技术领域 本发明涉及一种相对于标准变量学习控制参数的学习装置，用于决定受控对象的控制内容。 背景技术 作为这种类型学习装置的实例，存在一种装置，其测量从喷射指令输出到内燃机喷射器直到喷射实际进行的喷射开始延迟td，且通过存储和更新喷射开始延迟td的测量值来进行学习，作为每个喷射器的控制参数(例如，见专利文献1：JP-A-2009-57924)。用于输出喷射指令的正时等通过使用这样存储和更新的延迟td而被控制。 上述延迟td根据供给喷射器的燃料压力(即喷射开始时刻的燃料压力)而采用不同值。因此，本发明的发明人检查了相对于燃料压力(标准变数)学习该延迟td，如下。 图7A中，与燃料压力(图7A实例中30MPa，50MPa，80MPa)的特定值相对应的延迟td(30)、td(50)、td(80)被存储和更新，作为学习值。例如，当测量的延迟由图7A中的点A0表示时，最接近点A0的学习值td(50)通过线性插值而更新。具体的，连接学习值td(30)和测量值A0的直线L与50MPa的燃料压力之间的交点被用作更新的学习值td(50)。 然而，如果表达燃料压力和延迟td之间关系的特征不是直线而是曲线(见图7B中的曲线R)且曲线R上的点A1、A2、A3被重复测量时，当进行上述线性插值时，学习值td(50)从B1到B2然后到B3被顺序地更新。也就是，学习值td(50)反复增大或减小且振荡。即使表达燃料压力和延迟td之间关系的特征是直线时，当目前的学习值td(30)从真实的特征值偏差时，基于学习值td(30)通过线性插值提供的学习值td(50)同样振荡。 发明内容 本发明目的是提供一种学习(learning)装置，以避免学习值的振荡(hunting)。 根据本发明第一实例方面，一种学习装置与标准变量相关联地学习控制参数，其用于决定受控目标的控制内容。学习装置具有存储部，用于存储至少一个学习向量，包括控制参数和标准变量。学习装置具有测量向量获得部，用于获得测量向量，其包括控制参数的测量值和标准变量的测量值。学习装置具有修正部，用于基于测量向量来修正学习向量，且用于执行存储部中学习向量的存储和更新。 根据本发明上述方面，与标准变量特定值相对应的控制参数没有存储。相反，包括控制参数和标准变量的学习向量根据本发明上述方面被存储。学习向量基于测量向量被修正，该向量包括控制参数的测量值和标准变量的测量值。因此，即使表达标准变量和控制参数之间关系的特征不是直线而是曲线，可以防止学习向量的存储的和更新的值的振荡。 这样，学习向量基于测量向量被修正。因此，在特征是直线的情况中，即使在更新之前的学习向量已经偏离真实特征值时，随着重复进行学习，更新的学习向量逐渐地接近真实值。因此同样在此情况中，可防止学习向量的存储的和更新的值的振荡。 根据本发明第二实例方面，修正部包括修正向量计算部，用于通过将获得的测量向量和学习向量之间的差乘以预定比例而计算修正向量。修正部通过将修正向量增加到仍然待学习的学习向量来进行学习向量的存储和更新。 利用本发明的上述方面，由于重复的存储和更新，学习向量接近真实值的速度和精度可通过调整该预定比率而调节。例如，当假设学习向量很大程度偏离真实值时，适当的是将该预定比率设定为较大以使得近似速度优先。当假设学习向量较小偏离真实值时，适当的是将预定比率设定为较小以减小测量值中测量误差的影响，且使得近似精度优先。 根据本发明第三实例方面，预定比率可根据学习的次数而变化设定。 认为随着学习次数增加，学习向量已经非常接近真实值。因此，例如，当在多个学习向量之间具有相对大学习次数的学习向量的存储和更新被进行时，该预定比率应当优选设定较小。当进行具有相对小学习次数的学习向量的存储和更新时，该预定比率应优选设定较大。 根据本发明第四实例方面，该预定比率根据在受控目标被启动之后经过的时间而变化地设定。 认为随着消耗时间变长学习次数增大。因此，可以认为，随着经过时间变长，学习向量已经较为接近真实值。因此，随着经过时间变长，该预定比率应当优选减小。 