内燃机的控制装置及控制方法制造方法及图纸

本发明专利技术提供一种内燃机的控制装置及控制方法，即使因内燃机的个体差异、历时变化等导致内燃机的特性发生变动，也能在运行中对最佳燃烧操作机构的控制值或点火时刻进行自动适配，并能恰当地控制内燃机。在内燃机的控制装置及控制方法中，使转矩特性函数的设定值变化，以使得使用转矩特性函数而计算出的输出转矩接近基于缸内压力的实际值而计算出的输出转矩，使用转矩特性函数来计算与多个燃烧控制状态分别对应的多个输出转矩，并使燃烧控制目标设定函数的设定值变化，以使得使用燃烧控制目标设定函数而计算出的燃烧控制状态的目标值接近输出转矩成为最大的最大转矩燃烧控制状态。

Control Device and Control Method of Internal Combustion Engine

【技术实现步骤摘要】
内燃机的控制装置及控制方法
本专利技术涉及以输出转矩为控制目标来对内燃机进行控制的内燃机的控制装置及控制方法。
技术介绍
近年来，提出了如下内燃机的控制装置及控制方法，即：作为从驾驶员和各车辆系统(混合动力用电动机控制、变速器控制、刹车控制、牵引控制等)接收的内燃机输出的请求值，使用直接作用于车辆的控制的物理量即内燃机的输出转矩，并将其作为内燃机输出的目标值来决定内燃机的控制量即空气量、燃料量及点火时刻等，此外，能根据实际的内燃机的运行状态推定实际输出转矩并发送至各车辆系统，由此来实现协调控制并获得良好的行驶性能。这种控制方法一般被称为基于转矩的控制，但在该方式的控制方法中，能基于内燃机的运行状态来高精度地计算出实际输出转矩这一点变得重要。若能做到这一点，则可以通过其逆运算，根据目标转矩来计算出内燃机的控制量的目标值(例如，节气门开度、EGR开度、点火时刻、空燃比等)。例如，在专利文献1中，作为基于转矩的控制中的目标转矩，存在低响应目标转矩和高响应目标转矩这样的响应性不同的目标转矩。记载了如下方法，即：进行节气门控制等空气量的操作来实现低响应目标转矩，并进行点火时刻或燃料喷射量的操作来实现高响应目标转矩。更详细而言，在多个映射数据中预先存储针对内燃机的运行状态的MBT点火时刻、MBT中的热效率、甚至是针对来自MBT的延迟量的转矩的降低率等，此外，根据需要通过EGR量和空燃比进行校正，并将它们组合，由此来构成实际转矩的计算、以及既能应对低响应目标转矩也能应对高响应目标转矩的控制。另外，作为根据内燃机的运行状态来推定输出转矩的方法，除了上述那样的使用了映射数据的计算方法以外，还提出了例如专利文献2那样的应用了神经网络技术的方法。这里，神经网络指的是一种数学模型，其旨在通过计算机上的仿真来表现在脑功能中观察到的一些特性，在使前馈传播型神经网络(FNN：FeedforwardNeuralNetwork)预先学习针对输入值的输出值来作为教师数据的情况下，能作为对所学习到的输入值和输出值的关系进行模拟的通用的近似函数来使用。另外，作为神经网络的学习方法，通常已知有误差反向传播法(backpropagationmethod)。此外，为了对内燃机的燃料消耗性能、排放性能进行改善，对内燃机的燃烧状态进行测量，将其测量结果进行反馈来进行控制，这样的方法是有效的。因此，准确地测量内燃机的燃烧状态是重要的。众所周知，通过测量缸内压力能准确地测量出内燃机的燃烧状态。若使用直接测量缸内压力的传感器(以下，称为缸内压力传感器)，则能测量出缸内压力。然而，缸内压力传感器较为昂贵，不易确保耐久性，因此，也开发了在不使用缸内压力传感器的情况下检测缸内压力的方法。例如，专利文献3中公开了如下技术，即：基于曲柄角传感器的输出信号计算曲柄角速度及曲柄角加速度，基于曲柄角速度及曲柄角加速度计算因燃烧而产生的燃烧气体压力转矩，并根据燃烧气体压力转矩来推定缸内压力等燃烧状态(以下，缸内压力信息)。现有技术文献专利文献专利文献1：日本专利第5644733号公报专利文献2：日本专利特开平11－351045号公报专利文献3：日本专利第6190936号公报非专利文献非专利文献1：吉田元则等“直喷柴油机·发动机中的基于模型的校准的应用”、马自达技术报告、No.24(2006)非专利文献2：冈谷贵之、“机械学习专业系列深层学习”、讲谈社、2015
