンジンパラメー
タを表す信号が供給される。ECU5は各種センサからの入
力信号波形を整形し、電圧レベルを所定のレベルに修正
し、アナログ信号値をデジタル信号値に変換する等の機
能を有する入力回路と、中央演算処理回路と、この中央
演算処理回路で実行される各種演算プログラム及び演算
結果等を記憶する記憶手段と、上記の燃料噴射弁６に駆
動信号を供給する出力回路等から構成されている。
気管内圧Pb、エンジン回転数Ne、スロットル弁解度Θt
h、エンジン冷却水温Ｔw及びその他のエンジンパラメー
タを表す信号が供給される。ECU5は各種センサからの入
力信号波形を整形し、電圧レベルを所定のレベルに修正
し、アナログ信号値をデジタル信号値に変換する等の機
能を有する入力回路と、中央演算処理回路と、この中央
演算処理回路で実行される各種演算プログラム及び演算
結果等を記憶する記憶手段と、上記の燃料噴射弁６に駆
動信号を供給する出力回路等から構成されている。
ECU5は、上述の各種エンジンパラメータ信号に基づい
て、フィードバック制御運転領域やオープン制御運転領
域等の種々の運転状態を判別するとともに、この判別し
た運転状態に応じ、次式（１）に基づいて各燃料噴射弁
６毎に噴射時間Ti（Ti1〜Ti4）を演算する。
て、フィードバック制御運転領域やオープン制御運転領
域等の種々の運転状態を判別するとともに、この判別し
た運転状態に応じ、次式（１）に基づいて各燃料噴射弁
６毎に噴射時間Ti（Ti1〜Ti4）を演算する。
Ti＝TiB×Ko2×KCR×KNN＋K1 …（１） ここに、TiBは燃料噴射弁６の噴射時間Tiの基準値（基
本噴射時間）であり、吸入空気量に応じ、ECU5の記憶手
段に記憶された図示しないマップから読み出される。
本噴射時間）であり、吸入空気量に応じ、ECU5の記憶手
段に記憶された図示しないマップから読み出される。
Ko2は、フィードバック制御時、排気ガス中の酸素濃度
に応じて求められ、オープン制御運転領域では各運転領
域に応じて設定されるO2フィードバック補正係数であ
る。
に応じて求められ、オープン制御運転領域では各運転領
域に応じて設定されるO2フィードバック補正係数であ
る。
KCRは、エンジン冷却水温Ｔwその他のエンジンパラメー
タ信号に応じて設定される補正係数である。
タ信号に応じて設定される補正係数である。
KNNは、後述する手法によりニューラルネットワークの
学習によって設定される補正係数であって、他の補正係
数と異なり、各燃料噴射弁６毎に設定されるものであ
る。
学習によって設定される補正係数であって、他の補正係
数と異なり、各燃料噴射弁６毎に設定されるものであ
る。
K1は各種エンジンパラメータ信号に応じて演算される補
正係数であり、エンジンの運転状態に応じた最適な燃費
特性及び加速特性が得られるような加算補正項である。
正係数であり、エンジンの運転状態に応じた最適な燃費
特性及び加速特性が得られるような加算補正項である。
ECU5は、上述のようにして求めた噴射時間Tiに基づい
て、燃料噴射弁６を開弁させる駆動信号燃料噴射弁６に
供給する。
て、燃料噴射弁６を開弁させる駆動信号燃料噴射弁６に
供給する。
また、NN制御装置10は、第２図に示すように、ECU5で設
定された噴射時間Ti（Ti1〜Ti4）を入力層の各ユニット
12iに入力して、前述した結合荷重度ｗ及び出力関数ｆ
により噴射時間Tiに対する加減信号値である出力値ΔTi
を計算し、このΔTiを対応する燃料噴射弁６に供給す
る。更に、NN制御装置10は比較器９の出力に応じ、後述
する方法により結合荷重度ｗを修正し、この修正した結
合荷重度ｗに基づいて補正係数KNNを学習補正する。
定された噴射時間Ti（Ti1〜Ti4）を入力層の各ユニット
12iに入力して、前述した結合荷重度ｗ及び出力関数ｆ
により噴射時間Tiに対する加減信号値である出力値ΔTi
を計算し、このΔTiを対応する燃料噴射弁６に供給す
る。更に、NN制御装置10は比較器９の出力に応じ、後述
する方法により結合荷重度ｗを修正し、この修正した結
合荷重度ｗに基づいて補正係数KNNを学習補正する。
第３図は、前述の補正係数KNNの学習を行うべき所定の
エンジン運転状態として、安定したアイドル運転状態に
あるか否かを判別するために、ECU5で実行されるサブル
ーチンを示す。
エンジン運転状態として、安定したアイドル運転状態に
あるか否かを判別するために、ECU5で実行されるサブル
ーチンを示す。
まず、スロットル弁解度Θth、吸気管内圧Pb、エンジン
回転数Ne、エンジン冷却水温Tw及び空燃比センサ８の検
出値A/FACTを読み込む（ステップ301）。次いで、スロ
ットル弁開度Θthによりスロットル弁３が実質的に全閉
状態にあるか否かを判別、（ステップ302）、この答が
否定（No）のときには、エンジンが明らかにアイドル運
転状態にないとして、補正値学習サブルーチン以外のサ
ブルーチンへ進む（ステップ303）。
回転数Ne、エンジン冷却水温Tw及び空燃比センサ８の検
出値A/FACTを読み込む（ステップ301）。次いで、スロ
ットル弁開度Θthによりスロットル弁３が実質的に全閉
状態にあるか否かを判別、（ステップ302）、この答が
否定（No）のときには、エンジンが明らかにアイドル運
転状態にないとして、補正値学習サブルーチン以外のサ
ブルーチンへ進む（ステップ303）。
前述のステップ302の答が肯定（Yes）、すなわちスロッ
トル弁３が実質的に全閉状態にあるときには、エンジン
冷却水温Ｔwが所定の範囲内にあるか否かを判定する
（ステップ304）。この答が否定（No）のときには、エ
ンジンが例えば暖機運転状態にあると判断して前述のス
テップ301に戻る。
トル弁３が実質的に全閉状態にあるときには、エンジン
冷却水温Ｔwが所定の範囲内にあるか否かを判定する
（ステップ304）。この答が否定（No）のときには、エ
ンジンが例えば暖機運転状態にあると判断して前述のス