根据本发明第五实例方面，以控制参数和标准变量为轴的图表(map)区域被分隔为多个区间。其中一个学习向量被分配给每个分隔的区间。修正部修正与所获得的测量向量相对应的区间的学习向量，从而进行学习向量的存储和更新。 根据本发明第六实例方面，多个区间根据图表区域中学习向量的分布轮廓以不同的间隔被分隔。 例如，适当的是将学习向量的分布轮廓为曲线的区间中的间隔设定为小于分布轮廓为直线的另一区间中。因此，学习向量的存储和更新可以在曲线分布轮廓的区间中精密地进行。 根据本发明第七实例方面，多个区间根据控制内容的确定中学习向量使用频率而以不同的间隔来分隔。 例如，适当的是将使用频率高的区间中的间隔设定为小于使用频率低的另一区间中的间隔。因此，在高使用频率的区间中，学习向量的存储和更新可以精密地进行。 根据本发明第八实例方面，多个区间以相等间隔分隔。因此，与各个区间以不同间隔分隔的情况相比，如本发明第六或第七实例方面的，学习装置的处理负荷可以减小。 根据本发明第九实例方面，修正部修正最接近所获得的测量向量的学习向量，以进行使用控制参数和标准变量为轴的图表区域中学习向量的存储和更新。 根据本发明第十实例方面，学习向量的数目在使用控制参数和标准变量为轴的图表区域中变化地设定。 根据本发明第十一实例方面，学习向量的数目根据图表区域中学习向量的分布轮廓而变化地设定。 例如，适当的是将学习向量分布轮廓为曲线的区间中学习向量的数目设定为大于分布轮廓为直线的另一区间中的。因此，学习向量的存储和更新可以在曲线分布轮廓的区间中精密地进行。 根据本发明第十二实例方面，学习向量的数目可根据控制内容的确定中学习向量的使用频率而变化地设定。 例如，适当的是将使用频率高的区间中学习向量的数目设置成大于使用频率低的另一区域中。因此，学习向量的存储和更新可在高使用频率区间中精密地进行。 根据本发明第十三方面，当相邻学习向量之间的距离等于或小于预定值时，任一个相邻学习向量被擦除。 根据本发明上述方面，当相邻学习向量之间的距离较短时，认为学习向量的数目大于必需的，并且任一个相邻学习向量被擦除。因此，存储部的所需的或者使用的存储容量可以降低。 根据本发明第十四实例方面，当相邻学习向量之间的距离等于或小于预定值时，新的学习向量被增加到相邻学习向量之间。 根据本发明上述方面，当相邻学习向量之间的距离较短时，认为在该区间中控制参数的测量频率高且使用频率较高，并且新的学习向量被增加。因此，学习向量可以在高使用频率区间中精密地存储和更新。 根据本发明第十五实例方面，存储和更新已经进行预定次数或者更多的学习向量的学习被终止。 认为具有较大次数存储和更新的学习向量已经充分接近真实值。因此，这种学习向量的学习根据本发明上述方面被终止。因此，可避免过多次数的学习，且学习装置的处理负荷可降低。 根据本发明第十六实例方面，当学习向量的学习时间段超过预定时间段时，所有学习向量的学习被终止。 认为当学习时间段长时，学习向量已经充分近似真实值。因此根据本发明上述方面，学习在这种情况中终止，从而可避免过多次数的学习，且学习装置的处理负荷可减轻。 根据本发明第十七实例方面，与标准变量的特定值相对应的控制参数的值基于学习已经完成的学习向量通过线性插值而计算。通过将计算值关联到特定值，产生控制图表。控制内容利用控制图表中存储的控制参数而确定。 根据本发明上述方面，通过存储包括控制参数和标准变量的学习向量，直到学习终止，学习向量的振荡被阻止。另外在学习结束之后，与标准变量的特定值相对应的控制参数被产生作为控制图表，且用于控制。因此当与特定值相对应的控制参数在受控目标的控制中被需要时，本发明可适当地使用。 根据本发明第十八实例方面，通过将学习已经完成的学习向量的控制参数的值关联到同一个学习向量的标准变量，产生控制图表。控制内容利用控制图表中存储的控制参数而确定。 根据本发明上述方面，控制图表通过利用学习的学习向量本身的控制参数的值而产生。