内燃机的控制装置
阅读：4发布：2021-01-13
专利汇可以提供内燃机的控制装置专利检索，专利查询，专利分析的服务。并且本 发明 所提供的 内燃机 的控制装置是能够最大限度地激活运算能 力 而以更高 精度 决定 致动器 的操作量的控制装置。该控制装置具有使用由 传感器 测量的 发动机 状态量运算致动器的操作量的运算单元，运算单元在运算过程中使用模型。模型包括具有层次序列的多个子模型。由在序列中连续的两个子模型中的上位的子模型计算的参数、和由在序列中连续的两个子模型中的下位的子模型计算的参数处于目标和方法的关系。最上位子模型是计算将与内燃机的性能相关的 请求 数值化而成的参数的子模型，构建成使用发动机状态量计算参数的值。最上位以外的各子模型构建成：在使用直接的上位的子模型的情况下，以由该上位子模型算出的参数的值作为目标值，依据发动机状态量算出用于实现该目标值的参数的值；在不使用直接的上位的子模型的情况下，仅依据发动机状态量算出参数的值。运算单元使用由最下位子模型算出的参数的值来对致动器操作量进行运算，根据上述内燃机的运转状况来变更与最下位子模型组合使用的上位子模型的个数。，下面是内燃机的控制装置专利的具体信息内容。
1.一种内燃机的控制装置，上述内燃机的控制装置通过对一个或者多个致动器进行操作来对内燃机的运转进行控制，
上述内燃机的控制装置的特征在于，
上述内燃机的控制装置具备：
用于取得表示上述内燃机的状态的多种状态量(以下记为发动机状态量)的多种传感器；以及
运算单元，该运算单元依据上述发动机状态量对致动器操作量进行运算，在该运算过程中使用模型，
上述模型包括具有层次序列的多个子模型，
由在序列中连续的两个子模型中的上位的子模型计算的参数、和由在序列中连续的两个子模型中的下位的子模型计算的参数处于目标和方法的关系，
最上位子模型是计算将与上述内燃机的性能相关的请求数值化而成的参数的子模型，上述最上位子模型构建成：使用上述发动机状态量计算参数的值，
最上位以外的各子模型构建成：在使用直接的上位的子模型的情况下，以由该上位子模型算出的参数的值作为目标值，依据上述发动机状态量算出用于实现该目标值的参数的值；在不使用直接的上位的子模型的情况下，仅依据上述发动机状态量算出参数的值，上述运算单元使用由最下位子模型算出的参数的值来对上述致动器操作量进行运算，根据上述内燃机的运转状况来变更与上述最下位子模型组合使用的上位子模型的个数。
2.根据权利要求1所述的内燃机的控制装置，其特征在于，
上述运算单元针对每一子模型、并且针对上述内燃机的每一运转状况来存储成为运算负荷的指标的数值(以下记为负荷指标值)，在负荷指标值的累计值不超过基准值的范围内，将与上述最下位子模型组合使用的上位子模型的层次提高到更上位的层次。
3.根据权利要求2所述的内燃机的控制装置，其特征在于，
上述运算单元具有构造不同的多个模型，以分别对不同的致动器操作量进行运算，对上述多个模型之间建立优先顺位，
在负荷指标值的累计值不超过基准值的范围内，上述运算单元从优先顺位高的模型开始按顺序将与最下位子模型组合使用的上位子模型的层次提高到更上位的层次。
4.根据权利要求3所述的内燃机的控制装置，其特征在于，
上述运算单元根据上述内燃机的运转状况来变更上述多个模型之间的优先顺位。
5.一种内燃机的控制装置，上述内燃机的控制装置通过对一个或者多个致动器进行操作来对内燃机的运转进行控制，
上述内燃机的控制装置的特征在于，
上述内燃机的控制装置具备：
用于取得表示上述内燃机的状态的多种状态量(以下记为发动机状态量)的多种传感器；以及
运算单元，该运算单元依据上述发动机状态量对致动器操作量进行运算，在该运算过程中使用模型，
上述运算单元具有包括规模不同的多个模型的模型组，以对同一个致动器操作量进行运算，
对上述多个模型之间按照规模顺序建立序列，
