CN116234978A - 电子控制装置及发动机控制系统 - Google Patents

Abstract

本发明为一种电子控制装置，其控制发动机，所述发动机具备：EGR系统，其具有EGR管以及配置于该EGR管内的EGR阀；气流传感器，其设置在进气管上；节气门，其在该气流传感器的下游侧；以及进气管压力传感器，其检测进气管压力，该电子控制装置具备：状态推断部，其至少根据气流传感器的检测值和EGR阀开度来推断进气管压力和EGR率；以及推断值修正部，其根据进气管压力传感器的检测值和状态推断部的进气管压力推断值来修正状态推断部的EGR率推断值。

Description

电子控制装置及发动机控制系统

技术领域

本发明涉及一种电子控制装置及发动机控制系统。

背景技术

以往，使从内燃机的排气管分流出的一部分废气回流(再循环)至进气管来谋求改善内燃机的燃烧性能的控制技术为人所知。该控制技术实现了以下系统：一方面以阀门开度来控制吸入至发动机的空气量和使废气回流的比例，另一方面根据由吸入空气量传感器检测到的新气的量与废气回流比例的关系来控制燃料喷射量和点火时间。(例如参考专利文献1)。

现有技术文献

专利文献

专利文献1：日本专利特开2011-169196号公报

发明内容

发明要解决的问题

另外，通过增加废气回流比例(EGR率)，在部分负载运转时能增加节气门缩窄的影响造成的泵送损失的减少的效果，在高负载时能增加爆震减少等效果。另一方面，若过于增加EGR率，则会发生燃烧的不稳定化或断火的问题。进而，在EGR率比控制目标值少那一侧伴有误差的情况下，得不到充分的爆震减少效果，从而发生爆震等不正常燃烧等问题。

上述专利文献1记载的控制系统揭示了以下内容：根据吸入空气量传感器、节气门开度以及EGR阀开度的关系来推断进气管压力，进行该推断值与进气管上配备的进气管压力传感器给出的实测值的比较，从而判定EGR系统有无异常。此外，专利文献1记载的控制系统揭示了以下诊断技术：结合进气管压力的推断值与排气管上配备的空燃比传感器的信息来区分燃料系统异常与EGR系统异常。但在高EGR率燃烧系统中，在前文所述的爆震和断火的防止的观点上要求高的EGR控制精度。因此，对于正常范围内的EGR控制误差也需要在将其检测出来的同时恰当地进行控制、由此维持高精度的EGR控制状态。

本发明是鉴于上述状况而成，其目的在于将EGR控制精度保持在高位、防止伴随EGR控制误差而来的内燃机的燃烧不良。

解决问题的技术手段

为解决上述问题，本发明的一形态的电子控制装置是一种控制发动机的电子控制装置，所述发动机具备：EGR系统，其具有使内燃机的废气的一部分回流至进气管的EGR管以及配置于该EGR管内的EGR阀；气流传感器，其检测导入到进气管的空气的流量；节气门，其设置在该气流传感器的下游侧；以及进气管压力传感器，其设置在该节气门的下游侧而且是进气管与EGR管的连接部分的下游侧，检测进气管内的节气门下游的压力即进气管压力，该电子控制装置具备：状态推断部，其根据气流传感器的检测值和EGR阀开度来推断进气管压力和EGR率；以及推断值修正部，其根据进气管压力传感器的检测值和由状态推断部推断出的进气管压力推断值来修正由状态推断部推断出的EGR率推断值。

发明的效果

根据本发明的至少一形态，在推断值修正部中根据进气管压力传感器的检测值和进气管压力推断值来修正EGR率推断值。由此，能将EGR控制精度保持在高位，从而能防止伴随EGR控制误差而来的内燃机的燃烧不良(例如爆震或断火)。

上述以外的课题、构成以及效果将通过以下实施方式的说明来加以明确。

附图说明

图1为本发明的一实施方式的发动机控制系统视为控制对象的发动机系统整体的概略构成图。

图2为表示ECU的硬件构成例的框图。

图3为表示EGR率与点火提前角的关系的图表。

图4为表示ECU的功能构成例的框图。

图5为说明执行实现目标转矩及目标EGR率的节气门及EGR阀的开度控制的控制块的图。

图6为说明在构成实现目标转矩及目标EGR率的节气门及EGR阀的开度控制模型时考虑的物理模型的图。

图7为使用阀门截面示意图来说明根据阀门通过流量运算模型来运算目标阀门开度的方法的图。

图8为说明根据气流传感器和进气管压力传感器的信息而通过卡尔曼滤波来推断进气管内状态、根据推断出的进气管内状态来执行节气门开度和EGR阀开度的修正的控制块的图。

图9为以框图来表示在构建实现内部状态反馈控制的控制模型时使用的功能的概念图。

图10为表示卡尔曼滤波器的内部构成例的框图。

图11为表示卡尔曼滤波算法的例子的流程图。

图12为说明执行节气门流量系数、EGR阀流量系数以及汽缸进气效率的学习的控制块的图。

图13为表示系统辨识用的递归最小二乘算法的例子的流程图。

图14为说明实现目标转矩及目标EGR率的节气门开度及EGR阀开度的控制中在节气门上附着有积碳的情况下的控制动作及其效果的图。

图15为说明实现目标转矩及目标EGR率的节气门开度及EGR阀开度的控制中在节气门和EGR阀两者上附着有积碳的情况下的控制动作(基于卡尔曼滤波的内部状态反馈)及其效果的图。

图16为说明实现目标转矩及目标EGR率的节气门开度及EGR阀开度的控制中在节气门和EGR阀两者上附着有积碳的情况下的控制动作(基于卡尔曼滤波的内部状态反馈及系统辨识)及其效果的图。

图17为表示根据气流传感器的检测值和进气管压力传感器的检测值来执行节气门控制及EGR阀控制的次序例的流程图。

具体实施方式

下面，参考附图，对本发明的具体实施方式的例子进行说明。本说明书及附图中，对实质上具有同一功能或构成的构成要素标注同一符号而省略重复的说明。

[发动机系统的概略构成]

首先，参考图1，对本发明的一实施方式的发动机控制系统视为控制对象的发动机系统整体的构成进行说明。

图1展示本发明的一实施方式的发动机控制系统视为控制对象的发动机系统整体的概略构成例。发动机系统具备内燃机1、加速踏板位置传感器2、气流传感器3、节气门4、进气歧管5、流动强化阀7、进气门8、排气门10、燃料喷射阀12、火花塞13以及曲轴角传感器20。进而，发动机系统具备空燃比传感器14、EGR(Exhausted Gas Recirculation)管15、EGR冷却器16、EGR温度传感器17、EGR阀上游压力传感器18、EGR阀19以及ECU(ElectronicControl Unit)21。

节气门4设置于进气管31上形成的进气歧管5上游，将吸入流路缩窄来控制流入至内燃机1的汽缸的吸入空气量。该节气门4由能独立于驾驶员的加速踏板踩踏量而对阀开度进行控制的电控式蝶阀构成。装配有进气管压力传感器6的进气歧管5连通于节气门4下游侧。

流动强化阀7配置于进气歧管5下游，使吸入至汽缸的吸入空气产生偏流，由此来强化汽缸内部的气流的紊乱。在实施后文叙述的废气再循环燃烧时，通过关闭流动强化阀7来促进及稳定紊流燃烧。

内燃机1上设置有进气门8及排气门10。进气门8及排气门10分别具有用于使气门开闭的相位连续地可变的可变气门机构。进气门8及排气门10的可变气门机构中分别装配有用于检测气门的开闭相位的进气门位置传感器9及排气门位置传感器11。内燃机1的汽缸上配备有朝汽缸内直接喷射燃料的直接式燃料喷射阀12。再者，燃料喷射阀12也可为朝进气端口内喷射燃料的端口喷射方式。