因此，当与特定值相对应的控制参数在受控目标的控制中不需要时，本发明可适当使用。 根据本发明第十九实例方面，学习向量是三维或者多维的向量，包括多个控制参数和标准变量。 根据本发明上述方面，当多个控制参数被使用时，仅需要增加学习向量的维数且增加计算公式的维数，用于基于测量向量来修正学习向量。因此，本发明可应用于多个控制参数，不必要求明显的程序变化。 根据本发明第二十实例方面，受控目标是喷射器，喷射内燃机中燃烧使用的燃料。感测燃料压力的燃料压力传感器安装到喷射器。基于燃料压力传感器的感测值，测量向量获得部获得了量化喷射器喷射特性的参数，作为控制参数。 上述控制参数的一个实例是喷射开始延迟td，如下面描述的。当喷射开始时，燃料压力传感器的感测压力开始减小。因此实际喷射开始时刻可通过检测该感测压力减小开始时刻而被检测。因此，可以感测从喷射指令信号输出到喷射器直到检测到实际喷射开始的延迟td。延迟td根据喷射开始时刻的燃料压力而改变。因此，延迟td(控制参数)与燃料压力(标准变量)相关联地被学习，且喷射指令信号的输出时刻基于学习的延迟td而被控制。 附图说明 通过下面的形成说明书一部分的详细描述、附图和权利要求，实施例的特征和优点、以及相关部件的操作方法和功能将显而易见。附图中： 图1的示意图示出了根据本发明第一实施例作为学习装置受控目标的喷射器； 图2的时间图示出了根据第一实施例的喷射指令信号、喷射率和感测压力； 图3的框图示出了根据第一实施例用于控制喷射器的处理内容； 图4的图形示出了根据第一实施例学习向量的修正和更新； 图5的流程图示出了根据第一实施例的学习过程； 图6的图形示出了根据本发明第三实施例的燃料压力(标准变量)的分段区间；和 图7A和7B的图形示出了现有技术的学习方法。 具体实施方式 下面参考附图描述本发明学习装置的实施例。根据下面描述每个实施例的学习装置安装在车辆发动机中(内燃机)。喷射高压燃料且在多个气缸#1-#4中进行燃料的压缩自燃燃烧的柴油机被假设是发动机。 (第一实施例) 图1的示意图示出了安装在发动机每个气缸中的喷射器10(受控目标)、安装在喷射器10中的燃料压力传感器20、作为电控装置(控制装置)安装在车辆中的ECU 30等。 首先描述包括喷射器10的发动机的燃料喷射系统。燃料箱40中的燃料由高压泵41泵送到共轨42(蓄压器)，且积聚在共轨42中。蓄积的燃料被分布和供给各个气缸的喷射器10。 喷射器10具有主体11、阀针12(阀构件)和致动器13等，如下所述。主体11在内部限定高压通道11a以及用于喷射燃料的喷射孔11b。阀针12容纳在主体11中且开启和闭合喷射孔11b。致动器13使得阀针12进行开闭操作。 ECU30控制着致动器13的驱动以控制阀针12的开闭操作。因此，从共轨42供给到高压通道11a的高压燃料根据阀针12的开闭操作而从喷射孔11b喷射。例如，ECU 30基于发动机输出轴转速和发动机负荷等计算喷射模式，例如喷射开始时刻，喷射结束时刻和喷射量。ECU 30控制该致动器13的驱动以实现所计算的喷射模式。 接下来描述燃料压力传感器20的硬件结构。 燃料压力传感器20具有杆(stem)21(应变元件)、压力传感元件22、模制IC 23等，如下所述。杆21固定到主体11。隔膜(diaphragm)部21a形成在杆21中，接受流过高压通道11a的高压燃料的压力，且弹性变形。 压力传感元件22固定到隔膜部21a。压力传感元件22根据隔膜部21a中产生的弹性变形量来输出压力感测信号。模制IC23通过利用树脂模制电子部件而形成，电子部件例如放大电路，其将从压力传感元件22输出的压力感测信号放大，以及EEPROM25a，作为可重写的非易失存储器。模制IC23与杆21一起安装在喷射器10中。连接器14设置在主体11的上部中。模制IC 23和致动器13与ECU30通过线束15电连接，该线束连接到连接器14。 如果开始从喷射孔11b喷射燃料，高压通道11a中的燃料压力下降。如果燃料喷射结束，那么燃料压力上升。