WO2024201709A1 - 制御装置 - Google Patents

制御装置 Download PDF

Info

Publication number
WO2024201709A1
WO2024201709A1 PCT/JP2023/012500 JP2023012500W WO2024201709A1 WO 2024201709 A1 WO2024201709 A1 WO 2024201709A1 JP 2023012500 W JP2023012500 W JP 2023012500W WO 2024201709 A1 WO2024201709 A1 WO 2024201709A1
Authority
WO
WIPO (PCT)
Prior art keywords
timing
catalyst
state
value
control device
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.)
Ceased
Application number
PCT/JP2023/012500
Other languages
English (en)
French (fr)
Inventor
章広 小森
邦彦 鈴木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Astemo Ltd
Original Assignee
Hitachi Astemo Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Astemo Ltd filed Critical Hitachi Astemo Ltd
Priority to PCT/JP2023/012500 priority Critical patent/WO2024201709A1/ja
Priority to CN202380095362.0A priority patent/CN120835955A/zh
Priority to JP2025509331A priority patent/JP7903066B2/ja
Priority to DE112023005556.4T priority patent/DE112023005556T5/de
Publication of WO2024201709A1 publication Critical patent/WO2024201709A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

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
    • F02D41/0002—Controlling intake air
    • F02D41/0007—Controlling intake air for control of turbo-charged or super-charged engines
    • 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
    • F02D41/1439—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the position of the sensor
    • F02D41/1441—Plural sensors
    • 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
    • F02D41/1446—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 exhaust temperatures
    • 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
    • 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
    • F02D2041/1413—Controller structures or design
    • F02D2041/1415—Controller structures or design using a state feedback or a state space representation
    • F02D2041/1417—Kalman filter
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/04—Engine intake system parameters
    • F02D2200/0414—Air temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/08—Exhaust gas treatment apparatus parameters
    • F02D2200/0802—Temperature of the exhaust gas treatment apparatus
    • F02D2200/0804—Estimation of the temperature of the exhaust gas treatment apparatus

