JP2015063943A - Control device for internal combustion engine - Google Patents

Abstract

PROBLEM TO BE SOLVED: To provide a control device for an internal combustion engine capable of learning a map defining relationship between a throttle opening area and a throttle opening even when the internal combustion engine does not have a pressure sensor for measuring an intake pressure on the downstream side of a throttle valve.SOLUTION: An internal combustion engine 10 includes a throttle valve 20 for adjusting an air amount flowing in an intake passage 18. A region for leaning A-TA map having a plurality of map points in which a learning value of a throttle opening area Ais associated with a throttle opening TA is set to be only a region (first leaning object region) in which a pressure ratio P/Pis smaller than a calculated value (1/(κ+1)).

Description

この発明は、内燃機関の制御装置に関する。   The present invention relates to a control device for an internal combustion engine.

従来、例えば特許文献１には、大気圧学習を行う内燃機関の制御装置が開示されている。この従来の制御装置では、スロットルバルブのスロットル開度ＴＡと大気圧Ｐ_acと大気温度（吸気温度）Ｔ_aとスロットルバルブの下流側の吸気圧力（吸気マニホールド圧）Ｐ_mとに基づいて、スロットルバルブを通過する空気量であるスロットル通過空気量ｍ_tの算出が行われる。 Conventionally, for example, Patent Document 1 discloses a control device for an internal combustion engine that performs atmospheric pressure learning. In this conventional control device, based on the throttle opening TA and the atmospheric pressure P _ac and atmospheric temperature (intake air temperature) T _a and the downstream side of the intake pressure of the throttle valve (intake manifold pressure) P _m of the throttle valve, the throttle calculating the throttle passing air quantity m _t is a quantity of air passing through the valve is performed.

特開２００９−２８７４９１号公報JP 2009-287491 A 特開２００５−０６９０２１号公報Japanese Patent Laying-Open No. 2005-069021 特開２００９−２８７５２０号公報JP 2009-287520 A 特開２００８−１０１６２６号公報JP 2008-101626 A

スロットル通過空気量ｍ_tは、スロットルバルブのスロットル開口面積Ａ_tなどをパラメータとして後述する（１）式を用いて算出することができる。この算出に用いるスロットル開口面積Ａ_tは、当該スロットル開口面積Ａ_tをスロットル開度ＴＡと対応づけて記憶したマップを利用してスロットル開度ＴＡの関数として算出することができる。（１）式に従ってスロットル通過空気量ｍ_tを精度良く算出するためには、正確なスロットル開口面積Ａ_tが得られるように上記マップを学習できるようになっていることが望ましい。 Throttle passing air quantity m _t can be calculated using the a throttle opening area A _t of the throttle valve will be described later as a parameter (1). The throttle opening area A _t to be used for calculation can be calculated as a function of the throttle opening degree TA by using a map storing the throttle opening area A _t association with the throttle opening TA. (1) In order to accurately calculate the throttle passing air quantity m _t in accordance with equation, it is desirable to correct the throttle opening area A _t is enabled to learn the map so as to obtain.

（１）式によれば、実機上でスロットル通過空気量ｍ_tと吸気マニホールド圧Ｐ_mとを取得できれば、その他のパラメータは基本的に既知の値として取得可能であるため、スロットル開口面積Ａ_tを算出することができる。しかしながら、吸気マニホールド圧Ｐ_mを計測するセンサを備えていない内燃機関では、（１）式を利用して精度良くスロットル開口面積Ａ_tを算出することができない。その結果、上記マップの学習を行うことができなくなってしまう。 (1) According In the formula, if acquires the throttle passing air quantity m _t and the intake manifold pressure P _m on the actual, because other parameters possible in principle obtained as a known value, the throttle opening area A _t Can be calculated. However, in an internal combustion engine which is not provided with a sensor for measuring the intake manifold pressure P _m, it can not be calculated accurately throttle opening area A _t by using the expression (1). As a result, the map cannot be learned.

この発明は、上述のような課題を解決するためになされたもので、スロットルバルブの下流側の吸気圧力を計測する圧力センサを備えていない内燃機関であっても、スロットル開口面積とスロットル開度との関係を規定するマップの学習を行えるようにした内燃機関の制御装置を提供することを目的とする。   The present invention has been made to solve the above-described problems. Even in an internal combustion engine that does not include a pressure sensor for measuring the intake pressure downstream of the throttle valve, the throttle opening area and the throttle opening It is an object of the present invention to provide a control device for an internal combustion engine that can learn a map that defines a relationship with the engine.

第１の発明は、内燃機関の制御装置であって、
吸気通路を流れる空気量を調整するスロットルバルブを備える内燃機関の制御装置であって、
前記スロットルバルブのスロットル開度に前記スロットルバルブのスロットル開口面積の学習値が関連付けられた複数のマップ点を有する第１学習マップを学習する第１学習手段を備え、
前記第１学習手段による前記第１学習マップの学習は、前記スロットルバルブの下流側の吸気圧力を大気圧力で除して得られる圧力比が、前記吸気通路を流れる空気の比熱比に１を足した値で１を除して得られる計算値よりも小さくなる第１学習対象領域で行われることを特徴とする。 A first invention is a control device for an internal combustion engine,
A control device for an internal combustion engine comprising a throttle valve for adjusting the amount of air flowing through an intake passage,
First learning means for learning a first learning map having a plurality of map points in which a throttle opening of the throttle valve is associated with a learning value of a throttle opening area of the throttle valve;
In the learning of the first learning map by the first learning means, the pressure ratio obtained by dividing the intake pressure downstream of the throttle valve by the atmospheric pressure adds 1 to the specific heat ratio of the air flowing through the intake passage. It is characterized in that it is performed in a first learning target area smaller than a calculated value obtained by dividing 1 by the obtained value.

また、第２の発明は、第１の発明において、
前記第１学習手段は、
学習対象となる学習対象マップ点の位置から所定の学習範囲内に含まれる前記スロットル開口面積の複数の学習データのそれぞれに対して当該学習対象マップ点と学習データとの距離に応じた重み付けを行う手段であって、ガウス関数を用いて、前記学習対象マップ点から学習データまでの距離が近いほど当該学習データに付与される重みを大きく設定する重み設定手段と、
前記重み設定手段による重み付けが行われた学習データを用いて前記学習対象マップ点の学習値を算出する学習値算出手段と、
を含むことを特徴とする。 The second invention is the first invention, wherein
The first learning means includes
Weighting according to the distance between the learning target map point and the learning data is performed for each of the plurality of learning data of the throttle opening area included in the predetermined learning range from the position of the learning target map point to be learned. A weight setting means for setting a larger weight to be given to the learning data as the distance from the learning target map point to the learning data is closer using a Gaussian function;
Learning value calculating means for calculating a learning value of the learning target map point using learning data weighted by the weight setting means;
It is characterized by including.

また、第３の発明は、第１または第２の発明において、
前記スロットルバルブの下流側の下流側吸気圧力に筒内充填空気量の学習値が関連付けられた複数のマップ点を有する第２学習マップを学習する第２学習手段を更に備え、
前記第２学習マップでは、前記圧力比が前記計算値よりも小さくなる低吸気圧力領域には前記マップ点が設定されておらず、
前記第２学習手段による前記第２学習マップの学習は、前記圧力比が前記計算値以上となる第２学習対象領域で行われることを特徴とする。 The third invention is the first or second invention, wherein
A second learning means for learning a second learning map having a plurality of map points in which a learning value of the in-cylinder charged air amount is associated with the downstream side intake pressure downstream of the throttle valve;
In the second learning map, the map point is not set in a low intake pressure region where the pressure ratio is smaller than the calculated value,
The learning of the second learning map by the second learning means is performed in a second learning target region where the pressure ratio is equal to or greater than the calculated value.

また、第４の発明は、第３の発明において、
前記第２学習手段は、
学習対象となる学習対象マップ点の位置から所定の学習範囲内に含まれる前記筒内充填空気量の複数の学習データのそれぞれに対して当該学習対象マップ点と学習データとの距離に応じた重み付けを行う手段であって、ガウス関数を用いて、前記学習対象マップ点から学習データまでの距離が近いほど当該学習データに付与される重みを大きく設定する重み設定手段と、
前記重み設定手段による重み付けが行われた学習データを用いて前記学習対象マップ点の学習値を算出する学習値算出手段と、
を含むことを特徴とする。 Moreover, 4th invention is set in 3rd invention,
The second learning means includes
Weighting according to the distance between the learning target map point and the learning data for each of the plurality of learning data of the in-cylinder charged air amount included in the predetermined learning range from the position of the learning target map point to be learned Weight setting means for setting a larger weight to be given to the learning data as the distance from the learning target map point to the learning data is closer, using a Gaussian function;
Learning value calculating means for calculating a learning value of the learning target map point using learning data weighted by the weight setting means;
It is characterized by including.

また、第５の発明は、第３または第４の発明において、
前記第２学習マップにおける前記第２学習対象領域の外となる前記低吸気圧力領域においては、前記第２学習対象領域内に存在する複数の前記マップ点を利用した外挿によって、当該第２学習マップに従った前記筒内充填空気量が取得され、
前記第２学習マップが備える前記複数のマップ点は、前記第２学習対象領域と前記低吸気圧力領域との境界上もしくは当該境界に近い位置にある複数の隣り合うマップ点同士の間隔が、他の複数の隣り合うマップ点同士の間隔よりも広くなるように構成されていることを特徴とする。 The fifth invention is the third or fourth invention, wherein
In the low intake pressure region that is outside the second learning target region in the second learning map, the second learning is performed by extrapolation using the plurality of map points existing in the second learning target region. The amount of air filled in the cylinder according to the map is acquired,
The plurality of map points included in the second learning map are different from each other in the interval between a plurality of adjacent map points on or near the boundary between the second learning target region and the low intake pressure region. It is comprised so that it may become wider than the space | interval of several adjacent map points.

また、第６の発明は、第４の発明において、
前記第２学習マップにおける前記第２学習対象領域の外となる前記低吸気圧力領域においては、前記第２学習対象領域内に存在する複数の前記マップ点を利用した外挿によって、当該第２学習マップに従った前記筒内充填空気量が取得され、
前記第２学習マップが備える前記複数のマップ点は、前記第２学習対象領域と前記低吸気圧力領域との境界上もしくは当該境界に近い位置にある複数のマップ点に関する前記ガウス関数の標準偏差が、他の複数のマップ点に関する前記ガウス関数の標準偏差よりも大きくされていることを特徴とする。 The sixth invention is the fourth invention, wherein
In the low intake pressure region that is outside the second learning target region in the second learning map, the second learning is performed by extrapolation using the plurality of map points existing in the second learning target region. The amount of air filled in the cylinder according to the map is acquired,
The plurality of map points included in the second learning map have a standard deviation of the Gaussian function related to a plurality of map points on or close to the boundary between the second learning target region and the low intake pressure region. The standard deviation of the Gaussian function with respect to a plurality of other map points is larger.

また、第７の発明は、第４または第６の発明において、
前記第２学習マップにおいて、前記第２学習対象領域と前記低吸気圧力領域との境界上もしくは当該境界に近い位置にある複数のマップ点の学習範囲が、前記下流側吸気圧力の変化に対する前記筒内充填空気量の変化を示す曲線における屈曲点を越えないように、当該複数のマップ点に関する前記ガウス関数の標準偏差が設定されていることを特徴とする。 The seventh invention is the fourth or sixth invention, wherein
In the second learning map, a learning range of a plurality of map points on or near the boundary between the second learning target region and the low intake pressure region is the cylinder corresponding to the change in the downstream intake pressure. A standard deviation of the Gauss function with respect to the plurality of map points is set so as not to exceed an inflection point in a curve indicating a change in the amount of air charged inside.

また、第８の発明は、第３〜第７の発明の何れか１つにおいて、
前記第２学習手段は、前記内燃機関の過渡運転状態において、前記下流側吸気圧力の時間変化率のゼロに対するずれ量に応じて、学習対象となる学習対象マップ点に記憶されている学習値の更新のために取得された前記筒内充填空気量の学習値の、前記学習対象マップ点の記憶値への反映度合いを変更することを特徴とする。 Moreover, 8th invention is set in any one of 3rd-7th invention,
In the transient operation state of the internal combustion engine, the second learning means determines a learning value stored in a learning target map point to be a learning target according to a deviation amount of the downstream side intake pressure with respect to time with respect to zero. The degree of reflection of the learned value of the in-cylinder charged air amount acquired for updating in the stored value of the learning target map point is changed.

