JPH01106949A - 内燃機関の学習制御装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〈産業上の利用分野〉 本発明は、内燃機関の空燃比（燃料噴射量）。

点火時期、アイドル回転数等のフィードパ・ンク制御系
の学習制御装置に関する。

〈従来の技術〉 従来の内燃機関の学習制御装置としては、特開昭５９−
２０３８２８号公報、特開昭５９−２１１７３８号公報
、特開昭６０−９０９４４号公報。

特開昭６１−１９０１４１号公報等に示されているもの
がある。

これらは、機関の運転状態に基づき空燃比等の制御目標
値に対応させて設定される基本制御量を制御目標値と実
際値とを比較しつつ比例・積分制御などにより設定され
るフィードバック補正値により補正して制御量を演算し
、この制御量の制御を行って空燃比等を制御目標値にフ
ィードバック制御するものにおいて、フィードバック制
御中のフィードバック補正値の基準値からの偏差を機関
運転状態のエリア毎に学習してエリア別学習値を定め、
制御量の演算にあたって、基本制御量をエリア別学習値
により補正して、フィードバック補正値による補正なし
で演算される制御量により得られるものを制御目標値に
一致させるようにし、フィードバック制御中はこれをさ
らにフィードバック補正値により補正して制御量を演算
するものである。

これによれば、フィードバック制御中は過渡運転時にお
けるフィードバック制御の追従遅れをなくすことができ
、フィードバック制御停止時においては所望の制御出力
を正確に得ることができる。

従って、電子制御燃料噴射装置等の構成部品のバラツキ
を吸収し、また機関の充填効率等の経年変化や大気圧、
温度、湿度等の使用環境条件の変化等を補正して長期に
わたって機関の最高性能を維持してゆくために用いられ
ている。

〈発明が解決しようとする問題点〉 しかしながら、このような従来の学習制御装置は、デー
タマツプによるいわゆる繰返し学習方式、つまり、機関
運転状態によりデータマツプ格子区分を設定し、各学習
エリアにおけるフィードバック制御偏差量を繰返し学習
経験により更新してゆく方式であったため、学習補正精
度を高めるために各学習エリア区分を細かく設定すると
、学習の更新スピードが遅くなるという欠点があった。

っまり、学習補正精度と学習スピードとが相反する条件
となっているのであった。

本発明は、このような従来の問題点に鑑み、学習補正精
度を高めつつ学習スピードを大幅に向上させることがで
き、しかも自己診断によ゛り信頼性の高い内燃機関の学
習制御装置を提供することを目的とする。

〈問題点を解決するための手段〉 本発明は、上記の目的を達成するため、第１図に示すよ
うに、下記のＡ−にの手段を含んで内燃機関の学習制御
装置を構成する。

（八）内燃機関の制御対象の制御目標値に対応する基本
制御量を設定する基本制御１ｆｆｉ設定手段（Ｂ）制御
目標値と実際値とを比較して制御目標値に実際値を近づ
ける方向にフィードバック補正値を所定の量増減して設
定するフィードバック補正値設定手段 （Ｃ）複数の要因別学習値を記憶する書換え可能な要因
別学習値記憶手段 （Ｄ）前記基本制御量を前記フィードバック補正値及び
前記複数の要因別学習値に基づきこれらに応じてそれぞ
れ設定された演算式で補正して制御量を演算する制御量
演算手段 （Ｅ）前記制御量に応じて作動し内燃機関の制御対象を
制御する制御手段 （Ｆ）前記フィードバック補正値の基準値からの偏差を
検出する偏差検出手段 （Ｇ）前記偏差の要因を各種情報を基に分析しその分析
結果に基づき前記偏差を要因別の複数のパラメータに分
離する要因分析手段 （Ｈ）前記複数のパラメータの夫々に基づき前記記憶手
段の要因別学習値を修正して書換える要因別学習値更新
手段 （Ｉ）前記要因別学習値と予め設定した異常判定値とを
比較する比較手段 （Ｊ）前記要因別学習値が前記異常判定値を越えた状態
の継続時間を計測する計時手段 （Ｋ）前記計時手段の計測時間が所定時間以上になった
ときその要因別学習値に関連する部品を異常と判定する
異常判定手段 〈作用〉 基本制御量設定手段Ａは、内燃機関の制御対象の制御目
標値に対応する基本制御量を設定し、フィードバック補
正値設定手段Ｂは、制御目標値と実際値とを比較して制
御目標値に実際値を近づける方向にフィードバック補正
値を例えば比例・積分制御に基づいて所定の量増減して
設定する。そして、制御量演算手段りは、基本制御量を
フィードバック補正値で補正し、さらに要因別学習値記
憶手段Ｃに記憶されている複数の要因別学習値に基づき
これらに応じてそれぞれ設定された最適な演算式で補正
することにより、制御量を演算する。

