JP5536562B2 - プラントの制御装置 - Google Patents
プラントの制御装置 Download PDFInfo
- Publication number
- JP5536562B2 JP5536562B2 JP2010146563A JP2010146563A JP5536562B2 JP 5536562 B2 JP5536562 B2 JP 5536562B2 JP 2010146563 A JP2010146563 A JP 2010146563A JP 2010146563 A JP2010146563 A JP 2010146563A JP 5536562 B2 JP5536562 B2 JP 5536562B2
- Authority
- JP
- Japan
- Prior art keywords
- estimated value
- physical quantity
- nox
- amount
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Combined Controls Of Internal Combustion Engines (AREA)
- Feedback Control In General (AREA)
Description
以下、本発明の第1実施形態を、図面を参照して説明する。
図1は、本実施形態に係る内燃機関(以下「エンジン」という)1及びその排気浄化システム2と、その制御装置との構成を示す模式図である。
吸気圧力センサ24は、吸気管20のうちインタークーラ59の下流側の吸気圧力P2を検出し、検出値に略比例した信号をECU8に送信する。第1排気圧力センサ32は、高圧EGR管41のうち高圧EGRクーラ43の上流側の排気圧力P3を検出し、検出値に略比例した信号をECU8に送信する。第2排気圧力センサ33は、排気管30のうちタービン51と酸化触媒35との間の排気圧力P4Lを検出し、検出値に略比例した信号をECU8に送信する。LAFセンサ34は、排気管30のうちタービン51と酸化触媒35との間の排気の空燃比ΦACTを検出し、検出値に略比例した信号をECU8に送信する。第1リフトセンサ13は、高圧EGRバルブ42のリフト量LHP_ACTを検出し、検出値に略比例した信号をECU8に送信する。第2リフトセンサ14は、低圧EGRバルブ47のリフト量LLP_ACTを検出し、検出値に略比例した信号をECU8に送信する。選択還元触媒温度センサ38は、選択還元触媒61の温度TSCRを検出し、検出値に略比例した信号をECU8に送信する。
また、フィードバック噴射量GUREA_ST(k)は、ストレージ量目標値設定部83により設定された目標値STUREA_CMD(k)にストレージ量を維持するように、フィードバック噴射量決定部84により決定される。
この図に示すように、選択還元触媒温度TSCRが上昇するに従い最大ストレージ容量STUREA_MAXは減少する。そこで、ストレージ量の目標値STUREA_CMDは、アンモニアスリップが発生しないように、最大ストレージ容量STUREA_MAXよりもやや小さな値に設定される。
このアンモニアストレージモデルは、選択還元触媒に流入する排気のNOx量に対するユリア噴射量に応じて、選択還元触媒におけるアンモニアのストレージ量の変化を推定するモデルである。具体的には、選択還元触媒におけるストレージ量の変化の状態を、所定のNOx量に対してユリア噴射量が適切な状態(図4の(a)参照)と、ユリア噴射量が過剰な状態(図4の(b)参照)と、ユリア噴射量が不足した状態(図4の(c)参照)との、3つの状態に分類する。
図5は、適応バーチャルセンサシステム81の構成を示すブロック図である。
適応バーチャルセンサシステム81は、NOx量の推定値NOXHATを算出するNOx量推定値算出部811と、LAFセンサ34の出力(排気空燃比)の推定値ΦHATを算出するLAFセンサ出力推定値算出部812と、後述の適応入力UVNSを算出する適応入力算出部813とを含んで構成される。
図6は、NOx量推定値算出部811のニューラルネットワーク構造を示す図である。
このニューラルネットワークは、所定の関数に従って出力する複数のニューロンを結合して構成され、m成分の入力ベクトルU(k)に応じて、値Y(k)を出力する。図6に示すように、このニューラルネットワークは、m個のニューロンW1j(j=1〜m)で構成された入力層と、m×(n−1)個のニューロンWij(i=2〜n,j=1〜m)で構成された中間層と、1個のニューロンYで構成された出力層との3つの層を含んで構成された階層型である。
入力層:W1j (j=1,2,…,m)
中間層:Wij (i=2,3,…,n,j=1,2,…,m)
出力層:Y
入力層のニューロンW1jには、信号T1j(k)が入力される。この入力信号T1j(k)には、それぞれ、下記式(12)に示すように入力ベクトルU(k)のj番目の成分Uj(k)が用いられる。
シグモイド関数f(x)の値域は、[ε,ε+1]となっている。また、図7に示すように、シグモイド関数f(x)は、βを大きくするに従い、x=0を中心としたステップ関数に近づく。