也就是，燃料压力的变化与喷射率(每单位时间的喷射量)的变化相关联。因此，喷射率变化可从燃料压力变化而估算。因此本实施例中，喷射率模型通过感测燃料压力变化而计算，且相对于喷射指令信号的实际喷射率的变化利用喷射率模型来估算。然后，喷射指令信号考虑到估算的喷射率变化而被设定。因此，喷射控制被进行，从而实现所需的喷射率变化。 因此，需要基于燃料压力传感器20感测的感测压力计算产生喷射率模型所需要的喷射率模型参数(控制参数)，且存储该喷射率模型参数。另外，每次计算喷射率模型参数，需要通过存储和更新喷射率模型参数来进行学习。如果供给喷射器10的且利用燃料压力传感器20在喷射开始时刻感测的燃料压力(即共轨42中的燃料压力)不同的话，喷射率模型参数也采用不同值。因此本实施例中，喷射率模型参数相对于在喷射开始时的燃料压力(即标准变量(criterion variable))被学习。 下面用图2描述根据获得的燃料压力变化计算的上述喷射率模型参数。 图2的部分(a)示出了从ECU 30输出到喷射器10的致动器13的喷射指令信号。由于指令信号的脉冲开始(pulse-on)，致动器13操作且喷射孔11b开启。也就是，在喷射指令信号的脉冲开始时刻t1，命令喷射开始，且在脉冲结束时刻t2，命令喷射结束。因此，通过利用指令信号的脉冲开始时间段(即喷射指令时间段)来控制喷射孔11b的阀开启时间Tq，控制喷射量Q。 图2的部分(b)示出了随着上述喷射指令发生的从喷射孔11b的燃料喷射率的变化(推移)。图2的部分(c)示出了随着喷射率变化发生的感测压力的变化(波动波形)。感测压力的波动与喷射率的变化相关联，如下面所述。因此，喷射率的推移波形可以根据感测压力的波动波形而估算。 也就是，在喷射开始指令输出的时刻t1之后，如图2的部分(a)所示，喷射率在时刻R1开始增大，且开始喷射。随着喷射率在时刻R1开始增大，感测压力在改变点P1开始减小。然后，随着喷射率在时刻R2达到最大喷射率，感测压力在改变点P2停止下降。然后，随着喷射率在时刻R2开始减小，感测压力在改变点P2开始增大。然后，随着喷射率在时刻R3变为零且实际喷射结束，感测压力在改变点P3停止增大。 因此，通过检测由燃料压力传感器20感测的感测压力的波动中的改变点P1和P3，喷射率的增加开始时刻R1(实际喷射开始时刻)和降低结束时刻R3(实际喷射结束时刻)可以被计算。另外，喷射率的变化可以根据感测压力的波动基于感测压力波动与喷射率变化之间的关联而估算，如下所述。 也就是，在从感测压力的改变点P1到改变点P2的压力下降率Pα与从喷射率的改变点R1到改变点R2的喷射率增大率Rα之间具有关联。在从改变点P2到改变点P3的压力增大率Pγ与从改变点R2到改变点R3的喷射率减小率Rγ之间具有关联。在从改变点P1到改变点P2的压力减小量Pβ(最大下降量)与从改变点R1到改变点R2的喷射率增大量Rβ之间具有关联。因此，根据感测压力波动，通过感测压力减小率Pα、压力增大率Pγ、和压力减小量Pβ，喷射率的喷射率增大率Rα、喷射率减小率Rγ，和喷射率增大量Rβ可以被计算。如上所述，喷射率的不同状态R1、R3、Rα、Rβ和Rγ可以被计算，且最终，图2的部分(b)所示的燃料喷射率的变化(推移波形)可以估算。 从实际喷射开始到实际喷射结束的喷射率的积分值(即图2的部分(b)中标记S表示的阴影区域)对应于喷射量。与实际喷射开始到实际喷射结束的喷射率变化相对应的感测压力的波动波形的一部分中的压力的积分值(即从改变点P1到改变点P3的部分)与喷射率的积分值S相关联。因此，通过根据感测压力波动来计算压力积分值，与喷射量Q相等的喷射率积分值S可以被计算。 喷射指令信号的脉冲开始时刻t1、脉冲结束时刻t2和脉冲开始时间段Tq与各种状态R1、R3、Rα、Rβ和Rγ以及喷射量Q之间的关系在EEPROM 25a(存储装置)中存储和更新，作为喷射率模型参数。 具体的，下面描述的td、te、dqmax等作为喷射率模型参数被学习。