JP6687144B1 - 機関冷却水循環システムの異常検出装置 - Google Patents

Abstract

【課題】機関冷却水循環システムの異常を正確に検出する。【解決手段】機関冷却水温を推定するために、グリルシャッタ（５０）が開かれている状態であるか否か、およびブロワ（６３）の送出風が空調用ヒータ（６５）を流通している状態であるか否かの四つの状態に対し、夫々、重みの学習が行われた四つの学習済みニューラルネットワーク（１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄ）が記憶されている。これら四つの学習済みニューラルネットワーク（１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄ）のうちから選択されたいずれか一つの学習済みニューラルネットワークを用いて機関冷却水温が推定され、機関冷却水温の推定値に基いて機関冷却水循環システムの異常が検出される。【選択図】図２１

Description

本発明は機関冷却水循環システムの異常検出装置に関する。

機関回転数、燃料噴射量、外気温、車速およびＥＧＲ制御弁の開度から、機関始動後の機関冷却水温の変化を予測し、この予測水温に基づいて、冷却水の流れを調整するサーモスタットの作動異常を検出するようにした内燃機関が公知である（例えば特許文献１を参照）。この場合、機関回転数、燃料噴射量、外気温、車速およびＥＧＲ制御弁の開度をニューラルネットワークの入力パラメータとし、機関冷却水温の実測値を教師データとして、ニューラルネットワークの重みを学習すると、高い精度でもって機関冷却水温の予測値を得ることができる。

特開２０１２−１２７３２４号公報

ところが、車両外部から機関本体周りに流入する走行風の流れを調整可能なグリルシャッタを具備している場合や、機関冷却水が供給される空調用ヒータおよび空調用ヒータから加熱された空気を流出させるために空調用ヒータに空気を送り込むブロワを有する空調装置を具備している場合には、グリルシャッタの作動状態や空調装置の作動状態によって、機関冷却水温が大きく変動する。このように機関冷却水温が大きく変動する場合には、グリルシャッタの作動状態や空調装置の作動状態をニューラルネットワークの入力パラメータに加えたとしても、グリルシャッタの作動状態や空調装置の作動状態の変化に対して正確に機関冷却水温を予測することのできるニューラルネットワークの重みを学習するのは困難である。従って、グリルシャッタの作動状態やブロワの作動状態を単にニューラルネットワークの入力パラメータに加えただけでは、機関冷却水温の変化を精度よく予測うることができないという問題がある。

上記問題を解決するために、本発明によれば、車両外部から機関本体周りに流入する走行風の流れを調整可能なグリルシャッタと、機関冷却水が供給される空調用ヒータおよび空調用ヒータから加熱された空気を流出させるために空調用ヒータに空気を送り込むブロワを有する空調装置と、機関冷却水循環システムとを具備しており、機関冷却水循環システムが、ウォータポンプと、ウォータポンプから流出した冷却水が機関本体内のウォータジャケットおよびラジエータを経てウォータポンプに戻る主冷却水循環通路と、ウォータポンプから流出した冷却水が空調用ヒータを経てウォータポンプに戻る副冷却水循環通路と、主冷却水循環通路から分岐されてラジエータを迂回するバイパス通路と、主冷却水循環通路およびバイパス通路からウォータポンプに戻る冷却水の流れを調整するサーモスタットとを具備しており、機関冷却水温に基づき機関冷却水循環システムの異常が検出される機関冷却水循環システムの異常検出装置において、機関始動時の機関冷却水温と、機関への吸入空気量と、機関への燃料噴射量と、外気温と、車速からなる少なくとも五つのパラメータをニューラルネットワークの入力パラメータとし、機関冷却水温の実測値を教師データとして、グリルシャッタが閉鎖されかつブロワの送出風が空調用ヒータを流通していない状態、グリルシャッタが開かれかつブロワの送出風が空調用ヒータを流通していない状態、グリルシャッタが閉鎖されかつブロワの送出風が空調用ヒータを流通している状態、グリルシャッタが開かれかつブロワの送出風が空調用ヒータを流通している状態からなる四つの状態に対し、夫々、重みの学習が行われた四つの学習済みニューラルネットワークが記憶されており、これら四つの学習済みニューラルネットワークのうちから現在のグリルシャッタの状態および空調用ヒータにおけるブロワの送出風の流通状態に対応したいずれか一つの学習済みニューラルネットワークを用いて、上述の五つのパラメータから機関冷却水温が推定され、機関冷却水温の推定値に基づいて機関冷却水循環システムの異常が検出される機関冷却水循環システムの異常検出装置が提供される。

本発明によれば、グリルシャッタが閉鎖されかつブロワの送出風が空調用ヒータを流通していない状態、グリルシャッタが開かれかつブロワの送出風が空調用ヒータを流通していない状態、グリルシャッタが閉鎖されかつブロワの送出風が空調用ヒータを流通している状態、グリルシャッタが開かれかつブロワの送出風が空調用ヒータを流通している状態からなる四つの状態に対し、夫々、重みの学習が行われた四つの学習済みニューラルネットワークを用いることによって、機関冷却水温を高い精度で予測することが可能となる。

図１は、内燃機関周りの全体図である。 図２は、図１に示す内燃機関の側面断面図である。 図３は、車両前面の斜視図である。 図４は、図解的に表した空調装置の側面図である。 図５は、機関冷却水循環システムの全体図である。 図６Ａおよび図６Ｂは、サーモスタットの作動を説明するための図である。 図７は、サーモスタットおよび多機能弁の作動を説明するための図である。 図８は、ＥＧＲ率を示す図である。 図９は、運転制御を実行するためのフローチャートである。 図１０は、機関冷却水温の変化を示す図である。 図１１は、機関冷却水温の変化を示す図である。 図１２は、ニューラルネットワークの一例を示す図である。 図１３は、機関冷却水温の変化を示す図である。 図１４は、本発明による実施例において用いられているニューラルネットワークを示す図である。 図１５は、入力パラメータの一覧表を示す図である。 図１６は、訓練データセットを示す図である。 図１７Ａ，１７Ｂ，１７Ｃおよび１７Ｄは、ニューラルネットワークを示す図である。 図１８は、学習方法を説明するための図である。 図１９は、学習処理を実行するためのフローチャートである。 図２０は、電子制御ユニットにデータを読み込むためのフローチャートである。 図２１は、機関冷却水温の変化を示す図である。 図２２は、故障診断フラグのセット処理を行うためのフローチャートである。 図２３は、故障診断を行うためのフローチャートである。 図２４は、故障診断を行うためのフローチャートである。 図２５は、機関冷却水温の変化を示す図である。 図２６は、故障診断を行うためのフローチャートである。 図２７は、故障診断を行うためのフローチャートである。 図２８は、故障診断を行うためのフローチャートである。 図２９は、機関冷却水温の変化を示す図である。 図３０は、多機能弁の閉弁異常を検出するためのフローチャートである。 図３１は、多機能弁の閉弁異常を検出するためのフローチャートである。

＜内燃機関の全体構成＞
図１に内燃機関周りの全体図を示し、図２に内燃機関の側面断面図を示す。図２を参照すると、１は機関本体、２はシリンダブロック、３はシリンダヘッド、４はシリンダブロック２内で往復動するピストン、５は燃焼室、６は吸気弁、７は吸気ポート、８は排気弁、９は排気ポート、１０は各燃焼室５内に燃料、例えば、ガソリンを供給するための燃料噴射弁、１１は各燃焼室５内に配置された点火栓、１２は排気弁８の開弁時期を制御するための可変バルブタイミング機構を夫々示す。図２に示されるように、シリンダブロック２内にはウォータジャケット１３が形成されており、シリンダヘッド３内にはウォータジャケット１４が形成されている。

図１および図２を参照すると、吸気ポート７は夫々対応する吸気枝管１５を介してサージタンク１６に連結され、サージタンク１６はスロットル弁１７を内蔵したスロットルボディ１８および吸入空気量検出器１９を介してエアクリーナ２０に連結される。一方、排気ポート９は排気マニホルド２１を介して排気浄化用触媒２２を内蔵した排気熱回収器２３に連結される。また、排気マニホルド２１は排気ガス再循環（以下、ＥＧＲと称す）通路２４およびＥＧＲ制御弁２５を介してサージタンク１６に連結される。ＥＧＲ通路２４内には、ＥＧＲガスを冷却するためのＥＧＲクーラ２６が配置される。なお、図１において、２７は、機関により駆動されるウォータポンプを示しており、２８はラジエータを示しており、２９はラジエータ２８の冷却用電動ファンを示している。

一方、図１において３０は、機関の運転を制御するための電子制御ユニットを示している。図１に示されるように、電子制御ユニット３０はデジタルコンピュータからなり、双方向性バス３１によって互いに接続された記憶装置３２、即ち、メモリ３２と、ＣＰＵ（マイクロプロセッサ）３３と、入力ポート３４および出力ポート３５を具備する。機関本体１には冷却水の温度を検出するための水温センサ４０が取り付られており、入力ポート３４には、吸入空気量検出器１９の出力信号、水温センサ４０の出力信号、および外気温を検出するための外気温センサ４１の出力信号が、夫々対応するＡＤ変換器３６を介して入力される。また、アクセルペダル４２にはアクセルペダル４２の踏込み量に比例した出力電圧を発生する負荷センサ４３が接続され、負荷センサ４３の出力電圧は対応するＡＤ変換器３６を介して入力ポート３４に入力される。更に入力ポート３４にはクランクシャフトが例えば３０°回転する毎に出力パルスを発生するクランク角センサ４４が接続される。ＣＰＵ３３内ではクランク角センサ４４の出力信号に基づいて機関回転数が算出される。更に、入力ポート３４には、車速に比例した出力パルスを発生する車速センサ４５が接続される。

一方、出力ポート３５は対応する駆動回路３７を介して各気筒の燃料噴射弁１０、点火栓１１、スロットル弁１７のアクチュエータ、ＥＧＲ制御弁２５および電動ファン２９に接続される。また、図１に示される内燃機関はハイブリッド機関であり、駆動用モータおよび発電用モータ等を備えた駆動制御機構４６が機関本体１に取り付けられている。これら駆動用モータの駆動制御および発電用モータの発電制御は電子制御ユニット３０により行われる。なお、本発明による実施例では、電子制御ユニット３０において機関の始動指令が発せられると、駆動制御機構４６内の駆動用モータにより機関の始動が行われる。

