WO2024084654A1 - 内燃機関制御装置及び状態量推定方法 - Google Patents
内燃機関制御装置及び状態量推定方法 Download PDFInfo
- Publication number
- WO2024084654A1 WO2024084654A1 PCT/JP2022/039104 JP2022039104W WO2024084654A1 WO 2024084654 A1 WO2024084654 A1 WO 2024084654A1 JP 2022039104 W JP2022039104 W JP 2022039104W WO 2024084654 A1 WO2024084654 A1 WO 2024084654A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- catalyst
- downstream
- upstream
- nox
- exhaust gas
- Prior art date
Links
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims description 45
- 239000003054 catalyst Substances 0.000 claims abstract description 667
- 239000000446 fuel Substances 0.000 claims abstract description 251
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 245
- 239000007789 gas Substances 0.000 claims abstract description 185
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 141
- 239000001301 oxygen Substances 0.000 claims abstract description 141
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 141
- 238000012937 correction Methods 0.000 claims abstract description 100
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000010801 machine learning Methods 0.000 claims description 93
- 238000002347 injection Methods 0.000 claims description 54
- 239000007924 injection Substances 0.000 claims description 54
- 239000000203 mixture Substances 0.000 claims description 42
- 230000008569 process Effects 0.000 claims description 34
- 238000003745 diagnosis Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 abstract description 7
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 669
- 229930195733 hydrocarbon Natural products 0.000 description 140
- 150000002430 hydrocarbons Chemical class 0.000 description 140
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 125
- 229910002091 carbon monoxide Inorganic materials 0.000 description 125
- 238000000746 purification Methods 0.000 description 45
- 238000010586 diagram Methods 0.000 description 39
- 230000008859 change Effects 0.000 description 20
- 238000003062 neural network model Methods 0.000 description 20
- 238000006243 chemical reaction Methods 0.000 description 17
- 230000007423 decrease Effects 0.000 description 14
- 230000006866 deterioration Effects 0.000 description 14
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000006399 behavior Effects 0.000 description 10
- CETPSERCERDGAM-UHFFFAOYSA-N ceric oxide Chemical compound O=[Ce]=O CETPSERCERDGAM-UHFFFAOYSA-N 0.000 description 8
- 229910000422 cerium(IV) oxide Inorganic materials 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 239000001257 hydrogen Substances 0.000 description 8
- 229910052739 hydrogen Inorganic materials 0.000 description 8
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 7
- 229910002092 carbon dioxide Inorganic materials 0.000 description 6
- 229910000421 cerium(III) oxide Inorganic materials 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 230000004913 activation Effects 0.000 description 5
- 239000002551 biofuel Substances 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 230000003197 catalytic effect Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 238000006555 catalytic reaction Methods 0.000 description 3
- 239000013626 chemical specie Substances 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000007254 oxidation reaction Methods 0.000 description 3
- 238000006722 reduction reaction Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 239000000567 combustion gas Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000036632 reaction speed Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 229910052684 Cerium Inorganic materials 0.000 description 1
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 1
- 239000005977 Ethylene Substances 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000001273 butane Substances 0.000 description 1
- GWXLDORMOJMVQZ-UHFFFAOYSA-N cerium Chemical compound [Ce] GWXLDORMOJMVQZ-UHFFFAOYSA-N 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- IJDNQMDRQITEOD-UHFFFAOYSA-N n-butane Chemical compound CCCC IJDNQMDRQITEOD-UHFFFAOYSA-N 0.000 description 1
- OFBQJSOFQDEBGM-UHFFFAOYSA-N n-pentane Natural products CCCCC OFBQJSOFQDEBGM-UHFFFAOYSA-N 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 229910017464 nitrogen compound Inorganic materials 0.000 description 1
- 150000002830 nitrogen compounds Chemical class 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- BMMGVYCKOGBVEV-UHFFFAOYSA-N oxo(oxoceriooxy)cerium Chemical compound [Ce]=O.O=[Ce]=O BMMGVYCKOGBVEV-UHFFFAOYSA-N 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N3/00—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust
- F01N3/08—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous
- F01N3/10—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous by thermal or catalytic conversion of noxious components of exhaust
- F01N3/18—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous by thermal or catalytic conversion of noxious components of exhaust characterised by methods of operation; Control
- F01N3/22—Control of additional air supply only, e.g. using by-passes or variable air pump drives
-
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D45/00—Electrical control not provided for in groups F02D41/00 - F02D43/00
Definitions
- the present invention relates to an internal combustion engine control device and a state quantity estimation method.
- a control technology has been known in which an internal combustion engine is equipped with a three-way catalyst in the exhaust pipe, and exhaust gas sensors installed before and after the three-way catalyst detect the oxygen storage state in the three-way catalyst, and correct the air-fuel ratio (or equivalence ratio) according to the detection result of the oxygen storage state.
- a rich correction of the air-fuel ratio is determined based on the oxygen storage state detected by the time integral of the product of the amount of air taken into the internal combustion engine and the difference between the air-fuel ratio of the exhaust gas and the theoretical air-fuel ratio.
- an exhaust gas sensor installed downstream of the three-way catalyst detects the amount of oxygen released downstream of the three-way catalyst, thereby performing feedback correction of the air-fuel ratio control.
- the three-way catalyst is also abbreviated to "catalyst".
- OBM On Board Monitoring
- real-time measurement of NOx one of the regulated exhaust gas components
- NOx nitrogen oxide
- real-time measurement of other regulated exhaust gas components hydrocarbons (HC) and carbon monoxide (CO)
- HC hydrocarbons
- CO carbon monoxide
- Patent Document 1 discloses a technology for estimating the purification rates of HC, CO, and NOx using a catalyst state estimation model in which exhaust information measured by an exhaust gas sensor upstream of the catalyst is used as model input.
- Patent Document 1 does not disclose a configuration for measuring or estimating the NOx, HC, and CO emissions downstream of the catalyst in real time and displaying the NOx, HC, and CO emissions.
- Patent Document 2 also discloses a technology for estimating the amount of variation and catalyst state of an exhaust gas sensor installed upstream or downstream of a catalyst using a state space model, and correcting the exhaust gas sensor output value based on the estimated amount of variation, or performing a deterioration diagnosis of the exhaust gas sensor based on the estimated amount of variation.
- Patent Document 2 only describes a technology for individually correcting or diagnosing the output values of various exhaust gas sensors actually installed upstream or downstream of a catalyst. For this reason, Patent Document 2 does not disclose a configuration for estimating HC and CO emissions downstream of a catalyst without installing HC and CO sensors that are too expensive and large to be installed in a vehicle as described above, and displaying the estimated results to the vehicle user.
- Patent Documents 1 and 2 did not disclose a configuration for performing so-called OBM with high accuracy, which measures and displays HC, CO, and NOx emissions downstream of a catalyst, which are multiple regulated exhaust gas components, in real time.
- the present invention was developed in light of these circumstances, and aims to display the HC, CO, and NOx emissions downstream of the catalyst in real time.
- the internal combustion engine control device of the present invention controls an internal combustion engine that is provided in an exhaust pipe and has an upstream air-fuel ratio sensor arranged upstream of a three-way catalyst having oxygen storage capacity to detect the air-fuel ratio of the exhaust gas upstream of the catalyst, and a downstream NOx sensor arranged downstream of the three-way catalyst to detect NOx downstream of the three-way catalyst.
- This internal combustion engine control device includes an exhaust gas flow rate calculation unit that calculates the exhaust gas flow rate of the exhaust gas; a catalyst upstream state quantity estimation unit that receives the catalyst upstream air-fuel ratio, exhaust gas flow rate, and exhaust gas temperature detected by the exhaust gas temperature sensor as inputs and estimates the catalyst upstream NOx emissions, catalyst upstream HC emissions, and catalyst upstream CO emissions as catalyst upstream state quantities; a catalyst downstream state quantity estimation unit that receives the catalyst upstream air-fuel ratio, exhaust gas flow rate, exhaust gas temperature, and catalyst upstream state quantities as inputs and estimates the catalyst temperature of the three-way catalyst, oxygen storage capacity, catalyst downstream air-fuel ratio, catalyst downstream NOx emissions, catalyst downstream HC emissions, and catalyst downstream CO emissions as catalyst downstream state quantities; and a correction unit that corrects the catalyst downstream NOx emissions, catalyst downstream HC emissions, and catalyst downstream CO emissions using the NOx sensor value detected by the downstream NOx sensor.
- the NOx emissions downstream of the catalyst, the HC emissions downstream of the catalyst, and the CO emissions downstream of the catalyst are estimated and corrected, making it possible to display the corrected NOx emissions downstream of the catalyst, the HC emissions downstream of the catalyst, and the CO emissions downstream of the catalyst in real time without installing HC and CO sensors.
- FIG. 1 is an overall schematic configuration diagram of an internal combustion engine control system according to a first embodiment of the present invention
- 1 is a block diagram showing an example of a hardware configuration of an ECU according to a first embodiment of the present invention
- 1 is a schematic diagram showing an example of the configuration of a post-processing system according to a first embodiment of the present invention
- 3 is a diagram illustrating the relationship between the equivalence ratio of exhaust gas and the output of the air-fuel ratio sensor according to the first embodiment of the present invention.
- FIG. FIG. 4 is a diagram illustrating the relationship between the equivalence ratio of exhaust gas and the output of the rear oxygen sensor according to the first embodiment of the present invention.
- FIG. 2 is a diagram illustrating the tendency of the equivalence ratio of H 2 O (water), CO (carbon monoxide), CO 2 (carbon dioxide), H 2 (hydrogen), and O 2 (oxygen) according to the first embodiment of the present invention.
- FIG. 2 is a diagram for explaining the tendency of HC (hydrocarbon) and NOx (nitrogen oxides) with respect to the equivalence ratio according to the first embodiment of the present invention.
- FIG. 2 is a diagram for explaining the main reaction process of a three-way catalyst (ceria-based) used in the aftertreatment system according to the first embodiment of the present invention.
- FIG. 4 is a diagram for explaining the tendency of the purification rate of a three-way catalyst versus exhaust gas equivalence ratio at a temperature equal to or higher than the catalyst activation temperature according to the first embodiment of the present invention.