技术实现思路
专利技术所要解决的技术问题相对于近年来为了提高燃油效率而变得复杂化的内燃机控制用的机构，内燃机控制系统也同样变得复杂化，适配工时数的增大成为较大的问题。作为复杂化的内燃机控制用的机构的示例，已知有进排气VVT(VariableValveTiming：可变气门正时)、可变气门升程、可变压缩比、涡轮增压器、旋流控制阀、翻转控制阀等。在使用了专利文献1那样的映射数据的控制方法的情况下，若内燃机控制用的机构变得复杂，则需要与之相应的较多的映射数据，与之相伴，存在适配工时数也增大的问题。从适应所需的内燃机的实验的观点来看，近年来，已开发了市售的MBC(ModelBasedCalibration：基于模型的校准)工具。例如，如非专利文献1所示，在该工具中，能基于DOE(DesignofExperiments：实验计划法)建立内燃机的试验计划，与内燃机的实验设备联动地进行数据采集，根据其结果生成内燃机的统计模型，并基于该模型生成在控制中使用的映射数据。然而，虽然能利用MBC工具生成映射数据，但生成较多的映射数据需要与之相应的工时数，且按每个内燃机的机种来管理其数据也需要更多的工时数。并且，在根据MBC工具的统计模型生成控制用的映射数据的情况下，考虑到能考虑的内燃机的运行状态的参数数减少从而导致精度下降，因此，对使用了该映射数据的控制精度进行确定及微调整也需要较多的工时数。由此，即使在现有的映射控制中导入MBC工具等，也存在仍然需要庞大的适配工时数的问题。此外，关于使用专利文献2那样的前馈传播型神经网络(FNN)并根据内燃机的运行状态来推定输出转矩的方法，在中间层只有1层的现有方法中，存在即使将FNN作为近似函数来使用也无法得到足够的精度的问题。在近似精度这一观点中，近年来已知有深层学习(deeplayering)之类的方法。例如，如非专利文献2所示，该方法中，能通过使与现有相同的神经网络多层化(深层化)，从而大幅提高作为近似函数的精度。现有学习方法中，因梯度消失问题等而导致学习无法良好地进行，与此相对地，通过近年来开发出的各种学习技术，学习得以良好地进行。另外，该深层学习方法也作为近年来受到关注的人工智能(AI)和机械学习的一个方法而为人所知。于是，若将FNN作为近似函数使用并根据内燃机的运行状态来推定输出转矩，则考虑可利用MBC工具生成教师数据并对其进行学习，从而以最低限度的适配工时数良好地进行输出转矩的推定。并且，由于在MBC工具中也存在如下情况，即：将神经网络作为生成内燃机的统计模型的方法之一来使用，因此，也能使用由MBC工具生成的内燃机的统计模型本身并根据内燃机的运行状态来推定输出转矩，该情况下，能进一步削减工时数。此外，在将燃油效率和废气考虑在内、利用MBC工具将操作内燃机的燃烧状态的燃烧操作机构的控制值和点火时刻设定为最佳值的情况下，即使该设定值对于用于适配的内燃机个体而言是最佳值，在应用于量产的内燃机的情况下，由于各个内燃机具有个体差异，因此，也不能说一定是最佳值。并且，在长时间使用了内燃机的情况下，考虑以下情况：因沉积物的堆积和磨损等而造成的历时变化的影响，在用于适配的内燃机中最佳值也会发生变化。在这种情况下，若能用专利文献3的方法或缸内压力传感器检测缸内压力信息，则考虑能基于这些在与内燃机的个体相对应的最佳设定值下一边行驶一边进行自动适配。然而，在能检测出缸内压力信息的情况下，关于一边行驶一边探索内燃机的控制机构的控制值和点火时刻的最佳值、对其进行存储并用于控制的方法，在专利文献1至3中均未有记载，并未公开具体的方法。因此，希望提供一种内燃机的控制装置及控制方法，即使因内燃机的个体差异、历时变化等导致内燃机的特性发生变动，也能在运行中对最佳燃烧操作机构的控制值或点火时刻进行自动适配，并能恰当地控制本文档来自技高网...