内燃机1的汽缸上装配有使电极部露出于汽缸内、借助火花来点燃可燃混合气的火花塞13。曲轴角传感器20装配在曲轴上，将与曲轴的转动角度相应的信号作为表示转速的信号输出至ECU 21。空燃比传感器14设置在排气管32上，将表示检测到的废气组成即空燃比的信号输出至ECU 21。

构成有包含EGR管15以及配置于该EGR管15内的EGR阀19的EGR系统。EGR管15将排气流路(进气管31)与吸气流路(排气管32)连通，从排气流路分流废气而回流(再循环)至节气门4的下游。EGR管15上配备的EGR冷却器16对废气进行冷却。EGR阀19配备在EGR冷却器16下游，控制废气的流量。EGR管15上设置有对在EGR阀19上游流动的废气的温度进行检测的EGR温度传感器17和对EGR阀19上游的压力进行检测的EGR阀上游压力传感器18。

ECU 21为电子控制装置的一例，控制发动机系统的各构成要素、执行各种数据处理。由发动机系统和ECU 21构成发动机控制系统。上述的各种传感器和各种执行器以能够通信的方式连接于ECU 21。ECU 21对节气门4、燃料喷射阀12、进气门8、排气门10以及EGR阀19等执行器的动作进行控制。此外，ECU 21根据从各种传感器输入的信号来检测内燃机1的运转状态，在根据运转状态决定的时刻使火花塞13点火。进而，在包含内燃机1的发动机系统中检测到异常或故障的情况下，ECU 21点亮相应的警告显示灯22(MIL)。

[ECU的硬件构成]

图2为表示ECU 21的硬件构成例的框图。ECU 21具备经由系统总线26相互连接在一起的控制部23、存储部24以及输入输出接口25。控制部23由CPU(central processingunit)23a、ROM(Read Only Memory)23b以及RAM(Random Access Memory)23c构成。CPU 23a将ROM 23b中存储的控制程序加载到RAM 23c中来加以执行，由此实现ECU 21的各功能。在由半导体存储器等构成的作为辅助存储装置的存储部24中记录状态空间模型、参数、执行控制程序而得到的数据等。此外，存储部24中也可存放有控制程序。

输入输出接口25是与各传感器、各执行器进行信号和数据的通信的接口。ECU 21具备对各传感器的输入输出信号进行处理的未图示的A/D(Analog/digital)转换器、驱动电路等。也可由输入输出接口25来兼作A/D转换器。再者，虽然处理器使用的是CPU，但也可使用MPU(micro processing unit)等其他处理器。

[EGR率与点火提前角的关系]

此处，参考图3，对EGR率与点火提前角的关系进行说明。

图3为表示EGR率与点火提前角的关系的图表。横轴表示EGR率，纵轴表示点火提前角。EGR率表示相对于进气管31的进气(新气)而从EGR管15回流的废气的比例。以运行点不脱离被爆震极限曲线和断火极限曲线夹住的区域的方式控制EGR率和点火提前角。EGR率越高，被爆震极限曲线和断火极限曲线夹住的区域便越窄，单点划线所示的EGR控制精度的容许误差也越小。因而，EGR率越高，便越容易发生燃烧的不稳定化或断火的问题，从而要求高的EGR控制精度。即，尤其是高EGR率燃烧系统中，要求将EGR控制精度保持在高位、防止伴随EGR控制误差而来的内燃机1的爆震或断火。

[ECU的功能构成]

接着，参考图4，对ECU 21的功能构成进行说明。

图4为表示ECU 21的功能构成例的框图。ECU 21构成为执行使用卡尔曼滤波的EGR阀控制及EGR阀特性学习。该框图展示了本实施方式的ECU 21的功能构成的概略。

ECU 21具备状态空间模型设定部410、卡尔曼滤波器420、燃烧控制部430、阀门修正量运算部440以及学习器(系统辨识)450。

状态空间模型设定部410根据对导入到进气管31的空气的流量进行检测的气流传感器3的检测值(AFS)、节气门开度(Th/V)以及EGR阀开度(EGR/V)等信息来设定表示进气管31的内部状态的状态空间模型。继而，状态空间模型设定部410将状态空间模型的设定内容输出至卡尔曼滤波器420。

卡尔曼滤波器420使用状态空间模型设定部410中设定的状态空间模型来推断进气管31的内部状态(以下称为“进气管内状态”)，进而对推断出的进气管内状态进行修正(补正)。卡尔曼滤波器420具备进气管内状态推断部421及状态观测器422。进气管内状态推断部421及状态观测器422为广义的卡尔曼滤波器，状态观测器422具备作为卡尔曼滤波的本质的修正功能。

进气管内状态推断部421使用状态空间模型设定部410中设定的状态空间模型来推断进气管内状态，并将推断出的进气管内状态的信息输出至状态观测器422。状态观测器422根据进气管压力传感器6的检测值来修正(补正)进气管内状态推断部421中推断出的进气管内状态。状态观测器422输出修正后进气管压力推断值和修正后EGR率推断值作为进气管内状态的信息。

燃烧控制部430利用从卡尔曼滤波器420的状态观测器422输出的进气管内状态的信息(修正后进气管压力推断值及修正后EGR率推断值)来执行点火时间控制及/或燃料喷射控制。

阀门修正量运算部440利用卡尔曼滤波器420的状态观测器422的输出(例如修正后EGR率推断值)来运算阀门修正量(例如EGR阀开度修正量)，并将运算结果输出至学习器450。在本实施方式中，如图8所示，具备EGR阀开度修正量运算部805和节气门开度修正量运算部806作为阀门修正量运算部440。

学习器(系统辨识)450利用阀门修正量运算部440的输出(例如EGR阀开度修正量)来学习控制对象的阀门特性，并将学习结果输出至卡尔曼滤波器420的进气管内状态推断部421。图4中，学习器450展示了对EGR阀特性进行学习的例子，但学习对象的阀门并不限于该例。在本实施方式中，如图12所示，具备节气门流量系数系统辨识部1204、EGR阀流量系数系统辨识部1205以及汽缸进气效率系统辨识部1206作为学习器450。

[执行节气门及EGR阀的开度控制的控制块]

接着，参考图5，对实现目标转矩及目标EGR率的节气门及EGR阀的开度控制进行说明。

图5展示执行实现目标转矩及目标EGR率的节气门及EGR阀的开度控制的控制块。

目标转矩运算部501例如根据内燃机1的转速、加速踏板踩踏量以及外部要求转矩来运算内燃机1的目标转矩。外部要求转矩是根据车室内空调状态、交流发电机的发电状态来考虑的与驾驶员的想法(例如加速踏板踩踏量)无关的转矩。

目标填充效率运算部502考虑当前的转速及目标转矩来运算实现目标转矩所需的去往汽缸的新气的吸入空气量相关的目标填充效率。填充效率以百分率来表示相对于汽缸容积的吸入空气量。

目标节气门开度运算部503考虑当前的转速及目标填充效率来运算用于实现目标吸入空气量的节气门开度指令值。此处，在节气门开度指令值的运算中考虑后文叙述的节气门流量系数系统辨识部1204(参考图12)中学习到的节气门流量系数。ECU 21根据该节气门开度指令值和节气门开度修正量运算部806(图中“B806”)中求出的节气门开度修正量来控制节气门4。

另一方面，目标EGR率运算部504根据当前的转速及目标转矩来运算目标EGR率。在低/中负载下为了减少节气门缩窄的影响造成的泵送损失、在高负载下为了减少爆震而分别实施废气的再循环(EGR)。

