WO2024084654A1

WO2024084654A1 - 内燃機関制御装置及び状態量推定方法

Info

Publication number: WO2024084654A1
Application number: PCT/JP2022/039104
Authority: WO
Inventors: 章広小森; 邦彦鈴木
Original assignee: 日立Astemo株式会社
Priority date: 2022-10-20
Filing date: 2022-10-20
Publication date: 2024-04-25

Abstract

内燃機関制御装置は、排ガス流量算出部と、排ガス温度検出部と、触媒上流空燃比、排ガス流量、及び排ガス温度を入力とし、触媒上流ＮＯｘ排出量、触媒上流ＨＣ排出量、触媒上流ＣＯ排出量を触媒上流状態量として推定する触媒上流状態量推定部と、触媒上流空燃比、排ガス流量、及び排ガス温度、及び触媒上流状態量を入力とし、三元触媒の触媒温度、酸素貯蔵能、触媒下流空燃比、触媒下流ＮＯｘ排出量、触媒下流ＨＣ排出量、触媒下流ＣＯ排出量を触媒下流状態量として推定する触媒下流状態量推定部と、下流ＮＯｘセンサが検出したＮＯｘセンサ値を用いて、触媒下流ＮＯｘ排出量、触媒下流ＨＣ排出量、触媒下流ＣＯ排出量を補正する補正部と、を備える。

Description

内燃機関制御装置及び状態量推定方法

　本発明は、内燃機関制御装置及び状態量推定方法に関する。

　従来、内燃機関の排気管に三元触媒を備え、三元触媒の前後に組みつけられた排ガスセンサによって、三元触媒内の酸素貯蔵状態を捉え、酸素貯蔵状態の検出結果に応じて空燃比（あるいは当量比）を補正する制御技術が知られている。この制御技術では、内燃機関に吸入される空気量と、排ガスの空燃比と理論空燃比の差分値との積の時間積分によって捉えられた酸素貯蔵状態に基づき、空燃比のリッチ補正が決定される。さらに、三元触媒の下流に組みつけられた排ガスセンサが、三元触媒の下流に放出される酸素の多少を検知することで、空燃比制御のフィードバック補正を実施する。以下の説明では、三元触媒を「触媒」とも略称する。

特開２０２１－７１１０４号公報特開２０２２－８１０２６号公報

　近年、自動車の排出ガス規制が年々厳しくなってきており、内燃機関から排出される有害物質の規制に該当する複数の規制排出ガス成分（エミッション）をＥＣＵ内でリアルタイムにモニタリングする、Ｏｎ　Ｂｏａｒｄ　Ｍｏｎｉｔｏｒｉｎｇ(以下「ＯＢＭ」と略称する)の実現が求められている。ＯＢＭでは、自動車の使用過程において徐々に進行する排気管内の触媒の劣化によるエミッション悪化を検知するため、触媒下流のエミッションをリアルタイム且つ高精度に測定し、且つ、該測定した情報を自動車利用者へ呈示（現示）することが求められている。測定した情報の自動車利用者へ呈示（現示）は、例えば、異常ランプを点灯する等が想定される。

　ところで、上述したエミッションのうち、一の規制排出ガス成分の一つであるＮＯｘのリアルタイム測定は、自動車用の窒素酸化物（ＮＯｘ）センサにより実現可能である。しかし、他の規制排出ガス成分である炭化水素（ＨＣ）と一酸化炭素（ＣＯ）のリアルタイム測定には、従来、典型的な研究開発用途で用いられるような、非常に高価かつ大型な排気分析装置が必要とされている。ただし、そのような高価かつ大型な排気分析装置を一般公道上（路上）で用いられる自動車に搭載（車載）することは現実的に不可能である。換言すれば、一般の使用過程にある自動車内で、ＨＣとＣＯを直接かつリアルタイム測定することが、従来の技術では困難であった。

　例えば、上述した特許文献１には、触媒上流の排ガスセンサ測定値による排気の情報をモデル入力とした触媒状態推定モデルでＨＣ、ＣＯ、ＮＯｘの各浄化率を推定する技術が開示されている。しかし、触媒下流のＮＯｘ、ＨＣ、ＣＯ排出量をリアルタイムに測定乃至推定して、且つＮＯｘ、ＨＣ、ＣＯ排出量を現示する構成は特許文献１に開示されていない。

　また、特許文献２には、状態空間モデルにより触媒上流または下流に設けられた排ガスセンサのばらつき量と触媒状態とを推定し、且つ、推定したばらつき量に基づき排ガスセンサ出力値を補正するかまたは推定したばらつき量に基づきから排ガスセンサの劣化診断を実施する技術が開示されている。しかし、当業者であれば容易に諒解され得るように、この特許文献２には、触媒上流または下流に実際に設けられた各種の排ガスセンサ出力値の補正、若しくは診断を個別に行う技術が記載されているに過ぎない。このため、上述したように車載するには高価かつ大型に過ぎるＨＣ、ＣＯセンサを設けずに触媒下流のＨＣ、ＣＯ排出量を推定して、且つ自動車利用者に推定結果を現示する構成は特許文献２に開示されていない。総じて、特許文献１及び２には、複数の規制排出ガス成分である触媒下流ＨＣ、ＣＯ、ＮＯｘ排出量をリアルタイムに測定して現示する、所謂ＯＢＭを高精度に実施できる構成は開示されていなかった。

　本発明はこのような状況に鑑みて成されたものであり、触媒下流ＨＣ、ＣＯ、ＮＯｘ排出量をリアルタイムに現示することを目的とする。

　本発明に係る内燃機関制御装置は、排気管内に設けられ、酸素貯蔵能を有する三元触媒の上流に配置され、排ガスの触媒上流空燃比を検出する上流空燃比センサと、三元触媒の下流に配置され、三元触媒の下流のＮＯｘを検出する下流ＮＯｘセンサとを備える内燃機関を制御する。この内燃機関制御装置は、排ガスの排ガス流量を算出する排ガス流量算出部と、触媒上流空燃比、排ガス流量、及び、排ガス温度センサにより検出された排ガス温度を入力とし、触媒上流ＮＯｘ排出量、触媒上流ＨＣ排出量、触媒上流ＣＯ排出量を触媒上流状態量として推定する触媒上流状態量推定部と、触媒上流空燃比、排ガス流量、及び排ガス温度、及び触媒上流状態量を入力とし、三元触媒の触媒温度、酸素貯蔵能、触媒下流空燃比、触媒下流ＮＯｘ排出量、触媒下流ＨＣ排出量、触媒下流ＣＯ排出量を触媒下流状態量として推定する触媒下流状態量推定部と、下流ＮＯｘセンサが検出したＮＯｘセンサ値を用いて、触媒下流ＮＯｘ排出量、触媒下流ＨＣ排出量、触媒下流ＣＯ排出量を補正する補正部と、を備える。

　本発明によれば、触媒下流ＮＯｘ排出量、触媒下流ＨＣ排出量、触媒下流ＣＯ排出量が推定され、補正されるので、ＨＣ、ＣＯセンサを設けることなく、補正された触媒下流ＮＯｘ排出量、触媒下流ＨＣ排出量、触媒下流ＣＯ排出量をリアルタイムに現示することが可能となる。

本発明の第１の実施形態に係る内燃機関制御システムの全体概略構成図である。本発明の第１の実施形態に係るＥＣＵのハードウェア構成例を示すブロック図である。本発明の第１の実施形態に係る後処理システムの構成例を示す概略図である。本発明の第１の実施形態に係る排ガスの当量比と空燃比センサの出力との関係を説明する図である。本発明の第１の実施形態に係る排ガスの当量比とリア酸素センサの出力との関係を説明する図である。本発明の第１の実施形態に係るＨ_２Ｏ（水）、ＣＯ（一酸化炭素）、ＣＯ_２（二酸化炭素）、Ｈ_２（水素）、Ｏ_２（酸素）の当量比に対する傾向を説明する図である。本発明の第１の実施形態に係るＨＣ（炭化水素）、ＮＯｘ（窒素酸化物）の当量比に対する傾向を説明する図である。本発明の第１の実施形態に係る後処理システムで使用される三元触媒（セリア系）の主な反応過程を説明する図である。本発明の第１の実施形態に係る触媒活性化温度以上における排ガス当量比に対する三元触媒の浄化率の傾向を説明する図である。本発明の第１の実施形態に係る触媒上流当量比、触媒下流当量比、リア酸素センサ２２の出力挙動を説明する図である。本発明の第１の実施形態に係るリア酸素センサの出力特性のヒステリシス性を説明する図である。本発明の第１の実施形態に係るリア酸素センサの出力と触媒下流のＮＯｘ濃度及びＨＣ濃度の時間的変化を説明する図である。本発明の第１の実施形態に係る触媒劣化度合いと三元触媒の酸素貯蔵能力との関係を説明する図である。本発明の第１の実施形態に係る三元触媒の酸素貯蔵割合と、三元触媒のＮＯｘ浄化率との関係を説明する図である。本発明の第１の実施形態に係る新品触媒と劣化触媒を用いた場合における、触媒上流当量比、触媒下流当量比、酸素貯蔵割合、リア酸素センサの出力挙動の比較結果を説明する図である。本発明の第１の実施形態に係るＥＣＵの内部構成例を示すブロック図である。本発明の第１の実施形態に係るＥＣＵの処理の例を示すフローチャートである。本発明の第１の実施形態に係るカルマンフィルタアルゴリズムの例を示すフローチャートである。本発明の第１の実施形態に係る第１状態空間モデルを構成する第１機械学習モデル、及び第２状態空間モデルを構成する第２機械学習モデルを説明するための図である。本発明の第１の実施形態に係るニューラルネットワークモデルの例を示す図である。本発明の第１の実施形態に係る機械学習工程を説明するための第１及び第２機械学習モデルのブロック図である。本発明の第１の実施形態に係る第１学習工程及び第２学習工程のフローチャートである。本発明の第２の実施形態に係るＥＣＵの内部構成例を示すブロック図である。本発明の第２の実施形態に係るＥＣＵの処理の例を示すフローチャートである。

　以下、本発明を実施するための形態について、添付図面を参照して説明する。本明細書及び図面において、実質的に同一の機能又は構成を有する構成要素については、同一の符号を付することにより重複する説明を省略する。

［第１の実施形態］
　図１は、内燃機関制御システム１００の全体概略構成図である。

　内燃機関制御システム１００は、内燃機関１と、内燃機関１に添設されるＥＣＵ（Electronic Control Unit）２８を備えている。ＥＣＵ２８は、内燃機関１を構成する各種のセンサやアクチュエータ等へ電気的に接続されており、内燃機関１を制御する内燃機関制御装置の一例である。

