WO2011033662A1

WO2011033662A1 - 内燃機関の制御装置

Info

Publication number: WO2011033662A1
Application number: PCT/JP2009/066417
Authority: WO
Inventors: ミハエルフィッシャー; 裕司安井; 幸一中島
Original assignee: 本田技研工業株式会社
Priority date: 2009-09-18
Filing date: 2009-09-18
Publication date: 2011-03-24
Also published as: JPWO2011033662A1; JP5377656B2; DE112009005242T5; DE112009005242B4

Abstract

　内燃機関の制御装置が提供される。この制御装置では、機関の所定運転パラメータを出力する複数のニューラルネットワークを用いて機関の制御パラメータが算出される。複数のニューラルネットワークはそれぞれ機関の特定の運転状態に対応する。この制御装置は、複数のニューラルネットワークの出力に応じて所定運転パラメータを算出するコーディネータを備え、該コーディネータの出力に応じて制御パラメータが算出される。コーディネータは、複数のニューラルネットワーク出力の重み付け係数を算出し、算出した重み付け係数を複数のニューラルネットワーク出力に適用し、１つの所定運転パラメータを算出する。

Description

内燃機関の制御装置

　本発明は内燃機関の制御装置に関し、特にニューラルネットワークを用いて制御を行うものに関する。

　特許文献１には、内燃機関の運転状態を示すパラメータ、例えばスロットル弁開度、吸気圧、機関回転数、吸気温などを入力パラメータするニューラルネットワークを用いて、空燃比を推定するパラメータ推定装置が示されている。
　この装置では、入力パラメータに応じて複数の機関運転領域が設定されており、使用するニューラルネットワークにおける演算経路が機関運転領域に応じて変更される。

特開平１１－８５７１９号公報

　上記従来の装置では、機関運転領域が変化すると演算経路が切り換えられるため、パラメータ推定値が切換に伴って急変する可能性があり、そのようなパラメータ推定値を用いて燃料供給量などの機関の制御パラメータを算出すると、制御パラメータの算出精度が一時的に低下するという課題がある。

　本発明はこの点に着目してなされたものであり、機関の運転状態に対応させた複数のニューラルネットワークを適切に使用して機関の制御を行い、制御精度を高めることができる内燃機関の制御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、内燃機関の制御装置において、前記機関の所定運転パラメータ（ＴＨＣＭＤ）を出力する複数のニューラルネットワーク（ＳＯＭＳＳ，ＳＯＭＴＳ）を用いて、前記機関の制御パラメータ（ＩＤＴＨ）を算出する制御パラメータ算出手段を備え、前記複数のニューラルネットワーク（ＳＯＭＳＳ，ＳＯＭＴＳ）はそれぞれ前記機関の特定の運転状態に対応し、前記制御パラメータ算出手段は、前記複数のニューラルネットワークの出力（ＴＨＣＭＤＳＳ，ＴＨＣＭＤＴＳ）に応じて前記所定運転パラメータ（ＴＨＣＭＤ）を算出するコーディネータを備え、該コーディネータの出力（ＴＨＣＭＤ）に応じて前記制御パラメータ（ＩＤＴＨ）を算出することを特徴とする。

　この構成によれば、機関の所定運転パラメータを出力する複数のニューラルネットワークを用いて、機関の制御パラメータが算出される。具体的には、複数のニューラルネットワークを用いることにより、所定運転パラメータの複数の値が出力され、コーディネータによって複数の値に応じて所定運転パラメータが算出され、その所定運転パラメータに応じて機関制御パラメータが算出される。コーディネータの動作特性を適切に設定することにより、複数のニューラルネットワークの出力が適切に反映された所定運転パラメータを得ることができ、機関の制御精度を向上させることができる。

