JPH1011105A

JPH1011105A - 状態制御方式

Info

Publication number: JPH1011105A
Application number: JP15933396A
Authority: JP
Inventors: Masashi Yamaguchi; 昌志山口
Original assignee: Yamaha Motor Co Ltd
Current assignee: Yamaha Motor Co Ltd
Priority date: 1996-06-20
Filing date: 1996-06-20
Publication date: 1998-01-16

Abstract

(57)【要約】【課題】安価な構造で常に状態を学習して制御可能であ
り、しかも制御応答性が向上する。【解決手段】状態制御方式は、制御対象物から出力され
る１つもしくは複数の情報から、制御対象物の状態指数
を演算し、この状態指数が予め設定された許容量となる
ような制御を行なう第１の制御部Ｋ１を有し、この第１
の制御部Ｋ１の操作量に学習機能を有する第２の制御部
Ｋ２の操作量を加えた値を最終的操作量として制御を行
なう。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、状態制御方式に
関し、例えば車両や船舶に搭載されるエンジン、工作機
械のロボット、電気車両のモータ等の状態制御方式に関
するものである。

【０００２】

【従来の技術】このように車両や船舶に搭載されるエン
ジン、工作機械のロボット、電気車両のモータ等では、
状態制御が行われる。例えば、車両や船舶に搭載される
エンジンでは、ＥＦＩで空燃比制御を行うものがある
が、Ｏ₂センサを用いたフィードバック制御が一般的で
あり、これにより空燃比を理論空燃比に制御することが
可能である。

【０００３】

【発明が解決しようとする課題】ところが、この方式で
は理論空燃比以外の空燃比には制御することができない
ため、そのような場合には、リニア空燃比センサを用い
たフィードバック制御を行うことになる。しかるに、リ
ニア空燃比センサは高価であるばかりでなく、リッチ環
境化では劣化が激しく使用できないという問題点があ
る。

【０００４】さらに、一般的にフィードバック制御は応
答性が悪く過渡時の空燃比の制御が困難であるため、排
ガス及び燃費を考慮して定常時の空燃比をリーン化しよ
うとすると、過渡時の空燃比が必要以上にリーン化する
結果となり加速性能悪化等の運転性能を損なってしまう
という問題点がある。

【０００５】この発明は、かかる点に鑑みてなされたも
ので、安価な構造で常に状態を学習して制御可能であ
り、しかも制御応答性が向上する状態制御方式を提供す
ることを目的としている。

【０００６】

【課題を解決するための手段】前記課題を解決し、かつ
目的を達成するために、請求項１記載の発明の状態制御
方式は、制御対象物から出力される１つもしくは複数の
情報から、制御対象物の状態指数を演算し、この状態指
数が予め設定された許容量となるような制御を行なう第
１の制御部を有し、この第１の制御部の操作量に学習機
能を有する第２の制御部の操作量を加えた値を最終的操
作量として制御を行なうことを特徴としている。制御対
象物の状態指数が予め設定された許容量となるような制
御を行ない、この第１の制御部の操作量に学習機能を有
する第２の制御部の操作量を加えた値を最終的操作量と
して制御を行なうことで、常に状態を学習して制御可能
であり、しかも制御応答性が向上する状態制御が可能で
ある。

【０００７】請求項２記載の発明の状態制御方式は、第
１の制御部が、フィードバック制御を行うことを特徴と
している。フィードバック制御により状態指数が予め設
定された許容量となるように簡単かつ確実な制御を行
う。

【０００８】請求項３記載の発明の状態制御方式は、第
２の制御部が、学習機能をニューラルネットワークによ
り実現することを特徴としている。ニューラルネットワ
ークによる学習を行い、常に適切な状態制御を行う。

【０００９】請求項４記載の発明の状態制御方式は、前
記第２の制御部の一部として、前記制御対象物の動的挙
動に基づいた逆モデルを持ち、この逆モデルを用いて制
御を行うことを特徴としている。過渡状態等には、逆モ
デルを用いて適切な状態制御を行う。

【００１０】請求項５記載の発明の状態制御方式は、前
記制御対象物がエンジンであり、制御対象物の状態が運
転状態であることを特徴としている。制御対象物がエン
ジンであり、エンジンの運転状態の制御を行う。