【技术保护点】
1.一种内燃机的控制装置，其特征在于，包括：运行状态检测部，该运行状态检测部检测包含燃烧室内的压力即缸内压力在内的内燃机的运行状态；燃烧控制目标计算部，该燃烧控制目标计算部使用设定了预设种类的运行状态与操作燃烧状态的燃烧操作机构的控制状态即燃烧控制状态的目标值之间的关系的函数即燃烧控制目标设定函数，来计算所述燃烧控制状态的目标值；燃烧控制部，该燃烧控制部基于所述燃烧控制状态的目标值来控制所述燃烧操作机构；实际转矩计算部，该实际转矩计算部使用设定了包含所述燃烧控制状态在内的预设种类的运行状态与所述内燃机的输出转矩之间的关系的函数即转矩特性函数，来计算与当前的运行状态相对应的输出转矩；转矩特性学习部，该转矩特性学习部基于所述缸内压力的实际值来计算输出转矩，并使所述转矩特性函数的设定值变化，以使得使用所述转矩特性函数而计算出的输出转矩接近基于所述缸内压力的实际值而计算出的输出转矩；以及燃烧控制目标学习部，该燃烧控制目标学习部使用所述转矩特性函数来计算与多个所述燃烧控制状态分别对应的多个输出转矩，基于多个所述燃烧控制状态和多个所述输出转矩来计算在多个所述燃烧控制状态的范围内输出转矩成为最大的所述燃烧控制状态即最大转矩燃烧控制状态，并使所述燃烧控制目标设定函数的设定值变化，以使得使用所述燃烧控制目标设定函数而计算出的所述燃烧控制状态的目标值接近所述最大转矩燃烧控制状态。...

【技术特征摘要】
2018.02.23 JP 2018-0303411.一种内燃机的控制装置，其特征在于，包括：运行状态检测部，该运行状态检测部检测包含燃烧室内的压力即缸内压力在内的内燃机的运行状态；燃烧控制目标计算部，该燃烧控制目标计算部使用设定了预设种类的运行状态与操作燃烧状态的燃烧操作机构的控制状态即燃烧控制状态的目标值之间的关系的函数即燃烧控制目标设定函数，来计算所述燃烧控制状态的目标值；燃烧控制部，该燃烧控制部基于所述燃烧控制状态的目标值来控制所述燃烧操作机构；实际转矩计算部，该实际转矩计算部使用设定了包含所述燃烧控制状态在内的预设种类的运行状态与所述内燃机的输出转矩之间的关系的函数即转矩特性函数，来计算与当前的运行状态相对应的输出转矩；转矩特性学习部，该转矩特性学习部基于所述缸内压力的实际值来计算输出转矩，并使所述转矩特性函数的设定值变化，以使得使用所述转矩特性函数而计算出的输出转矩接近基于所述缸内压力的实际值而计算出的输出转矩；以及燃烧控制目标学习部，该燃烧控制目标学习部使用所述转矩特性函数来计算与多个所述燃烧控制状态分别对应的多个输出转矩，基于多个所述燃烧控制状态和多个所述输出转矩来计算在多个所述燃烧控制状态的范围内输出转矩成为最大的所述燃烧控制状态即最大转矩燃烧控制状态，并使所述燃烧控制目标设定函数的设定值变化，以使得使用所述燃烧控制目标设定函数而计算出的所述燃烧控制状态的目标值接近所述最大转矩燃烧控制状态。2.如权利要求1所述的内燃机的控制装置，其特征在于，所述转矩特性函数由神经网络构成，所述转矩特性学习部使所述神经网络的设定值变化，以作为所述转矩特性函数的设定值。3.一种内燃机的控制装置，其特征在于，包括：运行状态检测部，该运行状态检测部检测包含燃烧室内的压力即缸内压力在内的内燃机的运行状态；目标点火时刻计算部，该目标点火时刻计算部使用设定了预设种类的运行状态与目标点火时刻的基本值之间的关系的函数即点火时刻设定函数，来计算与当前的运行状态相对应的所述目标点火时刻的基本值；点火控制部，该点火控制部基于所述缸内压力的实际值来进行使点火时刻变化的反馈控制；以及点火设定学习部，该点火设定学习部使所述点火时刻设定函数的设定值变化，以使得使用所述点火时刻设定函数而计算出的所述目标点火时刻的基本值接近因所述反馈控制而变化的所述点火...

【专利技术属性】
技术研发人员：叶狩秀树，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：日本,JP