目标EGR阀开度运算部505根据当前的转速、目标填充效率以及目标EGR率来运算目标EGR阀通过流量，进而运算实现该目标EGR阀通过流量的目标EGR阀开度指令值。此处，在EGR阀开度指令值的运算中考虑后文叙述的EGR阀流量系数系统辨识部1205(参考图12)中学习到的EGR阀流量系数。ECU 21根据该EGR阀开度指令值和EGR阀开度修正量运算部805(图中“B805”)中求出的EGR阀开度修正量来控制EGR阀19。

[构成开度控制模型时考虑的物理模型]

图6为说明在构成实现目标转矩及目标EGR率的节气门及EGR阀的开度控制模型时考虑的物理模型的图。以进气管内的状态量的形式规定进气管31(例如进气歧管5)内的压力(以下记作“进气管压力”)p_m以及进气管31内的EGR率ξ_m，可以分别由下式(1)、(2)求出。

[数式1]

[数式2]

此处，有上标圆点记号的m_th为节气门通过流量，有上标圆点记号的m_egr为EGR阀通过流量，有上标圆点记号的m_cyl为汽缸吸入流量，κ为多变指数，R为气体常数，V_m为进气歧管容积，T_atm为大气温度，T_egr为EGR温度，T_m为进气管内温度。上标圆点记号表示基于时间的一阶微分。

节气门通过流量(有上标圆点记号的m_th)可由下式(3)求出。再者，节气门通过流量大致相当于气流传感器3的检测值(有上标圆点记号的mafs)。

[数式3]

此处，ρ_atm为大气密度，μ_th为节气门流量系数，D_th为节气门外径，φ_th为节气门开度，φ_th0为节气门最小开度，p_atm为大气压力。

EGR阀通过流量(有上标圆点记号的m_egr)可由下式(4)求出。

[数式4]

此处，ρ_e为EGR密度(再循环废气密度)，μ_egr为EGR阀流量系数，D_egr为EGR阀外径，φ_egr为EGR阀开度，φ_egr0为EGR阀最小开度。汽缸吸入流量(有上标圆点记号的m_cyl)由下式(5)求出。

[数式5]

此处，N_e为内燃机1的转速(每1分钟的转速)，η_in为进气效率，V_d为内燃机1的总行程容积。所谓进气效率，是以相当于所有汽缸(例如4个汽缸)的行程容积的进气歧管内气体的质量为基准(1.0)来表示实际吸入至汽缸内的气体的质量的比率的值。

吸入至汽缸的新气的填充效率η_ch由下式(6)定义。

[数式6]

此处，p₀及T₀为大气的标准状态下的温度及压力(例如25℃、101.325kPa)。

作为转矩的指标的净平均有效压力由下式(7)求出。

[数式7]

此处，H_L为燃料的低位发热量，η_ite为图示热效率，φ为当量比，L₀为理论空燃比，p_f为与摩擦转矩相关的摩擦平均有效压力。摩擦转矩是因摩擦而欲阻止相接触的物体间的运动的转矩。

[基于阀门通过流量运算模型的目标阀门开度运算]

此处，参考图7，对基于阀门通过流量运算模型的目标阀门开度运算进行说明。

图7为使用阀门截面示意图来说明根据阀门通过流量运算模型来运算目标阀门开度的方法的图。图中的有上标圆点的m为阀门通过流量，p_up为阀门上游侧(in)的气体的压力，p_down为阀门下游侧(out)的气体的压力，ρ_up为阀门上游侧的气体的密度，D为阀门的外径，φ为阀门的开度。斜线部表示通过阀门的气体的流路。该流路的截面积即开口面积S由下式(8)表示。

[数式8]

在上述阀门为节气门的情况下，图7的p_up相当于大气压力patm，p_down相当于进气管压力p_m，ρ_up相当于大气密度ρ_atm，D相当于节气门外径D_th。将式(3)的节气门通过流量公式加以变形，像下式(9)那样倒过来算节气门通过流量公式而求出用于实现由目标转矩和转速规定的目标空气量(标有上标圆点记号的m_th,d)的节气门开度φ_th。

[数式9]

可以将上式(9)挪到节气门开度和开口面积的表运算中而用于图5的目标节气门开度运算部503所进行的目标节气门开度的运算。

同样地，在上述阀门为EGR阀的情况下，图7的p_up相当于EGR阀上游压力p_egr，p_down相当于进气管压力p_m，ρ_up相当于EGR密度ρ_egr，D相当于EGR阀外径D_egr。将式(4)的EGR阀通过流量公式加以变形，像下式(10)那样倒过来算EGR阀通过流量公式而求出用于实现由目标转矩和转速规定的目标EGR流量(标有上标圆点记号的m_egr,d)的EGR阀开度φ_egr。

[数式10]

可以将上式(10)挪到EGR阀开度和开口面积的表运算中而用于图5的目标EGR率运算部504所进行的目标EGR阀开度的运算。

[节气门开度和EGR阀开度的修正]

图8展示根据气流传感器3和进气管压力传感器6的输出信息、借助卡尔曼滤波器420来推断进气管内状态并根据推断出的进气管内状态来执行节气门开度和EGR阀开度的修正的控制块。

在状态空间模型设定部410中，以后文叙述的状态空间模型(式(12)、(13))来记述由式(1)、(2)规定的进气管内状态，根据输入信息来分别定义矩阵、状态向量、输入向量以及输出向量(式(14)～(16))。在本实施方式中，对状态空间模型设定部410分别输入气流传感器3的检测值、EGR阀通过流量运算部803的运算结果、汽缸吸入流量运算部804的运算结果、以及卡尔曼滤波器420所输出的进气管内状态。状态空间模型设定部410按离散时间的每一步骤来重新定义状态空间模型的各要素。

在卡尔曼滤波器420中，以状态空间模型设定部410中定义的矩阵、状态向量、输入向量以及输出向量为前提而根据进气管压力传感器6的检测值、按照后文叙述的卡尔曼滤波算法(参考图11)对表示进气管内状态的状态向量进行更新(修正)。此处，状态向量是由进气管压力(式(1))和进气管EGR率(式(2))构成的向量。即，卡尔曼滤波器420输出更新(修正)后的进气管压力推断值及EGR率推断值作为进气管内状态。再者，本说明书中在未特别言明的情况下，EGR率是指进气管EGR率。

在EGR阀通过流量运算部803中，根据由卡尔曼滤波器420更新后的进气管压力推断值、EGR阀开度、EGR阀上游状态、以及EGR阀流量系数来运算EGR阀通过流量。此处，所谓EGR阀上游状态，是处于EGR阀19上游的EGR温度传感器17的检测值以及EGR阀上游压力传感器18的检测值。如此，通过使用由卡尔曼滤波器420更新后的进气管压力推断值，能够考虑进气管压力的实测值来高精度地推断EGR阀通过流量。

汽缸吸入流量运算部804根据由卡尔曼滤波器420更新后的进气管压力推断值及EGR率推断值、转速、可变气门状态、以及进气效率来运算汽缸吸入流量。汽缸吸入流量是从进气歧管5跑到汽缸的进气的流量。此处，所谓可变气门状态，是进气门位置传感器9及排气门位置传感器11的检测值(相位)。如此，通过使用由卡尔曼滤波器420更新后的进气管压力推断值和EGR率推断值，能够考虑进气管压力的实测值来高精度地推断汽缸吸入流量、新气填充效率、汽缸EGR率。汽缸EGR率是汽缸内的新气与废气的比例。继而，在燃烧控制部430(图4)中，将这些信息用于点火时间控制及燃料喷射控制，由此，能够恰当地反映当前的状态而高精度且鲁棒地实施点火时间控制及燃料喷射控制。

EGR阀开度修正量运算部805使用后文叙述的式(28)而根据由卡尔曼滤波器420更新后的EGR率推断值与目标EGR率的差分来运算EGR阀开度修正量(后文叙述的式(28))。通过使用由卡尔曼滤波器420更新后的EGR率推断值来计算EGR阀开度修正量，能够考虑进气管压力的实测值来高精度地控制EGR率。