テップ301に戻る。
上記のステップ304の答が肯定（Yes）、すなわちエンジ
ン冷却水温Ｔwが所定の範囲内にあるときには、エンジ
ン回転数Ne及び吸気管内圧Pbの変動値、すなわち今回の
読込み値と前回の読込み値との差が所定の範囲内にある
か否かをそれぞれ判別する（ステップ305,306）。この
答のいずれか一方が否定（No）のときには、エンジンが
安定した運転状態にないとして上記ステップ301に戻
り、肯定（Yes）のときにはステップ307に進む。
ン冷却水温Ｔwが所定の範囲内にあるときには、エンジ
ン回転数Ne及び吸気管内圧Pbの変動値、すなわち今回の
読込み値と前回の読込み値との差が所定の範囲内にある
か否かをそれぞれ判別する（ステップ305,306）。この
答のいずれか一方が否定（No）のときには、エンジンが
安定した運転状態にないとして上記ステップ301に戻
り、肯定（Yes）のときにはステップ307に進む。
このステップ307では、検出値A/FACTにより空燃比セン
サ８が正常に作動しているか否かを判別し、この答が肯
定（Yes）のときに補正値学習サブルーチンに進み（ス
テップ308）、一方否定（No）のときには前述のステッ
プ303を実行して他のサブルーチンに進む。
サ８が正常に作動しているか否かを判別し、この答が肯
定（Yes）のときに補正値学習サブルーチンに進み（ス
テップ308）、一方否定（No）のときには前述のステッ
プ303を実行して他のサブルーチンに進む。
上述した第３図の判別サブルーチンでは、アイドル運転
状態を検知してこの運転状態で補正値の学習を行なうよ
うにしているが、この他にクルーズ運転状態等の安定し
た運転状態、あるいは過渡運転状態を補正値の学習の対
象としてもよい。
状態を検知してこの運転状態で補正値の学習を行なうよ
うにしているが、この他にクルーズ運転状態等の安定し
た運転状態、あるいは過渡運転状態を補正値の学習の対
象としてもよい。
第４図は、ECU5で設定された各燃料噴射弁６の噴射時間
Ti1〜Ti4を入力パターンとして、NN制御装置10で演算を
行なうとともに、補正係数KNNの修正を行なうか否かを
判別するプログラムを示す。本プログラムは、基本的に
は各気筒に対応し且つ各気筒の排気ガスを空燃比センサ
８で検知できるタイミングで実行される。また、各気筒
に対応した空燃比がタイミングよく検出できない場合で
も、本プログラムで対応は可能である。
Ti1〜Ti4を入力パターンとして、NN制御装置10で演算を
行なうとともに、補正係数KNNの修正を行なうか否かを
判別するプログラムを示す。本プログラムは、基本的に
は各気筒に対応し且つ各気筒の排気ガスを空燃比センサ
８で検知できるタイミングで実行される。また、各気筒
に対応した空燃比がタイミングよく検出できない場合で
も、本プログラムで対応は可能である。
まず、ECU5で設定された各燃料噴射弁６の噴射時間Ti1
〜Ti4を、第２図に示すように、NN制御装置10の入力層
の第１〜第４ユニットにそれぞれ入力する（ステップ40
1）。次いで、入力された噴射時間Ti1〜Ti4を用い、次
式（２）に従って積和計算を行ない、出力層の第ｋユニ
ットの出力値ΔTikを求める（ステップ402）。
〜Ti4を、第２図に示すように、NN制御装置10の入力層
の第１〜第４ユニットにそれぞれ入力する（ステップ40
1）。次いで、入力された噴射時間Ti1〜Ti4を用い、次
式（２）に従って積和計算を行ない、出力層の第ｋユニ
ットの出力値ΔTikを求める（ステップ402）。
ここに、ΔTikは出力層の第ｋユニットの出力値であ
り、第ｋ気筒に対する燃料噴射弁６の噴射時間Tikに対
する加減信号を表す。また、wij,wjkは入力層の第ｉユ
ニットと中間層の第ｊユニットとの間、中間層の第ｊユ
ニットと出力層の第ｋユニットとの間の結合荷重度をそ
れぞれ表し、ｆは出力関数である。なお、出力層のユニ
ットの出力値ΔTikとして、上記式（２）による積和計
算値にランダムな値を加算してもよい。
り、第ｋ気筒に対する燃料噴射弁６の噴射時間Tikに対
する加減信号を表す。また、wij,wjkは入力層の第ｉユ
ニットと中間層の第ｊユニットとの間、中間層の第ｊユ
ニットと出力層の第ｋユニットとの間の結合荷重度をそ
れぞれ表し、ｆは出力関数である。なお、出力層のユニ
ットの出力値ΔTikとして、上記式（２）による積和計
算値にランダムな値を加算してもよい。
次に、噴射時間Tikに基づく駆動信号を、第ｋ気筒に対
応する燃噴射弁６にECU5から供給するとともに、上記ス
テップ402で算出した。ΔTikに基づく加減信号を供給す
る（ステップ403）。これにより、燃料噴射弁６の実際
の噴射時間がTik＋ΔTikに設定にされる。
応する燃噴射弁６にECU5から供給するとともに、上記ス
テップ402で算出した。ΔTikに基づく加減信号を供給す
る（ステップ403）。これにより、燃料噴射弁６の実際
の噴射時間がTik＋ΔTikに設定にされる。
次いで、上記ステップ403で燃料を供給された第ｋ気筒
の排気ガスを空燃比センサ８でほぼ検知できるタイミン
グで比較器９の信号を入力し、その信号値、すなわち目
標空燃比と供給空燃比の偏差（A/FREF−A/FACT）が所定
範囲内にあるか否かを判別する（ステップ404）。この
答が肯定（Yes）のときには、供給空燃比A/FACTが目標
空燃比A/FREFとほぼ一致しており、補正係数KNNを修正
する必要がないと判断して本プログラムを終了する。
の排気ガスを空燃比センサ８でほぼ検知できるタイミン
グで比較器９の信号を入力し、その信号値、すなわち目
標空燃比と供給空燃比の偏差（A/FREF−A/FACT）が所定
範囲内にあるか否かを判別する（ステップ404）。この
答が肯定（Yes）のときには、供給空燃比A/FACTが目標
空燃比A/FREFとほぼ一致しており、補正係数KNNを修正
する必要がないと判断して本プログラムを終了する。
