阅读说明：本技术 不均检测装置、不均检测系统、不均检测方法、数据解析装置、及内燃机的控制装置 (Unevenness detection device, unevenness detection system, unevenness detection method, data analysis device, and control device for internal combustion engine ) 是由 武藤晴文 片山章弘 森厚平 桥本洋介 于 2020-02-12 设计创作，主要内容包括：提供一种不均检测装置、不均检测系统、不均检测方法、数据解析装置、及内燃机的控制装置。在取得处理中,取得基于检测曲轴的旋转行为的传感器的检测值的旋转波形变量、和多个第1间隔各自中的空燃比检测变量。在算出处理中,基于以通过取得处理取得的值为输入的映射的输出算出不均变量。不均变量表示内燃机的空燃比的偏差程度。旋转波形变量表示多个第2间隔各自中的作为与曲轴的转速相应的变量的瞬时速度变量彼此之间的差异。(Provided are an unevenness detecting device, an unevenness detecting system, an unevenness detecting method, a data analyzing device, and a control device for an internal combustion engine. In the acquisition process, a rotation waveform variable based on a detection value of a sensor that detects a rotation behavior of the crankshaft and an air-fuel ratio detection variable at each of the plurality of 1 st intervals are acquired. In the calculation process, the variation is calculated based on the output of the map having the value obtained by the acquisition process as an input. The variation variable indicates the degree of deviation of the air-fuel ratio of the internal combustion engine. The rotational waveform amount indicates a difference between instantaneous speed variables, which are variables corresponding to the rotational speed of the crankshaft, in each of the plurality of 2 nd intervals.)

不均检测装置、不均检测系统、不均检测方法、数据解析装置、 及内燃机的控制装置

技术领域

本公开涉及不均检测装置、不均检测系统、数据解析装置、及内燃机的控制装置。

背景技术

例如在日本特开2013-194685号公报中记载了一种检测不均的装置，所述不均是为了将多个汽缸各自中的混合气的空燃比控制为彼此相等的空燃比而操作了燃料喷射阀时的、实际的空燃比彼此之间的偏差。除了空燃比传感器的检测值的差量值以外，该装置还基于以该检测值为输入的空燃比推定模型来确定空燃比偏离了预期的值的汽缸。

作为不均，包括从预期的空燃比向浓侧偏离的现象和向稀侧偏离的现象。并且，发明人发现，有时在向浓侧偏离的不均和向稀侧偏离的不均之间，空燃比传感器的检测值的行为近似，在该情况下，可能会难以确定哪一个汽缸的空燃比是如何偏离的。

发明内容

以下，对本公开的例子进行记载。

例1.一种不均检测装置，所述不均检测装置应用于多汽缸的内燃机，所述不均检测装置具备存储装置和执行装置，所述存储装置构成为存储规定映射的数据即映射数据，所述映射以旋转波形变量和空燃比检测变量为输入，所述空燃比检测变量是多个第1间隔各自中的与空燃比传感器的输出相应的变量，所述映射输出作为表示所述内燃机的空燃比的偏差程度的变量的不均变量，所述执行装置构成为执行如下处理：取得处理，取得基于检测曲轴的旋转行为的传感器的检测值的所述旋转波形变量、和多个第1间隔各自中的所述空燃比检测变量；算出处理，基于以通过所述取得处理取得的值为输入的所述映射的输出来算出所述不均变量；以及应对处理，基于所述算出处理的算出结果来操作预定的硬件，从而用于应对所述空燃比的偏差程度大的情况，所述旋转波形变量是表示多个第2间隔各自中的作为与曲轴的转速相应的变量的瞬时速度变量彼此之间的差异的变量，所述第1间隔及所述第2间隔均为比压缩上止点的出现间隔小的所述曲轴的角度间隔，双方均被作为所述映射的输入的所述旋转波形变量及多个所述空燃比检测变量分别是比所述出现间隔大的预定的角度间隔内的时序数据。

在上述构成中，除了多个第1间隔各自中的空燃比检测变量以外，还使用旋转波形变量。旋转波形变量是将根据在各汽缸的燃烧室中生成的转矩而产生的旋转行为定量化而得到的变量。因此，旋转波形变量具有针对混合气的空燃比的差异的灵敏度。因此，例如即使在难以根据多个第1间隔各自中的空燃比检测变量确定哪一个汽缸的空燃比是如何偏离的情况下，也能够通过考虑旋转波形变量来确定哪一个汽缸的空燃比是如何偏离的。

例2.根据上述例1所述的不均检测装置，在所述映射的输入中包括基于检测所述曲轴的旋转行为的传感器的检测值的，所述曲轴的旋转频率的0.5阶(日文：0.5次)成分，所述取得处理包括取得规定所述0.5阶成分的变量即0.5阶成分变量的处理，所述算出处理是基于还将通过所述取得处理取得的所述0.5阶成分变量包含在向所述映射的输入中的所述映射的输出来算出所述不均变量的处理。

可以认为，在不均率与作为旋转频率的0.5阶成分的大小的0.5阶振幅之间成立线性的关系。进而，发明人发现，在存在不均的情况下的旋转频率的振幅中，0.5阶成分变得尤其大。认为这是因为：在多个汽缸的任一个中发生不均的情况下，在1燃烧循环中发生一次产生转矩的偏离。在上述构成中，着眼于这一点，通过将0.5阶成分变量包含在向映射的输入中，能够更高精度地算出不均变量。

例3.根据上述例1或2所述的不均检测装置，在所述映射的输入中包括动作点变量，该动作点变量是规定所述内燃机的动作点的变量，所述取得处理包括取得所述动作点变量的处理，所述算出处理是基于还将通过所述取得处理取得的所述动作点变量包含在向所述映射的输入中的所述映射的输出来算出所述不均变量的处理。

内燃机的控制具有根据内燃机的动作点来进行的倾向。因此，曲轴的旋转行为可能根据内燃机的动作点而不同。因此，在上述构成中，通过将内燃机的动作点变量包含在映射的输入中，能够在反映出曲轴的旋转行为根据动作点而不同的情况的同时算出不均变量。

例4.根据上述例1～3中的任一项所述的不均检测装置，在所述映射的输入中包括调整变量，该调整变量是用于通过所述内燃机的操作部的操作来调整所述内燃机的燃烧室中的混合气的燃烧速度的变量，所述取得处理包括取得所述调整变量的处理，所述算出处理是基于还将通过所述取得处理取得的所述调整变量包含在向所述映射的输入中的所述映射的输出来算出所述不均变量的处理。

曲轴的旋转行为根据混合气的燃烧速度而发生变化。因此，在上述构成中，将调整燃烧速度的调整变量包含在映射的输入中。由此，能够在反映出曲轴的旋转行为根据燃烧速度而发生变化的情况的同时算出不均变量。

例5.根据上述例1～4中的任一项所述的不均检测装置，在所述映射的输入中包括驱动系统状态变量，该驱动系统状态变量是表示连结于所述曲轴的驱动系统装置的状态的变量，所述取得处理包括取得所述驱动系统状态变量的处理，所述算出处理是基于还将通过所述取得处理取得的所述驱动系统状态变量包含在向所述映射的输入中的所述映射的输出来算出所述不均变量的处理。

在连结于曲轴的驱动系统装置的状态不同的情况下，存在曲轴的旋转行为不同的倾向。因此，在上述构成中，通过将驱动系统状态变量包含在映射的输入中，能够在反映出曲轴的旋转行为根据驱动系统装置的状态而不同的情况的同时算出不均变量。

例6.根据上述例1～5中的任一项所述的不均检测装置，在所述映射的输入中包括路面状态变量，该路面状态变量是表示搭载所述内燃机的车辆正在行驶的路面的状态的变量，所述取得处理包括取得所述路面状态变量的处理，所述算出处理是基于还将通过所述取得处理取得的所述路面状态变量包含在向所述映射的输入中的所述映射的输出来算出所述不均变量的处理。

例如在路面存在凹凸的情况下，会在车辆产生振动，该振动会传递到曲轴。像这样，路面的状态会对曲轴的旋转行为产生影响。因此，在上述构成中，通过将路面状态变量包含在映射的输入中，能够在反映出曲轴的旋转行为根据路面的状态而发生变化的情况的同时算出不均变量。

例7.根据上述例1～6中的任一项所述的不均检测装置，所述旋转波形变量构成为如下变量：通过多个所述第2间隔各自中的所述瞬时速度变量本身来表示上述瞬时速度变量彼此之间的差异，所述取得处理包括取得多个所述第2间隔各自中的所述瞬时速度变量来作为所述旋转波形变量的处理，所述算出处理是通过将多个所述第2间隔各自中的所述瞬时速度变量作为所述旋转波形变量而向所述映射输入来算出所述不均变量的处理。

在算出瞬时速度变量之间的差、比率的情况下，需要另行适用应该算出哪两个第2间隔中的瞬时速度变量彼此之间的差或比率。针对这一点，在上述构成中，使用多个瞬时速度变量作为旋转波形变量。由此，若与例如预先算出瞬时速度变量彼此之间的差、比率并输入到映射中的情况相比，则能够减少旋转波形变量的适用工作量。

例8.根据上述例1～7中的任一项所述的不均检测装置，所述存储装置具备多种所述映射数据，所述算出处理包括选择处理，该选择处理是从所述多种映射数据中选择用于算出所述不均变量的所述映射数据的处理。

例如，若构成在任何状况下都能够高精度地输出不均变量的映射，则映射的构造容易复杂化。因此，在上述构成中设置多种映射数据。由此，能够根据状况选择合适的映射。在该情况下，与例如通过单一的映射来应对所有状况的情况相比，容易简化多种映射各自的构造。

例9.根据上述例1～8中的任一项所述的不均检测装置，所述内燃机具备：罐，其捕集储存从燃料喷射阀喷射的燃料的燃料箱内的燃料蒸气；清除通路，其将所述罐与所述内燃机的进气通路相互连接；以及调整装置，其调整经由所述清除通路从所述罐流入所述进气通路的燃料蒸气的流量，所述算出处理包括如下双方的处理：通过将在所述燃料蒸气的流量为零时通过所述取得处理取得的数据作为向所述映射的输入来算出所述不均变量；和通过将在所述燃料蒸气的流量比零大时通过所述取得处理取得的数据作为向所述映射的输入来算出所述不均变量，所述应对处理是在所述燃料蒸气的流量比零大的情况下，基于通过将在所述燃料蒸气的流量比零大时通过所述取得处理取得的数据作为向所述映射的输入而算出的所述不均变量来操作所述预定的硬件的处理。