在节气门开度修正量运算部806中，使用后文叙述的式(27)而根据由卡尔曼滤波器420更新后的进气管压力推断值与由目标转矩及目标EGR率规定的目标进气管压力的差分来运算节气门开度修正量。通过使用由卡尔曼滤波器420更新后的进气管压力推断值来计算节气门开度修正量，能够考虑进气管压力的实测值来高精度地控制转矩。

再者，也可以根据考虑了修正后的EGR率推断值的新气填充效率(式(6))与目标填充效率运算部502所输出的目标填充效率的差分来算出目标填充效率修正量、根据该目标填充效率修正量来求节气门开度修正量。

[控制模型]

接着，对在构建实现内部状态反馈控制的控制模型时使用的功能进行说明。

图9为以框图来表示在构建控制模型时使用的功能的概念图。推断器910根据输入变量、内部的状态变量及模型常数、以及由该模型常数规定的静特性及动特性来求输出变量。由此，能够推断对应于输入的输出行为和内部状态的行为。

推断器910记述有控制对象作为正问题，相对于此，控制模型须求解逆问题。即，将输出变量作为目标值输入而输出用于实现该目标值的输入变量(控制量)的就是控制器。在推导该控制器时，定义以下的若干功能块。

首先，变更推断器910的输入输出关系来构建观测器920。通过将输入变量、输出变量以及模型常数设定至块输入而输出状态变量，可以构建观测器920。实现观测器920的方法之一可列举本实施方式中采用的卡尔曼滤波。

进而，可以通过变更推断器910的输入输出关系来构建学习器930。将输入变量和输出变量作为训练数据设定至块输入而输出模型常数的就是学习器930。本实施方式中是使用递归最小二乘算法来实现学习器930(系统辨识)。

[进气管内状态的状态空间模型]

接着，对以状态空间模型来记述进气管内状态的方法进行说明。按照欧拉的一阶前向差分而像下式(11)那样定义状态变量的时间微分的离散表达式。

[数式11]

此处，标于x右上的添标k表示在时间轴上离散化时的当前值。虽然此处使用了一阶精度的前向差分，但本发明并不限定于此。按照式(11)将式(1)、(2)离散化而以下式(12)、(13)的状态空间模型来加以记述。

[数式12]

x^k+1＝Ax^k+Bu^k ····(12)

[数式13]

y^k＝Cx^k ····(13)

此处，式(12)、(13)中，以拉丁字母表示的A、B以及C分别为矩阵。x^k为状态向量，u^k为输入向量，y^k为输出向量，分别由下式(14)、(15)、(16)给出。

[数式14]

[数式15]

[数式16]

此外，矩阵A、B以及C分别由下式(17)、(18)、(19)给出。

[数式17]

[数式18]

[数式19]

在图8的状态空间模型设定部410中，以状态空间模型来整理状态方程，将由式(14)～(16)及式(17)～(19)定义的矩阵及向量交给卡尔曼滤波器420中执行的卡尔曼滤波处理。

[卡尔曼滤波器的内部构成及卡尔曼滤波算法]

接着，参考图10及图11，对卡尔曼滤波器420的内部构成及卡尔曼滤波算法进行说明。

图10为表示卡尔曼滤波器420的内部构成例的框图。图11为表示卡尔曼滤波器420中执行的卡尔曼滤波算法的例子的流程图。

虽然本实施方式的系统中采用的是线性卡尔曼滤波算法，但本发明并不限定于此。即，运用作为非线性卡尔曼滤波而为人所知的扩展卡尔曼滤波或集合卡尔曼滤波等也会取得同样的效果。下面，针对节气门控制及EGR阀控制的构成要素之一的卡尔曼滤波器420而叙述算法以及在本控制中的运用方法。

卡尔曼滤波器420以状态方程来记述作为控制对象的进气管内状态，对状态方程的输出变量规定传感器测定信息。继而，根据输出变量中规定的传感器测定信息来推断无法直接测定的表示进气管内状态的状态变量(以下称为“内部状态变量”)。

在执行卡尔曼滤波器420时，ECU 21的控制部23判断可否执行卡尔曼滤波器420(S1101)。作为执行可否的判断指标，考虑传感器状态、作为前提的状态方程的预测范围。例如，作为传感器状态，在通过诊断来判断出因传感器的故障或断路而得不到传感器输出或者传感器劣化而导致传感器输出产生了无法容许的误差等的情况下，因无法实现准确的滤波处理而不执行卡尔曼滤波器420。状态方程中作为对象的状态量在此处为进气管内压力和进气管EGR率。在状态方程的任一变量超出预测范围(状态方程中可取的理论/物理范围)的情况下，也就是在状态方程无法覆盖的区域内，因无法实现准确的滤波处理而不执行卡尔曼滤波器420。

控制部23在检测到这些状况的情况下判断不可执行卡尔曼滤波器420(S1101的否)而结束本流程图的处理，在判断可执行卡尔曼滤波器420(S1101的是)时转移至步骤S1102。再者，控制部23在判断不可执行卡尔曼滤波器420时也可设定针对发动机系统的故障安全处理标记。

下面，具体展示步骤S1102～S1106中执行的运算公式。在卡尔曼滤波器420中，以包含由下式(20)、(21)定义的系统噪声Q及观测噪声R的状态方程为前提。

[数式20]

x(k+1)＝Ax(k)+Bu(k)+Q ····(20)

[数式21]

y(k)＝Cx(k)+R ····(21)

此处，“k”意指离散时间的当前值。卡尔曼滤波器420的处理分为预测步骤和滤波步骤。在预测步骤中，进气管内状态推断部421(图4)在卡尔曼滤波器420中根据输入变量和系统噪声Q而借助下式(22)、(23)来计算(更新)内部状态变量向量x及协方差矩阵P(S1102、S1103)。

[数式22]

x(k|k-1)＝Ax(k-1|k-1)+Bu(k) ····(22)

[数式23]

P(k|k-1)＝AP(k-1|k-1)A^T+Q ····(23)

接着，在滤波步骤中，状态观测器422(图4)借助下式(24)来计算由更新后的协方差矩阵P和观测噪声R规定的卡尔曼增益K(S1104)。再者，状态观测器422也可设为在步骤S1103中计算协方差矩阵P的构成。

[数式24]

进而，状态观测器422使用卡尔曼增益K和观测数据(进气管压力传感器6的检测值)而借助下式(25)、(26)来再次更新内部状态变量向量x及协方差矩阵P(S1105、S1106)。式(26)的拉丁字母“I”为单位矩阵。步骤1105、S1106的处理结束后，处理的次序返回至步骤S1101。如此，借助实际的观测数据y(k)(进气管压力传感器6的检测值)来修正内部状态变量向量x及协方差矩阵P。

[数式25]

x(k|k)＝x(k|k-1)+K(k)(y(k)-c(k)x(k|k-1)) ····(25)

[数式26]

P(k|k)＝[I-K(k)C(k)]P(k|k-1) ····(26)

通过以上计算，可以根据能够测定的进气管压力传感器6的输出信息来推断作为难以直接测定的内部状态变量x(k|k)之一的EGR率的行为。在本实施方式中，将从卡尔曼滤波器420输出的进气管内状态(进气管压力、EGR率)的信息用于内部状态反馈控制以及系统辨识(学习)用的训练数据。

[内部状态反馈控制]

接着，对图8所示的节气门开度修正量运算部806的节气门开度修正量以及EGR阀开度修正量运算部805的EGR阀开度修正量的运算中执行的内部状态反馈控制方法进行说明。内部状态反馈控制使用由比例项、积分项以及微分项构成的PID控制，但并不限于该例。

(节气门开度修正量运算)

