JP2008095615A - 燃料噴射制御装置 - Google Patents

Abstract

【課題】燃料噴射弁の噴射特性のずれの学習をより広範囲な領域において行うことのできる燃料噴射制御装置を提供する。
【解決手段】排気酸素濃度予測部Ｂ６では、吸入空気量や指令噴射量ベース値等に基づき、排気中の酸素濃度についての予測濃度ベース値Ｄｂを算出する。予測濃度ベース値Ｄｂに基づき算出される最終的な排気中の酸素濃度（最終予測濃度Ｄｆ）が算出される。最終酸素濃度Ｄｆと酸素センサによって検出される酸素濃度の検出値との差ΔＤに基づき、燃料噴射弁の噴射特性のずれが学習される。
【選択図】 図２

Description

本発明は、内燃機関の燃料噴射弁の噴射特性のずれを学習する燃料噴射制御装置に関する。

排気中の有害成分量を減少させる等の目的から、排気の一部を吸気系に還流させる排気還流制御（ＥＧＲ制御）を行うことが周知である。この場合、還流される排気量（ＥＧＲ量）や燃焼室における燃焼直後の酸素濃度に応じて、内燃機関の各種アクチュエータの操作量を決定することが望まれる。ただし、内燃機関の過渡運転時等にあっては、エアフロメータ等の内燃機関に搭載されるセンサの出力を上記ＥＧＲ量や酸素濃度と相関を有するパラメータとして直接用いることができない。

そこで従来は、例えば下記特許文献１、２に見られるように、内燃機関の運転状態に基づき、ＥＧＲ量や上記酸素濃度をモデルベースで推定することも提案されている。これにより、内燃機関の過渡時であっても、ＥＧＲ量や上記酸素濃度としての高精度の情報を取得することが可能となる。したがって、内燃機関の各種アクチュエータの操作量を適切に設定することができ、ひいては内燃機関の出力特性を良好に制御することができる。

ところで、内燃機関の燃料噴射弁には、固体差や経年変化に起因して、噴射特性のずれが生じ得る。そして、噴射特性のずれが生じる場合には、上記モデルに基づくＥＧＲ量や酸素濃度の推定を行ったとしても、推定値が適切な値とはならない。このため、燃料噴射弁の噴射特性のずれを学習し、これを補償する学習制御を行うことが望ましい。

しかし、噴射特性のずれの学習は、下記特許文献３に見られるように、通常、アイドル回転速度制御時に行われることから、ずれの学習の有効範囲も噴射量の少ない領域に限られる。このため、噴射量の多い領域において噴射特性のずれを補償する学習制御を行うことは困難であった。

なお、上記ＥＧＲ量等をモデルにより推定するものに限らず、燃料噴射制御装置にあっては一般に、燃料噴射弁の噴射特性のずれの学習を行うことのできる領域が限られるこうした実情も概ね共通したものとなっている。
特開昭６４−６３６４７号公報 特開２００２−３２７６３４号公報 特開２００３−３４３３２８号公報

本発明は、上記課題を解決するためになされたものであり、その目的は、燃料噴射弁の噴射特性のずれの学習をより広範囲な領域において行うことのできる燃料噴射制御装置を提供することにある。

以下、上記課題を解決するための手段、及びその作用効果について記載する。

請求項１記載の発明は、内燃機関の吸気系に吸入される吸気についての物理量及び燃料噴射弁に対する指令噴射量に基づき、排気中の酸素濃度の予測値を算出する予測手段と、排気中の酸素濃度の検出値及び前記予測値の差に基づき、前記燃料噴射弁の噴射特性のずれを学習するずれ学習手段とを備えることを特徴とする。

排気中の酸素濃度の予測値と検出値との間にずれが生じるときには、これは、燃料噴射弁の噴射特性のずれに起因すると考えられる。したがって、これら予測値と検出値との差に基づき、噴射特性のずれを学習することができる。しかも、排気中の酸素濃度の予測値の算出は、アイドル回転速度制御時でなくても可能なため、噴射特性のずれの学習を、より広範囲な領域において行うことができる。

請求項２記載の発明は、請求項１記載の発明において、前記ずれ学習手段は、前記排気中の酸素濃度の予測時における排気の質量に関する情報を用いて、前記検出値及び前記予測値の差に基づく前記学習を行うことを特徴とする。

排気中の酸素濃度の予測値と検出値との差は、酸素量のずれ量を排気の質量で除算した値と考えられる。一方、単位噴射量あたりの酸素消費量は理論的に定めることが可能であるため、酸素量のずれ量は、燃料噴射量のずれ量に換算することができる。したがって、上記構成では、排気中の酸素濃度の予測時における排気の質量に関する情報と、検出値及び予測値の差を入力として、噴射特性のずれを好適に算出することができる。

請求項３記載の発明は、請求項１又は２記載の発明において、前記排気中の酸素濃度の検出値及び前記予測値に基づき、前記予測手段の誤差を学習する誤差学習手段を更に備え、前記ずれ学習手段は、前記誤差学習手段による誤差の学習が所定回数以上となるときに、前記誤差学習手段によって学習された誤差を通じて、前記検出値及び前記予測値に基づく前記ずれの学習を行うことを特徴とする。

上記構成では、誤差の学習が所定回数以上となるときに学習された誤差を通じて噴射特性のずれを学習するために、誤差の学習の収束後にずれの学習を行うことができ、ひいてはずれの学習精度を向上させることができる。

請求項４記載の発明は、請求項３記載の発明において、前記誤差学習手段は、前記内燃機関の出力軸の回転速度及び負荷によって分割される領域毎に前記誤差を学習するものであって且つ、前記誤差の学習に際し、前記排気の質量に関する情報を併せ記憶することを特徴とする。