例10.根据上述例1～8中的任一项所述的不均检测装置，

所述内燃机具备：

罐，其捕集储存从燃料喷射阀喷射的燃料的燃料箱内的燃料蒸气；

清除通路，其将所述罐与所述内燃机的进气通路相互连接；以及

调整装置，其调整经由所述清除通路从所述罐流入所述进气通路的燃料蒸气的流量，

所述算出处理包括如下双方的处理：

通过将在所述燃料蒸气的流量为零时通过所述取得处理取得的数据作为向所述映射的输入来算出所述不均变量，并且根据所述不均变量算出并存储第1学习值；和

通过将在所述燃料蒸气的流量比零大时通过所述取得处理取得的数据作为向所述映射的输入来算出所述不均变量，并根据所述不均变量算出并存储第2学习值，

所述应对处理是在所述燃料蒸气的流量为零的情况下，通过选择性地使用所存储的所述第1学习值和所述第2学习值中的所述第1学习值来操作所述预定的硬件的处理。

在燃料蒸气的流量比零大的情况下，燃料蒸气从罐流入进气通路并流入各汽缸。但是，在向各汽缸的燃料蒸气的流入量上存在偏差。并且，该偏差无法通过将以燃料喷射阀的个体差异、经年变化等为起因的偏差定量化而得到的不均变量来表现。因此，在上述构成中，分别个别地算出与有无燃料蒸气的影响相应的不均变量。由此，能够掌握以燃料喷射阀的个体差异、经年变化为起因的不均、和以燃料蒸气为起因的不均，从而能够进行与状况相应的应对。

例11.根据上述例1～8中的任一项所述的不均检测装置，所述内燃机具备：EGR通路，其将排气通路与进气通路连接；和EGR阀，其调整经由所述EGR通路从所述排气通路流入所述进气通路的排气的流量，所述算出处理包括如下双方的处理：通过将在流入所述进气通路的排气的流量为零时通过所述取得处理取得的数据作为向所述映射的输入来算出所述不均变量；和通过将在流入所述进气通路的排气的流量比零大时通过所述取得处理取得的数据作为向所述映射的输入来算出不均变量，所述应对处理是在流入所述进气通路的排气的流量比零大的情况下，基于通过将在流入所述进气通路的排气的流量比零大时通过所述取得处理取得的数据作为向所述映射的输入而算出的所述不均变量来操作所述预定的硬件的处理。

例12.根据上述例1～8中的任一项所述的不均检测装置，

所述内燃机具备：

EGR通路，其将排气通路与进气通路相互连接；和

EGR阀，其调整经由所述EGR通路从所述排气通路流入所述进气通路的排气的流量，

所述算出处理包括如下双方的处理：

通过将在流入所述进气通路的排气的流量为零时通过所述取得处理取得的数据作为向所述映射的输入来算出所述不均变量，并根据所述不均变量算出并存储第1学习值；和

通过将在流入所述进气通路的排气的流量比零大时通过所述取得处理取得的数据作为向所述映射的输入来算出不均变量，并根据所述不均变量算出并存储第2学习值，

所述应对处理是在流入所述进气通路的排气的流量为零的情况下，通过选择性地使用所存储的所述第1学习值和所述第2学习值中的所述第1学习值来操作所述预定的硬件的处理。

在流入进气通路的排气的流量比零大的情况下，排气经由EGR通路从排气通路流入进气通路并流入各汽缸。但是，在向各汽缸的排气的流入量上存在偏差。并且，由该偏差引起的各汽缸中的混合气的燃烧状态的偏差无法通过将以燃料喷射阀的个体差异、经年变化等为起因的偏差定量化而得到的不均变量来表现。因此，在上述构成中，分别算出与有无流入进气通路的排气的影响相应的不均变量。由此，能够掌握以燃料喷射阀的个体差异、经年变化等为起因的不均、和以流入进气通路的排气为起因的不均，从而能够进行与状况相应的应对。

例13.根据上述例1～12中的任一项所述的不均检测装置，所述预定的硬件包括用于控制所述内燃机的燃烧室内的混合气的燃烧的燃烧操作部，所述应对处理包括在所述空燃比的偏差程度大的情况下，根据所述不均变量来操作所述燃烧操作部的操作处理。

在上述构成中，根据不均变量来操作用于控制混合气的燃烧的操作部。由此，能够改善以空燃比的偏差大为起因的燃烧状态的恶化。

例14.根据上述例13所述的不均检测装置，所述操作处理包括对用于分别向多个汽缸中供给燃料的、作为所述操作部的燃料喷射阀进行操作的处理。

在上述构成中，通过根据不均变量来修正喷射量，能够降低各汽缸的混合气的空燃比的偏差。

例15.一种不均检测系统，具备上述例1～14中的任一项所述的所述执行装置及所述存储装置，所述执行装置包括第1执行装置及第2执行装置，所述第1执行装置搭载于车辆并且构成为执行如下处理：所述取得处理；车辆侧发送处理，将通过所述取得处理取得的数据向车辆的外部发送；车辆侧接收处理，接收基于所述算出处理的算出结果的信号；以及所述应对处理，所述第2执行装置配置在所述车辆的外部并且构成为执行如下处理：外部侧接收处理，接收通过所述车辆侧发送处理发送的数据；所述算出处理；以及外部侧发送处理，将基于所述算出处理的算出结果的信号向所述车辆发送。

在上述构成中，算出处理在车辆的外部执行。由此，能够减轻车载装置的运算负荷。

例16.一种数据解析装置，具备上述例15所述的所述第2执行装置及所述存储装置。

例17.一种内燃机的控制装置，具备上述例15所述的所述第1执行装置。

例18.一种不均检测系统，具备第1执行装置、第2执行装置以及存储装置，

所述存储装置构成为存储规定映射的数据即映射数据，所述映射以旋转波形变量和空燃比检测变量为输入，所述空燃比检测变量是多个第1间隔各自中的与空燃比传感器的输出相应的变量，所述映射输出作为表示多汽缸的内燃机的空燃比的偏差程度的变量的不均变量，

所述第1执行装置搭载于车辆并且构成为执行如下处理：

取得处理，取得基于检测曲轴的旋转行为的传感器的检测值的所述旋转波形变量、和多个第1间隔各自中的所述空燃比检测变量；

车辆侧发送处理，将通过所述取得处理取得的数据向车辆的外部发送；

车辆侧接收处理，接收基于算出处理的算出结果的信号；以及

应对处理，基于所述算出处理的算出结果而操作预定的硬件，从而用于应对所述空燃比的偏差程度大的情况，

所述第2执行装置配置在所述车辆的外部并且构成为执行如下处理：

外部侧接收处理，接收通过所述车辆侧发送处理发送的数据；

所述算出处理，基于以通过所述取得处理取得的值为输入的所述映射的输出来算出所述不均变量；以及

外部侧发送处理，将基于所述算出处理的算出结果的信号向所述车辆发送，

所述旋转波形变量是表示多个第2间隔各自中的作为与曲轴的转速相应的变量的瞬时速度变量彼此之间的差异的变量，

所述第1间隔及所述第2间隔均为比压缩上止点的出现间隔小的所述曲轴的角度间隔，

双方均被作为所述映射的输入的所述旋转波形变量及多个所述空燃比检测变量分别是比所述出现间隔大的预定的角度间隔内的时序数据。

例19.一种不均检测方法，应用于多汽缸的内燃机，所述不均检测方法包括上述例1～18中的任一项所述的处理。

例20.一种非瞬时性的计算机可读存储介质，存储有用于使执行装置执行上述例1～18中的任一项所述的处理的程序。

例21.在上述例1～20中的任一项中，所述不均变量是表示为了将多个汽缸各自中的混合气的空燃比控制为彼此相等的空燃比而操作了所述内燃机的燃料喷射阀时的、实际的空燃比彼此之间的偏差程度的变量。

例22.在上述例5中，所述驱动系统状态变量是表示连结于所述曲轴的变速装置的状态的变量、或者是表示锁止离合器的状态的变量。

例23.在上述例1～22中的任一项中，所述映射数据包括通过机器学习学习到的数据。

附图说明

图1是示出第1实施方式涉及的控制装置及车辆的驱动系统的构成的图。

图2是示出该实施方式涉及的控制装置所执行的处理的一部分的框图。

图3是示出该实施方式涉及的不均检测处理的步骤的流程图。

图4是示出该实施方式涉及的对不均的应对处理的步骤的流程图。

图5是示出该实施方式涉及的生成映射数据的系统的图。

图6是示出该实施方式涉及的映射数据的学习处理的步骤的流程图。

图7是示出不均对瞬时速度变量、空燃比产生的影响的时间图。

图8A是示出不均与0.5阶振幅的关系的图。

图8B是示出旋转阶数与振幅的关系的图。

图9是示出第2实施方式涉及的不均学习值的算出处理的步骤的流程图。

图10是示出该实施方式涉及的对不均的应对处理的步骤的流程图。

图11是示出第3实施方式涉及的对不均的应对处理的步骤的流程图。

图12是示出第4实施方式涉及的映射数据的选择处理的步骤的流程图。

图13是示出第5实施方式涉及的映射数据的选择处理的步骤的流程图。

图14是示出第6实施方式涉及的映射数据的选择处理的步骤的流程图。

图15是示出第7实施方式涉及的映射数据的选择处理的步骤的流程图。

图16是示出第8实施方式涉及的不均检测处理的步骤的流程图。

图17是示出第9实施方式涉及的不均检测系统的构成的图。

图18的(a)部分及(b)部分是示出图17的不均检测系统所执行的处理的步骤的流程图。

具体实施方式

＜第1实施方式＞

以下，参照图1～图8B对与不均检测装置相关的第1实施方式进行说明。

在搭载于图1所示的车辆VC的内燃机10中，在进气通路12设置有节气门14。从进气通路12吸入的空气通过进气门16的打开而流入各汽缸#1～#4的燃烧室18。在内燃机10中以向燃烧室18露出的方式设置有喷射燃料的燃料喷射阀20和产生火花放电的点火装置22。在燃烧室18中，空气与燃料的混合气被用于燃烧，通过燃烧产生的能量被取出为曲轴24的旋转能量。用于了燃烧的混合气伴随排气门26的打开而作为排气向排气通路28排出。在排气通路28设置有具有氧吸藏能力的催化剂30。排气通路28经由EGR通路32连通于进气通路12。在EGR通路32设置有调整其流路截面面积的EGR阀34。

储存于燃料箱38的燃料经由泵36向燃料喷射阀20供给。在燃料箱38内产生的燃料蒸气被罐40捕集。罐40经由清除通路42连接于进气通路12，清除通路42的流路截面面积由清除阀44来调整。

曲轴24的旋转动力经由进气侧气门正时可变装置46向进气侧凸轮轴48传递。进气侧气门正时可变装置46改变进气侧凸轮轴48与曲轴24的相对的旋转相位差。

在内燃机10的曲轴24能够经由变矩器60连结变速装置64的输入轴66。变矩器60具备锁止离合器62，通过使锁止离合器62成为接合状态，曲轴24与输入轴66连结。在变速装置64的输出轴68机械地连结有驱动轮69。此外，在本实施方式中，变速装置64是能够改变1档到5档的变速比的有级变速装置。