节气门开度修正量运算部806根据由卡尔曼滤波器420的状态观测器422修正(更新)后的进气管压力推断值与由目标转矩及目标EGR率规定的目标进气管压力的差分而基于下式(27)来运算节气门开度修正量δφ_th。

[数式27]

此处，C_P,t、C_I,t以及C_D,t为PID控制参数。亦如图5所示，控制部23对节气门开度指令值加上节气门开度修正量来控制节气门开度。通过使用由卡尔曼滤波器420更新后的进气管压力(推断值)来求节气门开度修正量，能够考虑进气管压力的实测值来高精度地控制转矩。

(EGR阀开度修正量运算)

EGR阀开度修正量运算部805根据由卡尔曼滤波器420的状态观测器422修正(更新)后的EGR率推断值与目标EGR率的差分而借助下式(28)来运算EGR阀开度修正量δφ_egr。

[数式28]

此处，C_p,e、C_I,e以及C_D,e为PID控制参数。亦如图5所示，控制部23对EGR阀开度指令值加上EGR阀开度修正量来控制EGR阀开度。通过使用由卡尔曼滤波器420更新后的EGR率(推断值)来求EGR阀开度修正量，能够考虑进气管压力的实测值来高精度地控制EGR率。再者，虽然此处使用的是PID控制，但本发明并不限定于此，在基于比例项、积分项、微分项中的任一者的控制或者组合两个项而成的控制的情况下也会取得同样的效果。

[节气门流量系数、EGR阀流量系数以及汽缸进气效率的学习]

图12展示执行节气门流量系数、EGR阀流量系数以及汽缸进气效率的学习的控制块。

节气门流量系数运算部1201根据气流传感器3的检测值、节气门开度、节气门上游状态、以及作为卡尔曼滤波器420的输出的进气管压力推断值来运算节气门流量系数。节气门流量系数输入至节气门流量系数系统辨识部1204。此处，所谓节气门上游状态，是节气门4的上游侧的进气即大气的温度及压力。再者，图1中省略了对节气门上游的状态进行测定的温度传感器及压力传感器的记载。

EGR阀流量系数运算部1202根据EGR阀开度、EGR阀上游状态、作为卡尔曼滤波器420的输出的EGR率推断值、以及汽缸进气效率运算部1203中求出的汽缸进气效率来运算EGR阀流量系数。EGR阀流量系数输入至EGR阀流量系数系统辨识部1205。此处是根据汽缸进气效率、转速以及EGR率推断值来求EGR阀通过流量，根据该EGR阀通过流量、EGR阀开度以及EGR阀上游状态来求EGR阀流量系数。

再者，在EGR阀流量系数运算部1202中利用了汽缸进气效率系统辨识部1206给出的汽缸进气效率的学习结果。气流传感器3对进气管31的进气的流量进行检测，但该检测值受节气门4的影响。因此，作为节气门4下游侧的状态，汽缸进气效率系统辨识部1206所输出的汽缸进气效率的学习结果的可靠度比气流传感器3的检测值高。因此，通过在EGR阀流量系数的计算中利用汽缸进气效率系统辨识部1206所输出的汽缸进气效率的学习结果，使得EGR阀流量系数的学习效率提高。当然，可以使用气流传感器3的检测值来进行EGR阀流量系数的计算。

汽缸进气效率运算部1203根据作为卡尔曼滤波器420的输出的进气管压力推断值及EGR率推断值、气流传感器3的检测值、转速、以及可变气门状态来运算汽缸进气效率。汽缸进气效率输入至汽缸进气效率系统辨识部1206。气流传感器3的检测值是EGR管15的废气未回流至进气管31的状态(稳态)下气流传感器3所输出的值。

节气门流量系数系统辨识部1204、EGR阀流量系数系统辨识部1205以及汽缸进气效率系统辨识部1206分别相当于学习器450。

节气门流量系数系统辨识部1204以当前的转速为基础而根据后文叙述的系统辨识算法(参考图17)对节气门流量系数运算部1201中求出的节气门流量系数进行序贯学习。即，节气门流量系数系统辨识部1204(学习器)构成为学习节气门流量系数、气流传感器3的检测值以及节气门开度的关系，节气门流量系数是根据由卡尔曼滤波器420的状态观测器422(推断值修正部)修正后的进气管压力推断值而求出的。

此外，EGR阀流量系数系统辨识部1205以当前的转速为基础而根据后文叙述的系统辨识算法对EGR阀流量系数运算部1202中求出的EGR阀流量系数进行序贯学习。即，EGR阀流量系数系统辨识部1205(学习器)构成为学习EGR阀流量系数与EGR阀开度的关系，EGR阀流量系数是根据由卡尔曼滤波器420的状态观测器422(推断值修正部)修正后的EGR率推断值而求出的。

此外，汽缸进气效率系统辨识部1206以当前的转速为基础而根据后文叙述的系统辨识算法对汽缸进气效率运算部1203中求出的汽缸进气效率进行序贯学习。即，汽缸进气效率系统辨识部1206(学习器)构成为学习汽缸进气效率、转速以及可变气门状态的关系，汽缸进气效率是根据由卡尔曼滤波器420的状态观测器422(推断值修正部)修正后的进气管压力推断值及EGR率推断值和转速而求出的。

节气门流量系数的学习结果(模型常数)、EGR阀流量系数的学习结果(模型常数)以及汽缸进气效率的学习结果(模型常数)输入至卡尔曼滤波器420(图4)。于是，卡尔曼滤波器420的进气管内状态推断部421中使用的状态空间模型的模型常数(调整参数)得到更新。模型常数例如为通过递归最小二乘算法求出的多项式的偏回归系数。

通过设为这样的构成，能对节气门4或EGR阀19的沉积物附着、进气门正时链条伸长等造成的开闭相位偏差等所引起的流量特性的经时变化的影响进行序贯学习而将经时变化的影响恰当地反映到内部状态反馈控制中。所谓沉积物，是沉积在燃烧室壁面或阀门内面等的燃料及油的燃烧产物即氧化物和碳化物。在本说明书中，将沉积物简称为“积碳”。

异常诊断部1207根据节气门流量系数、EGR阀流量系数以及汽缸进气效率的各学习结果来诊断各自的正常/异常。异常诊断部1207在各学习值超过判定异常状态用的阈值的情况下判定为异常状态，通过点亮警告显示灯22而通知给外部，同时将异常值存储至ECU21的存储器(存储部24)。

可以通过对节气门流量系数与阈值进行比较来诊断节气门4有无异常。例如，知晓修正后的进气管压力(卡尔曼滤波器420所输出的进气管压力推断值)、气流传感器3的实测值以及节气门开度的关系是否脱离了预先设想的关系(是否在正常的范围内)。此外，可以根据EGR阀流量系数与阈值的比较结果来诊断EGR阀19(EGR系统)有无异常。例如，知晓修正后的EGR率(卡尔曼滤波器420所输出的EGR率推断值)与EGR阀开度的关系是否脱离了预先设想的关系。

此外，异常诊断部1207也可根据学习器450所输出的节气门流量系数、EGR阀流量系数以及汽缸进气效率的学习值的时间变化(例如每规定时间的变化量)来预测(预兆诊断)学习值达到针对各者设定的判定异常状态用的阈值为止的期间。异常诊断部1207根据预测出的期间而向警告显示灯22等进行输出、向存储部24进行存储。再者，在预兆诊断中，也可在学习值超过了比上述阈值(第1阈值)低的第2阈值的情况下预测学习值达到第1阈值为止的期间。

[学习中使用的函数近似]

接着，对图12所示的节气门流量系数、EGR阀流量系数以及汽缸进气效率的各学习中使用的函数近似的方法进行说明。在学习中，将应学习的值设定至输出变量，将内燃机1的运转状态设定至输入变量。