第１の発明によれば、第１学習マップの学習を行う領域を上記圧力比が上記計算値よりも小さい第１学習対象領域とすることにより、上記圧力比がスロットル開口面積の計算に与える影響を一定なものとして扱えるようになる。このため、スロットルバルブの下流側の吸気圧力を計測する吸気圧力センサを備えていない内燃機関であっても、第１学習マップの学習を行えるようになる。   According to the first aspect of the present invention, the influence of the pressure ratio on the calculation of the throttle opening area is obtained by setting the area in which learning of the first learning map is performed as the first learning target area in which the pressure ratio is smaller than the calculated value. Can be treated as a constant. Therefore, even the internal combustion engine that does not include the intake pressure sensor that measures the intake pressure downstream of the throttle valve can learn the first learning map.

第２の発明によれば、第１学習マップの学習対象マップ点の学習値を学習データからの距離に応じて重み付けしながら適切に更新できるようになる。   According to the second invention, the learning value of the learning target map point of the first learning map can be appropriately updated while being weighted according to the distance from the learning data.

第３の発明によれば、第２学習マップの学習を行う領域を上記圧力比が上記計算値以上となる第２学習対象領域とすることにより、第２学習マップの誤学習を防止することができる。   According to the third aspect of the present invention, it is possible to prevent erroneous learning of the second learning map by setting the region in which the learning of the second learning map is performed as the second learning target region in which the pressure ratio is equal to or greater than the calculated value. it can.

第４の発明によれば、第２学習マップの学習対象マップ点の学習値を学習データからの距離に応じて重み付けしながら適切に更新できるようになる。   According to the fourth invention, the learning value of the learning target map point of the second learning map can be appropriately updated while being weighted according to the distance from the learning data.

第５の発明によれば、第２学習対象領域の外となる低吸気圧力領域における筒内充填空気量を第２学習対象領域内のマップ点を利用する外挿によって取得する場合において、外挿に用いるマップ点の間隔を他のマップ点の間隔よりも広げることにより、外挿により得られる筒内充填空気量に対する第２学習マップの学習誤差影響を低減することができる。   According to the fifth invention, in the case where the cylinder charge air amount in the low intake pressure region outside the second learning target region is obtained by extrapolation using the map points in the second learning target region, extrapolation is performed. By increasing the interval between the map points used in the above, the interval between the other map points, the influence of the learning error of the second learning map on the in-cylinder charged air amount obtained by extrapolation can be reduced.

第６の発明によれば、第２学習対象領域の外となる低吸気圧力領域における筒内充填空気量を第２学習対象領域内のマップ点を利用する外挿によって取得する場合において、外挿に用いるマップ点に関するガウス関数の標準偏差を他のマップ点に関する標準偏差よりも大きくすることにより、外挿により得られる筒内充填空気量に対する第２学習マップの学習誤差影響を低減することができる。   According to the sixth aspect of the present invention, in the case where the in-cylinder charged air amount in the low intake pressure region that is outside the second learning target region is obtained by extrapolation using the map points in the second learning target region, extrapolation is performed. By making the standard deviation of the Gaussian function related to the map points used for the larger than the standard deviation related to the other map points, the influence of the learning error of the second learning map on the in-cylinder charged air amount obtained by extrapolation can be reduced. .

第７の発明によれば、第２学習マップの学習精度をより好適に確保できるようになる。   According to the seventh aspect, the learning accuracy of the second learning map can be ensured more suitably.

第８の発明によれば、第２学習マップの学習のための筒内充填空気量の学習データの取得のために吸気通路に取り込まれる空気の流量を計測するためのエアフローメータを利用しているような場合であっても、学習精度の悪化を抑制しつつ第２学習マップの学習対象となる運転領域を定常運転領域に限らずに広く確保できるようになる。   According to the eighth aspect of the invention, the air flow meter for measuring the flow rate of the air taken into the intake passage is used to acquire the learning data of the in-cylinder charged air amount for learning the second learning map. Even in such a case, it becomes possible to secure a wide range of driving regions to be learned in the second learning map, not limited to the steady driving regions, while suppressing deterioration in learning accuracy.

本発明の実施の形態１のシステム構成を説明するための全体構成図である。It is a whole block diagram for demonstrating the system configuration | structure of Embodiment 1 of this invention. スロットル開度ＴＡとスロットルバルブの開口面積Ａ_tとの関係を示すＡ_t−ＴＡマップである。It is A _t -TA map showing the relationship between the opening area A _t of the throttle opening degree TA and the throttle valve. 吸気マニホールド圧Ｐ_mと大気圧Ｐ_acとの比と、関数Φとの関係を示すマップである。The ratio of the intake manifold pressure P _m and the atmospheric pressure P _ac, is a map showing the relationship between the function [Phi. Ａ_t−ＴＡマップの学習への重み付け学習手法の適用例を説明するための図である。It is a diagram for explaining an application example of the weighting learning approach to learning A _t -TA map. 本発明の実施の形態１において、ガウス関数による重みの減少特性を示す特性線図である。In Embodiment 1 of this invention, it is a characteristic diagram which shows the reduction | decrease characteristic of the weight by a Gaussian function. 本発明の実施の形態１において実行されるルーチンのフローチャートである。It is a flowchart of the routine performed in Embodiment 1 of the present invention. 吸気弁通過空気量ｋｌと吸気マニホールド圧Ｐ_mとの関係を示すｋｌ−Ｐ_mマップである。A kl-P _m map showing a relationship between the intake valve passing air quantity kl and the intake manifold pressure P _m. 本発明の実施の形態２におけるｋｌ−Ｐ_mマップの特徴的な学習手法を説明するための図である。It is a diagram for illustrating a characteristic learning techniques kl-P _m map in the second embodiment of the present invention. 本発明の実施の形態３におけるｋｌ−Ｐ_mマップの特徴的な学習手法を説明するための図である。It is a diagram for illustrating a characteristic learning techniques kl-P _m map according to the third embodiment of the present invention. 本発明の実施の形態４におけるｋｌ−Ｐ_mマップの特徴的な学習手法を説明するための図である。It is a diagram for illustrating a characteristic learning techniques kl-P _m map in a fourth embodiment of the present invention.

実施の形態１．
以下、図１〜図６を参照して、本発明の実施の形態１について説明する。
［実施の形態１のハードウェア構成］
図１は、本発明の実施の形態１のシステム構成を説明するための全体構成図である。図１に示すシステムは、内燃機関として多気筒型の内燃機関１０を備えている。なお、本発明は、単気筒および多気筒を含む任意の気筒数の内燃機関に適用可能なものであり、図１は、内燃機関１０に搭載された複数気筒のうちの１気筒を例示したものである。 Embodiment 1 FIG.
Hereinafter, the first embodiment of the present invention will be described with reference to FIGS.
[Hardware Configuration of Embodiment 1]
FIG. 1 is an overall configuration diagram for explaining a system configuration according to the first embodiment of the present invention. The system shown in FIG. 1 includes a multi-cylinder internal combustion engine 10 as an internal combustion engine. The present invention is applicable to an internal combustion engine having an arbitrary number of cylinders including single cylinders and multiple cylinders. FIG. 1 illustrates one of a plurality of cylinders mounted on the internal combustion engine 10. It is.

内燃機関１０の各気筒には、ピストン１２の頂部側に燃焼室１４が形成されており、ピストン１２はクランク軸１６に連結されている。また、内燃機関１０は、各気筒に吸入される空気が流れる吸気通路１８を備えており、吸気通路１８には、吸入空気量（klafm）を調整する電子制御式のスロットルバルブ２０が設けられている。また、内燃機関１０の各気筒には、吸気ポートを開閉する吸気弁２２が設けられている。   In each cylinder of the internal combustion engine 10, a combustion chamber 14 is formed on the top side of the piston 12, and the piston 12 is connected to a crankshaft 16. The internal combustion engine 10 includes an intake passage 18 through which air sucked into each cylinder flows. The intake passage 18 is provided with an electronically controlled throttle valve 20 that adjusts an intake air amount (klafm). Yes. Each cylinder of the internal combustion engine 10 is provided with an intake valve 22 that opens and closes an intake port.

次に、本実施形態のシステムに搭載された制御系統について説明する。本実施形態のシステムは、内燃機関１０の運転に必要な各種のセンサ（以下に一部を例示）が含まれるセンサ系統と、内燃機関１０の運転を制御するＥＣＵ（Engine Control Unit）３０とを備えている。まず、センサ系統について述べると、エアフローメータ３２は吸入空気量（klafm）を計測するもので、スロットル開度センサ３４はスロットルバルブ２０の開度ＴＡを検出する。また、大気温度センサ３６は吸気通路１８の入口近傍に配置され、大気温度（吸気温度）Ｔ_aを検出する。更に、筒内圧センサ３８は、各気筒に対して備えられ、筒内圧を検出する。 Next, a control system installed in the system of this embodiment will be described. The system according to the present embodiment includes a sensor system including various sensors (partially exemplified below) necessary for operation of the internal combustion engine 10 and an ECU (Engine Control Unit) 30 that controls the operation of the internal combustion engine 10. I have. First, the sensor system will be described. The air flow meter 32 measures the intake air amount (klafm), and the throttle opening sensor 34 detects the opening TA of the throttle valve 20. Furthermore, the atmospheric temperature sensor 36 is arranged near the inlet of the intake passage 18 detects the atmospheric temperature (intake air temperature) T _a. Further, an in-cylinder pressure sensor 38 is provided for each cylinder and detects the in-cylinder pressure.

ＥＣＵ３０は、ＲＯＭ、ＲＡＭ、不揮発性メモリ等からなる記憶回路と、入出力ポートとを備えた演算処理装置により構成されている。ＥＣＵ３０の不揮発性メモリには、後述する学習マップが記憶されている。また、ＥＣＵ３０の入力側には、センサ系統の各センサがそれぞれ接続されている。ＥＣＵ３０の出力側には、スロットルバルブ２０等の内燃機関１０の運転を制御するための各種アクチュエータが接続されている。そして、ＥＣＵ３０は、センサ系統により検出した内燃機関１０の運転情報と所定の制御プログラムとに基づいて各アクチュエータを駆動し、内燃機関１０の運転制御を行う。   The ECU 30 is configured by an arithmetic processing unit that includes a storage circuit including a ROM, a RAM, a nonvolatile memory, and the like, and an input / output port. A learning map described later is stored in the nonvolatile memory of the ECU 30. Each sensor of the sensor system is connected to the input side of the ECU 30. Various actuators for controlling the operation of the internal combustion engine 10 such as the throttle valve 20 are connected to the output side of the ECU 30. Then, the ECU 30 controls the operation of the internal combustion engine 10 by driving each actuator based on the operation information of the internal combustion engine 10 detected by the sensor system and a predetermined control program.

［スロットルモデルにおいて用いられるＡ_t−ＴＡマップの学習］
上述したＥＣＵ３０内には、スロットルバルブ２０を通過するスロットル通過空気量ｍ_tを推定するスロットルモデルが仮想的に構築されている。スロットルモデルでは、スロットル通過空気量ｍ_tが、次の（１）式に示すように表される。

[Learning A _t -TA map used in the throttle model]
In the ECU30 described above, the throttle model that estimates the throttle-passing air flow rate m _t passing through the throttle valve 20 is virtually constructed. The throttle model, the throttle passing air quantity m _t is expressed as shown in the following equation (1).

図２は、スロットル開度ＴＡとスロットルバルブ２０の開口面積Ａ_tとの関係を示すＡ_t−ＴＡマップである。図３は、吸気マニホールド圧Ｐ_mと大気圧Ｐ_acとの比と、関数Φとの関係を示すマップである。なお、図２中に黒丸印を付して表した各点はマップ点を示しており、これらのマップ点は、以下に説明する学習の対象となる。 Figure 2 is a A _t -TA map showing the relationship between the opening area A _t of the throttle opening degree TA and the throttle valve 20. FIG. 3 is a map showing the relationship between the ratio of the intake manifold pressure P _m and the atmospheric pressure P _ac and the function Φ. Note that each point indicated by a black circle in FIG. 2 represents a map point, and these map points are to be studied as described below.

