JP2003015703A - Controller for plant - Google Patents

Abstract

PROBLEM TO BE SOLVED: To provide the controller of a plant capable of identifying a model parameter by modeling a plant to be controlled, and further stabilizing control at the time of executing sliding mode control by using the identified model parameter. SOLUTION: A model parameter identifier 22 calculates a model parameter vector θ in a format to add an updated vector dθto a standard vector θbase of a model parameter. Then, the updated vector dθ is corrected by multiplying the past value of at least one element of the updated vector dθ by a prescribed value which is larger than 0 and smaller than 1, and the model parameter vector θ is calculated by adding the corrected updated vector dθ to the reference vector θbase.

Description

【発明の詳細な説明】Detailed Description of the Invention

【０００１】[0001]

【発明の属する技術分野】本発明は、プラントの制御装
置に関し、特にロバスト制御理論の一つであるスライデ
ィングモード制御理論を応用したスライディングモード
コントローラによりプラントを制御するものに関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a plant control device, and more particularly to a plant control device that applies a sliding mode control theory, which is one of robust control theories, to control a plant.

【０００２】[0002]

【従来の技術】スライディングモード制御理論を応用し
た制御装置は、例えば特開平９−２７４５０４号公報に
示されている。この公報には、スライディングモード制
御理論における超平面を、制御状態量の収束状態に応じ
て設定する手法が提案されており、その手法により、ス
ライディングモード制御の収束応答性や収束安定性の向
上が図られている。2. Description of the Related Art A control device to which a sliding mode control theory is applied is disclosed in, for example, Japanese Patent Laid-Open No. 9-274504. This publication proposes a method for setting the hyperplane in the sliding mode control theory according to the convergence state of the control state quantity, which improves the convergence response and convergence stability of the sliding mode control. Has been planned.

【０００３】[0003]

【発明が解決しようとする課題】スライディングモード
コントローラにより制御対象であるプラントの制御を行
う場合、プラントをモデル化し、その制御対象モデルの
特性を示すモデルパラメータを決定する必要がある。モ
デルパラメータとしては、予め定めた一定値を使用する
こともできるが、通常経年変化や外乱により、モデルパ
ラメータの値は変化する。したがって、モデルパラメー
タをリアルタイムで同定するモデルパラメータ同定器を
使用し、モデルパラメータ同定器により同定されたモデ
ルパラメータを用いてスライディングモード制御を実行
することが望ましい。When controlling the plant to be controlled by the sliding mode controller, it is necessary to model the plant and determine model parameters indicating the characteristics of the controlled model. A predetermined constant value can be used as the model parameter, but the value of the model parameter usually changes due to secular change or disturbance. Therefore, it is desirable to use a model parameter identifier that identifies the model parameter in real time, and perform sliding mode control using the model parameter identified by the model parameter identifier.

【０００４】しかし、モデルパラメータ同定器は、同定
したモデルパラメータを用いて算出されるプラントの出
力と、実際のプラントの出力との偏差を同定誤差として
検出し、同定誤差が０となるようにモデルパラメータを
修正するものであるため、以下のような問題が発生す
る。However, the model parameter identifier detects the deviation between the output of the plant calculated using the identified model parameters and the output of the actual plant as an identification error, and the model error is set to 0. Since the parameters are modified, the following problems occur.

【０００５】すなわち、プラントが有する非線形特性や
平均値が０でない外乱が加わることなどに起因して、実
際にはほぼ最適なモデルパラメータが得られているにも
関わらず、同定誤差が０とならず、本来は不要なモデル
パラメータの修正を行う場合がある。その結果、モデル
パラメータが最適値から徐々にずれていってしまうドリ
フトが発生し、スライディングモードコントローラによ
る制御が不安定となる場合があった。That is, when the identification error is 0, although almost optimum model parameters are actually obtained due to the addition of a non-linear characteristic of the plant or a disturbance whose average value is not 0, etc. Instead, the model parameters that are originally unnecessary may be modified. As a result, a drift in which the model parameter gradually deviates from the optimum value occurs, and the control by the sliding mode controller may become unstable.

【０００６】本発明はこの点に着目してなされたもので
あり、制御対象であるプラントをモデル化してモデルパ
ラメータの同定を行い、同定したモデルパラメータを用
いてスライディングモード制御を行う場合の制御をより
安定化することができるプラントの制御装置を提供する
ことを目的とする。The present invention has been made paying attention to this point, and controls the plant when the plant to be controlled is modeled to identify the model parameters and the sliding mode control is performed using the identified model parameters. An object of the present invention is to provide a plant control device that can be more stabilized.

【０００７】[0007]

【課題を解決するための手段】上記目的を達成するため
本発明は、同定手段と、スライディングモードコントロ
ーラとを備えるプラントの制御装置を提供する。同定手
段は、プラントをモデル化した制御対象モデルのモデル
パラメータベクトル（θ）を、前記プラントの入力及び
出力に基づいて同定する。スライディングモードコント
ローラは、前記同定手段により同定されたモデルパラメ
ータベクトルを用いて前記プラントを制御する。前記同
定手段は、前記モデルパラメータベクトルの同定誤差
（ｉｄｅ）を算出する同定誤差算出手段と、該同定誤差
に応じて更新ベクトル（ｄθ）を算出する更新ベクトル
算出手段と、該更新ベクトルの少なくとも１つの要素の
過去値に０より大きく１より小さい所定値（ＤＥＬＴＡ
ｉ、ＥＰＳｉ）を乗算することにより、前記更新ベクト
ルを修正する更新ベクトル修正手段とを有し、前記モデ
ルパラメータの基準ベクトル（θｂａｓｅ、θ（０））
に修正された更新ベクトルを加算することにより、前記
モデルパラメータベクトルを算出する。To achieve the above object, the present invention provides a control device for a plant, which comprises an identification means and a sliding mode controller. The identification means identifies the model parameter vector (θ) of the controlled object model that models the plant based on the input and output of the plant. The sliding mode controller controls the plant using the model parameter vector identified by the identifying means. The identification means includes an identification error calculation means for calculating an identification error (ide) of the model parameter vector, an update vector calculation means for calculating an update vector (dθ) according to the identification error, and at least one of the update vectors. Predetermined value greater than 0 and less than 1 for the past value of one element (DELTA
i, EPSi) for updating the update vector, and a reference vector (θbase, θ (0)) of the model parameter.
The model parameter vector is calculated by adding the modified update vector to.

【０００８】この構成によれば、モデルパラメータベク
トルの同定誤差に応じて更新ベクトルが算出され、該更
新ベクトルの少なくとも１つの要素の過去値に０より大
きく１より小さい所定値を乗算することにより、更新ベ
クトルが修正され、モデルパラメータの基準ベクトルに
修正された更新ベクトルを加算することにより、モデル
パラメータベクトルが算出されるので、更新ベクトルの
要素のとりうる値が制限され、モデルパラメータベクト
ルを基準ベクトル近傍に安定させることができる。その
結果、モデルパラメータのドリフトが防止され、スライ
ディングモード制御の安定性を向上させることができ
る。According to this configuration, the update vector is calculated according to the identification error of the model parameter vector, and the past value of at least one element of the update vector is multiplied by a predetermined value larger than 0 and smaller than 1 Since the model parameter vector is calculated by modifying the update vector and adding the modified update vector to the reference vector of the model parameter, the possible values of the elements of the update vector are limited, and the model parameter vector is set to the reference vector. It can be stabilized in the vicinity. As a result, the drift of the model parameter can be prevented and the stability of the sliding mode control can be improved.

【０００９】前記更新ベクトル修正手段は、前記更新ベ
クトルの、前記プラントの入力に関わる要素（ｂ１の演
算に関わる要素）または前記プラントの入出力に関わら
ない要素（ｃ１の演算に関わる要素）については、前記
所定値を乗算しないことが望ましい。The update vector correction means, regarding the element of the update vector related to the input of the plant (element related to the operation of b1) or the element not related to the input / output of the plant (element related to the operation of c1), It is desirable not to multiply the predetermined value.

【００１０】この構成によれば、更新ベクトルの要素の
うち、プラントの入力に関わる要素またはプラントの入
出力に関わらない要素については、０より大きく１より
小さい所定値が乗算されないので、更新ベクトルの修正
による定常偏差の発生を防止することができる。According to this configuration, among the elements of the update vector, the elements related to the input of the plant or the elements not related to the input / output of the plant are not multiplied by the predetermined value larger than 0 and smaller than 1, so that the update vector It is possible to prevent the occurrence of a steady deviation due to the correction.

【００１１】前記更新ベクトル修正手段は、前記基準ベ
クトル（θ（０））の少なくとも１つの要素にも前記所
定値（ＥＰＳｉ）を乗算することが望ましい。この構成
によれば、基準ベクトルの少なくとも１つの要素にも前
記所定値が乗算され、モデルパラメータベクトルが算出
される。この場合においても、モデルパラメータのドリ
フトが防止され、スライディングモード制御の安定性を
向上させることができる。It is preferable that the update vector correction means also multiplies at least one element of the reference vector (θ (0)) by the predetermined value (EPSi). According to this configuration, at least one element of the reference vector is also multiplied by the predetermined value to calculate the model parameter vector. Even in this case, the drift of the model parameter can be prevented and the stability of the sliding mode control can be improved.

【００１２】本発明はさらに、同定手段及びスライディ
ングモードコントローラを備える他のプラントの制御装
置を提供する。同定手段は、プラントをモデル化した制
御対象モデルのモデルパラメータベクトルを、前記プラ
ントの入力及び出力に基づいて同定する。スライディン
グモードコントローラは、前記同定手段により同定され
たモデルパラメータベクトルを用いて前記プラントを制
御する。前記同定手段は、前記モデルパラメータベクト
ルの同定誤差（ｉｄｅ）を算出する同定誤差算出手段
と、該同定誤差が所定の範囲内（−ＥＩＤＮＲＬＭＴ≦
ｉｄｅ≦ＥＩＤＮＲＬＭＴ）にあるときは、前記同定誤
差を減少方向に修正する同定誤差修正手段とを有し、該
同定誤差修正手段により修正された同定誤差（ｉｄｅｎ
ｌ）を用いて前記モデルパラメータベクトルを算出す
る。The present invention further provides another plant control device comprising an identification means and a sliding mode controller. The identifying means identifies a model parameter vector of a controlled object model that models the plant based on the input and output of the plant. The sliding mode controller controls the plant using the model parameter vector identified by the identifying means. The identification means calculates an identification error (ide) of the model parameter vector, and the identification error is within a predetermined range (-EIDNRLMT ≦).
When there is a relationship of ≦ EIDNRLMT, the identification error correction means for correcting the identification error in a decreasing direction is provided, and the identification error (iden corrected by the identification error correction means).
The model parameter vector is calculated using l).

【００１３】この構成によれば、モデルパラメータの同
定誤差が所定の範囲内にあるときは、同定誤差が減少方
向に修正され、該修正された同定誤差を用いてモデルパ
ラメータベクトルが算出されるので、同定誤差がモデル
パラメータに蓄積することが抑制され、モデルパラメー
タのドリフトを防止することができ、スライディングモ
ード制御の安定性を向上させることができる。According to this configuration, when the identification error of the model parameter is within a predetermined range, the identification error is corrected in a decreasing direction, and the model parameter vector is calculated using the corrected identification error. Accumulation of identification error in the model parameters is suppressed, drift of the model parameters can be prevented, and sliding mode control stability can be improved.

【００１４】前記同定誤差修正手段は、前記同定誤差が
前記所定範囲内にあるときは、前記同定誤差を０とする
ことが望ましい。この構成によれば、同定誤差が前記所
定範囲内にあるときは、同定誤差が０とされるので、モ
デルパラメータの値に反映されるべきでない同定誤差の
影響を無くし、モデルパラメータのドリフト防止効果を
高めることができる。It is desirable that the identification error correction means sets the identification error to 0 when the identification error is within the predetermined range. According to this configuration, when the identification error is within the predetermined range, the identification error is set to 0, so that the influence of the identification error, which should not be reflected in the value of the model parameter, is eliminated, and the drift prevention effect of the model parameter is eliminated. Can be increased.

【００１５】前記所定範囲は、制御目標値（ＤＴＨＲ）
の変化量（ＤＤＴＨＲ）または前記プラントの出力（Ｄ
ＴＨ）に応じて設定することが望ましい。この構成によ
れば、前記所定範囲が、制御目標値の変化量またはプラ
ントの出力の変化量に応じて設定されるので、寄与度合
を低減すべき同定誤差の範囲が適切なものとなり、モデ
ルパラメータの値に反映させるべき同定誤差を、不要な
誤差として低減または無視してしまうことを防止するこ
とができる。The predetermined range is a control target value (DTHR)
Change amount (DDTHR) or output of the plant (D
It is desirable to set according to TH). According to this configuration, since the predetermined range is set according to the amount of change in the control target value or the amount of change in the output of the plant, the range of the identification error for which the degree of contribution should be reduced becomes appropriate, and the model parameter It is possible to prevent the identification error, which should be reflected in the value of, from being reduced or ignored as an unnecessary error.

【００１６】前記同定手段は、固定ゲインアルゴリズム
を用いて前記モデルパラメータベクトルの同定を行うこ
とが望ましい。この構成によれば、固定ゲインアルゴリ
ズムを用いてモデルパラメータベクトルが算出されるの
で、演算量を低減することができる。The identifying means preferably identifies the model parameter vector using a fixed gain algorithm. According to this configuration, since the model parameter vector is calculated using the fixed gain algorithm, the amount of calculation can be reduced.

【００１７】前記同定誤差算出手段は、前記同定誤差の
ローパスフィルタ処理を行い、該処理後の同定誤差を出
力することが望ましい。この構成によれば、ローパスフ
ィルタ処理後の同定誤差を用いてモデルパラメータベク
トルの同定が行われるので、制御対象モデルの周波数特
性が、プラントの実際の周波数特性とより近いものとな
り、制御のロバスト性を高め、制御をさらに安定化する
ことができる。It is desirable that the identification error calculation means performs low-pass filter processing of the identification error and outputs the identification error after the processing. According to this configuration, since the model parameter vector is identified using the identification error after the low-pass filtering, the frequency characteristic of the controlled object model becomes closer to the actual frequency characteristic of the plant, and the robustness of the control is improved. Can be improved and the control can be further stabilized.

【００１８】前記プラントの制御装置は、前記プラント
の出力の予測値（ＰＲＥＤＴＨ）を算出する予測手段を
さらに備えることが望ましい。この構成によれば、予測
手段によりプラントの出力の予測値が算出されるので、
むだ時間要素を有するプラントの制御を精度良く行うこ
とができる。It is preferable that the control device of the plant further comprises a predicting means for calculating a predicted value (PREDTH) of the output of the plant. According to this configuration, since the prediction value of the output of the plant is calculated by the prediction means,
A plant having a dead time element can be accurately controlled.

【００１９】前記予測手段は、前記同定手段により同定
されたモデルパラメータを用いて前記予測値の算出を行
うことが望ましい。この構成によれば、同定手段により
同定されたモデルパラメータを用いて予測値の算出が行
われるので、プラントの動特性が経時変化した場合や環
境条件などによって変化した場合でも精度のよい予測値
を算出することができる。It is preferable that the predicting means calculates the predictive value by using the model parameter identified by the identifying means. According to this configuration, since the predicted value is calculated using the model parameter identified by the identifying means, a highly accurate predicted value can be obtained even when the dynamic characteristics of the plant change with time or due to environmental conditions. It can be calculated.

【００２０】前記スライディングモードコントローラに
よる前記プラントへの制御入力は、適応則入力を含むこ
とが望ましい。この構成によれば、プラントへの制御入
力は適応則入力を含むので、外乱やモデル化誤差（実際
のプラントの特性と、モデル化した制御対象モデルの特
性との差）があっても、良好な制御性を実現することが
できる。The control input to the plant by the sliding mode controller preferably includes an adaptive law input. According to this configuration, since the control input to the plant includes the adaptive law input, even if there is disturbance or modeling error (difference between the actual plant characteristic and the modeled controlled object model), it is good. It is possible to realize various controllability.

【００２１】前記プラントは、内燃機関のスロットル弁
（３）と、該スロットル弁を駆動する駆動手段（６）と
を有するスロットル弁駆動装置（１０）を含み、前記ス
ライディングモードコントローラは、前記スロットル弁
の開度（ＴＨ）を目標開度（ＴＨＲ）に一致させるよう
に、前記スロットル弁駆動装置への制御入力を決定する
パラメータ（ＤＵＴ）を算出することが望ましい。The plant includes a throttle valve driving device (10) having a throttle valve (3) of an internal combustion engine and a driving means (6) for driving the throttle valve, and the sliding mode controller includes the throttle valve. It is desirable to calculate a parameter (DUT) that determines the control input to the throttle valve drive device so that the opening degree (TH) of (1) matches the target opening degree (THR).

【００２２】この構成によれば、同定手段により同定さ
れた安定なモデルパラメータを用いて、スライディング
モードコントローラにより、スロットル弁開度を目標開
度に一致させる制御が行われるので、スロットル弁開度
の目標開度への制御性を向上させ、しかも安定した制御
を実現することができる。According to this configuration, the sliding mode controller controls the throttle valve opening to match the target opening by using the stable model parameter identified by the identifying means. It is possible to improve the controllability to the target opening and realize stable control.

【００２３】前記プラントは、内燃機関（２１２）と、
該機関に燃料を供給する燃料供給手段（２１１）とを有
する機関システム（２０１）を含み、前記スライディン
グモードコントローラは、前記機関に供給される混合気
の空燃比を目標空燃比に一致させるように、前記機関シ
ステムへの制御入力を決定するパラメータ（ＤＫＡＦ）
を算出することが望ましい。The plant comprises an internal combustion engine (212),
An engine system (201) having a fuel supply means (211) for supplying fuel to the engine, wherein the sliding mode controller adjusts an air-fuel ratio of an air-fuel mixture supplied to the engine to a target air-fuel ratio. , A parameter that determines the control input to the engine system (DKAF)
It is desirable to calculate

【００２４】この構成によれば、同定手段により同定さ
れた安定なモデルパラメータを用いて、スライディング
モードコントローラにより、空燃比を目標空燃比に一致
させる制御が行われるので、空燃比の目標空燃比への制
御性を向上させ、しかも安定した制御を実現することが
できる。According to this structure, the sliding mode controller controls the air-fuel ratio to match the target air-fuel ratio by using the stable model parameter identified by the identifying means. It is possible to improve the controllability of and to realize stable control.

【００２５】[0025]

【発明の実施の形態】以下本発明の実施の形態を図面を
参照して説明する。 （第１の実施形態）図１は本発明の第１の実施形態にか
かるスロットル弁制御装置の構成を示す図である。内燃
機関（以下「エンジン」という）１の吸気通路２には、
スロットル弁３が設けられている。スロットル弁３に
は、該スロットル弁３を閉弁方向に付勢する第１付勢手
段としてのリターンスプリング４と、該スロットル弁３
を開弁方向に付勢する第２付勢手段としての弾性部材５
とが取り付けられている。またスロットル弁３は、駆動
手段としてのモータ６によりギヤ（図示せず）を介して
駆動できるように構成されている。モータ６による駆動
力がスロットル弁３に加えられない状態では、スロット
ル弁３の開度ＴＨは、リターンスプリング４の付勢力
と、弾性部材５の付勢力とが釣り合うデフォルト開度Ｔ
ＨＤＥＦ（例えば５度）に保持される。BEST MODE FOR CARRYING OUT THE INVENTION Embodiments of the present invention will be described below with reference to the drawings. (First Embodiment) FIG. 1 is a view showing the arrangement of a throttle valve control apparatus according to the first embodiment of the present invention. In an intake passage 2 of an internal combustion engine (hereinafter referred to as “engine”) 1,
A throttle valve 3 is provided. The throttle valve 3 includes a return spring 4 as a first urging means for urging the throttle valve 3 in the closing direction, and the throttle valve 3
Member 5 as second urging means for urging the valve in the valve opening direction
And are attached. Further, the throttle valve 3 is configured so that it can be driven by a motor 6 as a driving means via a gear (not shown). When the driving force by the motor 6 is not applied to the throttle valve 3, the opening degree TH of the throttle valve 3 is the default opening degree T in which the urging force of the return spring 4 and the urging force of the elastic member 5 are balanced.
It is held at HDEF (for example, 5 degrees).

【００２６】モータ６は、電子制御ユニット（以下「Ｅ
ＣＵ」という）７に接続されており、その作動がＥＣＵ
７により制御される。スロットル弁３には、スロットル
弁開度ＴＨを検出するスロットル弁開度センサ８が設け
られており、その検出信号は、ＥＣＵ７に供給される。The motor 6 is an electronic control unit (hereinafter referred to as "E").
CU ”) and its operation is the ECU
Controlled by 7. The throttle valve 3 is provided with a throttle valve opening sensor 8 for detecting the throttle valve opening TH, and the detection signal thereof is supplied to the ECU 7.

【００２７】またＥＣＵ７には、エンジン１が搭載され
た車両の運転者の要求出力を検出するアクセルペダルの
踏み込み量ＡＣＣを検出するアクセルセンサ９が接続さ
れており、その検出信号がＥＣＵ７に供給される。ＥＣ
Ｕ７は、スロットル弁開度センサ８及びアクセルセンサ
９の検出信号が供給される入力回路、入力信号をディジ
タル信号に変換するＡＤ変換回路、各種演算処理を実行
する中央演算ユニット（ＣＰＵ）、ＣＰＵが実行するプ
ログラムやプログラムで参照されるマップやテーブルな
どを格納するＲＯＭと演算結果を格納するＲＡＭとから
なるメモリ回路、及びモータ６に駆動電流を供給する出
力回路を備えている。ＥＣＵ７は、アクセルペダルの踏
み込み量ＡＣＣに応じてスロットル弁３の目標開度ＴＨ
Ｒを決定し、検出したスロットル弁開度ＴＨが目標開度
ＴＨＲと一致するようにモータ６の制御量ＤＵＴを決定
し、制御量ＤＵＴに応じた電気信号をモータ６に供給す
る。Further, the ECU 7 is connected with an accelerator sensor 9 for detecting a depression amount ACC of an accelerator pedal for detecting a required output of a driver of a vehicle equipped with the engine 1, and a detection signal thereof is supplied to the ECU 7. It EC
U7 is an input circuit to which the detection signals of the throttle valve opening sensor 8 and the accelerator sensor 9 are supplied, an AD conversion circuit that converts the input signal into a digital signal, a central processing unit (CPU) that executes various calculation processes, and a CPU. The memory circuit includes a ROM that stores a program to be executed and maps and tables referred to by the program, and a RAM that stores calculation results, and an output circuit that supplies a drive current to the motor 6. The ECU 7 determines the target opening TH of the throttle valve 3 according to the accelerator pedal depression amount ACC.
R is determined, the control amount DUT of the motor 6 is determined so that the detected throttle valve opening TH matches the target opening THR, and an electric signal corresponding to the control amount DUT is supplied to the motor 6.

【００２８】本実施形態では、スロットル弁３、リター
ンスプリング４、弾性部材５及びモータ６からなるスロ
ットル弁駆動装置１０を制御対象とし、該制御対象に対
する入力をモータ６に印加する電気信号のデューティ比
ＤＵＴとし、制御対象の出力をスロットル弁開度センサ
８により検出されるスロットル弁開度ＴＨとする。In the present embodiment, the throttle valve driving device 10 including the throttle valve 3, the return spring 4, the elastic member 5 and the motor 6 is the control target, and the duty ratio of the electric signal for applying the input to the control target to the motor 6 is controlled. Let DUT be the output of the controlled object be the throttle valve opening TH detected by the throttle valve opening sensor 8.

【００２９】スロットル弁駆動装置１０の応答周波数特
性を実測すると、図２に実線で示すゲイン特性及び位相
特性が得られる。そこで、下記式（１）で定義されるモ
デルを制御対象モデルとして設定した。このモデルの応
答周波数特性は、図２に破線で示すようになり、スロッ
トル弁駆動装置１０の特性に近似していることが確認さ
れている。 ＤＴＨ(k+1)＝ａ１×ＤＴＨ(k)＋ａ２×ＤＴＨ(k-1) ＋ｂ１×ＤＵＴ(k-d)＋ｃ１ （１） ここで、ｋは離散化された時間を表すパラメータであ
り、ＤＴＨ(k)は下記式（２）により定義されるスロッ
トル弁開度偏差量である。 ＤＴＨ(k)＝ＴＨ(k)−ＴＨＤＥＦ （２） ここで、ＴＨは検出したスロットル弁開度、ＴＨＤＥＦ
は前記デフォルト開度である。また式（１）のａ１，ａ
２，ｂ１，ｃ１は、制御対象モデルの特性を決めるモデ
ルパラメータであり、ｄはむだ時間である。When the response frequency characteristic of the throttle valve driving device 10 is actually measured, the gain characteristic and the phase characteristic shown by the solid line in FIG. 2 are obtained. Therefore, the model defined by the following equation (1) is set as the controlled object model. The response frequency characteristic of this model is shown by the broken line in FIG. 2, and it has been confirmed that it is similar to the characteristic of the throttle valve driving device 10. DTH (k + 1) = a1 * DTH (k) + a2 * DTH (k-1) + b1 * DUT (kd) + c1 (1) Here, k is a parameter representing the discretized time, and DTH (k ) Is the throttle valve opening deviation amount defined by the following equation (2). DTH (k) = TH (k) -THDEF (2) where TH is the detected throttle valve opening, THDEF
Is the default opening. Also, a1 and a of the formula (1)
2, b1 and c1 are model parameters that determine the characteristics of the controlled object model, and d is the dead time.

【００３０】上記式（１）で定義されるモデルは、適応
制御の適用を容易にするために採用した、離散時間系の
ＤＡＲＸモデル（delayed autoregressive model with
exogeneous input:外部入力を持つ自己回帰モデル）で
ある。式（１）においては、出力の偏差量ＤＴＨに関わ
るモデルパラメータａ１，ａ２、入力のデューティ比Ｄ
ＵＴに関わるモデルパラメータｂ１の他に、入出力に関
わらないモデルパラメータｃ１が採用されている。この
モデルパラメータｃ１は、デフォルト開度ＴＨＤＥＦの
ずれやスロットル弁駆動装置に加わる外乱を示すパラメ
ータである。すなわち、モデルパラメータ同定器によ
り、モデルパラメータａ１，ａ２，ｂ１と同時にモデル
パラメータｃ１を同定することにより、デフォルト開度
ずれや外乱を同定できるようにしている。The model defined by the above equation (1) is a discrete time DARX model (delayed autoregressive model with) adopted to facilitate application of adaptive control.
exogeneous input: Autoregressive model with external input). In the equation (1), the model parameters a1 and a2 related to the output deviation amount DTH and the input duty ratio D
In addition to the model parameter b1 related to UT, a model parameter c1 not related to input / output is adopted. The model parameter c1 is a parameter indicating the deviation of the default opening THDEF and the disturbance applied to the throttle valve drive device. That is, the model parameter identifier identifies the model parameter c1, at the same time as the model parameters a1, a2, b1, so that the default opening deviation and the disturbance can be identified.

【００３１】図３は、ＥＣＵ７により実現されるスロッ
トル弁制御装置の機能ブロック図であり、この制御装置
は、適応スライディングモードコントローラ２１と、モ
デルパラメータ同定器２２と、むだ時間ｄが経過した後
の予測スロットル弁開度偏差量（以下「予測偏差量」と
いう）ＰＲＥＤＴＨ(k)（＝ＤＴＨ(k+d)）を算出する状
態予測器２３と、アクセルペダル踏み込み量ＡＣＣに応
じてスロットル弁３の目標開度ＴＨＲを設定する目標開
度設定部２４とからなる。FIG. 3 is a functional block diagram of a throttle valve control device realized by the ECU 7. This control device has an adaptive sliding mode controller 21, a model parameter identifier 22 and a dead time d. A state predictor 23 that calculates a predicted throttle valve opening deviation amount (hereinafter referred to as “prediction deviation amount”) PREDTH (k) (= DTH (k + d)) and a throttle valve 3 of the throttle valve 3 according to the accelerator pedal depression amount ACC. The target opening degree setting unit 24 sets the target opening degree THR.

【００３２】適応スライディングモードコントローラ２
１は、検出したスロットル弁開度ＴＨが目標開度ＴＨＲ
と一致するように、適応スライディングモード制御によ
りデューティ比ＤＵＴを算出し、該算出したデューティ
比ＤＵＴを出力する。適応スライディングモードコント
ローラ２１を用いることにより、スロットル弁開度ＴＨ
の目標開度ＴＨＲへの追従応答特性を、所定のパラメー
タ（ＶＰＯＬＥ）を用いて適宜変更することが可能とな
り、その結果スロットル弁３を開弁位置から全閉位置に
移動させる際の衝撃（スロットル全閉ストッパへの衝
突）の回避、及びアクセル操作に対するエンジンレスポ
ンスの可変化が可能となる。また、モデルパラメータの
誤差に対する安定性を確保することが可能となる。Adaptive sliding mode controller 2
1 indicates that the detected throttle valve opening TH is the target opening THR.
In accordance with the adaptive sliding mode control, the duty ratio DUT is calculated, and the calculated duty ratio DUT is output. By using the adaptive sliding mode controller 21, the throttle valve opening TH
It is possible to appropriately change the response characteristic to the target opening THR of using the predetermined parameter (VPOLE), and as a result, the impact (throttle) when moving the throttle valve 3 from the open position to the fully closed position. It is possible to avoid (a collision with the fully closed stopper) and to make the engine response variable to the accelerator operation. In addition, it is possible to ensure the stability against the error of the model parameter.

【００３３】モデルパラメータ同定器２２は、修正モデ
ルパラメータベクトルθＬ（θＬ^T＝［ａ１，ａ２，ｂ
１，ｃ１］）を算出し、適応スライディングモードコン
トローラ２１に供給する。より具体的には、モデルパラ
メータ同定器２２は、スロットル弁開度ＴＨ及びデュー
ティ比ＤＵＴに基づいて、モデルパラメータベクトルθ
を算出する。さらに、そのモデルパラメータベクトルθ
に対してリミット処理を行うことにより修正モデルパラ
メータベクトルθＬを算出し、該修正モデルパラメータ
ベクトルθＬを適応スライディングモードコントローラ
２１に供給する。このようにしてスロットル弁開度ＴＨ
を目標開度ＴＨＲに追従させるために最適なモデルパラ
メータａ１，ａ２，ｂ１が得られ、さらに外乱及びデフ
ォルト開度ＴＨＤＥＦのずれを示すモデルパラメータｃ
１が得られる。The model parameter identifier 22 uses the modified model parameter vector θL (θL ^T = [a1, a2, b
1, c1]) is calculated and supplied to the adaptive sliding mode controller 21. More specifically, the model parameter identifier 22 determines the model parameter vector θ based on the throttle valve opening TH and the duty ratio DUT.
To calculate. Furthermore, the model parameter vector θ
The modified model parameter vector θL is calculated by performing a limit process on the corrected model parameter vector θL, and the modified model parameter vector θL is supplied to the adaptive sliding mode controller 21. In this way, the throttle valve opening TH
Optimal model parameters a1, a2, b1 for obtaining the target opening degree THR are obtained, and the model parameter c indicating the deviation of the disturbance and the default opening degree THDEF is obtained.
1 is obtained.