Definitions

  • the present invention relates to a control device.
  • a neural network model is a mathematical model that mimics the mechanism of the neural circuits in the human brain.
  • Control using a neural network model requires learning using teacher data, and the neural network model operates within the learned domain, thereby guaranteeing the accuracy of the calculation results. However, if the neural network model operates outside the learning domain, there is a risk of the accuracy deteriorating.
  • Patent Document 1 the feasibility of learning the model is determined based on the reliability of the teacher data, but Patent Document 1 does not disclose determining the reliability of the calculation results of a trained model.
  • the object of the present invention is to provide a control device that can evaluate the reliability of calculated values of vehicle state variables that are not detected by sensors.
  • the control device of the present invention includes a processor that calculates the state variables of the vehicle at a first timing from the state variables of the vehicle at a second timing after the first timing, the control input of the vehicle at a second timing after the first timing, and the observation value at the second timing detected by a sensor of the vehicle, approximates a state space model consisting of a state equation for the state variables and an observation equation for the observation value with a neural network model, and determines the reliability of the state variables at the second timing from an index based on the control input at the second timing and the observation value at the second timing.
  • FIG. 1 is an overall schematic configuration diagram of an internal combustion engine control system according to first and second embodiments of the present invention
  • FIG. 2 is a block diagram showing an example of a hardware configuration of an ECU according to the first and second embodiments of the present invention.
  • FIG. 2 is a diagram illustrating an example of a neural network model according to the first embodiment of the present invention.
  • 4 is a flowchart showing an example of an algorithm of an extended Kalman filter according to the first embodiment of the present invention.
  • FIG. 2 is a diagram showing an overview of Mahalanobis distance according to the first embodiment of the present invention.
  • 5 is a diagram showing an example of actual behavior of the Mahalanobis distance according to the first embodiment of the present invention;
  • FIG. 2 is a block diagram of state quantity estimation and Mahalanobis distance calculation according to the first embodiment of the present invention.
  • 4 is a flowchart showing state quantity estimation and Mahalanobis distance calculation according to the first embodiment of the present invention.
  • FIG. 11 is a schematic diagram showing an example of the configuration of a post-processing system according to a second embodiment of the present invention.
  • FIG. 11 is a diagram illustrating the relationship between the equivalence ratio of exhaust gas and the output of an air-fuel ratio sensor according to a second embodiment of the present invention.
  • FIG. 10 is a diagram illustrating the relationship between the equivalence ratio of exhaust gas and the output of a rear oxygen sensor according to a second embodiment of the present invention.
  • FIG. 11 is a diagram illustrating the tendency of the equivalence ratio of H 2 O (water), CO (carbon monoxide), CO 2 (carbon dioxide), H 2 (hydrogen), and O 2 (oxygen) according to a second embodiment of the present invention.
  • FIG. 11 is a diagram illustrating the tendency of HC (hydrocarbon) and NOx (nitrogen oxides) with respect to the equivalence ratio according to a second embodiment of the present invention.
  • FIG. 5 is a diagram illustrating a main reaction process of a three-way catalyst (ceria-based) used in a post-treatment system according to a second embodiment of the present invention.
  • FIG. 11 is a diagram for explaining the tendency of the purification rate of a three-way catalyst with respect to the exhaust gas equivalence ratio at a temperature equal to or higher than the catalyst activation temperature according to a second embodiment of the present invention.
  • 10A and 10B are diagrams illustrating the catalyst upstream equivalence ratio, the catalyst downstream equivalence ratio, and the output behavior of the rear oxygen sensor 22 according to the second embodiment of the present invention.
  • FIG. 11 is a diagram illustrating the hysteresis of the output characteristic of a rear oxygen sensor according to a second embodiment of the present invention.
  • FIG. 11 is a diagram illustrating the output of a rear oxygen sensor and the changes over time in the NOx concentration and HC concentration downstream of a catalyst according to a second embodiment of the present invention.
  • FIG. 11 is a diagram illustrating the relationship between the degree of catalyst deterioration and the oxygen storage capacity of a three-way catalyst according to a second embodiment of the present invention.
  • FIG. 11 is a diagram illustrating the relationship between the oxygen storage ratio of a three-way catalyst according to a second embodiment of the present invention and the NOx purification rate of the three-way catalyst.
  • FIG. 11 is a diagram illustrating the results of a comparison of the catalyst upstream equivalence ratio, the catalyst downstream equivalence ratio, the oxygen storage ratio, and the output behavior of the rear oxygen sensor when a new catalyst and a degraded catalyst according to a second embodiment of the present invention are used.
  • FIG. 11 is a block diagram of catalyst temperature estimation and Mahalanobis distance calculation according to a second embodiment of the present invention.
  • 10 is a flowchart showing catalyst temperature estimation and Mahalanobis distance calculation according to a second embodiment of the present invention.
  • FIG. 11 is a diagram illustrating an example of a neural network model according to a second embodiment of the present invention.
  • FIG. 1 is a schematic diagram of an internal combustion engine control system 100 .
  • the internal combustion engine control system 100 includes an internal combustion engine 1 and an ECU (Electronic Control Unit) 28 attached to the internal combustion engine 1.
  • the ECU 28 is electrically connected to various sensors, actuators, etc. that constitute the internal combustion engine 1, and is an example of an internal combustion engine control device that controls the internal combustion engine 1.
  • the internal combustion engine 1 is equipped with a flow sensor 2 (air flow sensor), turbocharger 3, air bypass valve 4, intercooler 5, boost temperature sensor 6, throttle valve 7, intake manifold 8, boost pressure sensor 9, flow enhancement valve 10, intake valve 11, valve opening/closing phase sensor 12, exhaust valve 13, valve opening/closing phase sensor 14, fuel injection valve 15, spark plug 16, knock sensor 17, crank angle sensor 18, wastegate valve 19, catalyst upstream air-fuel ratio sensor 20, exhaust purification catalyst (three-way catalyst) 21, rear oxygen sensor (catalyst downstream oxygen sensor) 22, EGR (Exhaust Gas Recirculation) pipe 23, EGR cooler 24, EGR valve 25, exhaust gas temperature sensor 26, differential pressure sensor 27, and catalyst downstream NOx sensor 29.
  • the rear oxygen sensor 22 can be replaced with a catalyst downstream (rear) air-fuel ratio sensor (not shown).
  • An intake air temperature sensor (not shown) is attached to the flow sensor 2 provided in the intake air flow path of the internal combustion engine 1.
  • the intake air temperature sensor measures the intake air temperature.
  • the turbocharger 3 is composed of a compressor 3a with compressor blades facing the intake passage, and a turbine 3b connected to the compressor 3a so as to rotate integrally with it and equipped with turbine blades facing the exhaust passage.
  • the compressor 3a and turbine 3b are rotatably supported inside the turbocharger 3.
  • the turbine 3b converts the energy of the exhaust gas from the internal combustion engine 1 into rotational energy.
  • the compressor 3a connected to the turbine 3b compresses the intake air flowing in from the intake passage using the rotational energy of the turbine 3b.
  • the intercooler 5 is provided downstream of the compressor 3a of the turbocharger 3, and cools the intake air temperature that has been increased by adiabatic compression by the compressor 3a.
  • the supercharged temperature sensor 6 is installed downstream of the intercooler 5, and measures the temperature of the intake air cooled by the intercooler 5 (supercharged temperature).
  • the throttle valve 7 is provided downstream of the intercooler 5 and narrows the intake flow path to control the amount of intake air flowing into the cylinder of the internal combustion engine 1.
  • the throttle valve 7 is an electronically controlled butterfly valve whose valve opening can be controlled by the ECU 28. Downstream of the throttle valve 7 is connected to an intake manifold 8 to which a boost pressure sensor 9 is attached.
  • the intake manifold 8 located downstream of the throttle valve 7 may be integrated with the intercooler 5. In this case, the volume from downstream of the compressor 3a to the cylinder can be reduced, improving acceleration/deceleration responsiveness and controllability.
  • the air bypass valve 4 is disposed in the intake bypass flow passage that connects the upstream and downstream of the compressor 3a in the intake flow passage to prevent an excessive increase in pressure from the downstream of the compressor 3a to the upstream of the throttle valve 7. For example, if the throttle valve 7 is suddenly closed in a supercharged state, the air bypass valve 4 is opened under the control of the ECU 28, and the compressed intake air downstream of the compressor 3a is reversed through the bypass flow passage to the upstream of the compressor 3a. As a result, the phenomenon known as surging can be prevented by immediately lowering the supercharging pressure, and damage to the compressor 3a is appropriately prevented.
  • the flow enhancing valve 10 is located downstream of the intake manifold 8, and enhances the turbulence of the flow inside the cylinder by creating a bias in the intake air drawn into the cylinder.
  • the ECU 28 can close the flow enhancing valve 10 to promote turbulent combustion and stabilize the combustion that occurs in the combustion chamber.
  • the intake valve 11 and exhaust valve 13 each have a variable valve mechanism for continuously varying the valve opening and closing phase.
  • Valve opening and closing phase sensors 12, 14 for detecting the valve opening and closing phase are respectively attached to the variable valve mechanisms of the intake valve 11 and exhaust valve 13.
  • Each cylinder of the internal combustion engine 1 is provided with a direct injection type fuel injection valve 15 that injects fuel pressurized by a fuel pump (not shown) into the combustion chamber of the cylinder.
  • the fuel injection valve 15 may be of a port injection type that injects fuel into the intake flow path. Alternatively, multiple direct injection type and port injection type fuel injection valves 15 may be used in combination for each cylinder.
  • the cylinders of the internal combustion engine 1 are fitted with spark plugs 16 that expose their electrodes inside the cylinders and ignite the combustible mixture with a spark.
  • a knock sensor 17 is provided in the cylinder block and detects the presence or absence of knock by detecting cylinder block vibrations caused by combustion pressure vibrations that occur in the combustion chamber.
  • a crank angle sensor 18 is fitted near the crankshaft and outputs a signal to the ECU 28 according to the rotation angle of the crankshaft.
  • the upstream air-fuel ratio sensor (catalyst upstream air-fuel ratio sensor 20) is disposed downstream of the turbine 3b of the turbocharger 3 and upstream of a three-way catalyst (exhaust purification catalyst 21) that has oxygen storage capacity and is provided in the exhaust pipe.
  • the upstream air-fuel ratio sensor detects the exhaust gas composition detected from the exhaust gas, i.e., the catalyst upstream air-fuel ratio of the exhaust gas, and outputs a signal indicating the catalyst upstream air-fuel ratio to the ECU 28.
  • the exhaust purification catalyst 21 is an example of a three-way catalyst and is provided downstream of the catalyst upstream air-fuel ratio sensor 20.
  • the exhaust purification catalyst 21 purifies harmful exhaust gas components such as carbon monoxide, nitrogen compounds, and unburned hydrocarbons in the exhaust gas by catalytic reaction.
  • the rear oxygen sensor 22 is disposed downstream of the exhaust purification catalyst 21.
  • the rear oxygen sensor 22 detects the amount of oxygen contained in the exhaust gas after purification by the exhaust purification catalyst 21.
  • the exhaust purification catalyst 21 is also called a three-way catalyst or a catalyst.
  • the turbocharger 3 is equipped with an air bypass valve 4 and a wastegate valve 19.
  • the air bypass valve 4 is arranged on the bypass flow path connecting the upstream and downstream of the compressor 3a to prevent an excessive increase in pressure from the downstream of the compressor 3a to the upstream of the throttle valve 7. If the throttle valve 7 is suddenly closed in a supercharged state, the air bypass valve 4 is opened under the control of the ECU 28, and the compressed intake air downstream of the compressor 3a is reversed through the bypass flow path to the upstream of the compressor 3a. As a result, the phenomenon known as surging can be prevented by immediately lowering the supercharging pressure, and damage to the compressor 3a is appropriately prevented.
  • the wastegate valve 19 is disposed in the exhaust bypass flow passage that connects the upstream and downstream of the turbine 3b in the exhaust flow passage.
  • the wastegate valve 19 is an electrically operated valve whose valve opening can be freely controlled according to the boost pressure under the control of the ECU 28.
  • the opening of the wastegate valve 19 is adjusted by the ECU 28 based on the boost pressure detected by the boost pressure sensor 9, part of the exhaust gas passes through the bypass flow passage, thereby reducing the energy that the exhaust gas imparts to the turbine 3b.
  • the wastegate valve 19 can adjust the boost pressure to the target pressure.
  • the EGR pipe 23 connects the exhaust flow path downstream of the exhaust purification catalyst 21 with the intake flow path upstream of the compressor 3a, and diverts exhaust gas from downstream of the exhaust purification catalyst 21 and returns it to the upstream of the compressor 3a.
  • the EGR cooler 24 provided in the EGR pipe 23 cools the diverted exhaust gas.
  • the EGR valve 25 is provided in the EGR pipe 23 between the EGR cooler 24 and the upstream of the compressor 3a, and controls the flow rate of exhaust gas returned to the upstream of the compressor 3a.
  • the EGR pipe 23 is also provided with an exhaust gas temperature sensor 26 that detects the exhaust gas temperature of the exhaust gas upstream of the EGR valve 25, and a differential pressure sensor 27 that detects the differential pressure between the upstream and downstream of the EGR valve 25.
  • the ECU 28 is a control device that includes a CPU (Central Processing Unit) 205, a ROM (Read Only Memory) 204, a RAM (Random Access Memory) 203, as well as an A/D (Analog-to-Digital) converter and a driver circuit (not shown) shown in FIG. 2 (described later), and controls each component of the internal combustion engine 1 and executes various data processing.
  • the ECU 28 controls the operation of actuators such as the throttle valve 7, the fuel injection valve 15, the variable valve mechanisms of the intake valve 11 and the exhaust valve 13, and the EGR valve 25.
  • the ECU 28 also detects the operating state of the internal combustion engine 1 based on signals input from various sensors, and ignites the spark plug 16 at a timing determined according to the operating state.
  • FIG. 2 is a block diagram showing an example of the hardware configuration of the ECU 28.
  • the ECU 28 includes an input circuit 201, an input/output port 202, a RAM 203, a ROM 204, a CPU 205, a throttle valve drive circuit 206, a fuel injection valve drive circuit 207, and an ignition output circuit 208.
  • Output signals from various sensors are input to the input circuit 201.
  • FIG. 2 an example is shown in which output signals from the throttle sensor of the throttle valve 7, the flow sensor 2, the boost temperature sensor 6, the boost pressure sensor 9, the valve opening/closing phase sensors 12, 14, the knock sensor 17, the crank angle sensor 18, the catalyst upstream air-fuel ratio sensor 20, and the rear oxygen sensor 22 are input to the input circuit 201 of the ECU 28.
  • the signals input to the input circuit 201 are sent to the input/output port 202.
  • the signal sent to the input/output port 202 is stored in the RAM 203 and processed by the CPU 205.
  • a control program describing the contents of the processing is written in advance in the ROM 204 and executed by the CPU 205.
  • the ROM 204 records programs and data necessary for the operation of the CPU 205, and is used as an example of a computer-readable non-transitory storage medium that stores a program executed by the ECU 28.
  • the control signals calculated by the CPU 205 according to the control program are output to each device such as the throttle valve drive circuit 206, the fuel injection valve drive circuit 207, and the ignition output circuit 208.
  • the throttle valve drive circuit 206 outputs a drive signal to the throttle valve 7 to control the opening and closing drive of the throttle valve 7.