　また、前記機関の過渡運転状態を示す少なくとも１つの過渡状態パラメータ（ＤＮＥ，ＤＰＢ，ＤＰＩ，ＤＧＡＩＲＣＭＤ）を算出する過渡状態パラメータ算出手段をさらに備え、前記複数のニューラルネットワークの１つ（ＳＯＭＳＳ）は前記機関の定常運転状態に対応し、前記複数のニューラルネットワークの他の１つ（ＳＯＭＴＳ）は過渡運転状態に対応し、前記コーディネータは、前記少なくとも１つの過渡状態パラメータ（ＤＮＥ，ＤＰＢ，ＤＰＩ，ＤＧＡＩＲＣＭＤ）に応じて前記複数のニューラルネットワーク出力の重み付け係数（ＷＴＳ，１－ＷＴＳ）を算出し、該重み付け係数を用いて前記所定運転パラメータ（ＴＨＣＭＤ）を算出することが望ましい。

　この構成によれば、機関の過渡運転状態を示す少なくとも１つの過渡状態パラメータが算出され、複数のニューラルネットワーク出力、すなわち機関の定常運転状態に対応するニューラルネットワークの出力、及び機関の過渡運転状態に対応するニューラルネットワークの出力の重み付け係数が、過渡状態パラメータに応じて算出される。そして、その重み付け係数を用いて所定運転パラメータが算出される。重み付け係数は、過渡状態パラメータに応じて算出されるので、過渡運転の状態が具体的に反映され、適切な所定運転パラメータ値を得ることができる。

　また、前記過渡状態パラメータ算出手段は、前記機関の運転パラメータの少なくとも１つの変化量（ＤＮＥ，ＤＰＢ，ＤＰＩ，ＤＧＡＩＲＣＭＤ）を前記少なくとも１つの過渡状態パラメータとして算出し、前記変化量が増加するほど、前記過渡運転状態に対応するニューラルネットワーク（ＳＯＭＴＳ）の出力の重み付け係数（ＷＴＳ）を増加させることが望ましい。

　この構成によれば、機関の運転パラメータの変化量が過渡状態パラメータとして算出され、該変化量が増加するほど、過渡運転状態に対応するニューラルネットワークの出力の重み付け係数が増加するので、重み付け係数に機関運転状態を適切に反映させることができる。

本発明の一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説明するための図である。自己組織化マップを説明するための図である。吸入空気量（ＧＡＩＲ）とスロットル弁開度（ＴＨ）との関係を示す図である。スロットル弁の目標開度（ＴＨＣＭＤ）を算出する処理のフローチャートである。図５の処理で実行される自己組織化マップ（ＳＯＭ）演算処理のフローチャートである。図６の処理で参照されるテーブルを示す図である。

　以下本発明の実施の形態を図面を参照して説明する。
　図１は本発明の一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は、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。

　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。これらのセンサ２１～２４は、ＥＣＵ２０と接続されており、センサ２１～２４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、、及びエンジン回転数（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。

　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、目標吸入空気量ＧＡＩＲＣＭＤ［ｇ／ｓｅｃ］に応じた目標スロットル弁開度ＴＨＣＭＤの算出を行い、検出されるスロットル弁開度ＴＨが目標スロットル弁開度ＴＨＣＭＤと一致するようにアクチュエータ１９を駆動する。

　本実施形態では、エンジン１の定常運転状態に対応する定常状態モデル自己組織化マップＳＯＭＳＳと、エンジン１の過渡運転状態に対応する過渡状態モデル自己組織化マップＳＯＭＴＳとを用いて、目標スロットル弁開度ＴＨＣＭＤの算出を行う。

　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定常状態目標スロットル弁開度ＴＨＣＭＤＳＳを算出する定常状態モデル自己組織化マップＳＯＭＳＳ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目標吸入空気量ＧＡＩＲＣＭＤ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ｘＴＨは下記式（１０）で定義される。すなわち、入力パラメータは目標吸入空気量ＧＡＩＲＣＭＤ、過給圧ＰＢ、吸気圧ＰＩ、及びエンジン回転数ＮＥである。
　ｘＴＨ＝（ＧＡＩＲＣＭＤ，ＰＢ，ＰＩ，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ｘＴＨ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ｘＴＨ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目標スロットル弁開度ＴＨＣＭＤの算出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ｘＴＨと、その入力データベクトルｘＴＨに対応するスロットル弁開度ＴＨ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）　　　　　　　　（１１）