中間層のニューロンWij(i=2〜n,j=1〜m)には、結合するニューロンから出力されたm個の信号Vi−1,j(j=1〜m)のそれぞれに所定の重みωi−1,j(j=1〜m)を乗じた信号の和が入力される。したがって、中間層のニューロンWijには、下記式(15)に示すような信号Tij(k)が入力される。
出力層のニューロンYには、結合する中間層のニューロンから出力されたm個の信号Vn,j(j=1〜m)に所定の重みωn,j(j=1〜m)を乗じた信号の和が入力される。したがって、出力層のニューロンYには、下記式(18)に示すような信号T(k)が入力される。
図5に戻って、LAFセンサ出力推定値算出部812の構成について説明する。
LAFセンサ出力推定値算出部812は、NOx量推定値算出部811と同様に、ニューラルネットワークによりLAFセンサ34の出力の推定値ΦHATを算出する。
次に、図8〜図12を参照して、適応入力算出部の構成について説明する。適応入力算出部では、現在の排気浄化システムの所定の基準品からの特性変化の度合いを示す適応入力UVNSを、ファジィ推論アルゴリズムに基づいて算出する。
例えば、実際のLAFセンサの検出値ΦACTが推定値ΦHATより大きい場合、つまり推定誤差EHATが正の場合、これは現在の排気浄化システムが基準品に対しNOx量増加側へその特性が変化したことを示すものであるから、この場合、適応入力UVNSを正の値に設定する。
また、例えば、実際のLAFセンサの検出値ΦACTが推定値ΦHATより小さい場合、つまり推定誤差EHATが負の場合、これは現在の排気浄化システムが基準品に対しNOx量減少側へその特性が変化したことを示すものであるから、この場合、適応入力UVNSを負の値に設定する。
実際の車両では、例えば減速時のフューエルカットにより、LAFセンサの検出値ΦACTが急激にリーン側に変化する場合がある。しかしながら、このようなリーン側への急激な変化に対しては、LAFセンサ出力推定値算出部による推定値ΦHATが追いつかずに、推定誤差EHATが大きくなってしまう場合がある。このため、排気空燃比が理論空燃比よりもリッチ側にある場合とリーン側にある場合とでは、リーン側にある場合の方が、推定誤差EHATが大きくなる傾向がある。そこで、以上のような推定誤差EHATの大きさの違いを考慮して、LAFセンサの検出値ΦACTが理論空燃比よりもリーン側にある場合とリッチ側にある場合とで異なるように適応入力UVNSを設定する。つまり、図9中破線で示すように、LAFセンサの検出値ΦACTが理論空燃比よりもリーン側にある場合は、リッチ側にある場合と比較して同じ大きさの推定誤差EHATに対して、その絶対値がより小さくなるように適応入力UVNSを設定する。
IF 推定誤差EHAT≧0 AND 検出値ΦACTがリッチ側(ΦACT<理論空燃比)
THEN 適応入力UVNSは正の値(NOx排出量は増加)
IF 推定誤差EHAT<0 AND 検出値ΦACTがリッチ側(ΦACT<理論空燃比)
THEN 適応入力UVNSは負の値(NOx排出量は減少)
IF 推定誤差EHAT≧0 AND 検出値ΦACTがリーン側(ΦACT≧理論空燃比)
THEN 適応入力UVNSは小さな正の値(NOx排出量は少し増加)
IF 推定誤差EHAT<0 AND 検出値ΦACTがリーン側(ΦACT≧理論空燃比)
THEN 適応入力UVNSは小さな負の値(NOx排出量は少し減少)
推定誤差EHATに対する前件部メンバーシップ関数(μ11,μ12)及び検出値ΦACTに対する前件部メンバーシップ関数(μ21,μ22)は、それぞれ、図10中上段及び下段に示すように、台形状で定義する。また、図11に示すように本実施形態では、後件部メンバーシップ関数として、シングルトンを用いた所謂簡略ファジィ推論アルゴリズムにより適応入力UVNSを算出する。
先ず、ミニマックス選択について説明する。ここでは、現在の推定誤差及びLAFセンサの検出値をそれぞれEHAT(k)及びΦACT(k)とし、これらの値のルール1に対する適合度を算出する。ルール1は、上述のように、推定誤差EHATが正でありかつ検出値ΦACTが理論空燃比よりもリッチ側である領域に適用されるルールである。そこで、推定誤差EHATの前件部メンバーシップ関数μ12の適合度は、図12中、上段に示すようにμ11(k)となり、検出値ΦACTの前件部メンバーシップ関数μ22の適合度は、図12中、上段に示すようにμ22(k)となる。ミニマックス選択では、同一ルールにおける適合度のうち最も小さいものをそのルールの適合度とする。したがって、図12に示す例では、
μ22(k)<μ12(k)、であるので、ルール1の適合度m1(k)は、
m1(k)=μ22(k)、となる。
w1(k)=m1(k)×wU1となる。
より具体的には、先ず、状態の異なる排気浄化システムを少なくとも2組準備する。1つは、基準品となるものであり、新品でありかつばらつきのある製品群のうち規定範囲内のものを準備する。もう1つは、現在の排気浄化システムの上記基準品からの特性変化の度合いを算出するための参考となるものであり、上記基準品が劣化したもの又は上記製品群のうちの規定範囲外のばらつき品(以下、単に「劣化品」という)を準備する。