排気質量流量は、吸気質量流量と相関を有する。そして、吸気質量流量は、吸気の温度等に応じて変化する。このため、回転速度及び負荷のみによっては、排気の質量を精度良く算出することができない。このため、回転速度及び負荷によって分割される複数の領域毎に誤差を学習する場合、排気の質量を算出するための何らかの情報を併せて記憶することが望ましい。この点、上記構成では、誤差の学習に際し、排気の質量に関する情報を併せ記憶するために、排気中の酸素濃度の予測値と検出値との差に基づく噴射特性のずれを好適に学習することができる。

請求項５記載の発明は、請求項４記載の発明において、前記ずれ学習手段は、前記誤差学習手段による誤差の学習のなされる領域を燃圧によって分割される領域に変換して且つ、前記学習される誤差及び前記排気の質量に関する情報に基づき、前記変換される領域における噴射特性のずれを学習することを特徴とする。

燃料噴射弁の噴射特性は、燃圧への依存性が大きい。このため、噴射特性のずれも燃圧への依存性が大きなものとなっている。したがって、噴射特性のずれの学習は、燃圧によって分割される領域毎に行うことが望ましい。この点、上記構成では、誤差の学習のなされる領域を燃圧によって分割される領域に変換することで、燃圧によって分割される領域毎に噴射特性のずれを学習することができる。したがって、噴射特性の燃圧依存性を好適に反映したかたちで噴射特性のずれを学習することができる。

請求項６記載の発明は、請求項３〜５のいずれかに記載の発明において、前記ずれ学習手段による学習がなされるとき、該学習される噴射特性のずれに応じて前記誤差学習手段の学習結果を補正する手段を更に備えることを特徴とする。

ずれ学習手段による学習がなされると、燃料噴射制御において噴射特性のずれが補償されることから、排気中の酸素濃度の検出値に対する予測値の誤差が低減される。この点、上記構成では、噴射特性のずれが学習されるとき、この学習に応じて誤差学習手段の学習結果を補正することで、誤差学習手段の学習結果を、検出値に対する予測値の誤差に応じた適切な値に更新することができる。

請求項７記載の発明は、請求項６記載の発明において、前記ずれ学習手段は、前記誤差学習手段によって学習される誤差をフィルタ処理した後、該フィルタ処理後の値を用いて前記ずれを学習することを特徴とする。

上記構成では、学習された誤差のフィルタ処理後の値を用いて噴射特性のずれを学習するために、ずれの学習に際してノイズ等の影響を好適に抑制することができ、ひいてはずれの学習精度を向上させることができる。ただし、この場合、ずれの学習結果は、誤差の学習結果を噴射特性のずれに直接変換したものとはならない。このため、ずれの学習に基づき噴射特性のずれが補償されることとなるものの、この補償により誤差学習手段によって学習されている誤差が相殺されることとはならない。この点、上記構成では、上記請求項６の構成を有することで、フィルタ処理後の値に基づいてずれの学習がなされるにもかかわらず、誤差学習手段の学習結果を適切な値に更新することができる。

請求項８記載の発明は、請求項１〜７のいずれかに記載の発明において、前記内燃機関は、排気系に排出される排気を吸気系に還流させる排気還流通路と、該排気還流通路内の流路面積を可変とする面積可変手段とを備えるものであり、前記予測手段の予測値に基づき、前記面積可変手段を操作する面積調節手段を更に備えることを特徴とする。

上記構成では、排気中の酸素濃度の予測値に基づき排気還流通路の流路面積を可変とするために、内燃機関の過渡時であるか定常時であるかにかかわらず、排気中の酸素濃度についての精度の良い情報に基づき流路面積を可変とすることができる。しかも、この処理と噴射特性のずれの学習とで、排気中の酸素濃度の予測値を算出する処理を共有することができるため、制御プログラムや制御論理回路等の構成を共有化することができ、ひいては構成の簡素化を図ることができる。

請求項９記載の発明は、請求項１〜８のいずれかに記載の発明において、前記排気中の酸素濃度の目標値を設定する目標値設定手段と、前記予測値を前記目標値にフィードバック制御するフィードバック制御手段と、前記学習に用いられる予測値を、前記フィードバック制御の態様に基づき補正する手段とを更に備えることを特徴とする。

上記構成では、フィードバック制御によって、排気中の酸素濃度を目標値に好適に追従させることができる。しかも、この処理と噴射特性のずれの学習とで、排気中の酸素濃度の予測値を算出する処理を共有することができるため、制御プログラムや制御論理回路等の構成の共有化をすることができ、ひいては構成の簡素化を図ることができる。しかし、この場合、排気中の酸素濃度の予測値にフィードバック制御の影響が反映されていないと、予測値と検出値との差が予測手段の誤差や噴射特性の誤差とはならない。この点、上記構成では、学習に用いられる予測値をフィードバック制御による影響を反映して排気中の酸素濃度として予測される値に補正することで、こうした問題を回避することができる。

（第１の実施形態）
以下、本発明にかかる内燃機関の燃料噴射制御装置を車載ディーゼル機関の燃料噴射制御装置に適用した第１の実施形態について、図面を参照しつつ説明する。

図１に、本実施形態にかかるエンジンシステムの全体構成を示す。

図示されるように、ディーゼル機関１０の吸気通路１２の上流には、エアクリーナ１４、エアフローメータ１６、クーラ１８、スロットルバルブ２０等が設けられている。また、吸気通路１２のうちスロットルバルブ２０の下流には、吸気温センサ２２及び吸気圧センサ２４が設けられている。吸気通路１２は、マニホールド２５を介して各気筒（ここでは、１番気筒＃１〜４番気筒＃４の４気筒を例示）の燃焼室２６と連通可能とされている。これら燃焼室２６には、コモンレール２８に蓄えられた高圧の燃料が燃料噴射弁３０を介して噴射される。これにより、燃焼室２６内の燃料と空気との混合気が燃焼に供され、ディーゼル機関１０の回転力が生成される。

