学習装置及び燃料噴射システム
【課題】演算処理量の減少を図った学習装置及び燃料噴射システムを提供する。
【解決手段】燃圧センサの検出波形について、その検出波形についてモデル式により表されたモデル波形の実検出波形に対する近似度を高めるよう、モデル式に含まれる複数のパラメータの値を学習する学習装置において、複数のパラメータを、そのパラメータ毎に設定された基準値に対して増大側及び減少側のそれぞれに変更し（Ｓ５２）、複数のパラメータについて変更の組み合わせ毎に近似度を算出し（Ｓ５３）、基準値における近似度ΣＭが、変更後の各々の近似度Σｑ，Σｒ，Σｓ，Σｔのいずれよりも高いとの更新終了条件を満たしていない場合に、各々の近似度のうち最も近似度が高くなっているときの変更の組み合わせを基準値として更新する（Ｓ５６）。そして、更新終了条件を満たしている場合には、各々の基準値を複数のパラメータの学習値として決定する（Ｓ５５）。
【解決手段】燃圧センサの検出波形について、その検出波形についてモデル式により表されたモデル波形の実検出波形に対する近似度を高めるよう、モデル式に含まれる複数のパラメータの値を学習する学習装置において、複数のパラメータを、そのパラメータ毎に設定された基準値に対して増大側及び減少側のそれぞれに変更し（Ｓ５２）、複数のパラメータについて変更の組み合わせ毎に近似度を算出し（Ｓ５３）、基準値における近似度ΣＭが、変更後の各々の近似度Σｑ，Σｒ，Σｓ，Σｔのいずれよりも高いとの更新終了条件を満たしていない場合に、各々の近似度のうち最も近似度が高くなっているときの変更の組み合わせを基準値として更新する（Ｓ５６）。そして、更新終了条件を満たしている場合には、各々の基準値を複数のパラメータの学習値として決定する（Ｓ５５）。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、センサの検出波形を数式で表したモデル式に含まれる複数のパラメータの値を学習する学習装置、及びその学習装置を備えた燃料噴射システムに関する。
【背景技術】
【０００２】
内燃機関の出力トルク及びエミッション状態を精度良く制御するには、燃料噴射弁から噴射される燃料の噴射量及び噴射開始時期等、その噴射形態を精度良く制御することが重要である。そこで従来より、噴射に伴い変動する燃料の圧力を検出することで、実際の噴射形態を検出する技術が提案されている。
【０００３】
例えば、噴射に伴い燃圧が下降を開始した時期を検出することで実際の噴射開始時期を検出したり、噴射に伴い生じた燃圧の下降量を検出することで実際の噴射量を検出することを図っている。このように実際の噴射形態を検出できれば、その検出値に基づき噴射形態を精度良く制御することができる。
【０００４】
このような燃圧の変動を検出するにあたり、コモンレール（蓄圧容器）に直接設置された燃圧センサ（レール圧センサ）では、噴射に伴い生じた燃圧変動がコモンレール内で緩衝されてしまうため、正確な燃圧変動を検出することができない。そこで特許文献１記載の発明では、燃圧センサを、コモンレールから燃料噴射弁に燃料を供給する高圧配管のうちコモンレールとの接続部分に設置することで、噴射に伴い生じた燃圧変動がコモンレール内で緩衝する前に、その燃圧変動を検出することを図っている。
【特許文献１】特開２０００−２６５８９２号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
ところで、１燃焼サイクルあたりに燃料噴射を複数回行う多段噴射を実施する場合には次の点に留意する必要がある。すなわち、燃圧センサにより検出される波形のうちｎ回目噴射に対応する部分の検出波形（図７（ｂ）参照）には、ｎ回目より前のｍ回目噴射（図７の例ではｍ＝n−１）に起因して生じる波形成分（図８（ｂ）参照）が重畳している。
【０００６】
そこで本発明者は、燃圧センサにより検出された波形からｍ回目噴射に起因して生じる波形成分を差し引くことで、ｎ回目噴射に起因した波形成分を抽出し、その抽出した波形成分に基づき実際の噴射形態を検出することを検討した。具体的には、ｍ回目噴射波形成分を数式で表したモデル式を予め記憶させておき、モデル式により表されるモデル波形を燃圧センサによる検出波形から差し引く。
【０００７】
さらに本発明者は、モデル波形を実波形に近づけるよう、モデル式に含まれる複数のパラメータの値を学習することを検討した。具体的には、パラメータの存在領域全ての値をモデル式に順次代入していき、モデル波形が実波形に最も近くなるようなパラメータ値の組み合わせを算出する。そして、このように算出した各々のパラメータ値を学習値として記憶更新させる。
【０００８】
しかしながら、このように複数のパラメータの全てについて存在領域全ての値をモデル式に代入して算出しようとすると、そのパラメータの組み合わせ数は膨大となるため、前記算出に要する演算処理量が膨大となる。例えばパラメータの数が１７個で１つのパラメータにつき１０通りの値を演算する場合には、１０17＝１０京回の演算を要する。
【０００９】
なお、このような演算処理量膨大化の課題は、燃料圧力の変化を検出する燃圧センサを背景としたものに限らず、物理量変化を検出するセンサ全てについて同様に生じるものである。
【００１０】
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、演算処理量の減少を図った学習装置及び燃料噴射システムを提供することにある。
【課題を解決するための手段】
【００１１】
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。
【００１２】
請求項１記載の発明は、
物理量変化を検出するセンサの検出波形について、その検出波形を数式で表したモデル式が記憶された記憶手段を備え、前記モデル式により表されるモデル波形の実検出波形に対する近似度を高めるよう、前記モデル式に含まれる複数のパラメータの値を学習する学習装置において、
前記複数のパラメータを、そのパラメータ毎に設定された基準値に対して増大側及び減少側のそれぞれに変更するパラメータ変更手段と、
前記複数のパラメータについて前記変更の組み合わせ毎に前記近似度を算出する近似度算出手段と、
前記複数のパラメータを前記基準値とした場合における前記近似度が、前記パラメータを前記変更した値とした場合における各々の前記近似度のいずれよりも高いとの更新終了条件を満たしているか否かを判定する判定手段と、
前記更新終了条件を満たしていない場合に、前記変更した値に対応する各々の前記近似度のうち最も近似度が高くなっているときの前記変更の組み合わせを、前記基準値として更新する基準値更新手段と、
前記更新終了条件を満たしている場合に、各々の前記基準値を前記複数のパラメータの学習値として決定する学習値決定手段と、
を備え、
前記基準値更新手段により更新される毎に、前記パラメータ変更手段による前記変更、前記近似度算出手段による前記算出、及び前記判定手段による前記判定を繰り返し実行することを特徴とする学習装置である。
【００１３】
これによれば、「複数のパラメータの全てについて存在領域全ての値をモデル式に代入して算出する場合に比べて、演算処理量の減少を図ることができる。」その理由を、図１４に示す場合を一例として以下に説明する。図１４の例では、パラメータがＡ，ωの２つであり、各々のパラメータＡ，ωの存在領域を１０個の領域に分割している。したがってこの場合、従来の学習装置では１０2＝１００回の演算を要することとなる。
【００１４】
これに対し上記請求項１記載の発明によれば、以下の如く演算されることとなる。すなわち、例えば符号１の位置に対応するＡ，ωの値を基準値とした場合に、その基準値に対して増大側及び減少側のそれぞれにＡ，ωの値が変更される（パラメータ変更手段による作用）。つまり、パラメータＡについては符号ｑ，ｒの位置に対応する値に変更され、パラメータωについては符号ｓ，ｔの位置に対応する値に変更される。
【００１５】
次に、モデル波形の実検出波形に対する近似度が、変更の組み合わせ毎に算出される（近似度算出手段による作用）。つまり、符号ｑの位置に対応するＡ，ωの値がモデル式に代入されてその場合の近似度が算出され、符号ｒ，ｓ，ｔについても同様にして各々の近似度が算出される。以下、符号ｘにおける近似度をΣｘと記載する。
【００１６】
次に、基準値（符号１に対応するＡ，ωの値）における近似度Σ１が、各々の近似度Σｑ，Σｒ，Σｓ，Σｔのいずれよりも高いとの更新終了条件を満たしているか否かが判定される（判定手段による作用）。
【００１７】
次に、更新終了条件を満たしていない場合に、各々の近似度Σｑ，Σｒ，Σｓ，Σｔのうち最も近似度が高くなっているときの変更の組み合わせが、前記基準値として更新される（基準値更新手段による作用）。図１４（ａ）では、Σｒの近似度が最も高くなっている場合を例示しており、符号ｒの位置に対応するＡ，ωの値の組み合わせが基準値として更新される。なお、図１４（ｂ）中の符号２は、更新後のＡ，ωの基準値に対応する位置を示す。
【００１８】
このように更新が為されると、前記パラメータ変更手段による前記変更、前記近似度算出手段による前記算出、及び前記判定手段による前記判定が繰り返し実行される。したがって、図１４の例では、符号１から符号２の位置に対応する値に基準値が変更された後、図１４（ｃ）に示す如く符号２に対応する基準値に対して、符号ｑ，ｒ，ｓ，ｔの位置に対応する値に変更され、各々の近似度Σｑ，Σｒ，Σｓ，Σｔが算出され、近似度Σ１と、各々の近似度Σｑ，Σｒ，Σｓ，Σｔとの比較に基づき更新終了条件を満たしているか否かが判定される。図１４（ｃ）の例では、符号ｔの位置に対応するＡ，ωの値の組み合わせが基準値として更新され、図１４（ｄ）では、更新後のＡ，ωの基準値に対応する位置を符号３で表している。
【００１９】
そして、更新終了条件を満たしている場合には、その時の基準値をパラメータＡ，ωの学習値として決定する（学習値決定手段による作用）。図１４（ｆ）の例では、符号１〜９まで基準値を順に更新していき、近似度Σ９と、符号９に対して変更した符号ｑ，ｒ，ｓ，ｔの位置に対応する値の近似度Σｑ，Σｒ，Σｓ，Σｔとを比較した結果、Σ９の近似度が最も高いため更新を終了し、符号９の位置に対応するＡ，ωの値が学習値として決定される。
【００２０】
以上により、上記パラメータ変更手段、前記近似度算出手段、前記判定手段、基準値更新手段、及び学習値決定手段の作用によれば、近似度を算出するにあたり、１０2＝１００回全てについて演算することを不要にできる。具体的には、図１４の例では、近似度を算出する回数は、符号１に対するｑ，ｒ，ｓ，ｔ、符号２に対するｑ，ｒ，ｓ，ｔ・・・符号９に対するｑ，ｒ，ｓ，ｔ、つまり４×９＝３６回となる。ちなみに、図１４の例でパラメータの数を１７個とした場合には、近似度を算出する回数は最悪でも５７８０回となり、全ての組み合わせについて演算した場合の回数１０17＝１０京回に比べて、演算処理量を大幅に減少できる。
【００２１】
したがって、上記請求項１記載の発明によれば、「複数のパラメータの全てについて存在領域全ての値をモデル式に代入して算出する場合に比べて、演算処理量の減少を図ることができる。」と言うことができる。
【００２２】
請求項２記載の発明では、前記検出波形が存在し得る範囲の波形に基づき、前記パラメータの値が存在し得る存在範囲を予め設定しておき、前記存在範囲を複数の領域に分割し、前記複数の領域毎に設定された各々の代表値に対して算出された前記近似度を比較し、最も近似度の高い代表値を、前記基準値更新手段による更新に先立ち設定される前記基準値の初期値とすることを特徴とする。
【００２３】
これによれば、基準値の初期値を更新終了条件を満たす値に近い値にできるので、更新終了条件を満たすに至るまで基準値を初期値から更新していくにあたり、その更新回数を少なくできる。よって、近似度を算出する回数をより一層減少でき、さらなる演算処理量の減少を図ることができる。
【００２４】
請求項３記載の発明では、前記パラメータ変更手段により前記変更を実施するに先立って用いられる前記複数のパラメータの初期値は、既知の物理量変化に対する前記センサの検出波形を試験により計測し、その試験結果に基づき設定されていることを特徴とする。
【００２５】
これによれば、基準値の初期値を更新終了条件を満たす値に近い値にできるので、更新終了条件を満たすに至るまで基準値を初期値から更新していくにあたり、その更新回数を少なくできる。よって、近似度を算出する回数をより一層減少でき、さらなる演算処理量の減少を図ることができる。
【００２６】
請求項４記載の発明では、前記検出波形が存在し得る範囲の波形に基づき、前記パラメータの値が存在し得る存在範囲を予め設定しておき、前記パラメータ変更手段は、前記存在範囲をＮ分割して得られる大きさで、前記増大側及び前記減少側への変更を行うことを特徴とする。
【００２７】
請求項５記載の発明では、前記パラメータ変更手段は、前記基準値更新手段による更新の回数が多くなるほど、前記変更の量を小さくすることを特徴とする。
【００２８】
これによれば、更新終了条件を満たすに至るまで基準値を初期値から更新していくにあたり、更新の初期段階から終了段階まで変更量を一律に小さくする場合に比べて、更新回数を少なくできる。また、更新の初期段階から終了段階まで変更量を一律に大きくする場合に比べて、更新終了条件を満たした時点における基準値の近似度を高めることができ、学習精度を向上できる。つまり、更新回数の減少と学習精度向上との両立を図ることができる。なお、上記請求項５を実施するにあたり、例えば更新の回数が多くなるほど、請求項４記載のＮ分割数を多くすることが具体例として挙げられる。
【００２９】
請求項６記載の発明では、前記検出波形が存在し得る範囲の波形に基づき、前記パラメータの値が存在し得る存在範囲を予め設定しておき、前記パラメータ変更手段による前記変更の範囲を、前記存在範囲に制限することを特徴とする。そのため、算出した近似度の値が発散してしまう等の演算処理上の不具合を回避できる。
【００３０】
ところで、図１８は、１つのパラメータωについての変化と近似度との関係を例示する図であり、例えば、パラメータωの値をω５，ω６，ω７，ω８，ω９と順に変更させた場合において、近似度がΣ５，Σ６，Σ７，Σ８と順に高くなったため、パラメータωについての基準値がω５，ω６，ω７，ω８と順に更新される状況を示している。ここで、Σ９よりΣ８の方が近似度が高いため、ω８にて更新終了条件を満たすこととなるが、その場合であっても、図１８に示すようにω＝ωｕ４，ωｕ５，ωｕ６の近似度Σｕ４，Σｕ５，Σｕ６の方がΣ８よりも近似度が高い場合が有り得る。よって、このような場合にω８を学習値として決定しては、学習精度が低下してしまう。
【００３１】
この点を鑑みた請求項７記載の発明では、前記更新終了条件を満たしている場合に、前記パラメータ変更手段で行われる変更の大きさよりも大きく前記基準値を大変更し、その大変更後のパラメータについて算出された前記近似度が、前記大変更前のパラメータについて算出された前記近似度の所定範囲よりも高い場合には、前記学習値決定手段において前記基準値を前記学習値に決定することを禁止することを特徴とする。
【００３２】
そのため、例えば図１８の如くω８にて更新終了条件を満たしている場合であっても、パラメータωの値をω８からωｕ４まで大変更し、近似度Σｕ４が近似度Σω８より高い場合にはω８を学習値として決定することを禁止するので、上述の如く学習精度が低下することを回避できる。
【００３３】
なお、上記請求項７中に記載の「大変更後のパラメータについて算出された前記近似度（大変更後の近似度）が、前記大変更前のパラメータについて算出された前記近似度（大変更前の近似度）の所定範囲よりも高い場合」との条件は、前記所定範囲をゼロとした場合には「大変更後の近似度が大変更前の近似度よりも高い場合」という旨を意味する。また、大変更後の近似度が大変更前の近似度よりも低い場合であっても、所定範囲内であれば前記条件を満たすこととなる。
【００３４】
そして、請求項８記載の如く、前記禁止を行った場合には、前記大変更後のパラメータの値を前記基準値として更新すれば、その後、ｕ５，ｕ６と順に変更、更新され、より近似度が高くなるようパラメータの値が学習されるので、学習精度を向上できる。
【００３５】
また、図１８の例では近似度Σｕ４がΣω８より高くなっているが、仮にΣω８の方がΣｕ４より近似度が高かったとしても、ω８からωｕ４への変更よりもさらに大きくω８からωｕ５へ変更した場合において、Σｕ４よりもΣｕ５の方が近似度が高くなっていれば、Σω８よりも高い近似度となるパラメータωが見つかる可能性があると言える。
【００３６】
この点を鑑みた請求項９記載の発明では、前記更新終了条件を満たしている場合には、前記パラメータ変更手段で行われる変更の大きさよりも大きく前記基準値を第１変更するとともに、前記第１変更よりもさらに大きく前記基準値を第２変更し、前記第２変更後の前記近似度が、前記第１変更後の前記近似度の所定範囲よりも高い場合には、前記学習値決定手段において前記基準値を前記学習値に決定することを禁止することを特徴とする。そのため、高い近似度となるパラメータωを見つける確実性を高めることができ、ひいては学習精度の低下を回避できる。
【００３７】
なお、上記請求項９中に記載の「前記第２変更後の前記近似度が、前記第１変更後の前記近似度の所定範囲よりも高い場合」との条件は、前記所定範囲をゼロとした場合には「第２変更後の近似度が第１変更後の近似度よりも高い場合」という旨を意味する。また、第２変更後の近似度が第１変更後の近似度よりも低い場合であっても、所定範囲内であれば前記条件を満たすこととなる。
【００３８】
そして、請求項１０記載の如く、前記禁止を行った場合には、前記第２変更後のパラメータの値を前記基準値として更新すれば、その後ｕ６へと順に変更、更新され、より近似度が高くなるようパラメータの値が学習されるので、学習精度を向上できる。
【００３９】
請求項１１記載の発明では、前記モデル波形と前記実検出波形とのずれ量を波形中の複数個所で演算し、その演算により得られた複数のずれ量の総和を前記近似度とし、前記総和の値が小さいほど近似度が高いとすることを特徴とする。このように最小二乗法を用いれば、近似度を容易に演算することができ、好適である。
【００４０】
請求項１２記載の発明は、前記センサは、燃料を蓄圧する蓄圧容器から複数の燃料噴射弁へ燃料を分配供給するよう構成された内燃機関に搭載され、前記燃料噴射弁に供給される燃料の圧力を前記物理量変化として検出する燃圧センサであり、前記燃圧センサは、前記蓄圧容器から前記燃料噴射弁の噴射孔に至るまでの燃料通路のうち前記蓄圧容器に対して前記噴射孔に近い側に配置されており、前記燃圧センサと上記学習装置とを備えることを特徴とする燃料噴射システムである。
【００４１】
このような燃圧センサでは高精度な学習が要求されるので、演算処理量の減少を図ることができる上記学習装置を適用すれば、例えばパラメータ変更手段による変更の大きさを小さくすることで、高精度な学習を容易に実現でき、好適である。
【００４２】
