JP2008280893A - 内燃機関の燃料性状判定装置 - Google Patents

Abstract

【課題】この発明は、内燃機関の燃料性状判定装置に関し、比較的簡便な線形モデルを用いて、多入力多出力の制御系の問題を良好に扱えるようにし、また、そのような線形モデルを用いて内燃機関の燃料性状を正確に判定することを目的とする。
【解決手段】ＥＣＵ３０内に、スロットル開度Ｔａおよび点火時期Ｓａをモデル入力情報とし、車両加速度Ｇｖおよび空燃比Ａｆをモデル出力情報とする線形モデル４０を構築する。当該線形モデル４０を表した線形式（（１）式参照）中のモデルパラメータａ１１等を、当該線形式を利用した逐次学習によって取得する（ステップ１００、１０２）。そのような学習結果が反映されたモデルパラメータａ１１等と、燃料の種類毎に予め用意されたテンプレート（図４参照）の基準モデルパラメータａ_ｒ１１等と比較することによって（ステップ１０４）、現在使用されている燃料の性状を判定する（ステップ１０６）。
【選択図】図３

Description

この発明は、内燃機関の燃料性状判定装置に係り、特に、内燃機関に関する現象をモデル化した数理モデルを用いて燃料性状を判定するのに適した内燃機関の燃料性状判定装置に関する。

従来、例えば特許文献１には、多入力多出力の制御系の特性を学習するニューラルネットモデルを備えた自律移動ロボット走行制御装置が開示されている。この従来の技術では、ニューラルネットモデルを用いて、自律移動ロボットの速度や角速度の目標値を実現できるように当該速度や角速度を制御している。

特開平６−３３７７１３号公報 特開２００６−９０２０６号公報 特開２００３−１７２１８３号公報 特開２００１−１３２５３０号公報 特開２０００−２９１４８４号公報 特開平１０−７３０４３号公報

ところで、内燃機関においては、燃料の性状を正確に判定したいという要求がある。そこで、内燃機関に関する現象をモデル化して、燃料性状の判定を試みることが考えられる。そのような場合に、上述したニューラルネットモデルを用いることとすれば、高精度なモデル演算が可能となる。

しかしながら、ニューラルネットモデルには、非線形な要素が含まれる。このため、ニューラルネットモデルを用いる手法によれば、良好な精度を得ることはできるものの、学習時間を多く必要とするとともに、当該ニューラルネットモデルがコンピュータ（ＥＣＵ）のリソース（ＲＯＭやＲＡＭ）を多く占めてしまう。ニューラルネットモデルには、このような問題点がある。

また、燃料性状の判定を試みるうえで、線形モデルを利用することも考えられる。線形モデルを用いる場合には、モデルの演算精度を十分に確保するために、複数の入出力を有する制御対象を線形モデル化することが望ましい。このため、多入力多出力の制御系の制御対象を、簡素な線形モデルによって記述することができれば良いのであるが、従来の線形モデルでは、多入力多出力の制御系に対して、有効なモデルの構築、制御が困難とされていた。

この発明は、上述のような課題を解決するためになされたもので、比較的簡便な線形モデルを用いて、多入力多出力の制御系の問題を良好に扱えるようにし、また、そのような線形モデルを用いて内燃機関の燃料性状を正確に判定し得る内燃機関の燃料性状判定装置を提供することを目的とする。

第１の発明は、内燃機関の運転条件を決めるための複数のパラメータをモデル入力情報とし、車両や内燃機関の運転状態を示す複数のパラメータをモデル出力情報とする線形モデルを備える内燃機関の燃料性状判定装置であって、
前記線形モデルは、学習対象となるモデルパラメータを係数とする複数のモデル入力情報の現在値と、学習対象となる他のモデルパラメータを係数とする複数のモデル入力情報の過去値と、学習対象となる他のモデルパラメータを係数とする複数のモデル出力情報の現在値と、学習対象となる他のモデルパラメータを係数とする複数のモデル出力情報の過去値との和によって、所定時間経過後の前記複数のモデル出力情報を表した線形式を含み、
前記複数のモデル入力情報および前記複数のモデル出力情報を取得するモデル入出力情報取得手段と、
前記複数のモデル入力情報および前記複数のモデル出力情報が代入された所定サンプリング周期分の前記線形式に基づいて、前記モデルパラメータを算出するパラメータ算出手段と、
燃料の種類毎に予め設定された基準モデルパラメータを有し、前記パラメータ算出手段によって算出された前記モデルパラメータと前記基準モデルパラメータとの比較結果に基づいて、燃料性状を判定する燃料性状判定手段と、
を備えることを特徴とする。