そして、この制御量に応じて制御手段Ｅが作動し、内燃
機関の制御対象を制御する。

一方、偏差検出手段Ｆは、フィードバック補正値の基準
値からの偏差を検出している。そして、要因分析手段Ｇ
は、偏差を与えるに至った要因を各種情報（例えば機関
運転状態、偏差量、偏差方向、偏差速度、偏差変化方向
等のうち少なくとも１つ）を基に所定の分析ルールに従
って推論的に分析し、その分析結果に基づき偏差を要因
別の複数のパラメータに分離する。そして、要因別学習
値更新手段Ｈは、分離された複数のパラメータの夫々に
基づき記憶手段Ｃの要因別学習値を修正して書換えてゆ
く。

このように、フィードバック制御の偏差（エラー量）を
検出し、これを各種情報とデータベースとを用いて推論
して要因分析し、各々の要因に適した演算式で精度良く
補正することで、学習補正精度と学習スピードとを両立
させるのである。

また、比較手段■によって、各要因別学習値を予め設定
した異常判定値と比較し、その結果、要因別学習値が異
常判定値を越えていれば、この状態の継続時間を計時手
段Ｊで計測し所定時間以上継続したときに異常判定手段
にはその要因別学習値に関連する部品が劣化又は故障と
判定する。これにより、絶対的な故障は勿論のこと部品
劣化による特性変化を検知でき劣化診断も可能となり、
かつ誤った異常判定も防止でき信頼性が高められる。

〈実施例〉 以下に本発明に係る学習制御装置を電子制御燃料噴射装
置を有する内燃機関の空燃比のフィードバック制御系に
適用した実施例を説明する。

第２図において、機関１には、エアクリーナ２から吸気
ダクト３．スロットル弁４及び吸気マニホールド５を介
して空気が吸入される。吸気マニホールド５のブランチ
部には各気筒毎に制御手段としての燃料噴射弁６が設け
られている。燃料噴射弁６はソレノイドに通電されて開
弁じ通電停止されて閉弁する電磁式燃料噴射弁であって
、後述するコントロールユニット１２からの駆動パルス
信号により通電されて開弁し、図示しない燃料ポンプか
ら圧送されてプレッシャレギュレータにより所定の圧力
に調整された燃料を噴射供給する。尚、この例はマルチ
ポイントインジェクションシステムであるが、スロット
ル弁の上流などに全気筒共通に単一の燃料噴射弁を設け
るシングルポイントインジェクションシステムであって
もよい。

機関１の燃焼室には点火栓７が設けられていて、これに
より火花点火して混合気を着火燃焼させる。

そして、機関１からは、排気マニホールド８゜排気ダク
ト９．三元触媒１０及びマフラー１１を介して排気が排
出される。三元触媒１０は、排気成分中のＣｏ、ＨＣを
酸化し、また、ＮＯｘを還元して、他の無害な物質に転
換する排気浄化装置であり、混合気を理論空燃比で燃焼
させたときに再転換効率が最も良好なものとなる。