在曲轴24结合有曲轴转子50，在该曲轴转子50设置有表示曲轴24的多个旋转角度中的各旋转角度的齿部52。此外，在本实施方式中，例示出34个齿部52。在曲轴转子50基本上按10°CA间隔设置齿部52，但是设置有1处相邻的齿部52之间的间隔为30°CA的部位即缺齿部54。用它来表示成为曲轴24的基准的旋转角度。

控制装置70以内燃机10为控制对象，为了控制作为其控制量的转矩、排气成分比率等而对节气门14、燃料喷射阀20、点火装置22、EGR阀34、清除阀44、进气侧气门正时可变装置46等内燃机10的操作部进行操作。此外，在图1中记载了节气门14、燃料喷射阀20、点火装置22、EGR阀34、清除阀44以及进气侧气门正时可变装置46各自的操作信号MS1～MS6。

控制装置70在进行控制量的控制时，参照由空气流量计80检测的吸入空气量Ga、由设置于催化剂30的上游侧的空燃比传感器82检测的上游侧检测值Afu、曲轴角传感器86的输出信号Scr，所述曲轴角传感器86每隔除了缺齿部54以外每隔10°CA设置的齿部52之间的角度间隔输出脉冲。另外，控制装置70参照由水温传感器88检测的内燃机10的冷却水的温度即水温THW、由变速位置传感器90检测的变速装置64的变速位置Sft、由加速度传感器92检测的车辆VC的上下方向的加速度Dacc。

控制装置70具备CPU72、ROM74、作为电可重写非易失性存储器的存储装置76、以及周边电路77，它们能够通过局域网78相互进行通信。此外，周边电路77包括生成规定内部的动作的时钟信号的电路、电源电路、复位电路等。

控制装置70通过CPU72执行存储于ROM74的程序来执行上述控制量的控制。

在图2中示出通过CPU72执行存储于ROM74的程序来实现的处理的一部分。

点火正时操作处理M10是基于规定内燃机10的动作点的转速NE及填充效率η来设定点火正时的基础值，并以成为与之相应的点火正时aig的方式向点火装置22输出操作信号MS3从而操作点火装置22的处理。在此，填充效率η是表示填充到燃烧室18内的空气量的参数，由CPU72基于吸入空气量Ga及转速NE来算出。另外，转速NE由CPU72基于曲轴角传感器86的输出信号Scr来算出。此外，转速NE是曲轴24旋转了比压缩上止点的出现间隔(在本实施方式中为180°CA)大的角度间隔时的转速的平均值。此外，优选，转速NE是曲轴24旋转了曲轴24的1圈以上的旋转角度时的转速的平均值。此外，此处的平均值不限于单纯平均，例如也可以是指数移动平均处理，利用曲轴24旋转1圈以上的旋转角度时的、例如微小的旋转角度间隔中的转速的多个采样值来算出即可。不过，不限于此，也可以基于旋转1圈以上的旋转角度所需要的时间的单个计测值来算出。

EGR控制处理M12是基于内燃机10的动作点，通过向EGR阀34输出操作信号MS4来操作EGR阀34的开度以控制EGR率Regr的处理，该EGR率Regr是经由EGR通路32流入了进气通路12的排气的流量相对于被吸入进气通路12的空气的流量与该排气的流量之和的比例。

目标清除率算出处理M14是基于填充效率η算出目标清除率Rp*的处理。在此，清除率是指将从罐40流入进气通路12的流体的流量除以吸入空气量Ga而得到的值，目标清除率Rp*是控制上的清除率的目标值。

清除阀操作处理M16是基于吸入空气量Ga向清除阀44输出操作信号MS5以操作清除阀44以使得清除率成为目标清除率Rp*的处理。在此，清除阀操作处理M16为如下的处理：在目标清除率Rp*相同的情况下，吸入空气量Ga越小则使清除阀44的开度为越小的值。这是因为：即使罐40内的压力相同，由于吸入空气量Ga越小则进气通路12内的压力越低，所以罐40内的压力比进气通路12内的压力高，所以流体容易从罐40向进气通路12流动。

基础喷射量算出处理M18是基于填充效率η算出基础喷射量Qb的处理。基础喷射量Qb是用于使燃烧室18内的混合气的空燃比成为目标空燃比的燃料量的基础值。详细而言，基础喷射量算出处理M18例如在用百分率来表示填充效率η的情况下，是通过对用于使空燃比成为目标空燃比的填充效率η的每1％的燃料量QTH乘以填充效率η来算出基础喷射量Qb的处理即可。基础喷射量Qb是为了将空燃比控制为目标空燃比而基于填充到燃烧室18内的空气量算出的燃料量。目标空燃比例如是理论空燃比即可。

反馈处理M20是算出对修正比率δ加上“1”而得到的反馈修正系数KAF的处理。修正比率δ是用于将作为反馈控制量的上游侧检测值Afu反馈控制为目标值Af*的操作量。反馈修正系数KAF是基础喷射量Qb的修正系数。在此，在修正比率δ为“0”的情况下，基础喷射量Qb的修正比率为零。另外，在修正比率δ比“0”大的情况下，反馈处理M20对基础喷射量Qb进行增量修正，在修正比率δ比“0”小的情况下，对基础喷射量Qb进行减量修正。在本实施方式中，将以目标值Af*与上游侧检测值Afu之差为输入的比例要素及微分要素的各输出值的总和、与输出与该差相应的值的累计值的积分要素的输出值之和设为修正比率δ。

空燃比学习处理M22是在空燃比学习期间中，以使得修正比率δ与“0”的偏离变小的方式逐次更新空燃比学习值LAF的处理。在空燃比学习处理M22中包括在修正比率δ从“0”的偏离量成为预定值以下的情况下，判定为空燃比学习值LAF收敛了的处理。

在系数加法处理M24中，对反馈修正系数KAF加上空燃比学习值LAF。

清除浓度学习处理M26是基于上述修正比率δ算出清除浓度学习值Lp的处理。清除浓度学习值Lp是将修正基础喷射量Qb的偏离的修正比率按每1％的清除率进行换算而得到的值。修正比率用于修正以从罐40向燃烧室18的燃料蒸气的流入为起因的、基础喷射量Qb相对于在控制为目标空燃比方面所需要的喷射量的偏离。在此，在本实施方式中，将目标清除率Rp*被控制为比“0”大的值时的、反馈修正系数KAF偏离“1”的要因视为全部是由从罐40流入了燃烧室18的燃料蒸气引起的。即，将修正比率δ视为修正以从罐40向进气通路12的燃料蒸气的流入为起因的、基础喷射量Qb相对于在控制为目标空燃比方面所需要的喷射量的偏离的修正比率。但是，因为修正比率δ取决于清除率，所以在本实施方式中，将清除浓度学习值Lp设为与每1％的清除率的值“δ/Rp”相应的量。具体而言，将清除浓度学习值Lp设为每1％的清除率的值“δ/Rp”的指数移动平均处理值。此外，优选，以判定为空燃比学习值LAF收敛了为条件，将目标清除率Rp*设为比零大的值，执行清除浓度学习处理M26。

清除修正比率算出处理M28是通过对目标清除率Rp*乘以清除浓度学习值Lp来算出清除修正比率Dp的处理。此外，清除修正比率Dp为零以下的值。

修正系数算出处理M30是对系数加法处理M24的输出值加上清除修正比率Dp的处理。

要求喷射量算出处理M32是通过对基础喷射量Qb乘以修正系数算出处理M30的输出值来修正基础喷射量Qb，从而算出要求喷射量Qd的处理。

喷射阀操作处理M34是基于要求喷射量Qd向燃料喷射阀20输出操作信号MS2以操作燃料喷射阀20的处理。

接着，对检测在基于图2的处理操作了汽缸#1～#4各自中的燃料喷射阀20时，实际的空燃比在汽缸间发生偏离的不均的处理进行说明。

在图3中示出与不均的检测相关的处理的步骤。图3所示的处理通过CPU72例如按预定周期反复执行存储于图1所示的ROM74的不均检测程序74a来实现。此外，以下，用在开头标注有“S”的数字来表示各处理的步骤编号。

在图3所示的一系列的处理中，CPU72首先判定不均的检测处理的执行条件是否成立(S10)。在本实施方式中，执行条件包括目标清除率Rp*为零且EGR率Regr为零这一意思的条件。

接着，CPU72取得微小旋转时间T30(1)、T30(2)、…、T30(24)、上游侧平均值Afuave(1)、Afuave(2)、…、Afuave(24)、转速NE、填充效率η、以及0.5阶振幅Ampf/2(S12)。此外，Ampf/2表示0.5阶振幅的标号。通过由CPU72基于曲轴角传感器86的输出信号Scr对曲轴24旋转30°CA所需要的时间进行计时来算出微小旋转时间T30。在此，在微小旋转时间T30(1)、T30(2)等括号中的数字不同的情况下，表示1燃烧循环即720°CA内的不同的旋转角度间隔。即，微小旋转时间T30(1)～T30(24)表示将720°CA(第3间隔)的旋转角度区域按30°CA(第4间隔)平均分割而得到的各角度间隔中的旋转时间。也就是说，微小旋转时间T30是作为与曲轴24分别旋转多个各角度间隔(30°CA即第4间隔)时的转速相应的参数的瞬时速度参数。在此，第3间隔是曲轴24的旋转角度间隔，并且是包括压缩上止点的间隔，第4间隔是比压缩上止点的出现间隔小的间隔。微小旋转时间T30构成作为包含于第3间隔中的连续的多个第4间隔各自中的瞬时速度参数的时序数据。

详细而言，CPU72基于输出信号Scr对曲轴24旋转了30°CA的时间进行计时，并将其设为过滤处理前时间NF30。接着，CPU72通过实施以过滤处理前时间NF30为输入的数字过滤处理来算出过滤处理后时间AF30。然后，CPU72以使得预定期间(例如720°CA)中的过滤处理后时间AF30的极大值(最大值)与极小值(最小值)之差成为“1”的方式将过滤处理后时间AF30归一化(日语：正規化)，从而算出微小旋转时间T30。

另外，若设为m＝1～24，则上游侧平均值Afuave(m)是与上述各微小旋转时间T30(m)相同的30°CA的角度间隔中的上游侧检测值Afu的平均值。

0.5阶振幅Ampf/2是曲轴24的旋转频率的0.5阶成分的强度，并由CPU72通过微小旋转时间T30的上述时序数据的傅立叶变换来算出。

接着，CPU72将通过S12的处理取得的值代入输出不均率Riv的映射的输入变量x(1)～x(51)(S14)。详细而言，设为“m＝1～24”，CPU72将微小旋转时间T30(m)代入输入变量x(m)，将上游侧平均值Afuave(m)代入输入变量(24+m)，将转速NE代入输入变量x(49)，将填充效率η代入输入变量x(50)，将0.5阶振幅Ampf/2代入输入变量x(51)。