在序列中连续的两个模型中的规模较大一方的模型包括相当于规模较小一方的模型的下位子模型、和与上述下位子模型结合的上位子模型，上述下位子模型构建成：以由上述上位子模型算出的参数的值作为目标值，依据上述发动机状态量算出用于实现该目标值的参数的值，
上述运算单元根据上述内燃机的运转状况从上述模型组中选择在上述致动器操作量的运算中使用的模型，并使用由所选择的模型算出的参数的值来对上述致动器操作量进行运算。
6.根据权利要求5所述的内燃机的控制装置，其特征在于，
上述运算单元针对每一模型、并且针对上述内燃机的每一运转状况来存储成为运算负荷的指标的数值(以下记为负荷指标值)，从上述模型组中选择负荷指标值在不超过基准值的范围内为最大的模型。
7.根据权利要求6所述的内燃机的控制装置，其特征在于，
上述运算单元具有多个模型组，以分别对不同的致动器操作量进行运算，对上述多个模型组之间建立优先顺位，
在负荷指标值不超过基准值的范围内，上述运算单元从优先顺位高的模型组开始按顺序增大在上述致动器操作量的运算中使用的模型的规模。
8.根据权利要求7所述的内燃机的控制装置，其特征在于，
上述运算单元根据上述内燃机的运转状况来变更上述多个模型组之间的优先顺位。
内燃机的控制装置
技术领域
背景技术
[0002] 汽车用的内燃机(以下称作发动机)谋求例如操控性、排气性能、燃料消耗率等各种性能。控制装置对各种致动器进行操作而对发动机进行控制，以满足上述要求。在由控制装置进行的致动器操作量的运算过程中，使用将发动机的功能、特性模型化了的各种模型。此处所说的模型包括物理模型、统计模型、以及它们的复合模型等各种模型。作为在发动机控制中使用的模型的例子，能够举出将相对于节气门操作的进气量的响应特性模型化了的空气模型(air model)。并且，决定点火时机的点火时机设定表等各种设定表、设定表组也能够作为模型的一例举出。此外，有时，并不使用这种单元级别的模型，而是像日本特开2009-47102号公报中所记载的控制装置那样，使用将发动机整体模型化了的大规模的模型。
[0003] 当然，在运算中使用的模型的精度越高，则能够以更高的精度决定致动器操作量。但是，与此相反，模型的精度越高，对使用该模型进行的运算施加的负荷也越大。虽然控制装置的运算能力逐年提高，但终究存在极限。因此，在以往的控制装置中，存在尽管是精度高的优异的模型，但却因运算负荷的原因而无法使用的情况。特别是在使用每隔恒定的曲轴转角就进行一次运算的模型的情况下，运算负荷根据发动机转速不同而变化。因此，不得不以运算负荷高的高转速区域为基准来决定模型的内容。换言之，在以往的控制装置中，尽管在通常使用较多的低转速区域下的运算负荷中存在富余，但高转速区域下的运算负荷成为制约，难以使用太高精度的模型。
发明内容
[0004] 本发明的课题在于，最大限度地激活控制装置的运算能力，使得能够以更高的精度决定致动器操作量。进而，为了达成这种课题，本发明提供如下的内燃机的控制装置。
[0005] 根据本发明所提供的控制装置的一个方式，该控制装置具有运算单元，该运算单元使用由传感器测量的发动机状态量对致动器操作量进行运算，在该运算过程中使用模型。模型包括具有层次序列的多个子模型。各子模型可以是物理模型、统计模型、或者是它们的复合模型。由在序列中连续的两个子模型中的上位的子模型计算的参数、和由在序列中连续的两个子模型中的下位的子模型计算的参数处于目标和方法的关系。最上位子模型是计算将与内燃机的性能相关的请求数值化而成的参数的子模型，最上位子模型构建成：使用发动机状态量计算参数的值。最上位以外的各子模型构建成：在使用直接的上位的子模型的情况下，以由该上位子模型算出的参数的值作为目标值，依据发动机状态量算出用于实现该目标值的参数的值；在不使用直接的上位的子模型的情况下，仅依据发动机状态量算出参数的值。运算单元使用由最下位子模型算出的参数的值来对致动器操作量进行运算，根据内燃机的运转状况来变更与最下位子模型组合使用的子模型的个数。