また、第２の発明は、第１の発明において、前記燃料性状判定手段による燃料性状の判定結果を利用したエンジン制御を行う制御実行手段を更に備えることを特徴とする。

また、第３の発明は、第２の発明において、前記制御実行手段は、
所定時間経過後に目標モデル出力値に到達するまでのシステムの応答性を定める評価関数を表した式と前記線形モデルを表した線形式とから導出された制御式に基づいて、前記目標モデル出力値が得られるようにするための前記モデル入力情報を算出する制御量算出手段と、
前記制御量算出手段によって算出された前記モデル入力情報となるように当該モデル入力情報を制御する制御手段と、
前記制御量算出手段は、前記燃料性状判定手段により性状判定された燃料の前記基準モデルパラメータ、および、前記パラメータ算出手段により取得された前記モデルパラメータの何れかを参照して、前記モデル入力情報を算出することを特徴とする。

また、第４の発明は、第２の発明において、前記制御実行手段は、
自己の前記他の制御に利用するための線形モデルであって前記線形モデルと同様の構成を有する他の線形モデルと、
所定時間経過後に目標モデル出力値に到達するまでのシステムの応答性を定める評価関数を表した式と前記他の線形モデルを表した線形式とから導出された制御式に基づいて、前記目標モデル出力値が得られるようにするための前記モデル入力情報を算出する制御量算出手段と、
前記制御量算出手段によって算出された前記モデル入力情報となるように当該モデル入力情報を制御する制御手段と、
前記燃料性状判定手段が有する前記基準モデルパラメータと対応づけて燃料の種類毎に予め設定された他の基準モデルパラメータとを更に備え、
前記制御量算出手段は、前記燃料性状判定手段による燃料性状の判定結果に対応する前記他の基準モデルパラメータを参照して、前記モデル入力情報を算出することを特徴とする。

第１の発明によれば、線形モデルを、モデルパラメータの逐次学習によって、システムの経時変化などの状態変化やシステムを取り巻く環境変化に適応させることが可能となる。このため、本発明によれば、比較的簡便な線形モデルを用いて、多入力多出力の制御系の問題を良好に扱えるようになる。そして、そのような学習結果が反映されたモデルパラメータと、燃料の種類毎に予め設定された基準モデルパラメータとを比較することによって、現在使用されている燃料の性状を正確に判定することが可能となる。

第２の発明によれば、上記線形モデルを用いて判定された燃料性状を表す情報を利用して、燃料の違いによらずに最適なエンジン制御を行えるようになる。

第３の発明によれば、上記の燃料性状の判定結果が反映された制御式、或いは、逐次学習されたモデルパラメータが反映（すなわち、システムの状態が反映）された制御式に基づいて、現時刻から所定時間経過後における目標モデル出力値に満足させるために現時点で必要とされる複数のモデル入力情報が算出される。そして、当該モデル入力情報となるように所定のアクチュエータが制御される。このように、本発明によれば、燃料性状の判定に用いた線形モデルを利用した適応制御によって、燃料の違いによらずに、目標値に対して円滑かつ精度の良い制御を実現することができる。

第４の発明によれば、ある線形モデルを使用して取得された燃料性状に関する情報が、他の線形モデルを使用した他のエンジン制御に反映されるようになる。より具体的には、本発明によれば、燃料性状の判定結果が、燃料性状判定手段が有する基準モデルパラメータと対応づけて燃料の種類毎に予め設定された他の基準モデルパラメータという形で、他の線形モデルを使用した他のエンジン制御に利用する燃料性状情報として利用されるようになる。そして、そのような他の基準モデルパラメータが反映された制御式に基づいて、現時刻から所定時間経過後における目標モデル出力値に満足させるために現時点で必要とされる複数のモデル入力情報が算出される。そして、当該モデル入力情報となるように所定のアクチュエータが制御される。このように、本発明によれば、燃料性状の判定に用いた線形モデルとは別の線形モデルを利用した適応制御によって、燃料の違いによらずに、目標値に対して円滑かつ精度の良い制御を実現することができる。

実施の形態１．
［システム構成］
図１は、本発明の実施の形態１の構成を説明するための図である。本実施形態のシステムは、内燃機関１０を備えている。内燃機関１０の筒内には、ピストン１２が設けられている。ピストン１２は、筒内を往復移動することができる。内燃機関１０の筒内には、ピストン１２の頂部側に燃焼室１４が形成されている。また、燃焼室１４には、吸気通路１６および排気通路１８が連通している。

吸気通路１６の入口近傍には、吸気通路１６に吸入される空気の流量に応じた信号を出力するエアフローメータ２０が設けられている。エアフローメータ２０の下流には、スロットルバルブ２２が設けられている。スロットルバルブ２２は、アクセル開度と独立してスロットル開度を制御することのできる電子制御式スロットルバルブである。スロットルバルブ２２の近傍には、スロットル開度Ｔａを検出するスロットルセンサ２４が配置されている。

スロットルバルブ２２の下流には、内燃機関１０の吸気ポートに燃料を噴射するための燃料噴射弁２６が配置されている。また、内燃機関が備えるシリンダヘッドには、気筒毎に、燃焼室１４の頂部から燃焼室１４内に突出するように点火プラグ２８がそれぞれ取り付けられている。