　内燃機関１は、流量センサ２（エアフローセンサ）、ターボ過給機３、エアバイパス弁４、インタークーラ５、過給温度センサ６、スロットル弁７、吸気マニホールド８、過給圧センサ９、流動強化弁１０、吸気バルブ１１、バルブ開閉位相センサ１２、排気バルブ１３、バルブ開閉位相センサ１４、燃料噴射弁１５、点火プラグ１６、ノックセンサ１７、クランク角度センサ１８、ウェイストゲート弁１９、触媒上流空燃比センサ２０、排気浄化触媒（三元触媒）２１、リア酸素センサ（触媒下流酸素センサ）２２、ＥＧＲ（Exhausted Gas Recirculation）管２３、ＥＧＲクーラ２４、ＥＧＲ弁２５、排ガス温度センサ２６、差圧センサ２７及び触媒下流ＮＯｘセンサ２９を備えている。なお、リア酸素センサ２２は、触媒下流（リア）空燃比センサ（不図示）へ置換可能である。

　内燃機関１の吸気流路に設けられた流量センサ２には、不図示の吸気温度センサが組付けられている。吸気温度センサは、吸気温度を計測する。
　ターボ過給機３は、吸気流路を臨むコンプレッサ翼を備えているコンプレッサ３ａと、該コンプレッサ３ａと一体的に回転するように連結されて排気流路を臨むタービン翼を備えているタービン３ｂとによって構成される。コンプレッサ３ａとタービン３ｂは、ターボ過給機３内部において回転自在に軸支されている。そして、タービン３ｂは、内燃機関１からの排出ガスの有するエネルギを回転エネルギに変換する。タービン３ｂと連結されているコンプレッサ３ａは、タービン３ｂの回転エネルギによって、吸気流路から流入した吸入空気を圧縮する。

　内燃機関１の吸気流路において、インタークーラ５は、ターボ過給機３のコンプレッサ３ａの下流に設けられ、コンプレッサ３ａにより断熱圧縮されて上昇した吸入空気の吸気温度を冷却する。過給温度センサ６は、インタークーラ５の下流に組み付けられ、インタークーラ５によって冷却された吸入空気の温度（過給温度）を計測する。

　スロットル弁７は、インタークーラ５の下流に設けられ、吸気流路を絞り、内燃機関１のシリンダに流入する吸入空気量を制御する。スロットル弁７は、ＥＣＵ２８による弁開度の制御が可能な電子制御式バタフライ弁により構成される。スロットル弁７の下流には、過給圧センサ９が組み付けられた吸気マニホールド８が連通している。

　なお、スロットル弁７の下流に設けられた吸気マニホールド８とインタークーラ５とを一体化させる構成としてもよい。この場合、コンプレッサ３ａの下流からシリンダに至るまでの容積を小さくできるので、加減速の応答性向上や制御性向上が可能になる。

　エアバイパス弁４は、コンプレッサ３ａの下流からスロットル弁７の上流部までの圧力が過剰に上昇することを防ぐために、吸気流路においてコンプレッサ３ａの上流と下流とを結ぶ吸気バイパス流路上に配置される。例えば、過給状態でスロットル弁７が急激に閉止された場合には、ＥＣＵ２８の制御に従ってエアバイパス弁４が開かれることにより、コンプレッサ３ａの下流部の圧縮された吸入空気がバイパス流路を通ってコンプレッサ３ａの上流部に逆流される。その結果、過給圧を直ちに低下させることで、サージングとよばれる現象を防止でき、コンプレッサ３ａの破損を適切に防止する。

　流動強化弁１０は、吸気マニホールド８の下流に配置され、シリンダに吸入される吸入空気に偏流を生じさせることによって、シリンダ内部の流れの乱れを強化させる。後述する排ガス再循環燃焼を実施する際に、ＥＣＵ２８により流動強化弁１０を閉じることで乱流燃焼を促進させ、燃焼室内で発生する燃焼を安定化させることができる。

　吸気バルブ１１及び排気バルブ１３は、バルブ開閉の位相を連続的に可変とするための可変動弁機構をそれぞれ有している。吸気バルブ１１及び排気バルブ１３の可変動弁機構には、バルブの開閉位相を検知するためのバルブ開閉位相センサ１２，１４がそれぞれ組み付けられている。内燃機関１のシリンダには、シリンダの燃焼室内に、不図示の燃料ポンプによって加圧された燃料を噴射する直接噴射方式の燃料噴射弁１５が備えられている。なお、燃料噴射弁１５は、吸気流路内に燃料を噴射するポート噴射方式であってもよい。あるいは、燃料噴射弁１５は、シリンダ毎に複数個の直接噴射方式やポート噴射方式の燃料噴射弁１５を併用するようにしてもよい。

　内燃機関１のシリンダには、シリンダ内に電極部を露出させ、スパークによって可燃混合気を点火する点火プラグ１６が組み付けられている。ノックセンサ１７は、シリンダブロックに設けられ、燃焼室内で発生する燃焼圧力振動を起因として生じるシリンダブロック振動を検出することで、ノックの有無を検出する。クランク角度センサ１８は、クランク軸に組み付けられ、クランク軸の回転角度に応じた信号をＥＣＵ２８へ出力する。

　内燃機関１の排気管内において、上流空燃比センサ（触媒上流空燃比センサ２０）は、ターボ過給機３のタービン３ｂの下流であって、排気管内に設けられ、酸素貯蔵能を有する三元触媒（排気浄化触媒２１）の上流に配置されている。そして、上流空燃比センサ（触媒上流空燃比センサ２０）は、排ガスから検出した排ガス組成、すなわち排ガスの触媒上流空燃比を検出し、触媒上流空燃比を示す信号をＥＣＵ２８へ出力する。排気浄化触媒２１は、三元触媒の一例であり、触媒上流空燃比センサ２０の下流に備えられている。排気浄化触媒２１は、排ガス中の一酸化炭素、窒素化合物及び未燃炭化水素等の有害排出ガス成分を触媒反応によって浄化する。上述したように排気浄化触媒２１の下流には、リア酸素センサ２２が配置されている。リア酸素センサ２２は、排気浄化触媒２１による浄化後の排ガスに含まれる酸素の多少を検出する。以下、排気浄化触媒２１を三元触媒、又は触媒とも呼ぶ。

　ターボ過給機３には、エアバイパス弁４及びウェイストゲート弁１９が備えられている。エアバイパス弁４は、コンプレッサ３ａの下流からスロットル弁７の上流部までの圧力が過剰に上昇することを防ぐために、コンプレッサ３ａの上流と下流とを結ぶバイパス流路上に配置される。過給状態でスロットル弁７が急激に閉止された場合には、ＥＣＵ２８の制御に従ってエアバイパス弁４が開かれることにより、コンプレッサ３ａの下流部の圧縮された吸入空気がバイパス流路を通ってコンプレッサ３ａの上流部に逆流される。その結果、過給圧を直ちに低下させることで、サージングとよばれる現象を防止でき、コンプレッサ３ａの破損を適切に防止する。

　ウェイストゲート弁１９は、排気流路においてタービン３ｂの上流と下流とを結ぶ排気バイパス流路上に配置される。ウェイストゲート弁１９は、ＥＣＵ２８の制御によって、過給圧に対して自由に弁開度が制御可能な電動式の弁である。過給圧センサ９により検知された過給圧に基づいてＥＣＵ２８によってウェイストゲート弁１９の開度が調整されると、排ガスの一部がバイパス流路を通過することにより、排ガスがタービン３ｂに与えるエネルギを減じることができる。その結果、ウェイストゲート弁１９は、過給圧を目標圧に調整することができる。

　ＥＧＲ管２３は、排気浄化触媒２１の下流部の排気流路と、コンプレッサ３ａの上流部の吸気流路とを連通し、排気浄化触媒２１の下流から排ガスを分流して、コンプレッサ３ａの上流部へ還流する。ＥＧＲ管２３に備えられたＥＧＲクーラ２４は、分流した排ガスを冷却する。ＥＧＲ弁２５は、ＥＧＲ管２３においてＥＧＲクーラ２４とコンプレッサ３ａの上流部との間に備えられ、コンプレッサ３ａの上流部へ還流する排ガスの流量を制御する。また、ＥＧＲ管２３には、ＥＧＲ弁２５の上流部の排ガスの排ガス温度を検出する排ガス温度センサ２６と、ＥＧＲ弁２５の上流と下流との差圧を検出する差圧センサ２７とが設けられている。

　ＥＣＵ２８は、後述する図２に示すＣＰＵ（Central Processing Unit）２０５、ＲＯＭ（Read Only Memory）２０４、ＲＡＭ（Random Access Memory）２０３の他、不図示のＡ／Ｄ（Analog-to-Digital）変換器、ドライバ回路等を有し、内燃機関１の各構成要素を制御したり、各種のデータ処理を実行したりする制御装置である。ＥＣＵ２８は、例えば、スロットル弁７、燃料噴射弁１５、吸気バルブ１１及び排気バルブ１３の可変動弁機構、ＥＧＲ弁２５等のアクチュエータの動作を制御する。また、ＥＣＵ２８は、各種センサから入力された信号に基づいて、内燃機関１の運転状態を検知して、運転状態に応じて決定したタイミングで点火プラグ１６に点火させる。

［ＥＣＵのハードウェア構成例］
　図２は、ＥＣＵ２８のハードウェア構成例を示すブロック図である。

　ＥＣＵ２８は入力回路２０１、入出力ポート２０２、ＲＡＭ２０３、ＲＯＭ２０４、ＣＰＵ２０５、スロットル弁駆動回路２０６、燃焼噴射弁駆動回路２０７、及び点火出力回路２０８を備える。

　入力回路２０１には、各種センサからの出力信号が入力される。図２では、スロットル弁７のスロットルセンサ、流量センサ２、過給温度センサ６、過給圧センサ９、バルブ開閉位相センサ１２、１４、ノックセンサ１７、クランク角度センサ１８、触媒上流空燃比センサ２０及びリア酸素センサ２２等の出力信号が、ＥＣＵ２８の入力回路２０１に入力される例が示される。入力回路２０１に入力された信号は入出力ポート２０２に送信される。

　入出力ポート２０２に送信された信号はＲＡＭ２０３に記憶され、ＣＰＵ２０５で演算処理される。演算処理の内容を記述した制御プログラムは、ＲＯＭ２０４に予め書き込まれており、ＣＰＵ２０５により実行される。ＲＯＭ２０４は、ＣＰＵ２０５が動作するために必要なプログラムやデータ等を記録しており、ＥＣＵ２８によって実行されるプログラムを格納したコンピューター読取可能な非一過性の記憶媒体の一例として用いられる。

　ＣＰＵ２０５が制御プログラムに従い演算した制御信号は、スロットル弁駆動回路２０６、燃焼噴射弁駆動回路２０７、点火出力回路２０８などの各装置へ出力される。
　スロットル弁駆動回路２０６は、スロットル弁７の開閉駆動を制御するための駆動信号をスロットル弁７に出力する。
　燃焼噴射弁駆動回路２０７は、燃料噴射タイミングでの燃料噴射弁１５の開閉駆動を制御するための駆動信号を燃料噴射弁１５に出力する。
　点火出力回路２０８は、点火タイミングでの点火プラグ１６の点火を制御するための駆動信号を点火出力回路２０８に出力する。