- 3A to 3C are diagrams illustrating the catalyst upstream equivalence ratio, the catalyst downstream equivalence ratio, and the output behavior of the rear oxygen sensor 22 according to the first embodiment of the present invention.
- FIG. 4 is a diagram illustrating the hysteresis of the output characteristic of the rear oxygen sensor according to the first embodiment of the present invention.
- 5 is a diagram illustrating the output of the rear oxygen sensor and the changes over time in the NOx concentration and HC concentration downstream of the catalyst according to the first embodiment of the present invention.
- FIG. 3 is a diagram illustrating the relationship between the degree of catalyst deterioration and the oxygen storage capacity of a three-way catalyst according to the first embodiment of the present invention.
- FIG. 2 is a diagram illustrating the relationship between the oxygen storage ratio of the three-way catalyst according to the first embodiment of the present invention and the NOx purification rate of the three-way catalyst.
- FIG. 4 is a diagram illustrating the results of a comparison of the catalyst upstream equivalence ratio, the catalyst downstream equivalence ratio, the oxygen storage ratio, and the output behavior of the rear oxygen sensor when a new catalyst and a degraded catalyst according to the first embodiment of the present invention are used.
- 2 is a block diagram showing an example of an internal configuration of an ECU according to the first embodiment of the present invention; FIG.
- FIG. 4 is a flowchart showing an example of processing of an ECU according to the first embodiment of the present invention.
- 4 is a flowchart illustrating an example of a Kalman filter algorithm according to the first embodiment of the present invention.
- FIG. 2 is a diagram illustrating an example of a neural network model according to the first embodiment of the present invention.
- 4 is a flowchart of a first learning process and a second learning process according to the first embodiment of the present invention.
- FIG. 11 is a block diagram showing an example of an internal configuration of an ECU according to a second embodiment of the present invention.
- 10 is a flowchart showing an example of processing of an ECU according to a second embodiment of the present invention.
- FIG. 1 is a schematic diagram of an overall configuration of an internal combustion engine control system 100. As shown in FIG. 1
- the internal combustion engine control system 100 includes an internal combustion engine 1 and an ECU (Electronic Control Unit) 28 attached to the internal combustion engine 1.
- the ECU 28 is electrically connected to various sensors, actuators, etc. that constitute the internal combustion engine 1, and is an example of an internal combustion engine control device that controls the internal combustion engine 1.
- the internal combustion engine 1 is equipped with a flow sensor 2 (air flow sensor), turbocharger 3, air bypass valve 4, intercooler 5, boost temperature sensor 6, throttle valve 7, intake manifold 8, boost pressure sensor 9, flow enhancement valve 10, intake valve 11, valve opening/closing phase sensor 12, exhaust valve 13, valve opening/closing phase sensor 14, fuel injection valve 15, spark plug 16, knock sensor 17, crank angle sensor 18, wastegate valve 19, catalyst upstream air-fuel ratio sensor 20, exhaust purification catalyst (three-way catalyst) 21, rear oxygen sensor (catalyst downstream oxygen sensor) 22, EGR (Exhaust Gas Recirculation) pipe 23, EGR cooler 24, EGR valve 25, exhaust gas temperature sensor 26, differential pressure sensor 27, and catalyst downstream NOx sensor 29.
- the rear oxygen sensor 22 can be replaced with a catalyst downstream (rear) air-fuel ratio sensor (not shown).
- An intake air temperature sensor (not shown) is attached to a flow rate sensor 2 provided in an intake air flow passage of the internal combustion engine 1.
- the intake air temperature sensor measures the intake air temperature.
- the turbocharger 3 is composed of a compressor 3a having compressor blades facing the intake passage, and a turbine 3b having turbine blades connected to the compressor 3a so as to rotate integrally with the compressor 3a and facing the exhaust passage.
- the compressor 3a and the turbine 3b are rotatably supported inside the turbocharger 3.
- the turbine 3b converts the energy of the exhaust gas from the internal combustion engine 1 into rotational energy.
- the compressor 3a connected to the turbine 3b compresses the intake air that flows in from the intake passage by using the rotational energy of the turbine 3b.
- the intercooler 5 is provided downstream of the compressor 3a of the turbocharger 3, and cools the intake air temperature that has been increased by adiabatic compression by the compressor 3a.
- the supercharged air temperature sensor 6 is installed downstream of the intercooler 5, and measures the temperature of the intake air cooled by the intercooler 5 (supercharged air temperature).
- the throttle valve 7 is provided downstream of the intercooler 5 and narrows the intake flow path to control the amount of intake air flowing into the cylinder of the internal combustion engine 1.
- the throttle valve 7 is an electronically controlled butterfly valve whose valve opening can be controlled by the ECU 28. Downstream of the throttle valve 7 is connected to the intake manifold 8, to which a boost pressure sensor 9 is attached.
- the intake manifold 8 located downstream of the throttle valve 7 may be integrated with the intercooler 5. In this case, the volume from downstream of the compressor 3a to the cylinder can be reduced, improving acceleration/deceleration responsiveness and controllability.
- the air bypass valve 4 is disposed in the intake bypass flow passage that connects the upstream and downstream of the compressor 3a in the intake flow passage to prevent an excessive increase in pressure from the downstream of the compressor 3a to the upstream of the throttle valve 7. For example, if the throttle valve 7 is suddenly closed in a supercharged state, the air bypass valve 4 is opened under the control of the ECU 28, and the compressed intake air downstream of the compressor 3a is reversed through the bypass flow passage to the upstream of the compressor 3a. As a result, the phenomenon known as surging can be prevented by immediately lowering the supercharging pressure, and damage to the compressor 3a is appropriately prevented.
- the flow enhancing valve 10 is located downstream of the intake manifold 8, and enhances the turbulence of the flow inside the cylinder by creating a bias in the intake air drawn into the cylinder.
- the ECU 28 can close the flow enhancing valve 10 to promote turbulent combustion and stabilize the combustion that occurs in the combustion chamber.
- the intake valve 11 and exhaust valve 13 each have a variable valve mechanism for continuously varying the valve opening and closing phase.
- Valve opening and closing phase sensors 12, 14 for detecting the valve opening and closing phase are respectively attached to the variable valve mechanisms of the intake valve 11 and exhaust valve 13.
- Each cylinder of the internal combustion engine 1 is provided with a direct injection type fuel injection valve 15 that injects fuel pressurized by a fuel pump (not shown) into the combustion chamber of the cylinder.
- the fuel injection valve 15 may be of a port injection type that injects fuel into the intake flow path. Alternatively, multiple direct injection type and port injection type fuel injection valves 15 may be used for each cylinder.
- the cylinders of the internal combustion engine 1 are fitted with spark plugs 16 that expose their electrodes inside the cylinders and ignite the combustible mixture with a spark.
- a knock sensor 17 is provided in the cylinder block and detects the presence or absence of knock by detecting cylinder block vibrations caused by combustion pressure vibrations that occur in the combustion chamber.
- a crank angle sensor 18 is attached to the crankshaft and outputs a signal to the ECU 28 according to the rotation angle of the crankshaft.
- the upstream air-fuel ratio sensor (catalyst upstream air-fuel ratio sensor 20) is disposed downstream of the turbine 3b of the turbocharger 3 and upstream of a three-way catalyst (exhaust purification catalyst 21) that has oxygen storage capacity and is provided in the exhaust pipe.
- the upstream air-fuel ratio sensor detects the exhaust gas composition detected from the exhaust gas, i.e., the catalyst upstream air-fuel ratio of the exhaust gas, and outputs a signal indicating the catalyst upstream air-fuel ratio to the ECU 28.
- the exhaust purification catalyst 21 is an example of a three-way catalyst and is provided downstream of the catalyst upstream air-fuel ratio sensor 20.
- the exhaust purification catalyst 21 purifies harmful exhaust gas components such as carbon monoxide, nitrogen compounds, and unburned hydrocarbons in the exhaust gas by catalytic reaction.
- the rear oxygen sensor 22 is disposed downstream of the exhaust purification catalyst 21.
- the rear oxygen sensor 22 detects the amount of oxygen contained in the exhaust gas after purification by the exhaust purification catalyst 21.
- the exhaust purification catalyst 21 is also called a three-way catalyst or a catalyst.
- the turbocharger 3 is equipped with an air bypass valve 4 and a wastegate valve 19.
- the air bypass valve 4 is arranged on the bypass flow path connecting the upstream and downstream of the compressor 3a to prevent an excessive increase in pressure from the downstream of the compressor 3a to the upstream of the throttle valve 7. If the throttle valve 7 is suddenly closed in a supercharged state, the air bypass valve 4 is opened under the control of the ECU 28, and the compressed intake air downstream of the compressor 3a is reversed through the bypass flow path to the upstream of the compressor 3a. As a result, the phenomenon known as surging can be prevented by immediately lowering the supercharging pressure, and damage to the compressor 3a is appropriately prevented.
- the wastegate valve 19 is disposed in the exhaust bypass flow passage that connects the upstream and downstream of the turbine 3b in the exhaust flow passage.
- the wastegate valve 19 is an electrically operated valve whose valve opening can be freely controlled according to the boost pressure under the control of the ECU 28.
- the opening of the wastegate valve 19 is adjusted by the ECU 28 based on the boost pressure detected by the boost pressure sensor 9, part of the exhaust gas passes through the bypass flow passage, thereby reducing the energy that the exhaust gas imparts to the turbine 3b.
- the wastegate valve 19 can adjust the boost pressure to the target pressure.
- the EGR pipe 23 connects the exhaust flow path downstream of the exhaust purification catalyst 21 with the intake flow path upstream of the compressor 3a, and diverts exhaust gas from downstream of the exhaust purification catalyst 21 and returns it to the upstream of the compressor 3a.
- the EGR cooler 24 provided in the EGR pipe 23 cools the diverted exhaust gas.
- the EGR valve 25 is provided in the EGR pipe 23 between the EGR cooler 24 and the upstream of the compressor 3a, and controls the flow rate of exhaust gas returned to the upstream of the compressor 3a.