図１に示すシステムは、ＥＣＵ(Electronic Control Unit)３０を備えている。ＥＣＵ３０には、スロットルセンサ２４などとともに、エンジン回転数を検出するクランク角センサ３２、排気ガスの空燃比Ａｆを検出する空燃比センサ３４、および内燃機関１０が搭載された車両の加速度Ｇｖを検出する加速度センサ（Ｇセンサ）３６等の各種のセンサ類が接続されている。上述したスロットルバルブ２２、燃料噴射弁２６、および点火プラグ２８等の各種のアクチュエータ類は、ＥＣＵ３０により制御されている。

［実施の形態１の線形モデル］
図２は、本発明の実施の形態１で用いられる線形モデル４０を表した図である。図２に示す線形モデル４０は、ＥＣＵ３０内に仮想的に構築された数理モデルである。より具体的には、線形モデル４０は、スロットル開度Ｔａおよび点火時期Ｓａをモデル入力情報として、車両加速度Ｇｖおよび空燃比Ａｆ（モデル出力情報）を算出（出力）するモデルである。本実施形態では、このような線形モデル４０を用いて、車両の加速時のスロットル開度Ｔａおよび点火時期Ｓａの変化に対する車両加速度Ｇｖおよび空燃比Ａｆの特性を取得するようにしている。尚、車両の加速状態を見るためのパラメータとして、車両加速度Ｇｖに代え、車両の車輪速度を用いてもよい。

すなわち、本実施形態の線形モデル４０は、内燃機関１０を制御対象として、内燃機関の運転条件（運転状態）を決めるためのパラメータ（アクチュエータ）を入力とし、車両や内燃機関の運転状態を示すパラメータを出力とする２入力２出力系の線形モデルである。本実施形態では、この線形モデル４０を、次の（１ａ）式のように表すこととしている。

ただし、上記（１ａ）〜（１ｃ）式において、ｔは制御開始時点（ｔ＝０）からのサンプリング時間（サンプリング回数）であり、ｄは所定の遅れ時間であり、ａ１１、ａ１２、ｂ１１、ｂ１２などは何れも逐次学習されるモデルパラメータである。

上記（１ａ）の行列式を展開すると、上記（１ｂ）および（１ｃ）式のように表すことができる。このような（１ｂ）式によれば、車両の加速時に時間ｄ分だけ遅れた時点の車両加速度Ｇｖ（ｔ＋ｄ）を、パラメータａ１１を係数とする現時点の車両加速度Ｇｖ（ｔ）と、パラメータａ１３を係数とする前回の車両加速度Ｇｖ（ｔ−１）と、パラメータｂ１１を係数とする現時点のスロットル開度Ｔａ（ｔ）と、パラメータｂ１２を係数とする現時点の点火時期Ｓａ（ｔ）と、パラメータｂ２１を係数とする前回のスロットル開度Ｔａ（ｔ−１）と、パラメータｂ２２を係数とする前回の点火時期Ｓａ（ｔ−１）との和として、線形式で表すことができる。

また、上記（１ｃ）式によれば、同様に、車両の加速時に時間ｄ分だけ遅れた時点の空燃比Ａｆ（ｔ＋ｄ）を、パラメータａ１２を係数とする現時点の空燃比Ａｆ（ｔ）と、パラメータａ１４を係数とする前回の空燃比Ａｆ（ｔ−１）と、パラメータｂ１３を係数とする現時点のスロットル開度Ｔａ（ｔ）と、パラメータｂ１４を係数とする現時点の点火時期Ｓａ（ｔ）と、パラメータｂ２３を係数とする前回のスロットル開度Ｔａ（ｔ−１）と、パラメータｂ２４を係数とする前回の点火時期Ｓａ（ｔ−１）との和として、線形式で表すことができる。

以上のような線形モデル４０に含まれる上記モデルパラメータａ１１、ｂ１１等は、以下の（２）式を参照して説明する手法によって算出することができる。尚、ここでは、車両加速度Ｇｖを例にとって説明を行うものとするが、空燃比Ａｆについても同様である。

所定のサンプリング周期毎の上記（１ｂ）式は、上記（２）式として順に示しているように、本実施形態の加速運転中のスロットル開度Ｔａ（ｔ）および点火時期Ｓａ（ｔ）の制御値や、車両加速度Ｇｖ（ｔ）および空燃比Ａｆ（ｔ）の計測値を用いることで、６つのモデルパラメータａ１１等を変数とする一次方程式として表すことができる。よって、上記（２）式として示すように、サンプリング回数６回分の一次方程式を取得するようにすれば、６つのモデルパラメータａ１１等を算出できるようになる。

上記（２）式に示す手法では、例えば、左辺がＧｖ（ｄ）〜Ｇｖ（５＋ｄ）となる６つの一次方程式を用いてモデルパラメータａ１１等を算出した後に、次いで、左辺がＧｖ（１＋ｄ）〜Ｇｖ（６＋ｄ）となる６つの一次方程式を用いてモデルパラメータａ１１等を算出するというように、モデルパラメータａ１１等の算出に用いる一次方程式を、サンプリング周期毎に時系列に沿って順次ずらしていく。このような算出手法によれば、モデルパラメータａ１１等がサンプリング周期毎に逐次算出されるようにすることができる。