上記ステップ404の答が否定（No）のときには、目標空
燃比と供給空燃比の２乗平均誤差 1/2（A/FREF−A/FACT）２ を算出する（ステップ405）。この２乗平均誤差は、後
述する学習サブルーチン（第５図）における誤差関数で
あり、このように誤差関数として２乗平均誤差を適用す
ることにより、最適値への収束を早くすることができ
る。
燃比と供給空燃比の２乗平均誤差 1/2（A/FREF−A/FACT）２ を算出する（ステップ405）。この２乗平均誤差は、後
述する学習サブルーチン（第５図）における誤差関数で
あり、このように誤差関数として２乗平均誤差を適用す
ることにより、最適値への収束を早くすることができ
る。
次いで、学習サブルーチンで補正係数KNNを算出し（ス
テップ406）、この算出した補正係数KNNをECU5に出力し
て（ステップ407）、前述のステップ401に戻る。
テップ406）、この算出した補正係数KNNをECU5に出力し
て（ステップ407）、前述のステップ401に戻る。
第５図は、NN制御装置10で実行される補正係数KNNの学
習サブルーチンを示す。本サブルーチンは、パーセプト
ロン型のネットワークに対して、いわゆる逆伝播学習法
（Back Propagation）を適用し、ユニット間の結合荷重
度ｗを学習信号により学習補正して、補正係数KNNを設
定するものである。
習サブルーチンを示す。本サブルーチンは、パーセプト
ロン型のネットワークに対して、いわゆる逆伝播学習法
（Back Propagation）を適用し、ユニット間の結合荷重
度ｗを学習信号により学習補正して、補正係数KNNを設
定するものである。
まず、対象のユニットが出力層のものであるか否かを判
別する（ステップ501）。この答が肯定（Yes）のときに
は、出力層のユニットの学習信号tk、すなわち目標空燃
比A/FREFと、対応する現在の出力値Ok、すなわち供給空
燃比A/FACTとの偏差を求める（ステップ501）。
別する（ステップ501）。この答が肯定（Yes）のときに
は、出力層のユニットの学習信号tk、すなわち目標空燃
比A/FREFと、対応する現在の出力値Ok、すなわち供給空
燃比A/FACTとの偏差を求める（ステップ501）。
次いで、出力層のユニットの現在の内部状態値netkに対
する出力関数ｆの１階微分値ｆ′（netk）を算出する
（ステップ503）、なお、内部状態値netkは、ユニット
ｋへの入力の総和であり、Ojを中間層の第ｊユニットの
出力値としたときに、 として与えられる。次いで、上記算出した値を用い、出
力層のδ値を δｋ＝（tk−Ok）×ｆ′（netk） として算出し（ステップ504）、後述するステップ508に
進む。
する出力関数ｆの１階微分値ｆ′（netk）を算出する
（ステップ503）、なお、内部状態値netkは、ユニット
ｋへの入力の総和であり、Ojを中間層の第ｊユニットの
出力値としたときに、 として与えられる。次いで、上記算出した値を用い、出
力層のδ値を δｋ＝（tk−Ok）×ｆ′（netk） として算出し（ステップ504）、後述するステップ508に
進む。
前述のステップ501の答が否定（No）、すなちわ対象の
ユニットが中間層のユニットであるときは、ステップ50
5に進み、上記ステップ503と同様に、現在の内部状態値
netjに対する出力関数ｆの１階微分値ｆ′（netj）を算
出する。この場合の内部状態値は、 として与えられる。
ユニットが中間層のユニットであるときは、ステップ50
5に進み、上記ステップ503と同様に、現在の内部状態値
netjに対する出力関数ｆの１階微分値ｆ′（netj）を算
出する。この場合の内部状態値は、 として与えられる。
次いで、対象としているユニットと結合している上位階
層、すなわち出力層のユニットのδ値（＝δｋ）と両ユ
ニット間の結合荷重度wjkとの積を、結合関係がある上
位階層のすべてのユニットについて求め、その和Σδkw
jkを算出する（ステップ506）。次いで、上記により算
出した値を用い、中間層のδ値を として算出し（ステップ507）、ステップ508に進む。
層、すなわち出力層のユニットのδ値（＝δｋ）と両ユ
ニット間の結合荷重度wjkとの積を、結合関係がある上
位階層のすべてのユニットについて求め、その和Σδkw
jkを算出する（ステップ506）。次いで、上記により算
出した値を用い、中間層のδ値を として算出し（ステップ507）、ステップ508に進む。
このステップ508では、前述のステップ504又はステップ
507で算出したδ値を用い、次式（３）に従って結合荷
重度の修正量Δwji（ｎ）を算出する。
507で算出したδ値を用い、次式（３）に従って結合荷
重度の修正量Δwji（ｎ）を算出する。
Δｗ（ｎ）＝ηδＯ＋αΔｗ（ｎ−１） …（３） ここに、η，αは経験的に定められる学習係数であり、
一般にη＜αの関係に設定される。また、δ値は結合さ
れ下位階層のδ値、Ｏ値は上位階層の出力値、Δｗ（ｎ
−１）は１時刻前の当該結合荷重度の修正量である。
一般にη＜αの関係に設定される。また、δ値は結合さ
れ下位階層のδ値、Ｏ値は上位階層の出力値、Δｗ（ｎ
−１）は１時刻前の当該結合荷重度の修正量である。
次いで、結合荷重度ｗを次式（４）に従って修正する
（ステップ509）。
（ステップ509）。
ｗ（ｎ＋１）＝ｗ（ｎ）＋Δｗ（ｎ） …（４） 次いで、上記ステップ509で修正された結合荷重度ｗに
基づいて補正係数KNNを算出して（ステップ510）、本プ
ログラムを終了する。
基づいて補正係数KNNを算出して（ステップ510）、本プ
ログラムを終了する。
このように、目標空燃比と空燃比センサで検出された実
際の供給空燃比との偏差をなくすように結合荷重度ｗを
学習し、この学習を繰り返し実行することにより、結合
荷重度ｗ及び当該結合荷重度ｗに基づいて算出される補
正係数KNNが各燃料噴射弁61〜64に対して最適な値に収
束するので、燃料噴射弁間の流量特性のばらつきを最適