一方、図１に示されるように、ラジエータ２８の車両進行方向前方には、車両外部から機関本体１周りに流入する走行風の流れを調整可能なグリルシャッタ５０が配置されている。このグリルシャッタ５０は、図３に示されるように、車両の前面に配置されている。
図１に示される例では、このグリルシャッタ５０は並列配置された複数個のバタフライ弁状シャッタ５１からなり、これらシャッタ５１はアクチュエータ５２により駆動される。このグリルシャッタ５０は、機関始動時および機関始動後の暖機運転時には、閉じられることが多いが、開かれることもある。このアクチュエータ５２は、電子制御ユニット３０の出力信号に基づいて制御される。

また、図１に示されるように、車両の車室６０内には、空調装置６１が配置されている。図４に示されるように、この空調装置６１は、空気流通ダクト６１と、電動モータにより駆動されるブロワ６３と、冷却装置のエバポレータ６４と、冷却水が供給される空調用ヒータ６５と、ドア６６とを具備する。このドア６６は、破線で示されるように空調用ヒータ６５の前方を覆う位置と、実線で示されるように空調用ヒータ６５の前方を解放する位置との間を回動せしめられる。この空調装置６１の作動について概略的に説明すると、車室６０内を暖房又は冷房するときには、ブロワ６３が回転駆動され、ブロワ６３からの送出風がエバポレータ６４に送り込まれる。この場合、空調用ヒータ６５の前方をドア６６により覆い、エバポレータ６４内に冷媒が供給されると車室６０内の冷房が行われる。一方、ドア６６が空調用ヒータ６５の前方を解放し、エバポレータ６４内への冷媒の供給が停止されると車室６０内の暖房が行われる。また、車室６０内を暖房又は冷房しかつ除湿するときには、ドア６６が空調用ヒータ６５の前方を解放し、エバポレータ６４内に冷媒が供給される。

この空調装置６１は、空調装置６１内に設けられた電子制御ユニットによって、搭乗者の要求に従い制御される。ところで、この場合、機関の冷却水温に影響を与えるのは、冷却水の供給されている空調用ヒータ６５における放熱作用の大きさである。即ち、ブロワ６３が停止されているとき、或いは、図４において破線で示されるように、空調用ヒータ６５の前方がドア６６により覆われているときには、空調用ヒータ６５における放熱作用はほとんど行われない。これに対し、ブロワ６３が作動しておりかつドア６６が空調用ヒータ６５の前方を解放しているときには、空調用ヒータ６５における放熱作用が大きくなる。本願明細書においては、このように空調用ヒータ６５における放熱作用が大きくなる状態を、ブロワ６３の送出風が空調用ヒータ６５を流通している状態と称する。これに対し、空調用ヒータ６５における放熱作用がほとんど行われない状態を、ブロワ６３の送出風が空調用ヒータ６５を流通していない状態と称する。この場合。ブロワ６３の送出風が空調用ヒータ６５を流通している状態であるか否かは、空調装置６１内に設けられた電子制御ユニットの制御信号から判別できる。

次に、図５を参照しつつ、機関冷却水循環システムについて説明する、図５を参照すると、図５には、図１、図２および図４に記載されている機関本体１、シリンダブロック２、シリンダヘッド３、燃焼室５、ウォータジャケット１３，１４、スロットルボディ１８、排気熱回収器２３、ＥＧＲ制御弁２５、ＥＧＲクーラ２６、ウォータポンプ２７、ラジエータ２８、水温センサ４０および空調用ヒータ６５が図解的に示されている。一方、図５には、ウォータポンプ２７の両側に冷却水返戻室７０と冷却水送出室７１とが図解的に示されており、冷却水返戻室７０内の冷却水はウォータポンプ２７によって冷却水送出室７１内に送り出される。

ウォータポンプ２７によって冷却水送出室７１内に送り出された冷却水は、ウォータジャケット１３、１４の入口部７２からウォータジャケット１３、１４内に流入し、次いで、冷却水通路７３およびラジエータ２８を通って冷却水返戻室７０内に返戻される。このとき、冷却水がウォータジャケット１３、１４内において吸収した熱はラジエータ２８において放出される。本発明による実施例では、このようにウォータポンプ２７から流出した冷却水が機関本体１内のウォータジャケット１３，１４、冷却水通路７３およびラジエータ２８を経てウォータポンプ２７に戻る冷却水通路を、主冷却水循環通路７４と称している。機関の暖機完了後は、このように冷却水が主冷却水循環通路７４内を循環する。

一方、図５に示される機関冷却水循環システムでは、主冷却水循環通路７４から分岐されてラジエータ２８を迂回するバイパス通路７５、即ち、冷却水通路７３と冷却水返戻室７０とを連結するバイパス通路７５が設けられている。また、図５に示されるように、冷却水返戻室７０内には、冷却水返戻室７０内への主冷却水循環通路７４の開口部７６および冷却水返戻室７０内へのバイパス通路７５の開口部７７のいずれか一方を閉鎖可能なサーモスタット７８が図解的に示されている。このサーモスタット７８の一例が図６Ａおよび図６Ｂに示されている。図６Ａおよび図６Ｂに示される例では、サーモスタット７８は、ワックスが充填された本体部分７９と、主冷却水循環通路７４の開口部７６を閉鎖可能な弁体８０と、バイパス通路７５の開口部７７を閉鎖可能な弁体８１とを具備している。

このサーモスタット７８は、本体部分７９周りの冷却水温が低いときには、図５において実線で示されるように図６Ａに示される如く、弁体８０が主冷却水循環通路７４の開口部７６を閉鎖すると共に弁体８１がバイパス通路７５の開口部７７を開く。このときには、ウォータジャケット１３、１４内に送り込まれた冷却水は、ラジエータ２８を通ることなく、バイパス通路７５を介してウォータポンプ２７に戻される。従って、このときには、機関本体１の暖機作用が促進される。これに対し、本体部分７９周りの冷却水温が高くなると本体部分７９内のワックスが膨張し、図５において破線で示されるように図６Ｂに示される如く、弁体８０が主冷却水循環通路７４の開口部７６を開くと共に弁体８１がバイパス通路７５の開口部７７を閉鎖する。このときには、ウォータジャケット１３、１４内に送り込まれた冷却水は、ラジエータ２８を介してウォータポンプ２７に戻される。従って、このときには、機関本体１の通常の冷却作用が行われる。

図７には、サーモスタット７８の弁体８０の開度と、サーモスタット７８の本体部分７９周りの冷却水温ＴＷとの関係が示されている。図７に示されるように、冷却水温ＴＷが設定水温ＴＷ１よりも低いときには、サーモスタット７８の弁体８０は主冷却水循環通路７４の開口部７６を全閉しており、冷却水温ＴＷが設定水温ＴＷ１よりも高くなると、サーモスタット７８の弁体８０が主冷却水循環通路７４の開口部７６を開き始める。なお、図７に示される例では、設定水温ＴＷ１は７０°Ｃとされている。

再び図５に戻ると、機関冷却水循環システムには、ウォータポンプ２７から流出した冷却水が循環した後に、再びウォータポンプ２７に戻る副冷却水循環通路９０が設けられている。図５からわかるように、この副冷却水循環通路９０は、冷却水送出室７１がらＥＧＲクーラ２６まで延びる副冷却水循環通路部分９０Ａと、ＥＧＲクーラ２６において分岐された副冷却水循環通路部分９０Ｂおよび９０Ｃと、これら副冷却水循環通路部分９０Ｂおよび９０Ｃから冷却水返戻室７０まで延びる副冷却水循環通路部分９０Ｄからなる。副冷却水循環通路部分９０Ｂにはスロットルボディ１８およびＥＧＲ制御弁２５が配置されており、副冷却水循環通路部分９０Ｃには排気熱回収器２３および空調用ヒータ６５が配置されている。

一方、図５に示されるように、ウォータジャケット１４は、補助冷却水通路９０Ｅを介して副冷却水循環通路部分９０Ａに連結されており、この補助冷却水通路９０Ｅに多機能弁９１が配置されている。図７には、この多機能弁９１の開度と、水温センサ４０により検出された冷却水温ＴＷとの関係が示されている。図７に示されるように、冷却水温ＴＷが設定水温ＴＷ２よりも低いときには、多機能弁９１は全閉しており、冷却水温ＴＷが設定水温ＴＷ２よりも高くなると、多機能弁９１はＥＧＲガスの再循環作用に応じて、全開又は全閉する。なお、図７に示される例では、設定水温ＴＷ２は６０°Ｃとされている。

図８は、ＥＧＲ率ｒ１、ｒ２、ｒ３、ｒ４と、機関負荷Ｌおよび機関回転数Ｎとの関係を示している。図８において、ＥＧＲ率＝ｒ１の実線はＥＧＲ率が零のときを示しており、ＥＧＲ率＝ｒ１の実線の外側領域ではＥＧＲ率が零とされる、即ち、ＥＧＲ制御弁２５が閉弁せしめられている。一方、ＥＧＲ率＝ｒ１の実線の内側領域では、ＥＧＲ制御弁２５が開弁せしめられ、ｒ２、ｒ３、ｒ４の順でＥＧＲ率が高くされる。本発明による実施例では、冷却水温ＴＷが設定水温ＴＷ２よりも高いときには、ＥＧＲ制御弁２５が閉弁すると多機能弁９１も閉弁せしめられ、ＥＧＲ制御弁２５が開弁すると多機能弁９１も開弁せしめられる。

図７に示されるように、冷却水温ＴＷが設定水温ＴＷ２よりも低いときには多機能弁９１は閉弁している。このときには、図５からわかるように、ＥＧＲクーラ２６、ＥＧＲ制御弁２５、スロットルボディ１８、空調用ヒータ６５および排気熱回収器２３には少量の冷却水が供給され続ける。一方、冷却水温ＴＷが設定水温ＴＷ２よりも高いときには、ＥＧＲ制御弁２５が閉弁していると、多機能弁９１も閉弁せしめられており、ＥＧＲ制御弁２５が開弁すると多機能弁９１も開弁せしめられる。多機能弁９１が開弁せしめられたときには、ＥＧＲクーラ２６、ＥＧＲ制御弁２５、スロットルボディ１８、空調用ヒータ６５および排気熱回収器２３に供給される冷却水が増量される。

また、図５に示される例では、水温センサ４０が冷却水送出室７１内に配置されている。しかしながらこの水温センサ４０は、ウォータジャケット１３内に配置することもできる。即ち、水温センサ４０は、ウォータポンプ２７から流出した冷却水の温度を検出しうる場所に配置される。なお、本発明による実施例では、水温センサ４０によって検出される冷却水温を機関冷却水温と称する。

図９は、本発明による実施例において実行されている運転制御ルーチンを示している。この運転制御ルーチンは、一定時間毎の割り込みによって実行される。
図９を参照すると、まず初めにステップ１００において、水温センサ４０により検出された機関冷却水温ＴＷが読み込まれる。次いでステップ１０１では、機関冷却水温ＴＷが、図７に示される設定水温ＴＷ２よりも低いが否かが判別される。機関冷却水温ＴＷが設定水温ＴＷ２よりも低いときにはステップ１０４に進んで多機能弁９１が閉弁され、次いでステップ１０５に進む。

一方、ステップ１０１において、機関冷却水温ＴＷが設定水温ＴＷ２よりも低くないと判別されたときにはステップ１０２に進んで、ＥＧＲ制御弁２５が開弁せしめられているか否かが判別される。ＥＧＲ制御弁２５が開弁せしめられているときにはステップ１０３に進んで多機能弁９１が開弁され、次いでステップ１０５に進む。これに対し、ＥＧＲ制御弁２５が閉弁せしめられているときにはステップ１０４に進んで多機能弁９１が閉弁される。次いで、ステップ１０５では、グリルシャッター５０を開かせるためのグリルシャッター開指令が発せられているか否かが判別される。グリルシャッター開指令が発せられているときにはステップ１０６に進んでグリルシャッター５０が開らかれ、グリルシャッター開指令が発せられていないときにはステップ１０７に進んでグリルシャッター５０が閉じられる。

図１０は、機関始動時からの機関冷却水温ＴＷの変化を示している。図１０において実線は、或る運転状態において、サーモスタット７８が正常に作動しているときを示しており、破線はサーモスタット７８が主冷却水循環通路７４の開口部７６を開き続ける開弁異常を生じたときを示しており、一点鎖線はサーモスタット７８が主冷却水循環通路７４の開口部７６を閉じ続ける閉弁異常を生じたときを示している。即ち、サーモスタット７８が開弁異常を生じたときには、機関始動直後から冷却水がラジエータ２８内を流通せしめられるため、冷却水がなかなか温度上昇せず、従って、機関冷却水温ＴＷは破線で示されるようにゆっくりと上昇することになる。一方、サーモスタット７８が閉弁異常を生じると、冷却水が温度上昇しても、冷却水はラジエータ２８に送り込まれないので、機関冷却水温ＴＷは一点鎖線で示されるように上昇し続けることになる。

このようにサーモスタット７８が開弁異常や閉弁異常を生じると、機関始動後における機関冷却水温ＴＷの変化の仕方が正常時と異なり、従って、実測された機関冷却水温ＴＷの変化の仕方を正常時の機関冷却水温ＴＷの変化の仕方と比較すれば、サーモスタット７８が開弁異常或いは閉弁異常を生じているか否かを判別できることになる。そのためには、正常時の機関冷却水温ＴＷの変化の仕方を推定することが必要となる。そこで本発明による実施例では、ニューラルネットワークを用いて、正常時の機関冷却水温ＴＷの変化を推定している。

ところが、車両がグリルシャッタ５０を具備している場合や、空調装置６１を具備している場合には、グリルシャッタ５０の作動状態やブロワ６３の送出風が空調用ヒータ６５を流通しているか否かによって、正常時の機関冷却水温ＴＷの変化パターンが大きく変化する。例えば、図１１において、グリルシャッタ５０が閉じており、ブロワ６３の送出風が空調用ヒータ６５を流通していないときの正常時の機関冷却水温ＴＷの変化が実線で示されているとすると、グリルシャッタ５０が開かれ、ブロワ６３の送出風が空調用ヒータ６５を流通していないときの正常時の機関冷却水温ＴＷのの変化パターンは、図１１の破線で示されるように、実線で示される場合に比べて大きく変化する。また、グリルシャッタ５０が閉じており、ブロワ６３の送出風が空調用ヒータ６５を流通しているときの正常時の機関冷却水温ＴＷのの変化パターンも、図１１の一点鎖線で示されるように、実線で示される場合に比べて大きく変化する。

このように機関冷却水温ＴＷの変化パターンが大きく変化する場合には、グリルシャッタ５０の作動状態やブロワ６３の送出風が空調用ヒータ６５を流通しているか否かの状態をニューラルネットワークの入力パラメータに加えても、グリルシャッタ５０の作動状態やブロワ６３の送出風が空調用ヒータ６５を流通しているか否かの状態に対して正確に機関冷却水温ＴＷを予測することのできるニューラルネットワークの重みを学習するのは困難となる。従って、グリルシャッタ５０の作動状態やブロワ６３の送出風が空調用ヒータ６５を流通しているか否かの状態を単にニューラルネットワークの入力パラメータに加えただけでは、機関冷却水温ＴＷの変化を精度よく予測することは困難である。

そこで本発明による実施例では、グリルシャッタ５０が閉鎖されかつブロワ６３の送出風が空調用ヒータ６５を流通していない状態、グリルシャッタ５０が開かれかつブロワ６３の送出風が空調用ヒータ６５を流通していない状態、グリルシャッタ５０が閉鎖されかつブロワ６３の送出風が空調用ヒータ６５を流通している状態、およびグリルシャッタ５０が開かれかつブロワ６３の送出風が空調用ヒータ６５を流通している状態からなる四つの各状態に対して、夫々ニューラルネットワークを作成し、状態毎に、ニューラルネットワークの重みを学習するようにしている。このように各状態に対して夫々ニューラルネットワークを作成することによって、機関冷却水温ＴＷの変化を精度よく予測可能となるばかりでなく、状態毎に、ニューラルネットワークの重みを学習することによって、重みの計算負荷を低減できるという利点もある。
＜ニューラルネットワークの概要＞

上述したように、本発明による実施例では、ニューラルネットワークを用いて機関冷却水温ＴＷを推定するようにしている。そこで最初にニューラルネットワークについて簡単に説明する。図１２は簡単なニューラルネットワークを示している。図１２における丸印は人工ニューロンを表しており、ニューラルネットワークにおいては、この人工ニューロンは、通常、ノード又はユニットと称される（本願では、ノードと称す）。図１２においてL＝１は入力層、L＝２および L＝３は隠れ層、L＝４は出力層を夫々示している。また、図１２において、ｘ_１およびｘ_２ は入力層 ( L＝１) の各ノードからの出力値を示しており、ｙ_１ およびｙ_２ は出力層 ( L＝４) の各ノードからの出力値を示しており、ｚ^（２） _１、ｚ^（２） _２ およびｚ^（２） _３ は隠れ層 ( L＝２) の各ノードからの出力値を示しており、ｚ^（３） _１、ｚ^（３） _２ およびｚ^（３） _３は隠れ層 ( L＝３) の各ノードからの出力値を示している。なお、隠れ層の層数は、１個又は任意の個数とすることができ、入力層のノードの数および隠れ層のノードの数も任意の個数とすることができる。また、出力層のノードの数は１個とすることもできるし、複数個とすることもできる。

入力層の各ノードでは入力がそのまま出力される。一方、隠れ層 ( L＝２) の各ノードには、入力層の各ノードの出力値ｘ_１およびｘ_２ が入力され、隠れ層 ( L＝２) の各ノードでは、夫々対応する重みｗおよびバイアスｂを用いて総入力値ｕが算出される。例えば、図１２において隠れ層 ( L＝２) のｚ^（２） _ｋ（ｋ＝１，２，３）で示されるノードにおいて算出される総入力値ｕ_ｋは、次式のようになる。

次いで、この総入力値ｕ_ｋは活性化関数ｆにより変換され、隠れ層 ( L＝２) のｚ^（２） _ｋで示されるノードから、出力値ｚ^（２） _ｋ(= f (ｕ_ｋ)) として出力される。一方、隠れ層 ( L＝３) の各ノード には、隠れ層 ( L＝２) の各ノードの出力値ｚ^（２） _１、ｚ^（２） _２ およびｚ^（２） _３が入力され、隠れ層 ( L＝3 ) の各ノードでは、夫々対応する重みｗおよびバイアスｂを用いて総入力値ｕ（Σｚ・ｗ＋ｂ）が算出される。この総入力値ｕは同様に活性化関数により変換され、隠れ層 ( L＝3 ) の各ノードから、出力値ｚ^（３） _１、ｚ^（３） _２ およびｚ^（３） _３として出力される、この活性化関数としては、例えば、シグモイド関数σが用いられる。

一方、出力層 ( L＝４) の各ノード には、隠れ層 ( L＝３) の各ノードの出力値ｚ^（３） _１、ｚ^（３） _２ およびｚ^（３） _３が入力され、出力層 の各ノードでは、夫々対応する重みｗおよびバイアスｂを用いて総入力値ｕ（Σｚ・ｗ＋ｂ）が算出されるか、又は、夫々対応する重みｗのみを用いて総入力値ｕ（Σｚ・ｗ）が算出される。本発明による実施例では、出力層のノードでは恒等関数が用いられており、従って、出力層のノードからは、出力層のノードにおいて算出された総入力値ｕが、そのまま出力値ｙとして出力される。
＜ニューラルネットワークにおける学習＞

さて、ニューラルネットワークの出力値ｙの正解値を示す教師データをｙ_ｔとすると、ニューラルネットワークにおける各重みｗおよびバイアスｂは、出力値ｙと教師データをｙ_ｔとの差が小さくなるように、誤差逆伝播法を用いて学習される。この誤差逆伝播法は周知であり、従って、誤差逆伝播法についてはその概要を以下に簡単に説明する。なお、バイアスｂは重みｗの一種なので、以下、バイアスｂも含めて重みｗと称する。さて、図１２に示すようなニューラルネットワークにおいて、Ｌ＝２，Ｌ＝３又は Ｌ＝４の各層のノードへの入力値ｕ^（Ｌ）における重みをｗ^（Ｌ）で表すと、誤差関数Ｅの重みｗ^（Ｌ）による微分、即ち、勾配∂Ｅ/∂ｗ^（Ｌ）は、書き換えると、次式で示されるようになる。

ここで、ｚ^{（Ｌ−１）}・∂ｗ^（Ｌ）＝ ∂ｕ^（Ｌ）であるので、（∂Ｅ/∂ｕ^（Ｌ））＝δ^（Ｌ）とすると、上記（１）式は、次式でもって表すことができる。

ここで、ｕ^（Ｌ）が変動すると、次の層の総入力値ｕ^{（Ｌ＋１）}の変化を通じて誤差関数Ｅの変動を引き起こすので、δ^（Ｌ）は、次式で表すことができる。

ここで、z^（Ｌ）＝ｆ(u^（Ｌ）) と表すと、上記（３）式の右辺に現れる入力値ｕ_k ^{（Ｌ＋１）}は、次式で表すことができる。

ここで、上記（３）式の右辺第１項（∂Ｅ/∂ｕ^{（Ｌ＋１）}）はδ^{（Ｌ＋１）}であり、上記（３）式の右辺第２項（∂u_ｋ ^{（Ｌ＋１）} /∂u^（Ｌ））は、次式で表すことができる。

従って、δ^（Ｌ）は、次式で示される。

即ち、δ^{（Ｌ＋１）}が求まると、δ^（Ｌ）を求めることができることになる。

さて、出力層 ( L＝４) のノードが一個であって、或る入力値に対して教師データｙ_ｔが求められており、この入力値に対する出力層からの出力値がｙであった場合において、誤差関数として二乗誤差が用いられている場合には、二乗誤差Ｅは、Ｅ＝１/２(ｙ−ｙ_ｔ)^２で求められる。この場合、出力層（Ｌ＝４）のノードでは、出力値ｙ＝ ｆ(u^（Ｌ）) となり、従って、この場合には、出力層（Ｌ＝４）のノードにおけるδ^（Ｌ）の値は、次式で示されるようになる。

この場合、本発明による実施例では、前述したように、ｆ(u^（Ｌ）) は恒等関数であり、ｆ’(u^（Ｌｌ）) ＝ １となる。従って、δ^（Ｌ）＝ｙ−ｙ_ｔ となり、δ^（Ｌ）が求まる。

δ^（Ｌ）が求まると、上式（６）を用いて前層のδ^{（Ｌ−１）}が求まる。このようにして順次、前層のδが求められ、これらδの値を用いて、上式（２）から、各重みｗについて誤差関数Ｅの微分、即ち、勾配∂Ｅ/∂ｗ^（Ｌ）か求められる。勾配∂Ｅ/∂ｗ^（Ｌ）か求められると、この勾配∂Ｅ/∂ｗ^（Ｌ）を用いて、誤差関数Ｅの値が減少するように、重みｗが更新される。即ち、重みｗの学習が行われることになる。なお、図１２に示されるように、出力層 ( L＝４) が複数個のノードを有する場合には、各ノードからの出力値をｙ_１、ｙ_１・・・、対応する教師データｙ_ｔ１、ｙ_ｔ２・・・とすると、誤差関数Ｅとして、次の二乗和誤差Ｅが用いられる。

この場合も、出力層 ( L＝４) の各ノードにおけるδ^（Ｌ）の値は、δ^（Ｌ）＝ｙ−ｙ_tk （ｋ＝１，２・・・ｎ）となり、これらδ^（Ｌ）の値から上式（６）を用いて前層のδ^{（Ｌ−１）}が求まる。
＜本発明による実施例＞

最初に、図１３を参照しつつ、サーモスタット７８が開弁異常や閉弁異常を生じていないとき、即ち、サーモスタット７８が正常であるときの機関冷却水温ＴＷの推定方法について説明する。なお、図１３は、機関始動後の経過時間と機関冷却水温ＴＷとの関係を示している。図１３において、時刻ｔ_ｎと時刻ｔ_ｎ＋１に着目すると、時刻ｔ_ｎにおける機関の状態から一定時間（ｔ_ｎ＋１―ｔ_ｎ）内における機関冷却水温ＴＷの温度上昇量（ＴＷ_ｎ＋１―ＴＷ_ｎ）を推定することができる。即ち、機関の状態が定まると、機関冷却水温ＴＷを上昇させる発熱因子の発熱量および機関冷却水温ＴＷを低下させる放熱因子の放熱量が定まるので、時刻ｔ_ｎにおける機関の状態から機関冷却水温ＴＷの温度上昇量（ＴＷ_ｎ＋１―ＴＷ_ｎ）が推定できることになる。別の言い方をすると、時刻ｔ_ｎ（ＴＷ＝ＴＷ_ｎ）における機関の状態から一定時間（ｔ_ｎ＋１―ｔ_ｎ）後における機関冷却水温ＴＷ_ｎ＋１を推定できることになる。

この場合、本発明による実施例では、ニューラルネットワークを用いて、時刻ｔ_ｎにおける機関の状態（ＴＷ＝ＴＷ_ｎ）から一定時間（ｔ_ｎ＋１―ｔ_ｎ）後における機関冷却水温ＴＷ_ｎ＋１を推定するようにしており、時刻ｔ_ｎにおける機関の状態（ＴＷ＝ＴＷ_ｎ）から一定時間（ｔ_ｎ＋１―ｔ_ｎ）後における機関冷却水温ＴＷ_ｎ＋１を推定するために、機関冷却水温ＴＷの推定モデルが作成される。そこで最初に、この機関冷却水温推定モデルの作成に用いられるニューラルネットワークについて図１４を参照しつつ説明する。図１４を参照すると、このニューラルネットワーク１５０においても、図１２に示されるニューラルネットワークと同様に、L＝１は入力層、L＝２および L＝３は隠れ層、L＝４は出力層を夫々示している。図１４に示されるように、入力層 ( L＝１) がｎ個のノードからなり、ｎ個の入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎが、入力層 ( L＝１) の各ノードに入力されている。一方、図１４には隠れ層 ( L＝２)および隠れ層 ( L＝３)が記載されているが、これら隠れ層の層数は、１個又は任意の個数とすることができ、またこれら隠れ層のノードの数も任意の個数とすることができる。なお、出力層 ( L＝４) のノードの数は１個とされており、出力層のノードからの出力値がｙで示されている。この場合、出力値ｙは、機関冷却水温ＴＷの推定値となる。

次に、図１４における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎについて、図１５に示される一覧表を参照しつつ説明する。さて、上述したように、機関の状態が定まると、機関冷却水温ＴＷを上昇させる発熱因子の発熱量および機関冷却水温ＴＷを低下させる放熱因子の放熱量が定まり、従って。時刻ｔ_ｎにおける機関の状態から機関冷却水温ＴＷの温度上昇量（ＴＷ_ｎ＋１―ＴＷ_ｎ）、即ち、一定時間（ｔ_ｎ＋１―ｔ_ｎ）後における機関冷却水温ＴＷ_ｎ＋１を推定することができる。図１５には、これら発熱因子および放熱因子となるニューラルネットワークへの入力パラメータが列挙されている。なお、図１５には、機関冷却水温ＴＷの変化に強い影響を与える入力パラメータが、必須の入力パラメータとして列挙されており、必須の入力パラメータほどではないが、機関冷却水温ＴＷの変化に影響を与える入力パラメータが、補助的な入力パラメータとして列挙されている。

図１５に示されるように、機関冷却水温ＴＷと、機関への吸入空気量と、機関への燃料噴射量と、外気温と、車速が必須の入力パラメータとされている。これら必須の入力パラメータのうちで機関への吸入空気量と、機関への燃料噴射量とは発熱因子であり、外気温と、車速は放熱因子である。これら機関への吸入空気量と、機関への燃料噴射量と、外気温と、車速が必須の入力パラメータであることは、特に説明を要しないと思われる。本発明による一実施例では、これら必須の入力パラメータのみの値が図１４における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎとされる。なお、この場合、車速に代えて、ラジエータ２８の冷却用電動ファン２９の風量、即ち、電動ファン２９の回転数を用いることもできる。

一方、図１５に示されるように、点火時期、ＥＧＲ率、排気弁８の開弁時期および機関回転数が補助的な入力パラメータとされている。これら点火時期、ＥＧＲ率、排気弁８の開弁時期は、発熱因子であり、機関回転数は放熱因子である。即ち、点火時期は進角されると燃焼温が上昇し、ＥＧＲ率が高くなると燃焼温が低下する。また、排気弁８の開弁時期が遅角され、吸気弁６と排気弁８とが共に開弁するバルブオーバラップ期間が長くなると、排気ポート９から燃焼室５内に吹き戻す排気ガス量が増大し。その結果、燃焼温が低下する。このように点火時期、ＥＧＲ率および排気弁８の開弁時期は、燃焼温に影響を与えるので、これら点火時期、ＥＧＲ率、排気弁８の開弁時期は、発熱因子となる。

これに対し、機関回転数が高くなるとウォータポンプ２７の回転数が高くなるために機関冷却水の循環量が変化し、機関冷却水から外気中に逃げる熱量が変化する。従って、機関回転数は放熱因子である。なお、機関回転数に変えて、電動ウォータポンプの流量、即ち、電動ウォータポンプの回転数を用いることもできる。ところで、上述したように、必須の入力パラメータのみの値を図１４における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎとすることもできる。無論、必須の入力パラメータの値に加えて、補助的な入力パラメータの値を図１４における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎとすることもできる。なお、以下、必須の入力パラメータの値に加えて、補助的な入力パラメータの値も図１４における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎとした場合を例にとって、本発明による実施例について説明する。

図１６は、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎと、教師データｙｔとを用いて作成された訓練データセットを示している。この図１６において、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは、夫々、機関冷却水温ＴＷ、機関への吸入空気量、機関への燃料噴射量、外気温と、車速、点火時期、ＥＧＲ率、排気弁８の開弁時期および機関回転数を示している。この場合、機関冷却水温ＴＷは水温センサ４０により検出されており、機関への吸入空気量は吸入空気量検出器１９により検出されており、外気温は外気温センサ４１により検出されており、車速は車速センサ４５により検出されており、機関への燃料噴射量、点火時期、ＥＧＲ率、排気弁８の開弁時期および機関回転数は、電子制御ユニット３０内において算出されている。

一方、図１３における時刻ｔ_ｎおよびｔ_ｎ＋１を用いて説明すると、図１６における入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎは時刻ｔ_ｎにおける入力値を示しており、図１６における教師データｙｔは一定時間（ｔ_ｎ＋１―ｔ_ｎ）後における機関冷却水温ＴＷの実測値を示している。図１６に示されるように、この訓練データセットでは、入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎと教師データｙｔとの関係を表すｍ個のデータが取得されている。例えば、２番目のデータ（No. 2）には、取得された入力値ｘ_１２、ｘ_{２２・・・}ｘ_ｍ−１２、ｘ_ｍ２と教師データｙｔ_２とが列挙されており、ｍ−１番目のデータ（No. ｍ−１）には、取得された入力パラメータの入力値ｘ_１ｍ−１、ｘ_{２ｍ−１・・・}ｘ_{ｎ−１ｍ−１}、ｘ_ｎｍ−１と教師データｙｔ_ｍ−１が列挙されている。

さて、本発明による実施例では、前述したように、グリルシャッタ５０が閉鎖されかつブロワ６３の送出風が空調用ヒータ６５を流通していない状態、グリルシャッタ５０が開かれかつブロワ６３の送出風が空調用ヒータ６５を流通していない状態、グリルシャッタ５０が閉鎖されかつブロワ６３の送出風が空調用ヒータ６５を流通している状態、およびグリルシャッタ５０が開かれかつブロワ６３の送出風が空調用ヒータ６５を流通している状態からなる四つの各状態に対して、夫々ニューラルネットワークが作成される。これらのニューラルネットワークが図１７Ａから図１７Ｄにおいて符号１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄで示されている。

この場合、図１７Ａから図１７Ｄに示される四つのニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄの夫々に対して、図１６に示される訓練データセットが作成され、夫々対応する訓練データセットを用いて、図１７Ａから図１７Ｄに示される各ニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄの重みの学習が行われる。そこで次に、図１６に示される訓練データセットの作成方法について説明する。

図１８に、訓練データセットの作成方法の一例が示されている。図１８を参照すると、
図１に示される機関本体１、グリルシャッタ５０および空調装置６１を備えた車両Ｖが、送風機１６０を有する風洞１６１のシャシ台１６２上に設置され、シミュレーション装置１６３によりシャシ台１６２上において車両Ｖの疑似走行が行われる。この疑似走行では、例えば、グリルシャッタ５０の状態および空調用ヒータ６５における送出風流通状態を前述の四つの状態に順次変更し、変更された各状態において、機関冷却水温ＴＷ、機関への吸入空気量、機関への燃料噴射量、外気温、車速、点火時期、ＥＧＲ率、排気弁８の開弁時期および機関回転数の値の組み合わせを順次変更しつつ、繰り返し機関始動と暖機運転が行われる。

この疑似走行が行われている間、訓練データセットを作成するのに必要なデータが取得される。図１３における時刻ｔ_ｎおよびｔ_ｎ＋１を用いて説明すると、疑似走行が行われている間、図１３において各時刻ｔ_ｎ（ｎ＝０，１，２・・・）におけるグリルシャッタ５０の状態、空調用ヒータ６５における送出風の流通状態、および組み合わされた機関冷却水温ＴＷ、機関への吸入空気量、機関への燃料噴射量、外気温、車速、点火時期、ＥＧＲ率、排気弁８の開弁時期および機関回転数の実測値と、図１３において時刻ｔ_ｎ＋１における機関冷却水温ＴＷの実測値が、例えば、シミュレーション装置１６３内に記憶される。即ち、図１６に示される訓練データセットのＮｏ．１からＮｏ．ｍの入力値ｘ_１ｍ、ｘ_{２ｍ・・・}ｘ_ｎｍ−１、ｘ_ｎｍと教師データｙｔ_ｍ（ｍ＝１，２，３・・・ｍ）とが、例えば、シミュレーション装置１６３内に記憶される。

このようにしてグリルシャッタ５０が閉鎖されかつブロワ６３の送出風が空調用ヒータ６５を流通していない状態、グリルシャッタ５０が開かれかつブロワ６３の送出風が空調用ヒータ６５を流通していない状態、グリルシャッタ５０が閉鎖されかつブロワ６３の送出風が空調用ヒータ６５を流通している状態、およびグリルシャッタ５０が開かれかつブロワ６３の送出風が空調用ヒータ６５を流通している状態からなる四つの各状態に対して、夫々、図１６に示されるような訓練データセットが作成される。このようにして作成された訓練データセットの電子データを用いて、図１７Ａから図１７Ｄに示される各ニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄの重みの学習が行われる。

図１８に示される例では、ニューラルネットワークの重みの学習を行うための学習装置１６４が設けられている。この学習装置１６４としてパソコンを用いることもできる。図１８に示されるように、この学習装置１６４は、記憶装置１６６、即ち、メモリ１６６と、ＣＰＵ（マイクロプロセッサ）１６５を具備している。図１８に示される例では、図１７Ａから図１７Ｄに示される各ニューラルネットワークのノード数、および作成された訓練データセットの電子データが学習装置１６４のメモリ１６６に記憶され、ＣＰＵ１６５において各ニューラルネットワークの重みの学習が行われる。

図１９は、学習装置１６４において行われる各ニューラルネットワークの重みの学習処理ルーチンを示す。
図１９を参照すると、まず初めに、ステップ２００において、学習装置１６４のメモリ１６６に記憶されているニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄに対する訓練データセットの各データが読み込まれる。次いで、ステップ２０１において、各ニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄの入力層 ( L＝１) のノード数、隠れ層 ( L＝２)および隠れ層 ( L＝３)のノード数および出力層 ( L＝４) のノード数が読み込まれ、次いで、ステップ２０２において、これらノード数に基づき、図１７Ａから図１７Ｄに示されるような四つのニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄが作成される。

次いで、ステップ２０３では、ニューラルネットワーク１５０Ａの重みの学習が行われる。このステップ２０３では、最初に、図１６の１番目（No. 1）の入力値ｘ_１、ｘ_２・・・ｘ_ｎ−１、ｘ_ｎがニューラルネットワーク１５０Ａの入力層 ( L＝１) の各ノードに入力される。このときニューラルネットワーク１５０Ａの出力層からは、一定時間（図１３におけるｔ_ｎ＋１―ｔ_ｎ）後の機関冷却水温ＴＷの推定値を示す出力値ｙが出力される。ニューラルネットワーク１５０Ａの出力層から出力値ｙが出力されると、この出力値ｙと１番目（No. 1）の教師データｙｔ_１との間の二乗誤差Ｅ＝１/２(ｙ−ｙ_ｔ１)^２が算出され、この二乗誤差Ｅが小さくなるように、前述した誤差逆伝播法を用いて、ニューラルネットワーク１５０Ａの重みの学習が行われる。

図１６の１番目（No. 1）のデータに基づくニューラルネットワーク１５０Ａの重みの学習が完了すると、次に、図１６の２番目（No. ２）のデータに基づくニューラルネットワーク２０の重みの学習が、誤差逆伝播法を用いて行われる。同様にして、図１６のｍ番目（No. ｍ）まで順次、ニューラルネットワーク１５０Ａの重みの学習が行われる。図１６の１番目（No. 1）からｍ番目（No. ｍ）までの全てについてニューラルネットワーク１５０Ａの重みの学習が完了すると、ステップ２０４に進む。

ステップ２０４では、例えば、図１６の１番目（No. 1）からｍ番目（No. ｍ）までの全てのニューラルネットワークの出力値ｙと教師データｙｔとの間の二乗和誤差Ｅが算出され、この二乗和誤差Ｅが、予め設定された設定誤差以下になったか否かが判別される。二乗和誤差Ｅが、予め設定された設定誤差以下になっていないと判別されたときには、ステップ２０３に戻り、再度、図１６に示される訓練データセットに基づいて、ニューラルネットワーク１５０Ａの重み学習が行われる。次いで、二乗和誤差Ｅが、予め設定された設定誤差以下になるまで、ニューラルネットワーク１５０Ａの重みの学習が続行される。ステップ２０４において、二乗和誤差Ｅが、予め設定された設定誤差以下になったと判別されたときには、ステップ２０５に進んで、ニューラルネットワーク１５０Ａの学習済み重みが学習装置１６４のメモリ１６６に記憶される。次いで、ステップ２０６に進む。

ステップ２０６では、図１７Ａから図１７Ｄに示される全てのニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄの重みの学習が完了したか否かが判別される。全てのニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄの重みの学習が完了していないときには、ステップ２０３に戻り、まだ重みの学習が完了していないニューラルネットワーク、例えば、図１７Ｂに示されるニューラルネットワーク１５０Ｂの重みの学習が行われる。ニューラルネットワーク１５０Ｂの重みの学習が完了すると、ステップ２０５において、ニューラルネットワーク１５０Ｂの学習済み重みが学習装置１６４のメモリ１６６に記憶される。

このようにして図１７Ａから図１７Ｄに示される全てのニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄの重みの学習が行われ、図１７Ａから図１７Ｄに示される全てのニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄの学習済み重みが学習装置１６４のメモリ１６６に記憶される。即ち、グリルシャッタ５０が閉鎖されかつブロワ６３の送出風が空調用ヒータ６５を流通していない状態、グリルシャッタ５０が開かれかつブロワ６３の送出風が空調用ヒータ６５を流通していない状態、グリルシャッタ５０が閉鎖されかつブロワ６３の送出風が空調用ヒータ６５を流通している状態、およびグリルシャッタ５０が開かれかつブロワ６３の送出風が空調用ヒータ６５を流通している状態からなる四つの各状態に対して、機関冷却水温の推定モデルが作成される。

本発明による実施例では、このようにして作成された機関冷却水温の推定モデルを用いて、市販車両におけるサーモスタット７８等の故障診断が行われる、そのためにこれら機関冷却水温の推定モデルが市販車両の電子制御ユニット３０に格納される。図２０は、機関冷却水温の推定モデルを市販車両の電子制御ユニット３０に格納するために、電子制御ユニット３０において行われる電子制御ユニットへのデータ読み込みルーチンを示している。

図２０を参照すると、まず初めに、ステップ３００において、図１７Ａから図１７Ｄに示される四つのニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄの入力層 ( L＝１) のノード数、隠れ層 ( L＝２)および隠れ層 ( L＝３)のノード数および出力層 ( L＝４) のノード数が電子制御ユニット３０のメモリ３２に読み込まれ、次いで、ステップ３０１において、これらノード数に基づき、図１７Ａから図１７Ｄに示されるような四つのニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄが作成される。次いで、ステップ３０２において、これらニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃおよび１５０Ｄの学習済み重みが電子制御ユニット３０のメモリ３２に読み込まれる。それにより機関冷却水温の推定モデルが市販車両の電子制御ユニット３０に格納される。

次に、図２１を参照しつつ、市販車両において実行されるサーモスタット７８の故障診断方法について説明する。図２１は、機関始動時からの機関冷却水温ＴＷの変化を示している。図２１において実線は、図１０と同様に、或る運転状態において、サーモスタット７８が正常に作動しているときを示しており、破線はサーモスタット７８が主冷却水循環通路７４の開口部７６を開き続ける開弁異常を生じたときを示しており、一点鎖線はサーモスタット７８が主冷却水循環通路７４の開口部７６を閉じ続ける閉弁異常を生じたときを示している。即ち、前述したように、サーモスタット７８が開弁異常を生じたときには、機関始動直後から冷却水がラジエータ２８内を流通せしめられるため、冷却水がなかなか温度上昇せず、従って、機関冷却水温ＴＷは破線で示されるようにゆっくりと上昇することになる。一方、サーモスタット７８が閉弁異常を生じると、冷却水が温度上昇しても、冷却水はラジエータ２８に送り込まれないので、機関冷却水温ＴＷは一点鎖線で示されるように上昇し続けることになる。

このようにサーモスタット７８が開弁異常や閉弁異常を生じると、機関始動後における機関冷却水温ＴＷの変化の仕方が正常時と異なり、従って、実測された機関冷却水温ＴＷの変化の仕方を正常時の機関冷却水温ＴＷの変化の仕方と比較すれば、サーモスタット７８が開弁異常或いは閉弁異常を生じているか否かを判別できることになる。この場合、本発明による実施例では、正常時の機関冷却水温ＴＷが、電子制御ユニット３０に格納されている機関冷却水温の推定モデルを用いて推定され、この推定モデルにより推定された機関冷却水温ＴＷの推定値と、水温センサ４０により検出された機関冷却水温ＴＷの実測値から、サーモスタット７８が開弁異常或いは閉弁異常を生じているか否かを判別している。

本発明による実施例において実行されている具体的な一例について説明すると、図２１に示されるように実線で示す機関冷却水温ＴＷの推定値がサーモスタット７８の開弁温度、例えば、７０℃に達したときに、機関冷却水温ＴＷの推定値から機関冷却水温ＴＷの実測値を減算した差ΔＴＷ１が、予め設定されている差ＡＸよりも大きいときには、サーモスタット７８が開弁異常を生じていると判別される。言い換えると、本発明による実施例では、機関始動後、機関冷却水温ＴＷの推定値の上昇量に比べて機関冷却水温ＴＷの実測値の上昇量が低いときには、主冷却水循環通路７４からウォータポンプ２７に向けて冷却水が流通し続けるサーモスタット７８の作動異常が生じていると判別される。

また、サーモスタット７８が正常であるときには、サーモスタット７８が全開するとラジエータ２８を通る機関冷却水が増大するために、機関冷却水温ＴＷは、実線で示されるように、サーモスタット７８が全開した後、少しずつ低下する。従って、本発明による実施例では、機関冷却水温ＴＷの推定値がピークに達した後、機関冷却水温ＴＷの実測値から機関冷却水温ＴＷの推定値を減算した差ΔＴＷ２が、予め設定されている差ＢＸよりも大きくなったときには、サーモスタット７８が閉弁異常を生じていると判別される。言い換えると、本発明による実施例では、機関始動後、機関冷却水温ＴＷの推定値の上昇量に比べて機関冷却水温ＴＷの実測値の上昇量が高いときには、主冷却水循環通路７４からウォータポンプ２７に向かう冷却水の流通を停止し続けるサーモスタット７８の作動異常が生じていると判別される。

図２２は、電子制御ユニット３０において実行される故障診断フラグのセットルーチンを示している。本発明による実施例では、この故障診断フラグがセットされるとサーモスタット７８の故障診断が開始される。図２２を参照すると、まず初めに、ステップ４００では、電子制御ユニット３０において機関の始動指令が発せられたか否かが判別される。電子制御ユニット３０において機関の始動指令が発せられると、駆動制御機構４６内の駆動用モータにより機関の始動が行われる。ステップ４００において、機関の始動指令が発せられていないと判別されたときには処理サイクルを完了する。これに対し、機関の始動指令が発せられたと判別されたときにはステップ４０１に進んで故障診断フラグがセットされる。

図２３および図２４は、サーモスタットの故障診断ルーチンを示している。この故障診断ルーチンは一定時間毎の割り込みによって実行される。なお、容易に理解し得るように、この故障診断ルーチンについて図１３に示される時刻ｔ_ｎ（ｎ＝１，２，３・・・）をを用いて説明する。また、この故障診断ルーチンの一定の割り込み時間は、図１３における一定時間（ｔ_ｎ＋１―ｔ_ｎ）に相当しており、この一定時間は、例えば１秒である。

図２３を参照すると、まず初めに、ステップ５００において、故障診断フラグがセットされているか否かが判別される。故障診断フラグがセットされていないときには処理サイクルを完了する。これに対し、故障診断フラグがセットされているときにはステップ５０１に進み、グリルシャッター５０を開かせるためのグリルシャッター開指令が発せられているか否かに基づいて、グリルシャッター５０が開いた状態であるのか、或いは、閉じた状態であるのかが読み込まれる。次いで、ステップ５０２では、空調装置６１内に設けられた電子制御ユニットの制御信号に基づいて、ブロワ６３の送出風が空調用ヒータ６５を流通している状態であるのか否かが読み込まれる。

次いで、ステップ５０３では、グリルシャッタ５０が閉鎖されかつブロワ６３の送出風が空調用ヒータ６５を流通していない状態、グリルシャッタ５０が開かれかつブロワ６３の送出風が空調用ヒータ６５を流通していない状態、グリルシャッタ５０が閉鎖されかつブロワ６３の送出風が空調用ヒータ６５を流通している状態、およびグリルシャッタ５０が開かれかつブロワ６３の送出風が空調用ヒータ６５を流通している状態に応じたニューラルネットワークが、重みの学習が完了した図１７Ａから図１７Ｄに示されるニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄから選択される。

次いで、ステップ５０４では、入力値ｘ１、ｘ２・・・ｘｎ−１、ｘｎ、即ち、機関冷却水温ＴＷ、機関への吸入空気量、機関への燃料噴射量、外気温、車速、点火時期、ＥＧＲ率、排気弁８の開弁時期および機関回転数が読み込まれる。次いで、ステップ５０５では、これらの入力値が、選択されたニューラルネットワークの入力層 ( L＝１)の各ノードに入力される。これらの入力値が、選択されたニューラルネットワークの入力層 ( L＝１)の各ノードに入力されると、ステップ５０６において、選択されたニューラルネットワークの出力層 ( L＝４) のノードから機関冷却水温ＴＷの推定値ｙが出力され、それにより、機関冷却水温ＴＷの推定値ｙが取得される。なお、以下、この機関冷却水温ＴＷの推定値ｙを推定水温ＴＷｅと称する場合もある。

さて、故障診断フラグがセットされたときに最初にステップ５０１に進むのは、図１３において時刻ｔ_０のときである。図１４において入力値ｘ_１が機関冷却水温ＴＷであったとすると、このときには、水温センサ４０により検出された機関冷却水温ＴＷの実測値が入力値ｘ_１とされる。このとき、選択されたニューラルネットワークの出力層 ( L＝４) のノードからは、図１３の時刻ｔ_１における機関冷却水温ＴＷの推定値ｙが出力される。一方、次にステップ５０１に進むのは、図１３において一定時間（ｔ_ｎ＋１―ｔ_ｎ）後における時刻ｔ_１のときである。このときには、前回の割り込み時に算出された図１３の時刻ｔ_１における機関冷却水温ＴＷの推定値ｙが入力値ｘ_１とされ、このとき、選択されたニューラルネットワークの出力層 ( L＝４) のノードからは、図１３の時刻ｔ_２おける機関冷却水温ＴＷの推定値ｙが出力される。

以下同様に、割り込みが行われる毎に、前回の割り込み時に算出された機関冷却水温ＴＷの推定値ｙが入力値ｘ_１とされる。即ち、サーモスタットの故障診断ルーチンが開始されると、入力値ｘ_１として、最初だけ、機関冷却水温ＴＷの実測値が用いられ、その後は、順次算出される機関冷却水温ＴＷの推定値ｙが用いられる。このようにして、機関始動後における機関冷却水温ＴＷの推定値ｙ、即ち、推定水温ＴＷｅが算出され、この推定水温ＴＷｅを用いて、サーモスタットの故障診断が行われる。

即ち、ステップ５０７では、推定水温ＴＷｅが、図７に示される機関冷却水温ＴＷ１を越えたか否かが判別される。推定水温ＴＷｅが、機関冷却水温ＴＷ１を越えていないときには処理サイクルを完了する。これに対し、推定水温ＴＷｅが、機関冷却水温ＴＷ１を越えたときにはステップ５０８に進んで、推定水温ＴＷｅと機関冷却水温の実測値ＴＷとの差ΔＴＷ１（＝ＴＷｅ―ＴＷ）が算出される。次いで、ステップ５０９では、推定水温ＴＷｅと機関冷却水温の実測値ＴＷとの差ΔＴＷ１が、図２１に示される予め設定されている差ＡＸよりも大きいか否かが判別される。推定水温ＴＷｅと機関冷却水温の実測値ＴＷとの差ΔＴＷ１が、予め設定されている差ＡＸよりも大きいときにはステップ５１０に進んで、サーモスタット７８が開弁異常を生じていると判別される。

次いで、ステップ５１１では、サーモスタット７８が開弁異常を生じているときの異常対処が行われる。この異常対処の一例としては、例えば、警告灯が点灯される。また、サーモスタット７８が開弁異常を生じていると機関冷却水温ＴＷの上昇速度がおそくなる。従って、機関冷却水温ＴＷの上昇速度を高めるために、異常対処として、グリルシャッタ５０が開かれている場合には、グリルシャッタ５０を閉じさせることができ、更に、燃焼温度を高めるために点火時期を進角することもできる。次いで、ステップ５１７に進んで、故障診断フラグがリセットされる。

一方、ステップ５０９において、推定水温ＴＷｅと機関冷却水温の実測値ＴＷとの差ΔＴＷ１が、予め設定されている差ＡＸよりも小さいと判別されたときには、ステップ５１２に進んで、推定水温ＴＷｅがピークを過ぎたか否かが判別される。推定水温ＴＷｅがピークを過ぎたと判別されたときには、ステップ５１３に進んで、推定水温ＴＷｅと機関冷却水温の実測値ＴＷとの差ΔＴＷ２（＝ＴＷ―ＴＷｅ）が算出される。次いで、ステップ５１４では、推定水温ＴＷｅと機関冷却水温の実測値ＴＷとの差ΔＴＷ２が、図２１に示される予め設定されている差ＢＸよりも大きいか否かが判別される。推定水温ＴＷｅと機関冷却水温の実測値ＴＷとの差ΔＴＷ２が、予め設定されている差ＢＸよりも大きいときにはステップ５１５に進んで、サーモスタット７８が閉弁異常を生じていると判別される。次いで、ステップ５１６では、サーモスタット７８が閉弁異常を生じているときの異常対処が行われる。例えば、警告灯が点灯される。次いで、ステップ５１７に進んで、故障診断フラグがリセットされる。

このように、本発明による実施例では、車両外部から機関本体１周りに流入する走行風の流れを調整可能なグリルシャッタ５０と、機関冷却水が供給される空調用ヒータ６５および空調用ヒータ６５から加熱された空気を流出させるために空調用ヒータ６５に空気を送り込むブロワ６３を有する空調装置６１と、機関冷却水循環システムとが設けられている。この機関冷却水循環システムは、ウォータポンプ２７と、ウォータポンプ２７から流出した冷却水が機関本体１内のウォータジャケット１３，１４およびラジエータ２８を経てウォータポンプ２７に戻る主冷却水循環通路７４と、ウォータポンプ２７から流出した冷却水が空調用ヒータ６５を経てウォータポンプ２７に戻る副冷却水循環通路９０と、主冷却水循環通路７４から分岐されてラジエータ２８を迂回するバイパス通路７５と、主冷却水循環通路７４およびバイパス通路７５からウォータポンプ２７に戻る冷却水の流れを調整するサーモスタット７８とを具備しており、機関冷却水温に基づき機関冷却水循環システムの異常が検出される。機関始動時の機関冷却水温と、機関への吸入空気量と、機関への燃料噴射量と、外気温と、車速からなる少なくとも五つのパラメータをニューラルネットワークの入力パラメータとし、機関冷却水温の実測値を教師データとして、グリルシャッタ５０が閉鎖されかつブロワ６３の送出風が空調用ヒータ６５を流通していない状態、グリルシャッタ５０が開かれかつブロワ６３の送出風が空調用ヒータ６５を流通していない状態、グリルシャッタ５０が閉鎖されかつブロワ６３の送出風が空調用ヒータ６５を流通している状態、グリルシャッタ５０が開かれかつブロワ６３の送出風が空調用ヒータ６５を流通している状態からなる四つの状態に対し、夫々、重みの学習が行われた四つの学習済みニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄが記憶されている。これら四つの学習済みニューラルネットワーク１５０Ａ，１５０Ｂ，１５０Ｃ，１５０Ｄのうちから現在のグリルシャッタ５０の状態および空調用ヒータ６５におけるブロワ６３の送出風の流通状態に対応したいずれか一つの学習済みニューラルネットワークを用いて、上述の五つのパラメータから機関冷却水温が推定され、機関冷却水温の推定値に基いて、機関冷却水循環システムの異常が検出される。

次に、図２５を参照しつつ、市販車両において実行される、サーモスタット７８および多機能弁９１の故障診断方法について説明する。図２５は、機関始動時からの機関冷却水温ＴＷの変化を示している。なお、図７を参照しつつ既に説明したように、冷却水温ＴＷが設定水温ＴＷ２よりも低いときには多機能弁９１は閉弁している。一方、冷却水温ＴＷが設定水温ＴＷ２よりも高いときには、ＥＧＲ制御弁２５が閉弁していると、多機能弁９１も閉弁せしめられ、ＥＧＲ制御弁２５が開弁すると多機能弁９１も開弁せしめられる。

図２５を参照すると、実線は、或る運転状態において、サーモスタット７８および多機能弁９１が正常に作動しているときを示している。一方、破線Ｙ１は、冷却水温ＴＷが設定水温ＴＷ２よりも高くなった後も、多機能弁９１が継続的に閉弁せしめられているときを示しており、破線Ｙ２は、冷却水温ＴＷが設定水温ＴＷ２よりも高くなった後は、多機能弁９１が継続的に開弁せしめられた場合を示している。冷却水温ＴＷが設定水温ＴＷ２よりも高くなったときには、ＥＧＲ制御弁２５やＥＧＲクーラ２６および排気熱回収器２３の温度が高くなっており、従って、このときには、副冷却水循環通路部分９０Ｂおよび９０Ｃ内を流通せしめられる冷却水は、ＥＧＲ制御弁２５やＥＧＲクーラ２６および排気熱回収器２３から熱を受けて温度上昇する。

従って、冷却水温ＴＷが設定水温ＴＷ２よりも高くなった後も、多機能弁９１が継続して開弁せしめられていると、ＥＧＲ制御弁２５やＥＧＲクーラ２６および排気熱回収器２３から熱を受けて温度上昇する冷却水量が増大する。従って、冷却水温ＴＷが設定水温ＴＷ２よりも高くなった後も、多機能弁９１が継続して開弁せしめられていると、破線Ｙ２で示されるように、機関冷却水温ＴＷの温度は、破線Ｙ１で示される多機能弁９１が閉弁しているときに比べて、若干高くなる。

一方、破線Ｚは、サーモスタット７８は正常であるが多機能弁９１が機関始動時から開き続けている開弁異常を生じたときを示している。また、一点鎖線は、多機能弁９１は正常であるがサーモスタット７８が開弁異常を生じたときを示している。さて、機関始動時にはＥＧＲクーラ２６や排気熱回収器２３の温度が低いために、機関始動後から副冷却水循環通路部分９０Ｂおよび９０Ｃ内を流通する冷却水量を増量すると、ＥＧＲクーラ２６や排気熱回収器２３を加熱するために熱を奪われ、冷却水の温度上昇が抑制される。従って、多機能弁９１が機関始動時から開き続ける開弁異常を生じると、機関始動直後から副冷却水循環通路部分９０Ｂおよび９０Ｃ内を流通せしめられる冷却水量が増量せしめられるために冷却水の温度上昇が抑制される。その結果、機関冷却水温ＴＷは、破線Ｚで示されるように、サーモスタット７８が開弁異常を生じたときに比べれば速いが、サーモスタット７８が正常である場合に比べれば、ゆっくりと上昇することになる。

このように多機能弁９１が開弁異常を生じると、機関始動後における機関冷却水温ＴＷの変化の仕方が正常時と異なり、従って、実測された機関冷却水温ＴＷの変化の仕方を正常時の機関冷却水温ＴＷの変化の仕方と比較すれば、多機能弁９１が開弁異常を生じているか否かを判別できることになる。一方、多機能弁９１が閉じ続ける閉弁異常を生じたときには、冷却水温ＴＷが設定水温ＴＷ２よりも高くなった後、機関冷却水温ＴＷの温度は破線Ｙ１で示されるように変化する。従って、冷却水温ＴＷが設定水温ＴＷ２よりも高くなった後、多機能弁９１が継続して閉弁せしめられたときに、そのときの破線Ｙ１で示される機関冷却水温ＴＷの温度と破線Ｙ２で示される機関冷却水温ＴＷの温度との差から、多機能弁９１が閉弁異常を生じたことを検出可能に見える。

しかしながら、破線Ｙ１で示される機関冷却水温ＴＷの温度と破線Ｙ２で示される機関冷却水温ＴＷの温度との差は小さく、また、破線Ｙ１で示される機関冷却水温ＴＷの温度も破線Ｙ２で示される機関冷却水温ＴＷの温度も、多機能弁９１の開閉状態以外の要因でもって変動するので、破線Ｙ１で示される機関冷却水温ＴＷの温度と破線Ｙ２で示される機関冷却水温ＴＷの温度との差から、多機能弁９１の閉弁異常を検出するのは困難である。

これに対し、多機能弁９１が開弁異常を生じたときには、前述したように、機関始動後における機関冷却水温ＴＷの変化の仕方から多機能弁９１が開弁異常を生じているか否かを判別できる。従って、本発明による実施例では、機関始動後における機関冷却水温ＴＷの変化の仕方から多機能弁９１の開弁異常を検出し、多機能弁９１の閉弁異常については、後述する別の方法によって検出するようにしている。

多機能弁９１の開弁異常を検出するために本発明による実施例において実行されている具体的な一例について説明すると、図２５に示されるように実線で示す機関冷却水温ＴＷの推定値がサーモスタット７８の開弁温度、例えば、７０℃に達したときに、機関冷却水温ＴＷの推定値から機関冷却水温ＴＷの実測値を減算した差ΔＴＷ１が、予め設定されている差ＡＸ（図２１）よりも小さくかつ予め設定されている差ＣＸよりも大きいときには、多機能弁９１が開弁異常を生じていると判別される。

即ち、本発明による実施例では、機関始動後、機関冷却水温の推定値の上昇量に比べて機関冷却水温の実測値の上昇量が低いときには、主冷却水循環通路７４からウォータポンプ２７に向けて冷却水が流通し続けるサーモスタット７８の作動異常が生じていると判別され、機関始動後、機関冷却水温の推定値の上昇量に比べて機関冷却水温の実測値の上昇量が低くかつサーモスタット７８の作動異常が生じているときの機関冷却水温の実測値の上昇量に比べて機関冷却水温の実測値の上昇量が高いときには、多機能弁９１が開弁し続ける多機能弁９１の作動異常が生じていると判別される。

図２６から図２８は、サーモスタットの開弁異常および閉弁異常並びに多機能弁の開弁異常を検出するための故障診断ルーチンを示している。この故障診断ルーチンも、図２３および図２４に示される故障診断ルーチンと同様に、一定時間毎の割り込みによって実行される。なお、図２６から図２８に示される故障診断ルーチンは、図２３および図２４に示される故障診断ルーチンに、図２７において一点鎖線で囲んだ領域Ｓ内の三つのステップ５０９Ａ，５０９Ｂおよび５０９Ｃが加えられただけであり、その他のステップ５００から５１７は、図２３および図２４に示される故障診断ルーチンのステップ５００から５１７と全く同じである。従って、図２６から図２８に示される故障診断ルーチンについては、ステップ５００から５１７についての説明を省略し、図２７の領域Ｓ内の三つのステップ５０９Ａ，５０９Ｂおよび５０９Ｃについてのみ説明する。

即ち、図２７を参照すると、ステップ５０９Ａでは、推定水温ＴＷｅと機関冷却水温の実測値ＴＷとの差ΔＴＷ１が、図２５に示される予め設定されている差ＣＸよりも大きいか否かが判別される。推定水温ＴＷｅと機関冷却水温の実測値ＴＷとの差ΔＴＷ１が、予め設定されている差ＣＸよりも大きいとき、即ち、ステップ５０９を考慮に入れると、推定水温ＴＷｅと機関冷却水温の実測値ＴＷとの差ΔＴＷ１が、予め設定されている差ＡＸ（図２１）よりも小さくかつ予め設定されている差ＣＸよりも大きいときにはステップ５０９Ｂに進んで、多機能弁９１が開弁異常を生じていると判別される。

次いで、ステップ５０９Ｃでは、多機能弁９１が開弁異常を生じているときの異常対処が行われる。この異常対処の一例としては、例えば、警告灯が点灯される。次いで、ステップ５１７に進む。一方、ステップ５０９Ａにおいて、推定水温ＴＷｅと機関冷却水温の実測値ＴＷとの差ΔＴＷ１が、予め設定されている差ＣＸよりも小さいと判別されたときには、ステップ５１２に進む。

次に、多機能弁９１が閉弁異常の検出方法について説明する。前述したように、図２５において破線Ｙ１で示される機関冷却水温ＴＷと破線Ｙ２で示される機関冷却水温ＴＷとの差は小さく、また、破線Ｙ１で示される機関冷却水温ＴＷも破線Ｙ２で示される機関冷却水温ＴＷも、多機能弁９１の開閉状態以外の要因でもって変動するので、破線Ｙ１で示される機関冷却水温ＴＷと破線Ｙ２で示される機関冷却水温ＴＷとの差から、多機能弁９１の閉弁異常を検出するのは困難である。そこで本発明による実施例では、多機能弁９１に開弁指令が発せられたとき、或いは、多機能弁９１に閉弁指令が発せられたときの機関冷却水温ＴＷの変化から、多機能弁９１の閉弁異常を検出するようにしている。

次に、このことについて図２９を参照しつつ説明する。図２９には、ＥＧＲ制御弁２５の状態と、多機能弁９１の状態と、機関冷却水温ＴＷの変化が示されている。図２９に示されるように、ＥＧＲ制御弁２５が開弁せしめられると多機能弁９１の開弁指令が発せられ、それによって多機能弁９１が開弁せしめられる。また、図２９に示されるように、ＥＧＲ制御弁２５が閉弁せしめられると多機能弁９１の閉弁指令が発せられ、それによって多機能弁９１が閉弁せしめられる。一方、例えば、機関冷却水温ＴＷが７０℃を越えたときには機関の暖機が完了したと判断され、機関の暖機が完了した後は、副冷却水循環通路部分９０Ｂおよび９０Ｃ内を流通せしめられる冷却水は、ＥＧＲ制御弁２５やＥＧＲクーラ２６および排気熱回収器２３から熱を受けて温度上昇する。

従って、図２９に示されるように、多機能弁９１が開弁したときには機関冷却水温ＴＷが上昇し、多機能弁９１が閉弁したときには機関冷却水温ＴＷが低下する。従って、多機能弁９１が開弁又は閉弁したときの機関冷却水温ＴＷの変化から多機能弁９１の閉弁異常を検出することができる。そこで本発明による実施例では、図２９に示されるように、多機能弁９１の開弁指令が発せられたときから一定時間ｔｋが経過したときの温度上昇量ΔＴＷ３が予め設定された値ＤＸよりも小さいときには多機能弁９１が閉弁異常であると判別し、更に、図２９に示されるように、多機能弁９１の閉弁指令が発せられたときから一定時間ｔｋが経過したときの温度低下量ΔＴＷ４が予め設定された値ＤＸよりも小さいときには多機能弁９１が閉弁異常であると判別している。

即ち、本発明による実施例では、ＥＧＲ制御弁２５が開弁したときには多機能弁９１が開弁されると共にＥＧＲ制御弁２５が閉弁したときには多機能弁９１が閉弁される。ＥＧＲ制御弁２５が閉弁状態から開弁状態に変化したときに、機関冷却水温の推定値の上昇量が予め定められた量以下の場合には、多機能弁９１が閉し続ける多機能弁９１の作動異常が生じていると判別される。

図３０および図３１は、多機能弁９１の閉弁異常を検出するためのルーチンを示している。このルーチンは一定時間毎の割り込みによって実行される。
図３０を参照すると、まず初めに、ステップ６００において、多機能弁９１の閉弁異常検出が完了したか否かが判別される。多機能弁９１の閉弁異常検出が完了したときには処理サイクルを終了する。これに対し、多機能弁９１の閉弁異常検出が完了していないときにはステップ６０１に進み、機関の暖機が完了したか否かが判別される。機関の暖機が完了していないときには処理サイクルを終了する。これに対し、機関の暖機が完了したときにはステップ６０２に進む。

ステップ６０２では、図２９に示される温度上昇量ΔＴＷ３の検出が完了したか否かが判別される。温度上昇量ΔＴＷ３の検出が完了しているときにはステップ６０７にジャンプする。これに対し、温度上昇量ΔＴＷ３の検出が完了していないときにはステップ６０３に進み、多機能弁９１の開弁指令が発せられたか否かが判別される。多機能弁９１の開弁指令が発せられていないときには、ステップ６０７にジャンプする。これに対し、多機能弁９１の開弁指令が発せられたときにはステップ６０４に進んで、そのときの機関冷却水温ＴＷが水温ＴＷＯとされる。次いでステップ６０５では、図２９に示される一定時間ｔｋが経過したか否かが判別される。一定時間ｔｋが経過したていないときにはステップ６０７にジャンプする。これに対し、一定時間ｔｋが経過したときには、ステップ６０６に進んで、そのときの機関冷却水温ＴＷから水温ＴＷＯを減算することにより、温度上昇量ΔＴＷ３が算出される。次いでステップ６０７に進む。

ステップ６０７では、図２９に示される温度上昇量ΔＴＷ４の検出が完了したか否かが判別される。温度上昇量ΔＴＷ４の検出が完了しているときにはステップ６１２にジャンプする。これに対し、温度上昇量ΔＴＷ４の検出が完了していないときにはステップ６０８に進み、多機能弁９１の閉弁指令が発せられたか否かが判別される。多機能弁９１の閉弁指令が発せられていないときには、ステップ６１２にジャンプする。これに対し、多機能弁９１の閉弁指令が発せられたときにはステップ６０９に進んで、そのときの機関冷却水温ＴＷが水温ＴＷＣとされる。次いでステップ６１０では、図２９に示される一定時間ｔｋが経過したか否かが判別される。一定時間ｔｋが経過したていないときにはステップ６１２にジャンプする。これに対し、一定時間ｔｋが経過したときには、ステップ６１１に進んで、水温ＴＷＣからそのときの機関冷却水温ＴＷを減算することにより、温度低下量ΔＴＷ４が算出される。次いでステップ６１２に進む。

ステップ６１２では、温度上昇量ΔＴＷ３および温度低下量ΔＴＷ４の検出が完了したか否かが判別される。温度上昇量ΔＴＷ３および温度低下量ΔＴＷ４の検出が完了したときにはステップ６１３に進み、温度上昇量ΔＴＷ３が、図２９に示される予め設定された値ＤＸよりも小さく、かつ温度低下量ΔＴＷ４が図２９に示される予め設定された値ＤＸよりも小さいか否かが判別される。温度上昇量ΔＴＷ３が、予め設定された値ＤＸよりも小さく、かつ温度低下量ΔＴＷ４が、予め設定された値ＤＸよりも小さいときにはステップ６１４に進んで、多機能弁９１が閉弁異常を生じていると判別される。次いで、ステップ６１５では、多機能弁９１が閉弁異常を生じているときの異常対処が行われる。この異常対処の一例としては、例えば、警告灯が点灯される。

１ 機関本体
２３ 排気熱回収器
２５ ＥＧＲ制御弁栓
２６ ＥＧＲクーラ
２７ ウォータポンプ
２８ ラジエータ
３０ 電子制御ユニット
４０ 水温センサ
５０ グリルシャッタ
６３ ブロワ
６５ 空調用ヒータ
７４ 主冷却水循環通路
７５ バイパス通路
７８ サーモスタット
９０ 副冷却水循環通路
９１ 多機能弁

Claims (6)

1. 車両外部から機関本体周りに流入する走行風の流れを調整可能なグリルシャッタと、機関冷却水が供給される空調用ヒータおよび該空調用ヒータから加熱された空気を流出させるために該空調用ヒータに空気を送り込むブロワを有する空調装置と、機関冷却水循環システムとを具備しており、該機関冷却水循環システムが、ウォータポンプと、ウォータポンプから流出した冷却水が機関本体内のウォータジャケットおよびラジエータを経てウォータポンプに戻る主冷却水循環通路と、ウォータポンプから流出した冷却水が該空調用ヒータを経てウォータポンプに戻る副冷却水循環通路と、該主冷却水循環通路から分岐されてラジエータを迂回するバイパス通路と、主冷却水循環通路およびバイパス通路からウォータポンプに戻る冷却水の流れを調整するサーモスタットとを具備しており、機関冷却水温に基づき該機関冷却水循環システムの異常が検出される機関冷却水循環システムの異常検出装置において、機関始動時の機関冷却水温と、機関への吸入空気量と、機関への燃料噴射量と、外気温と、車速からなる少なくとも五つのパラメータをニューラルネットワークの入力パラメータとし、機関冷却水温の実測値を教師データとして、グリルシャッタが閉鎖されかつブロワの送出風が空調用ヒータを流通していない状態、グリルシャッタが開かれかつブロワの送出風が空調用ヒータを流通していない状態、グリルシャッタが閉鎖されかつブロワの送出風が空調用ヒータを流通している状態、グリルシャッタが開かれかつブロワの送出風が空調用ヒータを流通している状態からなる四つの状態に対し、夫々、重みの学習が行われた四つの学習済みニューラルネットワークが記憶されており、これら四つの学習済みニューラルネットワークのうちから現在のグリルシャッタの状態および空調用ヒータにおけるブロワの送出風の流通状態に対応したいずれか一つの学習済みニューラルネットワークを用いて、上記五つのパラメータから機関冷却水温が推定され、機関冷却水温の推定値に基いて、該機関冷却水循環システムの異常が検出される機関冷却水循環システムの異常検出装置。
2. 機関始動後、上記機関冷却水温の推定値の上昇量に比べて機関冷却水温の実測値の上昇量が低いときには、主冷却水循環通路からウォータポンプに向けて冷却水が流通し続けるサーモスタットの作動異常が生じていると判別される請求項１に記載の機関冷却水循環システムの異常検出装置。
3. 機関始動後、上記機関冷却水温の推定値の上昇量に比べて機関冷却水温の実測値の上昇量が高いときには、主冷却水循環通路からウォータポンプに向かう冷却水の流通を停止し続けるサーモスタットの作動異常が生じていると判別される請求項１に記載の機関冷却水循環システムの異常検出装置。
4. 上記五つのパラメータに加え、点火時期、ＥＧＲ率、排気弁の開弁時期および機関回転数をニューラルネットワークの入力パラメータとする請求項１に記載の機関冷却水循環システムの異常検出装置。
5. 該副冷却水循環通路内を流れる冷却水をＥＧＲクーラに供給し、機関本体内のウォータジャケットから流出した冷却水を多機能弁を介してＥＧＲクーラ上流の副冷却水循環通路に供給し、機関始動後、上記機関冷却水温の推定値の上昇量に比べて機関冷却水温の実測値の上昇量が低いときには、主冷却水循環通路からウォータポンプに向けて冷却水が流通し続けるサーモスタットの作動異常が生じていると判別され、機関始動後、上記機関冷却水温の推定値の上昇量に比べて機関冷却水温の実測値の上昇量が低くかつ該サーモスタットの作動異常が生じているときの機関冷却水温の実測値の上昇量に比べて機関冷却水温の実測値の上昇量が高いときには、多機能弁が開弁し続ける多機能弁の作動異常が生じていると判別される請求項１に記載の機関冷却水循環システムの異常検出装置。
6. ＥＧＲ制御弁が開弁したときには多機能弁が開弁されると共にＥＧＲ制御弁が閉弁したときには多機能弁が閉弁され、ＥＧＲ制御弁が閉弁状態から開弁状態に変化したときに、上記機関冷却水温の推定値の上昇量が予め定められた量以下の場合には、多機能弁が閉し続ける多機能弁の作動異常が生じていると判別される請求項５に記載の機関冷却水循環システムの異常検出装置。

Images