【００３４】リアルタイムでモデルパラメータを同定す
るモデルパラメータ同定器２２を用いることにより、エ
ンジン運転条件の変化への適応、ハードウエアの特性ば
らつきの補償、電源電圧変動の補償、及びハードウエア
特性の経年変化への適応が可能となる。By using the model parameter identifier 22 for identifying model parameters in real time, adaptation to changes in engine operating conditions, compensation of characteristic variations of hardware, compensation of power supply voltage fluctuations, and secular variation of hardware characteristics. Can be adapted to.

【００３５】状態予測器２３は、スロットル弁開度ＴＨ
及びデューティ比ＤＵＴに基づいて、むだ時間ｄ後のス
ロットル弁開度ＴＨ（予測値）、より具体的には予測偏
差量ＰＲＥＤＴＨを算出し、適応スライディングモード
コントローラ２１に供給する。予測偏差量ＰＲＥＤＴＨ
を用いることにより、制御対象のむだ時間に対する制御
系のロバスト性を確保し、特にむだ時間が大きいデフォ
ルト開度ＴＨＤＥＦ近傍での制御性を向上させることが
できる。The state predictor 23 determines the throttle valve opening TH
Based on the duty ratio DUT, the throttle valve opening TH (predicted value) after the dead time d, more specifically, the predicted deviation amount PREDTH is calculated and supplied to the adaptive sliding mode controller 21. Predicted deviation amount PREDTH
By using, it is possible to secure the robustness of the control system with respect to the dead time of the controlled object, and to improve the controllability especially in the vicinity of the default opening THDEF where the dead time is large.

【００３６】次に適応スライディングモードコントロー
ラ２１の動作原理を説明する。先ず下記式（３）によ
り、目標値ＤＴＨＲ(k)を目標開度ＴＨＲ(k)とデフォル
ト開度ＴＨＤＥＦとの偏差量として定義する。 ＤＴＨＲ(k)＝ＴＨＲ(k)−ＴＨＤＥＦ （３） ここで、スロットル弁開度偏差量ＤＴＨと、目標値ＤＴ
ＨＲとの偏差ｅ(k)を下記式（４）で定義すると、適応
スライディングモードコントローラの切換関数値σ(k)
は、下記式（５）にように設定される。 ｅ(k)＝ＤＴＨ(k)−ＤＴＨＲ(k) （４） σ(k)＝ｅ(k)＋ＶＰＯＬＥ×ｅ(k-1) （５） ＝（ＤＴＨ(k)−ＤＴＨＲ(k)） ＋ＶＰＯＬＥ×（ＤＴＨ(k-1)−ＤＴＨＲ(k-1)） ここで、ＶＰＯＬＥは、−１より大きく１より小さい値
に設定される切換関数設定パラメータである。Next, the operating principle of the adaptive sliding mode controller 21 will be described. First, the target value DTHR (k) is defined as the deviation amount between the target opening THR (k) and the default opening THDEF by the following equation (3). DTHR (k) = THR (k) -THDEF (3) Here, the throttle valve opening deviation amount DTH and the target value DT
If the deviation e (k) from the HR is defined by the following equation (4), the switching function value σ (k) of the adaptive sliding mode controller
Is set as in the following equation (5). e (k) = DTH (k) -DTHR (k) (4) σ (k) = e (k) + VPOLE × e (k-1) (5) = (DTH (k) -DTHR (k)) + VPOLE X (DTH (k-1) -DTHR (k-1)) Here, VPOLE is a switching function setting parameter set to a value larger than -1 and smaller than 1.

【００３７】縦軸を偏差ｅ(k)とし、横軸を前回偏差ｅ
(k-1)として定義される位相平面上では、σ(k)＝０を満
たす偏差ｅ(k)と、前回偏差ｅ(k-1)との組み合わせは、
直線となるので、この直線は一般に切換直線と呼ばれ
る。スライディングモード制御は、この切換直線上の偏
差ｅ(k)の振る舞いに着目した制御であり、切換関数値
σ(k)が０となるように、すなわち偏差ｅ(k)と前回偏差
ｅ(k-1)の組み合わせが位相平面上の切換直線上に載る
ように制御を行い、外乱やモデル化誤差（実際のプラン
トの特性と、モデル化した制御対象モデルの特性との
差）に対してロバストな制御を実現するものである。そ
の結果、スロットル弁開度偏差量ＤＴＨは、目標値ＤＴ
ＨＲに追従するように、良好なロバスト性を持って制御
される。The vertical axis is the deviation e (k) and the horizontal axis is the previous deviation e
On the phase plane defined as (k-1), the combination of the deviation e (k) that satisfies σ (k) = 0 and the previous deviation e (k-1) is
Since this is a straight line, this straight line is generally called a switching straight line. The sliding mode control is a control focused on the behavior of the deviation e (k) on the switching straight line, so that the switching function value σ (k) becomes 0, that is, the deviation e (k) and the previous deviation e (k). -1) is controlled so that it is placed on the switching line on the phase plane, and it is robust against disturbances and modeling errors (difference between actual plant characteristics and modeled controlled model characteristics). It realizes various controls. As a result, the throttle valve opening deviation amount DTH is equal to the target value DT.
It is controlled with good robustness so as to follow the HR.

【００３８】また式（５）の切換関数設定パラメータＶ
ＰＯＬＥの値を変更することにより、図４に示すよう
に、偏差ｅ(k)の減衰特性、すなわちスロットル弁開度
偏差量ＤＴＨの目標値ＤＴＨＲへの追従特性を変更する
ことができる。具体的には、ＶＰＯＬＥ＝−１とする
と、全く追従しない特性となり、切換関数設定パラメー
タＶＰＯＬＥの絶対値を小さくするほど、追従速度を速
めることができる。Further, the switching function setting parameter V of the equation (5)
By changing the value of POLE, as shown in FIG. 4, it is possible to change the damping characteristic of the deviation e (k), that is, the tracking characteristic of the throttle valve opening deviation amount DTH to the target value DTHR. Specifically, when VPOLE = −1, the characteristic does not follow at all, and the following speed can be increased as the absolute value of the switching function setting parameter VPOLE is decreased.

【００３９】スロットル弁制御装置においては、下記要
求Ａ１及びＡ２が満たされることが求められる。 Ａ１）スロットル弁３を全閉位置に移動させる際にスロ
ットル全閉ストッパへの衝突を回避すること Ａ２）デフォルト開度ＴＨＤＥＦ近傍における非線形特
性（リターンスプリング４の付勢力と弾性部材５の付勢
力とが釣り合うことに起因する弾性特性の変化、モータ
６とスロットル弁３と間に介装されたギヤのバックラッ
シ、デューティ比ＤＵＴの変化してもスロットル弁開度
が変化しない不感帯）に対する制御性を向上させること そのため、スロットル弁の全閉位置近傍では、偏差ｅ
(k)の収束速度を低下させ、またデフォルト開度ＴＨＤ
ＥＦの近傍では、収束速度を高める必要がある。The throttle valve control device is required to satisfy the following requirements A1 and A2. A1) Avoid collision with the throttle fully closed stopper when moving the throttle valve 3 to the fully closed position A2) Non-linear characteristics near the default opening THDEF (biasing force of the return spring 4 and biasing force of the elastic member 5). Controllability with respect to changes in the elastic characteristics due to the balance between, the backlash of the gear interposed between the motor 6 and the throttle valve 3, and the dead zone where the throttle valve opening does not change even if the duty ratio DUT changes. Therefore, in the vicinity of the fully closed position of the throttle valve, the deviation e
The convergence speed of (k) is reduced, and the default opening THD
It is necessary to increase the convergence speed in the vicinity of EF.

【００４０】スライディングモード制御によれば、切換
関数設定パラメータＶＰＯＬＥを変更することにより、
容易に収束速度を変更できるので、本実施形態では、ス
ロットル弁開度ＴＨ及び目標値ＤＴＨＲの変化量ＤＤＴ
ＨＲ（＝ＤＴＨＲ(k)−ＤＴＨＲ(k-1)）に応じて、切換
関数設定パラメータＶＰＯＬＥを設定するようにした。
これにより、上記要求Ａ１及びＡ２を満たすことができ
る。According to the sliding mode control, by changing the switching function setting parameter VPOLE,
Since the convergence speed can be easily changed, in the present embodiment, the change amount DDT of the throttle valve opening TH and the target value DTHR is changed.
The switching function setting parameter VPOLE is set according to HR (= DTHR (k) -DTHR (k-1)).
As a result, the above requirements A1 and A2 can be satisfied.

【００４１】上述したようにスライディングモード制御
では、偏差ｅ(k)と前回偏差ｅ(k-1)の組み合わせ（以下
「偏差状態量」という）を切換直線上に拘束することに
より、偏差ｅ(k)を指定した収束速度で、かつ外乱やモ
デル化誤差に対してロバストに、０に収束させる。した
がって、スライディングモード制御では、如何にして偏
差状態量を切換直線に載せ、そこに拘束するかが重要と
なる。As described above, in the sliding mode control, by restraining the combination of the deviation e (k) and the previous deviation e (k-1) (hereinafter referred to as "deviation state quantity") on the switching straight line, the deviation e ( k) is converged to 0 at a specified convergence speed and robustly to disturbance and modeling error. Therefore, in the sliding mode control, it is important how to put the deviation state quantity on the switching straight line and restrain it.

【００４２】そのような観点から、制御対象への入力
（コントローラの出力）ＤＵＴ(k)（Ｕｓｌ(k)とも表記
する）は、下記式（６）に示すように、等価制御入力Ｕ
ｅｑ(k)、到達則入力Ｕｒｃｈ(k)及び適応則入力Ｕａｄ
ｐ(k)の和として構成される。 ＤＵＴ(k)＝Ｕｓｌ(k) ＝Ｕｅｑ(k)＋Ｕｒｃｈ(k)＋Ｕａｄｐ(k) （６）From such a viewpoint, the input (output of the controller) DUT (k) (also referred to as Usl (k)) to the controlled object is expressed by the equivalent control input U as shown in the following equation (6).
eq (k), reaching law input Urch (k) and adaptive law input Uad
Constructed as the sum of p (k). DUT (k) = Usl (k) = Ueq (k) + Urch (k) + Uadp (k) (6)

【００４３】等価制御入力Ｕｅｑ(k)は、偏差状態量を
切換直線上に拘束するための入力であり、到達則入力Ｕ
ｒｃｈ(k)は、偏差状態量を切換直線上へ載せるための
入力であり、適応則入力Ｕａｄｐ(k)は、モデル化誤差
や外乱の影響を抑制し、偏差状態量を切換直線へ載せる
ための入力である。以下各入力Ｕｅｑ(k)，Ｕｒｃｈ(k)
及びＵａｄｐ(k)の算出方法を説明する。The equivalent control input Ueq (k) is an input for restraining the deviation state quantity on the switching straight line, and the reaching law input U
rch (k) is an input for putting the deviation state quantity on the switching straight line, and the adaptive law input Uadp (k) is for suppressing the influence of modeling error and disturbance and putting the deviation state quantity on the switching straight line. Is input. Below each input Ueq (k), Urch (k)
And a method of calculating Uadp (k) will be described.

【００４４】等価制御入力Ｕｅｑ(k)は、偏差状態量を
切換直線上に拘束するための入力であるから、満たすべ
き条件は下記式（７）で与えられる。 σ(k)＝σ(k+1) （７） 式（１）並びに式（４）及び（５）を用いて式（７）を
満たすデューティ比ＤＵＴ(k)を求めると、下記式
（９）が得られ、これが等価制御入力Ｕｅｑ(k)とな
る。さらに、到達則入力Ｕｒｃｈ(k)及び適応則入力Ｕ
ａｄｐ(k)を、それぞれ下記式（１０）及び（１１）に
より定義する。Since the equivalent control input Ueq (k) is an input for restraining the deviation state quantity on the switching straight line, the condition to be satisfied is given by the following equation (7). σ (k) = σ (k + 1) (7) When the duty ratio DUT (k) satisfying the equation (7) is obtained by using the equation (1) and the equations (4) and (5), the following equation (9) is obtained. ) Is obtained, which becomes the equivalent control input Ueq (k). Furthermore, reaching law input Urch (k) and adaptive law input U
adp (k) is defined by the following equations (10) and (11), respectively.

【数１】 ここで、Ｆ及びＧは、それぞれ到達則制御ゲイン及び適
応則制御ゲインであり、以下に述べるように設定され
る。またΔＴは、制御周期である。[Equation 1] Here, F and G are a reaching law control gain and an adaptive law control gain, respectively, and are set as described below. Further, ΔT is a control cycle.

【００４５】上記式（９）の演算には、むだ時間ｄ経過
後のスロットル弁開度偏差量ＤＴＨ(k+d)及び対応する
目標値ＤＴＨＲ(k+d+1)が必要である。そこで、むだ時
間ｄ経過後のスロットル弁開度偏差量ＤＴＨ(k+d)とし
て、状態予測器２３により算出される予測偏差量ＰＲＥ
ＤＴＨ(k)を用い、目標値ＤＴＨＲ(k+d+1)として、最新
の目標値ＤＴＨＲを用いることとする。The calculation of the above equation (9) requires the throttle valve opening deviation amount DTH (k + d) after the dead time d elapses and the corresponding target value DTHR (k + d + 1). Therefore, the estimated deviation amount PRE calculated by the state predictor 23 is set as the throttle valve opening deviation amount DTH (k + d) after the dead time d has elapsed.
It is assumed that the latest target value DTHR is used as the target value DTHR (k + d + 1) by using DTH (k).

【００４６】次に到達則入力Ｕｒｃｈ及び適応則入力Ｕ
ａｄｐにより、偏差状態量が安定に切換直線上に載せら
れるように、到達則制御ゲインＦ及び適応則制御ゲイン
Ｇの決定を行う。具体的には外乱Ｖ(k)を想定し、外乱
Ｖ(k)に対して切換関数値σ(k)が安定であるための条件
を求めることにより、ゲインＦ及びＧの設定条件を求め
る。その結果、ゲインＦ及びＧの組み合わせが、下記式
（１２）〜（１４）を満たすこと、換言すれば図５にハ
ッチングを付して示す領域内にあることが安定条件とし
て得られた。Next, reaching law input Urch and adaptive law input U
Adp determines the reaching law control gain F and the adaptive law control gain G so that the deviation state quantity can be stably placed on the switching straight line. Specifically, the disturbance V (k) is assumed, and the conditions for the switching function value σ (k) to be stable with respect to the disturbance V (k) are calculated to obtain the setting conditions for the gains F and G. As a result, it was obtained as a stable condition that the combination of the gains F and G satisfies the following formulas (12) to (14), in other words, is within the region shown by hatching in FIG.

【００４７】 Ｆ＞０ （１２） Ｇ＞０ （１３） Ｆ＜２−（ΔＴ／２）Ｇ （１４） 以上のように、式（９）〜（１１）により、等価制御入
力Ｕｅｑ(k)、到達則入力Ｕｒｃｈ(k)及び適応則入力Ｕ
ａｄｐ(k)を算出し、それらの入力の総和として、デュ
ーティ比ＤＵＴ(k)を算出することができる。F> 0 (12) G> 0 (13) F <2- (ΔT / 2) G (14) As described above, the equivalent control input Ueq (k) is obtained from the equations (9) to (11). , Reaching law input Urch (k) and adaptive law input U
It is possible to calculate adp (k) and calculate the duty ratio DUT (k) as the sum of these inputs.

【００４８】モデルパラメータ同定器２２は、前述した
ように制御対象の入力（ＤＵＴ(k)）及び出力（ＴＨ
(k)）に基づいて、制御対象モデルのモデルパラメータ
ベクトルを算出する。具体的には、モデルパラメータ同
定器２２は、下記式（１５）による逐次型同定アルゴリ
ズム（一般化逐次型最小２乗法アルゴリズム）により、
モデルパラメータベクトルθ(k)を算出する。 θ(k)＝θ(k-1)＋ＫＰ(k)ｉｄｅ(k) （１５） θ(k)^T＝［ａ１’，ａ２’，ｂ１’，ｃ１’］ （１６）The model parameter identifier 22 receives the input (DUT (k)) and output (TH) of the controlled object as described above.
Based on (k)), the model parameter vector of the controlled object model is calculated. Specifically, the model parameter identifier 22 uses a recursive identification algorithm (generalized recursive least squares algorithm) according to the following equation (15)
The model parameter vector θ (k) is calculated. θ (k) = θ (k−1) + KP (k) ide (k) (15) θ (k) ^T = [a1 ′, a2 ′, b1 ′, c1 ′] (16)

【００４９】ここで、ａ１’，ａ２’，ｂ１’及びＣ
１’は、後述するリミット処理を実施する前のモデルパ
ラメータである。またｉｄｅ(k)は、下記式（１７）、
（１８）及び（１９）により定義される同定誤差であ
る。ＤＴＨＨＡＴ(k)は、最新のモデルパラメータベク
トルθ(k-1)を用いて算出される、スロットル弁開度偏
差量ＤＴＨ(k)の推定値（以下「推定スロットル弁開度
偏差量」という）である。ＫＰ(k)は、下記式（２０）
により定義されるゲイン係数ベクトルである。また、式
（２０）のＰ(k)は、下記式（２１）により算出される
４次の正方行列である。Where a1 ', a2', b1 'and C
1'is a model parameter before performing the limit process described later. Also, ide (k) is the following formula (17),
It is the identification error defined by (18) and (19). DTHHAT (k) is an estimated value of the throttle valve opening deviation amount DTH (k) calculated using the latest model parameter vector θ (k-1) (hereinafter referred to as "estimated throttle valve opening deviation amount"). Is. KP (k) is the following formula (20).
Is a gain coefficient vector defined by Further, P (k) in the equation (20) is a quartic square matrix calculated by the following equation (21).

【数２】 [Equation 2]

【数３】 [Equation 3]

【００５０】式（２１）の係数λ１，λ２の設定によ
り、式（１５）〜（２１）による同定アルゴリズムは、
以下のような４つの同定アルゴリズムのいずれかにな
る。 λ１＝１，λ２＝０ 固定ゲインアルゴリズム λ１＝１，λ２＝１ 最小２乗法アルゴリズム λ１＝１，λ２＝λ 漸減ゲインアルゴリズム（λは
０，１以外の所定値） λ１＝λ，λ２＝１ 重み付き最小２乗法アルゴリズム
（λは０，１以外の所定値）By setting the coefficients λ1 and λ2 of the equation (21), the identification algorithm according to the equations (15) to (21) becomes
It is one of the following four identification algorithms. λ1 = 1, λ2 = 0 Fixed gain algorithm λ1 = 1, λ2 = 1 Least square method algorithm λ1 = 1, λ2 = λ Gradual gain algorithm (λ is a predetermined value other than 0 and 1) λ1 = λ, λ2 = 1 Weight With least squares algorithm (λ is a predetermined value other than 0 and 1)

【００５１】一方本実施形態では、下記Ｂ１）、Ｂ
２）、Ｂ３）の要求を満たすことが求められる。 Ｂ１）準静的動特性変化及びハードウエアの特性ばらつ
きに対する適応 「準静的動特性変化」とは、例えば電源電圧の変動やハ
ードウエアの経年劣化といった変化速度の遅い特性変化
を意味する。 Ｂ２）速い動特性変化への適応 具体的には、スロットル弁開度ＴＨの変化に対応する動
特性変化への適応を意味する。 Ｂ３）モデルパラメータのドリフト防止 モデルパラメータに反映すべきでない制御対象の非線形
特性などに起因する同定誤差の影響によって引き起こさ
れるドリフト、すなわちモデルパラメータの絶対値が増
大することを防止する。On the other hand, in the present embodiment, the following B1), B
It is required to meet the requirements 2) and B3). B1) Adaptation to changes in quasi-static dynamic characteristics and variations in characteristics of hardware "Changes in quasi-static characteristics" mean slow-changing characteristic changes such as fluctuations in power supply voltage and aging of hardware. B2) Adaptation to rapid change in dynamic characteristics Specifically, it means adaptation to change in dynamic characteristics corresponding to change in throttle valve opening TH. B3) Prevention of drift of model parameter It is prevented that the drift caused by the influence of the identification error caused by the non-linear characteristic of the controlled object that should not be reflected in the model parameter, that is, the absolute value of the model parameter is increased.

【００５２】先ず上記Ｂ１）及びＢ２）の要求を満たす
ために、係数λ１及びλ２をそれぞれ所定値λ及び
「０」に設定することにより、重み付き最小２乗法アル
ゴリズムを採用する。First, in order to satisfy the requirements of B1) and B2), the weighted least squares algorithm is adopted by setting the coefficients λ1 and λ2 to predetermined values λ and "0", respectively.

【００５３】次にモデルパラメータのドリフトについて
説明する。図６に示すように、モデルパラメータがある
程度収束した後に、スロットル弁の摩擦特性などの非線
形特性によって生じる残留同定誤差が存在したり、平均
値がゼロでない外乱が定常的に加わるような場合には、
残留同定誤差が蓄積し、モデルパラメータのドリフトを
引き起こす。Next, the drift of model parameters will be described. As shown in FIG. 6, after the model parameters have converged to some extent, when there is a residual identification error caused by a non-linear characteristic such as the frictional characteristic of the throttle valve, or a disturbance whose average value is not zero is constantly added, ,
Residual identification error accumulates, causing model parameter drift.

【００５４】このような残留同定誤差は、モデルパラメ
ータの値に反映すべきものではないので、図７（ａ）に
示すような不感帯関数Ｆｎｌを用いて不感帯処理を行
う。具体的には、下記式（２３）により、修正同定誤差
ｉｄｅｎｌ(k)を算出し、この修正同定誤差ｉｄｅｎｌ
(k)を用いてモデルパラメータベクトルθ(k)の算出を行
う。すなわち、上記式（１５）に代えて下記式（１５
ａ）を用いる。これにより、上記要求Ｂ３）を満たすこ
とができる。 ｉｄｅｎｌ(k)＝Ｆｎｌ（ｉｄｅ(k)） （２３） θ(k)＝θ(k-1)＋ＫＰ(k)ｉｄｅｎｌ(k) （１５ａ）Since such a residual identification error should not be reflected in the value of the model parameter, the dead zone processing is performed using the dead zone function Fnl as shown in FIG. 7 (a). Specifically, the corrected identification error idenl (k) is calculated by the following equation (23), and the corrected identification error idenl (k) is calculated.
The model parameter vector θ (k) is calculated using (k). That is, instead of the above equation (15), the following equation (15
a) is used. As a result, the above request B3) can be satisfied. idenl (k) = Fnl (ide (k)) (23) θ (k) = θ (k-1) + KP (k) idenl (k) (15a)

【００５５】なお、不感帯関数Ｆｎｌは、図７（ａ）に
示すものに限るものではなく、例えば同図（ｂ）に示す
ような不連続不感帯関数、または同図（ｃ）に示すよう
な不完全不感帯関数を用いてもよい。ただし、不完全不
感帯関数を用いた場合には、ドリフトを完全に防止する
ことはできない。The dead zone function Fnl is not limited to the one shown in FIG. 7A, and for example, the discontinuous dead zone function shown in FIG. 7B or the dead zone function shown in FIG. A full dead band function may be used. However, if the incomplete dead zone function is used, the drift cannot be completely prevented.

【００５６】また、残留同定誤差は、スロットル弁開度
ＴＨの変動量に応じてその振幅が変化する。そこで、本
実施形態では、図７に示す不感帯の幅を定義する不感帯
幅パラメータＥＩＤＮＲＬＭＴを、下記式（２４）によ
り算出される、目標スロットル弁開度ＴＨＲの変化量の
二乗平均値ＤＤＴＨＲＳＱＡに応じて設定する（具体的
には、二乗平均値ＤＤＴＨＲＳＱＡが増加するほど、不
感帯幅パラメータＥＩＤＮＲＬＭＴが増加するように設
定する）ようにしている。これにより、モデルパラメー
タの値に反映させるべき同定誤差を、残留同定誤差とし
て無視してしまうことを防止することができる。式（２
４）のＤＤＴＨＲは、目標スロットル弁開度ＴＨＲの変
化量であり、下記式（２５）により算出される。The amplitude of the residual identification error changes in accordance with the amount of change in the throttle valve opening TH. Therefore, in the present embodiment, the dead zone width parameter EIDNRLMT that defines the width of the dead zone shown in FIG. 7 is calculated according to the following equation (24) in accordance with the root mean square value DDTHRSQA of the change amounts of the target throttle valve opening THR. It is set (specifically, the dead band width parameter EIDNRLMT is set to increase as the root mean square value DDTHRSQA increases). This makes it possible to prevent the identification error that should be reflected in the value of the model parameter from being ignored as the residual identification error. Formula (2
4) DDTHR is the amount of change in the target throttle valve opening THR and is calculated by the following equation (25).

【数４】 [Equation 4]

【００５７】ここで、スロットル弁開度偏差量ＤＴＨは
目標値ＤＴＨＲへ適応スライディングモードコントロー
ラ２１により制御されているため、同様に式（２５）の
目標値ＤＴＨＲをスロットル弁開度偏差量ＤＴＨへ変更
し、スロットル弁開度偏差量ＤＴＨの変化量ＤＤＴＨを
算出し、式（２４）のＤＤＴＨＲをＤＤＴＨに代えて得
られる二乗平均値ＤＤＴＨＲＳＱＡに応じて不感帯幅パ
ラメータＥＩＤＮＲＬＭＴを設定することもできる。Since the throttle valve opening deviation amount DTH is controlled by the adaptive sliding mode controller 21 to the target value DTHR, the target value DTHR of the equation (25) is changed to the throttle valve opening deviation amount DTH in the same manner. Alternatively, the amount of change DDTH of the throttle valve opening deviation amount DTH may be calculated, and the dead band width parameter EIDNRLMT may be set according to the root mean square value DDTHRSQA obtained by replacing DDTHR in Expression (24) with DDTH.

【００５８】また制御系のロバスト性をさらに高めるた
めには、適応スライディングモードコントローラ２１を
より安定化させることが有効である。そこで本実施形態
では、前記式（１５）により算出されたモデルパラメー
タベクトルθ(k)の各要素ａ１’，ａ２’，ｂ１’及び
ｃ１’についてリミット処理を施し、修正モデルパラメ
ータベクトルθＬ(k)（θＬ(k)^T＝［ａ１，ａ２，ｂ
１，ｃ１］）を算出する。そして、適応スライディング
モードコントローラ２１は、修正モデルパラメータベク
トルθＬ(k)を用いて、スライディングモード制御を実
行する。なおリミット処理の詳細については、フローチ
ャートを参照して後述する。Further, in order to further enhance the robustness of the control system, it is effective to further stabilize the adaptive sliding mode controller 21. Therefore, in the present embodiment, limit processing is performed on each of the elements a1 ′, a2 ′, b1 ′, and c1 ′ of the model parameter vector θ (k) calculated by the equation (15), and the modified model parameter vector θL (k) (ΘL (k) ^T = [a1, a2, b
1, c1]) is calculated. Then, the adaptive sliding mode controller 21 uses the modified model parameter vector θL (k) to execute the sliding mode control. The details of the limit process will be described later with reference to the flowchart.

【００５９】次に状態予測器２３による予測偏差量ＰＲ
ＥＤＴＨの算出方法を説明する。先ず下記式（２６）〜
（２９）により、マトリクスＡ及びＢと、ベクトルＸ
(k)及びＵ(k)を定義する。Next, the prediction deviation amount PR by the state predictor 23
A method of calculating EDTH will be described. First, the following equation (26)
According to (29), the matrices A and B and the vector X are
Define (k) and U (k).

【数５】 これらのマトリクスＡ，Ｂと、ベクトルＸ(k)，Ｕ(k)を
用いて、制御対象モデルを定義する前記式（１）を書き
直すと、下記式（３０）が得られる。 Ｘ(k+1)＝ＡＸ(k)＋ＢＵ(k-d) （３０）[Equation 5] By rewriting the above equation (1) that defines the controlled object model using these matrices A and B and the vectors X (k) and U (k), the following equation (30) is obtained. X (k + 1) = AX (k) + BU (kd) (30)

【００６０】式（３０）からＸ(k+d)を求めると、下記
式（３１）が得られる。When X (k + d) is obtained from the equation (30), the following equation (31) is obtained.

【数６】 ここで、リミット処理前のモデルパラメータａ１’，ａ
２’，ｂ１’及びｃ１’を用いてマトリクスＡ’及び
Ｂ’を下記式（３２）及び（３３）により定義すると、
予測ベクトルＸＨＡＴ(k+d)は、下記式（３４）で与え
られる。[Equation 6] Here, model parameters a1 ′, a before limit processing
Defining matrices A ′ and B ′ by the following equations (32) and (33) using 2 ′, b1 ′ and c1 ′,
The prediction vector XHAT (k + d) is given by the following equation (34).

【数７】 [Equation 7]

【００６１】予測ベクトルＸＨＡＴ(k+d)の第１行の要
素であるＤＴＨＨＡＴ(k+d)が、予測偏差量ＰＲＥＤＴ
Ｈ(k)であり、下記式（３５）で与えられる。 ＰＲＥＤＴＨ(k)＝ＤＴＨＨＡＴ(k+d) ＝α１×ＤＴＨ(k)＋α２×ＤＴＨ(k-1) ＋β１×ＤＵＴ(k-1)＋β２×ＤＵＴ(k-2)＋…＋βd×ＤＵＴ(k-d) ＋γ１＋γ２＋…＋γd （３５） ここで、α１はマトリクスＡ’^dの１行１列要素、α２
はマトリクスＡ’^dの１行２列要素、βiはマトリクス
Ａ’^d-iＢ’の１行１列要素、γiはマトリクスＡ’^d-i
Ｂ’の１行２列要素である。DTHHAT (k + d), which is the element in the first row of the prediction vector XHAT (k + d), is the prediction deviation amount PREDT.
H (k), which is given by the following equation (35). PREDTH (k) = DTHHAT (k + d) = α1 × DTH (k) + α2 × DTH (k-1) + β1 × DUT (k-1) + β2 × DUT (k-2) + ... + βd × DUT (kd) + Γ1 + γ2 + ... + γd (35) where α1 is the 1st row and 1st column element of the matrix A ′ ^d , and α2
'One row and two columns elements ^d, .beta.i the matrix A' is a matrix A ^di '1 row and first column elements, .gamma.i the matrix A' B ^di
It is a 1-row, 2-column element of B '.

【００６２】式（３５）により算出される予測偏差量Ｐ
ＲＥＤＴＨ(k)を、前記式（９）に適用し、さらに目標
値ＤＴＨＲ(k+d+1)，ＤＴＨＲ(k+d)，及びＤＴＨＲ(k+d
-1)をそれぞれＤＴＨＲ(k)，ＤＴＨＲ(k-1)，及びＤＴ
ＨＲ(k-2)に置き換えることにより、下記式（９ａ）が
得られる。式（９ａ）により、等価制御入力Ｕｅｑ(k)
を算出する。Prediction deviation amount P calculated by equation (35)
REDTH (k) is applied to the equation (9), and further, target values DTHR (k + d + 1), DTHR (k + d), and DTHR (k + d
-1) to DTHR (k), DTHR (k-1), and DT, respectively.
By replacing with HR (k-2), the following formula (9a) is obtained. From the equation (9a), the equivalent control input Ueq (k)
To calculate.

