ホーム > 特許ランキング > 株式会社トランストロン
知財求人 - 知財ポータルサイト「IP Force」
▶ 株式会社トランストロンの特許一覧 ▶ 学校法人 工学院大学の特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023066618
(43)【公開日】2023-05-16
(54)【発明の名称】制御装置、制御方法、および制御プログラム
(51)【国際特許分類】
F02D 45/00 20060101AFI20230509BHJP
G06N 3/08 20230101ALI20230509BHJP
【ＦＩ】
F02D45/00 372
G06N3/08
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2021177302
(22)【出願日】2021-10-29
(71)【出願人】
【識別番号】391008559
【氏名又は名称】株式会社トランストロン
(71)【出願人】
【識別番号】501241645
【氏名又は名称】学校法人 工学院大学
(74)【代理人】
【識別番号】100104190
【弁理士】
【氏名又は名称】酒井 昭徳
(72)【発明者】
【氏名】小川 雅俊
(72)【発明者】
【氏名】出川 拓真
(72)【発明者】
【氏名】向井 正和
(72)【発明者】
【氏名】栗田 茂明
【テーマコード（参考）】
3G384
【Ｆターム（参考）】
3G384BA05
3G384BA08
3G384BA27
3G384DA06
3G384DA07
3G384EA07
3G384EB17
3G384EB18
3G384ED07
3G384FA01Z
3G384FA04Z
3G384FA08Z
3G384FA14Z
3G384FA15Z
3G384FA29Z
3G384FA37Z
3G384FA38Z
3G384FA48Z
3G384FA56Z
(57)【要約】
【課題】高性能かつ高速なエンジン制御を実現すること。
【解決手段】制御装置１０１は、エンジンＥの運転条件と被制御量を制御するための操作量の候補値とから、エンジンモデルＭを変換した変換後のエンジンモデルＭｃを用いて、将来の被制御量の推定値を算出する。エンジンモデルＭは、多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、エンジンＥの動特性を予測するモデルである。変換後のエンジンモデルＭｃは、エンジンモデルＭに基づき、各ニューロンの重み係数、バイアス、および、入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、各ニューロンの活性化関数が変換されたモデルである。制御装置１０１は、運転条件から特定される被制御量の目標値と被制御量の推定値との誤差、および、操作量の変化量に基づいて、操作量の値を決定し、決定した操作量の値を出力する。
【選択図】図１
【解決手段】制御装置１０１は、エンジンＥの運転条件と被制御量を制御するための操作量の候補値とから、エンジンモデルＭを変換した変換後のエンジンモデルＭｃを用いて、将来の被制御量の推定値を算出する。エンジンモデルＭは、多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、エンジンＥの動特性を予測するモデルである。変換後のエンジンモデルＭｃは、エンジンモデルＭに基づき、各ニューロンの重み係数、バイアス、および、入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、各ニューロンの活性化関数が変換されたモデルである。制御装置１０１は、運転条件から特定される被制御量の目標値と被制御量の推定値との誤差、および、操作量の変化量に基づいて、操作量の値を決定し、決定した操作量の値を出力する。
【選択図】図１
【特許請求の範囲】
【請求項1】
制御対象のエンジンの運転条件と被制御量の実値とを取得し、
多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、前記エンジンの運転条件と操作量とを入力として前記エンジンの動特性を予測するエンジンモデルに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、前記各ニューロンの活性化関数が変換された変換後のエンジンモデルを用いて、取得した前記運転条件と、前記被制御量を制御するための操作量の候補値とから、将来の前記被制御量の推定値を算出し、
前記運転条件から特定される前記被制御量の目標値と、算出した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定し、
決定した前記操作量の値を出力する、
制御部を有することを特徴とする制御装置。
多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、前記エンジンの運転条件と操作量とを入力として前記エンジンの動特性を予測するエンジンモデルに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、前記各ニューロンの活性化関数が変換された変換後のエンジンモデルを用いて、取得した前記運転条件と、前記被制御量を制御するための操作量の候補値とから、将来の前記被制御量の推定値を算出し、
前記運転条件から特定される前記被制御量の目標値と、算出した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定し、
決定した前記操作量の値を出力する、
制御部を有することを特徴とする制御装置。
【請求項2】
前記制御部は、
前記被制御量の目標値と前記被制御量の推定値との誤差、および、前記操作量の現在値と前記操作量の候補値との差分に基づいて、前記操作量の値を決定する、ことを特徴とする請求項１に記載の制御装置。
前記被制御量の目標値と前記被制御量の推定値との誤差、および、前記操作量の現在値と前記操作量の候補値との差分に基づいて、前記操作量の値を決定する、ことを特徴とする請求項１に記載の制御装置。
【請求項3】
前記被制御量は、インテークマニホールド圧力、吸入空気量、インテークマニホールド酸素濃度のうちの少なくともいずれかである、ことを特徴とする請求項１に記載の制御装置。
【請求項4】
前記運転条件は、エンジン回転数および燃料噴射量である、ことを特徴とする請求項３に記載の制御装置。
【請求項5】
前記操作量は、ターボ開度、スロットル開度、ＥＧＲ開度のうちの少なくともいずれかである、ことを特徴とする請求項４に記載の制御装置。
【請求項6】
前記変換後のエンジンモデルは、前記運転条件と前記操作量の値との組合せに対応する前記被制御量の実値を示す教師データに基づき更新される、ことを特徴とする請求項１に記載の制御装置。
【請求項7】
制御対象のエンジンの運転条件と被制御量の実値とを取得し、
多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、前記エンジンの運転条件と操作量とを入力として前記エンジンの動特性を予測するエンジンモデルに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、前記各ニューロンの活性化関数が変換された変換後のエンジンモデルを用いて、取得した前記運転条件と、前記被制御量を制御するための操作量の候補値とから、将来の前記被制御量の推定値を算出し、
前記運転条件から特定される前記被制御量の目標値と、算出した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定し、
決定した前記操作量の値を出力する、
処理をコンピュータが実行することを特徴とする制御方法。
多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、前記エンジンの運転条件と操作量とを入力として前記エンジンの動特性を予測するエンジンモデルに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、前記各ニューロンの活性化関数が変換された変換後のエンジンモデルを用いて、取得した前記運転条件と、前記被制御量を制御するための操作量の候補値とから、将来の前記被制御量の推定値を算出し、
前記運転条件から特定される前記被制御量の目標値と、算出した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定し、
決定した前記操作量の値を出力する、
処理をコンピュータが実行することを特徴とする制御方法。
【請求項8】
制御対象のエンジンの運転条件と被制御量の実値とを取得し、
多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、前記エンジンの運転条件と操作量とを入力として前記エンジンの動特性を予測するエンジンモデルに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、前記各ニューロンの活性化関数が変換された変換後のエンジンモデルを用いて、取得した前記運転条件と、前記被制御量を制御するための操作量の候補値とから、将来の前記被制御量の推定値を算出し、
前記運転条件から特定される前記被制御量の目標値と、算出した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定し、
決定した前記操作量の値を出力する、
処理をコンピュータに実行させることを特徴とする制御プログラム。
多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、前記エンジンの運転条件と操作量とを入力として前記エンジンの動特性を予測するエンジンモデルに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、前記各ニューロンの活性化関数が変換された変換後のエンジンモデルを用いて、取得した前記運転条件と、前記被制御量を制御するための操作量の候補値とから、将来の前記被制御量の推定値を算出し、
前記運転条件から特定される前記被制御量の目標値と、算出した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定し、
決定した前記操作量の値を出力する、
処理をコンピュータに実行させることを特徴とする制御プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、制御装置、制御方法、および制御プログラムに関する。
【背景技術】
【0002】
従来、自動車エンジンの制御において、ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）の深層学習を用いてエンジンモデルを再現することによって、高性能な制御を実現する取り組みが行われている。自動車エンジンの制御は、例えば、多層のニューラルネットワーク（ＮＮ）のモデル（エンジンの多入力多出力モデル）を用いて、多変数の最適制御を行うことによって実現される。
【0003】
先行技術としては、例えば、産業プロセスのモデル化のため、相互接続された二つのＭＬＤ（Ｍｉｘｅｄ Ｌｏｇｉｃａｌ Ｄｙｎａｍｉｃａｌ）サブシステムをマージすることによって、一つの結合されたＭＬＤシステムを構築するものがある。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特表２００８－５０２０３４号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、従来技術では、多層のニューラルネットワークのモデルを用いた多変数の最適制御に多くの演算時間がかかり、エンジンを実時間制御することが困難である。
【0006】
一つの側面では、本発明は、高性能かつ高速なエンジン制御を実現することを目的とする。
【課題を解決するための手段】
【0007】
１つの実施態様では、制御対象のエンジンの運転条件と被制御量の実値とを取得し、多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、前記エンジンの運転条件と操作量とを入力として前記エンジンの動特性を予測するエンジンモデルに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、前記各ニューロンの活性化関数が変換された変換後のエンジンモデルを用いて、取得した前記運転条件と、前記被制御量を制御するための操作量の候補値とから、将来の前記被制御量の推定値を算出し、前記運転条件から特定される前記被制御量の目標値と、算出した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定し、決定した前記操作量の値を出力する、制御装置が提供される。
【発明の効果】
【0008】
本発明の一側面によれば、高性能かつ高速なエンジン制御を実現することができるという効果を奏する。
【図面の簡単な説明】
【0009】
【発明を実施するための形態】
【0010】
以下に図面を参照して、本発明にかかる制御装置、制御方法、および制御プログラムの実施の形態を詳細に説明する。
【0011】
（実施の形態１）
