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，能尽可能减少使用了表示针对运行状态的输出转矩的特性的转矩特性函数等的运算次数，来对实现目标转矩的内燃机的控制量的目标值进行计算。该内燃机的控制装置及控制方法使用预先设定了运行状态与输出转矩之间的关系的转矩特性函数，来计算分别与点火样本数的点火时刻(IG1、IG2

【技术实现步骤摘要】
内燃机的控制装置及控制方法
本申请是申请日为“2019年2月18日”、申请号为“201910120190.3”、题为“内燃机的控制装置及控制方法”的申请的分案申请。


[0001]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

[0002]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来推测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。
[0003]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变得很重要。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)。
[0004]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之类的响应性不同的目标转矩。记载了如下方法，即：进行节流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的滞后角量的转矩降低率等，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。
[0005]在专利文献2中，也存在利用节气门开度来进行转矩控制的第1目标转矩、以及利用点火时刻来进行转矩控制的第2目标转矩，为了根据这些目标转矩来计算目标进气量和目标点火时刻，构成为使用多个映射数据来进行运算的结构。
[0006]另外，作为根据内燃机的运行状态来推测输出转矩的方法，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3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，其目标在于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：Feedforward Neural Network)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与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(back propagation method)。现有技术文献
专利文献
[0007]专利文献1：日本专利第5644733号公报专利文献2：日本专利第4499809号公报专利文献3：日本专利特开平11
‑
351045号公报非专利文献
[0008]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”、马自达技报、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
[0009]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(Variable Valve Timing：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或2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，随着而来的是存在适配工时数也增大的问题。从适应所需的内燃机的试验的观点来看，近年来，已开发了市售的MBC(Model Based Calibration：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(Design of Experiments：实验计划法)建立内燃机的试验计划，与内燃机的试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。
[0010]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，考虑到因能考虑的内燃机的运行状态的参数数量减少而使精度下降，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。
[0011]此外，关于使用专利文献3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(deep layering)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。
[0012]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测。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测输出转矩，该情况下，能进一步削减工时数。
[0013]然而，如此只能对输出转矩进行推测，而无法计算出实现低响应目标转矩和高响应目标转矩的目标点火时刻和目标进气量。例如，若使点火时刻或进气量逐渐发生变化，利用FNN等函数来反复计算输出转矩，则能对实现目标转矩的目标点火时刻或目标进气量进行探索。然而，若反复进行使用了FNN等函数的运算，则运算负荷将增大。特别地，若系统结构变得复杂，FNN等函数变得复杂化，则运算负荷将大幅度增加。因此，希望尽可能降低使用了FNN等函数的运算次数。
[0014]因此，希望获得一种内燃机的控制装置及控制方法，能尽可能减少使用了表示针对运行状态的输出转矩的特性的转矩特性函数等的运算次数，来对实现目标转矩的内燃机的控制量的目标值进行计算。解决技术问题所采用的技术方案
[0015]本专利技术的第1内燃机的控制装置包括：多个点火转矩计算部，该多个点火转矩计算部使用转矩特性函数，来对分别对应于预先设定为多个数量的点火样本文档来自技高网...

【技术保护点】

【技术特征摘要】
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，该运行状态检测部对包含被吸入燃烧室内的空气量的信息即气缸内进气量信息在内的内燃机的运行状态进行检测；多个进气点火计算部，该多个进气点火计算部使用点火时刻设定函数，来对与预先设定为多个数量的进气样本数的所述气缸内进气量信息分别相对应的所述进气样本数的所述目标点火时刻的基本值进行计算，所述点火时刻设定函数是预先设定了包含所述气缸内进气量信息在内的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；多个进气转矩计算部，该多个进气转矩计算部使用转矩特性函数，来对分别对应于所述进气样本数的气缸内进气量信息、以及所述进气样本数的目标点火时刻的基本值的所述进气样本数的所述输出转矩、即所述进气样本数的进气点火对应转矩进行计算，所述转矩特性函数是预先设定了包含所述气缸内进气量信息及点火时刻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；进气转矩近似曲线计算部，该进气转矩近似曲线计算部对将所述进气样本数的气缸内进气量信息与所述进气样本数的进气点火对应转矩之间的关系进行近似而得的近似曲线、即进气转矩近似曲线进行计算；目标进气量计算部，该目标进气量计算部使用所述进气转矩近似曲线，对与所述内燃机所要求的输出转矩即目标转矩相对应的所述气缸内进气量信息进行计算，以作为目标气缸内进气量信息；以及进气量控制部，该进气量控制部基于所述目标气缸内进气量信息，来对被吸入气缸内的空气量进行控制。2.如权利要求1所述的内燃机的控制装置，其特征在于，所述点火时刻设定函数由神经网络构成，所述转矩特性函数由神经网络构成。3.如权利要求1或2所述的内燃机的控制装置，其特征在于，所述进气样本数预先设定为3个以上的数量，所述进气转矩近似曲线计算部基于所述进气样本数的气缸内进气量信息及所述进气样本数的进气点火对应转矩，来对被设为2次函数的所述进气转矩近似曲线的各项系数进行计算。4.如权利要求1至3的任一项所述的内燃机的控制装置，其特征在于，所述进气样本数预先设定为3个，多个所述进气点火计算部使用所述转矩特性函数，来对与运行状态的实际值相对应的所述输出转矩的实际值进行计算，对与所述目标转矩与...

【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：