在本实施方式中，不均率Riv在喷射作为目标的喷射量的燃料的汽缸中为“0”，在实际的喷射量比作为目标的喷射量多的情况下成为正值，在实际的喷射量比作为目标的喷射量少的情况下成为负值。即，不均率Riv是作为表示为了分别将多个汽缸#1～#4中的混合气的空燃比控制为彼此相等的空燃比而操作了燃料喷射阀20时的实际的空燃比彼此之间的偏差程度的变量的不均变量。

接着，CPU72通过将输入变量x(1)～x(51)输入到由存储于图1所示的存储装置76的映射数据76a规定的映射中，从而算出汽缸#i(i＝1～4)各自的不均率Riv(1)～Riv(4)(S16)。上述不均率Riv(1)～Riv(4)能够作为表示内燃机10的空燃比的偏差程度的变量来掌握。

在本实施方式中，该映射由中间层为1层的神经网络构成。上述神经网络包括输入侧系数wFjk(j＝0～n，k＝0～51)和激活函数h(x)。输入侧线性映射是由输入侧系数wFjk规定的线性映射，激活函数h(x)是对输入侧线性映射的输出分别进行非线性变换的输入侧非线性映射。在本实施方式中，例示出双曲正切函数“tanh(x)”作为激活函数h(x)。另外，上述神经网络包括输出侧系数wSij(i＝1～4，j＝0～n)和激活函数f(x)。输出侧线性映射是由输出侧系数wSij规定的线性映射，激活函数f(x)是对输出侧线性映射的输出分别进行非线性变换的输出侧非线性映射。在本实施方式中，例示出双曲正切函数“tanh(x)”作为激活函数f(x)。此外，值n表示中间层的维度。

此外，CPU72在S16的处理完成、S10的处理中判定为否的情况下，暂时结束图3所示的一系列的处理。

在图4中示出利用上述不均率Riv(i)的处理的步骤。图4所示的处理通过CPU72例如每当算出不均率Riv(i)时反复执行存储于图1所示的ROM74的应对程序74b来实现。

在图4所示的一系列的处理中，CPU72首先通过指数移动平均处理来更新不均学习值Liv(i)(S20)，该指数移动平均处理是以通过图3的处理新算出的不均率Riv(i)为输入的处理。即，CPU72例如利用对存储于存储装置76的不均学习值Liv(i)乘以系数α而得到的值与对不均率Riv(i)乘以“1-α”而得到的值之和来更新不均学习值Liv(S20)。此外，“0＜α＜1”。

接着，CPU72判定是否不均学习值Liv(i)为稀侧允许极限值LL以上且为浓侧允许极限值LH以下(S22)。CPU72在判定为不均学习值Liv(i)小于稀侧允许极限值LL、或者判定为不均学习值Liv(i)比浓侧允许极限值大的情况下(S22：否(NO))，操作警告灯98来执行报知处理以促使用户修理内燃机10等(S24)。

另一方面，CPU72在判定为不均学习值Liv(i)为稀侧允许极限值LL以上且为浓侧允许极限值LH以下(S22：是(YES))、S24的处理完成的情况下，修正各汽缸的要求喷射量Qd(#i)(S26)。即，CPU72通过对各汽缸的要求喷射量Qd(#i)加上与不均学习值Liv(i)相应的修正量ΔQd(Liv(i))来修正要求喷射量Qd(#i)。在此，修正量ΔQd(Liv(i))在不均学习值Liv(i)比零大的情况下成为负值，在不均学习值Liv(i)比零小的情况下成为正值。此外，在不均学习值Liv(i)为零的情况下，修正量ΔQd(Liv(i))也设为零。

此外，CPU72在完成S26的处理的情况下，暂时结束图4所示的一系列的处理。在本实施方式中，在S10的处理中判定为是而执行S12的处理的情况下，暂时停止S26的处理。

接着，对映射数据76a的生成方法进行说明。

在图5中示出生成映射数据76a的系统。

如图5所示，在本实施方式中，将测功机(dynamometer)100经由变矩器60及变速装置64机械地连结于内燃机10的曲轴24。并且，由传感器组102来检测使内燃机10工作时的各种状态变量，并将检测结果向作为生成映射数据76a的计算机的适用装置104输入。此外，传感器组102中包括作为检测用于生成向映射的输入的值的传感器的空气流量计80、空燃比传感器82、曲轴角传感器86。

在图6中示出映射数据的生成处理的步骤。图6所示的处理由适用装置104执行。此外，图6所示的处理例如通过在适用装置104中具备CPU及ROM，并由CPU执行存储于ROM的程序来实现即可。

在图6所示的一系列的处理中，适用装置104首先基于传感器组102的检测结果取得与在S12的处理中所取得的数据相同的数据作为训练数据(S30)。此外，在该处理中，预先根据单体的燃料喷射阀20中的计测，而准备不均率Riv取与零不同的各种值的多个燃料喷射阀20、和不均率为零的3个燃料喷射阀。并且，在内燃机10搭载有3个不均率为零的燃料喷射阀20、和1个不均率与零不同的燃料喷射阀20的状态下，进行S30的处理。此外，所搭载的燃料喷射阀各自的不均率Rivt成为教师数据。在此，将作为教师数据的不均率的标号设为对Riv添加了t而成的Rivt。

接着，适用装置104按S14的处理的要领将教师数据以外的训练数据代入输入变量x(1)～x(51)(S32)。然后，适用装置104按S16的处理的要领，使用通过S32的处理求出的输入变量x(1)～x(51)来算出不均率Riv(1)～Riv(4)(S34)。然后，CPU72判定通过S34的处理算出的不均率Riv(i)的采样数是否为预定以上(S36)。在此，为了成为预定以上，在将不均率Rivt与零不同的多个燃料喷射阀分别搭载于汽缸#1～#4中的各汽缸的状态下，使内燃机10的运转状态发生变化。由此，要求在由转速NE及填充效率η规定的各种动作点下算出不均率Riv。

适用装置104在判定为不均率Riv(i)的采样数不是预定以上的情况下(S36：否)，返回到S30的处理。与此相对，CPU72在判定为不均率Riv(i)的采样数为预定以上的情况下(S36：是)，以使得作为教师数据的不均率Rivt与通过S34的处理算出的每个不均率Riv(i)之差的平方和成为最小的方式更新输入侧系数wFjk及输出侧系数wSij(S38)。然后，适用装置104将更新后的输入侧系数wFjk及输出侧系数wSij等存储为学习完成的映射数据(S40)。

在此，对本实施方式的作用及效果进行说明。

在图7中，分别关于汽缸#1的不均率Riv(1)为正的情况和汽缸#4的不均率Riv(4)为负的情况下，示出具有360°CA的周期的曲轴计数器、上游侧平均值Afuave、以及微小旋转时间T30的推移。如图7所示，在汽缸#1中燃料喷射量过剩的情况和汽缸#4中燃料喷射量不足的情况之间，在上游侧平均值Afuave的相位上没有大的差别，所以难以确定在哪个汽缸中产生了怎样的异常。但是，根据微小旋转时间T30的时序数据，根据由图7中的点划线包围的部分可知，在上述两种异常之间存在明确的差异。

因此，在本实施方式中，CPU72使用微小旋转时间T30的时序数据和上游侧平均值Afuave的时序数据来算出不均率Riv。由此，例如，即使在若仅基于上游侧检测值Afu则难以区分在哪个汽缸中产生了这样的异常的情况下，在本实施方式中也能够算出各汽缸的不均率Riv(1)～Riv(4)。

而且，在本实施方式中，不是通过机器学习来对例如通过随机且大量地输入内燃机10的各种变量来算出不均率Riv的映射进行学习，而是基于精通内燃机10的控制的发明人的见解严格选择向映射输入的变量。因此，若与未使用发明人的见解的情况相比，则能够减小神经网络的中间层的层数、输入变量的维度，容易简化算出不均率Riv(i)的映射的构造。

根据以上所说明的本实施方式，还可获得以下所记载的作用效果。

(1)将作为规定内燃机10的动作点的动作点变量的转速NE及填充效率η设为映射的输入。点火装置22、EGR阀34、进气侧气门正时可变装置46等内燃机10的操作部的操作量具有基于内燃机10的动作点来确定的倾向。因此，动作点变量是包括与各操作部的操作量相关的信息的变量。因此，通过将动作点变量作为映射的输入，能够基于与各操作部的操作量相关的信息算出不均率Riv(i)。从而能够更高精度地算出不均率Riv(i)。

(2)在映射的输入中包括上游侧平均值Afuave。由此，若与例如使用时序数据的每个时间间隔的上游侧检测值Afu的情况相比，则能够在不增加时序数据的数据数的同时获得关于流入催化剂30的氧、未燃燃料的更准确的信息。从而能够更高精度地算出不均率Riv(i)。

(3)通过将0.5阶振幅Ampf/2包含在向映射的输入中，能够更高精度地算出不均率Riv。即，如图8A所示，在不均率Riv与0.5阶振幅Ampf/2之间成立线性的关系。另外，如在图8B中例示出不均率Riv(1)为“1.15”的情况那样，曲轴24的旋转频率的振幅在存在不均率Riv不是零的汽缸的情况下，0.5阶成分尤其大。认为这是因为：在汽缸#1～#4中的任一个中不均率Riv(i)与零不同的情况下，在1燃烧循环中发生一次产生转矩的偏离。在本实施方式中，通过将720°CA周期的转矩变动取入为0.5阶振幅Ampf/2，能够更高精度地算出不均率Riv。

＜第2实施方式＞

以下，参照图9及图10，以与第1实施方式的不同点为中心对第2实施方式进行说明。

在本实施方式中，在一度算出不均率Riv后，将目标清除率Rp*从零切换为比零大的值，此时，再次算出不均率Riv。并且，之后，将EGR率Regr从零切换为比零大的值，再次算出不均率Riv。因此，在本实施方式中，将图3的S10的处理中的执行条件设为如下三个：目标清除率Rp*为零且EGR率Regr为零时；目标清除率Rp*从零切换为了比零大的值时；EGR率Regr从零切换为了比零大的值时。

在图9中示出基于像这样算出的不均率Riv的、学习值的算出处理的步骤。图9所示的处理通过CPU72例如按预定周期反复执行存储于ROM74的应对程序74b来实现。

在图9所示的一系列的处理中，CPU72首先判定是否新算出了不均率Riv(S50)。并且，CPU72在判定为新算出了不均率Riv的情况下(S50：是)，判定用于算出不均率Riv的输入变量是否为在目标清除率Rp*为零且EGR率Regr为零时采样到的变量(S52)。CPU72在S52的处理中判定为是的情况下，执行与S20同样的处理(S54)。

与此相对，CPU72在S52的处理中判定为否的情况下，判定用于算出不均率Riv的输入变量是否为在EGR率Regr为零时采样到的变量(S56)。并且，CPU72在判定为是在EGR率Regr为零时采样到的变量的情况下(S56：是)，通过以本次算出的不均率Riv(i)为输入的指数移动平均处理来更新清除时学习值Livp(i)(S58)。