[0006] 根据以上述方式构成的控制装置，能够根据与最下位子模型组合使用的上位子模型的个数来任意调整模型的精度和运算负荷之间的平衡。例如，通过仅使用最下位子模型作为模型，能够将控制装置的运算负荷抑制在最小限度。在对最下位子模型组合了直接的上位子模型的情况下，虽然运算负荷增加，但模型的精度也变高。并且，通过遵循序列增加所组合的上位子模型，能够进一步提高模型的精度。进而，在包括最上位子模型在内的所有的层次的上位子模型都组合于下位子模型的情况下，模型的精度最高，能够以最高精度决定致动器操作量。根据上述的控制装置，能够根据内燃机的运转状况、例如内燃机转速来进行如上的组合的选择，由此，能够最大限度地激活控制装置的运算能力。
[0007] 在上述的方式中，运算单元针对每一子模型、并且针对内燃机的每一运转状况来存储成为运算负荷的指标的数值。进而，在负荷指标值的累计值不超过基准值的范围内，将与最下位子模型组合使用的上位子模型的层次提高到更上位的层次。由此，能够始终将控制装置的运算能力活用至极限。并且，运算单元还能够进行实时地测量运算负荷并将其反映于子模型的组合的所谓的反馈控制。
[0008] 并且，在上述的方式中，运算单元具有构造不同的多个模型，以分别对不同的致动器操作量进行运算。在该情况下，对多个模型之间建立优先顺位。在负荷指标值的累计值不超过基准值的范围内，运算单元从优先顺位高的模型开始按顺序将与最下位子模型组合使用的上位子模型的层次提高到更上位的层次。由此，由于控制装置的运算能力优先转为优先顺位高的模型的运算，因此能够有效地活用控制装置的运算能力。
[0009] 另外，多个模型之间的优先顺位能够根据内燃机的运转状况而变化。通过这样做，控制装置的运算能力转为当前状况下优先度最高的模型的运算，因此能够更有效地活用控制装置的运算能力。
[0010] 并且，根据本发明所提供的控制装置的另一方式，该控制装置具有运算单元，该运算单元使用由传感器测量的发动机状态量对致动器操作量进行运算，运算单元在其运算过程中使用模型。运算单元具有包括规模不同的多个模型的模型组，以对同一个致动器操作量进行运算。对多个模型之间按照规模顺序建立序列，在序列中连续的两个模型中的规模较大一方的模型包括相当于规模较小一方的模型的下位子模型、和与下位子模型结合的上位子模型。下位子模型构建成：以由上位子模型算出的参数的值作为目标值，依据发动机状态量算出用于实现该目标值的参数的值。运算单元根据内燃机的运转状况从模型组中选择在致动器操作量的运算中使用的模型，并使用由所选择的模型算出的参数的值来对致动器操作量进行运算。
[0011] 根据以上述方式构成的控制装置，能够根据所选择的模型的规模来任意调整模型的精度和运算负荷之间的平衡。例如，通过选择最小规模的模型，能够将控制装置的运算负荷抑制在最小限度。当选择了在序列中比最小规模的模型靠上一位的规模的模型的情况下，将由内含的上位子模型计算出的参数的值作为目标值，进行利用下位子模型(即最小规模模型)进行的运算。由此，虽然控制装置的运算负荷增加，但作为模型整体的精度变高。同样，通过在序列中选择更靠上位的规模的模型，能够进一步提高模型整体的精度。进而，当选择了最大规模的模型时，模型整体的精度最高，能够以最高精度决定致动器操作量。根据上述的控制装置，能够根据内燃机的运转状况、例如内燃机转速来进行如上的模型选择，由此能够最大限度地激活控制装置的运算能力。
[0012] 在上述方式中，运算单元针对每一模型、并且针对内燃机的每一运转状况来存储成为运算负荷的指标的数值。进而，从模型组中选择负荷指标值在不超过基准值的范围内为最大的模型。由此，能够始终将控制装置的运算能力活用至极限。