【数８】 [Equation 8]

【００６３】また、式（３５）により算出される予測偏
差量ＰＲＥＤＴＨ(k)を用いて、下記式（３６）により
予測切替関数値σｐｒｅ(k)を定義し、到達則入力Ｕｒ
ｃｈ(k)及び適応則入力Ｕａｄｐ(k)を、それぞれ下記式
（１０ａ）及び（１１ａ）により算出する。 σｐｒｅ(k)＝（ＰＲＥＤＴＨ(k)−ＤＴＨＲ(k-1)） ＋ＶＰＯＬＥ（ＰＲＥＤＴＨ(k-1)−ＤＴＨＲ(k-2)）（３６）Further, the prediction deviation amount PREDTH (k) calculated by the equation (35) is used to define the prediction switching function value σpre (k) by the following equation (36), and the reaching law input Ur
ch (k) and adaptive law input Uadp (k) are calculated by the following equations (10a) and (11a), respectively. σpre (k) = (PREDTH (k) -DTHR (k-1)) + VPOLE (PREDTH (k-1) -DTHR (k-2)) (36)

【数９】 [Equation 9]

【００６４】次にモデルパラメータｃ１’は、前述した
ように、デフォルト開度ＴＨＤＥＦのずれ及び外乱を示
すパラメータである。したがって、図８に示すように、
外乱によって変動するが、デフォルト開度ずれは比較的
短い期間内でみればほぼ一定とみなせる。そこで、本実
施形態では、モデルパラメータｃ１’を統計処理し、そ
の変動の中心値をデフォルト開度ずれｔｈｄｅｆａｄｐ
として算出し、スロットル弁開度偏差量ＤＴＨ及び目標
値ＤＴＨＲの算出に用いることとした。Next, the model parameter c1 'is a parameter indicating the deviation of the default opening THDEF and the disturbance as described above. Therefore, as shown in FIG.
Although it fluctuates due to disturbance, the default opening deviation can be considered to be almost constant within a relatively short period. Therefore, in the present embodiment, the model parameter c1 ′ is statistically processed, and the center value of the variation is set to the default opening deviation thdefadp.
And is used for calculating the throttle valve opening deviation amount DTH and the target value DTHR.

【００６５】統計処理の手法には、一般に最小２乗法が
知られているが、この最小２乗法による統計処理は、通
常、ある一定期間内のデータ、すなわち同定されたモデ
ルパラメータｃ１’をすべてメモリに格納しておき、あ
る時点で一括演算を行うことによって実行される。とこ
ろが、この一括演算法では、すべてのデータを格納する
ために膨大な容量のメモリが必要となり、さらに逆行列
演算が必要となって演算量の増大を招く。The least-squares method is generally known as a statistical processing method. In this statistical processing by the least-squares method, all data within a certain period, that is, all of the identified model parameters c1 'are usually stored in a memory. It is executed by executing a batch operation at a certain time. However, in this collective operation method, a huge amount of memory is required to store all data, and further inverse matrix operation is required, resulting in an increase in operation amount.

【００６６】そこで本実施形態では、前記式（１５）〜
（２１）で示される適応制御の逐次型最小２乗法アルゴ
リズムを、統計処理に応用し、モデルパラメータｃ１の
最小２乗中心値を、デフォルト開度ずれｔｈｄｅｆａｄ
ｐとして算出するようにしている。Therefore, in the present embodiment, the above equations (15)-
The recursive least squares method algorithm of adaptive control shown in (21) is applied to statistical processing, and the least square center value of the model parameter c1 is set to the default opening deviation thdefad.
It is calculated as p.

【００６７】具体的には、前記式（１５）〜（２１）の
θ(k)及びθ(k)^Tをｔｈｄｅｆａｄｐに置換し、ζ(k)及
びζ(k)^Tを「１」に置換し、ｉｄｅ(k)をｅｃ１(k)に置
換し、ＫＰ(k)をＫＰＴＨ(k)に置換し、Ｐ(k)をＰＴＨ
(k)に置換し、λ１及びλ２をそれぞれλ１’及びλ
２’に置換することにより、下記式（３７）〜（４０）
を得る。Specifically, in the above equations (15) to (21), θ (k) and θ (k) ^T are replaced with thdefadp, and ζ (k) and ζ (k) ^T are replaced with “1”. Replace ide (k) with ec1 (k), replace KP (k) with KPTH (k), replace P (k) with PTH.
(k) and replace λ1 and λ2 with λ1 'and λ, respectively.
By replacing with 2 ', the following formulas (37) to (40)
To get

【数１０】 [Equation 10]

【００６８】係数λ１’及びλ２’の設定により、前述
した４つのアルゴリズムの何れかを選択可能であるが、
式（３９）においては、係数λ１’を０または１以外の
所定値に設定し、係数λ２’を１に設定することによ
り、重み付き最小２乗法を採用した。By setting the coefficients λ1 'and λ2', it is possible to select any of the four algorithms described above.
In Expression (39), the weighted least squares method is adopted by setting the coefficient λ1 ′ to 0 or a predetermined value other than 1 and setting the coefficient λ2 ′ to 1.

【００６９】上記式（３７）〜（４０）の演算において
は、記憶すべき値はｔｈｄｅｆａｄｐ(k+1)及びＰＴＨ
(k+1)のみであり、また逆行列演算は不要である。した
がって、逐次型最小２乗法アルゴリズムを採用すること
により、一般的な最小２乗法の欠点を克服しつつ、最小
２乗法によるモデルパラメータｃ１の統計処理を行うこ
とができる。In the calculations of the above equations (37) to (40), the values to be stored are thdefadp (k + 1) and PTH.
Only (k + 1) and no inverse matrix operation is required. Therefore, by adopting the recursive least squares method algorithm, the statistical processing of the model parameter c1 by the least squares method can be performed while overcoming the drawbacks of the general least squares method.

【００７０】統計処理の結果得られるデフォルト開度ず
れｔｈｄｅｆａｄｐは、前記式（２）及び（３）に適用
され、式（２）及び（３）に代えて下記式（４１）及び
（４２）により、スロットル弁開度偏差量ＤＴＨ(k)及
び目標値ＤＴＨＲ(k)が算出される。 ＤＴＨ(k)＝ＴＨ(k)−ＴＨＤＥＦ＋ｔｈｄｅｆａｄｐ （４１） ＤＴＨＲ(k)＝ＴＨＲ(k)−ＴＨＤＥＦ＋ｔｈｄｅｆａｄｐ （４２）The default opening deviation thdefadp obtained as a result of the statistical processing is applied to the equations (2) and (3), and instead of the equations (2) and (3), the following equations (41) and (42) are used. The throttle valve opening deviation amount DTH (k) and the target value DTHR (k) are calculated. DTH (k) = TH (k) -THDEF + thdefadp (41) DTHR (k) = THR (k) -THDEF + thdefadp (42)

【００７１】式（４１）及び（４２）を使用することに
より、デフォルト開度ＴＨＤＥＦが、ハードウエアの特
性ばらつき、あるいは経時変化により、設計値からずれ
た場合でも、そのずれを補償して正確な制御を行うこと
ができる。By using the equations (41) and (42), even if the default opening THDEF deviates from the design value due to variations in characteristics of hardware or changes with time, the deviation is compensated for accurately. Control can be performed.

【００７２】次に上述した適応スライディングモードコ
ントローラ２１、モデルパラメータ同定器２２及び状態
予測器２３の機能を実現するための、ＥＣＵ７のＣＰＵ
における演算処理を説明する。Next, the CPU of the ECU 7 for realizing the functions of the adaptive sliding mode controller 21, the model parameter identifier 22 and the state predictor 23 described above.
The calculation processing in will be described.

【００７３】図９は、スロットル弁開度制御の全体フロ
ーチャートであり、この処理は所定時間（例えば２ｍｓ
ｅｃ）毎にＥＣＵ７のＣＰＵで実行される。ステップＳ
１１では、図１０に示す状態変数設定処理を実行する。
すなわち、式（４１）及び（４２）の演算を実行し、ス
ロットル弁開度偏差量ＤＴＨ(k)及び目標値ＤＴＨＲ(k)
を算出する（図１０，ステップＳ２１及びＳ２２）。な
お、今回値であることを示す(k)は、省略して示す場合
がある。FIG. 9 is an overall flowchart of the throttle valve opening control, and this processing is performed for a predetermined time (for example, 2 ms)
The ec) is executed by the CPU of the ECU 7. Step S
At 11, the state variable setting process shown in FIG. 10 is executed.
That is, the calculation of the equations (41) and (42) is executed to calculate the throttle valve opening deviation amount DTH (k) and the target value DTHR (k).
Is calculated (FIG. 10, steps S21 and S22). Note that (k) indicating the current value may be omitted in some cases.

【００７４】ステップＳ１２では、図１１に示すモデル
パラメータ同定器の演算、すなわち前記式（１５ａ）に
よるモデルパラメータベクトルθ(k)の算出処理を実行
し、さらにリミット処理を実行して修正モデルパラメー
タベクトルθＬ(k)を算出する。In step S12, the calculation of the model parameter identifier shown in FIG. 11, that is, the calculation process of the model parameter vector θ (k) according to the equation (15a) is executed, and further the limit process is executed to execute the modified model parameter vector. Calculate θL (k).

【００７５】続くステップＳ１３では、図２１に示す状
態予測器の演算を実行し、予測偏差量ＰＲＥＤＴＨ(k)
を算出する。次いでステップＳ１２で算出した修正モデ
ルパラメータベクトルθＬ(k)を用いて、図２２に示す
制御入力Ｕｓｌ(k)の演算処理を実行する（ステップＳ
１４）。すなわち、等価制御入力Ｕｅｑ、到達則入力Ｕ
ｒｃｈ(k)及び適応則入力Ｕａｄｐ(k)を算出し、それら
の入力の総和として、制御入力Ｕｓｌ(k)（＝デューテ
ィ比ＤＵＴ(k)）を算出する。In the following step S13, the operation of the state predictor shown in FIG. 21 is executed, and the prediction deviation amount PREDTH (k)
To calculate. Next, using the modified model parameter vector θL (k) calculated in step S12, the arithmetic processing of the control input Usl (k) shown in FIG. 22 is executed (step S
14). That is, equivalent control input Ueq, reaching law input U
The rch (k) and the adaptive law input Uadp (k) are calculated, and the control input Usl (k) (= duty ratio DUT (k)) is calculated as the sum of these inputs.

【００７６】続くステップＳ１６では、図２９に示すス
ライディングモードコントローラの安定判別処理を実行
する。すなわち、リアプノフ関数の微分値に基づく安定
判別を行い、安定判別フラグＦＳＭＣＳＴＡＢの設定を
行う。この安定判別フラグＦＳＭＣＳＴＡＢは、「１」
に設定されると適応スライディングモードコントローラ
２１が不安定となっていることを示す。安定判別フラグ
ＦＳＭＣＳＴＡＢが「１」に設定され、適応スライディ
ングモードコントローラ２１が不安定となったときは、
切換関数設定パラメータＶＰＯＬＥを安定化所定値ＸＰ
ＯＬＥＳＴＢに設定する（図２４、ステップＳ２３１，
Ｓ２３２参照）とともに、等価制御入力Ｕｅｑを「０」
とし、到達則入力Ｕｒｃｈ及び適応則入力Ｕａｄｐのみ
による制御に切り換えることにより、制御の安定化を図
る（図２２、ステップＳ２０６，Ｓ２０８参照）。適応
スライディングモードコントローラ２１が不安定となっ
たときは、さらに到達則入力Ｕｒｃｈ及び適応則入力Ｕ
ａｄｐの算出式を変更する。すなわち、到達則制御ゲイ
ンＦ及び適応則制御ゲインＧの値を、コントローラ２１
を安定化させる値に変更するとともに、モデルパラメー
タｂ１を使用しないで、到達則入力Ｕｒｃｈ及び適応則
入力Ｕａｄｐを算出する（図２７，２８参照）。以上の
ような安定化処理により、適応スライディングモードコ
ントローラ２１の不安定状態を早期に終息させ、安定な
状態に戻すことができる。ステップＳ１７では、図３０
に示すｔｈｄｅｆａｄｐ算出処理を実行し、デフォルト
開度ずれｔｈｄｅｆａｄｐを算出する。In a succeeding step S16, stability determination processing of the sliding mode controller shown in FIG. 29 is executed. That is, stability determination is performed based on the differential value of the Lyapunov function, and the stability determination flag FSMCSTAB is set. This stability determination flag FSMCSTAB is "1".
When set to, it indicates that the adaptive sliding mode controller 21 is unstable. When the stability determination flag FSMCSTAB is set to "1" and the adaptive sliding mode controller 21 becomes unstable,
Stabilize switching function setting parameter VPOLE Predetermined value XP
Set to OLE STB (FIG. 24, step S231,
(See S232), and set the equivalent control input Ueq to “0”.
Then, the control is stabilized by switching to the control using only the reaching law input Urch and the adaptive law input Uadp (see FIG. 22, steps S206 and S208). When the adaptive sliding mode controller 21 becomes unstable, further reaching law input Urch and adaptive law input U
Change the formula for calculating adp. That is, the values of the reaching law control gain F and the adaptive law control gain G are set to the controller 21.
And the reaching law input Urch and the adaptive law input Uadp are calculated without using the model parameter b1 (see FIGS. 27 and 28). By the stabilization processing as described above, the unstable state of the adaptive sliding mode controller 21 can be terminated early and the stable state can be restored. In step S17, FIG.
The default opening deviation thdefadp is calculated by executing the thdefadp calculation process shown in.

【００７７】図１１は、モデルパラメータ同定器２２の
演算処理のフローチャートである。ステップＳ３１で
は、式（２０）によりゲイン係数ベクトルＫＰ(k)を算
出し、次いで式（１８）により推定スロットル弁開度偏
差量ＤＴＨＨＡＴ(k)を算出する（ステップＳ３２）。
ステップＳ３３では、図１２に示すｉｄｅｎｌ(k)の演
算処理を実行し、ステップＳ３２で算出した推定スロッ
トル弁開度偏差量ＤＴＨＨＡＴ(k)を、式（１７）に適
用して同定誤差ｉｄｅ(k)を算出するとともに、図７
（ａ）に示す関数を用いた不感帯処理を行い、修正同定
誤差ｉｄｅｎｌを算出する。FIG. 11 is a flowchart of the calculation process of the model parameter identifier 22. In step S31, the gain coefficient vector KP (k) is calculated by the expression (20), and then the estimated throttle valve opening deviation amount DTHHAT (k) is calculated by the expression (18) (step S32).
In step S33, the calculation process of idenl (k) shown in FIG. 12 is executed, and the estimated throttle valve opening deviation amount DTHHAT (k) calculated in step S32 is applied to the equation (17) to identify the identification error ide (k ) Is calculated and
The dead zone process using the function shown in (a) is performed to calculate the corrected identification error idenl.

【００７８】続くステップＳ３４では、式（１５ａ）に
より、モデルパラメータベクトルθ(k)を算出し、次い
でモデルパラメータベクトルθ(k)の安定化処理を実行
する（ステップＳ３５）。すなわち各モデルパラメータ
のリミット処理を行って修正モデルパラメータベクトル
θＬ(k)を算出する。In the following step S34, the model parameter vector θ (k) is calculated by the equation (15a), and then the stabilization processing of the model parameter vector θ (k) is executed (step S35). That is, the limit process of each model parameter is performed to calculate the modified model parameter vector θL (k).

【００７９】図１２は、図１１のステップＳ３３で実行
されるｉｄｅｎｌ(k)演算処理のフローチャートであ
る。ステップＳ５１では、式（１７）により同定誤差ｉ
ｄｅ(k)を算出する。次いで、ステップＳ５３でインク
リメントされるカウンタＣＮＴＩＤＳＴの値が、制御対
象のむだ時間ｄに応じて設定される所定値ＸＣＮＴＩＤ
ＳＴ（例えば、むだ時間ｄ＝２に対応して、「３」に設
定される）より大きいか否かを判別する（ステップＳ５
２）。カウンタＣＮＴＩＤＳＴの初期値は「０」である
ので、最初はステップＳ５３に進み、カウンタＣＮＴＩ
ＤＳＴを「１」だけインクリメントし、同定誤差ｉｄｅ
(k)を「０」に設定して（ステップＳ５４）、ステップ
Ｓ５５に進む。モデルパラメータベクトルθ(k)の同定
を開始した直後は、式（１７）による演算で正しい同定
誤差が得られないので、ステップＳ５２〜Ｓ５４によ
り、式（１７）による演算結果を用いずに同定誤差ｉｄ
ｅ(k)を「０」に設定するようにしている。FIG. 12 is a flowchart of the idenl (k) calculation process executed in step S33 of FIG. In step S51, the identification error i
Calculate de (k). Next, the value of the counter CNTIDST incremented in step S53 is the predetermined value XCNTID set according to the dead time d of the control target.
It is determined whether or not ST is larger than ST (eg, set to “3” corresponding to dead time d = 2) (step S5).
2). Since the initial value of the counter CNTIDST is “0”, the process first proceeds to step S53 and the counter CNTI
Increment DST by "1" to identify error ide
(k) is set to "0" (step S54), and the process proceeds to step S55. Immediately after the identification of the model parameter vector θ (k) is started, the correct identification error cannot be obtained by the calculation by the equation (17), so that the steps S52 to S54 are performed without using the calculation result by the equation (17). id
The e (k) is set to "0".

【００８０】ステップＳ５２の答が肯定（ＹＥＳ）とな
ると、直ちにステップＳ５５に進む。ステップＳ５５で
は、同定誤差ｉｄｅ(k)のローパスフィルタ処理を行
う。具体的には、ローパス特性を有する制御対象のモデ
ルパラメータを同定する場合、最小２乗同定アルゴリズ
ムの、同定誤差ｉｄｅ(k)に対する同定重みは、図１３
（ａ）に実線Ｌ１で示すような周波数特性を有するが、
これをローパスフィルタ処理により、破線Ｌ２で示すよ
うに高周波成分を減衰させた特性とする。これは、以下
の理由による。If the answer to step S52 is affirmative (YES), the process immediately proceeds to step S55. In step S55, low-pass filter processing of the identification error ide (k) is performed. Specifically, when identifying the model parameter of the controlled object having the low-pass characteristic, the identification weight for the identification error ide (k) of the least-squares identification algorithm is as shown in FIG.
(A) has a frequency characteristic as shown by the solid line L1,
This is a characteristic in which high-frequency components are attenuated as shown by a broken line L2 by low-pass filter processing. This is for the following reason.

【００８１】ローパス特性を有する実際の制御対象及び
これをモデル化した制御対象モデルの周波数特性は、そ
れぞれ図１３（ｂ）に実線Ｌ３及びＬ４で示すようにな
る。すなわち、ローパス特性（高周波成分が減衰する特
性）を有する制御対象について、モデルパラメータ同定
器２２によりモデルパラメータを同定すると、同定され
たモデルパラメータは高周波域阻止特性に大きく影響さ
れたものとなるため、低周波域での制御対象モデルの低
域ゲインが実際の特性より低くなる。その結果、スライ
ディングモードコントローラ２１による制御入力の補正
が過補正となる。The frequency characteristics of an actual controlled object having a low-pass characteristic and a controlled object model obtained by modeling this are as shown by solid lines L3 and L4 in FIG. 13 (b), respectively. That is, when a model parameter is identified by the model parameter identifier 22 with respect to a controlled object having a low-pass characteristic (a characteristic in which a high-frequency component is attenuated), the identified model parameter is greatly influenced by the high-frequency blocking characteristic. The low range gain of the controlled model in the low frequency range becomes lower than the actual characteristic. As a result, the correction of the control input by the sliding mode controller 21 becomes overcorrection.

【００８２】そこで、ローパスフィルタ処理により同定
アルゴリズムの重みの周波数特性を、図１３（ａ）に破
線Ｌ２で示すような特性とすることにより、制御対象モ
デルの周波数特性を、同図（ｂ）に破線Ｌ５で示すよう
な特性とし、実際の周波数特性と一致させ、あるいは制
御対象モデルの低域ゲインが実際のゲインよりやや高く
なるように修正することとした。これにより、コントロ
ーラ２１による過補正を防止し、制御系のロバスト性を
高めて制御系をより安定化させることができる。Therefore, the frequency characteristic of the weight of the identification algorithm is set to the characteristic shown by the broken line L2 in FIG. 13A by the low-pass filter processing, and the frequency characteristic of the controlled object model is shown in FIG. The characteristic shown by the broken line L5 is set to match the actual frequency characteristic, or is corrected so that the low-frequency gain of the controlled object model is slightly higher than the actual gain. As a result, overcorrection by the controller 21 can be prevented, the robustness of the control system can be enhanced, and the control system can be made more stable.

【００８３】なお、ローパスフィルタ処理は、同定誤差
の過去値ｉｄｅ(k-i)（例えばi＝１〜１０に対応する１
０個の過去値）をリングバッファに記憶し、それらの過
去値に重み係数を乗算して加算することにより実行す
る。さらに、同定誤差ｉｄｅ(k)は、前記式（１７）、
（１８）及び（１９）を用いて算出しているため、スロ
ットル弁開度偏差量ＤＴＨ(k)と、推定スロットル弁開
度偏差量ＤＴＨＨＡＴ(k)とに同様のローパスフィルタ
処理を行うこと、あるいは、スロットル弁開度偏差量Ｄ
ＴＨ（k-1）及びＤＴＨ(k-2)と、デューティ比ＤＵＴ(k
-d-1)とに同様のローパスフィルタ処理を行うことによ
っても同様の効果が得られる。The low-pass filter processing is performed by using the past value of the identification error ide (ki) (for example, 1 corresponding to i = 1 to 10).
0 past values) are stored in the ring buffer, and the past values are multiplied by a weighting factor and added to execute. Further, the identification error ide (k) is calculated by the equation (17),
Since it is calculated using (18) and (19), similar low-pass filter processing is performed on the throttle valve opening deviation amount DTH (k) and the estimated throttle valve opening deviation amount DTHHAT (k). Alternatively, the throttle valve opening deviation amount D
TH (k-1) and DTH (k-2) and duty ratio DUT (k
The same effect can be obtained by performing the same low-pass filter processing on -d-1).

【００８４】図１２に戻り、続くステップＳ５６では、
図１４に示す不感帯処理を実行する。図１４のステップ
Ｓ６１では、前記式（２４）において例えばｎ＝５とし
て、目標スロットル弁開度ＴＨＲの変化量の二乗平均値
ＤＤＴＨＲＳＱＡを算出し、次いで二乗平均値ＤＤＴＨ
ＲＳＱＡに応じて図１５に示すＥＩＤＮＲＬＭＴテーブ
ルを検索し、不感帯幅パラメータＥＩＤＮＲＬＭＴを算
出する（ステップＳ６２）。Returning to FIG. 12, in the following step S56,
The dead zone process shown in FIG. 14 is executed. In step S61 of FIG. 14, the root mean square value DDTHRSQA of the change amount of the target throttle valve opening THR is calculated by setting n = 5 in the equation (24), and the root mean square value DDTH is then calculated.
The EIDNRLMT table shown in FIG. 15 is searched according to the RSQA to calculate the dead zone width parameter EIDNRLMT (step S62).

【００８５】ステップＳ６３では、同定誤差ｉｄｅ(k)
が不感帯幅パラメータＥＩＤＮＲＬＭＴより大きいか否
かを判別し、ｉｄｅ(k)＞ＥＩＤＮＲＬＭＴであるとき
は、下記式（４３）により、修正同定誤差ｉｄｅｎｌ
(k)算出する（ステップＳ６７）。 ｉｄｅｎｌ(k)＝ｉｄｅ(k)−ＥＩＤＮＲＬＭＴ （４３）At step S63, the identification error ide (k)
Is greater than the dead zone width parameter EIDNRLMT, and if ide (k)> EIDNRLMT, the corrected identification error idenl is calculated by the following equation (43).
(k) Calculate (step S67). idenl (k) = ide (k) -EIDNRLMT (43)

【００８６】ステップＳ６３の答が否定（ＮＯ）である
ときは、さらに同定誤差ｉｄｅ(k)が不感帯幅パラメー
タＥＩＤＮＲＬＭＴに負号を付した値より小さいか否か
を判別し（ステップＳ６４）、ｉｄｅ(k)＜−ＥＩＤＮ
ＲＬＭＴであるときは、下記式（４４）により、修正同
定誤差ｉｄｅｎｌ(k)算出する（ステップＳ６５）。ｉ
ｄｅｎｌ(k)＝ｉｄｅ(k)＋ＥＩＤＮＲＬＭＴ （４
４）また同定誤差ｉｄｅ(k)が±ＥＩＤＮＲＬＭＴの範
囲内にあるときは、修正同定誤差ｉｄｅｎｌ(k)を
「０」とする（ステップＳ６６）。When the answer to step S63 is negative (NO), it is further determined whether or not the identification error ide (k) is smaller than a value obtained by adding a negative sign to the dead zone width parameter EIDNRLMT (step S64), and (k) <-EIDN
If it is RLMT, the corrected identification error idenl (k) is calculated by the following equation (44) (step S65). i
denl (k) = ide (k) + EIDNRLMT (4
4) When the identification error ide (k) is within the range of ± EIDNRLMT, the corrected identification error idenl (k) is set to "0" (step S66).

【００８７】図１６は、図１１のステップＳ３５で実行
されるθ(k)の安定化処理のフローチャートである。ス
テップＳ７１では、この処理で使用されるフラグＦＡ１
ＳＴＡＢ，ＦＡ２ＳＴＡＢ，ＦＢ１ＬＭＴ及びＦＣ１Ｌ
ＭＴをそれぞれ「０」に設定することにより、初期化を
行う。そして、ステップＳ７２では、図１７に示すａ
１’及びａ２’のリミット処理を実行し、ステップＳ７
３では、図１９に示すｂ１’のリミット処理を実行し、
ステップＳ７４では、図２０に示すｃ１’のリミット処
理を実行する。FIG. 16 is a flowchart of the stabilization processing of θ (k) executed in step S35 of FIG. In step S71, the flag FA1 used in this process is set.
STAB, FA2STAB, FB1LMT and FC1L
Initialization is performed by setting MT to "0". Then, in step S72, a shown in FIG.
The limit processing of 1'and a2 'is executed, and step S7
In 3, the limit process of b1 ′ shown in FIG. 19 is executed,
In step S74, the limit process of c1 'shown in FIG. 20 is executed.

【００８８】図１７は、図１６のステップＳ７２で実行
されるａ１’及びａ２’のリミット処理のフローチャー
トである。図１８は、図１７の処理を説明するための図
であり、図１７とともに参照する。図１８においては、
リミット処理が必要なモデルパラメータａ１’とａ２’
の組み合わせが「×」で示され、また安定なモデルパラ
メータａ１’及びａ２’の組み合わせの範囲がハッチン
グを付した領域（以下「安定領域」という）で示されて
いる。図１７の処理は、安定領域外にあるモデルパラメ
ータａ１’及びａ２’の組み合わせを、安定領域内
（「○」で示す位置）に移動させる処理である。FIG. 17 is a flowchart of the limit processing of a1 'and a2' executed in step S72 of FIG. FIG. 18 is a diagram for explaining the process of FIG. 17, and will be referred to together with FIG. In FIG. 18,
Model parameters a1 'and a2' that require limit processing
Is indicated by "x", and the range of stable combinations of model parameters a1 'and a2' is indicated by hatched areas (hereinafter referred to as "stable areas"). The process of FIG. 17 is a process of moving the combination of the model parameters a1 ′ and a2 ′ outside the stable region to within the stable region (position indicated by “◯”).

【００８９】ステップＳ８１では、モデルパラメータａ
２’が、所定ａ２下限値ＸＩＤＡ２Ｌ以上か否かを判別
する。所定ａ２下限値ＸＩＤＡ２Ｌは、「−１」より大
きい負の値に設定される。所定ａ２下限値ＸＩＤＡ２Ｌ
は、「−１」に設定しても、安定な修正モデルパラメー
タａ１，ａ２が得られるが、前記式（２６）で定義され
る行列Ａのｎ乗が不安定となる（これは、ａ１’及びａ
２’が発散はしないが振動することを意味する）場合が
あるので、「−１」より大きな値に設定される。In step S81, the model parameter a
It is determined whether 2'is equal to or larger than the predetermined a2 lower limit value XIDA2L. The predetermined a2 lower limit value XIDA2L is set to a negative value larger than "-1". Predetermined a2 lower limit value XIDA2L
, The stable modified model parameters a1 and a2 are obtained even when set to “−1”, but the n-th power of the matrix A defined by the equation (26) becomes unstable (this is a1 ′). And a
2 ′ does not diverge but means that it oscillates), so it is set to a value larger than “−1”.

【００９０】ステップＳ８１でａ２’＜ＸＩＤＡ２Ｌで
あるときは、修正モデルパラメータａ２を、この下限値
ＸＩＤＡ２Ｌに設定するとともに、ａ２安定化フラグＦ
Ａ２ＳＴＡＢを「１」に設定する。ａ２安定化フラグＦ
Ａ２ＳＴＡＢは「１」に設定されると、修正モデルパラ
メータａ２を下限値ＸＩＤＡ２Ｌに設定したことを示
す。図１８においては、ステップＳ８１及びＳ８２のリ
ミット処理Ｐ１によるモデルパラメータの修正が、「Ｐ
１」を付した矢線（矢印を付した線）で示されている。If a2 '<XIDA2L in step S81, the corrected model parameter a2 is set to this lower limit value XIDA2L and the a2 stabilization flag F is set.
Set A2STAB to "1". a2 stabilization flag F
When A2STAB is set to "1", it indicates that the modified model parameter a2 is set to the lower limit value XIDA2L. In FIG. 18, the model parameter correction by the limit process P1 in steps S81 and S82 is
1 ”is attached to the arrow (the line with the arrow).

【００９１】ステップＳ８１の答が肯定（ＹＥＳ）、す
なわちａ２’≧ＸＩＤＡ２Ｌであるときは、修正モデル
パラメータａ２はモデルパラメータａ２’に設定される
（ステップＳ８３）。ステップＳ８４及びステップＳ８
５では、モデルパラメータａ１’が、所定ａ１下限値Ｘ
ＩＤＡ１Ｌと所定ａ１上限値ＸＩＤＡ１Ｈできまる範囲
内にあるか否かを判別する。所定ａ１下限値ＸＩＤＡ１
Ｌは、−２以上且つ０より小さい値に設定され、所定ａ
１上限値ＸＩＤＡ１Ｈは、例えば２に設定される。If the answer to step S81 is affirmative (YES), that is, if a2'≥XIDA2L, the modified model parameter a2 is set to the model parameter a2 '(step S83). Steps S84 and S8
5, the model parameter a1 ′ is the predetermined a1 lower limit value X
It is determined whether IDA1L and the predetermined upper limit value XIDA1H are within the range. Predetermined a1 lower limit value XIDA1
L is set to a value greater than or equal to −2 and less than 0, and has a predetermined value a
The 1 upper limit value XIDA1H is set to 2, for example.