＜後処理システムの構成例＞
　次に、内燃機関の排ガスを浄化する周知の後処理システム１１０の構成例について、図３Ａ～図３Ｃを参照して説明する。

　図３Ａは、後処理システム１１０の構成例を示す概略図である。
　上述したように後処理システム１１０では、排ガス浄化触媒（排気浄化触媒２１）として三元触媒が用いられる。三元触媒の上流部に触媒上流空燃比センサ２０が設けられ、下流部にリア酸素センサ２２が設けられ、触媒上流空燃比センサ２０及びリア酸素センサ２２は、ＥＣＵ２８等の制御装置に接続される。ＥＣＵ２８は、触媒上流空燃比センサ２０を介して三元触媒に流入する排ガスの触媒上流空燃比を計測し、且つ、リア酸素センサ２２を介して触媒浄化後の排ガスに含まれる酸素の多少を検知することができる。

　図３Ｂは、排ガスの当量比（＝理論空燃比／空燃比）と触媒上流空燃比センサ２０の出力との関係を説明する図である。図３Ｂの横軸は当量比、縦軸は触媒上流空燃比センサ２０の出力をとる。

　図３Ｂに示すように、当量比が増加するほど（言い換えれば、排ガスがリッチ化するほど）、触媒上流空燃比センサ２０の出力（空燃比センサ出力）が減少する傾向を示す。ＥＣＵ２８は、この排ガスの当量比と触媒上流空燃比センサ２０の出力との関係に基づいて、触媒上流空燃比センサ信号を触媒上流空燃比に換算する。これにより、ＥＣＵ２８は、排ガスのリーン状態からリッチ状態まで広範囲に精度良く触媒上流空燃比を検出することが可能である。

　図３Ｃは、排ガスの当量比とリア酸素センサ２２の出力との関係を説明する図である。図３Ｃの横軸は当量比、縦軸はリア酸素センサ出力をとる。

　リア酸素センサ出力は、リア酸素センサ電圧とも読み替えられ、排ガスに含まれる酸素濃度と空気中の酸素濃度との濃度差に伴う起電力により変化する。リア酸素センサ出力は、リーン条件では概ね最小起電力を示し、リッチ条件では最大起電力を示す。そのため触媒制御では、リア酸素センサ出力が理論空燃比（当量比１．０）にて急変する特性を有する。ＥＣＵ２８は、このリア酸素センサ出力の変化タイミングを捉えることで、三元触媒下流に放出される排ガスの酸素の多少を検出することができる。

＜排ガスの化学種濃度＞
　図４Ａと図４Ｂは、排ガスの化学種濃度の当量比に対する傾向を説明する図である。
　図４Ａは、Ｈ_２Ｏ（水）、ＣＯ（一酸化炭素）、ＣＯ_２（二酸化炭素）、Ｈ_２（水素）、Ｏ_２（酸素）の当量比に対する傾向を説明する図である。
　図４Ｂは、ＨＣ（炭化水素）、ＮＯｘ（窒素酸化物）の当量比に対する傾向を説明する図である。図４Ａと図４Ｂの横軸は当量比、縦軸は排ガスの化学種の濃度をとる。

　図４Ａに示すように、炭化水素系燃料の燃焼ガス組成は、理論空燃比を境にしてリッチ側ではＣＯ（一酸化炭素）及びＨ_２（水素）が増加し、リーン側ではＯ_２（酸素）が増加する傾向を示す。一方、図４Ｂに示すように、ＮＯｘ（窒素酸化物）は、理論空燃比の若干リーン側で極大値を示し、そのリーン側及びリッチ側で減少する傾向を示す。ＨＣ（未燃炭化水素）は、燃焼に至らないで排出される未燃燃料成分であり、理論空燃比に極小値を示し、理論空燃比を境にして過剰にリーン化又はリッチ化すると、燃料が完全燃焼に至らずに排出されるＨＣ量が増加する傾向がある。

　図４Ａと図４Ｂに示すように、燃料と空気（酸素）が過不足なく供給される理論空燃比条件においても、高温な燃焼ガス中では、Ｈ_２Ｏ（水）やＣＯ_２（二酸化炭素）に至らずにＣＯ（一酸化炭素）やＮＯｘ（窒素酸化物）が一定量排出される。このために、後処理システム１１０によって排ガスを適切に浄化処理する必要がある。

＜三元触媒の反応過程＞
　図５は、後処理システム１１０で使用される三元触媒（セリア系）の主な反応過程を説明する図である。図５に示す反応過程では、係数の記載を省略する。

　三元触媒反応過程は主に、酸化反応、ＮＯｘ還元反応、酸素貯蔵・放出反応からなる。酸化反応では、リッチ条件又は高温条件で生成するＣＯ、Ｈ_２、ＨＣが酸素と反応し、無害なＣＯ_２とＨ_２Ｏが生成される。未燃炭化水素（ＨＣ）にはメタン、プロパン、エチレン、ブタンなどの成分が含まれ、それぞれ異なる速度で反応が進行する。

　ＮＯｘ還元反応は、主にＣＯとＮＯとの反応で表され、ＣＯ_２とＮ_２が生成される。
　酸素貯蔵・放出反応では、触媒材料であるＣｅ（セリウム）を介して、酸素（Ｏ_２）の貯蔵・放出とＨＣ、ＣＯ及びＮＯの各酸化・還元反応が進行する。すなわち、二酸化セリウム（ＣｅＯ_２）とＣＯ及びＨＣとの反応によって、ＣＯ_２とＨ_２Ｏが生成されるとともに、三酸化二セリウム（Ｃｅ_２Ｏ_３）とＮＯとの反応によって、Ｎ_２が生成される。このとき、同時に生成されるＣｅＯ_２とＣｅ_２Ｏ_３とのバランスによって、三元触媒の酸素貯蔵割合Ψが規定される。すなわち、触媒中のＣｅ_２Ｏ_３が全てＣｅＯ_２となると、ＮＯとの反応ができず、ＮＯが浄化できない。

　このように、三元触媒の浄化率を適切に保持するためには、ＣｅＯ_２とＣｅ_２Ｏ_３とのバランス、すなわち酸素貯蔵割合Ψを所定値に保持する必要がある。上述した全ての反応過程は、触媒温度に強く依存するため、ＥＣＵ２８は、内燃機関１の始動後、早期に活性化温度以上となるように、触媒温度管理を適切に実施する必要がある。

　なお、本実施形態で示すシステムでは、セリア系の三元触媒を用いる構成としているが、本発明はこれに限定されるものではない。類似の効果を示す他の材料を用いた触媒でも、制御モデルの定数を調整することによって、発明の構成を変えることなく、同様の効果を奏することができる。また、触媒反応には、図５に示した反応機構以外にも、水性ガスシフト反応などが用いられる場合がある。これらの反応機構についても、ＥＣＵ２８は、制御モデル定数を調整して対応することができる。

　図６は、触媒活性化温度以上における排ガス当量比に対する三元触媒の浄化率の傾向を説明する図である。図６の横軸に当量比、縦軸に触媒浄化率をとる。そして、図６より、当量比がリーンからリッチに変化した場合におけるＮＯｘ、ＨＣ、ＣＯの触媒浄化率が示される。また、触媒浄化率は、１００％に近いほど、排ガス中の成分が浄化され、排ガス中の成分が排出されないことを表している。

　このグラフでは、三元触媒の浄化率特性は理論空燃比（図中の「制御目標」）を境にして変化することが示される。リーン条件下では、ＣＯとＨＣの浄化率は概ね９０％以上に保持される一方で、当量比が減少するに従い、ＮＯｘ浄化率が減少する。リッチ側では、当量比が増加するにしたがってＨＣ及びＣＯの浄化率が減少する傾向を示す。理論空燃比の近傍では、ＮＯｘ、ＨＣ、ＣＯのいずれの浄化率も９０％以上を達成できる。そこで、理論空燃比の近傍の点を「三元点」と呼ぶ。ＥＣＵ２８は、三元点である理論空燃比に当量比を保つことによって三元触媒の浄化率を高位に保つ制御を実施している。

　図７は、触媒上流当量比、触媒下流当量比、リア酸素センサ２２の出力挙動を説明する図である。図７の横軸は時間、縦軸は触媒上流当量比、触媒下流当量比、リア酸素センサ出力をとる。ここでは、当量比１．０を中心にして、触媒上流当量比（触媒上流空燃比）をリーン側、又はリッチ側に時間的にステップ的（階段状）に急激に変動させた際の触媒下流の当量比（触媒下流空燃比）、及び触媒下流に設置されたリア酸素センサ２２の出力挙動が示される。

　まず、図７において左右方向の時間軸に沿う時間帯（ａ）に示すように、触媒上流当量比がちょうど１．０に設定されている場合、触媒下流にはごく微量の酸素が排出される。このため、リア酸素センサ出力は、その最大起電力と最小起電力との間の値である中間状態に保持される。

　続いて、図７において時間帯（ｂ）に示すように、触媒上流当量比を当量比１．０から減少させてステップ的にリーン側へ変化させると、触媒下流当量比はリーン側へと漸減し、リア酸素センサ出力は、触媒下流当量比の漸減に要する緩和時間を経た後、リーン条件での所定の最小起電力値側に急激に変化する。

　さらに続いて、図７において時間帯（ｃ）に示すように、触媒上流当量比を当量比１．０よりも増加させてステップ的にリッチ側へと変化させると、これに応じて触媒下流当量比はリッチ側へと漸増を開始する。リア酸素センサ出力は、触媒下流当量比の漸増に要する緩和時間を経たのち、リッチ条件での所定の最大起電力値側に変化する。

　次に、図７において時間帯（ｄ）に示すように、触媒上流当量比を再び当量比１．０から減少させてステップ的にリーン側へ変化させると、再び触媒下流当量比はリーン側へと漸減する。触媒上流当量比の変化に呼応するリア酸素センサ出力は、触媒下流当量比の漸減に要する緩和時間を経た後、再びリーン条件での所定の最小起電力値側に変化する。この時間帯（ｄ）での触媒下流当量比のリッチからリーンへの変化に要する時間は、時間帯（ｃ）でのリーンからリッチへの変化に要する時間よりも短くなる、所謂ヒステリシス性を持つことが特徴である。

　このように、リーンからリッチへの変化と、リッチからリーンへの変化では、触媒下流当量比の遅れ時間と、リア酸素センサ２２の出力の遅れ時間が異なる傾向を持つ。この傾向は、図５で述べた三元触媒（セリア系）のＣｅＯ_２とＣｅ_２Ｏ_３の酸素貯蔵・放出反応での反応速度が、リッチからリーンへの変化とリーンからリッチへの変化で異なっていることに起因している。また、三元触媒の反応速度は触媒温度や排ガス流量にも依存するので、上述したヒステリシス性は触媒温度と排ガス流量によって変化する。

　次に、図８を併せて参照して、酸素センサ特性のヒステリシス性を説明する。
　図８は、酸素センサの出力特性のヒステリシス性を説明する図である。このグラフは、横軸に当量比、縦軸に酸素センサの出力をとる。