[0013] 并且，在上述的方式中，运算单元具有多个模型组，以分别对不同的致动器操作量进行运算。在该情况下，对多个模型组之间建立优先顺位。在负荷指标值不超过基准值的范围内，运算单元从优先顺位高的模型组开始按顺序增大在致动器操作量的运算中使用的模型的规模。由此，控制装置的运算能力优先转向优先顺位高的模型组的运算，因此能够有效地活用控制装置的运算能力。
[0014] 另外，运算单元根据内燃机的运转状况来变更多个模型组之间的优先顺位。通过这样做，控制装置的运算能力转为在当前状况下优先度最高的模型组的运算，因此能够更有效地活用控制装置的运算能力。附图说明
[0015] 图1是示出本发明的实施方式1的模型构造的图。
[0016] 图2是示出本发明的实施方式1的模型构造的图。
[0017] 图3是示出本发明的实施方式1的模型构造的图。
[0018] 图4是示出本发明的实施方式1的模型构造的应用例的图。
[0019] 图5是示出本发明的实施方式1的模型构造的其他应用例的图。
[0020] 图6是示出本发明的实施方式2的模型构造的图。
[0021] 图7是示出本发明的实施方式2的模型构造的图。
[0022] 图8是示出本发明的实施方式2的模型构造的应用例的图。
[0023] 图9是示出本发明的实施方式2的模型构造的其他应用例的图。
[0024] 图10是示出图8所示的模型构造的变形例的图。
具体实施方式
[0025] 实施方式1
[0026] 参照附图对本发明的实施方式1进行说明。
[0027] 本发明的实施方式1的控制装置被应用于汽车用的内燃机(以下称作发动机)。该控制装置被应用的发动机的类别并无限定，能够应用于火花点火式发动机、压燃式发动机、四冲程发动机、二冲程发送机、往复式发动机、旋转式发动机、单缸发动机、多缸发动机等各种各样的类别的发动机。本控制装置能够通过对这种发动机所具备的一个或者多个致动器(例如节气门、点火装置、燃料喷射阀等)进行操作而对发动机的运转进行控制。
[0028] 本控制装置具有基于从安装于发动机的各种传感器得到的发动机状态量来运算各致动器的操作量的功能。发动机状态量例如包括发动机转速、进气量、空燃比、进气管压力、缸内压力、排气温度、水温、油温等。本控制装置的运算单元在致动器操作量的运算过程中使用模型。此处所说的模型是指将发动机的功能、特性模型化而得到的模型，包括物理模型、统计模型以及它们的复合模型等各种模型。并且，并不限于将发动机整体模型化而得到的模型，也包括将发动机的一部分功能模型化而得到的局部模型。此外，不仅包括将发动机的功能、特性在因果关系中按照顺方向模块化而得到的正向模型，其逆向模型也包括在此处所说的模型中。
[0029] 本控制装置在致动器操作量的运算中使用的模型的构造是本实施方式的一个特征。图1是示出本实施方式的模型构造的框图。如图1所示，在本实施方式中使用的模型1具有分层地连结多个子模型11、12、13的构造。位于层次序列的最上层的是子模型11，位于最下层的是子模型13。利用最下层子模型13计算出的参数(图1所示的参数P13)是从模型1最终输出的参数。本控制装置在致动器操作量的运算中使用该参数P13。
[0030] 在模型1中输入有由传感器取得的各种发动机状态量。所输入的发动机状态量在各子模型中的参数的计算中使用。各子模型自身是通过将发动机的功能、特性模型化而成的，以各子模型计算出的参数是与发动机的控制量相关联的参数。所计算出的参数不同因各子模型的不同而各异。详细地说，利用在序列中连续的两个子模型中的位于上位的子模型计算出的参数、和利用位于下位的子模型计算出的参数处于目标与方法的关系。
[0031] 以下举出具体例，利用位于最上位的子模型11计算出的参数P11是利用下位的子模型12计算出的参数P12的目标。换言之，用于达成参数P11的方法是参数P12。在子模型12中，以参数P13的值作为目标值，计算出用于依据各种发动机状态量达成该目标值的参数P12的值。同样，在子模型13中，以参数P12的值作为目标值，计算出用于依据各种发动机状态量达成该目标值的参数P13的值。