図１は、実施の形態１にかかる制御方法の一実施例を示す説明図である。図１において、制御装置１０１は、エンジンＥを制御するコンピュータである。エンジンＥは、例えば、自動車のガソリンエンジン、ディーゼルエンジンなどである。エンジンＥの制御とは、例えば、インテークマニホールド圧力（ＭＡＰ）、吸入空気量（ＭＡＦ）、インテークマニホールド酸素濃度などを制御することである。
図１は、実施の形態１にかかる制御方法の一実施例を示す説明図である。図１において、制御装置１０１は、エンジンＥを制御するコンピュータである。エンジンＥは、例えば、自動車のガソリンエンジン、ディーゼルエンジンなどである。エンジンＥの制御とは、例えば、インテークマニホールド圧力（ＭＡＰ）、吸入空気量（ＭＡＦ）、インテークマニホールド酸素濃度などを制御することである。
【0012】
ここで、多層のニューラルネットワーク（ＮＮ）のエンジンモデルを用いて、自動車エンジンの制御を行う場合がある。一方、自動車エンジンの複雑な現象を精度よく再現するには、考慮する変数の数が増え、エンジンモデルの規模が大きくなる。このため、従来技術では、エンジンモデルを用いて多変数の最適制御を行う場合に多くの演算時間を必要とする。
【0013】
また、既存のエンジンモデルは、非線形かつ１次遅れ、２次遅れ、無駄時間などの特性を含む動的システムであり、数式処理で逆関数の数理モデルを導出することが困難である。このため、解析的に問題を解くことができずに、計算負荷が高くなるという問題がある。したがって、従来技術では、エンジン制御ユニットへエンジンモデルを実装して、オンボードで実時間制御することが困難である。
【0014】
そこで、実施の形態１では、ＲｅＬＵ構造の活性化関数を有するエンジンモデルＭを、バイナリ変数を含む線形不等式関数を用いて変換したエンジンモデルＭｃにより、運転条件と操作量から被制御量を推定し、被制御量の目標値となる操作量を探索することで、高性能かつ高速なエンジン制御を実現する制御方法について説明する。以下、制御装置１０１の処理例について説明する。
【0015】
制御装置１０１は、エンジンモデルＭを変換した変換後のエンジンモデルＭｃを取得する。エンジンモデルＭは、制御対象のエンジンＥの動特性を予測するモデルである。エンジンモデルＭは、多層のニューロン構造かつＲｅＬＵ（Ｒｅｃｔｉｆｉｅｄ Ｌｉｎｅａｒ Ｕｎｉｔ：正規化線形関数）構造の活性化関数を有する。
【0016】
ＲｅＬＵ構造は、関数への入力値が０以下の場合には出力値が０、入力値が０より大きい場合には出力値が線形に変化する関数である。エンジンモデルＭは、エンジンＥの運転条件と操作量とを入力として、将来の被制御量の値（予測値）を出力する。エンジンＥの運転条件は、例えば、エンジン回転数および燃料噴射量である。
【0017】
エンジンＥの被制御量は、例えば、インテークマニホールド圧力（ＭＡＰ）、吸入空気量（ＭＡＦ）、インテークマニホールド酸素濃度などである。エンジンＥの操作量は、例えば、被制御量を制御するためのアクチュエータの操作量であり、ターボ開度、スロットル開度、ＥＧＲ（Ｅｘｈａｕｓｔ Ｇａｓ Ｒｅｃｉｒｃｕｌａｔｉｏｎ）開度などである。
【0018】
エンジンモデルＭによれば、高精度にエンジンＥの動特性を再現することができる。一方で、エンジン制御に、エンジンモデルＭをそのまま用いると、最適制御のための演算時間が増大するおそれがある。このため、制御装置１０１は、高性能かつ高速なエンジン制御を実現するために、エンジンモデルＭを変換した変換後のエンジンモデルＭｃを取得する。
【0019】
変換後のエンジンモデルＭｃは、エンジンモデルＭに基づき、各ニューロン（ノード）の重み係数、バイアス、および、入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、各ニューロンの活性化関数が変換されたモデルである。重み係数およびバイアスは、各ニューロン（ノード）の入力と出力との関係を表す。重み係数は、入力に対する重みを示す。バイアスは、入力値を一定の範囲に偏らせるために用いるものである。
【0020】
入出力変数は、例えば、モデル自体に入力される変数、モデル自体から出力される変数、モデル内の各ニューロンから出力される変数などである。入出力変数の上下限値は、例えば、エンジンモデルＭに、網羅的な試験パターンであるＣｈｉｒｐ信号またはＡＰＲＢＳ（Ａｍｐｌｉｔｕｄｅ Ｐｓｅｕｄｏ Ｒａｎｄｏｍ Ｂｉｎａｒｙ Ｓｉｇｎａｌ）信号を与えることによって取得される、各入出力変数の最大値と最小値に基づき設定される。
【0021】
【0022】
図２Ａは、エンジンモデルの一例を示す説明図である。図２Ａにおいて、エンジンモデル２００は、エンジンモデルＭの一例であり、多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有する。エンジンモデル２００は、エンジンＥの複数の運転条件と操作量とを入力として、将来の被制御量を出力する。
【0023】
ここで、運転条件は、エンジン回転数（現在値、過去値）および燃料噴射量（現在値、過去値）である。また、操作量は、ターボ開度（現在値、過去値）、スロットル開度（現在値、過去値）およびＥＧＲ開度（現在値、過去値）である。過去値は、例えば、１ステップ前の値である。また、被制御量は、例えば、インテークマニホールド圧力（ＭＡＰ）（１ステップ後の予測値）である。
【0024】
エンジンモデル２００において、例えば、ノード２０１，２０２は、ＲｅＬＵ関数を含むニューロンの一例である。ＲｅＬＵ関数は、ＲｅＬＵ構造の活性化関数である。また、ω11
(1)は、ｕ1からノード２０１への入力にかかる重みを示す。また、ｂ1
(1)は、ノード２０１のバイアスを示す。
【0025】
図２Ｂは、エンジンモデルの変換例を示す説明図である。図２Ｂにおいて、エンジンモデル２１０は、図２Ａに示したエンジンモデル２００を簡易化して示したものである。なお、図２Ｂでは、エンジンモデル２１０の一部を抜粋して表示している。
【0026】
エンジンモデル２１０において、例えば、ＲｅＬＵ関数２１１は、ノード２０１（図２Ａ参照）の活性化関数を示す。ｗ1は、ｕからノード２０１への入力にかかる重みを示す。ｂ1は、ノード２０１のバイアスを示す。また、ＲｅＬＵ関数２１２は、ノード２０２（図２Ａ参照）の活性化関数を示す。ｗ2は、ノード２０１からノード２０２への入力にかかる重みを示す。ｂ2は、ノード２０２のバイアスを示す。なお、Ｉは、線形関数を示す。
【0027】
制御装置１０１は、例えば、命題論理を用いて、各ＲｅＬＵ関数を変形する。ＲｅＬＵ関数は、例えば、下記式（１）を用いて表される。
【0028】
【数1】
【0029】
制御装置１０１は、場合分けの条件を表現するために、下記式（２）、（３）のように、ＲｅＬＵ関数にバイナリ変数δを導入する。バイナリ変数δは、０と１の２値のみをとり得る変数（０－１変数）である。
【0030】
［ｆ（ｘ）≦０］ ⇔ ［δ＝１］ ・・・（２）
［ｆ（ｘ）＞０］ ⇔ ［δ＝０］ ・・・（３）
［ｆ（ｘ）＞０］ ⇔ ［δ＝０］ ・・・（３）
【0031】
上記の命題論理は、下記式（４）、（５）の不等式が成立することと等価である。ただし、Ｍは、ｆ（ｘ）の最大値である。ｍは、ｆ（ｘ）の最小値である。εは、計算機精度である。制御装置１０１は、Ｍ（各ニューロンから出力される変数の上限値）として、変換前のエンジンモデル２１０の各ニューロンから出力される変数の最大値を設定する。また、制御装置１０１は、ｍ（各ニューロンから出力される変数の下限値）として、変換前のエンジンモデル２１０の各ニューロンから出力される変数の最小値を設定する。
【0032】
ｆ（ｘ）≦Ｍ（１－δ） ・・・（４）
ｆ（ｘ）≧ε＋（ｍ－ε）δ ・・・（５）
ｆ（ｘ）≧ε＋（ｍ－ε）δ ・・・（５）
【0033】
バイナリ変数δを用いることで、ｙは、下記式（６）のように表すことができる。
【0034】
ｙ＝（１－δ）ｆ（ｘ） ・・・（６）
【0035】
上記式（６）と等価な不等式は、例えば、下記式（７）～（１０）となる。
【0036】
ｙ≦Ｍ（１－δ） ・・・（７）
ｙ≧ｍ（１－δ） ・・・（８）
ｙ≦ｆ（ｘ）－ｍδ ・・・（９）
ｙ≧ｆ（ｘ）－Ｍδ ・・・（１０）
ｙ≧ｍ（１－δ） ・・・（８）
ｙ≦ｆ（ｘ）－ｍδ ・・・（９）
ｙ≧ｆ（ｘ）－Ｍδ ・・・（１０）
【0037】
制御装置１０１は、例えば、上記変形をすべてのＲｅＬＵ関数に適用することにより、エンジンモデル２１０を変換する。
【0038】
エンジンモデル２２０は、変換後のエンジンモデルＭｃの一例であり、エンジンモデル２１０を変換した変換後のエンジンモデルである。エンジンモデル２２０は、エンジンＥの複数の運転条件と操作量とを入力として、将来の被制御量を出力する。図２Ｂでは、エンジンモデル２２０の一部を抜粋して表示している。
【0039】
制御装置１０１は、変換後のエンジンモデル２２０の各ニューロンの重み係数、バイアスとして、変換前のエンジンモデル２１０の各ニューロン（例えば、ノード２０１）の重み係数、バイアス（例えば、ｗ1、ｂ1）を設定する。また、制御装置１０１は、変換後のエンジンモデル２２０に入力される変数の上下限値として、変換前のエンジンモデル２１０に入力される変数（例えば、ｕ）の上下限値を設定する。また、制御装置１０１は、変換後のエンジンモデル２２０から出力される変数の上下限値として、変換前のエンジンモデル２１０から出力される変数（例えば、ｙ）の上下限値を設定する。
【0040】
これにより、制御装置１０１は、エンジンモデル２１０を変換した変換後のエンジンモデル２２０を取得することができる。エンジンモデル２２０によれば、問題（混合整数計画問題）を高速に解くことが可能なアルゴリズムを用いることができるため、計算負荷を抑えることができる。また、問題空間を限定することができるため、解空間が小さくなり探索にかかる時間を短縮することができる。
【0041】
ただし、エンジンモデル２１０の変換は、制御装置１０１とは異なる他のコンピュータにおいて行われてもよい。この場合、制御装置１０１は、例えば、ユーザの操作入力により、または、他のコンピュータから受信することにより、変換後のエンジンモデル２２０を取得する。
【0042】
制御装置１０１は、エンジンＥの運転条件と被制御量の実値とを取得する。エンジンＥの運転条件は、例えば、エンジン回転数および燃料噴射量である。被制御量は、例えば、インテークマニホールド圧力（ＭＡＰ）である。被制御量の実値は、例えば、エンジンＥに設けられ、被制御量を計測するセンサから取得される。
【0043】
制御装置１０１は、エンジンＥの運転条件に基づいて、被制御量の目標値を特定する。具体的には、例えば、制御装置１０１は、２次元マップ（不図示）を参照して、エンジンＥの運転条件に応じた被制御量の目標値を特定する。２次元マップは、エンジン運転条件（例えば、エンジン回転数と燃料噴射量との組合せ）に対応付けて、被制御量の目標値を示す情報である。被制御量の目標値は、例えば、排ガスや燃費を抑えるために適切な被制御量の値である。
【0044】
制御装置１０１は、エンジンＥの運転条件と被制御量を制御するための操作量の候補値とから、変換後のエンジンモデルＭｃを用いて、将来の被制御量の推定値を算出する。将来の被制御量の推定値は、例えば、エンジンＥを制御する際の次のステップ（１秒後など）の被制御量を表す。操作量の候補値は、例えば、ランダムな値である。
【0045】
制御装置１０１は、特定した被制御量の目標値と、算出した被制御量の推定値との誤差に基づいて、被制御量を制御するための操作量の値を決定する。具体的には、例えば、制御装置１０１は、最適化ソルバーｓｖにより、操作量の候補値を変化させながら、変換後のエンジンモデルＭｃを用いて、将来の被制御量の推定値を算出する。
【0046】
最適化ソルバーｓｖは、例えば、ｄｕａｌ－ｓｉｍｐｌｅｘ（双対単体法）アルゴリズムを用いて、問題を解くソフトウェアである。そして、制御装置１０１は、例えば、被制御量の目標値と被制御量の推定値との誤差が最小となるときの候補値を、次のステップで被制御量を制御するための操作量の値に決定してもよい。
【0047】
また、被制御量を目標値とするために操作量を急激に変化させると、例えば、アクチュエータが故障する可能性がある。このため、制御装置１０１は、被制御量の目標値と被制御量の推定値との誤差、および、操作量の変化量に基づいて、被制御量を制御するための操作量の値を決定することにしてもよい。
【0048】
ここで、操作量の変化量は、例えば、現在の操作量の値（現在値）と操作量の候補値との差分によって表される。より詳細に説明すると、例えば、制御装置１０１は、評価関数ｅｆを用いて、被制御量の目標値と被制御量の推定値との誤差および操作量の変化量から、制御評価値を算出する。
【0049】
評価関数ｅｆは、例えば、被制御量の目標値と被制御量の推定値との誤差を考慮する項と、操作量の変化量を考慮する項とに重み付けしたコスト関数である。重み付けは、例えば、被制御量の目標値と被制御量の推定値との誤差と操作量の変化量とを比較するために正規化しつつ、各項の優先度合いに応じて重み付けすることによって行われる。
【0050】
制御評価値は、例えば、被制御量を制御するためのコストに相当し、値が低いほど評価が高いことを示す。そして、制御装置１０１は、制御評価値（コスト）が最小となるときの操作量の候補値を、次のステップで被制御量を制御するための操作量の値に決定する。これにより、操作量の急峻な変化が生じないように、被制御量をできるだけ目標値に近づけるための操作量の値を決定することができる。ただし、評価関数ｅｆは、例えば、被制御量の目標値と被制御量の推定値との誤差を考慮する項のみを含むコスト関数であってもよい。