に保証することができる。
際の供給空燃比との偏差をなくすように結合荷重度ｗを
学習し、この学習を繰り返し実行することにより、結合
荷重度ｗ及び当該結合荷重度ｗに基づいて算出される補
正係数KNNが各燃料噴射弁61〜64に対して最適な値に収
束するので、燃料噴射弁間の流量特性のばらつきを最適
に保証することができる。
なお、本実施例では、噴射時間Tiを燃料噴射弁ごとに設
定してニューラルネットワークの入力層のユニットに入
力するようにしているが、本発明はこれに限らず、各燃
料噴射弁に共通して設定した噴射時間Tiを入力層に入力
してもよく、更に噴射時間Tiだけでなく、エンジンの運
転に影響を及ぼす他のパラメータ、例えばエンジン水
温、大気圧、スロットル弁開度、エンジン回転数等を入
力してもよい。
定してニューラルネットワークの入力層のユニットに入
力するようにしているが、本発明はこれに限らず、各燃
料噴射弁に共通して設定した噴射時間Tiを入力層に入力
してもよく、更に噴射時間Tiだけでなく、エンジンの運
転に影響を及ぼす他のパラメータ、例えばエンジン水
温、大気圧、スロットル弁開度、エンジン回転数等を入
力してもよい。
更に、上述の実施例では、ニューラルネットにより供給
燃料量を補正するようにしているが、本発明はこれに限
らず、例えば第１図の破線で示すように、エンジンの運
転状態に応じて駆動モータ４の回動量を設定して吸入空
気量を制御するとともに、当該吸入空気量に応じて燃料
噴射弁の噴射時間を設定し、ニューラルネットにより駆
動モータ４の回動量を補正することにより吸入空気量を
最適値に補正することもできる。
燃料量を補正するようにしているが、本発明はこれに限
らず、例えば第１図の破線で示すように、エンジンの運
転状態に応じて駆動モータ４の回動量を設定して吸入空
気量を制御するとともに、当該吸入空気量に応じて燃料
噴射弁の噴射時間を設定し、ニューラルネットにより駆
動モータ４の回動量を補正することにより吸入空気量を
最適値に補正することもできる。
また、上述の実施例では、ニューラルネットを用いた制
御装置をECUとともにエンジンに搭載して当該装置を適
用するようにしているが、本発明はこれに限らず、この
装置をエンジンの出荷時の補正値を確定するための治具
として用い、これによって確定された補正値をECUの不
揮発性メモリに記憶させるようにしてもよい。この場合
には、燃料噴射弁の前述した分類作業等を省略すること
ができる。
御装置をECUとともにエンジンに搭載して当該装置を適
用するようにしているが、本発明はこれに限らず、この
装置をエンジンの出荷時の補正値を確定するための治具
として用い、これによって確定された補正値をECUの不
揮発性メモリに記憶させるようにしてもよい。この場合
には、燃料噴射弁の前述した分類作業等を省略すること
ができる。
このように、本発明は排気ガスセンサの出力に応じて、
供給空燃比が目標空燃比に一致するように、ニューラル
ネットを用いて供給燃料量や吸入空気量を最適値に補正
するものであるが、この他に、例えばアイドル回転数制
御、オートクルーズ運転のための車速制御あるいはトラ
クションコントロールにおけるスリップ率制御等におい
て、これらの値が所望値になるように、ニューラルネッ
トを用いて供給燃料量等を最適値に補正することも可能
である。
供給空燃比が目標空燃比に一致するように、ニューラル
ネットを用いて供給燃料量や吸入空気量を最適値に補正
するものであるが、この他に、例えばアイドル回転数制
御、オートクルーズ運転のための車速制御あるいはトラ
クションコントロールにおけるスリップ率制御等におい
て、これらの値が所望値になるように、ニューラルネッ
トを用いて供給燃料量等を最適値に補正することも可能
である。
また、スロットル弁開度、エンジン回転数、車速、走行
抵抗等の種々のエンジンパラメータを入力情報とし、ニ
ューラルネットを用いて車両の走行状況や路面状況等を
総合的に識別し、この識別された結果に応じて、あらか
じめ設定した複数のアクセル−スロットル弁開度特性の
中から最適なものを選択する等、エンジンを自動的に制
御することも可能である。
抵抗等の種々のエンジンパラメータを入力情報とし、ニ
ューラルネットを用いて車両の走行状況や路面状況等を
総合的に識別し、この識別された結果に応じて、あらか
じめ設定した複数のアクセル−スロットル弁開度特性の
中から最適なものを選択する等、エンジンを自動的に制
御することも可能である。
以上、詳述したように本発明によれば、燃料噴射弁間の
流量特性のばらつきを最適に保証するとともに、吸気装
置の流量特性と燃料噴射弁の流量特性とのマッチングを
最適にすることができ、従って、製造過程における燃料
噴射弁の分類作業や上記マッチング作業を不要にすると
ともに、これらの出荷後の経年変化にも対応できる等の
効果を奏する。
流量特性のばらつきを最適に保証するとともに、吸気装
置の流量特性と燃料噴射弁の流量特性とのマッチングを
最適にすることができ、従って、製造過程における燃料
噴射弁の分類作業や上記マッチング作業を不要にすると
ともに、これらの出荷後の経年変化にも対応できる等の
効果を奏する。
第１図は本発明の制御装置を適用した燃料供給制御装置
の全体構成図、第２図はNN制御装置10がニューラルネッ
トワークとして用いる三層型のパーセプロンの構成を示
す図、第３図はエンジンの運転状態を判別するサブルー
チンを示すフローチャート、第４図はNN制御装置10で演
算を行なうとともに、補正係数KNNの学習を行なうか否
かを判別するプログラムを示すフローチャート、第５図
は補正係数KNNを学習するサブルーチンを示すフローチ
ャートである。 １……内燃エンジン、５……ECU（電子コントロールユ
ニット、８……空燃比センサ（排気ガス成分センサ）、
９……比較器、10……NN制御装置（ニューラルネットワ
ークを用いた制御装置）。
の全体構成図、第２図はNN制御装置10がニューラルネッ