一方、燃焼に供された空気である排気は、排気通路３２に排出される。排気通路３２には、排気中の酸素濃度を検出する酸素濃度センサ３４が設けられている。

上記吸気通路１２と排気通路３２とには、可変ノズル式ターボチャージャ３６が設けられている。また、吸気通路１２と排気通路３２とには、これらを連通可能とする排気還流通路（ＥＧＲ通路３８）が設けられており、吸気通路１２とＥＧＲ通路３８との間の流路面積がＥＧＲバルブ４０によって調節可能となっている。

上記エンジンシステムは、ディーゼル機関１０の運転状態を検出するセンサとして、上述したものに加えて、ディーゼル機関１０のクランク軸の回転角度を検出するクランク角センサ４２等を備えている。また、エンジンシステムは、アクセルペダルの操作量を検出するアクセルセンサ４４等、ユーザによる要求を検出する各種センサを備えている。

電子制御装置（ＥＣＵ５０）は、中央処理装置や、常時記憶保持メモリ５２等を備えて構成されている。ここで、常時記憶保持メモリ５２は、イグニッションスイッチ（ＥＣＵ５０の電源スイッチ）の状態にかかわらず給電状態が常時保持されるバックアップＲＡＭや、給電の有無にかかわらず常時データを保持する不揮発性メモリ等、上記電源スイッチの状態にかかわらずデータを保持する記憶装置である。

ＥＣＵ５０は、ディーゼル機関１０の運転状態やユーザの要求を検出する各種センサの検出値に基づき、燃料噴射弁３０等の各種アクチュエータを操作することで、ディーゼル機関１０の出力特性（出力トルク、排気特性）を制御する。図２に、ＥＣＵ５０の行う処理を示す。

噴射量設定部Ｂ２は、燃料噴射弁３０に対する噴射量の指令値の基本値（指令噴射量ベース値）を設定する部分である。指令噴射量ベース値の設定は、回転速度と負荷との情報に基づき行うことができる。本実施形態では、アクセルセンサ４４によって検出されるアクセルペダルの操作量とクランク角センサ４２の検出値に応じたクランク軸の回転速度とに基づき設定する場合を例示する。

排気酸素濃度目標設定部Ｂ４は、排気中の酸素濃度の目標値Ｄａを設定する部分である。酸素濃度の目標値は、ディーゼル機関１０の運転状態との関係を適合によって定めることが望ましい。ここで、ディーゼル機関１０の運転状態としては、ディーゼル機関１０の回転速度と負荷との少なくとも一方に基づき行うことが望ましい。本実施形態では、負荷としての指令噴射量ベース値と、回転速度とに基づき目標値Ｄａを設定する場合を例示している。

排気酸素濃度予測部Ｂ６は、ディーゼル機関１０内における気体の流通態様のモデルを用いて、ディーゼル機関１０の運転状態に基づき排気中の酸素濃度を予測値である予測濃度ベース値Ｄｂを算出する部分である。ここで予測に用いるディーゼル機関１０の運転状態に関するパラメータとしては、吸気通路１２に吸入される吸気についての物理量や燃料噴射弁３０に対する指令噴射量がある。本実施形態では、エアフローメータ１６によって検出される吸入空気量、吸気温センサ２２によって検出される吸気温、吸気圧センサ２４によって検出される吸気圧、及び指令噴射量ベース値に基づき予測を行う場合を例示する。

噴射量補正量設定部Ｂ８は、排気酸素濃度の予測値を目標値Ｄａにフィードバック制御する部分である。詳しくは、フィードバック補正量を算出し、これを加算器Ｂ１０に出力する。これにより、加算器Ｂ１０では、指令噴射量ベース値Ｑｂがフィードバック補正量によって補正されたものを最終的な指令噴射量として算出する。

噴射期間設定部Ｂ１２は、上記コモンレール２８内の燃圧ＮＰＣと指令噴射量とに基づき、指令噴射量の燃料を噴射するための燃料噴射弁３０に対する噴射期間の指令値の基本値（指令噴射期間ベース値ＴＱｂ）を算出する。

最終予測値設定部Ｂ１４は、上記目標値Ｄａへのフィードバック制御の影響を排気中の酸素濃度の予測値に反映する部分である。すなわち、上記予測濃度ベース値は、指令噴射量ベース値Ｑｂに基づき算出されたものであり、指令噴射量ＱＦＩＮによって算出されるものではない。換言すれば、上記予測濃度ベース値には、フィードバック制御の影響が考慮されていない。このため、上記予測濃度ベース値には、フィードバック制御の影響量が誤差として現れることとなる。そこで、最終予測値設定部Ｂ１４では、フィードバック制御の影響を反映させるべく予測濃度ベース値を補正し、最終予測濃度Ｄｆを算出する。

誤差算出部Ｂ１６は、酸素濃度センサ３４の検出する酸素濃度と最終予測濃度Ｄｆとの差ΔＤを算出する部分である。

モデル誤差学習部Ｂ１８では、上記差ΔＤに基づき、モデル誤差学習値ＬＭを学習して上記常時記憶保持メモリ５２に記憶させ、且つモデル誤差を補償すべく予測濃度ベース値Ｄｂを補正する部分である。すなわち、モデル誤差学習部Ｂ１８の出力するモデル誤差学習値ＬＭと予測濃度ベース値Ｄｂとの和が予測値補正部Ｂ２０によって算出される。この予測値補正部の出力が偏差算出部Ｂ２２に出力されることで、上記フィードバック制御に用いられる目標値Ｄａと予測値との差分が算出される。