- the EGR pipe 23 is also provided with an exhaust gas temperature sensor 26 that detects the exhaust gas temperature of the exhaust gas upstream of the EGR valve 25, and a differential pressure sensor 27 that detects the differential pressure between the upstream and downstream of the EGR valve 25.
- the ECU 28 is a control device that includes a CPU (Central Processing Unit) 205, a ROM (Read Only Memory) 204, a RAM (Random Access Memory) 203, as well as an A/D (Analog-to-Digital) converter and a driver circuit (not shown) shown in FIG. 2 (described later), and controls each component of the internal combustion engine 1 and executes various data processing.
- the ECU 28 controls the operation of actuators such as the throttle valve 7, the fuel injection valve 15, the variable valve mechanisms of the intake valve 11 and the exhaust valve 13, and the EGR valve 25.
- the ECU 28 also detects the operating state of the internal combustion engine 1 based on signals input from various sensors, and ignites the spark plug 16 at a timing determined according to the operating state.
- FIG. 2 is a block diagram showing an example of the hardware configuration of the ECU 28.
- the ECU 28 includes an input circuit 201, an input/output port 202, a RAM 203, a ROM 204, a CPU 205, a throttle valve drive circuit 206, a fuel injection valve drive circuit 207, and an ignition output circuit 208.
- Output signals from various sensors are input to the input circuit 201.
- FIG. 2 an example is shown in which output signals from the throttle sensor of the throttle valve 7, the flow sensor 2, the boost temperature sensor 6, the boost pressure sensor 9, the valve opening/closing phase sensors 12, 14, the knock sensor 17, the crank angle sensor 18, the catalyst upstream air-fuel ratio sensor 20, and the rear oxygen sensor 22 are input to the input circuit 201 of the ECU 28.
- the signals input to the input circuit 201 are sent to the input/output port 202.
- the signal sent to the input/output port 202 is stored in the RAM 203 and processed by the CPU 205.
- a control program describing the contents of the processing is written in advance in the ROM 204 and executed by the CPU 205.
- the ROM 204 records programs and data necessary for the operation of the CPU 205, and is used as an example of a computer-readable non-transitory storage medium that stores a program executed by the ECU 28.
- Control signals calculated by the CPU 205 in accordance with the control program are output to various devices such as a throttle valve drive circuit 206, a fuel injection valve drive circuit 207, and an ignition output circuit 208.
- the throttle valve drive circuit 206 outputs a drive signal to the throttle valve 7 for controlling the opening and closing drive of the throttle valve 7 .
- the fuel injection valve drive circuit 207 outputs a drive signal to the fuel injection valve 15 for controlling the opening and closing drive of the fuel injection valve 15 at the fuel injection timing.
- the ignition output circuit 208 outputs a drive signal to the ignition output circuit 208 for controlling the ignition of the spark plug 16 at the ignition timing.
- FIG. 3A is a schematic diagram showing an example of the configuration of the post-processing system 110.
- a three-way catalyst is used as the exhaust gas purification catalyst (exhaust purification catalyst 21).
- a catalyst upstream air-fuel ratio sensor 20 is provided upstream of the three-way catalyst, and a rear oxygen sensor 22 is provided downstream, and the catalyst upstream air-fuel ratio sensor 20 and the rear oxygen sensor 22 are connected to a control device such as an ECU 28.
- the ECU 28 measures the catalyst upstream air-fuel ratio of the exhaust gas flowing into the three-way catalyst via the catalyst upstream air-fuel ratio sensor 20, and can detect the amount of oxygen contained in the exhaust gas after catalytic purification via the rear oxygen sensor 22.
- the horizontal axis of FIG. 3B represents the equivalence ratio, and the vertical axis represents the output of the catalyst upstream air-fuel ratio sensor 20.
- the output of the catalyst upstream air-fuel ratio sensor 20 (air-fuel ratio sensor output) tends to decrease as the equivalence ratio increases (in other words, as the exhaust gas becomes richer).
- the ECU 28 converts the catalyst upstream air-fuel ratio sensor signal into the catalyst upstream air-fuel ratio based on the relationship between the equivalence ratio of the exhaust gas and the output of the catalyst upstream air-fuel ratio sensor 20. This enables the ECU 28 to accurately detect the catalyst upstream air-fuel ratio over a wide range, from lean to rich exhaust gas conditions.
- FIG. 3C is a diagram illustrating the relationship between the equivalence ratio of exhaust gas and the output of the rear oxygen sensor 22.
- the horizontal axis of FIG. 3C represents the equivalence ratio, and the vertical axis represents the rear oxygen sensor output.
- the rear oxygen sensor output which can also be interpreted as the rear oxygen sensor voltage, changes depending on the electromotive force caused by the difference in concentration between the oxygen concentration in the exhaust gas and the oxygen concentration in the air.
- the rear oxygen sensor output generally exhibits a minimum electromotive force under lean conditions and a maximum electromotive force under rich conditions. Therefore, in catalyst control, the rear oxygen sensor output has the characteristic of suddenly changing at the theoretical air-fuel ratio (equivalence ratio 1.0). By capturing the timing of this change in the rear oxygen sensor output, the ECU 28 can detect the amount of oxygen in the exhaust gas released downstream of the three-way catalyst.
- FIG. 4A and 4B are diagrams illustrating the trends of the concentrations of chemical species in the exhaust gas versus the equivalence ratio.
- FIG. 4A illustrates the trend for the equivalence ratio of H 2 O (water), CO (carbon monoxide), CO 2 (carbon dioxide), H 2 (hydrogen), and O 2 (oxygen).
- 4B is a diagram for explaining the tendency of HC (hydrocarbon) and NOx (nitrogen oxide) with respect to the equivalence ratio.
- the horizontal axis of FIG. 4A and FIG. 4B represents the equivalence ratio, and the vertical axis represents the concentration of chemical species in the exhaust gas.
- the combustion gas composition of a hydrocarbon fuel shows a tendency that CO (carbon monoxide) and H2 (hydrogen) increase on the rich side of the stoichiometric air-fuel ratio, and O2 (oxygen) increases on the lean side.
- NOx nitrogen oxides
- NOx shows a maximum value on the slightly lean side of the stoichiometric air-fuel ratio, and shows a tendency to decrease on the lean side and rich side.
- HC unburned hydrocarbons
- the air-fuel ratio becomes excessively lean or rich beyond the stoichiometric air-fuel ratio, the amount of HC discharged due to incomplete combustion of the fuel tends to increase.
- ⁇ Reaction process of three-way catalyst> 5 is a diagram for explaining the main reaction process of the three-way catalyst (ceria-based) used in the aftertreatment system 110. In the reaction process shown in FIG. 5, coefficients are omitted.
- the three-way catalytic reaction process mainly consists of oxidation reaction, NOx reduction reaction, and oxygen storage and release reaction.
- oxidation reaction CO, H2 , and HC produced under rich or high temperature conditions react with oxygen to produce harmless CO2 and H2O .
- Unburned hydrocarbons (HC) include components such as methane, propane, ethylene, and butane, and each reaction proceeds at a different speed.
- the NOx reduction reaction is mainly represented by the reaction of CO with NO, producing CO2 and N2 .
- the oxygen storage/release reaction the storage/release of oxygen (O 2 ) and the oxidation/reduction reactions of HC, CO, and NO proceed via the catalytic material Ce (cerium). That is, CO 2 and H 2 O are generated by the reaction of cerium dioxide (CeO 2 ) with CO and HC, and N 2 is generated by the reaction of cerium trioxide (Ce 2 O 3 ) with NO.
- the oxygen storage ratio ⁇ of the three-way catalyst is determined by the balance between CeO 2 and Ce 2 O 3 that are generated at the same time. That is, if all Ce 2 O 3 in the catalyst becomes CeO 2 , it cannot react with NO, and NO cannot be purified.
- the ECU 28 needs to properly manage the catalyst temperature so that the temperature reaches or exceeds the activation temperature as soon as possible after the internal combustion engine 1 is started.
- the present invention is not limited to this. Even with catalysts using other materials that exhibit similar effects, the same effects can be achieved by adjusting the constants of the control model without changing the configuration of the invention.
- the catalytic reaction may involve water-gas shift reactions and the like.
- the ECU 28 can also accommodate these reaction mechanisms by adjusting the control model constants.
- Figure 6 is a diagram that explains the tendency of the purification rate of a three-way catalyst versus the exhaust gas equivalence ratio at or above the catalyst activation temperature.
- the horizontal axis of Figure 6 is the equivalence ratio, and the vertical axis is the catalyst purification rate.
- Figure 6 also shows the catalyst purification rates of NOx, HC, and CO when the equivalence ratio changes from lean to rich. Also, the closer the catalyst purification rate is to 100%, the more the components in the exhaust gas are purified and the less the components in the exhaust gas are emitted.
- This graph shows that the purification rate characteristics of the three-way catalyst change around the theoretical air-fuel ratio (the "control target" in the diagram).
- the purification rates of CO and HC are maintained at approximately 90% or more, while the NOx purification rate decreases as the equivalence ratio decreases.
- the purification rates of HC and CO are maintained at approximately 90% or more, while the NOx purification rate decreases as the equivalence ratio decreases.
- the purification rates of HC and CO to decrease as the equivalence ratio increases.
- purification rates of 90% or more for NOx, HC, and CO can all be achieved.
- the ECU 28 controls the purification rate of the three-way catalyst to be high by maintaining the equivalence ratio at the theoretical air-fuel ratio, which is the three-way point.
- FIG. 7 is a diagram for explaining the catalyst upstream equivalence ratio, catalyst downstream equivalence ratio, and output behavior of the rear oxygen sensor 22.
- the horizontal axis of FIG. 7 is time, and the vertical axis is the catalyst upstream equivalence ratio, catalyst downstream equivalence ratio, and rear oxygen sensor output.
- This shows the equivalence ratio downstream of the catalyst (catalyst downstream air-fuel ratio) and the output behavior of the rear oxygen sensor 22 installed downstream of the catalyst when the catalyst upstream equivalence ratio (catalyst upstream air-fuel ratio) is suddenly changed in a time-dependent stepwise manner (step-like manner) to the lean side or rich side, with the equivalence ratio at 1.0 as the center.