　酸素センサの静特性については図３Ｃを参照して説明した通りである。一方、酸素センサにも上述したような触媒材料が使用されている。したがって、酸素センサの動特性は、リッチからリーンへの変化とリーンからリッチへの変化が相違する、ヒステリシス性を有している。すなわち、酸素センサ信号がリッチ条件での所定の最大起電力値側からリーン条件での所定の最小起電力値側へと変化する際に要する緩和時間は、リーン条件での所定の最小起電力値側からリッチ条件での所定の最大起電力値側へと変化する際に要する緩和時間よりも短くなる。さらに、上述した酸素センサ信号の挙動は、酸素センサを構成する材料特性の使用過程における変化や、酸素センサの温度の影響を受ける。

　ここで、図９を併せて参照して、触媒上流当量比１．０（理論空燃比）で内燃機関１が制御された状態（ストイキメトリ制御）から、燃料カットを実施する期間（リーン条件）を経て、再度理論空燃比状態で運転復帰させる場合におけるリア酸素センサ２２の出力と触媒下流ＮＯｘ濃度の時間的変化を説明する。
　図９は、リア酸素センサ２２の出力と触媒下流のＮＯｘ濃度及びＨＣ濃度の時間的変化を説明する図である。図９の横軸は時間、縦軸は触媒上流当量比、リア酸素センサ出力、触媒下流ＮＯｘ濃度、触媒下流ＨＣ濃度をとる。

　まず、図９において左右方向の時間軸に沿う時間帯（ａ）に示すように触媒上流当量比がちょうど１．０に設定されている場合、リア酸素センサ出力は、その最大起電力と最小起電力との間の値である中間状態に保持される。

　続いて、図９において時間帯（ｂ）に示すように、触媒上流当量比１．０による運転から燃料カットによるリーン条件に移行する。
　続いて、図９において時間帯（ｃ）に示すように、再度触媒上流当量比１．０による運転に復帰する。この際、リア酸素センサ出力の触媒上流当量比１．０の中間状態からリーン側への変化と、リーン側から触媒上流当量比１．０の中間状態への変化（緩和時間）は相違する。

　すなわち、酸素センサ信号が、燃料カットによるリーン条件での所定の最小起電力値側からストイキメトリ制御条件での中間状態（図７の時間帯（ａ）参照）へと変化する際に要する緩和時間は、ストイキメトリ制御条件での中間状態からリーン条件での所定の最小起電力値側へと変化する際に要する緩和時間よりも長くなる。このリア酸素センサ出力が中間状態に復帰するまでの緩和時間（遅れ期間）の間には、触媒下流のＮＯｘ濃度がスパイク的に増加する挙動が観測される場合がある。

　このような触媒下流のＮＯｘ濃度の増加には、例えば、燃料カット後、再度触媒上流当量比１．０による運転を開始する際に、触媒上流当量比を当量比１．０よりも増加させて一時的にＮＯｘの触媒浄化率を高め（図６を参照）、これを以て触媒下流のＮＯｘ排出量を減少させる所謂リッチ補正が行われて対処する制御が行われる。しかしながら、リッチ補正によりＮＯｘの触媒浄化率を高めることと、ＨＣやＣＯの触媒浄化率とはトレードオフの関係（図６参照）がある。このため、内燃機関１の空燃比制御においては、触媒内部の状態を考慮して、適切な補正量及び期間のリッチ補正制御を実施する必要がある。なお、内燃機関１の空燃比制御において触媒内部の状態を考慮するためには、例えば、触媒下流の排ガスの酸素状態を検出しているリア酸素センサ信号を判定基準として用いることができる。しかし、上述したようにリア酸素センサ２２の反応には遅れ期間（図８を参照）があることに留意する必要がある。

　ここでは、ストイキメトリ制御、適正なリッチ補正、過剰なリッチ補正の順に、リア酸素センサ２２の出力と触媒下流のＮＯｘ濃度及びＨＣ濃度の時間的変化について説明する。

（ストイキメトリ制御）
　ストイキメトリ制御がされた時のリア酸素センサ２２の出力と触媒下流のＮＯｘ濃度及びＨＣ濃度の時間的変化は実線で示される。図７に示したように、リーン状態からリッチ状態への変化に対して、リア酸素センサ２２の出力は遅れを伴って増加する。触媒下流のＮＯｘ濃度は、リア酸素センサ２２の出力が復帰するまでの遅れ期間に瞬間的に増加したＮＯｘが排出される挙動を示す。一方、触媒下流のＨＣ濃度は、ほぼ変化していないため、ＨＣの排出が防止される。

（適正なリッチ補正）
　適正なリッチ補正がされた時のリア酸素センサ２２の出力と触媒下流のＮＯｘ濃度及びＨＣ濃度の時間的変化は破線で示される。燃料カット後、再度ファイアリング運転を開始する際に、一旦リッチ補正が実施されると、触媒上流当量比がリッチ状態となる。リア酸素センサ２２の出力は、ストイキメトリ制御よりも早く当量比に到達する。また、触媒下流のＮＯｘ濃度とＨＣ濃度は、ほぼ変化していないため、ＮＯｘとＨＣの排出が防止される。

（過剰なリッチ補正）
　過剰なリッチ補正がされた時のリア酸素センサ２２の出力と触媒下流のＮＯｘ濃度及びＨＣ濃度の時間的変化は粗い破線で示される。リア酸素センサ２２は触媒の下流ガスの酸素状態を検出している。このため、過剰なリッチ補正がされると、リア酸素センサ２２の出力が反応する時点において、既に触媒の内部状態は、酸素貯蔵状態が最大又は最小状態にまで変化している。また、過剰なリッチ補正がされると、図４Ｂに示したようにＮＯｘ濃度が低くなり、図６に示したようにＮＯｘの触媒浄化率が増加するので、ＮＯｘの排出が防止される。

　一方で、図４Ｂに示したようにＨＣ濃度が高くなり、図６に示したようにＨＣの触媒浄化率が低下するので、ＨＣが排出される。つまり、リア酸素センサ２２の出力が反応した後にリッチ補正を停止する制御方法をとると、触媒にとってはリッチ補正の停止タイミングが遅すぎるために、ＨＣを適切に防止できない。そのことから、内燃機関の空燃比制御においては、外部からは直接観測できない触媒内部の状態を考慮して、適切な期間のリッチ補正制御を施す必要がある。

　図１０は、触媒劣化度合いと三元触媒の酸素貯蔵能（ＯＳＣ：Oxygen Storage Capacity）との関係を説明する図である。図１０の横軸は触媒劣化度合い、縦軸は酸素貯蔵能をとる。

　触媒劣化とは、熱的な影響や燃料に含まれる硫黄による被毒の影響を受けて、三元触媒の触媒作用が低下した状態を指している。図１０に示すように、三元触媒の酸素貯蔵能は、図１０において左右方向の触媒劣化度合いに対して略比例している。すなわち、触媒劣化が進行するにしたがって、三元触媒の酸素貯蔵能が低下する傾向がある。

　以下、酸素貯蔵能力の変化が三元触媒の浄化作用に与える影響について述べる。
　図１１は、三元触媒の酸素貯蔵割合、すなわち三元触媒の現時点の酸素貯蔵量を上述の酸素貯蔵能で除した値と、ＮＯｘ浄化率との関係を説明する図である。図１１の横軸は酸素貯蔵割合、縦軸はＮＯｘ浄化率をとる。図１１では、新品の三元触媒のＮＯｘ浄化率の変化を実線で表し、劣化した三元触媒のＮＯｘ浄化率の変化を破線で表す。

　酸素貯蔵割合が小さい時は、新品の三元触媒と、劣化した三元触媒のいずれも酸素貯蔵割合が高い。また、新品の三元触媒の方が、劣化した三元触媒よりもＮＯｘ浄化率が高い。

　図１１に示すように、酸素貯蔵割合が所定値を超過すると、新品の三元触媒と、劣化した三元触媒のいずれもＮＯｘ浄化率が急激に悪化する傾向がある。これは、図５を参照して説明したように、ＮＯｘ浄化には、触媒中のＣｅ_２Ｏ_３が重要であり、Ｃｅ_２Ｏ_３が全て反応してＣｅＯ_２に変化すると、Ｃｅ_２Ｏ_３がＮＯとの反応ができず、ＮＯｘが浄化できないためである。また、触媒劣化が進行して三元触媒の酸素貯蔵能が低下すると、結果的に、同一酸素貯蔵量に対する酸素貯蔵割合の値が高まってしまう。

　このため、酸素貯蔵量に対するＮＯｘ浄化率の値は、図１１において実線で示す新品の三元触媒におけるＮＯｘ浄化率よりも、図１１において破線で示す劣化した三元触媒のＮＯｘ浄化率のほうが低くなる。したがって、ＮＯｘ浄化率を高位に保つためには、触媒入口の排ガス空燃比を三元点に保つのみならず、外部からは直接観測できない触媒内部の状態、すなわち三元触媒の現在の酸素貯蔵能及び酸素貯蔵割合を考慮して、酸素貯蔵割合が所定のＮＯｘ浄化率を得られる範囲内となるように、触媒入口の排ガス空燃比を適宜、補正制御する必要がある。なお、酸素貯蔵割合の所定の範囲内とは、図１１に示すように、触媒劣化時は劣化時制御範囲３６、触媒新品時は新品時制御範囲３５として表され、新品時制御範囲３５の方が劣化時制御範囲３６よりも広い。

　図１２は、新品触媒と劣化触媒を用いた場合における、触媒上流当量比、触媒下流当量比、酸素貯蔵割合、リア酸素センサ２２の出力挙動の比較結果を説明する図である。図１２は横軸を時間、縦軸を触媒上流当量比、触媒下流当量比、酸素貯蔵割合、リア酸素センサ出力をとる。図１２では、新品触媒と劣化触媒において当量比１．０を中心にして、空燃比をリーン側、リッチ側に時間的にステップ変動させた際の触媒下流に設置されたリア酸素センサ２２の出力挙動の比較結果が示される。なお、図中の破線グラフは劣化触媒を表し、実線グラフは新品触媒を表している。

　図１２に示したように、劣化触媒は、新品触媒と比較して触媒下流当量比のリーン変化とリッチ変化に対するリア酸素センサ２２の出力挙動の遅れが減少している。これは、触媒の酸素貯蔵割合の時間的推移で説明することができる。すなわち、劣化によって触媒の酸素貯蔵能が減少することによって、より早く酸素貯蔵割合が最大値、又は最小値に飽和することで、触媒下流排ガスへの触媒の酸素貯蔵・放出反応期間が減少するからである。したがって、図９を参照して説明した、燃料カット復帰後のリッチ補正期間は、触媒の劣化状態を考慮して設定される必要がある。

　図１３は、本発明に係るＥＣＵ２８の内部構成例を示すブロック図である。ＥＣＵ２８は、以下のブロック５１～５６を備える。

　排ガス流量算出部（排ガス流量算出部５１）は、クランク角度センサ１８に基づくエンジン回転数及び流量センサ２に基づく充填効率を入力として、排ガスの排ガス流量を算出する。

