JPWO2011033661A1 - Control device for internal combustion engine - Google Patents

Control device for internal combustion engine Download PDF

Info

Publication number
JPWO2011033661A1
JPWO2011033661A1 JP2011531734A JP2011531734A JPWO2011033661A1 JP WO2011033661 A1 JPWO2011033661 A1 JP WO2011033661A1 JP 2011531734 A JP2011531734 A JP 2011531734A JP 2011531734 A JP2011531734 A JP 2011531734A JP WO2011033661 A1 JPWO2011033661 A1 JP WO2011033661A1
Authority
JP
Japan
Prior art keywords
engine
transient
state model
parameter
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2011531734A
Other languages
Japanese (ja)
Other versions
JP5377655B2 (en
Inventor
フィッシャー ミハエル
フィッシャー ミハエル
安井　裕司
裕司 安井
中島　幸一
幸一 中島
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Publication of JPWO2011033661A1 publication Critical patent/JPWO2011033661A1/en
Application granted granted Critical
Publication of JP5377655B2 publication Critical patent/JP5377655B2/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02N—STARTING OF COMBUSTION ENGINES; STARTING AIDS FOR SUCH ENGINES, NOT OTHERWISE PROVIDED FOR
    • F02N3/00—Other muscle-operated starting apparatus
    • F02N3/02—Other muscle-operated starting apparatus having pull-cords
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/04—Introducing corrections for particular operating conditions
    • F02D41/06—Introducing corrections for particular operating conditions for engine starting or warming up
    • F02D41/062—Introducing corrections for particular operating conditions for engine starting or warming up for starting
    • F02D41/064—Introducing corrections for particular operating conditions for engine starting or warming up for starting at cold start
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/04—Introducing corrections for particular operating conditions
    • F02D41/06—Introducing corrections for particular operating conditions for engine starting or warming up
    • F02D41/062—Introducing corrections for particular operating conditions for engine starting or warming up for starting
    • F02D41/065—Introducing corrections for particular operating conditions for engine starting or warming up for starting at hot start or restart
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D41/1405—Neural network control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/04—Engine intake system parameters
    • F02D2200/0414—Air temperature
    • F02D2200/0416—Estimation of air temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/10—Parameters related to the engine output, e.g. engine torque or engine speed
    • F02D2200/1012—Engine speed gradient
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02N—STARTING OF COMBUSTION ENGINES; STARTING AIDS FOR SUCH ENGINES, NOT OTHERWISE PROVIDED FOR
    • F02N2200/00—Parameters used for control of starting apparatus
    • F02N2200/02—Parameters used for control of starting apparatus said parameters being related to the engine
    • F02N2200/022—Engine speed

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)

Abstract

内燃機関の制御装置が提供される。この装置では、機関の定常運転に対応し、ニューラルネットワークを用いて機関の所定運転パラメータを出力する定常状態モデルと、機関の過渡運転に対応し、ニューラルネットワークを用いて、所定運転パラメータを出力する過渡状態モデルとを用いて、機関の制御パラメータが算出される。すなわち、機関が過渡運転状態にあるか否かが判定され、その判定結果に応じて定常状態モデル及び過渡状態モデルの一方が選択され、選択されたモデルの出力に応じて機関制御パラメータが算出される。A control device for an internal combustion engine is provided. In this apparatus, a steady state model that outputs a predetermined operating parameter of the engine using a neural network corresponding to the steady operation of the engine, and a predetermined operating parameter that outputs a predetermined operating parameter corresponding to the transient operation of the engine is output. The engine control parameters are calculated using the transient state model. That is, it is determined whether the engine is in a transient operation state, one of the steady state model and the transient state model is selected according to the determination result, and the engine control parameter is calculated according to the output of the selected model. The

Description

本発明は内燃機関の制御装置に関し、特にニューラルネットワークを用いて制御を行うものに関する。   The present invention relates to a control device for an internal combustion engine, and more particularly to an apparatus for performing control using a neural network.

特許文献１には、内燃機関の運転状態を示すパラメータ、例えばスロットル弁開度、吸気圧、機関回転数、吸気温などを入力パラメータするニューラルネットワークを用いて、空燃比を推定するパラメータ推定装置が示されている。
この装置では、入力パラメータに応じて複数の機関運転領域が設定されており、使用するニューラルネットワークにおける演算経路が機関運転領域に応じて変更される。Patent Document 1 discloses a parameter estimation device that estimates an air-fuel ratio using a neural network that inputs parameters indicating an operating state of an internal combustion engine, for example, throttle valve opening, intake pressure, engine speed, intake air temperature, and the like. It is shown.
In this apparatus, a plurality of engine operation areas are set according to input parameters, and the calculation path in the neural network to be used is changed according to the engine operation area.

特開平１１−８５７１９号公報JP 11-85719 A

空燃比など機関運転パラメータを、他の運転パラメータに応じて推定（算出）する場合、機関運転状態が定常運転状態にあるか、過渡運転状態にあるかに依存して、推定精度が大きく変化することがある。特許文献１に示された装置では、運転パラメータの過去値もニューラルネットワークの入力パラメータとすることにより、過渡運転状態に対応しているが、１つのニューラルネットワークでは十分に対応できない可能性がある。また１つのニューラルネットワークの規模が大きくなり、演算量が増加するという課題がある。   When estimating (calculating) engine operating parameters such as air-fuel ratio according to other operating parameters, the estimation accuracy varies greatly depending on whether the engine operating state is in a steady operating state or in a transient operating state. Sometimes. In the apparatus disclosed in Patent Document 1, the past value of the operation parameter is also used as the input parameter of the neural network, so that it corresponds to the transient operation state, but there is a possibility that one neural network cannot sufficiently cope with it. In addition, there is a problem that the scale of one neural network increases and the amount of calculation increases.

本発明はこの点に着目してなされたものであり、機関の定常運転状態だけでなく過渡運転状態においても、ニューラルネットワークを適切に使用して、機関運転中の演算負荷を抑制しつつ、制御精度を高めることができる内燃機関の制御装置を提供することを目的とする。   The present invention has been made paying attention to this point, and appropriately uses a neural network not only in a steady operation state of an engine but also in a transient operation state, and while controlling the calculation load during operation of the engine, the control is performed. It is an object of the present invention to provide a control device for an internal combustion engine that can improve accuracy.

上記目的を達成するため本発明は、内燃機関の制御装置において、前記機関の定常運転に対応し、ニューラルネットワーク（ＳＯＭＳＳ）を用いて前記機関の所定運転パラメータ（ＴＨＣＭＤ）を出力する定常状態モデルと、前記機関の過渡運転に対応し、ニューラルネットワーク（ＳＯＭＴＳ）を用いて、前記所定運転パラメータ（ＴＨＣＭＤ）を出力する過渡状態モデルとを用いて、前記機関の制御パラメータ（ＩＤＴＨ）を算出する制御パラメータ算出手段を備え、前記制御パラメータ算出手段は、前記機関が前記過渡運転状態にあるか否かを判定する過渡状態判定手段と、前記過渡状態判定手段による判定結果に応じて前記定常状態モデル及び過渡状態モデルの一方を選択する選択手段とを備え、選択されたモデルの出力に応じて前記制御パラメータ（ＴＨＣＭＤ）を算出することを特徴とする。   To achieve the above object, the present invention provides a control apparatus for an internal combustion engine, which corresponds to the steady operation of the engine and outputs a predetermined operating parameter (THCMD) of the engine using a neural network (SOMSS), and A control parameter for calculating the engine control parameter (IDTH) using a neural network (SOMTS) and a transient state model that outputs the predetermined operation parameter (THCMD) in response to the transient operation of the engine The control parameter calculating means includes a transient state determining means for determining whether or not the engine is in the transient operation state, and the steady state model and the transient state according to a determination result by the transient state determining means. Selecting means for selecting one of the state models, and depending on the output of the selected model And calculates the control parameters (THCMD).