トワークとして用いる三層型のパーセプロンの構成を示
す図、第３図はエンジンの運転状態を判別するサブルー
チンを示すフローチャート、第４図はNN制御装置10で演
算を行なうとともに、補正係数KNNの学習を行なうか否
かを判別するプログラムを示すフローチャート、第５図
は補正係数KNNを学習するサブルーチンを示すフローチ
ャートである。 １……内燃エンジン、５……ECU（電子コントロールユ
ニット、８……空燃比センサ（排気ガス成分センサ）、
９……比較器、10……NN制御装置（ニューラルネットワ
ークを用いた制御装置）。
Claims (5)
- 【請求項１】少なくとも排気ガス成分を含む内燃エンジ
ンの運転状態を検知し、この検知した状態に基づいて該
内燃エンジンへの供給空気量ないしは供給燃料量を演算
し、この演算結果に基づき前記内燃エンジンを制御する
内燃エンジンの制御装置において、 前記排気ガス成分を所定の値と比較する比較手段を備
え、この比較手段による比較偏差を無くすように供給空
気量ないしは供給燃料量を制御するニューラルネットワ
ークを用いた制御手段を有することを特徴とする内燃エ
ンジンの制御装置。 - 【請求項２】エンジンが複数の気筒を有し、前記ニュー
ラルネットワークを用いた制御手段による供給空気量な
いしは供給燃料量の制御を、エンジンの各気筒に対して
行なうことを特徴とする請求項１に記載の内燃エンジン
の制御装置。 - 【請求項３】前記ニューラルネットワークからの出力
は、前記供給空気量ないしは供給燃料量を決定する演算
のうち少なくとも１つの補正係数であることを特徴とす
る請求項１に記載の内燃エンジンの制御装置。 - 【請求項４】エンジンが所定の運転状態にあるか否かを
検知する検知手段を備え、この検知手段により前記所定
の運転状態が検知されたときに、前記ニューラルネット
ワークを用いた制御手段による制御を行なうことを特徴
とする請求項１に記載の内燃エンジンの制御装置。 - 【請求項５】エンジンが所定の運転状態にあるか否かを
検知する検知手段を備え、この検知手段により前記所定
の運転状態が検知されたときに、前記補正係数に基づく
補正を行なうことを特徴とする請求項３に記載の内燃エ
ンジンの制御装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1231092A JPH0711256B2 (ja) | 1989-09-06 | 1989-09-06 | 内燃エンジンの制御装置 |
| US07/578,581 US5247445A (en) | 1989-09-06 | 1990-09-06 | Control unit of an internal combustion engine control unit utilizing a neural network to reduce deviations between exhaust gas constituents and predetermined values |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1231092A JPH0711256B2 (ja) | 1989-09-06 | 1989-09-06 | 内燃エンジンの制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0396636A JPH0396636A (ja) | 1991-04-22 |
| JPH0711256B2 true JPH0711256B2 (ja) | 1995-02-08 |
Family
ID=16918165
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1231092A Expired - Fee Related JPH0711256B2 (ja) | 1989-09-06 | 1989-09-06 | 内燃エンジンの制御装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5247445A (ja) |
| JP (1) | JPH0711256B2 (ja) |
Families Citing this family (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05280395A (ja) * | 1992-03-30 | 1993-10-26 | Fuji Heavy Ind Ltd | 空燃比制御系の異常検出方法 |
| JPH0694116A (ja) * | 1992-09-08 | 1994-04-05 | Hitachi Ltd | 自動変速制御装置 |
| US5481481A (en) * | 1992-11-23 | 1996-01-02 | Architectural Engergy Corporation | Automated diagnostic system having temporally coordinated wireless sensors |
| JP3345930B2 (ja) * | 1993-01-06 | 2002-11-18 | 日産自動車株式会社 | アクティブコントロール装置 |
| US5539638A (en) * | 1993-08-05 | 1996-07-23 | Pavilion Technologies, Inc. | Virtual emissions monitor for automobile |
| US5625750A (en) * | 1994-06-29 | 1997-04-29 | Ford Motor Company | Catalyst monitor with direct prediction of hydrocarbon conversion efficiency by dynamic neural networks |