【0051】
制御装置１０１は、決定した操作量の値を出力する。具体的には、例えば、制御装置１０１は、次のステップで被制御量を制御する際の操作量として、エンジンＥに対して、決定した操作量の値を出力する。
【0052】
このように、制御装置１０１によれば、高精度にエンジンＥの動特性を予測可能なモデル（変換後のエンジンモデルＭｃ）を用いて、高性能かつ高速なエンジン制御を実現することができる。例えば、多層のニューラルネットワークのエンジンモデルを、線形不等式関数を用いて定式化することで、最適化問題を解析的に解くことができる。また、線形不等式関数に変形可能な活性化関数としては、例えば、ＲｅＬＵ、Ｈａｄｌｉｍｓ、Ｓａｔｌｉｎｓ、ｔｒｉｂａｓなどがある。これらの活性化関数のうち、ＲｅＬＵ構造の活性化関数をエンジンモデルに用いることで、エンジンＥの動特性（被制御量）の高精度な予測を実現することができる。
【0053】
（制御装置１０１のハードウェア構成例）
図３は、制御装置１０１のハードウェア構成例を示すブロック図である。図３において、制御装置１０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、ディスクドライブ３０３と、ディスク３０４と、通信Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０５と、可搬型記録媒体Ｉ／Ｆ３０６と、可搬型記録媒体３０７と、を有する。また、各構成部は、バス３００によってそれぞれ接続される。
図３は、制御装置１０１のハードウェア構成例を示すブロック図である。図３において、制御装置１０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、ディスクドライブ３０３と、ディスク３０４と、通信Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０５と、可搬型記録媒体Ｉ／Ｆ３０６と、可搬型記録媒体３０７と、を有する。また、各構成部は、バス３００によってそれぞれ接続される。
【0054】
ここで、ＣＰＵ３０１は、制御装置１０１の全体の制御を司る。ＣＰＵ３０１は、複数のコアを有していてもよい。メモリ３０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭがＯＳのプログラムを記憶し、ＲＯＭがアプリケーションプログラムを記憶し、ＲＡＭがＣＰＵ３０１のワークエリアとして使用される。メモリ３０２に記憶されるプログラムは、ＣＰＵ３０１にロードされることで、コーディングされている処理をＣＰＵ３０１に実行させる。
【0055】
ディスクドライブ３０３は、ＣＰＵ３０１の制御に従ってディスク３０４に対するデータのリード／ライトを制御する。ディスク３０４は、ディスクドライブ３０３の制御で書き込まれたデータを記憶する。ディスク３０４としては、例えば、磁気ディスク、光ディスクなどが挙げられる。
【0056】
通信Ｉ／Ｆ３０５は、通信回線を通じてネットワーク３１０に接続され、ネットワーク３１０を介して外部のコンピュータ（例えば、後述の図４に示す実エンジンシステムＥＳ）に接続される。そして、通信Ｉ／Ｆ３０５は、ネットワーク３１０と装置内部とのインターフェースを司り、外部のコンピュータからのデータの入出力を制御する。通信Ｉ／Ｆ３０５には、例えば、モデムやＬＡＮアダプタなどを採用することができる。
【0057】
可搬型記録媒体Ｉ／Ｆ３０６は、ＣＰＵ３０１の制御に従って可搬型記録媒体３０７に対するデータのリード／ライトを制御する。可搬型記録媒体３０７は、可搬型記録媒体Ｉ／Ｆ３０６の制御で書き込まれたデータを記憶する。可搬型記録媒体３０７としては、例えば、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）－ＲＯＭ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリなどが挙げられる。
【0058】
なお、制御装置１０１は、上述した構成部のほかに、例えば、入力装置、ディスプレイなどを有することにしてもよい。また、制御装置１０１は、上述した構成部のうち、例えば、ディスクドライブ３０３、ディスク３０４、可搬型記録媒体Ｉ／Ｆ３０６、可搬型記録媒体３０７を有さないことにしてもよい。
【0059】
（制御装置１０１の機能的構成例）
図４は、実施の形態１にかかる制御装置１０１の機能的構成例を示すブロック図である。図４において、制御装置１０１は、条件検出部４０１と、目標値算出部４０２と、推定部４０３と、最適化部４０４と、評価値算出部４０５と、を含む。条件検出部４０１～評価値算出部４０５は制御部となる機能であり、具体的には、例えば、図３に示したメモリ３０２、ディスク３０４、可搬型記録媒体３０７などの記憶装置に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、通信Ｉ／Ｆ３０５により、その機能を実現する。各機能部の処理結果は、例えば、メモリ３０２、ディスク３０４などの記憶装置に記憶される。
図４は、実施の形態１にかかる制御装置１０１の機能的構成例を示すブロック図である。図４において、制御装置１０１は、条件検出部４０１と、目標値算出部４０２と、推定部４０３と、最適化部４０４と、評価値算出部４０５と、を含む。条件検出部４０１～評価値算出部４０５は制御部となる機能であり、具体的には、例えば、図３に示したメモリ３０２、ディスク３０４、可搬型記録媒体３０７などの記憶装置に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、通信Ｉ／Ｆ３０５により、その機能を実現する。各機能部の処理結果は、例えば、メモリ３０２、ディスク３０４などの記憶装置に記憶される。
【0060】
条件検出部４０１は、制御対象のエンジンＥの運転条件と被制御量の実値とを取得する。ここで、エンジンＥの運転条件は、例えば、エンジン回転数および燃料噴射量である。被制御量は、例えば、インテークマニホールド圧力（ＭＡＰ）、吸入空気量（ＭＡＦ）、インテークマニホールド酸素濃度のうちの少なくともいずれかである。
【0061】
具体的には、例えば、条件検出部４０１は、実エンジンシステムＥＳから、エンジンＥの運転条件（現在値）と被制御量の実値（現在値）とを取得する。実エンジンシステムＥＳは、エンジンＥを制御するためのシステムであり、例えば、コントローラ、センサ、アクチュエータなどを含む。センサは、例えば、被制御量の実値を計測する。
【0062】
目標値算出部４０２は、取得されたエンジンＥの運転条件に基づいて、エンジンＥの被制御量の制御目標値を特定する。具体的には、例えば、目標値算出部４０２は、２次元マップ（不図示）を参照して、エンジンＥの運転条件に応じた被制御量の制御目標値を特定する。２次元マップは、例えば、エンジン回転数と燃料噴射量との組合せに対応付けて、被制御量の制御目標値を示す。被制御量の制御目標値は、例えば、排ガスや燃費を抑えるために適切な被制御量の値である。
【0063】
推定部４０３は、取得されたエンジンＥの運転条件と操作量の探索値とから、変換後のエンジンモデルＭｃを用いて、将来の被制御量の推定値を算出する。ここで、操作量は、例えば、被制御量を制御するためのアクチュエータの操作量である。操作量は、例えば、ターボ開度、スロットル開度、ＥＧＲ開度のうちの少なくともいずれかである。
【0064】
操作量の探索値は、被制御量を制御するための操作量の候補値である。操作量の探索値は、例えば、最適化部４０４により予め定められた探索ルールに従って探索され、最適化部４０４から推定部４０３に与えられる。将来の被制御量の推定値は、例えば、エンジンＥを制御する際の次のステップの被制御量を表す。
【0065】
変換後のエンジンモデルＭｃは、エンジンモデルＭを変換することにより得られる（例えば、図２Ａ、図２Ｂ参照）。エンジンモデルＭは、多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、エンジンＥの運転条件と操作量とを入力としてエンジンＥの動特性を予測するモデルである。
【0066】
エンジンモデルＭは、例えば、エンジンＥの複数の運転条件と操作量とを入力として、将来の被制御量の推定値を出力するモデルである。複数の運転条件と操作量は、例えば、過去（例えば、４ステップ前）から現時刻までの各ステップにおける運転条件と操作量である。
【0067】
変換後のエンジンモデルＭｃは、エンジンモデルＭに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、各ニューロンの活性化関数が変換されたモデルである。エンジンモデルＭは、例えば、予め作成されてメモリ３０２、ディスク３０４などの記憶装置に記憶されている。
【0068】
具体的には、例えば、推定部４０３は、エンジンモデルＭに基づいて、変換後のエンジンモデルＭｃの各ニューロンの重み係数、バイアスとして、変換前のエンジンモデルＭの各ニューロンの重み係数、バイアスを設定する。また、推定部４０３は、変換後のエンジンモデルＭｃに入力される変数の上下限値として、エンジンモデルＭに入力される変数の上下限値を設定する。
【0069】
また、推定部４０３は、変換後のエンジンモデルＭｃから出力される変数の上下限値として、エンジンモデルＭから出力される変数の上下限値を設定する。また、推定部４０３は、変換後のエンジンモデルＭｃの各ニューロン（活性化関数）から出力される変数の上下限値として、エンジンモデルＭの各ニューロンから出力される変数の上下限値を設定する。
【0070】
入出力変数の上下限値は、例えば、エンジンモデルＭにＣｈｉｒｐ信号またはＡＰＲＢＳ信号を入力として与えることによって取得される、各入出力変数の最大値と最小値に基づき設定される。Ｃｈｉｒｐ信号は、時刻に応じて周波数成分を連続的に変える正弦波の信号である。ＡＰＲＢＳ信号は、矩形波の振幅をランダムに組合せた信号である。Ｃｈｉｒｐ信号やＡＰＲＢＳ信号によれば、網羅的な試験パターンを実現して、入出力変数の上下限値を精度よく設定することができる。また、各入出力変数の範囲を適切に限定することで、高速かつ高性能なモデル（エンジンモデルＭｃ）を生成することができる。
【0071】
ただし、エンジンモデルＭの変換は、制御装置１０１において行われてもよく、また、制御装置１０１とは異なる他のコンピュータにおいて行われてもよい。他のコンピュータにより行われた場合、制御装置１０１は、例えば、ユーザの操作入力により、または、他のコンピュータから受信することにより、変換後のエンジンモデルＭｃを取得する。
【0072】
具体的には、例えば、推定部４０３は、エンジンＥの運転条件と操作量の探索値とを、変換後のエンジンモデルＭｃに入力することによって、将来の被制御量の推定値を算出する。より詳細に説明すると、例えば、推定部４０３は、ｋステップ前（ｋは、２以上の自然数）から１ステップ前までの運転条件（過去値）と操作量（過去値）と、運転条件（現在値）と操作量の探索値とを、変換後のエンジンモデルＭｃに入力することによって、１ステップ後の被制御量の推定値を算出する。過去の各ステップの運転条件（過去値）と操作量（過去値）は、例えば、メモリ３０２、ディスク３０４などの記憶装置に記憶されている。
【0073】
この際、推定部４０３は、現時刻から将来にわたる期間（例えば、４秒の間）の被制御量の推定値を算出することにしてもよい。例えば、１ステップを「１秒」とし、現時刻から将来にわたる期間を「４秒間」とする。この場合、推定部４０３は、４ステップ後までの各ステップの被制御量の推定値を算出する。
【0074】
ここで、各ステップの被制御量の推定値を算出するにあたり、各ステップにおける運転条件は、例えば、運転条件（現在値）に固定される。また、各ステップにおける操作量の探索値の組合せパターンは、最適化部４０４により予め定められた探索ルールに従って探索され、最適化部４０４から推定部４０３に与えられる。
【0075】
最適化部４０４は、被制御量の制御目標値と、算出された被制御量の推定値との誤差に基づいて、被制御量を制御するための操作量の値を決定する。具体的には、例えば、最適化部４０４は、被制御量の制御目標値と被制御量の推定値との誤差が最小となるときの探索値を、次のステップで被制御量を制御するための操作量の値に決定してもよい。
【0076】
また、最適化部４０４は、被制御量の制御目標値と被制御量の推定値との誤差、および、操作量の変化量に基づいて、被制御量を制御するための操作量の値を決定することにしてもよい。ここで、操作量の変化量は、例えば、現在の操作量の値（現在値）と操作量の探索値との差分によって表される。
【0077】
具体的には、例えば、評価値算出部４０５は、操作量の探索値それぞれについて、被制御量の制御目標値と被制御量の推定値との誤差、および、操作量の変化量に基づいて、制御評価値を算出する。制御評価値は、被制御量を制御するためのコストを表す指標値である。制御評価値は、例えば、値が低いほど評価が高いことを示す。
【0078】
より詳細に説明すると、例えば、評価値算出部４０５は、操作量の探索値それぞれについて、評価関数ｅｆを用いて、制御評価値を算出する。評価関数ｅｆは、例えば、被制御量の制御目標値と被制御量の推定値との誤差を考慮する項と、操作量の変化量を考慮する項とに重み付けしたコスト関数である（例えば、図１参照）。
【0079】