ＥＧＲベース値設定部Ｂ２４は、ＥＧＲバルブ４０を操作する際の開度ベース値θｂを設定する部分である。ここでは、ディーゼル機関１０の運転状態と開度ベース値θｂとの関係を予め適合によってマップ等に定めておくことが望ましい。なお、本実施形態では、指令噴射量ベース値及び回転速度と開度ベース値θｂとの関係を定めるマップを予め作成しておくことで、開度ベース値θｂをマップ演算する。

ＥＧＲ補正量設定部Ｂ２６は、排気中の酸素濃度の予測値と目標値Ｄａとの差、換言すれば偏差算出部Ｂ２２の出力に基づき、予測値を目標値Ｄａにフィードバック制御するためのＥＧＲバルブ４０の開度の補正量を設定する部分である。

ＥＧＲ操作量設定部Ｂ２８は、開度ベース値θｂを上記補正量で補正することで、最終的なＥＧＲバルブの開度指令値（ＥＧＲ操作量θ）を算出する部分である。

目標燃圧設定部Ｂ３０は、コモンレール２８内の燃圧の目標値（目標燃圧）を設定する部分である。なお、目標燃圧は、回転速度に関する情報と負荷に関する情報とに基づき算出されることが望ましい。本実施形態では、負荷としての指令噴射量と、回転速度とに基づき目標燃圧を設定する場合を例示している。

上記構成によれば、ディーゼル機関１０が定常運転状態であるか過渡運転状態であるかにかかわらず、燃焼室２６から排出される排気中の酸素濃度についての精度の良い情報に基づき、燃料噴射弁３０やＥＧＲバルブ４０を操作することができる。

ところで、燃料噴射弁３０には、固体差や経年変化に起因した噴射特性のばらつきが生じることがある。そして、噴射特性が基準となる特性からずれると、燃料噴射制御の制御精度が低下する。そこで本実施形態では、排気中の酸素濃度の予測値と検出値との差に基づき、噴射特性のずれを学習する。ここで、排気中の酸素濃度の予測値が検出値からずれる要因としては、エアフローメータ１６や酸素濃度センサ３４等の予測値の算出に用いるセンサの出力誤差と、燃料噴射弁３０の噴射特性のずれとが考えられる。しかし、これら要因のうち、予測値と検出値とのずれを生じさせる要因として支配的なものは、噴射特性のずれであることが発明者らによって見出されている。

このため、本実施形態では、噴射量学習部Ｂ３２を設け、モデル誤差学習部Ｂ１８によって学習されるモデル誤差学習値ＬＭに基づき、噴射特性のずれを学習し、上記常時記憶保持メモリ５２に記憶する。詳しくは、噴射特性のずれの学習は、噴射特性のずれを補償する補正量の記憶として行われる。この補正量は、噴射特性のずれを定量化したものとなる。本実施形態では、この補正量を、指令噴射量ＱＦＩＮではなく、指令噴射期間ベース値ＴＱｂを補正する量とする。これは、指令噴射量ＱＦＩＮは、図示しないディーゼル機関１０の出力特性の制御によって用いられるためである。噴射量学習部Ｂ３２では、燃料噴射弁３０の噴射特性のずれを補償し、指令噴射量ＱＦＩＮの燃料を精度良く噴射するための補正量を算出している。このため、指令噴射量ＱＦＩＮを補正する場合には、この補正後の値が燃料噴射弁３０から実際に噴射される燃料量に関する情報として用いられないような設定とすることが要求される。これに対し、本実施形態のように指令噴射期間ベース値を補正することで、こうした問題を回避することができる。

なお、噴射量学習部Ｂ３２によって学習される補正量ΔＴＱにより、最終噴射期間設定部Ｂ３４において、上記指令噴射期間ベース値が補正され、最終的な噴射期間が設定される。

ここで、噴射特性のずれの学習について詳述する。なお、噴射特性のずれの学習処理と関連する処理を詳述するため、以下では、排気酸素濃度予測部Ｂ６の処理、モデル誤差学習部Ｂ１８の処理、噴射量学習部Ｂ３２の処理の順に記載する。

図３に、排気酸素濃度予測部Ｂ６の行う処理を示す。この処理は、ＥＣＵ５０により、例えば所定周期で繰り返し実行される。

この一連の処理では、まずステップＳ１０において、ディーゼル機関１０の燃焼室２６に流入される気体の質量流量（シリンダ流入ガス量Ｍｃｌｄ）を算出する。ここではまず、吸気圧Ｐｍ及び回転速度ＮＥから体積効率をマップ演算する。そして、吸気温Ｔｍ、吸気圧Ｐｍ及び体積効率を用いて気体の状態方程式からシリンダ流入ガス量Ｍｃｌｄを算出する。

続くステップＳ１２においては、例えば吸入空気量ＭＡＦ、吸気圧Ｐｍ及び吸気温Ｔｍに基づき、マニホールド２５に流入する新気量を算出する。この算出手法としては、例えば上記特許文献２に記載されるものであればよい。続くステップＳ１４においては、例えば吸気圧Ｐｍ、吸気温Ｔｍ、上記シリンダ流入ガス量Ｍｃｌｄ及び上記新気量に基づき、マニホールド２５に流入するＥＧＲ量を算出する。この算出手法としては、例えば上記特許文献２に記載されているものとすればよい。続くステップＳ１６においては、例えばＥＧＲ量、新気量及び先の図２の最終予測値設定部Ｂ１４の出力する最終予測濃度Ｄｆ等に基づき、燃焼室２６に流入する気体中の酸素濃度を算出する。この算出手法は、例えば上記特許文献２に記載されているものとすればよい。