以下面那样的二元二次多项式来近似上述输出变量与输入变量的关系。

[数式29]

此处，y为输出变量，x₁及x₂为输入变量，β₀～β₅为偏回归系数。通过设定二乘项和交互作用项，能够考虑输入变量间的非线性来进行学习。虽然此处设为使用二元二次多项式的构成，但并不限定于此，也可以使用线性表达式、三维以上的多维多项式、具备三次以上的高次项的多项式、具备三维/二次以上的交互作用项的多项式、这些要素组合而成的多项式。进而，运用基于径向基函数的叠加的近似方法(径向基函数网络近似)或者映射、表值的更新也会取得同样的效果。

若以偏回归系数向量θ和输入变量向量φ来整理上述多项式，则能以下式(30)来表示。

[数式30]

例如，在节气门流量系数的学习中，如式(31)所示，对输出变量y设定节气门流量系数μ_th，对输入变量x₁、x₂设定转速N_e和节气门开度φ_th。当各阀上附着积碳时，节气门流量系数μ_th及EGR阀流量系数μ_egr的值变小。由此，得以进行反映了当前的运转状态的节气门流量系数的学习。再者，输入变量(运转状态)只是列举了理想的例子，并不限于该例。

[数式31]

例如，在EGR阀流量系数的学习中，如式(32)所示，对输出变量y设定EGR阀流量系数μ_egr，对输入变量x₁、x₂设定转速N_e和EGR阀开度φ_egr。由此，得以进行反映了当前的运转状态的EGR阀流量系数的学习。再者，输入变量(运转状态)只是列举了理想的例子，并不限于该例。

[数式32]

例如，在汽缸进气效率的学习中，如式(33)所示，对输出变量y设定汽缸进气效率η_in，对输入变量x₁、x₂设定转速N_e和进气管压力p_m。由此，得以进行反映了当前的运转状态的汽缸进气效率的学习。再者，输入变量(运转状态)的例子只是列举了理想的例子，并不限于该例。

[数式33]

下面展示根据输入与输出的关系对偏回归系数向量θ进行序贯更新的方法。再者，图13及式(34)、(36)中是在θ上方标注记号^来表示偏回归系数向量。

[系统辨识]

图13为表示学习器450(节气门流量系数系统辨识部1204、EGR阀流量系数系统辨识部1205以及汽缸进气效率系统辨识部1206)所进行的系统辨识用的递归最小二乘算法的例子的流程图。

ECU 21的控制部23在执行基于学习器450的系统辨识(递归最小二乘算法)时判断可否执行系统辨识(S1301)。作为执行可否的判断指标，与步骤S1101一样，考虑传感器状态和作为前提的状态方程的预测范围。控制部23在判断不可执行系统辨识(S1301的否)的情况下结束本流程图的处理，在判断可执行系统辨识(S1301的是)的情况下转移至步骤S1302。下面，具体展示步骤S1302～S1306中执行的运算公式。

此处作为对象的进气系统为时变系统，为了与其相对应，采用具备可变遗忘要素的序贯辨识算法。所谓遗忘要素，是根据旧的程度而呈指数函数地减轻过去数据的影响的功能。通过采用遗忘要素，能对偏回归系数向量(调整参数)恰当地考虑发动机系统的最新状态的影响。进而，通过设为可变遗忘，一方面能在暂态下遗忘过去数据，另一方面能在稳态下使遗忘要素向1靠近、由此来积极地利用过去数据。下面展示带有可变遗忘要素的递归最小二乘算法。首先，控制部23的学习器450(图4)按每一输出变量而以下式(34)来求多项式与输出值的差分作为误差ε(k)(S1302)。误差ε(k)是多项式近似值与实际的值(各运算部1201～1203的输出值)的差，下文中，以该差变为零的方式更新偏回归系数向量θ(k)(图中及式中在θ上方标注记号^)。

[数式34]

接着，学习器450利用协方差矩阵P(k－1)、输入向量φ(k)、遗忘要素λ(k)而以下式(35)来求L(k)(S1303)。继而，学习器450根据L(k)和误差ε(k)而以下式(36)来随时更新偏回归系数向量θ(k)(图中及式中在θ上方标注记号^)(S1304)。

[数式35]

[数式36]

此时，学习器450分别以下式(37)、(38)来求遗忘要素λ(k)及协方差矩阵P(k)(S1305、S1306)。

[数式37]

[数式38]

此处，式(37)的σ为学习时的遗忘要素λ(k)的调整参数。式(38)的拉丁字母“I”为单位矩阵，是以状态变量的数量(此处为进气管内压力和进气管EGR率这2个)为行数及列数的矩阵。学习器450在步骤1305及S1306的处理结束后返回至步骤S1301，以规定时间间隔重复一系列处理。

再者，虽然本实施方式的参数辨识算法中采用的是递归最小二乘算法，但本发明并不限定于此。即，运用梯度法、遗传算法等其他的优化方法作为参数辨识算法也会取得同样或与其相近的效果。

[节气门开度及EGR阀开度的控制及其效果]

接着，参考图14～图16，对实现目标转矩及目标EGR率的节气门开度及EGR阀开度的控制动作及其效果进行说明。

(节气门上附着积碳、卡尔曼滤波)

图14展示实现目标转矩及目标EGR率的节气门开度及EGR阀开度的控制中在节气门4上附着有积碳的情况下的控制动作及其效果。图14中，第一层至第四层的图表分别展示转矩(净平均有效压力)及EGR率的增减和相对于该转矩及EGR率的增减的节气门开度及EGR阀开度的变化。后文叙述的图15和图16也一样。

在无积碳附着的情况下，在固定了目标EGR率的状态(第二层的实线)下使目标转矩像矩形波(第一层的实线)那样增减时的节气门开度及EGR阀开度中，随着目标转矩的增加而节气门开度增加(第三层的实线)，同时EGR阀开度增加(第四层的实线)。另一方面，当节气门4上附着积碳时，在节气门开度及EGR阀开度无变化的情况下，通过节气门4的空气的流动受到阻挡，空气量减少，相对于此，EGR管15内的废气相对地增加而使得EGR率增加(第二层的虚线)。

相对于此，实施了以气流传感器3及进气管压力传感器6的测定值为前提的基于卡尔曼滤波器420的内部状态反馈时的节气门开度及EGR阀开度中，节气门开度朝增加侧受到修正(第三层的单点划线)，转矩及EGR率均能高精度地控制到目标值(第一层及第二层的实线)。通过实施基于卡尔曼滤波器420的内部状态反馈，可以实现即便在进气管31内发生了节气门4上附着积碳这一干扰的情况下也能将转矩及EGR率高精度地控制到目标值的鲁棒性。

(节气门及EGR阀上附着积碳、卡尔曼滤波)

图15展示实现目标转矩及目标EGR率的节气门开度及EGR阀开度的控制中在节气门4和EGR阀19两者上附着有积碳的情况下的控制动作(基于卡尔曼滤波器420的内部状态反馈)及其效果。展示了在固定了目标EGR率的状态下像矩形波那样增减目标转矩时的节气门开度及EGR阀开度的转变。

当节气门4及EGR阀19上附着积碳时，实施了以气流传感器3及进气管压力传感器6的测定值为前提的基于卡尔曼滤波器420的内部状态反馈时的节气门开度及EGR阀开度中，节气门开度及EGR阀开度朝增加侧受到修正(第三层及第四层的单点划线)，转矩能控制到目标值附近(增加侧)(第一层的虚线)。

另一方面，EGR率朝减少侧伴有误差而出现大的转变(第二层的虚线)。对于EGR阀19上附着积碳这一干扰，在基于卡尔曼滤波器420的内部状态反馈中无法恰当地修正EGR率。其原因在于，卡尔曼滤波器420中作为前提的EGR阀通过流量公式(式(4))的EGR阀流量系数不同于实际的值(不考虑积碳附着的影响的情况)。因而，须将EGR阀通过流量公式的EGR阀流量系数更新为实际的值或者与实际的值大致相同的值。