また、燃圧センサを用いた制御の一例として、請求項１３記載の発明が挙げられる。すなわち、１燃焼サイクルあたりに燃料噴射を複数回行う多段噴射を実施するにあたり、前記検出波形のうちｎ回目噴射に対応する部分の波形から、ｎ回目より前のｍ回目噴射に起因した波形成分を差し引くことで、ｎ回目噴射に起因した波形成分を抽出する抽出手段を備え、前記抽出手段は、前記学習装置により学習されたパラメータによる前記モデル波形を、前記ｍ回目噴射に起因した波形成分とすることを特徴とする。
【００４３】
ところで、近似度が最も高くなる複数のパラメータ値の組み合わせは、内燃機関の運転状態に応じて異なってくる。そこで請求項１４記載の発明では、前記学習装置は、前記内燃機関の運転状態に応じて、その運転状態毎に前記複数のパラメータの値を学習することを特徴とするので、近似度が高くなるよう学習の精度を向上できる。なお、上記運転状態の具体例としては、出力軸（クランク軸）の回転速度、内燃機関の負荷、燃料温度、蓄圧容器内の燃料圧力等が挙げられる。
【発明を実施するための最良の形態】
【００４４】
以下、本発明を具体化した各実施形態を図面に基づいて説明する。なお、以下の各実施形態相互において、互いに同一もしくは均等である部分には、図中、同一符号を付しており、同一符号の部分についてはその説明を援用する。
【００４５】
（第１実施形態）
先ず、本実施形態に係る学習装置が搭載されるエンジン（内燃機関）の概略について、簡単に説明する。本実施形態では、４輪自動車用ディーゼルエンジン（内燃機関）を対象にしており、燃焼室に直接的に高圧燃料（例えば噴射圧力「１０００気圧」以上の軽油）を噴射供給（直噴供給）する方式のエンジンである。また、当該エンジンは、多気筒（例えば直列４気筒）の４ストローク、レシプロ式ディーゼルエンジン（内燃機関）を想定しており、４つのシリンダ＃１〜＃４について、それぞれ吸入・圧縮・燃焼・排気の４行程による１燃焼サイクルが「７２０°ＣＡ」周期で、詳しくは例えば各シリンダ間で「１８０°ＣＡ」ずらしてシリンダ＃１，＃３，＃４，＃２の順に逐次実行される。
【００４６】
次に、エンジンの燃料系について説明する。
【００４７】
図１は、本実施形態に係るコモンレール式燃料噴射システムの構成図である。このシステムに備えられたＥＣＵ３０（電子制御ユニット）は、吸入調整弁１１ｃに対する電流供給量を調整して燃料ポンプ１１の燃料吐出量を所望の値に制御することで、コモンレール１２（蓄圧容器）内の燃料圧力（燃圧センサ２０ａにて測定される時々の燃料圧力）を目標値（目標燃圧）にフィードバック制御（例えばＰＩＤ制御）している。そして、その燃料圧力に基づいて、対象エンジンの所定シリンダに対する燃料噴射量、ひいては同エンジンの出力（出力軸の回転速度やトルク）を所望の大きさに制御している。
【００４８】
燃料供給系を構成する諸々の装置は、燃料上流側から、燃料タンク１０、燃料ポンプ１１、コモンレール１２、及びインジェクタ２０（燃料噴射弁）の順に配設されている。燃料ポンプ１１は、対象エンジンの出力によって駆動される高圧ポンプ１１ａ及び低圧ポンプ１１ｂを有し、低圧ポンプ１１ｂによって上記燃料タンク１０から汲み上げられた燃料を、高圧ポンプ１１ａにて加圧して吐出するように構成されている。そして、高圧ポンプ１１ａに送られる燃料圧送量、ひいては燃料ポンプ１１の燃料吐出量は、燃料ポンプ１１の燃料吸入側に設けられた吸入調整弁（ＳＣＶ：Suction Control Valve）１１ｃによって調量される。すなわち、この燃料ポンプ１１では、吸入調整弁１１ｃの駆動電流量（ひいては弁開度）を調整することで、同ポンプ１１からの燃料吐出量を所望の値に制御する。
【００４９】
低圧ポンプ１１ｂは、例えばトロコイド式のフィードポンプとして構成されている。これに対し高圧ポンプ１１ａは、例えばプランジャポンプからなり、図示しない偏心カムにて所定のプランジャ（例えば３本のプランジャ）をそれぞれ軸方向に往復動させることにより加圧室に送られた燃料を逐次所定のタイミングで圧送するように構成されている。
【００５０】
燃料タンク１０の燃料は、燃料ポンプ１１によりコモンレール１２へ加圧供給（圧送）された後、高圧状態でコモンレール１２に蓄えられる。その後、シリンダ毎に設けられた高圧配管１４を通じて、各シリンダ＃１〜＃４のインジェクタ２０へそれぞれ分配供給される。これらインジェクタ２０（＃１）〜（＃４）の燃料排出口２１は、それぞれ余分な燃料を燃料タンク１０へ戻すための配管１８とつながっている。また、コモンレール１２と高圧配管１４との間には、コモンレール１２から高圧配管１４に流れる燃料の圧力脈動を減衰させるオリフィス１２ａ（燃料脈動軽減手段）が備えられている。
【００５１】
図２に、上記インジェクタ２０の詳細構造を示す。なお、上記４つのインジェクタ２０（＃１）〜（＃４）は基本的には同様の構造（例えば図２に示す構造）となっている。いずれのインジェクタ２０も、燃焼用のエンジン燃料（燃料タンク１０内の燃料）を利用した油圧駆動式の燃料噴射弁であり、燃料噴射に際しての駆動動力の伝達が油圧室Ｃｄ（制御室）を介して行われる。同図２に示されるように、このインジェクタ２０は、非通電時に閉弁状態となるノーマリクローズ型の燃料噴射弁として構成されている。
【００５２】
インジェクタ２０のハウジング２０ｅに形成された燃料流入口２２には、コモンレール１２から送られてくる高圧燃料が流入し、流入した高圧燃料の一部は油圧室Ｃｄに流入し、他は噴射孔２０ｆに向けて流れる。油圧室Ｃｄには制御弁２３により開閉されるリーク孔２４が形成されており、制御弁２３によりリーク孔２４が開放されると、油圧室Ｃｄの燃料はリーク孔２４から燃料排出口２１を経て燃料タンク１０に戻される。
【００５３】
このインジェクタ２０の燃料噴射に際しては、二方電磁弁を構成するソレノイド２０ｂに対する通電状態（通電／非通電）に応じて制御弁２３を作動させることで、油圧室Ｃｄの密閉度合、ひいては同油圧室Ｃｄの圧力（ニードル弁２０ｃの背圧に相当）が増減される。そして、その圧力の増減により、スプリング２０ｄ（コイルばね）の伸張力に従って又は抗して、ニードル弁２０ｃがハウジング２０ｅ内を往復動（上下）することで、噴射孔２０ｆ（必要な数だけ穿設）までの燃料供給通路２５が、その中途（詳しくは往復動に基づきニードル弁２０ｃが着座又は離座するテーパ状のシート面）で開閉される。
【００５４】
ここで、ニードル弁２０ｃの駆動制御は、オンオフ制御を通じて行われる。すなわち、ニードル弁２０ｃの駆動部（上記二方電磁弁）には、ＥＣＵ３０からオンオフを指令するパルス信号（通電信号）が送られる。そして、パルスオン（又はオフ）によりニードル弁２０ｃがリフトアップして噴射孔２０ｆが開放され、パルスオフ（又はオン）によりリフトダウンして噴射孔２０ｆが閉塞される。
【００５５】
ちなみに、上記油圧室Ｃｄの増圧処理は、コモンレール１２からの燃料供給によって行われる。他方、油圧室Ｃｄの減圧処理は、ソレノイド２０ｂへの通電により制御弁２３を作動させてリーク孔２４を開放させることによって行われる。これにより、当該インジェクタ２０と燃料タンク１０とを接続する配管１８（図１）を通じてその油圧室Ｃｄ内の燃料が上記燃料タンク１０へ戻される。つまり、油圧室Ｃｄ内の燃料圧力を制御弁２３の開閉作動により調整することで、噴射孔２０ｆを開閉するニードル弁２０ｃの作動が制御される。
【００５６】
このように、上記インジェクタ２０は、弁本体（ハウジング２０ｅ）内部での所定の往復動作に基づいて噴射孔２０ｆまでの燃料供給通路２５を開閉（開放・閉鎖）することにより当該インジェクタ２０の開弁及び閉弁を行うニードル弁２０ｃを備える。そして、非駆動状態では、定常的に付与される閉弁側への力（スプリング２０ｄによる伸張力）でニードル弁２０ｃが閉弁側へ変位するとともに、駆動状態では、駆動力が付与されることにより上記スプリング２０ｄの伸張力に抗してニードル弁２０ｃが開弁側へ変位する。そしてこの際、それら非駆動状態と駆動状態とでは、ニードル弁２０ｃのリフト量が略対称に変化する。
【００５７】
インジェクタ２０には、燃料圧力を検出する燃圧センサ２０ａ（図１も併せ参照）が取り付けられている。具体的には、ハウジング２０ｅに形成された燃料流入口２２と高圧配管１４とを治具２０ｊで連結させ、この治具２０ｊに燃圧センサ２０ａを取り付けている。このようにインジェクタ２０の燃料流入口２２に燃圧センサ２０ａを取り付けることで、燃料流入口２２における燃料圧力（インレット圧）の随時の検出が可能とされている。具体的には、この燃圧センサ２０ａの出力により、当該インジェクタ２０の噴射動作に伴う燃料圧力の変動波形や、燃料圧力レベル（安定圧力）、燃料噴射圧力等を検出（測定）することができる。
【００５８】
燃圧センサ２０ａは、複数のインジェクタ２０（＃１）〜（＃４）の各々に対して設けられている。そして、これら燃圧センサ２０ａの出力に基づいて、所定の噴射について、インジェクタ２０の噴射動作に伴う燃料圧力の変動波形を高い精度で検出することができるようになっている（詳しくは後述）。
【００５９】
ＥＣＵ３０に搭載されるマイクロコンピュータ（マイコン）は、各種の演算を行うＣＰＵ（基本処理装置）、その演算途中のデータや演算結果等を一時的に記憶するメインメモリとしてのＲＡＭ、プログラムメモリとしてのＲＯＭ、データ保存用メモリとしてのＥＥＰＲＯＭ、バックアップＲＡＭ（ＥＣＵ３０の主電源停止後も車載バッテリ等のバックアップ電源により常時給電されているメモリ）等を備えて構成されている。そして、ＲＯＭには、当該燃料噴射制御に係るプログラムを含めたエンジン制御に係る各種のプログラムや制御マップ等が、またデータ保存用メモリ（例えばＥＥＰＲＯＭ）には、対象エンジンの設計データをはじめとする各種の制御データ等が、それぞれ予め格納されている。
【００６０】
また、ＥＣＵ３０は、クランク角センサ４２から入力される検出信号に基づき、対象エンジンの出力軸（クランク軸４１）の回転角度位置や回転速度（エンジン回転速度ＮＥ）を算出する。また、アクセルセンサ４４から入力される検出信号に基づき、運転者によるアクセルペダルの操作量（踏込み量）が算出される。ＥＣＵ３０は、前記各種センサ４２，４４及び後述する各種センサの検出信号に基づいて対象エンジンの運転状態やユーザの要求を把握し、それに応じて上記吸入調整弁１１ｃやインジェクタ２０等の各種アクチュエータを操作することにより、その時々の状況に応じた最適な態様で上記エンジンに係る各種の制御を行っている。
【００６１】
次に、ＥＣＵ３０が実行する燃料系の制御についての概略を説明する。
【００６２】
ＥＣＵ３０のマイコンは、時々のエンジン運転状態（例えばエンジン回転速度ＮＥ）や運転者によるアクセルペダルの操作量等に応じて燃料噴射量を算出し、所望の噴射時期に同期して、その燃料噴射量での燃料噴射を指示する噴射制御信号（噴射指令信号）を上記インジェクタ２０へ出力する。当該噴射制御信号に応じた駆動量（例えば開弁時間）でインジェクタ２０が作動することにより、対象エンジンの出力トルクが目標値へ制御されることになる。
【００６３】
以下、図３を参照して、上記燃料系制御の基本的な処理手順について説明する。なお、この図３の処理において用いられる各種パラメータの値は、例えばＥＣＵ３０に搭載されたＲＡＭやＥＥＰＲＯＭ、あるいはバックアップＲＡＭ等の記憶装置に随時記憶され、必要に応じて随時更新される。そして、これら各図の一連の処理は、基本的には、ＥＣＵ３０でＲＯＭに記憶されたプログラムが実行される。
【００６４】
同図３に示すように、この一連の処理においては、まずステップＳ１１で、所定のパラメータ、例えばその時のエンジン回転速度ＮＥ（クランク角センサ４２による実測値）及び燃料圧力（燃圧センサ２０ａによる実測値）、さらには運転者によるその時のアクセル操作量（アクセルセンサ４４による実測値）等を読み込む。
【００６５】
続くステップＳ１２では、上記ステップＳ１１で読み込んだ各種パラメータに基づいて噴射パターンを設定する。例えば単段噴射の場合にはその噴射の噴射量（噴射時間）が、また多段噴射の噴射パターンの場合にはトルクに寄与する各噴射の総噴射量（総噴射時間）が、それぞれ上記出力軸（クランク軸４１）に生成すべきトルク（アクセル操作量等から算出される要求トルク、いわばその時のエンジン負荷に相当）に応じて可変設定される。
【００６６】
この噴射パターンは、例えば上記ＲＯＭに記憶保持された所定のマップ（噴射制御用マップ、数式でも可）及び補正係数に基づいて取得される。詳しくは、例えば予め上記所定パラメータ（ステップＳ１１）の想定される範囲について試験により最適噴射パターン（適合値）を求め、その噴射制御用マップに書き込んでおく。
【００６７】
この噴射パターンは、例えば噴射段数（１燃焼サイクル中の噴射回数）、並びにそれら各噴射の噴射時期（噴射タイミング）及び噴射時間（噴射量に相当）等のパラメータにより定められるものである。こうして、上記噴射制御用マップは、それらパラメータと最適噴射パターンとの関係を示すものとなっている。
【００６８】
そして、この噴射制御用マップで取得された噴射パターンを、別途更新されている補正係数（例えばＥＣＵ３０内のＥＥＰＲＯＭに記憶）に基づいて補正する（例えば「設定値＝マップ上の値／補正係数」なる演算を行う）ことで、その時に噴射すべき噴射パターン、ひいてはその噴射パターンに対応した上記インジェクタ２０に対する噴射指令信号を得る。補正係数（厳密には複数種の係数のうちの所定の係数）は、別途の処理により内燃機関の運転中に逐次更新されている。
【００６９】
なお、上記噴射パターンの設定（ステップＳ１２）には、同噴射パターンの要素（上記噴射段数等）毎に別々に設けられた各マップを用いるようにしても、あるいはこれら噴射パターンの各要素を幾つか（例えば全て）まとめて作成したマップを用いるようにしてもよい。
【００７０】
こうして設定された噴射パターン、ひいてはその噴射パターンに対応する指令値（噴射指令信号）は、続くステップＳ１３で使用される。すなわち、同ステップＳ１３（指令信号出力手段）では、その指令値（噴射指令信号）に基づいて（詳しくは上記インジェクタ２０へその噴射指令信号を出力して）、同インジェクタ２０の駆動を制御する。そして、このインジェクタ２０の駆動制御をもって、図３の一連の処理を終了する。
【００７１】
次に、インジェクタ２０からの燃料噴射量を推定する処理について、図４を用いて説明する。
【００７２】
図４に示す一連の処理は、所定周期（例えば先述のＣＰＵが行う演算周期）又は所定のクランク角度毎に実行される。まずステップＳ２１で、燃圧センサ２０ａの出力値（検出圧力）を取り込む。この取り込み処理は複数の燃圧センサ２０ａの各々について実行される。以下、ステップＳ２１の取り込み処理について、図５を用いて詳細に説明する。
【００７３】
図５（ａ）は、図３のステップＳ１３にてインジェクタ２０に出力される噴射指令信号を示しており、この指令信号のパルスオンによりソレノイド２０ｂが作動して噴射孔２０ｆが開弁する。つまり、噴射指令信号のパルスオン時期Ｉｓにより噴射開始が指令され、パルスオフ時期Ｉｅにより噴射終了が指令される。よって、指令信号のパルスオン期間（噴射指令期間）により噴射孔２０ｆの開弁時間Ｔｑを制御することで、噴射量Ｑを制御している。図５（ｂ）は、上記噴射指令に伴い生じる噴射孔２０ｆからの燃料噴射率の変化（推移）を示し、図５（ｃ）は、噴射率の変化に伴い生じる燃圧センサ２０ａの出力値（検出圧力）の変化（変動波形）を示す。なお、図５は噴射孔２０ｆを１回開閉させた場合の各種変化の一例である。
【００７４】
そして、ＥＣＵ３０は、図４の処理とは別のサブルーチン処理により、燃圧センサ２０ａの出力値を検出しており、そのサブルーチン処理では燃圧センサ２０ａの出力値を、該センサ出力で圧力推移波形の軌跡（図５（ｃ）にて例示される軌跡）が描かれる程度に短い間隔（図４の処理周期よりも短い間隔）にて逐次取得している。具体的には、５０μｓｅｃよりも短い間隔（より望ましくは２０μｓｅｃ）でセンサ出力を逐次取得する。
【００７５】
燃圧センサ２０ａの検出圧力の変動と噴射率の変化とは以下に説明する相関があるため、検出圧力の変動波形から噴射率の推移波形を推定することができる。
【００７６】
図５（ｂ）に示す噴射率の変化について説明すると、先ず、符号Ｉｓの時点でソレノイド２０ｂへの通電を開始した後、噴射孔２０ｆから燃料が噴射開始されることに伴い、噴射率は変化点Ｒ３にて上昇を開始する。つまり実際の噴射が開始される。その後、変化点Ｒ４にて最大噴射率に到達し、噴射率の上昇は停止する。これは、Ｒ３の時点でニードル弁２０ｃがリフトアップを開始してＲ４の時点でリフトアップ量が最大になったことに起因する。
【００７７】
なお、本明細書における「変化点」は次のように定義される。すなわち、噴射率（又は圧力センサ２０ａの検出圧力）の２階微分値を算出し、その２階微分値の変化を示す波形の極値（変化が最大となる点）、つまり２階微分値波形の変曲点が、噴射率又は検出圧力の波形の変化点である。
【００７８】
次に、符号Ｉｅの時点でソレノイド２０ｂへの通電を遮断した後、変化点Ｒ７にて噴射率は下降を開始する。その後、変化点Ｒ８にて噴射率はゼロとなり、実際の噴射が終了する。これは、Ｒ７の時点でニードル弁２０ｃがリフトダウンを開始し、Ｒ８の時点で完全にリフトダウンして噴射孔２０ｆが閉弁されたことに起因する。
【００７９】
図５（ｃ）に示す圧力センサ２０ａの検出圧力の変化について説明すると、変化点Ｐ１以前の圧力Ｐ０は噴射指令時点Ｉｓでの燃料供給圧力であり、先ず、駆動電流がレノイド２０ｂに流れた後、噴射率がＲ３の時点で上昇を開始する前に、検出圧力は変化点Ｐ１にて下降する。これは、Ｐ１の時点で制御弁２３がリーク孔２４を開放し、油圧室Ｃｄが減圧処理されることに起因する。その後、油圧室Ｃｄが十分に減圧された時点で、変化点Ｐ２にてＰ１からの下降が一旦停止する。
【００８０】
次に、Ｒ３の時点で噴射率が上昇を開始したことに伴い、検出圧力は変化点Ｐ３にて下降を開始する。その後、Ｒ４の時点で噴射率が最大噴射率に到達したことに伴い、検出圧力の下降は変化点Ｐ４にて停止する。なお、変化点Ｐ３からＰ４までの下降量は、Ｐ１からＰ２までの下降量に比べて大きい。
【００８１】
次に、検出圧力は変化点Ｐ５にて上昇する。これは、Ｐ５の時点で制御弁２３がリーク孔２４を閉塞し、油圧室Ｃｄが増圧処理されることに起因する。その後、油圧室Ｃｄが十分に増圧された時点で、変化点Ｐ６にてＰ５からの上昇が一旦停止する。
【００８２】
次に、Ｒ７の時点で噴射率が下降を開始したことに伴い、検出圧力は変化点Ｐ７にて上昇を開始する。その後、Ｒ８の時点で噴射率がゼロになり実際の噴射が終了したことに伴い、検出圧力の上昇は変化点Ｐ８にて停止する。なお、変化点Ｐ７から変化点Ｐ８までの上昇量はＰ５からＰ６までの上昇量に比べて大きい。Ｐ８以降の検出圧力は、一定の周期Ｔ７（図６参照）で下降と上昇を繰り返しながら減衰する。
【００８３】
以上により、燃圧センサ２０ａによる検出圧力の変動のうち変化点Ｐ３，Ｐ４，Ｐ７及びＰ８を検出することで、噴射率の上昇開始時点Ｒ３（実噴射開始時点）、最大噴射率到達時点Ｒ４、噴射率下降開始時点Ｒ７及び下降終了時点Ｒ８（実噴射終了時点）等を推定することができる。また、以下に説明する検出圧力の変動と噴射率の変化との相関関係に基づき、検出圧力の変動から噴射率の変化を推定できる。