【００９２】ステップＳ８４及びＳ８５の答がいずれも
肯定（ＹＥＳ）であるとき、すなわちＸＩＤＡ１Ｌ≦ａ
１’≦ＸＩＤＡ１Ｈであるときは、修正モデルパラメー
タａ１はモデルパラメータａ１’に設定される（ステッ
プＳ８８）。一方ａ１’＜ＸＩＤＡ１Ｌであるときは、
修正モデルパラメータａ１を下限値ＸＩＤＡ１Ｌに設定
するとともに、ａ１安定化フラグＦＡ１ＳＴＡＢを
「１」に設定する（ステップＳ８４，Ｓ８６）。またａ
１’＞ＸＩＤＡ１Ｈであるときは、修正モデルパラメー
タａ１を上限値ＸＩＤＡ１Ｈに設定するとともに、ａ１
安定化フラグＦＡ１ＳＴＡＢを「１」に設定する（ステ
ップＳ８５，Ｓ８７）。ａ１安定化フラグＦＡ１ＳＴＡ
Ｂは、「１」に設定されると、修正モデルパラメータａ
１を下限値ＸＩＤＡ１Ｌまたは上限値ＸＩＤＡ１Ｈに設
定したことを示す。図１８においては、ステップＳ８４
〜Ｓ８７のリミット処理Ｐ２によるモデルパラメータの
修正が、「Ｐ２」を付した矢線で示されている。When the answers to steps S84 and S85 are both affirmative (YES), that is, XIDA1L≤a
If 1 ′ ≦ XIDA1H, the modified model parameter a1 is set to the model parameter a1 ′ (step S88). On the other hand, when a1 ′ <XIDA1L,
The corrected model parameter a1 is set to the lower limit value XIDA1L and the a1 stabilization flag FA1STAB is set to "1" (steps S84 and S86). Also a
When 1 ′> XIDA1H, the modified model parameter a1 is set to the upper limit value XIDA1H, and a1
The stabilization flag FA1STAB is set to "1" (steps S85, S87). a1 stabilization flag FA1STA
When B is set to "1", the modified model parameter a
1 indicates that the lower limit value XIDA1L or the upper limit value XIDA1H is set. In FIG. 18, step S84
The correction of the model parameter by the limit process P2 of S87 is shown by the arrow line with "P2".

【００９３】ステップＳ９０では、修正モデルパラメー
タａ１の絶対値と修正モデルパラメータａ２の和が、所
定安定判定値ＸＡ２ＳＴＡＢ以下であるか否かを判別す
る。所定安定判定値ＸＡ２ＳＴＡＢは、「１」に近く
「１」より小さい値（例えば０．９９）に設定される。In step S90, it is determined whether or not the sum of the absolute value of the modified model parameter a1 and the modified model parameter a2 is less than or equal to a predetermined stability determination value XA2STAB. The predetermined stability determination value XA2STAB is set to a value close to "1" and smaller than "1" (for example, 0.99).

【００９４】図１８に示す直線Ｌ１及びＬ２は、下記式
（４５）を満たす直線である。 ａ２＋｜ａ１｜＝ＸＡ２ＳＴＡＢ （４５） したがって、ステップＳ９０は、修正モデルパラメータ
ａ１及びａ２の組み合わせが、図１８に示す直線Ｌ１及
びＬ２の線上またはその下側にあるか否かを判別してい
る。ステップＳ９０の答が肯定（ＹＥＳ）であるとき
は、修正モデルパラメータａ１及びａ２の組み合わせ
は、図１８の安定領域内にあるので、直ちに本処理を終
了する。The straight lines L1 and L2 shown in FIG. 18 are straight lines that satisfy the following equation (45). a2 + | a1 | = XA2STAB (45) Therefore, in step S90, it is determined whether or not the combination of the modified model parameters a1 and a2 is on or below the lines L1 and L2 shown in FIG. If the answer to step S90 is affirmative (YES), the combination of the modified model parameters a1 and a2 is within the stable region in FIG. 18, so this processing is immediately terminated.

【００９５】一方ステップＳ９０の答が否定（ＮＯ）で
あるときは、修正モデルパラメータａ１が、所定安定判
定値ＸＡ２ＳＴＡＢから所定ａ２下限値ＸＩＤＡ２Ｌを
減算した値（ＸＩＤＡ２Ｌ＜０であるので、ＸＡ２ＳＴ
ＡＢ−ＸＩＤＡ２Ｌ＞ＸＡ２ＳＴＡＢが成立する）以下
か否かを判別する（ステップＳ９１）。そして修正モデ
ルパラメータａ１が（ＸＡ２ＳＴＡＢ−ＸＩＤＡ２Ｌ）
以下であるときは、修正モデルパラメータａ２を（ＸＡ
２ＳＴＡＢ−｜ａ１｜）に設定するとともに、ａ２安定
化フラグＦＡ２ＳＴＡＢを「１」に設定する（ステップ
Ｓ９２）。On the other hand, when the answer to step S90 is negative (NO), the modified model parameter a1 is the value obtained by subtracting the predetermined a2 lower limit value XIDA2L from the predetermined stability determination value XA2STAB (XIDA2L <0, so XA2ST
It is determined whether or not AB-XIDA2L> XA2STAB is satisfied (step S91). Then, the modified model parameter a1 is (XA2STAB-XIDA2L)
When it is below, the modified model parameter a2 is set to (XA
2STAB- | a1 |) and the a2 stabilization flag FA2STAB is set to "1" (step S92).

【００９６】ステップＳ９１で修正モデルパラメータａ
１が（ＸＡ２ＳＴＡＢ−ＸＩＤＡ２Ｌ）より大きいとき
は、修正モデルパラメータａ１を（ＸＡ２ＳＴＡＢ−Ｘ
ＩＤＡ２Ｌ）に設定し、修正モデルパラメータａ２を所
定ａ２下限値ＸＩＤＡ２Ｌに設定するとともに、ａ１安
定化フラグＦＡ１ＳＴＡＢ及びａ２安定化フラグＦＡ２
ＳＴＡＢをともに「１」に設定する（ステップＳ９
３）。In step S91, the modified model parameter a
1 is larger than (XA2STAB-XIDA2L), the modified model parameter a1 is set to (XA2STAB-X
IDA2L), the modified model parameter a2 is set to the predetermined a2 lower limit value XIDA2L, and the a1 stabilization flag FA1STAB and the a2 stabilization flag FA2 are set.
Both STABs are set to "1" (step S9)
3).

【００９７】図１８においては、ステップＳ９１及びＳ
９２のリミット処理Ｐ３によるモデルパラメータの修正
が、「Ｐ３」を付した矢線で示されており、またステッ
プＳ９１及びＳ９３のリミット処理Ｐ４によるモデルパ
ラメータの修正が、「Ｐ４」を付した矢線で示されてい
る。In FIG. 18, steps S91 and S are performed.
The modification of the model parameter by the limit process P3 of 92 is shown by the arrow line with "P3", and the modification of the model parameter by the limit process P4 of steps S91 and S93 is shown by the arrow line with "P4". Indicated by.

【００９８】以上のように図１７の処理により、モデル
パラメータａ１’及びａ２’が図１８に示す安定領域内
に入るようにリミット処理が実行され、修正モデルパラ
メータａ１及びａ２が算出される。As described above, by the processing of FIG. 17, the limit processing is executed so that the model parameters a1 ′ and a2 ′ fall within the stable region shown in FIG. 18, and the modified model parameters a1 and a2 are calculated.

【００９９】図１９は、図１６のステップＳ７３で実行
されるｂ１’のリミット処理のフローチャートである。
ステップＳ１０１及びＳ１０２では、モデルパラメータ
ｂ１’が、所定ｂ１下限値ＸＩＤＢ１Ｌと所定ｂ１上限
値ＸＩＤＢ１Ｈできまる範囲内にあるか否かを判別す
る。所定ｂ１下限値ＸＩＤＢ１Ｌは、正の所定値（例え
ば０．１）に設定され、所定ｂ１上限値ＸＩＤＢ１Ｈ
は、例えば「１」に設定される。FIG. 19 is a flow chart of the limit process of b1 ′ executed in step S73 of FIG.
In steps S101 and S102, it is determined whether or not the model parameter b1 ′ is within a range of the predetermined b1 lower limit value XIDB1L and the predetermined b1 upper limit value XIDB1H. The predetermined b1 lower limit value XIDB1L is set to a positive predetermined value (for example, 0.1), and the predetermined b1 upper limit value XIDB1H
Is set to, for example, "1".

【０１００】ステップＳ１０１及びＳ１０２の答がいず
れも肯定（ＹＥＳ）であるとき、すなわちＸＩＤＢ１Ｌ
≦ｂ１’≦ＸＩＤＢ１Ｈであるときは、修正モデルパラ
メータｂ１はモデルパラメータｂ１’に設定される（ス
テップＳ１０５）。一方ｂ１’＜ＸＩＤＢ１Ｌであると
きは、修正モデルパラメータｂ１を下限値ＸＩＤＢ１Ｌ
に設定するとともに、ｂ１リミットフラグＦＢ１ＬＭＴ
を「１」に設定する（ステップＳ１０１，Ｓ１０４）。
またｂ１’＞ＸＩＤＢ１Ｈであるときは、修正モデルパ
ラメータｂ１を上限値ＸＩＤＢ１Ｈに設定するととも
に、ｂ１リミットフラグＦＢ１ＬＭＴを「１」に設定す
る（ステップＳ１０２，Ｓ１０３）。ｂ１リミットフラ
グＦＢ１ＬＭＴは、「１」に設定されると、修正モデル
パラメータｂ１を下限値ＸＩＤＢ１Ｌまたは上限値ＸＩ
ＤＢ１Ｈに設定したことを示す。When the answers in steps S101 and S102 are both affirmative (YES), that is, XIDB1L
When ≦ b1 ′ ≦ XIDB1H, the modified model parameter b1 is set to the model parameter b1 ′ (step S105). On the other hand, when b1 ′ <XIDB1L, the modified model parameter b1 is set to the lower limit value XIDB1L.
Set to b1 limit flag FB1LMT
Is set to "1" (steps S101 and S104).
If b1 ′> XIDB1H, the modified model parameter b1 is set to the upper limit value XIDB1H and the b1 limit flag FB1LMT is set to “1” (steps S102 and S103). When the b1 limit flag FB1LMT is set to "1", the modified model parameter b1 is set to the lower limit value XIDB1L or the upper limit value XI.
It indicates that it is set to DB1H.

【０１０１】図２０は、図１６のステップＳ７４で実行
されるモデルパラメータｃ１’のリミット処理のフロー
チャートである。ステップＳ１１１及びＳ１１２では、
モデルパラメータｃ１’が、所定ｃ１下限値ＸＩＤＣ１
Ｌと所定ｃ１上限値ＸＩＤＣ１Ｈできまる範囲内にある
か否かを判別する。所定ｃ１下限値ＸＩＤＣ１Ｌは、例
えば−６０に設定され、所定ｃ１上限値ＸＩＤＣ１Ｈ
は、例えば６０に設定される。FIG. 20 is a flowchart of the limit process of the model parameter c1 'executed in step S74 of FIG. In steps S111 and S112,
The model parameter c1 ′ is the predetermined c1 lower limit value XIDC1
It is determined whether or not it is within the range of L and the predetermined c1 upper limit value XIDC1H. The predetermined c1 lower limit value XIDC1L is set to, for example, -60, and the predetermined c1 upper limit value XIDC1H.
Is set to 60, for example.

【０１０２】ステップＳ１１１及びＳ１１２の答がいず
れも肯定（ＹＥＳ）であるとき、すなわちＸＩＤＣ１Ｌ
≦ｃ１’≦ＸＩＤＣ１Ｈであるときは、修正モデルパラ
メータｃ１はモデルパラメータｃ１’に設定される（ス
テップＳ１１５）。一方ｃ１’＜ＸＩＤＣ１Ｌであると
きは、修正モデルパラメータｃ１を下限値ＸＩＤＣ１Ｌ
に設定するとともに、ｃ１リミットフラグＦＣ１ＬＭＴ
を「１」に設定する（ステップＳ１１１，Ｓ１１４）。
またｃ１’＞ＸＩＤＣ１Ｈであるときは、修正モデルパ
ラメータｃ１を上限値ＸＩＤＣ１Ｈに設定するととも
に、ｃ１リミットフラグＦＣ１ＬＭＴを「１」に設定す
る（ステップＳ１１２，Ｓ１１３）。ｃ１リミットフラ
グＦＣ１ＬＭＴは、「１」に設定されると、修正モデル
パラメータｃ１を下限値ＸＩＤＣ１Ｌまたは上限値ＸＩ
ＤＣ１Ｈに設定したことを示す。When the answers to steps S111 and S112 are both affirmative (YES), that is, XIDC1L
When ≦ c1 ′ ≦ XIDC1H, the modified model parameter c1 is set to the model parameter c1 ′ (step S115). On the other hand, when c1 ′ <XIDC1L, the modified model parameter c1 is set to the lower limit value XIDC1L.
Set to c1 limit flag FC1LMT
Is set to "1" (steps S111 and S114).
When c1 ′> XIDC1H, the modified model parameter c1 is set to the upper limit value XIDC1H and the c1 limit flag FC1LMT is set to “1” (steps S112 and S113). When the c1 limit flag FC1LMT is set to "1", the modified model parameter c1 is set to the lower limit value XIDC1L or the upper limit value XI.
Indicates that it is set to DC1H.

【０１０３】図２１は、図９のステップＳ１３で実行さ
れる状態予測器の演算処理のフローチャートである。ス
テップＳ１２１では、マトリクス演算を実行して前記式
（３５）の行列要素α１，α２，β１〜β２、及びγ１
〜γｄを算出する。ステップＳ１２２では、式（３５）
により、予測偏差量ＰＲＥＤＴＨ(k)を算出する。FIG. 21 is a flowchart of the arithmetic processing of the state predictor executed in step S13 of FIG. In step S121, a matrix operation is executed to execute the matrix elements α1, α2, β1 to β2, and γ1 of the equation (35).
Calculate γd. In step S122, equation (35)
The predicted deviation amount PREDTH (k) is calculated by

【０１０４】図２２は、図９のステップＳ１４で実行さ
れる、スロットル弁駆動装置１０への制御入力Ｕｓｌ
（＝ＤＵＴ）を算出する処理のフローチャートである。
ステップＳ２０１では、図２３に示す予測切換関数値σ
ｐｒｅの演算処理を実行し、ステップＳ２０２では、図
２６に示す予測切換関数値σｐｒｅの積算値の演算処理
を実行する。ステップＳ２０３では、前記式（９）によ
り、等価制御入力Ｕｅｑを算出する。ステップＳ２０４
では、図２７に示す到達則入力Ｕｒｃｈの演算処理を実
行し、ステップＳ２０５では、図２８に示す適応則入力
Ｕａｄｐの演算処理を実行する。FIG. 22 shows the control input Usl to the throttle valve drive system 10 executed in step S14 of FIG.
9 is a flowchart of a process of calculating (= DUT).
In step S201, the prediction switching function value σ shown in FIG.
The calculation process of pre is executed, and in step S202, the calculation process of the integrated value of the prediction switching function value σpre shown in FIG. 26 is executed. In step S203, the equivalent control input Ueq is calculated by the equation (9). Step S204
Then, the arithmetic processing of the reaching law input Urch shown in FIG. 27 is executed, and in step S205, the arithmetic processing of the adaptive law input Uadp shown in FIG. 28 is executed.

【０１０５】ステップＳ２０６では、後述する図２９の
処理で設定される安定判別フラグＦＳＭＣＳＴＡＢが
「１」であるか否かを判別する。安定判別フラグＦＳＭ
ＣＳＴＡＢは、「１」に設定されると、適応スライディ
ングモードコントローラ２１が不安定となっていること
を示す。In step S206, it is determined whether or not the stability determination flag FSMCSTAB set in the processing of FIG. 29 described later is "1". Stability determination flag FSM
When CSTAB is set to "1", it indicates that the adaptive sliding mode controller 21 is unstable.

【０１０６】ステップＳ２０６でＦＳＭＣＳＴＡＢ＝０
であって適応スライディングモードコントローラ２１が
安定であるときは、ステップＳ２０３〜Ｓ２０５で算出
された制御入力Ｕｅｑ，Ｕｒｃｈ及びＵａｄｐを加算す
ることにより、制御入力Ｕｓｌを算出する（ステップＳ
２０７）。In step S206, FSMCSTAB = 0
When the adaptive sliding mode controller 21 is stable, the control input Usl is calculated by adding the control inputs Ueq, Urch, and Uadp calculated in steps S203 to S205 (step S).
207).

【０１０７】一方ＦＳＭＣＳＴＡＢ＝１であって適応ス
ライディングモードコントローラ２１が不安定となって
いるときは、到達則入力Ｕｒｃｈ及び適応則入力Ｕａｄ
ｐの和を、制御入力Ｕｓｌとして算出する。すなわち、
等価制御入力Ｕｅｑを、制御入力Ｕｓｌの算出に使用し
ないようにする。これにより、制御系が不安定化するこ
とを防止することができる。On the other hand, when FSMCSTAB = 1 and the adaptive sliding mode controller 21 is unstable, the reaching law input Urch and the adaptive law input Uad are input.
The sum of p is calculated as the control input Usl. That is,
The equivalent control input Ueq is not used for calculating the control input Usl. This makes it possible to prevent the control system from becoming unstable.

【０１０８】続くステップＳ２０９及びＳ２１０では、
算出した制御入力Ｕｓｌが所定上下限値ＸＵＳＬＨ及び
ＸＵＳＬＬの範囲内にあるか否かを判別し、制御入力Ｕ
ｓｌが所定上下限値の範囲内にあるときは、直ちに本処
理を終了する。一方、制御入力Ｕｓｌが所定下限値ＸＵ
ＳＬＬ以下であるときは、制御入力Ｕｓｌを所定下限値
ＸＵＳＬＬに設定し（ステップＳ２０９，Ｓ２１２）、
制御入力Ｕｓｌが所定上限値ＸＵＳＬＨ以上であるとき
は、制御入力Ｕｓｌを所定上限値ＸＵＳＬＨに設定する
（ステップＳ２１０，Ｓ２１１）。In the following steps S209 and S210,
It is determined whether or not the calculated control input Usl is within the range of predetermined upper and lower limits XUSLH and XUSLL, and the control input U
If sl is within the range of the predetermined upper and lower limits, this processing is immediately terminated. On the other hand, the control input Usl is the predetermined lower limit value XU.
When it is equal to or lower than SLL, the control input Usl is set to the predetermined lower limit value XUSLL (steps S209 and S212),
When the control input Usl is greater than or equal to the predetermined upper limit value XUSLH, the control input Usl is set to the predetermined upper limit value XUSLH (steps S210, S211).

【０１０９】図２３は、図２２のステップＳ２０１で実
行される予測切換関数値σｐｒｅの演算処理のフローチ
ャートである。ステップＳ２２１では、図２４に示す切
換関数設定パラメータＶＰＯＬＥの演算処理を実行し、
次いで前記式（３６）により、予測切換関数値σｐｒｅ
(k)の演算を実行する（ステップＳ２２２）。FIG. 23 is a flowchart of the calculation process of the predictive switching function value σpre executed in step S201 of FIG. In step S221, the arithmetic processing of the switching function setting parameter VPOLE shown in FIG. 24 is executed,
Then, using the above equation (36), the prediction switching function value σpre
The calculation of (k) is executed (step S222).

【０１１０】続くステップＳ２２３及びＳ２２４では、
算出した予測切換関数値σｐｒｅ(k)が所定上下限値Ｘ
ＳＧＭＨ及びＸＳＧＭＬの範囲内にあるか否かを判別
し、予測切換関数値σｐｒｅ(k)が所定上下限値の範囲
内にあるときは、直ちに本処理を終了する。一方、予測
切換関数値σｐｒｅ(k)が所定下限値ＸＳＧＭＬ以下で
あるときは、予測切換関数値σｐｒｅ(k)を所定下限値
ＸＳＧＭＬに設定し（ステップＳ２２３，Ｓ２２５）、
予測切換関数値σｐｒｅ(k)が所定上限値ＸＳＧＭＨ以
上であるときは、予測切換関数値σｐｒｅ(k)を所定上
限値ＸＳＧＭＨに設定する（ステップＳ２２４，Ｓ２２
６）。In the following steps S223 and S224,
The calculated predictive switching function value σpre (k) is a predetermined upper and lower limit value X.
Whether or not it is within the range of SGMH and XSGML is determined, and when the prediction switching function value σpre (k) is within the range of the predetermined upper and lower limit values, this processing is immediately terminated. On the other hand, when the prediction switching function value σpre (k) is less than or equal to the predetermined lower limit value XSGML, the prediction switching function value σpre (k) is set to the predetermined lower limit value XSGML (steps S223 and S225),
When the prediction switching function value σpre (k) is equal to or larger than the predetermined upper limit value XSGMH, the prediction switching function value σpre (k) is set to the predetermined upper limit value XSGMH (steps S224 and S22).
6).

【０１１１】図２４は、図２３のステップＳ２２１で実
行される切換関数設定パラメータＶＰＯＬＥの演算処理
のフローチャートである。ステップＳ２３１では、安定
判別フラグＦＳＭＣＳＴＡＢが「１」であるか否かを判
別し、ＦＳＭＣＳＴＡＢ＝１であって適応スライディン
グモードコントローラ２１が不安定となっているとき
は、切換関数設定パラメータＶＰＯＬＥを安定化所定値
ＸＰＯＬＥＳＴＢに設定する（ステップＳ２３２）。安
定化所定値ＸＰＯＬＥＳＴＢは、「−１」より大きく
「−１」に非常に近い値（例えば−０．９９９）に設定
される。FIG. 24 is a flowchart of the arithmetic processing of the switching function setting parameter VPOLE executed in step S221 of FIG. In step S231, it is determined whether or not the stability determination flag FSMCSTAB is "1". When FSMCSTAB = 1 and the adaptive sliding mode controller 21 is unstable, the switching function setting parameter VPOLE is stabilized. The predetermined value XPOLESTB is set (step S232). The stabilization predetermined value XPOLESTB is set to a value larger than "-1" and very close to "-1" (for example, -0.999).

【０１１２】ＦＳＭＣＳＴＡＢ＝０であって適応スライ
ディングモードコントローラ２１が安定であるときは、
下記式（４６）により目標値ＤＴＨＲ(k)の変化量ＤＤ
ＴＨＲ(k)を算出する（ステップＳ２３３）。 ＤＤＴＨＲ(k)＝ＤＴＨＲ(k)−ＤＴＨＲ(k-1) （４６） ステップＳ２３４では、スロットル弁開度偏差量ＤＴＨ
及びステップＳ２３３で算出される目標値の変化量ＤＤ
ＴＨＲに応じてＶＰＯＬＥマップを検索し、切換関数設
定パラメータＶＰＯＬＥを算出する。ＶＰＯＬＥマップ
は、図２５（ａ）に示すように、スロットル弁開度偏差
量ＤＴＨが０近傍の値をとるとき（スロットル弁開度Ｔ
Ｈがデフォルト開度ＴＨＤＥＦ近傍の値をとるとき）増
加し、０近傍以外の値ではスロットル弁開度偏差量ＤＴ
Ｈの変化に対してはほぼ一定の値となるように設定され
ている。またＶＰＯＬＥマップは、同図（ｂ）に実線で
示すように、目標値の変化量ＤＤＴＨＲが増加するほ
ど、ＶＰＯＬＥ値が増加するように設定されているが、
スロットル弁開度偏差量ＤＴＨが０近傍の値をとるとき
には、同図に破線で示すように目標値の変化量ＤＤＴＨ
Ｒが０近傍の値をとるときに増加するように設定されて
いる。When FSMCSTAB = 0 and the adaptive sliding mode controller 21 is stable,
The change amount DD of the target value DTHR (k) is calculated by the following equation (46).
THR (k) is calculated (step S233). DDTHR (k) = DTHR (k) -DTHR (k-1) (46) In step S234, the throttle valve opening deviation amount DTH
And the change amount DD of the target value calculated in step S233
The VPOLE map is searched according to THR, and the switching function setting parameter VPOLE is calculated. As shown in FIG. 25A, the VPOLE map shows that when the throttle valve opening deviation amount DTH takes a value near 0 (the throttle valve opening T
H is set to a value close to the default opening THDEF), and is set to a value other than near 0, the throttle valve opening deviation amount DT
It is set so as to have a substantially constant value with respect to changes in H. Also, the VPOLE map is set such that the VPOLE value increases as the target value change amount DDTHR increases, as shown by the solid line in FIG.
When the throttle valve opening deviation amount DTH takes a value near 0, as shown by the broken line in the figure, the target value change amount DDTH
It is set to increase when R takes a value near 0.

【０１１３】すなわち、スロットル弁開度の目標値ＤＴ
ＨＲが減少方向の変化が大きいときには、切換関数設定
パラメータＶＰＯＬＥは比較的小さな値に設定される。
これにより、スロットル弁３がスロットル全閉ストッパ
に衝突することを防止することができる。また、デフォ
ルト開度ＴＨＤＥＦ近傍においては、切換関数設定パラ
メータＶＰＯＬＥが比較的大きな値に設定され、デフォ
ルト開度ＴＨＤＥＦ近傍における制御性を向上させるこ
とができる。That is, the target value DT of the throttle valve opening
When the change in the decreasing direction of HR is large, the switching function setting parameter VPOLE is set to a relatively small value.
As a result, it is possible to prevent the throttle valve 3 from colliding with the throttle fully closed stopper. Further, the switching function setting parameter VPOLE is set to a relatively large value near the default opening THDEF, and the controllability near the default opening THDEF can be improved.

【０１１４】なお、同図（ｃ）に示すように、スロット
ル弁開度ＴＨが全閉開度近傍または全開開度近傍にある
ときは、切換関数設定パラメータＶＰＯＬＥを減少させ
るように設定してもよい。これにより、スロットル弁開
度ＴＨが全閉開度近傍または全開開度近傍にあるとき
は、目標開度ＴＨＲに対する追従速度が遅くなり、スロ
ットル弁３の全閉ストッパ（全開開度でもストッパとし
て機能する）への衝突防止をより確実にすることができ
る。As shown in FIG. 11C, when the throttle valve opening TH is near the fully closed opening or near the fully opened opening, the switching function setting parameter VPOLE may be set to be decreased. Good. As a result, when the throttle valve opening TH is in the vicinity of the fully closed opening or in the vicinity of the fully opened opening, the follow-up speed with respect to the target opening THR becomes slow, and the fully closed stopper of the throttle valve 3 (functions as a stopper even at the fully opened opening). Can be more reliably prevented.

【０１１５】続くステップＳ２３５及びＳ２３６では、
算出した切換関数設定パラメータＶＰＯＬＥが所定上下
限値ＸＰＯＬＥＨ及びＸＰＯＬＥＬの範囲内にあるか否
かを判別し、切換関数設定パラメータＶＰＯＬＥが所定
上下限値の範囲内にあるときは、直ちに本処理を終了す
る。一方、切換関数設定パラメータＶＰＯＬＥが所定下
限値ＸＰＯＬＥＬ以下であるときは、切換関数設定パラ
メータＶＰＯＬＥを所定下限値ＸＰＯＬＥＬに設定し
（ステップＳ２３６，Ｓ２３８）、切換関数設定パラメ
ータＶＰＯＬＥが所定上限値ＸＰＯＬＥＨ以上であると
きは、切換関数設定パラメータＶＰＯＬＥを所定上限値
ＸＰＯＬＥＨに設定する（ステップＳ２３５，Ｓ２３
７）。In the following steps S235 and S236,
It is determined whether or not the calculated switching function setting parameter VPOLE is within the range of predetermined upper and lower limit values XPOLEH and XPOLEL. If the switching function setting parameter VPOLE is within the range of predetermined upper and lower limits, this process is immediately terminated. To do. On the other hand, when the switching function setting parameter VPOLE is equal to or lower than the predetermined lower limit value XPOLEL, the switching function setting parameter VPOLE is set to the predetermined lower limit value XPOLEL (steps S236 and S238), and the switching function setting parameter VPOLE is equal to or higher than the predetermined upper limit value XPOLEH. If there is, the switching function setting parameter VPOLE is set to the predetermined upper limit value XPOLEH (steps S235 and S23).
7).

【０１１６】図２６は、図２２のステップＳ２０２で実
行される、予測切換関数値σｐｒｅの積算値ＳＵＭＳＩ
ＧＭＡを算出する処理のフローチャートである。積算値
ＳＵＭＳＩＧＭＡは、後述する図２８の処理で適応則入
力Ｕａｄｐの算出に使用される（前記式（１１ａ）参
照）。FIG. 26 shows the integrated value SUMSI of the predictive switching function value σpre, which is executed in step S202 of FIG.
It is a flowchart of the process which calculates GMA. The integrated value SUMSIGMA is used to calculate the adaptive law input Uadp in the process of FIG. 28 described later (see the above formula (11a)).

【０１１７】ステップＳ２４１では、下記式（４７）に
より、積算値ＳＵＭＳＩＧＭＡを算出する。下記式のΔ
Ｔは、演算の実行周期である。 ＳＵＭＳＩＧＭＡ(k)＝ＳＵＭＳＩＧＭＡ(k-1)＋σｐｒｅ×ΔＴ （４７） 続くステップＳ２４２及びＳ２４３では、算出した積算
値ＳＵＭＳＩＧＭＡが所定上下限値ＸＳＵＭＳＨ及びＸ
ＳＵＭＳＬの範囲内にあるか否かを判別し、積算値ＳＵ
ＭＳＩＧＭＡが所定上下限値の範囲内にあるときは、直
ちに本処理を終了する。一方、積算値ＳＵＭＳＩＧＭＡ
が所定下限値ＸＳＵＭＳＬ以下であるときは、積算値Ｓ
ＵＭＳＩＧＭＡを所定下限値ＸＳＵＭＳＬに設定し（ス
テップＳ２４２，Ｓ２４４）、積算値ＳＵＭＳＩＧＭＡ
が所定上限値ＸＳＵＭＳＨ以上であるときは、積算値Ｓ
ＵＭＳＩＧＭＡを所定上限値ＸＳＵＭＳＨに設定する
（ステップＳ２４３，Ｓ２４５）。In step S241, the integrated value SUMSIGMA is calculated by the following equation (47). Δ in the following formula
T is a calculation execution cycle. SUMSIGMA (k) = SUMSIGMA (k-1) + σpre × ΔT (47) In the subsequent steps S242 and S243, the calculated integrated value SUMSIGMA is the predetermined upper and lower limit values XSUMSH and X.
It is determined whether it is within the range of SUMSL, and the integrated value SU
If MSIGMA is within the range of the predetermined upper and lower limits, this process is immediately terminated. On the other hand, the integrated value SUMSIGMA
Is less than or equal to the predetermined lower limit value XSUMSL, the integrated value S
UMSIGMA is set to a predetermined lower limit value XSUMSL (steps S242 and S244), and the integrated value SUMSIGMA is set.
Is greater than or equal to the predetermined upper limit value XSUMSH, the integrated value S
UMSIGMA is set to a predetermined upper limit value XSUMSH (steps S243, S245).

