WO2009096246A1

WO2009096246A1 - 内燃機関の排気浄化装置

Info

Publication number: WO2009096246A1
Application number: PCT/JP2009/050609
Authority: WO
Inventors: Yuji Yasui; Koichi Nakajim
Original assignee: Honda Motor Co., Ltd.
Priority date: 2008-01-29
Filing date: 2009-01-19
Publication date: 2009-08-06
Also published as: JP2009180086A; US20110232263A1; US8297047B2; JP5000539B2

Abstract

　排気が酸化雰囲気にあるとき排気中のＮＯｘを捕捉し、前記排気が還元雰囲気にあるとき捕捉したＮＯｘを放出するリーンＮＯｘ触媒を排気系に備える内燃機関の排気浄化装置が提供される。この装置では、ニューラルネットワークを用いて、前記リーンＮＯｘ触媒に捕捉されたＮＯｘ量の推定値である推定捕捉ＮＯｘ量が算出される。前記ニューラルネットワークは、前記機関の運転状態を示す機関運転パラメータが入力され、前記リーンＮＯｘ触媒に関わる制御パラメータを出力するものである。前記推定捕捉ＮＯｘ量に応じて前記リーンＮＯｘ触媒に捕捉されたＮＯｘの還元処理が行われる。

Description

内燃機関の排気浄化装置

　本発明は、内燃機関の排気浄化装置に関し、特に排気系にＮＯｘを浄化するリーンＮＯｘ触媒を備える内燃機関の排気浄化装置に関する。

　特許文献１には、ＮＯｘを捕捉し、還元する機能を有するリーンＮＯｘ触媒を排気系に備える内燃機関の排気浄化装置が示されている。リーンＮＯｘ触媒には、空燃比が比較的大きな値に設定されるリーン運転中にＮＯｘが捕捉されるため、リーンＮＯｘ触媒に還元剤（ＨＣ，ＣＯ）を適時供給し、捕捉されたＮＯｘの還元を行う必要がある。特許文献１に示された装置では、リーンＮＯｘ触媒に捕捉されたＮＯｘ量が機関回転数及び要求トルクに応じて推定される。さらに、フィードガス（機関燃焼室から排出されるガス）中のＮＯｘ量は、排気還流量に依存して変化することから、排気還流量に応じて捕捉ＮＯｘ量の補正が行われる。

　特許文献２には、尿素を用いた選択接触還元（ＳＣＲ）によるＮＯｘ浄化装置が示されている。この装置によれば、吸気圧、吸気管温度、燃料消費率などの機関運転パラメータと入力パラメータとし、機関から排出されるＮＯｘ量を出力パラメータとするニューラルネットワークが使用され、ニューラルネットワークにより算出されるＮＯｘ排出量に応じて、尿素溶液の投与量が調節される。

特開２００６－２１４３２２号公報特開２００３－３２８７３２号公報

　特許文献１に示された装置では、検出される吸入空気流量と目標吸入空気流量の偏差を実際の排気還流量を示す排気還流量パラメータとして使用し、排気還流量パラメータに応じてＮＯｘ捕捉量の補正が行われる。しかしながら、排気還流量は、過給圧、燃料噴射量、吸気圧など、さまざまな要因の影響を受けるため、機関の定常的な運転状態おいても、予め設定された排気還流量算出用のマップやテーブル、あるいは物理モデルを用いて正確な排気還流量を推定することは困難であり、過渡的な運転状態ではさらに困難性が増す。したがって、特許文献１に示される排気還流量パラメータは、実際の排気還流量を正確に示すものではなく、正確な補正を行うことはできない。

　特に、ディーゼル機関の制御では、空燃比センサによる検出空燃比やエアフローメータによる吸入空気流量の検出値などに基づいて排気還流量を目標値に一致させる閉ループ制御が行われていたり、過給圧が目標圧となるように過給機のベーン開度を調整する閉ループ制御が行われていたりするため、これらの制御系が複雑に干渉しながら、排気還流量の特性ばらつきや経時変化を補償してしまう。このため、特許文献１に示されるような単純な手法では、正確な捕捉ＮＯｘ量を得ることができず、ＮＯｘの還元処理のタイミングが不適切なものとなって、ＮＯｘ排出量を増加させる可能性がある。

　また特許文献２の装置では、機関から排出されるＮＯｘ量が、ニューラルネットワークを用いて算出される。しかしながら、特許文献２の装置は、ＮＯｘ浄化装置としてリーンＮＯｘ触媒を使用することを想定して構成されたものではないため、リーンＮＯｘ触媒に捕捉されるＮＯｘ量の算出にニューラルネットワークが適用されるわけではない。リーンＮＯｘ触媒を使用する場合には、ＮＯｘの還元が適切に行われることによってＮＯｘ浄化装置としての機能が維持されるが、引用文献２に示された装置は、尿素から生成されるアンモニアによってＮＯｘを還元するものであるため、ＮＯｘの捕捉及び捕捉されたＮＯｘの還元は全く考慮されていない。

　本発明は、この点に着目してなされたものであり、ＮＯｘ浄化装置としてリーンＮＯｘ触媒に捕捉されているＮＯｘ量をより正確に推定し、ＮＯｘ還元処理を適切に実行することができる内燃機関の排気浄化装置を提供することを目的とする。

　上記目的を達成するため本発明は、排気が酸化雰囲気にあるとき排気中のＮＯｘを捕捉し、前記排気が還元雰囲気にあるとき捕捉したＮＯｘを放出するリーンＮＯｘ触媒（３１）を排気系に備える内燃機関の排気浄化装置であって、前記機関の運転状態を示す機関運転パラメータ（Ｌｃｍｄ，ＰＢ，ＴＩ，ＰＥ，Ｔｏｕｔ，Ｒｍ１，ＧＡ，ＮＥ）が入力され、前記リーンＮＯｘ触媒に関わる制御パラメータ（ＮＯｘｈａｔ，Ｒｅｄｈａｔ）を出力するニューラルネットワークを用いて、前記リーンＮＯｘ触媒に捕捉されたＮＯｘ量の推定値である推定捕捉ＮＯｘ量（ＭＮＯｘ）を算出する捕捉ＮＯｘ量推定手段と、前記推定捕捉ＮＯｘ量（ＭＮＯｘ）に応じて前記リーンＮＯｘ触媒に捕捉されたＮＯｘの還元処理を行う還元処理手段とを備えるものを提供する。

　この構成によれば、機関運転パラメータが入力され、リーンＮＯｘ触媒に関わる制御パラメータを出力するニューラルネットワークを用いて、リーンＮＯｘ触媒の推定捕捉ＮＯｘ量が算出され、推定捕捉ＮＯｘ量に応じてリーンＮＯｘ触媒に捕捉されたＮＯｘの還元処理が行われる。ニューラルネットワークは、入力パラメータ同士の非線形な関係を記憶できるという特徴を有するので、ニューラルネットワークを用いることにより、機関の定常状態だけでなく、過渡状態においても正確な制御パラメータ値を得ることができ、したがってより正確な推定捕捉ＮＯｘ量を得ることができる。その結果、ＮＯｘ還元処理を適切な時期に実行し、ＮＯｘ排出量を低いレベルに維持することができる。

　前記ニューラルネットワークは、自己組織化マップアルゴリズムが適用されるものであることことが望ましい。

　この構成によれば、ニューラルネットワークは、自己組織化マップアルゴリズムが適用される。自己組織化マップは、入力パラメータの組み合わせや出現頻度パターンがニューロンの配置として記憶されるので、学習用入力データとして実際の運転中の出現頻度に合わせたものを用いることにより、出現頻度の高い運転状態に対応する領域ではニューロンの配置間隔が狭くなり、より精度の高い推定が可能となる。

　前記リーンＮＯｘ触媒に関わる制御パラメータは、前記機関から排出されるＮＯｘ量の推定値（ＮＯｘｈａｔ）または前記機関から排出される還元剤量の推定値（Ｒｅｄｈａｔ）であることが望ましい。

　この構成によれば、機関から排出されるＮＯｘ量の推定値または機関から排出される還元剤量の推定値がニューラルネットワークから出力され、これらの出力パラメータを用いて推定捕捉ＮＯｘ量が算出される。リーンＮＯｘ触媒の捕捉ＮＯｘ量は、リーンＮＯｘ触媒に流入するＮＯｘ量、及び流入する還元剤により還元されるＮＯｘ量に依存するので、流入ＮＯｘ量の推定値及び流入還元剤量の推定値をニューラルネットワークを用いて算出することにより、推定捕捉ＮＯｘ量の推定精度を高めることができる。

本発明の第１の実施形態にかかる内燃機関及びその制御装置の構成を示す図である。自己組織化マップを示す図である。推定排気還流量（ＥＧＲｈａｔ）及び実排気還流量（ＥＧＲａｃｔ）の推移を機関運転パラメータの推移とともに示す図である。燃料噴射制御処理のフローチャートである。図４の処理で参照されるマップを示す図である。図４の処理で参照されるマップを示す図である。燃料のパイロット噴射及び分割された主噴射を示す図である。排気還流量の状態判定を行う処理のフローチャートである。推定排気還流量（ＥＧＲｈａｔ）と実排気還流量（ＥＧＲａｃｔ）との関係を説明するための図である。リーンＮＯｘ触媒の状態判定を行う処理のフローチャートである。図１０の処理で参照されるマップを示す図である。第１の本実施形態における制御動作例を説明するためのタイムチャートである。第１の本実施形態における制御動作例を説明するためのタイムチャートである。第１の本実施形態における制御動作例を説明するためのタイムチャートである。本発明の第２の実施形態にかかる内燃機関及びその制御装置の構成を示す図である。第２の実施形態にかかる燃料噴射制御処理のフローチャートである。第２の実施形態にかかる燃料噴射制御処理のフローチャートである。図１６の処理で参照されるマップを示す図である。排気還流制御及び過給制御の状態判定を行う処理のフローチャートである。リーンＮＯｘ触媒の状態判定を行う処理のフローチャートである。第２の本実施形態における制御動作例を説明するためのタイムチャートである。第２の本実施形態における制御動作例を説明するためのタイムチャートである。第２の本実施形態における制御動作例を説明するためのタイムチャートである。推定排気還流量（ＥＧＲｈａｔ）を算出するためのパーセプトロンを示す図である。推定ＮＯｘ排出量（ＮＯｘｈａｔ）を算出するためのパーセプトロンを示す図である。