この構成によれば、機関の定常運転に対応し、ニューラルネットワークを用いて所定運転パラメータを出力する定常状態モデルと、機関の過渡運転に対応し、ニューラルネットワークを用いて、所定運転パラメータを出力する過渡状態モデルとを用いて、機関の制御パラメータが算出される。具体的には、機関が過渡運転状態にあるか否かが判定され、その判定結果に応じて定常状態モデル及び過渡状態モデルの一方が選択され、選択されたモデルの出力に応じて制御パラメータが算出される。したがって、機関の定常運転状態及び過渡運転状態のそれぞれに適した運転パラメータが得られ、その運転パラメータを用いて算出される制御パラメータによる制御精度を高めることができる。   According to this configuration, a steady state model that outputs a predetermined operation parameter using a neural network corresponding to the steady operation of the engine, and a predetermined operation parameter that outputs a predetermined operation parameter corresponding to the transient operation of the engine are output. The engine control parameters are calculated using the transient state model. Specifically, it is determined whether or not the engine is in a transient operation state, one of the steady state model and the transient state model is selected according to the determination result, and the control parameter is determined according to the output of the selected model. Calculated. Therefore, operation parameters suitable for each of the steady operation state and the transient operation state of the engine can be obtained, and the control accuracy by the control parameters calculated using the operation parameters can be improved.

また、前記定常状態モデルには入力パラメータの第１の組（ＧＡＩＲＣＭＤ，ＰＢ，ＰＩ，ＮＥ）が入力され、前記過渡状態モデルには、前記第１の組と異なる第２の組の入力パラメータ（ＤＧＡＩＲＣＭＤ，ＤＰＢ，ＤＰＩ，ＤＮＥ）が入力され、前記制御パラメータ算出手段は、前記選択手段により選択されたモデルについてのみ前記モデル出力の演算を行うことが望ましい。   The steady state model is input with a first set of input parameters (GAIRCMD, PB, PI, NE), and the transient state model has a second set of input parameters different from the first set ( DGAIRCMD, DPB, DPI, DNE) are input, and the control parameter calculation means preferably calculates the model output only for the model selected by the selection means.

この構成によれば、定常状態モデル及び過度状態モデルにはそれぞれ異なる第１及び第２の組の入力パラメータが入力され、選択手段により選択されたモデルについてのみモデル出力の演算が行われる。したがって、２つのモデルにおけるニューラルネットワークの演算を常時並行して実行する必要がなく、演算負荷を抑制することができる。   According to this configuration, different first and second sets of input parameters are input to the steady state model and the transient state model, and the model output is calculated only for the model selected by the selection unit. Therefore, it is not necessary to always execute the computation of the neural network in the two models in parallel, and the computation load can be suppressed.

また、前記過渡状態判定手段は、前記定常状態モデルの入力パラメータ（ＧＡＩＲＣＭＤ，ＰＢ，ＰＩ，ＮＥ）の少なくとも１つの変化量が所定変化量より大きいとき、前記機関が過渡運転状態にあると判定することが望ましい。   The transient state determination means determines that the engine is in a transient operation state when at least one change amount of input parameters (GAIRCMD, PB, PI, NE) of the steady state model is larger than a predetermined change amount. It is desirable.

この構成によれば、定常状態モデルの入力パラメータの少なくとも１つの変化量が所定量より大きいとき、機関が過渡運転状態にあると判定されるので、過渡状態モデルを適用すべき過渡運転状態を適切に判定することができる。   According to this configuration, when at least one change amount of the input parameter of the steady state model is larger than the predetermined amount, it is determined that the engine is in the transient operation state. Can be determined.

本発明の一実施形態にかかる内燃機関及びその制御装置の構成を示す図である。It is a figure which shows the structure of the internal combustion engine and its control apparatus concerning one Embodiment of this invention. 自己組織化マップを説明するための図である。It is a figure for demonstrating a self-organization map. 自己組織化マップを説明するための図である。It is a figure for demonstrating a self-organization map. 吸入空気量（ＧＡＩＲ）とスロットル弁開度（ＴＨ）との関係を示す図である。It is a figure which shows the relationship between intake air amount (GAIR) and throttle valve opening (TH). スロットル弁の目標開度（ＴＨＣＭＤ）を算出する処理のフローチャートである。It is a flowchart of the process which calculates the target opening degree (THCMD) of a throttle valve. 図５の処理で実行される自己組織化マップ（ＳＯＭ）演算処理のフローチャートである。It is a flowchart of the self-organization map (SOM) calculation process performed by the process of FIG.

以下本発明の実施の形態を図面を参照して説明する。
図１は本発明の一実施形態にかかる内燃機関、及びその制御装置の構成を示す図である。内燃機関（以下「エンジン」という）１は、シリンダ内に燃料を直接噴射するディーゼルエンジンであり、各気筒に燃料噴射弁９が設けられている。燃料噴射弁９は、電子制御ユニット（以下「ＥＣＵ」という）２０に電気的に接続されており、燃料噴射弁９の開弁時期及び開弁時間は、すなわち燃料噴射時期及び燃料噴射量は、ＥＣＵ２０により制御される。Embodiments of the present invention will be described below with reference to the drawings.
FIG. 1 is a diagram showing a configuration of an internal combustion engine and a control device thereof according to an embodiment of the present invention. An internal combustion engine (hereinafter referred to as “engine”) 1 is a diesel engine that directly injects fuel into a cylinder, and a fuel injection valve 9 is provided in each cylinder. The fuel injection valve 9 is electrically connected to an electronic control unit (hereinafter referred to as “ECU”) 20, and the opening timing and opening time of the fuel injection valve 9, that is, the fuel injection timing and the fuel injection amount are: It is controlled by the ECU 20.

エンジン１は、吸気管２，排気管４、及びターボチャージャ８を備えている。ターボチャージャ８は、排気の運動エネルギにより回転駆動されるタービンホイール１０を有するタービン１１と、タービンホイール１０とシャフト１４を介して連結されたコンプレッサホイール１５を有するコンプレッサ１６とを備えている。コンプレッサホイール１５は、エンジン１に吸入される空気の加圧（圧縮）を行う。   The engine 1 includes an intake pipe 2, an exhaust pipe 4, and a turbocharger 8. The turbocharger 8 includes a turbine 11 having a turbine wheel 10 that is rotationally driven by the kinetic energy of exhaust, and a compressor 16 having a compressor wheel 15 connected to the turbine wheel 10 via a shaft 14. The compressor wheel 15 pressurizes (compresses) air sucked into the engine 1.

タービン１１は、タービンホイール１０に吹き付けられる排気ガスの流量を変化させるべく開閉駆動される複数の可変ベーン１２（２個のみ図示）及び該可変ベーンを開閉駆動するアクチュエータ（図示せず）を有しており、可変ベーン１２の開度（以下「ベーン開度」という）θｖｇｔを変化させることにより、タービンホイール１０に吹き付けられる排気ガスの流量を変化させ、タービンホイール１０の回転速度を変更できるように構成されている。可変ベーン１２を駆動するアクチュエータは、ＥＣＵ２０に接続されており、ベーン開度θｖｇｔは、ＥＣＵ２０により制御される。より具体的には、ＥＣＵ２０は、デューティ比可変の制御信号をアクチュエータに供給し、これによってベーン開度θｖｇｔを制御する。なお、可変ベーンを有するターボチャージャの構成は広く知られており、例えば特開平１−２０８５０１号公報に示されている。   The turbine 11 has a plurality of variable vanes 12 (only two are shown) that are driven to change the flow rate of exhaust gas blown to the turbine wheel 10, and an actuator (not shown) that drives the variable vanes to open and close. The flow rate of the exhaust gas blown to the turbine wheel 10 can be changed by changing the opening degree of the variable vane 12 (hereinafter referred to as “vane opening degree”) θvgt so that the rotational speed of the turbine wheel 10 can be changed. It is configured. The actuator that drives the variable vane 12 is connected to the ECU 20, and the vane opening degree θvgt is controlled by the ECU 20. More specifically, the ECU 20 supplies a control signal with a variable duty ratio to the actuator, thereby controlling the vane opening θvgt. The configuration of a turbocharger having a variable vane is widely known, and is disclosed in, for example, Japanese Patent Laid-Open No. 1-208501.

吸気管２のコンプレッサ１６の下流側にはインタークーラ１８が設けられ、さらにインタークーラ１８の下流側には、スロットル弁３が設けられている。スロットル弁３は、アクチュエータ１９により開閉駆動可能に構成されており、アクチュエータ１９はＥＣＵ２０に接続されている。ＥＣＵ２０は、アクチュエータ１９を介して、スロットル弁３の開度制御を行う。   An intercooler 18 is provided on the downstream side of the compressor 16 in the intake pipe 2, and a throttle valve 3 is provided on the downstream side of the intercooler 18. The throttle valve 3 is configured to be opened and closed by an actuator 19, and the actuator 19 is connected to the ECU 20. The ECU 20 controls the opening degree of the throttle valve 3 via the actuator 19.