【０１１８】図２７は、図２２のステップＳ２０４で実
行される到達則入力Ｕｒｃｈの演算処理のフローチャー
トである。ステップＳ２６１では、安定判別フラグＦＳ
ＭＣＳＴＡＢが「１」であるか否かを判別する。安定判
別フラグＦＳＭＣＳＴＡＢが「０」であって適応スライ
ディングモードコントローラ２１が安定であるときは、
制御ゲインＦを所定通常ゲインＸＫＲＣＨに設定し（ス
テップＳ２６２）、下記式（４８）（前記式（１０ａ）
と同一の式）により、到達則入力Ｕｒｃｈを算出する
（ステップＳ２６３）。 Ｕｒｃｈ＝−Ｆ×σｐｒｅ／ｂ１ （４８）FIG. 27 is a flow chart of the arithmetic processing of the reaching law input Urch executed in step S204 of FIG. In step S261, the stability determination flag FS
It is determined whether MCSTAB is "1". When the stability determination flag FSMCSTAB is "0" and the adaptive sliding mode controller 21 is stable,
The control gain F is set to a predetermined normal gain XKRCH (step S262), and the following formula (48) (formula (10a) above) is set.
The reaching law input Urch is calculated by the same formula (step S263). Urch = −F × σpre / b1 (48)

【０１１９】一方安定判別フラグＦＳＭＣＳＴＡＢが
「１」であって適応スライディングモードコントローラ
２１が不安定となったときは、制御ゲインＦを、所定安
定化ゲインＸＫＲＣＨＳＴＢに設定し（ステップＳ２６
４）、モデルパラメータｂ１を使わない下記式（４９）
により到達則入力Ｕｒｃｈを算出する（ステップＳ２６
５）。 Ｕｒｃｈ＝−Ｆ×σｐｒｅ （４９）On the other hand, when the stability determination flag FSMCSTAB is "1" and the adaptive sliding mode controller 21 becomes unstable, the control gain F is set to the predetermined stabilizing gain XKRCHSTB (step S26).
4), the following equation (49) that does not use the model parameter b1
The reaching law input Urch is calculated by (step S26
5). Urch = −F × σpre (49)

【０１２０】続くステップＳ２６６及びＳ２６７では、
算出した到達則入力Ｕｒｃｈが所定上下限値ＸＵＲＣＨ
Ｈ及びＸＵＲＣＨＬの範囲内にあるか否かを判別し、到
達則入力Ｕｒｃｈが所定上下限値の範囲内にあるとき
は、直ちに本処理を終了する。一方、到達則入力Ｕｒｃ
ｈが所定下限値ＸＵＲＣＨＬ以下であるときは、到達則
入力Ｕｒｃｈを所定下限値ＸＵＲＣＨＬに設定し（ステ
ップＳ２６６，Ｓ２６８）、到達則入力Ｕｒｃｈが所定
上限値ＸＵＲＣＨＨ以上であるときは、到達則入力Ｕｒ
ｃｈを所定上限値ＸＵＲＣＨＨに設定する（ステップＳ
２６７，Ｓ２６９）。In the following steps S266 and S267,
The calculated reaching law input Urch is a predetermined upper and lower limit value XURCH
Whether or not it is within the range of H and XURCHL is determined, and when the reaching law input Urch is within the range of the predetermined upper and lower limit values, this processing is immediately terminated. On the other hand, reaching rule input Urc
When h is equal to or lower than the predetermined lower limit value XURCHL, the reaching law input Urch is set to the predetermined lower limit value XURCHL (steps S266 and S268). When the reaching law input Urch is equal to or higher than the predetermined upper limit value XURCHH, the reaching law input Urch is set.
Set ch to a predetermined upper limit value XURCHH (step S
267, S269).

【０１２１】このように適応スライディングモードコン
トローラ２１が不安定となったときは、制御ゲインＦを
所定安定化ゲインＸＫＲＣＨＳＴＢに設定するととも
に、モデルパラメータｂ１を使用しないで到達則入力Ｕ
ｒｃｈを算出することにより、適応スライディングモー
ドコントローラ２１を安定な状態に戻すことができる。
モデルパラメータ同定器２２による同定が不安定となっ
た場合に、適応スライディングモードコントローラ２１
が不安定となるので、不安定となったモデルパラメータ
ｂ１を使わないことによって、適応スライディングモー
ドコントローラ２１を安定化することができる。When the adaptive sliding mode controller 21 becomes unstable in this way, the control gain F is set to the predetermined stabilizing gain XKRCHSTB, and the reaching law input U is obtained without using the model parameter b1.
By calculating rch, the adaptive sliding mode controller 21 can be returned to a stable state.
When the identification by the model parameter identifier 22 becomes unstable, the adaptive sliding mode controller 21
Is unstable, the adaptive sliding mode controller 21 can be stabilized by not using the unstable model parameter b1.

【０１２２】図２８は、図２２のステップＳ２０５で実
行される適応則入力Ｕａｄｐの演算処理のフローチャー
トである。ステップＳ２７１では、安定判別フラグＦＳ
ＭＣＳＴＡＢが「１」であるか否かを判別する。安定判
別フラグＦＳＭＣＳＴＡＢが「０」であって適応スライ
ディングモードコントローラ２１が安定であるときは、
制御ゲインＧを所定通常ゲインＸＫＡＤＰに設定し（ス
テップＳ２７２）、下記式（５０）（前記式（１１ａ）
に対応する式）により、適応則入力Ｕａｄｐを算出する
（ステップＳ２７３）。 Ｕａｄｐ＝−Ｇ×ＳＵＭＳＩＧＭＡ／ｂ１ （５０）FIG. 28 is a flowchart of the arithmetic processing of the adaptive law input Uadp executed in step S205 of FIG. In step S271, the stability determination flag FS
It is determined whether MCSTAB is "1". When the stability determination flag FSMCSTAB is "0" and the adaptive sliding mode controller 21 is stable,
The control gain G is set to a predetermined normal gain XKADP (step S272), and the following formula (50) (formula (11a) above) is set.
The adaptive law input Uadp is calculated by the equation corresponding to (step S273). Uadp = -G × SUMSIGMA / b1 (50)

【０１２３】一方安定判別フラグＦＳＭＣＳＴＡＢが
「１」であって適応スライディングモードコントローラ
２１が不安定となったときは、制御ゲインＧを、所定安
定化ゲインＸＫＡＤＰＳＴＢに設定し（ステップＳ２７
４）、モデルパラメータｂ１を使わない下記式（５１）
により適応則入力Ｕａｄｐを算出する（ステップＳ２７
５）。 Ｕａｄｐ＝−Ｇ×ＳＵＭＳＩＧＭＡ （５１）On the other hand, when the stability determination flag FSMCSTAB is "1" and the adaptive sliding mode controller 21 becomes unstable, the control gain G is set to the predetermined stabilizing gain XKADPSTB (step S27).
4), the following equation (51) that does not use the model parameter b1
The adaptive law input Uadp is calculated by (step S27)
5). Uadp = -GxSUMSIGMA (51)

【０１２４】このように適応スライディングモードコン
トローラ２１が不安定となったときは、制御ゲインＧを
所定安定化ゲインＸＫＡＤＰＳＴＢに設定するととも
に、モデルパラメータｂ１を使用しないで適応則入力Ｕ
ａｄｐを算出することにより、適応スライディングモー
ドコントローラ２１を安定な状態に戻すことができる。When the adaptive sliding mode controller 21 becomes unstable in this way, the control gain G is set to the predetermined stabilizing gain XKADPSTB, and the adaptive law input U is set without using the model parameter b1.
The adaptive sliding mode controller 21 can be returned to a stable state by calculating adp.

【０１２５】図２９は、図９のステップＳ１６で実行さ
れるスライディングモードコントローラの安定判別処理
のフローチャートである。この処理では、リアプノフ関
数の微分項に基づく安定判別を行い、安定判別結果に応
じて安定判別フラグＦＳＭＣＳＴＡＢの設定を行う。FIG. 29 is a flowchart of the stability determination process of the sliding mode controller executed in step S16 of FIG. In this process, stability determination is performed based on the differential term of the Lyapunov function, and the stability determination flag FSMCSTAB is set according to the stability determination result.

【０１２６】ステップＳ２８１では下記式（５２）によ
り、切換関数変化量Ｄσｐｒｅを算出し、次いで下記式
（５３）により、安定性判別パラメータＳＧＭＳＴＡＢ
を算出する（ステップＳ２８２）。 Ｄσｐｒｅ＝σｐｒｅ(k)−σｐｒｅ(k-1) （５２） ＳＧＭＳＴＡＢ＝Ｄσｐｒｅ×σｐｒｅ(k) （５３） ステップＳ２８３では、安定性判別パラメータＳＧＭＳ
ＴＡＢが安定性判定閾値ＸＳＧＭＳＴＡＢ以下か否かを
判別し、ＳＧＭＳＴＡＢ＞ＸＳＧＭＳＴＡＢであるとき
は、コントローラ２１が不安定である可能性があると判
定して不安定検知カウンタＣＮＴＳＭＣＳＴを「１」だ
けインクリメントする（ステップＳ２８５）。また、Ｓ
ＧＭＳＴＡＢ≦ＸＳＧＭＳＴＡＢであるときは、コント
ローラ２１が安定であると判定して不安定検知カウンタ
ＣＮＴＳＭＣＳＴのカウント値をインクリメントするこ
となく保持する（ステップＳ２８４）。In step S281, the switching function change amount Dσpre is calculated by the following equation (52), and then the stability determination parameter SGMTAB is calculated by the following equation (53).
Is calculated (step S282). Dσpre = σpre (k) −σpre (k−1) (52) SGMSTAB = Dσpre × σpre (k) (53) In step S283, the stability determination parameter SGMS
It is determined whether or not TAB is less than or equal to the stability determination threshold value XSGMSTAB. When SGMSTAB> XSGMSTAB, it is determined that the controller 21 may be unstable, and the instability detection counter CNTSMCST is incremented by "1". (Step S285). Also, S
When GMTAB ≦ XSGMSTAB, the controller 21 determines that the controller 21 is stable and holds the count value of the instability detection counter CNTSMCST without incrementing it (step S284).

【０１２７】ステップＳ２８６では、不安定検知カウン
タＣＮＴＳＭＣＳＴの値が所定カウント値ＸＳＳＴＡＢ
以下か否かを判別する。ＣＮＴＳＭＣＳＴ≦ＸＳＳＴＡ
Ｂであるときは、コントローラ２１は安定していると判
定し、第１判定フラグＦＳＭＣＳＴＡＢ１を「０」に設
定する（ステップＳ２８７）。一方ＣＮＴＳＭＣＳＴ＞
ＸＳＳＴＡＢであるときは、コントローラ２１は不安定
となっていると判定し、第１判定フラグＦＳＭＣＳＴＡ
Ｂ１を「１」に設定する（ステップＳ２８８）。なお、
不安定検知カウンタＣＮＴＳＭＣＳＴは、イグニッショ
ンスイッチオン時にそのカウント値が「０」に初期化さ
れる。In step S286, the value of the instability detection counter CNTSMCST is set to the predetermined count value XSSTAB.
It is determined whether or not the following. CNTSMCST ≦ XSSTA
When it is B, the controller 21 determines that it is stable, and sets the first determination flag FSMCSTAB1 to "0" (step S287). On the other hand, CNTSMCST>
If it is XSSTAB, the controller 21 determines that it is unstable, and the first determination flag FSMCSTA
B1 is set to "1" (step S288). In addition,
The instability detection counter CNTSMCST has its count value initialized to "0" when the ignition switch is turned on.

【０１２８】続くステップＳ２８９では、安定判別期間
カウンタＣＮＴＪＵＤＳＴを「１」だけデクリメント
し、次いでその安定判別期間カウンタＣＮＴＪＵＤＳＴ
の値が「０」であるか否かを判別する（ステップＳ２９
０）。安定判別期間カウンタＣＮＴＪＵＤＳＴは、イグ
ニッションスイッチオン時に所定判別カウント値ＸＣＪ
ＵＤＳＴに初期化される。したがって、最初はステップ
Ｓ２９０の答は否定（ＮＯ）となり、直ちにステップＳ
２９５に進む。In the following step S289, the stability determination period counter CNTJUDST is decremented by "1", and then the stability determination period counter CNTJUDST is decremented.
It is determined whether the value of is "0" (step S29).
0). The stability determination period counter CNTJUDST displays a predetermined determination count value XCJ when the ignition switch is turned on.
Initialized to UDST. Therefore, the answer to step S290 is negative (NO) at first, and immediately after step S290.
Proceed to 295.

【０１２９】その後安定判別期間カウンタＣＮＴＪＵＤ
ＳＴが「０」となると、ステップＳ２９０からステップ
Ｓ２９１に進み、第１判定フラグＦＳＭＣＳＴＡＢ１が
「１」であるか否かを判別する。そして、第１判定フラ
グＦＳＭＣＳＴＡＢ１が「０」であるときは、第２判定
フラグＦＳＭＣＳＴＡＢ２を「０」に設定し（ステップ
Ｓ２９３）、第１判定フラグＦＳＭＣＳＴＡＢ１が
「１」であるときは、第２判定フラグＦＳＭＣＳＴＡＢ
２を「１」に設定する（ステップＳ２９２）。Thereafter, the stability determination period counter CNTJUD
When ST becomes "0", the process proceeds from step S290 to step S291, and it is determined whether or not the first determination flag FSMCSTAB1 is "1". Then, when the first determination flag FSMCSTAB1 is "0", the second determination flag FSMCSTAB2 is set to "0" (step S293), and when the first determination flag FSMCSTAB1 is "1", the second determination flag FSMCSTAB1 is set to "1". Flag FSMCSTAB
2 is set to "1" (step S292).

【０１３０】続くステップＳ２９４では、安定判別期間
カウンタＣＮＴＪＵＤＳＴの値を所定判別カウント値Ｘ
ＣＪＵＤＳＴに設定するとともに、不安定検知カウンタ
ＣＮＴＳＭＣＳＴの値を「０」に設定し、ステップＳ２
９５に進む。ステップＳ２９５では、安定判別フラグＦ
ＳＭＣＳＴＡＢを、第１判定フラグＦＳＭＣＳＴＡＢ１
と第２判定フラグＦＳＭＣＳＴＡＢ２の論理和に設定す
る。第２判定フラグＦＳＭＣＳＴＡＢ２は、ステップＳ
２８６の答が肯定（ＹＥＳ）となり、第１判定フラグＦ
ＳＭＣＳＴＡＢ１が「０」に設定されても、安定判別期
間カウンタＣＮＴＪＵＤＳＴの値が「０」となるまで
は、「１」に維持される。したがって、安定判別フラグ
ＦＳＭＣＳＴＡＢも、安定判別期間カウンタＣＮＴＪＵ
ＤＳＴの値が「０」となるまでは、「１」に維持され
る。In the following step S294, the value of the stability determination period counter CNTJUDST is set to the predetermined determination count value X.
CJUDST is set, and the value of the instability detection counter CNTSMCST is set to "0", and step S2 is performed.
Proceed to 95. In step S295, the stability determination flag F
SMCSTAB is set to the first determination flag FSMCSTAB1.
And the second judgment flag FSMCSTAB2. The second determination flag FSMCSTAB2 is set in step S
The answer of 286 becomes affirmative (YES), and the first determination flag F
Even if SMCSTAB1 is set to "0", it is maintained at "1" until the value of the stability determination period counter CNTJUDST becomes "0". Therefore, the stability determination flag FSMCSTAB also indicates the stability determination period counter CNTJU.
It is maintained at "1" until the value of DST becomes "0".

【０１３１】図３０は、図９のステップＳ１７で実行さ
れるデフォルト開度ずれｔｈｄｅｆａｄｐの算出処理の
フローチャートである。ステップＳ２５１では、下記式
（５４）により、ゲイン係数ＫＰＴＨ(k)を算出する。 ＫＰＴＨ(k)＝ＰＴＨ(k-1)／（１＋ＰＴＨ(k-1)） （５４） ここでＰＴＨ(k-1)は、本処理の前回実行時にステップ
Ｓ２５３で算出されたゲインパラメータである。FIG. 30 is a flow chart of the processing for calculating the default opening deviation thdefadp executed in step S17 of FIG. In step S251, the gain coefficient KPTH (k) is calculated by the following equation (54). KPTH (k) = PTH (k-1) / (1 + PTH (k-1)) (54) Here, PTH (k-1) is the gain parameter calculated in step S253 at the previous execution of this process.

【０１３２】ステップＳ２５２では、図１１に示すモデ
ルパラメータ同定器演算処理で算出されるモデルパラメ
ータｃ１’及びステップＳ２５１で算出したゲイン係数
ＫＰＴＨ(k)を下記式（５５）に適用し、デフォルト開
度ずれｔｈｄｅｆａｄｐ(k)を算出する。 ｔｈｄｅｆａｄｐ(k)＝ｔｈｄｅｆａｄｐ(k-1) ＋ＫＰＴＨ(k)×（ｃ１’−ｔｈｄｅｆａｄｐ(k-1)） （５５）In step S252, the model parameter c1 'calculated in the model parameter identifier computing process shown in FIG. 11 and the gain coefficient KPTH (k) calculated in step S251 are applied to the following equation (55) to calculate the default opening degree. The shift thdefadp (k) is calculated. thdefadp (k) = thdefadp (k-1) + KPTH (k) × (c1′-thdefadp (k-1)) (55)

【０１３３】ステップＳ２５３では、下記式（５６）に
よりゲインパラメータＰＴＨ(k)を算出する。 ＰＴＨ(k)＝（１−ＰＴＨ(k-1)／（ＸＤＥＦＡＤＰＷ＋ＰＴＨ(k-1)）） ×ＰＴＨ(k-1)／ＸＤＥＦＡＤＰＷ （５６） 式（５６）は、前記式（３９）においてλ１’及びλ
２’を、それぞれ所定値ＸＤＥＦＡＤＰＷ及び「１」に
設定したものである。In step S253, the gain parameter PTH (k) is calculated by the following equation (56). PTH (k) = (1-PTH (k-1) / (XDEFADPW + PTH (k-1))) * PTH (k-1) / XDEFADPW (56) The formula (56) is λ1 ′ in the formula (39). And λ
2'is set to a predetermined value XDEFADPW and "1", respectively.

【０１３４】図３０の処理により、モデルパラメータｃ
１’が逐次型重み付き最小２乗法により統計処理され、
デフォルト開度ずれｔｈｄｅｆａｄｐが算出される。本
実施形態では、スロットル弁駆動装置１０及びＥＣＵ７
の一部（モータ６に駆動電流を供給する出力回路）がプ
ラントに相当し、図２２の処理がスライディングモード
コントローラに相当し、図１１の処理が同定手段に相当
し、図１２の処理が同定誤差算出手段に相当し、図１４
の処理が同定誤差修正手段に相当し、図２１の処理が予
測手段に相当する。By the processing of FIG. 30, the model parameter c
1'is statistically processed by the recursive weighted least squares method,
The default opening deviation thdefadp is calculated. In the present embodiment, the throttle valve drive device 10 and the ECU 7
22 corresponds to the plant, the process of FIG. 22 corresponds to the sliding mode controller, the process of FIG. 11 corresponds to the identification means, and the process of FIG. 12 corresponds to the identification. It corresponds to the error calculating means and is shown in FIG.
21 corresponds to the identification error correction means, and the processing in FIG. 21 corresponds to the prediction means.

【０１３５】（第２の実施形態）上述した第１の実施形
態では、制御対象モデルをむだ時間ｄを含む式（１）を
用いて定義し、状態予測器２３を用いて、むだ時間ｄ経
過後の予測偏差量ＰＲＥＤＴＨを算出することにより、
むだ時間を含む制御対象モデルの制御を行っている。そ
のため、状態予測器２３に対応した演算をＣＰＵで実行
する必要があり、ＣＰＵの演算量が大きくなる。そこ
で、本実施形態では、ＣＰＵに加わる演算負荷の軽減を
図るべく、むだ時間ｄを「０」とした下記式（１ａ）に
より制御対象モデルを定義し、むだ時間ｄを「０」とす
ることに起因するモデル化誤差は、適応スライディング
モード制御のロバスト性によって補償している。 ＤＴＨ(k+1)＝ａ１×ＤＴＨ(k)＋ａ２×ＤＴＨ(k-1) ＋ｂ１×ＤＵＴ(k)＋ｃ１ （１ａ）(Second Embodiment) In the above-described first embodiment, the controlled object model is defined using the equation (1) including the dead time d, and the dead time d elapses using the state predictor 23. By calculating the subsequent predicted deviation amount PREDTH,
It controls the control target model including dead time. Therefore, it is necessary for the CPU to execute the calculation corresponding to the state predictor 23, and the calculation amount of the CPU becomes large. Therefore, in the present embodiment, in order to reduce the calculation load applied to the CPU, the controlled object model is defined by the following equation (1a) in which the dead time d is “0”, and the dead time d is set to “0”. The modeling error caused by is compensated by the robustness of the adaptive sliding mode control. DTH (k + 1) = a1 × DTH (k) + a2 × DTH (k-1) + b1 × DUT (k) + c1 (1a)

【０１３６】ＣＰＵの演算負荷をさらに軽減するため
に、モデルパラメータの同定アルゴリズムとして、固定
ゲインアルゴリズムを採用している。また、より一層の
制御の安定化を図るべく、モデルパラメータのドリフト
を防止する手法として、不感帯処理に代わる他の手法を
採用している。以下本実施形態を、第１の実施形態と異
なる点を中心として詳細に説明する。以下に述べる点以
外は、第１の実施形態と同一である。In order to further reduce the calculation load of the CPU, a fixed gain algorithm is adopted as the model parameter identification algorithm. Further, in order to further stabilize the control, another method instead of the dead zone processing is adopted as a method for preventing the drift of the model parameter. Hereinafter, the present embodiment will be described in detail focusing on the points different from the first embodiment. The third embodiment is the same as the first embodiment except for the points described below.

【０１３７】図３１は、ＥＣＵ７により実現されるスロ
ットル弁制御装置の機能ブロック図であり、この制御装
置は、適応スライディングモードコントローラ２１ａ
と、モデルパラメータ同定器２２ａと、モデルパラメー
タスケジューラ２５と、アクセルペダル踏み込み量ＡＣ
Ｃに応じてスロットル弁３の目標開度ＴＨＲを設定する
目標開度設定部２４とからなる。FIG. 31 is a functional block diagram of a throttle valve control device realized by the ECU 7. This control device is an adaptive sliding mode controller 21a.
, Model parameter identifier 22a, model parameter scheduler 25, accelerator pedal depression amount AC
The target opening degree setting unit 24 sets the target opening degree THR of the throttle valve 3 according to C.

【０１３８】適応スライディングモードコントローラ２
１ａには、予測偏差量ＰＲＥＤＴＨではなく、検出した
スロットル弁開度ＴＨが入力され、このスロットル弁開
度ＴＨが目標開度ＴＨＲと一致するように、適応スライ
ディングモード制御によりデューティ比ＤＵＴが算出さ
れる。Adaptive sliding mode controller 2
The detected throttle valve opening TH is input to 1a, not the predicted deviation amount PREDTH, and the duty ratio DUT is calculated by the adaptive sliding mode control so that the throttle valve opening TH matches the target opening THR. It

【０１３９】適応スライディングモードコントローラ２
１ａを用いることにより、第１の実施形態で説明した効
果と同様の効果が得られ、また制御対象のむだ時間に対
する制御系のロバスト性を確保することができる。した
がって、むだ時間ｄを「０」とすることに起因するモデ
ル化誤差を補償することができる。Adaptive sliding mode controller 2
By using 1a, the same effects as those described in the first embodiment can be obtained, and the robustness of the control system with respect to the dead time of the control target can be ensured. Therefore, the modeling error caused by setting the dead time d to "0" can be compensated.

【０１４０】モデルパラメータ同定器２２ａは、第１の
実施形態とは異なる手法で、修正モデルパラメータベク
トルθＬ（θＬ^T＝［ａ１，ａ２，ｂ１，ｃ１］）を算
出し、適応スライディングモードコントローラ２１ａに
供給する。より具体的には、モデルパラメータ同定器２
２ａは、モデルパラメータスケジューラ２５から供給さ
れる基準モデルパラメータベクトルθｂａｓｅを、スロ
ットル弁開度ＴＨ及びデューティ比ＤＵＴに基づいて補
正することにより、モデルパラメータベクトルθを算出
する。さらに、そのモデルパラメータベクトルθに対し
てリミット処理を行うことにより修正モデルパラメータ
ベクトルθＬを算出し、該修正モデルパラメータベクト
ルθＬを適応スライディングモードコントローラ２１ａ
に供給する。このようにしてスロットル弁開度ＴＨを目
標開度ＴＨＲに追従させるために最適なモデルパラメー
タａ１，ａ２，ｂ１が得られ、さらに外乱及びデフォル
ト開度ＴＨＤＥＦのずれを示すモデルパラメータｃ１が
得られる。The model parameter identifier 22a calculates a modified model parameter vector θL (θL ^T = [a1, a2, b1, c1]) by a method different from that of the first embodiment, and the adaptive sliding mode controller 21a receives it. Supply. More specifically, the model parameter identifier 2
2a calculates the model parameter vector θ by correcting the reference model parameter vector θbase supplied from the model parameter scheduler 25 based on the throttle valve opening TH and the duty ratio DUT. Further, the modified model parameter vector θL is calculated by performing limit processing on the model parameter vector θ, and the modified model parameter vector θL is adapted to the adaptive sliding mode controller 21a.
Supply to. In this way, the optimum model parameters a1, a2, b1 for making the throttle valve opening TH follow the target opening THR are obtained, and further the model parameter c1 showing the disturbance and the deviation of the default opening THDEF is obtained.

【０１４１】モデルパラメータスケジューラ２５は、ス
ロットル弁開度ＴＨに基づいて、基準モデルパラメータ
ベクトルθｂａｓｅ（θｂａｓｅ^T＝［ａ１ｂａｓｅ，
ａ２ｂａｓｅ，ｂ１ｂａｓｅ，ｃ１ｂａｓｅ］）を算出
し、モデルパラメータ同定器２２ａに供給する。The model parameter scheduler 25 uses the reference model parameter vector θbase (θbase ^T = [a1base,
a2base, b1base, c1base]) is calculated and supplied to the model parameter identifier 22a.

【０１４２】本実施形態では、前記式（１ａ）により制
御対象モデルを定義しているので、適応スライディング
モードコントローラ２１ａは、等価制御入力Ｕｅｑ、到
達則入力Ｕｒｃｈ及び適応則入力Ｕａｄｐを、前記式
（９ａ），（１０ａ），（１１ａ）に代えて、下記式
（９ｂ），（１０ｂ），（１１ｂ）により算出する。In this embodiment, since the controlled object model is defined by the equation (1a), the adaptive sliding mode controller 21a calculates the equivalent control input Ueq, the reaching law input Urch, and the adaptive law input Uadp by the equation (1). Instead of 9a), (10a), and (11a), the following formulas (9b), (10b), and (11b) are used for calculation.

【数１１】 [Equation 11]

【０１４３】式（９ｂ）〜（１１ｂ）は、前記式（９）
〜（１１）のむだ時間ｄを「０」とすることにより得ら
れる。モデルパラメータ同定器２２ａは、前述したよう
に制御対象の入力（ＤＵＴ(k)）及び出力（ＴＨ(k)）に
基づいて、制御対象モデルのモデルパラメータベクトル
を算出する。具体的には、モデルパラメータ同定器２２
ａは、下記式（１５）（再掲）により、モデルパラメー
タベクトルθ(k)を算出する。 θ(k)＝θ(k-1)＋ＫＰ(k)ｉｄｅ(k) （１５）The expressions (9b) to (11b) are obtained by the above expression (9).
It is obtained by setting the dead time d of (11) to "0". The model parameter identifier 22a calculates the model parameter vector of the controlled object model based on the input (DUT (k)) and the output (TH (k)) of the controlled object as described above. Specifically, the model parameter identifier 22
For a, the model parameter vector θ (k) is calculated by the following equation (15) (reprinted). θ (k) = θ (k-1) + KP (k) ide (k) (15)

【０１４４】式（１５）の同定誤差ｉｄｅ(k)は、下記
式（１７）（再掲）、（１８）（再掲）及び（１９ａ）
により定義される。式（１９ａ）は、前記式（１９）の
むだ時間ｄを「０」としたものである。ゲイン係数ベク
トルＫＰ(k)は、下記式（２０）（再掲）により定義さ
れ、式（２０）の正方行列Ｐ(k)は、下記式（２１）
（再掲）により算出されるThe identification error ide (k) of the equation (15) is expressed by the following equations (17) (repost), (18) (repost) and (19a).
Is defined by Expression (19a) is obtained by setting the dead time d of Expression (19) to “0”. The gain coefficient vector KP (k) is defined by the following equation (20) (reprinted), and the square matrix P (k) of the equation (20) is expressed by the following equation (21).
Calculated by (repost)

【数１２】 [Equation 12]

【数１３】 [Equation 13]

【０１４５】本実施形態では、第１の実施形態と同様に
下記要求Ｂ１〜Ｂ３を満たすことに加えて、さらに下記
要求Ｂ４及びＢ５を満たすことが求められる。 Ｂ１）準静的動特性変化及びハードウエアの特性ばらつ
きに対する適応 「準静的動特性変化」とは、例えば電源電圧の変動やハ
ードウエアの経年劣化といった変化速度の遅い特性変化
である。 Ｂ２）速い動特性変化への適応 具体的には、スロットル弁開度ＴＨの変化に対応する動
特性変化への適応を意味する。 Ｂ３）モデルパラメータのドリフト防止 モデルパラメータに反映すべきでない制御対象の非線形
特性などに起因する同定誤差の影響によって、モデルパ
ラメータの絶対値が増大するような不具合を防止する。 Ｂ４）ＥＣＵの演算能力とマッチング 具体的には、演算量をより低減させることが求められ
る。 Ｂ５）モデルパラメータ（制御性能）の安定化 具体的は、同定されるモデルパラメータのばらつきを極
力抑制することが求められる。In this embodiment, in addition to satisfying the following requirements B1 to B3 as in the first embodiment, it is required to further satisfy the following requirements B4 and B5. B1) Adaptation to changes in quasi-static dynamic characteristics and variations in characteristics of hardware “Changes in quasi-static dynamic characteristics” are slow-changing characteristic changes such as fluctuations in power supply voltage and aging of hardware. B2) Adaptation to rapid change in dynamic characteristics Specifically, it means adaptation to change in dynamic characteristics corresponding to change in throttle valve opening TH. B3) Model Parameter Drift Prevention It is possible to prevent a problem that an absolute value of a model parameter increases due to an influence of an identification error caused by a non-linear characteristic of a controlled object which should not be reflected in the model parameter. B4) Matching with Computation Ability of ECU Specifically, it is required to further reduce the computation amount. B5) Stabilization of model parameters (control performance) Specifically, it is required to suppress variations in identified model parameters as much as possible.