そして、最適化部４０４は、例えば、算出された制御評価値に基づいて、操作量の探索値の中から、被制御量を制御するための操作量の値を決定する。より詳細に説明すると、例えば、最適化部４０４は、操作量の探索値のうち、制御評価値が最小となる探索値を、被制御量を制御するための操作量の値に決定する。
【0080】
なお、最適化部４０４による操作量の探索は、例えば、最小となる制御評価値の変化量がほぼなくなるまで行われてもよく、また、指定の反復回数分行われてもよい。
【0081】
また、現時刻から将来にわたる期間の被制御量の推定値が算出される場合がある。例えば、１ステップを「１秒」とし、現時刻から将来にわたる期間を「４秒間」とする。この場合、最適化部４０４は、各ステップにおける操作量の探索値の組合せパターンごとに、４ステップ後までの各ステップについて、評価関数ｅｆを用いて、制御評価値を算出する。
【0082】
そして、最適化部４０４は、組合せパターンごとに、算出した各ステップの制御評価値の合計値（または、平均値）を算出する。つぎに、最適化部４０４は、組合せパターンのうち、算出した制御評価値の合計値（または、平均値）が最小となる組合せパターンを特定する。そして、最適化部４０４は、特定した組合せパターンにおける１ステップ目（次のステップ）の操作量の探索値を、被制御量を制御するための操作量の値に決定することにしてもよい。
【0083】
これにより、操作量の急峻な変化を抑えつつ、被制御量をできるだけ制御目標値に近づけるための操作量を決定する際の精度の向上を図ることができる。
【0084】
また、最適化部４０４は、決定した操作量の値を出力する。具体的には、例えば、最適化部４０４は、実エンジンシステムＥＳに対して、次のステップで被制御量を制御する際の操作量として、決定した操作量の値を出力する。実エンジンシステムＥＳは、制御装置１０１（最適化部４０４）から出力される操作量の値に基づいて、エンジンＥを制御する。
【0085】
具体的には、例えば、実エンジンシステムＥＳにおいて、コントローラの制御に従って、アクチュエータにより、次のステップの操作量（例えば、ターボ開度）が、出力された操作量の値に調整される。この結果、エンジンＥの被制御量（例えば、インテークマニホールド圧力）が制御される。
【0086】
また、エンジンモデルＭに含まれるＲｅＬＵ構造の活性化関数は、例えば、Ｌｅａｋｙ ＲｅＬＵ構造であってもよい。Ｌｅａｋｙ ＲｅＬＵ構造は、関数への入力値が０以下の場合および０より大きい場合のいずれの場合も出力値が線形に変化し、０を境に傾きが異なる関数である。エンジンモデルＭに含まれる活性化関数をＬｅａｋｙ ＲｅＬＵ構造の活性化関数とすることで、エンジンＥの動特性を予測する精度を向上させることができる。
【0087】
なお、制御装置１０１は、例えば、自動車（制御対象）の自律走行制御ユニットによって実現することにしてもよい。自律走行制御ユニットは、例えば、ＥＣＵ（Ｅｎｇｉｎｅ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）である。また、制御装置１０１は、自動車（制御対象）の自律走行制御ユニットと通信可能な他のコンピュータによって実現されてもよい。他のコンピュータは、例えば、サーバであってもよく、スマートフォン、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）などであってもよい。また、制御装置１０１は、例えば、スタンダードセルやストラクチャードＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）などの特定用途向けＩＣやＦＰＧＡなどのＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）によって実現することにしてもよい。
【0088】
（モデル化誤差やセンサ劣化によるドリフトを考慮した被制御量の推定例）
ここで、変換後のエンジンモデルＭｃのモデル化誤差やセンサ劣化によるドリフト（計測値のズレ）により、エンジンＥの動特性の予測精度が低下するおそれがある。
ここで、変換後のエンジンモデルＭｃのモデル化誤差やセンサ劣化によるドリフト（計測値のズレ）により、エンジンＥの動特性の予測精度が低下するおそれがある。
【0089】
図５は、被制御量の時間変化を示す説明図である。図５において、グラフ５０１は、被制御量の実値の時間変化を示す。グラフ５０２は、被制御量の推定値の時間変化を示す。ｄ（ｔ）は、時間ｔにおけるグラフ５０１，５０２間の誤差を示している。ｄ（ｔ）は、例えば、モデル化誤差やセンサ劣化の影響により生じる誤差を表している。
【0090】
そこで、推定部４０３は、現時刻の被制御量の実値（現在値）と現時刻についての被制御量の推定値との誤差を考慮して、将来の被制御量の推定値を算出することにしてもよい。現時刻についての被制御量の推定値は、現時刻よりも前に推定された現時刻についての被制御量の推定値である。
【0091】
具体的には、例えば、推定部４０３は、下記式（１１）を用いて、将来の被制御量の推定値を算出することにしてもよい。ただし、ｙp（ｔ＋ｊ）は、被制御量の推定値を示す。ｙ（ｔ）は、現時刻の被制御量の実値を示す。ｙM（ｔ＋ｊ）は、ｊステップ先の被制御量の推定値を示す。ｙM（ｔ）は、現時刻よりも前に推定された現時刻についての被制御量の推定値を示す。
【0092】
ｙp（ｔ＋ｊ）＝ｙ（ｔ）＋ｙM（ｔ＋ｊ）－ｙM（ｔ）・・・（１１）
【0093】
これにより、モデル化誤差やセンサ劣化の影響を考慮することができ、エンジンＥの動特性の予測精度の低下を防ぐことができる。
【0094】
（制御装置１０１の制御処理手順）
つぎに、制御装置１０１の制御処理手順について説明する。
つぎに、制御装置１０１の制御処理手順について説明する。
【0095】
図６は、実施の形態１にかかる制御装置１０１の制御処理手順の一例を示すフローチャートである。図６のフローチャートにおいて、まず、制御装置１０１は、制御対象のエンジンＥの運転条件と被制御量の実値とを取得する（ステップＳ６０１）。そして、制御装置１０１は、取得したエンジンＥの運転条件に基づいて、エンジンＥの被制御量の制御目標値を特定する（ステップＳ６０２）。
【0096】
つぎに、制御装置１０１は、被制御量を制御するための操作量の探索値を取得する（ステップＳ６０３）。そして、制御装置１０１は、取得したエンジンＥの運転条件と操作量の探索値とから、変換後のエンジンモデルＭｃを用いて、将来の被制御量の推定値を算出する（ステップＳ６０４）。
【0097】
つぎに、制御装置１０１は、評価関数ｅｆを用いて、被制御量の制御目標値と被制御量の推定値との誤差、および、操作量の変化量から制御評価値を算出する（ステップＳ６０５）。操作量の変化量は、例えば、操作量の現在値と操作量の探索値との差分によって表される。
【0098】
そして、制御装置１０１は、算出した制御評価値が制御評価値minより小さいか否かを判断する（ステップＳ６０６）。制御評価値minは、初期状態では「ｎｕｌｌ」である。なお、ステップＳ６０６において、制御評価値minが初期状態の場合、制御装置１０１は、ステップＳ６０７に移行する。
【0099】
ここで、制御評価値が制御評価値min以上の場合（ステップＳ６０６：Ｎｏ）、制御装置１０１は、ステップＳ６０９に移行する。一方、制御評価値が制御評価値minより小さい場合（ステップＳ６０６：Ｙｅｓ）、制御装置１０１は、取得した操作量の探索値を、仮の最適値として保存する（ステップＳ６０７）。
【0100】
そして、制御装置１０１は、算出した制御評価値を制御評価値minとする（ステップＳ６０８）。つぎに、制御装置１０１は、操作量の探索を終了するか否かを判断する（ステップＳ６０９）。操作量の探索は、例えば、制御評価値minの変化量がほぼなくなるまで、または、指定の反復回数分行われる。
【0101】
ここで、操作量の探索を終了しない場合（ステップＳ６０９：Ｎｏ）、制御装置１０１は、ステップＳ６０３に戻る。一方、操作量の探索を終了する場合には（ステップＳ６０９：Ｙｅｓ）、制御装置１０１は、保存した仮の最適値である操作量の値を、実エンジンシステムＥＳに出力して（ステップＳ６１０）、本フローチャートによる一連の処理を終了する。
【0102】
これにより、高精度かつ高速なエンジンモデル（変換後のエンジンモデルＭｃ）を用いて、エンジンＥの被制御量（例えば、インテークマニホールド圧力（ＭＡＰ）、吸入空気量（ＭＡＦ）、インテークマニホールド酸素濃度など）を制御することができる。
【0103】
以上説明したように、実施の形態１にかかる制御装置１０１によれば、制御対象のエンジンＥの運転条件と被制御量の実値とを取得し、エンジンＥの運転条件と操作量の探索値とから、エンジンモデルＭを変換した変換後のエンジンモデルＭｃを用いて、将来の被制御量の推定値を算出することができる。エンジンモデルＭは、多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、エンジンＥの運転条件と操作量とを入力としてエンジンＥの動特性を予測するモデルである。変換後のエンジンモデルＭｃは、エンジンモデルＭに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、各ニューロンの活性化関数が変換されたモデルである。そして、制御装置１０１によれば、被制御量の制御目標値と被制御量の推定値との誤差に基づいて、被制御量を制御するための操作量の値を決定し、決定した操作量の値を出力することができる。
【0104】
これにより、制御装置１０１は、高精度にエンジンＥの動特性を予測可能なエンジンモデル（変換後のエンジンモデルＭｃ）を用いて、高性能かつ高速なエンジン制御を実現することができる。例えば、自動車のインテークマニホールド圧力（ＭＡＰ）、吸入空気量（ＭＡＦ）、インテークマニホールド酸素濃度などを適切に制御することにより、排ガスや燃費を抑えたエンジンＥの実時間制御を行うことができる。
【0105】
また、制御装置１０１によれば、被制御量の制御目標値と被制御量の推定値との誤差、および、操作量の現在値と操作量の探索値との差分に基づいて、被制御量を制御するための操作量の値を決定することができる。具体的には、例えば、制御装置１０１は、操作量の探索値それぞれについて、評価関数ｅｆを用いて、被制御量を制御するためのコストを表す制御評価値を算出する。そして、制御装置１０１は、算出した制御評価値に基づいて、操作量の探索値の中から、被制御量を制御するための操作量の値を決定する。
【0106】
これにより、制御装置１０１は、操作量の急峻な変化を抑えつつ、被制御量をできるだけ制御目標値に近づけるための操作量を決定することができる。
【0107】
また、制御装置１０１によれば、インテークマニホールド圧力（ＭＡＰ）、吸入空気量（ＭＡＦ）、インテークマニホールド酸素濃度のうちの少なくともいずれかを被制御量とすることができる。
【0108】
これにより、制御装置１０１は、インテークマニホールド圧力（ＭＡＰ）、吸入空気量（ＭＡＦ）、インテークマニホールド酸素濃度などを調整してエンジンＥを制御することができる。
【0109】
また、制御装置１０１によれば、エンジンＥの運転条件をエンジン回転数および燃料噴射量とすることができる。
【0110】
これにより、制御装置１０１は、エンジンＥのエンジン回転数および燃料噴射量から被制御量の制御目標値を求めることができる。
【0111】
また、制御装置１０１によれば、ターボ開度、スロットル開度、ＥＧＲ開度のうちの少なくともいずれかを操作量とすることができる。
【0112】
これにより、制御装置１０１は、ターボ開度、スロットル開度、ＥＧＲ開度などを調節して、インテークマニホールド圧力（ＭＡＰ）、吸入空気量（ＭＡＦ）、インテークマニホールド酸素濃度などを制御することができる。ターボ開度は、例えば、インテークマニホールド圧力（ＭＡＰ）を制御するための操作量となる。スロットル開度は、例えば、吸入空気量（ＭＡＦ）を制御するための操作量となる。ＥＧＲ開度は、例えば、インテークマニホールド酸素濃度を制御するための操作量となる。
【0113】
また、制御装置１０１によれば、エンジンモデルＭに含まれる活性化関数は、Ｌｅａｋｙ ＲｅＬＵ構造の活性化関数とすることができる。
【0114】
これにより、制御装置１０１は、エンジンＥの動特性を予測する精度を向上させることができる。
【0115】
（実施の形態２）
つぎに、実施の形態２にかかる制御装置１０１について説明する。実施の形態２では、エンジンＥの経年変化や環境変化により、エンジンＥの動特性の予測精度が低下する場合があることを考慮して、変換後のエンジンモデルＭｃを更新する場合について説明する。なお、実施の形態１で説明した箇所と同様の箇所については、同一符号を付して図示および説明を省略する。
つぎに、実施の形態２にかかる制御装置１０１について説明する。実施の形態２では、エンジンＥの経年変化や環境変化により、エンジンＥの動特性の予測精度が低下する場合があることを考慮して、変換後のエンジンモデルＭｃを更新する場合について説明する。なお、実施の形態１で説明した箇所と同様の箇所については、同一符号を付して図示および説明を省略する。
【0116】
（制御装置１０１の機能的構成例）
まず、制御装置１０１の機能的構成例について説明する。
まず、制御装置１０１の機能的構成例について説明する。
【0117】