続くステップＳ１８においては、上記予測濃度ベース値Ｄｂを算出する。ここでは、例えばシリンダ流入ガス量Ｍｃｌｄ、燃焼室２６に流入する酸素量、指令噴射量ベース値Ｑｂに基づき、予測濃度ベース値Ｄｂを算出する。ここではまず、単位燃料量あたりの酸素消費量ｋに指令噴射量ベース値Ｑｂを乗算することで、指令噴射量ベース値Ｑｂによって消費される酸素量を算出する。次に、燃焼室２６に流入する酸素量から上記消費される酸素量を減算することで、残存酸素量を算出する。そして、指令噴射量に燃料比重ｋｐを乗算した値とシリンダ流入ガス量Ｍｃｌｄとの和で上記残存酸素量を除算することで、予測濃度ベース値Ｄｂを算出する。

なお、ステップＳ１８の処理が完了すると、この一連の処理を一旦終了する。

図４に、上記モデル誤差学習部Ｂ１８（及び誤差算出部Ｂ１６）の行う処理の手順を示す。この処理は、ＥＣＵ５０により、例えば所定周期で繰り返し実行される。

この一連の処理では、まずステップＳ２０において、ディーゼル機関１０の定常状態であるか否かを判断する。モデル誤差学習は、最終予測濃度Ｄｆと検出値との差に基づき学習を行うものであるため、燃料噴射弁３０の固体差等がなければこれらが等しくなると想定される状況下に行うことが望ましい。本実施形態では、ディーゼル機関１０の定常運転状態をこうした状況にあるものと判断する。続くステップＳ２２においては、排気中の酸素濃度についての上記最終予測濃度Ｄｆと検出値Ｄｒとの差ΔＤを算出する。続くステップＳ２４においては、モデル誤差学習値ＬＭを算出する。詳しくは、上記差ΔＤに基づく積分制御によってモデル誤差学習値ＬＭを算出する。すなわち、積分定数Ｋに今回算出される差ΔＤを乗算したものを前回のモデル誤差学習値ＬＭに加算することで、今回のモデル誤差学習値を算出する。続くステップＳ２６においては、モデル誤差学習値を、各別の学習値を記憶するための複数の領域のうち該当する領域の値として上記常時記憶保持メモリ５２に記憶する。ここで、複数の領域は、ディーゼル機関の全運転領域をモデル誤差学習値ＬＭが同程度の値をとる領域毎に分割したものである。本実施形態では、図５（ａ）に示すように、回転速度ＮＥと噴射量Ｑとによって複数の領域に分割する。

続くステップＳ２８においては、モデル誤差の学習回数を示すモデル誤差学習回数Ｃをインクリメントする。このモデル誤差学習回数Ｃは、図５（ｂ）に示すように、上記モデル誤差学習値ＬＭの各学習領域と同一に分割される領域毎に各別に学習回数を計数するものである。続くステップＳ３０においては、今回の上記差ΔＤを算出した際のシリンダ流入ガス量Ｍｃｌｄをフィルタ処理することで、記憶値ＭｃｌｄＬを算出する。フィルタ処理として、本実施形態では、前回の記憶値ＭｃｌｄＬに係数αを乗算した値と今回のシリンダ流入ガス量Ｍｃｌｄに係数β（α＋β＝１）を乗算した値との和をとるいわゆる加重平均処理を用いる。そして、ステップＳ３２においては、上記常時記憶保持メモリ５２に記憶される記憶値ＭｃｌｄＬを更新する。すなわち、図５（ｃ）に示されるように、上記モデル誤差学習値ＬＭの各学習領域と同一に分割された領域のうちの該当する領域に記憶値ＭｃｌｄＬを記憶する。なお、ステップＳ３２の処理が完了するときや上記ステップＳ２０にて否定判断されるときには、この一連の処理を一旦終了する。

図６に、上記噴射量学習部Ｂ３２の行う処理を示す。図６に示す処理は、ＥＣＵ５０により、例えば所定周期で繰り返し実行される。

この一連の処理では、まずステップＳ４０において、モデル誤差学習値ＬＭの学習回数Ｃが所定回数Ａ以上であるか否かを判断する。この処理は、モデル誤差学習値ＬＭが信頼性の高い値であるか否かを判断するものである。すなわち、モデル誤差学習値ＬＭの学習回数Ｃが所定回数Ａ以上であるなら、モデル誤差学習が十分に行われるため、その値が収束していると考えられ、信頼性の高い値となっていると判断する。ここでは、回転速度ＮＥと噴射量Ｑとによって分割される領域毎に、モデル誤差学習値ＬＭの学習回数が所定回数Ａ以上か否かを判断する。なお、所定回数Ａは、回転速度及び噴射量によって分割される複数の領域間で同一の値とした。

続くステップＳ４２においては、上記ステップＳ４０において所定回数Ａ以上と判断された領域について、回転速度及び噴射量に基づきコモンレール２８内の燃圧を算出する。ここでは、回転速度及び噴射量から目標燃圧を算出するロジックによって、燃圧を推定すればよい。

続くステップＳ４４においては、シリンダ流入ガス量の記憶値ＭｃｌｄＬとモデル誤差学習値ＬＭとに基づき、燃圧及び噴射量によって分割される領域毎に噴射量学習値ＬＱを算出する。ここで、燃圧及び噴射量によって分割される領域は、モデル誤差学習値ＬＭの学習される領域である回転速度及び噴射量によって分割される領域を燃圧及び噴射量の２次元空間上の領域に変換したものである。この変換は、指令噴射期間を燃圧及び噴射量によって求めること、及び噴射特性（又はそのずれ量）の燃圧依存性が大きいために行うものである。燃圧及び噴射量によって分割される領域毎に学習を行なうことで、学習結果を燃料噴射制御に簡易に用いることが可能となる。また、燃圧によって分割される領域毎に学習を行うことで、噴射特性の燃圧依存性を学習によって管理する。