【０１４６】先ず要求Ｂ４を満たすために、係数λ１及
びλ２をそれぞれ１，０に設定することにより、固定ゲ
インアルゴリズムを採用する。これによって、正方行列
Ｐ(k)は一定となるため、式（２１）の演算を省略する
ことができ、演算量を大幅に低減できる。First, in order to satisfy the requirement B4, the fixed gain algorithm is adopted by setting the coefficients λ1 and λ2 to 1 and 0, respectively. As a result, the square matrix P (k) becomes constant, so that the calculation of Expression (21) can be omitted, and the calculation amount can be significantly reduced.

【０１４７】すなわち固定ゲインアルゴリズムを採用す
ると、式（２０）は、下記式（２０ａ）のように簡略化
される。式（２０ａ）においてＰは、定数を対角要素と
する正方行列である。That is, when the fixed gain algorithm is adopted, the equation (20) is simplified as the following equation (20a). In the equation (20a), P is a square matrix whose constants are diagonal elements.

【数１４】 このように簡略化されたアルゴリズムによれば、演算量
を削減できる。しかし、同定能力は若干低下する。ま
た、モデルパラメータベクトルθ(k)を算出する式（１
５）は、下記式（１５ｂ）のように書き直すことがで
き、同定誤差ｉｄｅ(k)の積分構造を有する。したがっ
て、同定誤差ｉｄｅ(k)がモデルパラメータに積分さ
れ、モデルパラメータのドリフトが起き易い。 θ(k)＝θ(0)＋ＫＰ(1)ｉｄｅ(1)＋ＫＰ(2)ｉｄｅ(2) ＋……＋ＫＰ(k)ｉｄｅ(k) （１５ｂ） ここで、θ(0)は、モデルパラメータの初期値を要素と
する初期値ベクトルである。[Equation 14] According to the algorithm thus simplified, the amount of calculation can be reduced. However, the identification ability is slightly reduced. In addition, the formula (1 for calculating the model parameter vector θ (k)
5) can be rewritten as the following expression (15b) and has an integral structure of the identification error ide (k). Therefore, the identification error ide (k) is integrated into the model parameter, and the model parameter drifts easily. θ (k) = θ (0) + KP (1) ide (1) + KP (2) ide (2) + ... + KP (k) ide (k) (15b) where θ (0) is a model parameter This is an initial value vector whose elements are the initial values of.

【０１４８】そこで本実施形態では、このようなモデル
パラメータのドリフトを防止するために、モデルパラメ
ータベクトルθ(k)を上記式（１５ｂ）に代えて、下記
式（１５ｃ）により、算出するようにした。 θ(k)＝θ(0)＋ＤＥＬＴＡ^k-1×ＫＰ(1)ｉｄｅ(1) ＋ＤＥＬＴＡ^k-2×ＫＰ(2)ｉｄｅ(2)＋…… ＋ＤＥＬＴＡ×ＫＰ(k-1)ｉｄｅ(k-1)＋ＫＰ(k)ｉｄｅ(k) （１５ｃ） ここで、ＤＥＬＴＡは下記式で示すように、忘却係数Ｄ
ＥＬＴＡｉ（ｉ＝１〜４）を要素とする忘却係数ベクト
ルである。ＤＥＬＴＡ＝［ＤＥＬＴＡ１，ＤＥＬＴＡ
２，ＤＥＬＴＡ３，ＤＥＬＴＡ４］Therefore, in this embodiment, in order to prevent such model parameter drift, the model parameter vector θ (k) is calculated by the following equation (15c) instead of the equation (15b). did. θ (k) = θ (0) + DELTA ^k-1 × KP (1) ide (1) + DELTA ^k-2 × KP (2) ide (2) + …… + DELTA × KP (k-1) ide (k- 1) + KP (k) ide (k) (15c) where DELTA is the forgetting factor D as shown in the following equation.
It is a forgetting coefficient vector whose elements are ELTAi (i = 1 to 4). DELTA = [DELTA1, DELTA
2, DELTA3, DELTA4]

【０１４９】忘却係数ＤＥＬＴＡｉは、０から１の間の
値に設定され（０＜ＤＥＬＴＡｉ＜１）、過去の同定誤
差の影響を徐々に減少させる機能を有する。ただし、モ
デルパラメータｂ１の演算に係る係数ＤＥＬＴＡ３また
はモデルパラメータｃ１の演算にかかる係数ＤＥＬＴＡ
４の何れか一方は、「１」として、実質的に忘却係数Ｄ
ＥＬＴＡ３及びＤＥＬＴＡ４の一方が無効となるように
する。このように、忘却係数ベクトルＤＥＬＴＡの要素
の一部を「１」とすることにより、目標値ＤＴＨＲと、
スロットル弁開度偏差量ＤＴＨとの定常偏差が発生する
ことを防止することができる。なお、係数ＤＥＬＴＡ３
及びＤＥＬＴＡ４をともに「１」とすると、モデルパラ
メータのドリフト防止効果が不十分となるので、何れか
一方のみを「１」とすることが望ましい。The forgetting factor DELTAi is set to a value between 0 and 1 (0 <DELTAi <1) and has a function of gradually reducing the influence of past identification errors. However, the coefficient DELTA3 related to the calculation of the model parameter b1 or the coefficient DELTA related to the calculation of the model parameter c1
Either one of 4 is set to "1", and the forgetting factor D is substantially set.
One of ELTA3 and DELTA4 is made invalid. Thus, by setting some of the elements of the forgetting factor vector DELTA to "1", the target value DTHR and
It is possible to prevent a steady deviation from occurring with the throttle valve opening deviation amount DTH. The coefficient DELTA3
If both DELTA4 and DELTA4 are set to "1", the effect of preventing drift of model parameters becomes insufficient, so it is desirable to set only one of them to "1".

【０１５０】式（１５ｃ）を漸化式形式に書き直すと、
下記式（１５ｄ）（１５ｅ）が得られる。前記式（１
５）に代えて下記式（１５ｄ）及び（１５ｅ）を用いて
モデルパラメータベクトルθ(k)を算出する手法を、以
下δ修正法といい、式（１５ｅ）で定義されるｄθ(k)
を「更新ベクトル」という。 θ(k)＝θ(0)＋ｄθ(k) （１５ｄ） ｄθ(k)＝ＤＥＬＴＡ×ｄθ(k-1)＋ＫＰ(k)ｉｄｅ(k) （１５ｅ）Rewriting equation (15c) in recurrence form,
The following formulas (15d) and (15e) are obtained. Equation (1)
The method of calculating the model parameter vector θ (k) using the following equations (15d) and (15e) instead of 5) is hereinafter referred to as the δ correction method, and dθ (k) defined by the equation (15e).
Is called "update vector". θ (k) = θ (0) + dθ (k) (15d) dθ (k) = DELTA × dθ (k-1) + KP (k) ide (k) (15e)

【０１５１】δ修正法を用いたアルゴリズムによれば、
上記要求Ｂ３を満たすドリフト防止効果とともに、上記
要求Ｂ５を満たすモデルパラメータの安定化効果も得ら
れる。すなわち、初期値ベクトルθ(0)が常に保存さ
れ、更新ベクトルｄθ(k)も忘却係数ベクトルＤＥＬＴ
Ａの働きにより、その要素のとりうる値が制限されるの
で、各モデルパラメータを初期値近傍に安定させること
ができる。According to the algorithm using the δ correction method,
In addition to the drift prevention effect that satisfies the requirement B3, the model parameter stabilizing effect that satisfies the requirement B5 can be obtained. That is, the initial value vector θ (0) is always saved, and the update vector dθ (k) is also the forgetting coefficient vector DELT.
The function of A limits the possible values of the element, so that each model parameter can be stabilized near the initial value.

【０１５２】さらに実際の制御対象の入出力データに基
づいた同定により更新ベクトルｄθ(k)を調整しつつモ
デルパラメータを算出するので、実際の制御対象に適合
したモデルパラメータを算出でき、上記要求Ｂ１も満た
される。次に要求Ｂ２を満たすべく、本実施形態では上
記式（１５ｄ）の初期値ベクトルθ(0)に代えて、基準
モデルパラメータベクトルθｂａｓｅを用いる下記式
（１５ｆ）により、モデルパラメータベクトルθ(k)を
算出することとした。 θ(k)＝θｂａｓｅ＋ｄθ(k) （１５ｆ）Further, since the model parameter is calculated while adjusting the update vector dθ (k) by the identification based on the input / output data of the actual controlled object, the model parameter suitable for the actual controlled object can be calculated. Is also satisfied. Next, in order to satisfy the requirement B2, in the present embodiment, the model parameter vector θ (k) is calculated by the following equation (15f) using the reference model parameter vector θbase instead of the initial value vector θ (0) of the equation (15d). Was calculated. θ (k) = θbase + dθ (k) (15f)

【０１５３】基準モデルパラメータベクトルθｂａｓｅ
は、モデルパラメータスケジューラ２５によりスロット
ル弁開度偏差量ＤＴＨ（＝ＴＨ−ＴＨＤＥＦ）に応じて
設定されるので、スロットル弁開度ＴＨの変化に対応す
る動特性の変化に適応させることができ、上記要求Ｂ２
を満たすことができる。基準モデルパラメータベクトル
θｂａｓｅは、スロットル弁開度ＴＨ、目標開度ＴＨ
Ｒ、または目標値ＤＴＨＲ（ＴＨＲ−ＴＨＤＥＦ）に応
じて設定してもよい。スロットル弁開度偏差量ＤＴＨ
（スロットル弁開度ＴＨ）は、目標値ＤＴＨ（目標開度
ＴＨＲ）に一致するように制御されるからである。Reference model parameter vector θbase
Is set according to the throttle valve opening deviation amount DTH (= TH-THDEF) by the model parameter scheduler 25, so that it can be adapted to the change in the dynamic characteristic corresponding to the change in the throttle valve opening TH. Request B2
Can meet. The reference model parameter vector θbase is calculated based on the throttle valve opening TH and the target opening TH.
It may be set according to R or the target value DTHR (THR-THDEF). Throttle valve opening deviation amount DTH
This is because the (throttle valve opening TH) is controlled so as to match the target value DTH (target opening THR).

【０１５４】以上のように本実施形態では、固定ゲイン
アルゴリズムを採用することにより、ＥＣＵの演算量の
低減を図り（要求Ｂ４）、δ修正法を用いたアルゴリズ
ムを採用することにより、準静的動特性変化及びハード
ウエアの特性ばらつきに対する適応（要求Ｂ１）、モデ
ルパラメータ（制御性能）の安定化（要求Ｂ５）、及び
モデルパラメータのドリフト防止（要求Ｂ３）を実現
し、モデルパラメータスケジューラ２５を採用すること
により、スロットル弁開度ＴＨの変化に対応した動特性
変化への適応（要求Ｂ２）を実現している。As described above, in this embodiment, the fixed gain algorithm is adopted to reduce the amount of calculation of the ECU (requirement B4), and the algorithm using the δ correction method is adopted. Adapts to changes in dynamic characteristics and variations in hardware characteristics (requirement B1), stabilizes model parameters (control performance) (requirement B5), and prevents model parameter drift (requirement B3), and adopts the model parameter scheduler 25. By doing so, the adaptation (requirement B2) to the dynamic characteristic change corresponding to the change of the throttle valve opening TH is realized.

【０１５５】なお、式（１５ｆ）により算出されるモデ
ルパラメータベクトルθ(k)の各要素ａ１’，ａ２’，
ｂ１’及びｃ１’についてリミット処理を施し、修正モ
デルパラメータベクトルθＬ(k)（θＬ(k)^T＝［ａ１，
ａ２，ｂ１，ｃ１］）を算出する点は、第１の実施形態
と同様である。The elements a1 ', a2', of the model parameter vector θ (k) calculated by the equation (15f) are
Limit processing is performed on b1 ′ and c1 ′, and the modified model parameter vector θL (k) (θL (k) ^T = [a1,
a2, b1, c1]) is the same as in the first embodiment.

【０１５６】また、モデルパラメータｃ１’を統計処理
し、その変動の中心値をデフォルト開度ずれｔｈｄｅｆ
ａｄｐとして算出し、下記式（４１）（４２）（再掲）
によりスロットル弁開度偏差量ＤＴＨ及び目標値ＤＴＨ
Ｒを算出する点も、第１の実施形態と同様である。 ＤＴＨ(k)＝ＴＨ(k)−ＴＨＤＥＦ＋ｔｈｄｅｆａｄｐ （４１） ＤＴＨＲ(k)＝ＴＨＲ(k)−ＴＨＤＥＦ＋ｔｈｄｅｆａｄｐ （４２）Further, the model parameter c1 'is statistically processed, and the center value of the variation is used as the default opening deviation thdef.
Calculated as adp, and the following formulas (41) (42) (repost)
The throttle valve opening deviation amount DTH and the target value DTH
The point of calculating R is also the same as in the first embodiment. DTH (k) = TH (k) -THDEF + thdefadp (41) DTHR (k) = THR (k) -THDEF + thdefadp (42)

【０１５７】次に上述した適応スライディングモードコ
ントローラ２１ａ、モデルパラメータ同定器２２ａ及び
モデルパラメータスケジューラ２５の機能を実現するた
めの、ＥＣＵ７のＣＰＵにおける演算処理を説明する。Next, the arithmetic processing in the CPU of the ECU 7 for realizing the functions of the adaptive sliding mode controller 21a, the model parameter identifier 22a and the model parameter scheduler 25 described above will be described.

【０１５８】図３２は、スロットル弁開度制御の全体フ
ローチャートである。この処理は、図９に示すスロット
ル弁開度制御処理のステップＳ１３（状態予測器の演
算）を削除し、ステップＳ１２，Ｓ１４及びＳ１６を、
それぞれステップＳ１２ａ，１４ａ及び１６ａに変更し
たものである。FIG. 32 is an overall flowchart of throttle valve opening control. In this process, step S13 (calculation of the state predictor) of the throttle valve opening control process shown in FIG. 9 is deleted, and steps S12, S14 and S16 are executed.
These are changed to steps S12a, 14a and 16a, respectively.

【０１５９】ステップＳ１２ａでは、図３３に示すモデ
ルパラメータ同定器の演算、すなわち前記式（１５ｆ）
によるモデルパラメータベクトルθ(k)の算出処理を実
行し、さらにリミット処理を実行して修正モデルパラメ
ータベクトルθＬ(k)を算出する。In step S12a, the calculation of the model parameter identifier shown in FIG. 33, that is, the equation (15f) is performed.
The calculation process of the model parameter vector θ (k) is executed, and the limit process is further executed to calculate the modified model parameter vector θL (k).

【０１６０】ステップＳ１４ａでは、修正モデルパラメ
ータベクトルθＬ(k)を用いて、図３６に示す制御入力
Ｕｓｌ(k)の演算処理を実行する。すなわち、前記式
（９ｂ）（１０ｂ）（１１ｂ）により、等価制御入力Ｕ
ｅｑ、到達則入力Ｕｒｃｈ(k)及び適応則入力Ｕａｄｐ
(k)を算出し、それらの入力の総和として、制御入力Ｕ
ｓｌ(k)（＝デューティ比ＤＵＴ(k)）を算出する。In step S14a, the processing of the control input Usl (k) shown in FIG. 36 is executed using the modified model parameter vector θL (k). That is, the equivalent control input U is calculated by the equations (9b), (10b) and (11b).
eq, reaching law input Urch (k) and adaptive law input Uadp
(k) is calculated, and the control input U is calculated as the sum of those inputs.
sl (k) (= duty ratio DUT (k)) is calculated.

【０１６１】ステップＳ１６ａでは、図４１に示すスラ
イディングモードコントローラの安定判別処理を実行す
る。すなわち、予測切換関数値σｐｒｅに代えて、切換
関数値σを用いてスライディングモードコントローラの
安定性判別を行い、安定判別フラグＦＳＭＣＳＴＡＢの
設定を行う。この安定判別フラグＦＳＭＣＳＴＡＢは、
「１」に設定されたときの処理は、第１の実施形態と同
様である。In step S16a, the stability determination process of the sliding mode controller shown in FIG. 41 is executed. That is, the stability determination of the sliding mode controller is performed by using the switching function value σ instead of the predicted switching function value σpre, and the stability determination flag FSMCSTAB is set. This stability determination flag FSMCSTAB is
The process when set to "1" is the same as that in the first embodiment.

【０１６２】図３３は、モデルパラメータ同定器２２ａ
の演算処理のフローチャートである。この処理は、図１
１に示すモデルパラメータ同定器の演算処理のステップ
Ｓ３１〜Ｓ３４をそれぞれ、ステップＳ３１ａ〜Ｓ３４
ａに変更し、さらにステップＳ３３ｂ及びＳ３３ｃを追
加したものである。FIG. 33 shows the model parameter identifier 22a.
3 is a flowchart of the arithmetic processing of FIG. This process is shown in FIG.
Steps S31 to S34 of the calculation process of the model parameter identifier shown in FIG.
It is changed to a, and steps S33b and S33c are added.

【０１６３】ステップＳ３１ａでは、式（２０ａ）によ
りゲイン係数ベクトルＫＰ(k)を算出し、次いで式（１
８）及び（１９ａ）により推定スロットル弁開度偏差量
ＤＴＨＨＡＴ(k)を算出する（ステップＳ３２ａ）。ス
テップＳ３３ａでは、図３５に示すｉｄｅ(k)の演算処
理を実行し、同定誤差ｉｄｅ(k)を算出する。ステップ
Ｓ３３ｂでは、式（１５ｅ）により更新ベクトルｄθ
(k)を算出し、次いでスロットル弁開度偏差量ＤＴＨに
応じて図３４に示すθｂａｓｅテーブルを検索し、基準
モデルパラメータベクトルθｂａｓｅを算出する（ステ
ップＳ３３ｃ）。θｂａｓｅテーブルには、基準モデル
パラメータａ１ｂａｓｅ，ａ２ｂａｓｅ及びｂ１ｂａｓ
ｅが設定されている。スロットル弁開度偏差量ＤＴＨが
「０」近傍の値をとる（スロットル弁開度ＴＨが、デフ
ォルト開度ＴＨＤＥＦ近傍である）とき、基準モデルパ
ラメータａ１ｂａｓｅ及びｂ１ｂａｓｅは減少し、基準
モデルパラメータａ２ｂａｓｅは増加するように設定さ
れている。また、基準モデルパラメータｃ１ｂａｓｅ
は、「０」に設定される。In step S31a, the gain coefficient vector KP (k) is calculated by the equation (20a), and then the equation (1
The estimated throttle valve opening deviation amount DTHHAT (k) is calculated from 8) and (19a) (step S32a). In step S33a, the calculation processing of ide (k) shown in FIG. 35 is executed to calculate the identification error ide (k). In step S33b, the update vector dθ is calculated by the equation (15e).
(k) is calculated, and then the θbase table shown in FIG. 34 is searched according to the throttle valve opening deviation amount DTH to calculate the reference model parameter vector θbase (step S33c). In the θbase table, reference model parameters a1base, a2base, and b1bas are included.
e is set. When the throttle valve opening deviation amount DTH takes a value near “0” (the throttle valve opening TH is near the default opening THDEF), the reference model parameters a1base and b1base decrease and the reference model parameter a2base increases. Is set to. In addition, the reference model parameter c1base
Is set to "0".

【０１６４】ステップＳ３４ａでは、式（１５ｆ）によ
りモデルパラメータベクトルθ(k)を算出し、次いで第
１の実施形態と同様に、モデルパラメータベクトルθ
(k)の安定化処理を実行する（ステップＳ３５）。すな
わち各モデルパラメータのリミット処理を行って修正モ
デルパラメータベクトルθＬ(k)を算出する。In step S34a, the model parameter vector θ (k) is calculated by the equation (15f), and then the model parameter vector θ is calculated as in the first embodiment.
The stabilization process of (k) is executed (step S35). That is, the limit process of each model parameter is performed to calculate the modified model parameter vector θL (k).

【０１６５】図３５は、図３３のステップＳ３３ａで実
行されるｉｄｅ(k)演算処理のフローチャートである。
この処理は、図１２のｉｄｅ(k)演算処理のステップＳ
５６（不感帯処理）を削除し、ステップＳ５１をステッ
プＳ５１ａに変更したものである。すなわち本実施形態
では、δ修正法により、モデルパラメータのドリフトが
防止されるので、不感帯処理は実行しない。FIG. 35 is a flowchart of the side (k) calculation process executed in step S33a of FIG.
This process is step S of the ide (k) calculation process of FIG.
56 (dead zone process) is deleted and step S51 is changed to step S51a. That is, in the present embodiment, the delta correction method prevents the drift of the model parameter, so the dead zone process is not executed.

【０１６６】また、ステップＳ５１ａでは、推定スロッ
トル弁開度偏差量ＤＴＨＨＡＴ(k)を式（１８）及び
（１９ａ）により算出し、この推定スロットル弁開度偏
差量ＤＴＨＨＡＴ(k)を用いて同定誤差ｉｄｅ(k)を算出
する。本実施形態では、制御対象モデルのむだ時間ｄを
「０」としているので、ステップＳ５２の所定値ＸＣＮ
ＴＩＤＳＴは、例えば「２」に設定される。Further, in step S51a, the estimated throttle valve opening deviation amount DTHHAT (k) is calculated by the equations (18) and (19a), and the identification error is calculated using this estimated throttle valve opening deviation amount DTHHAT (k). Calculate ide (k). In this embodiment, since the dead time d of the controlled object model is set to "0", the predetermined value XCN of step S52 is set.
TIDST is set to “2”, for example.

【０１６７】図３６は、図３２のステップＳ１４ａで実
行される、スロットル弁駆動装置１０への制御入力Ｕｓ
ｌ（＝ＤＵＴ）を算出する処理のフローチャートであ
る。この処理は、図２２に示すＵｓｌ演算処理のステッ
プＳ２０１〜Ｓ２０５を、それぞれステップＳ２０１ａ
〜Ｓ２０５ａに変更したものである。FIG. 36 shows the control input Us to the throttle valve drive system 10 executed in step S14a of FIG.
It is a flowchart of the process which calculates 1 (= DUT). In this process, steps S201 to S205 of the Usl calculation process shown in FIG.
Up to S205a.

【０１６８】ステップＳ２０１ａでは、図３７に示す切
換関数値σの演算処理を実行し、ステップＳ２０２ａで
は、図３８に示す切換関数値σの積算値の演算処理を実
行する。ステップＳ２０３ａでは、前記式（９ｂ）によ
り、等価制御入力Ｕｅｑを算出する。ステップＳ２０４
ａでは、図３９に示す到達則入力Ｕｒｃｈの演算処理を
実行し、ステップＳ２０５ａでは、図４０に示す適応則
入力Ｕａｄｐの演算処理を実行する。In step S201a, the switching function value σ shown in FIG. 37 is executed, and in step S202a, the integrated value of the switching function value σ shown in FIG. 38 is executed. In step S203a, the equivalent control input Ueq is calculated by the equation (9b). Step S204
In a, the arithmetic processing of the reaching law input Urch shown in FIG. 39 is executed, and in step S205a, the arithmetic processing of the adaptive law input Uadp shown in FIG. 40 is executed.

【０１６９】図３７は、図３６のステップＳ２０１ａで
実行される切換関数値σの演算処理のフローチャートで
ある。この処理は、図２３に示す予測切換関数値σｐｒ
ｅの演算処理のステップＳ２２２〜Ｓ２２６を、それぞ
れステップＳ２２２ａ〜２２６ａに変更したものであ
る。FIG. 37 is a flow chart of the calculation processing of the switching function value σ executed in step S201a of FIG. This process is performed by using the prediction switching function value σpr shown in FIG.
Steps S222 to S226 of the arithmetic processing of e are changed to steps S222a to 226a, respectively.

【０１７０】ステップＳ２２２ａでは、前記式（５）に
より、切換関数値σ(k)を算出する。続くステップＳ２
２３ａ〜Ｓ２２６ａは、図２３のステップＳ２２３〜Ｓ
２２６の「σｐｒｅ」を「σ」に置き換えたものであ
り、切換関数値σ(k)に対して、図２３の処理と同様の
リミット処理を行う。In step S222a, the switching function value σ (k) is calculated by the equation (5). Continuing step S2
23a to S226a correspond to steps S223 to S in FIG.
In this example, “σpre” in 226 is replaced with “σ”, and the same limit processing as the processing in FIG. 23 is performed on the switching function value σ (k).

【０１７１】図３８は、図３６のステップＳ２０２ａで
実行される、切換関数値σの積算値ＳＵＭＳＩＧＭＡａ
を算出する処理のフローチャートである。この処理は、
図２６に示すσｐｒｅの積算値演算処理のステップＳ２
４１〜Ｓ２４５を、それぞれステップＳ２４１ａ〜Ｓ２
４５ａに変更したものである。積算値ＳＵＭＳＩＧＭＡ
ａは、後述する図４０の処理で適応則入力Ｕａｄｐの算
出に使用される（前記式（１１ｂ）参照）。FIG. 38 shows an integrated value SUMSIGMAa of the switching function value σ executed in step S202a of FIG.
It is a flowchart of the process which calculates. This process
Step S2 of the integrated value calculation process of σpre shown in FIG.
41 to S245 through steps S241a to S2, respectively.
It has been changed to 45a. Integrated value SUMSIGMA
a is used to calculate the adaptive law input Uadp in the process of FIG. 40 described later (see the above equation (11b)).

【０１７２】ステップＳ２４１ａでは、下記式（４７
ａ）により、積算値ＳＵＭＳＩＧＭＡａを算出する。 ＳＵＭＳＩＧＭＡａ(k)＝ＳＵＭＳＩＧＭＡａ(k-1)＋σ×ΔＴ （４７ａ） 続くステップＳ２４２ａ〜Ｓ２４５ａでは、算出した積
算値ＳＵＭＳＩＧＭＡａに対して、図２６の処理と同様
のリミット処理を行う。In step S241a, the following equation (47)
The integrated value SUMSIGMAa is calculated according to a). SUMSIGMAa (k) = SUMSIGMAa (k-1) + [sigma] * [Delta] T (47a) In the subsequent steps S242a to S245a, the calculated integrated value SUMSIGMAa is subjected to the same limit process as that of FIG.

【０１７３】図３９は、図３６のステップＳ２０４ａで
実行される到達則入力Ｕｒｃｈの演算処理のフローチャ
ートである。この処理は、図２７に示す到達則入力Ｕｒ
ｃｈ演算処理のステップＳ２６３及びＳ２６５をそれぞ
れステップＳ２６３ａ及びＳ２６５ａに変更したもので
ある。FIG. 39 is a flow chart of the arithmetic processing of the reaching law input Urch executed in step S204a of FIG. This process is performed by the reaching law input Ur shown in FIG.
The steps S263 and S265 of the ch arithmetic processing are changed to steps S263a and S265a, respectively.

【０１７４】すなわち、本実施形態では、予測切換関数
値σｐｒｅではなく、切換関数値σを用いて、適応スラ
イディングモードコントローラ２１ａが安定してるとき
の到達則入力Ｕｒｃｈの算出（ステップＳ２６３ａ）、
及び適応スライディングモードコントローラ２１ａが不
安定であるときの到達則入力Ｕｒｃｈの算出（ステップ
Ｓ２６５ａ）を実行する。That is, in the present embodiment, the reaching function input Urch when the adaptive sliding mode controller 21a is stable is calculated by using the switching function value σ instead of the predictive switching function value σpre (step S263a),
And the calculation of the reaching law input Urch when the adaptive sliding mode controller 21a is unstable (step S265a).

【０１７５】図４０は、図３６のステップＳ２０５ａで
実行される適応則入力Ｕａｄｐの演算処理のフローチャ
ートである。この処理は、図２８に示す適応則入力Ｕａ
ｄｐ演算処理のステップＳ２７３及びＳ２７５をそれぞ
れステップＳ２７３ａ及びＳ２７５ａに変更したもので
ある。FIG. 40 is a flowchart of the arithmetic processing of the adaptive law input Uadp executed in step S205a of FIG. This process corresponds to the adaptive law input Ua shown in FIG.
The steps S273 and S275 of the dp calculation process are changed to steps S273a and S275a, respectively.

【０１７６】すなわち、本実施形態では、切換関数値σ
の積算値ＳＵＭＳＩＧＵＭＡａを用いて、適応スライデ
ィングモードコントローラ２１ａが安定してるときの適
応則入力Ｕａｄｐの算出（ステップＳ２７３ａ）、及び
適応スライディングモードコントローラ２１ａが不安定
であるときの適応則入力Ｕａｄｐの算出（ステップＳ２
７５ａ）を実行する。That is, in the present embodiment, the switching function value σ
Of the adaptive law input Uadp when the adaptive sliding mode controller 21a is stable (step S273a) and the adaptive law input Uadp when the adaptive sliding mode controller 21a is unstable ( Step S2
75a) is executed.

【０１７７】図４１は、図３２のステップＳ１６ａで実
行されるスライディングモードコントローラの安定判別
処理のフローチャートである。この処理は、図２９のス
テップＳ２８１及びＳ２８１をそれぞれステップＳ２８
１ａ及びＳ２８２ａに変更したものである。FIG. 41 is a flowchart of the stability determination process of the sliding mode controller executed in step S16a of FIG. This process corresponds to steps S281 and S281 of FIG.
1a and S282a.

【０１７８】ステップＳ２８１ａでは下記式（５２ａ）
により、切換関数変化量Ｄσを算出し、ステップＳ２８
２ａでは、下記式（５３ａ）により、安定性判別パラメ
ータＳＧＭＳＴＡＢを算出する。すなわち、予測切換関
数値σｐｒｅではなく、切換関数値σに基づいて安定性
判別を行う。 Ｄσ＝σ(k)−σ(k-1) （５２ａ） ＳＧＭＳＴＡＢ＝Ｄσ×σ(k) （５３ａ）In step S281a, the following equation (52a)
Then, the switching function change amount Dσ is calculated, and step S28
In 2a, the stability determination parameter SGMSTAB is calculated by the following equation (53a). That is, the stability determination is performed based on the switching function value σ instead of the predicted switching function value σpre. Dσ = σ (k) −σ (k−1) (52a) SGMSTAB = Dσ × σ (k) (53a)

【０１７９】本実施形態では、スロットル弁駆動装置１
０及びＥＣＵ７の一部（モータ６に駆動電流を供給する
出力回路）がプラントに相当し、図３６の処理がスライ
ディングモードコントローラに相当し、図３３の処理が
同定手段に相当し、図３５の処理が同定誤差算出手段に
相当し、図３３のステップＳ３３ｂが更新ベクトル算出
手段及び更新ベクトル修正手段に相当する。In the present embodiment, the throttle valve drive device 1
0 and a part of the ECU 7 (an output circuit for supplying a drive current to the motor 6) correspond to the plant, the process of FIG. 36 corresponds to the sliding mode controller, the process of FIG. 33 corresponds to the identifying means, and the process of FIG. The process corresponds to the identification error calculating means, and step S33b in FIG. 33 corresponds to the update vector calculating means and the update vector correcting means.