図７は、実施の形態２にかかる制御装置１０１の機能的構成例を示すブロック図である。図７において、制御装置１０１は、条件検出部４０１と、目標値算出部４０２と、推定部４０３と、最適化部４０４と、評価値算出部４０５と、更新部７０１と、を含む。条件検出部４０１～評価値算出部４０５および更新部７０１は制御部となる機能であり、具体的には、例えば、図３に示したメモリ３０２、ディスク３０４、可搬型記録媒体３０７などの記憶装置に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、通信Ｉ／Ｆ３０５により、その機能を実現する。各機能部の処理結果は、例えば、メモリ３０２、ディスク３０４などの記憶装置に記憶される。
【0118】
以下、実施の形態１にかかる制御装置１０１とは異なる機能部について説明する。
【0119】
更新部７０１は、エンジンＥの運転条件と操作量の値との組合せに対応する被制御量の実値を示す教師データに基づいて、変換後のエンジンモデルＭｃを更新する。ここで、エンジンＥの運転条件と操作量の値との組合せは、例えば、時刻ｔの運転条件（現在値）と操作量の出力値との組合せである。
【0120】
操作量の出力値は、時刻ｔに制御装置１０１から実エンジンシステムＥＳに出力された操作量の値（例えば、コスト最小の探索値）である。被制御量の実値は、例えば、操作量の出力値に応じて制御された１ステップ後の被制御量の実値である。ただし、被制御量の実値として、例えば、現時刻（時刻ｔ）の被制御量の実値を用いることにしてもよい。
【0121】
教師データは、例えば、制御装置１０１によるエンジンＥ（実エンジンシステムＥＳ）の制御が行われるたびに、その都度作成されて、メモリ３０２、ディスク３０４などの記憶装置に記憶される。
【0122】
具体的には、例えば、更新部７０１は、条件検出部４０１によって取得された被制御量の実値（現在値）と、推定部４０３によって算出された被制御量の推定値との誤差を算出する。なお、被制御量の実値（現在値）と比較する推定値は、前回算出された被制御量の推定値（コスト最小のときの推定値）であってもよい。あるいは、被制御量の推定値と比較する被制御量の実値は、今回出力された操作量の値に応じて制御された１ステップ後の被制御量の実値であってもよい。
【0123】
そして、更新部７０１は、算出した誤差が閾値以上であるか否かを判断する。閾値は、任意に設定可能である。ここで、誤差が閾値未満の場合、更新部７０１は、変換後のエンジンモデルＭｃの更新を行わない。一方、誤差が閾値以上の場合、更新部７０１は、教師データに基づいて、変換後のエンジンモデルＭｃを更新する。
【0124】
より詳細に説明すると、例えば、更新部７０１は、誤差が閾値以上の場合、教師データに基づく機械学習を行うことにより、被制御量の推定値と実値との誤差が小さくなるように、変換後のエンジンモデルＭｃの各ニューロンの重み係数とバイアスを更新する。また、更新部７０１は、学習中の各層の各ニューロンの入出力の最大値を取得し、既存の最大値を超える場合には、そのニューロンの入出力の最大値を更新する。同様に、更新部７０１は、学習中の各層の各ニューロンの入出力の最小値を取得し、既存の最小値を下回る場合には、そのニューロンの入出力の最小値を更新する。
【0125】
変換後のエンジンモデルＭｃが更新された場合、推定部４０３は、更新された変換後のエンジンモデルＭｃを用いて、取得されたエンジンＥの運転条件と操作量の探索値とから、将来の被制御量の推定値を算出する。
【0126】
（制御装置１０１の制御処理手順）
つぎに、制御装置１０１の制御処理手順について説明する。
つぎに、制御装置１０１の制御処理手順について説明する。
【0127】
図８は、実施の形態２にかかる制御装置１０１の制御処理手順の一例を示すフローチャートである。図８のフローチャートにおいて、まず、制御装置１０１は、制御対象のエンジンＥの運転条件と被制御量の実値とを取得する（ステップＳ８０１）。そして、制御装置１０１は、取得したエンジンＥの運転条件に基づいて、エンジンＥの被制御量の制御目標値を特定する（ステップＳ８０２）。
【0128】
つぎに、制御装置１０１は、モデル更新処理を実行する（ステップＳ８０３）。モデル更新処理は、変換後のエンジンモデルＭｃを更新するための処理である。モデル更新処理の具体的な処理手順については、図９を用いて後述する。
【0129】
つぎに、制御装置１０１は、被制御量を制御するための操作量の探索値を取得する（ステップＳ８０４）。そして、制御装置１０１は、取得したエンジンＥの運転条件と操作量の探索値とから、変換後のエンジンモデルＭｃを用いて、将来の被制御量の推定値を算出する（ステップＳ８０５）。
【0130】
つぎに、制御装置１０１は、評価関数ｅｆを用いて、被制御量の制御目標値と被制御量の推定値との誤差、および、操作量の変化量から制御評価値を算出する（ステップＳ８０６）。操作量の変化量は、例えば、操作量の現在値と操作量の探索値との差分によって表される。
【0131】
そして、制御装置１０１は、算出した制御評価値が制御評価値minより小さいか否かを判断する（ステップＳ８０７）。制御評価値minは、初期状態では「ｎｕｌｌ」である。なお、ステップＳ８０７において、制御評価値minが初期状態の場合、制御装置１０１は、ステップＳ８０８に移行する。
【0132】
ここで、制御評価値が制御評価値min以上の場合（ステップＳ８０７：Ｎｏ）、制御装置１０１は、ステップＳ８１０に移行する。一方、制御評価値が制御評価値minより小さい場合（ステップＳ８０７：Ｙｅｓ）、制御装置１０１は、取得した操作量の探索値を、仮の最適値として保存する（ステップＳ８０８）。
【0133】
そして、制御装置１０１は、算出した制御評価値を制御評価値minとする（ステップＳ８０９）。つぎに、制御装置１０１は、操作量の探索を終了するか否かを判断する（ステップＳ８１０）。操作量の探索は、例えば、制御評価値minの変化量がほぼなくなるまで、または、指定の反復回数分行われる。
【0134】
ここで、操作量の探索を終了しない場合（ステップＳ８１０：Ｎｏ）、制御装置１０１は、ステップＳ８０４に戻る。一方、操作量の探索を終了する場合には（ステップＳ８１０：Ｙｅｓ）、制御装置１０１は、保存した仮の最適値である操作量の値を、実エンジンシステムＥＳに出力して（ステップＳ８１１）、本フローチャートによる一連の処理を終了する。
【0135】
これにより、高精度かつ高速なエンジンモデル（変換後のエンジンモデルＭｃ）を用いて、エンジンＥの被制御量を制御することができる。また、変換後のエンジンモデルＭｃを逐次更新することができる。
【0136】
つぎに、図９を用いて、ステップＳ８０３のモデル更新処理の具体的な処理手順について説明する。
【0137】
図９は、モデル更新処理の具体的処理手順の一例を示すフローチャートである。図９のフローチャートにおいて、まず、制御装置１０１は、変換後のエンジンモデルＭｃを用いて算出された被制御量の推定値を取得する（ステップＳ９０１）。この推定値は、例えば、前回の制御時に算出された被制御量の推定値（コスト最小のときの推定値）であってもよい。また、制御装置１０１は、例えば、被制御量を制御するための操作量の探索値を取得し、取得したエンジンＥの運転条件と操作量の探索値とから、変換後のエンジンモデルＭｃを用いて算出することによって、被制御量の推定値を取得してもよい。
【0138】
つぎに、制御装置１０１は、取得した被制御量の推定値と、ステップＳ８０１において取得した被制御量の実値（現在値）との誤差を算出する（ステップＳ９０２）。そして、制御装置１０１は、算出した誤差が閾値以上であるか否かを判断する（ステップＳ９０３）。
【0139】
ここで、誤差が閾値未満の場合（ステップＳ９０３：Ｎｏ）、制御装置１０１は、モデル更新処理を呼び出したステップに戻る。一方、誤差が閾値以上の場合（ステップＳ９０３：Ｙｅｓ）、制御装置１０１は、教師データに基づいて、被制御量の推定値と実値との誤差が小さくなるように、変換後のエンジンモデルＭｃを更新して（ステップＳ９０４）、モデル更新処理を呼び出したステップに戻る。
【0140】
これにより、被制御量の推定値と実値（現在値）との誤差に応じて、変換後のエンジンモデルＭｃを逐次更新することができる。
【0141】
以上説明したように、実施の形態２にかかる制御装置１０１によれば、変換後のエンジンモデルＭｃを逐次更新することにより、エンジンＥの経年変化や環境変化により予測精度が低下するのを防ぐことができる。
【0142】
（実施の形態３）
つぎに、実施の形態３にかかる制御装置１０１について説明する。実施の形態３では、エンジンＥの経年変化や環境変化により、エンジンＥの動特性の予測精度が低下する場合があることを考慮して、被制御量の予測値を補正する場合について説明する。なお、実施の形態１，２で説明した箇所と同様の箇所については、同一符号を付して図示および説明を省略する。
つぎに、実施の形態３にかかる制御装置１０１について説明する。実施の形態３では、エンジンＥの経年変化や環境変化により、エンジンＥの動特性の予測精度が低下する場合があることを考慮して、被制御量の予測値を補正する場合について説明する。なお、実施の形態１，２で説明した箇所と同様の箇所については、同一符号を付して図示および説明を省略する。
【0143】
（制御装置１０１の機能的構成例）
まず、制御装置１０１の機能的構成例について説明する。
まず、制御装置１０１の機能的構成例について説明する。
【0144】
図１０は、実施の形態３にかかる制御装置１０１の機能的構成例を示すブロック図である。図１０において、制御装置１０１は、条件検出部４０１と、目標値算出部４０２と、推定部４０３と、最適化部４０４と、評価値算出部４０５と、誤差学習部１００１と、を含む。条件検出部４０１～評価値算出部４０５および誤差学習部１００１は制御部となる機能であり、具体的には、例えば、図３に示したメモリ３０２、ディスク３０４、可搬型記録媒体３０７などの記憶装置に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、通信Ｉ／Ｆ３０５により、その機能を実現する。各機能部の処理結果は、例えば、メモリ３０２、ディスク３０４などの記憶装置に記憶される。
【0145】
以下、実施の形態１，２にかかる制御装置１０１とは異なる機能部について説明する。
【0146】
推定部４０３は、エンジンＥの運転条件に対応する被制御量の補正値を示す補正情報を参照して、算出した被制御量の推定値を補正する。具体的には、例えば、推定部４０３は、図１１に示すような誤差学習テーブル１１００を参照して、被制御量の推定値を補正する。
【0147】
誤差学習テーブル１１００は、例えば、予め作成されていてもよく、また、制御装置１０１によるエンジンＥの制御中に逐次作成、更新されるものであってもよい。誤差学習テーブル１１００は、例えば、メモリ３０２、ディスク３０４などの記憶装置により実現される。ここで、誤差学習テーブル１１００の記憶内容について説明する。
【0148】
図１１は、誤差学習テーブル１１００の記憶内容の一例を示す説明図である。図１１において、誤差学習テーブル１１００は、運転条件（エンジン回転数、燃料噴射量）および補正値のフィールドを有し、各フィールドに情報を設定することで、補正情報（例えば、補正情報１１００－１）をレコードとして記憶する。
【0149】
ここで、運転条件（エンジン回転数、燃料噴射量）は、エンジンＥの運転条件であるエンジン回転数と燃料噴射量との組合せである。補正値は、エンジンＥの被制御量の推定値を補正するための値である。誤差学習テーブル１１００は、エンジン回転数と燃料噴射量との組合せごとに、当該組合せに対応する補正値を記憶する。
【0150】
例えば、取得されたエンジンＥの運転条件（現在値）を、「エンジン回転数Ａ１、燃料噴射量Ｂ１」とする。この場合、推定部４０３は、誤差学習テーブル１１００を参照して、エンジン回転数Ａ１と燃料噴射量Ｂ１との組合せに対応する補正値Ｃ１を特定する。そして、誤差学習部１００１は、算出した被制御量の推定値に、特定した補正値Ｃ１を加算することにより、被制御量の推定値を補正する。
【0151】
この場合、最適化部４０４は、補正された補正後の被制御量の推定値との誤差を用いて、被制御量を制御するための操作量の値を決定する。具体的には、例えば、最適化部４０４は、被制御量の制御目標値と補正後の被制御量の推定値との誤差、および、操作量の変化量に基づいて、被制御量を制御するための操作量の値を決定する。
【0152】
なお、エンジンＥの運転条件（現在値）に対応する補正値が誤差学習テーブル１１００に存在しない場合がある。この場合、推定部４０３は、エンジンＥの運転条件（現在値）に最も類似する運転条件に対応する補正値を特定することにしてもよい。または、推定部４０３は、もっとも類似する運転条件から、補間処理を用いて、運転条件に対応する補正値を求めてもよい。運転条件（現在値）に最も類似する運転条件とは、例えば、運転条件（現在値）との間のエンジン回転数の誤差と燃料噴射量の誤差との合計が最小の運転条件である。また、推定部４０３は、エンジンＥの運転条件（現在値）に対応する補正値が存在しない場合、被制御量の推定値を補正しないことにしてもよい。
【0153】
誤差学習部１００１は、エンジンＥの運転条件に対応する被制御量の補正値を学習する。具体的には、例えば、誤差学習部１００１は、条件検出部４０１によって取得された被制御量の実値（現在値）と、推定部４０３によって算出された被制御量の推定値との誤差を算出する。また、誤差学習部１００１は、条件検出部４０１によって取得された被制御量の実値（現在値）と、推定部４０３によって補正された補正後の被制御量の推定値との誤差を算出することにしてもよい。