也就是，从脉冲开始时刻t1到实际喷射开始时刻R1的时间被学习，作为喷射开始响应延迟td。基于喷射指令的阀门开启时间Tq与从R1到R3经过的实际喷射时间之间的偏差被学习作为喷射时间偏差te。基于喷射指令的阀门开启时间Tq与喷射率增大量Rβ之间的比率被学习作为增大量比率dqmax。 基本上，ECU 30的微电脑基于发动机负荷和发动机转速来计算需求喷射量和需求喷射时刻，发动机负荷是根据加速器操作量等来计算。然后，通过使用从学习的喷射率模型参数计算的喷射率模型，微电脑设定喷射指令信号(t1，t2，Tq)来满足需求喷射量以及需求喷射时刻。因此，微电脑控制燃料喷射状态(喷射时刻，喷射量等)。 图3的框图示出了处理的内容(控制内容)，用于利用ECU 30的微电脑控制喷射器10。微电脑具有作为参数计算部32(测量向量获得部)、学习部33和喷射指令信号设定部34的功能，如下所述。 首先，ECU 30从燃料压力传感器20获得了感测压力(见图2的部分(c))。参数计算部32基于获得的感测压力来计算上述各种类型的喷射率模型参数(例如td，te和dqmax)。参数可认为是利用燃料压力传感器20测量的测量值。另外，喷射开始(图2的部分(c)中的P1)时的燃料压力p基于获得的感测压力被读取。 相对于喷射开始时的燃料压力p(下面简单称为燃料压力p)，通过将各种类型的参数作为测量值存储和更新在EEPROM25a中，学习部33进行学习。在存储中，作为在计算部32中计算的测量值的参数存储在图表(map)M上，每个图表使用其中一个喷射率模型参数和燃料压力p作为轴。图表M设置用于每个各种类型的喷射率模型参数(例如td，te和dqmax)。 基于通过学习部33学习的喷射率模型参数(例如td，te和dqmax)、供给喷射器10的且基于燃料压力传感器20感测的感测压力获得的燃料压力(喷射开始时刻燃料压力P1)、以及基于发动机负荷等计算的需求喷射量和需求喷射时刻，喷射指令信号设定部34设定喷射指令信号(t1，t2，Tq)，以满足需求喷射量和需求喷射时刻。喷射器10根据这样设定的喷射指令信号操作，且从喷射孔11b喷射燃料。 因此，基于从燃料压力传感器20获得的感测压力，计算喷射率模型参数，通过存储和更新喷射率模型参数的计算值(测量值)，进行学习。接下来的喷射或者之后的喷射指令信号利用喷射率模型参数的学习值被设定。因此，进行反馈控制，从而减小所需的喷射状态和实际喷射状态之间的偏差为零。 接下来，通过使用喷射开始延迟td作为实例，描述喷射率模型参数的学习方法。图4示出了图表M，存储相对于燃料压力p的延迟td。图表的整个区域，其竖轴是延迟td，其水平轴线是燃料压力p，被分段为多个燃料压力区间i-1，i，i+1。单独的延迟td被分配给每个区间i-1，i，i+1，且被存储和更新。为了存储相对于燃料压力p的延迟td，包括延迟td和燃料压力p的学习向量被限定，且学习向量对于每个区间i-1，i，i+1被存储和更新。 例如如图4，区间i-1的学习向量(vector)被限定为TDi-1(pi-1，tdi-1)，区间i的学习向量被限定为TDi(pi，tdi)，且区间i+1的学习向量被限定为TDi+1(pi+1，tdi+1)。因此，学习向量不会表示与特定燃料压力p相对应的延迟td，但是指示与区间中任意燃料压力p相对应的延迟td。因此，用于驱动高压泵41以实现特定燃料压力p和用于在所述时刻利用燃料压力传感器20感测燃料压力的学习驱动在本实施例中不需要。相反，本实施例中，可基于在根据情况发展进行喷射时的燃料压力感测值进行学习。 然后，当参数计算部32基于获得的感测压力计算作为测量值的延迟td和燃料压力p时，包括测量值p、td的测量向量TD(p，td)被限定。当测量向量TD(p，td)的燃料压力p对应于区间i时，通过基于测量向量TD(p，td)修正区间i的学习向量TDi(pi，tdi)，进行存储和更新(学习)。 接下来参考图5描述学习过程。