コントロールユニット１２は、ＣＰＵ、ＲＯＭ。

ＲＡＭ、Ａ／Ｄ変換器及び入出力インクフェイスを含ん
で構成されるマイクロコンピュータを備え、各種のセン
サからの入力信号を受け、後述の如く演算処理して、燃
料噴射弁６の作動を制御する。

前記各種のセンサとしては、吸気ダクト３中に熱線式あ
るいはフラップ式のエアフローメータ１３が設けられて
いて、吸入空気流量Ｑに応じた電圧信号を出力する。

また、クランク角センサ１４が設けられていて、４気筒
の場合、クランク角１８０°毎の基準信号とクランク角
１°又は２°毎の単位信号とを出力する。ここで、基準
信号の周期、あるいは所定時間内における単位信号の発
生数を計測することにより、機関回転数Ｎを算出可能で
ある。

また、機関１のウォータジャケットの冷却水温Ｔｗを検
出する水温センサ１５等が設けられている。

さらに、排気マニホールド８の集合部に０□センサ１６
が設けられ、排気中の０２濃度を介して機関１に吸入さ
れる混合気の空燃比を検出する。尚、０□センサ１６と
して特願昭６２−６５８４４号で提案しているＮＯｘ還
元触媒層付のものを用いるとより正確な検出が可能とな
る。

ここにおいて、コントロールユニット１２に内蔵された
マイクロコンピュータのＣＰＵは、第３図〜第６図にフ
ローチャートとして示すＲＯＭ上のプログラム（燃料噴
射量演算ルーチン、空燃比フィードバック制御ルーチン
、最適学習ルーチン。

自己診断ルーチン）に従って演算処理を行い、燃料噴射
を制御する。

尚、基本制御量設定手段、フィードバック補正値設定手
段、制御量演算手段、偏差検出手段、要因分析手段、要
因別学習値更新手段、比較手段。

計時手段及び異常判定手段としての機能は、前記プログ
ラムにより達成される。また、要因別学習値記憶手段と
しては、ＲＡＭを用い、かつバックアップ電源によりエ
ンジンキースイッチのＯＦＦ後も記憶内容を保持させる
。

次に第３図〜第６図のフローチャート−を参照しつつコ
ントロールユニット１２内のマイクロコンピュータの演
算処理の様子を説明する。

第３図は燃料噴射量演算ルーチンで、所定時間毎に実行
される。

ステップ１（図にはＳｌと記しである。以下同様）では
エアフローメータ１３からの信号に基づいて検出される
吸入空気流量Ｑ、クランク角センサ１４からの信号に基
づいて算出される機関回転数Ｎ。

水温センサ１５からの信号に基づいて検出される水温Ｔ
ｗ等を入力する。

ステップ２では吸入空気流量Ｑと機関回転数Ｎとから単
位回転当りの吸入空気量に対応する基本燃料噴射量Ｔｐ
＝に−Ｑ／Ｎ（Ｋは定数）を演算する。このステップ２
の部分が基本制御量設定手段に相当する。

ステップ３では水温Ｔｗに応じた水温補正係数によ９機
関回転数Ｎと基本燃料噴射量Ｔｐに応じた空燃比補正係
数に、４Ｒなどを含む各種補正係数ＣＯＥ　Ｆ　＝　１
　＋ＫＴｗ＋　Ｋ、ｍ＋　・・’を設定する。

ステップ４では後述する第４図の空燃比フィードバック
制御ルーチンによって設定されている最新の空燃比フィ
ードバック補正係数α（基準値１）を読込む。

ステップ５ではバッテリ電圧に基づいて電圧補正分子ｓ
を設定する。これはバッテリ電圧の変動による燃料噴射
弁６の噴射流量変化を補正するためのものである。

ステップ６では要因別学習値記憶手段としてのＲＡＭの
所定アドレスから要因別学習値Ｘ、、Ｘ２を読込む。尚
、学習が開始されていない時点では、初期値として、Ｘ
、＝Ｏ，Ｘ２　＝１を記憶させである。