上記（１）式において、μは流量係数である。Ａ_t（ＴＡ）は、スロットル開度ＴＡの関数とされたスロットルバルブ２０のスロットル開口面積であり、図２を参照して示すようにマップ化して表すことができる。Ｐ_acは大気圧（スロットルバルブ２０の上流側の吸気圧力）であり、Ｒは気体定数であり、Ｐ_mは吸気マニホールド圧（スロットルバルブ２０の下流側の吸気圧）である。また、関数Φ（Ｐ_m／Ｐ_ac）は、図３を参照して示すようにマップ化して表すことができる。 In the above equation (1), μ is a flow coefficient. A _t (TA) is a throttle opening area of the throttle valve 20, which is a function of the throttle opening TA, can be represented by mapped as shown with reference to FIG. P _ac is the atmospheric pressure (intake pressure on the upstream side of the throttle valve 20), R is a gas constant, and P _m is the intake manifold pressure (intake pressure on the downstream side of the throttle valve 20). Further, the function Φ (P _m / P _ac ) can be represented by mapping as shown with reference to FIG.

上記（１）式に従ってスロットル通過空気量ｍ_tを精度良く算出するためには、正確なスロットル開口面積Ａ_tが得られるように図２に示すマップを学習できるようになっていることが望ましい。ここでいうマップ学習とは、（１）式に従って算出するスロットル開口面積Ａ_tと、当該スロットル開口面積Ａ_tの算出と同時にスロットル開度センサ３４を用いて取得したスロットル開度ＴＡとによって当該スロットル開度ＴＡでのスロットル開口面積Ａ_tの学習データが算出されたうえで、算出された学習データを利用して図２中に黒丸印で示す各学習対象点でのスロットル開口面積Ａ_tの記憶値（すなわち、学習値）を更新するというものである。なお、本明細書中において、「取得」とは、検出、計測、測定、算出、推定等の意味を含むものとする。 To accurately calculate the throttle passing air quantity m _t in accordance with the equation (1) is desirably adapted to learn a map shown in FIG. 2 as accurate throttle opening area A _t is obtained. The term map learning and are, (1) the throttle and the throttle opening area A _t to calculate, by the throttle opening TA obtained using the throttle opening sensor 34 at the same time as the calculation of the throttle opening area A _t according formula in terms of training data of the throttle opening area a _t in opening TA is calculated, using the calculated learning data indicated by black circles in FIG. 2 stores the throttle opening area a _t at each learning object point The value (that is, the learning value) is updated. In this specification, “acquisition” includes meanings such as detection, measurement, measurement, calculation, and estimation.

上記（１）式において、流量係数μ、気体定数Ｒおよび大気圧Ｐ_acは既知の値として取得することができる。また、本実施形態では、大気温度Ｔ_aを大気温度センサ３６を用いて取得することとしているが、大気温度Ｔ_aも既知の値として取得するようにしてもよい。したがって、（１）式によれば、実機上でスロットル通過空気量ｍ_tと吸気マニホールド圧Ｐ_mとを取得できれば、スロットル開口面積Ａ_tを算出することができるといえる。より具体的には、この場合のスロットル通過空気量ｍ_tは、エアフローメータ３２により計測されるAFM通過空気量klafmを用いて取得することができる。また、吸気マニホールド圧Ｐ_mを計測するセンサを備えている場合であれば、吸気マニホールド圧Ｐ_mにより計測される吸気マニホールド圧Ｐ_mを用いて上記図３に示すマップを利用して関数Φ(Ｐ_m／Ｐ_ac)の値を算出することができる。 In the above equation (1), the flow coefficient μ, the gas constant R, and the atmospheric pressure P _ac can be acquired as known values. Further, in the present embodiment, the atmospheric temperature T _a is set to be obtained using the atmospheric temperature sensor 36, may be also the atmospheric temperature T _a is obtained as a known value. Therefore, it can be said can be calculated (1) According to equation if acquires the throttle passing air quantity m _t and the intake manifold pressure P _m on the actual throttle opening area A _t. More specifically, the throttle passing air quantity m _t in this case can be obtained using the AFM airflow rate klafm measured by the air flow meter 32. Further, in the case that a sensor for measuring the intake manifold pressure P _m, the function by using the map shown in FIG. 3 with the intake manifold pressure P _m as measured by the intake manifold pressure P _m [Phi ( The value of P _m / P _ac ) can be calculated.

しかしながら、本実施形態の内燃機関１０がそうであるように吸気マニホールド圧センサを備えていない内燃機関では、（１）式を利用して精度良くスロットル開口面積Ａ_tを算出することができない。その結果、図２に示すマップの学習を行うことができなくなってしまう。 However, in an internal combustion engine in which the internal combustion engine 10 of the present embodiment is not provided with an intake manifold pressure sensor as it is, it can not be calculated accurately throttle opening area A _t by using the expression (1). As a result, the map shown in FIG. 2 cannot be learned.

そこで、本実施形態では、以下の手法を用いることによって、吸気マニホールド圧センサを備えていない内燃機関１０であっても、図２に示すようなＡ_t−ＴＡマップの学習を行えるようにした。 Therefore, in this embodiment, by using the following method, even an internal combustion engine 10 that is not provided with an intake manifold pressure sensor, and to allow the learning of A _t -TA map as shown in FIG.

すなわち、図３に示す関数Φ(Ｐ_m／Ｐ_ac)のマップにおいて、圧力比Ｐ_m／Ｐ_acが計算値（１／（κ＋１））よりも小さい領域（吸気通路１８を流れる吸気（空気）の比熱比κが１．４であるとしたときには圧力比Ｐ_m／Ｐ_acが０．４１６７よりも小さい領域）では、スロットルバルブ２０の下流側の吸気通路１８（すなわち、吸気マニホールド）における吸気の流速が音速に達するので、関数Φ(Ｐ_m／Ｐ_ac)は一定値Ｃとなる。したがって、上記（１）式は、以下の（２）式のように変形することができる。

That is, in the map of the function Φ (P _m / P _ac ) shown in FIG. 3, the pressure ratio P _m / P _ac is smaller than the calculated value (1 / (κ + 1)) (intake air (air) flowing through the intake passage 18). When the specific heat ratio κ is 1.4, the pressure ratio P _m / P _ac is smaller than 0.4167), and the intake air intake 18 in the downstream side of the throttle valve 20 (ie, the intake manifold) Since the flow velocity reaches the sound velocity, the function Φ (P _m / P _ac ) becomes a constant value C. Therefore, the above equation (1) can be transformed into the following equation (2).

上記のように、圧力比Ｐ_m／Ｐ_acが計算値（１／（κ＋１））よりも小さい領域では、関数Φ(Ｐ_m／Ｐ_ac)を固定値である値Ｃとして利用できるため、上記圧力比Ｐ_m／Ｐ_acがスロットル開口面積Ａ_tの計算に与える影響（すなわち、関数Φ(Ｐ_m／Ｐ_ac)の影響）を一定なものとして扱えるようになる。このため、吸気マニホールド圧Ｐ_mを計測する必要なしに実機上において（２）式に従ってスロットル開口面積Ａ_tを算出できるようになる。このように、本実施形態の手法によれば、図２に示すＡ_t−ＴＡマップの学習を行う領域を圧力比Ｐ_m／Ｐ_acが計算値（１／（κ＋１））よりも小さい領域（第１学習対象領域）のみとすることにより、吸気マニホールド圧センサを備えていない内燃機関１０であっても、図２に示すようなＡ_t−ＴＡマップの学習を行えるようになる。 As described above, in the region where the pressure ratio P _m / P _ac is smaller than the calculated value (1 / (κ + 1)), the function Φ (P _m / P _ac ) can be used as the fixed value C. Effect of pressure ratio P _m / P _ac has on the calculation of the throttle opening area a _t (i.e., the function [Phi (Effect of P _m / P _ac)) will be handled as a constant one. Therefore, it becomes possible to calculate the throttle opening area A _t according (2) on the actual without having to measure the intake manifold pressure P _m. Thus, according to the method of this embodiment, the pressure ratio P _m / P _ac calculation value region for learning the A _t -TA map shown in FIG. 2 (1 / (κ + 1 )) area smaller than ( by the first learning object area) but also by an internal combustion engine 10 that is not provided with an intake manifold pressure sensor, will allow the learning of a _t -TA map as shown in FIG.

（重み付け学習手法）
次に、図４および図５を参照して、上述した本実施形態のＡ_t−ＴＡマップの学習に組み合わせるのに好適な学習手法としての特徴的な重み付け学習手法について説明する。
図４は、Ａ_t−ＴＡマップの学習への重み付け学習手法の適用例を説明するための図である。この図は、Ｘ軸に対応する１つの参照パラメータ（スロットル開度ＴＡ）に基づいて、Ｙ軸に対応する１つの学習値（スロットル開口面積Ａ_t）が算出される１次元の学習マップであるＡ_t−ＴＡマップを例示している。図４に示す学習マップは、スロットル開度ＴＡと関連付けられたスロットル開口面積Ａ_tの複数のマップ点（黒丸印）を有している。学習マップの各マップ点(ｉ)には、スロットル開口面積Ａ_tの学習値Ｚ_i（図４に示す例においては、Ｚ₁〜Ｚ₆を図示）がそれぞれ更新可能に記憶されている。 (Weighted learning method)
Next, with reference to FIGS. 4 and 5, it will be described, wherein weighting learning techniques as suitable learning method for combining the learning of A _t -TA map of the above-described embodiment.
Figure 4 is a diagram for explaining an application example of the weighting learning approach to learning A _t -TA map. This figure, based on the one reference parameter corresponding to the X-axis (throttle opening TA), is a one-dimensional learning map one learning value corresponding to the Y-axis (the throttle opening area A _t) is calculated It illustrates the a _t -TA map. Learning map shown in FIG. 4 has a plurality of map points of the throttle opening area A _t which is associated with the throttle opening TA (the black circle). Each map point learning map (i) is the learning value Z _i of the throttle opening area A _t (in the example shown in Figure 4, illustrates a Z ₁ to Z ₆₎ are updatable stored.

なお、以下の説明において、添字ｋが付記される変数値ｚ_k、ｗ_ki、Ｗ_i(ｋ)、Ｖ_i(ｋ)、Ｚ_i(ｋ)は、ｋ回目の取得タイミング（演算タイミング）に対応するｋ番目の値であることを示し、添字ｋが付記されない変数値ｗ_i、Ｚ_i等は、取得タイミングにより区別されない一般的な値を示すものとする。 In the following description, the variable values z _k , w _ki , W _i (k), V _i (k), and Z _i (k) to which the subscript k is added are obtained at the k-th acquisition timing (calculation timing). The variable values w _i , Z _{i, and the} like that indicate the corresponding k-th value and are not appended with the subscript k indicate general values that are not distinguished by the acquisition timing.

本実施形態の重み付け学習手法によれば、スロットル開口面積Ａ_tの学習データｚ_kが複数取得されている状況下において、学習対象となる所定のマップ点(ｉ)の位置から所定の学習範囲内に含まれる複数の学習データｚ_kのそれぞれに対して当該学習対象マップ点(ｉ)と各学習データｚ_kとの距離に応じた重み付けが行われ、重み付けを行った学習データｚ_kを用いて学習対象マップ点(ｉ)でのスロットル開口面積Ａ_tの学習値Ｚ_iが算出される。そのうえで、算出された学習値Ｚ_iを用いて当該学習対象マップ点(ｉ)の学習値Ｚ_iが更新される。 According to the weighted learning method of the present embodiment, in a situation where the training data z _k of the throttle opening area A _t is more acquired, within a predetermined learning range from the position of the predetermined map point as a learning object (i) weighting according to the distance of the learning target map points (i) and the training data z _k is performed for each of a plurality of learning data z _k included in, using the training data z _k, which were weighted learned value Z _i of the throttle opening area a _t of the learning target map point (i) is calculated. Then, the learning value Z _i of the learning target map point (i) is updated using the calculated learning value Z _i .