图5示出了下面的处理，其由点火开启(IG-ON)触发，且由ECU 30的微电脑重复进行。 首先在S10(S表示步骤)(测量向量获得部)，感测的压力从燃料压力传感器20获得。接下来的S20中(测量向量获得部)，喷射开始时的(图2中部分(c)中的P1)喷射率模型参数(例如td和te)和燃料压力p被计算。之后，使用延迟td作为喷射率模型参数的实例来进行描述。接下来的S30中，判定延迟td的学习的次数Ntd是否小于预定次数α。 如果判定出学习的次数Ntd等于或大于预定次数α(S30：否)，确定出不需要另外的学习，且图5的处理终止。因此，ECU 30的学习处理负荷减轻。如果判定出延迟td的学习的次数Ntd小于预定次数α(S30：是)，在随后的S40到S70中进行延迟td的学习处理。 首先在S40，步骤S20计算的包括延迟td和燃料压力p的向量被限定为测量向量TD(p，td)。可以认为，基于利用燃料压力传感器20测量的燃料压力获得测量向量TD(p，td)。 随后的S50中，待更新的学习向量基于步骤S20计算的燃料压力p而被搜索。也就是，与燃料压力p相对应的多个分段区间i-1、i、i+1中的区间被搜索，且分配给搜索的区间的学习向量被选择作为待更新的学习向量。图4实例中，获得三角形标志所示的测量向量TD(p，td)。作为测量向量TD(p，td)的元素的燃料压力p对应于区间i。因此，圆形符号所示的区间i的学习向量TDi(pi，tdi)被选择作为待更新的学习向量。 随后的S60中(修正向量计算部(修正部))，基于待更新的学习向量TDi(pi，tdi)和测量向量TD(p，td)计算修正向量TDiam。具体的，待更新的学习向量TDi(pi，tdi)从测量向量TD(p，td)减去，且相减的结果乘以预定比率G(0＜G＜1)以获得修正向量TDiam。也就是，通过下列公式计算修正向量TDiam：TDiam＝{TD(p，td)-TDi(pi，tdi)}×G。 根据本实施例的预定比率G在任何区间被设定为相同值。可替换的，预定比率G可以在不同的区间中设定为不同值。例如，当学习次数相对小时，预定比率G可设定为相对大的值。因此，学习向量可以迅速接近真实值，且当学习向量在一定程度上接近真实值时，学习向量的振荡可以被阻止。根据本实施例的预定比率G被设定为预设的固定值。可替换的，预定比率G可以变化地设定。例如，预定比率G的值可以根据学习次数而变化地设定。 随后的S70中(修正部)，S60中计算的修正向量TDiam被增加到待更新的学习向量TDi(pi，tdi)。因此，区间i的学习向量TDi(pi，tdi)被修正和存储且更新。也就是，更新的学习向量TDinew(pinew，tdinew)通过下列公式计算：TDinew(pinew，tdinew)＝TDi(pi，tdi)+TDiam。 随后的S80中，用于对S30中判定所用的学习次数Ntd进行计数的计数器被增大。上述S30中，整个区间的td的学习次数Ntd被确定。可替换的，学习的次数可以对于每个区间被计数，且可以判定学习次数对于每个区间是否小于预定次数。这种情况中，与S70中更新的学习向量相对应的区间的学习次数计数器在S80中被增加。 上述实施例产生以下效果。 (1)本实施例中，与燃料压力p(图7实例中30MPa，50MPa，80MPa)的特定值相对应的响应延迟td(图7实例中td(30)，td(50)，td(80))没有存储。相反本实施例中，包括响应延迟td和燃料压力p的学习向量(图4实例中的TDi-1，TDi，TDi+1)被存储。学习向量基于测量向量(图4实例中的TD)被修正，测量向量包括喷射开始时刻的响应延迟td的测量值和燃料压力p的测量值。因此即使表达响应延迟td和燃料压力p之间关系的特性不是直线而是曲线，学习向量的存储的和更新的值的振荡可以被阻止。 另外，即使特性是直线且目前的学习向量TDi已经偏离了真实的特征值，随着本学习向量TDi的修正基于测量向量TD被重复，更新的学习向量TDinew逐渐接近真实值，不会发生振荡。