【０１８０】（第３の実施形態）図４２は、本発明の第
３の実施形態にかかる制御系の構成を示すブロック図で
ある。この制御系は、制御対象であるプラント１０１
と、プラントの出力である混合液のｐＨ（ペーハー）を
検出するｐＨセンサ１０２と、ｐＨセンサ出力Ｖ１ＯＵ
Ｔから第１基準値Ｖ１ＢＡＳＥを減算する減算器１０３
と、制御目標値Ｖ１ＴＡＲＧＥＴを生成する目標値生成
部１０４と、第１操作量Ｕ１を決定する操作量決定部１
０５と、第１操作量Ｕ１と第２基準値Ｖ２ＢＡＳＥとを
加算し、第２操作量Ｕ２を出力する加算器１０６とから
なる。(Third Embodiment) FIG. 42 is a block diagram showing the structure of a control system according to the third embodiment of the present invention. This control system is a plant 101 to be controlled.
And a pH sensor 102 for detecting the pH (pH) of the mixed liquid, which is the output of the plant, and the pH sensor output V1OU
Subtractor 103 for subtracting the first reference value V1BASE from T
And a target value generator 104 that generates a control target value V1TARGET, and a manipulated variable determiner 1 that determines the first manipulated variable U1.
05, a first manipulated variable U1 and a second reference value V2BASE, and an adder 106 that outputs a second manipulated variable U2.

【０１８１】減算器１０３、目標値生成部１０４、操作
量決定部１０５及び加算器１０６は、具体的にはＣＰ
Ｕ、メモリ、入出力回路などからなる電子コントロール
ユニットにより構成される。プラント１０１は、第２操
作量Ｕ２に応じてアルカリ液の流量を制御する流量制御
弁１１１と、流量制御弁１１１を介して供給されるアル
カリ液と、酸性液とを攪拌する攪拌器１１２とからな
る。プラント１０１は、アルカリ液と酸性液とを攪拌す
ることにより、所望のｐＨ値の混合液を出力するもので
ある。Specifically, the subtractor 103, the target value generator 104, the manipulated variable determiner 105 and the adder 106 are CP
It is composed of an electronic control unit including a U, a memory, an input / output circuit, and the like. The plant 101 includes a flow rate control valve 111 that controls the flow rate of the alkaline liquid according to the second manipulated variable U2, and an agitator 112 that agitates the alkaline liquid supplied via the flow rate control valve 111 and the acidic liquid. Become. The plant 101 outputs a mixed liquid having a desired pH value by stirring an alkaline liquid and an acidic liquid.

【０１８２】操作量決定部１０５は、プラント１０１を
モデル化した制御対象モデルのモデルパラメータベクト
ルを同定する同定器１２１と、適応スライディングモー
ドコントローラ１２２と、予測器１２３とからなる。同
定器１２１、適応スライディングモードコントローラ１
２２、及び予測器１２３は、それぞれ第１の実施形態に
おけるモデルパラメータ同定器２２、適応スライディン
グモードコントローラ２１、及び状態予測器２３に対応
し、これらと同様の機能を有する。The manipulated variable determiner 105 comprises an identifier 121 for identifying a model parameter vector of a controlled object model that models the plant 101, an adaptive sliding mode controller 122, and a predictor 123. Identifier 121, adaptive sliding mode controller 1
22 and the predictor 123 correspond to the model parameter identifier 22, the adaptive sliding mode controller 21, and the state predictor 23 in the first embodiment, respectively, and have the same functions as these.

【０１８３】以下本実施形態における構成要素及びパラ
メータと、第１の実施形態における構成要素及びパラメ
ータとの対応関係を説明する。ｐＨセンサ１０２は、ス
ロットル弁開度センサ８に相当し、ｐＨセンサ１０２の
出力Ｖ１ＯＵＴは、スロットル弁開度ＴＨに相当する。
第１目標値Ｖ１ＢＡＳＥは、デフォルト開度ＴＨＤＥＦ
に相当するものであり、本実施形態では、例えば中性に
対応するｐＨ値とする。したがって、偏差量ＤＶ１がス
ロットル弁開度偏差量ＤＴＨに相当する。また目標値生
成部１０４が、目標開度設定部２４に相当し、制御目標
値Ｖ１ＴＡＲＧＥＴがスロットル弁開度偏差量の目標値
ＤＴＨＲに相当する。なお、第１の実施形態において
は、減算器１０３の機能は、モデルパラメータ同定器２
２及び状態予測器２３に含まれている。Correspondence between the components and parameters of this embodiment and the components and parameters of the first embodiment will be described below. The pH sensor 102 corresponds to the throttle valve opening sensor 8, and the output V1OUT of the pH sensor 102 corresponds to the throttle valve opening TH.
The first target value V1BASE is the default opening THDEF
In the present embodiment, for example, the pH value corresponds to neutrality. Therefore, the deviation amount DV1 corresponds to the throttle valve opening deviation amount DTH. Further, the target value generation unit 104 corresponds to the target opening setting unit 24, and the control target value V1TARGET corresponds to the target value DTHR of the throttle valve opening deviation amount. Note that in the first embodiment, the function of the subtractor 103 is that the model parameter identifier 2
2 and the state predictor 23.

【０１８４】第２基準値Ｖ２ＢＡＳＥは、適応スライデ
ィングモードコントローラ１２２の出力である第１操作
量Ｕ１の中心値をバイアスするために加算されるもので
ある。第１の実施形態では加算器１０６に相当する構成
要素はなく、したがって第２基準値Ｖ２ＢＡＳＥは実質
的に「０」とされている（すなわち、Ｕ１＝Ｕ２＝Ｕｓ
ｌである）。本実施形態では、第２基準値Ｖ２ＢＡＳＥ
は、例えば流量制御弁１１１の開度が５０％となるよう
な値に設定される。The second reference value V2BASE is added to bias the central value of the first manipulated variable U1, which is the output of the adaptive sliding mode controller 122. In the first embodiment, there is no component corresponding to the adder 106, and therefore the second reference value V2BASE is substantially “0” (that is, U1 = U2 = Us).
1). In the present embodiment, the second reference value V2BASE
Is set to a value such that the opening of the flow control valve 111 is 50%.

【０１８５】流量制御弁１１１は、デューティ比ＤＵＴ
のパルス信号でオンオフ制御されるスイッチング素子
（ＥＣＵ７の出力回路に含まれ、図示及び説明を省略し
ている）に相当し、アルカリ液は電源電圧に相当する。
また流量制御弁１１１の出力流量Ｖ２は、モータ６の駆
動電流に相当し、攪拌器１１２は、モータ６及びスロッ
トル弁３の弁体に相当し、酸性液はスロットル弁３の弁
体に加わる吸気管負圧や、リターンスプリング４及び弾
性部材５の付勢力に相当する。攪拌器１１２から出力さ
れるの混合液のｐＨ値Ｖ１が、実際のスロットル弁開度
に相当する。The flow control valve 111 has a duty ratio DUT.
Corresponds to a switching element (which is included in the output circuit of the ECU 7 and whose illustration and description are omitted) whose on / off is controlled by the pulse signal of 1. and the alkaline solution corresponds to the power supply voltage.
Further, the output flow rate V2 of the flow rate control valve 111 corresponds to the drive current of the motor 6, the agitator 112 corresponds to the valve body of the motor 6 and the throttle valve 3, and the acidic liquid is the intake air added to the valve body of the throttle valve 3. It corresponds to the tube negative pressure and the biasing force of the return spring 4 and the elastic member 5. The pH value V1 of the mixed liquid output from the stirrer 112 corresponds to the actual opening degree of the throttle valve.

【０１８６】以上のような対応関係があるので、プラン
ト１０１を第１の実施形態と同様にモデル化し、同様の
制御手法を適用することができる。すなわち、同定器１
２１は、第１操作量Ｕ１及び偏差量ＤＶ１に基づいて、
第１の実施形態と同様の演算処理により、修正モデルパ
ラメータパラメータベクトルθＬを算出し、予測器１２
３は、第１操作量Ｕ１、偏差量ＤＶ１及び修正モデルパ
ラメータベクトルθＬに基づいて、第１の実施形態と同
様の演算処理により、予測偏差量ＰＲＥＤＶ１を算出
し、適応スライディングモードコントローラ１２２は、
予測偏差量ＰＲＥＤＶ１及び修正モデルパラメータベク
トルθＬに基づいて、第１の実施形態と同様の演算処理
により、予測偏差量ＰＲＥＤＶ１を制御目標値Ｖ１ＴＡ
ＲＧＥＴに一致させるように、第１操作量Ｕ１を算出す
る。したがって、制御目標値Ｖ１ＴＡＲＧＥＴとして、
所望の相対ｐＨ値（第１基準値Ｖ１ＢＡＳＥとの偏差
量）を設定することにより、プラントの出力Ｖ１を所望
のｐＨ値に一致させることができる。Because of the above correspondence, the plant 101 can be modeled as in the first embodiment and the same control method can be applied. That is, the identifier 1
21 is based on the first operation amount U1 and the deviation amount DV1.
The modified model parameter parameter vector θL is calculated by the same arithmetic processing as that of the first embodiment, and the predictor 12
3 calculates a predicted deviation amount PREDV1 based on the first operation amount U1, the deviation amount DV1, and the modified model parameter vector θL by the same calculation process as in the first embodiment, and the adaptive sliding mode controller 122
Based on the predicted deviation amount PREDV1 and the modified model parameter vector θL, the predicted deviation amount PREDV1 is set to the control target value V1TA by the same calculation processing as that of the first embodiment.
The first manipulated variable U1 is calculated so as to match RGET. Therefore, as the control target value V1TARGET,
By setting a desired relative pH value (deviation amount from the first reference value V1BASE), the plant output V1 can be made to match the desired pH value.

【０１８７】本実施形態では、同定器１２１が同定手段
に相当し、同定誤差算出手段及び同定誤差修正手段を含
む。また予測器１２３が予測手段に相当する。In this embodiment, the identifier 121 corresponds to the identifying means, and includes the identifying error calculating means and the identifying error correcting means. Further, the predictor 123 corresponds to the predicting means.

【０１８８】（第３の実施形態の変形例）図４３は、図
４２に示す構成の変形例を示す図である。この変形例で
は、図４２のプラント１０１ではなく、プラント１０１
ａが制御対象とされる。プラント１０１ａは、プラント
１０１に、流量制御弁１１１の出力流量Ｖ２を検出する
流量センサ１１３と、流量センサ出力Ｖ２ＯＵＴが第２
操作量Ｕ２に対応する流量値と一致するように、流量制
御弁１１１を制御するフィードバック制御器１１４とを
追加して構成されている。(Modification of Third Embodiment) FIG. 43 shows a modification of the configuration shown in FIG. In this modification, the plant 101 is not the plant 101 of FIG.
a is a control target. The plant 101a has a flow rate sensor 113 that detects the output flow rate V2 of the flow rate control valve 111 and a flow rate sensor output V2OUT that is the second in the plant 101a.
A feedback controller 114 for controlling the flow rate control valve 111 is added so as to match the flow rate value corresponding to the manipulated variable U2.

【０１８９】このようにローカルフィードバックループ
を含むプラントに対しても、第３の実施形態と同様のモ
デル化及び同様の制御手法の適用が可能である。なお第
１の実施形態では、モータの駆動回路は公知のものであ
るため、詳細な説明を行っていないが、オンオフ制御さ
れるスイッチング素子の出力電流を検出する電流センサ
を設け、検出電流値ＩＤが、操作量Ｕｓｌに対応する電
流値ＩＲと一致するようにフィードバック制御を行うよ
うにしてもよく、本変形例は第１の実施形態においてそ
のような回路構成を採用した場合に相当する。As described above, the modeling and control method similar to those of the third embodiment can be applied to the plant including the local feedback loop. In the first embodiment, since the motor drive circuit is known, a detailed description will not be given. However, a current sensor for detecting the output current of the switching element controlled to be turned on / off is provided to detect the detected current value ID. However, the feedback control may be performed so as to match the current value IR corresponding to the manipulated variable Usl, and this modification corresponds to the case where such a circuit configuration is adopted in the first embodiment.

【０１９０】（第４の実施形態）図４４は、本発明の第
４の実施形態にかかる制御系の構成を示すブロック図で
ある。この制御系は、図４２の操作量決定部１０５を操
作量決定部１０５ａに代えたものであり、第２の実施形
態として示した制御系に対応する。なお、以下に説明す
る以外は第３の実施形態と同一である。(Fourth Embodiment) FIG. 44 is a block diagram showing the structure of a control system according to the fourth embodiment of the present invention. This control system replaces the manipulated variable determiner 105 of FIG. 42 with the manipulated variable determiner 105a, and corresponds to the control system shown as the second embodiment. The third embodiment is the same as the third embodiment except for the following description.

【０１９１】操作量決定部１０５ａは、同定器１２１ａ
と、適応スライディングモードコントローラ１２２ａ
と、パラメータスケジューラ１２４とからなる。同定器
１２１ａ、適応スライディングモードコントローラ１２
２ａ及びパラメータスケジューラ１２４は、それぞれ第
２の実施形態におけるモデルパラメータ同定器２２ａ、
適応スライディングモードコントローラ２１ａ及びモデ
ルパラメータスケジューラ２５に対応し、これらと同様
の機能を有する。The manipulated variable determiner 105a includes an identifier 121a.
And an adaptive sliding mode controller 122a
And a parameter scheduler 124. Identifier 121a, adaptive sliding mode controller 12
2a and the parameter scheduler 124 are the model parameter identifiers 22a and 22a in the second embodiment, respectively.
It corresponds to the adaptive sliding mode controller 21a and the model parameter scheduler 25, and has the same functions as these.

【０１９２】すなわち、パラメータスケジューラ１２４
は、偏差量ＤＶ１に基づいて第２の実施形態と同様の演
算処理により、基準モデルパラメータベクトルθｂａｓ
ｅを算出し、同定器１２１ａは、第１操作量Ｕ１、偏差
量ＤＶ１及び基準モデルパラメータベクトルθｂａｓｅ
に基づいて第２の実施形態と同様の演算処理により、修
正モデルパラメータベクトルθＬを算出し、適応スライ
ディングモードコントローラ１２２ａは、偏差量ＤＶ１
及び修正モデルパラメータベクトルθＬに基づいて、第
２の実施形態と同様の演算処理により偏差量ＤＶ１を制
御目標値Ｖ１ＴＡＲＧＥＴに一致させるように、第１操
作量Ｕ１を算出する。したがって、制御目標値Ｖ１ＴＡ
ＲＧＥＴとして、所望の相対ｐＨ値（第１基準値Ｖ１Ｂ
ＡＳＥとの偏差量）を設定することにより、プラントの
出力Ｖ１を所望のｐＨ値に一致させることができる。That is, the parameter scheduler 124
Is the reference model parameter vector θbas based on the deviation amount DV1 by the same calculation processing as that of the second embodiment.
Then, the identifier 121a calculates the first manipulated variable U1, the deviation amount DV1, and the reference model parameter vector θbase.
Based on the above, the modified model parameter vector θL is calculated by the same calculation processing as that of the second embodiment, and the adaptive sliding mode controller 122a determines the deviation amount DV1.
Also, based on the modified model parameter vector θL, the first manipulated variable U1 is calculated by the same calculation process as in the second embodiment so that the deviation amount DV1 matches the control target value V1TARGET. Therefore, the control target value V1TA
As RGET, a desired relative pH value (first reference value V1B
By setting the deviation amount from ASE), the plant output V1 can be made to match the desired pH value.

【０１９３】本実施形態では、同定器１２１ａが同定手
段に相当し、同定誤差算出手段、更新ベクトル算出手段
及び更新ベクトル修正手段を含む。In this embodiment, the identifier 121a corresponds to the identifying means, and includes the identification error calculating means, the update vector calculating means and the update vector correcting means.

【０１９４】（第４の実施形態の変形例）図４５は、図
４４に示す構成の変形例を示す図である。この変形例で
は、図４４のプラント１０１ではなく、プラント１０１
ａが制御対象とされる。プラント１０１ａは、図４３の
プラント１０１ａと同一である。このようにローカルフ
ィードバックループを含むプラントに対しても、第４の
実施形態と同様のモデル化及び同様の制御手法の適用が
可能である。(Modification of Fourth Embodiment) FIG. 45 shows a modification of the configuration shown in FIG. In this modification, the plant 101 is not the plant 101 of FIG.
a is a control target. The plant 101a is the same as the plant 101a of FIG. As described above, the modeling and the control method similar to those of the fourth embodiment can be applied to the plant including the local feedback loop.

【０１９５】（第５の実施形態）図４６は、本発明の第
５の実施形態にかかる制御系の構成を示すブロック図で
ある。(Fifth Embodiment) FIG. 46 is a block diagram showing the structure of a control system according to the fifth embodiment of the present invention.

【０１９６】この制御系は、内燃エンジン２１２を含む
制御対象であるエンジンシステム２０１と、エンジンシ
ステム２０１の排気中の酸素濃度ＶＯ２に応じて、エン
ジン２１２に供給される混合気の空燃比を検出する空燃
比センサ２０２と、空燃比センサ出力ＫＡＣＴ（空燃比
を当量比に換算した値を有する）から基準値ＫＢＳを減
算する減算器２０３と、制御目標値ＤＫＣＭＤを生成す
る目標値生成部２０４と、操作量ＤＫＡＦを決定する操
作量決定部２０５と、操作量ＤＫＡＦと基準値ＫＢＳと
を加算し、補正量ＫＡＦを出力する加算器２０６と、補
正量ＫＡＦ及び他のフィードフォワード制御項とを用い
て燃料量ＴＯＵＴを演算する燃料量演算部２０７からな
る。This control system detects the air-fuel ratio of the air-fuel mixture supplied to the engine 212 according to the engine system 201 which is the control target including the internal combustion engine 212 and the oxygen concentration VO2 in the exhaust of the engine system 201. An air-fuel ratio sensor 202, a subtractor 203 for subtracting a reference value KBS from an air-fuel ratio sensor output KACT (having a value obtained by converting the air-fuel ratio into an equivalence ratio), a target value generation unit 204 for generating a control target value DKCMD, Using the operation amount determination unit 205 that determines the operation amount DKAF, the adder 206 that adds the operation amount DKAF and the reference value KBS, and outputs the correction amount KAF, the correction amount KAF, and other feedforward control terms. The fuel amount calculation unit 207 calculates the fuel amount TOUT.

【０１９７】減算器２０３、目標値生成部２０４、操作
量決定部２０５、加算器２０６、及び燃料量演算部２０
７は、具体的にはＣＰＵ、メモリ、入出力回路などから
なる電子コントロールユニットにより構成される。エン
ジンシステム２０１は、燃料量ＴＯＵＴに応じて燃料を
噴射する燃料噴射弁２１１と、燃料噴射弁２１１を介し
て供給される燃料と吸入空気とからなる混合気を燃焼さ
せる内燃エンジン２１２とからなる。エンジンシステム
２０１は、燃料を燃焼させてエンジンの回転トルクを得
るとともに、燃焼ガス（排気）を排出する。The subtractor 203, the target value generator 204, the manipulated variable determiner 205, the adder 206, and the fuel amount calculator 20.
Reference numeral 7 specifically comprises an electronic control unit including a CPU, a memory, an input / output circuit, and the like. The engine system 201 includes a fuel injection valve 211 that injects fuel according to the fuel amount TOUT, and an internal combustion engine 212 that burns a mixture of fuel and intake air supplied via the fuel injection valve 211. The engine system 201 burns the fuel to obtain the rotational torque of the engine and discharges the combustion gas (exhaust gas).

【０１９８】操作量決定部２０５は、エンジンシステム
２０１をモデル化した制御対象モデルのモデルパラメー
タベクトルを同定する同定器２２１と、適応スライディ
ングモードコントローラ２２２と、予測器２２３とから
なる。同定器２２１、適応スライディングモードコント
ローラ２２２、及び予測器２２３は、それぞれ第１の実
施形態におけるモデルパラメータ同定器２２、適応スラ
イディングモードコントローラ２１、及び状態予測器２
３に対応し、これらと同様の機能を有する。The manipulated variable determiner 205 comprises an identifier 221, which identifies a model parameter vector of a controlled object model of the engine system 201, an adaptive sliding mode controller 222, and a predictor 223. The identifier 221, the adaptive sliding mode controller 222, and the predictor 223 are the model parameter identifier 22, the adaptive sliding mode controller 21, and the state predictor 2 in the first embodiment, respectively.
3 and has functions similar to these.

【０１９９】以下本実施形態における構成要素及びパラ
メータと、第１の実施形態における構成要素及びパラメ
ータとの対応関係を説明する。空燃比センサ２０２は、
スロットル弁開度センサ８に相当し、空燃比センサ２０
２の出力ＫＡＣＴは、スロットル弁開度ＴＨに相当す
る。基準値ＫＢＳは、デフォルト開度ＴＨＤＥＦに相当
するものであり、本実施形態では、例えば理論空燃比に
対応する値（１．０）とする。したがって、偏差量ＤＫ
がスロットル弁開度偏差量ＤＴＨに相当する。また目標
値生成部２０４が、目標開度設定部２４に相当し、制御
目標値ＤＫＣＭＤがスロットル弁開度偏差量の目標値Ｄ
ＴＨＲに相当する。なお、第１の実施形態においては、
減算器２０３の機能は、モデルパラメータ同定器２２及
び状態予測器２３に含まれている。Corresponding relationships between the constituent elements and parameters of this embodiment and the constituent elements and parameters of the first embodiment will be described below. The air-fuel ratio sensor 202 is
The air-fuel ratio sensor 20 corresponds to the throttle valve opening sensor 8.
The output KACT of 2 corresponds to the throttle valve opening TH. The reference value KBS corresponds to the default opening THDEF, and is set to a value (1.0) corresponding to, for example, the theoretical air-fuel ratio in the present embodiment. Therefore, the deviation amount DK
Corresponds to the throttle valve opening deviation amount DTH. Further, the target value generation unit 204 corresponds to the target opening degree setting unit 24, and the control target value DKCMD is the target value D of the throttle valve opening deviation amount.
Corresponds to THR. In addition, in the first embodiment,
The function of the subtractor 203 is included in the model parameter identifier 22 and the state predictor 23.

【０２００】適応スライディングモードコントローラ２
２２の出力である操作量ＤＫＡＦの中心値をバイアスす
るために、基準値ＫＢＳが加算器２０６により加算され
る。第１の実施形態では加算器２０６に相当する構成要
素はない。燃料噴射弁２１１は、デューティ比ＤＵＴの
パルス信号でオンオフ制御されるスイッチング素子（Ｅ
ＣＵ７の出力回路に含まれ、図示及び説明を省略してい
る）に相当し、燃料は電源電圧に相当する。また燃料噴
射弁２１１から噴射される燃料量ＦＡは、モータ６の駆
動電流に相当し、エンジン２１２は、モータ６及びスロ
ットル弁３の弁体に相当し、吸入空気はスロットル弁３
の弁体に加わる吸気管負圧や、リターンスプリング４及
び弾性部材５の付勢力に相当する。エンジン２１２から
排出される排気中の酸素濃度ＶＯ２が、実際のスロット
ル弁開度に相当する。Adaptive sliding mode controller 2
The reference value KBS is added by the adder 206 in order to bias the central value of the manipulated variable DKAF which is the output of 22. In the first embodiment, there is no component corresponding to the adder 206. The fuel injection valve 211 has a switching element (E) which is on / off controlled by a pulse signal having a duty ratio DUT.
It is included in the output circuit of the CU 7 and is not shown and described), and the fuel corresponds to the power supply voltage. The fuel amount FA injected from the fuel injection valve 211 corresponds to the drive current of the motor 6, the engine 212 corresponds to the valve body of the motor 6 and the throttle valve 3, and the intake air corresponds to the throttle valve 3.
This corresponds to the negative pressure of the intake pipe applied to the valve body and the biasing force of the return spring 4 and the elastic member 5. The oxygen concentration VO2 in the exhaust gas emitted from the engine 212 corresponds to the actual throttle valve opening.

【０２０１】以上のような対応関係があるので、エンジ
ンシステム２０１を第１の実施形態と同様にモデル化
し、同様の制御手法を適用することができる。すなわ
ち、同定器２２１は、操作量ＤＫＡＦ及び偏差量ＤＫに
基づいて、第１の実施形態と同様の演算処理により、修
正モデルパラメータパラメータベクトルθＬを算出し、
予測器２２３は、操作量ＤＫＡＦ、偏差量ＤＫ及び修正
モデルパラメータベクトルθＬに基づいて、第１の実施
形態と同様の演算処理により、予測偏差量ＰＲＥＤＫを
算出し、適応スライディングモードコントローラ２２２
は、予測偏差量ＰＲＥＤＫ及び修正モデルパラメータベ
クトルθＬに基づいて、第１の実施形態と同様の演算処
理により、予測偏差量ＰＲＥＤＫを制御目標値ＤＫＣＭ
Ｄに一致させるように、操作量ＤＫＡを算出する。した
がって、制御目標値ＤＫＣＭＤとして、所望の空燃比修
正値（基準値ＫＢＳとの偏差量）を設定することによ
り、エンジン２１２に供給される混合気の空燃比を所望
の空燃比に一致させることができる。Because of the above correspondence, it is possible to model the engine system 201 as in the first embodiment and apply the same control method. That is, the identifier 221 calculates the modified model parameter parameter vector θL based on the operation amount DKAF and the deviation amount DK by the same calculation process as in the first embodiment,
The predictor 223 calculates the predicted deviation amount PREDK by the same calculation processing as that of the first embodiment based on the manipulated variable DKAF, the deviation amount DK, and the modified model parameter vector θL, and the adaptive sliding mode controller 222.
Based on the predicted deviation amount PREDK and the modified model parameter vector θL, the predicted deviation amount PREDK is set to the control target value DKCM by the same calculation process as in the first embodiment.
The manipulated variable DKA is calculated so as to match D. Therefore, by setting a desired air-fuel ratio correction value (deviation from the reference value KBS) as the control target value DKCMD, the air-fuel ratio of the air-fuel mixture supplied to the engine 212 can be made to match the desired air-fuel ratio. it can.

【０２０２】本実施形態では、同定器２２１が同定手段
に相当し、同定誤差算出手段及び同定誤差修正手段を含
む。また予測器２２３が予測手段に相当する。In this embodiment, the identifier 221 corresponds to the identifying means, and includes the identifying error calculating means and the identifying error correcting means. Further, the predictor 223 corresponds to the predicting means.

【０２０３】（第６の実施形態）図４７は、本発明の第
６の実施形態にかかる制御系の構成を示すブロック図で
ある。この制御系は、図４６の操作量決定部２０５を操
作量決定部２０５ａに代えたものであり、第２の実施形
態として示した制御系に対応する。なお、以下に説明す
る以外は第５の実施形態と同一である。(Sixth Embodiment) FIG. 47 is a block diagram showing the structure of a control system according to the sixth embodiment of the present invention. This control system replaces the manipulated variable determiner 205 of FIG. 46 with the manipulated variable determiner 205a, and corresponds to the control system shown as the second embodiment. The fifth embodiment is the same as the fifth embodiment except for the following description.

【０２０４】操作量決定部２０５ａは、同定器２２１ａ
と、適応スライディングモードコントローラ２２２ａ
と、パラメータスケジューラ２２４とからなる。同定器
２２１ａ、適応スライディングモードコントローラ２２
２ａ及びパラメータスケジューラ２２４は、それぞれ第
２の実施形態におけるモデルパラメータ同定器２２ａ、
適応スライディングモードコントローラ２１ａ及びモデ
ルパラメータスケジューラ２５に対応し、これらと同様
の機能を有する。The manipulated variable determiner 205a includes an identifier 221a.
And an adaptive sliding mode controller 222a
And a parameter scheduler 224. Identifier 221a, adaptive sliding mode controller 22
2a and the parameter scheduler 224 are the model parameter identifiers 22a and 22a in the second embodiment, respectively.
It corresponds to the adaptive sliding mode controller 21a and the model parameter scheduler 25, and has the same functions as these.

【０２０５】すなわち、パラメータスケジューラ２２４
は、偏差量ＤＫに基づいて第２の実施形態と同様の演算
処理により、基準モデルパラメータベクトルθｂａｓｅ
を算出し、同定器２２１ａは、操作量ＤＫＡＦ、偏差量
ＤＫ及び基準モデルパラメータベクトルθｂａｓｅに基
づいて第２の実施形態と同様の演算処理により、修正モ
デルパラメータベクトルθＬを算出し、適応スライディ
ングモードコントローラ２２２ａは、偏差量ＤＫ及び修
正モデルパラメータベクトルθＬに基づいて、第２の実
施形態と同様の演算処理により偏差量ＤＫを制御目標値
ＤＫＣＭＤに一致させるように、操作量ＤＫＡＦを算出
する。したがって、制御目標値ＤＫＣＭＤとして、所望
の空燃比修正値（基準値ＫＢＳとの偏差量）を設定する
ことにより、エンジン２１２に供給される混合気の空燃
比を所望の空燃比に一致させることができる。That is, the parameter scheduler 224
Is the reference model parameter vector θbase based on the deviation amount DK by the same calculation process as that of the second embodiment.
The identifier 221a calculates the modified model parameter vector θL based on the operation amount DKAF, the deviation amount DK, and the reference model parameter vector θbase by the same calculation process as in the second embodiment, and the adaptive sliding mode controller 222a calculates the manipulated variable DKAF based on the deviation amount DK and the modified model parameter vector θL so that the deviation amount DK coincides with the control target value DKCMD by the same calculation process as in the second embodiment. Therefore, by setting a desired air-fuel ratio correction value (deviation amount from the reference value KBS) as the control target value DKCMD, the air-fuel ratio of the air-fuel mixture supplied to the engine 212 can be made to match the desired air-fuel ratio. it can.

【０２０６】本実施形態では、同定器２２１ａが同定手
段に相当し、同定誤差算出手段、更新ベクトル算出手段
及び更新ベクトル修正手段を含む。In this embodiment, the identifier 221a corresponds to the identifying means, and includes the identification error calculating means, the update vector calculating means and the update vector correcting means.

【０２０７】（その他の実施形態）モデルパラメータの
同定誤差ｉｄｅ(k)の算出手法として、δ修正法に代え
て、以下に述べるε修正法を採用してもよい。すなわ
ち、前記式（１５ｃ）に代えて、下記式（１５ｇ）によ
り、モデルパラメータベクトルθ(k)を算出するように
してもよい。 θ(k)＝ＥＰＳ^kθ(0) ＋ＥＰＳ^k-1×ＫＰ(1)ｉｄｅ(1) ＋ＥＰＳ^k-2×ＫＰ(2)ｉｄｅ(2)＋…… ＋ＥＰＳ×ＫＰ(k-1)ｉｄｅ(k-1)＋ＫＰ(k)ｉｄｅ(k) （１５ｇ）(Other Embodiments) As a calculation method of the model parameter identification error ide (k), the ε correction method described below may be adopted instead of the δ correction method. That is, the model parameter vector θ (k) may be calculated by the following equation (15g) instead of the equation (15c). θ (k) = EPS ^k θ (0) + EPS ^k-1 × KP (1) ide (1) + EPS ^k-2 × KP (2) ide (2) + …… + EPS × KP (k-1) ide ( k-1) + KP (k) ide (k) (15g)

【０２０８】ここで、ＥＰＳは下記式で示すように、忘
却係数ＥＰＳｉ（ｉ＝１〜４）を要素とする忘却係数ベ
クトルである。ＥＰＳ＝［ＥＰＳ１，ＥＰＳ２，ＥＰＳ
３，ＥＰＳ４］忘却係数ＥＰＳ１，ＥＰＳ２及びＥＰＳ
４は、前記忘却係数ＤＥＬＴＡｉと同様に、０から１の
間の値に設定され（０＜ＥＰＳｉ＜１）、過去の同定誤
差の影響を徐々に減少させる機能を有する。Here, EPS is a forgetting coefficient vector having forgetting coefficient EPSi (i = 1 to 4) as an element, as shown by the following equation. EPS = [EPS1, EPS2, EPS
3, EPS4] forgetting factor EPS1, EPS2 and EPS
Similar to the forgetting factor DELTAi, 4 is set to a value between 0 and 1 (0 <EPSi <1) and has a function of gradually reducing the influence of past identification error.