符号の説明

　１　内燃機関
　２０　電子制御ユニット（捕捉ＮＯｘ量推定手段、還元処理手段）
　３１　リーンＮＯｘ触媒

　以下本発明の実施の形態を図面を参照して説明する。
　［第１の実施形態］
　図１は本発明の第１の実施形態にかかる内燃機関、及びその制御装置の構成を示す図である。内燃機関（以下「エンジン」という）１は、シリンダ内に燃料を直接噴射するディーゼルエンジンであり、各気筒に燃料噴射弁９が設けられている。燃料噴射弁９は、電子制御ユニット（以下「ＥＣＵ」という）２０に電気的に接続されており、燃料噴射弁９の開弁時期及び開弁時間は、すなわち燃料噴射時期及び燃料噴射量ＥＣＵ２０により制御される。

　エンジン１は、吸気管２，排気管４、及びターボチャージャ８を備えている。ターボチャージャ８は、排気の運動エネルギにより回転駆動されるタービンホイール１０を有するタービン１１と、タービンホイール１０とシャフト１４を介して連結されたコンプレッサホイール１５を有するコンプレッサ１６とを備えている。コンプレッサホイール１５は、エンジン１に吸入される空気の加圧（圧縮）を行う。

　タービン１１は、タービンホイール１０に吹き付けられる排気ガスの流量を変化させるべく開閉駆動される複数の可変ベーン１２（２個のみ図示）及び該可変ベーンを開閉駆動するアクチュエータ（図示せず）を有しており、可変ベーン１２の開度（以下「ベーン開度」という）θｖｇｔを変化させることにより、タービンホイール１０に吹き付けられる排気ガスの流量を変化させ、タービンホイール１０の回転速度を変更できるように構成されている。可変ベーン１２を駆動するアクチュエータは、ＥＣＵ２０に接続されており、ベーン開度θｖｇｔは、ＥＣＵ２０により制御される。より具体的には、ＥＣＵ２０は、デューティ比可変の制御信号をアクチュエータに供給し、これによってベーン開度θｖｇｔを制御する。なお、可変ベーンを有するターボチャージャの構成は広く知られており、例えば特開平１－２０８５０１号公報に示されている。

　吸気管２のコンプレッサ１６の下流側にはインタークーラ１８が設けられ、さらにインタークーラ１８の下流側には、スロットル弁３が設けられている。スロットル弁３は、アクチュエータ１９により開閉駆動可能に構成されており、アクチュエータ１９はＥＣＵ２０に接続されている。ＥＣＵ２０は、アクチュエータ１９を介して、スロットル弁３の開度制御を行う。

　排気管４と吸気管２との間には、排気ガスを吸気管２に還流する排気還流通路５が設けられている。排気還流通路５には、排気還流量（ＥＧＲ量）を制御するための排気還流制御弁（以下［ＥＧＲ弁」という）６が設けられている。ＥＧＲ弁６は、ソレノイドを有する電磁弁であり、その弁開度はＥＣＵ２０により制御される。ＥＧＲ弁６には、その弁開度（弁リフト量）ＬＡＣＴを検出するリフトセンサ７が設けられており、その検出信号はＥＣＵ２０に供給される。排気還流通路５及びＥＧＲ弁６より、排気還流装置が構成される。排気還流通路５には、排気還流量ＥＧＲａｃｔを検出する排気還流量センサ２６が設けられており、その検出信号はＥＣＵ２０に供給される。排気還流量ＥＧＲａｃｔは実際には流量として検出される。

　吸気管２には、吸入空気流量ＧＡを検出する吸入空気流量センサ２１、コンプレッサ１６の下流側の吸気圧（過給圧）ＰＢを検出する過給圧センサ２２、吸気温ＴＩを検出する吸気温センサ２３、及び吸気圧ＰＩを検出する吸気圧センサ２４が設けられている。また、排気管４には、タービン１１の上流側の排気圧ＰＥを検出する排気圧センサ２５が設けられている。これらのセンサ２１～２５は、ＥＣＵ２０と接続されており、センサ２１～２５の検出信号は、ＥＣＵ２０に供給される。

　排気管４の、タービン１１の下流側には、排気中に含まれるＮＯｘを浄化するＮＯｘ浄化装置であるリーンＮＯｘ触媒３１と、排気中に含まれる粒子状物質（主としてすすからなる）を捕集する粒子状物質フィルタ３２とが設けられている。リーンＮＯｘ触媒３１は、排気中の酸素濃度が比較的高い状態、すなわち還元成分（ＨＣ、ＣＯ）の濃度が比較的低い状態でＮＯｘが捕捉され、排気中の還元成分濃度が高い状態で捕捉したＮＯｘが還元成分により還元されて放出されるように構成されている。

　エンジン１により駆動される車両のアクセルペダル（図示せず）の踏み込み量（以下「アクセルペダル操作量」という）ＡＰを検出するアクセルセンサ２７、、エンジン回転数（回転速度）ＮＥを検出するエンジン回転数センサ２８、及び大気圧ＰＡを検出する大気圧センサ２９がＥＣＵ２０に接続されており、これらのセンサの検出信号は、ＥＣＵ２０に供給される。エンジン回転数センサ２８は、所定クランク角度（例えば６度）毎に発生するクランク角度パルス及びエンジン１の各気筒のピストンが上死点に位置するタイミングに同期して発生するＴＤＣパルスをＥＣＵ２０に供給する。

　ＥＣＵ２０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、中央演算処理ユニット（以下「ＣＰＵ」という）、ＣＰＵ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回路、タービン１１の可変ベーン１２を駆動するアクチュエータ、燃料噴射弁９、ＥＧＲ弁６、スロットル弁３を駆動するアクチュエータ１９などに駆動信号を供給する出力回路から構成される。

　ＥＣＵ２０は、エンジン運転状態（主としてエンジン回転数ＮＥ及びエンジン負荷目標値Ｐｍｅｃｍｄに応じて燃料噴射弁９による燃料噴射制御、ＥＧＲ弁６による排気還流制御、可変ベーン１２による過給圧制御などを行う。エンジン負荷目標値Ｐｍｅｃｍｄは、アクセルペダル操作量ＡＰに応じて算出され、アクセルペダル操作量ＡＰが増加するほど増加するように設定される。

　本実施形態では、燃料噴射弁９による燃料噴射は、主噴射ＭＩと、主噴射ＭＩに先行して実行されるパイロット噴射ＰＩとによって行われる。さらに、エンジン１の所定運転状態（具体的にはエンジン回転数ＮＥが所定高回転数ＮＥＨより低い状態）では、主噴射ＭＩが、第１主噴射ＭＩ１及び第２主噴射ＭＩ２に分割して実行される。燃料噴射量の分割比率Ｒｍ１（＝第１主噴射量／（第１主噴射量＋第２主噴射量））は、基本的にはエンジン回転数ＮＥ及びエンジン負荷目標値Ｐｍｅｃｍｄに応じて設定される。

　さらにＥＣＵ２０は、自己組織化マップアルゴリズムが適用されるニューラルネットワーク（以下単に「自己組織化マップ」という）を用いて排気還流量の推定値（以下「推定排気還流量」という）ＥＧＲｈａｔを算出し、推定排気還流量ＥＧＲｈａｔと、排気還流量センサ２６により検出される実排気還流量ＥＧＲａｃｔを用いて、分割比率Ｒｍ１の補正を行う。この補正により、エンジン１及びエンジン１が備える周辺装置（例えば排気還流装置、吸入空気流量センサ）の特性ばらつきや経年変化の影響を抑制し、ＮＯｘ排出量のロバスト性を向上させることができる。

　以下自己組織化マップについて詳細に説明する。
　Ｎ個の要素からなる入力データベクトルｘjを下記式（１）で定義し、自己組織化マップを構成する各ニューロンの重みベクトルｗiを下記式（２）で定義する。ニューロンの数はＭ個とする。すなわち、パラメータｉは、１からＭまでの値をとる。重みベクトルｗiの初期値は乱数を用いて与えられる。
　ｘj＝（ｘj1，ｘj2，…，ｘjN）　　　　　　　　　（１）
　ｗi＝（ｗi1，ｗi2，…，ｗiN）　　　　　　　　　（２）

　Ｍ個のニューロンについて、入力データベクトルｘjと対応するニューロンの重みベクトルｗｉとのユークリッド距離ＤＷＸ＝｜ｗi－ｘj｜を算出し、距離ＤＷＸが最小となるニューロンを勝者ニューロンとする。ユークリッド距離ＤＷＸは、下記式（３）により算出される。

　次に勝者ニューロン及びその近傍のニューロン集合Ｎcに含まれるニューロンの重みベクトルｗiを下記式（４）により、更新する。式（４）のα(t)は、学習係数であり、ｔは学習回数である。学習係数α(t)は、例えば初期値が「０．８」に設定され、学習回数ｔの増加とともに減少するように設定される。
　ｗi(t+1)＝ｗi(t)＋α(t)（ｘj－ｗi(t)）　　　　　（４）

　ニューロン集合Ｎcに含まれないニューロンの重みベクトルｗiは下記式（５）で示すように前の値を維持する。
　ｗi(t+1)＝ｗi(t)　　　　　　　　　　　　　　　　（５）

　なお、ニューロン集合Ｎcも学習回数ｔの関数であり、学習回数ｔが増加するほど、近傍の範囲を狭くするように設定される。式（４）による重みベクトルの更新により、勝者ニューロン及びその近傍のニューロンの重みベクトルは、入力データベクトルに近づくように修正される。

　上述した学習規則にしたがった演算を多数の入力データベクトルについて実行すると、Ｍ個のニューロンの配置は、入力データベクトルの分布状態を反映したものとなる。例えば、入力データベクトルを簡単のために２次元ベクトルとして、その配置を平面上に表したとき、入力データベクトルが平面上に一様に分布しているときは、学習後のニューロンの配置は平面上に一様に分布する。また入力データベクトルの分布に偏り（粗密）があるときには、ニューロンの分布状態は、同様の偏りのある分布状態となる。

　このようにして得られた自己組織化マップは、学習ベクトル量子化（ＬＶＱ）アルゴリズムをさらに適用することにより、ニューロンの配置をより適切なものとするようにしてもよい。

　図２は、本実施形態における推定排気還流量ＥＧＲｈａｔを算出する自己組織化マップを２次元マップとして示す。この２次元マップは、最も支配的な要因となる２つの入力パラメータであるＥＧＲ弁６のリフト量指令値Ｌｃｍｄ及び過給圧ＰＢによって定義されている。入力データベクトルｘＥＧＲは下記式（１０）で定義される。すなわち、入力パラメータはリフト量指令値Ｌｃｍｄ、過給圧ＰＢ、吸気温ＴＩ、排気圧ＰＥ、燃料噴射量Ｔｏｕｔ、吸入空気流量ＧＡ、及びエンジン回転数ＮＥである。燃料噴射量Ｔｏｕｔは、後述するパイロット噴射量及び主噴射量を含む、１燃焼サイクル当たりの全燃料噴射量である。
　ｘＥＧＲ＝（Ｌｃｍｄ，ＰＢ，ＴＩ，ＰＥ，Ｔｏｕｔ，ＧＡ，ＮＥ）
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（１０）

