JPH0988685A

JPH0988685A - 内燃機関の空燃比制御装置

Info

Publication number: JPH0988685A
Application number: JP7252130A
Authority: JP
Inventors: Takumi Yasujima; 巧安島
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1995-09-29
Filing date: 1995-09-29
Publication date: 1997-03-31
Anticipated expiration: 2015-09-29
Also published as: JP3510021B2; US5755212A

Abstract

(57)【要約】【課題】内燃機関において、空燃比センサの遅れや燃
料付着があっても、特に過渡応答特性が良好な高精度空
燃比制御装置を提供する。【解決手段】あらかじめ取得したエンジンデータによ
り、気筒内空燃比を計算で求め、過去の値を含んだ燃料
噴射量と、吸気圧等の空気量推定情報を入力とし、算出
した気筒内空燃比を出力とするＮＮ１２を学習する。実
制御では、時々刻々の燃料噴射量などの情報により、Ｎ
Ｎ１２で推定した気筒内空燃比と目標空燃比との差を、
ＮＮ１２の出力を燃料噴射量で偏微分して係数で割り、
気筒内空燃比が目標空燃比となるための燃料補正量を求
める。この補正量で燃料噴射量を補正して最終燃料噴射
量を求める。このようにして気筒内空燃比を目標空燃比
に近づけ、結果的に排ガスでの空燃比を目標空燃比に制
御する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、自動車などの動力
として使用される内燃機関の空燃比を制御する空燃比制
御装置に関するものである。

【０００２】

【従来の技術】近年、地球の環境を保護するために、自
動車の排ガス規制がきびしくなりつつある。一般のガソ
リンエンジンの自動車は３元触媒を排ガス浄化に用いて
おり、この３元触媒の排ガス浄化特性はエンジンの空燃
比により大きく変わる。

【０００３】空燃比とは燃焼する燃料に対する空気の量
の割合であり、空燃比が１４．７である場合に、この空
燃比を理想空燃比または理論空燃比と呼ぶ。この理論空
燃比において３元触媒による排ガス浄化特性が最良とな
り、理論空燃比から、燃料過剰状態であるリッチ方向、
あるいは空気過剰状態であるリーン方向のどちらにずれ
ても排ガス浄化特性は劣化する。よって、いかに空燃比
を理論空燃比に維持するかが排ガス浄化の課題となって
いる。

【０００４】空燃比制御においては、空燃比が理論空燃
比になるように燃料噴射量を決定して設定し、この設定
値になるように燃料噴射量を制御するのが一般的であ
る。なぜなら、空気の量は制御しにくいからである。

【０００５】そこで、インテークマニホールド内の気圧
やスロットルの開度、大気温度、冷却水温度、エンジン
の回転数、排ガス環流量（ＥＧＲ）などから、気筒内に
流入する空気の量を推定し、その空気量に見合う燃料噴
射量を決定している。ここで、空気量とは正確には酸素
の量であるが、実際には、空気を気筒内に取り込んで、
この空気から酸素を供給しているので、以下、供給され
た酸素の量を、これに対応して取り込まれた空気量とし
て説明する。

【０００６】具体的には、まず、実験によって、前述の
気筒内に流入する空気量を推定するための情報（以下、
空気量推定情報と呼ぶ）を測定し、次に、それらの空気
量推定情報によって気筒内に流入する空気量を推定し、
この空気量から空燃比が１４．７となるような燃料噴射
量を求め、それらの関係を予めテーブルや実験式で記憶
しておく。そして、実際の内燃機関においては、実測し
た空気量推定情報をもとに、予め記憶しているテーブル
の検索や実験式により、直接的に燃料噴射量を求めてい
る。このようにして得られた燃料噴射量を基本燃料噴射
量と呼んでおり、この基本燃料噴射量をもとに実際の燃
料噴射量を制御している。このような制御方式をフィー
ドフォワード（以下、ＦＦと呼ぶ）と呼んでいる。

【０００７】実際の制御では、通常、エンジンに空燃比
センサとしてＯ₂ センサやＬＡＦセンサなどを備え、そ
の空燃比センサによって測定した空燃比に対応する出力
を使用して、燃料噴射量にフィードバック（以下、ＦＢ
と呼ぶ）をかけており、空燃比センサによって測定され
た実際の空燃比と理想の空燃比である理論空燃比との差
を求め、その差に対応する燃料噴射量をＦＢコントロー
ラを介して出力し基本燃料噴射量に加えている。

【０００８】しかし、上記のような空燃比制御システム
は、燃料噴射量の出力から空燃比の測定までのエンジン
の伝達関数に時間遅れを含む時変非線形システムであ
り、そのため、固定されたＦＢ係数で制御すると、特に
スロットル開度を変化させるような過渡状態における制
御誤差が大きくなるなどの問題が生じる。ここで、時間
遅れの大きな要素としては、燃料が噴射されて爆発し、
その排ガスが空燃比センサに到達し、空燃比センサが反
応してその出力に影響がでるまでの時間があり、この時
間遅れを、以下、空燃比センサの遅れと呼ぶ。

【０００９】次に、燃料付着という現象について説明す
る。インジェクタで噴射された燃料は、全てが気化する
わけではなく、一部はインテークマニホールド内に液体
として付着し、気筒には流入せず、その後ある時定数を
もって気化し、次回以降のサイクルで気筒に流入すると
いう複雑なメカニズムになっている。さらに、燃料付着
率や蒸発する時定数などは固定値でなく、エンジンの動
作状態で変化する。この燃料付着現象も制御の過渡応答
特性を悪くしている原因となっており、問題点の１つと
して挙げられる。

【００１０】これらの問題を解決するためには、現代制
御理論における状態ＦＢを用いる方法がある。これは、
遅れが大きい空燃比センサ単独のＦＢではなく、気筒内
空燃比や燃料付着量などのエンジン内部の状態を燃料噴
射量へＦＢする方法であり、これらは燃料噴射量からの
遅れが少なく過渡応答特性の比較的良い制御を実現する
ことができる。しかし、これら気筒内空燃比や燃料付着
量などのエンジン内部の状態は実際に測定できるもので
はないので、観測器によって間接的に内部状態を求める
必要がある。

【００１１】しかし、観測器による外部の間接的な測定
により内部状態の推定を行うためには、プラントのモデ
ルが正しく求められていることが必要であり、エンジン
のように内部係数が時々刻々と変化するような制御対象
ではその内部状態の推定が困難である。そこで、適応制
御などのように内部係数を同定して求める方法がある
が、内部係数が急激に変化する場合には、内部係数同定
の遅れにより過渡応答特性が劣化してしまう。そのた
め、特開平６−１７６８０号公報に開示されているよう
に、あらかじめ測定されたデータに基づいて作成された
テーブルや実験式により、おおまかな内部係数を求め、
その後、適応制御により内部係数の誤差を修正して行く
という方法が取られている。

【００１２】しかし、上記の同定演算は、一回の演算時
に連続した掛け算が５回程度はあり、しかも１制御周期
で完結する演算ではなく、複数の制御周期に渡って行わ
れる収束計算になるので、連続する掛け算の回数は無限
回に近くなる。その時に問題となるのが計算精度であ
り、通常は浮動小点数演算を用いる。それは、各パラメ
ータのとる値の範囲を限定することが比較的困難であ
り、演算精度が結果にもたらす影響を推測することも困
難であるからである。したがって、浮動小数点演算をリ
アルタイムでこなす、高性能なＣＰＵが必要になる。

【００１３】このように、内燃機関の空燃比制御のよう
な時変非線形システムの制御では、プラントの種々の条
件における内部係数をあらかじめ記憶させておいて使用
することが、過渡応答特性を良くするために必要である
ことと、１制御周期で演算が完結し連続した掛け算の回
数が少なく演算語長を短くできる方法が、低価格のＣＰ
Ｕを使用する上で有効であることがわかる。通常、この
ために、プラントなどの内部係数をあらかじめ記憶させ
ておくテーブルや内部係数を求める実験式が用いられ
る。この方法を、以下、テーブル方式と呼ぶ。

【００１４】テーブル方式では、実験によって予めデー
タを取り、そのデータをメモリにテーブルの形で記憶し
ておく。しかし、２次元程度の場合には問題とならない
が、３次元以上になると、取得するデータの点数や記憶
しておくためのメモリ容量が多くなるという問題点が発
生する。そこで、プラントに対する知識と取得したデー
タの解析により、部分的にはテーブルを残すとしても、
できる限り実験式の形に近似するようにする。このテー
ブル方式では過渡状態をテーブル化することが困難であ
るという問題点を有している。

【００１５】テーブル方式は、代表点のデータを使用し
て補間するやり方であり、少なくとも代表点は精度良く
求めておかねばならない。そのために代表点では複数の
データを取得して平均を求める。定常状態では、条件が
同じ複数のデータを取得することが容易であるが、過渡
状態で条件が同じ複数のデータを取得することは極めて
困難である。できたとしても、所定の精度を得るために
必要なデータ数を測定するにはかなりの時間を要する。

【００１６】さらに、動作中にテーブルの値や実験式を
変化させて行くことは困難であるため、初期の値を永久
に使用することになり、経年変化に対して弱いという欠
点がある。また、個体毎にテーブルを作成することは現
実的でないため、個体バラツキに対しても弱いという欠
点もある。

【００１７】このようにテーブル方式は、（１）プラン
トに対する知識が必要、（２）データ取得と実験式作成
に時間がかかる、（３）実験式に置き換えたときに誤差
が発生する、（４）過渡状態を記憶できない、（５）メ
モリの使用量が大きい可能性がある、（６）経年変化・
個体バラツキに弱い、という欠点がある。

【００１８】このようなテーブル方式の欠点を補う方式
として、特開平３−２３５７２３号公報や特願平６−２
１６１６９に開示されているように、ニューラルネット
ワーク（以下、ＮＮと呼ぶ）を使った方式がある。

【００１９】ＮＮの学習データそのものは状態の離散的
データの集合であるが、それらを近似するなめらかな超
曲面を学習によって導き出すものであり、ＮＮの特徴と
して、内部の正確なモデル化はできないものの入出力の
関係がわかっている場合、学習によりその入出力関係を
表す関数（ＮＮ内部の係数は物理量的な意味をほとんど
持たない）を作成できるという利点があることが一般的
に言われている。この意味でＮＮは万能なコンピュータ
として使用できるように誤解されやすいが、実際には、
入出力の相関性がなければ学習をおこなっても所望の精
度が得られないものである。したがって、ＮＮを使用し
た装置を記述する場合に重要なことは、いかに相関の高
い入出力を使用して学習しているかであり、相関の低い
入出力では、実現性が乏しいことは明白である。

【００２０】いかに相関の高い入出力を得るかは、最終
的には学習結果での学習誤差によって判定されるが、実
は対象とするもののモデル化によるところが大きい。Ｎ
Ｎ応用制御の世界では、「ＮＮはモデルができなくても
ブラックボックスとして扱える利点があるが、実はモデ
ル化が重要」と言われている。これは、可能な限りモデ
ル化をして、入出力の関係を明らかにして、どんな入力
が必要かを決定するためである。

【００２１】さて、ＮＮによる制御例として、特開平３
−２３５７２３号公報に開示されたもので、エンジンの
空燃比制御への適用例が記載されている。この適用例を
記載内容の範囲内で推測すると、各制御タイミングにお
ける冷却水温度、エンジンの回転数、気筒内に流入する
空気量などを各センサで測定し、それらの測定データを
ＮＮへの入力情報として、ＮＮから得られた出力を燃料
噴射量とするものである。

【００２２】この公報に開示されたＮＮによる制御例
は、前述したような空燃比センサの遅れや燃料付着の現
象がないエンジンの場合や、スロットル開度の変化が小
さい運転領域では有効であると思われる。スロットル開
度の変化が大きく、かつ空燃比センサの遅れや燃料付着
の現象が無視できないエンジンの場合には、上記のよう
な入力だけでは、学習精度がかなり悪くなってしまい、
制御特性も非常に劣化してしまうということが予想され
る。

【００２３】一方、特願平６−２１６１６９では、燃料
付着を考慮したモデルを使用して、入出力の相関が高い
ように入力情報が決定されている。すなわち、その時点
のデータのみでなく過去のデータも入力情報として加え
ており、いくつ前のデータが必要であるかを演繹的に求
めている。この方式における相関の高さは、学習誤差や
実エンジンの制御結果により間接的に証明されており、
この方式が実現可能であることを示している。

【００２４】しかし、この方式は、以下の理由により、
空燃比センサの遅れが小さいエンジンを対象としている
ものと推測される。つまり、この方式の制御周期を点火
タイミングとする（以下、この制御周期をＴＤＣと呼
ぶ）と、燃料が噴射されて爆発した後、空燃比センサが
その排ガスに反応するまでの時間は、制御周期の１０倍
を超えてしまう。空燃比センサがその排ガスに反応する
までの時間を短縮するため、空燃比センサをシリンダに
近いところに取り付ければ、その遅れは非常に小さくす
ることができるが、極めて高温であるため、空燃比セン
サの寿命を短くするし、多気筒エンジンの場合は気筒毎
に空燃比センサが必要となり、コストがアップしてしま
う。

【００２５】この方式に関しての記載内容を解析すると
燃料付着モデルは一次遅れの要素であるため、入力情報
として、燃料噴射量としてはｇｆ（ｋ）とｇｆ（ｋ−
１）の２個を入力している。詳細な式計算は省略して結
果のみ示すと、空燃比センサの遅れがｎＴＤＣとすると
ｇｆ（ｋ−ｎ）までのデータが必要であり、また、空燃
比センサの部分に１次遅れのローパスフィルタを仮定す
ると、空燃比（Ａ／Ｆ）の入力が２個必要になる。した
がって、空燃比センサの遅れが多くなると、それにとも
なってＮＮの入力の個数を多くしなければならない。

【００２６】入力の個数が多くても一定ならば問題は少
ない。しかし、空燃比センサの遅れは、制御周期や排ガ
スの流速の関数であり、一概にｎＴＤＣと言えるとは限
らない。回転数によってｎが変化する可能性も十分考え
られる。オフラインでＮＮの学習をする場合は、そのデ
ータ毎に空燃比センサの遅れｎを考慮して学習用データ
を作成すればよいが、実際にＮＮを利用してエンジンを
制御する場合に、回転数によって入力の数を変えること
は非常に処理が複雑となる。

【００２７】また、それでなくても入力の個数が多くな
ると学習に要する時間が増大するとともに、実際の制御
システムにおいても処理量が大となり、高性能なＣＰＵ
が必要となる。

【００２８】また、この方法によるとＦＢの係数は同定
の必要もなく瞬時に求められるが、空燃比センサの遅れ
があるため、状態ＦＢの中のＡ／ＦによるＦＢが遅れ、
過渡応答特性が劣化するという問題もある。

【００２９】ところで、一般的にＮＮは便利であるが、
危険をともなうものでもあると言える。確かに、テーブ
ル方式は前述したように、技術者がその物理量の意味に
基づいて実験式を併用するなどしているので、入出力の
関係の全貌が一目でわかるという利点がある。というこ
とは、燃料噴射量の最大値も確実に規定できるし、この
回転数領域で、スロットル開度のある一定値以上の場合
に対する燃料噴射量の増量などという仕様変更があった
場合でも、簡単にテーブルを変えることができるという
ことである。しかし、ＮＮの学習結果の結合係数は物理
量的意味をほとんどもたず、ＮＮを使用した制御系の安
定性などの理論的裏付けもない。

【００３０】よって、まず安全性を確保するためには、
考えられる運転領域全般において、動作試験はもちろん
のことフェイルセーフ機能が必須である。特に人間の生
命に関与する装置では、フェイルセーフ機能がついてい
ること、あるいはフェイルセーフ機能を付加することが
容易であることが、工業的に重要である。また、前述し
た仕様変更があった場合に、そのような学習データを作
成して学習をやりなおす必要がない構成にしておくこと
も重要になる場合もある。

【００３１】

【発明が解決しようとする課題】このように上記のよう
な従来の方式では、内燃機関の空燃比制御装置内に、大
量で複雑な演算および動作を短時間で処理できるような
処理能力の高い高性能なＣＰＵを使用しなければ、運転
時の安全性が確保できるような安定でかつ過渡応答特性
の良好な高精度な空燃比制御を実現することができない
という問題点を有していた。

【００３２】本発明は、上記問題点を鑑み、運転時の安
全性が確保できるような安定でかつ過渡応答特性の良好
な高精度な空燃比制御を、高性能なＣＰＵを使用するこ
となく、低コスト・低工数で実現することができる内燃
機関の空燃比制御装置を提供する。

