JP5861779B2 - 内燃機関の制御装置 - Google Patents

Description

本発明は、制御パラメータの学習マップを備えた内燃機関の制御装置に関する。

従来技術として、例えば特許文献１（日本特開２００９−０４６９８８号公報）に開示されているように、制御パラメータの学習マップを備えた内燃機関の制御装置が知られている。学習マップの各格子点には、制御パラメータを補正するための学習値がそれぞれ記憶されている。従来技術では、学習すべき制御パラメータを取得した場合に、学習マップ上で当該取得値の周囲に位置する４個の格子点を選択し、これら４個の格子点の学習値を更新する構成としている。この学習制御では、制御パラメータの取得値に重み付けをしてから周囲の格子点の学習値に反映させるが、このときの重み付けは、前記取得値の位置と格子点との距離が近いほど大きくなるように設定される。
尚、出願人は、本発明に関連するものとして、上記の文献を含めて、以下に記載する文献を認識している。

日本特開２００９−０４６９８８号公報 日本特開平９−０７９０７２号公報 日本特開２００９−２５０２４３号公報 日本特開２００５−１４６９４７号公報 日本特開２０００−０３８９４４号公報 日本特開平４−１７５４３４号公報 日本特開２００７−１７６３７２号公報

上述した従来技術では、制御パラメータの取得値の周囲に位置する４個の学習値に対して、前記取得値に近い格子点ほど重み付けが大きくなるように学習制御を行う構成としている。しかしながら、従来技術では、１回の学習動作により更新される学習値が４個のみに限定され、制御パラメータの取得値から離れた格子点では学習値が更新されないので、学習効率が低いという問題がある。しかも、学習値が更新されていない格子点の周囲では、誤学習の虞れもある。

本発明は、上述のような課題を解決するためになされたもので、本発明の目的は、１回の学習動作により多数の格子点の学習値を更新することができ、また、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可能な内燃機関の制御装置を提供することにある。

第１の発明は、複数の格子点を有し、内燃機関の制御に用いる制御パラメータの学習値が前記各格子点にそれぞれ更新可能に記憶された学習マップと、
前記制御パラメータが取得されたときに、前記学習マップの各格子点の重みをそれぞれ設定する手段であって、前記学習マップ上における前記制御パラメータの取得値の位置である基準位置から格子点までの距離が大きいほど、当該格子点の重みを減少させる重み設定手段と、
前記制御パラメータが取得される毎に、全ての格子点において、前記重みが大きいほど前記制御パラメータの取得値が前記学習値に大きく反映されるように個々の格子点の学習値を更新する重み付け学習制御を実行する重み付け学習手段と、
を備えることを特徴とする。

第２の発明によると、前記学習マップは互いに異なる複数の領域を備え、
前記重み設定手段は、前記基準位置からの距離に応じて減少する前記重みの減少特性を前記複数の領域毎に切換える構成としている。

第３の発明は、前記基準位置からの距離が所定の有効範囲よりも大きい格子点において、前記学習値の更新を禁止する構成としている。

第４の発明によると、前記重み設定手段は、前記基準位置からの距離に応じて前記重みが正規分布曲線状に減少するガウス関数により構成している。

第５の発明によると、前記重み設定手段は、前記基準位置からの距離に応じて前記重みが比例的に減少する一次関数により構成している。

第６の発明によると、前記重み設定手段は、前記基準位置からの距離に応じて前記重みが正弦波状に減少する三角関数により構成している。

第７の発明は、前記学習マップと同様に構成された複数の格子点を有し、前記学習値の信頼性を表す指標である信頼性評価値が前記各格子点にそれぞれ更新可能に記憶された信頼性マップと、
前記信頼性マップの各格子点の重みである信頼性重みを、前記基準位置から格子点までの距離が大きいほど減少させる手段であって、当該信頼性重みの減少特性が前記学習マップの重みの減少特性よりも急峻に設定された信頼性マップ重み設定手段と、
前記制御パラメータが取得される毎に、当該取得値の信頼性に対応する値をもつ信頼性取得値を前記基準位置に設定し、かつ、前記信頼性マップの全ての格子点において、前記信頼性重みが大きいほど前記信頼性取得値が前記信頼性評価値に大きく反映されるように個々の格子点の信頼性評価値を更新する信頼性マップ学習手段と、を備える。

第８の発明は、複数の格子点を有する学習マップであって、内燃機関のトルクが最大となる点火時期であるＭＢＴの学習値が前記各格子点にそれぞれ更新可能に記憶されたＭＢＴマップと、
筒内圧に基いて燃焼重心を算出する燃焼重心算出手段と、
前記燃焼重心が所定の燃焼重心目標値と一致するように、前記ＭＢＴマップにより算出した点火時期を補正する点火時期補正手段と、
前記点火時期補正手段による補正後の点火時期に基いて、前記ＭＢＴマップの各格子点の重みをそれぞれ設定する手段であって、前記ＭＢＴマップ上における前記補正後の点火時期の位置である基準位置から格子点までの距離が大きいほど、当該格子点の重みを減少させる重み設定手段と、
前記燃焼重心が前記燃焼重心目標値と一致した場合に、全ての格子点において、前記重みが大きいほど前記補正後の点火時期が前記ＭＢＴの学習値に大きく反映されるように個々の格子点の学習値を更新する重み付け学習制御を実行する重み付け学習手段と、
を備える。

第９の発明は、内燃機関の過渡運転時における前記学習値の更新量を、定常運転時と比較して抑制する構成としている。

第１０の発明は、前記燃焼重心と前記燃焼重心目標値との差分及び前記補正後の点火時期に基いてＭＢＴを推定するＭＢＴ推定手段と、
前記重み付け学習手段に代えて用いられる手段であって、前記燃焼重心が前記燃焼重心目標値から乖離している場合でも、前記重み付け学習制御により前記ＭＢＴの学習値を更新し、かつ、前記燃焼重心と前記燃焼重心目標値との差分が大きいほど前記学習値に対する前記ＭＢＴの推定値の反映度を低下させるＭＢＴ常時学習手段と、を備える。

第１１の発明は、前記ＭＢＴマップと同様に構成された複数の格子点を有する学習マップであって、トレースノック領域における点火時期であるＴＫ点火時期の学習値が前記各格子点にそれぞれ更新可能に記憶されたＴＫマップと、
ＭＢＴが実現される前にトレースノックが発生したときの点火時期を取得し、当該取得値に基いて前記ＴＫ点火時期の学習値を前記重み付け学習制御により更新するＴＫ点火時期学習手段と、
前記ＭＢＴマップにより算出された学習値と前記ＴＫマップにより算出された学習値のうち、より遅角側の点火時期を選択する選択手段と、を備える。

第１２の発明は、前記ＴＫマップと同様に構成された複数の格子点を有する学習マップであって、前記ＴＫマップの個々の格子点が前記トレースノック領域に属するか否かを示す学習値が前記各格子点にそれぞれ更新可能に記憶されたＴＫ領域マップと、
前記ＴＫ点火時期を取得したときに、前記ＴＫ領域マップの学習値を前記重み付け学習制御により更新するＴＫ領域学習手段と、を備える。

第１３の発明は、前記ＭＢＴマップと同様に構成された複数の格子点を有する学習マップであって、ＭＢＴの学習履歴が反映される信頼性評価値が前記各格子点にそれぞれ更新可能に記憶された信頼性マップと、
前記ＭＢＴマップを更新するときに、前記基準位置に基いて前記重み付け学習制御により前記信頼性評価値を更新する信頼性マップ学習手段と、を備える。

第１４の発明によると、前記学習マップは、空燃比センサの出力に基いて前記筒内空燃比を補正する補正係数の学習値が前記各格子点にそれぞれ記憶された補正マップであり、
少なくとも筒内圧センサの出力に基いて筒内空燃比を算出する筒内空燃比算出手段を備え、
前記重み設定手段は、前記補正係数により補正された補正後の筒内圧空燃比と前記空燃比センサの出力とに基いて算出された前記補正係数の算出値を前記制御パラメータの取得値として、前記補正マップの各格子点における重みを設定し、
前記重み付け学習手段は、前記補正係数の算出値と前記各格子点の重みとに基いて、前記各格子点における前記補正係数の学習値を更新する構成としている。

第１５の発明によると、前記学習マップは、燃料噴射弁の目標噴射量と通電時間との関係が前記通電時間の学習値として前記各格子点にそれぞれ記憶された噴射特性マップであり、
少なくとも筒内圧センサの出力に基いて実噴射量を算出する実噴射量算出手段を備え、
前記重み設定手段は、前記目標噴射量と前記実噴射量とに基いて補正された補正後の通電時間を前記制御パラメータの取得値として、前記噴射特性マップの各格子点における重みを設定し、
前記重み付け学習手段は、前記補正後の通電時間と前記各格子の重みとに基いて、前記各格子点における前記通電時間の学習値を更新する構成としている。

第１６の発明によると、前記学習マップは、エアフローセンサの出力を補正する補正係数の学習値が前記各格子点にそれぞれ記憶された補正マップであり、
空燃比センサの出力と燃料噴射量とに基いて前記補正係数の学習基準値を算出する学習基準算出手段を備え、
前記補正係数の学習基準値を前記制御パラメータの取得値として、前記重み付け学習制御を実行することにより前記補正係数の学習値を更新する構成としている。

第１７の発明によると、前記学習マップは、吸気通路の壁面に付着した燃料の量である壁面燃料付着量の学習値が前記各格子点にそれぞれ記憶されたＱＭＷマップであり、
少なくとも空燃比センサの出力に基いて前記壁面燃料付着量の学習基準値を算出する学習基準算出手段を備え、
前記壁面燃料付着量の学習基準値を前記制御パラメータの取得値として、前記重み付け学習制御を実行することにより前記壁面燃料付着量の学習値を更新する構成としている。

第１８の発明によると、前記学習マップは、内燃機関の燃費を最良とするバルブタイミングの学習値が前記各格子点にそれぞれ記憶されたＶＴマップであり、
少なくとも筒内圧センサの出力に基いて前記バルブタイミングの学習基準値を算出する学習基準算出手段を備え、
前記バルブタイミングの学習基準値を前記制御パラメータの取得値として、前記重み付け学習制御を実行することにより前記バルブタイミングの学習値を更新する構成としている。

第１９の発明によると、前記学習マップは、点火時期遅角制御により失火の発生なしに実現可能な最遅角側の点火時期である失火限界点火時期の学習値が前記各格子点にそれぞれ記憶された失火限界マップであり、
現在の点火時期が失火限界であるか否かを判定する失火限界判定手段と、
前記失火限界と判定されたときの点火時期を取得し、当該取得値に基いて前記失火限界点火時期の学習値を前記重み付け学習制御により更新する失火限界学習手段と、
点火時期遅角制御により遅角された目標点火時期と前記失火限界マップにより算出された学習値のうち、より進角側の点火時期を選択する選択手段と、を備える。

第２０の発明によると、前記学習マップは、燃料噴射量を増量する燃料増量値の学習値が前記各格子点にそれぞれ記憶された燃料増量マップであり、
前記重み付け学習制御により前記燃料増量値の学習値を更新する構成としている。

第２１の発明によると、前記学習マップは、アイドル運転制御により補正された吸気通路の開度の学習値が前記各格子点にそれぞれ記憶されたＩＳＣマップであり、
前記重み付け学習制御により前記吸気通路の開度の学習値を更新する構成としている。

第２２の発明によると、前記学習マップは、ＥＧＲ制御により失火の発生なしに実現可能な最大のＥＧＲ量である失火限界ＥＧＲ量の学習値が前記各格子点にそれぞれ記憶された失火限界ＥＧＲマップであり、
現在の点火時期が失火限界であるか否かを判定する失火限界判定手段と、
前記失火限界と判定されたときのＥＧＲ量を取得し、当該取得値に基いて前記失火限界ＥＧＲ量の学習値を前記重み付け学習制御により更新する失火限界ＥＧＲ学習手段と、
ＥＧＲ制御により算出された要求ＥＧＲ量と前記失火限界ＥＧＲマップにより算出された学習値のうち、大きい方のＥＧＲ量を選択する選択手段と、を備える。

第２３の発明によると、前記学習マップは、空燃比センサの出力を補正する補正係数の学習値がそれぞれ記憶された補正マップであり、
酸素濃度センサの出力が理論空燃比に対応する出力値となったときの前記空燃比センサの出力値を基準出力値として取得し、当該基準出力値に基いて前記補正係数の学習基準値を算出する学習基準算出手段を備え、
前記補正係数の学習基準値を前記制御パラメータの取得値として、前記重み付け学習制御を実行することにより前記補正係数の学習値を更新する構成としている。

第２４の発明によると、前記学習マップは、内燃機関の始動時に噴射される燃料の始動時噴射量の学習値がそれぞれ記憶された始動時噴射量マップであり、
少なくとも筒内圧センサの出力に基いて前記始動時噴射量の学習基準値を算出する学習基準算出手段を備え、
前記始動時噴射量の学習基準値を前記制御パラメータの取得値として、前記重み付け学習制御を実行することにより前記始動時噴射量の学習値を更新する構成としている。

第１の発明によれば、重み付け学習制御では、１回の学習動作を行うことにより、制御パラメータの取得値に最も近い格子点だけでなく、全ての格子点の学習値を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。これにより、学習機会が少ない場合でも、最小限の学習回数により全ての格子点の学習値を速やかに最適化することができる。しかも、一部の格子点で学習値が失われたり、未学習状態が続いた場合でも、これらの学習値を他の位置での学習動作により補完することができる。従って、制御パラメータの種類に関係なく、学習効率を高め、学習制御の信頼性を向上させることができる。しかも、重み付け手段により設定する重みの減少特性に応じて、広い学習領域において学習の速度や効率を容易に調整することができる。さらに、制御パラメ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、学習値の演算負荷を時間的に分散させることができるので、学習処理の演算負荷を軽減することができる。

第２の発明によれば、重み設定手段は、重みの減少特性を複数の領域毎に切換えることができる。これにより、例えば急峻な学習が必要な領域では、重みの急変が可能な設定とすることで、学習の応答性や制御効率を向上させ、フェイルセーフ等の動作を安定させることができる。また、緩やかな学習でも許される領域では、重みが比較的広い格子点範囲で緩やかに変化する設定とすることで、学習時の演算負荷を抑制し、学習マップを滑らかにすることができる。従って、学習マップ全体に適合する重み付けを容易に実現することができる。また、制御パラメータの取得値が属する領域の特性に応じて、全格子点における学習の応答性、速度、効率等を切換えることもできる。

第３の発明によれば、基準位置からの距離が所定の有効範囲よりも大きい格子点において、学習値の更新を禁止することができる。これにより、学習値が更新される格子点を有効範囲内に制限することができるので、学習効果が小さい格子点で学習値が無駄に更新されるのを回避し、学習処理の演算負荷を軽減することができる。

第４の発明によれば、重み設定手段としてガウス関数を用いることにより、制御パラメータの取得値の位置（基準位置）からの距離に応じて、重みを滑らかに変化させることができる。従って、学習マップを滑らかにすることができ、学習値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、ガウス関数の標準偏差σの設定に応じて重み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の速度や効率を容易に調整することができる。

第５の発明によれば、重み設定手段として一次関数を用いることにより、重みを演算するときの演算負荷を大幅に減少させることができる。

第６の発明によれば、重み設定手段として三角関数を用いることにより、重みの演算負荷をガウス関数よりも減少させつつ、ガウス関数を用いた場合と同様に重みを滑らかに減少させることができる。

第７の発明によれば、信頼性マップの各格子点の信頼性評価値には、同じ格子点における学習値の信頼性を反映させることができる。そして、信頼性評価値の重み付け学習制御を実行することにより、制御パラメータの取得値が各格子点の学習値に反映されるときと同等の反映度をもって、信頼性取得値を各格子点の信頼性評価値に反映させることができる。従って、１回の学習動作により、各格子点の学習値の信頼性を効率よく算出することができる。また、各種の制御等に学習値を用いる場合には、信頼性マップ上で対応する格子点の信頼性評価値に基いて、学習値の信頼性を評価し、評価の結果に基いて適切な対応制御を実行することができる。

第８の発明によれば、点火時期の学習制御において、第１の発明と同様の作用効果を得ることができる。また、重み付け学習制御は、燃焼重心が燃焼重心目標値とほぼ一致した場合にのみ実行されるが、１回の学習動作によりＭＢＴマップの全格子点でＭＢＴを効率よく学習することができるので、学習機会が比較的少なくても、学習を十分に行うことができる。

第９の発明によれば、点火時期を取得したときの運転状態が安定しているほど、即ち、点火時期の取得値の信頼性が高いほど、学習値の更新量を大きくすることができる。一方、運転状態が不安定な場合には、学習値の更新量を小さくし、学習を停止または抑制することができる。これにより、定常運転時の学習を促進し、過渡運転時の誤学習を抑制することができる。

第１０の発明によれば、燃焼重心が燃焼重心目標値から乖離している場合でも、ＭＢＴの推定値を常に得ることができるので、この推定値に基いて学習値を更新することができ、学習機会を増加させることができる。これにより、学習値を速やかにＭＢＴに近付け、ＭＢＴ制御の制御性を向上させることができる。また、ＭＢＴ常時学習手段は、燃焼重心と燃焼重心目標値との差分が大きいほど、即ち、ＭＢＴの推定精度が低いほど、重みを減少させ、学習値の更新量を減少させることができる。従って、ＭＢＴの推定値が学習値に反映される度合いを、当該推定値の信頼度に応じて適切に調整し、誤学習を抑制することができる。

第１１の発明によれば、点火時期の学習時には、ＭＢＴとＴＫ点火時期の何れかを学習することができるので、学習機会を増加させ、ＭＢＴ領域以外でも点火時期を効率よく学習することができる。また、選択手段は、ＭＢＴ学習値とＴＫ学習値のうち進角側の点火時期を選択することができるので、ノックの発生を回避しつつ、点火時期を可能な限り進角側に制御して、運転性能や運転効率を向上させることができる。

第１２の発明によれば、ＴＫ領域マップを用いることにより、ＴＫ領域の境界を明確化することができるので、ＴＫ領域以外の領域でＴＫ点火時期が誤学習されるのを抑制することができ、学習精度を向上させることができる。

第１３の発明によれば、第８乃至第１２の発明に対して、第７の発明における信頼性マップを適用することができる。これにより、各種の制御等に点火時期の学習値を用いる場合には、信頼性マップ上で対応する格子点の信頼性評価値に基いて、点火時期の学習値の信頼性を評価し、評価の結果に基いて適切な対応制御を実行することができる。

第１４の発明によれば、筒内空燃比の算出制御において、第１の発明と同様の作用効果を得ることができる。特に、筒内センサにより算出した筒内空燃比は、運転状態の変化による誤差が大きいので、従来技術の学習方法により得られた補正係数を用いても、実用性を高めるのが難しい。これに対し、重み付け学習制御は、学習機会が比較的少なくても、補正マップの全格子点で補正係数を速やかに学習することができる。従って、筒内空燃比の誤差が大きい場合でも、この誤差を補正係数により適切に補正することができ、筒内空燃比の算出精度や実用性を向上させることができる。

第１５の発明によれば、燃料噴射特性の学習制御において、第１の発明と同様の作用効果を得ることができる。従って、少ない学習回数でも噴射特性の変化を効率よく学習し、燃料噴射制御の精度を向上させることができる。また、筒内圧センサの出力に基いて実噴射量を算出し、この実噴射量に基いて学習を実行することができるので、実際の燃料噴射量が検出できなくても、既存のセンサを利用して学習制御を容易に行うことができる。

第１６の発明によれば、エアフローセンサ用補正係数の学習制御において、第１の発明と同様の作用効果を得ることができる。従って、少ない学習回数でも補正係数を効率よく学習し、吸入空気量の算出精度を向上させることができる。

第１７の発明によれば、壁面燃料付着量の学習制御において、第１の発明と同様の作用効果を得ることができる。従って、少ない学習回数でも壁面燃料付着量を効率よく学習し、燃料噴射制御の精度を向上させることができる。

第１８の発明によれば、バルブタイミングの学習制御において、第１の発明と同様の作用効果を得ることができる。従って、少ない学習回数でもバルブタイミングを効率よく学習し、動弁系の制御性を向上させることができる。

第１９の発明によれば、失火限界点火時期の学習制御において、第１の発明と同様の作用効果を得ることができ、失火限界を効率よく学習することができる。また、選択手段は、点火時期遅角制御により遅角された目標点火時期と、失火限界マップにより算出された点火時期のうち遅角側の方を選択することができる。これにより、失火を回避しつつ、点火時期を遅角要求に応じて最大限に遅角し、点火時期の制御性を向上させることができる。また、重み付け学習制御は、失火限界に達した場合にのみ実行されるが、１回の学習動作により失火限界マップの全格子点で失火限界点火時期を効率よく学習することができるので、学習機会が比較的少なくても、学習を十分に行うことができる。

第２０の発明によれば、燃料増量値の学習制御において、第１の発明と同様の作用効果を得ることができる。従って、少ない学習回数でも燃料増量値を効率よく学習し、内燃機関の運転性能を向上させることができる。

第２１の発明によれば、ＩＳＣ開度の学習制御において、第１の発明と同様の作用効果を得ることができる。従って、少ない学習回数でもＩＳＣ開度を効率よく学習することができ、アイドル運転の安定性を向上させることができる。

第２２の発明によれば、ＥＧＲの学習制御において、第１の発明と同様の作用効果を得ることができ、失火限界ＥＧＲ量を効率よく学習することができる。また、選択手段は、ＥＧＲ制御により算出された要求ＥＧＲ量と失火限界ＥＧＲ量のうち大きい方を選択することができる。これにより、失火を回避しつつ、ＥＧＲ量を要求に応じて最大限に確保し、ＥＧＲ制御の制御性を向上させることができる。また、重み付け学習制御は、失火限界に達した場合のみ実行されるが、１回の学習動作により失火限界ＥＧＲマップの全格子点で失火限界ＥＧＲ量を効率よく学習することができるので、学習機会が比較的少なくても、学習を十分に行うことができる。

第２３の発明によれば、空燃比センサの出力補正制御において、第１の発明と同様の作用効果を得ることができ、排気空燃比の検出精度を向上させることができる。また、学習基準算出手段は、酸素濃度センサの出力が理論空燃比に対応する出力値となったときに、空燃比センサの出力値を基準出力値として取得することができるので、補正の基準を容易に得ることができる。また、重み付け学習手段は、酸素濃度センサによりストイキを検出した場合にのみ実行されるが、１回の学習動作により補正マップの全格子点で補正係数を効率よく学習することができるので、学習機会が比較的少なくても、学習を十分に行うことができる。

第２４の発明によれば、始動時噴射量の学習制御において、第１の発明と同様の作用効果を得ることができる。従って、少ない学習回数でも始動時噴射量を効率よく学習し、内燃機関の始動性を向上させることができる。

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。 本発明の実施の形態１において、重み付け学習制御に用いる学習マップの一例を模式的に示す説明図である。 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。 本発明の実施の形態１において、ＥＣＵにより実行される制御のフローチャートである。 本発明の実施の形態２において、一次関数による重みの減少特性を示す特性線図である。 本発明の実施の形態３において、三角関数による重みの減少特性を示す特性線図である。 本発明の実施の形態４において、重み付け学習制御に用いる学習マップの一例を模式的に示す説明図である。 本発明の実施の形態５において、重み付け学習制御に用いる学習マップの一例を模式的に示す説明図である。 本発明の実施の形態５による重み付けの特性を示す特性線図である。 本発明の実施の形態６において、信頼性マップの一例を模式的に示す説明図である。 本発明の実施の形態６において、ＥＣＵにより実行される制御のフローチャートである。 本発明の実施の形態７による点火時期制御を示す制御ブロック図である。 本発明の実施の形態７において、ＥＣＵにより実行される制御のフローチャートである。 本発明の実施の形態８において、ＥＣＵにより実行される制御のフローチャートである。 本発明の実施の形態９による点火時期制御を示す制御ブロック図である。 燃焼重心ＣＡ５０が燃焼重心目標値とほぼ一致したときにのみ点火時期を学習する構成とした場合の学習機会を比較例として示すタイミングチャートである。 本発明の実施の形態９による学習制御を示すタイミングチャートである。 燃焼重心ＣＡ５０と燃焼重心目標値との差分ΔＣＡ５０に基いて信頼度係数εを算出するための特性線図である。 本発明の実施の形態１０による点火時期制御を示す制御ブロック図である。 本発明の実施の形態１０において、ＥＣＵにより実行される制御のフローチャートである。 本発明の実施の形態１１による点火時期制御を示す制御ブロック図である。 本発明の実施の形態１１において、ＥＣＵにより実行される制御のフローチャートである。 本発明の実施の形態１２による筒内空燃比の算出制御を示す制御ブロック図である。 本発明の実施の形態１２による変形例の構成を示す制御ブロック図である。 本発明の実施の形態１３において、燃料噴射弁の噴射特性を示す特性線図である。 本発明の実施の形態１３により実行される燃料噴射特性の学習制御を示す制御ブロック図である。 本発明の実施の形態１３において、変形例を示す制御ブロック図である。 本発明の実施の形態１４において、エアフローセンサ用補正係数の学習制御を示す制御ブロック図である。 本発明の実施の形態１５において、壁面燃料付着量の学習制御を示す制御ブロック図である。 本発明の実施の形態１６において、バルブタイミングの学習制御を示す制御ブロック図である。 本発明の実施の形態１７による点火時期制御を示す制御ブロック図である。 本発明の実施の形態１７において、ＥＣＵにより実行される制御のフローチャートである。 本発明の実施の形態１８において、燃料増量補正値の学習制御を示す制御ブロック図である。 本発明の実施の形態１９において、ＩＳＣの学習制御を示す制御ブロック図である。 本発明の実施の形態２０によるＥＧＲの学習制御を示す制御ブロック図である。 本発明の実施の形態２０において、ＥＣＵにより実行される制御のフローチャートである。 本発明の実施の形態２１による空燃比センサの出力補正制御を示す制御ブロック図である。 本発明の実施の形態２２による始動時燃料噴射量の学習制御を示す制御ブロック図である。

実施の形態１．
［実施の形態１の構成］
以下、図１乃至図４を参照して、本発明の実施の形態１について説明する。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。本実施の形態のシステムは、内燃機関として多気筒型のエンジン１０を備えている。なお、本発明は、単気筒及び多気筒を含む任意の気筒数の内燃機関に適用されるものであり、図１は、エンジン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。また、図１に示すシステム構成は、本発明の実施の形態１乃至２２に必要な構成を全て記載したものであり、個々の実施の形態では、このシステム構成のうち必要なものだけを採用すればよい。

エンジン１０の各気筒には、ピストン１２により燃焼室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、エンジン１０は、各気筒に吸入空気を吸込む吸気通路１８を備えており、吸気通路１８には、吸入空気量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。一方、エンジン１０は、各気筒の排気ガスを排出する排気通路２２を備えており、排気通路２２には、排気ガスを浄化する三元触媒等の触媒２４が設けられている。また、エンジンの各気筒は、吸気ポートに燃料を噴射する燃料噴射弁２６と、混合気に点火する点火プラグ２８と、吸気ポートを開閉する吸気バルブ３０と、排気ポートを開閉する排気バルブ３２とを備えている。また、エンジン１０は、吸気バルブ３０の開弁特性を可変に設定する吸気可変動弁機構３４と、排気バルブ３２の開弁特性を可変に設定する排気可変動弁機構３６とを備えている。これらの可変動弁機構３４，３６は、例えば日本特開２０００−８７７６９号公報に記載されているＶＶＴ（Variable Valve Timing system）により構成されている。また、エンジン１０は、排気ガスの一部を吸気系に還流させるＥＧＲ機構３８を備えている。ＥＧＲ機構３８は、吸気通路１８と排気通路２２との間に接続されたＥＧＲ通路４０と、ＥＧＲ通路４０を流れる排気ガスの流量を調整するＥＧＲ弁４２とを備えている。

次に、本実施の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。本実施の形態のシステムは、エンジン及び車両の運転に必用な各種のセンサが含まれるセンサ系統と、エンジンの運転状態を制御するＥＣＵ（Engine Control Unit）６０とを備えている。まず、センサ系統について述べると、クランク角センサ４４は、クランク軸１６の回転に同期した信号を出力するもので、エアフローセンサ４６は吸入空気量を検出する。また、水温センサ４８はエンジン冷却水の水温を検出し、筒内圧センサ５０は筒内圧を検出し、吸気温度センサ５２は吸入空気の温度（外気温度）を検出する。空燃比センサ５４は、排気空燃比を連続的な検出値として検出するもので、触媒２４の上流側に配置されている。酸素濃度センサ５６は、排気空燃比が理論空燃比に対してリッチとリーンの何れであるかを検出するもので、触媒２４の下流側に配置されている。

ＥＣＵ６０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。ＥＣＵ６０の不揮発性メモリには、後述する各種の学習マップが記憶されている。また、ＥＣＵ６０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。ＥＣＵ６０の出力側には、スロットルバルブ２０、燃料噴射弁２６、点火プラグ２８、可変動弁機構３４，３６、ＥＧＲ弁４２等のアクチュエータが接続されている。そして、ＥＣＵ６０は、センサ系統により検出したエンジンの運転情報に基いて各アクチュエータを駆動し、運転制御を行う。具体的には、クランク角センサ４４の出力に基いて機関回転数とクランク角とを検出し、エアフローセンサ４６により吸入空気量を検出する。また、機関回転数と吸入空気量とに基いて機関負荷を算出し、吸入空気量、機関負荷、水温等に基いて燃料噴射量を算出すると共に、クランク角に基いて燃料噴射時期及び点火時期を決定する。そして、燃料噴射時期が到来した時点で燃料噴射弁２６を駆動し、点火時期が到来した時点で点火プラグ２８を駆動する。これにより、各気筒で混合気を燃焼させ、エンジンを運転する。

また、ＥＣＵ６０は、上述した点火時期制御及び燃料噴射制御に加えて、排気空燃比が理論空燃比等の目標空燃比となるように燃料噴射量を補正する空燃比フィードバック制御と、エンジンの運転状態に基いて可変動弁機構３４，３６の少なくとも一方を制御するバルブタイミング制御と、運転状態に基いてＥＧＲ弁４２を制御するＥＧＲ制御と、アイドル運転時の機関回転数が目標回転数となるようにフィードバック制御するアイドル運転制御とを実行する。また、点火時期制御には、例えばノック制御、変速対応制御、触媒暖機制御等のように、点火時期を遅角する点火時期遅角制御が含まれている。上記各種の制御は何れも公知のものである。

［実施の形態１の特徴］
（重み付け学習制御）
一般に、エンジン制御では、各種の制御パラメータの取得値に基いて制御パラメータを学習する学習制御が行われる。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。本実施の形態では、学習制御として、以下に述べる重み付け学習制御を実行する。ＥＣＵ６０は、重み付け学習制御を行う学習装置を構成しており、複数の格子点を有する学習マップを備えている。なお、本実施の形態では、重み付け学習制御の具体的な内容について説明するものとし、制御パラメータの具体例については、後述する実施の形態７以降で説明する。

図２は、本発明の実施の形態１において、重み付け学習制御に用いる学習マップの一例を模式的に示す説明図である。この図は、Ｘ軸及びＹ軸に対応する２つの参照パラメータに基いて、１つの学習値が算出される２次元の学習マップを例示している。図２に示す学習マップは、座標ｉ，ｊが１〜４の範囲で変化する１６個の格子点を有している。学習マップの各格子点(ｉ,ｊ)には、制御パラメータの学習値Ｚ_ijがそれぞれ更新可能に記憶されている。

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_kij、Ｗ_ij(ｋ)、Ｖ_ij(ｋ)、Ｚ_ij(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_ij、Ｗ_ij、Ｖ_ij、Ｚ_ij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。また、図２は、制御パラメータの１回目及び２回目の取得値ｚ₁，ｚ₂が全格子点の学習値Ｚ_ijに反映される様子を矢印により例示したもので、図面を判り易くするために、矢印の一部を省略し、学習値の更新範囲を円により示している。

重み付け学習制御は、基本的に、ｋ回目（ｋ番目）の取得タイミングで取得した制御パラメータの取得値（パラメータ取得値ｚ_k）と、後述の重み付け関数（重み設定手段）により設定された各格子点(ｉ,ｊ)の重みｗ_kijとに基いて、学習が有効な全ての格子点(ｉ,ｊ)の学習値Ｚ_ij(ｋ)を更新する。なお、本実施の形態において、「学習が有効な全ての格子点」とは、学習マップ上に存在する全ての格子点を意味している。学習値Ｚ_ij(ｋ)の更新処理は、全ての格子点(ｉ,ｊ)において、下記数１乃至数３の式を演算することにより実現される。

[数１]
Ｗ_ij(ｋ)＝Ｗ_ij(ｋ−１)＋ｗ_kij
[数２]
Ｖ_ij(ｋ)＝Ｖ_ij(ｋ−１)＋ｚ_k＊ｗ_kij
[数３]
Ｚ_ij(ｋ)＝Ｖ_ij(ｋ)／Ｗ_ij(ｋ)

上記式において、Ｗ_ij(ｋ)は、格子点(ｉ,ｊ)における１回目からｋ回目までの重みｗ_kijを合計した重み積算値を示し、Ｖ_ij(ｋ)は、ｋ番目のパラメータ取得値ｚ_kと重みｗ_kijとの乗算値（ｚ_k＊ｗ_kij）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。上記式から判るように、重み付け学習制御は、制御パラメータが取得される毎に、全ての格子点(ｉ,ｊ)において、重みｗ_kijが大きいほどパラメータ取得値ｚ_kが学習値Ｚ_ij(ｋ)に大きく反映されるように、個々の格子点の学習値Ｚ_ij(ｋ)を更新するものである。

また、上記数１及び数２の式には、前回（ｋ−１回目）の積算値Ｗ_ij(ｋ−１)及びＶ_ij(ｋ−１)が用いられるが、これらの初期値（ｋ＝１のときの値）は、下記数４及び数５の式により定義される。従って、数１乃至数５の式によれば、ｋ番目のパラメータ取得値ｚ_kと、重みｗ_kijとに基いて、全ての格子点(ｉ,ｊ)におけるｋ番目の学習値Ｚ_ij(ｋ)を算出し、学習マップを更新することができる。

[数４]
Ｖ_ij(１)＝ｚ₁＊ｗ_1ij
[数５]
Ｗ_ij(１)＝ｗ_1ij

（重みの設定方法）
次に、本実施の形態における重みｗ_kijの設定方法について説明する。ｋ番目のパラメータ取得値ｚ_kに対応する各格子点(ｉ,ｊ)の重みｗ_kijは、下記数６の式に示すガウス関数より、１≧ｗ_kij≧０を満たすように算出される。ガウス関数は、本実施の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パラメータ取得値ｚ_kの位置（基準位置）から格子点(ｉ,ｊ)までの距離が大きいほど、当該格子点(ｉ,ｊ)の重みｗ_kijを減少させるものである。なお、学習マップ上の「位置」とは、パラメータ取得値ｚ_kの取得時点における各参照パラメータの組合わせにより定められる。

上記数６の式において、|ｚ_k−Ｚ_ij|は、前記基準位置から格子点(ｉ,ｊ)までのユークリッド距離を示している。図３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前記距離との関係を意味している。図３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_kijは、格子点が基準位置に近い場合に大きくなり、格子点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。従って、パラメータ取得値ｚ_kが学習値Ｚ_ijに反映される度合い（学習効果）は、格子点が基準位置に近いほど大きくなり、格子点が基準位置から遠くなるにつれて小さくなる。

また、上記数６の式に示すσは、任意の値に設定することが可能な標準偏差であり、ガウス関数の減少特性は、標準偏差σに応じて変化する。即ち、重みｗ_kijは、図３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_kijは、図３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。

［実施の形態１を実現するための具体的な処理］
次に、図４を参照して、上述した制御を実現するための具体的な処理について説明する。図４は、本発明の実施の形態１において、ＥＣＵにより実行される制御のフローチャートである。この図に示すルーチンは、エンジンの運転中に繰り返し実行されるものとする。図４に示すルーチンでは、まず、ステップ１００において、ｋ番目のデータ（パラメータ取得値）ｚ_kを取得する。

次に、ステップ１０２では、前記数６の式により、ｋ番目の取得タイミングにおける全格子点(ｉ,ｊ)の重みｗ_kijを算出する。そして、ステップ１０４では、ｋ番目のパラメータ取得値ｚ_kと、重みｗ_kijとに基いて、全格子点(ｉ,ｊ)の重み積算値Ｗ_ij(ｋ)及びパラメータ積算値Ｖ_ij(ｋ)を算出する。次に、ステップ１０６では、重み積算値Ｗ_ij(ｋ)とパラメータ積算値Ｖ_ij(ｋ)とに基いて、全格子点(ｉ,ｊ)の学習値Ｚ_ij(ｋ)を算出し、学習マップを更新する。

従って、本実施の形態によれば、次のような効果を得ることができる。まず、重み付け学習制御では、１回の学習動作を行うことにより、パラメータ取得値ｚ_kに最も近い格子点(ｉ,ｊ)だけでなく、全ての格子点(ｉ,ｊ)の学習値Ｚ_ij(ｋ)を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。これにより、学習機会が少ない場合でも、最小限の学習回数により全ての格子点(ｉ,ｊ)の学習値Ｚ_ij(ｋ)を速やかに最適化することができる。しかも、一部の格子点(ｉ,ｊ)で学習値Ｚ_ij(ｋ)が失われたり、未学習状態が続いた場合でも、これらの学習値Ｚ_ij(ｋ)を他の位置での学習動作により補完することができる。従って、制御パラメータの種類に関係なく、学習効率を高め、学習制御の信頼性を向上させることができる。

また、重み設定手段としてガウス関数を用いることにより、パラメータ取得値ｚ_kの位置（基準位置）からの距離に応じて、重みｗ_kijを滑らかに変化させることができる。従って、学習マップを滑らかにすることができ、学習値Ｚ_ij(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_kij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。さらに、制御パラメ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_ij(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_ij(ｋ)の演算負荷を時間的に分散させることができるので、ＥＣＵ６０の演算負荷を軽減することができる。

なお、前記実施の形態１では、図２が請求項１における学習マップの具体例を示し、図４中のステップ１０２及び前記数６の式が重み設定手段の具体例を示し、ステップ１０４，１０６が重み付け学習手段の具体例を示している。また、実施の形態１では、ガウス関数として数６の式を例示したが、本発明はこれに限らず、下記数７の式に示すガウス関数により重みｗ_kijを設定してもよい。

上記数７の式において、ｚ_{k_１}は、パラメータ取得値ｚ_kの第１軸座標（例えば、図２中のＸ軸座標）を示し、ｚ_{k_2}はパラメータ取得値ｚ_kの第２軸座標（Ｙ軸座標）を示している。また、Ｚ_{ij_1}は、学習値Ｚ_ijに対応する格子点(ｉ,ｊ)の第１軸座標ｉを示し、Ｚ_{ij_2}は、同格子点(ｉ,ｊ)の第２軸座標ｊを示している。また、同式中のσ１，σ２は、前記標準偏差σの第１軸座標成分，第２軸座標成分に対応するものである。

また、実施の形態１では、２次元の学習マップに適用する場合を例示したが、本発明はこれに限らず、例えば数８の式に示すように、１次元及び３次元以外の任意の次元をもつ学習マップにも適用することができる。なお、この場合には、学習マップの次元数に合わせて、重みｗ_ij、重み積算値Ｗ_ij、パラメータ積算値Ｖ_ij、学習値Ｚ_ijの次元数を、ｗ_ijlmn...、Ｗ_ijlmn...、Ｖ_ijlmn...、Ｚ_ijlmn...のように変更すればよい。

また、実施の形態１では、前記数４及び図５の式により積算値Ｗ_ij及びＶ_ijの初期値を演算するものとしたが、本発明では、以下に示す変形例のように初期値を設定してもよい。まず、上述した重み付け学習制御において、ＥＣＵ６０に記憶される初期値は、積算値Ｗ_ij及びＶ_ijのみであり、これらの値から算出される学習値Ｚ_ijは、初期値として記憶させるわけではない。そこで、本変形例では、初期値として記憶させたい学習値Ｚ_ijの値と、重み積算値Ｗ_ijの初期値とに基いて、前記数３の式によりパラメータ積算値Ｖ_ijの初期値（＝Ｚ_ij×Ｗ_ij）を逆算し、この逆算値をＥＣＵ６０に記憶させる。

上記変形例によれば、設計時の机上計算等により初期値として希望する学習値Ｚ_ijの値を、積算値Ｗ_ij及びＶ_ijの初期値として予め記憶させておくことができる。そして、１回目の学習動作では、前記数４及び数５の式により学習値Ｚ_ijの初期値を希望の値に設定することができる。また、学習を早くしたい格子点(ｉ,ｊ)では重み積算値Ｗ_ijを大きく設定し、学習を遅くしたい格子点(ｉ,ｊ)では重み積算値Ｗ_ijを小さく設定することで、学習速度の初期条件も容易に調整することができる。

実施の形態２．
次に、図５を参照して、本発明の実施の形態２について説明する。本実施の形態は、前記実施の形態１と同様の構成において、重み設定手段として一次関数を用いることを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態２の特徴］
図５は、本発明の実施の形態２において、一次関数による重みの減少特性を示す特性線図である。この図に示すように、本実施の形態では、重み設定手段として、基準位置からの距離に応じて重みが比例的に減少する一次関数を採用している。このように構成される本実施の形態でも、前記実施の形態１とほぼ同様の作用効果を得ることができる。そして、特に本実施の形態では、一次関数の使用により重みｗ_kijを演算するときの演算負荷を大幅に減少させることができる。

実施の形態３．
次に、図６を参照して、本発明の実施の形態３について説明する。本実施の形態は、前記実施の形態１と同様の構成において、重み設定手段として三角関数を用いることを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態３の特徴］
図６は、本発明の実施の形態３において、三角関数による重みの減少特性を示す特性線図である。この図に示すように、本実施の形態では、重み設定手段として、基準位置からの距離に応じて前記重みが正弦波状に減少する三角関数を採用している。このように構成される本実施の形態でも、実施の形態１とほぼ同様の作用効果を得ることができる。そして、特に本実施の形態では、三角関数の使用により重みｗ_kijの演算負荷をガウス関数よりも減少させつつ、ガウス関数を用いた場合と同様に重みｗ_kijを滑らかに減少させることができる。

実施の形態４．
次に、図７を参照して、本発明の実施の形態４について説明する。本実施の形態は、前記実施の形態１と同様の構成において、学習マップを複数の領域に分割し、少なくとも一部の領域では、重みの減少特性を領域毎に切換えることを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態４の特徴］
学習値の更新量等については、学習マップ上の領域毎に要求が異なる場合もある。特に、学習マップ上には、制御パラメータの変化が大きい領域と、制御パラメータの変化が小さい（余り変化しない）領域とが存在することが多い。このため、パラメータ取得値ｚ_kの位置と格子点との距離のみに応じて重みを設定する方法では、各格子点において学習の速度や効率が適切となるよう重みを設定するのが難しい。即ち、この方法では、領域が異なる格子点同士であっても、距離が同等であれば同じレベルの学習が行われることになり、的確な学習制御を行うことができないという問題がある。また、学習マップ全体に適合する一定の重み付けを見つけ出すのは困難である。即ち、重みの急変が不要な領域で急変を許可すると、演算負荷の増加や学習マップの凹凸化が生じ易くなる。また、重みの急変が必要な領域で急変を抑制すると、制御効率の悪化やフェイルセーフの作動不良等を招く虞れがある。このため、学習マップ全体に一定の重み付けを適用すると、少なくとも一部の領域で不都合が生じることになる。

このため、本実施の形態では、次のような制御を実行する。図７は、本発明の実施の形態４において、重み付け学習制御に用いる学習マップの一例を模式的に示す説明図である。この図に示すように、本実施の形態では、学習マップの少なくとも一部が複数の領域に分割されている。なお、図７では、学習マップの一部を２個の領域Ａ，Ｂに分割した場合を例示している。ここで、領域Ａは、例えばエンジンの運転中等における制御パラメータの変化が大きい領域であり、領域Ｂは、制御パラメータの変化が小さい領域である。そして、重み付け学習制御では、基準位置からの距離に応じて減少する重みｗ_kij（ガウス関数）の減少特性を、領域Ａ，Ｂ毎に切換える構成としている。

具体的に述べると、制御パラメータの急峻な変化を学習する必要がある領域Ａでは、ガウス関数の標準偏差σ_Aが領域Ｂの標準偏差σ_Bよりも小さく設定されている（σ_A＜σ_B）。このため、領域Ａにおいて、重みｗ_kijは、基準位置の近傍で大きなピーク値をとりつつ、基準位置から離れると急激に減少するように構成されている。一方、制御パラメータが余り変化しない領域Ｂでは、標準偏差σが比較的大きな値に設定されている。このため、領域Ｂにおいて、重みｗ_kijは、基準位置の近傍で小さなピーク値を取りつつ、基準位置から離れると広範囲にわたって緩やかに減少するように構成されている。

そして、重み付け学習制御では、個々の格子点(ｉ,ｊ)において、当該格子点が属する領域の減少特性に基いて重みｗ_kijを設定する。一例を挙げると、図７中のパラメータ取得値ｚ₁に基いて１回目の学習動作を行う場合において、領域Ａに属する格子点(１,１)、(１,２)、(２,１)、(２,２)、(３,１)、(３,２)では、標準偏差σ_Aのガウス関数を用いて重みｗ_1ijを設定する。一方、領域Ｂに属する格子点(２,３)、(２,４)、(３,３)、(３,４)、(４,３)、(４,４)では、標準偏差σ_Bのガウス関数を用いて重みｗ_1ijを設定する。これと同様に、２回目以降（ｋ≧２）の学習動作でも、格子点が属する領域に応じてガウス関数の減少特性（標準偏差）を切換える。なお、重みｗ_kijの設定後に学習値Ｚ_ij(ｋ)を更新する処理は、前述のものと同様である。

このように構成される本実施の形態でも、前記実施の形態１とほぼ同様の作用効果を得ることができる。そして、特に本実施の形態では、重みｗ_kijの減少特性を、領域Ａ，Ｂ毎に切換える構成としている。これにより、例えば急峻な学習が必要な領域Ａでは、重み_kijの急変が可能な設定とすることで、学習の応答性や制御効率を向上させ、フェイルセーフ等の動作を安定させることができる。また、緩やかな学習でも許される領域Ｂでは、重み_kijが比較的広い格子点範囲で緩やかに変化する設定とすることで、学習時の演算負荷を抑制し、学習マップを滑らかにすることができる。従って、学習マップ全体に適合する重み付けを容易に実現することができる。

なお、前記実施の形態４では、学習マップ上に２個の領域Ａ，Ｂを設ける場合を例示したが、本発明において、学習マップ上に設ける領域の個数は、任意の個数に設定してよいものである。また、本発明では、３個以上の領域を設けた場合において、重みｗ_kijの減少特性を必ずしも全ての領域で相互に異ならせる必要はなく、少なくとも２個の領域の減少特性が異なればよい。

また、実施の形態４では、個々の格子点(ｉ,ｊ)において、当該格子点が属する領域の減少特性に基いて重みｗ_kijを設定する場合を例示した。しかし、本発明はこれに限らず、以下に述べる変形例のように構成してもよい。この変形例では、パラメータ取得値ｚ_kが属する領域の減少特性に基いて、全格子点の重みを設定する。具体的に述べると、例えば図７中のパラメータ取得値ｚ₁に基いて学習値を更新する場合には、パラメータ取得値ｚ₁の位置が領域Ａに属するので、領域Ａの減少特性（標準偏差σ_Aのガウス関数）に基いて、領域Ａ，Ｂを含む全格子点の重みｗ_1ijを設定する。また、領域Ｂに属する位置のパラメータ取得値ｚ₁′に基いて学習値を更新する場合には、領域Ｂの減少特性（標準偏差σ_Bのガウス関数）に基いて、領域Ａ，Ｂを含む全格子点の重みｗ_1ijを設定する。

このように構成される変形例によれば、パラメータ取得値ｚ_kが属する領域の特性に応じて、全格子点における学習の応答性、速度、効率等を切換えることができる。即ち、パラメータ取得値ｚ_kが急峻な学習を必要とする領域Ａに属する場合には、全ての格子点で標準偏差σ_Aのガウス関数により重みｗ_kijを設定することができる。また、パラメータ取得値ｚ_kが急峻な学習を必要としない領域Ｂに属する場合には、全ての格子点で標準偏差σ_Bのガウス関数により重みｗ_kijを設定することができる。従って、学習マップ全体に適合する重み付けを容易に実現することができる。

実施の形態５．
次に、図８及び図９を参照して、本発明の実施の形態５について説明する。本実施の形態は、前記実施の形態１と同様の構成において、基準位置から必要以上に遠い格子点での学習値の更新を禁止することを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態５の特徴］
図８は、本発明の実施の形態５において、重み付け学習制御に用いる学習マップの一例を模式的に示す説明図である。本実施の形態では、基準位置からの距離|ｚ_k−Ｚ_ij|が所定の有効範囲Ｒよりも大きい格子点の重みｗ_kijを０に設定する構成としている。図８に示す例で説明すると、パラメータ取得値ｚ₁の位置（基準位置）からの距離が有効範囲Ｒ以内の格子点、例えば格子点（２，３）、（３，３）等では、前述の方法により重みｗ_1ijを算出する。一方、例えば格子点（３，１）、（２，４）、（４，４）等では、基準位置からの距離|ｚ_k−Ｚ_ij|が有効範囲Ｒよりも大きいので、重みｗ_1ij＝０と設定し、学習値Ｚ_ij(ｋ)の更新を禁止する。

図９は、本発明の実施の形態５による重み付けの特性を示す特性線図である。この図に示すように、基準位置からの距離|ｚ_k−Ｚ_ij|が有効範囲Ｒを超えた格子点では、重みｗ_kijが０となるので、前記数１乃至数３の式により得られる学習値Ｚ_ij(ｋ)が前回と同じ値になり、学習値の更新が停止する。なお、ガウス関数を使用した場合には、距離|ｚ_k−Ｚ_ij|が大きくなるにつれて重みｗ_kijが０に漸近するので、この距離がある程度以上大きな格子点では、学習値を更新しても、学習効果が小さい（学習が有効とならない）。

従って、有効範囲Ｒは、学習が有効となる全ての格子点が含まれ、かつ、学習処理の演算負荷を軽減することが可能な距離として設定される。また、本実施の形態では、前記図４に示すフローチャートにより学習値の更新処理を行うときに、重みｗ_kijが０に設定された格子点を除外して前記数１乃至数５の式を実行する構成とするのが好ましい。

このように構成される本実施の形態でも、前記実施の形態１とほぼ同様の作用効果を得ることができる。そして、特に本実施の形態では、学習値が更新される格子点を有効範囲内に制限することができる。これにより、学習効果が小さい格子点で学習値が無駄に更新されるのを回避し、ＥＣＵ６０の演算負荷を軽減することができる。なお、本実施の形態では、基準位置からの距離|ｚ_k−Ｚ_ij|が有効範囲Ｒを超えた格子点において、重みｗ_kijを０に設定するものとした。しかし、本発明はこれに限らず、距離|ｚ_k−Ｚ_ij|が有効範囲Ｒを超えた格子点での無駄な演算を禁止すればよいものであり、必ずしも重みｗ_kijを０に設定する必要はない。即ち、本発明では、例えば距離|ｚ_k−Ｚ_ij|が有効範囲Ｒよりも大きいと判定した場合に、その格子点での今回の学習に関連した演算処理を中止する構成としてもよい。

実施の形態６．
次に、図１０及び図１１を参照して、本発明の実施の形態６について説明する。本実施の形態は、前記実施の形態１と同様の構成において、学習値の信頼性を評価するための信頼性マップを用いることを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態６の特徴］
前述した重み付け学習制御によれば、１回の学習動作により、学習が有効な全ての格子点の学習値を更新することができる。しかしながら、例えばガウス関数の標準偏差σを大きく設定し、学習マップを滑らかにしようとした場合には、学習マップのうち制御パラメータが実際に取得されたことがない領域でも、学習値が無意味に更新される誤学習が発生する虞れがある。このため、本実施の形態では、学習マップの信頼性を評価するための信頼性マップを用いる構成としている。

図１０は、本発明の実施の形態６において、信頼性マップの一例を模式的に示す説明図である。この図に示すように、信頼性マップは、学習マップと同様（同じ次元数）に構成された複数の格子点を有し、個々の格子点には、学習値Ｚ_ij(ｋ)の信頼性を表す指標である信頼性評価値Ｃ_ijがそれぞれ更新可能に記憶されている。全ての格子点における信頼性評価値Ｃ_ijは、初期値が０に設定され、０〜１の範囲で変化する。そして、以下の処理では、学習値Ｚ_ijの信頼性が高いほど、対応する格子点(ｉ,ｊ)の信頼性評価値Ｃ_ijが大きくなるように、信頼性マップを更新する。

次に、図１１を参照しつつ、信頼性マップの機能及び更新処理について説明する。図１１は、ＥＣＵにより実行される制御のフローチャートである。この図に示すルーチンは、信頼性マップの学習に関連する処理のみを記載したもので、信頼性マップの学習処理は、学習マップの学習処理と並行して周期的に実行される。図１１に示すルーチンにおいて、まず、ステップ２００では、実施の形態１（図４）と同様に、ｋ番目のデータ（パラメータ取得値）ｚ_kを取得する。

次に、ステップ２０２では、パラメータ取得値ｚ_kが信頼できる値であれば、信頼性マップ上において、パラメータ取得値ｚ_kと同じ基準位置に信頼性取得値ｃ_k（＝１）を設定する。パラメータ取得値ｚ_kが信頼できるか否かは、学習値Ｚ_ij(ｋ)を用いる個々の制御において、制御パラメータの種類、特性、正常値の範囲、センサの異常診断の結果等に基いて判定することができる。なお、パラメータ取得値ｚ_kの信頼性によっては、信頼性取得値ｃ_kに１未満の値を設定してもよく、特に、パラメータ取得値ｚ_kの信頼性が低いと判定した場合には、信頼性取得値ｃ_kを０に設定してもよい。即ち、ステップ２０２では、パラメータ取得値ｚ_kの信頼性に対応する値をもつ信頼性取得値ｃ_kを基準位置に設定する。

そして、ステップ２０４では、信頼性マップに対して、学習マップと同様の重み付け学習制御を実行し、制御パラメータが取得される毎に、各格子点の信頼性評価値Ｃ_ijを算出して信頼性マップを更新する。この重み付け学習制御は、下記数９乃至数１４の式により実現される。これらの式は、前記数１乃至数６の式において、パラメータ取得値ｚ_k（ｚ₁）及び学習値Ｚ_ij(ｋ)を、信頼性取得値ｃ_k（ｃ₁）及び信頼性評価値Ｃ_ijに置換えたものである。但し、置換えをしない他の変数値には、学習マップで用いるものと異なることを示すダッシュ「′」を付している。なお、数１４の式における標準偏差σ_Cの値については後述する。

[数９]
Ｗ_ij(ｋ)′＝Ｗ_ij(ｋ−１)′＋ｗ_kij′
[数１０]
Ｖ_ij(ｋ)′＝Ｖ_ij(ｋ−１)′＋ｃ_k＊ｗ_kij′
[数１１]
Ｃ_ij(ｋ)＝Ｖ_ij(ｋ)′／Ｗ_ij(ｋ)′
[数１２]
Ｖ_ij(１)′＝ｃ₁＊ｗ_1ij′
[数１３]
Ｗ_ij(１)′＝ｗ_1ij′

上記各式から判るように、信頼性マップの重み付け学習制御では、例えばパラメータ取得値ｚ_kと同じ位置で、その信頼性に応じた信頼性取得値ｃ_kが取得されたものとみなして、学習が有効な全ての格子点の重み（信頼性重み）ｗ_kij′を設定し、信頼性評価値Ｃ_ijを更新する。これにより、個々の格子点の信頼性評価値Ｃ_ijは、信頼性重みｗ_kij′が大きいほど信頼性取得値ｃ_kが大きく反映されるように更新される。また、信頼性重みｗ_kij′は、前記数１４の式に示すガウス関数を用いて、基準位置（信頼性取得値ｃ_kの位置）から格子点までの距離が大きいほど、信頼性重みｗ_kij′が減少するように設定される。そして、信頼性重みｗ_kij′の減少特性を決定するガウス関数の標準偏差σ_Cは、学習マップの標準偏差σと比較して十分に小さい値に設定されている（σ>>σ_C）。即ち、信頼性重みｗ_kij′が基準位置からの距離に応じて減少するときの減少特性は、学習マップの重みｗ_kijの減少特性よりも急峻に設定されている。

これにより、信頼性重みｗ_kij′は、制御パラメータが実際に取得された基準位置の近傍のみで大きくなり、基準位置から遠くなるにつれて急激に減少する。また、信頼性評価値Ｃ_ijが学習により増加する領域は、基準位置の近傍のみに限定される。従って、制御パラメータが高い頻度で取得される領域では、各格子点の信頼性評価値Ｃ_ijが大きな値となる。一方、制御パラメータが余り取得されない領域では、信頼性評価値Ｃ_ijが小さな値となり、特に制御パラメータの取得履歴がない領域では、信頼性評価値Ｃ_ijが０に近い値となる。即ち、信頼性評価値Ｃ_ijの値には、現在の学習値Ｚ_ijが実際に取得された制御パラメータに基いて算出されたものか否かという学習値Ｚ_ijの信頼性が反映される。

このように構成される本実施の形態によれば、前記実施の形態１とほぼ同様の作用効果に加えて、次のような作用効果を得ることができる。まず、信頼性マップの各格子点の信頼性評価値Ｃ_ijには、同じ格子点における学習値Ｚ_ijの信頼性を反映させることができる。そして、信頼性評価値Ｃ_ijの重み付け学習制御を実行することにより、制御パラメータの取得値が各格子点の学習値に反映されるときと同等の反映度をもって、信頼性取得値ｃ_kを各格子点の信頼性評価値Ｃ_ijに反映させることができる。従って、１回の学習動作により、各格子点の学習値の信頼性を効率よく算出することができる。

また、各種の制御等に学習値Ｚ_ijを用いる場合には、信頼性マップ上で対応する格子点(ｉ,ｊ)の信頼性評価値Ｃ_ijに基いて、学習値Ｚ_ijの信頼性を評価し、評価の結果に基いて適切な対応制御を実行することができる。具体例を挙げると、信頼性評価値Ｃ_ijが所定の判定値以上の場合には、学習値Ｚ_ijが信頼できるものと判定し、当該学習値Ｚ_ijをそのまま制御に用いることができる。

一方、信頼性評価値Ｃ_ijが前記判定値未満の場合には、学習値Ｚ_ijに信頼性がないものと判定し、学習値Ｚ_ijに代えて保守的な安全値を用いたり、学習値Ｚ_ijを安全サイド側に補正することができる（例えば点火時期であれば、遅角側に補正する等）。また、例えば加算、乗算等の手段により信頼性評価値Ｃ_ijを学習値Ｚ_ijに反映させ、学習値Ｚ_ijを信頼性に応じて連続的に増減させることができる。

なお、前記実施の形態６では、図１０が信頼性マップの具体例を示し、前記数１４の式が信頼性マップ重み設定手段の具体例を示し、図１１に示すルーチンが信頼性マップ学習手段の具体例を示している。

実施の形態７．
次に、図１２及び図１３を参照して、本発明の実施の形態７について説明する。本実施の形態は、前記実施の形態１で述べた重み付け学習制御を、点火時期の学習制御に適用したことを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態７の特徴］
図１２は、本発明の実施の形態７による点火時期制御を示す制御ブロック図である。本実施の形態のシステムは、ＥＣＵ６０の記憶回路または演算機能に含まれるＭＢＴマップ１００、燃焼重心算出部１０２、燃焼重心目標設定部１０４、ＦＢゲイン算出部１０６及び学習制御部１０８を備えている。ＭＢＴマップ１００は、複数の参照パラメータに基いて、制御パラメータである点火時期を算出する多次元の学習マップにより構成されている。ここで、参照パラメータの例を挙げると、機関回転数Ｎｅ、機関負荷ＫＬ、水温、ＶＶＴ等の可変動弁機構３４，３６によるバルブタイミング制御量、ＥＧＲ弁４２の制御量等がある。また、ＭＢＴマップ１００の各格子点には、エンジントルクが最大となる点火時期であるＭＢＴ（Minimum spark advance for Best Torque）の学習値Ｚ_ij(ｋ)がそれぞれ記憶されている。

本実施の形態では、エンジンの運転中において、点火時期をＭＢＴに一致させるＭＢＴ制御を実行する。ＭＢＴ制御では、まず、前記各参照パラメータに基いてＭＢＴマップ１００を参照することにより、フィードフォワード（ＦＦ）項である点火時期Ａｄｖを算出する。次に、燃焼重心算出部１０２は、この点火時期Ａｄｖでの燃焼より得られる燃焼重心ＣＡ５０を、筒内圧センサ５０の出力等に基いて下記数１５の式により算出する。この式は、燃焼質量割合ＭＦＢ（Mass Fraction of Burned fuel）を算出する公知の式であり、燃焼重心ＣＡ５０は、ＭＦＢ＝５０％となるクランク角θとして定義される。なお、下記数１５の式において、Ｐは筒内圧、Ｖは筒内容積、κは比熱比、θsは燃焼開始クランク角、θeは燃焼終了クランク角をそれぞれ示している。

次に、燃焼重心目標設定部１０４は、所定の燃焼重心目標値（例えば、ＡＴＤＣ８℃Ａ等）を読出し、ＦＢゲイン算出部１０６は、燃焼重心ＣＡ５０が燃焼重心目標値と一致するように、点火時期Ａｄｖを補正（フィードバック制御）する。これにより、点火時期Ａｄｖは、補正後の点火時期Ａｄｖ′となる。

一方、学習制御部１０８は、図１３に示すように、補正後の点火時期Ａｄｖ′を制御パラメータの取得値ｚ_kとして前記重み付け学習制御を実行し、当該点火時期Ａｄｖ′をＭＢＴの学習値Ｚ_ij(ｋ)に反映させる。この重み付け学習制御は、図１３に示すように、燃焼重心ＣＡ５０が燃焼重心目標値とほぼ一致した場合にのみ実行される。図１３は、本発明の実施の形態７において、ＥＣＵにより実行される制御のフローチャートである。この図に示すルーチンでは、ステップ３００において、燃焼重心ＣＡ５０が燃焼重心目標値とほぼ一致しているか否かを判定する。この判定が成立した場合には、ＭＢＴが実現されているものと判断し、ステップ３０２で点火時期の重み付け学習制御を実行する。一方、ステップ３００の判定が不成立の場合には、ＭＢＴが実現されていないと判断されるので、重み付け学習制御を実行しない。

このように構成される本実施の形態によれば、点火時期の学習制御において、前記実施の形態１とほぼ同様の作用効果を得ることができる。また、重み付け学習制御は、燃焼重心ＣＡ５０が燃焼重心目標値とほぼ一致した場合にのみ実行されるが、１回の学習動作によりＭＢＴマップ１００の全格子点でＭＢＴを効率よく学習することができるので、学習機会が比較的少なくても、学習を十分に行うことができる。なお、前記実施の形態７では、燃焼重心算出部１０２が燃焼重心算出手段の具体例を示し、ＦＢゲイン算出部１０６が点火時期補正手段の具体例を示し、学習制御部１０８が重み設定手段及び重み付け学習手段の具体例を示している。

実施の形態８．
次に、図１４を参照して、本発明の実施の形態８について説明する。本実施の形態は、前記実施の形態６で述べた信頼性マップを利用して、エンジンの過渡運転時におけるＭＢＴの学習値の更新量を、定常運転時と比較して抑制することを特徴としている。なお、本実施の形態では、実施の形態６，７と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態８の特徴］
エンジンの過渡運転時に点火時期を学習すると、誤学習が生じる虞れがある。このため、本実施の形態では、図１４に示すように、エンジンの運転状態に基いて信頼性マップの信頼性評価値Ｃ_ij(ｋ)を算出し、算出した信頼性評価値Ｃ_ij(ｋ)をＭＢＴの学習値に反映させる。図１４は、本発明の実施の形態８において、ＥＣＵにより実行される制御のフローチャートである。この図は、信頼性マップの学習に関連する処理のみを記載している。

図１４に示すルーチンでは、まず、ステップ４００において、ｋ番目のデータ（パラメータ取得値）ｚ_kである補正後の点火時期Ａｄｖ′を取得する。次に、ステップ４０２では、機関回転数の単位時間当たりの変化量ΔＮｅが所定の回転数急変判定値未満であるか否かを判定し、ステップ４０４では、機関負荷の単位時間当たりの変化量ΔＫＬが所定の負荷急変判定値未満であるか否かを判定する。これらの判定値は、例えば点火時期や燃焼重心の算出値に誤差が生じる変化量ΔＮｅ，ΔＫＬの最小値に基いて設定されている。

ステップ４０２，４０４の両方で判定が成立した場合には、エンジンが定常運転状態であると判断し、ステップ４０６において、信頼性取得値ｃ_k＝１に設定する。一方、ステップ４０２，４０４の少なくとも一方で判定が不成立の場合には、過渡運転状態であると判断し、ステップ４０８において、信頼性取得値ｃ_k＝０に設定する。次に、ステップ４１０では、実施の形態６で述べたように、信頼性マップの重み付け学習制御を実行し、各格子点の信頼性評価値Ｃ_ijを算出して信頼性マップを更新する。

上記処理により更新された信頼性評価値Ｃ_ij(ｋ)は、例えば下記数１６及び数１７の式により、点火時期の学習値Ｚ_ij(ｋ)に反映される。これらの式は、前記実施の形態１で説明した数１及び数２の式に代えて用いられるものである。これにより、過渡運転時には、学習値Ｚ_ij(ｋ)の更新が停止されるか、その更新量が定常運転時と比較して抑制される。

[数１６]
Ｗ_ij(ｋ)＝Ｗ_ij(ｋ−１)＋ｗ_kij＊Ｃ_ij(ｋ)
[数１７]
Ｖ_ij(ｋ)＝Ｖ_ij(ｋ−１)＋ｚ_k＊ｗ_kij＊Ｃ_ij(ｋ)

このように構成される本実施の形態によれば、前記実施の形態７とほぼ同様の作用効果に加えて、次のような効果を得ることができる。点火時期の学習制御では、制御パラメータを取得したときの運転状態が安定しているほど、即ち、パラメータ取得値（点火時期Ａｄｖ′）の信頼性が高いほど、各格子点における見かけ上の重み（ｗ_kij＊Ｃ_ij(ｋ)）を増加させ、学習値Ｚ_ij(ｋ)の更新量を大きくすることができる。一方、運転状態が不安定な場合には、前記見かけ上の重みを減少させて学習値Ｚ_ij(ｋ)の更新量を小さくし、学習を停止または抑制することができる。これにより、定常運転時の学習を促進し、過渡運転時の誤学習を抑制することができる。

実施の形態９．
次に、図１５乃至図１８を参照して、本発明の実施の形態９について説明する。本実施の形態は、燃焼重心ＣＡ５０が燃焼重心目標値から乖離している場合でも、点火時期を学習可能な構成としたことを特徴としている。なお、本実施の形態では、実施の形態７と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態９の特徴］
前記実施の形態７では、燃焼重心ＣＡ５０が燃焼重心目標値とほぼ一致した場合にのみ、点火時期の重み付け学習制御を実行するので、学習機会を増やすのが難しい。このため、本実施の形態では、燃焼重心ＣＡ５０が燃焼重心目標値から乖離している場合でも、ＭＢＴの推定値と、燃焼重心の差分ΔＣＡ５０とに基いて、信頼度に応じた重み付け学習制御を実行する。

図１５は、本発明の実施の形態９による点火時期制御を示す制御ブロック図である。本実施の形態のシステムは、前記実施の形態７と同様に構成されたＭＢＴマップ１１０と、学習制御部１１２とを備えている。学習制御部１１２は、下記数１８及び数１９の式によりＭＢＴを推定し、当該推定値に基いて点火時期の重み付け学習制御を実行する。この場合には、ＭＢＴの推定値がパラメータ取得値ｚ_kに対応している。

[数１８]
ＭＢＴ＝補正後の点火時期Ａｄｖ′[BTDC]＋ΔＣＡ５０
[数１９]
ΔＣＡ５０＝燃焼重心ＣＡ５０[ATDC]−燃焼重心目標値

上述したＭＢＴの推定方法は、次の原理に基いたものである。まず、点火時期が変化すると、これに伴って燃焼重心ＣＡ５０も変化するが、ＭＢＴの近傍では、点火時期の変化量と燃焼重心ＣＡ５０の変化量とがほぼ等しくなるという特性がある。即ち、燃焼重心ＣＡ５０と燃焼重心目標値との差分ΔＣＡ５０は、ＭＢＴと点火時期Ａｄｖ′とのずれ量に相当するものと考えられる。従って、ＭＢＴは、上記数１８の式に示すように、補正後の点火時期Ａｄｖ′を差分ΔＣＡ５０だけずらした値として推定することができる。

このように構成される本実施の形態によれば、前記実施の形態７とほぼ同様の作用効果に加えて、次のような効果を得ることができる。まず、図１６は、燃焼重心ＣＡ５０が燃焼重心目標値とほぼ一致したときにのみ点火時期を学習する構成とした場合（実施の形態７）の学習機会を比較例として示すタイミングチャートである。この図中に丸印で示すように、燃焼重心ＣＡ５０が燃焼重心目標値とほぼ一致するタイミングは散発的に発生するので、このときにＭＢＴを学習するだけでは、学習機会を十分に得ることができない。

これに対し、図１７は、本発明の実施の形態９による学習制御を示すタイミングチャートである。この図に示すように、本実施の形態によるＭＢＴの学習制御では、燃焼重心ＣＡ５０が燃焼重心目標値から乖離している場合でも、ＭＢＴの推定値を常に得ることができるので、この推定値に基いて学習値Ｚ_ij(ｋ)を更新することができ、学習機会を大幅に増加させることができる。これにより、学習値Ｚ_ij(ｋ)を速やかにＭＢＴに近付け、ＭＢＴ制御の制御性を向上させることができる。

なお、前記数１８の式によりＭＢＴを推定するときには、燃焼重心ＣＡ５０が燃焼重心目標値からずれるほど、即ち、両者の差分ΔＣＡ５０が大きくなるほど、ＭＢＴの推定精度が低下し、誤学習が生じ易くなる。このため、本実施の形態では、燃焼重心の差分ΔＣＡ５０に基いて、下記数２０の式により信頼度係数εを算出する。そして、信頼度係数εの算出値を、下記数２１及び数２２の式によりＭＢＴマップ１１０の各格子点の重みｗ_kij、即ち、ＭＢＴの学習値Ｚ_ij(ｋ)に反映させる。

[数２１]
Ｗ_ij(ｋ)＝Ｗ_ij(ｋ−１)＋ｗ_kij＊ε
[数２２]
Ｖ_ij(ｋ)＝Ｖ_ij(ｋ−１)＋ｚ_k＊ｗ_kij＊ε

ここで、上記数２０の式は、ガウス関数とほぼ同様の特性を有し、信頼度係数εは、ΔＣＡ５０が大きくなるほど（燃焼重心ＣＡ５０が燃焼重心目標値から乖離するほど）、減少するように設定される。また、信頼度係数εの減少特性は、調整項σ_CA50の大きさに応じて調整される。また、上記数２１及び数２２の式は、実施の形態１で説明した数１及び数２の式に代えて用いられるものである。

上記構成によれば、ＭＢＴの推定精度が低いほど、信頼度係数εを小さく設定し、学習値Ｚ_ij(ｋ)に対するＭＢＴの推定値の反映度を低下させることができる。従って、ＭＢＴを推定することで学習機会を増加させつつ、その推定精度に応じて学習値Ｚ_ij(ｋ)の更新量を適切に調整し、誤学習を抑制することができる。

なお、前記実施の形態９では、数１８及び数１９の式がＭＢＴ推定手段の具体例を示し、数２０乃至数２２の式がＭＢＴ常時学習手段の具体例を示している。また、実施の形態９では、数２０の式により信頼度係数εを設定するものとしたが、本発明はこれに限らず、例えば図１８に示すデータマップに基いて信頼度係数εを算出する構成としてもよい。図１８は、燃焼重心ＣＡ５０と燃焼重心目標値との差分ΔＣＡ５０に基いて信頼度係数εを算出するための特性線図である。この図において、信頼度係数εは、燃焼重心の差分ΔＣＡ５０が大きくなるにつれて減少するように設定されている。

また、前記実施の形態９では、信頼度係数εに代えて信頼性マップを用いる構成としてもよい。この構成の一例を挙げると、例えば燃焼重心の差分ΔＣＡ５０が大きいほど、信頼性取得値ｃ_kを小さく設定した上で、信頼性マップの重み付け制御を実行する。そして、ＭＢＴの学習値には、前記数１６及び数１７の式により、信頼性評価値Ｃ_ij(ｋ)を反映させればよい。

実施の形態１０．
次に、図１９及び図２０を参照して、本発明の実施の形態１０について説明する。本実施の形態は、前記実施の形態９の構成に加えて、ＴＫ（トレースノック）マップを採用したことを特徴としている。なお、本実施の形態では、実施の形態７，９と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態１０の特徴］
前記実施の形態９では、ＭＢＴマップ１１０によりＭＢＴを学習する構成とした。しかし、エンジンの運転領域には、ＭＢＴを実現することができるＭＢＴ領域と、ＭＢＴを実現できないＴＫ領域とが存在する。ＴＫ領域は、点火時期をＭＢＴまで進角する前にトレースノック（本格的なノックの発生前に生じる弱いノック）が発生する領域であり、この領域では、ＭＢＴの学習が困難となる。このため、本実施の形態では、ＴＫ領域において、後述のＴＫマップ１２４により点火時期を学習する構成としている。

図１９は、本発明の実施の形態１０による点火時期制御を示す制御ブロック図である。この図に示すように、本実施の形態のシステムは、前記実施の形態９と同様に構成されたＭＢＴマップ１２０と、学習制御部１２２、ＴＫマップ１２４及びＭｉｎ選択部１２６とを備えている。ここで、ＴＫマップ１２４は、ＭＢＴマップ１２０と同様に構成された多次元の学習マップであり、ＴＫマップ１２４の各格子点には、制御パラメータであるＴＫ点火時期の学習値Ｚ_ij(ｋ)がそれぞれ更新可能に記憶されている。ＴＫ点火時期は、点火時期がＭＢＴに到達する前（ＭＢＴが実現される前）に、ＴＫ領域においてトレースノックが発生する点火時期、即ち、本格的なノックを発生させずに実現することが可能な最進角側の点火時期として定義される。なお、以下の説明では、ＭＢＴマップ１２０の学習値Ｚ_ij(ｋ)をＭＢＴ学習値Ｚ１と表記し、ＴＫマップ１２４の学習値Ｚ_ij(ｋ)をＴＫ学習値Ｚ２と表記するものとする。

本実施の形態では、学習制御部１２２により、前記実施の形態９で述べたＭＢＴの重み付け学習制御と、ＴＫ点火時期の重み付け学習制御とを実行する。図２０は、本発明の実施の形態１０において、ＥＣＵにより実行される制御のフローチャートである。なお、この図に示すルーチンは、ＴＫ点火時期の学習処理のみを記載している。図２０に示すルーチンでは、まず、ステップ５００により、筒内圧センサ５０の出力波形に基いてトレースノックが発生したか否かを判定する。この判定が成立した場合には、ステップ５０２により、現在の点火時期（ＴＫ点火時期）をパラメータ取得値ｚ_kとして取得する。そして、この取得値に基いて重み付け学習制御を実行し、ＴＫ学習値Ｚ２を更新する。

従って、ＭＢＴが実現される前にトレースノックが発生した場合には、この時点の点火時期がＴＫ点火時期として取得及び学習される。また、点火時期がＭＢＴに到達した場合には、ＭＢＴが取得及び学習される。この結果、本実施の形態の学習制御では、点火が行われる毎に、ＭＢＴマップ１２０とＴＫマップ１２４の何れか一方が学習（更新）されることになる。

また、本実施の形態の点火時期制御では、まず、エンジンの運転状態（前記各参照パラメータ）に基いて、ＭＢＴマップ１２０及びＴＫマップ１２４から学習値Ｚ１，Ｚ２をそれぞれ算出し、学習値Ｚ１，Ｚ２の大小関係をＭｉｎ選択部１２６により判定する。Ｍｉｎ選択部１２６は、ＭＢＴ学習値Ｚ１とＴＫ学習値Ｚ２のうち小さい方の点火時期（より進角側の点火時期）を選択し、選択した点火時期を補正前の点火時期Ａｄｖとして出力する。点火時期Ａｄｖを出力した後の処理については、実施の形態９で述べた処理と同様のものである。

このように構成される本実施の形態によれば、前記実施の形態９とほぼ同様の作用効果に加えて、次のような効果を得ることができる。点火時期の学習時には、ＭＢＴとＴＫ点火時期の何れかを学習することができるので、学習機会を増加させ、ＭＢＴ領域以外でも点火時期を効率よく学習することができる。また、本実施の形態では、ＭＢＴ学習値Ｚ１とＴＫ学習値Ｚ２のうち進角側の点火時期を選択することができる。従って、ノックの発生を回避しつつ、点火時期を可能な限り進角側に制御して、運転性能や運転効率を向上させることができる。なお、前記実施の形態１０において、学習制御部１２２は、ＭＢＴマップ１２０及びＴＫマップ１２４からなる２つの学習マップの重み設定手段及び重み付け学習手段の具体例を示している。また、図２０のルーチンはＴＫ点火時期学習手段の具体例を示し、Ｍｉｎ選択部１２６は選択手段の具体例を示している。

実施の形態１１．
次に、図２１及び図２２を参照して、本発明の実施の形態１１について説明する。本実施の形態は、前記実施の形態１０の構成に加えて、ＴＫ領域を確認するためのＴＫ領域マップを採用したことを特徴としている。なお、本実施の形態では、実施の形態７，１０と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態１１の特徴］
前記実施の形態１０では、ＴＫマップ１２４によりＴＫ点火時期を学習する構成としたが、この構成では、ＴＫ領域以外（ＴＫ点火時期の計測点がないＭＢＴ領域等）でも、ＴＫ点火時期が誤学習される虞れがある。このため、本実施の形態では、後述のＴＫ領域マップ１３８によりＴＫ領域を学習し、ＴＫ領域のみでＴＫマップ１３４を用いる構成としている。図２１は、本発明の実施の形態１１による点火時期制御を示す制御ブロック図である。この図に示すように、本実施の形態のシステムは、前記実施の形態１０と同様に構成されたＭＢＴマップ１３０、学習制御部１３２、ＴＫマップ１３４及びＭｉｎ選択部１３６と、ＴＫ領域マップ１３８とを備えている。

ＴＫ領域マップ１３８は、ＭＢＴマップ１３０及びＴＫマップ１３４と同様に構成された多次元の学習マップであり、ＴＫ領域マップ１３８の各格子点には、制御パラメータであるＴＫ領域判定値がそれぞれ記憶されている。ＴＫ領域判定値は、ＴＫマップ１３４の個々の格子点がトレースノック領域に属するか否かを示す学習値Ｚ_ij(ｋ)であって、信頼性マップと同様の重み付け学習制御により更新され、０〜１の範囲で変化する。そして、ＴＫ領域判定値の値が大きいほど、当該判定値に対応する格子点がＴＫ領域に属している可能性（信頼性）が高くなる。

図２２は、本発明の実施の形態１１において、ＥＣＵにより実行されるＴＫ領域マップ１３８の学習制御を示すフローチャートである。この図に示すルーチンは、例えばＭＢＴマップ１３０の学習処理と並行して周期的に実行される。図２２に示すルーチンでは、まず、ステップ６００において、トレースノックが発生したか否かを判定する。この判定が成立した場合には、ＴＫ領域であるから、ステップ６０２に移行し、現在の運転領域（参照パラメータの組合わせにより定められる学習マップ上の位置）におけるＴＫ領域判定値の取得値を１に設定する。一方、ステップ６００の判定が不成立の場合には、ＴＫ領域ではないから、ステップ６０４に移行し、ＴＫ領域判定値の取得値を０に設定する。

そして、ステップ６０６では、ＴＫ領域判定値の重み付け学習制御を実行することにより、全ての格子点のＴＫ領域判定値を更新する。この場合には、ＴＫ領域判定値が制御パラメータ及びその学習値Ｚ_ij(ｋ)に対応し、ＴＫ領域判定値の取得値がパラメータ取得値ｚ_kに対応している。なお、ＴＫ領域判定値の重み付け学習制御では、基準位置からの距離に応じて減少する重みｗ_kijの減少特性を急峻に設定（ガウス関数の標準偏差σを小さく設定）するのが好ましい。これにより、ＴＫ領域マップ１３８上において、ＴＫ領域の境界を明確にすることができる。

一方、ＴＫ点火時期の重み付け学習制御を実行する場合には、ＴＫマップ１３４の各格子点において学習値を更新するときに、ＴＫ領域マップ１３８上の同位置に記憶されたＴＫ領域判定値を読出す。そして、読み出したＴＫ領域判定値の値に基いて、当該格子点でＴＫ点火時期を学習する否か（学習の有効or無効）を判定する。一例を挙げると、ＴＫ領域判定値が０．５以上の場合には、ＴＫ点火時期の学習値を更新し、それ以外の場合には学習値を更新しないものとしてもよい。

また、例えばＴＫ領域判定値の初期値を０に設定しておくと、ＴＫ領域以外の領域（ＭＢＴ領域等）では、ＴＫ点火時期の学習値が０となるので、ＴＫ点火時期とＭＢＴのうち遅角側の値（小さい方の値）を選択すると、点火時期が０となってしまう。ＴＫ領域判定値が０に近い領域（格子点）では、ＴＫマップ１３４を使用せず、ＭＢＴマップ１３０のみに基いて点火時期を制御するのが好ましい。

このように構成される本実施の形態によれば、前記実施の形態１０とほぼ同様の作用効果に加えて、次のような効果を得ることができる。ＴＫ領域マップ１３８を用いることにより、ＴＫ領域の境界を明確化することができるので、ＴＫ領域以外の領域でＴＫ点火時期が誤学習されるのを抑制することができ、学習精度を向上させることができる。なお、前記実施の形態１１において、学習制御部１３２は、ＭＢＴマップ１３０及びＴＫマップ１３４からなる２つの学習マップの重み設定手段及び重み付け学習手段の具体例を示している。また、図２２のルーチンはＴＫ領域学習手段の具体例を示している。一方、ＴＫ領域マップ１３８は、ＴＫマップ１３４に対して信頼性マップと同様に機能するので、実施の形態１１は、ＴＫマップ１３４に対して信頼性マップを適用した構成に相当している。

また、前記実施の形態７乃至１１では、ＭＢＴが全く学習されていない領域（格子点）の学習値を用いて点火時期制御を実行すると、誤学習によりノックが発生する虞れがある。このため、本発明では、ＭＢＴマップ１００，１１０，１２０，１３０と共に、ＭＢＴの学習履歴が反映される信頼性マップを併用してもよい。この場合、信頼性マップの信頼性評価値は、前記実施の形態６で述べた方法により、ＭＢＴマップと一緒に更新される。また、ＭＢＴ制御では、ＭＢＴマップの学習値の信頼性が低い領域、即ち、ＭＢＴの学習履歴が少なくて、信頼性マップの信頼性評価値が０に近い領域では、点火時期を保守的に少し遅角させる構成とすればよい。

実施の形態１２．
次に、図２３及び図２４を参照して、本発明の実施の形態１２について説明する。本実施の形態は、前記実施の形態１で述べた重み付け学習制御を、筒内空燃比の算出制御に適用したことを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態１２の特徴］
筒内空燃比の算出制御では、少なくとも筒内圧センサ５０の出力に基いて筒内空燃比を算出し、この算出値を空燃比センサ５４の出力に基いて補正する。本実施の形態は、この補正に用いる補正マップを重み付け学習制御により学習するものである。一般に、空燃比センサ５４により検出される排気空燃比は応答性が悪い。これは、センサ自体の応答遅れが大きい上に、検出位置が燃焼室から離れていることに起因する。また、排気空燃比は、空燃比センサが活性化しない低温時に検出不能となり、気筒別の検出も難しい。これに対し、筒内空燃比は、燃焼時の空燃比を毎回算出することができるので、応答性が良く、高精度の制御が実現可能である。しかし、筒内空燃比は、基本的に算出精度が低いので、空燃比センサ５４の出力に基いて補正するのが好ましい。

図２３は、本発明の実施の形態１２による筒内空燃比の算出制御を示す制御ブロック図である。この図に示すように、本実施の形態のシステムは、空燃比算出部１４０、補正マップ１４２及び学習制御部１４４を備えている。個々の構成要素について説明すると、まず、空燃比算出部１４０は、筒内圧センサ（ＣＰＳ）５０により検出される筒内圧Ｐ等に基いて、下記数２３乃至数２５の式により筒内空燃比（ＣＰＳ検出空燃比）Ａｐを算出する。

[数２３]
筒内空燃比Ａｐ＝筒内空気質量／筒内燃料質量
[数２４]
筒内燃料質量＝ＣＰＳ検出発熱量Ｑ／低位発熱量

上記各式において、筒内空気質量は、エアフローセンサ４６の出力を用いるか、または、圧縮行程での筒内圧変化（圧縮行程の開始時点と終了時点の圧力差）ΔＰが筒内空気質量と比例する原理に基いて算出される。また、低位発熱量は、燃料の単位質量当たりの発熱量として定義され、燃料の成分等に応じて定まる既知の値である。また、ＣＰＳ検出発熱量Ｑは、筒内圧センサ５０の出力等に基いて算出される筒内の発熱量であり、その算出に用いる各パラメータは、前記数１５の式で説明したものである。

筒内空燃比Ａpは、エンジンの運転状態に応じて変動し易い。このため、本実施の形態では、例えば運転状態が反映される乗算型の補正係数αに基いて、下記数２６の式により筒内空燃比Ａｐを補正する。なお、この式において、Ａｐは補正前の筒内空燃比を示し、Ａｐ′は補正後の筒内空燃比（筒内空燃比の最終出力値）を示している。補正係数αは、補正マップ１４２により算出される。

[数２６]
Ａｐ′＝Ａｐ＊α

補正マップ１４２は、少なくとも機関回転数Ｎｅと機関負荷ＫＬを含む複数の参照パラメータに基いて補正係数αを算出する多次元の学習マップであり、補正マップ１４２の各格子点には、制御パラメータである補正係数αの学習値Ｚ_ij(ｋ)がそれぞれ記憶されている。一方、学習制御部１４４は、補正係数αの重み付け学習制御を実行する。具体的には、まず、下記数２７の式に基いて、空燃比センサ５４により検出した排気空燃比Ａｓと、補正後の筒内空燃比Ａｐ′との比を補正係数αとして算出する。そして、補正係数αの算出値をパラメータ取得値ｚ_kとして、各格子点における補正係数αの学習値Ｚ_ij(ｋ)を更新する。

[数２７]
α＝Ａｓ／Ａｐ′

なお、多気筒エンジンにおいては、前記数２７式中の筒内空燃比Ａｐ′として、各気筒の筒内空燃比Ａｐ′の平均値を採用してもよい。また、空燃比センサ５４は応答遅れが大きいので、上記学習制御は、エンジンの定常運転時にのみ実行するものとし、過渡運転時には禁止するのが好ましい。

また、本実施の形態では、図２４に示す変形例の構成を採用してもよい。この変形例では、加算型の補正係数βに基いて、下記数２８の式により筒内空燃比Ａｐを補正する。また、補正マップ１４２′の各格子点には、補正係数βの学習値Ｚ_ij(ｋ)がそれぞれ記憶されており、学習制御部１４４′は、下記数２９の式により算出した補正係数βの算出値をパラメータ取得値ｚ_kとして、補正係数βの重み付け学習制御を実行する。

[数２８]
Ａｐ′＝Ａｐ＋β
[数２９]
β＝Ａｓ−Ａｐ′

このように構成される本実施の形態によれば、筒内空燃比の算出制御において、前記実施の形態１で述べた効果を得ることができる。特に、筒内センサ５０により算出した筒内空燃比は、運転状態の変化による誤差が大きいので、従来技術の学習方法により得られた補正係数を用いても、実用性を高めるのが難しい。これに対し、本実施の形態では、学習機会が比較的少なくても、補正マップ１４２，１４２′の全格子点で補正係数α，βを速やかに学習することができる。従って、筒内空燃比の誤差が大きい場合でも、この誤差を補正係数α，βにより適切に補正することができ、筒内空燃比の算出精度や実用性を向上させることができる。なお、前記実施の形態１２では、空燃比算出部１４０が筒内空燃比算出手段の具体例を示し、学習制御部１４４が重み設定手段及び重み付け学習手段の具体例を示している。

実施の形態１３．
次に、図２５乃至図２７を参照して、本発明の実施の形態１３について説明する。本実施の形態は、前記実施の形態１で述べた重み付け学習制御を、燃料噴射特性の学習制御に適用したことを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態１３の特徴］
図２５は、本発明の実施の形態１３において、燃料噴射弁の噴射特性を示す特性線図である。一般に、燃料噴射弁２６の燃料噴射量は、通電時間から無効通電時間を減算した実効通電時間に比例して増加する特性を有しており、下記数３０の式により通電時間ｔに基いて制御される。ここで、目標噴射量Ｆｔは、燃料噴射制御により設定される目標値であり、噴射特性係数は、図２５に示す特性線の傾きに対応している。

[数３０]
通電時間ｔ＝目標噴射量Ｆｔ／噴射特性係数＋無効通電時間

しかし、燃料噴射弁の噴射特性は、噴射弁の個体差や時間の経時等により変化するので、学習制御により対応するのが好ましい。このため、本実施の形態では、燃料噴射特性を重み付け学習制御により学習する。図２６は、本発明の実施の形態１３により実行される燃料噴射特性の学習制御を示す制御ブロック図である。この図に示すように、本実施の形態のシステムは、噴射特性マップ１５０、実噴射量算出部１５２、ＦＢゲイン算出部１５４及び学習制御部１５６を備えている。

噴射特性マップ１５０は、例えば目標燃料噴射量Ｆｔ、機関回転数Ｎｅ及び機関負荷ＫＬからなる参照パラメータに基いて通電時間ｔを算出する多次元の学習マップであり、噴射特性マップ１５０の各格子点には、制御パラメータである通電時間ｔの学習値Ｚ_ij(ｋ)がそれぞれ記憶されている。実噴射量算出部１５２は、筒内圧センサ５０の出力に基いて、実際の燃料噴射量（実噴射量）Ｆｒを算出するもので、実噴射量Ｆｒは、下記数３１の式に示すように、前記実施の形態１２で述べた筒内燃料質量を補正係数αで除算することにより得られる。

[数３１]
実噴射量Ｆｒ＝筒内燃料質量／α

ＦＢゲイン算出部１５４は、目標燃料噴射量Ｆｔと実噴射量Ｆｒとを比較して通電時間ｔの補正量を算出し、当該補正量に基いて通電時間ｔを補正する。具体的には、目標燃料噴射量Ｆｔを基準として、実噴射量Ｆｒが多い場合には通電時間ｔを減少させ、実噴射量Ｆｒが少ない場合には通電時間ｔを増加させる。これにより、補正後の通電時間ｔ′が算出され、当該通電時間ｔ′に応じて燃料噴射弁２６への通電が行われる。

一方、学習制御部１５６は、補正後の通電時間ｔ′をパラメータ取得値ｚ_kとして、通電時間ｔの重み付け学習制御を実行し、噴射特性マップ１５０の各格子点に記憶された学習値Ｚ_ij(ｋ)を更新する。なお、燃料噴射特性は、図２５に示すように１次関数となるので、噴射特性マップ１５０の格子点は２個あればよい。

このように構成される本実施の形態によれば、燃料噴射特性の学習制御において、前記実施の形態１で述べた効果を得ることができる。従って、少ない学習回数でも噴射特性の変化を効率よく学習し、燃料噴射制御の精度を向上させることができる。特に、本実施の形態では、筒内圧センサ５０の出力に基いて実噴射量Ｆｒを算出し、この実噴射量Ｆｒに基いて学習を実行することができるので、実際の燃料噴射量が検出できなくても、既存のセンサを利用して学習制御を容易に行うことができる。なお、前記実施の形態１３では、実噴射量算出部１５２が実噴射量算出手段の具体例を示し、学習制御部１５６が重み設定手段及び重み付け学習手段の具体例を示している。

また、エンジンの温度が低い場合には、燃料が気化し難い分だけ燃料噴射特性にずれが生じるので、前記実施の形態では、図２７に示す変形例の構成を採用してもよい。この変形例において、噴射特性マップ１５０′は、目標燃料噴射量Ｆｔ、機関回転数Ｎｅ、機関負荷ＫＬ及び水温からなる参照パラメータに基いて通電時間ｔを算出するように構成されている。これにより、エンジンの暖機状態の差異にも対応することができる。

実施の形態１４．
次に、図２８を参照して、本発明の実施の形態１４について説明する。本実施の形態は、前記実施の形態１で述べた重み付け学習制御を、エアフローセンサの出力補正係数に適用したことを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態１４の特徴］
一般に、エアフローセンサ４６の使用時には、下記数３２の式により、センサ出力値Ｓを補正することにより最終的な検出空気量Ｓoutを算出する。ここで、ＫＦＬＣは、出力補正用の補正係数であり、図２８に示す補正マップ１６０に記憶されている。図２８は、本発明の実施の形態１４において、エアフローセンサ用補正係数の学習制御を示す制御ブロック図である。

[数３２]
検出空気量Ｓout＝センサ出力値Ｓ＊ＫＦＬＣ

補正マップ１６０は、例えば機関回転数Ｎｅと外気温度ＴＡとからなる参照パラメータに基いて補正係数ＫＦＬＣを算出する多次元の学習マップであり、補正マップ１６０の各格子点には、制御パラメータである補正係数ＫＦＬＣの学習値Ｚ_ij(ｋ)がそれぞれ記憶されている。また、本実施の形態のシステムは、補正マップ１６０に加えて、学習基準算出部１６２と学習制御部１６４とを備えている。学習基準算出部１６２は、空燃比センサ５４の出力と燃料噴射量とに基いて、下記数３３及び数３４の式により補正係数の学習基準値ＫＦＬＣ′を算出する。下記の式において、燃料噴射量としては、前記実施の形態１３で算出した実燃料噴射量Ｆｒ（数３１式）を用いるのが好ましい。

[数３３]
ＫＦＬＣ′＝空燃比検出空気量／センサ出力値Ｓ
[数３４]
空燃比検出量＝空燃比センサ出力＊燃料噴射量

学習制御部１６４は、前記数３３の式により算出した補正係数の学習基準値ＫＦＬＣ′をパラメータ取得値ｚ_kとして、補正係数ＫＦＬＣの重み付け学習制御を実行し、補正マップ１６０の各格子点に記憶された学習値Ｚ_ij(ｋ)を更新する。なお、空燃比センサ５４は応答遅れが大きいので、上記学習制御は、エンジンの定常運転時にのみ実行するものとし、過渡運転時には禁止するのが好ましい。

このように構成される本実施の形態によれば、エアフローセンサ用補正係数の学習制御において、前記実施の形態１で述べた効果を得ることができる。従って、少ない学習回数でも補正係数ＫＦＬＣを効率よく学習し、吸入空気量の算出精度を向上させることができる。なお、前記実施の形態１４では、学習基準算出部１６２が学習基準算出手段の具体例を示し、学習制御部１６４が重み設定手段及び重み付け学習手段の具体例を示している。

実施の形態１５．
次に、図２９を参照して、本発明の実施の形態１５について説明する。本実施の形態は、前記実施の形態１で述べた重み付け学習制御を、壁面燃料付着量の算出制御に適用したことを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態１５の特徴］
燃料噴射制御の一例として、噴射燃料が吸気ポート等の壁面に付着した量である壁面燃料付着量ｑｍｗを算出し、この算出結果に基いて燃料噴射量を補正するものがある。この場合、壁面燃料付着量ｑｍｗの算出制御では、壁面燃料付着量算出マップ（ＱＭＷマップ）から壁面燃料付着量ｑｍｗする。本実施の形態では、このＱＭＷマップに対して、重み付け学習制御を適用する。

図２９は、本発明の実施の形態１５において、壁面燃料付着量の学習制御を示す制御ブロック図である。この図に示すように、本実施の形態のシステムは、ＱＭＷマップ１７０、学習基準算出部１７２及び学習制御部１７４を備えている。ＱＭＷマップ１７０は、例えば機関回転数Ｎｅ、機関負荷ＫＬ及びＶＶＴ等によるバルブタイミング制御量を含む参照パラメータに基いて、壁面燃料付着量ｑｍｗを算出する多次元の学習マップであり、ＱＭＷマップ１７０の各格子点には、制御パラメータである壁面燃料付着量ｑｍｗの学習値Ｚ_ij(ｋ)がそれぞれ記憶されている。ＱＭＷマップ１７０により算出された壁面燃料付着量ｑｍｗは、燃料噴射制御において、燃料の目標噴射量に反映される。

学習基準算出部１７２は、ＱＭＷマップ１７０により算出した壁面燃料付着量ｑｍｗと、空燃比センサ５４の出力と、エンジンの加速及び減速を判定するパラメータとに基いて、下記数３５の式により壁面燃料付着量の学習基準値ｑｍｗ′を算出する。なお、加減速を判定するパラメータとしては、例えばスロットルセンサの出力、機関回転数等がある。

[数３５]
ｑｍｗ′＝ｑｍｗ＋調整量Δ

上記式において、壁面燃料付着量の学習基準値ｑｍｗ′は、直接的な検出及び算出が困難であるため、ＱＭＷマップ１７０による算出値ｑｍｗに対して調整量Δを加算して求める。調整量Δは、壁面燃料付着量ｑｍｗを少しずつ変化させる微小量として設定されるもので、具体例を挙げると、次の処理により決定される。
（１）加速時に空燃比がリーンとなった場合、または、減速時に空燃比がリッチとなった場合には、壁面燃料付着量が不足しているものと判断し、調整量Δを所定のプラス値に設定する。
（２）加速時に空燃比がリッチとなった場合、または、減速時に空燃比がリーンとなった場合には、壁面燃料付着量が過剰であるものと判断し、調整量Δを所定のマイナス値に設定する。

学習制御部１７４は、前記数３５の式により算出した壁面燃料付着量の学習基準値ｑｍｗ′をパラメータ取得値ｚ_kとして、壁面燃料付着量ｑｍｗの重み付け学習制御を実行し、ＱＭＷマップ１７０の各格子点に記憶された学習値Ｚ_ij(ｋ)を更新する。

このように構成される本実施の形態によれば、壁面燃料付着量の学習制御において、前記実施の形態１で述べた効果を得ることができる。従って、少ない学習回数でも壁面燃料付着量ｑｍｗを効率よく学習し、燃料噴射制御の精度を向上させることができる。なお、前記実施の形態１５では、学習基準算出部１７２が学習基準算出手段の具体例を示し、学習制御部１７４が重み設定手段及び重み付け学習手段の具体例を示している。

実施の形態１６．
次に、図３０を参照して、本発明の実施の形態１６について説明する。本実施の形態は、前記実施の形態１で述べた重み付け学習制御を、バルブタイミングの学習制御に適用したことを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態１６の特徴］
図３０は、本発明の実施の形態１６において、バルブタイミングの学習制御を示す制御ブロック図である。この図に示すように、本実施の形態のシステムは、ＶＴマップ１８０、学習基準算出部（最適ＶＴ探索部）１８２及び学習制御部１８４を備えている。ＶＴマップ１８０は、例えば機関回転数Ｎｅ及び機関負荷ＫＬからなる参照パラメータに基いてバルブタイミングＶＴを算出する多次元の学習マップであり、ＶＴマップ１８０の各格子点には、制御パラメータであるバルブタイミングＶＴの学習値Ｚ_ij(ｋ)がそれぞれ記憶されている。エンジンの運転中には、前記各参照パラメータに基いてＶＴマップ１８０によりバルブタイミングＶＴが算出され、この算出値は、可変動弁機構３４（３６）のアクチュエータに出力される。なお、本実施の形態の制御対象としては、吸気バルブ３０が好ましいが、排気バルブ３２でもよい。

最適ＶＴ探索部１８２は、例えば燃費が最良となる最適なバルブタイミングＶＴを探索し、その探索結果をバルブタイミングの学習基準値ＶＴ′として出力する。なお、最適なバルブタイミングの探索方法としては、一般的なものが用いられる。一例を挙げると、例えば前述のように筒内圧５０の出力に基いて算出される筒内燃料質量、機関回転数等の情報に基いて単位時間当たりの燃料消費率を算出し、この算出値を監視しながらバルブタイミングＶＴを少しずつ変化させることにより、最適なバルブタイミングＶＴを見つけ出すことができる。

一方、学習制御部１８４は、バルブタイミングの学習基準値ＶＴ′をパラメータ取得値ｚ_kとして、バルブタイミングＶＴの重み付け学習制御を実行し、ＶＴマップ１８０の各格子点に記憶された学習値Ｚ_ij(ｋ)を更新する。このように構成される本実施の形態によれば、バルブタイミングの学習制御において、前記実施の形態１で述べた効果を得ることができる。従って、少ない学習回数でもバルブタイミングを効率よく学習し、動弁系の制御性を向上させることができる。なお、前記実施の形態１６では、最適ＶＴ探索部１８２が学習基準算出手段の具体例を示し、学習制御部１８４が重み設定手段及び重み付け学習手段の具体例を示している。

また、実施の形態１６において、最適なバルブタイミングの探索処理中には、実現されているバルブタイミングが最適値ではない可能性がある。このため、前記探索処理中には、重み付け学習制御により使用する重みｗ_kijを探索処理の完了後と比較して小さくする構成としてもよい。また、探索処理中に重みｗ_kijを小さくする代わりに、前述の信頼性マップを併用する構成としてもよい。具体的には、バルブタイミングの探索処理中に学習制御を行う場合には、信頼性マップ上における基準位置（学習基準値ＶＴ′の位置）において、信頼性取得値を小さな値に設定すればよい。上記構成によれば、バルブタイミングが最適化されているか否かの信頼性に応じて、学習値の更新量を適切に調整することができ、学習精度を向上させることができる。

実施の形態１７．
次に、図３１及び図３２を参照して、本発明の実施の形態１７について説明する。本実施の形態は、前記実施の形態１で述べた重み付け学習制御を、失火限界点火時期の学習制御に適用したことを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態１７の特徴］
図３１は、本発明の実施の形態１７による点火時期制御を示す制御ブロック図である。この図に示すように、本実施の形態のシステムは、点火時期遅角制御部１９０、失火限界マップ１９２、Ｍａｘ選択部１９４、学習制御部１９６を備えている。点火時期遅角制御部１９０は、例えばノック制御、変速対応制御、触媒暖機制御等のように、点火時期を遅角する一般的な制御を実行するもので、これらの制御により遅角して設定された目標点火時期Ａｄｖ１を出力する。

失火限界マップ１９２は、複数の参照パラメータに基いて失火限界点火時期Ａｄｖ２を算出する多次元の学習マップであり、失火限界マップ１９２の各格子点には、制御パラメータである失火限界点火時期Ａｄｖ２の学習値Ｚ_ij(ｋ)がそれぞれ記憶されている。失火限界点火時期とは、点火時期遅角制御により失火の発生なしに実現可能な最遅角側の点火時期として定義される。また、上記参照パラメータとしては、例えば機関回転数Ｎｅ、機関負荷ＫＬ、水温、バルブタイミングの制御量、ＥＧＲの制御量等が挙げられる。Ｍａｘ選択部１９２は、点火時期遅角制御により遅角された目標点火時期Ａｄｖ１と、失火限界マップ１９２により算出された失火限界点火時期Ａｄｖ２のうち、大きい方の点火時期（より進角側の点火時期）を選択し、選択した点火時期を出力する。

一方、学習制御部１９６は、図３２に示す処理により、失火限界点火時期Ａｄｖ２の重み付け学習制御を実行する。図３２は、本発明の実施の形態１７において、ＥＣＵにより実行される制御のフローチャートである。この図に示すルーチンでは、まず、ステップ７００において、現在の点火時期が失火限界であるか否かを判定する。具体的に述べると、ステップ７００では、まず、筒内圧センサ６０の出力に基いて前述のＣＰＳ検出発熱量Ｑを算出し、この算出値が正常燃焼時の下限値に対応する所定の判定値以下となった場合に、失火が発生したことを検出する。そして、単位時間当たりの失火回数をカウントし、このカウント値が失火限界に対応する所定の判定値を超えた場合に、現在の点火時期が失火限界点火時期に達していると判定する。

ステップ７００の判定が成立した場合には、ステップ７０２に移行し、現在の点火時期をパラメータ取得値ｚ_kとして、失火限界点火時期Ａｄｖ２の重み付け学習制御を実行し、失火限界マップ１９２の各格子点に記憶された学習値Ｚ_ij(ｋ)を更新する。このように構成される本実施の形態によれば、失火限界点火時期の学習制御において、前記実施の形態１で述べた効果を得ることができ、失火限界を効率よく学習することができる。そして、点火時期Ａｄｖ１，Ａｄｖ２のうち遅角側の方を選択することにより、失火を回避しつつ、点火時期を遅角要求に応じて最大限に遅角し、点火時期の制御性を向上させることができる。また、重み付け学習制御は、失火限界に達した場合にのみ実行されるが、１回の学習動作により失火限界マップ１９２の全格子点で失火限界点火時期を効率よく学習することができるので、学習機会が比較的少なくても、学習を十分に行うことができる。

なお、前記実施の形態１７では、図３２中のステップ７００が失火限界判定手段の具体例を示し、ステップ７０２が失火限界学習手段の具体例を示し、Ｍａｘ選択部１９４が選択手段の具体例を示している。一方、実施の形態１７では、常に失火限界付近で運転が行われるわけではないので、失火限界付近以外の以外で誤学習が行われるのを避けるために、失火領域マップを用いる構成としてもよい。この場合、失火領域マップは、前記実施の形態１１で述べたＴＫ領域マップ１３８と同様の構成及び機能を有し、失火領域マップの各格子点には、失火領域判定値の学習値がそれぞれ記憶されている。そして、失火限界を検出した場合には、当該失火限界の検出位置を基準位置として、失火領域マップ上の同位置に失火領域判定値を設定し、更に、失火領域マップの重み付け学習制御を実行すればよい。これにより、失火限界領域の境界を明確化することができる。

実施の形態１８．
次に、図３３を参照して、本発明の実施の形態１８について説明する。本実施の形態は、前記実施の形態１で述べた重み付け学習制御を、燃料増量補正値の学習制御に適用したことを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態１８の特徴］
図３３は、本発明の実施の形態１８において、燃料増量補正値の学習制御を示す制御ブロック図である。この図に示すように、本実施の形態のシステムは、燃料増量マップ２００、学習基準算出部（最適増量値探索部）２０２及び学習制御部２０４を備えている。燃料増量マップ２００は、例えば機関回転数Ｎｅ及び機関負荷ＫＬからなる参照パラメータに基いて燃料増量値Ｆｄを算出する多次元の学習マップであり、燃料増量マップ２００の各格子点には、制御パラメータである燃料増量値Ｆｄの学習値Ｚ_ij(ｋ)がそれぞれ記憶されている。燃料増量値Ｆｄは、燃料噴射制御において、加速要求等に応じて目標噴射量を増量補正する補正値（パワー増量値）である。最適増量値探索部２０２は、例えば筒内圧センサ５０の出力に基いて、エンジントルクが最大化するような燃料増量の最適値を探索し、その探索結果を燃料増量値の学習基準値Ｆｄ′として出力する。

一方、学習制御部２０４は、燃料増量値の学習基準値Ｆｄ′をパラメータ取得値ｚ_kとして、燃料増量値Ｆｄの重み付け学習制御を実行し、燃料増量マップ２００の各格子点に記憶された学習値Ｚ_ij(ｋ)を更新する。このように構成される本実施の形態によれば、燃料増量値の学習制御において、前記実施の形態１で述べた効果を得ることができる。従って、少ない学習回数でも燃料増量値を効率よく学習し、エンジンの運転性能を向上させることができる。なお、前記実施の形態１８では、学習制御部２０４が重み設定手段及び重み付け学習手段の具体例を示している。

実施の形態１９．
次に、図３４を参照して、本発明の実施の形態１９について説明する。本実施の形態は、前記実施の形態１で述べた重み付け学習制御を、ＩＳＣ（Idle Speed Control）の学習制御に適用したことを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態１９の特徴］
本実施の形態では、アイドル運転時に機関回転数等に基いて吸気通路の開度（ＩＳＣ開度）をフィードバック制御するアイドル運転制御と、アイドル運転制御により補正されたＩＳＣ開度を学習する学習制御とを実行する。吸気通路の開度とは、具体的に述べると、ＩＳＣバルブまたはスロットルバルブ２０の開度を意味している。図３４は、本発明の実施の形態１９において、ＩＳＣの学習制御を示す制御ブロック図である。本実施の形態のシステムは、ＩＳＣマップ２１０、ＩＳＣフィードバック制御部２１２及び学習制御部２１４を備えている。

ＩＳＣマップ２１０は、機関回転数Ｎｅに基いてＩＳＣ開度をＩＳＣ開度ＶＯを算出する学習マップであり、ＩＳＣマップ２１０の各格子点には、制御パラメータであるＩＳＣ開度ＶＯの学習値Ｚ_ij(ｋ)がそれぞれ記憶されている。アイドル運転中には、機関回転数Ｎｅに基いてＩＳＣマップ２１０によりＩＳＣ開度ＶＯが算出され、この算出値は、ＩＳＣバルブまたはスロットルバルブ２０の駆動部に出力される。また、ＩＳＣフィードバック制御部２１２は、アイドル運転時の機関回転数Ｎｅが目標回転数と一致するように、ＩＳＣ開度ＶＯを補正（フィードバック制御）する。これにより補正された補正後のＩＳＣ開度ＶＯ′は、学習制御部２１４に入力される。

学習制御部２１４は、補正後のＩＳＣ開度ＶＯ′パラメータ取得値ｚ_kとして、ＩＳＣ開度ＶＯの重み付け学習制御を実行し、ＩＳＣマップ２１０の各格子点に記憶された学習値Ｚ_ij(ｋ)を更新する。このように構成される本実施の形態によれば、ＩＳＣ開度の学習制御において、前記実施の形態１で述べた効果を得ることができる。従って、少ない学習回数でもＩＳＣ開度を効率よく学習することができ、アイドル運転の安定性を向上させることができる。

なお、前記実施の形態１９では、学習制御部２１４が重み設定手段及び重み付け学習手段の具体例を示している。また、実施の形態１９では、機関回転数Ｎｅが目標回転数から乖離するほど、学習値の信頼度が低下するものと判断して、重みｗ_kijを小さくする構成としてもよい。この構成は、例えば機関回転数Ｎｅと目標回転数との差分が大きいほど減少する係数を重みｗ_kijに乗算することにより実現される。この構成によれば、機関回転数Ｎｅが目標回転数に近い値に制御され、アイドル運転制御の精度が高いときほど、全ての格子点において学習値の更新量を増加させることができる。また、機関回転数Ｎｅが目標回転数から乖離し、アイドル運転制御の精度が低い場合には、学習を抑制することができる。従って、ＩＳＣマップ２１０全体の学習精度を高めることができる。

実施の形態２０．
次に、図３５及び図３６を参照して、本発明の実施の形態２０について説明する。本実施の形態は、前記実施の形態１で述べた重み付け学習制御を、ＥＧＲの学習制御に適用したことを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態２０の特徴］
図３５は、本発明の実施の形態２０によるＥＧＲの学習制御を示す制御ブロック図である。この図に示すように、本実施の形態のシステムは、ＥＧＲ制御部２２０、失火限界ＥＧＲマップ２２２、Ｍａｘ選択部２２４、学習制御部２２６を備えている。ＥＧＲ制御部２２０は、公知のＥＧＲ制御を実行するもので、当該ＥＧＲ制御により算出した要求ＥＧＲ量Ｅ１を出力する。なお、本実施の形態において、「ＥＧＲ量」とは、筒内に流入するＥＧＲガスの量に対応する任意の制御パラメータを意味するものであり、具体的には、ＥＧＲ弁４２の開度、ＥＧＲ通路４０を流れるＥＧＲガス量、及び吸入空気量に対するＥＧＲガス量の比率であるＥＧＲ率のうち、何れのパラメータであってもよい。

失火限界ＥＧＲマップ２２２は、複数の参照パラメータに基いて失火限界ＥＧＲ量Ｅ２を算出する多次元の学習マップであり、失火限界ＥＧＲマップ２２２の各格子点には、制御パラメータである失火限界ＥＧＲ量Ｅ２の学習値Ｚ_ij(ｋ)がそれぞれ記憶されている。失火限界ＥＧＲ量とは、ＥＧＲ制御により失火の発生なしに実現可能な最大のＥＧＲ量として定義される。また、上記参照パラメータとしては、例えば機関回転数Ｎｅ、機関負荷ＫＬ、水温、バルブタイミングの制御量等が挙げられる。Ｍａｘ選択部２２４は、ＥＧＲ制御により算出された要求ＥＧＲ量Ｅ１と、失火限界ＥＧＲマップ２２２により算出された失火限界ＥＧＲ量Ｅ２のうち大きい方のＥＧＲ量を選択し、選択したＥＧＲ量を出力するものである。ＥＧＲ制御は、このＥＧＲ量の出力値に基いて実行される。

一方、学習制御部２２６は、図３６に示す処理により、失火限界ＥＧＲ量Ｅ２の重み付け学習制御を実行する。図３６は、本発明の実施の形態２０において、ＥＣＵにより実行される制御のフローチャートである。この図に示すルーチンでは、まず、ステップ８００において、現在の点火時期が失火限界であるか否かを判定する。この判定処理は、前記実施の形態１７（図３２）と同様の処理である。

ステップ８００の判定が成立した場合には、ステップ８０２に移行し、現在のＥＧＲ量をパラメータ取得値ｚ_kとして、失火限界ＥＧＲ量Ｅ２の重み付け学習制御を実行し、失火限界ＥＧＲマップ２２２の各格子点に記憶された学習値Ｚ_ij(ｋ)を更新する。このように構成される本実施の形態によれば、ＥＧＲの学習制御において、前記実施の形態１で述べた効果を得ることができ、失火限界ＥＧＲ量を効率よく学習することができる。そして、ＥＧＲ量Ｅ１，Ｅ２の大きい方を選択することにより、失火を回避しつつ、ＥＧＲ量を要求に応じて最大限に確保し、ＥＧＲ制御の制御性を向上させることができる。また、重み付け学習制御は、失火限界に達した場合のみ実行されるが、１回の学習動作により失火限界ＥＧＲマップ２２２の全格子点で失火限界ＥＧＲ量を効率よく学習することができるので、学習機会が比較的少なくても、学習を十分に行うことができる。

なお、前記実施の形態２０では、図３６中のステップ８００が失火限界判定手段の具体例を示し、ステップ８０２が失火限界ＥＧＲ学習手段の具体例を示し、Ｍａｘ選択部２２４が選択手段の具体例を示している。また、実施の形態２０では、常に失火限界付近で運転が行われるわけではないので、失火限界付近以外の以外で誤学習が行われるのを避けるために、前記実施の形態１７で述べた失火領域マップを採用し、失火限界領域の境界を明確化する構成としてもよい。

実施の形態２１．
次に、図３７を参照して、本発明の実施の形態２１について説明する。本実施の形態は、前記実施の形態１で述べた重み付け学習制御を、空燃比センサの出力補正制御に適用したことを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態２１の特徴］
本実施の形態において、空燃比センサの出力補正制御は、酸素濃度センサ５６の出力に基いて空燃比センサ５４の出力値Ａｓを補正し、ストイキ雰囲気下での出力値Ａｓが所定の基準出力値と一致するように制御する。図３７は、本発明の実施の形態２１において、空燃比センサの出力補正制御を示す制御ブロック図である。本実施の形態のシステムは、補正マップ２３０、学習基準算出部２３２及び学習制御部２３４を備えている。

補正マップ２３０は、少なくとも機関回転数Ｎｅと機関負荷ＫＬを含む複数の参照パラメータに基いて出力補正用の補正係数γを算出する多次元の学習マップであり、補正マップ２３０の各格子点には、制御パラメータである補正係数γの学習値Ｚ_ij(ｋ)がそれぞれ記憶されている。エンジンの運転中には、前記各参照パラメータに基いて補正マップ２３０により補正係数γが算出される。これにより、空燃比センサの出力値Ａｓは、下記数３６の式に示すように、補正係数γに基いて補正され、補正後の空燃比出力値（排気空燃比の最終出力値）Ａｓ′となって出力される。

[数３６]
Ａｓ′＝Ａｓ＊γ

学習基準算出部２３２は、下記数３７の式に示すように、基準出力値Ａｒｅｆに基いて補正係数の学習基準値γ′を算出し、この算出値を学習制御部２３４に出力する。ここで、基準出力値Ａｒｅｆとは、酸素濃度センサ５６の出力が理論空燃比に対応する出力値となったときの空燃比センサの出力値Ａｓとして定義される。
[数３７]
γ′＝理論空燃比／基準出力値Ａｒｅｆ

詳しく述べると、酸素濃度センサ５６の出力はリッチ側で１となり、リーン側で０となる特性を有するが、理論空燃比（ストイキ）の近傍では、０〜１間の中間値（例えば０．５）となる。以下の説明では、この中間値が取り得る範囲（０〜１）をストイキ帯と表記する。学習基準算出部２３２は、酸素濃度センサ５６の出力値が前記ストイキ帯に含まれるときに、真の空燃比が理論空燃比と等しい状態であるとみなして、このときの空燃比センサの出力値Ａｓを基準出力値Ａｒｅｆとして取得する。そして、前記数３７の式により補正係数の学習基準値γ′を算出する。

一方、学習制御部２３４は、補正係数の学習基準値γ′をパラメータ取得値ｚ_kとして、補正係数γの重み付け学習制御を実行し、補正マップ２３０の各格子点に記憶された学習値Ｚ_ij(ｋ)を更新する。なお、空燃比センサ５４及び酸素濃度センサ５６の出力は、応答遅れが大きいので、上記学習制御は、エンジンの定常運転時にのみ実行するものとし、過渡運転時には禁止するのが好ましい。

このように構成される本実施の形態によれば、空燃比センサの出力補正制御において、前記実施の形態１で述べた効果を得ることができ、排気空燃比の検出精度を向上させることができる。また、本実施の形態では、理論空燃比において、酸素濃度センサ５６の出力値がストイキ帯に含まれることを利用して、ストイキでの基準出力値Ａｒｅｆを取得することができる。これにより、補正の基準を容易に得ることができる。また、重み付け学習制御は、酸素濃度センサ５６によりストイキを検出した場合にのみ実行されるが、１回の学習動作により補正マップ２３０の全格子点で補正係数γを効率よく学習することができるので、学習機会が比較的少なくても、学習を十分に行うことができる。なお、前記実施の形態２１では、学習基準算出部２３２が学習基準算出手段の具体例を示し、学習制御部２３４が重み設定手段及び重み付け学習手段の具体例を示している。

また、前記実施の形態２１では、重み付け学習制御を実行するときに、酸素濃度センサの出力値がストイキ帯の中央値（０．５）から乖離するほど、ストイキ状態が実現されているかどうかの信頼性が低いと判断して、重みｗ_kijを小さくする構成としてもよい。この構成は、例えば酸素濃度センサの出力値と０．５との差分が大きいほど減少する係数を重みｗ_kijに乗算することにより実現される。この構成によれば、酸素濃度センサの出力値がストイキ帯の中央値に近付き、ストイキ状態の信頼性が高いときほど、全ての格子点において学習値の更新量を増加させることができる。また、酸素濃度センサの出力値が前記中央値から乖離し、ストイキ状態の信頼性が低い場合には、学習を抑制することができる。従って、補正マップ２３０全体の学習精度を高めることができる。

実施の形態２２．
次に、図３８を参照して、本発明の実施の形態２２について説明する。本実施の形態は、前記実施の形態１で述べた重み付け学習制御を、始動時噴射量の学習制御に適用したことを特徴としている。なお、本実施の形態では、実施の形態１と同一の構成要素に同一の符号を付し、その説明を省略するものとする。

［実施の形態２２の特徴］
図３８は、本発明の実施の形態２２による始動時噴射量ＴＡＵＳＴの学習制御を示す制御ブロック図である。本実施の形態のシステムは、始動時噴射量マップ２４０、学習基準算出部２４２及び学習制御部２４４を備えている。始動時噴射量マップ２４０は、少なくとも水温、外気温度及びソーク時間（エンジン停止時から次に始動するまでの時間）を含む複数の参照パラメータに基いて始動時の燃料噴射量ＴＡＵＳＴを算出する多次元の学習マップであり、始動時噴射量マップ２４０の各格子点には、制御パラメータである始動時噴射量ＴＡＵＳＴの学習値Ｚij(ｋ)がそれぞれ記憶されている。エンジンの始動時には、前記各参照パラメータに基いて始動時噴射量マップ２４０により始動時噴射量ＴＡＵＳＴが算出され、当該算出値に対応する量の燃料が燃料噴射弁２６から噴射される。

学習基準算出部２４２は、始動時噴射量マップ２４０により算出された始動時噴射量ＴＡＵＳＴと、目標燃焼燃料量と、ＣＰＳ検出燃料量とに基いて、始動時噴射量の学習基準値ＴＡＵＳＴ′を算出する。ここで、目標燃焼燃料量は、例えば始動時の燃料噴射制御により設定されるもので、ＣＰＳ検出燃料量は、筒内圧センサ５０の出力等に基いて算出される。なお、ＣＰＳ検出燃料量は、前記実施の形態１２（数２４の式）で用いた筒内燃料質量に相当している。学習基準算出部２４２は、目標燃焼燃料量とＣＰＳ検出燃料量との差分に基いて始動時噴射量ＴＡＵＳＴを補正し、学習基準値ＴＡＵＳＴ′を取得する。

一方、学習制御部２４４は、始動時噴射量の学習基準値ＴＡＵＳＴ′をパラメータ取得値ｚ_kとして、始動時噴射量ＴＡＵＳＴの重み付け学習制御を実行し、始動時噴射量マップ２４０の各格子点に記憶された学習値Ｚ_ij(ｋ)を更新する。このように構成される本実施の形態によれば、始動時噴射量の学習制御において、前記実施の形態１で述べた効果を得ることができる。従って、少ない学習回数でも始動時噴射量ＴＡＵＳＴを効率よく学習し、エンジンの始動性を向上させることができる。なお、前記実施の形態２２では、学習基準算出部２４２が学習基準算出手段の具体例を示し、学習制御部２４４が重み設定手段及び重み付け学習手段の具体例を示している。

前記実施の形態１乃至２２では、１つの車両に搭載されたＥＣＵ６０により重み付け学習制御を実行し、各種の学習値を保有する場合を例示した。しかし、本発明はこれに限らず、複数車両のＥＣＵ間でデータ通信等により学習値を共有する構成としてもよい。これにより、学習機会が少ない運転状態（冷間時等）の取得データ数を他車との共有により増加させ、学習の効率や精度を向上させることができる。また、自車の学習値を、他車の学習値の平均と比較することにより、誤学習を検出することができる。なお、他車の学習値は、例えば車載のネットワークを利用して取得したり、サービス工場に蓄積した他車の学習値を入庫時に取得すればよい。

また、前記実施の形態１乃至２２では、それぞれの構成を個別に説明したが、本発明はこれに限らず、実施の形態１乃至２２のうち組合わせ可能な任意の２つ以上の構成を組合わせて１つのシステムを構成してもよい。具体例を挙げれば、実施の形態７乃至２２で説明した重み付け制御には、重み手段としてガウス関数、一次関数及び三角関数の何れを適用してもよい。また、実施の形態７乃至２２の何れかにおいて、学習マップに設けた複数の領域毎に重みの減少特性を切換える構成としてもよく、学習値を更新する範囲を有効範囲内に限定する構成としてもよい。

１０ エンジン（内燃機関）
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 排気通路
２４ 触媒
２６ 燃料噴射弁
２８ 点火プラグ
３０ 吸気バルブ
３２ 排気バルブ
３４，３６ 可変動弁機構
４０ ＥＧＲ通路
４２ ＥＧＲ弁
４４ クランク角センサ
４６ エアフローセンサ
４８ 水温センサ
５０ 筒内圧センサ
５２ 吸気温度センサ
５４ 空燃比センサ
５６ 酸素濃度センサ
６０ ＥＣＵ
１００，１１０，１２０，１３０ ＭＢＴマップ（学習マップ）
１０２ 燃焼重心算出部（燃焼重心算出手段）
１０４ 燃焼重心目標設定部
１０６，１５４ ＦＢゲイン算出部（点火時期補正手段）
１０８，１１２，１２２，１３２，１４４，１４４′，１５６，１６４，１７４，１８４，１９６，２０４，２１４，２２６，２３４，２４４ 学習制御部（重み設定手段及び重み付け学習手段）
１２４，１３４ ＴＫマップ（学習マップ）
１２６，１３６ Ｍｉｎ選択部（選択手段）
１３８ ＴＫ領域マップ（学習マップ）
１４０ 空燃比算出部（筒内空燃比算出手段）
１４２，１４２′，１６０，２３０ 補正マップ（学習マップ）
１５０，１５０′ 噴射特性マップ（学習マップ）
１５２ 実噴射量算出部（実噴射量算出手段）
１６２，１７２，１８２，２０２，２３２，２４２ 学習基準算出部（学習基準算出手段）
１７０ ＱＭＷマップ（学習マップ）
１８０ ＶＴマップ（学習マップ）
１９２ 失火限界マップ（学習マップ）
１９４，２２４ Ｍａｘ選択部（選択手段）
２００ 燃料増量マップ（学習マップ）
２１０ ＩＳＣマップ（学習マップ）
２２２ 失火限界ＥＧＲマップ（学習マップ）
２４０ 始動時噴射量マップ（学習マップ）

Claims (22)

1. 内燃機関の制御に用いる制御パラメータの学習値を１つ以上の参照パラメータにより参照するための学習マップであって、前記参照パラメータにより定義された座標系と当該座標系上に配置された複数の格子点とを有し、該各格子点に前記学習値がそれぞれ更新可能に記憶された学習マップと、
   前記制御パラメータが取得されたときに、前記学習マップの各格子点の重みをそれぞれ設定する手段であって、前記制御パラメータが取得されたときの前記参照パラメータの値に基いて前記学習マップの座標系上で定められる位置である基準位置から格子点までの距離が大きいほど、当該格子点の重みを減少させる重み設定手段と、
   前記制御パラメータが取得される毎に、全ての格子点において、前記重みが大きいほど前記制御パラメータの取得値が前記学習値に大きく反映され、かつ、前記重みが零の場合には前記制御パラメータの取得値が前記学習値に反映されないように個々の格子点の学習値を更新する重み付け学習制御を実行する重み付け学習手段と、
   前記学習マップと同様に構成された座標系及び複数の格子点を有し、前記学習値の信頼性を表す指標である信頼性評価値が前記各格子点にそれぞれ更新可能に記憶された信頼性マップと、
   前記信頼性マップの各格子点の重みである信頼性重みを、前記基準位置から格子点までの距離が大きいほど減少させる手段であって、当該信頼性重みの減少特性が前記学習マップの重みの減少特性よりも急峻に設定された信頼性マップ重み設定手段と、
   前記制御パラメータが取得される毎に、当該取得値の信頼性に対応する値をもつ信頼性取得値を前記基準位置に設定し、かつ、前記信頼性マップの全ての格子点において、前記信頼性重みが大きいほど前記信頼性取得値が前記信頼性評価値に大きく反映されるように個々の格子点の信頼性評価値を更新する信頼性マップ学習手段と、
   を備えることを特徴とする内燃機関の制御装置。
2. 前記学習マップは互いに異なる複数の領域を備え、
   前記重み設定手段は、前記基準位置からの距離に応じて減少する前記重みの減少特性を前記複数の領域毎に切換える構成としてなる請求項１に記載の内燃機関の制御装置。
3. 前記基準位置からの距離が所定の有効範囲よりも大きい格子点において、前記学習値の更新を禁止する構成としてなる請求項１または２に記載の内燃機関の制御装置。
4. 前記重み設定手段は、前記基準位置からの距離に応じて前記重みが正規分布曲線状に減少するガウス関数である請求項１乃至３のうち何れか１項に記載の内燃機関の制御装置。
5. 前記重み設定手段は、前記基準位置からの距離に応じて前記重みが比例的に減少する一次関数である請求項１乃至３のうち何れか１項に記載の内燃機関の制御装置。
6. 前記重み設定手段は、前記基準位置からの距離に応じて前記重みが正弦波状に減少する三角関数である請求項１乃至３のうち何れか１項に記載の内燃機関の制御装置。
7. 内燃機関のトルクが最大となる点火時期であるＭＢＴの学習値を１つ以上の参照パラメータにより参照するための学習マップであって、前記参照パラメータにより定義された座標系と当該座標系上に配置された複数の格子点とを有し、該各格子点に前記学習値がそれぞれ更新可能に記憶されたＭＢＴマップと、
   筒内圧に基いて燃焼重心を算出する燃焼重心算出手段と、
   前記燃焼重心が所定の燃焼重心目標値と一致するように、前記ＭＢＴマップにより算出した点火時期を補正する点火時期補正手段と、
   前記点火時期補正手段による補正後の点火時期に基いて、前記ＭＢＴマップの各格子点の重みをそれぞれ設定する手段であって、前記点火時期が算出されたときの前記参照パラメータの値に基いて前記ＭＢＴマップの座標系上で定められる位置である基準位置から格子点までの距離が大きいほど、当該格子点の重みを減少させる重み設定手段と、
   前記燃焼重心が前記燃焼重心目標値と一致した場合に、全ての格子点において、前記重みが大きいほど前記補正後の点火時期が前記ＭＢＴの学習値に大きく反映され、かつ、前記重みが零の場合には前記補正後の点火時期が前記ＭＢＴの学習値に反映されないように個々の格子点の学習値を更新する重み付け学習制御を実行する重み付け学習手段と、
   前記ＭＢＴマップと同様に構成された座標系及び複数の格子点を有する学習マップであって、ＭＢＴの学習履歴が反映される信頼性評価値が前記各格子点にそれぞれ更新可能に記憶された信頼性マップと、
   前記ＭＢＴマップを更新するときに、前記基準位置に基いて前記重み付け学習制御により前記信頼性評価値を更新する信頼性マップ学習手段と、
   を備えることを特徴とする内燃機関の制御装置。
8. 内燃機関の過渡運転時における前記学習値の更新量を、定常運転時と比較して抑制する構成としてなる請求項７に記載の内燃機関の制御装置。
9. 前記燃焼重心と前記燃焼重心目標値との差分及び前記補正後の点火時期に基いてＭＢＴを推定するＭＢＴ推定手段と、
   前記重み付け学習手段に代えて用いられる手段であって、前記燃焼重心が前記燃焼重心目標値から乖離している場合でも、前記重み付け学習制御により前記ＭＢＴの学習値を更新し、かつ、前記燃焼重心と前記燃焼重心目標値との差分が大きいほど前記学習値に対する前記ＭＢＴの推定値の反映度を低下させるＭＢＴ常時学習手段と、
   を備えてなる請求項７または８に記載の内燃機関の制御装置。
10. 前記ＭＢＴマップと同様に構成された座標系及び複数の格子点を有する学習マップであって、トレースノック領域における点火時期であるＴＫ点火時期の学習値が前記各格子点にそれぞれ更新可能に記憶されたＴＫマップと、
    ＭＢＴが実現される前にトレースノックが発生したときの点火時期を取得し、当該取得値に基いて前記ＴＫ点火時期の学習値を前記重み付け学習制御により更新するＴＫ点火時期学習手段と、
    前記ＭＢＴマップにより算出された学習値と前記ＴＫマップにより算出された学習値のうち、より進角側の点火時期を選択する選択手段と、
    を備えてなる請求項７乃至９のうち何れか１項に記載の内燃機関の制御装置。
11. 前記ＴＫマップと同様に構成された座標系及び複数の格子点を有する学習マップであって、前記ＴＫマップの個々の格子点が前記トレースノック領域に属するか否かを示す学習値が前記各格子点にそれぞれ更新可能に記憶されたＴＫ領域マップと、
    前記ＴＫ点火時期を取得したときに、前記ＴＫ領域マップの学習値を前記重み付け学習制御により更新するＴＫ領域学習手段と、
    を備えてなる請求項１０に記載の内燃機関の制御装置。
12. 少なくとも筒内圧センサの出力に基いて筒内空燃比を算出する筒内空燃比算出手段を備え、
    前記学習マップは、空燃比センサの出力に基いて前記筒内空燃比を補正する補正係数の学習値が前記各格子点にそれぞれ記憶された補正マップであり、
    前記重み設定手段は、前記補正係数により補正された補正後の筒内圧空燃比と前記空燃比センサの出力とに基いて算出された前記補正係数の算出値を前記制御パラメータの取得値として、前記補正マップの各格子点における重みを設定し、
    前記重み付け学習手段は、前記補正係数の算出値と前記各格子点の重みとに基いて、前記各格子点における前記補正係数の学習値を更新する構成としてなる請求項１乃至６のうち何れか１項に記載の内燃機関の制御装置。
13. 前記学習マップは、燃料噴射弁の目標噴射量と通電時間との関係が前記通電時間の学習値として前記各格子点にそれぞれ記憶された噴射特性マップであり、
    少なくとも筒内圧センサの出力に基いて実噴射量を算出する実噴射量算出手段を備え、
    前記重み設定手段は、前記目標噴射量と前記実噴射量とに基いて補正された補正後の通電時間を前記制御パラメータの取得値として、前記噴射特性マップの各格子点における重みを設定し、
    前記重み付け学習手段は、前記補正後の通電時間と前記各格子の重みとに基いて、前記各格子点における前記通電時間の学習値を更新する構成としてなる請求項１乃至６のうち何れか１項に記載の内燃機関の制御装置。
14. 前記学習マップは、エアフローセンサの出力を補正する補正係数の学習値が前記各格子点にそれぞれ記憶された補正マップであり、
    空燃比センサの出力と燃料噴射量とに基いて前記補正係数の学習基準値を算出する学習基準算出手段を備え、
    前記補正係数の学習基準値を前記制御パラメータの取得値として、前記重み付け学習制御を実行することにより前記補正係数の学習値を更新する構成としてなる請求項１乃至６のうち何れか１項に記載の内燃機関の制御装置。
15. 前記学習マップは、吸気通路の壁面に付着した燃料の量である壁面燃料付着量の学習値が前記各格子点にそれぞれ記憶されたＱＭＷマップであり、
    少なくとも空燃比センサの出力に基いて前記壁面燃料付着量の学習基準値を算出する学習基準算出手段を備え、
    前記壁面燃料付着量の学習基準値を前記制御パラメータの取得値として、前記重み付け学習制御を実行することにより前記壁面燃料付着量の学習値を更新する構成としてなる請求項１乃至６のうち何れか１項に記載の内燃機関の制御装置。
16. 前記学習マップは、内燃機関の燃費を最良とするバルブタイミングの学習値が前記各格子点にそれぞれ記憶されたＶＴマップであり、
    少なくとも筒内圧センサの出力に基いて前記バルブタイミングの学習基準値を算出する学習基準算出手段を備え、
    前記バルブタイミングの学習基準値を前記制御パラメータの取得値として、前記重み付け学習制御を実行することにより前記バルブタイミングの学習値を更新する構成としてなる請求項１乃至６のうち何れか１項に記載の内燃機関の制御装置。
17. 前記学習マップは、点火時期遅角制御により失火の発生なしに実現可能な最遅角側の点火時期である失火限界点火時期の学習値が前記各格子点にそれぞれ記憶された失火限界マップであり、
    現在の点火時期が失火限界であるか否かを判定する失火限界判定手段と、
    前記失火限界と判定されたときの点火時期を取得し、当該取得値に基いて前記失火限界点火時期の学習値を前記重み付け学習制御により更新する失火限界学習手段と、
    点火時期遅角制御により遅角された目標点火時期と前記失火限界マップにより算出された学習値のうち、より進角側の点火時期を選択する選択手段と、
    を備えてなる請求項１乃至６のうち何れか１項に記載の内燃機関の制御装置。
18. 前記学習マップは、燃料噴射量を増量する燃料増量値の学習値が前記各格子点にそれぞれ記憶された燃料増量マップであり、
    前記重み付け学習制御により前記燃料増量値の学習値を更新する構成としてなる請求項１乃至６のうち何れか１項に記載の内燃機関の制御装置。
19. 前記学習マップは、アイドル運転制御により補正された吸気通路の開度の学習値が前記各格子点にそれぞれ記憶されたＩＳＣマップであり、
    前記重み付け学習制御により前記吸気通路の開度の学習値を更新する構成としてなる請求項１乃至６のうち何れか１項に記載の内燃機関の制御装置。
20. 前記学習マップは、ＥＧＲ制御により失火の発生なしに実現可能な最大のＥＧＲ量である失火限界ＥＧＲ量の学習値が前記各格子点にそれぞれ記憶された失火限界ＥＧＲマップであり、
    現在の点火時期が失火限界であるか否かを判定する失火限界判定手段と、
    前記失火限界と判定されたときのＥＧＲ量を取得し、当該取得値に基いて前記失火限界ＥＧＲ量の学習値を前記重み付け学習制御により更新する失火限界ＥＧＲ学習手段と、
    ＥＧＲ制御により算出された要求ＥＧＲ量と前記失火限界ＥＧＲマップにより算出された学習値のうち、大きい方のＥＧＲ量を選択する選択手段と、
    を備えてなる請求項１乃至６のうち何れか１項に記載の内燃機関の制御装置。
21. 前記学習マップは、空燃比センサの出力を補正する補正係数の学習値がそれぞれ記憶された補正マップであり、
    酸素濃度センサの出力が理論空燃比に対応する出力値となったときの前記空燃比センサの出力値を基準出力値として取得し、当該基準出力値に基いて前記補正係数の学習基準値を算出する学習基準算出手段を備え、
    前記補正係数の学習基準値を前記制御パラメータの取得値として、前記重み付け学習制御を実行することにより前記補正係数の学習値を更新する構成としてなる請求項１乃至６のうち何れか１項に記載の内燃機関の制御装置。
22. 前記学習マップは、内燃機関の始動時に噴射される燃料の始動時噴射量の学習値がそれぞれ記憶された始動時噴射量マップであり、
    少なくとも筒内圧センサの出力に基いて前記始動時噴射量の学習基準値を算出する学習基準算出手段を備え、
    前記始動時噴射量の学習基準値を前記制御パラメータの取得値として、前記重み付け学習制御を実行することにより前記始動時噴射量の学習値を更新する構成としてなる請求項１乃至６のうち何れか１項に記載の内燃機関の制御装置。

Images