- time period (b) in Figure 7 when the equivalence ratio upstream of the catalyst is decreased from an equivalence ratio of 1.0 to change in a stepwise manner toward the lean side, the equivalence ratio downstream of the catalyst gradually decreases toward the lean side, and the rear oxygen sensor output, after a relaxation time required for the gradual decrease in the equivalence ratio downstream of the catalyst, suddenly changes toward the predetermined minimum electromotive force value under lean conditions.
- the time required for the equivalence ratio downstream of the catalyst to change from rich to lean during this time period (d) is shorter than the time required for the change from lean to rich during time period (c), and is characterized by the so-called hysteresis.
- the delay time of the catalyst downstream equivalence ratio and the delay time of the output of the rear oxygen sensor 22 tend to differ when changing from lean to rich and when changing from rich to lean.
- This tendency is caused by the fact that the reaction speed of the oxygen storage and release reaction of CeO2 and Ce2O3 in the three-way catalyst (ceria-based) described in Figure 5 is different when changing from rich to lean and when changing from lean to rich.
- the reaction speed of the three-way catalyst also depends on the catalyst temperature and exhaust gas flow rate, so the above-mentioned hysteresis changes depending on the catalyst temperature and exhaust gas flow rate.
- FIG. 8 is a graph for explaining the hysteresis of the output characteristic of the oxygen sensor, with the horizontal axis representing the equivalence ratio and the vertical axis representing the output of the oxygen sensor.
- the static characteristics of the oxygen sensor have been described with reference to Figure 3C.
- the oxygen sensor also uses the above-mentioned catalytic material. Therefore, the dynamic characteristics of the oxygen sensor have hysteresis, in which the change from rich to lean differs from the change from lean to rich.
- the relaxation time required for the oxygen sensor signal to change from the predetermined maximum electromotive force value side under rich conditions to the predetermined minimum electromotive force value side under lean conditions is shorter than the relaxation time required for the oxygen sensor signal to change from the predetermined minimum electromotive force value side under lean conditions to the predetermined maximum electromotive force value side under rich conditions.
- the behavior of the oxygen sensor signal described above is affected by changes in the material properties constituting the oxygen sensor during use and by the temperature of the oxygen sensor.
- the change over time in the output of the rear oxygen sensor 22 and the NOx concentration downstream of the catalyst when the internal combustion engine 1 is controlled from a state (stoichiometry control) in which the equivalence ratio upstream of the catalyst is 1.0 (stoichiometric air-fuel ratio) through a period in which fuel cut is implemented (lean conditions) and operation is resumed under the stoichiometric air-fuel ratio condition will be described.
- 9 is a diagram for explaining the output of the rear oxygen sensor 22 and the change over time in the NOx concentration and HC concentration downstream of the catalyst.
- the horizontal axis in FIG. 9 represents time, and the vertical axis represents the equivalence ratio upstream of the catalyst, the rear oxygen sensor output, the NOx concentration downstream of the catalyst, and the HC concentration downstream of the catalyst.
- time period (b) in FIG. 9 the operation transitions from the catalyst upstream equivalence ratio of 1.0 to lean conditions through fuel cut.
- time period (c) in Figure 9 the system returns to operation with the catalyst upstream equivalence ratio of 1.0.
- the change in the rear oxygen sensor output from the intermediate state with the catalyst upstream equivalence ratio of 1.0 to the lean side differs from the change (relaxation time) from the lean side to the intermediate state with the catalyst upstream equivalence ratio of 1.0.
- the relaxation time required for the oxygen sensor signal to change from a predetermined minimum electromotive force value under lean conditions due to fuel cut to an intermediate state under stoichiometry control conditions is longer than the relaxation time required for the signal to change from the intermediate state under stoichiometry control conditions to a predetermined minimum electromotive force value under lean conditions.
- the relaxation time (delay period) until the rear oxygen sensor output returns to the intermediate state a spike-like increase in the NOx concentration downstream of the catalyst may be observed.
- the catalyst upstream equivalence ratio is increased above 1.0 to temporarily increase the catalyst purification rate of NOx (see FIG. 6), thereby reducing the amount of NOx emissions downstream of the catalyst.
- the catalyst purification rate of NOx by rich correction and the catalyst purification rate of HC and CO (see FIG. 6).
- the rear oxygen sensor signal that detects the oxygen state of the exhaust gas downstream of the catalyst can be used as a judgment criterion.
- the output of the rear oxygen sensor 22 and the changes over time in the NOx concentration and HC concentration downstream of the catalyst when stoichiometry control is performed are shown by solid lines.
- the output of the rear oxygen sensor 22 increases with a delay when the mixture is changed from a lean state to a rich state.
- the NOx concentration downstream of the catalyst exhibits a behavior in which NOx that momentarily increases during the delay period until the output of the rear oxygen sensor 22 returns to normal is discharged.
- the HC concentration downstream of the catalyst remains almost unchanged, so HC emissions are prevented.
- Figure 10 is a diagram that explains the relationship between the degree of catalyst deterioration and the oxygen storage capacity (OSC: Oxygen Storage Capacity) of a three-way catalyst.
- the horizontal axis of Figure 10 is the degree of catalyst deterioration, and the vertical axis is the oxygen storage capacity.
- Catalyst degradation refers to a state in which the catalytic activity of a three-way catalyst is reduced due to thermal effects and poisoning from sulfur contained in the fuel.
- the oxygen storage capacity of a three-way catalyst is roughly proportional to the degree of catalyst degradation in the left-right direction in Figure 10. In other words, as catalyst degradation progresses, the oxygen storage capacity of the three-way catalyst tends to decrease.
- Fig. 11 is a diagram for explaining the relationship between the oxygen storage ratio of a three-way catalyst, i.e., the value obtained by dividing the current oxygen storage amount of the three-way catalyst by the above-mentioned oxygen storage capacity, and the NOx purification rate.
- the horizontal axis of Fig. 11 is the oxygen storage ratio, and the vertical axis is the NOx purification rate.
- the change in the NOx purification rate of a new three-way catalyst is represented by a solid line
- the change in the NOx purification rate of a deteriorated three-way catalyst is represented by a dashed line.
- both a new three-way catalyst and a deteriorated three-way catalyst have a high oxygen storage ratio. Also, a new three-way catalyst has a higher NOx purification rate than a deteriorated three-way catalyst.
- the NOx purification rate value for the oxygen storage amount is lower for a deteriorated three-way catalyst, shown by the dashed line in FIG. 11, than for a new three-way catalyst, shown by the solid line in FIG. 11. Therefore, in order to maintain a high NOx purification rate, it is necessary not only to maintain the exhaust gas air-fuel ratio at the catalyst inlet at the three-way point, but also to appropriately correct and control the exhaust gas air-fuel ratio at the catalyst inlet so that the oxygen storage rate is within a range in which a predetermined NOx purification rate can be obtained, taking into account the state inside the catalyst, which cannot be directly observed from the outside, i.e., the current oxygen storage capacity and oxygen storage rate of the three-way catalyst.
- the predetermined range of oxygen storage rate is represented as a deteriorated control range 36 when the catalyst is deteriorated, and a new control range 35 when the catalyst is new, as shown in FIG. 11, with the new control range 35 being wider than the deteriorated control range 36.
- Figure 12 is a diagram explaining the results of a comparison of the catalyst upstream equivalence ratio, catalyst downstream equivalence ratio, oxygen storage rate, and output behavior of the rear oxygen sensor 22 when a new catalyst and a degraded catalyst are used.
- the horizontal axis is time
- the vertical axis is the catalyst upstream equivalence ratio, catalyst downstream equivalence ratio, oxygen storage rate, and rear oxygen sensor output.
- Figure 12 shows the results of a comparison of the output behavior of the rear oxygen sensor 22 installed downstream of the catalyst when the air-fuel ratio is changed in steps over time to the lean side and rich side, with an equivalence ratio of 1.0 as the center, for a new catalyst and a degraded catalyst.
- the dashed line graph in the figure represents a degraded catalyst
- the solid line graph represents a new catalyst.
- the delay in the output behavior of the rear oxygen sensor 22 in response to lean and rich changes in the catalyst downstream equivalence ratio is reduced for a degraded catalyst compared to a new catalyst.
- This can be explained by the change in the oxygen storage ratio of the catalyst over time.
- the oxygen storage ratio saturates to the maximum or minimum value more quickly, reducing the reaction period of the catalyst storing and releasing oxygen in the exhaust gas downstream of the catalyst. Therefore, the rich correction period after returning to the fuel cut, as explained with reference to Figure 9, needs to be set taking into account the degraded state of the catalyst.
- FIG. 13 is a block diagram showing an example of the internal configuration of the ECU 28 according to the present invention.
- the ECU 28 includes the following blocks 51 to 56.
- the exhaust gas flow rate calculation unit calculates the exhaust gas flow rate of the exhaust gas using the engine speed based on the crank angle sensor 18 and the filling efficiency based on the flow rate sensor 2 as input.
- the catalyst upstream state quantity estimation unit 52 estimates the state quantities of various substances emitted upstream of the three-way catalyst (catalyst upstream NOx emissions, catalyst upstream HC emissions, catalyst upstream CO emissions).
- catalyst upstream NOx emissions, catalyst upstream HC emissions, and catalyst upstream CO emissions are also abbreviated as “catalyst upstream NOx, HC, and CO emissions.”
- This catalyst upstream state quantity estimation unit receives the catalyst upstream air-fuel ratio detected by the catalyst upstream air-fuel ratio sensor 20, the exhaust gas flow rate, and the exhaust gas temperature detected by the exhaust gas temperature sensor 26 as inputs, and estimates the catalyst upstream NOx, HC, and CO emissions as catalyst upstream state quantities.
- This catalyst upstream state quantity estimation unit 52 is configured with a first state space model.