　図２に示すマップは複数の領域ＲＮＲi（ｉ＝１～Ｍ，Ｍ＝３６）に分割されており、各領域に１つのニューロンＮＲi（「＊」でプロットされている）が含まれる。多数の入力データベクトルｘＥＧＲによる学習を予め行うことによって、各ニューロンＮＲiの位置（重みベクトルｗi）が決定され、さらに隣接するニューロンとの位置関係を考慮して境界線を引くことにより、各領域ＲＮＲiが定義されている。学習の際に適用する入力データベクトルｘＥＧＲの分布を、実際のエンジン運転中の出現分布と一致させておくことにより、エンジン運転中に出現頻度の高い運転状態に対応する領域においては、ニューロンＮＲiの分布が密になる。これにより、出現頻度の高い運転状態における推定排気還流量の精度を高めることができる。図２に示すマップは、標準的なエンジン（新品でかつ作動特性が平均的なエンジン）に対応する学習を行うことにより得られたものである。なお、図２には黒丸で学習に適用した入力データがプロットされている。

　自己組織化マップの学習中においては、入力データベクトルｘＥＧＲと、その入力データベクトルｘＥＧＲに対応する実排気還流量ＥＧＲａｃｔとを用いて、下記式（１１）で示す重み係数ベクトルＣi（ｉ＝１～Ｍ）が算出され、記憶される。重み係数ベクトルＣiは、各ニューロンＮＲiに対応して算出され、記憶される。
　Ｃi＝（Ｃ０i，Ｃ１i，Ｃ２i，Ｃ３i，Ｃ４i，Ｃ５i，Ｃ６i，Ｃ７i）
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（１１）

　実際の制御演算においては、入力データベクトルｘＥＧＲの要素であるリフト量指令値Ｌｃｍｄ及び過給圧ＰＢによって決まるその時点のマップ上の動作点を含む領域ＲＮＲiが選択され、領域ＲＮＲｉを代表するニューロンＮＲiに対応付けられた重み係数ベクトルＣi及び入力データベクトルｘＥＧＲを下記式（１２）に適用して、推定排気還流量ＥＧＲｈａｔが算出される。
　ＥＧＲｈａｔ＝Ｃ１i×Ｌｃｍｄ＋Ｃ２i×ＰＢ＋Ｃ３i×ＴＩ＋Ｃ４i×ＰＥ
　　　　　　　＋Ｃ５i×Ｔｏｕｔ＋Ｃ６i×ＧＡ＋Ｃ７i×ＮＥ＋Ｃ０i
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（１２）

　図３（ａ）は推定排気還流量ＥＧＲｈａｔ及び実排気還流量ＥＧＲａｃｔの推移を示すタイムチャートであり、同図（ｂ）は対応する主な入力データの推移を示すタイムチャートである。エンジン運転状態が比較的安定している定常的な状態だけでなく、過渡的な状態においても、精度の高い推定排気還流量ＥＧＲｈａｔが得られることが確認される。

　次に推定排気還流量ＥＧＲｈａｔを用いた燃料噴射制御について説明する。図４は、燃料噴射制御処理のフローチャートであり、この処理はＥＣＵ２０のＣＰＵでＴＤＣパルスに同期して実行される。

　ステップＳ４１では、エンジン回転数ＮＥ及びエンジン負荷目標値Ｐｍｅｃｍｄに応じて図５（ａ）に示すＬｃｍｄマップを検索し、ＥＧＲ弁リフト量指令値Ｌｃｍｄを算出する。

　図５（ａ）に示すＰｍｅｃｍｄ１，Ｐｍｅｃｍｄ２，及びＰｍｅｃｍｄ３は、所定エンジン負荷目標値であり、Ｐｍｅｃｍｄ１＜Ｐｍｅｃｍｄ２＜Ｐｍｅｃｍｄ３なる関係を満たす。したがって、エンジン負荷目標値Ｐｍｅｃｍｄが低負荷状態に対応する値から増加すると、所定エンジン負荷目標値Ｐｍｅｃｍｄ２に達するまではＥＧＲ弁リフト量指令値Ｌｃｍｄが増加し、さらにエンジン負荷目標値Ｐｍｅｃｍｄが増加すると、ＥＧＲ弁リフト量指令値Ｌｃｍｄは減少する。すなわち、図５（ａ）に示すＬｃｍｄマップによれば、エンジンの通常使用領域（中回転中負荷領域）では、ＮＯｘ排出量を低減すべくＥＧＲ弁リフト量指令値Ｌｃｍｄが比較的大きな値に設定される。また高負荷運転領域では十分な出力トルクを確保するため、ＥＧＲ弁リフト量指令値Ｌｃｍｄが比較的小さな値に設定される。また低回転運転領域では燃焼の安定性を確保すべくＥＧＲ弁リフト量指令値Ｌｃｍｄが比較的小さな値に設定される。

　ステップＳ４２では、エンジン回転数ＮＥ及びエンジン負荷目標値Ｐｍｅｃｍｄに応じて図５（ｂ）に示すＰＢｃｍｄマップを検索し、目標過給圧ＰＢｃｍｄを算出する。ＰＢｃｍｄマップは、低回転領域ではエンジン回転数ＮＥが増加するほど目標過給圧ＰＢｃｍｄが増加するように設定されている。またエンジン負荷目標値Ｐｍｅｃｍｄが増加するほど、目標過給圧ＰＢｃｍｄが増加するように設定されている。中回転中負荷領域では、排気還流量が増加されるので、新気量を確保するために目標過給圧ＰＢｃｍｄが比較的高く設定される。目標過給圧ＰＢｃｍｄに応じてタービンのベーン開度θｖｇｔが制御される。

　ステップＳ４３では、エンジン回転数ＮＥ及びエンジン負荷目標値Ｐｍｅｃｍｄに応じて図５（ｃ）に示すＴｏｕｔマップを検索し、燃料噴射量Ｔｏｕｔを算出する。Ｔｏｕｔマップは、エンジン回転数ＮＥが増加するほど、またエンジン負荷目標値Ｐｍｅｃｍｄが増加するほど、燃料噴射量Ｔｏｕｔが増加するように設定されている。実際の過給圧ＰＢが目標過給圧ＰＢｃｍｄに一致し、かつ実際の排気還流量ＥＧＲａｃｔが所望値と一致し、かつ実際の燃料噴射量が燃料噴射量Ｔｏｕｔと一致したとき、燃焼室内の実空燃比が目標空燃比と一致するように、Ｔｏｕｔマップが設定されている。

　ステップＳ４４では、図８に示す排気還流量（ＥＧＲ量）の状態判定処理を実行し、推定排気還流量ＥＧＲｈａｔを算出するとともに、推定排気還流量ＥＧＲｈａｔと、検出される実排気還流量ＥＧＲａｃｔとの関係を示す相関パラメータａ(k)及びｂ(k)を算出する。なお、「ｋ」は、本処理の実行周期で離散化した制御時刻である。

　ステップＳ４４で算出される相関パラメータａ(k)が「１．０」近傍の値をとるときは、実排気還流量ＥＧＲａｃｔが、標準的なエンジンの実排気還流量を近似する推定排気還流量ＥＧＲｈａｔとほぼ一致していることを示す。また相関パラメータａ(k)が「１．０」より小さいときは、実排気還流量ＥＧＲａｃｔが推定排気還流量ＥＧＲｈａｔに比べて小さいこと、すなわちエンジンの特性ばらつきまたは経年変化により、実排気還流量ＥＧＲａｃｔが所望値より小さくなっていることを示す。また逆に相関パラメータａ(k)が「１．０」より大きいときは、実排気還流量ＥＧＲａｃｔが推定排気還流量ＥＧＲｈａｔに比べて大きいこと、すなわちエンジンの特性ばらつきにより、実排気還流量ＥＧＲａｃｔが所望値より大きくなっていることを示す。

　ステップＳ４５では、図１０に示すリーンＮＯｘ触媒の状態判定処理を実行し、リーンＮＯｘ触媒３１に捕捉されたＮＯｘ量である捕捉ＮＯｘ量ＭＮＯｘを算出するとともに、ＮＯｘ還元モードフラグＦＲｅｄＭｏｄの設定を行う。ＮＯｘ還元モードフラグＦＲｅｄＭｏｄは、リーンＮＯｘ触媒３１に捕捉されたＮＯｘを還元すべく、ＮＯｘ還元処理を実行するとき「１」に設定される。ＮＯｘ還元処理では、排気系に還元剤を供給するための燃料噴射であるポスト噴射（主噴射実行後の爆発行程または排気行程での燃料噴射）が実行される。

　ステップＳ４６では、エンジン回転数ＮＥ及びエンジン負荷目標値Ｐｍｅｃｍｄに応じて図６（ａ）に示すＴｏｕｔｐマップを検索し、パイロット噴射ＰＩにおける燃料噴射量であるパイロット噴射量Ｔｏｕｔｐを算出する。Ｔｏｕｔｐマップは、噴射された燃料の着火遅れが大きくなる低回転低負荷領域及び排気還流量を増加させる中回転中負荷領域において、燃焼音を低減するためにパイロット噴射量Ｔｏｕｔｐが増加するように設定されている。

　ステップＳ４７では、エンジン回転数ＮＥ及びエンジン負荷目標値Ｐｍｅｃｍｄに応じて図６（ｂ）に示すＲｍ１マップを検索し、分割比率Ｒｍ１を算出する。分割比率Ｒｍ１は、下記式（１３）により定義される。式（１３）のＴｏｕｔｍ１は第１主噴射量、Ｔｏｕｔｍ２は第２主噴射量である。
　Ｒｍ１＝Ｔｏｕｔｍ１／（Ｔｏｕｔｍ１＋Ｔｏｕｔｍ２）　　　　（１３）

　Ｒｍ１マップによれば、高回転領域では、燃料噴射弁９の応答遅れのために主噴射の分割噴射を行うことができないため、分割比率Ｒｍ１が「１．０」に設定される。また、低負荷領域及び中負荷領域では、ＮＯｘ排出量を低減するため分割噴射が行われ、中回転中負荷領域でもっとも分割比率Ｒｍ１が低下するように設定される。また高負荷領域では、筒内圧力の最大値を低減し、燃焼音を低減するために、分割噴射が行われる。