排気管４と吸気管２との間には、排気ガスを吸気管２に還流する排気還流通路５が設けられている。排気還流通路５には、排気還流量（ＥＧＲ量）を制御するための排気還流制御弁（以下［ＥＧＲ弁」という）６が設けられている。ＥＧＲ弁６は、ソレノイドを有する電磁弁であり、その弁開度はＥＣＵ２０により制御される。ＥＧＲ弁６には、その弁開度（弁リフト量）ＬＡＣＴを検出するリフトセンサ７が設けられており、その検出信号はＥＣＵ２０に供給される。排気還流通路５及びＥＧＲ弁６より、排気還流装置が構成される。   Between the exhaust pipe 4 and the intake pipe 2, an exhaust gas recirculation passage 5 that recirculates exhaust gas to the intake pipe 2 is provided. The exhaust gas recirculation passage 5 is provided with an exhaust gas recirculation control valve (hereinafter referred to as “EGR valve”) 6 for controlling the exhaust gas recirculation amount (EGR amount). The EGR valve 6 is an electromagnetic valve having a solenoid, and the valve opening degree is controlled by the ECU 20. The EGR valve 6 is provided with a lift sensor 7 for detecting the valve opening degree (valve lift amount) LACT, and the detection signal is supplied to the ECU 20. The exhaust gas recirculation passage 5 and the EGR valve 6 constitute an exhaust gas recirculation device.

吸気管２には、吸入空気流量ＧＡを検出する吸入空気流量センサ２１、コンプレッサ１６の下流側の吸気圧（過給圧）ＰＢを検出する過給圧センサ２２、吸気温ＴＩを検出する吸気温センサ２３、及び吸気圧ＰＩを検出する吸気圧センサ２４が設けられている。これらのセンサ２１〜２４は、ＥＣＵ２０と接続されており、センサ２１〜２４の検出信号は、ＥＣＵ２０に供給される。   The intake pipe 2 includes an intake air flow rate sensor 21 that detects an intake air flow rate GA, a boost pressure sensor 22 that detects an intake pressure (supercharge pressure) PB downstream of the compressor 16, and an intake air temperature that detects an intake air temperature TI. A sensor 23 and an intake pressure sensor 24 for detecting the intake pressure PI are provided. These sensors 21 to 24 are connected to the ECU 20, and detection signals from the sensors 21 to 24 are supplied to the ECU 20.

排気管４の、タービン１１の下流側には、排気中に含まれるＮＯｘを浄化するＮＯｘ浄化装置であるリーンＮＯｘ触媒３１と、排気中に含まれる粒子状物質（主としてすすからなる）を捕集する粒子状物質フィルタ３２とが設けられている。リーンＮＯｘ触媒３１は、排気中の酸素濃度が比較的高い状態、すなわち還元成分（ＨＣ、ＣＯ）の濃度が比較的低い状態でＮＯｘが捕捉され、排気中の還元成分濃度が高い状態で捕捉したＮＯｘが還元成分により還元されて放出されるように構成されている。   On the downstream side of the turbine 11 in the exhaust pipe 4, a lean NOx catalyst 31 that is a NOx purification device that purifies NOx contained in the exhaust, and particulate matter (mainly composed of soot) contained in the exhaust are collected. A particulate matter filter 32 is provided. The lean NOx catalyst 31 captures NOx in a state where the oxygen concentration in the exhaust is relatively high, that is, in a state where the concentration of the reducing components (HC, CO) is relatively low, and captures in a state where the concentration of the reducing component in the exhaust is high. NOx is reduced by the reducing component and released.

エンジン１により駆動される車両のアクセルペダル（図示せず）の踏み込み量（以下「アクセルペダル操作量」という）ＡＰを検出するアクセルセンサ２７、、及びエンジン回転数（回転速度）ＮＥを検出するエンジン回転数センサ２８がＥＣＵ２０に接続されており、これらのセンサの検出信号は、ＥＣＵ２０に供給される。エンジン回転数センサ２８は、所定クランク角度（例えば６度）毎に発生するクランク角度パルス及びエンジン１の各気筒のピストンが上死点に位置するタイミングに同期して発生するＴＤＣパルスをＥＣＵ２０に供給する。   An accelerator sensor 27 that detects a depression amount (hereinafter referred to as “accelerator pedal operation amount”) AP of an accelerator pedal (not shown) of a vehicle driven by the engine 1, and an engine that detects an engine speed (rotation speed) NE A rotation speed sensor 28 is connected to the ECU 20, and detection signals from these sensors are supplied to the ECU 20. The engine speed sensor 28 supplies the ECU 20 with a crank angle pulse generated at every predetermined crank angle (for example, 6 degrees) and a TDC pulse generated in synchronization with the timing at which the piston of each cylinder of the engine 1 is located at the top dead center. To do.

ＥＣＵ２０は、各種センサからの入力信号波形を整形し、電圧レベルを所定レベルに修正し、アナログ信号値をデジタル信号値に変換する等の機能を有する入力回路、中央演算処理ユニット（以下「ＣＰＵ」という）、ＣＰＵで実行される各種演算プログラム及び演算結果等を記憶する記憶回路、タービン１１の可変ベーン１２を駆動するアクチュエータ、燃料噴射弁９、ＥＧＲ弁６、スロットル弁３を駆動するアクチュエータ１９などに駆動信号を供給する出力回路から構成される。   The ECU 20 shapes input signal waveforms from various sensors, corrects the voltage level to a predetermined level, converts an analog signal value into a digital signal value, a central processing unit (hereinafter referred to as “CPU”). A storage circuit for storing various calculation programs executed by the CPU and calculation results, an actuator for driving the variable vane 12 of the turbine 11, a fuel injection valve 9, an EGR valve 6, an actuator 19 for driving the throttle valve 3, etc. It comprises an output circuit for supplying a drive signal.

ＥＣＵ２０は、エンジン運転状態（主としてエンジン回転数ＮＥ及びエンジン負荷目標値Ｐｍｅｃｍｄに応じて燃料噴射弁９による燃料噴射制御、ＥＧＲ弁６による排気還流制御、可変ベーン１２による過給圧制御などを行う。エンジン負荷目標値Ｐｍｅｃｍｄは、アクセルペダル操作量ＡＰに応じて算出され、アクセルペダル操作量ＡＰが増加するほど増加するように設定される。   The ECU 20 performs an engine operation state (mainly, fuel injection control by the fuel injection valve 9, exhaust gas recirculation control by the EGR valve 6, supercharging pressure control by the variable vane 12 in accordance with the engine speed NE and the engine load target value Pmecmd). The engine load target value Pmecmd is calculated according to the accelerator pedal operation amount AP, and is set to increase as the accelerator pedal operation amount AP increases.

ＥＣＵ２０は、自己組織化マップアルゴリズムが適用されるニューラルネットワーク（以下単に「自己組織化マップ」という）を用いて、目標吸入空気量ＧＡＩＲＣＭＤ［ｇ／ｓｅｃ］に応じた目標スロットル弁開度ＴＨＣＭＤの算出を行い、検出されるスロットル弁開度ＴＨが目標スロットル弁開度ＴＨＣＭＤと一致するようにアクチュエータ１９を駆動する。   The ECU 20 calculates the target throttle valve opening THCMD according to the target intake air amount GAIRCMD [g / sec] using a neural network to which the self-organizing map algorithm is applied (hereinafter simply referred to as “self-organizing map”). The actuator 19 is driven so that the detected throttle valve opening TH matches the target throttle valve opening THCMD.

本実施形態では、エンジン１の定常運転状態に対応する定常状態モデル自己組織化マップＳＯＭＳＳと、エンジン１の過渡運転状態に対応する過渡状態モデル自己組織化マップＳＯＭＴＳとを用いて、目標スロットル弁開度ＴＨＣＭＤの算出を行う。   In the present embodiment, the target throttle valve opening is performed using the steady state model self-organizing map SOMSS corresponding to the steady operating state of the engine 1 and the transient state model self organizing map SOMTS corresponding to the transient operating state of the engine 1. The degree THCMD is calculated.