　実際の制御演算においては、入力データベクトルｘＴＨの要素である目標吸入空気量ＧＡＩＲＣＭＤ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ｘＴＨを下記式（１２）に適用して、定常状態目標スロットル弁開度ＴＨＣＭＤＳＳが算出される。この式（１２）が、本実施形態における定常状態モデルを定義する数式に相当する。
　ＴＨＣＭＤＳＳ＝Ｃ１i×ＧＡＩＲＣＭＤ＋Ｃ２i×ＰＢ
　　　　　　　　　　　　＋Ｃ３i×ＰＩ＋Ｃ４i×ＮＥ＋Ｃ０i　（１２）

　一方、過渡状態モデル自己組織化マップＳＯＭＴＳは、上述した定常状態モデル自己組織化マップＳＯＭＳＳの入力パラメータの変化量が入力パラメータとして適用される。すなわち、下記式（２１）～（２４）により、目標吸入空気量変化量ＤＧＡＩＲＣＭＤ、過給圧変化量ＤＰＢ、吸気圧変化量ＤＰＩ、及び回転数変化量ＤＮＥが算出され、過渡状態モデル自己組織化マップＳＯＭＴＳの入力パラメータとして適用される。これらの数式中の「ｋ」は、目標スロットル弁開度ＴＨＣＭＤの算出周期ＴＣで離散化した離散化時刻である。
　ＤＧＡＩＲＣＭＤ＝ＧＡＩＲＣＭＤ(k)－ＧＡＩＲＣＭＤ(k-1)　（２１）
　ＤＰＢ＝ＰＢ(k)－ＰＢ(k-1)　　　　　　　　　　　　　　　　（２２）
　ＤＰＩ＝ＰＩ(k)－ＰＩ(k-1)　　　　　　　　　　　　　　　　（２３）
　ＤＮＥ＝ＮＥ(k)－ＮＥ(k-1)　　　　　　　　　　　　　　　　（２４）

　図３は、本実施形態における過渡状態目標スロットル弁開度ＴＨＣＭＤＴＳを算出する過渡状態モデル自己組織化マップＳＯＭＴＳを２次元マップとして示す。この２次元マップは、目標吸入空気量変化量ＤＧＡＩＲＣＭＤ及び過給圧変化量ＤＰＢによって定義されている。入力データベクトルｘＴＨＤは下記式（２５）で定義される。
　ｘＴＨＤ＝（ＤＧＡＩＲＣＭＤ，ＤＰＢ，ＤＰＩ，ＤＮＥ）　　（２５）

　上述した定常状態モデル自己組織化マップＳＯＭＳＳと同様の手法で、下記式（２６）で示す重み係数ベクトルＣＤｉ（ｉ＝１～Ｍ）が学習によって算出され、記憶される。
　ＣＤｉ＝（ＣＤ０ｉ，ＣＤ１ｉ，ＣＤ２ｉ，ＣＤ３ｉ，ＣＤ４ｉ）
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２６）

　過渡状態モデル自己組織化マップＳＯＭＴＳを用いる場合には、過渡状態目標スロットル弁開度ＴＨＣＭＤＴＳは、下記式（２７）により算出される。この式（２７）が、本実施形態における過渡状態モデルを定義する数式に相当する。
　ＴＨＣＭＤＴＳ＝ＣＤ１i×ＤＧＡＩＲＣＭＤ＋ＣＤ２i×ＤＰＢ
　　　　　　　　＋ＣＤ３i×ＤＰＩ＋ＣＤ４i×ＤＮＥ＋ＣＤ０i　（２７）

　図４は、吸入空気量ＧＡＩＲ［ｇ／ｓｅｃ］と、スロットル弁開度ＴＨとの関係を示す図であり、曲線Ｌ１～Ｌ５は、それぞれエンジン回転数ＮＥが１０００，１５００，２０００，２５００，及び３０００ｒｐｍである状態に対応する。