より具体的には、本実施形態の重み付け学習手法は、所定時間中に得られた複数（ｋ個）の学習データｚ_kを用いて行われる。図４は、符号Ａを付して示すマップ点（３）の周囲に４つの学習データｚ₁〜ｚ₄（四角印）が得られたケースを例示している。この場合には、マップ点Ａを上記学習対象マップ点として、学習対象マップ点Ａを中心とする所定の学習範囲（点線の円により示される範囲）内に含まれる上記４つの学習データｚ₁〜ｚ₄を用いて重み付け平均値を算出し、算出した重み付け平均値を学習対象マップ点Ａの学習値Ｚ₃に反映させる処理が行われる。このような学習は、１つのマップ点（図４ではマップ点Ａ）だけでなく、自己の学習範囲内に複数の学習データｚ_kが得られている他のマップ点が存在する場合には、当該マップ点を学習対象マップ点として適宜実行される。 More specifically, the weighted learning method of the present embodiment is performed using a plurality (k pieces) of learning data z _k obtained during a predetermined time. FIG. 4 illustrates a case where four pieces of learning data z _{1 to} z ₄ (square marks) are obtained around a map point (3) indicated by a reference symbol A. In this case, with the map point A as the learning target map point, the four learning data z ₁ to 4 included in a predetermined learning range centered on the learning target map point A (range indicated by a dotted circle). The weighted average value is calculated using z ₄ , and the calculated weighted average value is reflected in the learning value Z ₃ of the learning target map point A. Such learning includes not only one map point (map point A in FIG. 4) but also other map points from which a plurality of learning data z _k is obtained within its learning range. The map points are appropriately executed as learning target map points.

学習データｚ_kを学習値Ｚ_iに反映させる際の重み付け平均処理は、以下のような手法によって行われる。すなわち、基本的に、ｋ回目（ｋ番目）の取得タイミングで取得したスロットル開口面積Ａ_tの取得値（学習データｚ_k）と、後述の重み付け関数（ガウス関数）により設定されたマップ点(ｉ)の重みｗ_kiとに基づいて、学習対象のすべてのマップ点(ｉ)の学習値Ｚ_i(ｋ)が更新される。学習値Ｚ_i(ｋ)の更新処理は、学習対象のマップ点(ｉ)において、下記の（３）〜（５）式を演算することにより実現される。

The weighted average process when reflecting the learning data z _k in the learning value Z _i is performed by the following method. That is, basically, k-th acquired value of the throttle opening area A _t obtained at the acquisition timing of the (k-th) and (learning data z _k), a map set point by a weighting function which will be described later (Gaussian) (i ) based on the weight w _ki of the learned value Z _i of all the map points to be learned (i) (k) is updated. The update process of the learning value Z _i (k) is realized by calculating the following equations (3) to (5) at the map point (i) to be learned.

上記の各式において、Ｗ_i(ｋ)は、マップ点(ｉ)における１回目からｋ回目までの重みｗ_kiを合計した重み積算値を示し、Ｖ_i(ｋ)は、ｋ番目の学習データｚ_kと重みｗ_kiとの乗算値（ｚ_k×ｗ_ki）を１回目からｋ回目まで合計したパラメータ積算値を示している。上記の各式から判るように、重み付け学習手法は、学習データｚ_kが取得される毎に、学習対象のマップ点(ｉ)において、重みｗ_kiが大きいほど学習データｚ_kが学習値Ｚ_i(ｋ)（すなわち、重み付け平均値）に大きく反映されるように、個々のマップ点の学習値Ｚ_i(ｋ)を更新するものである。 In each of the above equations, W _i (k) represents a weight integrated value obtained by summing the weights w _ki from the first time to the kth time at the map point (i), and V _i (k) represents the kth learning data. A parameter integrated value obtained by summing the multiplication value (z _k × w _ki ) of z _k and weight w _ki from the first time to the kth time is shown. As can be seen from the above equations, each time the learning data z _k is acquired, the weighted learning method is such that the learning data z _k becomes the learning value Z _i as the weight w _ki becomes larger at the map point (i) to be learned. The learning value Z _i (k) of each map point is updated so as to be largely reflected in (k) (that is, the weighted average value).

また、上記（３）および（４）式には、前回（ｋ−１回目）の積算値Ｗ_i(ｋ−１)およびＶ_i(ｋ−１)が用いられるが、これらの初期値（ｋ＝１のときの値）は、下記（６）および（７）式により定義される。したがって、（３）〜（７）式によれば、ｋ番目の学習データｚ_kと、重みｗ_kiとに基づいて、学習対象のマップ点(ｉ)におけるｋ番目の学習値Ｚ_i(ｋ)を算出し、学習マップを更新することができる。

Further, the previous (k−1) th integrated values W _i (k−1) and V _i (k−1) are used in the above equations (3) and (4), but these initial values (k (Value when = 1) is defined by the following equations (6) and (7). Therefore, according to the equations (3) to (7), the k-th learning value Z _i (k) at the map point (i) to be learned is based on the k-th learning data z _k and the weight w _ki. And the learning map can be updated.

なお、学習値Ｚ_iを更新する処理は、例えば、算出された重み付け平均値をそのまま新たな学習値とするものであってもよいし、算出された重み付け平均値を用いて現在の学習値を修正するものであってもよい。また、本実施形態における重みｗ_ｉの設定は、学習対象マップ点と学習データｚ_kとの距離に応じた値に設定可能な手法であれば、特に限定されないが、例えば、以下に説明するようなガウス関数を用いて行うことができる。 The process of updating the learning value Z _i may be, for example, using the calculated weighted average value as a new learning value as it is, or using the calculated weighted average value to obtain the current learning value. It may be corrected. In addition, the setting of the weight w _i in the present embodiment is not particularly limited as long as it is a method that can be set to a value corresponding to the distance between the learning target map point and the learning data z _k , but for example, as described below This can be done using a Gaussian function.

次に、本実施形態における重みｗ_kiの設定方法について説明する。ｋ番目の学習データｚ_kに対応する各マップ点(ｉ)の重みｗ_kiは、下記の（８）式に示すガウス関数を用いて算出される。ガウス関数（ガウスフィルタ）は、本実施形態の重み設定手段を構成するもので、学習マップ上における学習データｚ_kの位置（基準位置）からマップ点(ｉ)までの距離が大きいほど、当該マップ点(ｉ)の重みｗ_kiを減少させるものである。なお、学習マップ上の「位置」とは、学習データｚ_kの取得時点における参照パラメータ（スロットル開度ＴＡ）に応じて定められる。

Next, a method for setting the weight w _ki in the present embodiment will be described. The weight w _ki of each map point (i) corresponding to the _kth learning data z _k is calculated using a Gaussian function expressed by the following equation (8). The Gaussian function (Gaussian filter) constitutes the weight setting means of the present embodiment, and the larger the distance from the position (reference position) of the learning data z _k on the learning map to the map point (i), the map The weight w _ki of the point (i) is decreased. The “position” on the learning map is determined according to a reference parameter (throttle opening TA) at the time when the learning data z _k is acquired.

上記（８）式において、|ｚ_k−Ｚ_i|は、上記基準位置からマップ点(ｉ)までのユークリッド距離を示している。図５は、本発明の実施の形態１において、ガウス関数による重みの減少特性を示す特性線図である。ここで、重みの減少特性とは、基準位置からの距離に応じて減少する重みと当該距離との関係を意味している。図５中に実線で示すように、ガウス関数により得られる重みｗ_kiは、マップ点（ｉ）が基準位置に近い場合に大きくなり、マップ点（ｉ）が基準位置から遠いほど、正規分布曲線状に減少していく。したがって、学習データｚ_kが学習値Ｚ_iに反映される度合い（学習効果）は、マップ点（ｉ）が基準位置に近いほど大きくなり、マップ点（ｉ）が基準位置から遠くなるにつれて小さくなる。 In the above equation (8), | z _k −Z _i | represents the Euclidean distance from the reference position to the map point (i). FIG. 5 is a characteristic diagram showing a weight reduction characteristic by a Gaussian function in the first embodiment of the present invention. Here, the weight reduction characteristic means the relationship between the weight that decreases according to the distance from the reference position and the distance. As shown by a solid line in FIG. 5, the weight w _ki obtained by the Gaussian function increases when the map point (i) is close to the reference position, and the normal distribution curve increases as the map point (i) is far from the reference position. It decreases to the shape. Therefore, the degree (learning effect) that the learning data z _k is reflected in the learning value Z _i increases as the map point (i) is closer to the reference position, and decreases as the map point (i) is farther from the reference position. .

また、上記（８）式に示すσは、任意の値に設定することが可能な標準偏差であり、ガウス関数の形状（減少特性）は、標準偏差σに応じて変化する。すなわち、重みｗ_kiは、図５中に点線で示すように、標準偏差σが小さいほど、基準位置の近傍に存在するピーク値が大きくなるものの、基準位置から遠くなるにつれて急激に減少する。この結果、標準偏差σが小さい場合には、基準位置の近傍のみで急峻な学習が行われることになり、学習の応答性は高くなるが、学習マップの曲面には凹凸が生じ易くなる。一方、重みｗ_kiは、図５中に一点鎖線で示すように、標準偏差σが大きいほど、ピーク値が小さくなり、基準位置から遠くなるにつれて緩やかに減少する。この結果、標準偏差σが大きい場合には、基準位置の近傍から遠方にかけて学習が広範囲に行われることになり、学習の応答性は相対的に低下するものの、学習マップを滑らかな曲面にすることができる。以上のように、標準偏差σを小さくすると鋭い形状のフィルタとなり、標準偏差σを大きくすると滑らかな形状のフィルタとなる。 Further, σ shown in the above equation (8) is a standard deviation that can be set to an arbitrary value, and the shape (decrease characteristic) of the Gaussian function changes according to the standard deviation σ. That is, as indicated by a dotted line in FIG. 5, the weight w _ki decreases rapidly as the standard deviation σ decreases, although the peak value existing in the vicinity of the reference position increases. As a result, when the standard deviation σ is small, steep learning is performed only in the vicinity of the reference position, and the responsiveness of learning increases, but the curved surface of the learning map tends to be uneven. On the other hand, as indicated by the alternate long and short dash line in FIG. 5, the weight w _ki decreases as the standard deviation σ increases, and gradually decreases as the distance from the reference position increases. As a result, when the standard deviation σ is large, learning is performed over a wide range from the vicinity of the reference position to the distance, and the learning responsiveness is relatively lowered, but the learning map is made a smooth curved surface. Can do. As described above, when the standard deviation σ is reduced, the filter has a sharp shape, and when the standard deviation σ is increased, the filter has a smooth shape.

上述したガウス関数を用いた重みｗ_kの設定方法によれば、学習データｚ_kの位置（基準位置）からの距離に応じて、重みｗ_kを滑らかに変化させることができる。したがって、学習マップを滑らかにすることができ、学習値Ｚ_i(ｋ)の急変等による制御性の悪化を抑制することができる。しかも、標準偏差σの設定に応じて重みｗ_kiの減少特性を変化させることができ、広い学習領域において学習特性（学習の速度や効率）を容易に調整することができる。更に、学習データを取得する毎に、逐次平均処理を行うことになるので、学習値Ｚ_i(ｋ)に対する外乱（ノイズ等）の影響を除去することができる。また、逐次処理により、学習値Ｚ_i(ｋ)の演算負荷を時間的に分散させることができるので、ＥＣＵ３０の演算負荷を軽減することができる。 According to the method of setting the weight w _k using the Gaussian function described above, the weight w _k can be changed smoothly according to the distance from the position (reference position) of the learning data z _k . Therefore, the learning map can be smoothed, and deterioration of controllability due to a sudden change in the learning value Z _i (k) can be suppressed. In addition, the reduction characteristic of the weight w _ki can be changed according to the setting of the standard deviation σ, and the learning characteristic (learning speed and efficiency) can be easily adjusted in a wide learning region. Furthermore, every time learning data is acquired, the averaging process is performed sequentially, so that the influence of disturbance (such as noise) on the learning value Z _i (k) can be removed. Moreover, since the calculation load of the learning value Z _i (k) can be dispersed in time by the sequential processing, the calculation load of the ECU 30 can be reduced.

（実施の形態１におけるＡ_t−ＴＡマップの学習を実現するための具体的な処理）
次に、図６を参照して、上述した特徴的なマップ学習を実現するための具体的な処理について説明する。図６は、本発明の実施の形態１において、ＥＣＵ３０により実行されるルーチンを示すフローチャートである。なお、本ルーチンは、エンジンの運転中に繰り返し実行されるものとする。 (Specific processing for implementing the learning of A _t -TA map in the first embodiment)
Next, specific processing for realizing the characteristic map learning described above will be described with reference to FIG. FIG. 6 is a flowchart showing a routine executed by ECU 30 in the first embodiment of the present invention. This routine is repeatedly executed while the engine is operating.