【００１１】請求項６記載の発明の状態制御方式は、ク
ランク軸の回転変動情報からエンジンの燃焼状態を検出
し、この回転変動情報をフィードバック信号として空燃
比のフィードバック制御を行なうとともに、このフィー
ドバック制御による噴射量を教師データとしてニューラ
ルネットワークをオンライン学習させ、前記フィードバ
ック制御による噴射量と前記ニューラルネットワークに
よる噴射量との加算値により空燃比制御を行なうことを
特徴としている。リニア空燃比センサを用いることな
く、クランク軸の回転変動情報からエンジンが要求する
任意の空燃比に制御でき、さらにフィードバック制御を
用いて空燃比をリーン化しようとした場合においても運
転性能を損なうことなく制御する。

【００１２】請求項７記載の発明の状態制御方式は、エ
ンジンが過渡状態にありフィードバック制御が行な得な
い場合、もしくは理論空燃比制御のように目標空燃比に
対する正確な空燃比制御が要求される場合は、エンジン
の動的挙動に基づいた逆モデルを用いてエンジンが要求
する燃料量となるための噴射量を求めて、この値により
空燃比制御を行うことを特徴としている。エンジンが過
渡状態にありフィードバック制御が行な得ない場合、も
しくは理論空燃比制御のように目標空燃比に対する正確
な空燃比制御が要求される場合は、エンジンが要求する
燃料量となるための噴射量を求めて、この値により空燃
比制御を行う。

【００１３】請求項８記載の発明の状態制御方式は、シ
リンダへ入るべき燃料を噴射するインジェクタを、吸気
通路に配置したことを特徴としている。インジェクタを
吸気通路に配置しても所定のタイミングでシリンダへ燃
料を供給することができる。

【００１４】

【発明の実施の形態】以下、この発明の状態制御方式の
実施の形態を説明する。この発明の実施の形態では、状
態制御方式の制御対象物が車両や船舶に搭載されるエン
ジンであり、制御対象物の状態が運転状態であるが、こ
れに限定されず工作機械のロボット、電気車両のモータ
等を制御対象物として同様に状態制御を行うことができ
る。

【００１５】図１は車両や船舶に搭載されるエンジンの
システム図である。エンジン１のシリンダ２には、ピス
トン３が往復動可能に設けられ、このピストン３はコン
ロッド４を介してクランク軸５に連結され、ピストン３
の往復動でクランク軸５が回転する。また、エンジン１
には、クランク角センサ６が設けられ、クランク角セン
サ６によりクランク角信号及びエンジン回転数がコント
ローラ７に送られる。エンジン１のシリンダ２に形成さ
れる燃焼室８には、排気通路９と吸気通路１０が連通し
て設けられ、吸気通路１０にはエアクリーナ１１から空
気が吸入される。また、吸気通路１０には、スロットル
１２が設けられている。このスロットル１２により吸入
空気量が制御され、このスロットル開度は、スロットル
開度センサ１３によりコントローラ７に送られる。ま
た、吸気通路１０のスロットル１２の上流側には、イン
ジェクタ１４が設けられ、このインジエクタ１４から燃
料が噴射される。このインジェクタ１４は、コントロー
ラ７によりクランク角信号、エンジン回転数とスロット
ル開度による情報に基づき燃料を噴射する状態制御を行
う。

【００１６】このコントローラ７により状態制御を行う
ことで、インジェクタ１４を吸気通路１０のスロットル
１２の上流側に配置しても所定のタイミングでシリンダ
へ燃料を供給することができ、また例えばインジェクタ
１４をスロットル１２の下流側に配置してもよい。ま
た、例えば、インジェクタ１４をスロットル１２の上流
に設置することで、インジェクタ１４がエンジン１から
離れた位置になり、燃料が熱の影響により粘圧が下がる
ことが防止され、燃料の噴射が円滑になる。また、イン
ジェクタ１４をスロットル１２の上流に設置すること
で、スロットル１２を通過する時に流速が速くなり燃料
の霧化を向上させることができる。また、例えば、吸気
管集合部にインジェクタを配置するＳＰＩとすること
で、インジェクタの数を削減することも可能である。

【００１７】図２はコントローラによる制御ブロック図
である。ＥＦＩによる空燃比制御において、エンジンが
定常状態にある時は、クランク軸の回転変動を用いたフ
ィードバック制御とニューラルネットワークによる学習
制御を組み合わせた制御を行い、過渡状態にある時、も
しくは理論空燃比制御の時は、逆モデルを用いたモデル
ベース制御を行うシステムについて説明する。

【００１８】コントローラ７は、回転変動検出部２０を
備え、クランク角信号に基づき回転変動を検出する。フ
ィードバック噴射量演算部３０では、クランク軸の回転
変動情報からエンジンの燃焼状態を検出し、、制御対象
物の状態指数を演算し、この状態指数が予め設定された
許容量となるような制御を行なう第１の制御部Ｋ１を構
成している。この回転変動情報をフィードバック信号と
して空燃比のフィードバック制御を行なうとともに、ト
ータル噴射量演算部８０からのフィードバック制御によ
る噴射量を教師データとしてニューラルネットワーク４
０をエンジン回転数とスロットル開度に基づきエンジン
１の出荷後の運転時に常にオンライン学習させ、フィー
ドバック制御による噴射量とニューラルネットワークに
よる噴射量との加算値により制御手法切換部５０を介し
てエンジン１の空燃比制御を行なう。このように、リニ
ア空燃比センサを用いることなく、クランク軸の回転変
動情報からエンジン１が要求する任意の空燃比に制御で
き、さらにフィードバック制御を用いて空燃比をリーン
化しようとした場合においても運転性能を損なうことな
く制御することができる。

【００１９】また、ニューラルネットワーク４０は、学
習機能を有する第２の制御部Ｋ２を構成し、制御対象物
の状態指数が予め設定された許容量となるような制御を
行ない、第１の制御部Ｋ１の操作量に学習機能を有する
第２の制御部Ｋ２の操作量を加えた値を最終的操作量と
して制御を行なうことで、常に状態を学習して制御可能
であり、しかも制御応答性が向上する状態制御が可能で
ある。

【００２０】また、第１の制御部Ｋ１は、フィードバッ
ク制御を行い、フィードバック制御により状態指数が予
め設定された許容量となるように簡単かつ確実な制御を
行う。

【００２１】また、第２の制御部Ｋ２が、学習機能をニ
ューラルネットワーク４０により実現しており、ニュー
ラルネットワーク４０による学習を行い、常に適切な状
態制御を行うことができる。

【００２２】制御手法切換部５０は、定常・過渡判定部
６０で制御され、制御手法切換部５０はエンジン回転数
とスロットル開度に基づきフィードバック噴射量演算部
側と、モデルベース制御部側とに切り換える。

【００２３】エンジン１が過渡状態にありフィードバッ
ク制御が行な得ない場合、もしくは理論空燃比制御のよ
うに目標空燃比に対する正確な空燃比制御が要求される
場合は、モデルベース制御部側に切り換えられ、モデル
ベース制御部７０はエンジン回転数とスロットル開度に
基づき、エンジンの動的挙動に基づいた逆モデルを用い
てエンジンが要求する目標空燃比の燃料量となるための
噴射量を求めて、この値により空燃比制御を行う。エン
ジンが過渡状態にありフィードバック制御が行な得ない
場合、もしくは理論空燃比制御のように目標空燃比に対
する正確な空燃比制御が要求される場合は、エンジンが
要求する燃料量となるための噴射量を求めて、この値に
より空燃比制御を行うことができる。

【００２４】このように、全体的制御の流れとして定常
状態では、クランク軸の回転変動を検出することにより
エンジン１のトルク変動を推定し、このトルク変動の大
きさが予め設定した許容値になるようにフィードバック
制御を行う。これにより、排ガス・燃費と運転性能を可
能な限り両立できる空燃比に制御することが可能とな
る。また、フィードバック制御の応答性を改善させるた
めに、フィードバック制御が出力する噴射量をニューラ
ルネットワークに学習させ、フィードバック制御を徐々
にフィードフォワード制御に置き換える。これにより、
運転状態が切り換わった場合においても、速やかに目標
とする空燃比に制御できる。過渡状態では、エンジン１
の逆モデルを用いたモデルベース制御を行うことで、加
速性能を犠牲にすることのない空燃比に速やかに制御で
きる。これにより、定常状態に空燃比のリーン化制御を
行った場合においても、過渡状態の運転性能を確保でき
る。また、このモデルベース制御を理論空燃比制御に適
用することで、過渡時のリーン（リッチ）スパイクを防
止でき、正確な空燃比制御が可能となる。

【００２５】次に、図２に示すコントローラの各構成部
について説明する。まず、回転変動検出部２０の構成を
詳細に説明する。図３は回転変動検出部のブロック図で
ある。回転変動検出部２０は、図１に示すエンジン１の
クランク角センサ６（例えば、３０゜毎にパルスを発生
する）のクランク角信号を用いて角速度検出部２１によ
りエンジン１が膨張行程にある２点における角速度を演
算する。さらに、この２点での角速度から２点間での角
加速度を角加速度検出部２２により演算する。得られた
角加速度と、角加速度を次式の１次フィルタ２３により
平滑化することで得られる値との偏差を求める。この偏
差を偏差累積部２４により例えば１００個分累積加算し
た値を回転変動とする。

【００２６】Ａｖｅ（ｎ）＝α・Ａｖｅ（ｎ−１）＋
（１−α）・Ａｃｃ（ｎ）Ａｖｅ：平均角加速度Ａｃｃ：角加速度次に、フィードバック噴射量演算部３０の構成を詳細に
説明する。図４はフィードバック噴射量演算部のブロッ
ク図である。エンジン回転数とスロットル開度をパラメ
ータとして変動許容値演算部３１により予めメモリに記
録された回転変動の許容値と、回転変動検出部２０より
得られた回転変動の許容値を比較部３２により比較す
る。なお、エンジン回転数とスロットル開度をパラメー
タとしたマップにより回転変動の許容値を求めるように
してもよい。

【００２７】この比較に基づき噴射量演算部３３がフィ
ードバックによる噴射量を出力する。回転変動が許容値
より大きい場合には、リーン化しすぎたと判断して、メ
モリに保存されたフィードバックの噴射量をある微少量
だけ多くする。逆に回転変動が許容値より小さい場合
は、まだリーン化できると判断して、ある微少量だけ噴
射量を少なくする。

【００２８】次に、ニューラルネットワーク４０の構成
を詳細に説明する。図５はニューラルネットワークの構
成図である。ニューラルネットワーク（神経回路網）４
０は、周知のように、高度並列分散処理型の情報処理を
行なうものであり、外部環境の理解等に応用したものが
知られている。また、代表的なニューラルネットワーク
４０としてパーセプトロン（Ｐｅｒｃｅｐｔｒｏｎ）型
ネットワーク、ホップフィールド（Ｈｏｐｆｉｅｌｄ）
のネットワーク及びボルツマン機械（Ｂｏｌｔｚｍａｎ
ｎＭａｃｈｉｎｅ）等があり、このうち、三層型パー
セプトロンを用いたものでは、最適解への収束が保証さ
れるものであり、入力層４１、中間層４２及び出力層４
３からなる。

【００２９】また、入力層４１内のユニット４１ａ，４
１ｂ，４１ｃの結合はなく、同様に中間層４２内のユニ
ット４２ａ、４２ｂ，４２ｃ，４２ｄの結合はなく、層
間においてのみ各ユニット間が結合の重みｗをもって結
合されている。入力層４１内のユニット４１ｃは、バイ
アスニューロンを示し、中間層４２内のユニット４２ｄ
もバイアスニューロンを示し、中間層４２内のユニット
は、入力層４１の層のユニット４１ａ，４１ｂ，４１ｃ
からの重み付き入力を受けてその総和（内部状態値）を
ｙ＝ｆ（Σｘｉ・ｗｉ＋θ）により計算し、それに適
当な出力関数ｆ（ｘ）＝１／（１＋ｅ^-x）をかけたもの
を出力する。

【００３０】ただし、ｘｉは入力、ｗｉは重み、θはバ
イアス量を示し、出力関数ｆ（ｘ）はシグモイド関数
を示している。

【００３１】このように、エンジン回転数とスロットル
開度をニューラルネットワーク４０の入力層４１に入力
し、中間層４２で入力に対して重み付け処理し、出力層
４３でも同様に入力に対して重み付け処理して噴射量を
出力する。ニューラルネットワーク４０の学習データ
は、定常状態から過渡状態に移行した直後に取り込むよ
うにする。入力データは、前回（定常状態の最後）入力
されたデータとし、この入力データに対応する教師デー
タは現在フィードバック噴射量演算部３０に保存されて
いる噴射量と、前回ニューラルネットワーク４０が出力
していた噴射量を加算した値とする。この時（定常状態
から過渡状態に移行した直後）、メモリに保存されたフ
ィードバック噴射量を０クリアする。なお、ニューラル
ネットワーク４０の学習は、このようにして得られた複
数の運転状態に対する学習データに対して、コントロー
ラ７内のＣＰＵの空き時間に常に行うようにする。

【００３２】次に、フィードバック噴射量演算部３０の
構成を説明する。トータル噴射量演算部３０は、フィー
ドバックによる噴射量とニューラルネットワーク４０が
出力している噴射量を加算して、トータル噴射量として
インジェクタ１４を駆動する。

【００３３】次に、定常・過渡判定部６０の構成を詳細
に説明する。定常・過渡判定部６０は、所定のエンジン
回転数領域においてスロットル開度の変化を検出し、一
定時間変化幅が設定した範囲内であれば定常状態と判定
し、それ以外は過渡状態と判定する。

【００３４】次に、モデルベース制御部７０の構成を詳
細に説明する。図６はモデルベース制御部のブロック
図、図７は空気系の順モデルを示すブロック図、図８は
燃料系の順モデルを示すブロック図である。

【００３５】モデルベース制御部７０は、エンジン（含
む吸気管）を空気系と燃料系に分けてモデル化し、空気
系の順モデル７１でシリンダに入る推定空気量を得、燃
料系の順モデル７２でシリンダに入る推定燃料量を得、
空燃比演算部７３へ入力する。空燃比演算部７３では推
定空燃比を演算し、これを目標空燃比に近付けるように
フィードバックしてフィードバック演算部７４でモデル
による噴射量を得る。ここで、空気量と噴射量とを入力
すると、その結果として空燃比が出力されるモデルを順
モデルとし、目標空燃比を入力されると、そのための噴
射量が出力されるモデルを逆モデルとしている。

【００３６】エンジン回転数とスロットル開度に基づき
空気系の順モデル７１によりシリンダに入る推定空気量
を出力する。空気系の順モデル７１は図７に示すように
構成され、スロットル開度の入力を位相進み部７１０で
位相を燃料系の無駄時間分だけ空気系の位相を進めて、
空気量演算部７１１でシリンダに入る空気量を吸気負圧
をフィードバックして演算する。このシリンダに入る空
気量は、圧力への変換部７１２で圧力へ変換し、吸気負
圧演算部７１３では、エンジン回転数と吸気負圧の体積
率に基づき吸気負圧を得て、この吸気負圧を空気量演算
部７１１へフィードバックするとともに、体積効率演算
部７１４へ送る。エンジン回転数の入力を位相進み部７
１５で同様に燃料系の無駄時間分だけ空気系の位相を進
めて直接吸気負圧演算部７１３へ入力するとともに、体
積効率演算部７１４へ入力し、体積効率演算部７１４で
は所定のエンジン回転数と吸気負圧とで体積効率を求め
て吸気負圧演算部７１３へ送る。

【００３７】また、噴射燃料とスロットル開度に基づき
燃料系の順モデル７２によりシリンダに入る推定燃料量
を出力する。燃料系の順モデル７２は図８に示すように
構成され、噴射燃料とスロットル開度に基づき噴射燃料
演算部７２０で、吸気通路への付着と、燃料噴射から燃
料がシリンダに入るまでの遅れ時間を考慮してシリンダ
に入る燃料量を演算する。

【００３８】このように、燃料系は１次遅れと無駄時間
によりモデル化を行い、このモデルから無駄時間要素を
取り除いたものを燃料系のモデルとする。同時に、燃料
系の無駄時間分だけ空気系の位相を進めることで、両モ
デルの位相を合わせる。具体的には、空気系に入力され
るエンジン回転数とスロットル開度の未来値を最小２乗
法により推定することで位相進みを実現する。実際のエ
ンジンは無駄時間や高次遅れがあるためフィードバック
制御のゲインを大きくできないが、ここで作成したモデ
ルに対してフィードバック制御を行う場合には、燃料系
が単純な１次遅れ系であるためフィードバックゲインを
大きくでき、エンジンの逆モデルを構成することが可能
となる。空気系は外乱と見なせるため、空気系が定常と
見なせるような制御周期とする。

【００３９】第２の制御部Ｋ２の一部として、制御対象
物の動的挙動に基づいた逆モデルを持ち、エンジン１が
過渡状態にありフィードバック制御が行な得ない場合、
もしくは理論空燃比制御のように目標空燃比に対する正
確な空燃比制御が要求される場合は、エンジン１の動的
挙動に基づいた逆モデルを用いてエンジンが要求する燃
料量となるための噴射量を求めて、この値により空燃比
制御を行い、エンジンが要求する燃料量となるための噴
射量を求めて、この値により空燃比制御を行うことがで
きる。

【００４０】また、コントローラ７は、図９に示すよう
に構成することができる。この実施例では、第２の制御
部Ｋ２のモデルベース制御部７０に、モデルのパラメー
タの補正を行うモデル修正部１００を備え、エンジン回
転数とスロットル開度及びＯ ₂センサ信号に基づき、燃
焼が常に理論空燃比で行われるように制御してもよい。

【００４１】また、コントローラ７は、図１０に示すよ
うに構成することができる。この実施例では、モデルベ
ース制御部７０の出力側に、トータル噴射量演算部１０
１を備え、Ｏ₂センサ信号を教師データとしてニューラ
ルネットワーク１０２でエンジン回転数とスロットル開
度に基づきオンライン学習させ、モデルベース制御部７
０による出力と、ニューラルネットワーク１０２との出
力とを加えてトータル噴射量演算部１０１でトータル噴
射量を演算しその出力により制御手法切換部５０を介し
てエンジン１の空燃比制御を行なうようにしてもよい。

【００４２】次に、状態制御方式のフィードバック噴射
時間とトータル噴射時間の演算について説明する。

【００４３】図１１はフィードバック噴射時間演算フロ
ーを示している。ステップａ１でクランク角度１の場合
には、ステップｂ１でクランク角度１での角速度（ｖ
１）の演算を行い終了する。ステップａ１でクランク角
度１でない場合には、ステップｃ１でクランク角度２か
否かの判断を行い、クランク角度２でない場合には終了
し、クランク角度２の場合にはステップｄ１においてク
ランク角度２での角速度（ｖ２）の演算を行い、エンジ
ン１が膨張行程にある２点における角速度を演算する。
次に、ステップｅ１で角加速度（ａｃｃ）＝（ｖ２−ｖ
１）／所要時間を求め、ステップｆ１で角加速度の平均
値（ａｃｃ＿ａｖｅ）の計算を行う。

【００４４】さらに、ステップｇ１で角加速度変動値
（ｆ１）＝｜ａｃｃ−ａｃｃ＿ａｖｅ｜を求めて、ステ
ップｈ１で燃焼悪化指数（ｐｎｔ）＝ｐｎｔ＋ｆ１を求
める。ステップｉ１で燃焼悪化指数（ｐｎｔ）の回数が
Ｎ＝１００？か否かの判断を行い、Ｎ＝１００でない場
合には、ステップｊ１でＮ＝Ｎ＋１としてステップｃ１
へ移行して１００回になるまで繰り返す。燃焼悪化指数
（ｐｎｔ）の演算回数が１００回になると、ステップｋ
１でＮ＝１とし、ステップｌ１で燃焼悪化指数（ｐｎ
ｔ）がｐｎｔ＞許容値（ｌｉｍ）か否かを判断する。

【００４５】そして、燃焼悪化指数（ｐｎｔ）が許容値
（ｌｉｍ）を越えない場合には、ステップｍ１でフィー
ドバック噴射時間（ｔ＿ｆｂ）＝ｔ＿ｆｂ−△ｔとして
短くして噴射量を少なくし、燃焼悪化指数（ｐｎｔ）が
許容値（ｌｉｍ）を越える場合には、ステップｎ１でフ
ィードバック噴射時間（ｔ＿ｆｂ）＝ｔ＿ｆｂ＋△ｔと
して長くして噴射量を多くし、ステップｏ１で燃焼悪化
指数をｐｎｔ＝０にして終了する。

【００４６】図１２はトータル噴射時間演算フローを示
している。ステップａ２で定常状態の場合には、ステッ
プｂ２でニューラルネットワーク４０による噴射時間
（ｔ＿ｎｎ）の演算を行い、そしてステップｃ２でトー
タル噴射時間（ｔ＿ｔｔ１）＝ｔ＿ｎｎ＋ｔ＿ｆｂとし
てトータル噴射時間を算出して終了する。

【００４７】ステップａ２で定常状態でない場合には、
ステップｄ２で前回は定常状態か否かを判断し、定常状
態の場合にはステップｅ２で前回の運転状態に対してト
ータル噴射時間ｔ＿ｔｔ１をニューラルネットワーク４
０の教師データにセットし、ステップｆ２でトータル噴
射時間をｔ＿ｆｂ＝０とする。

【００４８】ステップｄ２で前回が定常状態でない場合
には、ステップｇ２で逆モデルによる噴射時間（ｔ＿ｍ
ｄ１）の演算を行い、ステップｈ２でトータル噴射時間
（ｔ＿ｔｔ１）＝ｔ＿ｍｄ１にして終了する。

【００４９】

【発明の効果】前記したように、請求項１記載の発明で
は、制御対象物の状態指数が予め設定された許容量とな
るような制御を行ない、この第１の制御部の操作量に学
習機能を有する第２の制御部の操作量を加えた値を最終
的操作量として制御を行なうから、常に状態を学習して
制御可能であり、しかも制御応答性が向上する状態制御
が可能である。

【００５０】請求項２記載の発明では、フィードバック
制御により状態指数が予め設定された許容量となるよう
に簡単かつ確実な制御を行うことができる。

【００５１】請求項３記載の発明では、ニューラルネッ
トワークによる学習を行い、常に適切な状態制御を行う
ことができる。

【００５２】請求項４記載の発明では、過渡状態等に
は、逆モデルを用いて適切な状態制御を行うことがで
き、例えば吸気管への燃料付着による応答遅れを補償で
きるため、システム構成の自由度が向上する。

【００５３】請求項５記載の発明では、制御対象物がエ
ンジンであり、エンジンの運転状態の制御を行うことが
できる。

【００５４】請求項６記載の発明では、リニア空燃比セ
ンサを用いることなく、クランク軸の回転変動情報から
エンジンが要求する任意の空燃比に制御でき、さらにフ
ィードバック制御を用いて空燃比をリーン化しようとし
た場合においても運転性能を損なうことなく制御し、エ
ンジンの燃焼状態を検出しながら空燃比を制御できるた
め、環境変化や経時変化に影響されず常にエンジンが要
求する空燃比に制御できる一方、空燃比を目標値に正確
に制御する必要のある場合には制御手法を切り換えるこ
とで対応できる。また、排ガスセンサを使用しない空燃
比制御が可能なため、コスト的に有利であるばかりでな
く、センサの劣化や設置場所を気にする必要がない。

【００５５】請求項７記載の発明では、エンジンが過渡
状態にありフィードバック制御が行な得ない場合、もし
くは理論空燃比制御のように目標空燃比に対する正確な
空燃比制御が要求される場合は、エンジンが要求する燃
料量となるための噴射量を求めて、この値により空燃比
制御を行い、過渡時等の空燃比制御の応答性が向上する
ため、過渡時等の運転性能の悪化を気にすることなく、
定常時の空燃比をリーン化できる。

【００５６】請求項８記載の発明では、インジェクタを
吸気通路に配置しても所定のタイミングでシリンダへ燃
料を供給することができ、例えば、インジェクタをスロ
ットルの上流に設置することで燃料が熱の影響により粘
圧が下がることが防止され、燃料の噴射が円滑になり、
またスロットルを通過する時に流速が速くなり燃料の霧
化を向上させることができ、あるいは吸気管集合部にイ
ンジェクタを配置するＳＰＩとすることでインジェクタ
の数を削減することも可能である。

【図面の簡単な説明】

【図１】車両や船舶に搭載されるエンジンのシステム図
である。

【図２】コントローラによる制御ブロック図である。

【図３】回転変動検出部のブロック図である。

【図４】フィードバック噴射量演算部のブロック図であ
る。

【図５】ニューラルネットワークの構成図である。

【図６】モデルベース制御部のブロック図である。

【図７】空気系の順モデルを示すブロック図である。

【図８】燃料系の順モデルを示すブロック図である。

【図９】他のコントローラによる制御ブロック図であ
る。

【図１０】さらに、他のコントローラによる制御ブロッ
ク図である。

【図１１】フィードバック噴射時間演算フローを示して
いる。

【図１２】トータル噴射時間演算フローを示している。

【符号の説明】

１エンジン７コントローラ６クランク角センサ１３スロットル開度センサ１４インジェクタ２０回転変動部３０フィードバック噴射量演算部４０ニューラルネットワーク５０制御手法切換部６０定常・過渡判定部７０モデルベース制御部８０トータル噴射量演算部Ｋ１第１の制御部Ｋ２第２の制御部

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号庁内整理番号ＦＩ技術表示箇所Ｆ０２Ｄ 45/00 ３２４Ｆ０２Ｄ 45/00 ３２４３４０３４０ＣＧ０５Ｂ 13/04 Ｇ０５Ｂ 13/04

Claims

【特許請求の範囲】

【請求項１】制御対象物から出力される１つもしくは複
数の情報から、制御対象物の状態指数を演算し、この状
態指数が予め設定された許容量となるような制御を行な
う第１の制御部を有し、この第１の制御部の操作量に学
習機能を有する第２の制御部の操作量を加えた値を最終
的操作量として制御を行なうことを特徴とする状態制御
方式。
【請求項２】第１の制御部は、フィードバック制御を行
うことを特徴とする請求項１記載の状態制御方式。
【請求項３】第２の制御部は、学習機能をニューラルネ
ットワークにより実現することを特徴とする請求項１記
載の状態制御方式。
【請求項４】前記第２の制御部の一部として、前記制御
対象物の動的挙動に基づいた逆モデルを持ち、この逆モ
デルを用いて制御を行うことを特徴とする請求項１乃至
請求項３のいずれかに記載の状態制御方式。
【請求項５】前記制御対象物がエンジンであり、制御対
象物の状態が運転状態であることを特徴とする請求項１
乃至請求項４のいずれかに記載の状態制御方式。
【請求項６】クランク軸の回転変動情報からエンジンの
燃焼状態を検出し、この回転変動情報をフィードバック
信号として空燃比のフィードバック制御を行なうととも
に、このフィードバック制御による噴射量を教師データ
としてニューラルネットワークをオンライン学習させ、
前記フィードバック制御による噴射量と前記ニューラル
ネットワークによる噴射量との加算値により空燃比制御
を行なうことを特徴とする請求項５記載の状態制御方
式。
【請求項７】エンジンが過渡状態にありフィードバック
制御が行な得ない場合、もしくは理論空燃比制御のよう
に目標空燃比に対する正確な空燃比制御が要求される場
合は、エンジンの動的挙動に基づいた逆モデルを用いて
エンジンが要求する燃料量となるための噴射量を求め
て、この値により空燃比制御を行うことを特徴とする請
求項６記載の状態制御方式。
【請求項８】シリンダへ入るべき燃料を噴射するインジ
ェクタを、吸気通路に配置したことを特徴とする請求項
６または請求項７記載の状態制御方式。