そして、上記（２）式に示す手法では、上記のように逐次算出されるモデルパラメータａ１１等を、重み付け最小自乗法によって同定するようにしている。このような手法によれば、ＥＣＵ３０のメモリ消費を抑制しつつ、安定したモデルパラメータａ１１等の算出が可能となる。本実施形態では、加速運転が実行される毎に、このようなモデルパラメータａ１１等の逐次学習をし続けており、システムの経時変化などの状態変化やシステムを取り巻く環境変化に適応するように、モデルパラメータａ１１等が上記の重み付け最小自乗法によって逐次同定されていく（書き換えられていく）ようになる。これにより、内燃機関１０の特性の変化をモデルパラメータａ１１等に学習させることが可能となる。

［実施の形態１における燃料性状判定］
本実施形態では、以上説明した線形モデル４０のモデルパラメータａ１１等の学習結果を利用して、内燃機関１０で使用される燃料の性状を判定するという点に特徴を有している。

図３は、上記の機能を実現するために、本実施の形態においてＥＣＵ３０が実行するルーチンのフローチャートである。尚、本ルーチンは、所定の制御周期（サンプリング周期）毎に周期的に実行されるものとする。図３に示すルーチンでは、先ず、スロットル開度Ｔａ（ｔ）、点火時期Ｓａ（ｔ）、車両加速度Ｇｖ（ｔ）、および空燃比Ａｆ（ｔ）がそれぞれ取得される（ステップ１００）。

次に、上記（２）式を参照して説明した手法によって、線形モデル４０のモデルパラメータａ１１等が重み付け最小自乗法によって逐次同定される（ステップ１０２）。次いで、上記ステップ１０２において同定された最新のモデルパラメータａ１１等と、ＥＣＵ３０内に記憶されているテンプレートの基準モデルパラメータａ_ｒ１１等との比較が実行される（ステップ１０４）。

図４は、図１に示すＥＣＵ３０内に記憶されているテンプレートを表した図である。図４に示す各テンプレートには、各種燃料の性状に対応した基準モデルパラメータａ_ｒ１１等が関連付けられている。より具体的には、本実施形態では、予め燃料の種類（例えば燃料Ａ（ハイオクガソリン）、燃料Ｂ（レギュラーガソリン）など）毎に、線形モデル４０のモデルパラメータａ１１等を実車での計測などで学習して、基準モデルパラメータａ_ｒ１１等として同定しておくようにしている。そして、図４に示すように、それらの燃料の種類毎に、モデルパラメータａ１１等をテンプレートとしてＥＣＵ３０に記憶させておくようにしている。

次に、上記ステップ１０４における比較結果に基づき、当該更新後のモデルパラメータａ１１等と一致する（もしくは最も近い）基準モデルパラメータａ_ｒ１１等を含むテンプレートの燃料が、現在使用されている燃料であると判定される（ステップ１０６）。

以上説明した本実施形態のシステムによれば、比較的簡便に構成でき、モデルパラメータａ１１等が逐次学習される線形モデル４０によって、２入力２出力の制御系の問題を良好に扱えるようになる。そして、上記図４に示すルーチンの処理によれば、そのような線形モデル４０のモデルパラメータａ１１等の逐次学習という形で、モデルパラメータａ１１等にシステムの学習結果（加速時の特性の学習結果）を反映させることができる。そして、そのような学習結果が反映されたモデルパラメータａ１１等と、燃料の種類毎に予め用意されたテンプレートの基準モデルパラメータａ_ｒ１１等と比較することによって、現在使用されている燃料の性状を正確に取得することが可能となる。

ところで、上述した実施の形態１においては、車両（内燃機関１０）の加速時におけるスロットル開度Ｔａおよび点火時期Ｓａの操作に伴う車両加速度Ｇｖおよび空燃比Ａｆの変化を評価する線形モデル４０に基づいて、燃料の性状判定を行うようにしている。しかしながら、本発明において燃料の性状判定のために用いる線形モデルは、加速時の特性を評価するものに限定されるものではない。すなわち、内燃機関の運転条件を示す複数のパラメータをモデル入力情報とし、車両や内燃機関の運転状態を示す複数のパラメータをモデル出力情報とする線形モデルであればよく、例えば、後述する実施の形態３における線形モデル（始動時エンジンモデル）５０なとであってもよい。

尚、上述した実施の形態１においては、ＥＣＵ３０が、上記ステップ１００の処理を実行することにより前記第１の発明における「モデル入出力情報取得手段」が、上記ステップ１０２の処理を実行することにより前記第１の発明における「パラメータ算出手段」が、上記ステップ１０４および１０６の処理を実行することにより前記第１の発明における「燃料性状判定手段」が、それぞれ実現されている。