　パイロット噴射量Ｔｏｕｔｐ、第１主噴射量Ｔｏｕｔｍ１、及び第２主噴射量Ｔｏｕｔｍ２の代表的な関係は図７に示されている。図７の横軸は、クランク角度ＣＡであり、各噴射の実行時期を示している。

　ステップＳ４８では、下記式（１４）により基本主噴射量Ｔｏｕｔｍｂｓ(k)を算出し、算出された基本主噴射量Ｔｏｕｔｍｂｓ(k)及び分割比率Ｒｍ１を式（１５）に適用して、第１主噴射量Ｔｏｕｔｍ１(k)を算出する。
　Ｔｏｕｔｍｂｓ(k)＝Ｔｏｕｔ(k)－Ｔｏｕｔｐ(k)　　　　　　　（１４）
　Ｔｏｕｔｍ１(k)＝Ｒｍ１×Ｔｏｕｔｍｂｓ(k)　　　　　　　　　（１５）

　ステップＳ４９では下記式（１７）により第２主噴射量Ｔｏｕｔｍ２(k)を算出する。
　Ｔｏｕｔｍ２(k)＝Ｔｏｕｔｍｂｓ(k)－Ｔｏｕｔｍ１(k)　　　　（１７）

　ステップＳ５０では、ＮＯｘ還元モードフラグＦＲｅｄＭｏｄが「１」であるか否かを判別する。ステップＳ５０の答が肯定（ＹＥＳ）であるときは、ステップＳ５１に進み、エンジン回転数ＮＥ及びエンジン負荷目標値Ｐｍｅｃｍｄに応じて図６（ｃ）に示すＴｏｕｔｐｏｓｔマップを検索し、ポスト噴射量（ポスト噴射における燃料噴射量）Ｔｏｕｔｐｏｓｔを算出する。Ｔｏｕｔｐｏｓｔマップは、エンジン回転数ＮＥが増加するほど、またエンジン負荷目標値Ｐｍｅｃｍｄが増加するほど、ポスト噴射量Ｔｏｕｔｐｏｓｔが増加するように設定されている。吸入空気流量の増加に対応してポスト噴射量Ｔｏｕｔｐｏｓｔを増加させることにより、排気中の還元剤濃度が所望値に制御される。
　ステップＳ５０でＦＲｅｄＭｏｄ＝０であるときは、直ちにステップＳ５２に進む。

　ステップＳ５２では、相関パラメータａ(k)が判定閾値ＡＯＢＤＬＭＴ以下であるか否かを判別する。その答が肯定（ＹＥＳ）であるときは、排気還流装置の故障（例えばＥＧＲ弁６のつまり）が発生していると判定し、警告灯を点灯させる（ステップＳ５３）。ａ(k)＞ＡＯＢＤＬＭＴであるときは、直ちに本処理を終了する。

　図８は、図４のステップＳ４４で実行されるＥＧＲ量の状態判定処理のフローチャートである。
　ステップＳ３１では、上述した自己組織化マップ（ＳＯＭ）を用いて、推定排気還流量ＥＧＲｈａｔを算出する。すなわち、ＥＧＲ弁のリフト量指令値Ｌｃｍｄ及び過給圧ＰＢに応じてニューロンＮＲiを選択し、ニューロンＮＲiに対応する重み係数ベクトルＣi及び各入力パラメータを式（１２）に適用して、推定排気還流量ＥＧＲｈａｔを算出する。

　ステップＳ３２では、排気還流量センサ２６により実排気還流量ＥＧＲａｃｔを検出する。ステップＳ３３では、逐次型同定（逐次型統計処理）アルゴリズムにより、推定排気還流量ＥＧＲｈａｔと実排気還流量ＥＧＲａｃｔとの関係を示す相関パラメータａ(k)及びｂ(k)を算出する。

　図９は、推定排気還流量ＥＧＲｈａｔと実排気還流量ＥＧＲａｃｔとの関係を説明するための図である。標準的なエンジンにおいては、推定排気還流量ＥＧＲｈａｔと実排気還流量ＥＧＲａｃｔとはほぼ一致するため、図９（ａ）に示すように、推定排気還流量ＥＧＲｈａｔと実排気還流量ＥＧＲａｃｔとで決まるデータ点（以下「相関データ点」という）は、例えばハッチングを付した領域ＲＤ１内に分布する。領域ＲＤ１は、傾きが「１」である直線Ｌ１を中心とした領域である。

　標準的なエンジンより実排気還流量ＥＧＲａｃｔが大きくなる特性のエンジンでは、相関データ点は例えば図９（ｂ）に示す領域ＲＤ２内に分布する。逆に例えばＥＧＲ弁の詰まりにより、実排気還流量ＥＧＲａｃｔが小さくなる特性のエンジンでは、相関データ点は例えば図９（ｂ）に示す領域ＲＤ３内に分布する。詰まりの状態がさらに悪化すると、相関データ点は領域ＲＤ４内に分布するようになる。

　そこで本実施形態では、図９（ｃ）に示すように相関データ点の分布から近似直線Ｌ２に対応する相関パラメータａ(k)及びｂ(k)を算出し、近似直線Ｌ２の傾きを示す相関パラメータａ(k)に応じて、エンジン制御パラメータを補正することとした。さらに相関パラメータａ(k)が判定閾値ＡＯＢＤＬＭＴより小さくなったとき（例えば相関データ点が領域ＲＤ４内に分布するようなとき）は、排気還流装置が故障していると判定し、警告灯を点灯するようにしている（図４，ステップＳ５２，Ｓ５３）。

　以下相関パラメータａ(k)及びｂ(k)の算出手法を説明する。逐次型同定アルゴリズムは、時系列で得られる処理対象データの今回値（最新値）ＥＧＲｈａｔ(k)及びＥＧＲａｃｔ(k)と、相関パラメータの前回値ａ(k-1)及びｂ(k-1)とに基づいて、相関パラメータの今回値ａ(k)及びｂ(k)を算出する最小二乗法アルゴリズムである。

　相関パラメータａ(k)及びｂ(k)を要素とする相関パラメータベクトルθＣＲ(k)を下記式（２１）で定義すると、逐次型同定アルゴリズムによれば、相関パラメータベクトルθＣＲ(k)は下記式（２２）により算出される。
　θＣＲ(k)^T＝［ａ(k)　ｂ(k)］　　　　　　　　　　　　　（２１）
　θＣＲ(k)＝θＣＲ(k-1)＋ＫＰ(k)×ｅｉｄ(k) 　　　　　（２２）

　式（２２）のｅｉｄ(k)は、下記式（２３）及び（２４）で定義される同定誤差である。またＫＰ(k)は、下記式（２５）で定義されるゲイン係数ベクトルであり、式（２５）のＰ(k)は、下記式（２６）により算出される２次の正方行列である。
　　ｅｉｄ(k)＝ＥＧＲａｃｔ(k)－θＣＲ(k-1)^Tζ(k)　　（２３）
　　ζ^T(k)＝［ＥＧＲｈａｔ(k)　１］　　　　　　　　　（２４）

　式（２６）の係数λ１は、「０」から「１」の間の値に設定され、係数λ２は「１」に設定される。またＩは単位行列である。

　式（２１）～（２６）の逐次型同定アルゴリズムによれば、統計処理演算を簡略化することができる。

　相関パラメータａ(k)及びｂ(k)を用いると、統計処理後排気還流量ＥＧＲｌｓは、下記式（２７）で与えられる。式（２７）は図９（ｃ）の直線Ｌ２に対応する一次式である。
　ＥＧＲｌｓ＝ａ(k)×ＥＧＲｈａｔ＋ｂ(k)　　　　　　　　　　　（２７）

　図８の処理により、検出される実排気還流量ＥＧＲａｃｔと推定排気還流量ＥＧＲｈａｔとの関係を示す相関パラメータａ(k)及びｂ(k)を逐次型統計処理により算出するようにしたので、ニューラルネットワークの入力パラメータである過給圧ＰＢ、エンジン回転数ＮＥなどがノイズなどによって比較的高い周波数で変動しても、その影響を排除することができる。

　図１０は、図４のステップＳ４５で実行されるリーンＮＯｘ触媒の状態判定処理のフローチャートである。
　ステップＳ６１では、ＮＯｘ排出量を算出するための自己組織化マップ（以下「ＮＯｘ排出量ＳＯＭ」という）を用いて推定ＮＯｘ排出量ＮＯｘｈａｔを算出する。ＮＯｘ排出量ＳＯＭは、推定排気還流量ＥＧＲｈａｔを算出するための自己組織化マップ（以下「ＥＧＲ量ＳＯＭ」という）と同様の手法で、標準的なエンジンに対応して設定されたものであり、下記式（３１）で示される入力データベクトルｘＮＯｘから推定ＮＯｘ排出量ＮＯｘｈａｔを算出するために使用される。すなわち、ＮＯｘ排出量ＳＯＭの入力パラメータは、ＥＧＲ弁のリフト量指令値Ｌｃｍｄ，過給圧ＰＢ，吸気温ＴＩ，排気圧ＰＥ，燃料噴射量Ｔｏｕｔ，分割比率Ｒｍ１，吸入空気流量ＧＡ，及びエンジン回転数ＮＥである。
　ｘＮＯｘ＝（Ｌｃｍｄ，ＰＢ，ＴＩ，ＰＥ，Ｔｏｕｔ，Ｒｍ１，ＧＡ，ＮＥ）
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３１）

　ＮＯｘ排出量ＳＯＭの各ニューロンＮＲＮＯｘiに対応して、下記式（３２）で示される重み係数ベクトルＣＮＯｘiが記憶されている。
　ＣＮＯｘi＝（ＣＮＯｘ０i，ＣＮＯｘ１i，ＣＮＯｘ２i，
　　　　　　　　ＣＮＯｘ３i，ＣＮＯｘ４i，ＣＮＯｘ５i，
　　　　　　　　ＣＮＯｘ６i，ＣＮＯｘ７i，ＣＮＯｘ８i）　　（３２）

　したがって、先ずリフト量指令値Ｌｃｍｄ及び過給圧ＰＢに応じてニューロンＮＲＮＯｘiを選択し、次に選択したニューロンＮＲＮＯｘiの重み係数ベクトルＣＮＯＸｉを下記式（３３）に適用することにより、推定ＮＯｘ排出量ＮＯｘｈａｔが算出される。
　ＮＯｘｈａｔ＝ＣＮＯｘ１i×Ｌｃｍｄ＋ＣＮＯｘ２i×ＰＢ
　　　　　　　　＋ＣＮＯｘ３i×ＴＩ＋ＣＮＯｘ４i×ＰＥ
　　　　　　　　＋ＣＮＯｘ５i×Ｔｏｕｔ＋ＣＮＯｘ６i×Ｒｍ１
　　　　　　　　＋ＣＮＯｘ７i×ＧＡ＋ＣＮＯｘ８i×ＮＥ＋ＣＮＯｘ０i
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３３）