ステップ７では燃料噴射量Ｔｉを次式に従って演算する
。このステップ７の部分が制御量演算手段に相当する。

Ｔｉ＝Ｘ２・Ｔｐ−ＣＯＥＦ　・α＋（Ｔｓ＋Ｘ＋）ス
テップ８では演算されたＴｉを出力用レジスタにセット
する。これにより予め定めた機関回転同期（例えば１回
転毎）燃料噴射タイミングになると、最新にセットされ
たＴｉのパルス巾をもつ駆動パルス信号が燃料噴射弁６
に与えられて、燃料噴射が行われる。

第４図は空燃比フィードバック制御ルーチンで、回転同
期又は時間同期で実行され、これにより空燃比フィード
バック補正係数αが設定される。従ってこのルーチンが
フィードバック補正値設定手段に相当する。

ステップ１１では所定の空燃比フィードバック制御条件
が成立しているか否かを判定する。ここで、所定の空燃
比フィードバック制御条件とは、機関回転数Ｎが所定値
以下で、かつ負荷を表わす基本燃料噴射量Ｔｐが所定値
以下であることを条件とする。かかる条件が満たされて
いない場合はこのルーチンを終了する。この場合、空燃
比フィードバック補正係数αは前回値（又は基準値１）
にクランプされ、空燃比フィードバック制御が停止され
る。これは、高回転又は高負荷領域では空燃比、フィー
ドバック制御を停止し、前記空燃比補正係数に□により
リッチな出力空燃比を得て、排気温度の上昇を抑制し、
機関１の焼付きや三元触媒１０の焼損などを防止するた
めである。

空燃比フィードバック制御条件の成立時は、ステップ１
２以降へ進む。

ステップ１２では０２センサ１６の出力電圧■。２を読
込み、次のステップ１３で理論空燃比相当のスライスレ
ベル電圧Ｖ　ｒｏｆと比較することにより空燃比のリッ
チ・リーンを判定する。

空燃比がリーン（■。ｚ＜Ｖｒｏｆ）のときは、ステッ
プ１３からステップ１４へ進んでリッチからリーンへの
反転時（反転直後）であるか否かを判定し、反転時には
ステップ１５へ進んで後述する第５図の最適学習ルーチ
ンのため前回の空燃比フィードバック補正係数αの基準
値１からの偏差をａ＝α−１として記憶した後、ステッ
プ１６へ進んで空燃比フィードバック補正係数αを前回
値に対し所定の比例定数２分増大させる。反転時板外は
ステップ１７へ進んで、空燃比フィードバック補正係数
αを前回値に対し所定の積分定数１分増大させ、こうし
て空燃比フィードバック補正係数αを一定の傾きで増大
させる。尚、Ｐ＞＞Ｉである。

空燃比がリッチ（Ｖ　０２　＞　Ｖ　ｒ−ｆ）のときは
、ステップ１３からステップ１８へ進んでリーンからリ
ッチへの反転時（反転直後）であるか否かを判定し、反
転時にはステップ１９へ進んで後述する第５図の最適学
習ルーチンのため前回の空燃比フィードバック補正係数
αの基準値１からの偏差をｂ−α−１として記憶した後
、ステップ２０へ進んで空燃比フィードバック補正係数
αを前回値に対し所定の比例定数Ｐ分減少させる。反転
時板外はステップ２１へ進んで空燃比フィードバック補
正係数αを前回値に対し所定の積分定数１分減少させ、
こうして空燃比フィードバック補正係数αを一定の傾き
で減少させる。

第５図は最適学習ルーチンで、所定時間毎に実行され、
これにより要因別学習値Ｘ、、Ｘ２が設定・更新される
。

ステップ３１では所定の学習条件が成立しているか否か
を判定する。ここで、所定の学習条件とは、空燃比フィ
ードバック制御中であり、かつ０２センサ１６のリッチ
・リーン信号が適当な周期で反転していることを条件と
する。かかる条件が満たされていない場合はこのルーチ
ンを終了する。