実施の形態２．
次に、図５および図６を参照して、本発明の実施の形態２について説明する。
本実施形態のシステムは、図１に示すハードウェア構成および線形モデル４０を用いて、ＥＣＵ３０に後述する図５に示すルーチンを実行させることにより実現することができるものである。

本実施形態では、上述した実施の形態１のシステムによって得られた燃料性状の判定結果を、その性状判定に用いた線形モデル４０を利用したエンジン制御に反映させている点に特徴を有している。より具体的には、本実施形態のシステムは、以下に詳述するように、上述した実施の形態１における燃料性状の判定結果を、加速時のスロットル開度Ｔａおよび点火時期Ｓａの制御に反映させたシステムである。

［実施の形態１の燃料性状の判定結果が反映された加速時のエンジン制御］
本実施形態では、上述した線形モデル４０のモデルパラメータａ１１等の同定結果を利用して、以下に示すような手法によって、目標車両加速度Ｇｖ_targetおよび目標空燃比Ａｆ_targetを満足できるようなスロットル開度Ｔａ（ｔ）および点火時期Ｓａ（ｔ）を取得するようにしている。

本実施形態では、先ず、次の（３）式のように表される評価関数Ｅを導入するようにしている。この評価関数Ｅの右辺第１項は、上記線形モデル４０の出力値Ｇｖ（ｔ）、Ａｆ（ｔ）とその目標値Ｇｖ_target、Ａｆ_targetとの差分である。また、右辺第２項は、上記線形モデル４０の入力値Ｔａ（ｔ）、Ｓａ（ｔ）についての今回値と前回値との差分である。また、この入力値の差分には、定数γが乗じられている。

次いで、上記（３）式の評価関数Ｅをゼロとおくと、次の（４）式を得ることができる。

このような（４）式によれば、現時刻ｔからｄ秒後に車両加速度Ｇｖや空燃比Ａｆの目標値Ｇｖ_target、Ａｆ_targetに到達するまでのシステムの応答性を決めることができる。より具体的には、上記（４）式中の定数γの値をゼロに近づけるようにした場合には、車両加速度Ｇｖや空燃比Ａｆがそれらの目標値Ｇｖ_target、Ａｆ_targetに比較的急激に到達するような応答速度をシステムに与えることができるようになる。また、定数γの値を正方向に大きくした場合には、車両加速度Ｇｖや空燃比Ａｆがそれらの目標値Ｇｖ_target、Ａｆ_targetに比較的緩やかに到達するような応答速度をシステムに与えることができるようになる。このように、定数γは、制御の応答性の味付けを決定するパラメータである。

本実施形態では、上記（４）式を上記（１ａ）式の線形モデル４０に代入して整理することによって、次の（５）式のような制御式を得るようにしている。本実施形態では、この（５）式に、目標値Ｇｖ_target、Ａｆ_targetやモデル入出力情報の現在値（Ｔａ（ｔ）など）や過去値（Ｔａ（ｔ−１）など）とともに、逐次学習によって更新された最新のモデルパラメータａ１１等を反映させることによって、システムの最新の状態が反映された状態で、ｄ秒後に目標値Ｇｖ_target等を得られるようにするために必要とされるアクチュエータの制御量（スロットル開度Ｔａや点火時期Ｓａなど）を取得することが可能となる。

図５は、上記（５）式に従って取得されるスロットル開度Ｔａや点火時期Ｓａによって加速時の内燃機関１０を制御するために、本実施の形態２においてＥＣＵ３０が実行するルーチンのフローチャートである。図５に示すルーチンでは、先ず、上記図３に示すルーチンにおいて現在の使用燃料であると判定された燃料のテンプレートの基準モデルパラメータａ_ｒ１１等が取得される（ステップ２００）。

次に、上記ステップ２００において取得された基準モデルパラメータａ_ｒ１１等が代入された上記（５）式に従って、目標値Ｇｖ_target、Ａｆ_targetに制御するために必要とされるスロットル開度Ｔａ（ｔ）および点火時期Ｓａ（ｔ）が算出される（ステップ２０２）。

次に、上記ステップ２０２において取得されたスロットル開度Ｔａ（ｔ）および点火時期Ｓａ（ｔ）となるように、スロットルバルブ２２や点火の制御が実行される（ステップ２０４）。

以上説明した図５に示すルーチンの処理によれば、燃料性状の判定結果が反映された基準モデルパラメータａ_ｒ１１等が代入された上記（５）式に従って、現時刻ｔからｄ秒後における車両加速度Ｇｖや空燃比Ａｆの目標値Ｇｖ_target、Ａｆ_targetを同時に満足させるために現時点で必要とされるスロットル開度Ｔａ（ｔ）および点火時期Ｓａ（ｔ）を正確に求めることが可能となる。これにより、燃料性状の判定に用いた線形モデル４０を利用して、燃料の違いによらずに、最適な加速度を達成することが可能となる。