【００８４】
つまり、検出圧力の変化点Ｐ３からＰ４までの圧力下降率Ｐαと、噴射率の変化点Ｒ３からＲ４までの噴射率上昇率Ｒαとは相関がある。変化点Ｐ７からＰ８までの圧力上昇率Ｐγと変化点Ｒ７からＲ８までの噴射率下降率Ｒγとは相関がある。変化点Ｐ３からＰ４までの圧力下降量Ｐβ（最大落込量）と変化点Ｒ３からＲ４までの噴射率上昇量Ｒβとは相関がある。よって、燃圧センサ２０ａによる検出圧力の変動から圧力下降率Ｐα、圧力上量率Ｐγ及び圧力下降量Ｐβを検出することで、噴射率上昇率Ｒα、噴射率下降率Ｒγ及び噴射率上昇量Ｒβを推定することができる。以上の如く噴射率の各種状態Ｒ３,Ｒ４,Ｒ７,Ｒ８,Ｒα,Ｒβ,Ｒγを推定することができ、よって、図５（ｂ）に示す燃料噴射率の変化（推移波形）を推定することができる。
【００８５】
さらに、実噴射開始から終了までの噴射率の積分値（斜線を付した符号Ｓに示す部分の面積）は噴射量に相当する。そして、検出圧力の変動波形のうち実噴射開始から終了までの噴射率変化に対応する部分（変化点Ｐ３〜Ｐ８の部分）の圧力の積分値と噴射率の積分値Ｓとは相関がある。よって、燃圧センサ２０ａによる検出圧力の変動から圧力積分値を算出することで、噴射量Ｑに相当する噴射率積分値Ｓを推定することができる。以上により、燃圧センサ２０ａは、インジェクタ２０に供給される燃料の圧力を噴射量に関連する物理量として検出する噴射量センサとして機能していると言える。
【００８６】
図４の説明に戻り、先述のステップＳ２１に続くステップＳ２２において、ステップＳ２１で取得した変動波形から変化点Ｐ３，Ｐ８の出現時期等を検出する。具体的には、変動波形の１階微分値を演算し、噴射指令のパルスオン時期Ｉｓ以降、前記微分値が最初に閾値を超えたことをもってして変化点Ｐ３の出現を検出するようにして好適である。また、変化点Ｐ３の出現以降、前記微分値が閾値内で変動する安定状態となった場合に、その安定状態以前において前記微分値が最後に閾値を下回ったことをもってして変化点Ｐ８の出現を検出するようにして好適である。
【００８７】
続くステップＳ２３では、ステップＳ２１で取得した変動波形から圧力下降量Ｐβを検出する。具体的には、変動波形の変化点Ｐ３からＰ８までにおける検出圧力のピーク値から、変化点Ｐ３時点の検出圧力を減算することにより圧力下降量Ｐβを検出することが挙げられる。
【００８８】
続くステップＳ２４では、ステップＳ２２での検出結果Ｐ３，Ｐ４に基づき噴射率の上昇開始時点Ｒ１（実噴射開始時点）及び下降終了時点Ｒ８（実噴射終了時点）を推定する。また、ステップＳ２３での検出結果Ｐβに基づき噴射率上昇量Ｒβを推定する。そして、少なくともこれらの推定値Ｒ３，Ｒ８，Ｒβに基づき、図５（ｂ）に示すような噴射率の推移波形を算出する。なお、これらの推定値Ｒ３，Ｒ８，Ｒβの他にも、先述の如くＲ４，Ｒ７，Ｒα，Ｒγ等の値を推定し、これらの推定値Ｒ４，Ｒ７，Ｒα，Ｒγを噴射率推移波形の算出に用いるようにしてもよい。
【００８９】
続くステップＳ２５では、ステップＳ２４にて算出した噴射率推移波形をＲ３からＲ８の区間にて積分演算することにより面積Ｓを算出する。そして、当該面積Ｓを噴射量として推定する。以上により、図４の一連の処理が終了し、ステップＳ２５にて推定された燃料噴射量及びステップＳ２４にて推定された噴射率推移波形は、図３のステップＳ１１で用いる先述の噴射制御用マップの更新（学習）等に用いられる。
【００９０】
ところで、図６は、図５と同様にして噴射孔２０ｆを１回開閉させた場合の各種変化の一例であり、噴射終了に伴い変化点Ｐ８が出現した後における、燃圧センサ２０ａの出力値（検出圧力）の変化を示すタイミングチャートである。また、図７〜図１０において、（ａ）はインジェクタ２０に対する指令信号（駆動電流）を示すタイミングチャート、（ｂ）は、その指令信号に基づく検出圧力の変動波形を示すタイミングチャートである。
【００９１】
ここで、１燃焼サイクルあたりに複数回燃料を噴射させる多段噴射制御を実行する場合には次の点に留意する必要がある。すなわち、前記変動波形のうち１回目噴射以降のｎ回目噴射に対応する部分の変動パターンには、ｎ回目より前のｍ回目噴射（本実施形態では１回目噴射）に伴い生じる変動波形のうち噴射終了後に対応する部分（図６中の一点鎖線Ｐｅに示す部分）の変動パターンが重畳（干渉）する。以下、前記変動パターンを噴射後変動パターンＰｅと呼ぶ。
【００９２】
より具体的に説明すると、図７に示されるように１燃焼サイクルあたりに２回噴射を行った場合では、図７（ａ）中に実線Ｌ２ａにて示す通電パルスに対して、図７（ｂ）に実線Ｌ２ｂにて示す変動波形となっている。すなわち、図中に示す２つの噴射のうち、後段側の噴射（後段噴射）の噴射開始タイミング近傍においては、この後段噴射のみに起因した変動パターンと前段側の噴射（前段噴射）の変動パターンとが互いに干渉してしまっており、後段噴射のみに起因した変動パターンを認識することは困難である。
【００９３】
図８に示されるように、前段噴射のみを行った場合では、図８（ａ）中に実線Ｌ１ａにて示す通電パルスに対して、図８（ｂ）に実線Ｌ１ｂにて示す変動波形（ｍ回目噴射波形成分）となっている。図９は、図７の変動波形（実線Ｌ２ａ，Ｌ２ｂ）と図８の変動波形（破線Ｌ１ａ，Ｌ１ｂ）とを重ねて示したものである。そして、図７の変動波形Ｌ２ｂから図８の変動波形Ｌ１ｂを減算（対応箇所をそれぞれ減算）して差し引けば、図１０に示すように後段噴射のみに起因した変動パターン（実線Ｌ２ｃ）を抽出することができる。
【００９４】
したがって、図４のステップＳ２１にて先述の如く燃圧センサ２０ａの出力値（検出圧力）を取り込むにあたり、図７（ｂ）に示す変動波形Ｌ２ｂをそのまま取り込むのではなく、変動波形Ｌ２ｂから変動波形Ｌ１ｂを差し引いて抽出した変動パターンＬ２ｃを取り込む。
【００９５】
次に、このように差し引くことに用いる変動波形Ｌ１ｂを取得する手法について説明する。
【００９６】
ｍ回目噴射波形成分を数式で表したモデル式が、データ保存用メモリ（例えばＥＥＰＲＯＭ）等の記憶手段に予め記憶されている。そして、このモデル式により表されるモデル波形を前記変動波形Ｌ１ｂとして取得している。本実施形態では、複数の減衰振動方程式を重ね合わせた以下の数式１を上記モデル式として採用している。
【００９７】
【数１】
【００９８】
数式１中のｐはモデル式により表されるモデル波形の値（燃圧センサ２０ａによる検出圧力推定値）を示す。ここで、図８に示す如く単段噴射を行った場合又は他の噴射による波形成分が干渉していない場合において、燃圧センサ２０ａにて検出された実際の波形を「検出波形」と呼ぶことにする。そして、数式１中のｐ0は検出波形に対するモデル波形のオフセットずれ量を示す。数式１中のｎは減衰振動方程式を重ね合わせた数を示す。数式１中のＡ，ｋ，ω，θは、減衰振動における振幅、減衰係数、周波数、位相をそれぞれ示す。
【００９９】
つまり、数式１に示すモデル式は、ｐ0，ｎ，Ａ，ｋ，ω，θのパラメータを決定することで、モデル波形の値ｐを出力することができる。よって、例えばｎ＝４とした場合においては、４個のパラメータＡ，ｋ，ω，θから決定される減衰振動方程式を４つ重ね合せることとなるので、１６個のパラメータＡ，ｋ，ω，θ及び１つのパラメータｐ0（合計１７個のパラメータ）を決定することでｐの値を取得することができる。
【０１００】
なお、数式１のモデル式によるモデル波形は、当然のことながら連続した波形となっており、離散的に変化する箇所は存在しない。そして、単調増加と単調減少を繰り返しながら減衰する減衰波形となっている。
【０１０１】
図１１は、重ね合わせる個々の減衰振動方程式の具体例を説明する図であり、噴射孔２０ｆにて燃料噴射に伴い生じた燃圧脈動は、噴射孔２０ｆから燃圧センサ２０ａに伝播する経路中にてインジェクタ２０内部にて減衰する（図１１（ａ）中の符号(1)参照）。このようにインジェクタ２０内部で生じる減衰振動を、図１１（ｂ）中の波形成分(1)は表している。
【０１０２】
噴射孔２０ｆにて燃料噴射に伴い生じた燃圧脈動は、インジェクタ２０及び高圧配管１４を経由してオリフィス１２ａに達し、その後オリフィス１２ａにて反射して燃圧センサ２０ａまで伝播する（図１１（ａ）中の符号(2)参照）。このようにオリフィス１２ａから燃圧センサ２０ａへ伝播した減衰振動を、図１１（ｂ）中の波形成分(2)は表している。
【０１０３】
他のインジェクタ２０（＃３）の噴射孔２０ｆにて燃料噴射に伴い生じた燃圧脈動は、コモンレール１２を経由してインジェクタ２０（＃２）の燃圧センサ２０ａまで伝播する（図１１（ａ）中の符号(3)参照）。このように燃圧センサ２０ａまで伝播した減衰振動を、図１１（ｂ）中の波形成分(3)は表している。
【０１０４】
以上に例示される複数の波形成分(1)(2)(3)の減衰振動方程式を組み合わせて、数式１のモデル式は構成されており、これにより、モデル式によるモデル波形が図１１（ｂ）の最上段に示す波形となる。なお、図１２中の実線は、燃圧センサ２０ａにて検出された実際の検出波形を示し、一点鎖線及び点線はモデル波形を示す。このように検出波形とモデル波形とのずれをゼロにするように、つまり、モデル波形の実検出波形に対する近似度を高めるよう、モデル式に含まれる先述した各種パラメータｐ0，Ａ，ｋ，ω，θを学習させている。
【０１０５】
以下、本実施形態の要部であるパラメータｐ0，Ａ，ｋ，ω，θの学習手順について、図１３及び図１４を用いて説明する。なお、図１４では２つのパラメータＡ，ωの変化についてのみ図示し、他のパラメータｐ0，ｋ，θの変化については図示を省略しているが、他のパラメータｐ0，ｋ，θもＡ，ωと同様に変化するものである。
【０１０６】
図１３に示す一連の学習処理は、所定周期（例えば先述のＣＰＵが行う演算周期）又は所定のクランク角度毎に、ＥＣＵ３０のマイコンにより実行される。まずステップＳ５１で、燃料噴射を停止させてエンジン回転速度ＮＥが減速している期間、つまり無噴射減速運転期間中に、微小量の燃料を１燃焼サイクル中に１回だけ噴射する単段微小噴射を実施する。そして、当該単段微小噴射に伴い生じた燃圧センサ２０ａの検出波形を、学習規範値として取得する。
【０１０７】
続くステップＳ５２（パラメータ変更手段）では、パラメータｐ0，Ａ，ｋ，ω，θを微小区間で増大側及び減少側に変更する。図１４（ａ）の例では、符号１の位置に対応するＡ，ωの値を基準値とした場合に、その基準値に対して増大側及び減少側のそれぞれにＡ，ωの値を変更する。つまり、パラメータＡについては符号ｑ，ｒの位置に対応する値に変更し、パラメータωについては符号ｓ，ｔの位置に対応する値に変更する。
【０１０８】
続くステップＳ５３（近似度算出手段）では、モデル波形の実検出波形に対する近似度を、変更の組み合わせ毎に算出する。近似度を算出するにあたり本実施形態では最小二乗法を採用しており、例えば図１２中の一点鎖線に示すモデル波形の検出波形に対する近似度は、所定時間毎のモデル波形の値と検出波形の値との距離ΔＬ（ずれ量）を算出し、これらの距離ΔＬの総和として定義されている。よって、前記総和Σｘの値が小さいほど近似度が高いと言える。
【０１０９】
続くステップＳ５４（判定手段）では、基準値Ｍ（図１４（ａ）での基準値は符号１に対応するＡ，ωの値）における近似度ΣＭが、変更後の各々の近似度Σｑ，Σｒ，Σｓ，Σｔのいずれよりも高いとの更新終了条件を満たしているか否かを判定する。
【０１１０】
Σｑ，Σｒ，Σｓ，Σｔの少なくとも１つがΣＭよりも近似していると判定され、更新終了条件を満たしていないと判定された場合（Ｓ５４：ＮＯ）には、続くステップＳ５６（基準値更新手段）において、各々の近似度Σｑ，Σｒ，Σｓ，Σｔのうち最小値となっているときの変更の組み合わせを、前記基準値として更新する。
【０１１１】
図１４（ａ）では、Σｒが最小となっている場合を例示しており、符号ｒの位置に対応するＡ，ωの値の組み合わせが基準値として更新される。なお、図１４（ｂ）中の符号２は、更新後のＡ，ωの基準値に対応する位置を示す。
【０１１２】
このように更新が為されると、処理はステップＳ５２に戻り、パラメータ変更手段Ｓ５２による前記変更、近似度算出手段Ｓ５３による前記算出、及び判定手段Ｓ５４による前記判定が繰り返し実行される。したがって、図１４の例では、符号１から符号２の位置に対応する値に基準値が変更された後、図１４（ｃ）に示す如く符号２に対応する基準値に対して、符号ｑ，ｒ，ｓ，ｔの位置に対応する値に変更され、各々の近似度Σｑ，Σｒ，Σｓ，Σｔが算出され、近似度Σ１と、各々の近似度Σｑ，Σｒ，Σｓ，Σｔとの比較に基づき更新終了条件を満たしているか否かが判定される。
【０１１３】
図１４（ｃ）の例では、符号ｔの位置に対応するＡ，ωの値の組み合わせが基準値として更新され、図１４（ｄ）では、更新後のＡ，ωの基準値に対応する位置を符号３で表している。また、続く図１４（ｅ）では、符号ｒの位置に対応するＡ，ωの値の組み合わせが基準値として更新され、このように更新を繰り返した結果、図１４（ｆ）に示すように符号９を基準値とした場合に、Σ９＜（Σｑ，Σｒ，Σｓ，Σｔ）となり更新終了条件を満たしている。
【０１１４】
そして、更新終了条件を満たしていると判定された場合（Ｓ５４：ＹＥＳ）には、ステップＳ５５（学習値決定手段）において、現在の基準値（図１４（ｆ）の例では符号９の位置に対応するＡ，ωの値の組み合わせ）を、パラメータＡ，ωの学習値として決定し、マップ中に記憶されているパラメータＡ，ωの値を基準値とするよう補正して学習させる。
【０１１５】
なお、上述の如く更新される基準値の初期値は、例えば存在領域の中央値を用いてもよいし、適合により設定された値を用いてもよい。また、検出波形が存在し得る範囲の波形に基づき、パラメータｐ0，Ａ，ｋ，ω，θの値が存在し得る存在範囲（図１４（ａ）中の矢印参照）を予め設定しておき、ステップＳ５２において変更するパラメータの変更範囲を、前記存在範囲に制限している。すなわち、基準値が存在範囲の境界に位置する場合には、パラメータ変更手段Ｓ５２により基準値を変更するにあたり、その境界を超えて変更することを禁止する。
【０１１６】
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。
【０１１７】
（１）図１３に示すパラメータ変更手段Ｓ５２、近似度算出手段Ｓ５３、判定手段Ｓ５４、基準値更新手段Ｓ５６、及び学習値決定手段Ｓ５５の作用によれば、例えば図１４に示す２つのパラメータＡ，ωそれぞれ１０個ずつの値の組み合わせ、つまり１０2＝１００回全てについて近似度を演算することを不要にできる。
【０１１８】
具体的には、図１４の例では、近似度を算出する回数は、符号１に対するｑ，ｒ，ｓ，ｔ、符号２に対するｑ，ｒ，ｓ，ｔ・・・符号９に対するｑ，ｒ，ｓ，ｔ、つまり４×９＝３６回となる。ちなみに、図１４の例でパラメータの数を１７個とした場合には、近似度を算出する回数は最悪でも５７８０回となり、全ての組み合わせについて演算した場合の回数１０17＝１０京回に比べて、演算処理量を大幅に減少できる。
【０１１９】
したがって、複数のパラメータｐ0，Ａ，ｋ，ω，θの全てについて存在領域全ての値をモデル式に代入して算出する場合に比べて、演算処理量の減少を図ることができる。
【０１２０】
（２）検出波形が存在し得る範囲の波形に基づき、パラメータｐ0，Ａ，ｋ，ω，θの値が存在し得る存在範囲（図１４（ａ）中の矢印参照）を予め設定しておき、ステップＳ５２において変更するパラメータの変更範囲を、前記存在範囲に制限している。よって、算出した近似度の値が発散してしまう等の演算処理上の不具合を回避できる。
【０１２１】
（第２実施形態）
上記第１実施形態では、ステップＳ５６にて更新される基準値の初期値として、存在領域の中央値等、予め設定された値を用いている。これに対し本実施形態では、後に詳述する初期値設定手段（図１５のステップＳ５１１参照）を備え、これにより近似度が高くなるような初期値に設定している。また、上記第１実施形態では、ステップＳ５４にて更新終了条件を満たしている場合にはその時の基準値をパラメータの学習値として決定している。これに対し本実施形態では、後に詳述する学習値検証手段（図１５のステップＳ５４１，Ｓ５４２，Ｓ５４３参照）を備え、これにより更新終了条件を満たした時の基準値が学習値として妥当か否かを検証している。
【０１２２】
図１５は、本実施形態によるパラメータｐ0，Ａ，ｋ，ω，θの学習手順を示すフローチャートであり、図１３と同じ処理を実行する部分には、図中同一符号を付してその説明を援用する。
【０１２３】
先ず、ステップＳ５１において、学習規範値としての検出波形を取得する。続くステップＳ５１１（初期値設定手段）では、存在範囲を複数の領域に分割し（図１６（ａ）中のＡ１，Ａ２，ω１，ω２参照）、複数の領域毎に設定された各々の代表値（例えば分割領域中の中央値Ｍ１，Ｍ２，Ｍ３，Ｍ４）の各々に対して近似度ΣＭ１，ΣＭ２，ΣＭ３，ΣＭ４を算出する。そして、これらの近似度ΣＭ１，ΣＭ２，ΣＭ３，ΣＭ４を比較し、最も近似度の高い代表値を基準値の初期値として設定する。図１６の例では、近似度ΣＭ１が最小であることから代表値Ｍ１を初期値として設定している。
【０１２４】
続くステップＳ５２では、パラメータｐ0，Ａ，ｋ，ω，θを微小区間で増大側及び減少側に変更し、続くステップＳ５３では、変更の組み合わせ毎に近似度を算出し、続くステップＳ５４では、基準値Ｍ１（図１６（ａ）での基準値は符号Ｍ１に対応するＡ，ωの値）における近似度ΣＭ１が、変更後の各々の近似度Σｑ，Σｒ，Σｓ，Σｔのいずれよりも高いとの更新終了条件を満たしているか否かを判定する。
【０１２５】
更新終了条件を満たしていないと判定された場合（Ｓ５４：ＮＯ）には、続くステップＳ５６において、各々の近似度Σｑ，Σｒ，Σｓ，Σｔのうち最小値となっているときの変更の組み合わせを、前記基準値として更新する。図１６（ｂ）では、Σｒが最小となっている場合を例示しており、符号ｒの位置に対応するＡ，ωの値の組み合わせが基準値として更新される。なお、図１６（ｃ）中の符号２は、更新後のＡ，ωの基準値に対応する位置を示す。
【０１２６】
このように更新が為されると、処理はステップＳ５２に戻り、パラメータ変更手段Ｓ５２による前記変更、近似度算出手段Ｓ５３による前記算出、及び判定手段Ｓ５４による前記判定が繰り返し実行される。図１６の例では、符号Ｍ１から符号２，３，４，５，６の位置に対応する値に基準値が順に更新されており、図１６（ｄ）に示すように符号６を基準値とした場合に、Σ６＜（Σｑ，Σｒ，Σｓ，Σｔ）となり更新終了条件を満たしている。
【０１２７】