  • the fuel injection valve drive circuit 207 outputs a drive signal to the fuel injection valve 15 to control the opening and closing of the fuel injection valve 15 at the fuel injection timing.
  • the ignition output circuit 208 outputs a drive signal to the ignition output circuit 208 to control the ignition of the spark plug 16 at the ignition timing.
  • a neural network model is a mathematical model that mimics the structure of the neural circuits in the human brain, and each neuron that makes up the model has a weight and bias set.
  • activation functions are also defined for neurons. Activation functions can be set appropriately, such as logistic functions or ramp functions. A layer is formed from multiple neurons, and an intermediate layer is set between the input layer and the output layer. By increasing the number of neurons and the number of intermediate layers, it is possible to approximate more complex input-output relationships. There is a trade-off between approximation accuracy and model size, and a balance point that satisfies both requirements is selected. For example, the frequency of the exhaust gas sensor signal is set in the input layer, and catalyst deterioration diagnosis is set in the output layer, and the input-output relationship can be approximated by machine learning (with a teacher) of the weights and biases of each neuron. The backpropagation method can be applied as a machine learning algorithm.
  • Fig. 4 is a flowchart showing an example of an extended Kalman filter algorithm.
  • the algorithm and the method of application to the present control of the extended Kalman filter which is one of the components of the present invention, are described below.
  • the algorithm and the method of application to the present control of the extended Kalman filter are described below.
  • the extended Kalman filter is based on the assumption that the state-output equations include the system noise Q and the observation noise R defined in equations (1) and (2).
  • F k (k) and H k (k) are the Jacobian matrices with respect to the state variables of f and h, respectively.
  • the extended Kalman filter algorithm consists of a prediction step and a filtering step.
  • the prediction step the internal state variable vector and covariance matrix are updated based on the input variables and system noise using the following equation:
  • FIG. 5 shows an overview of Mahalanobis distance.
  • the Mahalanobis distance has the advantage that it is easy to determine whether a value is normal or abnormal, even if the distance from the center point is similar, due to the combination of multidimensional variance. Mahalanobis distance is calculated using the following formula.
  • x represents the input data vector as shown in formula (7).
  • ⁇ represents the average value vector as shown in formula (8).
  • Equation (9) shows the variance-covariance matrix.
  • E is the expected value.
  • Equation (10) calculates the Mahalanobis distance D M.
  • Figure 6 shows an example of the actual behavior of the Mahalanobis distance.
  • the control input u is in the interpolation region, and in interval (b), it is in the extrapolation region.
  • interval (c) the sensor used in the extended Kalman filter is abnormal, and an abnormal sensor value is input.
  • the behavior of the Mahalanobis distance for each interval will be explained.
  • the control input u is in the interpolation region and the sensor is operating normally, so the Mahalanobis distance is small and the estimation accuracy is good.
  • interval (b) the control input u is in the extrapolation region, so the Mahalanobis distance increases and the estimation accuracy is worse than in interval (a).
  • interval (c) the control input u is in the interpolation region, but the sensor used in the extended Kalman filter is outputting an abnormal value, so the Mahalanobis distance increases and the estimation accuracy is worse than in interval (a). In this way, when the control input or sensor is operating abnormally, the Mahalanobis distance increases, and the estimation accuracy is worse than in interval (a). In this way, the reliability of the estimate of the state observer can be judged by the increase in the Mahalanobis distance.
  • an arbitrary input value input from the ECU is input to the extended Kalman filter 701.
  • the input value includes a control value and a sensor value.
  • the state quantity is estimated using the input value.
  • the state quantity is a differential value, an integral calculation is performed using a specified time interval value and a previous value state quantity to obtain a current state quantity.
  • the same type of input value as that of the extended Kalman filter 701 is also input to the Mahalanobis distance calculation unit 702.
  • the Mahalanobis distance for the current input is calculated using the input value.
  • a comparison unit 703 compares the calculated Mahalanobis distance with a specified threshold value.
  • the current Mahalanobis distance is greater than the threshold value, 0 is output and it is deemed to be outside the learning range or the sensor is broken. If the current Mahalanobis distance is smaller than the threshold value, 1 is output and it is determined to be within the learning range or the sensor is normal. Then, the result of the extrapolation is recorded.
  • 0 is input to the switching unit 704, it is assumed that the extended Kalman filter 701 is operating outside the learning range or the sensor is broken and normal estimation calculation is not possible, and a specified steady value is output.
  • 1 is input, it is assumed that the extended Kalman filter 701 is operating within the learning range or the sensor is operating normally and normal estimation calculation is possible, and an estimated state quantity is output.
  • step 801 a control input and a sensor input value are received from the ECU.
  • step 802 a Mahalanobis distance is calculated using the control input and the sensor input value from the ECU.
  • step 803 the threshold value specified in step 802 is compared with the calculated Mahalanobis distance. If it is smaller than the threshold value, the process proceeds to step 804, and if it is larger than the threshold value, the process proceeds to step 805.
  • step 804 the extended Kalman filter is operating within the learning range or the sensor is operating normally, so the state quantity (differential value) is estimated by the extended Kalman filter using the control input and the sensor input value from the ECU, and an integral calculation is performed using the specified time step value and the previous value state quantity to obtain the current state quantity.
  • step 805 the extended Kalman filter is operating outside the learning range or the sensor is malfunctioning, so the diagnosis result is recorded and used as sensor malfunction or re-learning data.
  • step 806 an estimated value calculated using a physical formula or a substitute value such as the output value of the MAP defined at the operating point is output.
  • FIG. 9A is a schematic diagram showing an example configuration of the post-processing system 110.
  • a three-way catalyst is used as the exhaust gas purification catalyst (exhaust purification catalyst 21).
  • a catalyst upstream air-fuel ratio sensor 20 is provided upstream of the three-way catalyst, and a rear oxygen sensor 22 is provided downstream, with the catalyst upstream air-fuel ratio sensor 20 and the rear oxygen sensor 22 being connected to a control device such as an ECU 28.
  • the ECU 28 measures the catalyst upstream air-fuel ratio of the exhaust gas flowing into the three-way catalyst via the catalyst upstream air-fuel ratio sensor 20, and can detect the amount of oxygen contained in the exhaust gas after catalytic purification via the rear oxygen sensor 22.
  • the horizontal axis of FIG. 9B represents the equivalence ratio, and the vertical axis represents the output of the catalyst upstream air-fuel ratio sensor 20.
  • the output of the catalyst upstream air-fuel ratio sensor 20 (air-fuel ratio sensor output) tends to decrease as the equivalence ratio increases (in other words, as the exhaust gas becomes richer).
  • the ECU 28 converts the catalyst upstream air-fuel ratio sensor signal into the catalyst upstream air-fuel ratio based on the relationship between the equivalence ratio of the exhaust gas and the output of the catalyst upstream air-fuel ratio sensor 20. This enables the ECU 28 to accurately detect the catalyst upstream air-fuel ratio over a wide range, from lean to rich exhaust gas conditions.
  • FIG. 9C is a diagram illustrating the relationship between the equivalence ratio of exhaust gas and the output of the rear oxygen sensor 22.
  • the horizontal axis of FIG. 9C represents the equivalence ratio, and the vertical axis represents the rear oxygen sensor output.
  • the rear oxygen sensor output which can also be interpreted as the rear oxygen sensor voltage, changes depending on the electromotive force caused by the difference in concentration between the oxygen concentration in the exhaust gas and the oxygen concentration in the air.
  • the rear oxygen sensor output generally exhibits a minimum electromotive force under lean conditions and a maximum electromotive force under rich conditions. Therefore, in catalyst control, the rear oxygen sensor output has the characteristic of suddenly changing at the theoretical air-fuel ratio (equivalence ratio 1.0). By capturing the timing of this change in the rear oxygen sensor output, the ECU 28 can detect the amount of oxygen in the exhaust gas released downstream of the three-way catalyst.
  • 10A and 10B are diagrams illustrating the tendency of the concentration of chemical species in the exhaust gas relative to the equivalence ratio.
  • FIG. 10A is a diagram illustrating the trend for the equivalence ratio of H 2 O (water), CO (carbon monoxide), CO 2 (carbon dioxide), H 2 (hydrogen), and O 2 (oxygen).
  • Figure 10B is a diagram that explains the tendency of HC (hydrocarbons) and NOx (nitrogen oxides) with respect to the equivalence ratio.
  • the horizontal axis of Figures 10A and 10B is the equivalence ratio, and the vertical axis is the concentration of the chemical species in the exhaust gas.
  • the combustion gas composition of a hydrocarbon fuel shows a tendency that CO (carbon monoxide) and H2 (hydrogen) increase on the rich side of the stoichiometric air-fuel ratio, and O2 (oxygen) increases on the lean side.
  • NOx nitrogen oxides
  • NOx shows a maximum value on the slightly lean side of the stoichiometric air-fuel ratio, and shows a tendency to decrease on the lean side and rich side.
  • HC unburned hydrocarbons
  • the air-fuel ratio becomes excessively lean or rich beyond the stoichiometric air-fuel ratio, the amount of HC discharged due to incomplete combustion of the fuel tends to increase.
  • Fig. 11 is a diagram for explaining the main reaction process of the three-way catalyst (ceria-based) used in the aftertreatment system 110. In the reaction process shown in Fig. 11, coefficients are omitted.
  • the three-way catalytic reaction process mainly consists of oxidation reaction, NOx reduction reaction, and oxygen storage and release reaction.
  • oxidation reaction CO, H2 , and HC produced under rich or high temperature conditions react with oxygen to produce harmless CO2 and H2O .
  • Unburned hydrocarbons (HC) include components such as methane, propane, ethylene, and butane, and each reaction proceeds at a different speed.
  • the NOx reduction reaction is mainly represented by the reaction of CO with NO, and CO2 and N2 are produced.
  • the storage/release of oxygen (O 2 ) and the oxidation/reduction reactions of HC, CO, and NO proceed via the catalytic material Ce (cerium). That is, CO 2 and H 2 O are generated by the reaction of cerium dioxide (CeO 2 ) with CO and HC, and N2 is generated by the reaction of cerium trioxide (Ce 2 O 3 ) with NO.
  • the oxygen storage ratio ⁇ of the three-way catalyst is determined by the balance between CeO 2 and Ce 2 O 3 that are generated at the same time. That is, if all Ce 2 O 3 in the catalyst becomes CeO 2 , it cannot react with NO, and NO cannot be purified.
  • the ECU 28 needs to properly manage the catalyst temperature so that the catalyst temperature reaches or exceeds the activation temperature as soon as possible after the internal combustion engine 1 is started.
  • the system shown in this embodiment is configured to use a ceria-based three-way catalyst, but the present invention is not limited to this. Even with catalysts using other materials that exhibit similar effects, the same effects can be achieved without changing the configuration of the invention by adjusting the constants of the control model.
  • the catalytic reaction may involve water-gas shift reactions and the like.
  • the ECU 28 can also accommodate these reaction mechanisms by adjusting the control model constants.
  • Figure 12 is a diagram that explains the tendency of the purification rate of a three-way catalyst versus the exhaust gas equivalence ratio at or above the catalyst activation temperature.
  • the horizontal axis of Figure 12 is the equivalence ratio, and the vertical axis is the catalyst purification rate.
  • Figure 12 also shows the catalyst purification rates for NOx, HC, and CO when the equivalence ratio changes from lean to rich. Also, the closer the catalyst purification rate is to 100%, the more the components in the exhaust gas are purified and the less the components in the exhaust gas are emitted.
  • This graph shows that the purification rate characteristics of the three-way catalyst change at the boundary of the theoretical air-fuel ratio (the "control target" in the diagram).
  • the purification rates of CO and HC are maintained at approximately 90% or more, while the NOx purification rate decreases as the equivalence ratio decreases.
  • the purification rates of HC and CO are maintained at approximately 90% or more, while the NOx purification rate decreases as the equivalence ratio decreases.
  • the purification rates of HC and CO In the vicinity of the theoretical air-fuel ratio, purification rates of 90% or more for NOx, HC, and CO can all be achieved.
  • the ECU 28 controls the purification rate of the three-way catalyst to be high by maintaining the equivalence ratio at the theoretical air-fuel ratio, which is the three-way point.
  • FIG. 13 is a diagram for explaining the catalyst upstream equivalence ratio, catalyst downstream equivalence ratio, and output behavior of the rear oxygen sensor 22.
  • the horizontal axis of FIG. 13 is time, and the vertical axis is the catalyst upstream equivalence ratio, catalyst downstream equivalence ratio, and rear oxygen sensor output.
  • the equivalence ratio downstream of the catalyst (catalyst downstream air-fuel ratio) and the output behavior of the rear oxygen sensor 22 installed downstream of the catalyst are shown when the catalyst upstream equivalence ratio (catalyst upstream air-fuel ratio) is suddenly changed in a stepwise manner (step-like manner) to the lean side or rich side with the equivalence ratio at 1.0 as the center.
  • the rear oxygen sensor output after a relaxation time required for the catalyst downstream equivalence ratio to be gradually increased, changes to a predetermined maximum electromotive force value side under rich conditions.
  • time period (d) in FIG. 13 when the catalyst upstream equivalence ratio is decreased again from an equivalence ratio of 1.0 to be changed to the lean side in a stepwise manner, the catalyst downstream equivalence ratio gradually decreases again to the lean side.
  • the rear oxygen sensor output which responds to the change in the catalyst upstream equivalence ratio, changes again to the predetermined minimum electromotive force value under lean conditions after the relaxation time required for the catalyst downstream equivalence ratio to gradually decrease has passed.
  • the time required for the catalyst downstream equivalence ratio to change from rich to lean during this time period (d) is shorter than the time required for it to change from lean to rich during time period (c), and is characterized by a so-called hysteresis characteristic.
  • the delay time of the catalyst downstream equivalence ratio and the delay time of the output of the rear oxygen sensor 22 tend to differ when changing from lean to rich and when changing from rich to lean.
  • This tendency is due to the fact that the reaction speed of the oxygen storage and release reaction of CeO2 and Ce2O3 in the three-way catalyst (ceria-based) described in Figure 11 differs when changing from rich to lean and when changing from lean to rich.
  • the reaction speed of the three-way catalyst also depends on the catalyst temperature and exhaust gas flow rate, so the above-mentioned hysteresis changes depending on the catalyst temperature and exhaust gas flow rate.
  • FIG. 14 is a diagram for explaining the hysteresis of the output characteristics of the oxygen sensor.
  • the equivalence ratio is plotted on the horizontal axis
  • the oxygen sensor output is plotted on the vertical axis.
  • the static characteristics of the oxygen sensor are as explained with reference to FIG. 9C.
  • the oxygen sensor also uses the above-mentioned catalytic material. Therefore, the dynamic characteristics of the oxygen sensor have a hysteresis characteristic in which the change from rich to lean differs from the change from lean to rich.
  • the relaxation time required for the oxygen sensor signal to change from the predetermined maximum electromotive force value side under rich conditions to the predetermined minimum electromotive force value side under lean conditions is shorter than the relaxation time required for the oxygen sensor signal to change from the predetermined minimum electromotive force value side under lean conditions to the predetermined maximum electromotive force value side under rich conditions.
