マツダ技報2025

27/257

2132311回1222112――マツダ技報No.41（2025）　　　の3）。ガウス過程回帰では，確率分布に（程回帰を採用した2. ICEつに対して，計測精度が低下する問題1）に対しては，スイープ対象となる制Charge Efficiency: ceceに対するMethod of Estimating the Stochastic Indices）に対しては，事前の同定テストによって粗つのモデルとカルマンフィルターを）。Estimation Method of Gas Temperatureつの技術による計測指標の精度は予測値の安Fig. 2）。），計算対Indicated Mean Effective Pressure: IMEPをサンプリング）。こFig. 4での高速計測適合　従来のエンジン制御適合では，実験計画法に基づきデータを計測し，計測したデータを基にモデル化・最適ECU化を行い，最適点をる。このプロセスでは，データ計測・モデル化・最適化つの工程を段階的に進めていく必要があり，大きくつの課題がある。（計測点を短期間に漏れなく見つけること。（ない補完区間に対して曖昧さを定量化し，その定量値から改善余地を判断すること。（までの各作業工程を無駄なく，シームレスに実施すること。　これらの課題を解決するプロセスとして，データ計測から最適化までを回の計測適合工程として考えての工程ごとにエンジン特性を把握し，最適化が完了するFig. までこの工程を繰り返し実施する方法を導入した（1）。具体的には，計測したデータからモデルを逐次学習し，モデルの特性や曖昧さを基に最適点を導出するために必要となる計測点を探索して再度計測を行うという考え方になっている。これにより，の交互作用やエンジン特性の曖昧さを加味しながら評価でき，最適化後にデータ不足による取り直しを防ぐことを可能にした。一方で，この考え方はモデル化・最適化を都度行うため，従来よりも時間を要する。この問題を解決し，プロセス実現のために取り入れた各工程での技術を以降で説明する。Fig. 1Concept of High-Speed Control Calibration2.1　データ計測　一般的にガソリンエンジンでは燃焼のサイクル変動が大きいため，数百サイクルの間同一条件でデータ計測し，燃焼安定性やノッキング判定を行い，制約に収まる最適点であるか判断していた。一方で今回採用した高速計測は，計測条件を少サイクル（数サイクル）ごとに変える手法（スイープ計測）を使用した。この手法は，スイープ計測の対象となる特性に対して制約限界点まで計測することが可能で，連続的な特性感度を短時間で取得することができる。　一方で本計測手法では，（変動が伴う指標，（）温度やエミッションなどの応答遅に設定するプロセスを踏んでい）多因子での交互作用を考慮した）計測点の）データ計測から最適化工程ごとに多因子で）少サイクル化による燃焼れのある指標のがある。そこで（御量を含めた多変量確率密度分布推定により確率的に発Fig. 生する燃焼変動を推定する方法を使用した（2は制御量を充填効率（象を図示平均有効圧（IMEP）とした場合の発生確率の例を示している。この発生確率に基づき特定のすることで，定常計測相当の燃焼を模擬して評価対象となる燃焼特性を導出可能にしている。Fig. 2　また，（い定常モデル，動的モデルを導出し，スイープ計測データに対してこれら用いることで定常相当の出力値を予測する技術を取り入Fig. 3れた（Fig. 3　これら定性の観点からスイープ計測速度とのトレードオフ関係になるため，制御適合に必要な要求精度を満足する速度調整を事前に実施して利用可能とした。2.2　モデル化　モデル化手法として，確率論的な手法であるガウス過従うモデル表現が可能で，従来表現の難しかった計測点以外の曖昧さを表現できるのが特徴である（の手法を燃焼安定性やノッキングなどの商品性や信頼性に関連する制約を含めてモデル化することで，内外挿を含む制約条件の曖昧さも加味して最適点の確からしさを表現できる。18