以下自己組織化マップについて詳細に説明する。
Ｎ個の要素からなる入力データベクトルｘjを下記式（１）で定義し、自己組織化マップを構成する各ニューロンの重みベクトルｗiを下記式（２）で定義する。ニューロンの数はＭ個とする。すなわち、パラメータｉは、１からＭまでの値をとる。重みベクトルｗiの初期値は乱数を用いて与えられる。
ｘj＝（ｘj1，ｘj2，…，ｘjN） （１）
ｗi＝（ｗi1，ｗi2，…，ｗiN） （２）The self-organizing map will be described in detail below.
An input data vector xj composed of N elements is defined by the following equation (1), and a weight vector wi of each neuron constituting the self-organizing map is defined by the following equation (2). The number of neurons is M. That is, the parameter i takes a value from 1 to M. The initial value of the weight vector wi is given using a random number.
xj = (xj1, xj2,..., xjN) (1)
wi = (wi1, wi2, ..., wiN) (2)

Ｍ個のニューロンについて、入力データベクトルｘjと対応するニューロンの重みベクトルｗiとのユークリッド距離ＤＷＸ＝｜ｗi−ｘj｜を算出し、距離ＤＷＸが最小となるニューロンを勝者ニューロンとする。ユークリッド距離ＤＷＸは、下記式（３）により算出される。

Figure 2011033661
For M neurons, the Euclidean distance DWX = | wi−xj | between the input data vector xj and the corresponding neuron weight vector wi is calculated, and the neuron with the smallest distance DWX is defined as the winner neuron. The Euclidean distance DWX is calculated by the following formula (3).
Figure 2011033661

次に勝者ニューロン及びその近傍のニューロン集合Ｎcに含まれるニューロンの重みベクトルｗiを下記式（４）により、更新する。式（４）のα(t)は、学習係数であり、ｔは学習回数である。学習係数α(t)は、例えば初期値が「０．８」に設定され、学習回数ｔの増加とともに減少するように設定される。
ｗi(t+1)＝ｗi(t)＋α(t)（ｘj−ｗi(t)） （４）Next, the weight vector wi of the neuron included in the winner neuron and its neighboring neuron set Nc is updated by the following equation (4). In equation (4), α (t) is a learning coefficient, and t is the number of learnings. The learning coefficient α (t) is set such that the initial value is set to “0.8”, for example, and decreases as the number of learning times t increases.
wi (t + 1) = wi (t) + α (t) (xj−wi (t)) (4)

ニューロン集合Ｎcに含まれないニューロンの重みベクトルｗiは下記式（５）で示すように前の値を維持する。
ｗi(t+1)＝ｗi(t) （５）The neuron weight vector wi not included in the neuron set Nc maintains the previous value as shown in the following equation (5).
wi (t + 1) = wi (t) (5)

なお、ニューロン集合Ｎcも学習回数ｔの関数であり、学習回数ｔが増加するほど、近傍の範囲を狭くするように設定される。式（４）による重みベクトルの更新により、勝者ニューロン及びその近傍のニューロンの重みベクトルは、入力データベクトルに近づくように修正される。   Note that the neuron set Nc is also a function of the learning count t, and is set so that the neighborhood range becomes narrower as the learning count t increases. By updating the weight vector according to Equation (4), the weight vectors of the winner neuron and the neighboring neurons are corrected so as to approach the input data vector.

上述した学習規則にしたがった演算を多数の入力データベクトルについて実行すると、Ｍ個のニューロンの配置は、入力データベクトルの分布状態を反映したものとなる。例えば、入力データベクトルを簡単のために２次元ベクトルとして、その配置を平面上に表したとき、入力データベクトルが平面上に一様に分布しているときは、学習後のニューロンの配置は平面上に一様に分布する。また入力データベクトルの分布に偏り（粗密）があるときには、ニューロンの分布状態は、同様の偏りのある分布状態となる。   When the operation according to the learning rules described above is executed for a large number of input data vectors, the arrangement of M neurons reflects the distribution state of the input data vectors. For example, when the input data vector is represented as a two-dimensional vector for the sake of simplicity and the arrangement is represented on a plane, and the input data vector is uniformly distributed on the plane, the neuron arrangement after learning is flat. Distributed uniformly on the top. When the distribution of input data vectors is biased (dense / dense), the distribution state of neurons is the same biased distribution state.

このようにして得られた自己組織化マップは、学習ベクトル量子化（ＬＶＱ）アルゴリズムをさらに適用することにより、ニューロンの配置をより適切なものとするようにしてもよい。   The self-organizing map obtained in this way may be made to have a more appropriate arrangement of neurons by further applying a learning vector quantization (LVQ) algorithm.

図２は、本実施形態における目標スロットル弁開度ＴＨＣＭＤを算出する定常状態モデル自己組織化マップＳＯＭＳＳを２次元マップとして示す。この２次元マップは、最も支配的な要因となる２つの入力パラメータである目標吸入空気量ＧＡＩＲＣＭＤ及び過給圧ＰＢによって定義されている。入力データベクトルｘＴＨは下記式（１０）で定義される。すなわち、入力パラメータは目標吸入空気量ＧＡＩＲＣＭＤ、過給圧ＰＢ、吸気圧ＰＩ、及びエンジン回転数ＮＥである。
ｘＴＨ＝（ＧＡＩＲＣＭＤ，ＰＢ，ＰＩ，ＮＥ） （１０）FIG. 2 shows a steady-state model self-organizing map SOMSS for calculating the target throttle valve opening THCMD in this embodiment as a two-dimensional map. This two-dimensional map is defined by a target intake air amount GAIRCMD and a supercharging pressure PB, which are two input parameters that are the most dominant factors. The input data vector xTH is defined by the following formula (10). That is, the input parameters are the target intake air amount GAIRCMD, the supercharging pressure PB, the intake pressure PI, and the engine speed NE.
xTH = (GAIRCMD, PB, PI, NE) (10)

図２に示すマップは複数の領域ＲＮＲi（ｉ＝１〜Ｍ，Ｍ＝３６）に分割されており、各領域に１つのニューロンＮＲi（「＊」でプロットされている）が含まれる。多数の入力データベクトルｘＴＨによる学習を予め行うことによって、各ニューロンＮＲiの位置（重みベクトルｗi）が決定され、さらに隣接するニューロンとの位置関係を考慮して境界線を引くことにより、各領域ＲＮＲiが定義されている。学習の際に適用する入力データベクトルｘＴＨの分布を、実際のエンジン運転中の出現分布と一致させておくことにより、エンジン運転中に出現頻度の高い運転状態に対応する領域においては、ニューロンＮＲiの分布が密になる。これにより、出現頻度の高い運転状態における目標スロットル弁開度ＴＨＣＭＤの算出精度を高めることができる。図２に示すマップは、標準的なエンジン（新品でかつ作動特性が平均的なエンジン）に対応する学習を行うことにより得られたものである。なお、図２には黒丸で学習に適用した入力データがプロットされている。   The map shown in FIG. 2 is divided into a plurality of regions RNRi (i = 1 to M, M = 36), and each region includes one neuron NRi (plotted by “*”). By performing learning with a large number of input data vectors xTH in advance, the position (weight vector w i) of each neuron NR i is determined, and further, by drawing a boundary line in consideration of the positional relationship with adjacent neurons, each region RNR i Is defined. By matching the distribution of the input data vector xTH applied during learning with the appearance distribution during actual engine operation, in the region corresponding to the operation state having a high appearance frequency during engine operation, the neuron NRi Distribution is dense. Thereby, the calculation accuracy of the target throttle valve opening THCMD in the operation state with high appearance frequency can be increased. The map shown in FIG. 2 is obtained by performing learning corresponding to a standard engine (a new engine and an engine having an average operating characteristic). In FIG. 2, the input data applied to learning is plotted with black circles.