[0032] 在最上位子模型11中，仅依据发动机状态量计算出参数P11的值。利用最上位子模型11计算出的参数P11是最终的目标，操控性、排气性能、燃料消耗率等与发动机的性能相关的请求都反映于该参数P11的值。即，与发动机的性能相关的请求在被数值化后就是利用最上位子模型11计算出的参数P11。
[0033] 并且，作为下位的子模型12、13的特征，即便是在不使用直接的上位的子模型的情况下，该子模型12、13也能够计算出参数的值。即，下位的子模型12、13与最上位子模型11相同，构建成能够仅根据发动机状态量计算出各参数的值。例如，在子模型13中，在使用子模型12的情况下，以参数P12的值作为目标值，作为参数P13的值计算出能够达成上述目标值的最佳解。另外，在不使用子模型12的情况下，作为参数P13的值计算出依据发动机状态量预测出的一个优选解。
[0034] 从以上的子模型11、12、13的功能可以看出，在本控制装置中使用的模型1的模型构造能够变化。即，不仅能够如图1所示那样使用所有的子模型进行运算，而且能够如图2或者图3所示那样仅使用一部分子模型进行运算。
[0035] 根据图1所示的模型构造，在模型1中，首先，在最上位子模型11中根据发动机状态量计算出参数P11的值。其次，在子模型12中，以参数P11的值作为目标值，根据发动机状态量计算出参数P12的值。进而，在子模型13中，以参数P12的值作为目标值，根据发动机状态量计算出参数P13的值。在采用这种模型构造的情况下，能够将与发动机的性能相关的请求确切地反映于最终的参数P13的值。不过，另一方面，控制装置的运算负荷变高。
[0036] 另外，根据图2所示的模型构造，在模型1中使用的是子模型12和子模型13，首先，在子模型12中根据发动机状态量计算出参数P12的值。其次，在子模型13中，以参数P12的值作为目标值，根据发动机状态量计算出参数P13的值。在采用这种模型构造的情况下，模型1的精度降低，但能够减轻控制装置的运算负荷。
[0037] 进而，根据图3所示的模型构造，在模型1中使用的仅是子模型13，在子模型13中根据发动机状态量计算出参数P13的值。在采用这种模型构造的情况下，能够将控制装置的运算负荷抑制在最小限度。
[0038] 如上，根据本控制装置所具有的模型1，能够根据与最下位的子模型13组合使用的上位子模型的个数任意地调整模型1的精度和运算负荷之间的平衡。本控制装置根据发动机的运转状况、例如发动机转速进行这种组合的选择。这是因为，当每隔恒定的曲轴转角就进行一次使用模型1进行的运算的情况下，发动机转速越高，施加于该运算的负荷就越大。具体而言，在低转速区域采用图1所示的模型构造，在中转速区域采用图2所示的模型构造，在高转速区域采用图3所示的模型构造。通过这样根据发动机转速而使模型构造变化，能够最大限度地激活控制装置的运算能力。
[0039] 另外，本实施方式的模型具有三个层次，但是，也可以使用具有更多层次的模型。通过增加层次，能够构建精度更高的模型。相反，也允许仅存在上位和下位这两层的模型。
并且，在本实施方式的模型中，在一个层次设定有一个子模型，但是，也可以在一个层次设定多个子模型。
并且，在本实施方式的模型中，在一个层次设定有一个子模型，但是，也可以在一个层次设定多个子模型。
[0040] 图4是示出以图1所示的模型构造作为基本构造的情况下的应用例的图。在该应用例中，两个模型并行地进行运算。一个模型是由上位的子模型C和下位的子模型A、B构成的层次型的模型α。另一个模型是不具有层次构造的模型D。由模型α的最下位的各模型A、B计算出的参数和由模型D计算出的参数分别被转换成彼此不同的致动器操作量。