| SE509805C2 (sv) * | 1994-08-11 | 1999-03-08 | Mecel Ab | Metod och system för reglering av förbränningsmotorer |
| DE69635429T2 (de) * | 1995-01-27 | 2006-08-03 | Matsushita Electric Industrial Co., Ltd., Kadoma | Luft/Kraftstoff-Verhältnis-Steuersystem |
| DE19520605C1 (de) * | 1995-06-06 | 1996-05-23 | Daimler Benz Ag | Verfahren und Einrichtung zur Regelung des Verbrennungsablaufs bei einem Otto-Verbrennungsmotor |
| US5554273A (en) * | 1995-07-26 | 1996-09-10 | Praxair Technology, Inc. | Neural network compensation for sensors |
| JP3510021B2 (ja) * | 1995-09-29 | 2004-03-22 | 松下電器産業株式会社 | 内燃機関の空燃比制御装置 |
| DE19536571C2 (de) * | 1995-09-29 | 1998-09-03 | Siemens Ag | Verfahren sowie Vorrichtung zur Dosierung der Eingabe eines Reduktionsmittels in den Abgas- oder Abluftstrom einer Verbrennungsanlage |
| US5745653A (en) * | 1996-02-05 | 1998-04-28 | Ford Global Technologies, Inc. | Generic neural network training and processing system |
| US6092018A (en) * | 1996-02-05 | 2000-07-18 | Ford Global Technologies, Inc. | Trained neural network engine idle speed control system |
| US5781700A (en) * | 1996-02-05 | 1998-07-14 | Ford Global Technologies, Inc. | Trained Neural network air/fuel control system |
| US5993194A (en) * | 1996-06-21 | 1999-11-30 | Lemelson; Jerome H. | Automatically optimized combustion control |
| JP3765617B2 (ja) * | 1996-06-25 | 2006-04-12 | 本田技研工業株式会社 | 内燃機関の空燃比制御装置 |
| US5957994A (en) * | 1996-08-12 | 1999-09-28 | Ford Global Technologies, Inc. | Method for improving spark ignited internal combustion engine acceleration and idling in the presence of poor driveability fuels |
| US5875759A (en) * | 1996-08-12 | 1999-03-02 | Ford Global Technologies, Inc. | Method for improving spark ignited internal combustion engine starting and idling using poor driveability fuels |
| JP3729295B2 (ja) * | 1996-08-29 | 2005-12-21 | 本田技研工業株式会社 | 内燃機関の空燃比制御装置 |
| JPH10122017A (ja) * | 1996-10-14 | 1998-05-12 | Yamaha Motor Co Ltd | エンジン制御方式 |
| DE19706750A1 (de) * | 1997-02-20 | 1998-08-27 | Schroeder Dierk Prof Dr Ing Dr | Verfahren zur Gemischsteuerung bei einem Verbrennungsmotor sowie Vorrichtung zu dessen Durchführung |
| US6405122B1 (en) | 1997-10-14 | 2002-06-11 | Yamaha Hatsudoki Kabushiki Kaisha | Method and apparatus for estimating data for engine control |
| DE19808197C2 (de) * | 1998-02-27 | 2001-08-09 | Mtu Aero Engines Gmbh | System und Verfahren zur Diagnose von Triebwerkszuständen |
| JP3387004B2 (ja) * | 1998-04-06 | 2003-03-17 | 株式会社日立製作所 | 制御装置 |
| US6466859B1 (en) * | 1998-06-04 | 2002-10-15 | Yamaha Motor Co Ltd | Control system |