　触媒上流状態量推定部５２は、三元触媒の上流側で排出された各種物質の状態量（触媒上流ＮＯｘ排出量、触媒上流ＨＣ排出量、触媒上流ＣＯ排出量）を推定する。以下の説明では、触媒上流ＮＯｘ排出量、触媒上流ＨＣ排出量、触媒上流ＣＯ排出量を、「触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量」とも略記する。この触媒上流状態量推定部（触媒上流状態量推定部５２）は、触媒上流空燃比センサ２０により検出された触媒上流空燃比、排ガス流量、及び排ガス温度センサ２６により検出された排ガス温度を入力とし、触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量を触媒上流状態量として推定する。この触媒上流状態量推定部５２は、第１状態空間モデルで構成される。この第１状態空間モデルは、例えば後述する第１機械学習モデル（ニューラルネットワークモデル）により構成される。そして、触媒上流状態量推定部（触媒上流状態量推定部５２）は、予め学習された第１機械学習モデルに触媒上流空燃比、排ガス流量、及び排ガス温度を入力し、第１機械学習モデルが出力する、触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量を触媒上流状態量として推定する。

　触媒下流状態量推定部５３は、三元触媒の下流側で排出された各種物質の状態量（触媒下流ＮＯｘ排出量、触媒下流ＨＣ排出量、触媒下流ＣＯ排出量、酸素貯蔵割合、触媒下流空燃比、及び触媒温度）を推定する。以下の説明では、触媒下流ＮＯｘ排出量、触媒下流ＨＣ排出量、触媒下流ＣＯ排出量を、「触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量」とも略記する。この触媒下流状態量推定部５３は、触媒上流空燃比、排ガス流量、排ガス温度、及び触媒上流状態量（触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量）を入力とし、三元触媒の触媒温度、酸素貯蔵能、触媒下流空燃比（リア当量比）、及び触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を触媒下流状態量として推定する。この触媒下流状態量推定部５３は、第２状態空間モデルで構成される。この第２状態空間モデルは、例えば、第２機械学習モデル（触媒上流状態量推定部５２で構成される第１状態空間モデルとは別のニューラルネットワークモデル）により構成される。そして、触媒下流状態量推定部（触媒下流状態量推定部５３）は、予め学習された第２機械学習モデルに触媒上流空燃比、排ガス流量、及び排ガス温度、並びに触媒上流状態量を入力し、第２機械学習モデルが出力する、三元触媒の触媒温度、酸素貯蔵能、触媒下流空燃比、及び、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を触媒下流状態量として推定する。

　補正部（補正部５４）は、下流ＮＯｘセンサ（触媒下流ＮＯｘセンサ２９）が検出したＮＯｘセンサ値を用いて、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を補正する。例えば、補正部５４は、触媒下流状態量推定部５３の第２状態空間モデルで推定された触媒下流状態量に基づいて触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量の補正量を算出する。この時、補正部５４は、補正された触媒下流ＮＯｘ排出量と、下流ＮＯｘセンサ（触媒下流ＮＯｘセンサ２９）が検出したＮＯｘセンサ値に基づいて、ＮＯｘセンサ値に対する触媒下流ＮＯｘ排出量の差分である補正パラメータを算出する。そして、補正部５４は、補正パラメータに基づいて、推定された触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を補正する。

　補正部（補正部５４）は、拡張カルマンフィルタを用いて、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を補正する。この補正部５４は、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量及び触媒下流ＮＯｘセンサ２９の信号を入力とした拡張カルマンフィルタにより構成される。そして、ＥＣＵ２８は、補正部５４の出力である触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を、診断器等である不図示のモニタリング部に出力することでＯＢＭを実現する。補正部５４からモニタリング部への出力は、補正部５４から上に延びる矢印で表される。触媒下流状態量推定部５３の第２状態空間モデルは、触媒劣化状態に関わる酸素貯蔵割合、触媒下流空燃比、及び触媒温度を推定するため、触媒劣化を考慮でき、劣化状態で変化する触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を推定することができる。

　診断部（ＮＯｘセンサ診断部５５）は、補正部（補正部５４）により補正された触媒下流ＮＯｘ排出量と、下流ＮＯｘセンサ（触媒下流ＮＯｘセンサ２９）が検出したＮＯｘセンサ値に基づいて、下流ＮＯｘセンサ（触媒下流ＮＯｘセンサ２９）を診断する。この際、診断部（ＮＯｘセンサ診断部５５）は、補正部５４で算出された補正パラメータに基づいて補正された触媒下流ＮＯｘ排出量と、下流ＮＯｘセンサ（触媒下流ＮＯｘセンサ２９）が検出したＮＯｘセンサ値に基づいて、下流ＮＯｘセンサ（触媒下流ＮＯｘセンサ２９）を診断する。例えば、ＮＯｘセンサ診断部５５は、触媒下流ＮＯｘ排出量と触媒下流ＮＯｘセンサ２９のＮＯｘセンサ値とを比較することで、触媒下流ＮＯｘセンサ２９の診断を実施する。そして、ＮＯｘセンサ診断部５５は、触媒下流ＮＯｘセンサ２９の診断結果を出力する。このため、触媒下流ＮＯｘセンサ２９の劣化具合等が早期に判明し、触媒下流ＮＯｘセンサ２９の交換等の対処が可能となる。

　燃料噴射量補正部（燃料噴射量補正部５６）は、補正部（補正部５４）により補正された触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量に基づいて、燃料噴射部が噴射する燃料の噴射量の補正値を算出する。このため、燃料噴射量補正部５６は、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を入力とし、既定の燃料噴射量補正マップ５６ａにより触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を低減するための燃料噴射量補正値を算出する。例えば、触媒下流ＮＯｘ排出量が増加した場合、燃料噴射量補正部５６は、燃料噴射量をリッチ側にシフトする燃料噴射量補正値を燃料噴射弁１５に出力する。そして、燃焼の結果、ＮＯｘ、ＨＣ、ＣＯ排出量がゼロ、又はできるだけ減らせるように噴射量が調整される。この結果、燃料噴射弁１５では、燃焼後に妥当なＮＯｘ、ＨＣ、ＣＯ排出量となるように噴射量が調整された燃料が噴射される。なお、燃料噴射量補正マップ５６ａの引数は、触媒下流ＮＯｘ、ＨＣ排出量の２入力を設定することも可能である。

　次に、ＥＣＵ２８の処理の例について、図１４を参照して説明する。
　図１４は、本発明に係るＥＣＵ２８の処理の例を示すフローチャートである。

　まず、ＥＣＵ２８の排ガス流量算出部５１は、クランク角度センサ１８に基づくエンジン回転数及び流量センサ２に基づく充填効率を入力として排ガス流量を算出する（Ｓ１）。

　次に、ＥＣＵ２８は、排ガス流量と、排ガス温度センサ２６に基づく排ガス温度と、触媒上流空燃比センサ２０に基づく触媒上流空燃比とをＥＣＵ２８のＲＡＭ等の記憶媒体に取得し、これらの値を触媒上流状態量推定部５２の第１状態空間モデルに入力する（Ｓ２）。

　次に、触媒上流状態量推定部５２は、第１状態空間モデルに入力された排ガス流量、排ガス温度、触媒上流空燃比に基づいて、触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量といった触媒上流状態量を推定する（Ｓ３）。このようにステップＳ３の処理は、予め学習された第１機械学習モデルに排ガス流量、排ガス温度、触媒上流空燃比を入力し、第１機械学習モデルが出力する、触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量を触媒上流状態量として推定する第１推定工程を含む。

　次に、触媒下流状態量推定部５３は、第２状態空間モデルに排ガス流量、排ガス温度、触媒上流空燃比、触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量を入力する。そして、触媒下流状態量推定部５３は、第２状態空間モデルに入力された各種の情報に基づいて、触媒温度、酸素貯蔵能、触媒下流空燃比（リア当量比）、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量といった触媒下流状態量を推定する（Ｓ４）。このようにステップＳ４の処理は、予め学習された第２機械学習モデルに触媒上流空燃比、排ガス流量、排ガス温度、及び第１機械学習モデルが推定した触媒上流状態量を入力し、第２機械学習モデルが出力する、三元触媒の触媒温度、酸素貯蔵能、触媒下流空燃比、及び、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を触媒下流状態量として推定する第２推定工程を含む。

　次に、ＥＣＵ２８は、触媒下流ＮＯｘセンサ２９のセンサ値を取得する（Ｓ５）。触媒下流ＮＯｘセンサ２９のセンサ値は、補正部５４の拡張カルマンフィルタとＮＯｘセンサ診断部５５に入力される。

　次に、補正部５４は、触媒下流状態量推定部５３から入力される触媒下流後ＮＯｘ、ＨＣ、ＣＯ排出量を拡張カルマンフィルタに入力し、拡張カルマンフィルタを用いて触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を補正する（Ｓ６）。ステップＳ６の処理は、補正部５４が補正された触媒下流ＮＯｘ排出量と、下流ＮＯｘセンサ（触媒下流ＮＯｘセンサ２９）が検出したＮＯｘセンサ値に基づいて、触媒下流ＮＯｘ排出量の差分である補正パラメータを算出する処理を具体化したものである。ステップＳ６で求められる触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量が、後続の燃料噴射量補正部５６における燃料噴射量の補正に用いられる。なお、補正部５４が拡張カルマンフィルタを用いて行う処理は、後述する図１５に示す。

　次に、補正部５４は、ステップＳ６で補正した触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を、ＣＡＮ（Controller Area Network）通信などの周知の通信手段を介してＥＣＵ２８の外部の、診断器等の所定の表示部に送信する。このため、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を受信した不図示の診断器において、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を現示可能となり（Ｓ７）、ＯＢＭが実現される。ＯＢＭの形態として、例えば、時系列グラフの表示、数値の表示等が想定される。

　また、ＮＯｘセンサ診断部５５は、ステップＳ６で補正部５４が求めた、補正パラメータに基づいて補正された触媒下流ＮＯｘ排出量の推定値と、ステップＳ５で触媒下流ＮＯｘセンサ２９から取得したセンサ値とを比較する。そして、ＮＯｘセンサ診断部５５は、この比較結果に基づいて、触媒下流ＮＯｘセンサ２９の診断を実施する（Ｓ８）。この診断結果についても、外部の不図示の診断器等に出力可能である。これにより、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量の値の信頼性を高めることができる。ステップＳ８の後、ＥＣＵ２８は、本処理を終了する。

　一方、燃料噴射量補正部５６は、ステップＳ６の後、ステップＳ８と並行して、補正部５４から入力される触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量の推定値（補正値）に基づいて、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を低減するための燃料噴射量補正値を算出する（Ｓ９）。燃料噴射量補正部５６が算出した燃料噴射量補正値により燃料噴射弁１５から噴射される燃料の燃料噴射量が補正され、燃料噴射弁１５から補正された燃料噴射量で燃料が噴射される。ステップＳ９の後、ＥＣＵ２８は、本処理を終了する。