另一方面，CPU72在判定为用于算出不均率Riv的输入变量是在EGR率Regr比零大时采样到的变量的情况下(S56：否)，通过以本次算出的不均率Riv(i)为输入的指数移动平均处理来更新EGR时学习值Live(i)(S60)。

此外，CPU72在S54、S58、S60的处理完成、在S50的处理中判定为否的情况下，暂时结束图9所示的一系列的处理。

在图10中示出利用了上述学习值的处理的步骤。图10所示的处理通过CPU72例如按预定周期反复执行存储于图1所示的ROM74的应对程序74b来实现。此外，在图10中，为了方便，对与图4所示的处理对应的处理标注相同的步骤编号。

在图10所示的一系列的处理中，CPU72在S22中判定为是或者S24的处理完成的情况下，判定是否目标清除率Rp*为零且EGR率Regr为零(S62)。并且，CPU72在判定为目标清除率Rp*为零且EGR率Regr为零的情况下(S62：是)，执行与S26的处理同样的处理(S64)。

与此相对，CPU72在S62的处理中判定为否的情况下，判定EGR率Regr是否为零(S66)。并且，CPU72在判定为EGR率Regr为零的情况下(S66：是)，不仅基于不均学习值Liv(i)，还基于清除时学习值Livp(i)来修正各汽缸的要求喷射量Qd(#i)(S68)。即，CPU72通过对各汽缸的要求喷射量Qd(#i)加上与不均学习值Liv(i)相应的修正量ΔQd(Liv(i))和与清除时学习值Livp(i)相应的修正量ΔQdp(Livp(i))，从而修正要求喷射量Qd(#i)。

另一方面，CPU72在判定为EGR率Regr比零大的情况下(S66：否)，基于不均学习值Liv(i)、清除时学习值Livp(i)以及EGR时学习值Live(i)来修正各汽缸的要求喷射量Qd(#i)(S70)。即，CPU72利用与不均学习值Liv(i)相应的修正量ΔQd(Liv(i))、与清除时学习值Livp(i)相应的修正量ΔQdp(Livp(i))、与EGR时学习值Live(i)相应的修正量ΔQde(Live(i))之和来修正各汽缸的要求喷射量Qd(#i)。

此外，CPU72在S64、S68、S70的处理完成的情况下，暂时结束图10所示的一系列的处理。在本实施方式中，在执行用于算出在S58的处理中使用的不均率Riv的S12的处理的情况下，在S68的处理中不使用与清除时学习值Livp(i)相应的修正量ΔQd(Livp(i))。另外，在执行用于算出在S60的处理中使用的不均率Riv的S12的处理的情况下，在S70的处理中不使用与EGR时学习值Live(i)相应的修正量ΔQd(Live(i))。

另外，在本实施方式中，优选，映射数据76a是将在S62的处理中判定为是的情况、在S66的处理中判定为是的情况、以及在S66的处理中判定为否的情况的各情况下的数据作为训练数据而学习到的数据。不过，也可以替代将映射数据76a设为单一的数据的情况，而是，在S62的处理中判定为是的情况、在S66的处理中判定为是的情况、以及在S66的处理中判定为否的情况之间将映射数据76a分别设为不同的数据。在该情况下，对于各数据，仅使用相应的训练数据来进行学习。

根据以上所说明的本实施方式，除了第1实施方式所记载的作用效果以外，还可获得以下所记载的作用效果。

(4)算出使目标清除率Rp*比零大时的不均率Riv，并基于与之相应的清除时学习值Livp(i)来修正要求喷射量Qd。由此，即使在清除率比零大的情况下，也能够抑制汽缸#1～#4之间的空燃比的偏差。即，在清除率比零大的情况下，燃料蒸气从罐40流入进气通路12并分别流入汽缸#1～#4，但在每个汽缸#1～#4之间，在流入量上存在偏差。并且该偏差无法通过将以燃料喷射阀20的个体差异、经年变化等为起因的偏差定量化而得到的不均学习值Liv(i)来表现。针对这一点，在本实施方式中，通过基于清除时学习值Livp(i)来修正要求喷射量Qd，能够抑制汽缸#1～#4之间的空燃比的偏差。

(5)算出使EGR率Regr比零大时的不均率Riv，并基于与之相应的EGR时学习值Live(i)来修正要求喷射量Qd。由此，即使在EGR率Regr比零大的情况下，也能够抑制汽缸#1～#4之间的空燃比的偏差。即，在EGR率Regr比零大的情况下，来自排气通路28的排气经由EGR通路32流入进气通路12并分别流入汽缸#1～#4，但在每个汽缸#1～#4之间，在流入量上存在偏差。并且该偏差无法通过将以燃料喷射阀20的个体差异、经年变化等为起因的偏差定量化而得到的不均学习值Liv(i)来表现。针对这一点，在本实施方式中，通过基于EGR时学习值Live(i)来修正要求喷射量Qd，能够抑制汽缸#1～#4之间的空燃比的偏差。

＜第3实施方式＞

以下，参照图11，以与第2实施方式的不同点为中心对第3实施方式进行说明。

在本实施方式中，在通过喷射量修正没有充分地消除不均的情况下，对点火正时进行操作。

在图11中示出关于与不均率Riv相应的点火正时的操作的处理的步骤。图11所示的处理通过CPU72例如以不均学习值Liv(i)等的更新次数成为预定数以上这一情况为条件，按预定周期反复执行存储于图1所示的ROM74的应对程序74b来实现。

在图11所示的一系列的处理中，CPU72首先判定在目标清除率Rp*为零且EGR率Regr为零时，在执行了图10的S64的处理后新算出的不均率Riv(i)的绝对值是否为预定值Δth以上(S72)。该处理是判定是否没有通过基于不均学习值Liv(i)的修正量ΔQd(Liv(i))充分地消除不均的处理。CPU72在判定为不均率Riv(i)的绝对值为预定值Δth以上的情况下(S72：是)，基于新算出的不均率Riv(i)来修正各汽缸#i的点火正时aig(#i)(S74)。在此，CPU72例如对不均率Riv(i)的绝对值比零大的汽缸执行使点火正时aig提前的处理。这是因为：在以空燃比变得过浓而有失火(不发火)的迹象为起因而不均率Riv偏离了零的情况下，通过使点火正时aig提前，有可能改善燃烧。

CPU72在S74的处理完成、在S72的处理中判定为否的情况下，判定在EGR率Regr为零时，在执行了图10的S68的处理后新算出的不均率Riv(i)的绝对值是否为预定值Δthp以上(S76)。该处理是判定是否没有通过基于清除时学习值Livp(i)的修正量ΔQd(Livp(i))充分地消除不均的处理。CPU72在判定为不均率Riv(i)的绝对值为预定值Δthp以上的情况下(S76：是)，基于新算出的不均率Riv(i)和目标清除率Rp*来修正各汽缸#i的点火正时aig(#i)(S78)。

CPU72在S78的处理完成、在S76的处理中判定为否的情况下，判定在EGR率Regr比零大时，在执行了图10的S70的处理后新算出的不均率Riv(i)的绝对值是否为预定值Δthe以上(S80)。该处理是判定是否没有通过基于EGR时学习值Live(i)的修正量ΔQd(Live(i))充分地消除不均的处理。CPU72在判定为不均率Riv(i)的绝对值为预定值Δthe以上的情况下(S80：是)，基于新算出的不均率Riv(i)、目标清除率Rp*、以及EGR率Regr来修正各汽缸#i的点火正时aig(#i)(S82)。

此外，CPU72在S82的处理完成、在S80的处理中判定为否的情况下，暂时结束图11所示的一系列的处理。

＜第4实施方式＞

以下，参照图12，以与第1实施方式的不同点为中心对第4实施方式进行说明。

在本实施方式中，将多种映射数据存储于存储装置76来作为映射数据76a。上述多种映射数据是每个控制模式的映射数据。

在图12中示出在图3的处理之前进行的处理的步骤。图12所示的处理通过CPU72例如按预定周期反复执行存储于ROM74的不均检测程序74a来实现。

在图12所示的一系列的处理中，CPU72判定是否为催化剂30的预热处理期间(S84)。预热处理包括使点火正时aig延迟预定量的处理。预热处理例如在从内燃机10的起动时起的吸入空气量Ga的累计值为预定值以下这一情况、与水温THW为预定温度以下这一情况的逻辑乘为真的情况下由CPU72来执行。

CPU72在判定为不是催化剂预热处理期间的情况下(S84：否)，从存储于存储装置76的映射数据76a中选择预热后用映射数据(S86)。由此，CPU72在S16的处理中使用预热后用映射数据来算出不均率Riv(i)。在此，预热后用映射数据是在内燃机10的预热后，基于由图5所示的传感器组102获得的检测值生成训练数据，并使用该训练数据通过图6所示的处理生成的数据。

与此相对，CPU72在判定为是催化剂预热处理期间的情况下(S84：是)，从存储于存储装置76的映射数据76a中选择预热时用映射数据(S88)。预热时用映射数据是在正在执行内燃机10的预热处理时，基于与由传感器组102获得的检测值相应的训练数据生成的数据。

此外，CPU72在S86、S88的处理完成的情况下，暂时结束图12所示的一系列的处理。

在此，对本实施方式的作用及效果进行说明。

CPU72在执行催化剂30的预热处理的情况下，使用预热时用映射数据来算出不均率Riv，另一方面，在不在执行预热处理的情况下，使用预热后用映射数据来算出不均率Riv。在催化剂30的预热处理期间，由于点火正时aig处于延迟侧，所以曲轴24的旋转行为与不在进行预热处理时不同。在虽然如此，仍例如要生成高精度地算出不均率Riv的单一的映射的情况下，优选将能够识别催化剂30的预热处理期间和非预热处理期间的数据添加到输入变量x中，在该情况下会增大输入侧系数wFjk等的数量，所以需要大量训练数据。尤其是，上述预热处理的执行条件是否成立并非仅由吸入空气量Ga及水温THW这两个采样值来确定，所以为了能够识别催化剂30的预热处理期间和非预热处理期间，输入变量的维度容易变得过大。并且，在扩大输入变量的维度的情况下等，例如容易产生增加神经网络的中间层等使映射的构造复杂化的要求。但是，在增加中间层的层数等使映射的构造复杂化的情况下，CPU72的运算负荷变大。针对这一点，在本实施方式中，通过在催化剂预热时和预热后之间区分映射数据，能够在确保不均率Riv的算出精度的同时抑制输入变量x的维度数变得过大的情况，容易简化映射的构造。

＜第5实施方式＞

以下，参照图13，以与第1实施方式的不同点为中心对第5实施方式进行说明。

在本实施方式中，将多种映射数据存储于存储装置76来作为映射数据76a。上述映射数据是每个转速NE的映射数据。

在图13中示出在图3所示的处理之前进行的处理的步骤。图13所示的处理通过CPU72例如按预定周期反复执行存储于ROM74的不均检测程序74a来实现。

在图13所示的一系列的处理中，CPU72首先取得转速NE(S90)。接着，CPU72判定转速NE是否为低转速阈值NE1以下(S92)。并且，CPU72在判定为为低转速阈值NE1以下的情况下(S92：是)，从存储于存储装置76的映射数据76a中选择低转速用映射数据(S94)。由此，CPU72在S16的处理中使用低转速用映射数据来算出不均率Riv。在此，低转速用映射数据是基于在图5中例示出的系统中控制测功机100等而实现了转速NE为低转速用阈值NE1以下的状态时，由传感器组102获得的检测值生成训练数据，并通过图6所示的处理生成的数据。