| US6227842B1 (en) | 1998-12-30 | 2001-05-08 | Jerome H. Lemelson | Automatically optimized combustion control |
| US6468069B2 (en) | 1999-10-25 | 2002-10-22 | Jerome H. Lemelson | Automatically optimized combustion control |
| ITTO20020143A1 (it) * | 2002-02-19 | 2003-08-19 | Fiat Ricerche | Metodo e dispositivo di controllo dell'iniezione in un motore a combustione interna, in particolare un motore diesel provvisto di un impiant |
| AU2003241302A1 (en) | 2002-04-19 | 2003-11-03 | Computer Associates Think, Inc | Using neural networks for data mining |
| US7444310B2 (en) * | 2002-04-19 | 2008-10-28 | Computer Associates Think, Inc. | Automatic model maintenance through local nets |
| US7777743B2 (en) * | 2002-04-19 | 2010-08-17 | Computer Associates Think, Inc. | Viewing multi-dimensional data through hierarchical visualization |
| US7483868B2 (en) * | 2002-04-19 | 2009-01-27 | Computer Associates Think, Inc. | Automatic neural-net model generation and maintenance |
| US7313279B2 (en) | 2003-07-08 | 2007-12-25 | Computer Associates Think, Inc. | Hierarchical determination of feature relevancy |
| US7092922B2 (en) * | 2003-05-23 | 2006-08-15 | Computer Associates Think, Inc. | Adaptive learning enhancement to automated model maintenance |
| US7136779B2 (en) * | 2004-05-28 | 2006-11-14 | Daimlerchrysler Ag | Method for simplified real-time diagnoses using adaptive modeling |
| JP4975158B2 (ja) * | 2010-11-08 | 2012-07-11 | 本田技研工業株式会社 | プラントの制御装置 |
| US10634081B2 (en) * | 2018-02-05 | 2020-04-28 | Toyota Jidosha Kabushiki Kaisha | Control device of internal combustion engine |
| JP7231144B2 (ja) * | 2019-07-17 | 2023-03-01 | 株式会社トランストロン | エンジン制御装置及びそれが有するニューラルネットワークプログラム |
| US11459962B2 (en) * | 2020-03-02 | 2022-10-04 | Sparkcognitton, Inc. | Electronic valve control |
| DE102021212338A1 (de) * | 2020-11-11 | 2022-05-12 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Ermitteln einer eine Durchflussrate eines Kraftstoffinjektors charakterisierenden Größe |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS57122144A (en) * | 1981-01-20 | 1982-07-29 | Nissan Motor Co Ltd | Air fuel ratio feedback control unit |
| JPS61118535A (ja) * | 1984-11-14 | 1986-06-05 | Nippon Soken Inc | 内燃機関の空燃比制御装置 |
| JPH0737776B2 (ja) * | 1986-03-04 | 1995-04-26 | 本田技研工業株式会社 | 内燃エンジンの空燃比制御方法 |
| US4991102A (en) * | 1987-07-09 | 1991-02-05 | Hitachi, Ltd. | Engine control system using learning control |
| DE3800176A1 (de) * | 1988-01-07 | 1989-07-20 | Bosch Gmbh Robert | Steuereinrichtung fuer eine brennkraftmaschine und verfahren zum einstellen von parametern der einrichtung |