【0154】
なお、被制御量の実値（現在値）と比較する推定値（または、補正後の推定値）は、前回算出された被制御量の推定値（コスト最小のときの推定値）であってもよい。あるいは、被制御量の推定値と比較する被制御量の実値は、今回出力された操作量の値に応じて制御された１ステップ後の被制御量の実値であってもよい。
【0155】
そして、誤差学習部１００１は、算出した誤差が閾値以上であるか否かを判断する。閾値は、任意に設定可能である。ここで、誤差が閾値以上の場合、誤差学習部１００１は、例えば、算出した誤差に基づいて、被制御量の推定値と実値との誤差が小さくなるように、誤差学習テーブル１１００を更新する。一方、誤差が閾値未満の場合、誤差学習部１００１は、誤差学習テーブル１１００の更新を行わない。
【0156】
より詳細に説明すると、例えば、誤差学習部１００１は、誤差が閾値以上の場合、被制御量の実値（現在値）と被制御量の推定値（または、補正後の推定値）との誤差を、エンジンＥの運転条件（現在値）と対応付けて、誤差学習テーブル１１００に記憶する。この際、エンジンＥの運転条件（現在値）と同じ運転条件に対応する過去の誤差が存在する場合、誤差学習部１００１は、例えば、過去の誤差の平均値（最大値、最小値などでもよい）を、エンジンＥの運転条件（現在値）と対応付けて、誤差学習テーブル１１００に記憶することにしてもよい。
【0157】
（制御装置１０１の制御処理手順）
つぎに、制御装置１０１の制御処理手順について説明する。
つぎに、制御装置１０１の制御処理手順について説明する。
【0158】
図１２は、実施の形態３にかかる制御装置１０１の制御処理手順の一例を示すフローチャートである。図１２のフローチャートにおいて、まず、制御装置１０１は、制御対象のエンジンＥの運転条件と被制御量の実値とを取得する（ステップＳ１２０１）。そして、制御装置１０１は、取得したエンジンＥの運転条件に基づいて、エンジンＥの被制御量の制御目標値を特定する（ステップＳ１２０２）。
【0159】
つぎに、制御装置１０１は、誤差学習処理を実行する（ステップＳ１２０３）。誤差学習処理は、誤差学習テーブル１１００を更新するための処理である。誤差学習処理の具体的な処理手順については、図１３を用いて後述する。
【0160】
つぎに、制御装置１０１は、被制御量を制御するための操作量の探索値を取得する（ステップＳ１２０４）。そして、制御装置１０１は、取得したエンジンＥの運転条件と操作量の探索値とから、変換後のエンジンモデルＭｃを用いて、将来の被制御量の推定値を算出する（ステップＳ１２０５）。
【0161】
つぎに、制御装置１０１は、誤差学習テーブル１１００を参照して、算出した被制御量の推定値を補正する（ステップＳ１２０６）。具体的には、例えば、制御装置１０１は、誤差学習テーブル１１００を参照して、ステップＳ１２０１において取得したエンジンＥの運転条件に対応する補正値を特定する。そして、制御装置１０１は、算出した被制御量の推定値に、特定した補正値を加算することにより、被制御量の推定値を補正する。
【0162】
つぎに、制御装置１０１は、評価関数ｅｆを用いて、被制御量の制御目標値と補正後の被制御量の推定値との誤差、および、操作量の変化量から制御評価値を算出する（ステップＳ１２０７）。操作量の変化量は、例えば、操作量の現在値と操作量の探索値との差分によって表される。
【0163】
そして、制御装置１０１は、算出した制御評価値が制御評価値minより小さいか否かを判断する（ステップＳ１２０８）。制御評価値minは、初期状態では「ｎｕｌｌ」である。なお、ステップＳ１２０８において、制御評価値minが初期状態の場合、制御装置１０１は、ステップＳ１２０９に移行する。
【0164】
ここで、制御評価値が制御評価値min以上の場合（ステップＳ１２０８：Ｎｏ）、制御装置１０１は、ステップＳ１２１１に移行する。一方、制御評価値が制御評価値minより小さい場合（ステップＳ１２０８：Ｙｅｓ）、制御装置１０１は、取得した操作量の探索値を、仮の最適値として保存する（ステップＳ１２０９）。
【0165】
そして、制御装置１０１は、算出した制御評価値を制御評価値minとする（ステップＳ１２１０）。つぎに、制御装置１０１は、操作量の探索を終了するか否かを判断する（ステップＳ１２１１）。操作量の探索は、例えば、制御評価値minの変化量がほぼなくなるまで、または、指定の反復回数分行われる。
【0166】
ここで、操作量の探索を終了しない場合（ステップＳ１２１１：Ｎｏ）、制御装置１０１は、ステップＳ１２０４に戻る。一方、操作量の探索を終了する場合には（ステップＳ１２１１：Ｙｅｓ）、制御装置１０１は、保存した仮の最適値である操作量の値を、実エンジンシステムＥＳに出力して（ステップＳ１２１２）、本フローチャートによる一連の処理を終了する。
【0167】
これにより、高精度かつ高速なエンジンモデル（変換後のエンジンモデルＭｃ）と誤差学習テーブル１１００を用いて、エンジンＥの被制御量を制御することができる。また、誤差学習テーブル１１００を逐次更新することができる。
【0168】
つぎに、図１３を用いて、ステップＳ１２０３の誤差学習処理の具体的な処理手順について説明する。
【0169】
図１３は、誤差学習処理の具体的処理手順の一例を示すフローチャートである。図１３のフローチャートにおいて、まず、制御装置１０１は、変換後のエンジンモデルＭｃを用いて算出された被制御量の推定値を取得する（ステップＳ１３０１）。この推定値は、例えば、前回の制御時に算出された被制御量の推定値（コスト最小のときの推定値）であってもよい。また、制御装置１０１は、例えば、被制御量を制御するための操作量の探索値を取得し、取得したエンジンＥの運転条件と操作量の探索値とから、変換後のエンジンモデルＭｃを用いて算出することによって、被制御量の推定値を取得してもよい。また、この推定値は、変換後のエンジンモデルＭｃを用いて算出された被制御量の推定値を、誤差学習テーブル１１００を用いて補正した補正後の被制御量の推定値であってもよい。
【0170】
つぎに、制御装置１０１は、取得した被制御量の推定値と、ステップＳ１２０１において取得した被制御量の実値（現在値）との誤差を算出する（ステップＳ１３０２）。そして、制御装置１０１は、算出した誤差が閾値以上であるか否かを判断する（ステップＳ１３０３）。
【0171】
ここで、誤差が閾値未満の場合（ステップＳ１３０３：Ｎｏ）、制御装置１０１は、誤差学習処理を呼び出したステップに戻る。一方、誤差が閾値以上の場合（ステップＳ１３０３：Ｙｅｓ）、制御装置１０１は、被制御量の推定値と実値との誤差が小さくなるように、誤差学習テーブル１１００を更新して（ステップＳ１３０４）、誤差学習処理を呼び出したステップに戻る。
【0172】
これにより、被制御量の推定値と実値（現在値）との誤差に応じて、誤差学習テーブル１１００を逐次更新することができる。
【0173】
以上説明したように、実施の形態３にかかる制御装置１０１によれば、エンジンＥの経年変化や環境変化を考慮して、変換後のエンジンモデルＭｃを用いて算出された被制御量の推定値を補正することができる。これにより、エンジンＥの経年変化や環境変化により予測精度が低下するのを防ぐことができる。
【0174】
（実施の形態４）
つぎに、実施の形態４にかかる制御装置１０１について説明する。実施の形態４では、エンジンＥの被制御量として、熱効率、筒内の最大圧力上昇率、トルク、燃焼開始位置、燃焼重心、排出ガス（Ｎｏｘ，Ｓｏｏｔ，ＣＯ，ＨＣ，ＰＭ）のうちの少なくともいずれかを推定する場合について説明する。なお、実施の形態１～３で説明した箇所と同様の箇所については、同一符号を付して図示および説明を省略する。
つぎに、実施の形態４にかかる制御装置１０１について説明する。実施の形態４では、エンジンＥの被制御量として、熱効率、筒内の最大圧力上昇率、トルク、燃焼開始位置、燃焼重心、排出ガス（Ｎｏｘ，Ｓｏｏｔ，ＣＯ，ＨＣ，ＰＭ）のうちの少なくともいずれかを推定する場合について説明する。なお、実施の形態１～３で説明した箇所と同様の箇所については、同一符号を付して図示および説明を省略する。
【0175】
（制御装置１０１の機能的構成例）
まず、制御装置１０１の機能的構成例について説明する。
まず、制御装置１０１の機能的構成例について説明する。
【0176】
図１４は、実施の形態４にかかる制御装置１０１の機能的構成例を示すブロック図である。図１４において、制御装置１０１は、条件検出部１４０１と、燃料指標算出部１４０２と、目標値算出部１４０３と、推定部１４０４と、最適化部１４０５と、評価値算出部１４０６と、更新部１４０７と、を含む。条件検出部１４０１～更新部１４０７は制御部となる機能であり、具体的には、例えば、図３に示したメモリ３０２、ディスク３０４、可搬型記録媒体３０７などの記憶装置に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、通信Ｉ／Ｆ３０５により、その機能を実現する。各機能部の処理結果は、例えば、メモリ３０２、ディスク３０４などの記憶装置に記憶される。
【0177】
条件検出部１４０１は、制御対象のエンジンＥの運転条件と状態量とを取得する。ここで、エンジンＥの運転条件は、例えば、エンジン回転数および燃料噴射量である。状態量は、例えば、空気過剰率、燃料噴射圧力、インテークマニホールド圧力、インテークマニホールド酸素濃度、エンジン筒内圧力、排出ガス（Ｎｏｘ，Ｓｏｏｔ，ＣＯ，ＨＣ，ＰＭ）である。具体的には、例えば、条件検出部１４０１は、実エンジンシステムＥＳから、エンジンＥの運転条件（現在値）と状態量（現在値）とを取得する。
【0178】
燃料指標算出部１４０２は、取得されたエンジン筒内圧力から、熱効率、筒内の最大圧力上昇率、トルク、燃焼開始位置、燃焼重心を算出する。そして、燃料指標算出部１４０２は、算出した結果と、取得された排出ガス（Ｎｏｘ，Ｓｏｏｔ，ＣＯ，ＨＣ，ＰＭ）とをセットにして、エンジンＥの燃焼指標とする。エンジンＥの燃焼指標は、被制御量の実値として使用される。
【0179】
目標値算出部１４０３は、取得されたエンジンＥの運転条件に基づいて、エンジンＥの制御目標値を特定する。制御目標値は、例えば、目標熱効率、目標筒内の最大圧力上昇率、目標トルク、目標燃焼開始位置、目標燃焼重心、目標排出ガス（Ｎｏｘ，Ｓｏｏｔ，ＣＯ，ＨＣ，ＰＭ）などである。
【0180】
具体的には、例えば、目標値算出部１４０３は、２次元マップ（不図示）を参照して、エンジンＥの運転条件に応じた制御目標値を特定する。２次元マップは、例えば、エンジン回転数と燃料噴射量との組合せに対応付けて、制御目標値を示す。
【0181】
推定部１４０４は、取得されたエンジンＥの運転条件と状態量と操作量の探索値とから、変換後のエンジンモデルＭｃ’を用いて、将来の被制御量の推定値を算出する。ここで、被制御量は、熱効率、筒内の最大圧力上昇率、トルク、燃焼開始位置、燃焼重心、排出ガス（Ｎｏｘ，Ｓｏｏｔ，ＣＯ，ＨＣ，ＰＭ）の少なくともいずれかである。
【0182】
操作量は、例えば、被制御量を制御するための操作量であり、例えば、多段噴射（プレ、パイロット、メイン、アフタ）の各燃料噴射量と各噴射期間である。操作量の探索値は、被制御量を制御するための操作量の候補値である。操作量の探索値は、例えば、最適化部１４０５により予め定められた探索ルールに従って探索され、最適化部１４０５から推定部１４０４に与えられる。
【0183】
変換後のエンジンモデルＭｃ’は、エンジンモデルＭ’を変換することにより得られる（例えば、図２Ａ、図２Ｂ参照）。エンジンモデルＭ’は、多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、エンジンＥの運転条件と状態量と操作量とを入力としてエンジンＥの動特性を予測するモデルである。
【0184】
エンジンモデルＭ’は、例えば、エンジンＥの複数の運転条件と状態量と操作量とを入力として、将来の被制御量の推定値を出力するモデルである。複数の運転条件と状態量と操作量は、例えば、過去（例えば、４ステップ前）から現時刻までの各ステップにおける運転条件と状態量と操作量である。
【0185】
より詳細に説明すると、例えば、エンジンモデルＭ’は、エンジン回転数、燃料噴射量、空気過剰率、燃料噴射圧力、インテークマニホールド圧力、インテークマニホールド酸素濃度、多段噴射（プレ、パイロット、メイン、アフタ）の各燃料噴射量と各噴射期間を入力として、熱効率、筒内の最大圧力上昇率、トルク、燃焼開始位置、燃焼重心、排出ガス（Ｎｏｘ，Ｓｏｏｔ，ＣＯ，ＨＣ，ＰＭ）を出力する。
【0186】
変換後のエンジンモデルＭｃ’は、エンジンモデルＭ’に基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、各ニューロンの活性化関数が変換されたモデルである。エンジンモデルＭ’は、例えば、予め作成されてメモリ３０２、ディスク３０４などの記憶装置に記憶されている。
【0187】
具体的には、例えば、推定部１４０４は、エンジンモデルＭ’に基づいて、変換後のエンジンモデルＭｃ’の各ニューロンの重み係数、バイアスとして、変換前のエンジンモデルＭ’の各ニューロンの重み係数、バイアスを設定する。また、推定部１４０４は、変換後のエンジンモデルＭｃ’に入力される変数の上下限値として、エンジンモデルＭ’に入力される変数の上下限値を設定する。
【0188】