　図１５は、図１３に示した触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を補正する補正部５４において用いられるカルマンフィルタアルゴリズムの例を示すフローチャートである。ここでは、本発明の構成要素の一つであるカルマンフィルタについて、アルゴリズム及び本制御への適用方法を説明する。カルマンフィルタでは、次式（１）、（２）で定義するシステムノイズＱ、及び観測ノイズＲを含む状態方程式を前提とする。

　カルマンフィルタは、予測ステップとフィルタリングステップに分けられる。補正部５４は、予測ステップにおいて、入力変数とシステムノイズＱに基づき、次式（３）、（４）により内部状態変数ベクトルｘ及び共分散行列Ｐを更新する（Ｓ１１，Ｓ１２）。

　次に、補正部５４は、フィルタリングステップにおいて、更新後の共分散行列Ｐと観測ノイズＲで規定されるカルマンゲインＫを、次式（５）により計算する（Ｓ１３）。

　次に、補正部５４は、カルマンゲインＫ（ｋ）と観測データ（ｙ（ｋ）：ＮＯｘセンサ検出値）を用いて、次式（６）、（７）により内部状態変数ベクトルｘ及び共分散行列Ｐを再度更新する（Ｓ１４，Ｓ１５）。

　式（６）にてカルマンゲインＫ（ｋ）が掛けられる項が、触媒下流ＮＯｘセンサ２９の検出値ｙ（ｋ）に対する差分を表す。この差分が補正パラメータを表す。このようにして、内部状態変数ベクトルｘ及び共分散行列Ｐが、実際の観測データ（ＮＯｘセンサ検出値）によって補正される。

　以上の計算により、補正部５４は、触媒下流ＮＯｘセンサ２９によって直接測定することが困難な内部状態変数ｘ（ｋ｜ｋ）の挙動を、測定可能な出力情報に基づいて推定することができる。このため、本実施形態に係る補正部５４は、触媒下流ＮＯｘセンサ２９の検出値に基づいて、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量をカルマンフィルタによって推定した。

　次に、第１機械学習モデル及び第２機械学習モデルについて、図１６Ａと図１６Ｂを参照して説明する。
　図１６Ａは、第１状態空間モデルを構成する第１機械学習モデル、及び第２状態空間モデルを構成する第２機械学習モデルを説明するための図である。

　本実施の形態において、第１機械学習モデル及び第２機械学習モデルはニューラルネットワークモデルで構成される。ニューラルネットワークモデルとは、人間の脳神経回路の仕組みを模した数学モデルである。図１６Ａの上側と左下に示すように、ニューラルネットワークモデルを構成する各ニューロンには、重みｗとバイアスｂが設定されている。このニューラルネットワークモデルでは、ａ_１～ａ_ｎの入力信号に対して、それぞれ重みｗ_１～ｗ_ｎが乗じられ、さらにバイアスｂが加えられた結果として、関数ｆ（ｚ）が求められる。
　ここで、式ｚ、入力信号ａは以下の関係を満たす。
　ｚ＝ｗ_１ａ_１＋ｗ_２ａ_２＋…＋ｗ_ｎａ_ｎ＋ｂ
　ａ＝ｆ（ｚ）

　また、図１６Ａの右下に示すように、ニューロンには活性化関数と呼ばれる関数が定義されている。活性化関数には、ロジスティック関数やランプ関数、シグモイド関数などが適宜設定される。複数のニューロンで一つの層が形成され、入力層と出力層との間には、中間層が設定される。ニューロン数や中間層の層数を増加することで、ニューラルネットワークモデルがより複雑な入出力関係を近似することができる。近似精度とモデル規模との間にはトレードオフの関係があり、双方の要求を満足する両立点が選定される。

　図１６Ｂは、ニューラルネットワークモデルの例を示す図である。
　図１６Ｂの上側には、教師有り学習により構成されるニューラルネットワークモデルの例が示される。ニューラルネットワークモデルは、入力層、複数の中間層、出力層で構成される。そして、例えば、排ガスセンサ信号が入力層に設定され、触媒劣化診断の結果が出力層に設定される。ここで、出力層に設定される触媒劣化診断の結果は、例えば、図１２に示した第１状態空間モデルであれば、計測された触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量である。また、図１２に示した第２状態空間モデルであれば、計測された触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量である。入力層と出力層に各種の値が設定された後、ニューラルネットワークモデルが、機械学習（教師有り）により各ニューロンの重みを変えることによって、ニューラルネットワークモデルが入出力関係を近似することができる。なお、この機械学習（教師有り）のアルゴリズムには、誤差逆伝播法を適用できる。

　図１６Ｂの下側には、各種の値を推定演算する時に用いられるニューラルネットワークモデルの例が示される。推定演算におけるニューラルネットワークモデルは、図１６Ａの上側に示した教師有り学習により構成されたニューラルネットワークモデルが用いられる。そして、実際のセンサ信号がニューラルネットワークモデルの入力層に入力され、中間層を経て、出力層から推定された触媒劣化診断の結果が出力される。図１２に示した第１状態空間モデルであれば、推定された触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量が出力される。また、図１２に示した第２状態空間モデルであれば、推定された触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量が出力される。

　次に、第１機械学習モデル及び第２機械学習モデルの機械学習工程について、図１７を参照して説明する。
　図１７は、機械学習工程を説明するための第１及び第２機械学習モデルのブロック図である。ここで、図１７に示す機械学習工程（第１学習工程及び第２学習工程）は、例えば、エンジン試験室などの当業者において周知の試験設備などを用いて行われる。このため、この機械学習の対象となる内燃機関１を搭載する自動車を、実際に路上で走行させることなく、機械学習工程を実行することができる。

　まず、ブロック６１は、内燃機関制御システム１００のクランク角度センサ１８に基づくエンジン回転数及び流量センサ２に基づく充填効率を入力として、排ガス流量を算出する。なお、ブロック６１は、図１３に示した排ガス流量算出部５１と同じものとしてよい。

　次に、ブロック６２は、図１６Ｂの上側に示したように、第１機械学習モデルの機械学習（教師有り）を実行する。このため、ブロック６２には、内燃機関制御システム１００内の排ガス温度センサ２６に基づく排ガス温度、触媒上流空燃比センサ２０に基づく触媒上流空燃比、及び、ブロック６１で算出された排ガス流量と、第１機械学習モデルの機械学習工程（第１学習工程）のために内燃機関制御システム１００外に追加的に配備された触媒上流ＮＯｘ、ＨＣ、ＣＯセンサによって得られる触媒上流状態量（触媒上流の実際の排ガス情報）とが入力される。そして、ブロック６２が推定した触媒上流ＮＯｘ、ＨＣ、ＣＯが、推定された触媒上流状態量としてブロック６３に出力される。

　なお、本実施の形態においては、機械学習における排ガス温度及び触媒上流空燃比が内燃機関制御システム１００内に配備された排ガス温度センサ２６及び触媒上流空燃比センサ２０から取得されるようにしている。しかし、本発明はこれに限定されず、内燃機関制御システム１００外に配置した測定器で計測される排ガス温度や触媒上流空燃比をブロック６２に入力してもよい。

　ブロック６３は、図１６Ｂの上側に示したように、第２機械学習モデルの機械学習（教師有り）を実行する。このため、ブロック６３には、上記の排ガス温度、触媒上流空燃比、排ガス流量、及び、ブロック６２から出力される触媒上流ＮＯｘ、ＨＣ、ＣＯセンサの情報と、第２機械学習モデルの事前学習工程（第２学習工程）のために内燃機関制御システム１００外に追加的に配備された触媒下流（触媒後）ＮＯｘ、ＨＣ、ＣＯセンサによる触媒下流状態量（触媒下流の実際の排ガス情報）とが入力される。

　次に、第１学習工程及び第２学習工程について、図１８を参照して説明する。
　図１８は、第１学習工程及び第２学習工程のフローチャートである。

　始めに、ブロック６１は、内燃機関制御システム１００のクランク角度センサ１８に基づくエンジン回転数及び流量センサ２に基づく充填効率を入力として算出される排ガス流量を計測する。また、不図示の排ガス温度センサにより排ガス温度を計測し、不図示の触媒上流空燃比センサにより触媒上流空燃比を計測する。また、不図示の触媒上流ＨＣ、ＣＯ、ＮＯｘセンサにより触媒上流状態量を計測する。また、不図示の触媒下流ＨＣ、ＣＯ、ＮＯｘセンサにより触媒下流状態量を計測する（Ｓ２１）。これら不図示の触媒上流空燃比センサ、触媒上流ＨＣ、ＣＯ、ＮＯｘセンサ、触媒下流ＨＣ、ＣＯ、ＮＯｘセンサは、いずれも内燃機関制御システム１００外に配置される測定器に設けられる。

　次に、ブロック６２は、ブロック６１から計測された排ガス流量を取得する。また、ブロック６２は、計測された排ガス温度及び触媒上流空燃比を取得する。また、ブロック６２は、触媒上流ＮＯｘ、ＨＣ、ＣＯセンサから得たセンサ値である触媒上流状態量を取得する（Ｓ２２）。

　次に、ブロック６２は、計測された排ガス流量、排ガス温度、及び触媒上流空燃比と、計測された触媒上流状態量とを教師データとして入力し、第１機械学習モデル（第１状態空間モデル）の学習を実行する（第１学習工程）。ここでは、ブロック６２が、入力された教師データに基づいて、触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量を触媒上流状態量として推定する第１機械学習モデル（第１状態空間モデル）の学習が実行される（Ｓ２３）。

　第１機械学習モデル（第１状態空間モデル）は、ニューラルネットワークモデルの入力側となる触媒上流空燃比、排ガス流量及び排ガス温度と、ニューラルネットワークモデルの出力側となる内燃機関制御システム１００外の触媒上流状態量との値の複雑な入出力関係に近似したものとなる。

　次に、ブロック６３は、上記の計測された排ガス流量、排ガス温度、及び触媒上流空燃比を取得し、第１機械学習モデルが推定した触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量である触媒上流状態量を取得する。さらに、ブロック６３は、触媒下流ＨＣ、ＣＯ、ＮＯｘセンサにより計測された触媒下流状態量を触媒下流ＨＣ、ＣＯ、ＮＯｘから取得する（Ｓ２４）。

　次に、ブロック６３は、計測された排ガス流量、排ガス温度、及び触媒上流空燃比と、第１機械学習モデルにより推定される触媒上流状態量と、計測された触媒下流状態量（触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量）を教師データとして入力し、第２機械学習モデル（第２状態空間モデル）の学習を実行する（第２学習工程）。ここでは、ブロック６３が、三元触媒の触媒温度、酸素貯蔵能、触媒下流空燃比、及び、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を触媒下流状態量として推定する第２機械学習モデル（第２状態空間モデル）の学習が実行される（Ｓ２５）。