【０２０９】ただしε修正法の場合、モデルパラメータ
ｂ１の演算に係る係数ＥＰＳ３は、必ず「１」にする必
要がある。これは、以下の理由による。ε修正法の場
合、同定誤差ｉｄｅ(k)が小さくなると、モデルパラメ
ータはすべてゼロ近傍の値となる。ところが、モデルパ
ラメータｂ１は、式（９ｂ）、（１０ｂ）、（１１ｂ）
の分母に適用されるため、モデルパラメータｂ１が
「０」に近づくと、制御対象への入力Ｕｓｌが発散する
からである。However, in the case of the ε correction method, the coefficient EPS3 related to the calculation of the model parameter b1 must be set to “1”. This is for the following reason. In the case of the ε correction method, when the identification error ide (k) becomes small, the model parameters are all values near zero. However, the model parameter b1 is expressed by the equations (9b), (10b), (11b).
Since it is applied to the denominator of, the input Usl to the controlled object diverges when the model parameter b1 approaches “0”.

【０２１０】式（１５ｇ）は、初期値ベクトルθ(0)に
も忘却係数ベクトルＥＰＳが乗算されている点で、式
（１５ｃ）と異なる。式（１５ｇ）を漸化式形式に書き
直すと、下記式（１５ｈ）が得られる。前記式（１５）
に代えて下記式（１５ｈ）を用いてモデルパラメータベ
クトルθ(k)を算出する手法を、ε修正法と呼ぶ。 θ(k)＝ＥＰＳ×θ(k-1)＋ＫＰ(k)ｉｄｅ(k) （１５ｈ）The expression (15g) is different from the expression (15c) in that the initial value vector θ (0) is also multiplied by the forgetting coefficient vector EPS. Rewriting the formula (15g) in the recurrence form, the following formula (15h) is obtained. Formula (15)
Instead of, the method of calculating the model parameter vector θ (k) using the following equation (15h) is called the ε correction method. θ (k) = EPS × θ (k-1) + KP (k) ide (k) (15h)

【０２１１】ε修正法によっても、過去の同定誤差ｅｉ
ｄの影響が低減されるので、モデルパラメータのドリフ
トを防止することができる。また第２の実施形態では、
δ修正法によりモデルパラメータのドリフトを防止する
ようにしたが、第１の実施形態と同様に、不感帯処理
（図１４）により修正同定誤差ｉｄｅｎｌ(k)を算出
し、これを用いてモデルパラメータベクトルθ(k)を算
出するようにしてもよい。Even with the ε correction method, the past identification error ei
Since the influence of d is reduced, it is possible to prevent drift of model parameters. In addition, in the second embodiment,
Although the model parameter drift is prevented by the δ correction method, the correction identification error idenl (k) is calculated by the dead zone process (FIG. 14) as in the first embodiment, and this is used to calculate the model parameter vector. It is also possible to calculate θ (k).

【０２１２】また第１の実施形態において、不感帯処理
に代えてδ修正法またはε修正法を採用してもよい。さ
らに、第１の実施形態においてδ修正法を採用する場合
には、第２の実施形態と同様にモデルパラメータスケジ
ューラを導入し、モデルパラメータスケジューラにより
算出される基準モデルパラメータベクトルθｂａｓｅに
更新ベクトルを加算する形式でモデルパラメータベクト
ルθを算出することが望ましい。In the first embodiment, the δ correction method or the ε correction method may be adopted instead of the dead zone processing. Further, when the δ correction method is adopted in the first embodiment, a model parameter scheduler is introduced as in the second embodiment, and the update vector is added to the reference model parameter vector θbase calculated by the model parameter scheduler. It is desirable to calculate the model parameter vector θ in the following format.

【０２１３】また本発明は、クランク軸を鉛直方向とし
た船外機などのような船舶推進機用エンジンなどの制御
にも適用が可能である。The present invention can also be applied to the control of an engine for a marine propulsion machine such as an outboard motor having a crankshaft in the vertical direction.

【０２１４】[0214]

【発明の効果】以上詳述したように請求項１に記載の発
明によれば、モデルパラメータベクトルの同定誤差に応
じて更新ベクトルが算出され、該更新ベクトルの少なく
とも１つの要素の過去値に０より大きく１より小さい所
定値を乗算することにより、更新ベクトルが修正され、
モデルパラメータの基準ベクトルに修正された更新ベク
トルを加算することにより、モデルパラメータベクトル
が算出されるので、更新ベクトルの要素のとりうる値が
制限され、モデルパラメータベクトルを基準ベクトル近
傍に安定させることができる。その結果、モデルパラメ
ータのドリフトが防止され、スライディングモード制御
の安定性を向上させることができる。As described above in detail, according to the first aspect of the invention, the update vector is calculated according to the identification error of the model parameter vector, and the past value of at least one element of the update vector is set to 0. The update vector is modified by multiplying by a predetermined value greater than 1 and
Since the model parameter vector is calculated by adding the modified update vector to the reference vector of the model parameter, the possible values of the elements of the update vector are limited, and the model parameter vector can be stabilized near the reference vector. it can. As a result, the drift of the model parameter can be prevented and the stability of the sliding mode control can be improved.

【０２１５】請求項２に記載の発明によれば、更新ベク
トルの要素のうち、プラントの入力に関わる要素または
プラントの入出力に関わらない要素については、０より
大きく１より小さい所定値が乗算されないので、更新ベ
クトルの修正による定常偏差の増加を防止することがで
きる。According to the invention described in claim 2, among the elements of the update vector, the elements related to the input of the plant or the elements not related to the input / output of the plant are not multiplied by the predetermined value larger than 0 and smaller than 1. Therefore, it is possible to prevent the steady deviation from increasing due to the modification of the update vector.

【０２１６】請求項３に記載の発明によれば、基準ベク
トルの少なくとも１つの要素にも前記所定値が乗算さ
れ、モデルパラメータベクトルが算出され、請求項１に
記載の発明と同様の効果を奏する。請求項４に記載の発
明によれば、モデルパラメータの同定誤差が所定の範囲
内にあるときは、同定誤差が減少方向に修正され、該修
正された同定誤差を用いてモデルパラメータベクトルが
算出されるので、同定誤差がモデルパラメータに蓄積す
ることが抑制され、モデルパラメータのドリフトを防止
することができ、スライディングモード制御の安定性を
向上させることができる。According to the invention of claim 3, at least one element of the reference vector is also multiplied by the predetermined value to calculate the model parameter vector, and the same effect as the invention of claim 1 is obtained. . According to the invention described in claim 4, when the identification error of the model parameter is within a predetermined range, the identification error is corrected in a decreasing direction, and the model parameter vector is calculated using the corrected identification error. Therefore, it is possible to prevent the identification error from being accumulated in the model parameter, prevent the model parameter from drifting, and improve the stability of the sliding mode control.

【０２１７】請求項５に記載の発明によれば、同定誤差
が前記所定範囲内にあるときは、同定誤差が０とされる
ので、モデルパラメータの値に反映されるべきでない同
定誤差の影響を無くし、モデルパラメータのドリフト防
止効果を高めることができる。According to the fifth aspect of the present invention, when the identification error is within the predetermined range, the identification error is set to 0. Therefore, the influence of the identification error that should not be reflected in the value of the model parameter is reduced. It is possible to improve the effect of preventing the drift of the model parameter by eliminating it.

【０２１８】請求項６に記載の発明によれば、前記所定
範囲が、制御目標値の変化量に応じて設定されるので、
寄与度合を低減すべき同定誤差の範囲が適切なものとな
り、モデルパラメータの値に反映させるべき同定誤差
を、不要な誤差として低減または無視してしまうことを
防止することができる。According to the sixth aspect of the invention, the predetermined range is set according to the amount of change in the control target value.
The range of the identification error for which the contribution degree should be reduced becomes appropriate, and it is possible to prevent the identification error to be reflected in the value of the model parameter from being reduced or ignored as an unnecessary error.

【０２１９】請求項７に記載の発明によれば、固定ゲイ
ンアルゴリズムを用いてモデルパラメータベクトルが算
出されるので、演算量を低減することができる。請求項
８に記載の発明によれば、ローパスフィルタ処理後の同
定誤差を用いてモデルパラメータベクトルの同定が行わ
れるので、制御対象モデルの周波数特性が、プラントの
実際の周波数特性とより近いものとなり、制御のロバス
ト性を高め、制御をさらに安定化することができる。According to the invention described in claim 7, since the model parameter vector is calculated by using the fixed gain algorithm, the amount of calculation can be reduced. According to the invention described in claim 8, since the model parameter vector is identified by using the identification error after the low-pass filter processing, the frequency characteristic of the controlled object model becomes closer to the actual frequency characteristic of the plant. The control can be made more robust and the control can be further stabilized.

【０２２０】請求項９に記載の発明によれば、予測手段
によりプラントの出力の予測値が算出されるので、むだ
時間要素を有するプラントの制御を精度良く行うことが
できる。請求項１０に記載の発明によれば、同定手段に
より同定されたモデルパラメータを用いて予測値の算出
が行われるので、プラントの動特性が経時変化した場合
や環境条件などによって変化した場合でも精度のよい予
測値を算出することができる。According to the ninth aspect of the present invention, since the predicted value of the output of the plant is calculated by the prediction means, it is possible to accurately control the plant having the dead time element. According to the invention described in claim 10, since the predicted value is calculated using the model parameter identified by the identifying means, the accuracy is improved even when the dynamic characteristics of the plant change with time or due to environmental conditions. It is possible to calculate a predicted value that is good.

【０２２１】請求項１１に記載の発明によれば、プラン
トへの制御入力は適応則入力を含むので、外乱やモデル
化誤差（実際のプラントとモデル化した制御対象モデル
との差）があっても、良好な制御性を実現することがで
きる。請求項１２に記載の発明によれば、同定手段によ
り同定された安定なモデルパラメータを用いて、スライ
ディングモードコントローラにより、スロットル弁開度
を目標開度に一致させる制御が行われるので、スロット
ル弁開度の目標開度への制御性を向上させ、しかも安定
した制御を実現することができる。According to the eleventh aspect of the invention, since the control input to the plant includes the adaptive law input, there are disturbances and modeling errors (difference between the actual plant and the modeled controlled object model). Also, good controllability can be realized. According to the twelfth aspect of the present invention, since the sliding mode controller controls the throttle valve opening to match the target opening using the stable model parameter identified by the identifying means, the throttle valve opening is performed. Controllability to the target opening degree can be improved, and stable control can be realized.

【０２２２】請求項１３に記載の発明によれば、同定手
段により同定された安定なモデルパラメータを用いて、
スライディングモードコントローラにより、空燃比を目
標空燃比に一致させる制御が行われるので、空燃比の目
標空燃比への制御性を向上させ、しかも安定した制御を
実現することができる。According to the thirteenth aspect of the present invention, the stable model parameters identified by the identifying means are used,
Since the sliding mode controller controls the air-fuel ratio to match the target air-fuel ratio, the controllability of the air-fuel ratio to the target air-fuel ratio can be improved and stable control can be realized.

【図面の簡単な説明】[Brief description of drawings]

【図１】本発明の一実施形態にかかる内燃機関のスロッ
トル弁駆動装置と、その制御装置を示す図である。FIG. 1 is a diagram showing a throttle valve drive system for an internal combustion engine and a control system therefor according to an embodiment of the present invention.

【図２】図１に示すスロットル弁駆動装置の周波数特性
を示す図である。FIG. 2 is a diagram showing frequency characteristics of the throttle valve driving device shown in FIG.

【図３】図１の電子制御ユニット（ＥＣＵ）により実現
される機能を示す機能ブロック図である。FIG. 3 is a functional block diagram showing functions realized by the electronic control unit (ECU) of FIG.

【図４】スライディングモードコントローラの制御特性
と、切換関数設定パラメータ（ＶＰＯＬＥ）の値との関
係を示す図である。FIG. 4 is a diagram showing a relationship between a control characteristic of a sliding mode controller and a value of a switching function setting parameter (VPOLE).

【図５】スライディングモードコントローラの制御ゲイ
ン（Ｆ，Ｇ）の設定範囲を示す図である。FIG. 5 is a diagram showing a setting range of control gains (F, G) of a sliding mode controller.

【図６】モデルパラメータのドリフトを説明するための
図である。FIG. 6 is a diagram for explaining drift of model parameters.

【図７】同定誤差を修正する関数を示す図である。FIG. 7 is a diagram showing a function for correcting an identification error.

【図８】スロットル弁のデフォルト開度ずれがモデルパ
ラメータ（ｃ１’）に反映されることを説明するための
図である。FIG. 8 is a diagram for explaining that the default opening deviation of the throttle valve is reflected in the model parameter (c1 ′).

【図９】スロットル弁開度制御処理のフローチャートで
ある。FIG. 9 is a flowchart of throttle valve opening control processing.

【図１０】図９の処理において状態変数の設定を行う処
理のフローチャートである。10 is a flowchart of a process of setting a state variable in the process of FIG.

【図１１】図９の処理においてモデルパラメータ同定器
の演算を実行する処理のフローチャートである。11 is a flowchart of a process of executing a calculation of a model parameter identifier in the process of FIG.

【図１２】図１１の処理において同定誤差（ｉｄｅ）の
演算を実行する処理のフローチャートである。12 is a flowchart of a process of executing an identification error (ide) operation in the process of FIG.

【図１３】同定誤差（ｉｄｅ）のローパスフィルタ処理
を説明するための図である。FIG. 13 is a diagram for explaining low-pass filter processing of an identification error (ide).

【図１４】図１２の処理における不感帯処理のフローチ
ャートである。FIG. 14 is a flowchart of a dead zone process in the process of FIG.

【図１５】図１４の処理で使用されるテーブルを示す図
である。15 is a diagram showing a table used in the processing of FIG.

【図１６】図１１の処理におけるモデルパラメータベク
トル（θ）の安定化処理のフローチャートである。16 is a flowchart of a stabilization process of a model parameter vector (θ) in the process of FIG.

【図１７】図１６の処理におけるモデルパラメータ（ａ
１’，ａ２’）のリミット処理のフローチャートであ
る。FIG. 17 is a model parameter (a in the process of FIG.
It is a flowchart of the limit process of 1 ', a2').

【図１８】図１６の処理によるモデルパラメータの値の
変化を説明するための図である。FIG. 18 is a diagram for explaining changes in the values of model parameters by the processing of FIG.

【図１９】図１６の処理におけるモデルパラメータ（ｂ
１’）のリミット処理のフローチャートである。FIG. 19 is a model parameter (b in the process of FIG.
It is a flowchart of the limit process of 1 ').

【図２０】図１６の処理におけるモデルパラメータ（ｃ
１’）のリミット処理のフローチャートである。FIG. 20 is a diagram showing model parameters (c
It is a flowchart of the limit process of 1 ').

【図２１】図９の処理において状態予測器の演算を実行
する処理のフローチャートである。21 is a flowchart of a process of executing a calculation of a state predictor in the process of FIG.

【図２２】図９の処理において制御入力（Ｕｓｌ）の演
算を実行する処理のフローチャートである。22 is a flowchart of a process of executing a control input (Usl) operation in the process of FIG. 9.

【図２３】図２２の処理において予測切換関数値（σｐ
ｒｅ）の演算を実行する処理のフローチャートである。FIG. 23 is a prediction switching function value (σp in the process of FIG. 22;
5 is a flowchart of a process for executing the calculation of re).

【図２４】図２３の処理において切換関数設定パラメー
タ（ＶＰＯＬＥ）の演算を実行する処理のフローチャー
トである。FIG. 24 is a flowchart of a process for executing a calculation of a switching function setting parameter (VPOLE) in the process of FIG.

【図２５】図２４の処理で使用するマップを示す図であ
る。FIG. 25 is a diagram showing a map used in the processing of FIG. 24.

【図２６】図２２の処理において予測切換関数値（σｐ
ｒｅ）の積算値の演算を実行する処理のフローチャート
である。FIG. 26 is a prediction switching function value (σp
5 is a flowchart of a process for executing the calculation of the integrated value of (re).

【図２７】図２２の処理において到達則入力（Ｕｒｃ
ｈ）の演算を実行する処理のフローチャートである。FIG. 27 is a diagram showing a reaching rule input (Urc) in the process of FIG.
It is a flowchart of the process which performs the calculation of h).

【図２８】図２２の処理において適応則入力（Ｕａｄ
ｐ）の演算を実行する処理のフローチャートである。FIG. 28 is a diagram illustrating an adaptive law input (Uad
It is a flowchart of the process which performs the calculation of p).

【図２９】図９の処理においてスライディングモードコ
ントローラの安定判別を実行する処理のフローチャート
である。FIG. 29 is a flowchart of a process of executing stability determination of the sliding mode controller in the process of FIG. 9.

【図３０】図９の処理においてデフォルト開度ずれ（ｔ
ｈｄｅｆａｄｐ）の演算を実行する処理のフローチャー
トである。30 is a diagram illustrating a default opening deviation (t
6 is a flowchart of a process for executing a calculation of (hdefadp).

【図３１】図１の電子制御ユニット（ＥＣＵ）により実
現される機能を示す機能ブロック図である（第２の実施
形態）。FIG. 31 is a functional block diagram showing functions realized by the electronic control unit (ECU) of FIG. 1 (second embodiment).

【図３２】スロットル弁開度制御処理のフローチャート
である（第２の実施形態）。FIG. 32 is a flowchart of throttle valve opening control processing (second embodiment).

【図３３】図３２の処理においてモデルパラメータ同定
器の演算を実行する処理のフローチャートである。FIG. 33 is a flowchart of a process of executing a calculation of a model parameter identifier in the process of FIG. 32.

【図３４】図３３の処理で使用するテーブルを示す図で
ある。FIG. 34 is a diagram showing a table used in the processing of FIG. 33.

【図３５】図３３の処理において同定誤差（ｉｄｅ）の
演算を実行する処理のフローチャートである。FIG. 35 is a flowchart of a process for executing an identification error (ide) operation in the process of FIG. 33.

【図３６】図３２の処理において制御入力（Ｕｓｌ）の
演算を実行する処理のフローチャートである。FIG. 36 is a flowchart of a process for executing a calculation of a control input (Usl) in the process of FIG. 32.

【図３７】図３６の処理において切換関数値（σ）の演
算を実行する処理のフローチャートである。FIG. 37 is a flowchart of a process of executing a calculation of a switching function value (σ) in the process of FIG. 36.

【図３８】図３６の処理において切換関数値（σ）の積
算値の演算を実行する処理のフローチャートである。FIG. 38 is a flowchart of a process of performing an integrated value of a switching function value (σ) in the process of FIG. 36.

【図３９】図３６の処理において到達則入力（Ｕｒｃ
ｈ）の演算を実行する処理のフローチャートである。39 is a reaching law input (Urc) in the process of FIG.
It is a flowchart of the process which performs the calculation of h).

【図４０】図３６の処理において適応則入力（Ｕａｄ
ｐ）の演算を実行する処理のフローチャートである。40 is a diagram showing an adaptive law input (Uad
It is a flowchart of the process which performs the calculation of p).

【図４１】図３２の処理においてスライディングモード
コントローラの安定判別を実行する処理のフローチャー
トである。41 is a flowchart of a process for executing stability determination of the sliding mode controller in the process of FIG. 32.

【図４２】本発明の第３の実施形態に係る制御系の構成
を示すブロック図である。FIG. 42 is a block diagram showing a configuration of a control system according to a third embodiment of the present invention.

【図４３】図４２に示す構成の変形例を示すブロック図
である。43 is a block diagram showing a modified example of the configuration shown in FIG. 42.

【図４４】本発明の第４の実施形態に係る制御系の構成
を示すブロック図である。FIG. 44 is a block diagram showing a configuration of a control system according to a fourth embodiment of the present invention.

【図４５】図４４に示す構成の変形例を示すブロック図
である。45 is a block diagram showing a modified example of the configuration shown in FIG. 44.

【図４６】本発明の第５の実施形態に係る制御系の構成
を示すブロック図である。FIG. 46 is a block diagram showing a configuration of a control system according to a fifth embodiment of the present invention.

【図４７】本発明の第６の実施形態に係る制御系の構成
を示すブロック図である。FIG. 47 is a block diagram showing a configuration of a control system according to a sixth embodiment of the present invention.

【符号の説明】[Explanation of symbols]

１ 内燃機関 ３ スロットル弁 ７ 電子制御ユニット １０ スロットル弁駆動装置 ２１ 適応スライディングモードコントローラ ２２ モデルパラメータ同定器（同定手段、同定誤差算
出手段、更新ベクトル算出手段、更新ベクトル修正手
段、同定誤差修正手段） ２３ 状態予測器（予測手段） ２４ 目標開度設定部 ２５ モデルパラメータスケジューラ1 Internal Combustion Engine 3 Throttle Valve 7 Electronic Control Unit 10 Throttle Valve Driving Device 21 Adaptive Sliding Mode Controller 22 Model Parameter Identifier (Identifying Means, Identification Error Calculating Means, Update Vector Calculating Means, Update Vector Correcting Means, Identification Error Correcting Means) 23 State predictor (prediction means) 24 Target opening setting unit 25 Model parameter scheduler

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号 ＦＩ テーマコート゛(参考） Ｆ０２Ｄ 45/00 ３７０ Ｆ０２Ｄ 45/00 ３７０Ｂ Ｇ０５Ｂ 13/02 Ｇ０５Ｂ 13/02 Ｄ 13/04 13/04 (72)発明者 高橋 潤 埼玉県和光市中央１丁目４番１号 株式会 社本田技術研究所内 Ｆターム(参考） 3G065 BA00 CA26 CA27 CA40 DA04 FA08 FA11 GA41 GA46 KA15 KA16 KA36 3G084 BA05 BA09 DA22 DA25 EB08 EB12 EB13 EB24 EB25 EC03 EC04 FA03 FA10 FA26 3G301 JA15 LA03 LC03 MA01 NA01 NA04 NA09 NB02 NC02 NC08 ND05 ND41 ND45 NE17 NE19 NE25 PA11A PA11Z PF03Z PG01Z 5H004 GA15 GA16 GA17 GB01 GB12 HA02 HA04 HB02 HB07 JB21 KA72 KA74 KC22 KC24 KC27 KC33 KC37 KC43 KC48 ─────────────────────────────────────────────────── ─── Continuation of front page (51) Int.Cl. ⁷ Identification code FI theme code (reference) F02D 45/00 370 F02D 45/00 370B G05B 13/02 G05B 13/02 D 13/04 13/04 (72 ) Inventor Jun Takahashi 1-4-1 Chuo 1-chome, Wako-shi, Saitama F-term in Honda R & D Co., Ltd. (reference) 3G065 BA00 CA26 CA27 CA40 DA04 FA08 FA11 GA41 GA46 KA15 KA16 KA36 3G084 BA05 BA09 DA22 DA25 EB08 EB12 EB13 EB24 EB25 EC03 EC04 FA03 FA10 FA26 3G301 JA15 LA03 LC03 MA01 NA01 NA04 NA09 NB02 NC02 NC08 ND05 ND41 ND45 NE17 NE19 NE25 PA11A PA11Z PF03Z PG01Z 5H004 GA15 GA16 GA17 GB01 GB12 HA02 HA04 HB02 HB07 JB21 K22 K22 K22 K22 K22 K22 K72 K22 K22 K22 K22 K22 K22

Claims (13)

【特許請求の範囲】[Claims] 【請求項１】 プラントをモデル化した制御対象モデル
のモデルパラメータベクトルを、前記プラントの入力及
び出力に基づいて同定する同定手段と、該同定手段によ
り同定されたモデルパラメータベクトルを用いて前記プ
ラントを制御するスライディングモードコントローラと
を備えたプラントの制御装置において、 前記同定手段は、前記モデルパラメータベクトルの同定
誤差を算出する同定誤差算出手段と、該同定誤差に応じ
て更新ベクトルを算出する更新ベクトル算出手段と、該
更新ベクトルの少なくとも１つの要素の過去値に０より
大きく１より小さい所定値を乗算することにより、前記
更新ベクトルを修正する更新ベクトル修正手段とを有
し、前記モデルパラメータの基準ベクトルに修正された
更新ベクトルを加算することにより、前記モデルパラメ
ータベクトルを算出することを特徴とするプラントの制
御装置。1. An identifying unit for identifying a model parameter vector of a controlled object model that models a plant based on an input and an output of the plant, and a model parameter vector identified by the identifying unit for identifying the plant. In a control device for a plant including a sliding mode controller for controlling, the identifying means is an identification error calculating means for calculating an identification error of the model parameter vector, and an update vector calculation for calculating an update vector according to the identification error. Means and an update vector correction means for correcting the update vector by multiplying the past value of at least one element of the update vector by a predetermined value larger than 0 and smaller than 1; and the reference vector of the model parameter. By adding the modified update vector to The plant control system and calculates the model parameter vector. 【請求項２】 前記更新ベクトル修正手段は、前記更新
ベクトルの、前記プラントの入力に関わる要素または前
記プラントの入出力に関わらない要素については、前記
所定値を乗算しないことを特徴とする請求項１に記載の
プラントの制御装置。2. The update vector correction means does not multiply the predetermined value for an element related to the input of the plant or an element not related to the input / output of the plant of the update vector. 1. The control device for the plant according to 1. 【請求項３】 前記更新ベクトル修正手段は、前記基準
ベクトルの少なくとも１つの要素にも前記所定値を乗算
することを特徴とする請求項１または２に記載のプラン
トの制御装置。3. The plant control apparatus according to claim 1, wherein the update vector correction means multiplies at least one element of the reference vector by the predetermined value. 【請求項４】 プラントをモデル化した制御対象モデル
のモデルパラメータベクトルを、前記プラントの入力及
び出力に基づいて同定する同定手段と、該同定手段によ
り同定されたモデルパラメータベクトルを用いて前記プ
ラントを制御するスライディングモードコントローラと
備えたプラントの制御装置において、 前記同定手段は、前記モデルパラメータベクトルの同定
誤差を算出する同定誤差算出手段と、該同定誤差が所定
の範囲内にあるときは、前記同定誤差を減少方向に修正
する同定誤差修正手段とを有し、該同定誤差修正手段に
より修正された同定誤差を用いて前記モデルパラメータ
ベクトルを算出することを特徴とするプラントの制御装
置。4. An identifying unit that identifies a model parameter vector of a controlled object model that models a plant based on the input and output of the plant, and the model parameter vector identified by the identifying unit In a control device of a plant provided with a sliding mode controller for controlling, the identification means is an identification error calculation means for calculating an identification error of the model parameter vector, and when the identification error is within a predetermined range, the identification is performed. A control device for a plant, comprising: an identification error correction means for correcting an error in a decreasing direction, and calculating the model parameter vector using the identification error corrected by the identification error correction means. 【請求項５】 前記同定誤差修正手段は、前記同定誤差
が前記所定範囲内にあるときは、前記同定誤差を０とす
ることを特徴とする請求項４に記載のプラントの制御装
置。5. The plant control apparatus according to claim 4, wherein the identification error correction means sets the identification error to 0 when the identification error is within the predetermined range. 【請求項６】 前記所定範囲を、制御目標値の変化量ま
たは前記プラントの出力の変化量に応じて設定すること
を特徴とする請求項４または５に記載のプラントの制御
装置。6. The plant control device according to claim 4, wherein the predetermined range is set in accordance with a change amount of a control target value or a change amount of an output of the plant. 【請求項７】 前記同定手段は、固定ゲインアルゴリズ
ムを用いて前記モデルパラメータベクトルの同定を行う
ことを特徴とする請求項１から６の何れかに記載のプラ
ントの制御装置。7. The plant control apparatus according to claim 1, wherein the identifying means identifies the model parameter vector using a fixed gain algorithm. 【請求項８】 前記同定誤差算出手段は、前記同定誤差
のローパスフィルタ処理を行い、該処理後の同定誤差を
出力することを特徴とする請求項１から７の何れかに記
載のプラントの制御装置。8. The plant control according to claim 1, wherein the identification error calculation means performs low-pass filter processing of the identification error and outputs the identification error after the processing. apparatus. 【請求項９】 前記プラントの出力の予測値を算出する
予測手段をさらに備えることを特徴とする請求項１から
８の何れかに記載のプラントの制御装置。9. The plant control apparatus according to claim 1, further comprising a prediction unit that calculates a predicted value of the output of the plant. 【請求項１０】 前記予測手段は、前記同定手段により
同定されたモデルパラメータを用いて前記予測値の算出
を行うことを特徴とする請求項９に記載のプラントの制
御装置。10. The plant control apparatus according to claim 9, wherein the predicting unit calculates the predicted value using the model parameter identified by the identifying unit. 【請求項１１】 前記スライディングモードコントロー
ラによる前記プラントへの制御入力は、適応則入力を含
むことを特徴とする請求項１から９の何れかに記載のプ
ラントの制御装置。11. The plant control apparatus according to claim 1, wherein the control input to the plant by the sliding mode controller includes an adaptive law input. 【請求項１２】 前記プラントは、内燃機関のスロット
ル弁と、該スロットル弁を駆動する駆動手段とを有する
スロットル弁駆動装置を含み、前記スライディングモー
ドコントローラは、前記スロットル弁の開度を目標開度
に一致させるように、前記スロットル弁駆動装置への制
御入力を決定するパラメータを算出することを特徴とす
る請求項１から１１の何れかに記載のプラントの制御装
置。12. The plant includes a throttle valve drive device having a throttle valve of an internal combustion engine and a drive means for driving the throttle valve, and the sliding mode controller sets the opening degree of the throttle valve to a target opening degree. The control device for a plant according to any one of claims 1 to 11, wherein a parameter that determines a control input to the throttle valve drive device is calculated so as to match with. 【請求項１３】 前記プラントは、内燃機関と、該機関
に燃料を供給する燃料供給手段とを有する機関システム
を含み、前記スライディングモードコントローラは、前
記機関に供給される混合気の空燃比を目標空燃比に一致
させるように、前記機関システムへの制御入力を決定す
るパラメータを算出することを特徴とする請求項１から
１１の何れかに記載のプラントの制御装置。13. The plant includes an engine system having an internal combustion engine and fuel supply means for supplying fuel to the engine, and the sliding mode controller targets an air-fuel ratio of an air-fuel mixture supplied to the engine. The plant control device according to claim 1, wherein a parameter that determines a control input to the engine system is calculated so as to match the air-fuel ratio.