  • the behavior of the oxygen sensor signal described above is affected by changes in the material properties constituting the oxygen sensor during use and by the temperature of the oxygen sensor.
  • FIG. 15 is a diagram for explaining the output of the rear oxygen sensor 22 and the time change of the NOx concentration and HC concentration downstream of the catalyst.
  • the vertical axis is the catalyst upstream equivalence ratio, the rear oxygen sensor output, the catalyst downstream NOx concentration, and the catalyst downstream HC concentration.
  • the change (relaxation time) of the rear oxygen sensor output from the intermediate state of the catalyst upstream equivalence ratio of 1.0 to the lean side is different from the change from the lean side to the intermediate state of the catalyst upstream equivalence ratio of 1.0. That is, the relaxation time required for the oxygen sensor signal to change from the predetermined minimum electromotive force value side under the lean condition due to fuel cut to the intermediate state under the stoichiometry control condition (see time period (a) in Fig. 15) is longer than the relaxation time required for the oxygen sensor signal to change from the intermediate state under the stoichiometry control condition to the predetermined minimum electromotive force value side under the lean condition.
  • the air-fuel ratio control of the internal combustion engine 1 it is necessary to perform rich correction control with an appropriate correction amount and period, taking into account the state inside the catalyst.
  • the rear oxygen sensor signal that detects the oxygen state of the exhaust gas downstream of the catalyst can be used as a judgment criterion.
  • Fig. 15 the output of the rear oxygen sensor 22 and the changes over time in the NOx concentration and HC concentration downstream of the catalyst when stoichiometry control is performed are shown by solid lines.
  • the output of the rear oxygen sensor 22 increases with a delay when the mixture changes from a lean state to a rich state.
  • the NOx concentration downstream of the catalyst exhibits a behavior in which NOx that momentarily increases is discharged during the delay period until the output of the rear oxygen sensor 22 returns to normal.
  • the HC concentration downstream of the catalyst remains almost unchanged, so HC emissions are prevented.
  • FIG. 15 the output of the rear oxygen sensor 22 and the changes over time in the NOx concentration and HC concentration downstream of the catalyst when appropriate rich correction is performed are shown by dashed lines.
  • the equivalence ratio upstream of the catalyst becomes rich.
  • the output of the rear oxygen sensor 22 reaches the equivalence ratio earlier than stoichiometry control. Furthermore, since the NOx concentration and HC concentration downstream of the catalyst are almost unchanged, the emission of NOx and HC is prevented.
  • Figure 16 is a diagram that explains the relationship between the degree of catalyst deterioration and the oxygen storage capacity (OSC: Oxygen Storage Capacity) of a three-way catalyst.
  • the horizontal axis of Figure 16 is the degree of catalyst deterioration, and the vertical axis is the oxygen storage capacity.
  • Catalyst deterioration refers to a state in which the catalytic action of a three-way catalyst is reduced due to thermal effects and poisoning from sulfur contained in the fuel.
  • the oxygen storage capacity of a three-way catalyst is roughly proportional to the degree of catalyst deterioration in the left-right direction in Figure 16. In other words, as catalyst deterioration progresses, the oxygen storage capacity of the three-way catalyst tends to decrease.
  • FIG. 17 is a diagram for explaining the relationship between the oxygen storage ratio of the three-way catalyst, that is, the value obtained by dividing the current oxygen storage amount of the three-way catalyst by the above-mentioned oxygen storage capacity, and the NOx purification rate.
  • the horizontal axis of FIG. 17 is the oxygen storage ratio, and the vertical axis is the NOx purification rate.
  • the change in the NOx purification rate of a new three-way catalyst is represented by a solid line
  • the change in the NOx purification rate of a deteriorated three-way catalyst is represented by a dashed line.
  • the new three-way catalyst has a higher NOx purification rate than the deteriorated three-way catalyst.
  • the NOx purification rate of both the new three-way catalyst and the deteriorated three-way catalyst tends to deteriorate rapidly. This is because, as explained with reference to Fig. 11, Ce2O3 in the catalyst is important for purifying NOx , and if all Ce2O3 reacts and turns into CeO2 , Ce2O3 cannot react with NO and cannot purify NOx .
  • the oxygen storage ratio for the same oxygen storage amount increases as a result.
  • the NOx purification rate value for the oxygen storage amount is lower for a deteriorated three-way catalyst, shown by the dashed line in FIG. 18, than for a new three-way catalyst, shown by the solid line in FIG. 18. Therefore, in order to maintain a high NOx purification rate, it is necessary not only to maintain the exhaust gas air-fuel ratio at the catalyst inlet at the three-way point, but also to appropriately correct and control the exhaust gas air-fuel ratio at the catalyst inlet so that the oxygen storage rate is within a range in which a predetermined NOx purification rate can be obtained, taking into account the state inside the catalyst, which cannot be directly observed from the outside, that is, the current oxygen storage capacity and oxygen storage rate of the three-way catalyst.
  • the predetermined range of oxygen storage rate is represented by the deteriorated control range 36 when the catalyst is deteriorated, and the new control range 35 when the catalyst is new, as shown in FIG. 17, and the new control range 35 is wider than the deteriorated control range 36.
  • the extended Kalman filter 1901 receives control inputs such as exhaust gas flow rate and equivalence ratio from the ECU, and sensor inputs such as an exhaust gas temperature sensor that detects the exhaust gas temperature downstream of the catalyst, and based on these inputs, the extended Kalman filter 1901 calculates the time differential value of the catalyst temperature. After that, an integral calculation is performed using a specified time interval value and a previous value state quantity to calculate the current catalyst temperature. At the same time, the same type of input value as that of the extended Kalman filter 1901 is also input to the Mahalanobis distance calculation unit 1902. The Mahalanobis distance for the current input is calculated using the input value.
  • step 2001 the control input and sensor input value are received from the ECU.
  • step 2002 the Mahalanobis distance is calculated using the control input and sensor input value from the ECU.
  • step 2003 the Mahalanobis distance calculated is compared with the threshold value specified in step 2002. If it is smaller than the threshold value, proceed to step 2004, and if it is larger than the threshold value, proceed to step 2005.
  • step 2004 the extended Kalman filter is operating within the learning range or the sensor is operating normally, so the catalyst temperature (differential value) is estimated by the extended Kalman filter using the control input and sensor input value from the ECU, and an integral calculation is performed using the specified time step value and the previous value state quantity to calculate the current catalyst temperature.
  • step 2005 the extended Kalman filter is operating outside the learning range or the sensor is malfunctioning, so the diagnosis result is recorded and used as sensor malfunction or re-learning data.
  • step 2006 alternative values such as estimated values calculated using physical formulas and MAP output values defined at the operating point are output.
  • the processor (CPU 205, Figure 2) of the control device (ECU 28, Figure 1) calculates the state variable (e.g., catalyst temperature) at the second timing from the vehicle's state variable at the first timing (e.g., previous value of catalyst temperature, Figure 19), the vehicle's control input at the second timing after the first timing (e.g., exhaust gas flow rate, equivalence ratio, Figure 19), and the observation value at the second timing detected by the vehicle's sensor (sensor input: e.g., exhaust gas temperature downstream of the catalyst, Figure 19).
  • state variable e.g., catalyst temperature
  • the processor approximates a state space model consisting of a state equation (first equation in Equation (1)) for the state variable (e.g., catalyst temperature) and an observation equation (second equation in Equation (1)) for the observation value (e.g., exhaust gas temperature downstream of the catalyst) using a neural network model.
  • the processor determines the reliability (accuracy) of the state variable (e.g., catalyst temperature) at the second timing from an index (e.g., Mahalanobis distance) based on the control input (e.g., exhaust gas flow rate, equivalence ratio) at the second timing and the observation value (e.g., exhaust gas temperature downstream of the catalyst) at the second timing.
  • the observation value is a sensor value that is correlated with the state variable (the second equation in equation (1)).
  • the processor determines that the reliability of the state variable at the second timing (e.g., catalyst temperature) is low (comparison unit 1903, FIG. 19). Note that in the second embodiment, if the Mahalanobis distance is greater than a threshold value, the reliability of the state variable at the second timing (e.g., catalyst temperature) is determined to be low, and 0 is output from comparison unit 1903.
  • the neural network model is composed of a first neural network model having an input layer to which the state variable x(k) at the first timing and the control input u(k) at the first timing are input, and an output layer to which the state variable x(k+1) at the second timing is output, and a second neural network model having an input layer to which the state variable x(k) at the first timing and the control input u(k) at the first timing are input, and an output layer to which the observation value y(k) at the first timing is output.
  • the processor (CPU 205) inputs the state variable of the first timing (e.g., the previous value of the catalyst temperature), the control input of the second timing (e.g., exhaust gas flow rate, equivalence ratio), and the observation value of the second timing (sensor input: e.g., exhaust gas temperature downstream of the catalyst) to the extended Kalman filter 1901, and obtains the time derivative value (state quantity) of the state variable from the extended Kalman filter 1901.
  • the processor (CPU 205) integrates the time derivative value (state quantity) of the state variable, and adds the integrated value to the state variable of the first timing (e.g., the previous value of the catalyst temperature), thereby calculating the state variable of the second timing (e.g., catalyst temperature).
  • the processor (CPU 205) If the Mahalanobis distance is equal to or less than the threshold, the processor (CPU 205) outputs the state variable (e.g., catalyst temperature) at the second timing calculated using the extended Kalman filter 1901. If the Mahalanobis distance is greater than the threshold, the processor (CPU 205) does not output the state variable (e.g., catalyst temperature) at the second timing calculated using the extended Kalman filter 1901, but outputs an alternative value derived from a physical formula or a map as the state variable (e.g., catalyst temperature) (step 2006, FIG. 20).
  • the state variable e.g., catalyst temperature
  • the processor performs machine learning using the state variables at the first timing (e.g., the previous value of the catalyst temperature) calculated using the extended Kalman filter 1901, the control inputs at the first timing (e.g., exhaust gas flow rate, equivalence ratio), and the state variables at the second timing (e.g., catalyst temperature) calculated using the extended Kalman filter 1901 as training data for a first neural network model.
  • the first timing e.g., the previous value of the catalyst temperature
  • the control inputs at the first timing e.g., exhaust gas flow rate, equivalence ratio
  • the state variables at the second timing e.g., catalyst temperature
  • the processor (CPU 205) also performs machine learning using the state variables at the first timing (e.g., the previous value of the catalyst temperature) calculated using the extended Kalman filter 1901, the control inputs at the first timing (e.g., exhaust gas flow rate, equivalence ratio), and the observation values at the first timing (e.g., exhaust gas temperature downstream of the catalyst) as training data for a second neural network model.
  • the state variables at the first timing e.g., the previous value of the catalyst temperature
  • the extended Kalman filter 1901 e.g., the control inputs at the first timing (e.g., exhaust gas flow rate, equivalence ratio)
  • the observation values at the first timing e.g., exhaust gas temperature downstream of the catalyst
  • the processor (CPU 205) performs machine learning if the Mahalanobis distance is equal to or less than the threshold, and does not perform machine learning if the Mahalanobis distance is greater than the threshold.
  • the above-mentioned embodiment describes the system configuration in detail and specifically in order to explain the present invention in an easy-to-understand manner, and is not necessarily limited to having all of the configurations described.
  • control lines and information lines shown are those considered necessary for the explanation, and do not necessarily show all control lines and information lines on the product. In reality, it can be assumed that almost all components are interconnected.
  • each of the above configurations, functions, etc. may be realized in hardware, for example by designing some or all of them as an integrated circuit. Furthermore, each of the above configurations, functions, etc. may be realized in software by a processor interpreting and executing a program that realizes each function. Information such as the programs, tables, files, etc. that realize each function can be stored in a memory, a recording device such as a hard disk or SSD (Solid State Drive), or a recording medium such as an IC card, SD card, or DVD.
  • a recording device such as a hard disk or SSD (Solid State Drive)
  • a recording medium such as an IC card, SD card, or DVD.
  • the present invention may take the following forms:
  • a powertrain system control device for an automobile equipped with a sensor for detecting a current state having an index value setting unit that determines an abnormality diagnosis index based on the control input and the sensor detection value as an index for determining the validity of the state estimation amount and a judgment threshold based on the state variables related to the automobile detected by the sensor, a control input for controlling the automobile, and a state estimation amount estimated by a state observer, the state observer having a neural network model that approximates a state space model having the sensor detection target as one of the output variables, and a means for determining the validity of the state quantity estimation result using the state observer based on the abnormality diagnosis index defined by the input of the neural network model and the sensor detection value.
  • a powertrain system control device having a means for using a Mahalanobis distance as the abnormality diagnosis index defined by the control input and the sensor detection value.
  • the powertrain system control device includes a means for determining the validity of the state quantity estimation result of the state observer based on the Mahalanobis distance.
  • the powertrain system control device is provided with a means for performing state quantity estimation using an extended Kalman filter capable of considering nonlinearity as the state observer.
  • a powertrain system control device as described in (1) that includes a means for stopping state quantity estimation using the extended Kalman filter when the Mahalanobis distance is equal to or greater than a predetermined value, diagnosing that the state quantity estimation or the sensor is abnormal, and notifying or recording the diagnosis result to the outside.
  • the neural network model that approximates the state space model includes a transient neural network model that approximates a state space model that uses a previous value as one of the inputs.
  • the powertrain system control device described in (1) is provided in which the extended Kalman filter calculates a time derivative value of the state quantity, adds it to the previous value, and estimates the current state quantity.
  • the powertrain system control device further comprising: outputting an alternative value calculated from a physical formula or a map after terminating state quantity estimation using the extended Kalman filter when the Mahalanobis distance is equal to or greater than a predetermined value.
  • the validity/invalidity of the transient neural network model and the sensor can be diagnosed with a minimum of information and calculations, making it possible to guarantee the reliability of the control software.
  • 1...internal combustion engine 20...catalyst upstream air-fuel ratio sensor, 21...exhaust gas purification catalyst, 22...rear oxygen sensor, 28...ECU, 51...exhaust gas flow rate calculation section, 52...catalyst upstream state quantity estimation section, 53...catalyst downstream state quantity estimation section, 54...correction section, 55...NOx sensor diagnosis section, 56...fuel injection amount correction section, 56a...fuel injection amount correction map, 57...fuel composition discrimination section, 100...internal combustion engine control system, 110...aftertreatment system