[0041] 此处，针对图4所示的模型构造，探讨模型(子模型)的组合的选择方法。最优选的组合是不超出控制装置的运算能力、并且能够正好用尽运算能力的组合。该组合根据发动机的运转状况、特别是根据发动机转速不同而各异。因此，本控制装置针对每个模型(子模型)、且针对每个发动机转速设定作为运算负荷的指标的负荷指标值，并将该设定存储于存储器。进而，当运算致动器操作量时，在负荷指标值的累计值不超出基准值的范围内，将与最下位子模型组合使用的上位子模型的层次提高到更上位的层次。
[0042] 例如，假设各发动机转速下的负荷指标值以下述方式设定。
[0043]
[0044] 此处，假设负荷指标值的累计值的基准值(容许最大值)为100。在该情况下，当发动机转速为1000rpm时，运算能力存在富余，因此，在模型α中能够对子模型A、B组合子模型C进行使用。即，能够与利用模型D进行的计算并行地进行利用子模型A、B以及C进行的计算。另一方面，当发动机转速为2000rpm或3000rpm时，运算能力没有富余，因此，在模型α中不能对子模型A、B组合子模型C。因此，与利用模型D进行的计算并行地，在子模型α中进行仅利用子模型A、B进行的计算。这样，通过利用负荷指标值来判断在运算中使用的模型构造，能够将控制装置的运算能力始终活用到极限。
[0045] 图5是示出以图1所示的模型构造为基本构造的情况下的其他应用例的图。在该应用例中，三个模型并行地运算。第一个模型是由上位的子模型C和下位的子模型A、B构成的层次型的模型α。第二个模型是不具有层次构造的模型D。进而，第三个模型是由上位的子模型G和下位的子模型E、F构成的层次型的模型β。由模型α的最下位的各子模型A、B计算出的参数，由模型D计算出的参数，以及由模型β的最下位的各子模型E、F计算出的参数分别被转换成彼此不同的致动器操作量。
[0046] 如图5所示，在存在多个具有层次构造的模型的情况下，在负荷指标值的累计值不超出基准值的范围内，能够选择各种各样的模型(子模型)的组合。在该情况下，可以对具有层次构造的模型之间建立优先顺位，从优先顺位高的模型开始优先地对最下位子模型组合上位子模型。例如，若设模型α的优先顺位为1位，设模型β的优先顺位为2位，首先，在模型α中对最下位子模型A、B组合上位子模型C。进而，在运算能力尚存富余的情况下，在模型β中对最下位子模型E、F组合上位子模型G。由此，由于控制装置的运算能力优先转为优先顺位高的模型的运算，因此能够有效地活用控制装置的运算能力。
[0047] 另外，在图5所示的例子中，能够根据发动机的运转状况使具有层次构造的模型之间的优先顺位变化。例如，在排气性能优先的状况下能够提高模型α的优先顺位，在燃料利用率性能优先的状况下能够提高模型β的优先顺位。通过这样做，控制装置的运算能力转为当前状况下优先度最高的模型的运算，因此能够更有效地活用控制装置的运算能力。
[0048] 实施方式2
[0049] 其次，参照附图对本发明的实施方式2进行说明。
[0050] 本实施方式与实施方式1的不同点是控制装置在致动器操作量的运算中所使用的模型的构造。图6是示出本实施方式的模型构造的图。如图6所示，本控制装置的控制单元具有由规模不同的多个模型2、4、6构成的模型组。各模型2、4、6中输入有利用传感器取得的各种发动机状态量。输入的发动机状态量在各模型2、4、6中的参数的计算中使用。由各模型计算的参数是相同的，任一参数均用于相同的致动器操作量的运算。
[0051] 各模型2、4、6的规模的差异表示精度的差异。规模最大的模型2精度也最高。而另一方面，控制装置的运算负荷也最大。相反，规模最小的模型6虽然精度低但是控制装置的运算负荷也最低。本实施方式的模型形成为规模大的模型内含有规模小的模型的结构。详细地说，在序列中连续的两个模型中的规模大的一方的模型由相当于规模小的一方的模型的下位子模型、和与下位子模型结合的上位子模型构成。图7是将图6所示的模型构造展开示出的图。