一方、噴射量学習値ＬＱは、排気の質量流量ＥＭと、単位燃料量あたりの酸素消費量ｋと、燃料比重ｋｐとを用いて、以下の式で表現される。

ＬＱ＝（ＥＭ×ＬＭ）／（ｋ×ｋｐ）
そして、排気流量の質量は、シリンダ流入ガス量の記憶値ＭｃｌｄＬと単位時間あたりの噴射量Ｑとの和として算出することができる。

続くステップＳ４６においては、噴射量学習値ＬＱが下限ガード以上か否かを判断する。そして下限ガード未満であると判断されるときには、ステップＳ４８において噴射量学習値ＬＱを下限ガード値とする。また、ステップＳ５０においては、噴射量学習値ＬＱが上限ガード以下であるか否かを判断する。そして噴射量学習値ＬＱが上限ガードを上回るときには、ステップＳ５２において噴射量学習値ＬＱを上限ガード値とする。

続くステップＳ５４においては、噴射量学習値ＬＱをフィルタ処理する。このフィルタ処理として、本実施形態では、今回の噴射量学習値ＬＱ（ｉ）に係数γ（０＜γ＜１））を乗算したものと前回の噴射量学習値ＬＱ（ｉ−１）に係数「１−γ」を乗算したものとの和を算出するいわゆる加重平均処理を用いる。

続くステップＳ５６においては、噴射量学習値ＬＱ（ｉ）を噴射特性のずれを定量化したパラメータである上述した噴射期間の補正量ΔＴＱに換算する。ここでは、先の図２に示した噴射期間設定部Ｂ１２による燃圧と噴射量とから噴射期間を求めるための情報に基づき、噴射量学習値ＬＱと燃圧とから補正量ΔＴＱを算出する。こうして補正量ΔＴＱを算出すると、ステップＳ５８において、補正量ΔＴＱを上記常時記憶保持メモリ５２に記憶する。すなわち、図７に示されるように、燃圧Ｐ及び噴射量Ｑによって分割される上記領域のうち該当する領域に補正量ΔＴＱを記憶する。

続くステップＳ６０においては、モデル誤差学習値ＬＭを、上記補正量ΔＴＱの学習（更新）に応じて更新する。すなわち、補正量ΔＴＱが更新されると、この補正量ΔＴＱにより指令噴射期間ベース値ＴＱｂが補正されることで指令噴射期間が設定される。このため、補正量ΔＴＱによって指令噴射期間ベース値が補正された後には、排気中の酸素濃度の予測値と検出値との差ΔＤが、補正量ΔＴＱの更新前の値とは相違すると考えられる。このため、モデル誤差学習部Ｂ１８によって学習される誤差も補正量ΔＴＱの更新前とは相違すると考えられる。本実施形態では、この点に着目し、補正量ΔＴＱの更新によって排気中の酸素濃度の予測値と検出値との差が補償されると想定される程度に応じて、モデル誤差学習値ＬＭを補正する。この想定される程度に応じたモデル誤差学習値ＬＭの補正は、モデル誤差学習値ＬＭの初期化を必ずしも意味しない。これは、上記ステップＳ４８、Ｓ５２のガード処理やステップＳ５４のフィルタ処理のために、補正量ΔＴＱに変換される噴射量学習値ＬＱが、モデル誤差学習値ＬＭを噴射量に変換した値（ステップＳ４４によって算出される値）と必ずしも一致しないためである。

こうしてモデル誤差学習値ＬＭの更新がなされると、当該更新のなされた領域における学習回数Ｃを初期化する。なお、この際、該当する記憶値ＭｃｌｄＬについても初期化してもよい。こうしてステップＳ６０の処理が完了したときや、上記ステップＳ４０において否定判断されるときには、この一連の処理を一旦終了する。

図８に、上記処理による補正量ΔＴＱの学習態様を示す。詳しくは、図８（ａ）に、特定の領域におけるモデル誤差学習値ＬＭ（ＮＥ、Ｑ）の推移を示し、図８（ｂ）に、同領域におけるモデル誤差学習回数Ｃ（ＮＥ，Ｑ）の推移を示す。また、図８（ｃ）に、対応する領域における噴射量学習値ＬＱ（Ｐ，Ｑ）の推移を示し、図８（ｄ）に、同領域における補正量ΔＴＱ（Ｐ，Ｑ）の推移を示す。

図示されるように、学習回数Ｃが所定回数Ａとなると、噴射量学習値ＬＱ及び補正量ΔＴＱが更新される。そしてこれに伴い、モデル誤差学習値ＬＭが補正され、学習回数Ｃが初期化される。

以上詳述した本実施形態によれば、以下の効果が得られるようになる。

（１）ディーゼル機関１０の吸気通路１２に吸入される吸気についての物理量及び燃料噴射弁３０に対する指令噴射量に基づき、排気中の酸素濃度の予測値を算出し、酸素濃度センサ３４の検出値及び予測値の差に基づき、燃料噴射弁３０の噴射特性のずれ（補正量ΔＴＱ）を学習した。これにより、広範囲な領域において噴射特性のずれを学習することができる。

（２）排気中の酸素濃度の予測時における排気の質量に関する情報（シリンダ流入ガス量Ｍｃｌｄの記憶値ＭｃｌｄＬ）を用いて、検出値及び予測値の差に基づく噴射量学習値ＬＱの学習を行った。これにより、噴射量学習値ＬＱを好適に算出することができる。