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)

Abstract

制御装置のプロセッサは、第１タイミングの車両の状態変数（前回値）と、第１タイミングの後の第２タイミングの車両の制御入力と、車両のセンサで検出される第２タイミングの観測値（センサ入力）から、第２タイミングの状態変数を計算する。プロセッサは、状態変数に関する状態方程式と、観測値に関する観測方程式から構成される状態空間モデルをニューラルネットワークモデルで近似する。プロセッサは、第２タイミングの制御入力と第２タイミングの観測値に基づく指標（マハラノビス距離）から第２タイミングの状態変数の信頼性を判定する。

Description

制御装置
　本発明は、制御装置に関する。
　排気規制の強化により、高精度なパワートレイン制御が求められ、従来MAP制御で構成されていたパワートレイン制御の開発効率化に向けて、ニューラルネットワークモデルを用いた制御開発が進められている。ニューラルネットワークモデルとは、人間の脳神経回路の仕組みを模した数学モデルである。
特開2021-124419号公報
　ニューラルネットワークモデルを用いた制御は、教師データを用いた学習が必要であり、そのニューラルネットワークモデルは学習した領域内で動作することで、演算結果の精度を保証する。しかし、学習領域外でニューラルネットワークモデルが動作した場合、精度が悪化する虞があった。上述した特許文献１には、教師データの信頼性を基にモデルの学習の可否を判定しているが、学習済みモデルの演算結果の信頼性を判定することは特許文献１に開示されていない。
　本発明の目的は、センサで検出されない車両の状態変数の計算値の信頼性を評価することができる制御装置を提供することにある。
　上記目的を達成するために、本発明の制御装置は、第１タイミングの車両の状態変数と、前記第１タイミングの後の第２タイミングの前記車両の制御入力と、前記車両のセンサで検出される前記第２タイミングの観測値とから、前記第２タイミングの前記状態変数を計算し、前記状態変数に関する状態方程式と前記観測値に関する観測方程式から構成される状態空間モデルをニューラルネットワークモデルで近似し、前記第２タイミングの前記制御入力と前記第２タイミングの前記観測値に基づく指標から前記第２タイミングの前記状態変数の信頼性を判定するプロセッサを備える。
　本発明によれば、センサで検出されない車両の状態変数の計算値の信頼性を評価することができる。上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
本発明の第１、２の実施形態に係る内燃機関制御システムの全体概略構成図である。 本発明の第１、２の実施形態に係るＥＣＵのハードウェア構成例を示すブロック図である。 本発明の第１の実施形態に係るニューラルネットワークモデルの例を示す図である。 本発明の第１の実施形態に係る拡張カルマンフィルタのアルゴリズムの例を示すフローチャートである。 本発明の第１の実施形態に係るマハラノビス距離の概要を示す図である。 本発明の第１の実施形態に係るマハラノビス距離の実挙動の例を示す図である。 本発明の第１の実施形態に係る状態量推定及びマハラノビス距離算出ブロック図である。 本発明の第１の実施形態に係る状態量推定及びマハラノビス距離算出を示すフローチャートである。 本発明の第２の実施形態に係る後処理システムの構成例を示す概略図である。 本発明の第２の実施形態に係る排ガスの当量比と空燃比センサの出力との関係を説明する図である。 本発明の第２の実施形態に係る排ガスの当量比とリア酸素センサの出力との関係を説明する図である。 本発明の第２の実施形態に係るＨ２Ｏ（水）、ＣＯ（一酸化炭素）、ＣＯ２（二酸化炭素）、Ｈ２（水素）、Ｏ２（酸素）の当量比に対する傾向を説明する図である。 本発明の第２の実施形態に係るＨＣ（炭化水素）、ＮＯｘ（窒素酸化物）の当量比に対する傾向を説明する図である。 本発明の第２の実施形態に係る後処理システムで使用される三元触媒（セリア系）の主な反応過程を説明する図である。 本発明の第２の実施形態に係る触媒活性化温度以上における排ガス当量比に対する三元触媒の浄化率の傾向を説明する図である。 本発明の第２の実施形態に係る触媒上流当量比、触媒下流当量比、リア酸素センサ２２の出力挙動を説明する図である。 本発明の第２の実施形態に係るリア酸素センサの出力特性のヒステリシス性を説明する図である。 本発明の第２の実施形態に係るリア酸素センサの出力と触媒下流のＮＯｘ濃度及びＨＣ濃度の時間的変化を説明する図である。 本発明の第２の実施形態に係る触媒劣化度合いと三元触媒の酸素貯蔵能力との関係を説明する図である。 本発明の第２の実施形態に係る三元触媒の酸素貯蔵割合と、三元触媒のＮＯｘ浄化率との関係を説明する図である。 本発明の第２の実施形態に係る新品触媒と劣化触媒を用いた場合における、触媒上流当量比、触媒下流当量比、酸素貯蔵割合、リア酸素センサの出力挙動の比較結果を説明する図である。 本発明の第２の実施形態に係る触媒温度推定及びマハラノビス距離算出ブロック図である。 本発明の第２の実施形態に係る触媒温度推定及びマハラノビス距離算出を示すフローチャートである。 本発明の第２の実施形態に係るニューラルネットワークモデルの例を示す図である。
　以下、本発明を実施するための形態について、添付図面を参照して説明する。本明細書及び図面において、実質的に同一の機能又は構成を有する構成要素については、同一の符号を付することにより重複する説明を省略する。
　［第１の実施形態］
　図１は、内燃機関制御システム１００の全体概略構成図である。
　内燃機関制御システム１００は、内燃機関１と、内燃機関１に添設されるＥＣＵ（Electronic Control Unit）２８を備えている。ＥＣＵ２８は、内燃機関１を構成する各種のセンサやアクチュエータ等へ電気的に接続されており、内燃機関１を制御する内燃機関制御装置の一例である。
　内燃機関１は、流量センサ２（エアフローセンサ）、ターボ過給機３、エアバイパス弁４、インタークーラ５、過給温度センサ６、スロットル弁７、吸気マニホールド８、過給圧センサ９、流動強化弁１０、吸気バルブ１１、バルブ開閉位相センサ１２、排気バルブ１３、バルブ開閉位相センサ１４、燃料噴射弁１５、点火プラグ１６、ノックセンサ１７、クランク角度センサ１８、ウェイストゲート弁１９、触媒上流空燃比センサ２０、排気浄化触媒（三元触媒）２１、リア酸素センサ（触媒下流酸素センサ）２２、ＥＧＲ（Exhausted Gas Recirculation）管２３、ＥＧＲクーラ２４、ＥＧＲ弁２５、排ガス温度センサ２６、差圧センサ２７及び触媒下流ＮＯｘセンサ２９を備えている。なお、リア酸素センサ２２は、触媒下流（リア）空燃比センサ（不図示）へ置換可能である。
　内燃機関１の吸気流路に設けられた流量センサ２には、不図示の吸気温度センサが組付けられている。吸気温度センサは、吸気温度を計測する。
　ターボ過給機３は、吸気流路を臨むコンプレッサ翼を備えているコンプレッサ３ａと、該コンプレッサ３ａと一体的に回転するように連結されて排気流路を臨むタービン翼を備えているタービン３ｂとによって構成される。コンプレッサ３ａとタービン３ｂは、ターボ過給機３内部において回転自在に軸支されている。そして、タービン３ｂは、内燃機関１からの排出ガスの有するエネルギを回転エネルギに変換する。タービン３ｂと連結されているコンプレッサ３ａは、タービン３ｂの回転エネルギによって、吸気流路から流入した吸入空気を圧縮する。
　内燃機関１の吸気流路において、インタークーラ５は、ターボ過給機３のコンプレッサ３ａの下流に設けられ、コンプレッサ３ａにより断熱圧縮されて上昇した吸入空気の吸気温度を冷却する。過給温度センサ６は、インタークーラ５の下流に組み付けられ、インタークーラ５によって冷却された吸入空気の温度（過給温度）を計測する。
　スロットル弁７は、インタークーラ５の下流に設けられ、吸気流路を絞り、内燃機関１のシリンダに流入する吸入空気量を制御する。スロットル弁７は、ＥＣＵ２８による弁開度の制御が可能な電子制御式バタフライ弁により構成される。スロットル弁７の下流には、過給圧センサ９が組み付けられた吸気マニホールド８が連通している。
　なお、スロットル弁７の下流に設けられた吸気マニホールド８とインタークーラ５とを一体化させる構成としてもよい。この場合、コンプレッサ３ａの下流からシリンダに至るまでの容積を小さくできるので、加減速の応答性向上や制御性向上が可能になる。
　エアバイパス弁４は、コンプレッサ３ａの下流からスロットル弁７の上流部までの圧力が過剰に上昇することを防ぐために、吸気流路においてコンプレッサ３ａの上流と下流とを結ぶ吸気バイパス流路上に配置される。例えば、過給状態でスロットル弁７が急激に閉止された場合には、ＥＣＵ２８の制御に従ってエアバイパス弁４が開かれることにより、コンプレッサ３ａの下流部の圧縮された吸入空気がバイパス流路を通ってコンプレッサ３ａの上流部に逆流される。その結果、過給圧を直ちに低下させることで、サージングとよばれる現象を防止でき、コンプレッサ３ａの破損を適切に防止する。
　流動強化弁１０は、吸気マニホールド８の下流に配置され、シリンダに吸入される吸入空気に偏流を生じさせることによって、シリンダ内部の流れの乱れを強化させる。後述する排ガス再循環燃焼を実施する際に、ＥＣＵ２８により流動強化弁１０を閉じることで乱流燃焼を促進させ、燃焼室内で発生する燃焼を安定化させることができる。
　吸気バルブ１１及び排気バルブ１３は、バルブ開閉の位相を連続的に可変とするための可変動弁機構をそれぞれ有している。吸気バルブ１１及び排気バルブ１３の可変動弁機構には、バルブの開閉位相を検知するためのバルブ開閉位相センサ１２、１４がそれぞれ組み付けられている。内燃機関１のシリンダには、シリンダの燃焼室内に、不図示の燃料ポンプによって加圧された燃料を噴射する直接噴射方式の燃料噴射弁１５が備えられている。なお、燃料噴射弁１５は、吸気流路内に燃料を噴射するポート噴射方式であってもよい。あるいは、燃料噴射弁１５は、シリンダ毎に複数個の直接噴射方式やポート噴射方式の燃料噴射弁１５を併用するようにしてもよい。
　内燃機関１のシリンダには、シリンダ内に電極部を露出させ、スパークによって可燃混合気を点火する点火プラグ１６が組み付けられている。ノックセンサ１７は、シリンダブロックに設けられ、燃焼室内で発生する燃焼圧力振動を起因として生じるシリンダブロック振動を検出することで、ノックの有無を検出する。クランク角度センサ１８は、クランク軸の近傍に組み付けられ、クランク軸の回転角度に応じた信号をＥＣＵ２８へ出力する。
　内燃機関１の排気管内において、上流空燃比センサ（触媒上流空燃比センサ２０）は、ターボ過給機３のタービン３ｂの下流であって、排気管内に設けられ、酸素貯蔵能を有する三元触媒（排気浄化触媒２１）の上流に配置されている。そして、上流空燃比センサ（触媒上流空燃比センサ２０）は、排ガスから検出した排ガス組成、すなわち排ガスの触媒上流空燃比を検出し、触媒上流空燃比を示す信号をＥＣＵ２８へ出力する。排気浄化触媒２１は、三元触媒の一例であり、触媒上流空燃比センサ２０の下流に備えられている。排気浄化触媒２１は、排ガス中の一酸化炭素、窒素化合物及び未燃炭化水素等の有害排出ガス成分を触媒反応によって浄化する。上述したように排気浄化触媒２１の下流には、リア酸素センサ２２が配置されている。リア酸素センサ２２は、排気浄化触媒２１による浄化後の排ガスに含まれる酸素の多少を検出する。以下、排気浄化触媒２１を三元触媒、又は触媒とも呼ぶ。
　ターボ過給機３には、エアバイパス弁４及びウェイストゲート弁１９が備えられている。エアバイパス弁４は、コンプレッサ３ａの下流からスロットル弁７の上流部までの圧力が過剰に上昇することを防ぐために、コンプレッサ３ａの上流と下流とを結ぶバイパス流路上に配置される。過給状態でスロットル弁７が急激に閉止された場合には、ＥＣＵ２８の制御に従ってエアバイパス弁４が開かれることにより、コンプレッサ３ａの下流部の圧縮された吸入空気がバイパス流路を通ってコンプレッサ３ａの上流部に逆流される。その結果、過給圧を直ちに低下させることで、サージングとよばれる現象を防止でき、コンプレッサ３ａの破損を適切に防止する。
　ウェイストゲート弁１９は、排気流路においてタービン３ｂの上流と下流とを結ぶ排気バイパス流路上に配置される。ウェイストゲート弁１９は、ＥＣＵ２８の制御によって、過給圧に対して自由に弁開度が制御可能な電動式の弁である。過給圧センサ９により検知された過給圧に基づいてＥＣＵ２８によってウェイストゲート弁１９の開度が調整されると、排ガスの一部がバイパス流路を通過することにより、排ガスがタービン３ｂに与えるエネルギを減じることができる。その結果、ウェイストゲート弁１９は、過給圧を目標圧に調整することができる。
　ＥＧＲ管２３は、排気浄化触媒２１の下流部の排気流路と、コンプレッサ３ａの上流部の吸気流路とを連通し、排気浄化触媒２１の下流から排ガスを分流して、コンプレッサ３ａの上流部へ還流する。ＥＧＲ管２３に備えられたＥＧＲクーラ２４は、分流した排ガスを冷却する。ＥＧＲ弁２５は、ＥＧＲ管２３においてＥＧＲクーラ２４とコンプレッサ３ａの上流部との間に備えられ、コンプレッサ３ａの上流部へ還流する排ガスの流量を制御する。また、ＥＧＲ管２３には、ＥＧＲ弁２５の上流部の排ガスの排ガス温度を検出する排ガス温度センサ２６と、ＥＧＲ弁２５の上流と下流との差圧を検出する差圧センサ２７とが設けられている。
　ＥＣＵ２８は、後述する図２に示すＣＰＵ（Central Processing Unit）２０５、ＲＯＭ（Read Only Memory）２０４、ＲＡＭ（Random Access Memory）２０３の他、不図示のＡ／Ｄ（Analog-to-Digital）変換器、ドライバ回路等を有し、内燃機関１の各構成要素を制御したり、各種のデータ処理を実行したりする制御装置である。ＥＣＵ２８は、例えば、スロットル弁７、燃料噴射弁１５、吸気バルブ１１及び排気バルブ１３の可変動弁機構、ＥＧＲ弁２５等のアクチュエータの動作を制御する。また、ＥＣＵ２８は、各種センサから入力された信号に基づいて、内燃機関１の運転状態を検知して、運転状態に応じて決定したタイミングで点火プラグ１６に点火させる。
　［ＥＣＵのハードウェア構成例］
　図２は、ＥＣＵ２８のハードウェア構成例を示すブロック図である。
　ＥＣＵ２８は入力回路２０１、入出力ポート２０２、ＲＡＭ２０３、ＲＯＭ２０４、ＣＰＵ２０５、スロットル弁駆動回路２０６、燃焼噴射弁駆動回路２０７、及び点火出力回路２０８を備える。
　入力回路２０１には、各種センサからの出力信号が入力される。図２では、スロットル弁７のスロットルセンサ、流量センサ２、過給温度センサ６、過給圧センサ９、バルブ開閉位相センサ１２、１４、ノックセンサ１７、クランク角度センサ１８、触媒上流空燃比センサ２０及びリア酸素センサ２２等の出力信号が、ＥＣＵ２８の入力回路２０１に入力される例が示される。入力回路２０１に入力された信号は入出力ポート２０２に送信される。
　入出力ポート２０２に送信された信号はＲＡＭ２０３に記憶され、ＣＰＵ２０５で演算処理される。演算処理の内容を記述した制御プログラムは、ＲＯＭ２０４に予め書き込まれており、ＣＰＵ２０５により実行される。ＲＯＭ２０４は、ＣＰＵ２０５が動作するために必要なプログラムやデータ等を記録しており、ＥＣＵ２８によって実行されるプログラムを格納したコンピューター読取可能な非一過性の記憶媒体の一例として用いられる。
　ＣＰＵ２０５が制御プログラムに従い演算した制御信号は、スロットル弁駆動回路２０６、燃焼噴射弁駆動回路２０７、点火出力回路２０８などの各装置へ出力される。
　スロットル弁駆動回路２０６は、スロットル弁７の開閉駆動を制御するための駆動信号をスロットル弁７に出力する。
　燃焼噴射弁駆動回路２０７は、燃料噴射タイミングでの燃料噴射弁１５の開閉駆動を制御するための駆動信号を燃料噴射弁１５に出力する。
　点火出力回路２０８は、点火タイミングでの点火プラグ１６の点火を制御するための駆動信号を点火出力回路２０８に出力する。
　＜ニューラルネットワークモデル＞
　図３にニューラルネットワークの概要を示す。ニューラルネットワークモデルとは、人間の脳神経回路の仕組みを模した数学モデルであり、モデルを構成する各ニューロンには、重みとバイアスが設定されている。
　また、ニューロンには活性化関数と呼ばれる関数が定義されている。活性化関数には、ロジスティック関数やランプ関数などが適宜設定される。複数のニューロンで一つの層が形成され、入力層と出力層との間には、中間層が設定される。ニューロン数や中間層の層数を増加することで、より複雑な入出力関係を近似することができる。近似精度とモデル規模との間にはトレードオフの関係があり、双方の要求を満足する両立点が選定される。例えば、排ガスセンサ信号の周波数を入力層に、触媒劣化診断を出力層に、それぞれ設定し、各ニューロンの重みとバイアスを機械学習（教師有り）することによって、入出力関係を近似することができる。機械学習のアルゴリズムには、誤差逆伝播法を適用できる。
　＜拡張カルマンフィルタ＞
　図４は、拡張カルマンフィルタアルゴリズムの例を示すフローチャートである。本発明の構成要素の一つである拡張カルマンフィルタについて、アルゴリズムおよび本制御への適用方法を述べる。拡張カルマンフィルタについて、アルゴリズムおよび本制御への適用方法を述べる。拡張カルマンフィルタでは、式(1)、(2)で定義したシステムノイズQおよび観測ノイズRを含む状態・出力方程式を前提に考える。
Figure JPOXMLDOC01-appb-M000001
　上の非線形式を次の様に区分線形近似する。
Figure JPOXMLDOC01-appb-M000002
　ここで、Fk(k)およびHk(k)は、それぞれfおよびhの状態変数に関するヤコビ行列である。
Figure JPOXMLDOC01-appb-M000003