[0052] 如图7所示，规模最大的模型2形成为由相当于中规模的模型4的下位子模型22和上位子模型21结合而成的结构。输入至模型2的发动机状态量在各子模型的参数的计算中使用。由上位子模型21计算出的参数P21和由下位子模型22计算出的参数P2处于目标与方法的关系。上位子模型21构建成：根据发动机状态量计算出参数P21的值。操控性、排气性能、燃料消耗率等与发动机的性能相关的请求反映于该参数P21的值。即，与发动机的性能相关的请求在被数值化后就是由上位子模型21计算出的参数P21。下位子模型22构建成：以由上位子模型21计算出的参数P21的值作为目标值，计算出用于根据发动机状态量达成该目标值的参数P2的值。
[0053] 并且，中规模的模型4形成为由相当于最小规模的模型6的下位子模型42和上位子模型41结合而成的结构。输入至模型4的发动机状态量在各子模型的参数的计算中使用。由上位子模型41计算出的参数P41和由下位子模型42计算出的参数P4处于目标与方法的关系。上位子模型41构建成：根据发动机状态量计算出参数P41的值。下位子模型42构建成：以由上位子模型41计算出的参数P41的值作为目标值，计算出用于根据发动机状态量达成该目标值的参数P4的值。
[0054] 进而，最小规模的模型6构建成：仅根据发动机状态量计算出参数P6的值。
[0055] 由各模型2、4、6计算出的参数P2、P4、P6是用于相同致动器操作量的运算的相同参数。但是，其值未必一致。由模型2计算出的参数P2是以与发动机的性能相关的请求被数值化后的参数P21作为目标值而决定的，从达成与发动机性能相关的请求的方面来说精度最高。但是，另一方面，控制装置的运算负荷高。另外，由模型4计算出的参数P4是以参数P41作为目标值而决定的，但参数P41并非用于达成参数P21的最佳解，而是根据发动机状态量预测的一个最佳解。因此，从达成与发动机性能相关的请求的方面来说，参数P4的精度比参数P2的精度低，但控制装置的运算负荷减轻。进而，由模型6计算出的参数P6是仅根据发动机状态量预测的一个最佳解，因此，从达成与发动机性能相关的请求的精度的方面来说比其他的参数P2、P4的精度低。但是，能够将控制装置的运算负荷抑制在最小限度。
[0056] 如上，根据本控制装置，能够利用从模型组中选择的模型的规模来任意调整模型的精度与运算负荷之间的平衡。本控制装置根据发动机的运转状况、例如发动机转速来进行这种模型选择。这是由于：在每隔恒定的曲轴转角就进行一次使用模型进行的运算的情况下，发动机转速越高，施加于该运算的负荷就越大。具体而言，在低转速区域选择模型2，在中转速区域选择模型4，在高转速区域选择模型6。通过这样根据发动机转速来变更所选择的模型，能够最大限度地激活控制装置的运算能力。
[0057] 另外，虽然本实施方式的模型组包括三个模型，但也可以包括规模不同的更多的模型。通过增大模型的规模，能够构建精度更高的模型。相反，也允许由规模不同的两个模型构成的模型组。并且，本实施方式的模型组中的所有的模型的规模都不同，但也可以包括多个同一规模的模型。
[0058] 图8是示出以图6以及图7所示的模型构造作为基本构造的情况下的应用例的图。在该应用例中使用由模型A、B、C’构成的模型组。模型A和模型B是相同规模的模型，分别计算在用于运算彼此不同的致动器操作量中使用的参数。模型C’是内含有模型A和模型B的更大规模的模型，能够以比模型A、B高的精度计算出上述的各参数。在该应用例中，选择利用模型A、B进行的计算和利用模型C’进行的计算中的任一方。模型D是与上述模型组独立的模型，与从上述模型组选择出的模型并行地进行计算。
[0059] 此处，以图8所示的模型构造为例探讨模型的选择方法。最优选的组合是不超出控制装置的运算能力、且能够正好用尽运算能力的组合。该组合根据发动机的运转状况、特别是发动机转速不同而各异。因此，本控制装置针对每个模型、且针对每个发动机转速设定作为运算负荷的指标的负荷指标值，并将该设定存储于存储器。进而，当运算致动器操作量时，在负荷指标值的累计值不超出基准值的范围内，增大所选择的模型的规模。