与此相对，CPU72在判定为转速NE比低转速用阈值NE1大的情况下(S92：否)，判定转速NE是否为中转速用阈值NE2以下(S96)。中转速用阈值NE2被设定为比低转速用阈值NE1大的值。并且，CPU72在判定为转速NE为中转速用阈值NE2以下的情况下(S96：是)，从存储于存储装置76的映射数据76a中选择中转速用映射数据(S98)。中转速用映射数据是基于与在内燃机10的转速NE比低转速用阈值NE1大且为中转速用阈值NE2以下时，由传感器组102获得的检测值相应的训练数据而生成的数据。

另一方面，CPU72在判定为转速NE比中转速用阈值NE2大的情况下(S96：否)，从存储于存储装置76的映射数据76a中选择高转速用映射数据(S100)。高转速用映射数据是基于与在内燃机10的转速NE比中转速用阈值NE2大时，由传感器组102获得的检测值相应的训练数据而生成的数据。

此外，CPU72在S94、S98、S100的处理完成的情况下，暂时结束图13所示的一系列的处理。

像这样，在本实施方式中，通过根据转速NE区分地使用映射数据，能够在各转速NE下使用合适的映射数据。因此，例如与无论转速NE的大小如何都使用共用的映射数据的情况相比，在本实施方式中，能够在确保不均率Riv的算出精度的同时容易简化映射的构造。

＜第6实施方式＞

以下，参照图14，以与第1实施方式的不同点为中心对第6实施方式进行说明。

在本实施方式中，将多种映射数据存储于存储装置76来作为映射数据76a。上述多种映射数据是每个变速位置Sft的映射数据。

在图14中示出本实施方式涉及的映射数据的选择处理的步骤。图14所示的处理通过CPU72例如按预定周期反复执行存储于ROM74的不均检测程序74a来实现。

在图14所示的一系列的处理中，CPU72首先取得变速位置Sft(S102)。接着，CPU72根据变速位置Sft是否为1档(S104)、是否为2档(S106)、是否为3档(S108)、是否为4档(S110)的判定处理来判定变速位置Sft。并且，CPU72在判定为是1档的情况下(S104：是)，从存储于存储装置76的映射数据76a中选择1档用映射数据(S112)。由此，CPU72在S16的处理中使用1档用映射数据来算出不均率Riv。同样地，CPU72在判定为是2档的情况下(S106：是)，选择2档用映射数据(S114)，在判定为是3档的情况下(S108：是)，选择3档用映射数据(S116)，在判定为是4档的情况下(S110：是)，选择4档用映射数据(S118)。另外，CPU72在判定为是5档的情况下(S110：否)，选择5档用映射数据(S120)。

在此，若将变量m设为“1”～“5”，则m档用映射数据是基于在变速装置64被设为m档时，由图5所示的传感器组102获得的检测值生成训练数据，并使用该训练数据通过图6所示的处理生成的数据。

此外，CPU72在S112～S120的处理完成的情况下，暂时结束图14所示的一系列的处理。

根据以上所说明的本实施方式，通过使用与变速位置Sft相应的映射数据，能够在适当地反映出从曲轴24到驱动轮69的惯性常数根据变速位置Sft而发生变化，从而曲轴24的旋转行为根据变速位置Sft而发生变化的情况的状态下，算出不均率Riv。因此，与通过单一的映射来应对所有的变速位置Sft的情况相比，能够在确保不均率Riv的算出精度的同时容易简化各映射的构造。

＜第7实施方式＞

以下，参照图15，以与第1实施方式的不同点为中心对第7实施方式进行说明。

在本实施方式中，将多种映射数据存储于存储装置76来作为映射数据76a。上述多种映射数据是每个路面的状态的映射数据。

在图15中示出在图3的处理之前进行的处理的步骤。图15所示的处理通过CPU72例如按预定周期反复执行存储于ROM74的不均检测程序74a来实现。

在图15所示的一系列的处理中，CPU72首先取得加速度Dacc(S122)。接着，CPU72判定不良道路判定标志Fb是否为“1”(S124)。不良道路判定标志Fb在车辆VC正在行驶的路面的起伏多的情况下为“1”，否则为“0”。CPU72在判定为不良道路判定标志Fb为“0”的情况下(S124：是)，判定加速度Dacc的变化量的绝对值为预定值ΔDH以上的状态是否持续了预定时间(S126)。在此，将加速度Dacc的变化量设为加速度Dacc的上次值与本次值之差即可。该处理是判定路面上起伏是否多的处理。CPU72在判定为加速度Dacc的变化量的绝对值为预定值ΔDH以上的状态持续了预定时间的情况下(S126：是)，将“1”代入不良道路判定标志Fb(S128)，并从存储于存储装置76的映射数据76a中选择不良道路用映射数据(S130)。由此，CPU72在S16的处理中使用不良道路用映射数据来算出不均率Riv。此外，例如通过图5所示的测功机100来模拟在对车辆施加了振动时施加到曲轴24的负荷转矩，并基于由图5所示的传感器组102获得的检测值来生成用于生成不良道路用映射数据的训练数据即可。另外，例如将图5所示的内燃机10、测功机100等载置于能够生成振动的装置。并且，也可以模拟在通过产生振动而向车辆施加了振动时施加到曲轴24的负荷转矩，并基于由图5所示的传感器组102获得的检测值来生成训练数据。

与此相对，CPU72在判定为不良道路判定标志Fb为“1”的情况下(S124：是)，判定加速度Dacc的变化量的绝对值成为规定值ΔDL(＜ΔDH)以下的状态是否持续了预定时间(S132)。并且，CPU72在S132的处理中判定为否的情况下，移至S130的处理。

另一方面，CPU72在判定为加速度Dacc的变化量的绝对值成为规定值ΔDL(＜ΔDH)以下的状态持续了预定时间的情况下(S132：是)，将“0”代入不良道路判定标志Fb(S134)。并且，CPU72在S134的处理完成、在S126的处理中判定为否的情况下，从映射数据76a中选择通常映射数据(S136)。通常映射数据例如是基于在没有向图5所示的内燃机10、测功机100施加有意的振动的状态下，由图5所示的传感器组102获得的检测值而生成训练数据，并使用该训练数据通过图6所示的处理生成的数据。

此外，CPU72在S130、S136的处理完成的情况下，暂时结束图15所示的一系列的处理。

根据以上所说明的本实施方式，通过使用与路面的状态相应的映射数据，能够在适当地反映出曲轴24的旋转行为根据路面的状态而发生变化的情况的状态下算出不均率Riv。而且，例如与通过单一的映射来应对所有的路面的状态的情况相比，能够在确保不均率Riv的算出精度的同时容易简化映射的构造。

＜第8实施方式＞

以下，参照图16，以与第1实施方式的不同点为中心对第8实施方式进行说明。

在本实施方式中，扩大输入变量x的维度。

在图16中示出本实施方式涉及的不均检测处理的步骤。图16所示的处理通过CPU72例如按预定周期反复执行存储于ROM74的不均检测程序74a来实现。此外，在图16中，为了方便，对与图2所示的处理对应的处理标注相同的步骤编号而省略其说明。

在图16所示的一系列的处理中，CPU72在S10的处理中判定为是的情况下，除了在S12的处理中取得的变量以外，还取得点火正时平均值aigave、EGR率平均值Regrave、水温THW、变速位置Sft、路面状态变量SR、酒精浓度Dal(S12a)。在此，点火正时平均值aigave、EGR率平均值Regrave是图16的处理的周期中的点火正时aig、EGR率Regr的平均值。另外，路面状态变量SR是由CPU72基于加速度Dacc算出的参数，例如设为在路面上起伏多的情况下和少的情况下之间可以取不同的二值的值的变量即可。路面状态变量SR的生成处理例如设为与图15的处理中的不良道路判定标志Fb的值的设定处理同样的处理即可。另外，酒精浓度Dal例如根据上述的反馈处理M20的修正比率δ来推定即可。

接着，CPU72将在S12a中取得的数据输入映射的输入变量x(1)～x(57)(S14a)。在此，点火正时平均值aigave、EGR率平均值Regrave是通过内燃机10的操作部的操作来调整燃烧室18中的混合气的燃烧速度的参数(调整变量)。即，点火正时aig是作为操作部的点火装置22的操作量，是通过点火装置22的操作来调整燃烧速度的调整变量。EGR率Regr是通过操作作为操作部的EGR阀34来调整燃烧速度的调整变量。将上述调整变量添加到输入变量x中是鉴于曲轴24的行为根据混合气的燃烧速度而发生变化这一缘故。

另一方面，水温THW是内燃机10的状态变量，尤其是使活塞与汽缸的摩擦等滑动部的摩擦发生变化的参数。鉴于曲轴24的旋转行为也根据水温THW而发生变化，在本实施方式中，将水温THW添加到输入变量x中。

另外，由于理论空燃比根据酒精浓度Dal而不同，所以可能成为燃料喷射量的偏差程度发生变化的主要原因。鉴于此，在本实施方式中，将酒精浓度Dal添加到输入变量中。

CPU72在完成S14a的处理的情况下，通过将输入变量x(1)～x(57)输入到由映射数据76a规定的映射中，从而算出汽缸#1～#4的不均率Riv(i)(S16a)。该映射由神经网络构成，该神经网络的中间层为“α”个并且各中间层的激活函数h1～hα、及输出层的激活函数f为双曲正切函数。例如，第1中间层的各节点的值通过向激活函数h1输入将上述输入变量x(1)～x(57)输入到由系数w(1)ji(j＝0～n1，i＝0～57)规定的线性映射中时的输出来生成。即，若设为m＝1，2，…，α，则第m中间层的各节点的值通过将由系数w(m)规定的线性映射的输出输入到激活函数hm中来生成。在此，n1、n2、…、nα分别是第1、第2、…、第α中间层的节点数。w(1)j0等是偏置参数(bias parameter)，输入变量x(0)定义为“1”。

CPU72在完成S16a的处理的情况下，暂时结束图16的处理。

此外，在本实施方式中，在图6的S30的处理中取得的训练数据中包括在S12a中所取得的所有参数，执行与S14a相当的处理作为S32的处理，在S34的处理中使用输入变量x为57维的映射。但是，在此，输入变量x(0)不包含在维度数中。另外，与路面状态变量SR表示路面上起伏多的情况对应的训练数据与用于生成图15所示的不良道路用映射数据的数据同样。