　拡張カルマンフィルタアルゴリズムは、予測ステップとフィルタリングステップで構成される。予測ステップでは、入力変数とシステムノイズにもとづき、内部状態変数ベクトルおよび共分散行列を次式で更新する。
Figure JPOXMLDOC01-appb-M000004
　次に、フィルタリングステップにおいて、更新後の共分散行列と観測ノイズで規定されるカルマンゲインを計算する。
Figure JPOXMLDOC01-appb-M000005
　カルマンゲインと観測データを用いて、内部状態変数ベクトルおよび共分散行列を次式で更新する。
Figure JPOXMLDOC01-appb-M000006
　時間ステップを更新し、式（6）に戻る。以上を繰り返すことで、実測値に
基づき、直接測定困難な内部状態変数を推定することができる。
　＜マハラノビス距離＞
　図５にマハラノビス距離の概要図を示す。マハラノビス距離は多次元の分散の組み合わせにより、中心点からの距離が同様であっても、正常値または異常値の判定をし易いという特徴がある。マハラノビス距離は次式で算出する。x は式(7)のように入力データベクトルを示す。またμ は式(8)のように平均値ベクトルを示す。
Figure JPOXMLDOC01-appb-M000007
Figure JPOXMLDOC01-appb-M000008
　式(9)は分散共分散行列を示す。E は期待値である。式(10)でマハラノビス距離DMを求める。
Figure JPOXMLDOC01-appb-M000009
Figure JPOXMLDOC01-appb-M000010
　図６にマハラノビス距離の実挙動の例を示す。区間(a)及び(c)では制御入力uが内挿領域に存在し、区間(b) の時は外挿領域に存在する。また、区間(c)では、拡張カルマンフィルタに使用しているセンサが異常であり、異常なセンサ値が入力される区間である。次に、区間毎にマハラノビス距離の挙動を説明する。区間(a)では、制御入力uは内挿領域、センサは正常に動作しているため、マハラノビス距離は小さく、良好な推定精度となっている。区間(b) では、制御入力uは外挿領域にあるため、マハラノビス距離が増加し、推定精度が区間(a)よりも悪化している。区間(c)では、制御入力uは内挿領域にあるが、拡張カルマンフィルタに使用しているセンサが異常値を出力しているため、マハラノビス距離が増加し推定精度が区間(a)よりも悪化している。このように、制御入力またはセンサが異常動作している時には、マハラノビス距離が増加することで、状態観測器の推定値の信頼性を判断できる。
　次に図7を用いて本実施例の構成について説明する。まず拡張カルマンフィルタ７０１にＥＣＵから入力された任意の入力値が入力される。入力値には、制御値やセンサ値が含まれる。入力値を用いて、状態量を推定する。ここで状態量は微分値となっているため、規定された時間刻み値と前回値状態量を用いて、積分計算をし、現在の状態量を求める。また、同時にマハラノビス距離算出部７０２においても拡張カルマンフィルタ７０１と同種の入力値が入力される。入力値を用いて、現在入力におけるマハラノビス距離を算出する。比較部７０３において、規定した閾値と算出したマハラノビス距離の比較を行う。閾値より現在のマハラノビス距離が大きい場合は、０を出力し、学習範囲外またはセンサ故障とみなす。閾値より現在のマハラノビス距離が小さい場合は、１を出力し、学習範囲内またはセンサ正常と判断する。そして、内外挿結果を記録する。切り替え部７０４において、０が入力された場合は、拡張カルマンフィルタ７０１が学習範囲外で動作しているまたはセンサ故障中であり正常な推定演算ができていないとみなし、規定の定常値を出力する。１が入力された場合は、拡張カルマンフィルタ７０１が学習範囲内で動作している、またはセンサ正常動作中であり正常な推定演算ができているとみなし、推定した状態量を出力する
　次に図８を用いて本実施例のフローチャートについて説明する。ステップ８０１にて、ＥＣＵから制御入力及びセンサ入力値を受信する。ステップ８０２にて、ＥＣＵから制御入力及びセンサ入力値を用いてマハラノビス距離を求める。ステップ８０３にて、ステップ８０２にて規定した閾値と算出したマハラノビス距離の比較を行う。閾値よりも小さい場合は、ステップ８０４に進み、閾値よりも大きい場合は、ステップ８０５に進む。ステップ８０４に進んだ場合、拡張カルマンフィルタが学習範囲内で動作しているまたはセンサ正常動作中であるため、ＥＣＵから制御入力及びセンサ入力値を用いて拡張カルマンフィルタにより状態量（微分値）を推定し、規定された時間刻み値と前回値状態量を用いて積分計算を実施し、現在の状態量を求める。
　ステップ８０５に進んだ場合は拡張カルマンフィルタが学習範囲外で動作している、またはセンサ故障中であるため、診断結果を記録し、センサ故障や再学習データとして用いる。ステップ８０６で物理式により演算した推定値や動作点で規定したＭＡＰの出力値等の代替値を出力する。
　［第２の実施形態］
　第２の実施例では、触媒の温度推定を例題に説明する。
　＜後処理システムの構成例＞
　次に、内燃機関の排ガスを浄化する後処理システム１１０の構成例について、図９Ａ～図９Ｃを参照して説明する。
　図９Ａは、後処理システム１１０の構成例を示す概略図である。
　上述したように後処理システム１１０では、排ガス浄化触媒（排気浄化触媒２１）として三元触媒が用いられる。三元触媒の上流部に触媒上流空燃比センサ２０が設けられ、下流部にリア酸素センサ２２が設けられ、触媒上流空燃比センサ２０及びリア酸素センサ２２は、ＥＣＵ２８等の制御装置に接続される。ＥＣＵ２８は、触媒上流空燃比センサ２０を介して三元触媒に流入する排ガスの触媒上流空燃比を計測し、且つ、リア酸素センサ２２を介して触媒浄化後の排ガスに含まれる酸素の多少を検知することができる。
　図９Ｂは、排ガスの当量比（＝理論空燃比／空燃比）と触媒上流空燃比センサ２０の出力との関係を説明する図である。図９Ｂの横軸は当量比、縦軸は触媒上流空燃比センサ２０の出力をとる。
　図９Ｂに示すように、当量比が増加するほど（言い換えれば、排ガスがリッチ化するほど）、触媒上流空燃比センサ２０の出力（空燃比センサ出力）が減少する傾向を示す。ＥＣＵ２８は、この排ガスの当量比と触媒上流空燃比センサ２０の出力との関係に基づいて、触媒上流空燃比センサ信号を触媒上流空燃比に換算する。これにより、ＥＣＵ２８は、排ガスのリーン状態からリッチ状態まで広範囲に精度良く触媒上流空燃比を検出することが可能である。
　図９Ｃは、排ガスの当量比とリア酸素センサ２２の出力との関係を説明する図である。図９Ｃの横軸は当量比、縦軸はリア酸素センサ出力をとる。
　リア酸素センサ出力は、リア酸素センサ電圧とも読み替えられ、排ガスに含まれる酸素濃度と空気中の酸素濃度との濃度差に伴う起電力により変化する。リア酸素センサ出力は、リーン条件では概ね最小起電力を示し、リッチ条件では最大起電力を示す。そのため触媒制御では、リア酸素センサ出力が理論空燃比（当量比１．０）にて急変する特性を有する。ＥＣＵ２８は、このリア酸素センサ出力の変化タイミングを捉えることで、三元触媒下流に放出される排ガスの酸素の多少を検出することができる。
　＜排ガスの化学種濃度＞
　図１０Ａと図１０Ｂは、排ガスの化学種濃度の当量比に対する傾向を説明する図である。
　図１０Ａは、Ｈ２Ｏ（水）、ＣＯ（一酸化炭素）、ＣＯ２（二酸化炭素）、Ｈ２（水素）、Ｏ２（酸素）の当量比に対する傾向を説明する図である。
　図１０Ｂは、ＨＣ（炭化水素）、ＮＯｘ（窒素酸化物）の当量比に対する傾向を説明する図である。図１０Ａと図１０Ｂの横軸は当量比、縦軸は排ガスの化学種の濃度をとる。
　図１０Ａに示すように、炭化水素系燃料の燃焼ガス組成は、理論空燃比を境にしてリッチ側ではＣＯ（一酸化炭素）及びＨ２（水素）が増加し、リーン側ではＯ２（酸素）が増加する傾向を示す。一方、図１０Ｂに示すように、ＮＯｘ（窒素酸化物）は、理論空燃比の若干リーン側で極大値を示し、そのリーン側及びリッチ側で減少する傾向を示す。ＨＣ（未燃炭化水素）は、燃焼に至らないで排出される未燃燃料成分であり、理論空燃比に極小値を示し、理論空燃比を境にして過剰にリーン化又はリッチ化すると、燃料が完全燃焼に至らずに排出されるＨＣ量が増加する傾向がある。
　図１０Ａと図１０Ｂに示すように、燃料と空気（酸素）が過不足なく供給される理論空燃比条件においても、高温な燃焼ガス中では、Ｈ２Ｏ（水）やＣＯ２（二酸化炭素）に至らずにＣＯ（一酸化炭素）やＮＯｘ（窒素酸化物）が一定量排出される。このために、後処理システム１１０によって排ガスを適切に浄化処理する必要がある。
　＜三元触媒の反応過程＞
　図１１は、後処理システム１１０で使用される三元触媒（セリア系）の主な反応過程を説明する図である。図１１に示す反応過程では、係数の記載を省略する。
　三元触媒反応過程は主に、酸化反応、ＮＯｘ還元反応、酸素貯蔵・放出反応からなる。酸化反応では、リッチ条件又は高温条件で生成するＣＯ、Ｈ２、ＨＣが酸素と反応し、無害なＣＯ２とＨ２Ｏが生成される。未燃炭化水素（ＨＣ）にはメタン、プロパン、エチレン、ブタンなどの成分が含まれ、それぞれ異なる速度で反応が進行する。
　ＮＯｘ還元反応は、主にＣＯとＮＯとの反応で表され、ＣＯ２とＮ２が生成される。
　酸素貯蔵・放出反応では、触媒材料であるＣｅ（セリウム）を介して、酸素（Ｏ２）の貯蔵・放出とＨＣ、ＣＯ及びＮＯの各酸化・還元反応が進行する。すなわち、二酸化セリウム（ＣｅＯ２）とＣＯ及びＨＣとの反応によって、ＣＯ２とＨ２Ｏが生成されるとともに、三酸化二セリウム（Ｃｅ２Ｏ３）とＮＯとの反応によって、Ｎ２が生成される。このとき、同時に生成されるＣｅＯ２とＣｅ２Ｏ３とのバランスによって、三元触媒の酸素貯蔵割合Ψが規定される。すなわち、触媒中のＣｅ２Ｏ３が全てＣｅＯ２となると、ＮＯとの反応ができず、ＮＯが浄化できない。
　このように、三元触媒の浄化率を適切に保持するためには、ＣｅＯ２とＣｅ２Ｏ３とのバランス、すなわち酸素貯蔵割合Ψを所定値に保持する必要がある。上述した全ての反応過程は、触媒温度に強く依存するため、ＥＣＵ２８は、内燃機関１の始動後、早期に活性化温度以上となるように、触媒温度管理を適切に実施する必要がある。
　なお、本実施形態で示すシステムでは、セリア系の三元触媒を用いる構成としているが、本発明はこれに限定されるものではない。類似の効果を示す他の材料を用いた触媒でも、制御モデルの定数を調整することによって、発明の構成を変えることなく、同様の効果を奏することができる。また、触媒反応には、図１１に示した反応機構以外にも、水性ガスシフト反応などが用いられる場合がある。これらの反応機構についても、ＥＣＵ２８は、制御モデル定数を調整して対応することができる。
　図１２は、触媒活性化温度以上における排ガス当量比に対する三元触媒の浄化率の傾向を説明する図である。図１２の横軸に当量比、縦軸に触媒浄化率をとる。そして、図１２より、当量比がリーンからリッチに変化した場合におけるＮＯｘ、ＨＣ、ＣＯの触媒浄化率が示される。また、触媒浄化率は、１００％に近いほど、排ガス中の成分が浄化され、排ガス中の成分が排出されないことを表している。
　このグラフでは、三元触媒の浄化率特性は理論空燃比（図中の「制御目標」）を境にして変化することが示される。リーン条件下では、ＣＯとＨＣの浄化率は概ね９０％以上に保持される一方で、当量比が減少するに従い、ＮＯｘ浄化率が減少する。リッチ側では、当量比が増加するにしたがってＨＣ及びＣＯの浄化率が減少する傾向を示す。理論空燃比の近傍では、ＮＯｘ、ＨＣ、ＣＯのいずれの浄化率も９０％以上を達成できる。そこで、理論空燃比の近傍の点を「三元点」と呼ぶ。ＥＣＵ２８は、三元点である理論空燃比に当量比を保つことによって三元触媒の浄化率を高位に保つ制御を実施している。
　図１３は、触媒上流当量比、触媒下流当量比、リア酸素センサ２２の出力挙動を説明する図である。図１３の横軸は時間、縦軸は触媒上流当量比、触媒下流当量比、リア酸素センサ出力をとる。ここでは、当量比１．０を中心にして、触媒上流当量比（触媒上流空燃比）をリーン側、又はリッチ側に時間的にステップ的（階段状）に急激に変動させた際の触媒下流の当量比（触媒下流空燃比）、及び触媒下流に設置されたリア酸素センサ２２の出力挙動が示される。まず、図１３において左右方向の時間軸に沿う時間帯（ａ）に示すように、触媒上流当量比がちょうど１．０に設定されている場合、触媒下流にはごく微量の酸素が排出される。このため、リア酸素センサ出力は、その最大起電力と最小起電力との間の値である中間状態に保持される。続いて、図１３において時間帯（ｂ）に示すように、触媒上流当量比を当量比１．０から減少させてステップ的にリーン側へ変化させると、触媒下流当量比はリーン側へと漸減し、リア酸素センサ出力は、触媒下流当量比の漸減に要する緩和時間を経た後、リーン条件での所定の最小起電力値側に急激に変化する。さらに続いて、図１３において時間帯（ｃ）に示すように、触媒上流当量比を当量比１．０よりも増加させてステップ的にリッチ側へと変化させると、これに応じて触媒下流当量比はリッチ側へと漸増を開始する。リア酸素センサ出力は、触媒下流当量比の漸増に要する緩和時間を経たのち、リッチ条件での所定の最大起電力値側に変化する。次に、図１３において時間帯（ｄ）に示すように、触媒上流当量比を再び当量比１．０から減少させてステップ的にリーン側へ変化させると、再び触媒下流当量比はリーン側へと漸減する。触媒上流当量比の変化に呼応するリア酸素センサ出力は、触媒下流当量比の漸減に要する緩和時間を経た後、再びリーン条件での所定の最小起電力値側に変化する。この時間帯（ｄ）での触媒下流当量比のリッチからリーンへの変化に要する時間は、時間帯（ｃ）でのリーンからリッチへの変化に要する時間よりも短くなる、所謂ヒステリシス性を持つことが特徴である。
　このように、リーンからリッチへの変化と、リッチからリーンへの変化では、触媒下流当量比の遅れ時間と、リア酸素センサ２２の出力の遅れ時間が異なる傾向を持つ。この傾向は、図１１で述べた三元触媒（セリア系）のＣｅＯ２とＣｅ２Ｏ３の酸素貯蔵・放出反応での反応速度が、リッチからリーンへの変化とリーンからリッチへの変化で異なっていることに起因している。また、三元触媒の反応速度は触媒温度や排ガス流量にも依存するので、上述したヒステリシス性は触媒温度と排ガス流量によって変化する。
　次に、図１４を併せて参照して、酸素センサ特性のヒステリシス性を説明する。図１４は、酸素センサの出力特性のヒステリシス性を説明する図である。このグラフは、横軸に当量比、縦軸に酸素センサの出力をとる。酸素センサの静特性については図９Ｃを参照して説明した通りである。一方、酸素センサにも上述したような触媒材料が使用されている。したがって、酸素センサの動特性は、リッチからリーンへの変化とリーンからリッチへの変化が相違する、ヒステリシス性を有している。すなわち、酸素センサ信号がリッチ条件での所定の最大起電力値側からリーン条件での所定の最小起電力値側へと変化する際に要する緩和時間は、リーン条件での所定の最小起電力値側からリッチ条件での所定の最大起電力値側へと変化する際に要する緩和時間よりも短くなる。さらに、上述した酸素センサ信号の挙動は、酸素センサを構成する材料特性の使用過程における変化や、酸素センサの温度の影響を受ける。
　ここで、図１５を併せて参照して、触媒上流当量比１．０（理論空燃比）で内燃機関１が制御された状態（ストイキメトリ制御）から、燃料カットを実施する期間（リーン条件）を経て、再度理論空燃比状態で運転復帰させる場合におけるリア酸素センサ２２の出力と触媒下流ＮＯｘ濃度の時間的変化を説明する。図１５は、リア酸素センサ２２の出力と触媒下流のＮＯｘ濃度及びＨＣ濃度の時間的変化を説明する図である。図１５の横軸は時間、縦軸は触媒上流当量比、リア酸素センサ出力、触媒下流ＮＯｘ濃度、触媒下流ＨＣ濃度をとる。まず、図１５において左右方向の時間軸に沿う時間帯（ａ）に示すように触媒上流当量比がちょうど１．０に設定されている場合、リア酸素センサ出力は、その最大起電力と最小起電力との間の値である中間状態に保持される。続いて、図１５において時間帯（ｂ）に示すように、触媒上流当量比１．０による運転から燃料カットによるリーン条件に移行する。続いて、図１５において時間帯（ｃ）に示すように、再度触媒上流当量比１．０による運転に復帰する。この際、リア酸素センサ出力の触媒上流当量比１．０の中間状態からリーン側への変化と、リーン側から触媒上流当量比１．０の中間状態への変化（緩和時間）は相違する。すなわち、酸素センサ信号が、燃料カットによるリーン条件での所定の最小起電力値側からストイキメトリ制御条件での中間状態（図１５の時間帯（ａ）参照）へと変化する際に要する緩和時間は、ストイキメトリ制御条件での中間状態からリーン条件での所定の最小起電力値側へと変化する際に要する緩和時間よりも長くなる。このリア酸素センサ出力が中間状態に復帰するまでの緩和時間（遅れ期間）の間には、触媒下流のＮＯｘ濃度がスパイク的に増加する挙動が観測される場合がある。このような触媒下流のＮＯｘ濃度の増加には、例えば、燃料カット後、再度触媒上流当量比１．０による運転を開始する際に、触媒上流当量比を当量比１．０よりも増加させて一時的にＮＯｘの触媒浄化率を高め（図１２を参照）、これを以て触媒下流のＮＯｘ排出量を減少させる所謂リッチ補正が行われて対処する制御が行われる。しかしながら、リッチ補正によりＮＯｘの触媒浄化率を高めることと、ＨＣやＣＯの触媒浄化率とはトレードオフの関係（図１２参照）がある。このため、内燃機関１の空燃比制御においては、触媒内部の状態を考慮して、適切な補正量及び期間のリッチ補正制御を実施する必要がある。なお、内燃機関１の空燃比制御において触媒内部の状態を考慮するためには、例えば、触媒下流の排ガスの酸素状態を検出しているリア酸素センサ信号を判定基準として用いることができる。しかし、上述したようにリア酸素センサ２２の反応には遅れ期間（図１４を参照）があることに留意する必要がある。
　ここでは、ストイキメトリ制御、適正なリッチ補正、過剰なリッチ補正の順に、リア酸素センサ２２の出力と触媒下流のＮＯｘ濃度及びＨＣ濃度の時間的変化について説明する。
　（ストイキメトリ制御）