　ステップＳ６２では、エンジン回転数ＮＥ及びエンジン負荷目標値Ｐｍｅｃｍｄに応じて図１１に示すＫｒｓｍマップを検索し、修正係数Ｋｒｓｍを算出する。修正係数Ｋｒｓｍは、ステップＳ６５においてリーンＮＯｘ触媒の捕捉ＮＯｘ量ＭＮＯｘの算出に適用される。Ｋｒｓｍマップは、リフト量指令値Ｌｃｍｄを算出するＬｃｍｄマップと同様に設定されている。すなわち、排気還流量が大きいほど、相関パラメータａ(k)によるＮＯｘ排出量の補正度合を大きくする必要があるため、修正係数Ｋｒｓｍは排気還流量を増加させる中回転中負荷領域において増加するように設定される。

　ステップＳ６３では、還元剤（ＨＣ，ＣＯ）排出量を算出するための自己組織化マップ（以下「還元剤排出量ＳＯＭ」という）を用いて推定還元剤排出量Ｒｅｄｈａｔを算出する。推定還元剤排出量Ｒｅｄｈａｔは、還元剤によって還元されるＮＯｘ量を示すように換算された値をとる。

　還元剤排出量ＳＯＭは、ＥＧＲ量ＳＯＭと同様の手法で標準的なエンジンに対応して設定されたものであり、下記式（３４）で示される入力データベクトルｘＲｅｄから推定還元剤排出量Ｒｅｄｈａｔを算出するために使用される。すなわち、還元剤排出量ＳＯＭの入力パラメータは、ＥＧＲ弁のリフト量指令値Ｌｃｍｄ，過給圧ＰＢ，吸気温ＴＩ，排気圧ＰＥ，燃料噴射量Ｔｏｕｔ，分割比率Ｒｍ１，ポスト噴射量Ｔｏｕｔｐｏｓｔ，吸入空気流量ＧＡ，及びエンジン回転数ＮＥである。
　ｘＲｅｄ＝（Ｌｃｍｄ，ＰＢ，ＴＩ，ＰＥ，Ｔｏｕｔ，Ｒｍ１，
　　　　　　　　Ｔｏｕｔｐｏｓｔ，ＧＡ，ＮＥ）　　　　　　　　（３４）

　還元剤排出量ＳＯＭの各ニューロンＮＲＲｅｄiに対応して、下記式（３５）で示される重み係数ベクトルＣＲｅｄiが記憶されている。
　ＣＲｅｄi＝（ＣＲｅｄ０i，ＣＲｅｄ１i，ＣＲｅｄ２i，ＣＲｅｄ３i，
　　　　　　　　ＣＲｅｄ４i，ＣＲｅｄ５i，ＣＲｅｄ６i，ＣＲｅｄ７i，
　　　　　　　　ＣＲｅｄ８i，ＣＲｅｄ９i）　　　　　　　　　　（３５）

　したがって、先ずリフト量指令値Ｌｃｍｄ及び過給圧ＰＢに応じてニューロンＮＲＲｅｄiを選択し、次に選択したニューロンＮＲＲｅｄiの重み係数ベクトルＣＲｅｄｉを下記式（３６）に適用することにより、推定還元剤排出量Ｒｅｄｈａｔが算出される。
　Ｒｅｄｈａｔ＝ＣＲｅｄ１i×Ｌｃｍｄ＋ＣＲｅｄ２i×ＰＢ
　　　　＋ＣＲｅｄ３i×ＴＩ＋ＣＲｅｄ４i×ＰＥ＋ＣＲｅｄ５i×Ｔｏｕｔ
　　　　＋ＣＲｅｄ６i×Ｒｍ１＋ＣＲｅｄ７i×Ｔｏｕｔｐｏｓｔ
　　　　＋ＣＲｅｄ８i×ＧＡ＋ＣＲｅｄ９i×ＮＥ＋ＣＲｅｄ０i　　（３６）

　ステップＳ６４では、ＮＯｘ還元モードフラグＦＲｅｄＭｏｄが「１」であるか否かを判別する。ステップＳ６４でＦＲｅｄＭｏｄ＝０であるときは、下記式（３７）に修正係数Ｋｒｓｍ，推定ＮＯｘ排出量ＮＯｘｈａｔ，及び相関パラメータａ(k)を適用し、捕捉ＮＯｘ量ＭＮＯｘ(k)を算出する（ステップＳ６５）。
　ＭＮＯｘ(k)＝ＭＮＯｘ(k-1)＋Ｋｒｓｍ×ＮＯｘｈａｔ／ａ(k)　　（３７）

　ステップＳ６６では、捕捉ＮＯｘ量ＭＮＯｘ(k)がＮＯｘ量判定閾値ＭＮＯｘＬＭＴ以上であるか否かを判別し、その答が肯定（ＹＥＳ）であるときは、ＮＯｘ還元モードフラグＦＲｅｄＭｏｄを「１」に設定する（ステップＳ６７）。捕捉ＮＯｘ量ＭＮＯｘ(k)がＮＯｘ量判定閾値ＭＮＯｘＬＭＴに達していないときは直ちに本処理を終了する。

　ＮＯｘ還元モードフラグＦＲｅｄＭｏｄが「１」に設定されると、ステップＳ６４の答が肯定（ＹＥＳ）となり、ステップＳ６８に進んで、下記式（３８）に推定還元剤排出量Ｒｅｄｈａｔを適用し、捕捉ＮＯｘ量ＭＮＯｘ(k)を減少方向に更新する。
　ＭＮＯｘ(k)＝ＭＮＯｘ(k-1)－Ｒｅｄｈａｔ　　　　　　　　　　（３８）

　ステップＳ６９では、捕捉ＮＯｘ量ＭＮＯｘ(k)が「０」以下であるか否かを判別し、その答が肯定（ＹＥＳ）であるときは、ＮＯｘ還元モードフラグＦＲｅｄＭｏｄを「０」に設定する（ステップＳ７０）。捕捉ＮＯｘ量ＭＮＯｘ(k)が
「０」になっていないときは直ちに本処理を終了する。

　捕捉ＮＯｘ量ＭＮＯｘ(k)の算出に相関パラメータａ(k)を適用することにより（式（３７））、エンジンの特性ばらつきや経年変化の影響を排除し、正確な捕捉ＮＯｘ量ＭＮＯｘを得ることができる。その結果、捕捉されたＮＯｘの還元処理を適切なタイミングで実行することができ、ＮＯｘ排出量が規制値を超えるような事態を回避することができる。

　本実施形態では、ＮＯｘ排出量ＳＯＭを用いて推定ＮＯｘ排出量ＮＯｘｈａｔが算出されるとともに、ＮＯｘ還元処理を実行しているときに還元されるのＮＯｘ量を示す推定還元剤排出量Ｒｅｄｈａｔが、還元剤排出量ＳＯＭを用いて算出される。ニューラルネットワーク（ＳＯＭ）は、入力パラメータ同士の非線形な関係を記憶できるという特徴を有するので、ニューラルネットワークを用いることにより、エンジンの定常状態だけでなく、過渡状態においても正確な推定ＮＯｘ排出量ＮＯｘｈａｔ及び推定還元剤量Ｒｅｄｈａｔを得ることができ、したがってより正確な捕捉ＮＯｘ量ＭＮＯｘを得ることができる。その結果、ＮＯｘ還元処理を適切な時期に実行し、ＮＯｘ排出量を低いレベルに維持することができる。

　さらに推定ＮＯｘ排出量ＮＯｘｈａｔを相関パラメータａ(k)及び修正係数Ｋｒｓｍにより補正して、リーンＮＯｘ触媒３１の捕捉ＮＯｘ量ＭＮＯｘを算出するようにしたので、エンジン（特に排気還流装置）の特性ばらつきや経時変化の影響を排除し、正確な捕捉ＮＯｘ量ＭＮＯｘを得ることができる。その結果、捕捉されたＮＯｘの還元処理を適切なタイミングで実行することができ、ＮＯｘ排出量が規制値を超えるような事態を回避することができる。

　また相関パラメータａ(k)が判定閾値ＡＯＢＤＬＭＴ以下となったときは、排気還流装置が故障したと判定し、警告灯点灯させるようにしたので、ＮＯｘ排出量が規制値を超えるような状態を早期に解消することができる。

　図１２は、標準的なエンジンにおける制御動作例を示すタイムチャートであり、エンジン回転数ＮＥ、過給圧ＰＢ、実排気還流量ＥＧＲａｃｔ、推定排気還流量ＥＧＲｈａｔ、上記式（３７）または（３８）により算出される捕捉ＮＯｘ量ＭＮＯｘ、実捕捉ＮＯｘ量ＭＮＯｘａｃｔ、ＮＯｘ還元モードフラグＦＲｅｄＭｏｄ、及びリーンＮＯｘ触媒３１の下流側に排出されるＮＯｘ量（以下「下流側ＮＯｘ排出量」という）ＥＮＯｘＤＳの推移が示されている。図１２（ｃ）において、実線が実排気還流量ＥＧＲａｃｔに対応し、破線が推定排気還流量ＥＧＲｈａｔに対応する。また図１２（ｄ）において、実線が実捕捉ＮＯｘ量ＭＮＯｘａｃｔに対応し、破線が算出捕捉ＮＯｘ量ＭＮＯｘに対応する。実捕捉ＮＯｘ量ＭＮＯｘａｃｔと、算出捕捉ＮＯｘ量ＭＮＯｘとは、ほぼ一致していることが確認できる。この状態では、ＮＯｘ還元処理が適切なタイミングで実行され、下流側ＮＯｘ排出量ＥＮＯｘＤＳは低レベルに維持されている。

　図１３は、ＥＧＲ弁の詰まりが発生しており、かつ相関パラメータａ(k)によるＮＯｘ排出量の補正を行わない場合の動作例を示す。エンジン回転数ＮＥ及び過給圧ＰＢの推移は、図１２と同一である（図示省略）。図１３（ａ）に示すように、実排気還流量ＥＧＲａｃｔが推定排気還流量ＥＧＲｈａｔより小さくなり、ＮＯｘ還元モードの開始タイミング（図１３（ｃ）に示すＦＲｅｄＭｏｄが「０」から「１」に変化するタイミング）が遅れるため、図１３（ｄ）に示す下流側ＮＯｘ排出量ＥＮＯｘＤＳが図１２の例より増加する。