また、推定部１４０４は、変換後のエンジンモデルＭｃ’から出力される変数の上下限値として、エンジンモデルＭ’から出力される変数の上下限値を設定する。また、推定部１４０４は、変換後のエンジンモデルＭｃ’の各ニューロン（活性化関数）から出力される変数の上下限値として、エンジンモデルＭ’の各ニューロンから出力される変数の上下限値を設定する。
【0189】
入出力変数の上下限値は、例えば、エンジンモデルＭ’にＣｈｉｒｐ信号またはＡＰＲＢＳ信号を入力として与えることによって取得される、各入出力変数の最大値と最小値に基づき設定される。なお、エンジンモデルＭ’を変換する具体的な処理内容は、図２Ａおよび図２Ｂを用いて説明したエンジンモデルＭの変換処理と同様のため、図示および説明を省略する。また、エンジンモデルＭ’の変換は、制御装置１０１において行われてもよく、また、制御装置１０１とは異なる他のコンピュータにおいて行われてもよい。
【0190】
具体的には、例えば、推定部１４０４は、エンジンＥの運転条件と状態量と操作量の探索値とを、変換後のエンジンモデルＭｃ’に入力することによって、将来の被制御量の推定値を算出する。より詳細に説明すると、例えば、推定部１４０４は、ｋステップ前から１ステップ前までの運転条件（過去値）と状態量（過去値）と操作量（過去値）と、運転条件（現在値）と状態量（現在値）と操作量の探索値とを、変換後のエンジンモデルＭｃ’に入力することによって、１ステップ後の被制御量の推定値を算出する。過去の各ステップの運転条件（過去値）と状態量（過去値）と操作量（過去値）は、例えば、メモリ３０２、ディスク３０４などの記憶装置に記憶されている。
【0191】
この際、推定部１４０４は、現時刻から将来にわたる期間（例えば、４秒の間）の被制御量の推定値を算出することにしてもよい。例えば、１ステップを「１秒」とし、現時刻から将来にわたる期間を「４秒間」とする。この場合、推定部１４０４は、４ステップ後までの各ステップの被制御量の推定値を算出する。
【0192】
ここで、各ステップの被制御量の推定値を算出するにあたり、各ステップにおける運転条件と状態量は、例えば、運転条件（現在値）と状態量（現在値）に固定される。また、各ステップにおける操作量の探索値の組合せパターンは、最適化部１４０５により予め定められた探索ルールに従って探索され、最適化部１４０５から推定部１４０４に与えられる。
【0193】
また、変換後のエンジンモデルＭｃ’のモデル化誤差やセンサ劣化によるドリフト（計測値のズレ）により、エンジンＥの動特性の予測精度が低下するおそれがある。このため、推定部１４０４は、現時刻の被制御量の実値（現在値）と現時刻についての被制御量の推定値との誤差を考慮して、将来の被制御量の推定値を算出することにしてもよい（例えば、図５参照）。
【0194】
具体的には、例えば、推定部１４０４は、上記式（１１）のような数式を用いて、将来の被制御量の推定値を算出することにしてもよい。被制御量の実値としては、例えば、燃料指標算出部１４０２によって求められるエンジンＥの燃料指標（熱効率、筒内の最大圧力上昇率、トルク、燃焼開始位置、燃焼重心、排出ガス（Ｎｏｘ，Ｓｏｏｔ，ＣＯ，ＨＣ，ＰＭ））が用いられる。
【0195】
最適化部１４０５は、被制御量の制御目標値と、算出された被制御量の推定値との誤差に基づいて、被制御量を制御するための操作量の値を決定する。具体的には、例えば、最適化部１４０５は、被制御量の制御目標値と被制御量の推定値との誤差が最小となるときの探索値を、次のステップで被制御量を制御するための操作量の値に決定してもよい。
【0196】
また、最適化部１４０５は、被制御量の制御目標値と被制御量の推定値との誤差、および、操作量の変化量に基づいて、被制御量を制御するための操作量の値を決定することにしてもよい。ここで、操作量の変化量は、例えば、現在の操作量の値（現在値）と操作量の探索値との差分によって表される。
【0197】
具体的には、例えば、評価値算出部１４０６は、操作量の探索値それぞれについて、被制御量の制御目標値と被制御量の推定値との誤差、および、操作量の変化量に基づいて、制御評価値を算出する。制御評価値は、被制御量を制御するためのコストを表す指標値である。制御評価値は、例えば、値が低いほど評価が高いことを示す。
【0198】
より詳細に説明すると、例えば、評価値算出部１４０６は、操作量の探索値それぞれについて、評価関数ｅｆ’を用いて、制御評価値を算出する。評価関数ｅｆ’は、例えば、被制御量の制御目標値と被制御量の推定値との誤差を考慮する項と、操作量の変化量を考慮する項とに重み付けしたコスト関数である。
【0199】
そして、最適化部１４０５は、例えば、算出された制御評価値に基づいて、操作量の探索値の中から、被制御量を制御するための操作量の値を決定する。より詳細に説明すると、例えば、最適化部１４０５は、操作量の探索値のうち、制御評価値が最小となる探索値を、被制御量を制御するための操作量の値に決定する。
【0200】
なお、最適化部１４０５による操作量の探索は、例えば、最小となる制御評価値の変化量がほぼなくなるまで行われてもよく、また、指定の反復回数分行われてもよい。
【0201】
また、現時刻から将来にわたる期間の被制御量の推定値が算出される場合がある。例えば、１ステップを「１秒」とし、現時刻から将来にわたる期間を「４秒間」とする。この場合、最適化部１４０５は、各ステップにおける操作量の探索値の組合せパターンごとに、４ステップ後までの各ステップについて、評価関数ｅｆ’を用いて、制御評価値を算出する。
【0202】
そして、最適化部１４０５は、組合せパターンごとに、算出した各ステップの制御評価値の合計値（または、平均値）を算出する。つぎに、最適化部１４０５は、組合せパターンのうち、算出した制御評価値の合計値（または、平均値）が最小となる組合せパターンを特定する。そして、最適化部１４０５は、特定した組合せパターンにおける１ステップ目（次のステップ）の操作量の探索値を、被制御量を制御するための操作量の値に決定することにしてもよい。
【0203】
これにより、操作量の急峻な変化を抑えつつ、被制御量をできるだけ制御目標値に近づけるための操作量を決定する際の精度の向上を図ることができる。
【0204】
また、最適化部１４０５は、決定した操作量の値を出力する。具体的には、例えば、最適化部１４０５は、実エンジンシステムＥＳに対して、次のステップで被制御量を制御する際の操作量として、決定した操作量の値を出力する。実エンジンシステムＥＳは、制御装置１０１（最適化部１４０５）から出力される操作量の値に基づいて、エンジンＥを制御する。
【0205】
また、エンジンモデルＭ’に含まれるＲｅＬＵ構造の活性化関数は、例えば、Ｌｅａｋｙ ＲｅＬＵ構造であってもよい。エンジンモデルＭ’に含まれる活性化関数をＬｅａｋｙ ＲｅＬＵ構造の活性化関数とすることで、エンジンＥの動特性を予測する精度を向上させることができる。
【0206】
更新部１４０７は、エンジンＥの運転条件と状態量と操作量の値との組合せに対応する被制御量の実値を示す教師データに基づいて、変換後のエンジンモデルＭｃ’を更新する。ここで、エンジンＥの運転条件と状態量と操作量の値との組合せは、例えば、時刻ｔの運転条件（現在値）と状態量（現在値）と操作量の出力値との組合せである。
【0207】
操作量の出力値は、時刻ｔに制御装置１０１から実エンジンシステムＥＳに出力された操作量の値（例えば、コスト最小の探索値）である。被制御量の実値としては、燃料指標算出部１４０２によって求められるエンジンＥの燃焼指標が用いられる。被制御量の実値は、例えば、操作量の出力値に応じて制御された１ステップ後の被制御量の実値である。ただし、被制御量の実値として、例えば、現時刻（時刻ｔ）の被制御量の実値を用いることにしてもよい。
【0208】
教師データは、例えば、制御装置１０１によるエンジンＥ（実エンジンシステムＥＳ）の制御が行われるたびに、その都度作成されて、メモリ３０２、ディスク３０４などの記憶装置に記憶される。
【0209】
具体的には、例えば、更新部１４０７は、条件検出部１４０１によって取得された被制御量の実値（現在値）と、推定部１４０４によって算出された被制御量の推定値との誤差を算出する。なお、被制御量の実値（現在値）と比較する推定値は、前回算出された被制御量の推定値（コスト最小のときの推定値）であってもよい。あるいは、被制御量の推定値と比較する被制御量の実値は、今回出力された操作量の値に応じて制御された１ステップ後の被制御量の実値であってもよい。
【0210】
そして、更新部１４０７は、算出した誤差が閾値以上であるか否かを判断する。閾値は、任意に設定可能である。ここで、誤差が閾値未満の場合、更新部１４０７は、変換後のエンジンモデルＭｃ’の更新を行わない。一方、誤差が閾値以上の場合、更新部１４０７は、教師データに基づいて、変換後のエンジンモデルＭｃ’を更新する。
【0211】
より詳細に説明すると、例えば、更新部１４０７は、誤差が閾値以上の場合、教師データに基づく機械学習を行うことにより、被制御量の推定値と実値との誤差が小さくなるように、変換後のエンジンモデルＭｃ’の各ニューロンの重み係数とバイアスを更新する。また、更新部１４０７は、学習中の各層の各ニューロンの入出力の最大値を取得し、既存の最大値を超える場合には、そのニューロンの入出力の最大値を更新する。同様に、更新部１４０７は、学習中の各層の各ニューロンの入出力の最小値を取得し、既存の最小値を下回る場合には、そのニューロンの入出力の最小値を更新する。
【0212】
変換後のエンジンモデルＭｃ’が更新された場合、推定部１４０４は、更新された変換後のエンジンモデルＭｃ’を用いて、取得されたエンジンＥの運転条件と状態量と操作量の探索値とから、将来の被制御量の推定値を算出する。
【0213】
なお、制御装置１０１は、上述した機能部のうち更新部１４０７を有していなくてもよい。この場合、制御装置１０１は、実施の形態３で説明したような、誤差学習テーブルを用いて被制御量の予測値を補正することにしてもよい。誤差学習テーブルは、エンジンＥの運転条件に対応する被制御量の補正値を記憶する。制御装置１０１は、例えば、エンジンＥの制御中に、誤差学習テーブルを逐次作成したり、更新したりする。ただし、誤差学習テーブルを用いた補正処理や、誤差学習テーブルの更新処理は、実施の形態３で説明した、誤差学習テーブル１１００を用いた補正処理や、誤差学習テーブル１１００の更新処理と同様のため、図示および説明を省略する。
【0214】
（制御装置１０１の制御処理手順）
つぎに、制御装置１０１の制御処理手順について説明する。
つぎに、制御装置１０１の制御処理手順について説明する。
【0215】
図１５は、実施の形態４にかかる制御装置１０１の制御処理手順の一例を示すフローチャートである。図１５のフローチャートにおいて、まず、制御装置１０１は、制御対象のエンジンＥの運転条件と状態量とを取得する（ステップＳ１５０１）。つぎに、制御装置１０１は、取得した状態量（エンジン筒内圧力、排出ガス）から、エンジンの燃料指標を算出する（ステップＳ１５０２）。エンジンＥの燃焼指標は、被制御量の実値として使用される。
【0216】
そして、制御装置１０１は、取得したエンジンＥの運転条件に基づいて、エンジンＥの被制御量の制御目標値を特定する（ステップＳ１５０３）。つぎに、制御装置１０１は、第２のモデル更新処理を実行する（ステップＳ１５０４）。第２のモデル更新処理は、変換後のエンジンモデルＭｃ’を更新するための処理である。第２のモデル更新処理の具体的な処理手順については、図１６を用いて後述する。
【0217】
つぎに、制御装置１０１は、被制御量を制御するための操作量の探索値を取得する（ステップＳ１５０５）。そして、制御装置１０１は、取得したエンジンＥの運転条件と状態量と操作量の探索値とから、変換後のエンジンモデルＭｃ’を用いて、将来の被制御量の推定値を算出する（ステップＳ１５０６）。
【0218】
つぎに、制御装置１０１は、評価関数ｅｆ’を用いて、被制御量の制御目標値と被制御量の推定値との誤差、および、操作量の変化量から制御評価値を算出する（ステップＳ１５０７）。操作量の変化量は、例えば、操作量の現在値と操作量の探索値との差分によって表される。
【0219】
そして、制御装置１０１は、算出した制御評価値が制御評価値minより小さいか否かを判断する（ステップＳ１５０８）。制御評価値minは、初期状態では「ｎｕｌｌ」である。なお、ステップＳ１５０８において、制御評価値minが初期状態の場合、制御装置１０１は、ステップＳ１５０９に移行する。
【0220】
ここで、制御評価値が制御評価値min以上の場合（ステップＳ１５０８：Ｎｏ）、制御装置１０１は、ステップＳ１５１１に移行する。一方、制御評価値が制御評価値minより小さい場合（ステップＳ１５０８：Ｙｅｓ）、制御装置１０１は、取得した操作量の探索値を、仮の最適値として保存する（ステップＳ１５０９）。
【0221】
そして、制御装置１０１は、算出した制御評価値を制御評価値minとする（ステップＳ１５１０）。つぎに、制御装置１０１は、操作量の探索を終了するか否かを判断する（ステップＳ１５１１）。操作量の探索は、例えば、制御評価値minの変化量がほぼなくなるまで、または、指定の反復回数分行われる。
【0222】
ここで、操作量の探索を終了しない場合（ステップＳ１５１１：Ｎｏ）、制御装置１０１は、ステップＳ１５０５に戻る。一方、操作量の探索を終了する場合には（ステップＳ１５１１：Ｙｅｓ）、制御装置１０１は、保存した仮の最適値である操作量の値を、実エンジンシステムＥＳに出力して（ステップＳ１５１２）、本フローチャートによる一連の処理を終了する。
【0223】