次に、実際に準備した排気浄化システムを運転することにより、上記式(21)及び(23)のニューラルネットワークの入力ベクトルU及びULAFの成分(GFUEL,P2,P3,P3L,LHP_ACT,LLP_ACT,NE)と、センサで取得したNOx量及びLAFセンサの検出値との関係を記録し、これを学習データとする。なお、入力ベクトルの成分とNOx量及びLAFセンサの検出値との関係を示す学習データは、上記準備した基準品と劣化品とで取得する。また、ここで取得する学習データには、基準品及び劣化品ともに排気浄化システムのエンジンの過渡運転状態におけるデータが含まれていることが好ましい。
より具体的には、先ずニューラルネットワークへの入力ベクトルULAFの成分を、例えば上記式(23)に示すように決定した後、ニューロンの数を決定する。
次に、上記ステップS1で取得した基準品及び劣化品の学習データのうち、基準品の学習データのみに基づいて、LAFセンサ出力推定値算出部に含まれるニューラルネットワークの学習を行う。すなわち、入力ベクトルULAFの成分(GFUEL,P2,P3,P3L,LHP_ACT,LLP_ACT,NE)とLAFセンサの検出値との関係が、ニューラルネットワークにより再現されるように、ニューロンの関数f(x),g(x)の各種ゲイン(α,β,γ,δ,ε)、並びに各ニューロンの結合の強さを示す重みωの値を設定する。なお、ニューラルネットワークの学習アルゴリズムには、既知の方法が用いられる。具体的には、例えば、逆誤差伝播法などの学習アルゴリズムの他、遺伝的アルゴリズムなどの最適化アルゴリズムが挙げられる。
次に、以上のように構築されたLAFセンサ出力推定値算出部を所定の方法で評価し、その出力の再現性を検証する。この評価の結果、十分な再現性が得られれば、LAFセンサ出力推定値算出部の構築を終了する。一方、この評価の結果、十分な再現性が得られなければ、入力ベクトルULAFの成分及びニューロンの数を再検討し、再び上記と同じ手順で学習する。
より具体的には、先ず、適応入力UVNSを算出するための入力の成分を決定する。
次に、具体的なファジィルールを抽出する。
次に、上記ステップS1で取得した基準品及び劣化品の学習データを用いて、前件部メンバーシップ関数及び後件部メンバーシップ関数などのチューニング、すなわち上記メンバーシップ関数の形状を設定する。
次に、以上のように構築された適応入力算出部を所定の方法で評価し、その出力の再現性を検証する。ここで、適応入力算出部の出力の再現性とは、算出された適応入力UVNSが、「−1」〜「1」の間で、現在の排気浄化システムの基準品からの特性変化の度合いを示す値として適した値となっていることをいう。定性的には、現在の排気浄化システムが基準品に対しNOx量増加側へその特性が変化した場合には適応入力UVNSが「1」以下の正の値となり、現在の排気浄化システムが基準品に対しNOx量減少側へその特性が変化した場合には適応入力UVNSが「−1」以上の負の値となることをいう。この評価の結果、十分な再現性が得られれば、適応入力算出部の構築を終了する。一方、この評価の結果、十分な再現性が得られなければ、ファジイルール及び上記メンバーシップ関数を再検討する。
より具体的には、先ずニューラルネットワークへの入力ベクトルUの成分を、例えば上記式(21)に示すように決定した後、ニューロンの数を決定する。
次に、上記ステップS1で取得した基準品及び劣化品の学習データの両方に基づいて、NOx量推定値算出部に含まれるニューラルネットワークの学習を行う。なお、ニューラルネットワークの学習を行う具体的な手順は、上記ステップS2におけるLAFセンサ出力推定値算出部と同じであるので、詳細な説明は省略する。
具体的には、例えば、NOx量推定値算出部811により第1推定値算出手段が構成され、LAFセンサ出力推定値算出部812により第2推定値算出手段が構成され、適応入力算出部813により適応入力算出手段が構成される。また、例えば、フィードフォワード噴射量決定部82、ストレージ量目標値設定部83、フィードバック噴射量決定部84、及び加算器85によりコントローラが構成される。
上記実施形態では、第1推定値算出手段で推定する第1物理量として、エンジンの排気中のNOx量とした場合を示したが、これに限るものではない。第1推定値算出手段で推定する第1物理量として、高圧EGR装置及び低圧EGR装置により排気から吸気に還流されたEGRガス中の不活性ガスの量である所謂Inert−EGR量を推定してもよい。
2…排気浄化システム(プラント)
34…LAFセンサ(検出手段)
61…選択還元触媒
62…ユリア噴射装置(還元剤供給手段)
8…ECU
811…NOx量推定値算出部(第1推定値算出手段)
812…LAFセンサ出力推定値算出部(第2推定値算出手段)
813…適応入力算出部(適応入力算出手段)
Claims (7)
- プラントの制御装置であって、
前記プラントの状態を示す複数の物理量のうちの少なくとも1つである第1物理量の推定値を、複数の入力に基づき所定のアルゴリズムにより算出する第1推定値算出手段と、
前記第1物理量と相関のある第2物理量の推定値を、複数の入力に基づき所定のアルゴリズムにより算出する第2推定値算出手段と、
前記第2物理量を検出する検出手段と、