　図１４は、図１３に示す動作例において、相関パラメータａ(k)に応じて排出ＮＯｘ量の補正を行う（式（３７））ようにした例を示す。図１４（ｂ）の実線がこの例における実捕捉ＮＯｘ量ＭＮＯｘａｃｔの推移を示す。相関パラメータａ(k)は、制御動作を繰り返すことにより徐々に現在のエンジン状態を反映した値に収束していく（図１４（ａ））。それに伴って補正後のＮＯｘ排出量（＝Ｋｒｓｍ×ＮＯｘｈａｔ／ａ(k)）が適切なものとなり、図１４（ｃ）に示すようにＮＯｘ還元処理の開始タイミングが適切なものとなり、図１４（ｄ）に示すように下流側ＮＯｘ排出量ＥＮＯｘＤＳが徐々に減少する。

　本実施形態では、ＥＣＵ２０が、捕捉ＮＯｘ量推定手段及び還元処理手段を構成する。具体的には、図１０のステップＳ６１～Ｓ６５及びＳ６８が捕捉ＮＯｘ量推定手段及に相当し、ステップＳ６６，Ｓ６７，Ｓ６９，及びＳ７０が還元処理手段に相当する。

　［第２の実施形態］
　図１５は本実施形態にかかる内燃機関及びその制御装置の構成を示す図である。本実施形態では、排気還流量センサ２６が設けられておらず、排気管４のエンジン１の直ぐ下流側に空燃比センサ３０が設けられている。空燃比センサ３０は、排気中の酸素濃度を検出することにより、燃焼室内の混合気の空燃比ＡＦを検出し、検出信号をＥＣＵ２０に供給する。図１５に示すこれ以外の構成は、図１に示す構成と同一である。

　本実施形態は、排気還流量センサを用いることなく、ＥＧＲ量ＳＯＭを用いて、排気還流制御及び／または過給制御の状態判定を行い、判定した制御状態を示すパラメータとして、距離パラメータＤｉｓｃａｖｅを算出し、距離パラメータＤｉｓｃａｖｅに応じて、リーンＮＯｘ触媒３１に捕捉されたＮＯｘ量の算出に適用されるＮＯｘ排出量を補正するようにしたものである。また距離パラメータＤｉｓｃａｖｅに基づいた故障判定が行われる。

　さらに本実施形態では、排気還流装置が故障（例えばＥＧＲ弁の詰まり）が発生した状態に対応する自己組織化マップ（以下「第１故障ＥＧＲ量ＳＯＭ」という）、及び吸入空気流量センサ２１が故障（例えば検出値の誤差が所定値以上増加した故障）が発生した状態に対応する自己組織化マップ（以下「第２故障ＥＧＲ量ＳＯＭ」という）を予め作成しておき、これらのＳＯＭを用いて故障判定が行われる。具体的には、第１及び第２故障ＥＧＲ量ＳＯＭを用いて、第１及び第２故障距離パラメータＤｉｓｅａｖｅ及びＤｉｓａａｖｅが算出され、第１及び第２故障距離パラメータＤｉｓｅａｖｅ及びＤｉｓａａｖｅに応じて、排気還流装置及び吸入空気流量センサ２１の故障判定が行われる。なお、以下に説明する点以外は第１の実施形態と同一である。

　図１６および図１７は、本実施形態における燃料噴射制御処理のフローチャートである。ステップＳ１１１では、エンジン回転数ＮＥ及びエンジン負荷目標値Ｐｍｅｃｍｄに応じて図１８（ａ）に示すＬｃｍｄｂｓマップを検索し、ＥＧＲ弁リフト量基本指令値Ｌｃｍｄｂｓを算出する。Ｌｃｍｄｂｓマップは、図５（ａ）に示すＬｃｍｄマップと同様に設定されている。

　ステップＳ１１２では、図４のステップＳ４２と同一の処理が行われ、目標過給圧ＰＢｃｍｄが算出される。ステップＳ１１３では、エンジン回転数ＮＥ及びエンジン負荷目標値Ｐｍｅｃｍｄに応じて、図１８（ｂ）に示すＫｃｍｄマップを検索し、目標当量比Ｋｃｍｄを算出する。目標当量比Ｋｃｍｄは目標空燃比ＡＦｃｍｄを当量比に変換したものである。Ｋｃｍｄマップによれば、基本的にはエンジン負荷目標値Ｐｍｅｃｍｄが増加するほど目標当量比Ｋｃｍｄは増加するように設定される。すなわち低負荷領域では燃費を向上させるために、目標当量比Ｋｃｍｄは比較的小さな値に設定される。ただし、中回転中負荷領域では排気還流量が大きくなるため、目標当量比Ｋｃｍｄはエンジン負荷目標値Ｐｍｅｃｍｄが高負荷値Ｐｍｅｃｍｄ３であるときより、大きな値に設定される。

　ステップＳ１１４では、図４のステップＳ４３と同一の処理が行われ、燃料噴射量Ｔｏｕｔが算出される。ステップＳ１１５では、空燃比センサ３０により検出される空燃比ＡＦを当量比に変換し、検出当量比Ｋａｃｔを算出する。

　ステップＳ１１６では、検出当量比Ｋａｃｔが目標当量比Ｋｃｍｄに一致するように、スライディングモード制御によりＥＧＲ弁リフト量指令値Ｌｃｍｄを算出する。具体的には、下記式（４１）に示すように、ステップＳ１１１で算出される基本指令値Ｌｃｍｄｂｓ(k)にスライディングモード補正項Ｌｓｍｃ(k)を加算することにより、ＥＧＲ弁リフト量指令値Ｌｃｍｄ(k)が算出される。
　Ｌｃｍｄ(k)＝Ｌｃｍｄｂｓ(k)＋Ｌｓｍｃ(k)　　　　　　　　（４１）

　スライディングモード補正項Ｌｓｍｃ(k)は下記式（４２）により、到達則入力Ｌｒｃｈ(k)及び適応則入力Ｌａｄｐ(k)の和として算出される。到達則入力Ｌｒｃｈ(k)及び適応則入力Ｌａｄｐ(k)は、それぞれ下記式（４３）及び（４４）により算出される。

　式（４３）及び（４４）のσＬは、下記式（４５）により算出される切換関数値であり、ＫＬｒｃｈ及びＫＬａｄｐはそれぞれ到達則制御ゲイン及び適応則制御ゲインである。式（４５）のｅａｆ(k)は、下記式（４６）により算出される制御偏差であり、ＳＬは「－１」から「０」の間の値に設定される切換関数設定パラメータである。
　σＬ(k)＝ｅａｆ(k)＋ＳＬ×ｅａｆ(k-1)　　　　　　　　　　　　（４５）
　ｅａｆ(k)＝Ｋａｃｔ(k)－Ｋｃｍｄ(k)　　　　　　　　　　　　　（４６）

　ステップＳ１１７では、検出される過給圧ＰＢが目標過給圧ＰＢｃｍｄと一致するように、タービンのベーン開度θｖｇｔ(k)をスライディングモード制御により算出する。具体的には、ベーン開度θｖｇｔ(k)は、下記式（４７）により到達則入力θｒｃｈ(k)及び適応則入力θａｄｐ(k)の和として算出される。到達則入力θｒｃｈ(k)及び適応則入力θａｄｐ(k)は、それぞれ下記式（４８）及び（４９）により算出される。

　式（４８）及び（４９）のσＶは、下記式（５０）により算出される切換関数値であり、Ｋθｒｃｈ及びＫθａｄｐはそれぞれ到達則制御ゲイン及び適応則制御ゲインである。式（５０）のｅｐｂ(k)は、下記式（５１）により算出される制御偏差であり、Ｓθは「－１」から「０」の間の値に設定される切換関数設定パラメータである。
　σＶ(k)＝ｅｐｂ(k)＋Ｓθ×ｅｐｂ(k-1)　　　　　　　　　　　　（５０）
　ｅｐｂ(k)＝ＰＢｃｍｄ(k)－ＰＢ(k)　　　　　　　　　　　　　　（５１）

　ステップＳ１１８では、図１９に示すＥＧＲ制御／過給制御の状態判定処理を実行し、上述した距離パラメータＤｉｓｃａｖｅ、第１故障距離パラメータＤｉｓｅａｖｅ、及び第２故障距離パラメータＤｉｓａａｖｅを算出する。距離パラメータＤｉｓｃａｖｅは、その値が増加するほど現在の制御状態が標準的なエンジンについての制御状態からずれていることを示す。より具体的には、例えば距離パラメータＤｉｓｃａｖｅが増加することは、ＥＧＲ弁の詰まりにより、実排気還流量ＥＧＲａｃｔが標準的なエンジンに対応する流量より減少していることを示す。また第１故障距離パラメータＤｉｓｅａｖｅは、その値が減少するほど、現在の制御状態が第１故障ＥＧＲ量ＳＯＭに対応する故障状態（排気還流装置が故障している状態）に近いことを示し、第２故障距離パラメータＤｉｓａａｖｅは、その値が減少するほど、現在の制御状態が第２故障ＥＧＲ量ＳＯＭに対応する故障状態（吸入空気流量センサ２１が故障している状態）に近いことを示す。

　ステップＳ１１９では、図２０に示すリーンＮＯｘ触媒の状態判定処理を実行する。図２０の処理は、第１の実施形態における図１０のステップＳ６５をステップＳ６５ａに代えたものである。ステップＳ６５ａでは、相関パラメータａ(k)を用いる式（３７）ではなく、下記式（７１）に距離パラメータＤｉｓｃａｖｅを適用して、捕捉ＮＯｘ量ＭＮＯｘを算出する。
　ＭＮＯｘ(k)＝ＭＮＯｘ(k-1)
　　　　　＋（１＋Ｄｉｓｃａｖｅ(k)）×Ｋｒｓｍ×ＮＯｘｈａｔ　（７１）

　式（７１）により、距離パラメータＤｉｓｃａｖｅ(k)が増加するほど、ＮＯｘ排出量を示す右辺第２項が増加し、実際のＮＯｘ排出量の増加に対応した捕捉ＮＯｘ量ＭＮＯｘを得ることができる。したがって、式（７１）により算出される捕捉ＮＯｘ量ＭＮＯｘを用いてＮＯｘ還元処理の開始タイミングを決定することにより（ステップＳ６６，Ｓ６７）、適切なタイミングでＮＯｘ還元処理を開始し、リーンＮＯｘ触媒３１の下流側に排出されるＮＯｘ量を低いレベルに維持することができる。