- This first state space model is configured with, for example, a first machine learning model (neural network model) described later. Then, the catalyst upstream state quantity estimation unit (catalyst upstream state quantity estimation unit 52) inputs the catalyst upstream air-fuel ratio, exhaust gas flow rate, and exhaust gas temperature into a first machine learning model that has been trained in advance, and estimates the catalyst upstream NOx, HC, and CO emissions output by the first machine learning model as catalyst upstream state quantities.
- the catalyst downstream state quantity estimation unit 53 estimates the state quantities of various substances discharged downstream of the three-way catalyst (NOx emissions downstream of the catalyst, HC emissions downstream of the catalyst, CO emissions downstream of the catalyst, oxygen storage ratio, air-fuel ratio downstream of the catalyst, and catalyst temperature).
- NOx emissions downstream of the catalyst, HC emissions downstream of the catalyst, and CO emissions downstream of the catalyst are also abbreviated as "NOx, HC, and CO emissions downstream of the catalyst”.
- the catalyst downstream state quantity estimation unit 53 receives the catalyst upstream air-fuel ratio, exhaust gas flow rate, exhaust gas temperature, and catalyst upstream state quantities (NOx, HC, and CO emissions upstream of the catalyst) as inputs, and estimates the catalyst temperature, oxygen storage capacity, catalyst downstream air-fuel ratio (rear equivalence ratio), and catalyst downstream NOx, HC, and CO emissions of the three-way catalyst as catalyst downstream state quantities.
- the catalyst downstream state quantity estimation unit 53 is configured with a second state space model.
- the second state space model is configured with, for example, a second machine learning model (a neural network model different from the first state space model configured with the catalyst upstream state quantity estimation unit 52).
- the catalyst downstream state quantity estimation unit (catalyst downstream state quantity estimation unit 53) inputs the catalyst upstream air-fuel ratio, exhaust gas flow rate, and exhaust gas temperature, as well as the catalyst upstream state quantities, into a second machine learning model that has been trained in advance, and estimates the catalyst temperature, oxygen storage capacity, catalyst downstream air-fuel ratio, and catalyst downstream NOx, HC, and CO emissions of the three-way catalyst output by the second machine learning model as the catalyst downstream state quantities.
- the correction unit corrects the catalyst downstream NOx, HC, and CO emissions using the NOx sensor value detected by the downstream NOx sensor (catalyst downstream NOx sensor 29). For example, the correction unit 54 calculates correction amounts for the catalyst downstream NOx, HC, and CO emissions based on the catalyst downstream state quantities estimated by the second state space model of the catalyst downstream state quantity estimation unit 53. At this time, the correction unit 54 calculates a correction parameter, which is the difference between the catalyst downstream NOx emissions and the NOx sensor value, based on the corrected catalyst downstream NOx emissions and the NOx sensor value detected by the downstream NOx sensor (catalyst downstream NOx sensor 29). The correction unit 54 then corrects the estimated catalyst downstream NOx, HC, and CO emissions based on the correction parameter.
- the correction unit corrects the catalyst downstream NOx, HC, and CO emissions using an extended Kalman filter.
- This correction unit 54 is composed of an extended Kalman filter that receives the catalyst downstream NOx, HC, and CO emissions and the signal from the catalyst downstream NOx sensor 29 as inputs.
- the ECU 28 then outputs the catalyst downstream NOx, HC, and CO emissions, which are the output of the correction unit 54, to a monitoring unit (not shown) that is a diagnostic device or the like, thereby achieving OBM.
- the output from the correction unit 54 to the monitoring unit is represented by an arrow extending upward from the correction unit 54.
- the second state space model of the catalyst downstream state quantity estimation unit 53 estimates the oxygen storage ratio, the catalyst downstream air-fuel ratio, and the catalyst temperature, which are related to the catalyst deterioration state, so that it can take catalyst deterioration into account and estimate the catalyst downstream NOx, HC, and CO emissions that change in the deterioration state.
- the diagnostic unit (NOx sensor diagnostic unit 55) diagnoses the downstream NOx sensor (catalyst downstream NOx sensor 29) based on the catalyst downstream NOx emission amount corrected by the correction unit (correction unit 54) and the NOx sensor value detected by the downstream NOx sensor (catalyst downstream NOx sensor 29). At this time, the diagnostic unit (NOx sensor diagnostic unit 55) diagnoses the downstream NOx sensor (catalyst downstream NOx sensor 29) based on the catalyst downstream NOx emission amount corrected based on the correction parameter calculated by the correction unit 54 and the NOx sensor value detected by the downstream NOx sensor (catalyst downstream NOx sensor 29).
- the NOx sensor diagnostic unit 55 diagnoses the catalyst downstream NOx sensor 29 by comparing the catalyst downstream NOx emission amount with the NOx sensor value of the catalyst downstream NOx sensor 29. Then, the NOx sensor diagnostic unit 55 outputs the diagnosis result of the catalyst downstream NOx sensor 29. Therefore, the deterioration degree of the catalyst downstream NOx sensor 29 can be identified early, and measures such as replacement of the catalyst downstream NOx sensor 29 can be taken.
- the fuel injection amount correction unit calculates a correction value for the amount of fuel injected by the fuel injection unit based on the catalyst downstream NOx, HC, and CO emissions corrected by the correction unit (correction unit 54). For this reason, the fuel injection amount correction unit 56 inputs the catalyst downstream NOx, HC, and CO emissions and calculates a fuel injection amount correction value for reducing the catalyst downstream NOx, HC, and CO emissions using a default fuel injection amount correction map 56a. For example, if the catalyst downstream NOx emissions increase, the fuel injection amount correction unit 56 outputs a fuel injection amount correction value that shifts the fuel injection amount to the rich side to the fuel injection valve 15.
- the injection amount is adjusted so that the NOx, HC, and CO emissions are zero or as low as possible.
- the fuel injection valve 15 injects fuel whose injection amount has been adjusted so that the NOx, HC, and CO emissions after combustion are appropriate.
- the arguments of the fuel injection amount correction map 56a can also be set to two inputs: catalyst downstream NOx and HC emissions.
- FIG. 14 is a flowchart showing an example of processing of the ECU 28 according to the present invention.
- the exhaust gas flow rate calculation unit 51 of the ECU 28 calculates the exhaust gas flow rate using the engine speed based on the crank angle sensor 18 and the charging efficiency based on the flow rate sensor 2 as inputs (S1).
- the ECU 28 acquires the exhaust gas flow rate, the exhaust gas temperature based on the exhaust gas temperature sensor 26, and the catalyst upstream air-fuel ratio based on the catalyst upstream air-fuel ratio sensor 20 in a storage medium such as the RAM of the ECU 28, and inputs these values into the first state space model of the catalyst upstream state quantity estimation unit 52 (S2).
- the catalyst upstream state quantity estimation unit 52 estimates the catalyst upstream state quantities, such as the catalyst upstream NOx, HC, and CO emissions, based on the exhaust gas flow rate, exhaust gas temperature, and catalyst upstream air-fuel ratio input to the first state space model (S3).
- the processing of step S3 includes a first estimation process in which the exhaust gas flow rate, exhaust gas temperature, and catalyst upstream air-fuel ratio are input to a first machine learning model that has been trained in advance, and the catalyst upstream NOx, HC, and CO emissions output by the first machine learning model are estimated as catalyst upstream state quantities.
- the catalyst downstream state quantity estimation unit 53 inputs the exhaust gas flow rate, exhaust gas temperature, catalyst upstream air-fuel ratio, and catalyst upstream NOx, HC, and CO emissions to the second state space model. Then, the catalyst downstream state quantity estimation unit 53 estimates catalyst downstream state quantities such as catalyst temperature, oxygen storage capacity, catalyst downstream air-fuel ratio (rear equivalence ratio), catalyst downstream NOx, HC, and CO emissions based on the various information input to the second state space model (S4).
- catalyst downstream state quantities such as catalyst temperature, oxygen storage capacity, catalyst downstream air-fuel ratio (rear equivalence ratio), catalyst downstream NOx, HC, and CO emissions based on the various information input to the second state space model (S4).
- step S4 includes a second estimation step in which the catalyst upstream air-fuel ratio, exhaust gas flow rate, exhaust gas temperature, and catalyst upstream state quantities estimated by the first machine learning model are input to a second machine learning model that has been trained in advance, and the catalyst temperature, oxygen storage capacity, catalyst downstream air-fuel ratio, and catalyst downstream NOx, HC, and CO emissions of the three-way catalyst output by the second machine learning model are estimated as catalyst downstream state quantities.
- the ECU 28 acquires the sensor value of the catalyst downstream NOx sensor 29 (S5).
- the sensor value of the catalyst downstream NOx sensor 29 is input to the extended Kalman filter of the correction unit 54 and the NOx sensor diagnosis unit 55.
- the correction unit 54 inputs the NOx, HC, and CO emissions downstream of the catalyst input from the catalyst downstream state quantity estimation unit 53 to an extended Kalman filter, and corrects the NOx, HC, and CO emissions downstream of the catalyst using the extended Kalman filter (S6).
- the process of step S6 is a specific embodiment of the process in which the correction unit 54 calculates a correction parameter, which is the difference between the NOx emissions downstream of the catalyst, based on the corrected NOx emissions downstream of the catalyst and the NOx sensor value detected by the downstream NOx sensor (catalyst downstream NOx sensor 29).
- the NOx, HC, and CO emissions downstream of the catalyst calculated in step S6 are used to correct the fuel injection amount in the subsequent fuel injection amount correction unit 56.
- the process performed by the correction unit 54 using the extended Kalman filter is shown in FIG. 15, which will be described later.
- the correction unit 54 then transmits the catalyst downstream NOx, HC, and CO emission amounts corrected in step S6 to a predetermined display unit, such as a diagnostic device, outside the ECU 28 via well-known communication means such as CAN (Controller Area Network) communication.
- a predetermined display unit such as a diagnostic device
- well-known communication means such as CAN (Controller Area Network) communication.
- the catalyst downstream NOx, HC, and CO emission amounts can be displayed in the diagnostic device (not shown) that receives the catalyst downstream NOx, HC, and CO emission amounts (S7), thereby realizing OBM.
- Possible forms of OBM include, for example, display of a time series graph, display of numerical values, etc.