像这样，在本实施方式中，在输入变量x中添加调整燃烧速度的调整变量、内燃机10的状态变量、驱动系统状态变量、路面状态变量SR、酒精浓度Dal。它们虽然是影响到曲轴24的旋转行为的参数，但难以通过基于彼此相邻的角度间隔的旋转所需要的时间彼此之间的差异来检测不均的以往方法来考虑到。即，在考虑到上述的参数的情况下，适用工作量庞大而缺乏实现性。针对这一点，在本实施方式中，通过使用机器学习，能够构建在实用的适用工作量的范围内对它们进行考虑并算出不均率Riv(i)的逻辑。

＜第9实施方式＞

以下，参照图17及图18，以与第1实施方式的不同点为中心对第9实施方式进行说明。

在本实施方式中，在车辆的外部进行不均率Riv(i)的算出处理。

在图17中示出本实施方式涉及的不均检测系统。此外，在图17中，为了方便，对与图1所示的部件对应的部件标注相同的标号。

图17所示的车辆VC内的控制装置70具备通信机79。通信机79是用于经由车辆VC的外部的网络110与中心120进行通信的设备。

中心120对从多个车辆VC发送的数据进行解析。中心120具备CPU122、ROM124、存储装置126、周边电路127以及通信机129，它们能够通过局域网128相互进行通信。在ROM124中存储有不均检测主程序124a，在存储装置126中存储有映射数据126a。

在图18中示出图17所示的系统所执行的处理的步骤。图18的(a)部分所示的处理通过CPU72执行存储于图17所示的ROM74的不均检测子程序74c来实现。另外，图18的(b)部分所示的处理通过CPU122执行存储于ROM124的不均检测主程序124a来实现。此外，在图18中，为了方便，对与图16所示的处理对应的处理标注相同的步骤编号。以下，按照不均检测处理的时序对图18所示的处理进行说明。

如图18的(a)部分所示，在车辆VC中，CPU72在完成S12a的处理后，通过操作通信机79而将在S12a的处理中取得的数据与作为车辆VC的识别信息的车辆ID一起向中心120发送(S132)。

与此相对，如图18的(b)部分所示，中心120的CPU122接收所发送的数据(S140)，并执行S14a、S16a的处理。然后，CPU122通过操作通信机129向发送了通过S140的处理接收到的数据的车辆VC发送与不均率Riv(i)相关的信号(S142)，暂时结束图18的(b)部分所示的一系列的处理。与此相对，如图18的(a)部分所示，CPU72接收与不均率Riv(i)相关的信号(S134)，暂时结束图18的(a)部分所示的一系列的处理。

像这样，在本实施方式中，在中心120中算出不均率Riv，所以能够减轻CPU72的运算负荷。

＜对应关系＞

上述实施方式中的事项与上述“发明内容”一栏中所记载的事项的对应关系如下。以下，按每个“发明内容”一栏中所记载的例子的编号示出对应关系。

[1]、[7]不均检测装置对应于控制装置70。执行装置对应于CPU72及ROM74。存储装置对应于存储装置76。

预定的旋转角度间隔对应于720°CA，第1间隔及第2间隔对应于30°CA。空燃比检测变量对应于上游侧平均值Afuave，瞬时速度变量对应于微小旋转时间T30。多个旋转波形变量对应于微小旋转时间T30(1)～T30(24)。

取得处理对应于S12、S12a的处理。算出处理对应于S14、S16的处理、S14a、S16a的处理。应对处理对应于S24、S26、S64、S68、S70、S74、S78、S82的处理。

[2]0.5阶成分变量对应于0.5阶振幅Ampf/2。

[3]动作点变量对应于转速NE及填充效率η。

[4]调整变量对应于点火正时平均值aigave、EGR率平均值Regrave。

[5]驱动系统状态变量对应于变速位置Sft。

[6]路面状态变量对应于路面状态变量SR。

[8]选择处理对应于图12～图15的处理。

[9]调整装置对应于清除阀44。与有无燃料蒸气的影响相应的不均变量对应于在S52的处理中判定为是时的不均率Riv、和判定为否时的不均率Riv。

[10]第1学习值对应于图9及图10所示的不均学习值Liv，第2学习值对应于图9及图10所示的清除时学习值Livp。

[11]与有无经由EGR通路流入的排气的影响相应的不均变量对应于在S56的处理中判定为是时的不均率Riv、和判定为否时的不均率Riv。

[12]第1学习值对应于图9及图10所示的不均学习值Liv及清除时学习值Livp，第2学习值对应于图9及图10所示的EGR时学习值Live。

[13]用于控制燃烧的操作部(燃烧操作部)对应于燃料喷射阀20、点火装置22。

[14]彼此不同的修正量对应于ΔQd。

[15]第1执行装置对应于CPU72及ROM74。第2执行装置对应于CPU122及ROM124。算出处理对应于图18的S14a、S16a的处理。车辆侧发送处理对应于S132的处理，车辆侧接收处理对应于S134的处理。外部侧接收处理对应于S140的处理，外部侧发送处理对应于S142的处理。

[16]数据解析装置对应于中心120。

[17]内燃机的控制装置对应于图16所示的控制装置70。

[23]机器学习对应于图5及图6的处理。

＜其他实施方式＞

此外，本实施方式能够如以下那样进行变更而实施。本实施方式及以下的变更例能够在技术上不矛盾的范围内彼此进行组合而实施。

·“关于第1间隔、第2间隔”

作为成为向映射的输入的上游侧平均值Afuave的采样间隔即第1间隔，不限于30°CA。例如也可以是10°CA等比30°CA小的角度间隔。并且不限于30°CA以下的角度间隔，例如也可以是45°CA等。

作为成为向映射的输入的微小旋转时间T30的采样间隔即第2间隔，不限于30°CA。例如也可以是10°CA等比30°CA小的角度间隔。并且不限于30°CA以下的角度间隔，例如也可以是45°CA等。

此外，第1间隔与第2间隔为相同大小的间隔这一情况不是必需的。

·“关于预定的旋转角度间隔(预定的角度间隔)”

作为成为映射的输入的上游侧平均值Afuave的时序数据及微小旋转时间T30的时序数据，不限于720°的旋转角度间隔中的时序数据。例如，也可以是比720°CA宽的旋转角度间隔中的时序数据。另外，例如如下述“关于多种映射数据”一栏中所记载的那样，在使用仅输出特定的汽缸#i的不均率Riv(i)的映射的情况下，也可以是比720°CA窄的角度间隔的时序数据。

另外，例如在将第1预定期间中的微小旋转时间T30的时序数据和第2预定期间中的上游侧平均值Afuave的时序数据作为向映射的输入的情况下，也可以使第1预定期间及第2预定期间这两个期间中的一方相对于另一方延迟。此外，第1预定期间与第2预定期间是具有彼此相等的角度间隔的期间这一情况也不是必需的。

·“关于作为向映射的输入的旋转波形变量”

在上述实施方式中，将作为1燃烧循环的720°CA的旋转角度间隔分割而得到的多个间隔各自中的微小旋转时间T30作为向映射的输入，但不限于此。例如，也可以将0～720°CA中的0～20、40～60、80～100、120～140、160～180、…、700～720°CA分别作为第2间隔，并将它们的旋转所需要的时间作为向映射的输入。

作为瞬时速度变量，不限于作为第2间隔的旋转所需要的时间的微小旋转时间。例如，也可以是将第2间隔除以微小旋转时间而得到的值。此外，瞬时速度变量是进行了将极大值(最大值)与极小值(最小值)之差设为固定值的归一化处理后的变量这一情况不是必需的。另外，作为为了将瞬时速度变量作为映射的输入而对瞬时速度变量实施的前处理的过滤处理不限于上述内容，例如也可以对瞬时速度变量进行基于变速装置64的输入轴66的微小旋转时间，除去曲轴24通过输入轴66而转动的影响部分的处理。并且，对作为映射的输入的瞬时速度变量实施过滤处理这一情况不是必需的。

作为向映射的输入的旋转波形变量不限于瞬时速度变量的时序数据。例如，也可以是隔开了压缩上止点的出现间隔的一对瞬时速度变量彼此之间的差异的时序数据。此时，关于瞬时速度变量，将压缩上止点的出现间隔以下的角度间隔作为第2间隔，将作为其旋转所需要的时间的微小旋转时间设为瞬时速度变量、或者将第2间隔除以微小旋转时间而得到的值设为瞬时速度变量。

·“关于作为向映射的输入的空燃比检测变量”

在上述实施方式中，将作为1燃烧循环的720°CA的旋转角度间隔分割而得到的多个间隔各自中的上游侧平均值Afuave作为向映射的输入，但不限于此。例如，也可以将0～720°CA中的0～20、40～60、80～100、120～140、160～180、…、700～720分别作为第1间隔，并将它们中的上游侧平均值Afuave作为向映射的输入。

在上述实施方式中，将上游侧平均值Afuave设为一次燃烧循环的第1间隔中的多个采样值的平均值，但不限于此。例如，也可以遍及多个燃烧循环地对各第1间隔中的上游侧检测值Afu进行采样，并且按各第1间隔中的每一第1间隔对它们进行平均，从而算出上游侧平均值Afuave。

作为空燃比检测变量，不限于上游侧平均值Afuave，也可以是上游侧检测值Afu。

·“关于内燃机的动作点变量”

在上述实施方式中，由转速NE及填充效率η来规定动作点变量，但不限于此。例如，也可以是转速NE及吸入空气量Ga。另外，例如，作为负荷，也可以使用喷射量、对内燃机的要求转矩来替代填充效率η。使用喷射量、要求转矩作为负荷在下述“关于内燃机”一栏中所记载的压缩着火式内燃机中尤其有效。

·“关于作为映射的输入的、调整混合气的燃烧速度的调整变量”

在S16a的处理中，作为成为映射的输入且调整燃烧速度的调整变量，使用了点火正时平均值aigave及EGR率平均值Regrave，但关于上述两个参数，例如也可以仅使用一个。

作为表示点火正时的变量的点火变量不限于点火正时平均值aigave，也可以是点火正时aig。作为表示EGR率的变量，不限于EGR率平均值Regrave，也可以是EGR率Regr。

另外，例如在如下述“关于内燃机”一栏中所记载的那样应用于压缩着火式内燃机的情况下，使用喷射正时和/或其平均值来替代点火变量即可。

作为成为映射的输入且调整燃烧速度的调整变量，不限于上述变量，例如也可以是进气门16的打开正时、升程量、排气门26的打开正时、升程量等。另外，例如，也可以是在多个汽缸中停止混合气的燃烧控制的汽缸休止控制期间中，停止了燃烧控制的汽缸的信息。另外，例如，在内燃机10具备增压器和废气旁通阀的情况下，也可以是废气旁通阀的开度。

·“关于作为映射的输入的驱动系统状态变量”

在S16a的处理中，作为连结于曲轴24的驱动系统装置的状态变量，使用了变速位置Sft，但不限于此。例如也可以是锁止离合器62的状态。该状态例如可以是是接合状态还是释放状态的二值状态，也可以是识别接合状态、释放状态以及滑动状态的各状态的构成。