　図１６に戻り、ステップＳ１２０では、図４のステップＳ４６と同様にパイロット噴射量Ｔｏｕｔｐを算出する。ステップＳ１２１では、図４のステップＳ４７と同様に分割比率Ｒｍ１を算出する。

　ステップＳ１２２及びＳ１２３では、図４のステップＳ４８及びＳ４９と同様に、第１主噴射量Ｔｏｕｔｍ１(k)及び第２主噴射量Ｔｏｕｔｍ２を算出する。

　図１７のステップＳ１２４では、還元モードフラグＦＲｅｄＭｏｄが「１」であるか否かを判別し、その答が肯定（ＹＥＳ）であるときは、第１の実施形態における図４のステップＳ５１と同様にして、ポスト噴射量Ｔｏｕｔｐｏｓｔを算出する（ステップＳ１２５）。すなわち、ＮＯｘ還元処理では、ポスト噴射ＩＰＯＳＴが実行され、排気系に還元剤が供給される。ステップＳ１２５実行後はステップＳ１３１に進む。ステップＳ１２４の答が否定（ＮＯ）であるときは直ちにステップＳ１３１に進む。

　ステップＳ１３１では、距離パラメータＤｉｓｃａｖｅ(k)が第１故障判定閾値ＤＩＳＯＢＤＬＭＴより大きいか否かを判別し、その答が否定（ＮＯ）であるときは、正常と判定し、直ちに本処理を終了する。

　ステップＳ１３１でＤｉｓｃａｖｅ＞ＤＩＳＯＢＤＬＭＴであるときは、何らかの故障が発生していると判定し、第１故障距離パラメータＤｉｓｅａｖｅ(k)が第２故障判定閾値ＤＩＳＯＢＤＬＭＴＥより大きいか否かを判別する（ステップＳ１３２）。その答が否定（ＮＯ）であるときは、排気還流装置が故障している判定し、そのことを示す警告灯を点灯する（ステップＳ１３３）。

　ステップＳ１３２で、Ｄｉｓｅａｖｅ(k)＞ＤＩＳＯＢＤＬＭＴＥであるときは、さらに第２距離パラメータＤｉｓａａｖｅが第３故障判定閾値ＤＩＳＯＢＤＬＭＴＡより大きいか否かを判別する（ステップＳ１３４）。その答が否定（ＮＯ）であるときは、吸入空気流量センサ２１が故障している判定し、そのことを示す警告灯を点灯する（ステップＳ１３５）。

　ステップＳ９４でＤｉｓａａｖｅ(k)＞ＤＩＳＯＢＤＬＭＴＡであるときは、エンジン１が備える、排気還流装置及び吸入空気流量センサ２１以外の装置が故障していると判定し、そのことを示す警告灯を点灯する（ステップＳ１３６）。

　図１９は、図１６のステップＳ１１８で実行されるＥＧＲ制御／過給制御の状態判定処理のフローチャートである。
　ステップＳ１０１ではＥＧＲ弁リフト量指令値Ｌｃｍｄ(k)及び検出過給圧ＰＢ(k)を下記式（６１）に適用し、ＥＧＲ量ＳＯＭのすべてのニューロンについて２次元距離Ｄｉｓｃｉ(k)を算出する。式（６１）のＬｃｍｄｃｉ及びＰＢｃｉは、ｉ番目（ｉ＝１～Ｍ）のニューロンＮＲｉの図２に示す２次元平面上の座標である。

　ステップＳ１０２では、下記式（６２）によりＭ個のニューロンについて算出された２次元距離Ｄｉｓｃｉ(k)の最小値Ｄｉｓｃｍｉｎ(k)を算出する。
　Ｄｉｓｃｍｉｎ(k)＝
　　ｍｉｎ（Ｄｉｓｃ１(k)，Ｄｉｓｃ２(k)，…，ＤｉｓｃＭ(k)）　（６２）

　ステップＳ１０３では、下記式（６３）により最小値Ｄｉｓｃｍｉｎ(k)の移動平均化演算（データ数：Ｎａｖｅ＋１）を行い、距離パラメータＤｉｓｃａｖｅ(k)を算出する。

　距離パラメータＤｉｓｃａｖｅは、現在のＥＧＲ制御及び／または過給制御の状態の、標準的なエンジンについての制御状態からのずれ量ＤＥＶＲＥＦを示す。すなわち、現在の制御状態が標準的なエンジンについての制御状態と同一であれば、距離パラメータＤｉｓｃａｖｅはほぼ「０」となり、エンジンの特性ばらつきや経年変化によってずれ量ＤＥＶＲＥＦが大きくなるほど、距離パラメータＤｉｓｃａｖｅが増加する。したがって、距離パラメータＤｉｓｃａｖｅが第１故障判定閾値ＤＩＳＯＢＤＬＭＴより大きいときは、現在の制御状態に何らかの異常がある、すなわちエンジン１が備えるいずれかの装置が故障していると判定することができる（図１７，ステップＳ１３１）。

　ステップＳ１０４では上述した第１故障ＥＧＲ量ＳＯＭを用いて、下記式（６４）によりステップＳ１０１と同様の演算を行い、第１故障ＥＧＲ量ＳＯＭのすべてのニューロンについて２次元距離Ｄｉｓｅｉ(k)を算出する。式（６４）のＬｃｍｄｅｉ及びＰＢｅｉは、第１故障ＥＧＲ量ＳＯＭ上のｉ番目（ｉ＝１～Ｍ）のニューロンの２次元平面（Ｌｃｍｄ及びＰＢで定義される平面）上の座標である。

　ステップＳ１０５では、下記式（６５）によりＭ個のニューロンについて算出された２次元距離Ｄｉｓｅｉ(k)の最小値Ｄｉｓｅｍｉｎ(k)を算出する。
　Ｄｉｓｅｍｉｎ(k)＝
　　ｍｉｎ（Ｄｉｓｅ１(k)，Ｄｉｓｅ２(k)，…，ＤｉｓｅＭ(k)）　（６５）

　ステップＳ１０６では、下記式（６６）により最小値Ｄｉｓｅｍｉｎ(k)の移動平均化演算を行い、第１故障距離パラメータＤｉｓｅａｖｅ(k)を算出する。

　第１故障距離パラメータＤｉｓｅａｖｅは、現在のＥＧＲ制御及び／または過給制御の状態の、第１故障ＥＧＲ量ＳＯＭに対応する制御状態からのずれ量ＤＥＶＦＬ１を示す。すなわち、現在の制御状態が第１故障ＥＧＲ量ＳＯＭに対応する制御状態と同一であれば、第１故障距離パラメータＤｉｓｅａｖｅはほぼ「０」となり、ずれ量ＤＥＶＦＬ１が増加するほど第１故障距離パラメータＤｉｓｅａｖｅが増加する。したがって、第１故障距離パラメータＤｉｓｅａｖｅが第２故障判定閾値ＤＩＳＯＢＤＬＭＴＥ以下であるときは、排気還流装置が故障していると判定することができる（図１７，ステップＳ１３２，Ｓ１３３）。

　ステップＳ１０７では上述した第２故障ＥＧＲ量ＳＯＭを用いて、下記式（６７）によりステップＳ１０１と同様の演算を行い、第２故障ＥＧＲ量ＳＯＭのすべてのニューロンについて２次元距離Ｄｉｓａｉ(k)を算出する。式（６７）のＬｃｍｄａｉ及びＰＢａｉは、第２故障ＥＧＲ量ＳＯＭ上のｉ番目（ｉ＝１～Ｍ）のニューロンの２次元平面（Ｌｃｍｄ及びＰＢで定義される平面）上の座標である。

　ステップＳ１０８では、下記式（６８）によりＭ個のニューロンについて算出された２次元距離Ｄｉｓａｉ(k)の最小値Ｄｉｓａｍｉｎ(k)を算出する。
　Ｄｉｓａｍｉｎ(k)＝
　　ｍｉｎ（Ｄｉｓａ１(k)，Ｄｉｓａ２(k)，…，ＤｉｓａＭ(k)）　（６８）

　ステップＳ１０９では、下記式（６９）により最小値Ｄｉｓａｍｉｎ(k)の移動平均化演算を行い、第２故障距離パラメータＤｉｓａａｖｅ(k)を算出する。

　第２故障距離パラメータＤｉｓａａｖｅは、現在のＥＧＲ制御及び／または過給制御の状態の、第２故障ＥＧＲ量ＳＯＭに対応する制御状態からのずれ量ＤＥＶＦＬ２を示す。すなわち、現在の制御状態が第２故障ＥＧＲ量ＳＯＭに対応する制御状態と同一であれば、第２故障距離パラメータＤｉｓａａｖｅはほぼ「０」となり、ずれ量ＤＥＶＦＬ２が増加するほど第２故障距離パラメータＤｉｓｅａｖｅが増加する。したがって、第２故障距離パラメータＤｉｓｅａｖｅが第３故障判定閾値ＤＩＳＯＢＤＬＭＴＡ以下であるときは、吸入空気流量センサ２１が故障していると判定することができる（図１７，ステップＳ１３４，Ｓ１３５）。

　以上のように本実施形態では、距離パラメータＤｉｓｃａｖｅ、故障距離パラメータＤｉｓｅａｖｅ及びＤｉｓａａｖｅと故障判定閾値を比較することにより、故障判定を行うようにしたので、エンジン１が備える装置の故障を特別なセンサを設けることなく判定することが可能となる。

　排気還流装置の故障している状態に対応した第１故障ＥＧＲ量ＳＯＭ及び吸入空気流量センサ２１が故障している状態に対応した第２故障ＥＧＲ量ＳＯＭを予め作成しておき、これらのＳＯＭを用いて算出される第１および第２故障距離パラメータＤｉｓｅａｖｅ，Ｄｉｓａａｖｅにより故障判定を行うことにより、排気還流装置または吸入空気流量センサの故障を判定することができる。