そして、更新終了条件を満たしていると判定された場合（Ｓ５４：ＹＥＳ）には、ステップＳ５４１（大変更手段）において、パラメータ変更手段Ｓ５２で行われる変更の大きさよりも大きく基準値を変更（大変更）する。図１７は、学習値検証手段Ｓ５４１，Ｓ５４２，Ｓ５４３を実行した場合における基準値の更新状態を示す一態様であり、例えば図１７（ａ）に示す如く符号１から符号２，３，４，５，６，７，８の位置に対応する値に基準値が順に更新され、符号８の位置で更新終了条件を満たしていた場合において、大変更手段Ｓ５４１により符号ｕ１〜ｕ６のそれぞれの位置に対応する値にパラメータｐ0，Ａ，ｋ，ω，θは大変更される。図１７の例ではパラメータＡ，ωの存在範囲をＮ分割（Ｎ＝１０）した大きさをステップＳ５２における微小区間とし、ステップＳ５４１ではその微小区間よりも大きく変更させている。
【０１２８】
続くステップＳ５４２（近似度算出手段）では、モデル波形の実検出波形に対する近似度を、大変更の組み合わせ毎に算出する。続くステップＳ５４３（判定手段）では、基準値Ｍ（図１７（ｂ）での基準値は符号８に対応するＡ，ωの値）における近似度Σ８が、大変更後の各々の近似度Σｕ１〜Σｕ６のいずれよりも高いとの学習許可条件を満たしているか否かを判定する。
【０１２９】
Σｕ１〜Σｕ６の少なくとも１つがΣ８よりも近似していると判定され、学習許可条件を満たしていないと判定された場合（Ｓ５４３：ＮＯ）には、続くステップＳ５４４（基準値更新手段）において、各々の近似度Σｕ１〜Σｕ６のうち最小値となっているときの変更の組み合わせを、前記基準値として更新する。
【０１３０】
図１７（ｂ）では、Σｕ６が最小となっている場合を例示しており、符号ｕ６の位置に対応するＡ，ωの値の組み合わせが基準値として更新される。このように更新が為されると、処理はステップＳ５２に戻り、パラメータ変更手段Ｓ５２による前記変更、近似度算出手段Ｓ５３による前記算出、及び判定手段Ｓ５４による前記判定が繰り返し実行される。
【０１３１】
したがって、図１７の例では、符号１から符号８の位置に対応する値に基準値が順次変更された後、符号８に対応する基準値に対して更新終了条件を満たし、その後ｕ６の位置に大変更、更新されている。そして、図１７（ｃ）に示す如く符号ｕ６に対応する基準値に対して、符号ｑ，ｒ，ｓ，ｔの位置に対応する値に変更され、各々の近似度Σｑ，Σｒ，Σｓ，Σｔが算出され、近似度Σｕ６と、各々の近似度Σｑ，Σｒ，Σｓ，Σｔとの比較に基づき更新終了条件を満たしているか否かが判定されている。図１７（ｃ）の例では、符号ｕ６から符号ｔの位置に対応する値に基準値が更新されており、図１７（ｄ）に示すように符号９を基準値とした場合に、Σ９＜（Σｑ，Σｒ，Σｓ，Σｔ）となり更新終了条件を満たしている。
【０１３２】
一方、ステップＳ５４３にて学習許可条件を満たしていると判定された場合（Ｓ５４３：ＹＥＳ）には、続くステップＳ５５（学習値決定手段）において、現在の基準値（図１７（ｄ）の例では符号９の位置に対応するＡ，ωの値の組み合わせ）を、パラメータＡ，ωの学習値として決定し、マップ中に記憶されているパラメータＡ，ωの値を基準値とするよう補正して学習させる。
【０１３３】
このようにして、更新終了条件を満たしている場合であっても、基準値を大変更させて学習許可条件を満たしているか否かを判定し、学習許可条件を満たしていなければ（Ｓ５４３：ＮＯ）、大変更前の基準値を学習値として決定することを禁止する。そして、前記禁止を行った場合には、大変更後のパラメータの値（図１７の例では符号ｕ６の位置に対応するＡ，ωの値の組み合わせ）を基準値として再度更新する。
【０１３４】
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。
【０１３５】
（１）更新終了条件を満たしている場合（Ｓ５４：ＹＥＳ）であっても、基準値を大変更させて学習許可条件を満たしていなければ（Ｓ５４３：ＮＯ）、大変更前の基準値を学習値として決定することを禁止する。そのため、先述した図１８に例示される如く、パラメータωの値がω８にて更新終了条件を満たしている場合であっても、パラメータωの値をω８からωｕ４まで大変更し、近似度Σｕ４が近似度Σω８より高い場合にはω８を学習値として決定することが禁止される。よって、図１８に示すようにω＝ωｕ４，ωｕ５，ωｕ６の近似度Σｕ４，Σｕ５，Σｕ６の方がΣ８よりも近似度が高い場合において、符号８の位置に対応するＡ，ωの値の組み合わせを学習値として学習してしまうことによる学習精度低下を回避できる。
【０１３６】
（２）前記禁止を行った場合には、大変更後のパラメータの値（図１７の例ではｕ６、図１８の例ではωｕ４）を基準値として更新するので、その後、図１８の例ではωｕ５，ωｕ６と順に変更、更新され、より近似度が高くなるようパラメータの値が学習されるので、学習精度を向上できる。
【０１３７】
（第３実施形態）
上記第２実施形態では、大変更前の符号８に対応する基準値における近似度Σ８が、大変更後の各々の近似度Σｕ１〜Σｕ６のいずれよりも高いか否かに基づき、学習許可条件を満たしているか否かを判定し、学習を禁止するか否かを判定している。これに対し本実施形態では、ステップＳ５４１と同様にして大変更（第１変更）させた後、大変更前の基準値に対してさらに大きく変更（第２変更）させる。つまり、図１８の例では、基準値ω８からωｕ４に第１変更してωｕ４における近似度Σｕ４を算出するとともに、基準値ω８からωｕ５に第２変更してωｕ５における近似度Σｕ５を算出する。そして、Σｕ５の近似度がΣｕ４より高い（つまりΣｕ５＜Σｕ４）場合には学習を禁止する。すなわち、Σｕ５≧Σｕ４であることを学習許可条件としている。
【０１３８】
ここで、図１８の例において、仮にΣω８の方がΣｕ４より近似度が高かったとしても、ω８からωｕ４への変更よりもさらに大きくω８からωｕ５へ変更した場合において、Σｕ４よりもΣｕ５の方が近似度が高くなっていれば、Σω８よりも高い近似度となるパラメータωが見つかる可能性があると言える。
【０１３９】
この点を鑑みた本実施形態では、基準値から大きく離れた領域において、基準値から離れるほど近似度が高くなる領域の有無を学習許可条件として判定するので、高い近似度となるパラメータωの値を見つける確実性を高めることができ、ひいては学習精度の低下を回避できる。そして、前記禁止を行った場合には、第２変更後のパラメータの値を基準値として更新するので、その後ｕ６へと変更、更新され、より近似度が高くなるようパラメータの値が学習されるので、学習精度をより一層向上できる。
【０１４０】
（他の実施形態）
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。また、本発明は上記実施形態の記載内容に限定されず、各実施形態の特徴的構成をそれぞれ任意に組み合わせるようにしてもよい。
【０１４１】
・上記第１実施形態のパラメータ変更手段Ｓ５２では、増大側及び減少側へ変更するにあたりその変更量を一定の値としている。これに対し、基準値更新手段Ｓ５６による更新の回数が多くなるほど、前記変更量を小さくするようにしてもよい。これによれば、更新終了条件を満たすに至るまで基準値を初期値から更新していくにあたり、更新の初期段階から終了段階まで変更量を一律に小さくする場合に比べて更新回数を少なくできる。また、更新の初期段階から終了段階まで変更量を一律に大きくする場合に比べて、更新終了条件を満たした時点における基準値の近似度を高めることができ、学習精度を向上できる。つまり、更新回数の減少と学習精度向上との両立を図ることができる。
【０１４２】
例えば、上記第１実施形態のパラメータ変更手段Ｓ５２では、パラメータの存在範囲をＮ分割（図１４の例では１０分割）して得られる大きさで、増大側及び減少側への変更を実施している。これに対し、基準値更新手段Ｓ５６による更新の回数が多くなるほど、前記Ｎ分割数を多くするようにすれば、上述の如く変更量を可変設定できる。
【０１４３】
・上記第１実施形態では、ステップＳ５１において、無噴射減速運転期間中に単段微小噴射を実施し、その時の検出波形を学習規範値として取得しているが、要するに、図８に示す如く他の噴射による燃圧変動があまり干渉していない状態の燃圧波形を取得できれば、その状態の部分の検出波形を学習規範値としてもよい。したがって、例えば図７に示す如く複数の噴射が重畳している波形であっても、そのうちの重畳度合いの低い部分を抽出して学習規範値とするようにしてもよい。
【０１４４】
・パラメータｐ0，Ａ，ｋ，ω，θを学習させるにあたり、エンジンの運転状態毎にその状態に応じて学習させれば、運転状態に応じた最適なモデル式にすることができるので、モデル式の近似度を向上できる。なお、上記運転状態の具体例としては、エンジン回転速度ＮＥ、内燃機関の負荷（例えば燃料の指令噴射量や運転者によるアクセル操作量等）、燃料温度、コモンレール１２内の燃料圧力、燃料ポンプ１１からコモンレール１２への燃料供給量等が挙げられる。
【０１４５】
・図１６に示す如くパラメータの存在範囲を複数の領域に分割した場合において、その分割領域毎に、パラメータ変更手段Ｓ５２による前記変更、近似度算出手段Ｓ５３による前記算出、判定手段Ｓ５４による前記判定、基準値更新手段Ｓ５６による前記更新、及び学習値決定手段Ｓ５５による前記決定を実行し、各々の領域で決定された学習値のうち最も近似度が高くなるパラメータ値の組み合わせを最終的な学習値として決定するようにしてもよい。
【０１４６】
・上記各実施形態では、パラメータ変更手段Ｓ５２によりパラメータｐ0，Ａ，ｋ，ω，θを微小区間で増大側及び減少側に微小区間の大きさで変更するにあたり、各パラメータｐ0，Ａ，ｋ，ω，θの存在範囲をＮ分割して得られた大きさを前記微小区間としている。ここで、各パラメータｐ0，Ａ，ｋ，ω，θにおける分割数Ｎを同じとしてもよいし、パラメータｐ0，Ａ，ｋ，ω，θ毎に異なる分割数Ｎとなるように微小区間を設定してもよい。
【０１４７】
・燃圧センサ２０ａをインジェクタ２０に取り付けるにあたり、上記実施形態では、インジェクタ２０の燃料流入口２２に燃圧センサ２０ａを取り付けているが、図２中の一点鎖線２００ａに示すようにハウジング２０ｅの内部に燃圧センサ２００ａを組み付けて、燃料流入口２２から噴射孔２０ｆに至るまでの内部燃料通路２５の燃料圧力を検出するように構成してもよい。
【０１４８】
そして、上述の如く燃料流入口２２に取り付ける場合には、ハウジング２０ｅの内部に取り付ける場合に比べて燃圧センサ２０ａの取付構造を簡素にできる。一方、ハウジング２０ｅの内部に取り付ける場合には、燃料流入口２２に取り付ける場合に比べて燃圧センサ２０ａの取り付け位置が噴射孔２０ｆに近い位置となるので、噴射孔２０ｆでの圧力変動をより的確に検出することができる。
【０１４９】
・コモンレール１２と高圧配管１４との間に、コモンレール１２から高圧配管１４に流れる燃料の流量を制限する流量制限手段を備えてもよい。この流量制限手段は、高圧配管１４やインジェクタ２０等の損傷による燃料漏れにより過剰な燃料流出が発生した時に、流路を閉塞するよう機能するものであり、例えば過剰流量時に流路を閉塞するように作動するボール等の弁体により構成することが具体例として挙げられる。なお、オリフィス１２ａ（燃料脈動軽減手段）と流量制限手段とを一体に構成したフローダンパを採用してもよい。
【０１５０】
・また、燃圧センサ２０ａをオリフィス及び流量制限手段の燃料流れ下流側に配置する構成の他に、オリフィス及び流量制限手段の少なくとも一方に対して下流側に配置するよう構成してもよい。
【図面の簡単な説明】
【０１５１】
【図１】本発明の第１実施形態に係る学習装置が適用された、燃料系システムの概略を示す構成図。
【図２】図１の燃料噴射弁の内部構造を模式的に示す内部側面図。
【図３】図１のシステムに係る燃料噴射制御処理の基本的な手順を示すフローチャート。
【図４】図１の燃圧センサの検出圧力に基づく燃料噴射量推定の処理手順を示すフローチャート。
【図５】図１の燃圧センサによる検出圧力の変動波形と噴射率推移波形との関係を示す、単段噴射実行時におけるタイミングチャート。
【図６】（ａ）、（ｂ）及び（ｃ）は、それぞれ本実施形態に係る噴射特性の検出態様を示すタイミングチャート。
【図７】（ａ）及び（ｂ）は、それぞれ本実施形態に係る噴射特性の検出態様を示すタイミングチャート。
【図８】（ａ）及び（ｂ）は、それぞれ本実施形態に係る噴射特性の検出態様を示すタイミングチャート。
【図９】（ａ）及び（ｂ）は、それぞれ本実施形態に係る噴射特性の検出態様を示すタイミングチャートであり、実線は図７の波形、点線は図８の波形を示す。
【図１０】（ａ）及び（ｂ）は、それぞれ本実施形態に係る噴射特性の検出態様を示すタイミングチャートであり、図７の波形から図８の波形を差し引いて得られた波形を示す図。
【図１１】図８に示す波形を表したモデル式を複数の減衰振動方程式を重ね合わせた導出するにあたり、それら複数の減衰振動方程式を説明するための模式図。
【図１２】モデル波形と検出波形とのずれ量を示すとともに、近似度を算出するための最小二乗法の考え方を説明するための図。
【図１３】モデル式に含まれる複数のパラメータｐ0，Ａ，ｋ，ω，θを学習させるための手順を示すフローチャート。
【図１４】図１３におけるパラメータ変更手段及び基準値更新手段を説明する図。
【図１５】本発明の第２実施形態において、モデル式に含まれる複数のパラメータｐ0，Ａ，ｋ，ω，θを学習させるための手順を示すフローチャート。
【図１６】第２実施形態において、モデル式に含まれる複数のパラメータｐ0，Ａ，ｋ，ω，θを学習させるための手順を説明する図。
【図１７】本発明の第３実施形態において、モデル式に含まれる複数のパラメータｐ0，Ａ，ｋ，ω，θを学習させるための手順を説明する図。
【図１８】上記第３実施形態の作用を説明する図であり、１つのパラメータωについての変化と近似度との関係を例示する図。
【符号の説明】
【０１５２】
１２…コモンレール（蓄圧容器）、２０…インジェクタ（燃料噴射弁）、２０ａ，２００ａ…燃圧センサ、２０ｆ…噴射孔、３０…ＥＣＵ（学習装置、記憶手段）、Ｓ５２…パラメータ変更手段、Ｓ５３…近似度算出手段、Ｓ５４…判定手段、Ｓ５５…学習値決定手段、Ｓ５６…基準値更新手段。
【技術分野】
【０００１】
本発明は、センサの検出波形を数式で表したモデル式に含まれる複数のパラメータの値を学習する学習装置、及びその学習装置を備えた燃料噴射システムに関する。
【背景技術】
【０００２】
内燃機関の出力トルク及びエミッション状態を精度良く制御するには、燃料噴射弁から噴射される燃料の噴射量及び噴射開始時期等、その噴射形態を精度良く制御することが重要である。そこで従来より、噴射に伴い変動する燃料の圧力を検出することで、実際の噴射形態を検出する技術が提案されている。
【０００３】
例えば、噴射に伴い燃圧が下降を開始した時期を検出することで実際の噴射開始時期を検出したり、噴射に伴い生じた燃圧の下降量を検出することで実際の噴射量を検出することを図っている。このように実際の噴射形態を検出できれば、その検出値に基づき噴射形態を精度良く制御することができる。
【０００４】
このような燃圧の変動を検出するにあたり、コモンレール（蓄圧容器）に直接設置された燃圧センサ（レール圧センサ）では、噴射に伴い生じた燃圧変動がコモンレール内で緩衝されてしまうため、正確な燃圧変動を検出することができない。そこで特許文献１記載の発明では、燃圧センサを、コモンレールから燃料噴射弁に燃料を供給する高圧配管のうちコモンレールとの接続部分に設置することで、噴射に伴い生じた燃圧変動がコモンレール内で緩衝する前に、その燃圧変動を検出することを図っている。
【特許文献１】特開２０００−２６５８９２号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
ところで、１燃焼サイクルあたりに燃料噴射を複数回行う多段噴射を実施する場合には次の点に留意する必要がある。すなわち、燃圧センサにより検出される波形のうちｎ回目噴射に対応する部分の検出波形（図７（ｂ）参照）には、ｎ回目より前のｍ回目噴射（図７の例ではｍ＝n−１）に起因して生じる波形成分（図８（ｂ）参照）が重畳している。
【０００６】
そこで本発明者は、燃圧センサにより検出された波形からｍ回目噴射に起因して生じる波形成分を差し引くことで、ｎ回目噴射に起因した波形成分を抽出し、その抽出した波形成分に基づき実際の噴射形態を検出することを検討した。具体的には、ｍ回目噴射波形成分を数式で表したモデル式を予め記憶させておき、モデル式により表されるモデル波形を燃圧センサによる検出波形から差し引く。
【０００７】
さらに本発明者は、モデル波形を実波形に近づけるよう、モデル式に含まれる複数のパラメータの値を学習することを検討した。具体的には、パラメータの存在領域全ての値をモデル式に順次代入していき、モデル波形が実波形に最も近くなるようなパラメータ値の組み合わせを算出する。そして、このように算出した各々のパラメータ値を学習値として記憶更新させる。
【０００８】
しかしながら、このように複数のパラメータの全てについて存在領域全ての値をモデル式に代入して算出しようとすると、そのパラメータの組み合わせ数は膨大となるため、前記算出に要する演算処理量が膨大となる。例えばパラメータの数が１７個で１つのパラメータにつき１０通りの値を演算する場合には、１０17＝１０京回の演算を要する。
【０００９】
なお、このような演算処理量膨大化の課題は、燃料圧力の変化を検出する燃圧センサを背景としたものに限らず、物理量変化を検出するセンサ全てについて同様に生じるものである。
【００１０】
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、演算処理量の減少を図った学習装置及び燃料噴射システムを提供することにある。
【課題を解決するための手段】
【００１１】
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。
【００１２】
請求項１記載の発明は、
物理量変化を検出するセンサの検出波形について、その検出波形を数式で表したモデル式が記憶された記憶手段を備え、前記モデル式により表されるモデル波形の実検出波形に対する近似度を高めるよう、前記モデル式に含まれる複数のパラメータの値を学習する学習装置において、
前記複数のパラメータを、そのパラメータ毎に設定された基準値に対して増大側及び減少側のそれぞれに変更するパラメータ変更手段と、
前記複数のパラメータについて前記変更の組み合わせ毎に前記近似度を算出する近似度算出手段と、
前記複数のパラメータを前記基準値とした場合における前記近似度が、前記パラメータを前記変更した値とした場合における各々の前記近似度のいずれよりも高いとの更新終了条件を満たしているか否かを判定する判定手段と、
前記更新終了条件を満たしていない場合に、前記変更した値に対応する各々の前記近似度のうち最も近似度が高くなっているときの前記変更の組み合わせを、前記基準値として更新する基準値更新手段と、
前記更新終了条件を満たしている場合に、各々の前記基準値を前記複数のパラメータの学習値として決定する学習値決定手段と、
を備え、
前記基準値更新手段により更新される毎に、前記パラメータ変更手段による前記変更、前記近似度算出手段による前記算出、及び前記判定手段による前記判定を繰り返し実行することを特徴とする学習装置である。