　この図から明らかなように、エンジン回転数ＮＥが一定という条件の下で、スロットル弁開度ＴＨを増加させていくと、吸入空気量ＧＡＩＲが増加するが一定値（飽和レベル）で飽和し、スロットル弁開度ＴＨを変化させても、吸入空気量ＧＡＩＲは変化しない。すなわち、吸入空気量ＧＡＩＲが飽和レベル（以下「最大吸入空気量ＧＡＩＲＭＡＸ」という）に達すると、スロットル弁開度ＴＨの変更は吸入空気量ＧＡＩＲに影響を与えない。そこで、本実施形態では、アクセルペダル操作量ＡＰ及びエンジン回転数ＮＥに応じて設定される目標吸入空気量ＧＡＩＲＣＭＤが、最大吸入空気量ＧＡＩＲＭＡＸに所定閾値係数ＫＴＨ（例えば０．９５）を乗算することにより得られる判定閾値ＧＡＩＲＴＨ以上であるときは、目標スロットル弁開度ＴＨＣＭＤを最大開度ＴＨＭＡＸ（例えば「９０度」）に設定するようにしている。これにより、吸入空気量の制御性を損なうこと無く、ＥＣＵ２０のＣＰＵの演算負荷を軽減することができる。一方、目標吸入空気量ＧＡＩＲＣＭＤが最大吸入空気量ＧＡＩＲＭＡＸより小さいときは、上述した自己組織化マップを用いて、目標スロットル弁開度ＴＨＣＭＤを算出するようにしている。これにより、実際の吸入空気量ＧＡＩＲを目標吸入空気量ＧＡＩＲＣＭＤに制御する上で最適のスロットル弁開度の設定を行うことができる。

　図５は、目標スロットル弁開度ＴＨＣＭＤを算出する処理のフローチャートであり、この処理はＥＣＵ２０のＣＰＵで所定時間ＴＣ毎に実行される。
　ステップＳ１１では、アクセルペダル操作量ＡＰ及びエンジン回転数ＮＥに応じてＧＡＩＲＣＭＤマップ（図示せず）を検索し、目標吸入空気量ＧＡＩＲＣＭＤを算出する。ＧＡＩＲＣＭＤマップは、アクセルペダル操作量ＡＰが増加するほど目標吸入空気量ＧＡＩＲＣＭＤが増加し、かつエンジン回転数ＮＥが増加するほど目標吸入空気量ＧＡＩＲＣＭＤが増加するように設定されている。

　ステップＳ１２では、エンジン回転数ＮＥ及び過給圧ＰＢに応じてＧＡＩＲＭＡＸマップ（図示せず）を検索し、最大吸入空気量ＧＡＩＲＭＡＸを算出する。ＧＡＩＲＭＡＸマップは、エンジン回転数ＮＥが増加するほど最大吸入空気量ＧＡＩＲＭＡＸが増加し、かつ過給圧ＰＢが増加するほど最大吸入空気量ＧＡＩＲＭＡＸが増加するように設定されている。

　ステップＳ１３では、最大吸入空気量ＧＡＩＲＭＡＸに所定閾値係数ＫＴＨを乗算することにより、判定閾値ＧＡＩＲＴＨを算出する。ステップＳ１４では、目標吸入空気量ＧＡＩＲＣＭＤが判定閾値ＧＡＩＲＴＨより小さいか否かを判別し、この答が肯定（ＹＥＳ）であるときは、図６に示すＳＯＭ演算処理を実行し、上述した自己組織化マップＳＯＭＳＳ及びＳＯＭＴＳを用いて目標スロットル弁開度ＴＨＣＭＤを算出する（ステップＳ１５）。

　ステップＳ１４で、目標吸入空気量ＧＡＩＲＣＭＤが判定閾値ＧＡＩＲＴＨ以上であるときは、目標スロットル弁開度ＴＨＣＭＤを最大開度ＴＨＭＡＸに設定する。

　図６のステップＳ２１では、上述した式（２１）～（２４）により、目標吸入空気量変化量ＤＧＡＩＲＣＭＤ、過給圧変化量ＤＰＢ、吸気圧変化量ＤＰＩ、及び回転数変化量ＤＮＥを算出する。