（３）モデル誤差学習値ＬＭの学習回数Ｃが所定回数Ａ以上となるときに、噴射量学習値ＬＱの学習を行った。これにより、学習精度を向上させることができる。

（４）ディーゼル機関１０の出力軸の回転速度及び負荷（噴射量Ｑ）によって分割される領域毎にモデル誤差学習値ＬＭを学習するに際し、排気の質量に関する情報（記憶値ＭｃｌｄＬ）を併せ記憶した。これにより、モデル誤差学習値ＬＭから噴射量学習値ＬＱを好適に算出することができる。

（５）モデル誤差学習値ＬＭの学習のなされる領域を燃圧によって分割される領域に変換して且つ、変換される領域において噴射量学習値ＬＱを学習した。これにより、噴射特性の燃圧依存性を好適に反映したかたちで噴射量学習値ＬＱを学習することができる。

（６）噴射特性のずれ（補正量ΔＴＱ、噴射量学習値ＬＱ）の学習がなされるとき、同学習に応じてモデル誤差学習値ＬＭを補正した。これにより、モデル誤差学習値ＬＭを、検出値に対する予測値の誤差に応じた適切な値に更新することができる。

（７）モデル誤差学習値ＬＭをフィルタ処理した後、該フィルタ処理後の値を用いて噴射量学習値ＬＱを学習した。これにより、補正量ΔＴＱや噴射量学習値ＬＱの学習に際してノイズ等の影響を好適に抑制することができ、ひいては補正量ΔＴＱや噴射量学習値ＬＱの学習精度を向上させることができる。ただし、この場合、補正量ΔＴＱの学習に基づき噴射特性のずれが補償されることとなるが、この補償によってはモデル誤差学習値ＬＭが直接相殺されることとはならない。この点、本実施形態によれば、補正量ΔＴＱの学習に応じて補正がなされるために、フィルタ処理後の値に基づいて補正量ΔＴＱの学習がなされるにもかかわらず、モデル誤差学習値ＬＭの学習結果を適切な値に更新することができる。

（８）排気中の酸素濃度の予測値に基づき、ＥＧＲバルブ４０を操作した。これにより、ディーゼル機関１０の過渡時であるか定常時であるかにかかわらず、排気中の酸素濃度についての精度の良い情報に基づきＥＧＲバルブ４０を操作することができる。

（９）排気中の酸素濃度の予測値（予測濃度ベース値Ｄｂ）の目標値へのフィードバック制御の態様に基づき、同予測値を補正し、最終予測濃度Ｄｆを算出した。このように、学習に用いられる予測値（最終予測濃度Ｄｆ）をフィードバック制御による影響に基づき補正することで、学習をより高精度に行うことができる。

（その他の実施形態）
なお、上記各実施形態は、以下のように変更して実施してもよい。

・上記実施形態では、説明を簡素化するため、アクセルペダルの操作量と回転速度とに応じた要求トルクを実現するために要求される噴射量（要求噴射量）を複数回に分割して１燃焼サイクル内で噴射する多段噴射制御については記載しなかったが、ディーゼル機関１０にあっては、通常は、多段噴射が行われる。この際、噴射量設定部Ｂ２は、要求噴射量を複数回に分割して各指令噴射量ベース値Ｑｂを算出すればよい。また、排気酸素濃度予測部Ｂ６は、これら各指令噴射量ベース値Ｑｂの和を用いて予測濃度ベース値Ｄｂを算出すればよい。

この際、噴射量学習部Ｂ３２において、モデル誤差学習値ＬＭを、多段噴射制御のいずれの燃料噴射に際しての噴射特性のずれと考えるかが問題となる。ここでは、全ての燃料噴射がモデル誤差学習値ＬＭに寄与しているとしてもよいが、最もモデル誤差学習値ＬＭに対する寄与が大きいと想定される燃料噴射等のみによってモデル誤差学習値ＬＭが生じたと見なしてもよい。この際には、モデル誤差学習値ＬＭが、多段噴射中の最大の噴射量を有するメイン噴射によって生じたと見なすことが便宜である。特にディーゼル機関１０のアイドル回転速度制御時、実際の回転速度を目標回転速度にフィードバック制御する際に要求される噴射量を等量分割して各１回の噴射量がパイロット噴射量程度の微少噴射量となるようにし、このときの要求される噴射量と基準となる噴射量との差に基づき微少噴射量における燃料噴射弁３０の噴射特性のずれの学習を行なう機能を有するもの（例えば特開２００３−３４３３２８号公報参照）にあっては、メイン噴射とすることが望ましい。すなわち、アイドル回転速度制御時に要求される噴射量以下の噴射量における噴射特性のずれの学習はアイドル回転速度制御時に行うことができる一方、これよりも多量の噴射量の学習については、これを行うことが困難であるからである。これに対し、上記実施形態で例示した手法によれば、アイドル回転速度制御時よりも要求噴射量が多いときであっても、学習を行なうことが可能である。そして、パイロット噴射等の微少噴射量についての学習が完了し、パイロット噴射等については学習による補正がなされたかたちで燃料噴射がなされるときに上記実施形態で例示する学習を行うなら、メイン噴射等についての噴射特性のずれの学習を高精度に行なうことが可能となる。

・上記実施形態では、モデル誤差学習値ＬＭの学習に際して、そのときのシリンダ流入ガス流量Ｍｃｌｄを記憶したが、排気の質量に関する情報としてはこれに限らない。例えば吸気温Ｔｍ等を記憶してもよい。

・上記実施形態では、噴射特性のずれとして噴射期間の補正量ＴＱを用いたが、これに限らず、噴射量学習値ＬＱであってもよい。この場合、噴射量学習値ＬＱによって補正される前の値（指令噴射量ベース値Ｑｂ）が実際の噴射量であることに留意する。