所定の学習条件が成立した場合は、ステップ３２へ進ん
で０□センサ１６の出力電圧■。２が反転したか否かを
判定し、反転時板外はステップ３３へ進んでそのときの
機関運転状態のデータとして機関回転数Ｎと基本燃料噴
射量Ｔｐとをサンプリングする。

０□センサ１６の出力電圧■。２の反転時は、最適学習
のため、ステップ３４へ進んで前述のａとｂとの平均値
を求める。このときのａ、ｂは、第７図に示すように空
燃比フィードバック補正係数αの増減方向の反転から反
転までの空燃比フィードバフ ツク補正係数αの基準値１からの偏差の上下のピーク値
であり、これらの平均値を求めることにより、空燃比フ
ィードバック補正係数αの基準値１からの平均的な偏差
Δαを検出している。

従って、第４図のステップ１５．１９と第５図のステッ
プ３４の部分が偏差検出手段に相当する。

次にステップ３５へ進んで０２センサ１６の出力電圧Ｖ
Ｏ２が反転する間の機関回転数Ｎ及び基本燃料噴射量’
ｒｐの動き（Ｎ、、Ｎ２・・・＋Ｔｐ＋、Ｔｐｚ・・・
）を読出し、機関運転状態（Ｎ、Ｔｐ）を特定する。

次にステップ３６へ進んで機関運転状態（Ｎ、　Ｔｐ）
のエリアよりマツプを参照して各エリアに割付けられた
学習重み付はパラメータに、、に、を検索する。但し、
Ｋ、＋に２は１以下である。

ここで、偏差Δαを与えるに至った要因は、主に燃料噴
射弁６に起因するもの（以下Ｆ／Ｉ要囚要因う）と、空
気密度変化などを含むエアフローメータ１３に起因する
もの（以下Ｑ要因）とに分け、それぞれの占める割合を
ＫＩ、Ｋｚで表わすのである。

そして、経験則から低回転低負荷領域ではＦ／Ｉ要囚要
因きく、高回転高負荷ではＱ要因が大きいなどと推定し
て、各エリアにに、、に２の値を割付けておき、このマ
ツプを参照することで、機関運転状態を基に要因分析を
行うのである。

これにより、偏差Δαを、Ｆ／Ｉ要因のパラメータに、
　　・Δαと、Ｑ要因のパラメータに２　・Δαとに分
離することが可能となり、次のステップ３７ではΔα、
＝に、・Δα、Δα２−に２　・Δαとして、各パラメ
ータに分離する。

従って、ステップ３５〜３７の部分が要因分析手段に相
当する。

尚、要因分析は、このように機関運転状態を基に行う他
、偏差量、偏差方向、偏差速度、偏差変化方向等に基づ
き、それらのデータベースから推論して行うようにして
もよい。

次にステップ３８へ進んでＲＡＭ上の所定アドレスに記
憶しである要因別学習値Ｘ、、Ｘｚを読出し、次式の如
く、一方のＦ／Ｉ要囚要因習値ＸＩに偏差Δα、をＭＩ
分加算して更新し、他方のＱ要因の学習値Ｘ２に偏差Δ
α２をＭ２分加算して更新する。Ｍ、、Ｍ、は学習重み
付は係数である。

Ｘ　＋　＝　Ｘ　ｒ　＋　Ｍ　＋・Δα１Ｘ　ｔ　＝　
Ｘ　ｚ　＋　Ｍ　ｚ・Δα２尚、これら要因別学習値Ｘ
　＋、　Ｘ　ｚに基づいて第６図に示す自己診断ルーチ
ンにより、それぞれに関連の深い燃料噴射弁６．エアフ
ローメータ１３の自己診断が行われる。