【００３３】

【課題を解決するための手段】上記課題を解決するため
に、本発明の請求項１に記載の内燃機関の空燃比制御装
置は、内燃機関において、時系列データとして、気筒内
に流入する酸素量を推定するための酸素量推定情報と、
気筒内への燃料噴射量と、空燃比センサで排ガス中の酸
素量を検出して求めた空燃比とを測定し、前記時系列デ
ータを、インテークマニホールド内への燃料付着機構や
燃料噴射時点から空燃比センサの前記検出による反応時
点までの時間遅れを用い作成したエンジンモデルに当て
はめ、前記エンジンモデルの内部係数と気筒内空燃比と
を算出し、算出した気筒内空燃比を、酸素量推定情報と
燃料噴射量とを入力したニューラルネットワークに学習
させることにより、酸素量推定情報と燃料噴射量と気筒
内空燃比との関係をニューラルネットワークに学習さ
せ、この学習済みのニューラルネットワークに、時々刻
々の酸素量推定情報と、現在の燃料噴射量としてある一
定値と、過去の燃料噴射量とを入力し、これらに基づい
て求めた推定気筒内空燃比をニューラルネットワークか
ら出力し、ニューラルネットワークからの推定気筒内空
燃比と空燃比の目標値として予め設定された目標空燃比
との差を求めるとともに、前記推定気筒内空燃比に対し
て燃料噴射量により偏微分した偏微分値を求め、前記推
定気筒内空燃比と目標空燃比との差を前記偏微分値によ
り割り算した除算値に基づいて、推定気筒内空燃比が目
標空燃比となるような理想燃料噴射量を求め、気筒内へ
の実際の燃料噴射量を、前記理想燃料噴射量となるよう
に制御するよう構成する。

【００３４】請求項４に記載の内燃機関の空燃比制御装
置は、請求項１の現在の燃料噴射量として、一定値の代
わりに過去の最新の燃料噴射量を用いるように構成す
る。請求項５に記載の内燃機関の空燃比制御装置は、請
求項１の現在の燃料噴射量として、一定値の代わりに、
酸素量推定情報に基づいて予め設定したテーブルや実験
式により求めた基本燃料噴射量を用いるように構成す
る。

【００３５】請求項６に記載の内燃機関の空燃比制御装
置は、請求項１で測定した時系列データと請求項１で作
成したエンジンモデルとを用いて、前記エンジンモデル
の内部係数と気筒内空燃比とを算出し、前記エンジンモ
デルにより、算出した前記内部係数を用いて気筒内空燃
比が空燃比の目標値として予め設定された目標空燃比と
なるような理想燃料噴射量を逆算して求め、前記逆算に
より求めた理想燃料噴射量を、酸素量推定情報と過去の
燃料噴射量とを入力したニューラルネットワークに学習
させることにより、酸素量推定情報と過去の燃料噴射量
と理想燃料噴射量との関係をニューラルネットワークに
学習させ、この学習済みのニューラルネットワークに、
時々刻々の酸素量推定情報と過去の燃料噴射量とを入力
し、これらに基づいて求めた理想燃料噴射量をニューラ
ルネットワークから出力し、気筒内への実際の燃料噴射
量を、ニューラルネットワークからの前記理想燃料噴射
量となるように制御するよう構成する。

【００３６】請求項７に記載の内燃機関の空燃比制御装
置は、請求項１で学習済みのニューラルネットワークに
より、時々刻々の酸素量推定情報と燃料噴射量とに基づ
いて推定気筒内空燃比を出力し、前記推定気筒内空燃比
に対して、その微分値を求めるとともに燃料噴射量によ
る偏微分値を求め、前記微分値を偏微分値で割ることに
より、気筒内空燃比が前回の気筒内空燃比となるような
燃料噴射補正量を求め、この燃料噴射補正量を請求項５
の基本燃料噴射量に加算して気筒内への実際の燃料噴射
量とするように構成する。

【００３７】請求項８に記載の内燃機関の空燃比制御装
置は、請求項１の気筒内への実際の燃料噴射量として、
請求項７の燃料噴射補正量を信号の振幅を制限する制限
要素を通じて基本燃料噴射量に加算したものを用いるよ
うに構成する。

【００３８】請求項９に記載の内燃機関の空燃比制御装
置は、請求項１の気筒内への実際の燃料噴射量として、
請求項７の燃料噴射補正量から、ＨＰＦを通じて高周波
成分を抽出し、これを基本燃料噴射量に加算したものを
用いるように構成する。

【００３９】請求項１０に記載の内燃機関の空燃比制御
装置は、請求項１の空燃比センサの出力や測定データや
観測器の出力から得られた内部状態に基づく信号を、請
求項４，請求項６，請求項８および請求項９のいずれか
の燃料噴射量にフィードバックするコントローラを併用
するように構成する。

【００４０】そして、請求項１の構成によると、燃料付
着メカニズムや空燃比センサの遅れを考慮したエンジン
モデルを作り、測定したエンジンデータから、エンジン
の内部係数や気筒内空燃比を逆算する。燃料噴射量から
気筒内空燃比までの遅れは燃料付着による遅れ１ＴＤＣ
のみであり、空燃比センサの遅れの影響が入らない。実
際の制御では、燃料噴射量の入力のうち、現在の燃料噴
射量として一定値を入力し、その場合に推定気筒内空燃
比をニューラルネットワークの出力で得る。これは目標
空燃比の１４．７とは通常ずれている。現在の燃料噴射
量でニューラルネットワークの出力を偏微分すると、現
在の燃料噴射量と推定気筒内空燃比の関係が求められ
る。よって、推定気筒内空燃比が目標空燃比となるため
の現在の燃料噴射量が逆算できる。この逆算した現在の
燃料噴射量を気筒内への実際の燃料噴射料とする。制御
周期が１進むと、前回実際に噴射した燃料噴射量が過去
の最新の燃料噴射量とし計算に使われる。こうして、こ
の制御系は常に気筒内空燃比が目標空燃比になるように
制御するため、遅れて検出される排ガスの空燃比も目標
空燃比と一致する。このようにして、酸素量推定情報が
変化する過渡時においても各制御タイミングで理想的な
燃料噴射量を算出する。

【００４１】請求項４の構成によると、ニューラルネッ
トワークは非線形関数であるため、入出力の偏微分の結
果は、局所的に有効である。したがって請求項１の制御
系の場合、現在の燃料噴射量として一定値を使用してい
るが、これが最終的な燃料噴射量と大きくずれていると
制御誤差が大きくなる。そこで、理想の燃料噴射量は急
激には変化しないという仮定のもとに、過去の最新の燃
料噴射量をもって現在の燃料噴射量として計算する。

【００４２】請求項５の構成によると、請求項４と同様
の理由で、現在の燃料噴射量として、酸素量推定情報に
基づいてテーブルや実験式により算出した基本燃料噴射
量を用いる。

【００４３】請求項６の構成によると、請求項１で述べ
た内部係数や気筒内空燃比の逆算をしたときに、その瞬
間における内部係数や内部状態が全て求められているわ
けであるから、気筒内空燃比が目標空燃比となるような
理想燃料噴射量を計算で求めることができる。これをニ
ューラルネットワークの出力として学習し、実際の制御
では、この出力をそのまま燃料噴射量とする。このよう
にして、ニューラルネットワーク係数の算出や推定気筒
内空燃比と目標空燃比との差を求めたニューラルネット
ワークの係数で割り算するなどの処理が実際の制御系で
する必要がなくなるため、制御系での処理を減少する。

【００４４】請求項７の構成によると、請求項５の制御
系において、推定気筒内空燃比の微分値を燃料噴射量に
フィードバックするものであり、ＰＩＤ制御のＤ（微分
項）に相当する。こうすると、ニューラルネットワーク
の制御系は気筒内空燃比の変動を抑える方向にのみ作用
する。

【００４５】請求項８の構成によると、ニューラルネッ
トワークを使用して求めた燃料噴射量を基本燃料噴射量
と燃料噴射補正量に分ける。基本燃料噴射量は過渡状態
の情報は含まれていないものの、おおむね理想の燃料噴
射量に近い値である。よって、燃料噴射補正量の絶対値
は小さな値となる。この燃料噴射補正量をその振幅を制
限する制限要素に通して基本燃料噴射量に加算する。制
限要素にかからないような入力の場合、ニューラルネッ
トワークを使用して求めた燃料噴射量は最終的な燃料噴
射量と一致する。万が一、ニューラルネットワークを使
用した制御系が異常動作を起こし、異常な燃料噴射補正
量が算出されたとしても、制限要素により最終的な燃料
噴射量は基本燃料噴射量と大きく変わらない値となる。

【００４６】また、燃料噴射補正量を完全にカットする
制限要素を設け、この制限要素をＯＦＦにしたときは、
最終燃料噴射量が基本燃料噴射量と一致する。基本燃料
噴射量を最終燃料噴射量とした場合は、空燃比の精度は
悪いものの、エンジンとしての動作は問題ない。よっ
て、開発時点での実験をする場合や、動作状態により、
ニューラルネットワークを使用した制御を行いたく無い
場合に、この制限要素を利用する。