(节气门及EGR阀上附着积碳、卡尔曼滤波及系统辨识)

图16为说明实现目标转矩及目标EGR率的节气门开度及EGR阀开度的控制中在节气门4和EGR阀19两者上附着有积碳的情况下的控制动作(基于卡尔曼滤波器420的内部状态反馈及系统辨识)及其效果的图。展示了在固定了目标EGR率的状态下像矩形波那样增减目标转矩时的节气门开度及EGR阀开度的转变。

在学习器450(图12的EGR阀流量系数系统辨识部1205)中，对伴随EGR阀19的积碳附着而来的EGR阀流量系数的变化进行学习，并反映到卡尔曼滤波器420中的EGR阀通过流量公式(式(4))中。由此，从卡尔曼滤波器420反馈的进气管内状态的信息(进气管压力推断值、EGR率推断值)变得准确，能够更准确地计算EGR阀开度修正量。因此，EGR阀开度恰当地朝增加侧受到修正(第四层的单点划线)，转矩及EGR率均能高精度地控制到目标值(第一层及第二层的实线)。

根据以上内容，当实施基于卡尔曼滤波器420的内部状态反馈和基于系统辨识的学习时，能够实现即便在发生了节气门4及EGR阀19两者上附着积碳这一干扰的情况下也能将转矩及EGR率高精度地控制到目标值的鲁棒性。另一方面，通过对伴随节气门4及EGR阀19的积碳附着而来的EGR阀流量系数的变化进行学习并将学习结果考虑到节气门开度及EGR阀开度的各前馈控制运算(图5)中，控制的响应性也能得到改善。此外，通过预先求出阀开度修正量与积碳附着量的关系，可以根据阀开度修正量来推断积碳附着量。

[节气门控制及EGR阀控制]

图17为表示根据气流传感器3的检测值和进气管压力传感器6的检测值来执行节气门控制及EGR阀控制的次序例的流程图。

首先，ECU 21的控制部23(目标转矩运算部501)根据驾驶员的加速踏板踩踏量、内燃机1的转速、外部要求转矩等状态来运算内燃机1的目标转矩(S1701)。

然后，控制部23(目标EGR率运算部504)根据内燃机1的转速及目标转矩来运算目标EGR率(S1702)。

然后，控制部23(目标节气门开度运算部503)根据步骤S1701中求出的目标转矩来运算目标节气门开度的前馈控制量(S1703)。

然后，控制部23(目标EGR阀开度运算部505)根据步骤S1702中求出的目标EGR率来运算目标EGR阀开度的前馈控制量(S1704)。

然后，控制部23借助气流传感器3来检测吸入至内燃机1的空气量(S1705)。然后，控制部23借助进气管压力传感器6来检测进气歧管5内的压力(S1706)。

然后，控制部23(状态空间模型设定部410)根据记述有进气管内状态的物理模型来设定状态空间模型(矩阵、输入/输出/状态向量)(S1707)。

然后，控制部23根据传感器状态和进气管内状态来判定可否执行基于卡尔曼滤波器420的内部状态反馈控制(S1708)。控制部23在判定为可执行的情况下将执行许可标记设为“1”(导通)，在判定为不可执行的情况下将执行许可标记设为“0”(断开)。继而，在执行许可标记为“1”时(S1708的是)，控制部23执行卡尔曼滤波器420(进气管内状态推断部421、状态观测器422)的处理，推断表示进气管内状态的进气管压力和EGR率(S1709)。如上所述，卡尔曼滤波器420的处理是根据气流传感器3的检测值、进气管压力传感器6的检测值以及状态空间模型(矩阵、输入/输出/状态向量)来执行(参考图8)。

另一方面，在执行许可标记为“0”时(S1708的否)，控制部23执行状态空间模型(进气管内状态推断部421)，推断表示进气管内状态的进气管压力和EGR率。该进气管压力和EGR率的推断值是未进行卡尔曼滤波器420的状态观测器422下的修正(补正)的值。

然后，在步骤S1708的否判定或者步骤S1709的处理后，控制部23(阀门修正量运算部440)根据上述的表示进气管内状态的进气管压力和EGR率的推断值来修正节气门开度和EGR阀开度(S1710、S1711)。即，节气门开度修正量运算部806根据上述的进气管压力的推断值和目标进气管压力来算出节气门开度修正量，EGR阀开度修正量运算部805根据上述的EGR率的推断值和目标EGR率来算出EGR阀开度修正量(图8)。

然后，控制部23根据传感器状态和进气管内状态来判定可否执行递归最小二乘算法下的系统辨识(S1712)。控制部23在判定可进行系统辨识的情况下(S1712的是)将系统辨识许可标记设为“1”(导通)，在判定不可进行系统辨识的情况下(S1712的否)将系统辨识许可标记设为“0”(断开)。继而，在系统辨识许可标记为“1”时(S1712的是)，控制部23借助学习器450来执行系统辨识(S1713)。此处，作为学习器450，由节气门流量系数系统辨识部1204、EGR阀流量系数系统辨识部1205以及汽缸进气效率系统辨识部1206(图12)分别执行系统辨识。由此，节气门流量系数、EGR阀流量系数以及汽缸进气效率分别被更新至最新值。在系统辨识许可标记为“0”时(S1712的否)，控制部23不执行系统辨识而转移至步骤S1724。

学习器450(各系统辨识部)根据状态空间模型的调整参数的更新状况(调整参数的时间变化量为规定值以下)来判定系统辨识是否已完成。在辨识尚未完成的情况下，当输入及输出发生变动时，调整参数发生变化。因此，若即便输入及输出发生变动调整参数的变动也少，则能判断辨识已完成。因此，学习器450在判定系统辨识尚未完成的情况下继续系统辨识处理。继而，当系统辨识完成时，学习器450更新状态空间模型的调整参数(模型常数)。

然后，在步骤S1712的否判定或者步骤S1713的处理后，控制部23(异常诊断部1207)根据上述节气门流量系数、EGR阀流量系数以及汽缸进气效率的最新值是否超过针对各者设定的阈值来进行节气门4及EGR阀19(EGR系统)的异常判定(S1714)。

在异常诊断部1207中判定节气门4或EGR阀19异常的情况下(S1714的是)，控制部23将节气门4或EGR阀19异常这一情况作为诊断结果通知给外部(例如警告显示灯22(MIL))。或者，控制部23将上述节气门流量系数、EGR阀流量系数或者汽缸进气效率的最新值正在接近阈值这一信息(预兆诊断结果)通知给外部(S1715)。控制部23将该异常时的状态相关的信息存储至ECU 21的存储部24。

然后，在步骤S1714中判定节气门4或EGR阀19无异常的情况下(S1714的否)或者步骤S1715的处理结束后，控制部23结束本流程图的处理。

通过以设定好的时间间隔反复执行上述步骤S1701～S1715，能够实现即便在发生了节气门4及EGR阀19两者上附着积碳等干扰的情况下也能以变为目标值的方式高精度地控制转矩及EGR率的鲁棒性。

如上所述，本实施方式的电子控制装置(ECU 21)是一种控制发动机的电子控制装置，所述发动机具备：EGR系统，其具有使内燃机的废气的一部分回流至进气管的EGR管(EGR管15)以及配置于该EGR管内的EGR阀(EGR阀19)；气流传感器(气流传感器3)，其检测导入到进气管的空气的流量；节气门(节气门4)，其设置在该气流传感器的下游侧；以及进气管压力传感器(进气管压力传感器6)，其设置在该节气门的下游侧而且是进气管与EGR管的连接部分的下游侧，检测进气管内的节气门下游的压力即进气管压力。该电子控制装置(ECU21)具备：状态推断部(进气管内状态推断部421)，其根据气流传感器的检测值和EGR阀开度(φ_egr)来推断进气管压力(p_m)和EGR率(ξ_m)；以及推断值修正部(状态观测器422)，其根据进气管压力传感器的检测值和由状态推断部推断出的进气管压力推断值来修正由状态推断部推断出的EGR率推断值。

此外，在本实施方式中，至少在上述推断值修正部(状态观测器422)中运用卡尔曼滤波(卡尔曼滤波器420)。

根据像上述那样构成的本实施方式，在推断值修正部中，根据进气管压力传感器的检测值和进气管压力推断值来修正EGR率推断值。由此，能将EGR控制精度保持在高位，从而能防止伴随EGR控制误差而来的内燃机的爆震或断火等燃烧不良。进而，目标EGR率朝减少方向变动这一情况得到抑制，所以能降低油耗。

此外，本发明不限于上述实施方式，只要不脱离权利要求书中记载的本发明的主旨，当然可采取其他各种应用例、变形例。例如，上述实施方式是为了以易于理解的方式说明本发明而对电子控制装置及发动机控制系统的构成进行的详细且具体的说明，并非一定限定于具备说明过的所有构成要素。此外，也可以对上述实施方式的构成的一部分进行其他构成要素的追加或者替换、删除。

在上述实施方式中，对将本发明运用于无增压器的发动机系统的例子进行了说明，但本发明并不限于该例。例如，只要制作出配备增压器的发动机系统的控制模型，便能将本发明运用于配备增压器的发动机系统。

此外，也可将卡尔曼滤波器420和学习器450的各功能构成为像是一个统一的功能或者将卡尔曼滤波器420和学习器450构成为一体。此外，上述实施方式的各构成、功能、处理部等例如可通过以集成电路进行设计等而以硬件来实现它们的一部分或全部。作为硬件，也可使用FPGA(Field Programmable Gate Array)、ASIC(Application SpecificIntegrated Circuit)等。

此外，在图11、图13以及图17所示的流程图中，也可在不影响处理结果的范围内并行执行多个处理或者变更处理顺序。

符号说明

1…内燃机、3…气流传感器、4…节气门、5…进气歧管、6…进气管压力传感器、12…燃料喷射阀、13…火花塞、15…EGR管、17…EGR温度传感器、18…EGR阀上游压力传感器、19…EGR阀、21…ECU、22…警告显示灯、23…控制部、24…存储部、31…进气管、32…排气管、410…状态空间模型设定部、420…卡尔曼滤波器、421…进气管内状态推断部、422…状态观测器、430…燃烧控制部、440…阀门修正量运算部、450…学习器(系统辨识)、803…EGR阀通过流量运算部、804…汽缸吸入流量运算部、805…EGR阀开度修正量运算部、806…节气门开度修正量运算部、1204…节气门流量系数系统辨识部、1205…EGR阀流量系数辨识部、1206…汽缸进气效率系统辨识部、1207…异常诊断部。

Claims (14)

1.一种电子控制装置，其控制发动机，所述发动机具备：EGR系统，其具有使内燃机的废气的一部分回流至进气管的EGR管以及配置于该EGR管内的EGR阀；气流传感器，其检测导入到所述进气管的空气的流量；节气门，其设置在所述气流传感器的下游侧；以及进气管压力传感器，其设置在所述节气门的下游侧而且是所述进气管与所述EGR管的连接部分的下游侧，检测所述进气管内的所述节气门下游的压力即进气管压力，该电子控制装置的特征在于，具备：

状态推断部，其根据所述气流传感器的检测值和EGR阀开度来推断所述进气管压力和EGR率；以及

推断值修正部，其根据所述进气管压力传感器的检测值和由所述状态推断部推断出的进气管压力推断值来修正由所述状态推断部推断出的EGR率推断值。

2.根据权利要求1所述的电子控制装置，其特征在于，

在所述推断值修正部中运用卡尔曼滤波。

3.根据权利要求2所述的电子控制装置，其特征在于，

具备EGR阀开度修正量运算部，所述EGR阀开度修正量运算部根据经所述推断值修正部修正后的所述EGR率推断值和目标EGR率来运算所述EGR阀开度的修正量。

4.根据权利要求3所述的电子控制装置，其特征在于，

具备学习器，所述学习器学习根据经所述推断值修正部修正后的所述EGR率推断值而求出的EGR阀流量系数与所述EGR阀开度的关系。

5.根据权利要求4所述的电子控制装置，其特征在于，

在所述学习器中运用将输出变量设为所述EGR阀流量系数、将输入变量设为所述内燃机的运转状态的多项式和对所述多项式中包含的偏回归系数进行辨识的递归最小二乘算法。

6.根据权利要求5所述的电子控制装置，其特征在于，

在所述EGR阀流量系数的学习中，作为所述输入变量的所述内燃机的运转状态至少为所述内燃机的转速和所述EGR阀开度。

7.根据权利要求2所述的电子控制装置，其特征在于，

所述推断值修正部根据所述进气管压力传感器的检测值和由所述状态推断部推断出的进气管压力推断值来修正由所述状态推断部推断出的所述进气管压力推断值，

该电子控制装置具备节气门开度修正量运算部，所述节气门开度修正量运算部根据经所述推断值修正部修正后的所述进气管压力推断值和由目标转矩及目标EGR率规定的目标进气管压力来运算节气门开度的修正量。

8.根据权利要求7所述的电子控制装置，其特征在于，

具备学习器，所述学习器学习根据经所述推断值修正部修正后的所述进气管压力推断值而求出的节气门流量系数、所述气流传感器的检测值以及节气门开度的关系。

9.根据权利要求8所述的电子控制装置，其特征在于，

在所述学习器中运用将输出变量设为所述节气门流量系数、将输入变量设为所述内燃机的运转状态的多项式和对所述多项式中包含的偏回归系数进行辨识的递归最小二乘算法。

10.根据权利要求9所述的电子控制装置，其特征在于，

在所述节气门流量系数的学习中，作为所述输入变量的所述内燃机的运转状态至少为所述内燃机的转速和所述节气门开度。

11.根据权利要求4所述的电子控制装置，其特征在于，

具备异常诊断部，所述异常诊断部将所述学习器中学习到的所述EGR阀流量系数与用于判定异常状态的阈值进行比较，并根据比较结果来诊断所述EGR系统的异常。

12.根据权利要求8所述的电子控制装置，其特征在于，

具备异常诊断部，所述异常诊断部将所述学习器中学习到的所述节气门流量系数与用于判定异常状态的阈值进行比较，并根据比较结果来诊断所述节气门的异常。

13.根据权利要求4或8所述的电子控制装置，其特征在于，

具备异常诊断部，所述异常诊断部根据所述学习器所输出的学习值的时间变化和用于判定异常状态的阈值来预测所述学习值达到异常状态为止的期间。

14.一种发动机控制系统，其由发动机和电子控制装置构成，所述发动机具备：EGR系统，其具有使内燃机的废气的一部分回流至进气管的EGR管以及配置于该EGR管内的EGR阀；气流传感器，其检测导入到所述进气管的空气的流量；节气门，其设置在所述气流传感器的下游侧；以及进气管压力传感器，其设置在所述节气门的下游侧而且是所述进气管与所述EGR管的连接部分的下游侧，检测所述进气管内的所述节气门下游的压力即进气管压力，该发动机控制系统的特征在于，

所述电子控制装置具备：

状态推断部，其根据所述气流传感器的检测值和EGR阀开度来推断所述进气管压力和EGR率；以及

推断值修正部，其根据所述进气管压力传感器的检测值和由所述状态推断部推断出的进气管压力推断值来修正由所述状态推断部推断出的EGR率推断值。

Images