言い換えれば、上記ルーチンの処理によれば、燃料性状判定において現在の使用燃料であると判定された燃料のテンプレートの基準モデルパラメータａ_ｒ１１等が、上記（５）の制御式で用いるパラメータとして取得されるようになる。つまり、このような処理によれば、線形モデル４０の逐次学習によって同定されたモデルパラメータａ１１等と一致する（近い）基準モデルパラメータａ_ｒ１１等がＥＣＵ３０内のテンプレートの中から探索されて、上記（５）の制御式において使用されるようになる。

もっとも、このようにテンプレートの基準モデルパラメータａ_ｒ１１等を用いる手法に限らず、線形モデル４０の逐次学習によって同定されたモデルパラメータａ１１等を上記（５）の制御式において使用するようにしてもよい。しかし、上記ルーチンのように、テンプレートの基準モデルパラメータａ_ｒ１１等を用いるようにした場合には、線形モデル４０の逐次学習によって同定されたモデルパラメータａ１１等を使用する場合に比して、空燃比センサ４４などの計測誤差の影響を回避して、より正確な制御の構築を図れる点において有効といえる。

以上のように、本実施形態のシステムによれば、比較的簡便に構成でき、モデルパラメータａ１１等が逐次学習される線形モデル４０によって、２入力２出力の制御系の問題を良好に扱えるようになる。また、そのような線形モデル４０を利用した適応制御によって、目標値に対して円滑かつ精度の良い制御を実現することができる。また、以上のような構成を有する線形モデル４０によれば、当該線形モデル４０の入出力の本数を増やすという簡便な手法で、モデル精度の向上を確保することもできる。

図６は、３入力２出力系の線形モデル５０を表した図である。以上説明した実施の形態１および２においては、加速時の特性を評価する線形モデル４０を２入力２出力系の線形モデルとしてい構築している。しかしながら、本発明において、内燃機関の運転条件を決めるための複数のパラメータをモデル入力情報と、車両や内燃機関の運転状態を示す複数のパラメータをモデル出力情報とする線形モデルは、これに限定されるものではない。例えば、図６に示すような３入力２出力系の線形モデル５０であってもよい。

図６に示す線形モデル５０では、上述した実施の形態１の線形モデル４０に対し、モデルへの入力情報がスロットル開度Ｔａ（ｔ）から吸入空気量Ｇａ（ｔ）および燃料噴射量Ｆｉ（ｔ）に変更されている。尚、このような線形モデル５０の線形式および制御式は、上記（１）〜（５）式と同じ手法によって求めることが可能である。

以上のような線形モデル５０によれば、モデル入力情報の数が増やされていることで、上述した線形モデル４０に比して、加速時の車両加速度Ｇｖおよび空燃比Ａｆをより正確に算出することが可能となる。また、そのような線形モデル５０を利用した適応制御によって、上述した実施の形態２に比して更に、目標値に対して円滑かつ精度の良い制御を実現することができる。

尚、上述した実施の形態２においては、ＥＣＵ３０が上記図５に示すルーチンの一連の処理を実行することにより前記第２および第３の発明における「制御実行手段」が実現されている。
また、ＥＣＵ３０が、上記ステップ２００および２０２の処理を実行することにより前記第３の発明における「制御量算出手段」が、上記ステップ２０４の処理を実行することにより前記第３の発明における「制御手段」が、それぞれ実現されている。

実施の形態３．
次に、図７乃至図９を参照して、本発明の実施の形態３について説明する。
本実施形態のシステムは、図１に示すハードウェア構成および線形モデル４０、６０を用いて、ＥＣＵ３０に後述する図８に示すルーチンを実行させることにより実現することができるものである。

本実施形態のシステムでは、上述した線形モデル４０とは別にＥＣＵ３０内に構築されている他の線形モデル（始動時エンジンモデル）６０が上述した燃料性状判定結果を受け取り、また、その判定結果を当該線形モデル６０に反映させた制御が行われるという点に特徴を有している。

［実施の形態３の線形モデル］
図７は、本発明の実施の形態３で用いられる線形モデル６０を表した図である。本実施形態の線形モデル６０では、内燃機関１０の始動時のエンジン回転数Ｎｅを制御対象としている。そこで、本実施形態では、図７に示すように、線形モデル６０を、スロットル開度Ｔａおよび点火時期Ｓａをモデル入力情報として、エンジン回転数Ｎｅおよび空燃比Ａｆを算出（出力）するモデルとして構築している。

すなわち、本実施形態の線形モデル６０は、２入力２出力系の線形モデルである。そこで、本実施形態では、このような線形モデル６０の線形式を、上述した実施の形態１と同様の考え方に基づき、以下の（６）式のように表すこととしている。