【００１３】
これによれば、「複数のパラメータの全てについて存在領域全ての値をモデル式に代入して算出する場合に比べて、演算処理量の減少を図ることができる。」その理由を、図１４に示す場合を一例として以下に説明する。図１４の例では、パラメータがＡ，ωの２つであり、各々のパラメータＡ，ωの存在領域を１０個の領域に分割している。したがってこの場合、従来の学習装置では１０2＝１００回の演算を要することとなる。
【００１４】
これに対し上記請求項１記載の発明によれば、以下の如く演算されることとなる。すなわち、例えば符号１の位置に対応するＡ，ωの値を基準値とした場合に、その基準値に対して増大側及び減少側のそれぞれにＡ，ωの値が変更される（パラメータ変更手段による作用）。つまり、パラメータＡについては符号ｑ，ｒの位置に対応する値に変更され、パラメータωについては符号ｓ，ｔの位置に対応する値に変更される。
【００１５】
次に、モデル波形の実検出波形に対する近似度が、変更の組み合わせ毎に算出される（近似度算出手段による作用）。つまり、符号ｑの位置に対応するＡ，ωの値がモデル式に代入されてその場合の近似度が算出され、符号ｒ，ｓ，ｔについても同様にして各々の近似度が算出される。以下、符号ｘにおける近似度をΣｘと記載する。
【００１６】
次に、基準値（符号１に対応するＡ，ωの値）における近似度Σ１が、各々の近似度Σｑ，Σｒ，Σｓ，Σｔのいずれよりも高いとの更新終了条件を満たしているか否かが判定される（判定手段による作用）。
【００１７】
次に、更新終了条件を満たしていない場合に、各々の近似度Σｑ，Σｒ，Σｓ，Σｔのうち最も近似度が高くなっているときの変更の組み合わせが、前記基準値として更新される（基準値更新手段による作用）。図１４（ａ）では、Σｒの近似度が最も高くなっている場合を例示しており、符号ｒの位置に対応するＡ，ωの値の組み合わせが基準値として更新される。なお、図１４（ｂ）中の符号２は、更新後のＡ，ωの基準値に対応する位置を示す。
【００１８】
このように更新が為されると、前記パラメータ変更手段による前記変更、前記近似度算出手段による前記算出、及び前記判定手段による前記判定が繰り返し実行される。したがって、図１４の例では、符号１から符号２の位置に対応する値に基準値が変更された後、図１４（ｃ）に示す如く符号２に対応する基準値に対して、符号ｑ，ｒ，ｓ，ｔの位置に対応する値に変更され、各々の近似度Σｑ，Σｒ，Σｓ，Σｔが算出され、近似度Σ１と、各々の近似度Σｑ，Σｒ，Σｓ，Σｔとの比較に基づき更新終了条件を満たしているか否かが判定される。図１４（ｃ）の例では、符号ｔの位置に対応するＡ，ωの値の組み合わせが基準値として更新され、図１４（ｄ）では、更新後のＡ，ωの基準値に対応する位置を符号３で表している。
【００１９】
そして、更新終了条件を満たしている場合には、その時の基準値をパラメータＡ，ωの学習値として決定する（学習値決定手段による作用）。図１４（ｆ）の例では、符号１〜９まで基準値を順に更新していき、近似度Σ９と、符号９に対して変更した符号ｑ，ｒ，ｓ，ｔの位置に対応する値の近似度Σｑ，Σｒ，Σｓ，Σｔとを比較した結果、Σ９の近似度が最も高いため更新を終了し、符号９の位置に対応するＡ，ωの値が学習値として決定される。
【００２０】
以上により、上記パラメータ変更手段、前記近似度算出手段、前記判定手段、基準値更新手段、及び学習値決定手段の作用によれば、近似度を算出するにあたり、１０2＝１００回全てについて演算することを不要にできる。具体的には、図１４の例では、近似度を算出する回数は、符号１に対するｑ，ｒ，ｓ，ｔ、符号２に対するｑ，ｒ，ｓ，ｔ・・・符号９に対するｑ，ｒ，ｓ，ｔ、つまり４×９＝３６回となる。ちなみに、図１４の例でパラメータの数を１７個とした場合には、近似度を算出する回数は最悪でも５７８０回となり、全ての組み合わせについて演算した場合の回数１０17＝１０京回に比べて、演算処理量を大幅に減少できる。
【００２１】
したがって、上記請求項１記載の発明によれば、「複数のパラメータの全てについて存在領域全ての値をモデル式に代入して算出する場合に比べて、演算処理量の減少を図ることができる。」と言うことができる。
【００２２】
請求項２記載の発明では、前記検出波形が存在し得る範囲の波形に基づき、前記パラメータの値が存在し得る存在範囲を予め設定しておき、前記存在範囲を複数の領域に分割し、前記複数の領域毎に設定された各々の代表値に対して算出された前記近似度を比較し、最も近似度の高い代表値を、前記基準値更新手段による更新に先立ち設定される前記基準値の初期値とすることを特徴とする。
【００２３】
これによれば、基準値の初期値を更新終了条件を満たす値に近い値にできるので、更新終了条件を満たすに至るまで基準値を初期値から更新していくにあたり、その更新回数を少なくできる。よって、近似度を算出する回数をより一層減少でき、さらなる演算処理量の減少を図ることができる。
【００２４】
請求項３記載の発明では、前記パラメータ変更手段により前記変更を実施するに先立って用いられる前記複数のパラメータの初期値は、既知の物理量変化に対する前記センサの検出波形を試験により計測し、その試験結果に基づき設定されていることを特徴とする。
【００２５】
これによれば、基準値の初期値を更新終了条件を満たす値に近い値にできるので、更新終了条件を満たすに至るまで基準値を初期値から更新していくにあたり、その更新回数を少なくできる。よって、近似度を算出する回数をより一層減少でき、さらなる演算処理量の減少を図ることができる。
【００２６】
請求項４記載の発明では、前記検出波形が存在し得る範囲の波形に基づき、前記パラメータの値が存在し得る存在範囲を予め設定しておき、前記パラメータ変更手段は、前記存在範囲をＮ分割して得られる大きさで、前記増大側及び前記減少側への変更を行うことを特徴とする。
【００２７】
請求項５記載の発明では、前記パラメータ変更手段は、前記基準値更新手段による更新の回数が多くなるほど、前記変更の量を小さくすることを特徴とする。
【００２８】
これによれば、更新終了条件を満たすに至るまで基準値を初期値から更新していくにあたり、更新の初期段階から終了段階まで変更量を一律に小さくする場合に比べて、更新回数を少なくできる。また、更新の初期段階から終了段階まで変更量を一律に大きくする場合に比べて、更新終了条件を満たした時点における基準値の近似度を高めることができ、学習精度を向上できる。つまり、更新回数の減少と学習精度向上との両立を図ることができる。なお、上記請求項５を実施するにあたり、例えば更新の回数が多くなるほど、請求項４記載のＮ分割数を多くすることが具体例として挙げられる。
【００２９】
請求項６記載の発明では、前記検出波形が存在し得る範囲の波形に基づき、前記パラメータの値が存在し得る存在範囲を予め設定しておき、前記パラメータ変更手段による前記変更の範囲を、前記存在範囲に制限することを特徴とする。そのため、算出した近似度の値が発散してしまう等の演算処理上の不具合を回避できる。
【００３０】
ところで、図１８は、１つのパラメータωについての変化と近似度との関係を例示する図であり、例えば、パラメータωの値をω５，ω６，ω７，ω８，ω９と順に変更させた場合において、近似度がΣ５，Σ６，Σ７，Σ８と順に高くなったため、パラメータωについての基準値がω５，ω６，ω７，ω８と順に更新される状況を示している。ここで、Σ９よりΣ８の方が近似度が高いため、ω８にて更新終了条件を満たすこととなるが、その場合であっても、図１８に示すようにω＝ωｕ４，ωｕ５，ωｕ６の近似度Σｕ４，Σｕ５，Σｕ６の方がΣ８よりも近似度が高い場合が有り得る。よって、このような場合にω８を学習値として決定しては、学習精度が低下してしまう。
【００３１】
この点を鑑みた請求項７記載の発明では、前記更新終了条件を満たしている場合に、前記パラメータ変更手段で行われる変更の大きさよりも大きく前記基準値を大変更し、その大変更後のパラメータについて算出された前記近似度が、前記大変更前のパラメータについて算出された前記近似度の所定範囲よりも高い場合には、前記学習値決定手段において前記基準値を前記学習値に決定することを禁止することを特徴とする。
【００３２】
そのため、例えば図１８の如くω８にて更新終了条件を満たしている場合であっても、パラメータωの値をω８からωｕ４まで大変更し、近似度Σｕ４が近似度Σω８より高い場合にはω８を学習値として決定することを禁止するので、上述の如く学習精度が低下することを回避できる。
【００３３】
なお、上記請求項７中に記載の「大変更後のパラメータについて算出された前記近似度（大変更後の近似度）が、前記大変更前のパラメータについて算出された前記近似度（大変更前の近似度）の所定範囲よりも高い場合」との条件は、前記所定範囲をゼロとした場合には「大変更後の近似度が大変更前の近似度よりも高い場合」という旨を意味する。また、大変更後の近似度が大変更前の近似度よりも低い場合であっても、所定範囲内であれば前記条件を満たすこととなる。
【００３４】
そして、請求項８記載の如く、前記禁止を行った場合には、前記大変更後のパラメータの値を前記基準値として更新すれば、その後、ｕ５，ｕ６と順に変更、更新され、より近似度が高くなるようパラメータの値が学習されるので、学習精度を向上できる。
【００３５】
また、図１８の例では近似度Σｕ４がΣω８より高くなっているが、仮にΣω８の方がΣｕ４より近似度が高かったとしても、ω８からωｕ４への変更よりもさらに大きくω８からωｕ５へ変更した場合において、Σｕ４よりもΣｕ５の方が近似度が高くなっていれば、Σω８よりも高い近似度となるパラメータωが見つかる可能性があると言える。
【００３６】
この点を鑑みた請求項９記載の発明では、前記更新終了条件を満たしている場合には、前記パラメータ変更手段で行われる変更の大きさよりも大きく前記基準値を第１変更するとともに、前記第１変更よりもさらに大きく前記基準値を第２変更し、前記第２変更後の前記近似度が、前記第１変更後の前記近似度の所定範囲よりも高い場合には、前記学習値決定手段において前記基準値を前記学習値に決定することを禁止することを特徴とする。そのため、高い近似度となるパラメータωを見つける確実性を高めることができ、ひいては学習精度の低下を回避できる。
【００３７】
なお、上記請求項９中に記載の「前記第２変更後の前記近似度が、前記第１変更後の前記近似度の所定範囲よりも高い場合」との条件は、前記所定範囲をゼロとした場合には「第２変更後の近似度が第１変更後の近似度よりも高い場合」という旨を意味する。また、第２変更後の近似度が第１変更後の近似度よりも低い場合であっても、所定範囲内であれば前記条件を満たすこととなる。
【００３８】
そして、請求項１０記載の如く、前記禁止を行った場合には、前記第２変更後のパラメータの値を前記基準値として更新すれば、その後ｕ６へと順に変更、更新され、より近似度が高くなるようパラメータの値が学習されるので、学習精度を向上できる。
【００３９】
請求項１１記載の発明では、前記モデル波形と前記実検出波形とのずれ量を波形中の複数個所で演算し、その演算により得られた複数のずれ量の総和を前記近似度とし、前記総和の値が小さいほど近似度が高いとすることを特徴とする。このように最小二乗法を用いれば、近似度を容易に演算することができ、好適である。
【００４０】
請求項１２記載の発明は、前記センサは、燃料を蓄圧する蓄圧容器から複数の燃料噴射弁へ燃料を分配供給するよう構成された内燃機関に搭載され、前記燃料噴射弁に供給される燃料の圧力を前記物理量変化として検出する燃圧センサであり、前記燃圧センサは、前記蓄圧容器から前記燃料噴射弁の噴射孔に至るまでの燃料通路のうち前記蓄圧容器に対して前記噴射孔に近い側に配置されており、前記燃圧センサと上記学習装置とを備えることを特徴とする燃料噴射システムである。
【００４１】
このような燃圧センサでは高精度な学習が要求されるので、演算処理量の減少を図ることができる上記学習装置を適用すれば、例えばパラメータ変更手段による変更の大きさを小さくすることで、高精度な学習を容易に実現でき、好適である。
【００４２】
また、燃圧センサを用いた制御の一例として、請求項１３記載の発明が挙げられる。すなわち、１燃焼サイクルあたりに燃料噴射を複数回行う多段噴射を実施するにあたり、前記検出波形のうちｎ回目噴射に対応する部分の波形から、ｎ回目より前のｍ回目噴射に起因した波形成分を差し引くことで、ｎ回目噴射に起因した波形成分を抽出する抽出手段を備え、前記抽出手段は、前記学習装置により学習されたパラメータによる前記モデル波形を、前記ｍ回目噴射に起因した波形成分とすることを特徴とする。
【００４３】
ところで、近似度が最も高くなる複数のパラメータ値の組み合わせは、内燃機関の運転状態に応じて異なってくる。そこで請求項１４記載の発明では、前記学習装置は、前記内燃機関の運転状態に応じて、その運転状態毎に前記複数のパラメータの値を学習することを特徴とするので、近似度が高くなるよう学習の精度を向上できる。なお、上記運転状態の具体例としては、出力軸（クランク軸）の回転速度、内燃機関の負荷、燃料温度、蓄圧容器内の燃料圧力等が挙げられる。
【発明を実施するための最良の形態】
【００４４】
以下、本発明を具体化した各実施形態を図面に基づいて説明する。なお、以下の各実施形態相互において、互いに同一もしくは均等である部分には、図中、同一符号を付しており、同一符号の部分についてはその説明を援用する。
【００４５】
（第１実施形態）
先ず、本実施形態に係る学習装置が搭載されるエンジン（内燃機関）の概略について、簡単に説明する。本実施形態では、４輪自動車用ディーゼルエンジン（内燃機関）を対象にしており、燃焼室に直接的に高圧燃料（例えば噴射圧力「１０００気圧」以上の軽油）を噴射供給（直噴供給）する方式のエンジンである。また、当該エンジンは、多気筒（例えば直列４気筒）の４ストローク、レシプロ式ディーゼルエンジン（内燃機関）を想定しており、４つのシリンダ＃１〜＃４について、それぞれ吸入・圧縮・燃焼・排気の４行程による１燃焼サイクルが「７２０°ＣＡ」周期で、詳しくは例えば各シリンダ間で「１８０°ＣＡ」ずらしてシリンダ＃１，＃３，＃４，＃２の順に逐次実行される。
【００４６】
次に、エンジンの燃料系について説明する。
【００４７】
図１は、本実施形態に係るコモンレール式燃料噴射システムの構成図である。このシステムに備えられたＥＣＵ３０（電子制御ユニット）は、吸入調整弁１１ｃに対する電流供給量を調整して燃料ポンプ１１の燃料吐出量を所望の値に制御することで、コモンレール１２（蓄圧容器）内の燃料圧力（燃圧センサ２０ａにて測定される時々の燃料圧力）を目標値（目標燃圧）にフィードバック制御（例えばＰＩＤ制御）している。そして、その燃料圧力に基づいて、対象エンジンの所定シリンダに対する燃料噴射量、ひいては同エンジンの出力（出力軸の回転速度やトルク）を所望の大きさに制御している。
【００４８】
燃料供給系を構成する諸々の装置は、燃料上流側から、燃料タンク１０、燃料ポンプ１１、コモンレール１２、及びインジェクタ２０（燃料噴射弁）の順に配設されている。燃料ポンプ１１は、対象エンジンの出力によって駆動される高圧ポンプ１１ａ及び低圧ポンプ１１ｂを有し、低圧ポンプ１１ｂによって上記燃料タンク１０から汲み上げられた燃料を、高圧ポンプ１１ａにて加圧して吐出するように構成されている。そして、高圧ポンプ１１ａに送られる燃料圧送量、ひいては燃料ポンプ１１の燃料吐出量は、燃料ポンプ１１の燃料吸入側に設けられた吸入調整弁（ＳＣＶ：Suction Control Valve）１１ｃによって調量される。すなわち、この燃料ポンプ１１では、吸入調整弁１１ｃの駆動電流量（ひいては弁開度）を調整することで、同ポンプ１１からの燃料吐出量を所望の値に制御する。
【００４９】
低圧ポンプ１１ｂは、例えばトロコイド式のフィードポンプとして構成されている。これに対し高圧ポンプ１１ａは、例えばプランジャポンプからなり、図示しない偏心カムにて所定のプランジャ（例えば３本のプランジャ）をそれぞれ軸方向に往復動させることにより加圧室に送られた燃料を逐次所定のタイミングで圧送するように構成されている。
【００５０】
燃料タンク１０の燃料は、燃料ポンプ１１によりコモンレール１２へ加圧供給（圧送）された後、高圧状態でコモンレール１２に蓄えられる。その後、シリンダ毎に設けられた高圧配管１４を通じて、各シリンダ＃１〜＃４のインジェクタ２０へそれぞれ分配供給される。これらインジェクタ２０（＃１）〜（＃４）の燃料排出口２１は、それぞれ余分な燃料を燃料タンク１０へ戻すための配管１８とつながっている。また、コモンレール１２と高圧配管１４との間には、コモンレール１２から高圧配管１４に流れる燃料の圧力脈動を減衰させるオリフィス１２ａ（燃料脈動軽減手段）が備えられている。
【００５１】
図２に、上記インジェクタ２０の詳細構造を示す。なお、上記４つのインジェクタ２０（＃１）〜（＃４）は基本的には同様の構造（例えば図２に示す構造）となっている。いずれのインジェクタ２０も、燃焼用のエンジン燃料（燃料タンク１０内の燃料）を利用した油圧駆動式の燃料噴射弁であり、燃料噴射に際しての駆動動力の伝達が油圧室Ｃｄ（制御室）を介して行われる。同図２に示されるように、このインジェクタ２０は、非通電時に閉弁状態となるノーマリクローズ型の燃料噴射弁として構成されている。
【００５２】
インジェクタ２０のハウジング２０ｅに形成された燃料流入口２２には、コモンレール１２から送られてくる高圧燃料が流入し、流入した高圧燃料の一部は油圧室Ｃｄに流入し、他は噴射孔２０ｆに向けて流れる。油圧室Ｃｄには制御弁２３により開閉されるリーク孔２４が形成されており、制御弁２３によりリーク孔２４が開放されると、油圧室Ｃｄの燃料はリーク孔２４から燃料排出口２１を経て燃料タンク１０に戻される。
【００５３】
このインジェクタ２０の燃料噴射に際しては、二方電磁弁を構成するソレノイド２０ｂに対する通電状態（通電／非通電）に応じて制御弁２３を作動させることで、油圧室Ｃｄの密閉度合、ひいては同油圧室Ｃｄの圧力（ニードル弁２０ｃの背圧に相当）が増減される。そして、その圧力の増減により、スプリング２０ｄ（コイルばね）の伸張力に従って又は抗して、ニードル弁２０ｃがハウジング２０ｅ内を往復動（上下）することで、噴射孔２０ｆ（必要な数だけ穿設）までの燃料供給通路２５が、その中途（詳しくは往復動に基づきニードル弁２０ｃが着座又は離座するテーパ状のシート面）で開閉される。
【００５４】
ここで、ニードル弁２０ｃの駆動制御は、オンオフ制御を通じて行われる。すなわち、ニードル弁２０ｃの駆動部（上記二方電磁弁）には、ＥＣＵ３０からオンオフを指令するパルス信号（通電信号）が送られる。そして、パルスオン（又はオフ）によりニードル弁２０ｃがリフトアップして噴射孔２０ｆが開放され、パルスオフ（又はオン）によりリフトダウンして噴射孔２０ｆが閉塞される。
【００５５】