因此，同样在这种情况中，学习向量TDinew的存储的和更新的值的振荡可以被阻止。 (2)通过将测量向量TD和学习向量TDi之间的差乘以预定比率G来计算修正向量TDiam，该比率设定在0和1之间。因此与实际上通过将差值增加到学习向量TDi来进行修正的情况相比，学习向量的存储的和更新的值的振荡可以被阻止。 (3)如果延迟td的学习次数等于或大于预定次数(S30：否)，被认为不需要进一步的学习。然后图5的处理结束，没有执行测量向量的计算处理(S40)，修正向量的计算处理(S60)，学习向量的存储和更新处理(S70)等。因此，可以避免过度频繁的学习，且ECU 30的学习处理负荷可以减轻。 (第二实施例) 接下来，描述本发明第二实施例。 上述第一实施例中，用于计算修正向量TDiam的预定比率G在所有区间i-1，i，i+1中被设定为相同值。第二实施例中，预定比率G在区间i-1，i，i+1之间被设定为不同值。 例如，预定比率G根据学习次数变化地设定。假定随着某些区间的学习次数增加，某些区间中学习向量已经较为接近真实值。因此，随着某些区间的学习次数增加，某些区间的预定比率G可变化地设定为较小。 假设随着在作为受控目标的喷射器10的第一次使用之后经过时间增长，所有区间的学习次数增加。因此，可认为，随着经过时间的变长，学习向量已经在所有区间中较为接近真实值，且预定比率G可以在所有区间中减小。 (第三实施例) 接下来描述本发明第三实施例。 上述第一实施例中，燃料压力p的整个范围以相等间隔被分隔。第三实施例中，多个区间i-1，i，i+1以不同间隔被分隔(见图6的Wi，Wi+1)。 也就是，作为第一实例，多个区间i-1，i，i+1根据图表区域中多个学习向量TDi-1，TDi，TDi+1的分布轮廓而以不同间隔被分段(见图6的Wi，Wi+1)。 例如在学习向量的分布轮廓具有图6的R所示的形状时，可认为真实值的分布也在下面区间中具有曲线形状，该区间中，学习向量的分布轮廓R具有曲线形状(例如区间Wi+1)。因此，曲线区间中的间隔被设定小于另一个直线区间中的(例如图6的区间Wi)。可替换的，因为假定真实值的分布还具有这样的形状，该形状在接近分布轮廓R极值(图6中的Ra，Rb，Rc)的区间中包括极值，区间中的间隔可设定为较小。利用这些结构，学习向量在真实值迅速改变的区间中被精细地存储和更新。因此，学习向量可高精度地接近到真实值。 当喷射指令信号设定部34利用喷射率模型(即学习图表M)设定喷射指令信号(t1，t2，Tq)时，该喷射率模型基于学习的喷射率模型参数(例如td、te和dqmax)计算，分别对于图表M中区间i-1，i，i+1被存储且用于设定喷射指令信号的学习向量TDi-1，TDi，TDi+1的使用频率在区间之间彼此不同。因此，作为第二实例，多个区间i-1，i，i+1根据使用频率以不同间隔被分隔。例如，与内燃机怠速时燃料压力相对应的学习向量被频繁使用。因此，优选的是在这些燃料压力区间中将间隔设定较小。 (第四实施例) 接下来描述本发明第四实施例。 上述第一实施例中，使用喷射率模型参数(控制参数)和燃料压力p(标准变量)作为轴的图表区域被分段为多个区间i-1，i，i+1，所述参数例如td，te，或dqmax。单个学习向量被分配给每个分段区间i-1，i，i+1。第四实施例中，使用喷射率模型参数和燃料压力p为轴的图表区域没有被分隔为多个区间。相反本实施例中，最接近获得的测量向量TD的现有学习向量被选择作为更新目标，且基于测量向量TD被修正。修正的学习向量被存储和更新。 例如，图4实例中，虽然测量向量TD在第一实施例中存在于区间i中，相比区间i中的学习向量TDi，区间i+1中的学习向量TDi+1较接近测量向量TD。这种情况中，不是学习向量TDi而是学习向量TDi+1基于测量向量TD被修正，而且在本实施例中被存储和更新。 因此根据本实施例，学习向量汇集到测量向量TD被频繁测量的图表区域中的区间中。