- the NOx sensor diagnostic unit 55 also compares the estimated catalyst downstream NOx emission amount corrected based on the correction parameters obtained by the correction unit 54 in step S6 with the sensor value obtained from the catalyst downstream NOx sensor 29 in step S5. The NOx sensor diagnostic unit 55 then performs diagnosis of the catalyst downstream NOx sensor 29 based on the comparison result (S8). This diagnosis result can also be output to an external diagnostic device (not shown). This can increase the reliability of the values of the catalyst downstream NOx, HC, and CO emission amounts. After step S8, the ECU 28 ends this process.
- step S6 in parallel with step S8, the fuel injection amount correction unit 56 calculates a fuel injection amount correction value for reducing the catalyst downstream NOx, HC, and CO emissions based on the estimated values (correction values) of the catalyst downstream NOx, HC, and CO emissions input from the correction unit 54 (S9).
- the fuel injection amount of fuel injected from the fuel injection valve 15 is corrected by the fuel injection amount correction value calculated by the fuel injection amount correction unit 56, and fuel is injected from the fuel injection valve 15 in the corrected fuel injection amount.
- step S9 the ECU 28 ends this process.
- FIG. 15 is a flowchart showing an example of a Kalman filter algorithm used in correction unit 54, which corrects the catalyst downstream NOx, HC, and CO emissions shown in FIG. 13.
- the Kalman filter is based on a state equation that includes the system noise Q and the observation noise R defined by the following equations (1) and (2).
- the Kalman filter is divided into a prediction step and a filtering step.
- the correction unit 54 updates the internal state variable vector x and the covariance matrix P based on the input variables and the system noise Q using the following equations (3) and (4) (S11, S12).
- the correction unit 54 calculates the Kalman gain K, which is defined by the updated covariance matrix P and the observation noise R, using the following equation (5) (S13).
- the correction unit 54 uses the Kalman gain K(k) and the observation data (y(k): NOx sensor detection value) to re-update the internal state variable vector x and the covariance matrix P according to the following equations (6) and (7) (S14, S15).
- Equation (6) the term multiplied by the Kalman gain K(k) represents the difference with respect to the detection value y(k) of the catalyst downstream NOx sensor 29. This difference represents the correction parameter. In this way, the internal state variable vector x and the covariance matrix P are corrected by the actual observation data (NOx sensor detection value).
- the correction unit 54 estimates the catalyst downstream NOx, HC, and CO emissions using a Kalman filter based on the detection value of the catalyst downstream NOx sensor 29.
- FIG. 16A is a diagram for explaining a first machine learning model constituting a first state space model and a second machine learning model constituting a second state space model.
- the first machine learning model and the second machine learning model are configured as neural network models.
- a neural network model is a mathematical model that mimics the mechanism of the human brain neural circuit. As shown in the upper and lower left of FIG. 16A, a weight w and a bias b are set for each neuron that configures the neural network model.
- input signals a 1 to a n are multiplied by weights w 1 to w n , respectively, and a bias b is further added to obtain a function f(z).
- the equation z and the input signal a satisfy the following relationship.
- a function called an activation function is defined for a neuron.
- the activation function may be a logistic function, a ramp function, a sigmoid function, or the like, as appropriate.
- a layer is formed from multiple neurons, and an intermediate layer is set between the input layer and the output layer. By increasing the number of neurons and the number of intermediate layers, the neural network model can approximate more complex input-output relationships. There is a trade-off between approximation accuracy and model scale, and a balance that satisfies both requirements is selected.
- FIG. 16B is a diagram illustrating an example of a neural network model.
- An example of a neural network model configured by supervised learning is shown in the upper part of FIG. 16B.
- the neural network model is configured with an input layer, multiple intermediate layers, and an output layer.
- an exhaust gas sensor signal is set in the input layer, and the result of the catalyst deterioration diagnosis is set in the output layer.
- the result of the catalyst deterioration diagnosis set in the output layer is, for example, the measured catalyst upstream NOx, HC, and CO emissions in the first state space model shown in FIG. 12.
- the second state space model shown in FIG. 12 the measured catalyst downstream NOx, HC, and CO emissions.
- the neural network model can approximate the input/output relationship by changing the weight of each neuron by machine learning (with a teacher). Note that the error backpropagation method can be applied to this machine learning (with a teacher) algorithm.
- the lower part of Figure 16B shows an example of a neural network model used when estimating various values.
- the neural network model used in the estimation calculation is the neural network model configured by supervised learning shown in the upper part of Figure 16A.
- the actual sensor signal is input to the input layer of the neural network model, passes through the intermediate layer, and the result of the estimated catalyst deterioration diagnosis is output from the output layer.
- estimated NOx, HC, and CO emissions upstream of the catalyst are output.
- estimated NOx, HC, and CO emissions downstream of the catalyst are output.
- Fig. 17 is a block diagram of the first and second machine learning models for explaining the machine learning process.
- the machine learning process (first learning process and second learning process) shown in Fig. 17 is performed using test equipment well known to those skilled in the art, such as an engine test room. Therefore, the machine learning process can be performed without actually driving an automobile equipped with the internal combustion engine 1 that is the subject of this machine learning on the road.
- block 61 calculates the exhaust gas flow rate using the engine speed based on the crank angle sensor 18 of the internal combustion engine control system 100 and the charging efficiency based on the flow rate sensor 2 as input. Note that block 61 may be the same as exhaust gas flow rate calculation unit 51 shown in FIG. 13.
- block 62 executes machine learning (supervised) of the first machine learning model, as shown in the upper part of FIG. 16B.
- block 62 receives as input the exhaust gas temperature based on the exhaust gas temperature sensor 26 in the internal combustion engine control system 100, the catalyst upstream air-fuel ratio based on the catalyst upstream air-fuel ratio sensor 20, and the exhaust gas flow rate calculated in block 61, as well as the catalyst upstream state quantity (actual exhaust gas information upstream of the catalyst) obtained by the catalyst upstream NOx, HC, and CO sensors additionally arranged outside the internal combustion engine control system 100 for the machine learning process (first learning process) of the first machine learning model. Then, the catalyst upstream NOx, HC, and CO estimated by block 62 are output to block 63 as the estimated catalyst upstream state quantity.
- the exhaust gas temperature and the catalyst upstream air-fuel ratio in the machine learning are obtained from the exhaust gas temperature sensor 26 and the catalyst upstream air-fuel ratio sensor 20 arranged in the internal combustion engine control system 100.
- the present invention is not limited to this, and the exhaust gas temperature and the catalyst upstream air-fuel ratio measured by a measuring device arranged outside the internal combustion engine control system 100 may be input to the block 62.
- Block 63 executes machine learning (supervised) of the second machine learning model, as shown in the upper part of FIG. 16B.
- block 63 receives the above-mentioned exhaust gas temperature, air-fuel ratio upstream of the catalyst, exhaust gas flow rate, and information from the NOx, HC, and CO sensors upstream of the catalyst output from block 62, as well as downstream state quantities (actual exhaust gas information downstream of the catalyst) from the NOx, HC, and CO sensors downstream of the catalyst (after the catalyst) that are additionally deployed outside the internal combustion engine control system 100 for the pre-learning process (second learning process) of the second machine learning model.
- FIG. 18 is a flowchart of the first learning process and the second learning process.
- block 61 measures the exhaust gas flow rate calculated using the engine speed based on the crank angle sensor 18 of the internal combustion engine control system 100 and the charging efficiency based on the flow rate sensor 2 as inputs.
- the exhaust gas temperature sensor (not shown) measures the exhaust gas temperature
- the catalyst upstream air-fuel ratio sensor (not shown) measures the catalyst upstream air-fuel ratio.
- the catalyst upstream state quantities are measured by the catalyst upstream HC, CO, and NOx sensors (not shown).
- the catalyst downstream state quantities are measured by the catalyst downstream HC, CO, and NOx sensors (not shown) (S21).
- block 62 obtains the exhaust gas flow rate measured from block 61.
- Block 62 also obtains the measured exhaust gas temperature and the air-fuel ratio upstream of the catalyst.
- Block 62 also obtains the upstream state quantities of the catalyst, which are sensor values obtained from the NOx, HC, and CO sensors upstream of the catalyst (S22).
- block 62 inputs the measured exhaust gas flow rate, exhaust gas temperature, and air-fuel ratio upstream of the catalyst, and the measured state quantities upstream of the catalyst as training data, and executes training of a first machine learning model (first state space model) (first training step).
- block 62 executes training of a first machine learning model (first state space model) that estimates the amounts of NOx, HC, and CO emissions upstream of the catalyst as state quantities upstream of the catalyst based on the training data input (S23).
- the first machine learning model (first state space model) approximates the complex input/output relationship between the values of the catalyst upstream air-fuel ratio, exhaust gas flow rate, and exhaust gas temperature, which are the input side of the neural network model, and the catalyst upstream state quantities outside the internal combustion engine control system 100, which are the output side of the neural network model.
- block 63 acquires the above measured exhaust gas flow rate, exhaust gas temperature, and air-fuel ratio upstream of the catalyst, and acquires the upstream state quantities of the catalyst, which are the amounts of NOx, HC, and CO emissions upstream of the catalyst estimated by the first machine learning model. Furthermore, block 63 acquires the downstream state quantities of the catalyst from the HC, CO, and NOx downstream of the catalyst measured by the HC, CO, and NOx sensors downstream of the catalyst (S24).
- block 63 inputs the measured exhaust gas flow rate, exhaust gas temperature, and air-fuel ratio upstream of the catalyst, the state quantities upstream of the catalyst estimated by the first machine learning model, and the measured state quantities downstream of the catalyst (NOx, HC, and CO emissions downstream of the catalyst) as teacher data, and executes learning of a second machine learning model (second state space model) (second learning step).
- block 63 executes learning of a second machine learning model (second state space model) that estimates the catalyst temperature, oxygen storage capacity, air-fuel ratio downstream of the catalyst, and NOx, HC, and CO emissions downstream of the catalyst of the three-way catalyst as state quantities downstream of the catalyst (S25).