ちなみに、上記油圧室Ｃｄの増圧処理は、コモンレール１２からの燃料供給によって行われる。他方、油圧室Ｃｄの減圧処理は、ソレノイド２０ｂへの通電により制御弁２３を作動させてリーク孔２４を開放させることによって行われる。これにより、当該インジェクタ２０と燃料タンク１０とを接続する配管１８（図１）を通じてその油圧室Ｃｄ内の燃料が上記燃料タンク１０へ戻される。つまり、油圧室Ｃｄ内の燃料圧力を制御弁２３の開閉作動により調整することで、噴射孔２０ｆを開閉するニードル弁２０ｃの作動が制御される。
【００５６】
このように、上記インジェクタ２０は、弁本体（ハウジング２０ｅ）内部での所定の往復動作に基づいて噴射孔２０ｆまでの燃料供給通路２５を開閉（開放・閉鎖）することにより当該インジェクタ２０の開弁及び閉弁を行うニードル弁２０ｃを備える。そして、非駆動状態では、定常的に付与される閉弁側への力（スプリング２０ｄによる伸張力）でニードル弁２０ｃが閉弁側へ変位するとともに、駆動状態では、駆動力が付与されることにより上記スプリング２０ｄの伸張力に抗してニードル弁２０ｃが開弁側へ変位する。そしてこの際、それら非駆動状態と駆動状態とでは、ニードル弁２０ｃのリフト量が略対称に変化する。
【００５７】
インジェクタ２０には、燃料圧力を検出する燃圧センサ２０ａ（図１も併せ参照）が取り付けられている。具体的には、ハウジング２０ｅに形成された燃料流入口２２と高圧配管１４とを治具２０ｊで連結させ、この治具２０ｊに燃圧センサ２０ａを取り付けている。このようにインジェクタ２０の燃料流入口２２に燃圧センサ２０ａを取り付けることで、燃料流入口２２における燃料圧力（インレット圧）の随時の検出が可能とされている。具体的には、この燃圧センサ２０ａの出力により、当該インジェクタ２０の噴射動作に伴う燃料圧力の変動波形や、燃料圧力レベル（安定圧力）、燃料噴射圧力等を検出（測定）することができる。
【００５８】
燃圧センサ２０ａは、複数のインジェクタ２０（＃１）〜（＃４）の各々に対して設けられている。そして、これら燃圧センサ２０ａの出力に基づいて、所定の噴射について、インジェクタ２０の噴射動作に伴う燃料圧力の変動波形を高い精度で検出することができるようになっている（詳しくは後述）。
【００５９】
ＥＣＵ３０に搭載されるマイクロコンピュータ（マイコン）は、各種の演算を行うＣＰＵ（基本処理装置）、その演算途中のデータや演算結果等を一時的に記憶するメインメモリとしてのＲＡＭ、プログラムメモリとしてのＲＯＭ、データ保存用メモリとしてのＥＥＰＲＯＭ、バックアップＲＡＭ（ＥＣＵ３０の主電源停止後も車載バッテリ等のバックアップ電源により常時給電されているメモリ）等を備えて構成されている。そして、ＲＯＭには、当該燃料噴射制御に係るプログラムを含めたエンジン制御に係る各種のプログラムや制御マップ等が、またデータ保存用メモリ（例えばＥＥＰＲＯＭ）には、対象エンジンの設計データをはじめとする各種の制御データ等が、それぞれ予め格納されている。
【００６０】
また、ＥＣＵ３０は、クランク角センサ４２から入力される検出信号に基づき、対象エンジンの出力軸（クランク軸４１）の回転角度位置や回転速度（エンジン回転速度ＮＥ）を算出する。また、アクセルセンサ４４から入力される検出信号に基づき、運転者によるアクセルペダルの操作量（踏込み量）が算出される。ＥＣＵ３０は、前記各種センサ４２，４４及び後述する各種センサの検出信号に基づいて対象エンジンの運転状態やユーザの要求を把握し、それに応じて上記吸入調整弁１１ｃやインジェクタ２０等の各種アクチュエータを操作することにより、その時々の状況に応じた最適な態様で上記エンジンに係る各種の制御を行っている。
【００６１】
次に、ＥＣＵ３０が実行する燃料系の制御についての概略を説明する。
【００６２】
ＥＣＵ３０のマイコンは、時々のエンジン運転状態（例えばエンジン回転速度ＮＥ）や運転者によるアクセルペダルの操作量等に応じて燃料噴射量を算出し、所望の噴射時期に同期して、その燃料噴射量での燃料噴射を指示する噴射制御信号（噴射指令信号）を上記インジェクタ２０へ出力する。当該噴射制御信号に応じた駆動量（例えば開弁時間）でインジェクタ２０が作動することにより、対象エンジンの出力トルクが目標値へ制御されることになる。
【００６３】
以下、図３を参照して、上記燃料系制御の基本的な処理手順について説明する。なお、この図３の処理において用いられる各種パラメータの値は、例えばＥＣＵ３０に搭載されたＲＡＭやＥＥＰＲＯＭ、あるいはバックアップＲＡＭ等の記憶装置に随時記憶され、必要に応じて随時更新される。そして、これら各図の一連の処理は、基本的には、ＥＣＵ３０でＲＯＭに記憶されたプログラムが実行される。
【００６４】
同図３に示すように、この一連の処理においては、まずステップＳ１１で、所定のパラメータ、例えばその時のエンジン回転速度ＮＥ（クランク角センサ４２による実測値）及び燃料圧力（燃圧センサ２０ａによる実測値）、さらには運転者によるその時のアクセル操作量（アクセルセンサ４４による実測値）等を読み込む。
【００６５】
続くステップＳ１２では、上記ステップＳ１１で読み込んだ各種パラメータに基づいて噴射パターンを設定する。例えば単段噴射の場合にはその噴射の噴射量（噴射時間）が、また多段噴射の噴射パターンの場合にはトルクに寄与する各噴射の総噴射量（総噴射時間）が、それぞれ上記出力軸（クランク軸４１）に生成すべきトルク（アクセル操作量等から算出される要求トルク、いわばその時のエンジン負荷に相当）に応じて可変設定される。
【００６６】
この噴射パターンは、例えば上記ＲＯＭに記憶保持された所定のマップ（噴射制御用マップ、数式でも可）及び補正係数に基づいて取得される。詳しくは、例えば予め上記所定パラメータ（ステップＳ１１）の想定される範囲について試験により最適噴射パターン（適合値）を求め、その噴射制御用マップに書き込んでおく。
【００６７】
この噴射パターンは、例えば噴射段数（１燃焼サイクル中の噴射回数）、並びにそれら各噴射の噴射時期（噴射タイミング）及び噴射時間（噴射量に相当）等のパラメータにより定められるものである。こうして、上記噴射制御用マップは、それらパラメータと最適噴射パターンとの関係を示すものとなっている。
【００６８】
そして、この噴射制御用マップで取得された噴射パターンを、別途更新されている補正係数（例えばＥＣＵ３０内のＥＥＰＲＯＭに記憶）に基づいて補正する（例えば「設定値＝マップ上の値／補正係数」なる演算を行う）ことで、その時に噴射すべき噴射パターン、ひいてはその噴射パターンに対応した上記インジェクタ２０に対する噴射指令信号を得る。補正係数（厳密には複数種の係数のうちの所定の係数）は、別途の処理により内燃機関の運転中に逐次更新されている。
【００６９】
なお、上記噴射パターンの設定（ステップＳ１２）には、同噴射パターンの要素（上記噴射段数等）毎に別々に設けられた各マップを用いるようにしても、あるいはこれら噴射パターンの各要素を幾つか（例えば全て）まとめて作成したマップを用いるようにしてもよい。
【００７０】
こうして設定された噴射パターン、ひいてはその噴射パターンに対応する指令値（噴射指令信号）は、続くステップＳ１３で使用される。すなわち、同ステップＳ１３（指令信号出力手段）では、その指令値（噴射指令信号）に基づいて（詳しくは上記インジェクタ２０へその噴射指令信号を出力して）、同インジェクタ２０の駆動を制御する。そして、このインジェクタ２０の駆動制御をもって、図３の一連の処理を終了する。
【００７１】
次に、インジェクタ２０からの燃料噴射量を推定する処理について、図４を用いて説明する。
【００７２】
図４に示す一連の処理は、所定周期（例えば先述のＣＰＵが行う演算周期）又は所定のクランク角度毎に実行される。まずステップＳ２１で、燃圧センサ２０ａの出力値（検出圧力）を取り込む。この取り込み処理は複数の燃圧センサ２０ａの各々について実行される。以下、ステップＳ２１の取り込み処理について、図５を用いて詳細に説明する。
【００７３】
図５（ａ）は、図３のステップＳ１３にてインジェクタ２０に出力される噴射指令信号を示しており、この指令信号のパルスオンによりソレノイド２０ｂが作動して噴射孔２０ｆが開弁する。つまり、噴射指令信号のパルスオン時期Ｉｓにより噴射開始が指令され、パルスオフ時期Ｉｅにより噴射終了が指令される。よって、指令信号のパルスオン期間（噴射指令期間）により噴射孔２０ｆの開弁時間Ｔｑを制御することで、噴射量Ｑを制御している。図５（ｂ）は、上記噴射指令に伴い生じる噴射孔２０ｆからの燃料噴射率の変化（推移）を示し、図５（ｃ）は、噴射率の変化に伴い生じる燃圧センサ２０ａの出力値（検出圧力）の変化（変動波形）を示す。なお、図５は噴射孔２０ｆを１回開閉させた場合の各種変化の一例である。
【００７４】
そして、ＥＣＵ３０は、図４の処理とは別のサブルーチン処理により、燃圧センサ２０ａの出力値を検出しており、そのサブルーチン処理では燃圧センサ２０ａの出力値を、該センサ出力で圧力推移波形の軌跡（図５（ｃ）にて例示される軌跡）が描かれる程度に短い間隔（図４の処理周期よりも短い間隔）にて逐次取得している。具体的には、５０μｓｅｃよりも短い間隔（より望ましくは２０μｓｅｃ）でセンサ出力を逐次取得する。
【００７５】
燃圧センサ２０ａの検出圧力の変動と噴射率の変化とは以下に説明する相関があるため、検出圧力の変動波形から噴射率の推移波形を推定することができる。
【００７６】
図５（ｂ）に示す噴射率の変化について説明すると、先ず、符号Ｉｓの時点でソレノイド２０ｂへの通電を開始した後、噴射孔２０ｆから燃料が噴射開始されることに伴い、噴射率は変化点Ｒ３にて上昇を開始する。つまり実際の噴射が開始される。その後、変化点Ｒ４にて最大噴射率に到達し、噴射率の上昇は停止する。これは、Ｒ３の時点でニードル弁２０ｃがリフトアップを開始してＲ４の時点でリフトアップ量が最大になったことに起因する。
【００７７】
なお、本明細書における「変化点」は次のように定義される。すなわち、噴射率（又は圧力センサ２０ａの検出圧力）の２階微分値を算出し、その２階微分値の変化を示す波形の極値（変化が最大となる点）、つまり２階微分値波形の変曲点が、噴射率又は検出圧力の波形の変化点である。
【００７８】
次に、符号Ｉｅの時点でソレノイド２０ｂへの通電を遮断した後、変化点Ｒ７にて噴射率は下降を開始する。その後、変化点Ｒ８にて噴射率はゼロとなり、実際の噴射が終了する。これは、Ｒ７の時点でニードル弁２０ｃがリフトダウンを開始し、Ｒ８の時点で完全にリフトダウンして噴射孔２０ｆが閉弁されたことに起因する。
【００７９】
図５（ｃ）に示す圧力センサ２０ａの検出圧力の変化について説明すると、変化点Ｐ１以前の圧力Ｐ０は噴射指令時点Ｉｓでの燃料供給圧力であり、先ず、駆動電流がレノイド２０ｂに流れた後、噴射率がＲ３の時点で上昇を開始する前に、検出圧力は変化点Ｐ１にて下降する。これは、Ｐ１の時点で制御弁２３がリーク孔２４を開放し、油圧室Ｃｄが減圧処理されることに起因する。その後、油圧室Ｃｄが十分に減圧された時点で、変化点Ｐ２にてＰ１からの下降が一旦停止する。
【００８０】
次に、Ｒ３の時点で噴射率が上昇を開始したことに伴い、検出圧力は変化点Ｐ３にて下降を開始する。その後、Ｒ４の時点で噴射率が最大噴射率に到達したことに伴い、検出圧力の下降は変化点Ｐ４にて停止する。なお、変化点Ｐ３からＰ４までの下降量は、Ｐ１からＰ２までの下降量に比べて大きい。
【００８１】
次に、検出圧力は変化点Ｐ５にて上昇する。これは、Ｐ５の時点で制御弁２３がリーク孔２４を閉塞し、油圧室Ｃｄが増圧処理されることに起因する。その後、油圧室Ｃｄが十分に増圧された時点で、変化点Ｐ６にてＰ５からの上昇が一旦停止する。
【００８２】
次に、Ｒ７の時点で噴射率が下降を開始したことに伴い、検出圧力は変化点Ｐ７にて上昇を開始する。その後、Ｒ８の時点で噴射率がゼロになり実際の噴射が終了したことに伴い、検出圧力の上昇は変化点Ｐ８にて停止する。なお、変化点Ｐ７から変化点Ｐ８までの上昇量はＰ５からＰ６までの上昇量に比べて大きい。Ｐ８以降の検出圧力は、一定の周期Ｔ７（図６参照）で下降と上昇を繰り返しながら減衰する。
【００８３】
以上により、燃圧センサ２０ａによる検出圧力の変動のうち変化点Ｐ３，Ｐ４，Ｐ７及びＰ８を検出することで、噴射率の上昇開始時点Ｒ３（実噴射開始時点）、最大噴射率到達時点Ｒ４、噴射率下降開始時点Ｒ７及び下降終了時点Ｒ８（実噴射終了時点）等を推定することができる。また、以下に説明する検出圧力の変動と噴射率の変化との相関関係に基づき、検出圧力の変動から噴射率の変化を推定できる。
【００８４】
つまり、検出圧力の変化点Ｐ３からＰ４までの圧力下降率Ｐαと、噴射率の変化点Ｒ３からＲ４までの噴射率上昇率Ｒαとは相関がある。変化点Ｐ７からＰ８までの圧力上昇率Ｐγと変化点Ｒ７からＲ８までの噴射率下降率Ｒγとは相関がある。変化点Ｐ３からＰ４までの圧力下降量Ｐβ（最大落込量）と変化点Ｒ３からＲ４までの噴射率上昇量Ｒβとは相関がある。よって、燃圧センサ２０ａによる検出圧力の変動から圧力下降率Ｐα、圧力上量率Ｐγ及び圧力下降量Ｐβを検出することで、噴射率上昇率Ｒα、噴射率下降率Ｒγ及び噴射率上昇量Ｒβを推定することができる。以上の如く噴射率の各種状態Ｒ３,Ｒ４,Ｒ７,Ｒ８,Ｒα,Ｒβ,Ｒγを推定することができ、よって、図５（ｂ）に示す燃料噴射率の変化（推移波形）を推定することができる。
【００８５】
さらに、実噴射開始から終了までの噴射率の積分値（斜線を付した符号Ｓに示す部分の面積）は噴射量に相当する。そして、検出圧力の変動波形のうち実噴射開始から終了までの噴射率変化に対応する部分（変化点Ｐ３〜Ｐ８の部分）の圧力の積分値と噴射率の積分値Ｓとは相関がある。よって、燃圧センサ２０ａによる検出圧力の変動から圧力積分値を算出することで、噴射量Ｑに相当する噴射率積分値Ｓを推定することができる。以上により、燃圧センサ２０ａは、インジェクタ２０に供給される燃料の圧力を噴射量に関連する物理量として検出する噴射量センサとして機能していると言える。
【００８６】
図４の説明に戻り、先述のステップＳ２１に続くステップＳ２２において、ステップＳ２１で取得した変動波形から変化点Ｐ３，Ｐ８の出現時期等を検出する。具体的には、変動波形の１階微分値を演算し、噴射指令のパルスオン時期Ｉｓ以降、前記微分値が最初に閾値を超えたことをもってして変化点Ｐ３の出現を検出するようにして好適である。また、変化点Ｐ３の出現以降、前記微分値が閾値内で変動する安定状態となった場合に、その安定状態以前において前記微分値が最後に閾値を下回ったことをもってして変化点Ｐ８の出現を検出するようにして好適である。
【００８７】
続くステップＳ２３では、ステップＳ２１で取得した変動波形から圧力下降量Ｐβを検出する。具体的には、変動波形の変化点Ｐ３からＰ８までにおける検出圧力のピーク値から、変化点Ｐ３時点の検出圧力を減算することにより圧力下降量Ｐβを検出することが挙げられる。
【００８８】
続くステップＳ２４では、ステップＳ２２での検出結果Ｐ３，Ｐ４に基づき噴射率の上昇開始時点Ｒ１（実噴射開始時点）及び下降終了時点Ｒ８（実噴射終了時点）を推定する。また、ステップＳ２３での検出結果Ｐβに基づき噴射率上昇量Ｒβを推定する。そして、少なくともこれらの推定値Ｒ３，Ｒ８，Ｒβに基づき、図５（ｂ）に示すような噴射率の推移波形を算出する。なお、これらの推定値Ｒ３，Ｒ８，Ｒβの他にも、先述の如くＲ４，Ｒ７，Ｒα，Ｒγ等の値を推定し、これらの推定値Ｒ４，Ｒ７，Ｒα，Ｒγを噴射率推移波形の算出に用いるようにしてもよい。
【００８９】
続くステップＳ２５では、ステップＳ２４にて算出した噴射率推移波形をＲ３からＲ８の区間にて積分演算することにより面積Ｓを算出する。そして、当該面積Ｓを噴射量として推定する。以上により、図４の一連の処理が終了し、ステップＳ２５にて推定された燃料噴射量及びステップＳ２４にて推定された噴射率推移波形は、図３のステップＳ１１で用いる先述の噴射制御用マップの更新（学習）等に用いられる。
【００９０】
ところで、図６は、図５と同様にして噴射孔２０ｆを１回開閉させた場合の各種変化の一例であり、噴射終了に伴い変化点Ｐ８が出現した後における、燃圧センサ２０ａの出力値（検出圧力）の変化を示すタイミングチャートである。また、図７〜図１０において、（ａ）はインジェクタ２０に対する指令信号（駆動電流）を示すタイミングチャート、（ｂ）は、その指令信号に基づく検出圧力の変動波形を示すタイミングチャートである。
【００９１】
ここで、１燃焼サイクルあたりに複数回燃料を噴射させる多段噴射制御を実行する場合には次の点に留意する必要がある。すなわち、前記変動波形のうち１回目噴射以降のｎ回目噴射に対応する部分の変動パターンには、ｎ回目より前のｍ回目噴射（本実施形態では１回目噴射）に伴い生じる変動波形のうち噴射終了後に対応する部分（図６中の一点鎖線Ｐｅに示す部分）の変動パターンが重畳（干渉）する。以下、前記変動パターンを噴射後変動パターンＰｅと呼ぶ。
【００９２】
より具体的に説明すると、図７に示されるように１燃焼サイクルあたりに２回噴射を行った場合では、図７（ａ）中に実線Ｌ２ａにて示す通電パルスに対して、図７（ｂ）に実線Ｌ２ｂにて示す変動波形となっている。すなわち、図中に示す２つの噴射のうち、後段側の噴射（後段噴射）の噴射開始タイミング近傍においては、この後段噴射のみに起因した変動パターンと前段側の噴射（前段噴射）の変動パターンとが互いに干渉してしまっており、後段噴射のみに起因した変動パターンを認識することは困難である。
【００９３】
図８に示されるように、前段噴射のみを行った場合では、図８（ａ）中に実線Ｌ１ａにて示す通電パルスに対して、図８（ｂ）に実線Ｌ１ｂにて示す変動波形（ｍ回目噴射波形成分）となっている。図９は、図７の変動波形（実線Ｌ２ａ，Ｌ２ｂ）と図８の変動波形（破線Ｌ１ａ，Ｌ１ｂ）とを重ねて示したものである。そして、図７の変動波形Ｌ２ｂから図８の変動波形Ｌ１ｂを減算（対応箇所をそれぞれ減算）して差し引けば、図１０に示すように後段噴射のみに起因した変動パターン（実線Ｌ２ｃ）を抽出することができる。
【００９４】
したがって、図４のステップＳ２１にて先述の如く燃圧センサ２０ａの出力値（検出圧力）を取り込むにあたり、図７（ｂ）に示す変動波形Ｌ２ｂをそのまま取り込むのではなく、変動波形Ｌ２ｂから変動波形Ｌ１ｂを差し引いて抽出した変動パターンＬ２ｃを取り込む。
【００９５】
次に、このように差し引くことに用いる変動波形Ｌ１ｂを取得する手法について説明する。
【００９６】
ｍ回目噴射波形成分を数式で表したモデル式が、データ保存用メモリ（例えばＥＥＰＲＯＭ）等の記憶手段に予め記憶されている。そして、このモデル式により表されるモデル波形を前記変動波形Ｌ１ｂとして取得している。本実施形態では、複数の減衰振動方程式を重ね合わせた以下の数式１を上記モデル式として採用している。
【００９７】
【数１】
【００９８】
数式１中のｐはモデル式により表されるモデル波形の値（燃圧センサ２０ａによる検出圧力推定値）を示す。ここで、図８に示す如く単段噴射を行った場合又は他の噴射による波形成分が干渉していない場合において、燃圧センサ２０ａにて検出された実際の波形を「検出波形」と呼ぶことにする。そして、数式１中のｐ0は検出波形に対するモデル波形のオフセットずれ量を示す。数式１中のｎは減衰振動方程式を重ね合わせた数を示す。数式１中のＡ，ｋ，ω，θは、減衰振動における振幅、減衰係数、周波数、位相をそれぞれ示す。