　図２１は、標準的なエンジンにおける制御動作例を示すタイムチャートであり、エンジン回転数ＮＥ、目標過給圧ＰＢｃｍｄ、過給圧ＰＢ、ＥＧＲ弁リフト量基本指令値Ｌｃｍｄｂｓ、ＥＧＲ弁リフト量指令値Ｌｃｍｄ、式（７１）または（３８）により算出される捕捉ＮＯｘ量ＭＮＯｘ、実捕捉ＮＯｘ量ＭＮＯｘａｃｔ、ＮＯｘ還元モードフラグＦＲｅｄＭｏｄ、及び下流側ＮＯｘ排出量ＥＮＯｘＤＳの推移が示されている。図２１（ｂ）において、実線が検出過給圧ＰＢに対応し、破線が目標過給圧ＰＢｃｍｄに対応する。両者はよく一致している。また図２１（ｃ）において実線がリフト量指令値Ｌｃｍｄに対応し、破線がリフト量基本指令値Ｌｃｍｄｂｓに対応する。両者はよく一致している。また図２１（ｄ）において、実線が実捕捉ＮＯｘ量ＭＮＯｘａｃｔに対応し、破線が算出捕捉ＮＯｘ量ＭＮＯｘに対応する。実捕捉ＮＯｘ量ＭＮＯｘａｃｔと、算出捕捉ＮＯｘ量ＭＮＯｘとは、ほぼ一致している。この状態では、ＮＯｘ還元処理が適切なタイミングで実行され、下流側ＮＯｘ排出量ＥＮＯｘＤＳは低レベルに維持されている。

　図２２は、ＥＧＲ弁の詰まりが発生しており、かつ距離パラメータＤｉｓｃａｖｅよるＮＯｘ排出量の補正を行わない場合の動作例を示す。エンジン回転数ＮＥの推移は、図２１と同一である（図示省略）。図２２（ａ）に示すように目標過給圧ＰＢｃｍｄと、検出過給圧ＰＢとの差が徐々に増加するとともに、図２２（ｂ）に示すようにリフト量基本指令値Ｌｃｍｄｂｓとリフト量指令値Ｌｃｍｄとの差も徐々に増加している。これは実排気還流量ＥＧＲａｃｔの減少の影響を２つのフィードバック制御（ステップＳ１１６，Ｓ１１７）が修正するように動作しているためである。そのため、図２２（ｃ）に示すように、実捕捉ＮＯｘ量ＭＮＯｘａｃｔが破線で示す算出捕捉ＮＯｘ量ＭＮＯｘより大きくなる。その結果、図２２（ｄ）に示すように、ＮＯｘ還元処理の開始タイミング（ＦＲｅｄＭｏｄが「０」から「１」に変化するタイミング）が遅れ、下流側ＮＯｘ排出量ＥＮＯｘＤＳがＮＯｘ還元処理の開始前に増加する（図２３（ｅ））。

　図２３は、図２２に示す動作例において、距離パラメータＤｉｓｃａｖｅ(k)に応じて排出ＮＯｘ量の補正を行う（式（７１））ようにした例を示す。図２３（ｂ）の実線がこの例における実捕捉ＮＯｘ量ＭＮＯｘａｃｔの推移を示す。距離パラメータＤｉｓｃａｖｅ(k)は、制御動作を繰り返すことにより徐々に現在のエンジン状態を反映した値に収束していく（図２３（ａ））。それに伴って補正後のＮＯｘ排出量（＝（１＋Ｄｉｓｃａｖｅ(k)）×Ｋｒｓｍ×ＮＯｘｈａｔ）が適切なものとなり、図２３（ｃ）に示すようにＮＯｘ還元処理の開始タイミングが適切なものとなる。その結果、図２３（ｄ）に示すように下流側ＮＯｘ排出量ＥＮＯｘＤＳが徐々に減少する。

　以上詳述したように本実施形態では、ＮＯｘ排出量ＳＯＭを用いて推定ＮＯｘ排出量ＮＯｘｈａｔを算出し、推定ＮＯｘ排出量ＮＯｘｈａｔを距離パラメータＤｉｓｃａｖｅ(k)及び修正係数Ｋｒｓｍにより補正して、リーンＮＯｘ触媒３１の捕捉ＮＯｘ量ＭＮＯｘを算出するようにしたので、エンジン（特に排気還流装置）の特性ばらつきや経時変化の影響を排除し、正確な捕捉ＮＯｘ量ＭＮＯｘを得ることができる。その結果、捕捉されたＮＯｘの還元処理を適切なタイミングで実行することができ、ＮＯｘ排出量が規制値を超えるような事態を回避することができる。

　本実施形態では、図２０のステップＳ６１～Ｓ６５ａ及びＳ６８が捕捉ＮＯｘ量推定手段及に相当し、ステップＳ６６，Ｓ６７，Ｓ６９，及びＳ７０が還元処理手段に相当する。

　なお本発明は上述した実施形態に限るものではなく、種々の変形が可能である。例えば、第１の実施形態においては、ニューラルネットワークは、自己組織化マップだけでなく、図２４及び図２５に示すように、いわゆるパーセプトロンとして知られるものを適用することができる。

　図２４に示すニューラルネットワークは、推定排気還流量ＥＧＲｈａｔを算出するものである。このニューラルネットワークは、入力層、中間層、出力層の３層構造を有し、さらに入力データを１サンプル周期遅延させる遅延部１０１～１０７を有する。学習アルゴリズムは、周知のバックプロパゲーション（Back-Propagation）学習アルゴリズムを採用した。なお、学習アルゴリズムは、ランダム探索法など他の手法を採用してもよい。

　入力層の各ニューロンに入力されるパラメータは、上述したＥＧＲ量ＳＯＭの入力パラメータである、リフト量指令値Ｌｃｍｄ，過給圧ＰＢ，排気圧ＰＥ，吸気温ＴＩ，燃料噴射量Ｔｏｕｔ，吸入空気流量ＧＡ，エンジン回転数ＮＥ、及びこれらのパラメータの１サンプル時間前の過去値（ただし吸気温ＴＩを除く）、並びに出力パラメータである推定排気還流量ＥＧＲｈａｔの１サンプル時間前の過去値である。

　入力パラメータをＵｉ（ｉ＝１～Ｎｉ）で表すと、各入力パラメータＵｉは、結合係数行列により重み付けされ、中間層の各ニューロンに入力される。中間層出力Ｘｊ(k)（ｊ＝１～Ｎｊ）は、下記式（８１）で与えられる。式（８１）のＷｉｊは結合係数であり、Ｗ０は加算項、Ｆは例えばシグモイド関数、ラジアル基底関数などが適用される入出力関数である。

　出力層では、出力パラメータをＹ(k)で表すと、出力パラメータＹ(k)は、下記式（８２）で与えられる。Ｒjは結合係数、Ｒ０は加算項である。

　式（８１）及び（８２）の結合係数Ｗｉｊ，Ｒｊ、及び加算項Ｗ０，Ｒ０は、学習用入力データを用いて所定の学習アルゴリズムを用いて予め算出され、メモリが格納されている。基準とするエンジンは上述したＳＯＭと同様に標準的な特性のエンジンである。

　エンジン運転パラメータの過去値及び出力パラメータの過去値も入力パラメータとして採用することにより、過渡的な状態での推定精度を向上させることができる。図２４に示した構成では、１サンプル周期前のデータを入力パラメータとしたが、さらに２サンプル周期前のデータや３サンプル周期前のデータも用いるようにしてもよい。

　図２５に示すニューラルネットワークは、推定ＮＯｘ排出量ＮＯｘｈａｔを算出するためものであり、図２４に示すニューラルネットワークと同様の構造を有する。ただし、入力パラメータとして主噴射の分割比率Ｒｍ１が追加されている。式（８１）及び（８２）と同様の数式を用いることにより、推定ＮＯｘ排出量ＮＯｘｈａｔを算出することができる。

　なお、図２５に示すニューラルネットワークに、さらに入力パラメータとしてポスト噴射量Ｔｏｕｔｐｏｓｔを追加することにより、推定還元剤排出量Ｒｅｄｈａｔを算出するためのニューラルネットワークも同様に構成することができる。

　また上述した実施形態では、推定ＮＯｘ排出量ＮＯｘｈａｔ及び推定還元剤排出量Ｒｅｄｈａｔをともに、ニューラルネットワークを用いて算出するようにしたが、いずれか一方のみをニューラルネットワークを用いて算出するようにしてもよい。

　本発明は、上述したディーゼル内燃機関の排気浄化装置に限らずガソリン内燃機関の制御装置にも適用可能である。クランク軸を鉛直方向とした船外機などのような船舶推進機用エンジンなどの排気浄化装置にも適用が可能である。

Claims

　排気が酸化雰囲気にあるとき排気中のＮＯｘを捕捉し、前記排気が還元雰囲気にあるとき捕捉したＮＯｘを放出するリーンＮＯｘ触媒を排気系に備える内燃機関の排気浄化装置であって、
　前記機関の運転状態を示す機関運転パラメータが入力され、前記リーンＮＯｘ触媒に関わる制御パラメータを出力するニューラルネットワークを用いて、前記リーンＮＯｘ触媒に捕捉されたＮＯｘ量の推定値である推定捕捉ＮＯｘ量を算出する捕捉ＮＯｘ量推定手段と、
　前記推定捕捉ＮＯｘ量に応じて前記リーンＮＯｘ触媒に捕捉されたＮＯｘの還元処理を行う還元処理手段とを備える内燃機関の排気浄化装置。
　前記ニューラルネットワークは、自己組織化マップアルゴリズムが適用されるものである請求項１の排気浄化装置。
　前記リーンＮＯｘ触媒に関わる制御パラメータは、前記機関から排出されるＮＯｘ量の推定値または前記機関から排出される還元剤量の推定値である請求項１の排気浄化装置。
　前記リーンＮＯｘ触媒に関わる制御パラメータは、前記機関から排出されるＮＯｘ量の推定値または前記機関から排出される還元剤量の推定値である請求項２の排気浄化装置。
　排気が酸化雰囲気にあるとき排気中のＮＯｘを捕捉し、前記排気が還元雰囲気にあるとき捕捉したＮＯｘを放出するリーンＮＯｘ触媒を排気系に備える内燃機関の排気浄化方法であって、下記ステップからなるもの：
　ａ）前記機関の運転状態を示す機関運転パラメータが入力され、前記リーンＮＯｘ触媒に関わる制御パラメータを出力するニューラルネットワークを用いて、前記リーンＮＯｘ触媒に捕捉されたＮＯｘ量の推定値である推定捕捉ＮＯｘ量を算出し、
　ｂ）前記推定捕捉ＮＯｘ量に応じて前記リーンＮＯｘ触媒に捕捉されたＮＯｘの還元処理を行う。
　前記ニューラルネットワークは、自己組織化マップアルゴリズムが適用されるものである請求項５の排気浄化方法。
　前記リーンＮＯｘ触媒に関わる制御パラメータは、前記機関から排出されるＮＯｘ量の推定値または前記機関から排出される還元剤量の推定値である請求項５の排気浄化方法。
　前記リーンＮＯｘ触媒に関わる制御パラメータは、前記機関から排出されるＮＯｘ量の推定値または前記機関から排出される還元剤量の推定値である請求項６の排気浄化方法。