　図１５においてストイキメトリ制御がされた時のリア酸素センサ２２の出力と触媒下流のＮＯｘ濃度及びＨＣ濃度の時間的変化は実線で示される。図１３に示したように、リーン状態からリッチ状態への変化に対して、リア酸素センサ２２の出力は遅れを伴って増加する。触媒下流のＮＯｘ濃度は、リア酸素センサ２２の出力が復帰するまでの遅れ期間に瞬間的に増加したＮＯｘが排出される挙動を示す。一方、触媒下流のＨＣ濃度は、ほぼ変化していないため、ＨＣの排出が防止される。
　（適正なリッチ補正）
　図１５において適正なリッチ補正がされた時のリア酸素センサ２２の出力と触媒下流のＮＯｘ濃度及びＨＣ濃度の時間的変化は破線で示される。燃料カット後、再度ファイアリング運転を開始する際に、一旦リッチ補正が実施されると、触媒上流当量比がリッチ状態となる。リア酸素センサ２２の出力は、ストイキメトリ制御よりも早く当量比に到達する。また、触媒下流のＮＯｘ濃度とＨＣ濃度は、ほぼ変化していないため、ＮＯｘとＨＣの排出が防止される。
　（過剰なリッチ補正）
　図１５において過剰なリッチ補正がされた時のリア酸素センサ２２の出力と触媒下流のＮＯｘ濃度及びＨＣ濃度の時間的変化は粗い破線で示される。リア酸素センサ２２は触媒の下流ガスの酸素状態を検出している。このため、過剰なリッチ補正がされると、リア酸素センサ２２の出力が反応する時点において、既に触媒の内部状態は、酸素貯蔵状態が最大又は最小状態にまで変化している。また、過剰なリッチ補正がされると、図１０Ｂに示したようにＮＯｘ濃度が低くなり、図１２に示したようにＮＯｘの触媒浄化率が増加するので、ＮＯｘの排出が防止される。
　一方で、図１０Ｂに示したようにＨＣ濃度が高くなり、図１２に示したようにＨＣの触媒浄化率が低下するので、ＨＣが排出される。つまり、リア酸素センサ２２の出力が反応した後にリッチ補正を停止する制御方法をとると、触媒にとってはリッチ補正の停止タイミングが遅すぎるために、ＨＣを適切に防止できない。そのことから、内燃機関の空燃比制御においては、外部からは直接観測できない触媒内部の状態を考慮して、適切な期間のリッチ補正制御を施す必要がある。
　図１６は、触媒劣化度合いと三元触媒の酸素貯蔵能（ＯＳＣ：Oxygen Storage Capacity）との関係を説明する図である。図１６の横軸は触媒劣化度合い、縦軸は酸素貯蔵能をとる。
　触媒劣化とは、熱的な影響や燃料に含まれる硫黄による被毒の影響を受けて、三元触媒の触媒作用が低下した状態を指している。図１６に示すように、三元触媒の酸素貯蔵能は、図１６において左右方向の触媒劣化度合いに対して略比例している。すなわち、触媒劣化が進行するにしたがって、三元触媒の酸素貯蔵能が低下する傾向がある。
　以下、酸素貯蔵能力の変化が三元触媒の浄化作用に与える影響について述べる。
　図１７は、三元触媒の酸素貯蔵割合、すなわち三元触媒の現時点の酸素貯蔵量を上述の酸素貯蔵能で除した値と、ＮＯｘ浄化率との関係を説明する図である。図１７の横軸は酸素貯蔵割合、縦軸はＮＯｘ浄化率をとる。図１７では、新品の三元触媒のＮＯｘ浄化率の変化を実線で表し、劣化した三元触媒のＮＯｘ浄化率の変化を破線で表す。酸素貯蔵割合が小さい時は、新品の三元触媒と、劣化した三元触媒のいずれも酸素貯蔵割合が高い。また、新品の三元触媒の方が、劣化した三元触媒よりもＮＯｘ浄化率が高い。図１７に示すように、酸素貯蔵割合が所定値を超過すると、新品の三元触媒と、劣化した三元触媒のいずれもＮＯｘ浄化率が急激に悪化する傾向がある。これは、図１１を参照して説明したように、ＮＯｘ浄化には、触媒中のＣｅ２Ｏ３が重要であり、Ｃｅ２Ｏ３が全て反応してＣｅＯ２に変化すると、Ｃｅ２Ｏ３がＮＯとの反応ができず、ＮＯｘが浄化できないためである。また、触媒劣化が進行して三元触媒の酸素貯蔵能が低下すると、結果的に、同一酸素貯蔵量に対する酸素貯蔵割合の値が高まってしまう。
　このため、酸素貯蔵量に対するＮＯｘ浄化率の値は、図１８において実線で示す新品の三元触媒におけるＮＯｘ浄化率よりも、図１８において破線で示す劣化した三元触媒のＮＯｘ浄化率のほうが低くなる。したがって、ＮＯｘ浄化率を高位に保つためには、触媒入口の排ガス空燃比を三元点に保つのみならず、外部からは直接観測できない触媒内部の状態、すなわち三元触媒の現在の酸素貯蔵能及び酸素貯蔵割合を考慮して、酸素貯蔵割合が所定のＮＯｘ浄化率を得られる範囲内となるように、触媒入口の排ガス空燃比を適宜、補正制御する必要がある。なお、酸素貯蔵割合の所定の範囲内とは、図１７に示すように、触媒劣化時は劣化時制御範囲３６、触媒新品時は新品時制御範囲３５として表され、新品時制御範囲３５の方が劣化時制御範囲３６よりも広い。
　次に図１９を用いて本実施例の構成について説明する。まず拡張カルマンフィルタ１９０１にＥＣＵから排ガス流量、当量比等の制御入力と、触媒の下流側の排ガス温度を検出する排ガス温度センサ等のセンサ入力が入力され、それらの入力を基に拡張カルマンフィルタ１９０１が触媒温度の時間微分値を求める。その後、規定された時間刻み値と前回値状態量を用いて、積分計算をし、現在の触媒温度を求める。また、同時にマハラノビス距離算出部１９０２においても拡張カルマンフィルタ１９０１と同種の入力値が入力される。入力値を用いて、現在入力におけるマハラノビス距離を算出する。比較部１９０３において、規定した閾値と算出したマハラノビス距離の比較を行う。閾値より現在のマハラノビス距離が大きい場合は、０を出力し、学習範囲外またはセンサ故障とみなす。閾値より現在のマハラノビス距離が小さい場合は、１を出力し、学習範囲内またはセンサ正常と判断する。そして、内外挿結果を記録する。切り替え部１９０４において、０が入力された場合は、拡張カルマンフィルタ１９０１が学習範囲外で動作しているまたはセンサ故障中であり正常な推定演算ができていないとみなし、規定の定常値を出力する。１が入力された場合は、拡張カルマンフィルタ１９０１が学習範囲内で動作しているまたはセンサ正常動作中であり正常な推定演算ができているとみなし、推定した触媒温度を出力する。
　次に図２０を用いて本実施例のフローチャートについて説明する。ステップ２００１にて、ＥＣＵから制御入力及びセンサ入力値を受信する。ステップ２００２にて、ＥＣＵから制御入力及びセンサ入力値を用いてマハラノビス距離を求める。ステップ２００３にて、ステップ２００２にて規定した閾値と算出したマハラノビス距離の比較を行う。閾値よりも小さい場合は、ステップ２００４に進み、閾値よりも大きい場合は、ステップ２００５に進む。ステップ２００４に進んだ場合、拡張カルマンフィルタが学習範囲内で動作しているまたはセンサ正常動作中であるため、ＥＣＵから制御入力及びセンサ入力値を用いて拡張カルマンフィルタにより触媒温度（微分値）を推定し、規定された時間刻み値と前回値状態量を用いて積分計算を実施し、現在の触媒温度を求める。ステップ２００５に進んだ場合は拡張カルマンフィルタが学習範囲外で動作している、またはセンサ故障中であるため、診断結果を記録し、センサ故障や再学習データとして用いる。ステップ２００６で物理式により演算した推定値や動作点で規定したＭＡＰの出力値等の代替値を出力する。
　上述した実施形態の主な特徴は、次のようにまとめることもできる。
　制御装置（ＥＣＵ２８、図１）のプロセッサ（ＣＰＵ２０５、図２）は、第１タイミングの車両の状態変数（例えば、触媒温度の前回値、図１９）と、第１タイミングの後の第２タイミングの車両の制御入力（例えば、排ガス流量、当量比、図１９）と、車両のセンサで検出される第２タイミングの観測値（センサ入力：例えば、触媒の下流側の排ガス温度、図１９）から、第２タイミングの状態変数（例えば、触媒温度）を計算する。プロセッサは、状態変数（例えば、触媒温度）に関する状態方程式（式（１）の第１式）と、観測値（例えば、触媒の下流側の排ガス温度）に関する観測方程式（式（１）の第２式）から構成される状態空間モデルをニューラルネットワークモデルで近似する。プロセッサは、第２タイミングの制御入力（例えば、排ガス流量、当量比）と第２タイミングの観測値（例えば、触媒の下流側の排ガス温度）に基づく指標（例えば、マハラノビス距離）から第２タイミングの状態変数（例えば、触媒温度）の信頼性（確度）を判定する。なお、観測値は、状態変数と相関があるセンサ値である（式（１）の第２式）。
　これにより、センサで検出されない車両の状態変数の計算値（推定値）の信頼性を評価することができる。信頼性の高い状態変数を後段の処理に利用することで、後段の処理の信頼性も向上する。
　指標の一例は、第２タイミングの制御入力（例えば、排ガス流量、当量比）と第２タイミングの観測値（例えば、触媒の下流側の排ガス温度）に基づくマハラノビス距離である。なお、マハラノビス距離に相関がある値を指標としてもよい。
　これにより、制御入力と観測値の分散を考慮して第２タイミングの状態変数の計算値の信頼性を評価することができる。
　プロセッサ（ＣＰＵ２０５）は、例えば、マハラノビス距離が閾値より大きい場合、第２タイミングの状態変数（例えば、触媒温度）の信頼性が低いと判定する（比較部１９０３、図１９）。なお、第２の実施形態では、マハラノビス距離が閾値より大きい場合、第２タイミングの状態変数（例えば、触媒温度）の信頼性が低いと判定され、比較部１９０３から０が出力される。
　これにより、センサが正常であれば、内挿（マハラノビス距離≦閾値）と外挿（マハラノビス距離＞閾値）を判定することができる。センサが異常（故障、汚れの付着等）の場合、マハラノビス距離＞閾値となることがある。
　状態方程式と観測方程式は非線形である。プロセッサ（ＣＰＵ２０５）は、拡張カルマンフィルタ１９０１（図１９）を用いて状態変数（例えば、触媒温度）を計算する。
　これにより、状態方程式と観測方程式が非線形であっても、線形近似することで状態変数を容易に計算することができる。
　詳細には、プロセッサ（ＣＰＵ２０５）は、マハラノビス距離が閾値以下である場合、拡張カルマンフィルタ１９０１を用いて計算される第２タイミングの状態変数（例えば、触媒温度）を出力する（ステップ２００４、図２０）。プロセッサ（ＣＰＵ２０５）は、マハラノビス距離が閾値より大きい場合、拡張カルマンフィルタ１９０１を用いて計算される第２タイミングの状態変数（例えば、触媒温度）を出力しないで、第２タイミングの状態変数（例えば、触媒温度）の信頼性が低い又はセンサが故障していることを示す診断結果を出力（送信又は記憶）する（ステップ２００５、図２０）。
　これにより、信頼性の低い状態変数が後段の処理で利用されないので、後段の処理の信頼性の低下を抑制することができる。
　ニューラルネットワークモデルは、例えば、図２１に示すように、第１タイミングの状態変数x(k)及び第１タイミングの制御入力u(k)が入力される入力層と、第２タイミングの状態変数x(k+1)が出力される出力層を備える第１ニューラルネットワークモデルと、第１タイミングの状態変数x(k)及び第１タイミングの制御入力u(k)が入力される入力層と、第１タイミングの観測値y(k)が出力される出力層を備える第２ニューラルネットワークモデルと、から構成される。
　これにより、状態方程式と観測方程式を解かずに、状態変数と観測値を推定することができる。また、学習によりニューラルネットワークモデルを用いて推定される状態変数と観測値の信頼性が向上する。ニューラルネットワークモデルで推定された状態変数をパワートレイン制御に用いることで、高精度なパワートレイン制御を実現することができる。
　プロセッサ（ＣＰＵ２０５）は、図１９に示すように、拡張カルマンフィルタ１９０１に、第１タイミングの状態変数（例えば、触媒温度の前回値）、第２タイミングの制御入力（例えば、排ガス流量、当量比）、及び第２タイミングの観測値（センサ入力：例えば、触媒の下流側の排ガス温度）を入力し、拡張カルマンフィルタ１９０１から状態変数の時間微分値（状態量）を取得する。プロセッサ（ＣＰＵ２０５）は、状態変数の時間微分値（状態量）を積分し、積分値を第１タイミングの状態変数（例えば、触媒温度の前回値）と加算することで、第２タイミングの状態変数（例えば、触媒温度）を計算する。
　これにより、状態変数を高速に計算することができる。
　プロセッサ（ＣＰＵ２０５）は、マハラノビス距離が閾値以下である場合、拡張カルマンフィルタ１９０１を用いて計算される第２タイミングの状態変数（例えば、触媒温度）を出力する。プロセッサ（ＣＰＵ２０５）は、マハラノビス距離が閾値より大きい場合、拡張カルマンフィルタ１９０１を用いて計算される第２タイミングの状態変数（例えば、触媒温度）を出力しないで、物理式又はマップから導かれる代替値を状態変数（例えば、触媒温度）として出力する（ステップ２００６、図２０）。
　これにより、例えば、状態変数を利用する後段の処理が中断されない。
　プロセッサ（ＣＰＵ２０５）は、拡張カルマンフィルタ１９０１を用いて計算された第１タイミングの状態変数（例えば、触媒温度の前回値）と、第１タイミングの制御入力（例えば、排ガス流量、当量比）と、拡張カルマンフィルタ１９０１を用いて計算された第２タイミングの状態変数（例えば、触媒温度）と、を第１ニューラルネットワークモデルの教師データとして機械学習を行う。また、プロセッサ（ＣＰＵ２０５）は、拡張カルマンフィルタ１９０１を用いて計算された第１タイミングの状態変数（例えば、触媒温度の前回値）と、第１タイミングの制御入力（例えば、排ガス流量、当量比）と、第１タイミングの観測値（例えば、触媒の下流側の排ガス温度）と、を第２ニューラルネットワークモデルの教師データとして機械学習を行う。
　これにより、センサで検出されない状態変数に関し、拡張カルマンフィルタを用いて計算された状態変数を用いて機械学習を行うことができる。
　プロセッサ（ＣＰＵ２０５）は、マハラノビス距離が閾値以下の場合、機械学習を行い、マハラノビス距離が閾値より大きい場合、機械学習を行わない。
　これにより、拡張カルマンフィルタを用いて計算された信頼性の高い状態変数を用いて機械学習を行うことができる。その結果、ニューラルネットワークモデルを用いて推定される状態変数と観測値の信頼性が向上する。ニューラルネットワークモデルで推定された状態変数をパワートレイン制御に用いることで、高精度なパワートレイン制御を実現することができる。
　なお、本発明は上述した実施形態に限られるものではなく、請求の範囲に記載した本発明の要旨を逸脱しない限りその他種々の応用例、変形例を取り得ることは勿論である。
　例えば、上述した実施形態は本発明を分かりやすく説明するためにシステムの構成を詳細かつ具体的に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されない。また、本実施形態の構成の一部について、他の構成の追加、削除、置換をすることも可能である。
　また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
　また、上記の各構成、機能等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、SSD（Solid State Drive）等の記録装置、または、ICカード、SDカード、DVD等の記録媒体に置くことができる。
　なお、本発明の実施形態は、以下の態様であってもよい。
　（１）．現在の状態を検出するセンサを備えた自動車用のパワートレインシステム制御装置であって、センサで検出される自動車に関する状態変数と、自動車を制御するための制御入力と、状態観測器で推定される状態推定量とに基づき、前記状態観測器は、前記状態推定量の有効性を判定するための指標として、前記制御入力とセンサ検出値とに基づく異常診断指標と、判定閾値とを求める指標値設定部と、前記センサ検出対象を出力変数の一つに備えた状態空間モデルを近似したニューラルネットワークモデルを有し、前記ニューラルネットワークモデルの入力と前記センサ検出値とで規定される前記異常診断指標に基づき、前記状態観測器を用いた状態量推定結果の有効性を判定する手段を備えるパワートレインシステム制御装置。
　（２）．前記制御入力と前記センサ検出値とで規定される前記異常診断指標としてマハラノビス距離を用いる手段を備えるパワートレインシステム制御装置。
　（３）．前記マハラノビス距離にもとづき、前記状態観測器の状態量推定結果の有効性を判定する手段を備える（１）に記載のパワートレインシステム制御装置。
　（４）．前記状態観測器として、非線形を考慮可能な拡張カルマンフィルタを用いて状態量推定を実施する手段を備える（１）に記載のパワートレインシステム制御装置。
　（５）．前記マハラノビス距離が所定値以上において、前記拡張カルマンフィルタを用いた状態量推定を停止し、状態量推定またはセンサが異常であると診断し、診断結果を外部へ通知または記録する手段を備える（１）に記載のパワートレインシステム制御装置。
　（６）．前記状態空間モデルを近似したニューラルネットワークモデルは、前回値を入力の一つとして用いる状態空間モデルを近似した過渡ニューラルネットワークモデルを備える（１）に記載のパワートレインシステム制御装置。
　（７）．前記拡張カルマンフィルタは状態量の時間微分値を求め、前回値と加算し、現在の状態量を推定することを備える（１）に記載のパワートレインシステム制御装置。
　（８）．前記マハラノビス距離が所定値以上において、前記拡張カルマンフィルタを用いた状態量推定を停止後は、物理式やMAPより求めた代替値を出力することを備える（１）に記載のパワートレインシステム制御装置。
　（１）－（８）によれば、過渡ニューラルネットワークモデルとセンサの有効・無効を最小限の情報と演算で診断でき、制御ソフトの信頼性を保証することが可能となる。
１…内燃機関、２０…触媒上流空燃比センサ、２１…排気浄化触媒、２２…リア酸素センサ、２８…ＥＣＵ、５１…排ガス流量算出部、５２…触媒上流状態量推定部、５３…触媒下流状態量推定部、５４…補正部、５５…ＮＯｘセンサ診断部、５６…燃料噴射量補正部、５６ａ…燃料噴射量補正マップ、５７…燃料組成判別部、１００…内燃機関制御システム、１１０…後処理システム