【００９９】
つまり、数式１に示すモデル式は、ｐ0，ｎ，Ａ，ｋ，ω，θのパラメータを決定することで、モデル波形の値ｐを出力することができる。よって、例えばｎ＝４とした場合においては、４個のパラメータＡ，ｋ，ω，θから決定される減衰振動方程式を４つ重ね合せることとなるので、１６個のパラメータＡ，ｋ，ω，θ及び１つのパラメータｐ0（合計１７個のパラメータ）を決定することでｐの値を取得することができる。
【０１００】
なお、数式１のモデル式によるモデル波形は、当然のことながら連続した波形となっており、離散的に変化する箇所は存在しない。そして、単調増加と単調減少を繰り返しながら減衰する減衰波形となっている。
【０１０１】
図１１は、重ね合わせる個々の減衰振動方程式の具体例を説明する図であり、噴射孔２０ｆにて燃料噴射に伴い生じた燃圧脈動は、噴射孔２０ｆから燃圧センサ２０ａに伝播する経路中にてインジェクタ２０内部にて減衰する（図１１（ａ）中の符号(1)参照）。このようにインジェクタ２０内部で生じる減衰振動を、図１１（ｂ）中の波形成分(1)は表している。
【０１０２】
噴射孔２０ｆにて燃料噴射に伴い生じた燃圧脈動は、インジェクタ２０及び高圧配管１４を経由してオリフィス１２ａに達し、その後オリフィス１２ａにて反射して燃圧センサ２０ａまで伝播する（図１１（ａ）中の符号(2)参照）。このようにオリフィス１２ａから燃圧センサ２０ａへ伝播した減衰振動を、図１１（ｂ）中の波形成分(2)は表している。
【０１０３】
他のインジェクタ２０（＃３）の噴射孔２０ｆにて燃料噴射に伴い生じた燃圧脈動は、コモンレール１２を経由してインジェクタ２０（＃２）の燃圧センサ２０ａまで伝播する（図１１（ａ）中の符号(3)参照）。このように燃圧センサ２０ａまで伝播した減衰振動を、図１１（ｂ）中の波形成分(3)は表している。
【０１０４】
以上に例示される複数の波形成分(1)(2)(3)の減衰振動方程式を組み合わせて、数式１のモデル式は構成されており、これにより、モデル式によるモデル波形が図１１（ｂ）の最上段に示す波形となる。なお、図１２中の実線は、燃圧センサ２０ａにて検出された実際の検出波形を示し、一点鎖線及び点線はモデル波形を示す。このように検出波形とモデル波形とのずれをゼロにするように、つまり、モデル波形の実検出波形に対する近似度を高めるよう、モデル式に含まれる先述した各種パラメータｐ0，Ａ，ｋ，ω，θを学習させている。
【０１０５】
以下、本実施形態の要部であるパラメータｐ0，Ａ，ｋ，ω，θの学習手順について、図１３及び図１４を用いて説明する。なお、図１４では２つのパラメータＡ，ωの変化についてのみ図示し、他のパラメータｐ0，ｋ，θの変化については図示を省略しているが、他のパラメータｐ0，ｋ，θもＡ，ωと同様に変化するものである。
【０１０６】
図１３に示す一連の学習処理は、所定周期（例えば先述のＣＰＵが行う演算周期）又は所定のクランク角度毎に、ＥＣＵ３０のマイコンにより実行される。まずステップＳ５１で、燃料噴射を停止させてエンジン回転速度ＮＥが減速している期間、つまり無噴射減速運転期間中に、微小量の燃料を１燃焼サイクル中に１回だけ噴射する単段微小噴射を実施する。そして、当該単段微小噴射に伴い生じた燃圧センサ２０ａの検出波形を、学習規範値として取得する。
【０１０７】
続くステップＳ５２（パラメータ変更手段）では、パラメータｐ0，Ａ，ｋ，ω，θを微小区間で増大側及び減少側に変更する。図１４（ａ）の例では、符号１の位置に対応するＡ，ωの値を基準値とした場合に、その基準値に対して増大側及び減少側のそれぞれにＡ，ωの値を変更する。つまり、パラメータＡについては符号ｑ，ｒの位置に対応する値に変更し、パラメータωについては符号ｓ，ｔの位置に対応する値に変更する。
【０１０８】
続くステップＳ５３（近似度算出手段）では、モデル波形の実検出波形に対する近似度を、変更の組み合わせ毎に算出する。近似度を算出するにあたり本実施形態では最小二乗法を採用しており、例えば図１２中の一点鎖線に示すモデル波形の検出波形に対する近似度は、所定時間毎のモデル波形の値と検出波形の値との距離ΔＬ（ずれ量）を算出し、これらの距離ΔＬの総和として定義されている。よって、前記総和Σｘの値が小さいほど近似度が高いと言える。
【０１０９】
続くステップＳ５４（判定手段）では、基準値Ｍ（図１４（ａ）での基準値は符号１に対応するＡ，ωの値）における近似度ΣＭが、変更後の各々の近似度Σｑ，Σｒ，Σｓ，Σｔのいずれよりも高いとの更新終了条件を満たしているか否かを判定する。
【０１１０】
Σｑ，Σｒ，Σｓ，Σｔの少なくとも１つがΣＭよりも近似していると判定され、更新終了条件を満たしていないと判定された場合（Ｓ５４：ＮＯ）には、続くステップＳ５６（基準値更新手段）において、各々の近似度Σｑ，Σｒ，Σｓ，Σｔのうち最小値となっているときの変更の組み合わせを、前記基準値として更新する。
【０１１１】
図１４（ａ）では、Σｒが最小となっている場合を例示しており、符号ｒの位置に対応するＡ，ωの値の組み合わせが基準値として更新される。なお、図１４（ｂ）中の符号２は、更新後のＡ，ωの基準値に対応する位置を示す。
【０１１２】
このように更新が為されると、処理はステップＳ５２に戻り、パラメータ変更手段Ｓ５２による前記変更、近似度算出手段Ｓ５３による前記算出、及び判定手段Ｓ５４による前記判定が繰り返し実行される。したがって、図１４の例では、符号１から符号２の位置に対応する値に基準値が変更された後、図１４（ｃ）に示す如く符号２に対応する基準値に対して、符号ｑ，ｒ，ｓ，ｔの位置に対応する値に変更され、各々の近似度Σｑ，Σｒ，Σｓ，Σｔが算出され、近似度Σ１と、各々の近似度Σｑ，Σｒ，Σｓ，Σｔとの比較に基づき更新終了条件を満たしているか否かが判定される。
【０１１３】
図１４（ｃ）の例では、符号ｔの位置に対応するＡ，ωの値の組み合わせが基準値として更新され、図１４（ｄ）では、更新後のＡ，ωの基準値に対応する位置を符号３で表している。また、続く図１４（ｅ）では、符号ｒの位置に対応するＡ，ωの値の組み合わせが基準値として更新され、このように更新を繰り返した結果、図１４（ｆ）に示すように符号９を基準値とした場合に、Σ９＜（Σｑ，Σｒ，Σｓ，Σｔ）となり更新終了条件を満たしている。
【０１１４】
そして、更新終了条件を満たしていると判定された場合（Ｓ５４：ＹＥＳ）には、ステップＳ５５（学習値決定手段）において、現在の基準値（図１４（ｆ）の例では符号９の位置に対応するＡ，ωの値の組み合わせ）を、パラメータＡ，ωの学習値として決定し、マップ中に記憶されているパラメータＡ，ωの値を基準値とするよう補正して学習させる。
【０１１５】
なお、上述の如く更新される基準値の初期値は、例えば存在領域の中央値を用いてもよいし、適合により設定された値を用いてもよい。また、検出波形が存在し得る範囲の波形に基づき、パラメータｐ0，Ａ，ｋ，ω，θの値が存在し得る存在範囲（図１４（ａ）中の矢印参照）を予め設定しておき、ステップＳ５２において変更するパラメータの変更範囲を、前記存在範囲に制限している。すなわち、基準値が存在範囲の境界に位置する場合には、パラメータ変更手段Ｓ５２により基準値を変更するにあたり、その境界を超えて変更することを禁止する。
【０１１６】
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。
【０１１７】
（１）図１３に示すパラメータ変更手段Ｓ５２、近似度算出手段Ｓ５３、判定手段Ｓ５４、基準値更新手段Ｓ５６、及び学習値決定手段Ｓ５５の作用によれば、例えば図１４に示す２つのパラメータＡ，ωそれぞれ１０個ずつの値の組み合わせ、つまり１０2＝１００回全てについて近似度を演算することを不要にできる。
【０１１８】
具体的には、図１４の例では、近似度を算出する回数は、符号１に対するｑ，ｒ，ｓ，ｔ、符号２に対するｑ，ｒ，ｓ，ｔ・・・符号９に対するｑ，ｒ，ｓ，ｔ、つまり４×９＝３６回となる。ちなみに、図１４の例でパラメータの数を１７個とした場合には、近似度を算出する回数は最悪でも５７８０回となり、全ての組み合わせについて演算した場合の回数１０17＝１０京回に比べて、演算処理量を大幅に減少できる。
【０１１９】
したがって、複数のパラメータｐ0，Ａ，ｋ，ω，θの全てについて存在領域全ての値をモデル式に代入して算出する場合に比べて、演算処理量の減少を図ることができる。
【０１２０】
（２）検出波形が存在し得る範囲の波形に基づき、パラメータｐ0，Ａ，ｋ，ω，θの値が存在し得る存在範囲（図１４（ａ）中の矢印参照）を予め設定しておき、ステップＳ５２において変更するパラメータの変更範囲を、前記存在範囲に制限している。よって、算出した近似度の値が発散してしまう等の演算処理上の不具合を回避できる。
【０１２１】
（第２実施形態）
上記第１実施形態では、ステップＳ５６にて更新される基準値の初期値として、存在領域の中央値等、予め設定された値を用いている。これに対し本実施形態では、後に詳述する初期値設定手段（図１５のステップＳ５１１参照）を備え、これにより近似度が高くなるような初期値に設定している。また、上記第１実施形態では、ステップＳ５４にて更新終了条件を満たしている場合にはその時の基準値をパラメータの学習値として決定している。これに対し本実施形態では、後に詳述する学習値検証手段（図１５のステップＳ５４１，Ｓ５４２，Ｓ５４３参照）を備え、これにより更新終了条件を満たした時の基準値が学習値として妥当か否かを検証している。
【０１２２】
図１５は、本実施形態によるパラメータｐ0，Ａ，ｋ，ω，θの学習手順を示すフローチャートであり、図１３と同じ処理を実行する部分には、図中同一符号を付してその説明を援用する。
【０１２３】
先ず、ステップＳ５１において、学習規範値としての検出波形を取得する。続くステップＳ５１１（初期値設定手段）では、存在範囲を複数の領域に分割し（図１６（ａ）中のＡ１，Ａ２，ω１，ω２参照）、複数の領域毎に設定された各々の代表値（例えば分割領域中の中央値Ｍ１，Ｍ２，Ｍ３，Ｍ４）の各々に対して近似度ΣＭ１，ΣＭ２，ΣＭ３，ΣＭ４を算出する。そして、これらの近似度ΣＭ１，ΣＭ２，ΣＭ３，ΣＭ４を比較し、最も近似度の高い代表値を基準値の初期値として設定する。図１６の例では、近似度ΣＭ１が最小であることから代表値Ｍ１を初期値として設定している。
【０１２４】
続くステップＳ５２では、パラメータｐ0，Ａ，ｋ，ω，θを微小区間で増大側及び減少側に変更し、続くステップＳ５３では、変更の組み合わせ毎に近似度を算出し、続くステップＳ５４では、基準値Ｍ１（図１６（ａ）での基準値は符号Ｍ１に対応するＡ，ωの値）における近似度ΣＭ１が、変更後の各々の近似度Σｑ，Σｒ，Σｓ，Σｔのいずれよりも高いとの更新終了条件を満たしているか否かを判定する。
【０１２５】
更新終了条件を満たしていないと判定された場合（Ｓ５４：ＮＯ）には、続くステップＳ５６において、各々の近似度Σｑ，Σｒ，Σｓ，Σｔのうち最小値となっているときの変更の組み合わせを、前記基準値として更新する。図１６（ｂ）では、Σｒが最小となっている場合を例示しており、符号ｒの位置に対応するＡ，ωの値の組み合わせが基準値として更新される。なお、図１６（ｃ）中の符号２は、更新後のＡ，ωの基準値に対応する位置を示す。
【０１２６】
このように更新が為されると、処理はステップＳ５２に戻り、パラメータ変更手段Ｓ５２による前記変更、近似度算出手段Ｓ５３による前記算出、及び判定手段Ｓ５４による前記判定が繰り返し実行される。図１６の例では、符号Ｍ１から符号２，３，４，５，６の位置に対応する値に基準値が順に更新されており、図１６（ｄ）に示すように符号６を基準値とした場合に、Σ６＜（Σｑ，Σｒ，Σｓ，Σｔ）となり更新終了条件を満たしている。
【０１２７】
そして、更新終了条件を満たしていると判定された場合（Ｓ５４：ＹＥＳ）には、ステップＳ５４１（大変更手段）において、パラメータ変更手段Ｓ５２で行われる変更の大きさよりも大きく基準値を変更（大変更）する。図１７は、学習値検証手段Ｓ５４１，Ｓ５４２，Ｓ５４３を実行した場合における基準値の更新状態を示す一態様であり、例えば図１７（ａ）に示す如く符号１から符号２，３，４，５，６，７，８の位置に対応する値に基準値が順に更新され、符号８の位置で更新終了条件を満たしていた場合において、大変更手段Ｓ５４１により符号ｕ１〜ｕ６のそれぞれの位置に対応する値にパラメータｐ0，Ａ，ｋ，ω，θは大変更される。図１７の例ではパラメータＡ，ωの存在範囲をＮ分割（Ｎ＝１０）した大きさをステップＳ５２における微小区間とし、ステップＳ５４１ではその微小区間よりも大きく変更させている。
【０１２８】
続くステップＳ５４２（近似度算出手段）では、モデル波形の実検出波形に対する近似度を、大変更の組み合わせ毎に算出する。続くステップＳ５４３（判定手段）では、基準値Ｍ（図１７（ｂ）での基準値は符号８に対応するＡ，ωの値）における近似度Σ８が、大変更後の各々の近似度Σｕ１〜Σｕ６のいずれよりも高いとの学習許可条件を満たしているか否かを判定する。
【０１２９】
Σｕ１〜Σｕ６の少なくとも１つがΣ８よりも近似していると判定され、学習許可条件を満たしていないと判定された場合（Ｓ５４３：ＮＯ）には、続くステップＳ５４４（基準値更新手段）において、各々の近似度Σｕ１〜Σｕ６のうち最小値となっているときの変更の組み合わせを、前記基準値として更新する。
【０１３０】
図１７（ｂ）では、Σｕ６が最小となっている場合を例示しており、符号ｕ６の位置に対応するＡ，ωの値の組み合わせが基準値として更新される。このように更新が為されると、処理はステップＳ５２に戻り、パラメータ変更手段Ｓ５２による前記変更、近似度算出手段Ｓ５３による前記算出、及び判定手段Ｓ５４による前記判定が繰り返し実行される。
【０１３１】
したがって、図１７の例では、符号１から符号８の位置に対応する値に基準値が順次変更された後、符号８に対応する基準値に対して更新終了条件を満たし、その後ｕ６の位置に大変更、更新されている。そして、図１７（ｃ）に示す如く符号ｕ６に対応する基準値に対して、符号ｑ，ｒ，ｓ，ｔの位置に対応する値に変更され、各々の近似度Σｑ，Σｒ，Σｓ，Σｔが算出され、近似度Σｕ６と、各々の近似度Σｑ，Σｒ，Σｓ，Σｔとの比較に基づき更新終了条件を満たしているか否かが判定されている。図１７（ｃ）の例では、符号ｕ６から符号ｔの位置に対応する値に基準値が更新されており、図１７（ｄ）に示すように符号９を基準値とした場合に、Σ９＜（Σｑ，Σｒ，Σｓ，Σｔ）となり更新終了条件を満たしている。
【０１３２】
一方、ステップＳ５４３にて学習許可条件を満たしていると判定された場合（Ｓ５４３：ＹＥＳ）には、続くステップＳ５５（学習値決定手段）において、現在の基準値（図１７（ｄ）の例では符号９の位置に対応するＡ，ωの値の組み合わせ）を、パラメータＡ，ωの学習値として決定し、マップ中に記憶されているパラメータＡ，ωの値を基準値とするよう補正して学習させる。
【０１３３】
このようにして、更新終了条件を満たしている場合であっても、基準値を大変更させて学習許可条件を満たしているか否かを判定し、学習許可条件を満たしていなければ（Ｓ５４３：ＮＯ）、大変更前の基準値を学習値として決定することを禁止する。そして、前記禁止を行った場合には、大変更後のパラメータの値（図１７の例では符号ｕ６の位置に対応するＡ，ωの値の組み合わせ）を基準値として再度更新する。
【０１３４】
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。
【０１３５】
（１）更新終了条件を満たしている場合（Ｓ５４：ＹＥＳ）であっても、基準値を大変更させて学習許可条件を満たしていなければ（Ｓ５４３：ＮＯ）、大変更前の基準値を学習値として決定することを禁止する。そのため、先述した図１８に例示される如く、パラメータωの値がω８にて更新終了条件を満たしている場合であっても、パラメータωの値をω８からωｕ４まで大変更し、近似度Σｕ４が近似度Σω８より高い場合にはω８を学習値として決定することが禁止される。よって、図１８に示すようにω＝ωｕ４，ωｕ５，ωｕ６の近似度Σｕ４，Σｕ５，Σｕ６の方がΣ８よりも近似度が高い場合において、符号８の位置に対応するＡ，ωの値の組み合わせを学習値として学習してしまうことによる学習精度低下を回避できる。
【０１３６】
（２）前記禁止を行った場合には、大変更後のパラメータの値（図１７の例ではｕ６、図１８の例ではωｕ４）を基準値として更新するので、その後、図１８の例ではωｕ５，ωｕ６と順に変更、更新され、より近似度が高くなるようパラメータの値が学習されるので、学習精度を向上できる。
【０１３７】
（第３実施形態）
上記第２実施形態では、大変更前の符号８に対応する基準値における近似度Σ８が、大変更後の各々の近似度Σｕ１〜Σｕ６のいずれよりも高いか否かに基づき、学習許可条件を満たしているか否かを判定し、学習を禁止するか否かを判定している。これに対し本実施形態では、ステップＳ５４１と同様にして大変更（第１変更）させた後、大変更前の基準値に対してさらに大きく変更（第２変更）させる。つまり、図１８の例では、基準値ω８からωｕ４に第１変更してωｕ４における近似度Σｕ４を算出するとともに、基準値ω８からωｕ５に第２変更してωｕ５における近似度Σｕ５を算出する。そして、Σｕ５の近似度がΣｕ４より高い（つまりΣｕ５＜Σｕ４）場合には学習を禁止する。すなわち、Σｕ５≧Σｕ４であることを学習許可条件としている。
【０１３８】
ここで、図１８の例において、仮にΣω８の方がΣｕ４より近似度が高かったとしても、ω８からωｕ４への変更よりもさらに大きくω８からωｕ５へ変更した場合において、Σｕ４よりもΣｕ５の方が近似度が高くなっていれば、Σω８よりも高い近似度となるパラメータωが見つかる可能性があると言える。
【０１３９】
この点を鑑みた本実施形態では、基準値から大きく離れた領域において、基準値から離れるほど近似度が高くなる領域の有無を学習許可条件として判定するので、高い近似度となるパラメータωの値を見つける確実性を高めることができ、ひいては学習精度の低下を回避できる。そして、前記禁止を行った場合には、第２変更後のパラメータの値を基準値として更新するので、その後ｕ６へと変更、更新され、より近似度が高くなるようパラメータの値が学習されるので、学習精度をより一層向上できる。
【０１４０】
（他の実施形態）
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。また、本発明は上記実施形態の記載内容に限定されず、各実施形態の特徴的構成をそれぞれ任意に組み合わせるようにしてもよい。
【０１４１】
・上記第１実施形態のパラメータ変更手段Ｓ５２では、増大側及び減少側へ変更するにあたりその変更量を一定の値としている。これに対し、基準値更新手段Ｓ５６による更新の回数が多くなるほど、前記変更量を小さくするようにしてもよい。これによれば、更新終了条件を満たすに至るまで基準値を初期値から更新していくにあたり、更新の初期段階から終了段階まで変更量を一律に小さくする場合に比べて更新回数を少なくできる。また、更新の初期段階から終了段階まで変更量を一律に大きくする場合に比べて、更新終了条件を満たした時点における基準値の近似度を高めることができ、学習精度を向上できる。つまり、更新回数の減少と学習精度向上との両立を図ることができる。
【０１４２】
例えば、上記第１実施形態のパラメータ変更手段Ｓ５２では、パラメータの存在範囲をＮ分割（図１４の例では１０分割）して得られる大きさで、増大側及び減少側への変更を実施している。これに対し、基準値更新手段Ｓ５６による更新の回数が多くなるほど、前記Ｎ分割数を多くするようにすれば、上述の如く変更量を可変設定できる。
【０１４３】
・上記第１実施形態では、ステップＳ５１において、無噴射減速運転期間中に単段微小噴射を実施し、その時の検出波形を学習規範値として取得しているが、要するに、図８に示す如く他の噴射による燃圧変動があまり干渉していない状態の燃圧波形を取得できれば、その状態の部分の検出波形を学習規範値としてもよい。したがって、例えば図７に示す如く複数の噴射が重畳している波形であっても、そのうちの重畳度合いの低い部分を抽出して学習規範値とするようにしてもよい。
【０１４４】
・パラメータｐ0，Ａ，ｋ，ω，θを学習させるにあたり、エンジンの運転状態毎にその状態に応じて学習させれば、運転状態に応じた最適なモデル式にすることができるので、モデル式の近似度を向上できる。なお、上記運転状態の具体例としては、エンジン回転速度ＮＥ、内燃機関の負荷（例えば燃料の指令噴射量や運転者によるアクセル操作量等）、燃料温度、コモンレール１２内の燃料圧力、燃料ポンプ１１からコモンレール１２への燃料供給量等が挙げられる。
【０１４５】
・図１６に示す如くパラメータの存在範囲を複数の領域に分割した場合において、その分割領域毎に、パラメータ変更手段Ｓ５２による前記変更、近似度算出手段Ｓ５３による前記算出、判定手段Ｓ５４による前記判定、基準値更新手段Ｓ５６による前記更新、及び学習値決定手段Ｓ５５による前記決定を実行し、各々の領域で決定された学習値のうち最も近似度が高くなるパラメータ値の組み合わせを最終的な学習値として決定するようにしてもよい。
【０１４６】
・上記各実施形態では、パラメータ変更手段Ｓ５２によりパラメータｐ0，Ａ，ｋ，ω，θを微小区間で増大側及び減少側に微小区間の大きさで変更するにあたり、各パラメータｐ0，Ａ，ｋ，ω，θの存在範囲をＮ分割して得られた大きさを前記微小区間としている。ここで、各パラメータｐ0，Ａ，ｋ，ω，θにおける分割数Ｎを同じとしてもよいし、パラメータｐ0，Ａ，ｋ，ω，θ毎に異なる分割数Ｎとなるように微小区間を設定してもよい。
【０１４７】
・燃圧センサ２０ａをインジェクタ２０に取り付けるにあたり、上記実施形態では、インジェクタ２０の燃料流入口２２に燃圧センサ２０ａを取り付けているが、図２中の一点鎖線２００ａに示すようにハウジング２０ｅの内部に燃圧センサ２００ａを組み付けて、燃料流入口２２から噴射孔２０ｆに至るまでの内部燃料通路２５の燃料圧力を検出するように構成してもよい。
【０１４８】
そして、上述の如く燃料流入口２２に取り付ける場合には、ハウジング２０ｅの内部に取り付ける場合に比べて燃圧センサ２０ａの取付構造を簡素にできる。一方、ハウジング２０ｅの内部に取り付ける場合には、燃料流入口２２に取り付ける場合に比べて燃圧センサ２０ａの取り付け位置が噴射孔２０ｆに近い位置となるので、噴射孔２０ｆでの圧力変動をより的確に検出することができる。
【０１４９】
・コモンレール１２と高圧配管１４との間に、コモンレール１２から高圧配管１４に流れる燃料の流量を制限する流量制限手段を備えてもよい。この流量制限手段は、高圧配管１４やインジェクタ２０等の損傷による燃料漏れにより過剰な燃料流出が発生した時に、流路を閉塞するよう機能するものであり、例えば過剰流量時に流路を閉塞するように作動するボール等の弁体により構成することが具体例として挙げられる。なお、オリフィス１２ａ（燃料脈動軽減手段）と流量制限手段とを一体に構成したフローダンパを採用してもよい。
【０１５０】
・また、燃圧センサ２０ａをオリフィス及び流量制限手段の燃料流れ下流側に配置する構成の他に、オリフィス及び流量制限手段の少なくとも一方に対して下流側に配置するよう構成してもよい。
【図面の簡単な説明】
【０１５１】
【図１】本発明の第１実施形態に係る学習装置が適用された、燃料系システムの概略を示す構成図。
【図２】図１の燃料噴射弁の内部構造を模式的に示す内部側面図。
【図３】図１のシステムに係る燃料噴射制御処理の基本的な手順を示すフローチャート。
【図４】図１の燃圧センサの検出圧力に基づく燃料噴射量推定の処理手順を示すフローチャート。
【図５】図１の燃圧センサによる検出圧力の変動波形と噴射率推移波形との関係を示す、単段噴射実行時におけるタイミングチャート。
【図６】（ａ）、（ｂ）及び（ｃ）は、それぞれ本実施形態に係る噴射特性の検出態様を示すタイミングチャート。
【図７】（ａ）及び（ｂ）は、それぞれ本実施形態に係る噴射特性の検出態様を示すタイミングチャート。
【図８】（ａ）及び（ｂ）は、それぞれ本実施形態に係る噴射特性の検出態様を示すタイミングチャート。
【図９】（ａ）及び（ｂ）は、それぞれ本実施形態に係る噴射特性の検出態様を示すタイミングチャートであり、実線は図７の波形、点線は図８の波形を示す。
【図１０】（ａ）及び（ｂ）は、それぞれ本実施形態に係る噴射特性の検出態様を示すタイミングチャートであり、図７の波形から図８の波形を差し引いて得られた波形を示す図。
【図１１】図８に示す波形を表したモデル式を複数の減衰振動方程式を重ね合わせた導出するにあたり、それら複数の減衰振動方程式を説明するための模式図。
【図１２】モデル波形と検出波形とのずれ量を示すとともに、近似度を算出するための最小二乗法の考え方を説明するための図。
【図１３】モデル式に含まれる複数のパラメータｐ0，Ａ，ｋ，ω，θを学習させるための手順を示すフローチャート。
【図１４】図１３におけるパラメータ変更手段及び基準値更新手段を説明する図。
【図１５】本発明の第２実施形態において、モデル式に含まれる複数のパラメータｐ0，Ａ，ｋ，ω，θを学習させるための手順を示すフローチャート。
【図１６】第２実施形態において、モデル式に含まれる複数のパラメータｐ0，Ａ，ｋ，ω，θを学習させるための手順を説明する図。
【図１７】本発明の第３実施形態において、モデル式に含まれる複数のパラメータｐ0，Ａ，ｋ，ω，θを学習させるための手順を説明する図。
【図１８】上記第３実施形態の作用を説明する図であり、１つのパラメータωについての変化と近似度との関係を例示する図。
【符号の説明】
【０１５２】
１２…コモンレール（蓄圧容器）、２０…インジェクタ（燃料噴射弁）、２０ａ，２００ａ…燃圧センサ、２０ｆ…噴射孔、３０…ＥＣＵ（学習装置、記憶手段）、Ｓ５２…パラメータ変更手段、Ｓ５３…近似度算出手段、Ｓ５４…判定手段、Ｓ５５…学習値決定手段、Ｓ５６…基準値更新手段。
【特許請求の範囲】
【請求項１】
物理量変化を検出するセンサの検出波形について、その検出波形を数式で表したモデル式が記憶された記憶手段を備え、前記モデル式により表されるモデル波形の実検出波形に対する近似度を高めるよう、前記モデル式に含まれる複数のパラメータの値を学習する学習装置において、
前記複数のパラメータを、そのパラメータ毎に設定された基準値に対して増大側及び減少側のそれぞれに変更するパラメータ変更手段と、
前記複数のパラメータについて前記変更の組み合わせ毎に前記近似度を算出する近似度算出手段と、
前記複数のパラメータを前記基準値とした場合における前記近似度が、前記パラメータを前記変更した値とした場合における各々の前記近似度のいずれよりも高いとの更新終了条件を満たしているか否かを判定する判定手段と、
前記更新終了条件を満たしていない場合に、前記変更した値に対応する各々の前記近似度のうち最も近似度が高くなっているときの前記変更の組み合わせを、前記基準値として更新する基準値更新手段と、
前記更新終了条件を満たしている場合に、各々の前記基準値を前記複数のパラメータの学習値として決定する学習値決定手段と、
を備え、
前記基準値更新手段により更新される毎に、前記パラメータ変更手段による前記変更、前記近似度算出手段による前記算出、及び前記判定手段による前記判定を繰り返し実行することを特徴とする学習装置。
【請求項２】
前記検出波形が存在し得る範囲の波形に基づき、前記パラメータの値が存在し得る存在範囲を予め設定しておき、
前記存在範囲を複数の領域に分割し、
前記複数の領域毎に設定された各々の代表値に対して算出された前記近似度を比較し、
最も近似度の高い代表値を、前記基準値更新手段による更新に先立ち設定される前記基準値の初期値とすることを特徴とする請求項１に記載の学習装置。
【請求項３】
前記パラメータ変更手段により前記変更を実施するに先立って用いられる前記複数のパラメータの初期値は、既知の物理量変化に対する前記センサの検出波形を試験により計測し、その試験結果に基づき設定されていることを特徴とする請求項１に記載の学習装置。
【請求項４】
前記検出波形が存在し得る範囲の波形に基づき、前記パラメータの値が存在し得る存在範囲を予め設定しておき、
前記パラメータ変更手段は、前記存在範囲をＮ分割して得られる大きさで、前記増大側及び前記減少側への変更を行うことを特徴とする請求項１〜３のいずれか１つに記載の学習装置。
【請求項５】
前記パラメータ変更手段は、前記基準値更新手段による更新の回数が多くなるほど、前記変更の量を小さくすることを特徴とする請求項１〜４のいずれか１つに記載の学習装置。
【請求項６】
前記検出波形が存在し得る範囲の波形に基づき、前記パラメータの値が存在し得る存在範囲を予め設定しておき、
前記パラメータ変更手段による前記変更の範囲を、前記存在範囲に制限することを特徴とする請求項１〜５のいずれか１つに記載の学習装置。
【請求項７】
前記更新終了条件を満たしている場合に、前記パラメータ変更手段で行われる変更の大きさよりも大きく前記基準値を大変更し、
その大変更後のパラメータについて算出された前記近似度が、前記大変更前のパラメータについて算出された前記近似度の所定範囲よりも高い場合には、前記学習値決定手段において前記基準値を前記学習値に決定することを禁止することを特徴とする請求項１〜６のいずれか１つに記載の学習装置。
【請求項８】
前記禁止を行った場合には、前記大変更後のパラメータの値を前記基準値として更新することを特徴とする請求項７に記載の学習装置。
【請求項９】
前記更新終了条件を満たしている場合には、前記パラメータ変更手段で行われる変更の大きさよりも大きく前記基準値を第１変更するとともに、前記第１変更よりもさらに大きく前記基準値を第２変更し、
前記第２変更後の前記近似度が、前記第１変更後の前記近似度の所定範囲よりも高い場合には、前記学習値決定手段において前記基準値を前記学習値に決定することを禁止することを特徴とする請求項１〜６のいずれか１つに記載の学習装置。
【請求項１０】
前記禁止を行った場合には、前記第２変更後のパラメータの値を前記基準値として更新することを特徴とする請求項９に記載の学習装置。
【請求項１１】
前記モデル波形と前記実検出波形とのずれ量を波形中の複数個所で演算し、その演算により得られた複数のずれ量の総和を前記近似度とし、前記総和の値が小さいほど近似度が高いとすることを特徴とする請求１〜１０のいずれか１つに記載の学習装置。
【請求項１２】
前記センサは、燃料を蓄圧する蓄圧容器から複数の燃料噴射弁へ燃料を分配供給するよう構成された内燃機関に搭載され、前記燃料噴射弁に供給される燃料の圧力を前記物理量変化として検出する燃圧センサであり、
前記燃圧センサは、前記蓄圧容器から前記燃料噴射弁の噴射孔に至るまでの燃料通路のうち前記蓄圧容器に対して前記噴射孔に近い側に配置されており、
前記燃圧センサと、請求項１〜１１のいずれか１つに記載の学習装置と、を備えることを特徴とする燃料噴射システム。
【請求項１３】
１燃焼サイクルあたりに燃料噴射を複数回行う多段噴射を実施するにあたり、
前記検出波形のうちｎ回目噴射に対応する部分の波形から、ｎ回目より前のｍ回目噴射に起因した波形成分を差し引くことで、ｎ回目噴射に起因した波形成分を抽出する抽出手段を備え、
前記抽出手段は、前記学習装置により学習されたパラメータによる前記モデル波形を、前記ｍ回目噴射に起因した波形成分とすることを特徴とする請求項１２に記載の燃料噴射システム。
【請求項１４】
前記学習装置は、前記内燃機関の運転状態に応じて、その運転状態毎に前記複数のパラメータの値を学習することを特徴とする請求項１２又は１３に記載の燃料噴射システム。
【請求項１】
物理量変化を検出するセンサの検出波形について、その検出波形を数式で表したモデル式が記憶された記憶手段を備え、前記モデル式により表されるモデル波形の実検出波形に対する近似度を高めるよう、前記モデル式に含まれる複数のパラメータの値を学習する学習装置において、
前記複数のパラメータを、そのパラメータ毎に設定された基準値に対して増大側及び減少側のそれぞれに変更するパラメータ変更手段と、
前記複数のパラメータについて前記変更の組み合わせ毎に前記近似度を算出する近似度算出手段と、
前記複数のパラメータを前記基準値とした場合における前記近似度が、前記パラメータを前記変更した値とした場合における各々の前記近似度のいずれよりも高いとの更新終了条件を満たしているか否かを判定する判定手段と、
前記更新終了条件を満たしていない場合に、前記変更した値に対応する各々の前記近似度のうち最も近似度が高くなっているときの前記変更の組み合わせを、前記基準値として更新する基準値更新手段と、
前記更新終了条件を満たしている場合に、各々の前記基準値を前記複数のパラメータの学習値として決定する学習値決定手段と、
を備え、
前記基準値更新手段により更新される毎に、前記パラメータ変更手段による前記変更、前記近似度算出手段による前記算出、及び前記判定手段による前記判定を繰り返し実行することを特徴とする学習装置。
【請求項２】
前記検出波形が存在し得る範囲の波形に基づき、前記パラメータの値が存在し得る存在範囲を予め設定しておき、
前記存在範囲を複数の領域に分割し、
前記複数の領域毎に設定された各々の代表値に対して算出された前記近似度を比較し、
最も近似度の高い代表値を、前記基準値更新手段による更新に先立ち設定される前記基準値の初期値とすることを特徴とする請求項１に記載の学習装置。
【請求項３】
前記パラメータ変更手段により前記変更を実施するに先立って用いられる前記複数のパラメータの初期値は、既知の物理量変化に対する前記センサの検出波形を試験により計測し、その試験結果に基づき設定されていることを特徴とする請求項１に記載の学習装置。
【請求項４】
前記検出波形が存在し得る範囲の波形に基づき、前記パラメータの値が存在し得る存在範囲を予め設定しておき、
前記パラメータ変更手段は、前記存在範囲をＮ分割して得られる大きさで、前記増大側及び前記減少側への変更を行うことを特徴とする請求項１〜３のいずれか１つに記載の学習装置。
【請求項５】
前記パラメータ変更手段は、前記基準値更新手段による更新の回数が多くなるほど、前記変更の量を小さくすることを特徴とする請求項１〜４のいずれか１つに記載の学習装置。
【請求項６】
前記検出波形が存在し得る範囲の波形に基づき、前記パラメータの値が存在し得る存在範囲を予め設定しておき、
前記パラメータ変更手段による前記変更の範囲を、前記存在範囲に制限することを特徴とする請求項１〜５のいずれか１つに記載の学習装置。
【請求項７】
前記更新終了条件を満たしている場合に、前記パラメータ変更手段で行われる変更の大きさよりも大きく前記基準値を大変更し、
その大変更後のパラメータについて算出された前記近似度が、前記大変更前のパラメータについて算出された前記近似度の所定範囲よりも高い場合には、前記学習値決定手段において前記基準値を前記学習値に決定することを禁止することを特徴とする請求項１〜６のいずれか１つに記載の学習装置。
【請求項８】
前記禁止を行った場合には、前記大変更後のパラメータの値を前記基準値として更新することを特徴とする請求項７に記載の学習装置。
【請求項９】
前記更新終了条件を満たしている場合には、前記パラメータ変更手段で行われる変更の大きさよりも大きく前記基準値を第１変更するとともに、前記第１変更よりもさらに大きく前記基準値を第２変更し、
前記第２変更後の前記近似度が、前記第１変更後の前記近似度の所定範囲よりも高い場合には、前記学習値決定手段において前記基準値を前記学習値に決定することを禁止することを特徴とする請求項１〜６のいずれか１つに記載の学習装置。
【請求項１０】
前記禁止を行った場合には、前記第２変更後のパラメータの値を前記基準値として更新することを特徴とする請求項９に記載の学習装置。
【請求項１１】
前記モデル波形と前記実検出波形とのずれ量を波形中の複数個所で演算し、その演算により得られた複数のずれ量の総和を前記近似度とし、前記総和の値が小さいほど近似度が高いとすることを特徴とする請求１〜１０のいずれか１つに記載の学習装置。
【請求項１２】
前記センサは、燃料を蓄圧する蓄圧容器から複数の燃料噴射弁へ燃料を分配供給するよう構成された内燃機関に搭載され、前記燃料噴射弁に供給される燃料の圧力を前記物理量変化として検出する燃圧センサであり、
前記燃圧センサは、前記蓄圧容器から前記燃料噴射弁の噴射孔に至るまでの燃料通路のうち前記蓄圧容器に対して前記噴射孔に近い側に配置されており、
前記燃圧センサと、請求項１〜１１のいずれか１つに記載の学習装置と、を備えることを特徴とする燃料噴射システム。
【請求項１３】
１燃焼サイクルあたりに燃料噴射を複数回行う多段噴射を実施するにあたり、
前記検出波形のうちｎ回目噴射に対応する部分の波形から、ｎ回目より前のｍ回目噴射に起因した波形成分を差し引くことで、ｎ回目噴射に起因した波形成分を抽出する抽出手段を備え、
前記抽出手段は、前記学習装置により学習されたパラメータによる前記モデル波形を、前記ｍ回目噴射に起因した波形成分とすることを特徴とする請求項１２に記載の燃料噴射システム。
【請求項１４】
前記学習装置は、前記内燃機関の運転状態に応じて、その運転状態毎に前記複数のパラメータの値を学習することを特徴とする請求項１２又は１３に記載の燃料噴射システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【公開番号】特開２０１０−３００４（Ｐ２０１０−３００４Ａ）
【公開日】平成２２年１月７日（２０１０．１．７）
【国際特許分類】
【出願番号】特願２００８−１５９４８８（Ｐ２００８−１５９４８８）
【出願日】平成２０年６月１８日（２００８．６．１８）
【出願人】（０００００４２６０）株式会社デンソー (27,639)
【Ｆターム（参考）】
【公開日】平成２２年１月７日（２０１０．１．７）
【国際特許分類】
【出願日】平成２０年６月１８日（２００８．６．１８）
【出願人】（０００００４２６０）株式会社デンソー (27,639)
【Ｆターム（参考）】
[ Back to top ]