　第２機械学習モデル（第２状態空間モデル）は、ニューラルネットワークモデルの入力側となる排ガス流量、排ガス温度、触媒上流空燃比、及び触媒上流状態量と、ニューラルネットワークモデルの出力側となる内燃機関制御システム１００外の上記触媒下流状態量との値の複雑な入出力関係に近似したものとなる。

　なお、第１学習工程及び第２学習工程は、ＥＣＵ２８とは別に設けられる汎用のコンピューターを用いて実行することができる。

　以上説明した第１の実施形態に係るＥＣＵ２８では、内燃機関１に設置された既存のセンサ等から得られた情報に基づいて、触媒下流ＮＯｘ排出量、触媒下流ＨＣ排出量、触媒下流ＣＯ排出量を推定される。このため、触媒上流に高価なＨＣ、ＣＯセンサを設けることなく、触媒下流ＮＯｘ排出量、触媒下流ＨＣ排出量、触媒下流ＣＯ排出量をリアルタイムに現示することが可能となる。

　ここで、ＥＣＵ２８の触媒上流状態量推定部５２は、第１機械学習モデルに触媒上流空燃比、排ガス流量、及び排ガス温度を入力することで、触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量を触媒上流状態量として推定可能である。第１機械学習モデルは、計測された触媒上流空燃比、排ガス流量、及び排ガス温度等と、計測された触媒上流状態量とを教師データとして予め学習が実行されたものであり、複雑に入力される各種の値から触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量を容易に推測することが可能である。

　また、ＥＣＵ２８の触媒下流状態量推定部５３は、第２機械学習モデルに触媒上流空燃比、排ガス流量、及び排ガス温度と、触媒上流状態量推定部５２が推定した触媒上流状態量とを入力することで、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量、酸素貯蔵割合、触媒下流空燃比、及び触媒温度を触媒下流状態量として推定可能である。第２機械学習モデルは、計測された排ガス流量、排ガス温度、及び触媒上流空燃比と、第１機械学習モデルにより推定される触媒上流状態量と、計測された触媒下流状態量（触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量）を教師データとして予め学習が実行されたものである。そして、第２機械学習モデルは、複雑に入力される各種の値から触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量、酸素貯蔵割合、触媒下流空燃比、及び触媒温度を容易に推測することが可能である。

　また、ＥＣＵ２８の補正部５４は、拡張カルマンフィルタを用いることで、触媒下流状態量推定部５３により推定された触媒下流状態量（触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量）を補正可能である。そして、補正された触媒下流状態量（触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量）がモニタリング部にリアルタイムで現示される。

　また、ＥＣＵ２８のＮＯｘセンサ診断部５５は、補正部５４により補正された触媒下流ＮＯｘ値と、触媒下流ＮＯｘセンサ２９のセンサ値とを比較することで、触媒下流ＮＯｘセンサ２９の診断が可能である。このため、触媒下流ＮＯｘセンサ２９の異常の発生を早期に得ることができ、触媒下流ＮＯｘセンサ２９の早期の交換等を行える。また、ＥＣＵ２８は、診断結果により触媒下流ＮＯｘセンサ２９が劣化していることが分かれば、触媒下流ＮＯｘセンサ２９のセンサ値は制御に用いず、補正部５４により補正された触媒下流ＮＯｘ値を制御に用いるようにすることができる。

　また、ＥＣＵ２８の燃料噴射量補正部５６は、補正部５４により補正された触媒下流状態量（触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量）に基づいて、燃料噴射量を補正する。このため、ＥＣＵ２８は、三元点である理論空燃比に当量比を保ち、三元触媒の浄化率を高位に保つ制御を行うことが可能となる。

［第２の実施形態］
　上述した第１の実施形態においては、例えば、主としてガソリンを燃焼させる内燃機関１について説明しているが、本発明はこれに限定されない。例えば、水素由来の合成燃料や、動植物由来の天然材料を基にした所謂バイオフューエル等の、ガソリン代替燃料を燃料させる内燃機関１においても本発明を適用することが可能である。

　本発明の第２の実施形態は、水素由来の合成燃料やバイオフューエルなど、燃料組成が変化した場合に対応するために、第１状態空間モデル及び第２状態空間モデルで用いられる上記入出力関係の学習データを燃料種別に応じて切替えるように構成される。これにより、ＥＣＵは、各種燃料に応じた触媒下流のＮＯｘ、ＨＣ、ＣＯ排出量の推定を実施することができる。

　図１９は、第２の実施形態に係るＥＣＵ２８Ａの内部構成例を示すブロック図である。ＥＣＵ２８は、以下のブロック５１～５６を備える。

　排ガス流量算出部５１は、クランク角度センサ１８に基づくエンジン回転数及び流量センサ２に基づく充填効率を入力として、排ガス流量を算出する。

　触媒上流状態量推定部５２は、排ガス温度センサ２６に基づく排ガス温度、触媒上流空燃比センサ２０に基づく触媒上流空燃比、排ガス流量を入力とし、触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量を推定する第１状態空間モデルを構成する。この第１状態空間モデルには、上記の各種燃料に応じた複数個の学習データが備えられている。例えば、水素由来の合成燃料を内燃機関１で燃焼させている状態において上記第１学習工程が施行された第１機械学習モデルＡと、バイオフューエルを内燃機関１に燃焼させている状態において上記第１学習工程が施行された第１機械学習モデルＢと、標準的なガソリンを燃焼させている状態において上記第１学習工程が施行された第１機械学習モデルＣとが切り替え可能として備えられている。

　触媒下流状態量推定部５３は、排ガス温度、触媒上流空燃比、触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量を入力とし、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量、酸素貯蔵割合、触媒下流空燃比、及び触媒温度を推定する第２状態空間モデルである。この第２状態空間モデルには、上記の各種燃料に応じた複数個の学習データが備えられている。例えば、水素由来の合成燃料を内燃機関１で燃焼させている状態において上記第２学習工程が施行された第２機械学習モデルＡと、バイオフューエルを内燃機関１に燃焼させている状態において上記第２学習工程が施行された第２機械学習モデルＢと、標準的なガソリンを燃焼させている状態において上記第２学習工程が施行された第２機械学習モデルＣとが切り替え可能として備えられている。

　燃料組成判別部（燃料組成判別部５７）は、燃料の組成を判別する。例えば、燃料組成判別部５７は、ガソリン、水素由来の合成燃料、又はバイオフューエルなどの燃料に対して予め付与された燃料組成識別番号を受け付ける受付部（不図示）を有する。この燃料組成判別部５７は、ＥＣＵ２８の内部に構成される不図示の受付部が受付けた燃料組成識別番号に基づき、上述の第１機械学習モデルＡ～Ｃ、または第２機械学習モデルＡ～Ｃを切り替える。このように、燃料組成判別部５７は、設定された燃料に適合するように、第１状態空間モデル及び第２状態空間モデルを設定することが可能である。

　このため、触媒上流状態量推定部（触媒上流状態量推定部５２）は、燃料の組成に応じて予め学習された複数種類の第１機械学習モデルを有し、燃料組成判別部（燃料組成判別部５７）により判別された燃料の組成に基づいて、複数種類の第１機械学習モデルから一つの第１機械学習モデルを選択する。このため、触媒上流状態量推定部５２は、内燃機関１で燃焼される燃料に合わせて選択した第１機械学習モデルにより、触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量を触媒上流状態量として推定することが可能である。

　また、触媒下流状態量推定部（触媒下流状態量推定部５３）は、燃料の組成に応じて予め学習された複数種類の第２機械学習モデルを有し、燃料組成判別部（燃料組成判別部５７）により判別された燃料の組成に基づいて、複数種類の第２機械学習モデルから一つの第２機械学習モデルを選択する。このため、触媒下流状態量推定部５３は、内燃機関１で燃焼される燃料に合わせて選択した第２機械学習モデルにより、三元触媒の触媒温度、酸素貯蔵能、触媒下流空燃比、及び、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を触媒下流状態量として推定することが可能である。

　補正部５４は、第２状態空間モデルで推定した触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量に基づいて触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を導出する補正部の一例である。この補正部５４は、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量及び触媒下流ＮＯｘセンサ２９信号を入力とした拡張カルマンフィルタにより構成されている。

　ＮＯｘセンサ診断部５５は、触媒下流ＮＯｘ排出量と触媒下流ＮＯｘセンサ２９のセンサ値とを比較し、触媒下流ＮＯｘセンサ２９の診断を実施し、診断結果を出力する。

　燃料噴射量補正部５６は、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を入力とし、既定の燃料噴射量補正マップ５６ａにより触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を低減するための燃料噴射量補正値を算出する。例えば、触媒下流ＮＯｘ排出量が増加した場合、燃料噴射量補正部５６は、燃料噴射量をリッチ側にシフトする燃料噴射量補正値を燃料噴射弁１５に出力する。ここで燃料噴射量補正マップ５６ａの引数は、触媒下流ＮＯｘ、ＨＣ排出量の２入力も設定も可能である。

　そしてＥＣＵ２８Ａは、補正部５４の出力である触媒下流ＮＯｘ、ＨＣ、ＣＯを診断器などの不図示のモニタリング部に出力することで、各種ガソリン代替燃料に対応したＯＢＭを実現する。

　次に、第２の実施形態に係るＥＣＵ２８Ａで行われる処理について説明する。
　図２０は、ＥＣＵ２８Ａの処理の例を示すフローチャートである。

　まず、ＥＣＵ２８Ａの排ガス流量算出部５１は、クランク角度センサ１８に基づくエンジン回転数及び流量センサ２に基づく充填効率を入力として排ガス流量を算出する（Ｓ１）。

　次に、ＥＣＵ２８Ａは、排ガス流量と、排ガス温度センサ２６に基づく排ガス温度と、触媒上流空燃比センサ２０に基づく触媒上流空燃比とをＥＣＵ２８ＡのＲＡＭ等の記憶媒体に取得し、これらの値を触媒上流状態量推定部５２の第１状態空間モデルに入力する（Ｓ３１）。

　次に、燃料組成判別部５７は、燃料組成識別番号を受け付ける。そして、燃料組成判別部５７は、受け付けた燃料組成識別番号に基づき、触媒上流状態量推定部５２の第１状態空間モデルに対して上記第１機械学習モデルＡ～Ｃのいずれかに切り替え設定する。併せて、燃料組成判別部５７は、受け付けた燃料組成識別番号に基づき、触媒下流状態量推定部５３の第２状態空間モデルに対して上記第２機械学習モデルＡ～Ｃのいずれかに切り替え設定する（Ｓ３２）。

　次に、触媒上流状態量推定部５２は、ステップＳ３２で第１機械学習モデルが切り替え設定された第１状態空間モデルに排ガス流量、排ガス温度、触媒上流空燃比を入力して、燃料組成に対応した触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量を推定する（Ｓ３３）。

　次に、触媒下流状態量推定部５３は、ステップＳ３２で第２機械学習モデルが切り替え設定された第２状態空間モデルに排ガス流量、排ガス温度、触媒上流空燃比、触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量を入力する。そして、触媒下流状態量推定部５３は、燃料組成に対応した触媒温度、酸素貯蔵能（ＯＳＣ）、触媒下流空燃比（リア当量比）、触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量といった触媒下流状態量を推定する（Ｓ３４）。

　次に、ＥＣＵ２８は、触媒下流ＮＯｘセンサ２９のセンサ値を取得する（Ｓ３５）。触媒下流ＮＯｘセンサ２９のセンサ値は、補正部５４の拡張カルマンフィルタとＮＯｘセンサ診断部５５に入力される。

　次に、補正部５４は、拡張カルマンフィルタを用いて、触媒下流後ＮＯｘ、ＨＣ、ＣＯ排出量に基づく触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量を求める（Ｓ３６）。

　ステップＳ３６の後のステップＳ７～Ｓ９の処理は、図１４を参照して説明した第１の実施形態に係るＥＣＵ２８における各ステップの処理と同じであるため、詳細な説明を省略する。

　以上説明した第２の実施形態に係るＥＣＵ２８Ａでは、燃料組成判別部５７を備えたことにより、燃料組成の判別結果に応じて、触媒上流状態量推定部５２が最適な第１機械学習モデルを選択可能となる。同様に、燃料組成判別部５７による燃料組成の判別結果に応じて、触媒下流状態量推定部５３が最適な第２機械学習モデルを選択可能となる。このため、第１機械学習モデルが推定する触媒上流ＮＯｘ、ＨＣ、ＣＯ排出量、第２機械学習モデルが推定する触媒下流ＮＯｘ、ＨＣ、ＣＯ排出量のいずれもが妥当な値として推定される。

　なお、本発明は上述した実施形態に限られるものではなく、請求の範囲に記載した本発明の要旨を逸脱しない限りその他種々の応用例、変形例を取り得ることは勿論である。
　例えば、上述した実施形態は本発明を分かりやすく説明するためにシステムの構成を詳細かつ具体的に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されない。また、本実施形態の構成の一部について、他の構成の追加、削除、置換をすることも可能である。
　また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

　１…内燃機関、２０…触媒上流空燃比センサ、２１…排気浄化触媒、２２…リア酸素センサ、２８…ＥＣＵ、５１…排ガス流量算出部、５２…触媒上流状態量推定部、５３…触媒下流状態量推定部、５４…補正部、５５…ＮＯｘセンサ診断部、５６…燃料噴射量補正部、５６ａ…燃料噴射量補正マップ、５７…燃料組成判別部、１００…内燃機関制御システム、１１０…後処理システム

Claims

　排気管内に設けられ、酸素貯蔵能を有する三元触媒の上流に配置され、排ガスの触媒上流空燃比を検出する上流空燃比センサと、前記三元触媒の下流に配置され、前記三元触媒の下流のＮＯｘを検出する下流ＮＯｘセンサとを備える内燃機関を制御する内燃機関制御装置であって、
　前記排ガスの排ガス流量を算出する排ガス流量算出部と、
　前記触媒上流空燃比、前記排ガス流量、及び、排ガス温度センサにより検出された排ガス温度を入力とし、触媒上流ＮＯｘ排出量、触媒上流ＨＣ排出量、触媒上流ＣＯ排出量を触媒上流状態量として推定する触媒上流状態量推定部と、
　前記触媒上流空燃比、前記排ガス流量、及び前記排ガス温度、及び前記触媒上流状態量を入力とし、前記三元触媒の触媒温度、前記酸素貯蔵能、触媒下流空燃比、触媒下流ＮＯｘ排出量、触媒下流ＨＣ排出量、触媒下流ＣＯ排出量を触媒下流状態量として推定する触媒下流状態量推定部と、
　前記下流ＮＯｘセンサが検出したＮＯｘセンサ値を用いて、前記触媒下流ＮＯｘ排出量、前記触媒下流ＨＣ排出量、前記触媒下流ＣＯ排出量を補正する補正部と、を備える
　内燃機関制御装置。
　前記触媒上流状態量推定部は、予め学習された第１機械学習モデルに前記触媒上流空燃比、前記排ガス流量、及び前記排ガス温度を入力し、前記第１機械学習モデルが出力する、前記触媒上流ＮＯｘ排出量、前記触媒上流ＨＣ排出量、前記触媒上流ＣＯ排出量を前記触媒上流状態量として推定する
　請求項１に記載の内燃機関制御装置。
　前記触媒下流状態量推定部は、予め学習された第２機械学習モデルに前記触媒上流空燃比、前記排ガス流量、及び前記排ガス温度、並びに前記触媒上流状態量を入力し、前記第２機械学習モデルが出力する、前記触媒温度、前記酸素貯蔵能、前記触媒下流空燃比、及び、前記触媒下流ＮＯｘ排出量、前記触媒下流ＨＣ排出量、前記触媒下流ＣＯ排出量を前記触媒下流状態量として推定する
　請求項２に記載の内燃機関制御装置。
　前記補正部は、拡張カルマンフィルタを用いて、前記触媒下流ＮＯｘ排出量、前記触媒下流ＨＣ排出量、前記触媒下流ＣＯ排出量を補正する
　請求項３に記載の内燃機関制御装置。
　前記補正部により補正された前記触媒下流ＮＯｘ排出量、前記触媒下流ＨＣ排出量、前記触媒下流ＣＯ排出量に基づいて、燃料噴射部が噴射する燃料の噴射量の補正値を算出する燃料噴射量補正部を備える
　請求項３に記載の内燃機関制御装置。
　前記補正部により補正された前記触媒下流ＮＯｘ排出量と、前記下流ＮＯｘセンサが検出したＮＯｘセンサ値に基づいて、前記ＮＯｘセンサを診断する診断部を備える
　請求項３に記載の内燃機関制御装置。
　燃料の組成を判別する燃料組成判別部を備え、
　前記触媒上流状態量推定部は、燃料の組成に応じて予め学習された複数種類の第１機械学習モデルを有し、前記燃料組成判別部により判別された燃料の組成に基づいて、複数種類の前記第１機械学習モデルから一つの前記第１機械学習モデルを選択し、
　前記触媒下流状態量推定部は、燃料の組成に応じて予め学習された複数種類の第２機械学習モデルを有し、前記燃料組成判別部により判別された燃料の組成に基づいて、複数種類の前記第２機械学習モデルから一つの前記第２機械学習モデルを選択する
　請求項３に記載の内燃機関制御装置。
　排気管内に設けられ、酸素貯蔵能を有する三元触媒の上流に配置され、排ガスの触媒上流空燃比を検出する上流空燃比センサと、前記三元触媒の下流に配置され、前記三元触媒の下流のＮＯｘを検出する下流ＮＯｘセンサとを備える内燃機関の状態量を推定する状態量推定方法であって、
　前記排ガスの排ガス流量を算出する工程と、
　前記触媒上流空燃比、前記排ガス流量、及び、排ガス温度センサにより検出された排ガス温度を入力とし、触媒上流ＮＯｘ排出量、触媒上流ＨＣ排出量、触媒上流ＣＯ排出量を触媒上流状態量として推定する工程と、
　前記触媒上流空燃比、前記排ガス流量、前記排ガス温度、及び前記触媒上流状態量を入力とし、前記三元触媒の触媒温度、前記酸素貯蔵能、触媒下流空燃比、触媒下流ＮＯｘ排出量、触媒下流ＨＣ排出量、触媒下流ＣＯ排出量を触媒下流状態量として推定する工程と、
　前記下流ＮＯｘセンサが検出したＮＯｘセンサ値を用いて、推定された前記触媒下流ＮＯｘ排出量、前記触媒下流ＨＣ排出量、前記触媒下流ＣＯ排出量を補正する工程と、を含む
　状態量推定方法。
　前記触媒上流空燃比、前記三元触媒の上流の前記排ガス流量及び前記排ガス温度を計測する工程と、
　計測された前記排ガス流量、及び前記排ガス温度、及び前記触媒上流空燃比と、計測された前記触媒上流ＮＯｘ排出量、前記触媒上流ＨＣ排出量、前記触媒上流ＣＯ排出量とを教師データとして入力し、前記触媒上流ＮＯｘ排出量、前記触媒上流ＨＣ排出量、前記触媒上流ＣＯ排出量を前記触媒上流状態量として推定する第１機械学習モデルに学習を行わせる第１学習工程と、を含む
　請求項８に記載の状態量推定方法。
　前記触媒下流ＮＯｘ排出量、前記触媒下流ＨＣ排出量、前記触媒下流ＣＯ排出量を計測する工程と、
　計測された前記排ガス流量、及び前記排ガス温度、及び前記触媒上流空燃比と、前記第１機械学習モデルにより推定される前記触媒上流状態量と、計測された前記触媒下流ＮＯｘ排出量、前記触媒下流ＨＣ排出量、前記触媒下流ＣＯ排出量とを教師データとして入力し、前記三元触媒の触媒温度、前記酸素貯蔵能、前記触媒下流空燃比、及び、前記触媒下流ＮＯｘ排出量、前記触媒下流ＨＣ排出量、前記触媒下流ＣＯ排出量を前記触媒下流状態量として推定する第２機械学習モデルに学習を行わせる第２学習工程と、を含む
　請求項９に記載の状態量推定方法。
　予め学習された前記第１機械学習モデルに前記触媒上流空燃比、前記排ガス流量、及び前記排ガス温度を入力し、前記第１機械学習モデルが出力する、前記触媒上流ＮＯｘ排出量、前記触媒上流ＨＣ排出量、前記触媒上流ＣＯ排出量を前記触媒上流状態量として推定する第１推定工程を含む
　請求項１０に記載の状態量推定方法。
　予め学習された前記第２機械学習モデルに前記触媒上流空燃比、前記排ガス流量、及び前記排ガス温度、並びに前記第１機械学習モデルが推定した前記触媒上流状態量を入力し、前記第２機械学習モデルが出力する、前記三元触媒の触媒温度、前記酸素貯蔵能、前記触媒下流空燃比、及び、前記触媒下流ＮＯｘ排出量、前記触媒下流ＨＣ排出量、前記触媒下流ＣＯ排出量を前記触媒下流状態量として推定する第２推定工程を含む
　請求項１１に記載の状態量推定方法。
　補正された前記触媒下流ＮＯｘ排出量と、前記下流ＮＯｘセンサが検出したＮＯｘセンサ値に基づいて、前記ＮＯｘセンサ値に対する前記触媒下流ＮＯｘ排出量の差分である補正パラメータを算出する工程を含み、
　前記補正パラメータに基づいて、推定された前記触媒下流ＮＯｘ排出量、前記触媒下流ＨＣ排出量、前記触媒下流ＣＯ排出量が補正される
　請求項１２に記載の状態量推定方法。
　前記補正パラメータに基づいて補正された前記触媒下流ＮＯｘ排出量と、前記下流ＮＯｘセンサが検出したＮＯｘセンサ値に基づいて、前記ＮＯｘセンサを診断する工程を含む
　請求項１３に記載の状態量推定方法。