これにより、高精度かつ高速なエンジンモデル（変換後のエンジンモデルＭｃ’）を用いて、エンジンＥの被制御量を制御することができる。また、変換後のエンジンモデルＭｃ’を逐次更新することができる。
【0224】
つぎに、図１６を用いて、ステップＳ１５０４の第２のモデル更新処理の具体的な処理手順について説明する。
【0225】
図１６は、第２のモデル更新処理の具体的処理手順の一例を示すフローチャートである。図１６のフローチャートにおいて、まず、制御装置１０１は、変換後のエンジンモデルＭｃ’を用いて算出された被制御量の推定値を取得する（ステップＳ１６０１）。この推定値は、例えば、前回の制御時に算出された被制御量の推定値（コスト最小のときの推定値）であってもよい。また、制御装置１０１は、例えば、被制御量を制御するための操作量の探索値を取得し、取得したエンジンＥの運転条件と状態量と操作量の探索値とから、変換後のエンジンモデルＭｃ’を用いて算出することによって、被制御量の推定値を取得してもよい。
【0226】
つぎに、制御装置１０１は、取得した被制御量の推定値と、ステップＳ１５０２において算出した被制御量の実値（エンジンの燃料指標）との誤差を算出する（ステップＳ１６０２）。そして、制御装置１０１は、算出した誤差が閾値以上であるか否かを判断する（ステップＳ１６０３）。
【0227】
ここで、誤差が閾値未満の場合（ステップＳ１６０３：Ｎｏ）、制御装置１０１は、第２のモデル更新処理を呼び出したステップに戻る。一方、誤差が閾値以上の場合（ステップＳ１６０３：Ｙｅｓ）、制御装置１０１は、教師データに基づいて、被制御量の推定値と実値との誤差が小さくなるように、変換後のエンジンモデルＭｃ’を更新して（ステップＳ１６０４）、第２のモデル更新処理を呼び出したステップに戻る。
【0228】
これにより、被制御量の推定値と実値（現在値）との誤差に応じて、変換後のエンジンモデルＭｃ’を逐次更新することができる。
【0229】
以上説明したように、実施の形態４にかかる制御装置１０１によれば、高精度にエンジンＥの動特性を予測可能なモデル（変換後のエンジンモデルＭｃ’）を用いて、高性能かつ高速なエンジン制御を実現することができる。例えば、自動車の熱効率、筒内の最大圧力上昇率、トルク、燃焼開始位置、燃焼重心、排出ガス（Ｎｏｘ，Ｓｏｏｔ，ＣＯ，ＨＣ，ＰＭ）などを適切に制御することにより、排ガスや燃費を抑えたエンジンＥの実時間制御を行うことができる。また、変換後のエンジンモデルＭｃ’を逐次更新することにより、エンジンＥの経年変化や環境変化により予測精度が低下するのを防ぐことができる。
【0230】
これらのことから、実施の形態１～４にかかる制御装置１０１によれば、排ガスや燃費などを抑えたエンジンＥの実時間制御を行うことができる。
【0231】
なお、上述した各実施の形態は、矛盾のない範囲で組み合わせて実施することができる。また、本実施の形態で説明した制御方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本制御プログラムは、ハードディスク、フレキシブルディスク、ＣＤ－ＲＯＭ、ＤＶＤ、ＵＳＢメモリ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本制御プログラムは、インターネット等のネットワークを介して配布してもよい。
【0232】
上述した実施の形態に関し、さらに以下の付記を開示する。
【0233】
（付記１）制御対象のエンジンの運転条件と被制御量の実値とを取得し、
多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、前記エンジンの運転条件と操作量とを入力として前記エンジンの動特性を予測するエンジンモデルに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、前記各ニューロンの活性化関数が変換された変換後のエンジンモデルを用いて、取得した前記運転条件と、前記被制御量を制御するための操作量の候補値とから、将来の前記被制御量の推定値を算出し、
前記運転条件から特定される前記被制御量の目標値と、算出した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定し、
決定した前記操作量の値を出力する、
制御部を有することを特徴とする制御装置。
多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、前記エンジンの運転条件と操作量とを入力として前記エンジンの動特性を予測するエンジンモデルに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、前記各ニューロンの活性化関数が変換された変換後のエンジンモデルを用いて、取得した前記運転条件と、前記被制御量を制御するための操作量の候補値とから、将来の前記被制御量の推定値を算出し、
前記運転条件から特定される前記被制御量の目標値と、算出した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定し、
決定した前記操作量の値を出力する、
制御部を有することを特徴とする制御装置。
【0234】
（付記２）前記制御部は、
前記被制御量の目標値と前記被制御量の推定値との誤差、および、前記操作量の現在値と前記操作量の候補値との差分に基づいて、前記操作量の値を決定する、ことを特徴とする付記１に記載の制御装置。
前記被制御量の目標値と前記被制御量の推定値との誤差、および、前記操作量の現在値と前記操作量の候補値との差分に基づいて、前記操作量の値を決定する、ことを特徴とする付記１に記載の制御装置。
【0235】
（付記３）前記制御部は、
前記操作量の候補値それぞれについて、前記誤差および前記差分に基づいて、前記被制御量を制御するためのコストを表す制御評価値を算出し、
算出した前記制御評価値に基づいて、前記操作量の候補値の中から前記被制御量を制御するための操作量の値を決定する、
ことを特徴とする付記２に記載の制御装置。
前記操作量の候補値それぞれについて、前記誤差および前記差分に基づいて、前記被制御量を制御するためのコストを表す制御評価値を算出し、
算出した前記制御評価値に基づいて、前記操作量の候補値の中から前記被制御量を制御するための操作量の値を決定する、
ことを特徴とする付記２に記載の制御装置。
【0236】
（付記４）前記被制御量は、インテークマニホールド圧力、吸入空気量、インテークマニホールド酸素濃度のうちの少なくともいずれかである、ことを特徴とする付記１に記載の制御装置。
【0237】
（付記５）前記運転条件は、エンジン回転数および燃料噴射量である、ことを特徴とする付記４に記載の制御装置。
【0238】
（付記６）前記操作量は、ターボ開度、スロットル開度、ＥＧＲ開度のうちの少なくともいずれかである、ことを特徴とする付記５に記載の制御装置。
【0239】
（付記７）前記入出力変数の上下限値は、前記エンジンモデルにＣｈｉｒｐ信号またはＡＰＲＢＳ信号を入力として与えることによって取得される入出力変数の最大値と最小値とに基づき設定される、ことを特徴とする付記１に記載の制御装置。
【0240】
（付記８）前記活性化関数は、Ｌｅａｋｙ ＲｅＬＵ構造である、ことを特徴とする付記１に記載の制御装置。
【0241】
（付記９）前記変換後のエンジンモデルは、前記運転条件と前記操作量の値との組合せに対応する前記被制御量の実値を示す教師データに基づき更新される、ことを特徴とする付記１に記載の制御装置。
【0242】
（付記１０）前記制御部は、
前記エンジンの運転条件に対応する被制御量の補正値を示す補正情報を参照して、取得した前記運転条件に対応する補正値を特定し、
算出した前記被制御量の推定値に、特定した補正値を加算することにより、前記被制御量の推定値を補正し、
前記被制御量の目標値と、補正した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定する、
ことを特徴とする付記１に記載の制御装置。
前記エンジンの運転条件に対応する被制御量の補正値を示す補正情報を参照して、取得した前記運転条件に対応する補正値を特定し、
算出した前記被制御量の推定値に、特定した補正値を加算することにより、前記被制御量の推定値を補正し、
前記被制御量の目標値と、補正した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定する、
ことを特徴とする付記１に記載の制御装置。
【0243】
（付記１１）制御対象のエンジンの運転条件と被制御量の実値とを取得し、
多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、前記エンジンの運転条件と操作量とを入力として前記エンジンの動特性を予測するエンジンモデルに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、前記各ニューロンの活性化関数が変換された変換後のエンジンモデルを用いて、取得した前記運転条件と、前記被制御量を制御するための操作量の候補値とから、将来の前記被制御量の推定値を算出し、
前記運転条件から特定される前記被制御量の目標値と、算出した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定し、
決定した前記操作量の値を出力する、
処理をコンピュータが実行することを特徴とする制御方法。
多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、前記エンジンの運転条件と操作量とを入力として前記エンジンの動特性を予測するエンジンモデルに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、前記各ニューロンの活性化関数が変換された変換後のエンジンモデルを用いて、取得した前記運転条件と、前記被制御量を制御するための操作量の候補値とから、将来の前記被制御量の推定値を算出し、
前記運転条件から特定される前記被制御量の目標値と、算出した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定し、
決定した前記操作量の値を出力する、
処理をコンピュータが実行することを特徴とする制御方法。
【0244】
（付記１２）制御対象のエンジンの運転条件と被制御量の実値とを取得し、
多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、前記エンジンの運転条件と操作量とを入力として前記エンジンの動特性を予測するエンジンモデルに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、前記各ニューロンの活性化関数が変換された変換後のエンジンモデルを用いて、取得した前記運転条件と、前記被制御量を制御するための操作量の候補値とから、将来の前記被制御量の推定値を算出し、
前記運転条件から特定される前記被制御量の目標値と、算出した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定し、
決定した前記操作量の値を出力する、
処理をコンピュータに実行させることを特徴とする制御プログラム。
多層のニューロン構造かつＲｅＬＵ構造の活性化関数を有し、前記エンジンの運転条件と操作量とを入力として前記エンジンの動特性を予測するエンジンモデルに基づき、各ニューロンの重み係数、バイアスおよび入出力変数の上下限値が設定され、バイナリ変数を含む線形不等式関数を用いて、前記各ニューロンの活性化関数が変換された変換後のエンジンモデルを用いて、取得した前記運転条件と、前記被制御量を制御するための操作量の候補値とから、将来の前記被制御量の推定値を算出し、
前記運転条件から特定される前記被制御量の目標値と、算出した前記被制御量の推定値との誤差に基づいて、前記被制御量を制御するための操作量の値を決定し、
決定した前記操作量の値を出力する、
処理をコンピュータに実行させることを特徴とする制御プログラム。
【符号の説明】
【0245】
１０１ 制御装置
２００，２１０，Ｍ，Ｍ’ エンジンモデル
２２０，Ｍｃ，Ｍｃ’ 変換後のエンジンモデル
３００ バス
３０１ ＣＰＵ
３０２ メモリ
３０３ ディスクドライブ
３０４ ディスク
３０５ 通信Ｉ／Ｆ
３０６ 可搬型記録媒体Ｉ／Ｆ
３０７ 可搬型記録媒体
３１０ ネットワーク
４０１，１４０１ 条件検出部
４０２，１４０３ 目標値算出部
４０３，１４０４ 推定部
４０４，１４０５ 最適化部
４０５，１４０６ 評価値算出部
７０１，１４０７ 更新部
１００１ 誤差学習部
１１００ 誤差学習テーブル
１４０２ 燃料指標算出部
２００，２１０，Ｍ，Ｍ’ エンジンモデル
２２０，Ｍｃ，Ｍｃ’ 変換後のエンジンモデル
３００ バス
３０１ ＣＰＵ
３０２ メモリ
３０３ ディスクドライブ
３０４ ディスク
３０５ 通信Ｉ／Ｆ
３０６ 可搬型記録媒体Ｉ／Ｆ
３０７ 可搬型記録媒体
３１０ ネットワーク
４０１，１４０１ 条件検出部
４０２，１４０３ 目標値算出部
４０３，１４０４ 推定部
４０４，１４０５ 最適化部
４０５，１４０６ 評価値算出部
７０１，１４０７ 更新部
１００１ 誤差学習部
１１００ 誤差学習テーブル
１４０２ 燃料指標算出部
【図1】
【図2A】
【図2B】
【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】