- the second machine learning model (second state space model) approximates the complex input/output relationship between the values of the exhaust gas flow rate, exhaust gas temperature, air-fuel ratio upstream of the catalyst, and state quantities upstream of the catalyst, which are the input side of the neural network model, and the above-mentioned state quantities downstream of the catalyst outside the internal combustion engine control system 100, which are the output side of the neural network model.
- the first learning process and the second learning process can be executed using a general-purpose computer provided separately from the ECU 28.
- the NOx emissions downstream of the catalyst, the HC emissions downstream of the catalyst, and the CO emissions downstream of the catalyst are estimated based on information obtained from existing sensors etc. installed in the internal combustion engine 1. This makes it possible to display the NOx emissions downstream of the catalyst, the HC emissions downstream of the catalyst, and the CO emissions downstream of the catalyst in real time without providing expensive HC and CO sensors upstream of the catalyst.
- the catalyst upstream state quantity estimation unit 52 of the ECU 28 can estimate the catalyst upstream NOx, HC, and CO emissions as catalyst upstream state quantities by inputting the catalyst upstream air-fuel ratio, exhaust gas flow rate, and exhaust gas temperature into the first machine learning model.
- the first machine learning model is pre-trained using the measured catalyst upstream air-fuel ratio, exhaust gas flow rate, exhaust gas temperature, etc., and the measured catalyst upstream state quantities as teacher data, and can easily estimate the catalyst upstream NOx, HC, and CO emissions from various complex input values.
- the catalyst downstream state quantity estimation unit 53 of the ECU 28 can estimate the catalyst downstream NOx, HC, and CO emissions, the oxygen storage ratio, the catalyst downstream air-fuel ratio, and the catalyst temperature as catalyst downstream state quantities by inputting the catalyst upstream air-fuel ratio, exhaust gas flow rate, and exhaust gas temperature, and the catalyst upstream state quantities estimated by the catalyst upstream state quantity estimation unit 52 into the second machine learning model.
- the second machine learning model is previously trained using the measured exhaust gas flow rate, exhaust gas temperature, and catalyst upstream air-fuel ratio, the catalyst upstream state quantities estimated by the first machine learning model, and the measured catalyst downstream state quantities (catalyst downstream NOx, HC, and CO emissions) as teacher data.
- the second machine learning model can easily estimate the catalyst downstream NOx, HC, and CO emissions, the oxygen storage ratio, the catalyst downstream air-fuel ratio, and the catalyst temperature from various complex input values.
- the correction unit 54 of the ECU 28 can correct the catalyst downstream state quantities (catalyst downstream NOx, HC, and CO emissions) estimated by the catalyst downstream state quantity estimation unit 53 by using an extended Kalman filter.
- the corrected catalyst downstream state quantities (catalyst downstream NOx, HC, and CO emissions) are then displayed in real time on the monitoring unit.
- the NOx sensor diagnostic section 55 of the ECU 28 can diagnose the catalyst downstream NOx sensor 29 by comparing the catalyst downstream NOx value corrected by the correction section 54 with the sensor value of the catalyst downstream NOx sensor 29. This allows early detection of an abnormality in the catalyst downstream NOx sensor 29, allowing early replacement of the catalyst downstream NOx sensor 29. Furthermore, if the ECU 28 determines from the diagnosis results that the catalyst downstream NOx sensor 29 has deteriorated, it can use the catalyst downstream NOx value corrected by the correction section 54 for control instead of using the sensor value of the catalyst downstream NOx sensor 29 for control.
- the fuel injection amount correction unit 56 of the ECU 28 corrects the fuel injection amount based on the catalyst downstream state quantities (catalyst downstream NOx, HC, and CO emissions) corrected by the correction unit 54. This enables the ECU 28 to maintain the equivalence ratio at the theoretical air-fuel ratio, which is the three-way point, and to perform control to maintain the purification rate of the three-way catalyst at a high level.
- the internal combustion engine 1 that mainly burns gasoline has been described, but the present invention is not limited to this.
- the present invention can also be applied to an internal combustion engine 1 that burns alternative fuels to gasoline, such as synthetic fuels derived from hydrogen and so-called biofuels based on natural materials derived from animals and plants.
- the second embodiment of the present invention is configured to switch the learning data of the above-mentioned input/output relationship used in the first state space model and the second state space model according to the type of fuel in order to handle cases where the fuel composition has changed, such as when using synthetic fuels derived from hydrogen or biofuels.
- This allows the ECU to estimate the amount of NOx, HC, and CO emissions downstream of the catalyst according to various fuels.
- FIG. 19 is a block diagram showing an example of the internal configuration of an ECU 28A according to the second embodiment.
- the ECU 28 includes the following blocks 51 to 56.
- the exhaust gas flow rate calculation unit 51 calculates the exhaust gas flow rate using the engine speed based on the crank angle sensor 18 and the filling efficiency based on the flow rate sensor 2 as inputs.
- the catalyst upstream state quantity estimation unit 52 constructs a first state space model that estimates the catalyst upstream NOx, HC, and CO emissions using the exhaust gas temperature based on the exhaust gas temperature sensor 26, the catalyst upstream air-fuel ratio based on the catalyst upstream air-fuel ratio sensor 20, and the exhaust gas flow rate as input.
- This first state space model is provided with multiple pieces of learning data corresponding to the various fuels mentioned above. For example, a first machine learning model A in which the first learning process is performed when hydrogen-derived synthetic fuel is being burned in the internal combustion engine 1, a first machine learning model B in which the first learning process is performed when biofuel is being burned in the internal combustion engine 1, and a first machine learning model C in which the first learning process is performed when standard gasoline is being burned are provided as switchable models.
- the catalyst downstream state quantity estimation unit 53 is a second state space model that receives the exhaust gas temperature, the air-fuel ratio upstream of the catalyst, and the NOx, HC, and CO emissions upstream of the catalyst as input, and estimates the NOx, HC, and CO emissions downstream of the catalyst, the oxygen storage ratio, the air-fuel ratio downstream of the catalyst, and the catalyst temperature.
- This second state space model is provided with a plurality of learning data corresponding to the various fuels described above.
- a second machine learning model A in which the second learning process is performed when a synthetic fuel derived from hydrogen is being burned in the internal combustion engine 1 a second machine learning model B in which the second learning process is performed when a biofuel is being burned in the internal combustion engine 1
- a second machine learning model C in which the second learning process is performed when standard gasoline is being burned are provided as switchable models.
- the fuel composition discrimination unit discriminates the composition of the fuel.
- the fuel composition discrimination unit 57 has a reception unit (not shown) that receives a fuel composition identification number that has been assigned in advance to fuels such as gasoline, synthetic fuel derived from hydrogen, or biofuel.
- This fuel composition discrimination unit 57 switches between the first machine learning models A to C or the second machine learning models A to C described above based on the fuel composition identification number received by a reception unit (not shown) configured inside the ECU 28. In this way, the fuel composition discrimination unit 57 is able to set the first state space model and the second state space model to suit the set fuel.
- the catalyst upstream state quantity estimation unit (catalyst upstream state quantity estimation unit 52) has multiple types of first machine learning models that are pre-trained according to the fuel composition, and selects one first machine learning model from the multiple types of first machine learning models based on the fuel composition determined by the fuel composition determination unit (fuel composition determination unit 57). For this reason, the catalyst upstream state quantity estimation unit 52 is able to estimate the catalyst upstream NOx, HC, and CO emissions as catalyst upstream state quantities using the first machine learning model selected according to the fuel burned in the internal combustion engine 1.
- the catalyst downstream state quantity estimation unit (catalyst downstream state quantity estimation unit 53) has multiple types of second machine learning models that are pre-trained according to the fuel composition, and selects one second machine learning model from the multiple types of second machine learning models based on the fuel composition determined by the fuel composition determination unit (fuel composition determination unit 57). Therefore, the catalyst downstream state quantity estimation unit 53 is able to estimate the catalyst temperature, oxygen storage capacity, catalyst downstream air-fuel ratio, and catalyst downstream NOx, HC, and CO emissions of the three-way catalyst as catalyst downstream state quantities using the second machine learning model selected according to the fuel burned in the internal combustion engine 1.
- the correction unit 54 is an example of a correction unit that derives the catalyst downstream NOx, HC, and CO emissions based on the catalyst downstream NOx, HC, and CO emissions estimated by the second state space model.
- This correction unit 54 is configured with an extended Kalman filter that receives as input the catalyst downstream NOx, HC, and CO emissions and the catalyst downstream NOx sensor 29 signal.
- the NOx sensor diagnostic unit 55 compares the amount of NOx emissions downstream of the catalyst with the sensor value of the NOx sensor downstream of the catalyst 29, diagnoses the NOx sensor downstream of the catalyst 29, and outputs the diagnostic results.
- the fuel injection amount correction unit 56 inputs the amount of NOx, HC, and CO emissions downstream of the catalyst, and calculates a fuel injection amount correction value for reducing the amount of NOx, HC, and CO emissions downstream of the catalyst using a predefined fuel injection amount correction map 56a. For example, if the amount of NOx emissions downstream of the catalyst increases, the fuel injection amount correction unit 56 outputs a fuel injection amount correction value that shifts the fuel injection amount to the rich side to the fuel injection valve 15.
- the arguments of the fuel injection amount correction map 56a can also be set to two inputs: the amount of NOx and HC emissions downstream of the catalyst.
- the ECU 28A outputs the catalyst downstream NOx, HC, and CO, which are the outputs of the correction unit 54, to a monitoring unit (not shown), such as a diagnostic device, thereby realizing an OBM that is compatible with various gasoline alternative fuels.
- FIG. 20 is a flowchart showing an example of processing of the ECU 28A.
- the exhaust gas flow rate calculation unit 51 of the ECU 28A calculates the exhaust gas flow rate using the engine speed based on the crank angle sensor 18 and the charging efficiency based on the flow rate sensor 2 as inputs (S1).
- the ECU 28A acquires the exhaust gas flow rate, the exhaust gas temperature based on the exhaust gas temperature sensor 26, and the catalyst upstream air-fuel ratio based on the catalyst upstream air-fuel ratio sensor 20 in a storage medium such as the RAM of the ECU 28A, and inputs these values into the first state space model of the catalyst upstream state quantity estimation unit 52 (S31).