・上記実施形態においては各フィルタ処理を、加重平均処理としたがこれに限らない。例えば移動平均処理であってもよい。

・モデル誤差学習値ＬＭを差ΔＤのフィルタ処理によって算出していることに鑑みれば、噴射量学習値ＬＱをフィルタ処理によって算出することなく（先の図６のステップＳ５４の処理を設けることなく）、先の図６のステップＳ４４によって算出される値にガード処理をほどこした値を最終的な噴射量学習値ＬＱとしてもよい。また、ガード処理を施さなくてもよい。

・モデル誤差学習値ＬＭを差ΔＤのフィルタ処理によって算出していることに鑑みれば、これからステップＳ４４によって算出される値が急激に変化することはないと考えられるため、モデル誤差学習値ＬＭの学習がなされる都度、噴射量学習値ＬＱの学習を行なってもよい。

・上記実施形態では、負荷として噴射量を用いたが、トルクベース制御を行う際には、要求トルクを負荷としてもよい。

・上記実施形態では、排気中の酸素濃度の予測値を検出値にフィードバック制御する際の制御態様（燃料噴射弁３０の操作態様）に基づき最終予測濃度Ｄｆを算出したが、フィードバック制御の制御態様としてＥＧＲバルブ４０の操作態様を加味してもよい。

・上記実施形態では、排気中の酸素濃度の予測値と目標値との差に基づくフィードバック制御を行ったが、こうした機能を有していなくてもよい。すなわち、予測値と検出値との差に基づく噴射特性のずれの学習を行うためにのみ予測値を算出してもよい。

・上記実施形態では、排気中の酸素濃度の予測値と検出値との差を噴射特性のずれに起因するものとしたが、実際にはセンサの出力誤差等にも起因する。このため、センサの出力誤差を検出する機能を有するなら、予測値と検出値との差からこの誤差を予め減算した値を噴射特性のずれに起因する量とすることが望ましい。

・上記実施形態では、内燃機関としてディーゼル機関を採用したが、ガソリン機関等であってもよい。

一実施形態にかかるエンジンシステムの全体構成を示す図。 同実施形態にかかる学習処理を示すブロック図。 同実施形態にかかる排気酸素濃度の算出処理の手順を示すフローチャート。 同実施形態にかかるモデル誤差学習値の算出処理の手順を示すフローチャート。 同実施形態にかかるモデル誤差学習値の算出に際してのパラメータの記憶手法を示す図。 同実施形態にかかる噴射量学習処理の手順を示すフローチャート。 同実施形態にかかる補正量の記憶手法を示す図。 同実施形態にかかる学習処理の態様を示すタイムチャート。

符号の説明

１０…ディーゼル機関、３４…酸素濃度、５０…ＥＣＵ（燃料噴射制御装置の一実施形態）。

Claims (9)

1. 内燃機関の吸気系に吸入される吸気についての物理量及び燃料噴射弁に対する指令噴射量に基づき、排気中の酸素濃度の予測値を算出する予測手段と、
   排気中の酸素濃度の検出値及び前記予測値の差に基づき、前記燃料噴射弁の噴射特性のずれを学習するずれ学習手段とを備えることを特徴とする燃料噴射制御装置。
2. 前記ずれ学習手段は、前記排気中の酸素濃度の予測時における排気の質量に関する情報を用いて、前記検出値及び前記予測値の差に基づく前記学習を行うことを特徴とする請求項１記載の燃料噴射制御装置。
3. 前記排気中の酸素濃度の検出値及び前記予測値に基づき、前記予測手段の誤差を学習する誤差学習手段を更に備え、
   前記ずれ学習手段は、前記誤差学習手段による誤差の学習が所定回数以上となるときに、前記誤差学習手段によって学習された誤差を通じて、前記検出値及び前記予測値に基づく前記ずれの学習を行うことを特徴とする請求項１又は２記載の燃料噴射制御装置。
4. 前記誤差学習手段は、前記内燃機関の出力軸の回転速度及び負荷によって分割される領域毎に前記誤差を学習するものであって且つ、前記誤差の学習に際し、前記排気の質量に関する情報を併せ記憶することを特徴とする請求項３記載の燃料噴射制御装置。
5. 前記ずれ学習手段は、前記誤差学習手段による誤差の学習のなされる領域を燃圧によって分割される領域に変換して且つ、前記学習される誤差及び前記排気の質量に関する情報に基づき、前記変換される領域における噴射特性のずれを学習することを特徴とする請求項４記載の燃料噴射制御装置。
6. 前記ずれ学習手段による学習がなされるとき、該学習される噴射特性のずれに応じて前記誤差学習手段の学習結果を補正する手段を更に備えることを特徴とする請求項３〜５のいずれかに記載の燃料噴射制御装置。
7. 前記ずれ学習手段は、前記誤差学習手段によって学習される誤差をフィルタ処理した後、該フィルタ処理後の値を用いて前記ずれを学習することを特徴とする請求項６記載の燃料噴射制御装置。
8. 前記内燃機関は、排気系に排出される排気を吸気系に還流させる排気還流通路と、該排気還流通路内の流路面積を可変とする面積可変手段とを備えるものであり、
   前記予測手段の予測値に基づき、前記面積可変手段を操作する面積調節手段を更に備えることを特徴とする請求項１〜７のいずれかに記載の燃料噴射制御装置。
9. 前記排気中の酸素濃度の目標値を設定する目標値設定手段と、
   前記予測値を前記目標値にフィードバック制御するフィードバック制御手段と、
   前記学習に用いられる予測値を、前記フィードバック制御の態様に基づき補正する手段とを更に備えることを特徴とする請求項１〜８のいずれかに記載の燃料噴射制御装置。

Images