前記検出手段により検出された第2物理量の検出値と前記第2推定値算出手段により算出された第2物理量の推定値との偏差又は比率を含む複数の入力に基づいて、前記プラントの基準品からの特性変化の度合いを示す値であって、前記第1推定値算出手段及び前記第2推定値算出手段のうち前記第1推定値算出手段のみに入力される適応入力を算出する適応入力算出手段と、を備え、
前記第1推定値算出手段のアルゴリズムは、所定の関数に従って出力する複数のニューロンを結合して構成されたニューラルネットワークであり、
前記第1物理量の推定値に基づいて、前記プラントの所定の制御量を制御することを特徴とするプラントの制御装置。 - 前記適応入力算出手段は、前記第2物理量の検出値と前記第2物理量の推定値との偏差又は比率並びに前記第2物理量の検出値を含んで構成された複数の入力に基づいて、ファジィ推論アルゴリズムにより前記適応入力を算出する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。
- 前記ファジィ推論アルゴリズムは、前記第2物理量の検出値と前記第2物理量の推定値との偏差又は比率の大きさを2以上に区分し、前記検出手段により検出された第2物理量の検出値の大きさを2以上に区分し、それぞれがどの区分に属するかによって定まる4つ以上の領域に対して設定されたファジィルールを含むことを特徴とする請求項2に記載のプラントの制御装置。
- 前記第2推定値算出手段のアルゴリズムは、所定の関数に従って出力する複数のニューロンを結合して構成されたニューラルネットワークであることを特徴とする請求項1から3の何れかに記載のプラントの制御装置。
- 前記第1推定値算出手段への複数の入力、及び、前記第2推定値算出手段への複数の入力には、それぞれ、複数の異なる時刻の物理量に関するデータが含まれ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。
- 前記プラントは、
内燃機関の排気系に設けられ、還元剤の存在下で前記排気系を流通するNOxを還元する選択還元触媒と、
前記排気系のうち前記選択還元触媒の上流側に、還元剤又は還元剤の元となる添加剤を供給する還元剤供給手段と、を備える内燃機関の排気浄化システムであり、
前記プラントの第1物理量は、前記選択還元触媒に流入する排気中のNOxに関するパラメータを含むことを特徴とする請求項1から5の何れかに記載のプラントの制御装置。 - 前記排気中のNOxに関するパラメータの推定値に基づいて、前記還元剤供給手段による還元剤又は添加剤の供給量を決定するコントローラをさらに備えること特徴とする請求項6に記載のプラントの制御装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010146563A JP5536562B2 (ja) | 2010-06-28 | 2010-06-28 | プラントの制御装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010146563A JP5536562B2 (ja) | 2010-06-28 | 2010-06-28 | プラントの制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012007593A JP2012007593A (ja) | 2012-01-12 |
JP5536562B2 true JP5536562B2 (ja) | 2014-07-02 |
Family
ID=45538398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010146563A Expired - Fee Related JP5536562B2 (ja) | 2010-06-28 | 2010-06-28 | プラントの制御装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5536562B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105308279B (zh) * | 2013-05-30 | 2017-11-03 | 丰田自动车株式会社 | 排气净化装置的异常诊断装置 |
WO2014192846A1 (ja) * | 2013-05-30 | 2014-12-04 | トヨタ自動車株式会社 | 排気浄化装置の異常診断装置 |
CN106931453B (zh) * | 2017-02-27 | 2018-02-16 | 浙江大学 | 循环流化床生活垃圾焚烧锅炉NOx排放的预测***及方法 |
CN114991920B (zh) * | 2022-05-23 | 2023-06-20 | 重庆文理学院 | 一种用于柴油机汽车尾气氮氧化物的处理*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0521615Y2 (ja) * | 1989-06-28 | 1993-06-03 | ||
EP2085593B1 (en) * | 2008-01-29 | 2010-06-30 | Honda Motor Co., Ltd. | Control system for internal combustion engine |
-
2010
- 2010-06-28 JP JP2010146563A patent/JP5536562B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2012007593A (ja) | 2012-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5149988B2 (ja) | プラントの制御装置 | |
US11230985B2 (en) | Control device of internal combustion engine, in-vehicle electronic control unit, machine learning system, control method of internal combustion engine, manufacturing method of electronic control unit, and output parameter calculation device | |
CN111016920B (zh) | 车辆用驱动装置的控制装置及控制方法、车载电子控制单元、已学习模型和机器学习*** | |
CN108071460A (zh) | 非侵入式空气/燃料传感器诊断 | |
US6990402B2 (en) | Control system and method, and control unit | |
US11436488B2 (en) | Control device | |
CN111022206B (zh) | 车辆用驱动装置的控制装置及方法、车载电子控制单元 | |
JP6702380B2 (ja) | 内燃機関の制御装置 | |
US20130291520A1 (en) | Method of estimating a variation of a quantity of soot accumulated in a diesel particulate filter | |
JP5000539B2 (ja) | 内燃機関の排気浄化装置 | |
US10947909B2 (en) | Control device of internal combustion engine and control method of same and learning model for controlling internal combustion engine and learning method of same | |
JP5536562B2 (ja) | プラントの制御装置 | |
WO2010095221A1 (ja) | 内燃機関の排気浄化システム | |
JP2012052510A (ja) | 内燃機関の排気浄化システム | |
JP6222138B2 (ja) | 内燃機関のエミッション推定装置 | |
JP2006291726A (ja) | 内燃機関の空燃比推定装置 | |
JP4957431B2 (ja) | 内燃機関のpm排出量推定システム及び内燃機関の排気浄化システム | |
JP2020045821A (ja) | 内燃機関の制御装置 | |
JP5377655B2 (ja) | 内燃機関の制御装置 | |
JP2020122401A (ja) | 内燃機関の制御装置 | |
US11168636B2 (en) | State estimation device for internal combustion engine, state estimation system for internal combustion engine, data analysis device, and control device for internal combustion engine | |
WO2021121573A1 (en) | A method for controlling an internal combustion engine arrangement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121128 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130731 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130820 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20131021 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140415 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140424 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5536562 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |