JPH01106944A - 内燃機関の学習制御装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〈産業上の利用分野〉 本発明は、内燃機関の空燃比（燃料噴射量）。

点火時期、アイドル回転数等のフィードバック制御系の
学習制御装置に関する。

〈従来の技術〉 従来の内燃機関の学習制御装置としては、特開昭５１−
２０３８２８号公報、特開昭５９−２１１７３８号公報
、特開昭６０−９０９４４号公報。

特開昭６１−１９０１４１号公報等に示されているもの
がある。

これらは、機関の運転状態に基づき空燃比等の制御目標
値に対応させて設定される基本制御量を制御目標値と実
際値とを比較しつつ比例・積分制御などにより設定され
るフィードバック補正値により補正して制御量を演算し
、この制御量の制御を行って空燃比等を制御目標値にフ
ィードバック制御するものにおいて、フィードバック制
御中のフィードバック補正値の基準値からの偏差を機関
運転状態のエリア毎に学習してエリア別学習値を定め、
制御量の演算にあたって、基本制御量をエリア別学習値
により補正して、フィードバック補正値による補正なし
で演算される制御量により得られるものを制御目標値に
一致させるようにし、フィードバック制御中はこれをさ
らにフィードバック補正値により補正して制御量を演算
するものである。

これによれば、フィードバック制御中は過渡運転時にお
けるフィードバック制御の追従遅れをなくすことができ
、フィードバック制御停止時においては所望の制御出力
を正確に得ることができる。

従って、電子制御燃料噴射装置等の構成部品のバラツキ
を吸収し、また機関の充填効率等の経年変化や大気圧、
温度、湿度等の使用環境条件の変化等を補正して長期に
わたって機関の最高性能を維持してゆくために用いられ
ている。

〈発明が解決しようとする問題点〉 しかしながら、このような従来の学習制御装置は、デー
タマツプによるいわゆる繰返し学習方式、つまり、機関
運転状態によりデータマツプ格子区分を設定し、各学習
エリアにおけるフィードバック制御偏差量を繰返し学習
経験により更新してゆく方式であったため、学習補正精
度を高めるために各学習エリア区分を細かく設定すると
、学習の更新スピードが遅くなるという欠点があった。

つまり、学習補正精度と学習スピードとが相反する条件
となっているのであった。

本発明は、このような従来の問題点に鑑み、学習補正精
度を高めつつ学習スピードを大幅に向上させることので
きる内燃機関の学習制御装置を提供することを目的とす
る。

〈問題点を解決するための手段〉 本発明は、上記の目的を達成するため、第１図に示すよ
うに、下記のＡ−Ｊの手段を含んで内燃機関の学習制御
装置を構成する。

（Ａ）内燃機関の制御対象の制御目標値に対応する基本
制御量を設定する基本制御量設定手段（Ｂ）制御目標値
と実際値とを比較して制御目標値に実際値を近づける方
向にフィードバック補正値を所定の量増減して設定する
フィードバック補正値設定手段 （Ｃ）複数の要因別学習値を記憶する書換え可能な要因
別学習値記憶手段 （Ｄ）前記基本制御量を前記フィードバック補正値及び
前記複数の要因別学習値に基づきこれらに応じてそれぞ
れ設定された演算式で補正して制御量を演算する制御量
演算手段 （Ｅ）前記制御量に応じて作動し内燃機関の制御対象を
制御する制御手段 （Ｆ）前記フィードバック補正値の基準値からの偏差を
検出する偏差検出手段 （Ｇ）前記偏差の要因を各種情報を基に分析しその分析
結果に基づき前記偏差を要因別の複数のパラメータに分
離する要因分析手段 （Ｈ）前記偏差検出手段による偏差検出時に前記制御量
演算手段により演算された制御量と前記要因分析手段に
より分離された複数のパラメータに基づいた複数の要因
別学習値に基づいて前記基本制御量を補正演算して得た
制御量との差に基づき要因分析結果の正否を判定する要
因分析結果正否判定手段 （Ｉ）該要因分析結果正否判定手段による判定結果に基
づき前記差を減少させる方向に前記要因分析手段で分離
した複数のパラメータを増減修正する要因分析修正手段 （Ｊ）該要因分析修正手段による修正結果の前記複数の
パラメータのそれぞれに基づき前記要因別学習値記憶手
段の要因別学習値を修正して書換える要因別学習値更新
手段 〈作用〉 基本制御量設定手段Ａは、内燃機関の制御対象の制御目
標値に対応する基本制御量を設定し、フィードバック補
正値設定手段Ｂは、制御目標値と実際値とを比較して制
御目標値に実際値を近づける方向にフィードバック補正
値を例えば比例・積分制御に基づいて所定の量増減して
設定する。そして、制御量演算手段りは、基本制御量を
フィードバック補正値で補正し、さらに要因別学習値記
憶手段Ｃに記憶されている複数の要因別学習値に基づき
これらに応じてそれぞれ設定された最適な演算式で補正
することにより、制御量を演算する。

そして、この制御量に応じて制御手段Ｅが作動し、内燃
機関の制御対象を制御する。

一方、偏差検出手段Ｆは、フィードバック補正値の基準
値からの偏差を検出している。そして、要因分析手段Ｇ
は、偏差を与えるに至った要因を各種情報（例えば機関
運転状態、偏差量、偏差方向、偏差速度、偏差変化方向
等のうち少なくとも１つ）を基に所定の分析ルールに従
って推論的に分析し、その分析結果に基づき偏差を要因
別の複数のパラメータに分離する。

要因分析結果正否判定手段Ｈは、偏差を検出したときに
フィードバック補正して設定された制御量と、基本制御
量を要因分析結果の要因別学習値に基づいて補正して得
た制御量と、の差に基づいて要因分析結果の正否を判定
する。そして、要因分析修正手段■は、この要因分析結
果の正否に基づいて前記の差を減少させる方向に前記複
数のパラメータを修正し、この修正結果によって要因別
学習値更新手段Ｊが要因別学習値記憶手段Ｃの要因別学
習値を修正して書換えてゆく。

即ち、要因分析手段Ｇが、フィードバック補正値の基準
値からの偏差を要因別の複数のパラメータに分離すると
、この分析結果に基づく要因別学習値によって制御量を
演算して、フィードバック補正に基づく制御量と比較す
ることにより、要因分析による学習結果が、フィードバ
ック補正による目標値に実際値を近づける方向の補正と
一致しているか否か（フィードバック補正値なしで要因
別学習値のみを用いることにより制御目標に制御対象が
制御されるか否か）を判定し、要因分析が不的確でフィ
ードバック補正による補正と一致しないときにはこの差
を減少させるように要因分析修正手段Ｉが要因別の複数
のパラメータを修正して、この修正結果を要因別学習値
記憶手段Ｃに記憶させる。

このように、フィードバック制御の偏差（エケー量）を
検出し、これを各種情報とデータベースとを用いて推論
して要因分析すると共に、この要因分析が実際値を制御
目標に近づける補正となるように修正して、各々の要因
に適した演算式で精度良く補正することで、学習補正精
度と学習スピードとを両立させるのである。

〈実施例〉 以下に、本発明に係る学習制御装置を、電子制御燃料噴
射装置を有する内燃機関の空燃比のフィードバック制御
系に適用した実施例を説明する。

第２図において、機関１には、エアクリーナ２から吸気
ダクト３．スロットル弁４及び吸気マニホールド５を介
して空気が吸入される。吸気マニホールド５のブランチ
部には各気筒毎に制御手段としての燃料噴射弁６が設け
られている。燃料噴射弁６はソレノイドに通電されて開
弁じ通電停止されて閉弁する電磁式燃料噴射弁であって
、後述するコントロールユニット１２からの駆動ハルス
信号により通電されて開弁し、図示しない燃料ポンプか
ら圧送されてプレッシャレギュレータにより所定の圧力
に調整された燃料を噴射供給する。尚、この例はマルチ
ポイントインジェクションシステムであるが、スロット
ル弁の上流などに全気筒共通に単一の燃料噴射弁を設け
るシングルポイントインジェクションシステムであって
もよい。

機関１の燃焼室には点火栓７が設けられていて、これに
より火花点火して混合気を着火燃焼させる。

そして、機関１からは、排気マニホールド８゜排気ダク
ト９．三元触媒１０及びマフラー１１を介して排気が排
出される。三元触媒１０は、排気成分中のＣＯ，ＨＣを
酸化し、また、ＮＯＸを還元して、他の無害な物質に転
換する排気浄化装置であり、混合気を理論空燃比で燃焼
させたときに両転換効率が最も良好なものとなる。

コントロールユニット１２は、ＣＰＵ、ＲＯＭ。

ＲＡＭ、Ａ／Ｄ変換器及び入出力インタフェイスを含ん
で構成されるマイクロコンピュータを備え、各種のセン
サからの入力信号を受け、後述の如く演算処理して、燃
料噴射弁６の作動を制御する。

前記各種のセンサとしては、吸気ダクト３中に熱線式あ
るいはフラップ式のエアフローメータ１３が設けられて
いて、吸入空気流量Ｑに応じた電圧信号を出力する。

また、クランク角センサ１４が設けられていて、４気筒
の場合、クランク角１８０°毎の基準信号とクランク角
１°又は２°毎の単位信号とを出力する。ここで、基準
信号の周期、あるいは所定時間内における単位信号の発
生数を計測することにより、機関回転数Ｎを算出可能で
ある。

また、機関１のウォータジャケットの冷却水温Ｔｗを検
出する水温センサ１５等が設けられている。

さらに、排気マニホールド８の集合部に０□センサ１６
が設けられ、排気中の０２濃度を介して機関１に吸入さ
れる混合気の空燃比を検出する。尚、０２センサ１６と
して特願昭６２−６５８４４号で提案しているＮＯｘ還
元触媒層付のものを用いるとより正確な検出が可能とな
る。

ここにおいて、コントロールユニット１２に内蔵された
マイクロコンピュータのＣＰＵは、第３図〜第５図にフ
ローチャートとして示すＲＯＭ上のプログラム（燃料噴
射量演算ルーチン、空燃比フィードバック制御ルーチン
、最適学習ルーチン）に従って演算処理を行い、燃料噴
射を制御する。

尚、基本制御量設定手段、フィードバック補正値設定手
段、制御量演算手段、偏差検出手段、要因分析手段、要
因別学習値更新手段、要因分析結果正否判定手段及び要
因分析修正手段としての機能は、前記プログラムにより
達成される。また、要因別学習値記憶手段としては、Ｒ
ＡＭを用い、かつバックアップ電源によりエンジンキー
スイッチのＯＦＦ後も記憶内容を保持させる。

次に第３図〜第５図のフローチャートを参照しつつコン
トロールユニット１２内のマイクロコンピュータの演算
処理の様子を説明する。

第３図は燃料噴射量演算ルーチンで、所定時間毎に実行
される。

ステップ１　（図にはＳｌと記しである。以下同様）で
はエアフローメータ１３からの信号に基づいて検出され
る吸入空気流量Ｑ、クランク角センサ１４からの信号に
基づいて算出される機関回転数Ｎ。

水温センサ１５からの信号に基づいて検出される水温Ｔ
ｗ等を人力する。

ステップ２では吸入空気流量Ｑと機関回転数Ｎとから単
位回転当りの吸入空気量に対応する基本燃料噴射量Ｔｐ
＝に−Ｑ／Ｎ（Ｋは定数）を演算する。このステップ２
の部分が基本制御量設定手段に相当する。

ステップ３では水温Ｔｗに応じた水温補正係数ＫＴＳＩ
＋、機関回転数Ｎと基本燃料噴射量ＴＰに応じた空燃比
補正係数ＫＭＲなどを含む各種補正係数ＣＯＥ　Ｆ　＝
１　＋ＫＴｗ＋　ＫＭＲ＋　”’を設定する。

ステップ４では後述する第４図の空燃比フィードバック
制御ルーチンによって設定されている最新の空燃比フィ
ードバック補正係数α（基準値１）を読込む。

ステップ５ではバッテリ電圧に基づいて電圧補正分子ｓ
を設定する。これはバッテリ電圧の変動による燃料噴射
弁６の噴射流量変化を補正するためのものである。

ステップ６では要因別学習値記憶手段としてのＲＡＭの
所定アドレスから要因別学習値ＸＩ、Ｘ２を読込む。尚
、学習が開始されていない時点では、初期値として、Ｘ
、−０，Ｘ、＝１を記憶させてある。

ステップ７では燃料噴射量Ｔｉを次式に従って演算する
。このステップ７の部分が制御量演算手段に相当する。

Ｔ　ｉ　＝　Ｘ　２・’ｒｐ　−Ｃ０ＥＦ・α＋（Ｔ　
ｓ　十Ｘ　Ｉ）ステップ８では演算されたＴｉを出力用
レジスタにセットする。これにより予め定めた機関回転
同期（例えば１回転毎）燃料噴射タイミングになると、
最新にセットされたＴｉのパルス巾をもつ駆動パルス信
号が燃料噴射弁６に与えられて、燃料噴射が行われる。

第４図は空燃比フィードバック制御ルーチンで、回転同
期又は時間同期で実行され、これにより空燃比フィード
バック補正係数αが設定される。従ってこのルーチンが
フィードバック補正値設定手段に相当する。

ステップ１１では所定の空燃比フィードバック制御条件
が成立しているか否かを判定する。ここで、所定の空燃
比フィードバック制御条件とは、機関回転数Ｎが所定値
以下で、かつ負荷を表わす基本燃料噴射量Ｔｐが所定値
以下であることを条件とする。かかる条件が満たされて
いない場合はこのルーチンを終了する。この場合、空燃
比フィードバック補正係数αは前回値（又は基準値１）
にクランプされ、空燃比フィードバック制御が停止され
る。これは、高回転又は高負荷領域では空燃比フィード
バック制御を停止し、前記空燃比補正係数ＫＭＲにより
リッチな出力空燃比を得て、排気温度の上昇を抑制し、
機関１の焼付きや三元触媒１０の焼損などを防止するた
めである。

空燃比フィードバック制御条件の成立時は、ステップ１
２以降へ進む。

ステップ１２では０２センサ１６の出力電圧■。□を読
込み、次のステップ１３で理論空燃比相当のスライスレ
ベル電圧Ｖ　ｒｅｆと比較することにより実際の空燃比
が理論空燃比よりもリッチ状態であるか或いはリーン状
態であるかを判定する。即ち、本実施例において、制御
対象とは機関吸入混合気の空燃比であり、制御目標とは
理論空燃比である。

空燃比がリーン（Ｖｏｚ＜Ｖｒ−ｆ）のときは、ステッ
プ１３からステップ１４へ進んでリッチからリーンへの
反転時（反転直後）であるか否かを判定し、反転時には
ステップ１５へ進んで後述する第５図の最適学習ルーチ
ンのため前回の空燃比フィードバック補正係数αの基準
値１からの偏差をａ−α−１として記憶した後、ステッ
プ１６へ進んで空燃比フィードバック補正係数αを前回
値に対し所定の比例定数２分増大させる。反転時以外は
ステップ１７へ進んで、空燃比フィードバック補正係数
αを前回値に対し所定の積分定数１分増大させ、こうし
て空燃比フィードバック補正係数αを一定の傾きで増大
させる。尚、Ｐ＞＞Ｉである。

空燃比がリッチ（Ｖ　ｏ　ｚ　＞　Ｖ　ｒｅ　＝　）の
ときは、ステップ１３からステップ１８へ進んでリーン
からリッチへの反転時（反転直後）であるか否かを判定
し、反転時にはステップ１９へ進んで後述する第５図の
最適学習ルーチンのため前回の空燃比フィードバック補
正係数αの基準値１からの偏差をｂ＝α−１として記憶
した後、ステップ２０へ進んで空燃比フィードバック補
正係数αを前回値に対し所定の比例定数Ｐ分減少させる
。反転時以外はステップ２１へ進んで空燃比フィードバ
ック補正係数αを前回値に対し所定の積分定数１分減少
させ、こうして空燃比フィードバック補正係数αを一定
の傾きで減少させる。

第５図は最適学習ルーチンで、所定時間毎に実行され、
これにより要因別学習値ＸＩ、Ｘ２が設定・更新される
。

ステップ３１では所定の学習条件が成立しているか否か
を判定する。ここで、所定の学習条件とは、空燃比のフ
ィードバック制御中であり、かつ０２センサ１６のリッ
チ・リーン信号が適当な周期で反転していることを条件
とする。かかる条件が満たされていない場合はこのルー
チンを終了する。

所定の学習条件が成立した場合は、ステップ３２へ進ん
で０２センサ１６の出力電圧■。２が反転したか否かを
判定し、反転時以外はステップ３３へ進んでそのときの
機関運転状態のデータとして機関回転数Ｎと基本燃料噴
射量Ｔｐとをサンプリングする。

０□センサ１６の出力電圧の反転時は、最適学習のため
、ステップ３４へ進んで前述のａとｂとの平均値を求め
る。このときのａ、ｂは、第６図に示すように空燃比フ
ィードバック補正係数αの増減方向の反転から反転まで
の空燃比フィードバック補正係数αの基準値１からの偏
差の上下のピーク値であり、これらの平均値を求めるこ
とにより、空燃比フィードバック補正係数αの基準値１
からの平均的な偏差Δαを検出している。

従って、第４図のステップ１５．１９と第５図のステッ
プ３４の部分が偏差検出手段に相当する。

次にステップ３５へ進んで０２センサ１６の出力電圧■
。２が反転する間の機関回転数Ｎ及び基本燃料噴射量’
ｒｐの動き（Ｎ、、Ｎ、・・・、Ｔ　ｐ　＋　、　Ｔ　
ｐ　ｚ・・・）を読出し、機関運転状態（Ｎ、Ｔｐ）を
特定する。

次にステップ３６へ進んで機関運転状態（Ｎ、　Ｔｐ）
のエリアよりマツプを参照して各エリアに割付けられた
学習重み付はパラメータに、、に２を検索する。但し、
Ｋ、＋に２は１以下である。

ここで、偏差Δαを与えるに至った要因は、主に燃料噴
射弁６に起因するもの（以下Ｆ／Ｉ要因という）と、空
気密度変化などを含むエアフローメータ１３に起因する
もの（以下Ｑ要因）とに分け、それぞれの占める割合を
に、、に２で表わすのである。

そして、経験則から低回転低負荷領域ではＦ／Ｉ要囚要
因きく、高回転高負荷ではＱ要因が大きいなどと推定し
て、各エリアにＫ　Ｉ、　Ｋ　ｚＯ値を割付けておき、
このマツプを参照することで、機関運転状態を基に要因
分析を行うのである。

これにより、偏差Δαを、Ｆ／Ｉ要囚要因ラメータに、
・Δαと、Ｑ要因のパラメータに２　・Δαとに分離す
ることが可能となり、次のステップ３７ではΔα、＝に
、・Δα、Δα２＝に２　・Δαとして、各パラメータ
に分離する。

従って、ステップ３５〜３７の部分が要因分析手段に相
当する。

尚、要因分析は、このように機関運転状態を基に行う他
、偏差量、偏差方向、偏差速度、偏差変化方向等に基づ
き、それらのデータベースから推論して行うようにして
もよい。

次にステップ３８へ進んでＲＡＭ上の所定アドレスに記
憶しである要因別学習値ＸＩ、Ｘｔを読出し、次式の如
く、一方のＦ／Ｉ要囚要因習値Ｘ、に偏差Δα１をＭＩ
分加算して更新し、他方のＱ要因の学習値ｘ２に偏差Δ
α２をＭ２分加算して更新する。Ｍ　＋　、　Ｍ　ｚは
学習重み付は係数である。

Ｘ、＝Ｘ、＋Ｍ＋　　・Δα１ Ｘ２　＝Ｘｚ　＋Ｍｚ　　・Δα２ 次にステップ３９へ進んで、上記ステップ３８で更新し
た要因別学習値Ｘ＋、Ｘｚを用いて燃料噴射量Ｔｉを演
算する。但し、このときの燃料噴射量Ｔｉの演算式には
、下記に示すように空燃比フィードバック補正係数αが
含められず、フィードバック補正係数αなしでかつ今回
更新した要因別学習値Ｘ８．Ｘｚを用いて燃料噴射量Ｔ
ｉが演算される。

Ｔ　ｉ　＝　Ｘ　ｚ・Ｔｐ−ＣＯＥＦ＋　（Ｔｓ＋Ｘ＋
）次のステップ４０では、偏差Δαを検出したときに第
３図の燃料噴射量演算ルーチンで演算された燃料噴射量
Ｔｉを読込んでこの値をＭＴｉとする。

上記偏差Δαを検出したときの燃料噴射量Ｔｉとは、例
えば空燃比フィードバック補正係数αの上下のピーク値
をとったときのそれぞれ燃料噴射量Ｔｉの平均値とする
。

次にステップ４１へ進んでステップ３９で空燃比フィー
ドバック補正係数αなしで演算した燃料噴射量Ｔｉと、
ステップ４０で読込んだ要因別学習値Ｘ１゜Ｘ２の更新
の基礎となった空燃比フィードバック補正係数αを用い
て設定された燃料噴射量ＭＴｉとを比較し、要因分析の
正否を判定する。従って、このステップ４０．４１の部
分が要因分析結果正否判定手段に相当する。

ここで、ＴｉζＭＴｉであると判定された場合には、今
回要因分析して更新した要因別学習値ＸＩ。

Ｘ２を用いれば、空燃比フィードバック補正係数αを用
いなくとも、演算された燃料噴射量Ｔｉ相当の燃料を機
関１に噴射供給することで略理論空燃比相当の混合気を
得ることが判別される。

なぜなら、空燃比フィードバック補正係数αは、実際の
空燃比を目標空燃比である理論空燃比に近似させるよう
に設定されるものであるため、ステップ４０で読込んだ
燃料噴射量ＭＴｉは略理論空燃比相当の燃料噴射量であ
ると言え、これに対し、今回の要因分析結果から得た要
因別学習値Ｘ＋、Ｘ２を用い空燃比フィードバック補正
係数αを用いないで演算した燃料噴射量Ｔｉがこの理論
空燃比相当の燃料噴射量ＭＴｉと略イコールであれば、
要因分析結果により空燃比フィードバック補正係数αな
しで目標である理論空燃比を略得られることになり、正
しく要因分析されて学習が的確であることが判明する。

一方、ステップ４１でＴｉ＜＜ＭＴｉ或いはＴｉ＞＞Ｍ
Ｔｉであると判定された場合には、空燃比フィードバッ
ク補正係数αなしで今回要因分析してステップ３８で得
た要因別学習値Ｘ＋、Ｘｚを用いて燃料噴射量Ｔｉを演
算したのでは、目標である理論空燃比を得ることができ
ないことが判明する。

、即ち、空燃比フィードバック補正して得た燃料噴射量
ＭＴｉよりもステップ３９で演算した燃料噴射量Ｔｉが
少ないときには、実際の燃料噴射量Ｔｉの設定に際して
、空燃比フィードバック補正係数αで燃料噴射量Ｔｉを
増量補正する必要があり、一方、燃料噴射量ＭＴｉより
もステップ３９で演算した燃料噴射量Ｔｉが多いときに
は空燃比フィードバック補正係数αで燃料噴射量Ｔｉを
減少補正する必要があるものである。

従って、このように空燃比フィードバック補正係数αに
よって理論空燃比相当の燃料噴射量Ｔｉに補正される状
態では、要因分析結果が不良であると言え、この場合に
はステップ４２若しくはステップ４３へ進んで、空燃比
フィードバック補正係数αなしで理論空燃比相当の燃料
噴射量Ｔｉが得られるように要因別学習値Ｘ＋、Ｘｔを
以下に説明するようにして増減補正する。

ステップ４１でＴ　ｉ　＜＜ＭＴ　ｌであると判定され
た場合には、ステップ３８で得た要因別学習値Ｘ＋。

Ｘ２のみを用い空燃比フィードバック補正係数αを用い
ないで燃料噴射量Ｔｉを演算した場合には燃料量が不足
して空燃比がリーン化する状態であるので、ステップ４
２へ進んでステップ３８で得た要国別学習値Ｘ、、Ｘ、
にそれぞれ微小値ΔＸ８．ΔＸ２を加算して新たな要因
別学習（Ｉ！Ｘ　Ｉ＋　Ｘ　ｚとしくＸ。

←ＸＩ　＋Δｘ１、Ｘ２←Ｘ２＋ΔＸ２）、燃料噴射量
Ｔｉが要因別学習値Ｘ　＋　、　Ｘ　２によってより増
量補正されるようにして再びステップ３９へ戻る。

即ち、Ｔ　ｉ　特ＭＴ　ｆとなるまでステップ４２にお
ける要因別学習値Ｘ＋、Ｘｚの修正を繰り返す。

一方、ステップ４１でＴ　ｉ　＞＞ＭＴ　ｉであると判
定された場合には、ステップ３８で得た要因別学習値Ｘ
＋、Ｘｚのみを用い空燃比フィードバック補正係数αを
用いないで燃料噴射量Ｔｉを演算した場合には燃料量が
過剰で空燃比がリッチ化する状態であるので、ステップ
４３へ進んでステップ３８で得た要因別学習値Ｘ　Ｉ、
　Ｘ　ｚがらそれぞれ微小値Δｘ１゜ΔＸ２を減算して
新たな要因別学習値Ｘ、、Ｘ２としくＸ、←ｘＩ−ΔＸ
１、Ｘ２←Ｘ２−ΔＸ２）、燃料噴射量Ｔｉが要因別学
習値Ｘ、、Ｘ２によってより減量補正されるようにして
再びステップ３９へ戻り、Ｔ　ｉ　＃ＭＴ　ｉとなるま
でステップ４３における要因別学習値Ｘ＋、Ｘｚの修正
を繰り返す。

従って、上記ステップ４２及びステップ４３の部分が要
因分析修正手段に相当する。

ここで、ステップ４２若しくはステップ４３での修正に
よってステップ４１においてＴｉζＭＴｉと判定される
ような要因別学習値Ｘ＋、Ｘｔに修正された場合、或い
は、要因分析が良好に行われてステップ３８で得た要因
別学習値Ｘ、、Ｘ２を用いステップ４１でＴｉζＭＴｉ
と判定された場合には、ステップ４４へ進んでＲＡＭ上
の所定アドレスにこれらの要因別学習値Ｘ＋、Ｘｚを書
込んでデータを書換える。このＲＡＭはバックアップメ
モリーであり、エンジンキースイッチのＯＦＦ後も記憶
内容が記憶保持される。

従って、ステップ４４の部分が要因別学習値更新手段に
相当する。

このようにして、Ｆ／Ｉ要因の学習値Ｘ１とＱ要因の学
習値Ｘ２とが定まるわけであるが、これらを基にした補
正は、第３図のステップ７で示した如く、要因別に最適
な演算式で行われる。

即ち、Ｆ／Ｉ要因の学習値Ｘ、につぃては基本燃料噴射
量Ｔｐに対する加算項として、Ｑ要因の学習値Ｘ２につ
いては基本燃料噴射量Ｔｐに対する掛算項として、演算
式が設定され、これにより最適な補正が行われる。

第７図は、本学習制御による効果として、目印の＋１６
％のリッチ傾向のエンジンが４回程度の学習で・印のバ
ラツキ中央値のエンジンに近づいてゆく様子と、Δ印の
一１６％のリーン傾向のエンジンが３回程度の学習で・
印のバラツキ中央値エンジンに近づけてゆく様子を示し
たもので、本学習制御による学習スピードの向上が明瞭
に示されている。

尚、本実施例では、電子制御燃料噴射装置として、エア
フローメータを有して吸入空気流量を検出するいわゆる
Ｌ−Ｊｅｔｒｏ方式のものを示したが、吸気マニホール
ド負圧を検出するいわゆるＤ−Ｊｅ　ｔｒｏ方式、ある
いはスロットル弁開度（α）と機関回転数（Ｎ）による
いわゆるα−Ｎ方式等各種のシステムに適用し得る。

また、空燃比のフィードバック制御のみならず、ノッキ
ング検出による点火時期制御や、補助空気弁を介しての
アイドル回転数のフィードバック制御にも適用できるも
のである。

〈発明の効果〉 以上説明したように本発明によれば、従来の如くエリア
別に学習する方式ではなく、偏差を生じるに至った要因
を分析すると共に、分析結果の正否判定に基づいて要因
別学習値を修正して学習する方式としたため、学習スピ
ードを大幅に向上させることができ、また、分析結果の
正否を判定するので分析の誤りを修正して学習補正の精
度を高めることができる。また、このような学習制御に
より、マツチング工数の低減９部品管理の簡単化。

メンテナンスフリー等が実現できる。更に、バックアッ
プメモリーの容量も少なくすることができる。

【図面の簡単な説明】

第１図は本発明の構成を示す機能ブロック図、第２図は
本発明の一実施例を示すシステム図、第３図〜第５図゛
は制御内容を示すフローチャート、第６図は空燃比フィ
ードバック補正係数の変化の様子を示す図、第７図は学
習制御の効果を示す図である。 １・・・機関　　６・・・燃料噴射弁　　１２・・・コ
ントロールユニット　　１３・・・エアフローメータ　
　１４・・・クランク角センサ　　１６・・・０□セン
サ特許出願人　日本電子機器株式会社 代理人　弁理士　笹　島　　富二雄 ＝３６１−

Claims (1)

1. 【特許請求の範囲】 内燃機関の制御対象の制御目標値に対応する基本制御量
   を設定する基本制御量設定手段と、制御目標値と実際値
   とを比較して制御目標値に実際値を近づける方向にフィ
   ードバック補正値を所定の量増減して設定するフィード
   バック補正値設定手段と、 複数の要因別学習値を記憶する書換え可能な要因別学習
   値記憶手段と、 前記基本制御量を前記フィードバック補正値及び前記複
   数の要因別学習値に基づきこれらに応じてそれぞれ設定
   された演算式で補正して制御量を演算する制御量演算手
   段と、 前記制御量に応じて作動し内燃機関の制御対象を制御す
   る制御手段と、 前記フィードバック補正値の基準値からの偏差を検出す
   る偏差検出手段と、 前記偏差の要因を各種情報を基に分析しその分析結果に
   基づき前記偏差を要因別の複数のパラメータに分離する
   要因分析手段と、 前記偏差検出手段による偏差検出時に前記制御量演算手
   段により演算された制御量と前記要因分析手段により分
   離された複数のパラメータに基づいた複数の要因別学習
   値に基づいて前記基本制御量を補正演算して得た制御量
   との差に基づき要因分析結果の正否を判定する要因分析
   結果正否判定手段と、 該要因分析結果正否判定手段による判定結果に基づき前
   記差を減少させる方向に前記要因分析手段で分離した複
   数のパラメータを増減修正する要因分析修正手段と、 該要因分析修正手段による修正結果の前記複数のパラメ
   ータのそれぞれに基づき前記要因別学習値記憶手段の要
   因別学習値を修正して書換える要因別学習値更新手段と
   、 を含んで構成されることを特徴とする内燃機関の学習制
   御装置。