自己組織化マップの学習中においては、入力データベクトルｘＴＨと、その入力データベクトルｘＴＨに対応するスロットル弁開度ＴＨとを用いて、下記式（１１）で示す重み係数ベクトルＣi（ｉ＝１〜Ｍ）が算出され、記憶される。重み係数ベクトルＣiは、各ニューロンＮＲiに対応して算出され、記憶される。
Ｃi＝（Ｃ０i，Ｃ１i，Ｃ２i，Ｃ３i，Ｃ４i） （１１）During learning of the self-organizing map, a weighting coefficient vector Ci (i = 1 to 1) represented by the following equation (11) is used by using the input data vector xTH and the throttle valve opening TH corresponding to the input data vector xTH. M) is calculated and stored. The weight coefficient vector Ci is calculated and stored corresponding to each neuron NRi.
Ci = (C0i, C1i, C2i, C3i, C4i) (11)

実際の制御演算においては、入力データベクトルｘＴＨの要素である目標吸入空気量ＧＡＩＲＣＭＤ及び過給圧ＰＢによって決まるその時点のマップ上の動作点を含む領域ＲＮＲiが選択され、領域ＲＮＲｉを代表するニューロンＮＲiに対応付けられた重み係数ベクトルＣi及び入力データベクトルｘＴＨを下記式（１２）に適用して、目標スロットル弁開度ＴＨＣＭＤが算出される。この式（１２）が、本実施形態における定常状態モデルを定義する数式に相当する。
ＴＨＣＭＤ＝Ｃ１i×ＧＡＩＲＣＭＤ＋Ｃ２i×ＰＢ
＋Ｃ３i×ＰＩ＋Ｃ４i×ＮＥ＋Ｃ０i （１２）In actual control calculation, a region RNRi including an operating point on the map at that time determined by the target intake air amount GAIRCMD and the supercharging pressure PB which are elements of the input data vector xTH is selected, and the neuron NRi representing the region RNRi is selected. The target throttle valve opening THCMD is calculated by applying the weighting coefficient vector Ci and the input data vector xTH associated with to the following equation (12). This expression (12) corresponds to a mathematical expression that defines the steady state model in the present embodiment.
THCMD = C1i x GAIRCMD + C2i x PB
+ C3i * PI + C4i * NE + C0i (12)

一方、過渡状態モデル自己組織化マップＳＯＭＴＳは、上述した定常状態モデル自己組織化マップＳＯＭＳＳの入力パラメータの変化量が入力パラメータとして適用される。すなわち、下記式（２１）〜（２４）により、目標吸入空気量変化量ＤＧＡＩＲＣＭＤ、過給圧変化量ＤＰＢ、吸気圧変化量ＤＰＩ、及び回転数変化量ＤＮＥが算出され、過渡状態モデル自己組織化マップＳＯＭＴＳの入力パラメータとして適用される。これらの数式中の「ｋ」は、目標スロットル弁開度ＴＨＣＭＤの算出周期ＴＣで離散化した離散化時刻である。
ＤＧＡＩＲＣＭＤ＝ＧＡＩＲＣＭＤ(k)−ＧＡＩＲＣＭＤ(k-1) （２１）
ＤＰＢ＝ＰＢ(k)−ＰＢ(k-1) （２２）
ＤＰＩ＝ＰＩ(k)−ＰＩ(k-1) （２３）
ＤＮＥ＝ＮＥ(k)−ＮＥ(k-1) （２４）On the other hand, in the transient state model self-organizing map SOMTS, the change amount of the input parameter of the steady state model self-organizing map SOMSS described above is applied as an input parameter. That is, a target intake air amount change amount DGAIRCMD, a supercharging pressure change amount DPB, an intake pressure change amount DPI, and a rotational speed change amount DNE are calculated by the following equations (21) to (24), and a transient state model self-organization is performed. Applied as an input parameter for the map SOMTS. “K” in these mathematical expressions is a discretization time discretized at the calculation cycle TC of the target throttle valve opening THCMD.
DGAIRCMD = GAIRCMD (k) −GAIRCMD (k−1) (21)
DPB = PB (k) −PB (k−1) (22)
DPI = PI (k) -PI (k-1) (23)
DNE = NE (k) −NE (k−1) (24)

図３は、本実施形態における目標スロットル弁開度ＴＨＣＭＤを算出する過渡状態モデル自己組織化マップＳＯＭＴＳを２次元マップとして示す。この２次元マップは、目標吸入空気量変化量ＤＧＡＩＲＣＭＤ及び過給圧変化量ＤＰＢによって定義されている。入力データベクトルｘＴＨＤは下記式（２５）で定義される。
ｘＴＨＤ＝（ＤＧＡＩＲＣＭＤ，ＤＰＢ，ＤＰＩ，ＤＮＥ） （２５）FIG. 3 shows, as a two-dimensional map, a transient state model self-organizing map SOMTS for calculating the target throttle valve opening THCMD in the present embodiment. This two-dimensional map is defined by the target intake air amount change amount DGAIRCMD and the supercharging pressure change amount DPB. The input data vector xTHD is defined by the following equation (25).
xTHD = (DGAIRCMD, DPB, DPI, DNE) (25)

上述した定常状態モデル自己組織化マップＳＯＭＳＳと同様の手法で、下記式（２６）で示す重み係数ベクトルＣＤｉ（ｉ＝１〜Ｍ）が学習によって算出され、記憶される。
ＣＤｉ＝（ＣＤ０ｉ，ＣＤ１ｉ，ＣＤ２ｉ，ＣＤ３ｉ，ＣＤ４ｉ）
（２６）A weighting coefficient vector CDi (i = 1 to M) represented by the following equation (26) is calculated by learning and stored in the same manner as the above-described steady state model self-organizing map SOMSS.
CDi = (CD0i, CD1i, CD2i, CD3i, CD4i)
(26)

過渡状態モデル自己組織化マップＳＯＭＴＳを用いる場合には、目標スロットル弁開度ＴＨＣＭＤは、下記式（２７）により算出される。この式（２７）が、本実施形態における過渡状態モデルを定義する数式に相当する。
ＴＨＣＭＤ＝ＣＤ１i×ＤＧＡＩＲＣＭＤ＋ＣＤ２i×ＤＰＢ
＋ＣＤ３i×ＤＰＩ＋ＣＤ４i×ＤＮＥ＋ＣＤ０i
（２７）When the transient state model self-organizing map SOMTS is used, the target throttle valve opening THCMD is calculated by the following equation (27). This expression (27) corresponds to a mathematical expression that defines the transient state model in the present embodiment.
THCMD = CD1i × DGAIRCMD + CD2i × DPB
+ CD3i × DPI + CD4i × DNE + CD0i
(27)

図４は、吸入空気量ＧＡＩＲ［ｇ／ｓｅｃ］と、スロットル弁開度ＴＨとの関係を示す図であり、曲線Ｌ１〜Ｌ５は、それぞれエンジン回転数ＮＥが１０００，１５００，２０００，２５００，及び３０００ｒｐｍである状態に対応する。   FIG. 4 is a diagram showing the relationship between the intake air amount GAIR [g / sec] and the throttle valve opening TH, and the curves L1 to L5 indicate that the engine speed NE is 1000, 1500, 2000, 2500, and This corresponds to the state of 3000 rpm.