　ステップＳ２２では、定常状態モデル自己組織化マップＳＯＭＳＳを用いて定常状態目標スロットル弁開度ＴＨＣＭＤＳＳを算出し、ステップＳ２３では、過渡状態モデル自己組織化マップＳＯＭＴＳを用いて過渡状態目標スロットル弁開度ＴＨＣＭＤＴＳを算出する。

　ステップＳ２４では、回転数変化量ＤＮＥに応じて図７（ａ）に示すＷ１テーブルを検索し、第１重み修正係数Ｗ１を算出する。Ｗ１テーブルは、回転数変化量ＤＮＥが増加するほど第１重み修正係数Ｗ１が増加するように（だたし最大値は「１．０」）設定されている。

　ステップＳ２５では、過給圧変化量ＤＰＢに応じて図７（ｂ）に示すＷ２テーブルを検索し、第２重み修正係数Ｗ２を算出する。Ｗ２テーブルは、過給圧変化量ＤＰＢが増加するほど第２重み修正係数Ｗ２が増加するように（だたし最大値は「１．０」）設定されている。

　ステップＳ２６では、吸気圧変化量ＤＰＩに応じて図７（ｃ）に示すＷ３テーブルを検索し、第３重み修正係数Ｗ３を算出する。Ｗ３テーブルは、吸気圧変化量ＤＰＩが増加するほど第３重み修正係数Ｗ３が増加するように（だたし最大値は「１．０」）設定されている。

　ステップＳ２７では、目標吸入空気量変化量ＤＧＡＩＲＣＭＤに応じて図７（ｄ）に示すＷ４テーブルを検索し、第４重み修正係数Ｗ４を算出する。Ｗ４テーブルは、目標吸入空気量変化量ＤＧＡＩＲＣＭＤが増加するほど第４重み修正係数Ｗ４が増加するように（だたし最大値は「１．０」）設定されている。

　ステップＳ２８では、下記式（２８）に第１～第４重み修正係数Ｗ１～Ｗ４を適用し、過渡状態重み付け係数ＷＴＳを算出する。式（２５）のＷＮＥ，ＷＰＢ，ＷＰＩ，及びＷＧＡＩＲは、それぞれ回転数変化量ＤＮＥ、過給圧変化量ＤＰＢ、吸気圧変化量ＤＰＩ、及び目標吸入空気量変化量ＤＧＡＩＲＣＭＤについて、予め実験的に算出されている重み付け係数値である。重み付け係数値ＷＮＥ，ＷＰＢ，ＷＰＩ，及びＷＧＡＩＲは、いずれも「０」より大きく「１」より小さい値に設定されている。
　ＷＴＳ＝Ｗ１×ＷＮＥ＋Ｗ２×ＷＰＢ＋Ｗ３×ＷＰＩ＋Ｗ４×ＷＧＡＩＲ
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２８）

　過渡状態重み付け係数ＷＴＳは、ステップＳ２９及びＳ３０により、「１」を超えないようにリミット処理が行われる。

　ステップＳ３１では、過渡状態重み付け係数ＷＴＳ、定常状態目標スロットル弁開度ＴＨＣＭＤＳＳ、及び過渡状態目標スロットル弁開度ＴＨＣＭＤＴＳを下記式（２９）に適用し、目標スロットル弁開度ＴＨＣＭＤを算出する。
　ＴＨＣＭＤ＝（１－ＷＴＳ）×ＴＨＣＭＤＳＳ＋ＷＴＳ×ＴＨＣＭＤＴＳ
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２９）

　ＥＣＵ２０のＣＰＵは、検出されるスロットル弁開度ＴＨが図５及び図６の処理により算出される目標スロットル弁開度ＴＨＣＭＤと一致するように、アクチュエータ１９を駆動する駆動パラメータＩＤＴＨを算出し、スロットル弁開度制御（吸入空気量制御）を行う。