Claims (10)

  1. 　第１タイミングの車両の状態変数と、前記第１タイミングの後の第２タイミングの前記車両の制御入力と、前記車両のセンサで検出される前記第２タイミングの観測値とから、前記第２タイミングの前記状態変数を計算し、
    　前記状態変数に関する状態方程式と前記観測値に関する観測方程式から構成される状態空間モデルをニューラルネットワークモデルで近似し、
    　前記第２タイミングの前記制御入力と前記第２タイミングの前記観測値に基づく指標から前記第２タイミングの前記状態変数の信頼性を判定する
    　プロセッサを備える制御装置。
  2. 　請求項１に記載の制御装置であって、
    　前記指標は、前記第２タイミングの前記制御入力と前記第２タイミングの前記観測値に基づくマハラノビス距離である
    　ことを特徴とする制御装置。
  3. 　請求項２に記載の制御装置であって、
    　前記プロセッサは、前記マハラノビス距離が閾値より大きい場合、前記第２タイミングの前記状態変数の信頼性が低いと判定する
    　ことを特徴とする制御装置。
  4. 　請求項１に記載の制御装置であって、
    　前記状態方程式と前記観測方程式は非線形であり、
    　前記プロセッサは、
    　拡張カルマンフィルタを用いて前記状態変数を計算する
    　ことを特徴とする制御装置。
  5. 　請求項２に記載の制御装置であって、
    　前記プロセッサは、
    　前記マハラノビス距離が閾値以下である場合、拡張カルマンフィルタを用いて計算される前記第２タイミングの前記状態変数を出力し、
    　前記マハラノビス距離が閾値より大きい場合、前記拡張カルマンフィルタを用いて計算される前記第２タイミングの前記状態変数を出力しないで、前記第２タイミングの前記状態変数の信頼性が低い又は前記センサが故障していることを示す診断結果を出力する
    　ことを特徴とする制御装置。
  6. 　請求項４に記載の制御装置であって、
    　前記ニューラルネットワークモデルは、
    　前記第１タイミングの前記状態変数及び前記第１タイミングの前記制御入力が入力される入力層と、前記第２タイミングの前記状態変数が出力される出力層を備える第１ニューラルネットワークモデルと、
    　前記第１タイミングの前記状態変数及び前記第１タイミングの制御入力が入力される入力層と、前記第１タイミングの前記観測値が出力される出力層を備える第２ニューラルネットワークモデルと、
    　から構成されることを特徴とする制御装置。
  7. 　請求項４に記載の制御装置であって、
    　前記プロセッサは、
    　前記拡張カルマンフィルタに、前記第１タイミングの前記状態変数、前記第２タイミングの前記制御入力、及び前記第２タイミングの前記観測値を入力し、前記拡張カルマンフィルタから前記状態変数の時間微分値を取得し、
    　前記状態変数の時間微分値を積分し、積分値を前記第１タイミングの前記状態変数と加算することで、前記第２タイミングの前記状態変数を計算する
    　ことを特徴とする制御装置。
  8. 　請求項２に記載の制御装置であって、
    　前記プロセッサは、
    　前記マハラノビス距離が閾値以下である場合、拡張カルマンフィルタを用いて計算される第２タイミングの前記状態変数を出力し、
    　前記マハラノビス距離が閾値より大きい場合、前記拡張カルマンフィルタを用いて計算される第２タイミングの前記状態変数を出力しないで、物理式又はマップから導かれる代替値を前記状態変数として出力する
    　ことを特徴とする制御装置。
  9. 　請求項６に記載の制御装置であって、
    　前記プロセッサは、
    　前記拡張カルマンフィルタを用いて計算された前記第１タイミングの前記状態変数と、前記第１タイミングの前記制御入力と、前記拡張カルマンフィルタを用いて計算された前記第２タイミングの前記状態変数と、を前記第１ニューラルネットワークモデルの教師データとし、
    　前記拡張カルマンフィルタを用いて計算された前記第１タイミングの前記状態変数と、前記第１タイミングの前記制御入力と、前記第１タイミングの前記観測値と、を前記第２ニューラルネットワークモデルの教師データとし、機械学習を行う
    　ことを特徴とする制御装置。
  10. 　請求項９に記載の制御装置であって、
    　前記指標は、前記第２タイミングの前記制御入力と前記第２タイミングの前記観測値に基づくマハラノビス距離であり、
    　前記プロセッサは、
    　前記マハラノビス距離が閾値以下の場合、前記機械学習を行い、
    　前記マハラノビス距離が閾値より大きい場合、前記機械学習を行わない
    　ことを特徴とする制御装置。
PCT/JP2023/012500 2023-03-28 2023-03-28 制御装置 Ceased WO2024201709A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PCT/JP2023/012500 WO2024201709A1 (ja) 2023-03-28 2023-03-28 制御装置
CN202380095362.0A CN120835955A (zh) 2023-03-28 2023-03-28 控制装置
JP2025509331A JP7903066B2 (ja) 2023-03-28 2023-03-28 制御装置
DE112023005556.4T DE112023005556T5 (de) 2023-03-28 2023-03-28 Steuervorrichtung

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2023/012500 WO2024201709A1 (ja) 2023-03-28 2023-03-28 制御装置

Publications (1)

Publication Number Publication Date
WO2024201709A1 true WO2024201709A1 (ja) 2024-10-03

Family

ID=92904303

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/012500 Ceased WO2024201709A1 (ja) 2023-03-28 2023-03-28 制御装置

Country Status (4)

Country Link
JP (1) JP7903066B2 (ja)
CN (1) CN120835955A (ja)
DE (1) DE112023005556T5 (ja)
WO (1) WO2024201709A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014013560A (ja) * 2012-06-04 2014-01-23 Jfe Steel Corp 結果予測装置および結果予測方法
CN111950629A (zh) * 2020-08-11 2020-11-17 精英数智科技股份有限公司 对抗样本的检测方法、装置及设备
JP2021124419A (ja) * 2020-02-06 2021-08-30 トヨタ自動車株式会社 バッテリ劣化判定装置、バッテリ劣化判定方法、及びバッテリ劣化判定プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014013560A (ja) * 2012-06-04 2014-01-23 Jfe Steel Corp 結果予測装置および結果予測方法
JP2021124419A (ja) * 2020-02-06 2021-08-30 トヨタ自動車株式会社 バッテリ劣化判定装置、バッテリ劣化判定方法、及びバッテリ劣化判定プログラム
CN111950629A (zh) * 2020-08-11 2020-11-17 精英数智科技股份有限公司 对抗样本的检测方法、装置及设备

Also Published As

Publication number Publication date
JPWO2024201709A1 (ja) 2024-10-03
DE112023005556T5 (de) 2025-11-06
JP7903066B2 (ja) 2026-08-10
CN120835955A (zh) 2025-10-24

Similar Documents

Publication Publication Date Title
JP7191199B2 (ja) 内燃機関制御装置
JP4952847B2 (ja) 内燃機関の制御装置
JP4120524B2 (ja) エンジンの制御装置
US7620490B2 (en) Fuel injection control device for internal combustion engine
US9151207B2 (en) Distinguishing between EGR valve and oxygen sensor degradation
JP4453394B2 (ja) 触媒の劣化診断装置
GB2501703A (en) Method of estimating a variation of a quantity of soot accumulated in a particulate filter
US8240129B2 (en) System and method for diagnosing operation of a NOx adsorber catalyst
RU2642710C1 (ru) Устройство управления для двигателя внутреннего сгорания, подавляющее выбросы белого дыма
KR20140135110A (ko) 특히 자동차의 자연 점화 내연기관의 배기가스 재순환을 작동하기 위한 방법 및 장치
JP7449377B2 (ja) 内燃機関制御装置
JP4341456B2 (ja) 内燃機関の排気浄化触媒劣化判定方法及び劣化判定装置
JP7719978B2 (ja) 内燃機関制御装置及び状態量推定方法
GB2502366A (en) Method of biodiesel blending detection in an i.c. engine
JP4380354B2 (ja) 内燃機関の添加弁異常診断装置
JP7751653B2 (ja) 内燃機関の制御装置及び制御方法
CN120835955A (zh) 控制装置
JP7727834B2 (ja) 内燃機関制御装置及び内燃機関制御方法
JP4148072B2 (ja) 内燃機関の触媒制御方法及び触媒制御装置
JP2008169790A (ja) 内燃機関のスワール制御装置
JP4544215B2 (ja) 内燃機関の制御装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23930349

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2025509331

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2025509331

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 202380095362.0

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 112023005556

Country of ref document: DE

WWP Wipo information: published in national office

Ref document number: 202380095362.0

Country of ref document: CN

WWP Wipo information: published in national office

Ref document number: 112023005556

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 23930349

Country of ref document: EP

Kind code of ref document: A1