この図から明らかなように、エンジン回転数ＮＥが一定という条件の下で、スロットル弁開度ＴＨを増加させていくと、吸入空気量ＧＡＩＲが増加するが一定値（飽和レベル）で飽和し、スロットル弁開度ＴＨを変化させても、吸入空気量ＧＡＩＲは変化しない。すなわち、吸入空気量ＧＡＩＲが飽和レベル（以下「最大吸入空気量ＧＡＩＲＭＡＸ」という）に達すると、スロットル弁開度ＴＨの変更は吸入空気量ＧＡＩＲに影響を与えない。そこで、本実施形態では、アクセルペダル操作量ＡＰ及びエンジン回転数ＮＥに応じて設定される目標吸入空気量ＧＡＩＲＣＭＤが、最大吸入空気量ＧＡＩＲＭＡＸに所定閾値係数ＫＴＨ（例えば０．９５）を乗算することにより得られる判定閾値ＧＡＩＲＴＨ以上であるときは、目標スロットル弁開度ＴＨＣＭＤを最大開度ＴＨＭＡＸ（例えば「９０度」）に設定するようにしている。これにより、吸入空気量の制御性を損なうこと無く、ＥＣＵ２０のＣＰＵの演算負荷を軽減することができる。一方、目標吸入空気量ＧＡＩＲＣＭＤが最大吸入空気量ＧＡＩＲＭＡＸより小さいときは、上述した自己組織化マップを用いて、目標スロットル弁開度ＴＨＣＭＤを算出するようにしている。これにより、実際の吸入空気量ＧＡＩＲを目標吸入空気量ＧＡＩＲＣＭＤに制御する上で最適のスロットル弁開度の設定を行うことができる。   As is apparent from this figure, when the throttle valve opening TH is increased under the condition that the engine speed NE is constant, the intake air amount GAIR increases, but is saturated at a constant value (saturation level). Even if the throttle valve opening TH is changed, the intake air amount GAIR does not change. That is, when the intake air amount GAIR reaches the saturation level (hereinafter referred to as “maximum intake air amount GAIRMAX”), the change in the throttle valve opening TH does not affect the intake air amount GAIR. Therefore, in the present embodiment, the target intake air amount GAIRCMD set according to the accelerator pedal operation amount AP and the engine speed NE is obtained by multiplying the maximum intake air amount GAIRMAX by a predetermined threshold coefficient KTH (for example, 0.95). Is equal to or greater than the determination threshold GAIRTH obtained by the above, the target throttle valve opening THCMD is set to the maximum opening THMAX (for example, “90 degrees”). Thereby, the calculation load of the CPU of the ECU 20 can be reduced without impairing the controllability of the intake air amount. On the other hand, when the target intake air amount GAIRCMD is smaller than the maximum intake air amount GAIRMAX, the target throttle valve opening THCMD is calculated using the above-described self-organizing map. As a result, the optimum throttle valve opening can be set for controlling the actual intake air amount GAIR to the target intake air amount GAIRCMD.

図５は、目標スロットル弁開度ＴＨＣＭＤを算出する処理のフローチャートであり、この処理はＥＣＵ２０のＣＰＵで所定時間ＴＣ毎に実行される。
ステップＳ１１では、アクセルペダル操作量ＡＰ及びエンジン回転数ＮＥに応じてＧＡＩＲＣＭＤマップ（図示せず）を検索し、目標吸入空気量ＧＡＩＲＣＭＤを算出する。ＧＡＩＲＣＭＤマップは、アクセルペダル操作量ＡＰが増加するほど目標吸入空気量ＧＡＩＲＣＭＤが増加し、かつエンジン回転数ＮＥが増加するほど目標吸入空気量ＧＡＩＲＣＭＤが増加するように設定されている。FIG. 5 is a flowchart of a process for calculating the target throttle valve opening THCMD, and this process is executed by the CPU of the ECU 20 every predetermined time TC.
In step S11, a GAIRCMD map (not shown) is searched according to the accelerator pedal operation amount AP and the engine speed NE to calculate a target intake air amount GAIRCMD. The GAIRCMD map is set so that the target intake air amount GAIRCMD increases as the accelerator pedal operation amount AP increases, and the target intake air amount GAIRCMD increases as the engine speed NE increases.

ステップＳ１２では、エンジン回転数ＮＥ及び過給圧ＰＢに応じてＧＡＩＲＭＡＸマップ（図示せず）を検索し、最大吸入空気量ＧＡＩＲＭＡＸを算出する。ＧＡＩＲＭＡＸマップは、エンジン回転数ＮＥが増加するほど最大吸入空気量ＧＡＩＲＭＡＸが増加し、かつ過給圧ＰＢが増加するほど最大吸入空気量ＧＡＩＲＭＡＸが増加するように設定されている。   In step S12, a GAIRMAX map (not shown) is searched according to the engine speed NE and the boost pressure PB, and the maximum intake air amount GAIRMAX is calculated. The GAIRMAX map is set so that the maximum intake air amount GAIRMAX increases as the engine speed NE increases, and the maximum intake air amount GAIRMAX increases as the boost pressure PB increases.

ステップＳ１３では、最大吸入空気量ＧＡＩＲＭＡＸに所定閾値係数ＫＴＨを乗算することにより、判定閾値ＧＡＩＲＴＨを算出する。ステップＳ１４では、目標吸入空気量ＧＡＩＲＣＭＤが判定閾値ＧＡＩＲＴＨより小さいか否かを判別し、この答が肯定（ＹＥＳ）であるときは、図６に示すＳＯＭ演算処理を実行し、上述した自己組織化マップＳＯＭＳＳまたはＳＯＭＴＳを用いて目標スロットル弁開度ＴＨＣＭＤを算出する（ステップＳ１５）。   In step S13, the determination threshold GAIRTH is calculated by multiplying the maximum intake air amount GAIRMAX by a predetermined threshold coefficient KTH. In step S14, it is determined whether or not the target intake air amount GAIRCMD is smaller than the determination threshold value GAIRTH. If the answer to step S14 is affirmative (YES), the SOM calculation process shown in FIG. The target throttle valve opening THCMD is calculated using the map SOMSS or SOMTS (step S15).

ステップＳ１４で、目標吸入空気量ＧＡＩＲＣＭＤが判定閾値ＧＡＩＲＴＨ以上であるときは、目標スロットル弁開度ＴＨＣＭＤを最大開度ＴＨＭＡＸに設定する。   If the target intake air amount GAIRCMD is greater than or equal to the determination threshold GAIRTH in step S14, the target throttle valve opening THCMD is set to the maximum opening THMAX.

図６のステップＳ２１では、上述した式（２１）〜（２４）により、目標吸入空気量変化量ＤＧＡＩＲＣＭＤ、過給圧変化量ＤＰＢ、吸気圧変化量ＤＰＩ、及び回転数変化量ＤＮＥを算出する。   In step S21 of FIG. 6, the target intake air amount change amount DGAIRCMD, the supercharging pressure change amount DPB, the intake pressure change amount DPI, and the rotational speed change amount DNE are calculated by the above-described equations (21) to (24).

ステップＳ２２では、目標吸入空気量変化量ＤＧＡＩＲＣＭＤが所定空気量変化量ＤＧＡＴＨより大きいか否かを判別し、その答が否定（ＮＯ）であるときは、過給圧変化量ＤＰＢが所定過給圧変化量ＤＰＢＴＨより大きいか否かを判別すし（ステップＳ２３）、この答が否定（ＮＯ）であるときは、吸気圧変化量ＤＰＩが所定吸気圧変化量ＤＰＩＴＨより大きいか否かを判別し（ステップＳ２４）、この答が否定（ＮＯ）であるときは、回転数変化量ＤＮＥが所定回転数変化量ＤＮＥＴＨより大きいか否かを判別する（ステップＳ２５）。   In step S22, it is determined whether or not the target intake air amount change amount DGAIRCMD is larger than the predetermined air amount change amount DGATH. If the answer is negative (NO), the boost pressure change amount DPB is set to the predetermined boost pressure. It is determined whether or not the amount of change DPBTH is greater (step S23). If the answer is negative (NO), it is determined whether or not the intake pressure change amount DPI is greater than a predetermined intake pressure change amount DPITH (step S23). S24) If the answer to step S25 is negative (NO), it is determined whether or not the rotational speed change amount DNE is greater than a predetermined rotational speed change amount DNETH (step S25).

ステップＳ２２〜Ｓ２５の何れかの答が肯定（ＹＥＳ）であるときは、エンジン１が過渡運転状態にあると判定し、過渡状態モデル自己組織化マップＳＯＭＴＳを用いて目標スロットル弁開度ＴＨＣＭＤを算出する（ステップＳ２７）。   When the answer to any of steps S22 to S25 is affirmative (YES), it is determined that the engine 1 is in a transient operation state, and the target throttle valve opening THCMD is calculated using the transient state model self-organizing map SOMTS. (Step S27).

一方、ステップＳ２５の答が否定（ＮＯ）であるときは、エンジン１が定常運転状態にあると判定し、定常状態モデル自己組織化マップＳＯＭＳＳを用いて目標スロットル弁開度ＴＨＣＭＤを算出する（ステップＳ２６）。   On the other hand, when the answer to step S25 is negative (NO), it is determined that the engine 1 is in a steady operation state, and the target throttle valve opening THCMD is calculated using the steady state model self-organizing map SOMSS (step S25). S26).