　以上のように本実施形態では、定常状態目標スロットル弁開度ＴＨＣＭＤＳＳを出力する定常状態モデル自己組織化マップＳＯＭＳＳ及び過渡状態目標スロットル弁開度ＴＨＣＭＤＴＳを出力する過渡状態モデル自己組織化マップＳＯＭＴＳを用いて、目標スロットル弁開度ＴＨＣＭＤが算出され、目標スロットル弁開度ＴＨＣＭＤに応じてアクチュエータ１９の駆動パラメータＩＤＴＨが算出される。具体的には、コーディネータに相当する図６のステップＳ２４～Ｓ３１の処理により、定常状態目標スロットル弁開度ＴＨＣＭＤＳＳ及び過渡状態目標スロットル弁開度ＴＨＣＭＤＴＳに応じて最終的な目標スロットル弁開度ＴＨＣＭＤが算出され、目標スロットル弁開度ＴＨＣＭＤに応じてエンジン制御パラメータである駆動パラメータＩＤＴＨが算出される。したがって、コーディネータの動作特性、すなわち過渡状態重み付け係数ＷＴＳを適切に設定することにより、２つ自己組織化マップの出力が適切に反映された目標スロットル弁開度ＴＨＣＭＤを得ることができ、エンジン１の吸入空気量の制御精度を向上させることができる。

　また過渡運転状態を示す過渡状態パラメータである回転数変化量ＤＮＥ、過給圧変化量ＤＰＢ、吸気圧変化量ＤＰＩ、及び目標吸入空気量変化量ＤＧＡＩＲＣＭＤが算出され、これらの変化量に応じて過渡状態目標スロットル弁開度ＴＨＣＭＤＴＳの重み付け係数である過渡状態重み付け係数ＷＴＳ、及び定常状態目標スロットル弁開度ＴＨＣＭＤＳＳの重み付け係数（１－ＷＴＳ）が算出される。そして、重み付け係数ＷＴＳ、（１－ＷＴＳ）を用いて目標スロットル弁開度ＴＨＣＭＤが算出される。重み付け係数ＷＴＳには、エンジン１の運転状態（定常運転状態、過渡運転状態、あるいはそれらの中間的運転状態）が具体的に反映されるので、目標スロットル弁開度ＴＨＣＭＤを適切な値に設定することができる。

　また回転数変化量ＤＮＥ、過給圧変化量ＤＰＢ、吸気圧変化量ＤＰＩ、及び目標吸入空気量変化量ＤＧＡＩＲＣＭＤが増加するほど、過渡状態重み付け係数ＷＴＳが増加するように設定されるので、過渡状態重み付け係数ＷＴＳにエンジン運転状態を適切に反映させることができる。

　本実施形態では、ＥＣＵ２０が制御パラメータ算出手段、及びコーディネータを構成する。すなわち、目標スロットル弁開度ＴＨＣＭＤが所定運転パラメータに相当し、アクチュエータ１９の駆動パラメータＩＤＴＨが機関制御パラメータに相当し、図５の処理が制御パラメータ算出手段の一部に相当し、図６の処理がコーディネータに相当する。

　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、上述した実施形態では過渡状態パラメータとして、回転数変化量ＤＮＥ、過給圧変化量ＤＰＢ、吸気圧変化量ＤＰＩ、及び目標吸入空気量変化量ＤＧＡＩＲＣＭＤを用いたが、これらの４つの変化量のうちのいずれか１つ、あるいは２つ若しくは３つの変化量の組み合わせを、過渡状態パラメータとして用いるようにしてもよい。例えば、目標吸入空気量変化量ＤＧＡＩＲＣＭＤのみを用いる場合には、過渡状態重み付け係数ＷＴＳは下記式（３１）で算出され、また目標吸入空気量変化量ＤＧＡＩＲＣＭＤ及び過給圧変化量ＤＰＢを用いる場合には、過渡状態重み付け係数ＷＴＳは下記式（３２）で算出される。
　ＷＴＳ＝Ｗ４×ＷＧＡＩＲ　　　　　　　　　　　　　　　　　（３１）
　ＷＴＳ＝Ｗ２×ＤＰＢ＋Ｗ４×ＷＧＡＩＲ　　　　　　　　　　（３２）