図６に示すルーチンでは、ＥＣＵ３０は、先ず、吸気マニホールド圧Ｐ_mと大気圧Ｐ_acとの圧力比Ｐ_m／Ｐ_acが計算値（１／（κ＋１））よりも小さいか否かを判定する（ステップ１００）。この場合に用いる吸気マニホールド圧Ｐ_mは、任意の推定手法を用いて算出されるものであってもよいが、例えば、後述する（１０）式を利用して算出することができる。その結果、本ステップ１００の判定が成立する場合には、ＥＣＵ３０は、次いで、上記（２）式を利用して、ｋ番目の学習データｚ_kを取得する（ステップ１０２）。 In the routine shown in FIG. 6, the ECU 30 first determines whether or not the pressure ratio P _m / P _ac between the intake manifold pressure P _m and the atmospheric pressure P _ac is smaller than the calculated value (1 / (κ + 1)). (Step 100). The intake manifold pressure P _m used in this case may be calculated using an arbitrary estimation method, but can be calculated using, for example, an expression (10) described later. As a result, when the determination in step 100 is established, the ECU 30 then acquires k-th learning data z _k using the above equation (2) (step 102).

次に、ＥＣＵ３０は、上記（８）式を用いて、ｋ番目の取得タイミングにおける学習対象のマップ点(ｉ)の重みｗ_kiを算出する（ステップ１０４）。次いで、ＥＣＵ３０は、ｋ番目の学習データｚ_kと、重みｗ_kiとに基づいて、学習対象のマップ点(ｉ)の重み積算値Ｗ_i(ｋ)およびパラメータ積算値Ｖ_i(ｋ)を算出する（ステップ１０６）。そして、ＥＣＵ３０は、重み積算値Ｗ_i(ｋ)とパラメータ積算値Ｖ_i(ｋ)とに基づいて、学習対象のマップ点(ｉ)の学習値Ｚ_i(ｋ)を算出し、学習マップを更新する（ステップ１０８）。 Next, the ECU 30 calculates the weight w _ki of the map point (i) to be learned at the k-th acquisition timing using the above equation (8) (step 104). Next, the ECU 30 calculates the weight integrated value W _i (k) and the parameter integrated value V _i (k) of the map point (i) to be learned based on the _kth learning data z _k and the weight w _ki. (Step 106). Then, the ECU 30 calculates a learning value Z _i (k) of the map point (i) to be learned based on the weight integrated value W _i (k) and the parameter integrated value V _i (k), and obtains the learning map. Update (step 108).

以上説明した図６に示すルーチンによれば、Ａ_t−ＴＡマップの学習を行う領域を圧力比Ｐ_m／Ｐ_acが計算値（１／（κ＋１））よりも小さい領域のみとすることにより、吸気マニホールド圧センサを備えていない内燃機関１０であっても、図２に示すようなＡ_t−ＴＡマップの学習を行えるようになる。そして、上記ルーチンによれば、学習対象のマップ点(ｉ)の学習値Ｚ_i(ｋ)を学習データｚ_kからの距離に応じて重み付けしながら適切に更新することができる。 According to the routine shown in FIG. 6 described above, by the A _t -TA map of pressure ratio P _m / P _ac calculation value region for learning (1 / (κ + 1) ) smaller areas than only, even the internal combustion engine 10 that is not provided with an intake manifold pressure sensor, will allow the learning of a _t -TA map as shown in FIG. According to the above routine, the learning value Z _i (k) of the map point (i) to be learned can be appropriately updated while being weighted according to the distance from the learning data z _k .

なお、上述した実施の形態１においては、Ａ_t−ＴＡマップが前記第１の発明における「第１学習マップ」に相当している。また、ＥＣＵ３０が上記図６に示すルーチンの処理を含む上述のＡ_t−ＴＡマップの学習を行うことにより前記第１の発明における「第１学習手段」が実現されている。
また、上述した実施の形態１においては、ＥＣＵ３０が上記ステップ１０４の処理を実行することにより前記第２の発明における「重み設定手段」が実現されており、また、ＥＣＵ３０が上記ステップ１０６および１０８の処理を実行することにより前記第２の発明における「学習値算出手段」が実現されている。 In the first embodiment described above, A _t -TA map corresponds to the "first learning map" of the invention. Further, ECU 30 is "first learning means" realized in the invention by performing the learning of the above A _t -TA map including processing of the routine shown in FIG 6.
Further, in the first embodiment described above, the “weight setting means” in the second invention is realized by the ECU 30 executing the processing of step 104, and the ECU 30 executes steps 106 and 108. By executing the processing, the “learning value calculating means” in the second aspect of the present invention is realized.

実施の形態２．
次に、図７および図８を参照して、本発明の実施の形態２について説明する。
本実施の形態２のハードウェア構成として、図１を参照して既述したハードウェア構成を有する内燃機関１０が備えられているものとする。 Embodiment 2. FIG.
Next, a second embodiment of the present invention will be described with reference to FIG. 7 and FIG.
Assume that the internal combustion engine 10 having the hardware configuration described above with reference to FIG. 1 is provided as the hardware configuration of the second embodiment.

［実施の形態２におけるｋｌ−Ｐ_mマップの学習］
図７は、吸気弁通過空気量ｋｌと吸気マニホールド圧Ｐ_mとの関係を示すｋｌ−Ｐ_mマップである。この図は、Ｘ軸に対応する１つの参照パラメータ（吸気マニホールド圧（スロットルバルブ２０の下流側の吸気圧力）Ｐ_m）に基づいて、Ｙ軸に対応する１つの学習値（吸気弁２２を通過する筒内充填空気量（吸気弁通過空気量）ｋｌ）が算出される１次元の学習マップであるｋｌ−Ｐ_mマップを例示している。図７に示す学習マップは、吸気マニホールド圧Ｐ_mと関連付けられた筒内充填空気量ｋｌの複数のマップ点（黒丸印）を有している。学習マップの各マップ点(ｉ)には、筒内充填空気量ｋｌの学習値Ｚ’_iがそれぞれ更新可能に記憶されている。 [Learning kl-P _m map in the second embodiment]
Figure 7 is a kl-P _m map showing a relationship between the intake valve passing air quantity kl and the intake manifold pressure P _m. This figure shows one learning value (passing through the intake valve 22) corresponding to the Y axis based on one reference parameter (intake manifold pressure (intake pressure on the downstream side of the throttle valve 20) _Pm ) corresponding to the X axis. cylinder charged air amount (intake valve passing air quantity) kl) illustrate kl-P _m map is 1-dimensional learning map to be calculated. Learning map shown in FIG 7 includes a plurality of map points (black circles) of the intake manifold pressure P _m and the associated cylinder charged air amount kl. At each map point (i) of the learning map, the learning value Z ′ _i of the cylinder air charge amount kl is stored in an updatable manner.

本実施形態は、上記ｋｌ−Ｐ_mマップに関して、以下に示す手法での学習が行われる点に特徴を有している。なお、本実施形態のｋｌ−Ｐ_mマップの学習は、上述した実施の形態１におけるＡ_t−ＴＡマップの学習と組み合わせて行うことが好適である。 This embodiment is characterized in that with respect to the kl-P _m map, the learning of the technique described below is performed. Incidentally, kl-P _m map of learning in this embodiment, it is preferable to perform in conjunction with the learning of A _t -TA map in the first embodiment described above.

ｋｌ−Ｐ_mマップは、図７中に示すような折れ線形状の曲線で表すことができる。従来のエンジン制御では、上記折れ線の各直線の傾きと当該各直線のＹ軸方向のオフセット量とが予め設定され、かつ、設定された傾きとオフセット量とを利用して、吸気マニホールド圧Ｐ_m等に応じた筒内充填空気量ｋｌの算出が行われるものが一般的であり、また、その算出のためのマップ学習は行われていなかった。 kl-P _m map can be represented by a curve of broken line shape as shown in FIG. In the conventional engine control, the inclination of each straight line of the broken line and the offset amount in the Y-axis direction of each straight line are set in advance, and the intake manifold pressure P _m is utilized using the set inclination and the offset amount. In general, the in-cylinder charged air amount kl is calculated according to the above, and the map learning for the calculation is not performed.

これに対し、本実施形態では、図７中に黒丸印で示すように、折れ線上にのる複数のマップ点を備えるマップとして、ｋｌ−Ｐ_mマップが備えられており、そのようなｋｌ−Ｐ_mマップに対して以下に説明する手法を用いた学習が行われる。なお、筒内充填空気量ｋｌは、吸気マニホールド圧Ｐ_m以外にも、エンジン回転速度ｎｅおよびバルブタイミングＶＴなどに応じて変化する。したがって、ｋｌ−Ｐ_mマップは、吸気マニホールド圧Ｐ_m以外にエンジン回転速度ｎｅおよびバルブタイミングＶＴなども参照パラメータとして用いる２次元以上のマップとして構成されていてもよい。 In contrast, in the present embodiment, as shown by black circles in FIG. 7, as a map comprising a plurality of map points rest on a polygonal line is provided with a kl-P _m map, such kl- Learning using the method described below is performed on the _Pm map. Incidentally, the in-cylinder charged air amount kl, other than the intake manifold pressure P _m, varies depending on the engine speed ne and the valve timing VT. Therefore, kl-P _m map may be configured as a two-dimensional or more maps used as well reference parameter such as the engine speed ne and the valve timing VT besides the intake manifold pressure P _m.

ここで、吸気マニホールドをモデル化することによって、吸気マニホールド圧Ｐ_mの時間変化率は、次の（９）式のように表すことができる。なお、（９）式において、Ｖ_mは吸気マニホールドの容積（すなわち、スロットルバルブ２０よりも下流側の吸気通路容積）であり、ｍ_cは筒内充填空気量（すなわち、ｋｌ）である。

Here, by modeling the intake manifold, the time rate of change of the intake manifold pressure P _m can be expressed as the following equation (9). In equation (9), V _m is the volume of the intake manifold (that is, the intake passage volume downstream of the throttle valve 20), and _mc is the in-cylinder charged air amount (that is, kl).

内燃機関１０が過渡運転状態にあるときには、スロットル通過空気量ｍ_tと筒内充填空気量ｍ_c（すなわち、ｋｌ）とは異なるものとなるので、上記（９）式より、ｄＰ_m／ｄｔはゼロにはならず、すなわち、吸気マニホールド圧Ｐ_mには時間変化が生ずることが分かる。一方、内燃機関１０が定常運転状態にあるときには、スロットル通過空気量ｍ_tと筒内充填空気量ｍ_cとが等しくなるので、上記（９）式より、ｄＰ_m／ｄｔはゼロになる。このため、定常運転状態（ｄＰ_m／ｄｔ≒０）では、スロットル通過空気量ｍ_tに相当するAFM通過空気量klafmで筒内充填空気量ｍ_c（すなわち、ｋｌ）を代用することができる。したがって、定常運転状態では、AFM通過空気量klafmを用いて、ｋｌ−Ｐ_mマップを学習するための筒内充填空気量ｋｌの学習データ（計測値）を取得してもよいということができる。 When the internal combustion engine 10 is in a transient operation state, the throttle passing air quantity m _t and the in-cylinder charged air amount m _c (i.e., kl) since different from the, from the equation (9), dP _m / dt is It can be seen that the time does not become zero, that is, the intake manifold pressure P _m changes with time. On the other hand, when the internal combustion engine 10 is in a steady operating state, since the throttle passing air quantity m _t and the in-cylinder charged air amount m _c is equal, than Equation (9), dP _m / dt becomes zero. Therefore, in the steady operation state _{(dP m / dt ≒ 0)} , can be substituted cylinder charged air amount m _c (i.e., kl) in AFM airflow rate klafm corresponding to the throttle passage air quantity m _t. Therefore, in the steady operating condition, it is possible that by using the AFM passage air quantity Klafm, learning data (measured values) of the in-cylinder charged air amount kl for learning kl-P _m map may be acquired.

また、既述したように、内燃機関１０は、吸気マニホールド圧センサを備えていない。そこで、本実施形態では、ｋｌ−Ｐ_mマップの学習において筒内充填空気量ｋｌの学習データの吸気マニホールド圧Ｐ_mを特定するために用いる吸気マニホールド圧Ｐ_mの算出のために、上記（１）式を次の（１０）式のように変形した式を利用することとした。

Further, as described above, the internal combustion engine 10 does not include an intake manifold pressure sensor. Therefore, in the present embodiment, in order to calculate the intake manifold pressure P _m used for specifying the intake manifold pressure P _m of the learning data of the cylinder charge air amount kl in learning of the kl-P _m map, the above (1 ) Was changed to the following equation (10).

しかしながら、実施の形態１において図３を参照して説明したように、吸気マニホールド内の吸気の流速が音速に達してしまう領域である圧力比Ｐ_m／Ｐ_acが計算値（１／（κ＋１））よりも小さい領域では、関数Φの逆関数であるΦ^-1の精度を十分に得られない。このため、この領域では、上記（１０）式を用いて吸気マニホールド圧Ｐ_mを正しく算出することができない。したがって、ｋｌ−Ｐ_mマップにおける上記領域（すなわち、吸気マニホールド圧Ｐ_mがＰ_ac×（１／（κ＋１））よりも小さくなる領域）内にマップ点を備えることとすると、当該マップ点で誤学習が生じ易くなる。 However, as described with reference to FIG. 3 in the first embodiment, the pressure ratio P _m / P _ac, which is a region where the flow velocity of the intake air in the intake manifold reaches the sonic velocity, is a calculated value (1 / (κ + 1) In a region smaller than), the accuracy of Φ ⁻¹ that is the inverse function of the function Φ cannot be obtained sufficiently. Therefore, in this region, the (10) can not be correctly calculated intake manifold pressure P _m using the equation. Accordingly, if a map point is provided in the above-described region (that is, a region where the intake manifold pressure P _m is smaller than P _ac × (1 / (κ + 1))) in the kl-P _m map, the map point is erroneous. Learning is likely to occur.

図８は、本発明の実施の形態２におけるｋｌ−Ｐ_mマップの特徴的な学習手法を説明するための図である。
そこで、本実施形態では、誤学習防止のために、マップ点の学習を行う吸気マニホールド圧Ｐ_mの最小値をＰ_ac×（１／（κ＋１））とした。すなわち、本実施形態では、図８に示すように、圧力比Ｐ_m／Ｐ_acが計算値（１／（κ＋１））以上となる学習対象領域（第２学習対象領域）でのみ、ｋｌ−Ｐ_mマップに対して複数のマップ点を設けるとともに、それらのマップ点に記憶される値の学習を行うこととした。すなわち、ｋｌ−Ｐ_mマップでは、圧力比Ｐ_m／Ｐ_acが計算値（１／（κ＋１））よりも小さくなる非学習対象領域（低吸気圧力領域）には、マップ点が設定されていない。 Figure 8 is a diagram for illustrating a characteristic learning techniques kl-P _m map in the second embodiment of the present invention.
Therefore, in this embodiment, for the erroneous learning prevention, the minimum value of the intake manifold pressure P _m to perform learning of the map points and the _{P ac × (1 / (κ} + 1)). That is, in the present embodiment, as shown in FIG. 8, kl−P only in the learning target region (second learning target region) where the pressure ratio P _m / P _ac is equal to or greater than the calculated value (1 / (κ + 1)). _A plurality of map points are provided for the _m map, and the values stored in these map points are learned. That is, in the kl-P _m map, the pressure ratio P _m / P _ac is calculated value (1 / (kappa + 1)) is smaller than the non-learning target region (low intake pressure region), the map points are not set .

上記のように学習対象領域の制限を行うことによって、制限後の学習対象領域では、上記（１０）式に従って吸気マニホールド圧Ｐ_mを正確に算出できるようになる。なお、このような場合において上記（１０）式を用いる際には、スロットル通過空気量ｍ_tは既述したようにAFM通過空気量klafmで代用することができる。スロットル開口面積Ａ_t（ＴＡ）としては、上述した実施の形態１のマップ学習が行われているＡ_t−ＴＡマップを参照して取得した値を用いることが好適である。 By restricting the learning target region as described above, the intake manifold pressure P _m can be accurately calculated according to the above equation (10) in the restricted learning target region. Note that when using the above equation (10) in such a case can be substituted by AFM airflow rate klafm as the throttle passing air quantity m _t already described. The throttle opening area A _t (TA), it is preferable to use a value obtained by referring to the A _t -TA map map learning of the first embodiment described above is being performed.

以上説明したように、ｋｌ−Ｐ_mマップの学習を行う運転状態を定常運転状態に限定したことにより、AFM通過空気量klafmを用いて、ｋｌ−Ｐ_mマップを学習するための筒内充填空気量ｋｌの学習値（計測値）を取得することができる。そして、学習対象領域を上記のように制限したことにより、上記（１０）式を利用して、筒内充填空気量ｋｌの学習データ（計測値）が得られる際の吸気マニホールド圧Ｐ_mを取得できるようになる。このため、吸気マニホールド圧センサを備えていない内燃機関１０であっても、図８に示すようなｋｌ−Ｐ_mマップの学習を、誤学習の発生を抑制しつつ行えるようになる。 As described above, by which to limit the operating condition for performing learning of the kl-P _m mapped to the steady operation state, using an AFM passage air quantity Klafm, cylinder air charge for learning kl-P _m map A learning value (measurement value) of the quantity kl can be acquired. Then, by limiting the learning target region as described above, the intake manifold pressure P _m when the learning data (measured value) of the cylinder charge air amount kl is obtained is obtained using the above equation (10). become able to. Therefore, even in an internal combustion engine 10 that is not provided with an intake manifold pressure sensor, the learning of the kl-P _m map as shown in FIG. 8, it will allow while suppressing the occurrence of erroneous learning.

［ｋｌ−Ｐ_mマップの非学習対象領域でのマップの利用手法］
本実施形態では、上述したように、ｋｌ−Ｐ_mマップにおいて吸気マニホールド圧Ｐ_mがＰ_ac×（１／（κ＋１））よりも小さくなる領域ではマップ学習を行わないこととしているが、内燃機関１０の運転中には、この非学習対象領域についても、ｋｌ−Ｐ_mマップを利用して筒内充填空気量ｋｌを算出することが必要とされることがある。 [Map use method in non-learning target area of kl-P _m map]
In this embodiment, as described above, the map learning is not performed in the region where the intake manifold pressure P _m is smaller than P _ac × (1 / (κ + 1)) in the kl-P _m map. during 10 operation, the regard to the non-learning target region, may be required to be calculated kl-P _m map cylinder charged air amount kl utilized.

そこで、本実施形態では、ｋｌ−Ｐ_mマップを用いた非学習対象領域内の筒内充填空気量ｋｌの算出は、図８に示すように、学習対象領域と非学習対象領域との境界（Ｐ_m＝Ｐ_ac×（１／（κ＋１））に設けられたマップ点（端点）Ｂと、当該マップ点Ｂに最も近いマップ点Ｃとを利用した外挿（ここでは直線外挿）によって行うこととした。なお、図８に示す例におけるマップ点Ｃは、折れ線状の特性を有するｋｌ−Ｐ_mマップの当該マップ設定時の屈曲点に相当するマップ点として設定されたものである。 Therefore, in the present embodiment, the calculation of the in-cylinder charged air amount kl in the non-learning target region using the kl-P _m map is performed as shown in FIG. This is performed by extrapolation (in this case, linear extrapolation) using the map point (end point) B provided at P _m = P _ac × (1 / (κ + 1)) and the map point C closest to the map point B. it was decided. Incidentally, the map point C in the example shown in FIG. 8 is one that is set as a map point corresponding to the bending point of the map when setting kl-P _m map with polygonal line characteristics.

外挿を利用して筒内充填空気量ｋｌを取得する手法では、ｋｌ−Ｐ_mマップの学習誤差の影響を受け易くなる。そこで、本実施形態では、図８に示すように、ｋｌ−Ｐ_mマップの端のマップ点Ｂとこれに隣り合うマップ点Ｃとの間隔を、他の隣り合うマップ点の間隔よりも広く設定することとした。このように、外挿に用いるマップ点Ｂ、Ｃの間隔を広げることにより、外挿により得られる筒内充填空気量ｋｌに対する学習誤差影響を低減することができる。 In the method using the extrapolation to obtain the in-cylinder charged air amount kl, it becomes susceptible to learning error of kl-P _m map. Therefore, in the present embodiment, as shown in FIG. 8, the interval between the map point B at the end of the kl-P _m map and the map point C adjacent thereto is set wider than the interval between other adjacent map points. It was decided to. In this way, by increasing the distance between the map points B and C used for extrapolation, it is possible to reduce the influence of the learning error on the cylinder charge air amount kl obtained by extrapolation.

ところで、上述した実施の形態２におけるｋｌ−Ｐ_mマップの学習に対しても、実施の形態１におけるＡ_t−ＴＡマップの学習の場合と同様に、上述した重み付け学習手法を適用することとしてもよい。なお、その場合の具体的な処理は、上記図６に示すルーチンと類似するルーチンを利用して行うことができる。ただし、ｋｌ−Ｐ_mマップの学習の場合には、学習対象領域として、圧力比Ｐ_m／Ｐ_acが計算値（１／（κ＋１））以上となる領域が使用されるという点において、Ａ_t−ＴＡマップの学習の場合と異なる。 However, even for learning kl-P _m map in the second embodiment described above, as in the learning of the A _t -TA map in the first embodiment, even applying the weighting learning method described above Good. Note that the specific processing in that case can be performed using a routine similar to the routine shown in FIG. However, in the case of kl-P _m map of learning as a learning target area, in that the region where the pressure ratio P _m / P _ac is the calculated value (1 / (κ + 1) ) or more is used, A _t -Different from TA map learning.

また、上述した実施の形態２においては、非学習対象領域（Ｐ_m＜Ｐ_ac×（１／（κ＋１））でのｋｌ−Ｐ_mマップを用いた筒内充填空気量ｋｌの算出に関し、学習誤差影響を低減するために、外挿に用いるマップ点Ｂ、Ｃの間隔を広げることとしている。しかしながら、ｋｌ−Ｐ_mマップの学習に対して上述した重み付け学習手法を適用した場合であってガウス関数を利用して重みｗを設定する場合には、外挿に用いるマップ点Ｂ、Ｃの間隔を広げる手法に代え、マップ点Ｂ、Ｃに関するガウス関数の標準偏差σを、他の隣り合う複数のマップ点に関する標準偏差σよりも大きくしてもよい。これにより、マップ点Ｂ、Ｃ付近での学習を滑らかなものとすることができる。その結果、学習誤差影響を低減することができる。 In the second embodiment described above relates to the calculation of the non-learned region _{(P m <P ac × (} 1 / (κ + 1)) in the kl-P _m map cylinder charged air amount kl using learning in order to reduce the error effect, maps point B to be used for extrapolation, and the widening the interval C. However, in the case of applying the weighting learning technique described above for learning the kl-P _m map gauss When the weight w is set using a function, the standard deviation σ of the Gaussian function related to the map points B and C is replaced with other adjacent plurals instead of the method of increasing the interval between the map points B and C used for extrapolation. May be larger than the standard deviation σ with respect to the map points, thereby enabling smooth learning in the vicinity of the map points B and C. As a result, the influence of learning errors can be reduced.

また、上述した外挿に用いるマップ点に関し、他の複数の隣り合うマップ点よりも間隔を広げる対象となる複数の隣り合うマップ点、および、他の複数のマップ点よりも標準偏差σを大きくする対象となる複数のマップ点は、第２学習対象領域と低吸気圧力領域（非学習対象領域）との境界上もしくは当該境界に近い位置にある複数のマップ点であれば、上記のマップ点Ｂ（端点）やマップ点Ｃ（屈曲点）の２点に限られず、例えば、これらの２点とともに他のマップ点を含む複数のマップ点であってもよい。   Further, regarding the map points used for the extrapolation described above, the standard deviation σ is made larger than that of the plurality of adjacent map points whose intervals are wider than the other plurality of adjacent map points, and the other map points. If the plurality of map points to be processed are a plurality of map points on or close to the boundary between the second learning target region and the low intake pressure region (non-learning target region), the above map points The map point is not limited to two points B (end point) and map point C (bending point), and may be a plurality of map points including these two points and other map points.

また、ｋｌ−Ｐ_mマップ上における屈曲点の位置は、経験上把握可能なものである。このため、上述した実施の形態２で説明したｋｌ−Ｐ_mマップがそうであるように、ｋｌ−Ｐ_mマップ上における屈曲点の位置を経験に基づいて特定することとしてもよいし、例えば、次のような手法によって実機上において特定されるものであってもよい。すなわち、例えば、ｋｌ−Ｐ_mマップの学習のために順次取得される学習データ（吸気マニホールド圧Ｐ_mと関連付けられた状態で取得される筒内充填空気量ｋｌ）を蓄積することによって得られるｋｌ−Ｐ_mマップ上の学習データの分布に基づいて、屈曲点を見つけるようにしてもよい。また、経験上屈曲点から十分に離れていると判断可能な複数のマップ点（例えば、３点）に対する近似直線を算出し、当該近似直線から所定値以上離れる最初のマップ点を屈曲点として特定してもよい。 The position of the inflection point on the kl-P _m map is capable grasp empirically. Therefore, as kl-P _m map described in the second embodiment described above is the case, it may be possible to identify on the basis of experience the position of the inflection point on the kl-P _m map, for example, It may be specified on an actual machine by the following method. That is, for example, obtained by accumulating the successively acquired by learning data (the intake manifold pressure P _m and the in-cylinder charged air amount is obtained by the associated state kl) for kl-P _m map of learning kl The inflection point may be found based on the distribution of learning data on the −P _m map. In addition, an approximate straight line is calculated for a plurality of map points (for example, 3 points) that can be determined to be sufficiently far from the bending point based on experience, and the first map point that is more than a predetermined value away from the approximate straight line is specified as the bending point. May be.

また、上述した実施の形態２においては、ｋｌ−Ｐ_mマップの学習を定常運転状態に限って行うこととし、ｋｌ−Ｐ_mマップを学習するための筒内充填空気量ｋｌの学習データ（計測値）をAFM通過空気量klafmを用いて取得するようにしている。これに対し、ｋｌ−Ｐ_mマップの学習のために取得する筒内充填空気量ｋｌの学習データ（計測値）は、上記手法に代え、例えば、上記マップ学習を行う運転状態を定常運転状態に限定することなく、筒内圧センサ３８によって計測される筒内圧を利用して算出される筒内充填空気量であってもよい。 In the second embodiment described above, kl-P _m map of learning and be performed only in steady operating condition, the learning data kl-P _m inside the cylinder for learning maps charged air amount kl (Measurement Value) using the AFM passage air amount klafm. In contrast, the learning data (measured values) of the in-cylinder charged air amount kl to get for kl-P _m map of learning, instead of the above method, for example, an operating condition for performing the map learning steady operating condition Without limitation, the cylinder charge air amount calculated using the cylinder pressure measured by the cylinder pressure sensor 38 may be used.

なお、上述した実施の形態２においては、ｋｌ−Ｐ_mマップが前記第３の発明における「第２学習マップ」に相当している。また、ＥＣＵ３０が上述のｋｌ−Ｐ_mマップの学習を行うことにより前記第３の発明における「第２学習手段」が実現されている。
また、前記第４の発明における「重み設定手段」および「学習値算出手段」は、上記図６に示すルーチンと類似するルーチンの処理をＥＣＵ３０に実行させることにより、それぞれ実現することができる。 In the second embodiment described above, kl-P _m map corresponds to the "second learning map" in the third aspect of the present invention. Further, ECU 30 is "second learning means" is realized in the third aspect of the present invention by performing the learning of the kl-P _m maps described above.
Further, the “weight setting means” and the “learning value calculation means” in the fourth aspect of the invention can be realized by causing the ECU 30 to execute a routine process similar to the routine shown in FIG.

実施の形態３．
次に、図９を参照して、本発明の実施の形態３について説明する。 Embodiment 3 FIG.
Next, a third embodiment of the present invention will be described with reference to FIG.

［実施の形態３におけるｋｌ−Ｐ_mマップの学習］
図９は、本発明の実施の形態３におけるｋｌ−Ｐ_mマップの特徴的な学習手法を説明するための図である。 [Learning kl-P _m map in Third Embodiment
FIG. 9 is a diagram for explaining a characteristic learning method of the kl-P _m map according to Embodiment 3 of the present invention.

上述した実施の形態２におけるｋｌ−Ｐ_mマップの学習に対して、実施の形態１におけるＡ_t−ＴＡマップの学習の場合と同様に上述したガウス関数を利用した重み付け学習手法を適用した場合には、図９に示すように、学習対象マップ点（例えば、マップ点Ｂ）に対する学習データ（四角印）の距離に応じた重みｗで、それぞれの学習データが当該学習対象マップ点のための学習値に反映されることになる。また、図９においてはマップ点Ｂに対するものしか図示していないが、ガウス関数を用いた重みｗの形状（フィルタ形状）は、学習対象マップ点の位置を中心とする正規分布曲線状の曲線として学習対象マップ点毎に設定されるものである。なお、既述したように、実施の形態２におけるｋｌ−Ｐ_mマップの学習では、圧力比Ｐ_m／Ｐ_acが計算値（１／（κ＋１））以上となる領域のみを学習対象領域としており、このマップ学習の基本的な思想を採用する本実施形態においても、非学習対象領域（Ｐ_m＜Ｐ_ac×（１／（κ＋１））では、本学習のための学習データの取得は行われない。 Against learning kl-P _m map in the second embodiment described above, in the case of applying the weighting learning method using a Gaussian function as described above as in the learning of the A _t -TA map in the first embodiment As shown in FIG. 9, each learning data is a learning for the learning target map point with a weight w corresponding to the distance of the learning data (square mark) to the learning target map point (for example, map point B). It will be reflected in the value. Although only the map point B is shown in FIG. 9, the shape of the weight w (filter shape) using a Gaussian function is a normal distribution curve centered on the position of the learning target map point. It is set for each learning target map point. As described above, in the learning of the kl-P _m map in the second embodiment, only the region where the pressure ratio P _m / P _ac is equal to or greater than the calculated value (1 / (κ + 1)) is set as the learning target region. Even in this embodiment that employs this basic idea of map learning, learning data for the main learning is not acquired in the non-learning target region (P _m <P _ac × (1 / (κ + 1)). Absent.

非学習対象領域（Ｐ_m＜Ｐ_ac×（１／（κ＋１））における筒内充填空気量ｋｌを外挿を利用して取得しようとした場合には、学習誤差影響を受けにくくするために、実施の形態２において既述したように、外挿に用いるマップ点Ｂ、Ｃの間隔を広げたり、当該マップ点Ｂ、Ｃに関する標準偏差σを大きくしたりすることが好ましい。しかしながら、端点となるマップ点Ｂとともに外挿に用いるマップ点として、屈曲点となるマップ点Ｃ（白丸印）よりもマップ点Ｂに遠いマップ点（図９の例ではマップ点Ｄ）を用いることとすると、図９中に実線と破線とで示すように、屈曲点（マップ点Ｃ）を用いる場合と比べ、外挿により得られる直線の傾きが変化してしまう。このような問題があるため、端点であるマップ点とともに外挿に用いるマップ点を設定する場合には、当該マップ点としては、屈曲点（マップ点Ｃ）よりも遠いマップ点は用いないようにするのがよい。 In order to make the in-cylinder charged air amount kl in the non-learning target region (P _m <P _ac × (1 / (κ + 1)) obtain by using extrapolation, As already described in the second embodiment, it is preferable to increase the interval between the map points B and C used for extrapolation or to increase the standard deviation σ with respect to the map points B and C. However, it becomes an end point. As a map point used for extrapolation together with the map point B, a map point (map point D in the example of FIG. 9) that is farther from the map point B than the map point C (white circle) that becomes the bending point is used. As shown by the solid line and broken line inside, the slope of the straight line obtained by extrapolation changes compared to the case of using the bending point (map point C). Map used for extrapolation with points When a map point is set, it is preferable not to use a map point far from the bending point (map point C) as the map point.

また、学習誤差影響の軽減のために標準偏差σを大きくしようとする場合についても同様であり、マップ点Ｂに関する標準偏差σを大きくし過ぎると（すなわち、屈曲点（マップ点Ｃ）よりも先の範囲も含まれるようにマップ点Ｂ等の学習範囲を広げすぎると）、マップ点Ｂの学習値が図９中に破線での丸印で示す点のように実際の値からずれてしまう。そこで、本実施形態では、屈曲点（マップ点Ｃ）を既述した手法により把握したうえで、端点であるマップ点Ｂの学習範囲が屈曲点（マップ点Ｃ）を越えないように、標準偏差σを設定（制限）するようにした。より具体的には、当該制限のない場合の重みｗの形状（図９中の破線参照）と比べた場合には、重みｗの形状がより急峻な形状（図９中の実線参照）となるように、標準偏差σが小さくされることになる。これにより、ｋｌ−Ｐ_mマップの学習精度を好適に確保できるようになる。なお、図９に示す例とは異なり、端点であるマップ点Ｂと屈曲点であるマップ点Ｃとの間に更なるマップ点を備える場合であれば、上述した標準偏差σの設定は、屈曲点よりも端点側に存在するマップ点のすべてに対して適用するのがよい。 The same applies to the case where the standard deviation σ is increased in order to reduce the influence of the learning error. If the standard deviation σ with respect to the map point B is excessively increased (that is, ahead of the bending point (map point C)). 9), the learning value of the map point B is deviated from the actual value as indicated by a dotted circle in FIG. Therefore, in this embodiment, the standard deviation is determined so that the learning range of the map point B which is the end point does not exceed the bending point (map point C) after grasping the bending point (map point C) by the method described above. σ is set (restricted). More specifically, the shape of the weight w becomes steeper (see the solid line in FIG. 9) when compared with the shape of the weight w without the restriction (see the broken line in FIG. 9). As described above, the standard deviation σ is reduced. This makes it possible to suitably secure the kl-P _m map learning accuracy. Unlike the example shown in FIG. 9, if the map point B that is the end point and the map point C that is the bending point are provided with further map points, the setting of the standard deviation σ described above is It is preferable to apply to all the map points existing on the end point side of the point.

ところで、上述した実施の形態３においては、端点であるマップ点Ｂの学習範囲が屈曲点（マップ点Ｃ）を越えないように、標準偏差σを制限することとしている。しかしながら、このような手法に代え、端点であるマップ点Ｂ（端点と屈曲点との間に更なるマップ点が存在する場合には当該マップ点を含む）の重みｗの基本形状としては図９中に破線で示すような形状が得られるように標準偏差σを大きくしたうえで、当該マップ点Ｂの学習範囲に屈曲点（マップ点Ｃ）よりも端から遠い範囲が含まれないようにするために、屈曲点において重みｗがゼロとなるように当該重みｗの曲線形状の一部をカットすることとしてもよい。   By the way, in Embodiment 3 described above, the standard deviation σ is limited so that the learning range of the map point B which is an end point does not exceed the bending point (map point C). However, instead of such a method, the basic shape of the weight w of the map point B which is an end point (including the map point when there is a further map point between the end point and the bending point) is shown in FIG. The standard deviation σ is increased so that a shape as indicated by a broken line is obtained, and the learning range of the map point B is not included in the range farther from the end than the bending point (map point C). Therefore, a part of the curve shape of the weight w may be cut so that the weight w becomes zero at the bending point.

実施の形態４．
次に、図１０を参照して、本発明の実施の形態４について説明する。 Embodiment 4 FIG.
Next, a fourth embodiment of the present invention will be described with reference to FIG.

［実施の形態４におけるｋｌ−Ｐ_mマップの学習］
実施の形態２において説明したように、AFM通過空気量klafmで筒内充填空気量ｋｌを代用可能な定常運転状態（ｄＰ_m／ｄｔ≒０）でのみｋｌ−Ｐ_mマップの学習を行うようにした場合には、内燃機関１０の運転中に過渡時しか使われない運転領域では、上記マップの学習を行えなくなる。 [Learning kl-P _m map in a fourth embodiment]
As described in the second embodiment, to perform the learning of the kl-P _m maps only AFM airflow rate klafm substitutable cylinder charged air amount kl in a steady operating condition (dP _m / dt ≒ 0) In this case, the map cannot be learned in an operation region that is used only during a transition during the operation of the internal combustion engine 10.

図１０は、本発明の実施の形態４におけるｋｌ−Ｐ_mマップの特徴的な学習手法を説明するための図である。
そこで、本実施形態では、過渡運転状態においても、AFM通過空気量klafmで代用して筒内充填空気量ｋｌを取得することとしつつ、以下に説明する手法を用いてｋｌ−Ｐ_mマップの学習を行うようにした。すなわち、吸気マニホールド圧Ｐ_mの時間変化率ｄＰ_m／ｄｔの、ゼロを基準とするずれ量の大きさに応じて、マップ点に記憶されている値を更新するために用いる学習値を修正することとした。 Figure 10 is a diagram for illustrating a characteristic learning techniques kl-P _m map in a fourth embodiment of the present invention.
Therefore, in the present embodiment, even in a transient operation state, learning of the kl-P _m map is performed using the method described below while substituting the AFM passage air amount klafm to obtain the cylinder charge air amount kl. To do. That is, the learning value used to update the value stored in the map point is corrected in accordance with the magnitude of the deviation amount with respect to zero of the time change rate dP _m / dt of the intake manifold pressure P _m. It was decided.

上記の学習値の具体的な修正手法としては、例えば、図１０中の各図に記載の何れかの手法を用いることができる。図１０（Ａ）に示す手法では、マップ点に記憶されている値を更新するための学習値に掛け合わせる係数Ｘが、時間変化率ｄＰ_m／ｄｔがゼロである時に最も大きい１に設定され、時間変化率ｄＰ_m／ｄｔのゼロに対するずれ量がプラス側もしくはマイナス側で大きくなるにつれ、直線的に小さくなるように設定されている。このように設定された係数Ｘを用いて、マップ点に記憶されている値を更新するための学習値を修正することにより、時間変化率ｄＰ_m／ｄｔのゼロに対するずれ量が大きいほど、そのようなずれ量が大きくなる領域において得られた学習値の、マップ点の記憶値に対する反映度合い（重み）を軽くすることができる。これにより、AFM通過空気量klafmを筒内充填空気量ｋｌの取得に利用する構成においても、ｋｌ−Ｐ_mマップの学習対象となる運転領域を広く確保できるようになる。 As a specific method for correcting the learning value, for example, any of the methods described in each diagram in FIG. 10 can be used. In the method shown in FIG. 10A, the coefficient X to be multiplied by the learning value for updating the value stored in the map point is set to 1 which is the largest when the time change rate dP _m / dt is zero. The time change rate dP _m / dt is set so as to decrease linearly as the deviation amount with respect to zero increases on the plus side or the minus side. By using the coefficient X set in this way and correcting the learning value for updating the value stored in the map point, the larger the deviation from zero of the time change rate dP _m / dt, the more It is possible to reduce the degree of reflection (weight) of the learning value obtained in the region where the deviation amount becomes large with respect to the stored value of the map point. Accordingly, even in a configuration that utilizes AFM airflow rate klafm the acquisition of the in-cylinder charged air amount kl, so can be widely ensured operating region to be learned of the kl-P _m map.

また、上記係数Ｘの設定は、図１０（Ａ）に示すように三角形状のものに代え、例えば、図１０（Ｂ）に示すような左右対称の釣鐘状の曲線で変化するものであってもよい。或いは、上記係数Ｘは、係数Ｘがゼロになるまで時間変化率ｄＰ_m／ｄｔのずれ量が大きくなるほど係数Ｘを連続的に減少させる特性のものに限らず、例えば、図１０（Ｃ）に示すように、時間変化率ｄＰ_m／ｄｔのずれ量がプラス側もしくはマイナス側である値に達した際に、直ちにゼロとなるように設定されたものであってもよい。 Further, the setting of the coefficient X is changed to a symmetrical bell-shaped curve as shown in FIG. 10B, for example, instead of a triangular one as shown in FIG. Also good. Alternatively, the coefficient X is not limited to the characteristic in which the coefficient X is continuously decreased as the deviation amount of the time change rate dP _m / dt increases until the coefficient X becomes zero, for example, as shown in FIG. As shown, when the deviation amount of the time change rate dP _m / dt reaches a value that is on the plus side or the minus side, it may be set to be zero immediately.

１０ 内燃機関
１２ ピストン
１４ 燃焼室
１６ クランク軸
１８ 吸気通路
２０ スロットルバルブ
２２ 吸気弁
３０ ＥＣＵ(Electronic Control Unit)
３２ エアフローメータ
３４ スロットル開度センサ
３６ 大気温度センサ
３８ 筒内圧センサ DESCRIPTION OF SYMBOLS 10 Internal combustion engine 12 Piston 14 Combustion chamber 16 Crankshaft 18 Intake passage 20 Throttle valve 22 Intake valve 30 ECU (Electronic Control Unit)
32 Air flow meter 34 Throttle opening sensor 36 Atmospheric temperature sensor 38 In-cylinder pressure sensor

Claims (8)

吸気通路を流れる空気量を調整するスロットルバルブを備える内燃機関の制御装置であって、
前記スロットルバルブのスロットル開度に前記スロットルバルブのスロットル開口面積の学習値が関連付けられた複数のマップ点を有する第１学習マップを学習する第１学習手段を備え、
前記第１学習手段による前記第１学習マップの学習は、前記スロットルバルブの下流側の吸気圧力を大気圧力で除して得られる圧力比が、前記吸気通路を流れる空気の比熱比に１を足した値で１を除して得られる計算値よりも小さくなる第１学習対象領域で行われることを特徴とする内燃機関の制御装置。 A control device for an internal combustion engine comprising a throttle valve for adjusting the amount of air flowing through an intake passage,
First learning means for learning a first learning map having a plurality of map points in which a throttle opening of the throttle valve is associated with a learning value of a throttle opening area of the throttle valve;
In the learning of the first learning map by the first learning means, the pressure ratio obtained by dividing the intake pressure downstream of the throttle valve by the atmospheric pressure adds 1 to the specific heat ratio of the air flowing through the intake passage. The control apparatus for an internal combustion engine, wherein the control is performed in a first learning target region that is smaller than a calculated value obtained by dividing 1 by the calculated value. 前記第１学習手段は、
学習対象となる学習対象マップ点の位置から所定の学習範囲内に含まれる前記スロットル開口面積の複数の学習データのそれぞれに対して当該学習対象マップ点と学習データとの距離に応じた重み付けを行う手段であって、ガウス関数を用いて、前記学習対象マップ点から学習データまでの距離が近いほど当該学習データに付与される重みを大きく設定する重み設定手段と、
前記重み設定手段による重み付けが行われた学習データを用いて前記学習対象マップ点の学習値を算出する学習値算出手段と、
を含むことを特徴とする請求項１に記載の内燃機関の制御装置。 The first learning means includes
Weighting according to the distance between the learning target map point and the learning data is performed for each of the plurality of learning data of the throttle opening area included in the predetermined learning range from the position of the learning target map point to be learned. A weight setting means for setting a larger weight to be given to the learning data as the distance from the learning target map point to the learning data is closer using a Gaussian function;
Learning value calculating means for calculating a learning value of the learning target map point using learning data weighted by the weight setting means;
The control apparatus for an internal combustion engine according to claim 1, comprising: 前記スロットルバルブの下流側の下流側吸気圧力に筒内充填空気量の学習値が関連付けられた複数のマップ点を有する第２学習マップを学習する第２学習手段を更に備え、
前記第２学習マップでは、前記圧力比が前記計算値よりも小さくなる低吸気圧力領域には前記マップ点が設定されておらず、
前記第２学習手段による前記第２学習マップの学習は、前記圧力比が前記計算値以上となる第２学習対象領域で行われることを特徴とする請求項１または２に記載の内燃機関の制御装置。 A second learning means for learning a second learning map having a plurality of map points in which a learning value of the in-cylinder charged air amount is associated with the downstream side intake pressure downstream of the throttle valve;
In the second learning map, the map point is not set in a low intake pressure region where the pressure ratio is smaller than the calculated value,
The control of the internal combustion engine according to claim 1 or 2, wherein learning of the second learning map by the second learning means is performed in a second learning target region where the pressure ratio is equal to or greater than the calculated value. apparatus. 前記第２学習手段は、
学習対象となる学習対象マップ点の位置から所定の学習範囲内に含まれる前記筒内充填空気量の複数の学習データのそれぞれに対して当該学習対象マップ点と学習データとの距離に応じた重み付けを行う手段であって、ガウス関数を用いて、前記学習対象マップ点から学習データまでの距離が近いほど当該学習データに付与される重みを大きく設定する重み設定手段と、
前記重み設定手段による重み付けが行われた学習データを用いて前記学習対象マップ点の学習値を算出する学習値算出手段と、
を含むことを特徴とする請求項３に記載の内燃機関の制御装置。 The second learning means includes
Weighting according to the distance between the learning target map point and the learning data for each of the plurality of learning data of the in-cylinder charged air amount included in the predetermined learning range from the position of the learning target map point to be learned Weight setting means for setting a larger weight to be given to the learning data as the distance from the learning target map point to the learning data is closer, using a Gaussian function;
Learning value calculating means for calculating a learning value of the learning target map point using learning data weighted by the weight setting means;
The control apparatus for an internal combustion engine according to claim 3, comprising: 前記第２学習マップにおける前記第２学習対象領域の外となる前記低吸気圧力領域においては、前記第２学習対象領域内に存在する複数の前記マップ点を利用した外挿によって、当該第２学習マップに従った前記筒内充填空気量が取得され、
前記第２学習マップが備える前記複数のマップ点は、前記第２学習対象領域と前記低吸気圧力領域との境界上もしくは当該境界に近い位置にある複数の隣り合うマップ点同士の間隔が、他の複数の隣り合うマップ点同士の間隔よりも広くなるように構成されていることを特徴とする請求項３または４に記載の内燃機関の制御装置。 In the low intake pressure region that is outside the second learning target region in the second learning map, the second learning is performed by extrapolation using the plurality of map points existing in the second learning target region. The amount of air filled in the cylinder according to the map is acquired,
The plurality of map points included in the second learning map are different from each other in the interval between a plurality of adjacent map points on or near the boundary between the second learning target region and the low intake pressure region. 5. The control device for an internal combustion engine according to claim 3, wherein the control device is configured to be wider than an interval between a plurality of adjacent map points. 前記第２学習マップにおける前記第２学習対象領域の外となる前記低吸気圧力領域においては、前記第２学習対象領域内に存在する複数の前記マップ点を利用した外挿によって、当該第２学習マップに従った前記筒内充填空気量が取得され、
前記第２学習マップが備える前記複数のマップ点は、前記第２学習対象領域と前記低吸気圧力領域との境界上もしくは当該境界に近い位置にある複数のマップ点に関する前記ガウス関数の標準偏差が、他の複数のマップ点に関する前記ガウス関数の標準偏差よりも大きくされていることを特徴とする請求項４に記載の内燃機関の制御装置。 In the low intake pressure region that is outside the second learning target region in the second learning map, the second learning is performed by extrapolation using the plurality of map points existing in the second learning target region. The amount of air filled in the cylinder according to the map is acquired,
The plurality of map points included in the second learning map have a standard deviation of the Gaussian function related to a plurality of map points on or close to the boundary between the second learning target region and the low intake pressure region. 5. The control apparatus for an internal combustion engine according to claim 4, wherein a standard deviation of the Gaussian function with respect to the other plurality of map points is made larger. 前記第２学習マップにおいて、前記第２学習対象領域と前記低吸気圧力領域との境界上もしくは当該境界に近い位置にある複数のマップ点の学習範囲が、前記下流側吸気圧力の変化に対する前記筒内充填空気量の変化を示す曲線における屈曲点を越えないように、当該複数のマップ点に関する前記ガウス関数の標準偏差が設定されていることを特徴とする請求項４または６に記載の内燃機関の制御装置。   In the second learning map, a learning range of a plurality of map points on or near the boundary between the second learning target region and the low intake pressure region is the cylinder corresponding to the change in the downstream intake pressure. 7. The internal combustion engine according to claim 4, wherein a standard deviation of the Gaussian function with respect to the plurality of map points is set so as not to exceed an inflection point in a curve indicating a change in the amount of internal charge air. Control device. 前記第２学習手段は、前記内燃機関の過渡運転状態において、前記下流側吸気圧力の時間変化率のゼロに対するずれ量に応じて、学習対象となる学習対象マップ点に記憶されている学習値の更新のために取得された前記筒内充填空気量の学習値の、前記学習対象マップ点の記憶値への反映度合いを変更することを特徴とする請求項３〜７の何れか１つに記載の内燃機関の制御装置。   In the transient operation state of the internal combustion engine, the second learning means determines a learning value stored in a learning target map point to be a learning target according to a deviation amount of the downstream side intake pressure with respect to time with respect to zero. The degree of reflection of the learned value of the cylinder air charge amount acquired for updating in the stored value of the learning target map point is changed. Control device for internal combustion engine.

Images