| US4912649A (en) * | 1988-12-14 | 1990-03-27 | Gte Government Systems Corporation | Accelerating learning in neural networks |
| US4914603A (en) * | 1988-12-14 | 1990-04-03 | Gte Laboratories Incorporated | Training neural networks |
| US4962741A (en) * | 1989-07-14 | 1990-10-16 | Ford Motor Company | Individual cylinder air/fuel ratio feedback control system |
-
1989
- 1989-09-06 JP JP1231092A patent/JPH0711256B2/ja not_active Expired - Fee Related
-
1990
- 1990-09-06 US US07/578,581 patent/US5247445A/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| US5247445A (en) | 1993-09-21 |
| JPH0396636A (ja) | 1991-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH0711256B2 (ja) | 内燃エンジンの制御装置 | |
| US7386388B2 (en) | Air-fuel ratio control system and method for internal combustion engine, and engine control unit | |
| CN110118130B (zh) | 内燃机的控制装置 | |
| US10991174B2 (en) | Machine learning device of amount of unburned fuel, machine learning method, learned model, electronic control unit, method of production of electronic control unit, and machine learning system | |
| JP4929966B2 (ja) | 燃料噴射制御装置 | |
| US5720258A (en) | Internal combustion engine control | |
| US6840214B2 (en) | Air-fuel ratio control apparatus for internal combustion engine | |
| US10947909B2 (en) | Control device of internal combustion engine and control method of same and learning model for controlling internal combustion engine and learning method of same | |
| US10533510B2 (en) | Model-based cylinder charge detection for an internal combustion engine | |
| US20200234136A1 (en) | Machine learning system | |
| JP2020070742A (ja) | 制御装置 | |
| JPH10252536A (ja) | 内燃機関の空燃比制御装置 | |
| US6415273B1 (en) | Method of feed-forward control using control logic with anticipatory learning control | |
| US6466859B1 (en) | Control system | |
| EP0324489B1 (en) | Method and apparatus for controlling internal combustion engines | |
| JP4581221B2 (ja) | ディーゼル機関のｅｇｒ制御装置 | |
| JPH10252537A (ja) | 内燃機関の制御装置 | |
| JPH11353006A (ja) | オンライン学習方法 | |
| JP3301250B2 (ja) | 空燃比制御装置 | |
| JP3144264B2 (ja) | 空燃比制御装置 | |
| Park et al. | Feedback error learning neural networks for air-to-fuel ratio control in SI engines | |
| JP3240780B2 (ja) | 内燃機関の燃料供給量制御装置 | |
| CN117927395A (zh) | 一种考虑不同工况的发动机控制方法及系统 | |
| JPH05248286A (ja) | エンジンの制御装置 | |
| CN113250882A (zh) | 用于借助于点火角模型来运行燃烧马达的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080208 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090208 Year of fee payment: 14 |
|
| LAPS | Cancellation because of no payment of annual fees |