本実施形態の線形モデル６０においても、上述した実施の形態１と同様の手法で、モデルパラメータｐ１１等が逐次学習によって同定されるようになっている。

［実施の形態１の燃料性状の判定結果が反映された始動時のエンジン回転数制御］
本実施形態では、上述した線形モデル４０を用いた燃料性状の判定結果を利用して、線形モデル６０を用いた以下に示すような手法によって、目標エンジン回転数Ｎｅ_targetおよび目標空燃比Ａｆ_targetを満足できるようなスロットル開度Ｔａ（ｔ）および点火時期Ｓａ（ｔ）を取得するようにしている。

そのために、本実施形態では、上述した実施の形態１と同様の考え方で評価関数Ｅを導入したうえで、上述した実施の形態１と同様の手法を用いて、その評価関数Ｅと上記（６）式の線形式とを用いて、次の（７）式の制御式を得るようにしている。

図８は、上記（７）式に従って取得されるスロットル開度Ｔａや点火時期Ｓａによって始動時のエンジン回転数Ｎｅを制御するために、本実施の形態３においてＥＣＵ３０が実行するルーチンのフローチャートである。図８に示すルーチンでは、上記図３に示すルーチンにおける線形モデル４０を用いた燃料性状判定によって取得された現在の使用燃料情報が取得される（ステップ３００）。

次に、上記ステップ３００において取得された現在の使用燃料に対応する燃料が、図９に示すテンプレートの中から選択される（ステップ３０２）。図９は、図１に示すＥＣＵ３０内に記憶されているテンプレートを表した図である。図９に示すテンプレートは、始動時エンジンモデルである線形モデル６０用のテンプレートであり、これらのテンプレートにも、図４と同様に、予め燃料の種類毎に実車での計測などにより学習された線形モデル６０の基準モデルパラメータｐ_ｒ１１等が関連付けられている。また、この図９に示すテンプレートと上記図４に示すテンプレートとは、相互に燃料性状に関する情報をやり取りできるように、それぞれに記憶された燃料の種類が対応づけられている。

次に、上記ステップ３０２において選択された燃料を示すテンプレートの基準モデルパラメータｐ_ｒ１１等が代入された上記（７）式に従って、目標値Ｎｅ_target、Ａｆ_targetに制御するために必要とされるスロットル開度Ｔａ（ｔ）および点火時期Ｓａ（ｔ）が算出される（ステップ３０４）。

次に、上記ステップ３０４において取得されたスロットル開度Ｔａ（ｔ）および点火時期Ｓａ（ｔ）となるように、スロットルバルブ２２や点火の制御が実行される（ステップ３０６）。

以上説明した図８に示すルーチンの処理によれば、加速時を扱う線形モデル４０によって最新の燃料性状が把握された際に、始動時を扱う他の線形モデル６０用のテンプレートの中から燃料性状の判定結果に対応する燃料が選択される。そして、選択された燃料に関する基準モデルパラメータｐ_ｒ１１等が反映された上記（７）式に従って、次回の始動時のエンジン回転数Ｎｅが制御されるようになる。これにより、始動時において、燃料の違いによらずに、最適なエンジン回転数Ｎｅの制御を達成することが可能となる。

つまり、以上説明した手法では、ある線形モデル（本実施形態であれば、加速時を扱う線形モデル４０）を使用して取得された燃料性状に関する情報を、他の線形モデル（本実施形態であれば、始動時を扱う線形モデル６０）を使用した他のエンジン制御（例えば、始動時のエンジン回転数Ｎｅの制御）に反映させている。このように、以上説明した手法によれば、複数の線形モデル間で最新の燃料性状に関する情報を互いに取得し合い、また、複数の線形モデル間で取得した情報を交換し合うことが可能となる。そして、他の線形モデルから得た情報を、テンプレート（基準モデルパラメータ）の選択という形で、それぞれの線形モデルが担う制御に容易に反映させられるようになる。

ところで、上述した実施の形態３においては、加速時を扱う線形モデル４０を用いて判定された燃料性状に関する情報を、始動時を扱う他の線形モデル６０を使用した始動時のエンジン回転数Ｎｅの制御に反映させるようにしている。しかしながら、本発明において、燃料性状に関する情報の反映対象となる他の線形モデルおよび他のエンジン制御は、多入力多出力系の線形モデルを使用する他のエンジン制御であれば、始動時のエンジン回転数Ｎｅの制御に限られない。

尚、上述した実施の形態３においては、ＥＣＵ３０が上記図８に示すルーチンの一連の処理を実行することにより前記第２および第４の発明における「制御実行手段」が実現されている。
また、ＥＣＵ３０が、上記ステップ３００〜３０４の処理を実行することにより前記第３の発明における「制御量算出手段」が、上記ステップ３０６の処理を実行することにより前記第３の発明における「制御手段」が、それぞれ実現されている。

ところで、上述した実施の形態１乃至３においては、モデル入力情報（Ｔａなど）やモデル出力情報（Ｇｖなど）の過去値として、それらの前回値（ｔ−１）までを線形式や制御式に含めるようにしているが、本発明における線形式やそれから導出される制御式に含まれるモデル入出力情報の過去値は、前回値（ｔ−１）に限られない。すなわち、本発明の線形式や制御式には、必要に応じ、前々回値（ｔ−２）などを含めるようにしてもよい。

本発明の実施の形態１の構成を説明するための図である。 本発明の実施の形態１で用いられる線形モデルを表した図である。 本発明の実施の形態１において実行されるルーチンのフローチャートである。 図１に示すＥＣＵ内に記憶されているテンプレートを表した図である。 本発明の実施の形態２において実行されるルーチンのフローチャートである。 ３入力２出力系の線形モデルを表した図である。 本発明の実施の形態３で用いられる線形モデルを表した図である。 本発明の実施の形態３において実行されるルーチンのフローチャートである。 図１に示すＥＣＵ内に記憶されているテンプレートを表した図である。

符号の説明

１０ 内燃機関
１４ 燃焼室
１６ 吸気通路
１８ 排気通路
２０ エアフローメータ
２２ スロットルバルブ
２４ スロットルセンサ
２６ 燃料噴射弁
２８ 点火プラグ
３０ ＥＣＵ(Electronic Control Unit)
３２ クランク角センサ
３４ 空燃比センサ
３６ 加速度センサ
４０、５０、６０ 線形モデル
ａ１１、ｂ１１、ｐ１１、ｑ１１等 モデルパラメータ
ａ_ｒ１１、ｂ_ｒ１１、ｐ_ｒ１１、ｑ_ｒ１１等 基準モデルパラメータ
Ａｆ 空燃比
ｄ 遅れ時間
Ｅ 評価関数
Ｆｉ 燃料噴射量
Ｇａ 吸入空気量
Ｇｖ 車両加速度
Ｎｅ エンジン回転数
Ｓａ 点火時期
Ｔａ スロットル開度
γ 定数

Claims (4)

1. 内燃機関の運転条件を決めるための複数のパラメータをモデル入力情報とし、車両や内燃機関の運転状態を示す複数のパラメータをモデル出力情報とする線形モデルを備える内燃機関の燃料性状判定装置であって、
   前記線形モデルは、学習対象となるモデルパラメータを係数とする複数のモデル入力情報の現在値と、学習対象となる他のモデルパラメータを係数とする複数のモデル入力情報の過去値と、学習対象となる他のモデルパラメータを係数とする複数のモデル出力情報の現在値と、学習対象となる他のモデルパラメータを係数とする複数のモデル出力情報の過去値との和によって、所定時間経過後の前記複数のモデル出力情報を表した線形式を含み、
   前記複数のモデル入力情報および前記複数のモデル出力情報を取得するモデル入出力情報取得手段と、
   前記複数のモデル入力情報および前記複数のモデル出力情報が代入された所定サンプリング周期分の前記線形式に基づいて、前記モデルパラメータを算出するパラメータ算出手段と、
   燃料の種類毎に予め設定された基準モデルパラメータを有し、前記パラメータ算出手段によって算出された前記モデルパラメータと前記基準モデルパラメータとの比較結果に基づいて、燃料性状を判定する燃料性状判定手段と、
   を備えることを特徴とする内燃機関の燃料性状判定装置。
2. 前記燃料性状判定手段による燃料性状の判定結果を利用したエンジン制御を行う制御実行手段を更に備えることを特徴とする請求項１記載の内燃機関の燃料性状判定装置。
3. 前記制御実行手段は、
   所定時間経過後に目標モデル出力値に到達するまでのシステムの応答性を定める評価関数を表した式と前記線形モデルを表した線形式とから導出された制御式に基づいて、前記目標モデル出力値が得られるようにするための前記モデル入力情報を算出する制御量算出手段と、
   前記制御量算出手段によって算出された前記モデル入力情報となるように当該モデル入力情報を制御する制御手段と、
   前記制御量算出手段は、前記燃料性状判定手段により性状判定された燃料の前記基準モデルパラメータ、および、前記パラメータ算出手段により取得された前記モデルパラメータの何れかを参照して、前記モデル入力情報を算出することを特徴とする請求項２記載の内燃機関の燃料性状判定装置。
4. 前記制御実行手段は、
   自己の前記他の制御に利用するための線形モデルであって前記線形モデルと同様の構成を有する他の線形モデルと、
   所定時間経過後に目標モデル出力値に到達するまでのシステムの応答性を定める評価関数を表した式と前記他の線形モデルを表した線形式とから導出された制御式に基づいて、前記目標モデル出力値が得られるようにするための前記モデル入力情報を算出する制御量算出手段と、
   前記制御量算出手段によって算出された前記モデル入力情報となるように当該モデル入力情報を制御する制御手段と、
   前記燃料性状判定手段が有する前記基準モデルパラメータと対応づけて燃料の種類毎に予め設定された他の基準モデルパラメータとを更に備え、
   前記制御量算出手段は、前記燃料性状判定手段による燃料性状の判定結果に対応する前記他の基準モデルパラメータを参照して、前記モデル入力情報を算出することを特徴とする請求項２記載の内燃機関の燃料性状判定装置。

Images