[0060] 例如，假设各发动机转速下的负荷指标值以下述方式设定。
[0061]
[0062] 此处，假设负荷指标值的累计值的基准值(容许最大值)为100。在该情况下，当发动机转速为1000rpm时，运算能力存在富余，因此，能够从模型组选择模型C’。即，能够与利用模型D进行的计算并行地进行利用模型C’进行的计算。另一方面，当发动机转速为2000rpm或3000rpm时，运算能力没有富余，因此无法从模型组选择模型C’。因此，从模型组选择模型A、B，并与利用模型D进行的运算并行地进行利用模型A、B进行的计算。这样，通过利用负荷指标值来判断在运算中使用的模型构造，能够将控制装置的运算能力始终活用到极限。
[0063] 图9是示出以图6以及图7所示的模型构造作为基本构造的情况下的其他应用例的图。在该应用例中准备有两个模型组。即由模型A、B、C’构成的模型组，和由模型E、F、G’构成的模型组。模型G’是内含有模型E和模型F的更大规模的模型，能够以比模型E、F高的精度计算参数。在该应用例中，预先对两个模型组之间建立优先顺位，在负荷指标值不超出基准值的范围内，从优先顺位高的模型组开始按顺序增大在致动器操作量的运算中使用的模型的规模。通过这样做，控制装置的运算能力优先转为优先顺位高的模型组的运算，因此能够有效地活用控制装置的运算能力。
[0064] 另外，在图9所示的例子中，能够根据发动机的运转状况来改变模型组之间的优先顺位。例如，在排气性能优先的状况下提高由A、B、C’构成的模型组的优先顺位，在燃料利用率性能优先的状况下提高由模型E、F、G’构成的模型组的优先顺位。通过这样做，控制装置的运算能力转为当前状况下优先度最高的模型组的运算，因此能够更有效地活用控制装置的运算能力。
[0065] 其他
[0066] 以上对本发明的实施方式进行了说明，但是，本发明并不限定于上述的实施方式，能够在不脱离本发明的主旨的范围内进行各种变形而加以实施。
[0067] 例如，图10是示出图8所示的模型构造的变形例的图。在该变形例中，能够进行使用模型C’和模型B进行的计算。即，由模型A、B、C’构成的模型组所担当的致动器操作量的运算用的两个参数中的一个参数由小规模的模型B计算，另一个参数由大规模的模型C’计算。同样，也可以是一个参数由模型C’计算，另一个参数由小规模的模型A计算。在该情况下，通过优先利用大规模模型C’计算请求更高精度的参数，能够更有效地活用控制装置的运算能力。
[0068] 标号说明
[0069] 1：模型；11：子模型(最上位)；12：子模型(中间)；13：子模型(最下位)；2：模型(大规模)；4：模型(中规模)；6：模型(小规模)；21、41：上位子模型；22、42：下位子模型。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 内燃机的排气净化装置 | 2021-10-31 | 0 |
| 用于内燃机的起动装置 | 2021-11-08 | 4 |
| 内燃机的燃烧室构造 | 2021-03-09 | 3 |
| 内燃机的控制装置 | 2021-07-15 | 0 |
| 内燃机的热交换器 | 2021-11-12 | 4 |
| 内燃机的控制装置 | 2021-12-08 | 4 |
| 内燃机的EGR率的确定方法以及内燃机的控制装置 | 2022-09-22 | 1 |
| 内燃机的控制装置 | 2021-01-13 | 4 |
| 用于运行内燃机的方法 | 2021-10-26 | 0 |
| 内燃机及其凸轮轴 | 2023-01-06 | 4 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