次にステップ３９へ進んでＲＡＭ上の所定アドレスにこ
れらの要因別学習値Ｘ＋、Ｘｚを書込んでデータを書換
える。このＲＡＭはバックアップメモリーであり、エン
ジンキースイッチのＯＦＦ後も記憶内容が記憶保持され
る。

従って、ステップ３８．３９の部分が要因別学習値更新
手段に相当する。

このようにして、Ｆ／Ｉ要因の学習値Ｘ＋　とＱ要因の
学習値Ｘ２とが定まるわけであるが、これらを基にした
補正は、第３図のステップ７で示した如く、要因別に最
適な演算式で行われる。

すなわち、Ｆ／Ｉ要因の学習値Ｘ１については基本燃料
噴射量Ｔｐに対する加算型として、Ｑ要因の学習値Ｘ２
については基本燃料噴射量ＴＰに対する掛算項として、
演算式が設定され、これにより最適な補正が行われる。

第６図は自己診断ルーチンで、所定時間毎に実行され、
これにより燃料噴射弁６．エアフローメータ１３の故障
及び劣化診断が行われる。

ステップ４１では、第５図の最適学習ルーチンで設定さ
れる燃料噴射弁６に関連する要因別学習値ＸＩと、予め
設定した異常判定値のうちの下限判定値Ｘ、、４ＡＸと
を比較する。

ここで、Ｘ、≧Ｘ　ＩＭＡＲのときはステップ４２に進
み、下限判定値Ｘ、、４１Ｎと比較しＸ、≧ＸＩＭＩＮ
のとき、即ち要因別学習値Ｘ１がＸ　ＩＭＩＮ≦Ｘ、≦
Ｘ１ＭＡＸの範囲にあるときはステップ４３においてタ
イマのカウント値Ｃ１をクリアし、ステップ４４で燃料
噴射弁６が正常であると判定してＯＫ表示する。−方、
ステップ４１．４２でＸ　＋　＞　Ｘ　ＩＭＡＸ、　　
Ｘ　＋　＜　Ｘ　ＩＭＩＮのときはステップ４５に進み
タイマをスタートさせる。ステップ４６ではタイマカウ
ント値Ｃ３が所定値Ｃｓ以上か否かを判定する。ここで
、Ｃ＋＜Ｃｓのときはステップ４８に進み、ＣＩ≧Ｃｓ
になったときはステップ４７に進み燃料噴射弁６が劣化
していると判定してＮＧ表示する。

ステップ４８〜５４では、同様にしてエアフローメータ
１３の診断を行う。

即ち、ステップ４８．４９によりエアフローメータ１３
に関連する要因別学習値Ｘ２がＸ２□８≦Ｘ２≦Ｘ２，
４ＡＸテあるか否かを判定し、Ｘ２Ｈ，Ｎ≦ｘ２≦Ｘ２
ＭＡＸであればステップ５０でタイマのカウントＣ２を
クリアしステップ５１でエアフローメータ１３のＯＫ表
示を行う。また、Ｘ２＜Ｘ２Ｍ□、　Ｘ２　＞ＸｔＭａ
ｘであればステップ５２に進みタイマをスタートさせス
テップ５３でカウント値０２が所定価Ｃ３以上になった
らステップ５４でＮＧ表示する。

従って、ステップ４１．４２．４８．４９の部分が比較
手段に相当し、ステップ４５．５２が計時手段に相当し
、ステップ４６．５３が異常判定手段に相当する。

尚、要因別学習値が異常判定値を越えてから異常判定が
なされるまでの設定時間は各部品毎に異ならせてもよい
。

第８図は、本学習制御による効果として、旧印の＋１６
％のリッチ傾向のエンジンが４回程度の学習で・印のバ
ラツキ中央値のエンジンに近づいてゆく様子と、Δ印の
一１６％のリーン傾向のエンジンが３回程度の学習で・
印のバラツキ中央値のエンジンに近づいてゆく様子を示
したもので、本学習制御による学習スピードの向上が明
瞭に示されている。