最后，在测量频率高的区间中，学习向量的数目自动增加。 (第五实施例) 接下来描述本发明第五实施例。 上述第四实施例中，图表区域中存在的学习向量的数目被固定到固定数目。第五实施例中，除了选择最接近测量向量TD的学习向量作为更新目标，如第四实施例，图表区域中存在的学习向量的数目被变化地设定。 作为第一实例，学习向量的数目被变化地设定以增加下列区间中学习向量的数目：学习向量的分布轮廓R具有曲线形状的区间，极值Ra、Rb或Rc附近的区间，或者使用频率较高的区间，如上面利用图6描述的。 作为第二实例，当两个相邻学习向量之间的距离等于或小于预定值时，相邻学习向量中的任一个被擦除。因此，变化的设定被执行以减少学习向量的数目。这样当相邻学习向量之间的距离较短时，被认为学习向量的数目不必要地大，且相邻学习向量中的任一个被擦除。因此，EEPROM 25a的需要的或者使用的存储容量可减少。 作为第三实例，当相邻学习向量之间的距离等于或小于预定值时，新的学习向量被增加到相邻学习向量之间。因此，进行变化的设定以增加学习向量的数目。这样，当相邻学习向量之间的距离较短时，认为使用频率在区间中较高，且新的学习向量被增加。因此学习向量在高使用频率的区间中被精密地存储和更新。 (第六实施例) 接下来描述本发明第六实施例。 上述第一实施例中，学习图表M通过使用存储的和更新的学习向量本身(as it is)产生，且喷射指令信号(t1，t2，Tq)基于学习图表M被设定。第六实施例中，与燃料压力p(标准变量)的特定值(例如图7中的30Mpa，50MPa，80MPa)相对应的延迟td的值(控制参数)通过线性插值基于已经学习的学习向量而计算。通过将计算的值关联到特定值，产生控制图表。然后，喷射率模型被计算，且使用存储在控制图表中的延迟td而设定喷射指令信号。 在图4所示的学习图表M上进行学习，但是学习图表M本身没有用作用于设定喷射指令信号的控制图表。相反，图7所示形式的图表根据学习图表产生，且被使用。 (其它实施例) 本发明不限于上述实施例，而是例如可以以下列方式变形和实施。另外各个实施例的特征结构可以任意组合。 上述实施例中，将每个喷射率模型参数(例如td，te和dqmax)关联到燃料压力p的学习图表被产生。也就是，限定了二维学习向量，包括单个喷射率模型参数和燃料压力p，且学习向量存储在二维学习图表中。可替换的，三维或更多维的多维学习向量，包括多个喷射率模型参数和燃料压力p，可以被限定，且多维学习向量可存储在三维或多维的多维学习图表中。 例如当包括响应延迟td、喷射时间偏差te、和燃料压力p的三维学习向量被限定时，进行学习，类似如图5所示的处理。也就是，测量向量被限定为TD{p，te，td}，且修正向量TDiam通过下面的公式计算：TDiam＝{TD(p，te，td)-TDi(pi，tei，tdi)}×G。然后，更新的学习向量TDinew(pinew，teinew，tdinew)通过下列公式计算：TDinew(pinew，teinew，tdinew)＝TDi(pi，tei，tdi)+TDiam。因此，仅需要改变每个计算公式的维数。因此本发明可用于多个控制参数，不必进行明显的程序改变。 上述实施例中，喷射率模型参数(控制参数)的学习值存储在喷射器10中安装的EEPROM 25a中。可替换的，学习值可存储在ECU 30的存储器31中。 上述实施例中，用于计算修正向量TDiam的预定比率G小于1。可替换的，预定比率G可设定为1。也就是，通过将作为更新目标的学习向量TDi(pi，tdi)从测量向量TD(p，td)减去获得的向量可用作修正向量TDiam本身。 上述第一实施例中，学习在下面的条件终止：学习的次数等于或大于图5的S30中的预定次数。可替换的，学习可在下面的条件终止：学习向量的学习时间段超过预定时间段。 虽然已经在目前考虑最为实际的方面和优选实施例方面描述了本发明，但是应当理解，本发明不限于公开的实施例，而是相反，覆盖权利要求范围内的各种变形和等效设置。