　また上述した実施形態では目標スロットル弁開度ＴＨＣＭＤが所定運転パラメータである例を示したが、例えばエンジン１から排出されるＮＯｘ量、排気還流率（または排気還流量または目標排気還流量）、吸入空気量を所定運転パラメータとし、算出された所定運転パラメータに応じて燃料噴射量（制御パラメータ）を算出するようにしてもよい。

　ＮＯｘ量を算出するための定常状態モデル自己組織化マップの入力パラメータとしては、エンジン回転数ＮＥ、燃料供給量（燃料噴射量）、空燃比、タービン１１に流入する排気の温度、過給圧ＰＢ、吸気圧ＰＩ、及び吸入空気量ＧＡＩＲが適用され、過渡状態モデル自己組織化マップの入力パラメータとしては、定常状態モデル自己組織化マップの入力パラメータの変化量が適用される。

　排気還流率を算出するための定常状態モデル自己組織化マップの入力パラメータとしては、過給圧ＰＢ、吸気圧ＰＩ、ＥＧＲ弁開度、吸入空気量ＧＡＩＲ、燃空比、エンジン回転数ＮＥ、タービン１１のベーン開度θｖｇｔ、還流排気温度が適用され、過渡状態モデル自己組織化マップの入力パラメータとしては、定常状態モデル自己組織化マップの入力パラメータの変化量が適用される。

　吸入空気量を算出するための定常状態モデル自己組織化マップの入力パラメータとしては、スロットル弁開度ＴＨ、過給圧ＰＢ、吸気圧ＰＩ、エンジン回転数ＮＥが適用され、過渡状態モデル自己組織化マップの入力パラメータとしては、定常状態モデル自己組織化マップの入力パラメータの変化量が適用される。

　また、上述した実施形態ではニューラルネットワークとして、自己組織化マップを用いたが、これに限るものではなく、いわゆるパーセプトロンとして知られるニューラルネットワークを使用するようにしてもよい。

　また本発明は、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制御にも適用が可能である。

　１　内燃機関
　２　吸気管
　１９　アクチュエータ
　２０　電子制御ユニット（制御パラメータ算出手段、コーディネータ）
　２２　過給圧センサ
　２４　吸気圧センサ
　２７　アクセルセンサ
　２８　エンジン回転数センサ

Claims

　内燃機関の制御装置において、
　前記機関の所定運転パラメータを出力する複数のニューラルネットワークを用いて、前記機関の制御パラメータを算出する制御パラメータ算出手段を備え、前記複数のニューラルネットワークはそれぞれ前記機関の特定の運転状態に対応し、
　前記制御パラメータ算出手段は、
　前記複数のニューラルネットワークの出力に応じて前記所定運転パラメータを算出するコーディネータを備え、
　該コーディネータの出力に応じて前記制御パラメータを算出することを特徴とする内燃機関の制御装置。
　前記機関の過渡運転状態を示す少なくとも１つの過渡状態パラメータを算出する過渡状態パラメータ算出手段をさらに備え、
　前記複数のニューラルネットワークの１つは前記機関の定常運転状態に対応し、前記複数のニューラルネットワークの他の１つは過渡運転状態に対応し、
　前記コーディネータは、前記少なくとも１つの過渡状態パラメータに応じて前記複数のニューラルネットワーク出力の重み付け係数を算出し、該重み付け係数を用いて前記所定運転パラメータを算出する請求項１の制御装置。
　前記過渡状態パラメータ算出手段は、前記機関の運転パラメータの少なくとも１つの変化量を前記少なくとも１つの過渡状態パラメータとして算出し、前記変化量が増加するほど、前記過渡運転状態に対応するニューラルネットワークの出力の重み付け係数を増加させる請求項２の制御装置。