また、要因別学習値Ｘ１．Ｘｚの値を調べることによっ
て、従来では検知できなかった部品劣化等に伴う特性変
化を知ることができ、構成部品の劣化状況を把握できる
。従って、部品劣化によって生じる運転性不具合、燃費
の悪化等を未然に防ぐことができる。しかも、要因別学
習値Ｘ＋、Ｘｚの異常状態が定常的に継続したときに異
常と判定するので、誤判定を防止でき、信頼性の高い自
己診断ができる。

尚、本実施例では、電子制御燃料噴射装置として、エア
フローメータを有して吸入空気流量を検出するいわゆる
Ｌ　−Ｊ　ｅｔｒｏ方式のものを示したが、吸気マニホ
ールド負圧を検出するいわゆるＤ−Ｊｅｔｒｏ方式、あ
るいはスロットル弁開度（α）と機関回転数（Ｎ）によ
るいわゆるα−Ｎ方式等各種のシステムに適用し得る。

また、空燃比のフィードバック制御のみならず、ノッキ
ング検出による点火時期制御や、補助空気弁を介しての
アイドル回転数のフィードバック制御にも適用できるも
のである。

〈発明の効果〉 以上説明したように本発明によれば、従来の如くエリア
別に学習する方式ではなく、偏差を生じるに至った要因
を分析して要因別に学習する方式学習スピードを大幅に
向上させることができる。

また、このような学習制御により、マツチング工数の低
減９部品管理の簡単化、メンテナンスフリー等が実現で
きる。また、バックアップメモリーの容量も少なくする
ことができる。

更に、要因別学習値に基づいて構成部品の自己診断を行
うことで部品の劣化診断が可能となる。

更に加えて、異常状態が所定時間以上継続した場合に異
常と判定するので、正確な自己診断が行える。

【図面の簡単な説明】 第１図は本発明の構成を示す機能ブロック図、第２図は
本発明の一実施例を示すシステム図、第３図〜第６図は
制御内容を示すフローチャート、第７図は空燃比フィー
ドバック補正係数の変化の様子を示す図、第８図は学習
制御の効果を示す図である。 １・・・機関　　６・・・燃料噴射弁　　１２・・・コ
ントロールユニット　　１３・・・エアフローメータ　
　１４・・・クランク角センサ　　１６・・・０□セン
サ特許出願人　日本電子機器株式会社 代理人　弁理士　笹　島　　冨二雄

Claims (1)

【特許請求の範囲】
1. （１）内燃機関の制御対象の制御目標値に対応する基本
   制御量を設定する基本制御量設定手段と、制御目標値と
   実際値とを比較して制御目標値に実際値を近づける方向
   にフィードバック補正値を所定の量増減して設定するフ
   ィードバック補正値設定手段と、 複数の要因別学習値を記憶する書換え可能な要因別学習
   値記憶手段と、 前記基本制御量を前記フィードバック補正値及び前記複
   数の要因別学習値に基づきこれらに応じてそれぞれ設定
   された演算式で補正して制御量を演算する制御量演算手
   段と、 前記制御量に応じて作動し内燃機関の制御対象を制御す
   る制御手段と、 前記フィードバック補正値の基準値からの偏差を検出す
   る偏差検出手段と、 前記偏差の要因を各種情報を基に分析しその分析結果に
   基づき前記偏差を要因別の複数のパラメータに分離する
   要因分析手段と、 前記複数のパラメータの夫々に基づき前記記憶手段の要
   因別学習値を修正して書換える要因別学習値更新手段と
   、 前記要因別学習値と予め設定した異常判定値とを比較す
   る比較手段と、 前記要因別学習値が前記異常判定値を越えた状態の継続
   時間を計測する計時手段と、 前記計時手段の計測時間が所定時間以上になったときそ
   の要因別学習値に関連する部品を異常と判定する異常判
   定手段と、 を含んで構成されることを特徴とする内燃機関の学習制
   御装置。