- the fuel composition discrimination unit 57 receives a fuel composition identification number. Then, based on the received fuel composition identification number, the fuel composition discrimination unit 57 switches the first state space model of the catalyst upstream state quantity estimation unit 52 to one of the first machine learning models A to C. In addition, based on the received fuel composition identification number, the fuel composition discrimination unit 57 switches the second state space model of the catalyst downstream state quantity estimation unit 53 to one of the second machine learning models A to C (S32).
- the catalyst upstream state quantity estimation unit 52 inputs the exhaust gas flow rate, exhaust gas temperature, and catalyst upstream air-fuel ratio into the first state space model to which the first machine learning model has been switched and set in step S32, and estimates the catalyst upstream NOx, HC, and CO emissions corresponding to the fuel composition (S33).
- the catalyst downstream state quantity estimation unit 53 inputs the exhaust gas flow rate, exhaust gas temperature, air-fuel ratio upstream of the catalyst, and NOx, HC, and CO emissions upstream of the catalyst to the second state space model to which the second machine learning model has been switched and set in step S32. Then, the catalyst downstream state quantity estimation unit 53 estimates the catalyst downstream state quantities, such as the catalyst temperature corresponding to the fuel composition, oxygen storage capacity (OSC), air-fuel ratio downstream of the catalyst (rear equivalence ratio), and NOx, HC, and CO emissions downstream of the catalyst (S34).
- OSC oxygen storage capacity
- S34 NOx, HC, and CO emissions downstream of the catalyst
- the ECU 28 acquires the sensor value of the catalyst downstream NOx sensor 29 (S35).
- the sensor value of the catalyst downstream NOx sensor 29 is input to the extended Kalman filter of the correction unit 54 and the NOx sensor diagnosis unit 55.
- the correction unit 54 uses an extended Kalman filter to determine the amounts of NOx, HC, and CO emissions downstream of the catalyst based on the amounts of NOx, HC, and CO emissions downstream of the catalyst (S36).
- steps S7 to S9 after step S36 is the same as the processing of each step in the ECU 28 according to the first embodiment described with reference to FIG. 14, and therefore a detailed description thereof will be omitted.
- the fuel composition discrimination unit 57 is provided, so that the catalyst upstream state quantity estimation unit 52 can select the optimal first machine learning model depending on the fuel composition discrimination result.
- the catalyst downstream state quantity estimation unit 53 can select the optimal second machine learning model depending on the fuel composition discrimination result by the fuel composition discrimination unit 57. Therefore, the catalyst upstream NOx, HC, and CO emission amounts estimated by the first machine learning model, and the catalyst downstream NOx, HC, and CO emission amounts estimated by the second machine learning model are all estimated as valid values.
- the present invention is not limited to the above-described embodiment, and various other applications and modifications are possible without departing from the gist of the present invention as defined in the claims.
- the above-mentioned embodiment describes the system configuration in detail and specifically in order to explain the present invention in an easily understandable manner, and is not necessarily limited to a system having all of the described configurations.
- the control lines and information lines shown are those that are considered necessary for the explanation, and not all control lines and information lines in the product are necessarily shown. In reality, it can be considered that almost all components are connected to each other.
- 1...internal combustion engine 20...catalyst upstream air-fuel ratio sensor, 21...exhaust gas purification catalyst, 22...rear oxygen sensor, 28...ECU, 51...exhaust gas flow rate calculation section, 52...catalyst upstream state quantity estimation section, 53...catalyst downstream state quantity estimation section, 54...correction section, 55...NOx sensor diagnosis section, 56...fuel injection amount correction section, 56a...fuel injection amount correction map, 57...fuel composition determination section, 100...internal combustion engine control system, 110...aftertreatment system
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Exhaust Gas After Treatment (AREA)
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
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。
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。
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。
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。
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。
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。
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。
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。
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、H2O(水)、CO(一酸化炭素)、CO2(二酸化炭素)、H2(水素)、O2(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、H2O(水)、CO(一酸化炭素)、CO2(二酸化炭素)、H2(水素)、O2(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H2(水素)が増加し、リーン側ではO2(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、H2O(水)やCO2(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。
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、H2、HCが酸素と反応し、無害なCO2とH2O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、CO2とN2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(O2)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(CeO2)とCO及びHCとの反応によって、CO2とH2Oが生成されるとともに、三酸化二セリウム(Ce2O3)とNOとの反応によって、N2が生成される。このとき、同時に生成されるCeO2とCe2O3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Ce2O3が全てCeO2となると、NOとの反応ができず、NOが浄化できない。
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(O2)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(CeO2)とCO及びHCとの反応によって、CO2とH2Oが生成されるとともに、三酸化二セリウム(Ce2O3)とNOとの反応によって、N2が生成される。このとき、同時に生成されるCeO2とCe2O3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Ce2O3が全てCeO2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、CeO2とCe2O3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CeO2とCe2O3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。
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。
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。
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。
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。
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。
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。
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Ce2O3が重要であり、Ce2O3が全て反応してCeO2に変化すると、Ce2O3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。
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。
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、a1~anの入力信号に対して、それぞれ重みw1~wn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=w1a1+w2a2+…+wnan+b
a=f(z)
ここで、式z、入力信号aは以下の関係を満たす。
z=w1a1+w2a2+…+wnan+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。
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。
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。
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。
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。
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 (14)
- 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/039104 WO2024084654A1 (ja) | 2022-10-20 | 2022-10-20 | 内燃機関制御装置及び状態量推定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/039104 WO2024084654A1 (ja) | 2022-10-20 | 2022-10-20 | 内燃機関制御装置及び状態量推定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2024084654A1 true WO2024084654A1 (ja) | 2024-04-25 |
Family
ID=90737256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2022/039104 WO2024084654A1 (ja) | 2022-10-20 | 2022-10-20 | 内燃機関制御装置及び状態量推定方法 |
Country Status (1)
Country | Link |
---|---|
WO (1) | WO2024084654A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005075803A1 (ja) * | 2004-02-09 | 2005-08-18 | Hitachi, Ltd. | エンジンの制御装置 |
JP2006170004A (ja) * | 2004-12-14 | 2006-06-29 | Mitsubishi Motors Corp | 内燃機関の空燃比制御装置 |
WO2020189080A1 (ja) * | 2019-03-20 | 2020-09-24 | 日立オートモティブシステムズ株式会社 | 内燃機関制御装置 |
JP2021071104A (ja) * | 2019-11-01 | 2021-05-06 | 株式会社豊田中央研究所 | 触媒状態推定装置、触媒の状態を推定する方法、及びコンピュータプログラム |
JP2022081026A (ja) * | 2020-11-19 | 2022-05-31 | 株式会社豊田中央研究所 | センサ状態推定装置、後処理システム、センサの状態を推定する方法、及びコンピュータプログラム |
-
2022
- 2022-10-20 WO PCT/JP2022/039104 patent/WO2024084654A1/ja unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005075803A1 (ja) * | 2004-02-09 | 2005-08-18 | Hitachi, Ltd. | エンジンの制御装置 |
JP2006170004A (ja) * | 2004-12-14 | 2006-06-29 | Mitsubishi Motors Corp | 内燃機関の空燃比制御装置 |
WO2020189080A1 (ja) * | 2019-03-20 | 2020-09-24 | 日立オートモティブシステムズ株式会社 | 内燃機関制御装置 |
JP2021071104A (ja) * | 2019-11-01 | 2021-05-06 | 株式会社豊田中央研究所 | 触媒状態推定装置、触媒の状態を推定する方法、及びコンピュータプログラム |
JP2022081026A (ja) * | 2020-11-19 | 2022-05-31 | 株式会社豊田中央研究所 | センサ状態推定装置、後処理システム、センサの状態を推定する方法、及びコンピュータプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7191199B2 (ja) | 内燃機関制御装置 | |
US7810476B2 (en) | Method and apparatus for estimating exhaust temperature of an internal combustion engine | |
EP1936164B1 (en) | An internal combustion engine system and a method for determining a condition of an exhaust gas treatment device in such a system | |
US8413497B2 (en) | Abnormality diagnostic device of internal combustion engine with turbocharger | |
US20100211290A1 (en) | Abnormality diagnostic device and abnormality diagnostic method for multicylinder internal combustion engine | |
JP2893308B2 (ja) | 内燃機関の空燃比制御装置 | |
US7159541B2 (en) | Method and apparatus for determining state of reformer | |
US8240129B2 (en) | System and method for diagnosing operation of a NOx adsorber catalyst | |
JP5754446B2 (ja) | 内燃機関の制御装置 | |
US10006382B2 (en) | Apparatus for detecting inter-cylinder air-fuel ratio imbalance in multi-cylinder internal combustion engine | |
US20090260347A1 (en) | Apparatus and method for detecting abnormal air-fuel ratio variation among cylinders of multi-cylinder internal combustion engine | |
JP4453394B2 (ja) | 触媒の劣化診断装置 | |
JP4193869B2 (ja) | 排ガス浄化触媒の劣化診断装置 | |
JP4645585B2 (ja) | エンジントルク制御装置 | |
US20230408087A1 (en) | Electronic Control Device and Flow Rate Measurement System | |
JP2009250086A (ja) | 空燃比センサの異常診断装置 | |
WO2024084654A1 (ja) | 内燃機関制御装置及び状態量推定方法 | |
JP7449377B2 (ja) | 内燃機関制御装置 | |
JP2012137050A (ja) | 多気筒内燃機関の気筒間空燃比ばらつき異常検出装置 | |
JP5083398B2 (ja) | エンジントルク制御装置 | |
JP2003519323A (ja) | 特に自動車の内燃機関の運転方法 | |
WO2023079791A1 (ja) | 内燃機関の制御装置及び制御方法 | |
JP2020122401A (ja) | 内燃機関の制御装置 | |
WO2023199508A1 (ja) | 内燃機関制御装置及び内燃機関制御方法 | |
JPH08326525A (ja) | 内燃機関の触媒劣化判定装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 22962762 Country of ref document: EP Kind code of ref document: A1 |