ＥＣＵ２０のＣＰＵは、検出されるスロットル弁開度ＴＨが図５及び図６の処理により算出される目標スロットル弁開度ＴＨＣＭＤと一致するように、アクチュエータ１９を駆動する駆動パラメータＩＤＴＨを算出し、スロットル弁開度制御（吸入空気量制御）を行う。   The CPU of the ECU 20 calculates a drive parameter IDTH for driving the actuator 19 so that the detected throttle valve opening TH matches the target throttle valve opening THCMD calculated by the processing of FIGS. Valve opening control (intake air amount control) is performed.

以上のように本実施形態では、エンジン１の定常運転に対応し、定常状態モデル自己組織化マップＳＯＭＳＳを用いて目標スロットル弁開度ＴＨＣＭＤを出力する定常状態モデルと、エンジン１の過渡運転に対応し、過渡状態モデル自己組織化マップＳＯＭＴＳを用いて目標スロットル弁開度ＴＨＣＭＤを出力する過渡状態モデルとを用いて、アクチュエータ１９の駆動パラメータＩＤＴＨが算出される。すなわち、図６のステップＳ２２〜Ｓ２５によってエンジン１が過渡運転状態にあるか否かが判定され、その判定結果に応じて定常状態モデル及び過渡状態モデルの一方が選択され、選択されたモデルの出力である目標スロットル弁開度ＴＨＣＭＤに応じて駆動パラメータＩＤＴＨが算出される。したがって、エンジン１の定常運転状態及び過渡運転状態のそれぞれに適した目標スロットル弁開度ＴＨＣＭＤが得られ、目標スロットル弁開度ＴＨＣＭＤを用いて算出される駆動パラメータＩＤＴＨによる制御精度を高めることができる。   As described above, in the present embodiment, the steady state model that outputs the target throttle valve opening THCMD using the steady state model self-organizing map SOMSS corresponds to the steady operation of the engine 1, and the transient operation of the engine 1. Then, the drive parameter IDTH of the actuator 19 is calculated using a transient state model that outputs the target throttle valve opening THCMD using the transient state model self-organizing map SOMTS. That is, it is determined whether or not the engine 1 is in a transient operation state by steps S22 to S25 in FIG. 6, one of the steady state model and the transient state model is selected according to the determination result, and the output of the selected model is selected. The drive parameter IDTH is calculated according to the target throttle valve opening THCMD. Therefore, the target throttle valve opening THCMD suitable for each of the steady operation state and the transient operation state of the engine 1 can be obtained, and the control accuracy by the drive parameter IDTH calculated using the target throttle valve opening THCMD can be improved. .

定常状態モデル自己組織化マップＳＯＭＳＳには、目標吸入空気量ＧＡＩＲＣＭＤ，過給圧ＰＢ，吸気圧ＰＩ，及びエンジン回転数ＮＥが入力される一方、過渡状態モデル自己組織化マップＳＯＭＴＳにはそれらの入力パラメータの変化量が入力され、機関の定常運転状態では、定常状態モデル自己組織化マップＳＯＭＳＳについての演算のみ実行され、機関の過渡運転状態では、過渡状態モデル自己組織化マップＳＯＭＴＳについての演算のみ実行される。したがって、２つの自己組織化マップの演算を常時並行して実行する必要がなく、演算負荷を抑制することができる。   A target intake air amount GAIRCMD, a supercharging pressure PB, an intake pressure PI, and an engine speed NE are input to the steady state model self-organizing map SOMSS, while those are input to the transient state model self-organizing map SOMTS. When the amount of parameter change is input, only the calculation for the steady state model self-organization map SOMSS is executed in the steady operation state of the engine, and only the calculation for the transient state model self-organization map SOMTS is executed in the transient operation state of the engine. Is done. Therefore, it is not necessary to always execute the calculations of the two self-organizing maps in parallel, and the calculation load can be suppressed.

定常状態モデル自己組織化マップＳＯＭＳＳの入力パラメータである目標吸入空気量ＧＡＩＲＣＭＤ，過給圧ＰＢ，吸気圧ＰＩ，及びエンジン回転数ＮＥの少なくとも１つの変化量が所定変化量より大きいとき、エンジン１が過渡運転状態にあると判定されるので、エンジン１が過渡状態モデル自己組織化マップＳＯＭＴＳを適用すべき過渡運転状態を適切に判定することができる。   When at least one change amount of the target intake air amount GAIRCMD, the supercharging pressure PB, the intake pressure PI, and the engine speed NE, which are input parameters of the steady-state model self-organization map SOMSS, is larger than a predetermined change amount, the engine 1 Since it is determined that the engine is in the transient operation state, the transient operation state to which the engine 1 should apply the transient model self-organizing map SOMTS can be appropriately determined.

本実施形態では、ＥＣＵ２０が制御パラメータ算出手段、過渡状態判定手段、及び選択手段を構成する。すなわち、目標スロットル弁開度ＴＨＣＭＤが所定運転パラメータに相当し、アクチュエータ１９の駆動パラメータＩＤＴＨが機関制御パラメータに相当し、図５の処理が制御パラメータ算出手段の一部に相当し、図６の処理が過渡状態判定手段及び選択手段に相当する。   In the present embodiment, the ECU 20 constitutes a control parameter calculation unit, a transient state determination unit, and a selection unit. That is, the target throttle valve opening THCMD corresponds to a predetermined operation parameter, the drive parameter IDTH of the actuator 19 corresponds to an engine control parameter, the process of FIG. 5 corresponds to a part of the control parameter calculation means, and the process of FIG. Corresponds to transient state determination means and selection means.

なお本発明は上述した実施形態に限るものではなく、種々の変形が可能である。例えば、上述した実施形態では目標スロットル弁開度ＴＨＣＭＤが所定運転パラメータである例を示したが、例えばエンジン１から排出されるＮＯｘ量、排気還流率（または排気還流量または目標排気還流量）、吸入空気量を所定運転パラメータとし、算出された所定運転パラメータに応じて燃料噴射量（制御パラメータ）を算出するようにしてもよい。   The present invention is not limited to the embodiment described above, and various modifications can be made. For example, in the above-described embodiment, an example in which the target throttle valve opening THCMD is a predetermined operation parameter has been described. For example, the NOx amount exhausted from the engine 1, the exhaust gas recirculation rate (or the exhaust gas recirculation amount or the target exhaust gas recirculation amount), The intake air amount may be set as a predetermined operation parameter, and the fuel injection amount (control parameter) may be calculated according to the calculated predetermined operation parameter.

ＮＯｘ量を算出するための定常状態モデル自己組織化マップの入力パラメータとしては、エンジン回転数ＮＥ、燃料供給量（燃料噴射量）、空燃比、タービン１１に流入する排気の温度、過給圧ＰＢ、吸気圧ＰＩ、及び吸入空気量ＧＡＩＲが適用され、過渡状態モデル自己組織化マップの入力パラメータとしては、定常状態モデル自己組織化マップの入力パラメータの変化量が適用される。   The input parameters of the steady state model self-organizing map for calculating the NOx amount include engine speed NE, fuel supply amount (fuel injection amount), air-fuel ratio, temperature of exhaust gas flowing into the turbine 11, and supercharging pressure PB. , The intake pressure PI, and the intake air amount GAIR are applied, and the change amount of the input parameter of the steady state model self-organizing map is applied as the input parameter of the transient state model self-organizing map.

排気還流率を算出するための定常状態モデル自己組織化マップの入力パラメータとしては、過給圧ＰＢ、吸気圧ＰＩ、ＥＧＲ弁開度、吸入空気量ＧＡＩＲ、燃空比、エンジン回転数ＮＥ、タービン１１のベーン開度θｖｇｔ、還流排気温度が適用され、過渡状態モデル自己組織化マップの入力パラメータとしては、定常状態モデル自己組織化マップの入力パラメータの変化量が適用される。   The input parameters of the steady-state model self-organizing map for calculating the exhaust gas recirculation rate include boost pressure PB, intake pressure PI, EGR valve opening, intake air amount GAIR, fuel / air ratio, engine speed NE, turbine 11 vane opening degree θvgt and recirculation exhaust gas temperature are applied, and the input parameter variation of the steady state model self-organizing map is applied as the input parameter of the transient state model self-organizing map.