【００４７】請求項９の構成によると、燃料噴射補正量
の高周波成分のみ抽出して燃料噴射量を補正するもので
ある。こうすると、ニューラルネットワーク制御系は過
渡特性の改善のみに効果を現し、定常特性は基本燃料噴
射量に依存する。よって、従来例で述べた仕様変更に対
する対応などが容易になる。

【００４８】請求項１０の構成によると、請求項４，
６，８，９の制御系に対して、空燃比センサの出力の低
周波領域のフィードバックを併用することで、定常状態
の誤差（空燃比制御誤差のオフセット分に相当）を低減
し、経年変化や個体バラツキの影響を少なくする。

【００４９】

【発明の実施の形態】以下、本発明の実施の形態を示す
内燃機関の空燃比制御装置について、図面を参照しなが
ら説明する。ここでは、内燃機関として、一般的なガソ
リンエンジンを例に挙げて説明する。

【００５０】本発明の請求項１，請求項２，請求項３に
対応する実施の形態を示す空燃比制御装置について説明
する。図１は、本発明の請求項１，請求項２，請求項３
に対応する実施の形態を示す空燃比制御装置の制御ブロ
ック図である。まず、ディレイライン（英文では、「de
lay line」のように表記する）１１によって、実際にエ
ンジンに供給される燃料量である最終燃料噴射量から過
去の燃料噴射量の値ｇｆ（ｋ−１），ｇｆ（ｋ−２）〜
ｇｆ（ｋ−５）を作りだし、ニューラルネットワーク
（以下、ＮＮと略記する）１２に入力する。

【００５１】また、気筒内に流入する空気量を推定する
ための空気量推定情報（正確には気筒内に流入する酸素
量を推定するための酸素量推定情報）として、例えば、
インテークマニホールド内の吸気圧ｐｂ（ｋ）、スロッ
トル開度ｔｈ（ｋ）、冷却水温度ＴＷ（ｋ）、大気温度
ＴＡ（ｋ）、エンジンの回転数ｎｅ（ｋ）、排気ガス環
流量ＥＧＲ（ｋ）も同様に入力する。

【００５２】さらに、現在の燃料噴射量ｇｆとして一定
値を入力する。この一定値としては、通常取りうる範囲
の値にしておく。すると、ＮＮ１２の出力には現在の燃
料噴射量ｇｆがこの一定値だった場合の推定気筒内空燃
比ｆＮＮが出力される。これは、目標空燃比に一致して
いるとは限らないので、目標空燃比との差ｓａを求め
る。一方、ＮＮ１２は入出力の偏微分が可能なので、出
力である推定気筒内空燃比ｆＮＮを入力である現在の燃
料噴射量ｇｆで偏微分した結果ｋを求める。この場合に
は、入力を微小に変化させて出力の変化分を求めるやり
方もあるが、計算量が多くなるので、ＮＮ１２内部の計
算式を式変形して簡略化して求めている。この式変形は
難しい内容ではないので、ここでの説明は省略する。

【００５３】こうして求めたｋをｓａで割り、符号を逆
転させて燃料補正量−ｋ／ｓａを求める。この燃料補正
量−ｋ／ｓａと現在の燃料噴射量ｇｆとして設定してい
た一定値を加算して最終燃料噴射量とする。この最終燃
料噴射量を今回の燃料噴射量とした場合に推定気筒内空
燃比ｆＮＮが目標空燃比に一致することが容易に推定で
きる。

【００５４】気筒内空燃比が目標空燃比であるならば、
排ガスでの空燃比は遅れがあるものの目標空燃比にな
る。運転状況に応じて目標空燃比を変化させたい場合に
は、図中の目標空燃比を変化させればよい。

【００５５】ＮＮ１２の入力である空気量推定情報とし
ては、インテークマニホールド内の吸気圧ｐｂなど６種
類の情報を用いている。しかし、この６種類の情報が必
要条件ではなく、簡略化したり別な情報を利用すること
もできる。たとえば、暖機済み状態のみこの制御をおこ
なう場合には、冷却水温度ＴＷは一定と考えられるた
め、冷却水温度ＴＷの項は不要となり、吸気圧センサを
用いないでエアフローメータや熱線流速計などを用いる
Ｌジェトロ方式のエンジンの場合には吸気圧ｐｂの代わ
りにそれらのセンサの値を入力することになる。

【００５６】図１におけるディレイライン１１について
説明を加える。この詳細は、図２に示すように、１ＴＤ
Ｃ（制御周期＝燃焼サイクル）づつ遅らせた出力を取り
出すものである。この実施の形態では５回遅らせたｇｆ
（ｋ−５）まで求めて使用しているが、何回まで遅らせ
たデータを使用するかは、対象とするエンジンや運転条
件によるので、５回にこだわるものではない。この回数
の決定方法については後述する。

【００５７】図１に示す制御器は、燃料噴射量の決定に
おいて、フィードフォワード（以下、ＦＦと略記する）
の役割を果たすものであるが、内部にフィードバック
（以下、ＦＢと略記する）ループが存在している。ＮＮ
１２の学習誤差を仮に０とすると、ｚ平面における単位
円上に極が存在するため、このままでは不安定である。
この問題はループ内部に適当な補償要素を有する補償器
を入れることにより容易に解決できる。

【００５８】一番簡単な補償器としては、ゲインが０か
ら１の間であるゲイン要素を有するものであり、その構
成を図３に示す。図３の補償器３１は図１におけるｓａ
の部分に挿入するものであり、図１のｓａをｋとの割り
算要素に入れずに、図３のｓａ′に入力し、図３のｓａ
の出力を図１のｋとの割り算要素に入力するものであ
る。図３の補償器３１ではゲイン要素のゲインを０．８
に設定している。

【００５９】図４はＮＮの構成を示すものである。図４
において、ＮＮは３層構造で、入力層の個数は１２であ
り、中間層の個数は２０でしきい値関数はtangent sigm
oid（図４ではtansigと記載）を用いており、出力層は
１個でしきい値関数は最も簡単な線形関数（図４ではli
nearと記載）である１を用いてる。

【００６０】このＮＮの入力の種類の決定や学習用のデ
ータの作成について述べる前に、対象とするエンジンの
モデルについて述べる。図５はエンジンモデルの構成図
である。前半が係数ａ、ｂ、ｃ、ｄからなる燃料付着モ
デルで、後半が空燃比センサ部分における係数ｅ、ｆか
らなるLow PassFilter （以下、ＬＰＦと略記する）で
ある。この燃料付着やＬＰＦの考え方については、従来
例で示した文献に詳しく記述されているので、ここでの
説明は省略する。

【００６１】図５において、燃料付着モデルの出力であ
る気筒流入燃料量Ｘ（ｋ）と気筒流入空気量ａｉｒ
（ｋ）の逆比の値が気筒内空燃比Ｙ（ｋ）である。この
燃料付着モデルには、エンジンの燃焼サイクルによる遅
れや排ガスがシリンダから空燃比センサに到達してセン
サが反応するまでの時間をｎＴＤＣとし、時間遅れ要素
ｚ ^-nを挿入している。この遅れを、以下、空燃比センサ
遅れと呼ぶことにする。ここで、係数ａ、ｂ、ｃ、ｄ、
ｅ、ｆは時刻ｋの関数であるので正確にはａ（ｋ）、ｂ
（ｋ）のように記すべきであるが、図をわかりやすくす
るために、（ｋ）を省略し簡略化して記している。

【００６２】さて、図５におけるパラメータを見ると、
実際に測定することができるのは、燃料噴射量ｇｆ
（ｋ）と排ガス空燃比Ａ／Ｆ（ｋ）のみであり、他のパ
ラメータは実測することが相当困難である。そこで、ｇ
ｆとＡ／Ｆから他のパラメータを逆算することを試み
る。求める未知のパラメータを、ａ、ｃ、ａｉｒ、ｆと
する。なぜなら、他のｂ、ｄ、ｅは、それぞれａ、ｃ、
ｆから求められるからである。ａ、ｃ、ｆ、ａｉｒの４
つのパラメータをｇｆとＡ／Ｆのデータから求めるわけ
だが、計算は相当複雑になり、かなりの計算時間を要す
る。そこで、ａ（ｋ）、ｃ（ｋ）、ｆ（ｋ）、ａｉｒ
（ｋ）は、時刻ｋにおけるａ、ｃ、ｆ、ａｉｒではな
く、時刻ｋでＸ（ｋ）、Ｙ（ｋ）、Ａ／Ｆ（ｋ＋ｎ）を
決定するために使用されるａ、ｃ、ｆ、ａｉｒの平均的
な値を定義する。近似的には、定義されたａ、ｃ、ｆ、
ａｉｒは真のａ、ｃ、ｆ、ａｉｒの移動平均した値と言
える。この定義に基づき関係式を導出する。

【００６３】まず、燃料付着モデルより（式１）を得
る。

【００６４】

【数１】

【００６５】ＬＰＦモデルから（式２）を得る。

【００６６】

【数２】

【００６７】（式２）の時刻をｎずらして（式３）を得
る。

【００６８】

【数３】

【００６９】また、Ｘ、Ｙ、ａｉｒの関係は（式４）で
表される。

【００７０】

【数４】

【００７１】さらに、（式１）と（式２）の時刻を順次
ずらすことにより、（式５）および（式６）を得る。

【００７２】

【数５】

【００７３】

【数６】

【００７４】これら（式５）および（式６）の式中で、
Ａ／Ｆ（ｋ）、Ａ／Ｆ（ｋ−１）そして、ｇｆ（ｋ）、
ｇｆ（ｋ−１）、・・・ｇｆ（ｋ−ｎ＋１）、ｇｆ（ｋ
−ｎ）は即されるデータなので既知である。今、ａ、
ｃ、ｆ、ａｉｒに仮の値を設定すると、ｂ、ｄ、ｅがま
ず求められる。さらに、（式３）よりＹ（ｋ−ｎ）が求
められ、そして、（式４）よりＸ（ｋ−ｎ）が求められ
る。

【００７５】次に、Ｘ（ｋ−ｎ）を（式５）に代入し
て、順次、Ｘ（ｋ−ｎ＋１）、Ｘ（ｋ−ｎ＋２）、・・
・Ｘ（ｋ−１）、Ｘ（ｋ）を求める。それを、（式４）
の時刻をずらした式を用いて、Ｙ（ｋ−ｎ＋１）、Ｙ
（ｋ−ｎ＋２）、・・・Ｙ（ｋ−１）、Ｙ（ｋ）を求め
る。こうして求めたＹ（ｋ）とＡ／Ｆ（ｋ）を（式６）
に代入して、順次、Ａ／Ｆ（ｋ＋１）、Ａ／Ｆ（ｋ＋
２）、・・・Ａ／Ｆ（ｋ＋ｎ−１）、Ａ／Ｆ（ｋ＋ｎ）
を求める。

【００７６】求めたＡ／Ｆ（ｋ＋ｎ）は測定されたＡ／
Ｆ（ｋ＋ｎ）とは一致しているとは限らない。それは、
設定したａ、ｃ、ｆ、ａｉｒの値が仮の値で、正しい
ａ、ｃ、ｆ、ａｉｒの値ではないからである。そこで、
求めたＡ／Ｆ（ｋ＋ｎ）と測定したＡ／Ｆ（ｋ＋ｎ）と
の差の絶対値を出力とする評価関数をつくり、評価関数
の値が最小になるａ、ｃ、ｆ、ａｉｒの組み合わせを求
める。評価関数の中身は前述したＸやＹやＡ／Ｆを順次
求めてゆき、求められたＡ／Ｆ（ｋ＋ｎ）と測定された
Ａ／Ｆ（ｋ＋ｎ）の差の絶対値を求める計算式である。
ａ、ｃ、ｆ、ａｉｒを求めるために、シンプレックス法
を用いた。求めるためには空燃比センサの遅れｎが必要
である。この遅れは、ΔｇｆとΔＡ／Ｆの相互相関関数
を計算した結果やＡ／Ｆに対するｇｆのステップ応答か
ら各回転数におけるｎを求めた。２０００ｒｐｍの場合
は１２であり、３０００ｒｐｍの場合は１５であった。

【００７７】従来の技術で示した特開平３−２３５７２
３の方式では、このｎの変動が問題となる。すなわち、
ｎの値によって伝達マトリクスの大きさが変化したり、
あるいは、マトリクスの大きさをｎの最大値にしておく
必要があり、極指定法での係数比較計算量が大幅に増大
する可能性があるからである。

【００７８】４気筒エンジンでスロットル開度を変化さ
せたときのデータを用いて求めた燃料付着率ａの結果を
図６に示す。回転数は２０００ｒｐｍで、エンジントル
クに応じて負荷を変化させて回転数を一定にして測定し
たデータを使用した。横軸はＴＤＣで縦軸は燃料付着率
である。参考のためにスロットル開度ｔｈの変化を破線
で併記してあり、縦軸は見やすいようにスケーリングし
てある。ｇｆが一定の場合は理論的にはａ，ｃ，ｆを上
記の方法で求めることは不可能であるが、実際のデータ
はｇｆも微小に変動しており、シンプレックス法により
値が求められている。図７に排ガス空燃比の測定データ
を示す。対象とするエンジンには空燃比センサとしてＯ
₂ センサもっており、Ｏ₂ センサを使用したＰＩＦＢが
かかっているため、スロットル開度の変化がない状態で
もＡ／Ｆが変動している。もちろん、それに対応してｇ
ｆも振れている。図７の横軸は図６と同じＴＤＣで縦軸
は空燃比である。このエンジンでは空燃比が約１３．５
に制御されていることがわかる。また、図６と同様にス
ロットル開度ｔｈを併記している。

【００７９】図８には、求めた気筒内空燃比Ｙと図７に
示した排ガス空燃比Ａ／Ｆの測定データとを併記して示
す。横軸はＴＤＣ、縦軸は空燃比であり、Ｙが点線、Ａ
／Ｆが実線である。Ｙに対してＡ／Ｆが１３ＴＤＣ分遅
れていることと、Ａ／ＦがＹに対して波形がなまってい
ることがわかる。こうしてデータを測定したときの気筒
内空燃比の挙動を知ることができた。このＹを教師信号
としてＹを推定するＮＮを構成することにより、気筒内
空燃比Ｙを推定できることになる。

【００８０】気筒内に流入する空気量や運転状態を決定
する情報として、まず空気量推定情報をＮＮの入力とし
て選ぶが、気筒流入空気量と相関が高くなければならな
い。図９にインテークマニホールド内の吸気圧ｐｂと計
算して求めた気筒流入空気量ａｉｒを示す。横軸はＴＤ
Ｃで、実線がｐｂ、点線がａｉｒである。縦軸は見やす
いようにスケーリングしている。非常に相関が高いこと
がわかる。よって、微修正のため他の情報も入力に入れ
るが、気筒流入空気量はほぼ吸気圧で表せられると言え
る。

【００８１】図示はしていないが、ちなみにスロットル
開度ｔｈとａｉｒとの間には時間のずれとグラフの形状
が異なり相関が高いとは言えなかった。しかし、ｐｂセ
ンサの取り付け位置やエンジンの特性によっては、ｐｂ
とａｉｒの相関が崩れる可能性がある。特にａｉｒに対
してｐｂが遅れることも考えられる。その場合は、スロ
ットル開度などからａｉｒと相関が高い情報を作り出
し、ＮＮの入力に加える必要があるかもしれない。

【００８２】次に、気筒流入燃料量Ｘを決定する情報に
ついて説明する。図５の燃料付着モデル部分をみると、
気筒流入燃料量Ｘを決定する入力は燃料噴射量ｇｆであ
る。内部係数であるａ，ｂ，ｃ，ｄが既知である場合
に、過去の時刻ｋ−ｍ（ｍ＞０）での気筒流入燃料量Ｘ
（ｋ−ｍ）と時刻ｋ−ｍから時刻ｋまでのｇｆの値ｇｆ
（ｋ−ｍ）〜ｇｆ（ｋ）がわかれば、Ｘ（ｋ）を決定す
ることができる。しかし、過去のＸ（ｋ−ｍ）は測定で
きないのでわからない。しかし、付着した燃料の影響は
時間が経つほど少なくなる。つまり、ｍ回前の燃料噴射
において付着した燃料が今回の気筒流入燃料量に含まれ
る割合はａ＊ｂ^m ＊ｃであり、ａ、ｂ、ｃは全て０〜１
の範囲の値なので、ｍが大きくなるにつれ式の値が０に
近づくことからである。実際、２０００ｒｐｍから３０
００ｒｐｍのデータより得られたａ、ｃの組み合わせ３
万個余りで計算したところ、ｍ＝５で数％の誤差に収ま
ることがわかった。よって、Ｘ（ｋ）の決定にはｇｆ
（ｋ−５）からｇｆ（ｋ）を用いることにした。

【００８３】このようにして、ＮＮの入力項を決定し、
Ｙを教師信号として学習をおこなったが、Ｙの全てを教
師信号とはせずに、スロットル開度の変化している付近
のデータを抽出して教師信号とした。その理由は、教師
信号の数が増えると学習に要する時間が長くなること
と、全てのデータを使用すると定常状態のデータの比率
が過渡状態のデータに比べて非常に高くなってしまうか
らである。学習は通常のバックプロパゲーションを用い
た。学習結果をエンジンコントローラにＲＯＭの形で記
憶させ、最初に述べた制御シーケンスをエンジンコント
ローラのＣＰＵで動作させた。

【００８４】ここで、計算量について触れておく。ＮＮ
の計算は回数的には少ないとは言えない。しかし、掛け
算の回数は多いものの連続する掛け算回数は少ない。し
かも掛け算するＮＮ内部の係数は固定値である。これら
の意味することは、演算語数を短くし易く、実質的な計
算量を削減できるということである。連続する掛け算は
演算精度の問題を起こしやすい。ＮＮ内部の計算では３
回（中間層の入力の係数、中間層のシグモイド関数、出
力層の入力の係数）であり、値がすでにわかっているの
で、計算値の範囲もわかり、かつ制御周期内で完結する
計算となるので演算精度の検証がし易い。

【００８５】しかし、適応制御の場合は１回の同定に５
回程度の連続掛け算があり、かつ制御周期を超えた収束
計算となるので、演算精度検証がしづらい。よって、適
応制御の場合は浮動小数点演算が必要になる可能性が大
である。

【００８６】次に、本発明の請求項４に対応する実施の
形態を示す空燃比制御装置について説明する。図１０
は、本発明の請求項４に対応する実施の形態を示す空燃
比制御装置の制御ブロック図である。ここで、図１０と
図１との異なる点は、図１の一定値の代わりに１ＴＤＣ
前の燃料噴射量ｇｆ（ｋ−１）を用いると言う点であ
る。

【００８７】ＮＮ１０１は非線形関数であるので、ＮＮ
１０１の入力のｇｆは最終燃料噴射量に近いほど、この
制御系の精度が良くなる。よって、ｇｆとして一定値で
は、制御性能が悪くなる可能性があり、ｇｆ（ｋ）とｇ
ｆ（ｋ−１）との差は比較的小さいという性質を利用し
てＮＮ１０１の推定精度を上げたものである。

【００８８】その他の動作や原理については前述した内
容と同じである。さらに工夫するならば、ＮＮ１０１の
入力のｇｆ（ｋ）とｇｆ（ｋ−１）には常に同じ値を入
力することになるため、学習結果が出たら、入力層や中
間層の統合をおこなうことにより、ＮＮ１０１の入力を
減らして、ＣＰＵの負荷を低減することができる。

【００８９】次に、本発明の請求項５に対応する実施の
形態を示す空燃比制御装置について説明する。図１１
は、本発明の請求項５に対応する実施の形態を示す空燃
比制御装置の制御ブロック図である。従来の燃料噴射制
御においても基本燃料噴射量という概念があったが、そ
れは、スロットル開度ｔｈやインテークマニホールド内
の吸気圧ｐｂやエンジンの回転数ｎｅなどから、燃料噴
射量を算出するテーブルや実験式を使って、ＦＦ的に燃
料噴射量を決定するものである。

【００９０】図１１においては、基本燃料噴射量とし
て、図１の一定値を図１０のｇｆ（ｋ−１）に置き換え
たものである。図１の方法に対しては図１０の説明で述
べた理由で優位性があることがわかる。また、図１１の
方法では、ｇｆが直接には制御できないため、ややもす
ると不可制御に陥る可能性がある。

【００９１】よって、図１１の方法を実用化するために
は安定性の検証実験量がかなり多く必要とする。特に開
発段階の未完成なシステムでは、突然制御不能になるこ
とはデバッグがしづらく開発効率も非常に悪いことが予
想される。

【００９２】それに対して、図１１の方法では、理想の
燃料噴射量に近い基本燃料噴射量が常に入力されている
ので、制御ループの発振さえなければ、動作は安定であ
る。また、基本燃料噴射量と燃料補正量をモニタしてい
れば、動作の把握がし易くデバッグが容易で、さらには
燃料補正量を０にすることにより、何時でも最低限の動
作状態を確保できるので開発効率も良い。また、同様の
理由により、安定性の検証がし易くなる。

【００９３】次に、本発明の請求項６に対応する実施の
形態を示す空燃比制御装置について説明する。図１２
は、本発明の請求項６に対応する実施の形態を示す空燃
比制御装置の制御ブロック図である。構成は非常にシン
プルで、ＮＮ１２１の入力はｐｂ（ｋ）などの空気量推
定情報とｇｆ（ｋ−１）などの過去の燃料噴射量であ
る。ＮＮ１２１の出力は最終燃料噴射量であり、それを
そのまま今回の燃料噴射量とする。ＮＮ１２１の構造は
図４で示したものとは異なり、今回の燃料噴射量ｇｆ
（ｋ）がなく、入力層の個数が１個減って１１個とな
り、出力が気筒内空燃比推定量ではなく、今回の燃料噴
射量ｇｆ（ｋ）となっている。このＮＮ１２１の学習方
法について説明する。

【００９４】図１３は図５のうち燃料付着メカニズムを
表した燃料付着モデル部分を抜き出したもので、さらに
ａ、ｂなどに（ｋ）のインデックスをつけて正確に表現
している。図の中で、ｗ（ｋ）は燃料付着量である。こ
の図より、（式７）として次の関数が得られる。

【００９５】

【数７】

【００９６】請求項１，請求項２，請求項３に対応する
実施の形態を示す空燃比制御装置において説明したよう
に、取得データにおける時々刻々のｃ（ｋ）、ｄ
（ｋ）、Ｘ（ｋ）は求められているので、（式７）よ
り、時々刻々のｗ（ｋ）が求められる（以下、ｗが求め
られるというように表現する）。一方、気筒内空燃比Ｙ
との関係は（式８）で表される。

【００９７】

【数８】

【００９８】今、理想燃料噴射量ｇｆｍ（ｋ）を考え
る。理想というのは、時刻ｋにおいて、その量の燃料を
噴射すると気筒内空燃比が理想の空燃比ＹＹになること
である。（式８）のＹ（ｋ）をＹＹとおいて（式９）を
得る。

【００９９】

【数９】

【０１００】こうして、理想燃料噴射量ｇｆｍが求めら
れた。このｇｆｍを教師信号としてＮＮを学習させる。
次に、本発明の請求項７に対応する実施の形態を示す空
燃比制御装置について説明する。

【０１０１】図１４は、本発明の請求項７に対応する実
施の形態を示す空燃比制御装置の制御ブロック図であ
る。図１１と似ているが、異なる点は、ＮＮ１４１の出
力である推定気筒内空燃比の前回差分を取っていること
である。これは連続系における微分に相当するもので、
気筒内空燃比の急激な変動を抑える動作をする。

【０１０２】動作としてはＰＩＤ制御のＤ（微分）動作
に相当する。ＧはＤ動作の係数に相当するものである
が、系の安定性を考えると１未満である必要がある。こ
の系における低周波特性に関しては、ＮＮ１４１は関与
しない。燃料噴射量の低周波特性を決定するのは基本燃
料噴射量である。

【０１０３】次に、本発明の請求項８に対応する実施の
形態を示す空燃比制御装置について説明する。図１５
は、本発明の請求項８に対応する実施の形態を示す空燃
比制御装置の概略の制御ブロック図である。図１、図１
０、図１２で算出される最終燃料噴射量をそのまま最終
燃料噴射量としないで、図１５のＮＮ応用制御によって
決定された燃料噴射量とし、それから基本燃料噴射量を
引き算する。その差分（以下、基本燃料補正量と呼ぶ）
は制限要素としてのリミッタ１５１やスイッチ１５２を
通り、再び基本燃料噴射量に加算されて、真の最終燃料
噴射量となる。定常状態で空燃比が目標空燃比となるよ
うに基本燃料噴射量は設定されているので、定常状態で
は基本燃料補正量はほぼ０である。スロットル開度を変
化させる過渡状態では、基本燃料噴射量は０から離れた
値をとる。

【０１０４】今、何らかの事情でＮＮ系が異常動作を起
こした場合、基本燃料補正量が０より大きくかけ離れた
値をとることが予想される。また、定常状態になっても
基本燃料補正量が０から離れている値をとり続けること
も予想される。よって、このような現象を検知すること
により、ＮＮ系の異常を判定し、基本燃料補正量を０あ
るいは０に近い値にセットすることにより、最終燃料噴
射量が異常値をとる、あるいは異常値をとり続けること
を阻止できる。

【０１０５】たとえば、リミッタ１５１がなくスイッチ
１５２がＯＮの状態で制御実験をおこない、過渡状態で
基本燃料補正量がどんな値をとるかをモニタする。その
値の最大・最小値からリミッタ１５１の上限と下限を決
定する。

【０１０６】すなわち、基本燃料補正量がある範囲（下
限値から上限値の範囲）を超えたならば、その上限値・
下限値の値にしてしまうのである。こうすることによっ
て、ＮＮ系が異常になっても、エンジンが暴走するよう
なことは無くなる。また、この範囲をある一定時間以上
超えている場合は、ＮＮ系が故障したと判断して、スイ
ッチ１５２をＯＦＦにしてＮＮ系を用いずに基本燃料噴
射量のみで最終燃料噴射量を決定するようにしてもよ
い。これらの異常対策の具体的アルゴリズムは、図１５
のような構成があるならば、容易にかついろいろな方法
が考えられるので、ここでは簡単な例を説明するのみと
する。

【０１０７】また、図１２の制御系と図１５を組み合わ
せた全体図を図１６に示す。さらに、図１１の制御系と
図１５を組み合わせた全体図を図１７に示す。図１７で
は、基本燃料噴射量を引き算した基本燃料補正量を算出
する仕組みがない。それは、図１１の構成ではもともと
基本燃料噴射量にＮＮで決定した燃料補正量を加算する
ようになっているためである。

【０１０８】次に、本発明の請求項９に対応する実施の
形態を示す空燃比制御装置について説明する。図１８
は、本発明の請求項９に対応する実施の形態を示す空燃
比制御装置の概略の制御ブロック図である。この空燃比
制御装置は、図１５のリミッタ１５１やスイッチ１５２
と同じ場所にＨＰＦ（高域通過フィルタ）１８１を挿入
したものである。動作としては、請求項７に対応する実
施の形態を示す空燃比制御装置と似ているが、基本燃料
補正量の高周波成分のみ使用するというものである。図
１８を図１１の制御系と組み合わせた全体図を図１９に
示す。

【０１０９】ここで、シミュレーションを試みる。図１
９の制御結果を見るためには、気筒内空燃比で従来例と
比較するのがよい。図１９では、最終燃料噴射量までし
か求められていないので、すでに学習したＮＮ１９１を
使って気筒内空燃比を求めてみる。

【０１１０】図２０がシミュレーション全体図である。
下部のほうに、ｇｆや過去のｇｆ、空気量推定情報を入
力としたＮＮ２０１があり、その出力である気筒内空燃
比を評価する。また基本燃料噴射量として、実験（Ｏ₂
センサのＰＩフィードバック）時の燃料噴射量を用い
た。ＨＰＦ２０２の時定数は３０ＴＤＣとし、回転数は
２０００ｒｐｍである。

【０１１１】図２１に燃料噴射量の推移を示す。見やす
いように５００ＴＤＣまでの結果を拡大して表示してい
る。実線が実験時の燃料噴射量で、点線が制御シミュレ
ーション結果である。横軸はＴＤＣ、縦軸は正規化して
ある無次元数である。シミュレーション結果の方が変動
が少ないことがわかる。

【０１１２】図２２に気筒内空燃比の比較結果を示す。
実線が前に計算で求めた実験時の気筒内空燃比で、破線
が制御シミュレーション結果である。ＮＮを使用した制
御により空燃比の変動がかなり小さくなっているのがわ
かる。

【０１１３】実験時には空燃比が平均として１３．５程
度に制御されており、制御シミュレーション中の目標空
燃比は１４であったため、スタート時に破線が１４から
１３．５近辺にゆっくりと変化している。これはＨＰＦ
の効果である。ＮＮの制御が３０ＴＤＣ以上のゆっくり
とした変化には、動作しないことを示している。横軸の
２００ＴＤＣ付近でスロットルを開き、８２０ＴＤＣで
スロットルを閉じているが、その過渡状態でも空燃比の
変動が抑えられているのがわかる。

【０１１４】前述したように学習用のデータは、過渡状
態の部分を切り出して作成している。よって定常状態の
ＤＣ特性は余り精度が無いと言える。横軸８００ＴＤＣ
以降の破線の空燃比がオフセットをもっているが、これ
はシミュレーション上で気筒内空燃比を求める時に用い
たＮＮのＤＣ精度が悪いためで、実際のエンジンでは無
くなるはずである。また、学習の範囲を拡大することに
よっても無くすことができると考えられる。

【０１１５】以上のように、この制御法では、ＤＣ特性
の改善は見込めないものの、過渡特性を非常に良くする
ことができることが確認された。次に、本発明の請求項
１０に対応する実施の形態を示す空燃比制御装置につい
て説明する。

【０１１６】図２３は、本発明の請求項１０に対応する
実施の形態を示す空燃比制御装置の制御ブロック図であ
る。図中のＮＮ制御器２３１は、これまでの実施の形態
で述べてきたＮＮ制御系のうち、基本燃料噴射量を用い
る制御系である。これらの制御系は過渡特性を良くする
ことはできるが、経年変化や個体バラツキに弱いという
欠点をもっている。それは、あらかじめエンジン２３２
の特性をＮＮ制御器２３１に学習しておいたものを使用
するからである。

【０１１７】図中のＰＩＤ制御器２３３は大きなＦＢル
ープを構成するものであり、従来のＰＩ制御器の考え方
と同じで、排ガス空燃比を空燃比センサで検出してＦＢ
をかけるものである。ただ、過渡特性はＮＮ制御器２３
１により改善されているので、ＰＩＤ制御器２３３は低
周波成分の特性改善を果たせばよい。

【０１１８】請求項９に対応する実施の形態を示す空燃
比制御装置では、ＨＰＦのカットオフとして３０ＴＤＣ
を用いていた。よって、このＦＢでは３０ＴＤＣ以上の
周期成分に対してゲインをもてば良いと言うことにな
る。実験したエンジンでは、燃料噴射から、その燃料が
燃焼して空燃比センサの反応が現れるまでの遅れが１０
数ＴＤＣだったので、周期が３０ＴＤＣ以上の周波数成
分に対してＦＢをかけることは十分可能である。

【０１１９】図２４は別の実施の形態であり、エンジン
２４１に噴射される最終燃料噴射量に対してＦＢをかけ
る方法であり、考え方は図２３と同じである。また、図
２４のＮＮ制御器２４２に入力されている基本燃料噴射
量を削除した図２５もまた別の実施の形態で、基本燃料
噴射量を用いないＮＮ制御器２５１を使用した制御系に
対しても、請求項１０に対応することがわかる。

【０１２０】最後に、表１により、明細書の各所で述べ
た略語・記号についての説明をまとめて示しておく。

【０１２１】

【表１】

【０１２２】

【発明の効果】以上のように、請求項１，請求項２およ
び請求項３に記載の発明によれば、燃料噴射から空燃比
センサ反応までの遅れ時間が長く、かつ回転数によって
それが変動する場合でも、燃料噴射から１制御周期しか
遅れない気筒内空燃比を制御しており、また、遅れがあ
る空燃比センサの出力を制御に使用していないので、あ
らかじめ取得したエンジンデータより、気筒内空燃比を
算出し、それを出力とするニューラルネットワークを学
習して、結果をエンジン制御に用いることにより、過渡
特性の良い空燃比制御が可能である。

【０１２３】また、適応制御におけるプラント同定計算
のような連続した掛け算の部分がなく、１制御周期で計
算が完結し、かつその中での連続掛け算回数が少ないの
で、演算語長を短くする工夫をし易く、低価格ＣＰＵを
使用しやすい。

【０１２４】請求項４に記載の発明によれば、請求項
１，請求項２，請求項３に記載の発明による制御精度に
より、さらに高い制御精度が得られる。また、請求項
１，請求項２，請求項３に記載の発明とともに、基本燃
料噴射量を決定するテーブルや実験式を必要としない。

【０１２５】請求項５に記載の発明によれば、請求項４
に記載の発明による制御精度より、さらに高い制御精度
が得られるので、特殊な運転状態において、燃料噴射量
をある値としたいなどの仕様変更があったときに、ニュ
ーラルネットワークを学習し直さなくても、基本燃料噴
射量テーブルを書き直すだけで実現できる。

【０１２６】また、請求項４に記載の発明では、開発途
中の未完成な制御系でのデバッグが困難であったが、デ
バッグが容易で開発効率が上がるという効果がある。さ
らに、請求項１，請求項２，請求項３、請求項４に記載
の発明とともに、目標空燃比を運転状態によって変化さ
せたいときに、容易に変更できるという効果もある。

【０１２７】請求項６に記載の発明によれば、請求項
１，請求項２，請求項３、請求項４、請求項５に記載の
発明による構成に対して、制御系を大幅に簡素化でき
る。請求項７に記載の発明によれば、経年変化などによ
り学習されたニューラルネットワークのＤＣ特性が悪く
なっても、過渡特性はそのまま良い状態を保つことがで
きる。

【０１２８】請求項８に記載の発明によれば、開発途中
において、制御系が完成されていなくても、エンジンを
動作させることが容易で、基本燃料補正量をモニタする
ことで制御状態を把握することができるので、開発に要
する時間を短縮できる。

【０１２９】また、実制御時に万が一ニューラルネット
ワークの動作が異常になった場合でも、それを検知し、
エンジンが暴走しないようにフェイルセーフを働かすこ
とができるので安全性が確保できる。

【０１３０】請求項９に記載の発明によれば、請求項７
に記載の発明による効果に加えて、ある程度低い周波数
成分も使用することにより、さらに制御精度を上げるこ
とができる。

【０１３１】請求項１０に記載の発明によれば、経年変
化や個体バラツキなどによって発生する空燃比のオフセ
ットなど、低い周波数成分に対しての制御精度を高める
ことができる。

【０１３２】また、高価なＬＡＦセンサでなく、低価格
なＯ₂ センサを使用することも可能である。以上の各請
求項に記載の発明による効果によって、運転時の安全性
が確保できるような安定でかつ過渡応答特性の良好な高
精度な空燃比制御を、高性能なＣＰＵを使用することな
く、低コスト・低工数で実現することができる。

【図面の簡単な説明】

【図１】本発明の請求項１，２，３の実施の形態の空燃
比制御装置の制御ブロック図

【図２】同実施の形態におけるディレイラインの説明図

【図３】同実施の形態における補償器の構成図

【図４】同実施の形態におけるＮＮの構成図

【図５】同実施の形態におけるエンジンモデルの構成図

【図６】同実施の形態における燃料付着率の説明図

【図７】同実施の形態において測定された排ガス空燃比
の説明図

【図８】同実施の形態において算出した気筒内空燃比の
説明図

【図９】同実施の形態における吸気圧と算出した空気量
の関係図

【図１０】本発明の請求項４の実施の形態の空燃比制御
装置の制御ブロック図

【図１１】本発明の請求項５の実施の形態の空燃比制御
装置の制御ブロック図

【図１２】本発明の請求項６の実施の形態の空燃比制御
装置の制御ブロック図

【図１３】同実施の形態における燃料付着メカニズムの
説明図

【図１４】本発明の請求項７の実施の形態の空燃比制御
装置の制御ブロック図

【図１５】本発明の請求項８の実施の形態の空燃比制御
装置の概略制御ブロック図

【図１６】同実施の形態における全体制御ブロック図

【図１７】同実施の形態における別の全体制御ブロック
図

【図１８】本発明の請求項９の実施の形態の空燃比制御
装置の概略制御ブロック図

【図１９】同実施の形態における全体制御ブロック図

【図２０】同実施の形態におけるシミュレーション全体
図

【図２１】同実施の形態における燃料噴射量の説明図

【図２２】同実施の形態における気筒内空燃比の説明図

【図２３】本発明の請求項１０の実施の形態の空燃比制
御装置の制御ブロック図

【図２４】同実施の形態における別の制御ブロック図

【図２５】同実施の形態におけるさらに別の制御ブロッ
ク図

【符号の説明】

１１ディレイライン１２，１０１，１２１，１４１，１９１，２０１Ｎ
Ｎ３１補償器１５１リミッタ１５２スイッチ１８１，２０２ＨＰＦ２３１，２４２，２５１ＮＮ制御器２３３ＰＩＤ制御器

Claims

【特許請求の範囲】

【請求項１】内燃機関において、時系列データとし
て、気筒内に流入する酸素量を推定するための酸素量推
定情報と、気筒内への燃料噴射量と、空燃比センサで排
ガス中の酸素量を検出して求めた空燃比とを測定し、前
記時系列データを、インテークマニホールド内への燃料
付着機構や燃料噴射時点から空燃比センサの前記検出に
よる反応時点までの時間遅れを用い作成したエンジンモ
デルに当てはめ、前記エンジンモデルの内部係数と気筒
内空燃比とを算出し、算出した気筒内空燃比を、酸素量
推定情報と燃料噴射量とを入力したニューラルネットワ
ークに学習させることにより、酸素量推定情報と燃料噴
射量と気筒内空燃比との関係をニューラルネットワーク
に学習させ、この学習済みのニューラルネットワーク
に、時々刻々の酸素量推定情報と、現在の燃料噴射量と
してある一定値と、過去の燃料噴射量とを入力し、これ
らに基づいて求めた推定気筒内空燃比をニューラルネッ
トワークから出力し、ニューラルネットワークからの推
定気筒内空燃比と空燃比の目標値として予め設定された
目標空燃比との差を求めるとともに、前記推定気筒内空
燃比に対して燃料噴射量により偏微分した偏微分値を求
め、前記推定気筒内空燃比と目標空燃比との差を前記偏
微分値により割り算した除算値に基づいて、推定気筒内
空燃比が目標空燃比となるような理想燃料噴射量を求
め、気筒内への実際の燃料噴射量を、前記理想燃料噴射
量となるように制御する内燃機関の空燃比制御装置。
【請求項２】エンジンモデルの気筒内空燃比をニュー
ラルネットワークに学習させるに際し、ニューラルネッ
トワークに入力される酸素量推定情報と燃料噴射量とし
て、現在の情報だけでなく、必要に応じて過去の情報も
含むようにした請求項１に記載の内燃機関の空燃比制御
装置。
【請求項３】酸素量推定情報として、インテークマニ
ホールド内の気圧、スロットル開度、大気圧、冷却水温
度、大気温度、エンジンの回転数、排気ガス環流量のう
ちから必要数の情報を用いるようにした請求項１または
請求項２に記載の内燃機関の空燃比制御装置。
【請求項４】現在の燃料噴射量として、一定値の代わ
りに過去の最新の燃料噴射量を用いるようにした請求項
３に記載の内燃機関の空燃比制御装置。
【請求項５】現在の燃料噴射量として、一定値の代わ
りに、酸素量推定情報に基づいて予め設定したテーブル
や実験式により求めた基本燃料噴射量を用いるようにし
た請求項３に記載の内燃機関の空燃比制御装置。
【請求項６】請求項１で測定した時系列データと請求
項１で作成したエンジンモデルとを用いて、前記エンジ
ンモデルの内部係数と気筒内空燃比とを算出し、前記エ
ンジンモデルにより、算出した前記内部係数を用いて気
筒内空燃比が空燃比の目標値として予め設定された目標
空燃比となるような理想燃料噴射量を逆算して求め、前
記逆算により求めた理想燃料噴射量を、酸素量推定情報
と過去の燃料噴射量とを入力したニューラルネットワー
クに学習させることにより、酸素量推定情報と過去の燃
料噴射量と理想燃料噴射量との関係をニューラルネット
ワークに学習させ、この学習済みのニューラルネットワ
ークに、時々刻々の酸素量推定情報と過去の燃料噴射量
とを入力し、これらに基づいて求めた理想燃料噴射量を
ニューラルネットワークから出力し、気筒内への実際の
燃料噴射量を、ニューラルネットワークからの前記理想
燃料噴射量となるように制御する内燃機関の空燃比制御
装置。
【請求項７】請求項１で学習済みのニューラルネット
ワークにより、時々刻々の酸素量推定情報と燃料噴射量
とに基づいて推定気筒内空燃比を出力し、前記推定気筒
内空燃比に対して、その微分値を求めるとともに燃料噴
射量による偏微分値を求め、前記微分値を偏微分値で割
ることにより、気筒内空燃比が前回の気筒内空燃比とな
るような燃料噴射補正量を求め、この燃料噴射補正量を
基本燃料噴射量に加算して気筒内への実際の燃料噴射量
とする請求項５に記載の内燃機関の空燃比制御装置。
【請求項８】気筒内への実際の燃料噴射量として、燃
料噴射補正量を信号の振幅を制限する制限要素を通じて
基本燃料噴射量に加算したものを用いる請求項７に記載
の内燃機関の空燃比制御装置。
【請求項９】気筒内への実際の燃料噴射量として、燃
料噴射補正量から、ＨＰＦを通じて高周波成分を抽出
し、これを基本燃料噴射量に加算したものを用いる請求
項７に記載の内燃機関の空燃比制御装置。
【請求項１０】空燃比センサの出力や測定データや観
測器の出力から得られた内部状態に基づく信号を燃料噴
射量にフィードバックするコントローラを併用する請求
項４，請求項６，請求項８および請求項９のいずれかに
記載の内燃機関の空燃比制御装置。