另外，例如，驱动系统装置的状态变量也可以是变速装置64的油温。另外，例如也可以是驱动轮69的转速。进而，如下述“关于车辆”一栏中所记载的那样，在具备内燃机10和电动发电机作为生成推力的装置的情况下，也可以包括电动发电机的转矩、转速。此外，成为映射的输入的驱动系统装置的状态变量不限于一个。

·“关于作为映射的输入的路面状态变量”

作为路面状态变量SR，不限于与路面的起伏的大小相应的二值变量，例如也可以是与起伏的大小相应的三值以上的变量。另外，作为基于加速度Dacc生成路面状态变量SR的方法，不限于图15例示出的方法，例如，也可以使用加速度Dacc的绝对值的每预定时间的平均值。由此，路面状态变量SR成为连续的量。

作为路面状态变量SR，不限于基于车辆VC的上下方向的加速度的检测值来定量化的构成。例如也可以根据车辆的横向的加速度、前后方向的加速度来定量化。进而，作为映射的输入，也可以是使用车辆的上下方向的加速度、横向的加速度、前后方向的加速度这三个加速度中的任意两个或全部来进行定量化的构成。

在S16a的处理中使用的路面状态变量SR根据由加速度传感器92检测的加速度Dacc来定量化，但不限于此。例如，也可以使用由相机拍摄到的路面的拍摄数据、与雷达的反射波相关的数据的解析结果数据。另外，例如也可以使用具有路面的状态的地图数据和GPS来取得当前位置处的路面的状态，并使用该状态。另外，也可以使用各车轮的空气压。即，各车轮的空气压之差中包括与路面的倾斜、凹凸相关的信息。另外，例如也可以使用燃料表、油表等检测车辆内的流体的液面的位置的传感器的检测值。即，液面的变动中包括路面的凹凸等信息。另外，也可以使用检测悬架的液压的传感器的检测值。即，该液压中包括路面的凹凸等信息。

此外，作为路面状态变量，不限于将路面的凹凸等定量化的变量。例如，也可以是有无结冰等将路面的摩擦的大小定量化而得到的变量，另外也可以是识别路面的起伏和摩擦的大小双方的变量。

·“关于映射的输入”

作为映射的输入，不限于在上述实施方式、上述变更例中例示出的构成。例如，也可以使用与内燃机10所处的环境相关的参数。具体而言，例如也可以使用大气压。另外，例如也可以使用作为对燃烧室18内的混合气的燃烧速度产生影响的参数的进气温度。另外，例如也可以使用作为对燃烧室18内的混合气的燃烧速度产生影响的参数的湿度。此外，对于湿度的掌握，可以使用湿度传感器，也可以利用雨刷的状态、检测雨滴的传感器的检测值。另外，也可以是与机械地连结于曲轴24的辅机的状态相关的数据。

映射的输入中包括内燃机10的动作点这一情况不是必需的。例如在如下述“关于内燃机”一栏中所记载的那样内燃机搭载于串联混合动力车，而以其动作点被限制在狭小的范围内的控制作为前提的情况下等，即使不包括动作点也能够高精度地算出不均率Riv(i)。

·“关于每个控制模式的映射数据”

作为每个控制模式的映射数据，不限于如在图12中例示出的那样对催化剂30的预热控制模式和预热完成后的模式中的每一个分别设置的映射数据。例如，在如下述“关于内燃机(10)”一栏中所记载的那样是具备端口喷射阀和缸内喷射阀双方的内燃机的情况下，也可以对进行仅基于端口喷射阀的燃料的喷射控制的模式、和进行使用了缸内喷射阀的燃料的喷射控制的模式中的每一个分别设置。

·“关于作为控制的结果的内燃机的每个状态变量的映射数据”

在图13中，将每个转速NE的映射数据设为3种，但并不限于此，也可以是两种，另外也可以是4种以上。

内燃机10的状态变量被掌握为控制的结果，作为控制的结果的内燃机10的每个状态变量的映射数据不限于在图13中例示出的每个转速NE的映射数据。例如也可以针对每个填充效率η进行设置。另外，例如也可以针对每个转速NE及填充效率η等、内燃机10的每个动作点进行设置。

·“关于每个驱动系统状态变量的映射数据”

例如在如下述“其他”一栏中所记载的那样使用无级变速装置作为变速装置的情况下，将变速比的可取区域分割为多个区域，针对其中的每一个分别具备映射数据即可。

作为每个连结于曲轴24的驱动系统状态变量的映射数据，不限于每个变速位置Sft的映射数据。例如也可以不将上述“关于作为映射的输入的驱动系统状态变量”一栏中所记载的驱动系统状态变量作为映射的输入，而是作为替代，对每个该状态变量设置映射数据。并且，在对每个上述状态变量设置映射数据的情况下，在映射的输入中不包括该状态变量这一情况不是必需的。

·“关于每个路面状态变量的映射数据”

作为每个路面状态变量的映射数据，不限于在图15中例示出的构成。例如也可以不将上述“关于作为映射的输入的路面状态变量”一栏中所记载的路面状态变量SR作为映射的输入，而是作为替代，对每个该路面状态变量SR设置映射。并且，在对每个路面状态变量SR设置映射的情况下，在映射的输入中不包括该路面状态变量SR这一情况不是必需的。

·“关于多种映射数据”

作为多种映射数据的设置，不限于针对作为控制的结果的内燃机10的每个状态变量的设置、针对每个控制模式的设置、针对每个驱动系统状态变量的设置、针对每个路面状态变量的设置。例如也可以不将上述“关于作为映射的输入的、调整混合气的燃烧速度的调整变量”一栏中所记载的调整变量作为映射的输入，而是作为替代，对每个该调整变量设置映射数据。并且，例如在对每个EGR变量等调整变量设置映射数据的情况下，在映射的输入中不包括该调整变量这一情况不是必需的。另外，例如也可以不将上述“关于映射的输入”一栏中所记载的与内燃机所处的环境相关的参数作为映射的输入，而是作为替代，对每个与环境相关的参数设置映射数据。并且，在对每个与环境相关的参数设置映射数据的情况下，在映射的输入中不包括该参数这一情况不是必需的。

另外，例如，在目标清除率Rp*为零的情况下和目标清除率Rp*比零大的情况下，也可以分别具备不同的映射数据。

进而，作为多种映射数据，也可以是上述多个映射数据的组合。即，例如每个变速位置Sft的映射数据也可以进一步细分为每个转速NE的映射数据。

此外，也可以针对特定的汽缸的不均率Riv，将规定输出该不均率Riv的映射的映射数据的数量设为汽缸数。

·“关于映射数据”

例如在图16的S16a的处理中，也可以将神经网络的中间层的层数设为2层以上。

在图16及图18各自的S16a的处理中，在数学式的表示中，神经网络的中间层的层数表现为比2层多(α＞2)，但不限于此。尤其是，从减轻控制装置70的运算负荷的观点出发，优选将神经网络的中间层的层数缩小到1层或2层。

在上述实施方式中，将激活函数h、f、h1、h2、…hα设为双曲正切函数，但不限于此。例如也可以将激活函数h、h1、h2、…hα中的一部分或全部设为ReLU，另外，例如也可以设为逻辑S型函数(logistic sigmoidfunction)。

在图3等中，作为输出不均率Riv的映射，不限于针对任一个汽缸，以燃料喷射量偏离了设想的量的现象为对象进行学习的构成。例如也可以是，在两个汽缸中，以燃料喷射量偏离了设想的量的现象为对象进行学习。在该情况下，在向映射的输入中也可以包括曲轴24的旋转频率的1阶成分的强度。

此外，作为向神经网络的输入，各维度不限于由单一的物理量构成。例如，关于使用了上述例示出的物理量等的多种物理量的一部分，也可以不将它们作为向神经网络的直接的输入，而是作为替代将基于它们的主成分分析的多个主成分作为向神经网络的直接的输入。并且，在将主成分作为向神经网络的输入的情况下，仅向神经网络的输入的一部分成为主成分这一情况不是必需的，也可以将输入的全部作为主成分。此外，在向神经网络的输入中包括主成分的情况下，在映射数据76a、126a中包括规定确定主成分的映射的数据。

·“关于机器学习的算法”

作为机器学习的算法，不限于使用神经网络。例如也可以使用回归方程。这相当于在上述神经网络中不具备中间层的构成。

·“关于映射数据的生成”

在上述实施方式中，将在曲轴24经由变矩器60及变速装置64连接着测功机100的状态下使内燃机10工作时的数据用作训练数据，但不限于此。例如也可以将在内燃机10搭载于车辆VC的状态下驱动内燃机10时的数据用作训练数据。

·“关于数据解析装置”

在中心120中，也可以执行S22的处理、和替代S24的处理的向用户的便携终端报知存在异常的消息的处理。

例如也可以由用户所持有的便携终端来执行图18的(b)部分的处理。

·“关于执行装置”

作为执行装置，不限于具备CPU72(122)和ROM74(124)并执行软件处理的构成。例如，也可以具备对在上述实施方式中进行软件处理的处理中的至少一部分进行硬件处理的专用的硬件电路(例如ASIC等)。即，执行装置是以下的(a)～(c)中的任一构成即可。(a)具备根据程序来执行上述处理中的全部的处理装置、和存储程序的ROM等程序存储装置(包括非瞬时性的计算机可读存储介质)。(b)具备根据程序来执行上述处理中的一部分的处理装置及程序存储装置、和执行剩余的处理的专用的硬件电路。(c)具备执行上述处理中的全部的专用的硬件电路。在此，具备处理装置及程序存储装置的软件执行装置、专用的硬件电路也可以是多个。

·“关于存储装置”

在上述实施方式中，将存储映射数据76a、126a的存储装置设为与存储不均检测程序74a、不均检测主程序124a的存储装置(ROM74、124)分开的存储装置，但不限于此。

·“关于内燃机”

在上述实施方式中，作为燃料喷射阀，例示出向燃烧室18内喷射燃料的缸内喷射阀，但不限于此。例如也可以是向进气通路12喷射燃料的端口喷射阀。另外，例如，也可以具备端口喷射阀和缸内喷射阀双方。

作为内燃机，不限于火花点火式内燃机，例如也可以是使用轻油等作为燃料的压缩着火式内燃机等。

内燃机构成驱动系统这一情况本身不是必需的。例如，也可以是，内燃机搭载于如下所谓的串联混合动力车，在所述串联混合动力车中，在车载发电机机械地连结曲轴，从而切断了从内燃机向驱动轮69的动力传递。

·“关于车辆”

作为车辆，不限于生成车辆的推动力的装置仅为内燃机的车辆，例如除了上述“关于内燃机”一栏中所记载的串联混合动力车以外，也可以是并联混合动力车、串联·并联混合动力车。

·“其他”

作为介于曲轴与驱动轮之间的驱动系统装置，不限于有级变速装置，例如也可以是无级变速装置。