吸入空気量を算出するための定常状態モデル自己組織化マップの入力パラメータとしては、スロットル弁開度ＴＨ、過給圧ＰＢ、吸気圧ＰＩ、エンジン回転数ＮＥが適用され、過渡状態モデル自己組織化マップの入力パラメータとしては、定常状態モデル自己組織化マップの入力パラメータの変化量が適用される。   As input parameters of the steady state model self-organizing map for calculating the intake air amount, the throttle valve opening TH, the supercharging pressure PB, the intake pressure PI, and the engine speed NE are applied, and the transient state model self-organizing is applied. As an input parameter of the map, a change amount of the input parameter of the steady state model self-organizing map is applied.

また、上述した実施形態ではニューラルネットワークとして、自己組織化マップを用いたが、これに限るものではなく、いわゆるパーセプトロンとして知られるニューラルネットワークを使用するようにしてもよい。   In the embodiment described above, the self-organizing map is used as the neural network. However, the present invention is not limited to this, and a neural network known as a so-called perceptron may be used.

また本発明は、クランク軸を鉛直方向とした船外機などのような船舶推進機用エンジンなどの制御にも適用が可能である。   The present invention can also be applied to control of a marine vessel propulsion engine such as an outboard motor having a crankshaft as a vertical direction.

１ 内燃機関
２ 吸気管
１９ アクチュエータ
２０ 電子制御ユニット（制御パラメータ算出手段、過渡状態判定手段、選択手段）
２２ 過給圧センサ
２４ 吸気圧センサ
２７ アクセルセンサ
２８ エンジン回転数センサDESCRIPTION OF SYMBOLS 1 Internal combustion engine 2 Intake pipe 19 Actuator 20 Electronic control unit (Control parameter calculation means, transient state determination means, selection means)
22 Supercharging pressure sensor 24 Intake pressure sensor 27 Accelerator sensor 28 Engine speed sensor

Claims (3)

内燃機関の制御装置において、
前記機関の定常運転に対応し、ニューラルネットワークを用いて前記機関の所定運転パラメータを出力する定常状態モデルと、前記機関の過渡運転に対応し、ニューラルネットワークを用いて、前記所定運転パラメータを出力する過渡状態モデルとを用いて、前記機関の制御パラメータを算出する制御パラメータ算出手段を備え、
前記制御パラメータ算出手段は、
前記機関が前記過渡運転状態にあるか否かを判定する過渡状態判定手段と、
前記過渡状態判定手段による判定結果に応じて前記定常状態モデル及び過渡状態モデルの一方を選択する選択手段とを備え、
選択されたモデルの出力に応じて前記制御パラメータを算出することを特徴とする内燃機関の制御装置。In a control device for an internal combustion engine,
Corresponding to the steady operation of the engine, a steady state model that outputs a predetermined operating parameter of the engine using a neural network, and corresponding to the transient operation of the engine, outputting the predetermined operating parameter using a neural network Using a transient state model, comprising a control parameter calculation means for calculating the control parameter of the engine,
The control parameter calculation means includes
Transient state determination means for determining whether or not the engine is in the transient operation state;
Selecting means for selecting one of the steady state model and the transient state model according to a determination result by the transient state determination unit;
A control device for an internal combustion engine, wherein the control parameter is calculated according to an output of a selected model. 前記定常状態モデルには入力パラメータの第１の組が入力され、前記過渡状態モデルには、前記第１の組と異なる第２の組の入力パラメータが入力され、前記制御パラメータ算出手段は、前記選択手段により選択されたモデルについてのみ前記モデル出力の演算を行う請求項１の制御装置。   A first set of input parameters is input to the steady state model, a second set of input parameters different from the first set is input to the transient state model, and the control parameter calculation means includes The control apparatus according to claim 1, wherein the model output is calculated only for the model selected by the selection unit. 前記過渡状態判定手段は、前記定常状態モデルの入力パラメータの少なくとも１つの変化量が所定変化量より大きいとき、前記機関が過渡運転状態にあると判定する請求項１の制御装置。   The control device according to claim 1, wherein the transient state determination means determines that the engine is in a transient operation state when at least one change amount of the input parameter of the steady state model is larger than a predetermined change amount.
JP2011531734A 2009-09-18 2009-09-18 Control device for internal combustion engine Expired - Fee Related JP5377655B2 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2009/066416 WO2011033661A1 (en) 2009-09-18 2009-09-18 Internal combustion engine control device

Publications (2)

Publication Number Publication Date
JPWO2011033661A1 true JPWO2011033661A1 (en) 2013-02-07
JP5377655B2 JP5377655B2 (en) 2013-12-25

Family

ID=43758287

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011531734A Expired - Fee Related JP5377655B2 (en) 2009-09-18 2009-09-18 Control device for internal combustion engine

Country Status (3)

Country Link
JP (1) JP5377655B2 (en)
DE (1) DE112009005254B4 (en)
WO (1) WO2011033661A1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9567924B2 (en) * 2012-05-23 2017-02-14 Toyota Jidosha Kabushiki Kaisha Controller for internal combustion engine with supercharger
JP6750708B1 (en) * 2019-06-03 2020-09-02 トヨタ自動車株式会社 Exhaust gas recirculation system abnormality detection device

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01208501A (en) * 1988-02-12 1989-08-22 Honda Motor Co Ltd Variable capacity turbine
JPH04302304A (en) * 1991-03-29 1992-10-26 Toshiba Corp Nonlinear process controller
JP2978353B2 (en) * 1993-02-26 1999-11-15 トヨタ自動車株式会社 Vehicle driving force control device
JPH1011105A (en) * 1996-06-20 1998-01-16 Yamaha Motor Co Ltd State control system
JPH1185719A (en) * 1997-09-03 1999-03-30 Matsushita Electric Ind Co Ltd Parameter estimation device
JP3387004B2 (en) * 1998-04-06 2003-03-17 株式会社日立製作所 Control device
JP2000213395A (en) * 1999-01-25 2000-08-02 Matsushita Electric Ind Co Ltd Air-fuel ratio control apparatus
JP2002251597A (en) * 2001-02-23 2002-09-06 Yamaha Motor Co Ltd Optimal solution searching device, controlled object controlling device based on optimization algorithm, and optimal solution searching program
DE102004031296B4 (en) * 2004-06-29 2007-12-27 Audi Ag Method for operating an internal combustion engine
DE102006061659B4 (en) * 2006-12-27 2010-04-08 Continental Automotive Gmbh Method and device for controlling an internal combustion engine
EP2085593B1 (en) * 2008-01-29 2010-06-30 Honda Motor Co., Ltd. Control system for internal combustion engine

Also Published As

Publication number Publication date
DE112009005254B4 (en) 2015-11-05
JP5377655B2 (en) 2013-12-25
WO2011033661A1 (en) 2011-03-24
DE112009005254T5 (en) 2013-01-10

Similar Documents

Publication Publication Date Title
JP4615573B2 (en) Control device for internal combustion engine
JP4757886B2 (en) Control device for internal combustion engine
JP5000539B2 (en) Exhaust gas purification device for internal combustion engine
US20050251317A1 (en) Air amount calculator for internal combustion engine
US10196997B2 (en) Engine control system including feed-forward neural network controller
JP2007113563A (en) Control system for internal combustion engine
JP6702380B2 (en) Control device for internal combustion engine
JP2007064157A (en) Control device for internal combustion engine
JP2009121381A (en) Abnormality determination device for egr device
JP2015187763A (en) control device
JP4503506B2 (en) Abnormality detection device for intake system of internal combustion engine
JP2010031829A (en) Supercharging pressure controller of internal combustion engine
EP2211044A1 (en) EGR controller and EGR control method for internal combustion engine
JP5146619B2 (en) Control device for internal combustion engine
JP6630814B2 (en) EGR control device and EGR control method for internal combustion engine
EP3707360B1 (en) Boost control techniques for a turbocharged engine with scavenging
WO2014080523A1 (en) Control device of internal combustion engine
JP5377655B2 (en) Control device for internal combustion engine
JP6222138B2 (en) Emission estimation device for internal combustion engine
JP4712097B2 (en) Control device for internal combustion engine
JP5377656B2 (en) Control device for internal combustion engine
JP2006291726A (en) Air-fuel ratio estimation device of internal combustion engine
JP5560275B2 (en) Intake control device for internal combustion engine
JP2006291871A (en) Controller of internal combustion engine
CN112020599A (en) System and method for avoiding compressor surge during cylinder deactivation of a diesel engine

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130416

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20130613

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20130917

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130924

R150 Certificate of patent or registration of utility model

Ref document number: 5377655

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees