CN103443608A - 车辆数据分析装置、车辆数据分析方法及故障诊断装置 - Google Patents

Abstract

一种车辆数据分析装置，对表示车辆状态的时序性变化的车辆数据进行分析。车辆数据分析装置具备运算部和识别部，运算部构成为使车辆数据所包含的伴随车辆控制系统的机械性或控制性异常的发生而引起的数据变动显著化。识别部构成为基于运算部的运算结果来识别在车辆的异常诊断时作为诊断对象的车辆数据。

Description

车辆数据分析装置、车辆数据分析方法及故障诊断装置

技术领域

本公开涉及一种对表示车辆状态的时序性变化的车辆数据进行分析的车辆数据分析装置及车辆数据分析方法。而且涉及一种使用了上述车辆数据分析装置的故障诊断装置。

背景技术

一般而言，在搭载于车辆的各种车辆控制装置的动作试验等之际，基于通过由上述车辆控制装置执行的程序而取得的控制量等的表示时序性变化的车辆数据来进行车辆状态的诊断。在该诊断时，例如从专利文献1来看，已知有一种利用在车辆正常时取得的模型数据而进行分析的车辆数据分析装置。即该车辆数据分析装置中，作为上述模型数据，登记车辆的行驶速度、道路坡度、空调的使用状态等按照车辆的行驶条件而预先取得的多个车辆数据。在车辆状态的诊断之际，通过比较作为该模型数据的正常时的数据和从作为分析对象的车辆控制装置取得的车辆数据，来确定包括伴随车辆状态的异常的发生而引起的异常部分的车辆数据。通过如此确定车辆数据，在之后将该确定后的车辆数据用于弄清楚车辆状态的异常原因等。

专利文献1：日本特开2009-294004号公报

发明内容

发明所要解决的课题

然而，在实际的道路上行驶的车辆状态由于交通要素、驾驶员固有的习惯等而多种多样地变化，因此难以生成反映出所有状态的数据模型。因此，在这样的行驶条件的不同所引起而在数据模型与由被设为诊断对象的车辆控制装置取得的车辆数据之间产生了不同的部分时，即使是正常的车辆数据，也可能误判定为包含异常要素的车辆数据。

依次变化的车辆状态直接且敏感地反映到这样的车辆数据中。由此，难以判别该数据变动是由于车辆行驶状态的变化而引起、还是由于车辆控制系统的机械性的异常、控制性的异常的发生而引起。这样的判别的困难度也成为使与应为诊断对象的车辆数据的确定相关的精度下降的因素。

本公开的目的在于提供一种不使用数据模型而能够高精度地确定应为诊断对象的车辆数据的车辆数据分析装置、车辆数据分析方法及使用了上述车辆数据分析装置的故障诊断装置。

根据本公开的一方面，提供一种对表示车辆状态的时序性变化的车辆数据进行分析的车辆数据分析装置。上述车辆数据分析装置具备：运算部，使上述车辆数据所包含的伴随车辆控制系统的机械性或控制性异常的发生而引起的数据变动显著化；识别部，基于上述运算部的运算结果来识别在上述车辆的异常的诊断时作为诊断对象的车辆数据。

根据本公开的另一方面，提供一种对表示车辆状态的时序性变化的车辆数据进行分析的车辆数据分析方法。上述车辆数据分析方法包括：使上述车辆数据所包含的伴随车辆控制系统的机械性或控制性异常的发生而引起的数据变动显著化；将具有该显著化的数据变动的车辆数据确定为在上述车辆的异常的诊断中使用的诊断对象。

上述车辆数据通常为了反映车辆行驶状态而包含伴随车辆行驶状态的变化而引起的数据变动，但这样的伴随车辆行驶状态的变化而引起的数据变动的频率成分大，对车辆数据的支配度也大。另一方面，车辆控制系统的机械性或控制性异常所引起的数据变动的频率成分远小于伴随车辆行驶状态的变化而引起的数据变动的频率成分，对车辆数据的支配度极小。因此，难以从这样的反映车辆行驶状态的车辆数据中确定包含由于车辆控制系统的机械性或控制性异常而引起的数据变动的车辆数据。这样的车辆数据伴随车辆控制系统的复杂化而使其种类变得多种多样，难以对这样的车辆数据的一一进行分析来确定包含车辆的故障诊断中使用的异常要素的车辆数据。由此，例如当要通过对存储于车辆的车辆数据实施统计的处理来确定包含异常的数据变动的车辆数据时，容易成为以下的趋势。即，无论车辆控制系统其本身是否正常，在车辆数据中，都将包含由于车辆行驶状态的变化而引起的特异的数据变动的车辆数据确定为包含异常要素的车辆数据。

因此，如上述结构或方法那样，执行使车辆数据所包含的伴随车辆控制系统的机械性或控制性异常的发生而引起的数据变动显著化的运算。根据该显著化的车辆数据识别应为诊断对象的车辆数据。其结果是，本来，伴随应为异常要素的车辆控制系统的机械性或控制性异常的发生而引起的数据变动比由于车辆行驶状态的变化等而产生的数据变动显著。因此，能够从适当存储于车辆的多种多样的车辆数据中可靠地识别包含伴随车辆控制系统的机械性或控制性异常的发生而引起的数据变动的车辆数据。通过这样的识别，能够高精度地确定应为诊断对象的车辆数据。

根据上述结构或方法，使伴随车辆控制系统的机械性或控制性异常的发生而引起的数据变动显著化。由此，以作为分析对象的车辆数据是否包含上述显著化的数据变动为基准，能够确定应为诊断对象的车辆数据。由此能确定包含异常要素的车辆数据，而且无需使用数据模型。即能够高精度地从表示多种多样的变化的车辆数据中确定应为诊断对象的车辆数据。

在一形态中，上述车辆数据包括传感器数据和控制数据作为反映上述车辆的驾驶员进行的车辆操作方式的数据，其中该传感器数据表示检测上述车辆状态的传感器的检测值的变化。该控制数据反映上述传感器数据的变化。上述识别部构成为，基于上述运算部的运算结果将包含基于与上述车辆的驾驶员的车辆操作不同的要素而引起的数据变动在内的车辆数据确定为上述诊断对象。

在一形态中，上述车辆数据包括传感器数据和控制数据作为反映上述车辆的驾驶员的车辆操作方式的数据，其中该传感器数据表示检测上述车辆状态的传感器的检测值的变化，该控制数据反映上述传感器数据的变化。上述确定，将包含基于与上述车辆的驾驶员的车辆操作不同的要素的数据变动在内的车辆数据确定为上述诊断对象。

上述车辆数据通常大致由传感器数据和控制数据构成，其中该传感器数据表示检测车辆状态的加速器传感器、制动传感器等的检测值的时序性变化的传感器数据，该控制数据表示基于各种传感器的检测结果而确定控制量的各种车辆控制装置等的控制量的时序性变化的控制数据。即，能够将与车辆控制装置相关的车辆数据分为例如相对于上述车辆控制装置成为输入数据的传感器数据和成为与上述传感器数据对应地输出的输出数据的控制数据。因此，在这样的通过车辆控制装置输入输出的传感器数据与控制数据之间存在一定的相关性。另一方面，表示车辆状态的传感器数据较大地反映车辆的驾驶员的车辆操作方式，例如加速器传感器的检测值的时序性变化与驾驶员对加速踏板的踏下量成比例地变化。相伴于此，基于加速器传感器的检测结果而控制发动机的发动机控制装置的控制量的时序性变化也较大变化。由此，传感器数据、控制数据中所包含的数据变动由于驾驶员的车辆操作而产生的情况大。因此，例如即使在车辆数据中产生了驾驶员进行了急加速操作或急转弯操作所引起的特异的数据变动，包含上述数据变动的车辆数据也不是表示车辆控制系统的异常的数据，也不是在车辆的故障诊断时作为诊断对象的车辆数据。

因此根据上述结构或方法，通过对传感器数据及控制数据的运算，确定包含基于与车辆的驾驶员的车辆操作不同的要素的数据变动、即由于本来应为诊断对象的车辆控制系统的机械性异常或控制性异常而产生的数据变动的车辆数据。因此，即使由驾驶员的特异的车辆操作所引起的数据变动包含于传感器数据或控制数据，也不会发生将包含由人为因素引起的数据变动的车辆数据错误地确定为应为诊断对象的车辆数据的情况。由此，能够将较大程度地反映驾驶员的车辆操作的影响的车辆数据作为诊断对象，并能够可靠地确定该诊断对象。

在一形态中，作为上述运算，上述运算部求算上述车辆数据的单位时间内的变化量。上述运算部还执行对上述求出的变化量为阈值以上的车辆数据进行确定的运算，该阈值表示与伴随上述车辆控制系统的机械性或控制性异常的发生而引起的数据变动相伴的变化量。

在一形态中，上述显著化，求算上述车辆数据的单位时间内的变化量。上述确定，选定上述求出的上述车辆数据的单位时间内的变化量为阈值以上的车辆数据，该阈值表示与伴随上述车辆控制系统的机械性或控制性异常的发生而引起的数据变动相伴的变化量。

通常为人所知的是，由人为因素引起的数据变动的变动幅度与车辆的驾驶员的举动相关，因此即便最小也为“几百ms”。相对于此，发明者等确认：由于车辆控制系统的机械性异常或控制性异常而引起的数据变动的变动幅度通常为“几ms”。即，发明者等确认：由于车辆控制系统的机械性异常或控制性异常而引起的数据变动的单位时间内的变化量比由人为因素引起的数据变动的单位时间内的变化量大。

因此，根据上述结构或方法，求算车辆数据的单位时间内的变化量，并判定该求出的变化量是否伴随由于在“几ms”内变动的车辆控制系统的机械性异常或控制性异常而引起的数据变动而变动。由此，根据数据变动的单位时间内的变化量，能够确定包含伴随车辆控制系统的机械性异常或控制性异常而引起的数据变动的车辆数据。

在一形态中，上述车辆数据分析装置还具备存储上述车辆数据的存储装置。作为上述运算，上述运算部执行以下运算：求算存储于上述存储装置的车辆数据的统计分布。上述识别部构成为，识别上述求出的统计分布中的中央值附近的车辆数据，并执行如下处理：从上述存储装置中提取上述识别出的车辆数据中的偏差相对大的车辆数据作为上述应为诊断对象的车辆数据。

在一形态中，上述车辆数据分析方法还包括存储上述车辆数据。上述显著化，求算上述存储的车辆数据的统计分布。上述确定，识别以上述统计分布所表示的车辆数据中的中央值附近的车辆数据，并从上述存储的车辆数据中将上述识别出的车辆数据中的偏差相对大的车辆数据确定为上述应为诊断对象的车辆数据。

通常，对于车辆数据求算的统计分布具有以下趋势：越是具有彼此通用的变化或图案的平均的车辆数据越分布于中央，而越具有特异的变化或图案的车辆数据越偏离于中央值。在这样的分布中，较大程度地反映了伴随由于频率成分大而相对于车辆数据增大支配度的车辆行驶状态的变化而引起的数据变动。即分布在中央值附近的车辆数据组表示反映了驾驶员的通常的车辆操作的彼此类似的变化或图案，汇集了将包含由于驾驶员的特异的车辆操作而引起的数据变动在内的车辆数据排除所得的平均的车辆数据。另一方面，在这样的分布于中央值附近的车辆数据组中的偏差大的车辆数据包含由于与人为因素不同的因素而产生的数据变动的可能性高。

因此，如上述结构或方法那样，若提取统计分布中的位于中央值附近的车辆数据组，则能够从该提取的车辆数据组中容易地确定包含由于车辆控制系统的机械性异常或控制性异常而引起的数据变动在内的车辆数据。

在一形态中，作为上述运算，上述运算部求算上述传感器数据和与上述传感器数据具有相关性的控制数据之间的差。上述识别部基于上述求出的差来识别上述应为诊断对象的车辆数据。

在一形态中，上述显著化，根据上述传感器数据和与上述传感器数据具有相关性的控制数据之间的差，使伴随上述车辆控制系统的机械性或控制性异常的发生而引起的数据变动显著化。

例如对驾驶员的车辆的加速踏板的踏下量进行检测的加速器传感器的检测值的时序性变化与以检测结果为基础而控制发动机的发动机控制装置的控制量的变化相关。因此，如此反映了传感器数据的时序性变化的控制数据的变化或图案仿效于传感器数据的变化而变化，因此与传感器数据的变化或图案通用。由此，控制数据与上述传感器数据之间的差自然减小。因此，能够通过求算传感器数据与控制数据之间的差来将由于驾驶员的车辆操作而产生的数据变动抵消。另一方面，在如此产生彼此具有相关性的传感器数据与控制数据之间的差时，这样的差由于与人为因素不同的要素即车辆控制系统的机械性异常或控制性异常而产生的可能性高。

因此，根据上述结构或方法，通过求算传感器数据与控制数据之间的差而使伴随车辆控制系统的机械性异常或控制性异常而引起的数据变动自然地显著化。即利用上述传感器数据作为将控制数据所包含的由人为因素引起的数据变动排除的过滤器，由此能够不受人为因素引起的数据变动的影响而容易地确定应为本来诊断对象的车辆数据。

在一形态中，上述运算部构成为，基于分别进行频率分析后的传感器数据及控制数据来算出上述传感器数据和与上述传感器数据对应的控制数据之间的差。

在一形态中，上述显著化，对传感器数据和与上述传感器数据对应的控制数据进行频率分析，并基于该频率分析后的传感器数据和与上述传感器数据对应的控制数据来算出上述传感器数据与上述控制数据之间的差。

如上述结构或方法那样，若对传感器数据和与上述传感器数据对应的控制数据进行频率分析、并根据该分析结果来求算传感器数据与控制数据之间的差，则能够更容易且可靠地实现上述数据变动的显著化。

在一形态中，上述车辆数据包括：传感器数据，表示检测上述车辆状态的传感器的检测值的变化；和控制数据，作为与上述传感器数据对应的数据而反映对应的传感器数据的变化。上述传感器数据及控制数据以以下为条件而彼此相关性高地建立对应：a.时序性变化彼此相关；且b.上述控制数据相对于上述传感器数据的延迟时间处于车辆举动对由上述传感器数据表示的上述车辆的驾驶员的车辆操作的响应时间以内。

通常，以传感器数据为基础而确定控制量的车辆控制装置的控制数据的时序性变化具有类似于传感器数据的时序性变化的趋势。在这样的传感器数据与控制数据之间，通常产生“几百ms”的延迟时间作为车辆举动相对于车辆的驾驶员的车辆操作的响应时间。由此，即使某传感器数据与某控制数据的时序性变化彼此类似，在这些数据的时间轴的偏差超过通常假设的响应时间时，或相反地不存在响应时间而以大致同一时间轴进行变化时，上述控制数据与不同的传感器数据对应的可能性也高。另一方面，在某传感器数据与控制数据的时序性变化彼此类似、且上述各数据的响应时间处于规定范围内时，这些传感器数据与控制数据的彼此的相关性极高。因此，根据上述结构，基于传感器数据和控制数据的时序性变化及响应时间（延迟时间）这两个要素，能够从多种多样地存在的车辆数据中可靠地将彼此的相关性高的传感器数据与控制数据相互建立对应。

在一形态中，上述车辆数据分析装置还具备表示多种车辆数据彼此的对应关系的对应表。在上述对应表中，表示检测上述车辆状态的传感器的检测值的变化的传感器数据和与上述传感器数据的相关性高的控制数据分别建立关联。

如上述结构那样，若利用将彼此的相关性高的传感器数据和控制数据预先相互建立了对应的对应表，则仅通过参照该对应表就能够容易地确定彼此的相关性高的传感器数据和控制数据。由此，在利用彼此的相关性高的传感器数据和控制数据进行上述数据变动的显著化时，可减少处理负载。

在一形态中，在上述对应表中，作为彼此的相关性高的传感器数据及控制数据，将表示上述车辆的加速踏板的检测值的变化的数据与表示对搭载于上述车辆的发动机进行控制的发动机控制装置的控制量的变化的数据彼此建立对应并登记，并且，将表示上述车辆的转向的操作量的变化的数据与表示执行上述车辆的稳定性控制的VSC控制装置的控制量的变化的数据彼此建立对应并登记。

在车辆数据中，上述列举的传感器数据和控制数据成为特别是彼此的相关性高、而且作为车辆的故障诊断用的诊断对象也重要的数据。因此根据上述结构，能够通过利用将上述列举的各种传感器数据和各种控制数据预先彼此建立了对应的对应表来顺畅地进行对这些重要度高的车辆数据的分析。

在一形态中，提供一种具备上述车辆数据分析装置作为对表示车辆状态的时序性变化的车辆数据进行分析的车辆数据分析装置。上述故障诊断装置基于由上述车辆数据分析装置进行分析而得到的上述车辆数据来诊断上述车辆有无异常。

该结构适用于基于由上述车辆数据分析装置进行分析而得到的车辆数据来判断车辆有无异常的故障诊断装置中特别有效。因此，根据上述结构，使用作为包含异常要素的可能性高而进行分析所得到的车辆数据作为诊断对象，由此能实现车辆的异常诊断的顺畅化及高精度化。

附图说明

图1是关于本公开所涉及的车辆数据分析装置、车辆数据分析方法及故障诊断装置的第一实施方式，表示车辆数据分析装置及故障诊断装置的概略结构的框图。也是表示适用本实施方式的车辆数据分析方法的装置的概略结构的框图。

图2是表示上述实施方式的车辆数据的分析步骤及故障诊断步骤的一例的流程图。

图3是表示发动机控制装置的控制量的变化例的时序图。

图4中，（a）是表示作为分析对象的发动机控制装置的一控制数据的变化例的时序图，（b）是表示上述控制数据的单位时间内的变化量的变化例和上述实施方式的车辆数据的分析形态的图。

图5中，（a）是表示加速器传感器的检测值的变化例的时序图，（b）是表示以上述加速器传感器的检测结果为基础而确定的发动机控制装置的控制量的变化例的时序图。

图6是关于本公开所涉及的车辆数据分析装置、车辆数据分析方法及故障诊断装置的第二实施方式，表示车辆数据分析装置及故障诊断装置的概略结构的框图。也是表示适用本实施方式的车辆数据分析方法的装置的概略结构的框图。

图7是表示登记于对应表中的传感器数据与控制数据的关系的一例的图。

图8是表示上述实施方式的车辆数据的分析步骤及故障诊断步骤的一例的流程图。

图9中，（a）是表示加速器传感器的检测值的变化例的时序图，（b）是表示以上述加速器传感器的检测值为基础而求出的统计分布的一例的图。

图10是与图9（a）对应的图表，示以加速器传感器的检测结果为基础而确定的发动机控制装置的控制量的变化例和上述实施方式的车辆数据的分析形态的一例的时序图。

图11是关于本公开所涉及的车辆数据分析装置、车辆数据分析方法及故障诊断装置的第三实施方式，表示车辆数据分析装置及故障诊断装置的概略结构的框图。也是表示适用本实施方式的车辆数据分析方法的装置的概略结构的框图。

图12是表示上述实施方式的车辆数据的分析步骤及故障诊断步骤的一例的流程图。

图13中，（a）是表示以加速器传感器的检测结果为基础而确定的发动机控制装置的控制量的变化例的时序图，（b）是作为上述实施方式的车辆数据的分析形态的一例而表示传感器数据与控制数据之间的差的图。

图14是表示本公开所涉及的车辆数据分析装置、车辆数据分析方法及故障诊断装置的另一实施方式的车辆数据的分析步骤及故障诊断步骤的一例的流程图。

图15是表示本公开所涉及的车辆数据分析装置、车辆数据分析方法及故障诊断装置的另一实施方式的车辆数据的分析步骤及故障诊断步骤的一例的流程图。

图16是表示本公开所涉及的车辆数据分析装置、车辆数据分析方法及故障诊断装置的另一实施方式的车辆数据的分析步骤及故障诊断步骤的一例的时序图。

具体实施方式

图1～图5说明将本公开所涉及的车辆数据分析装置、车辆数据分析方法及故障诊断装置具体化的第一实施方式。本实施方式的车辆数据分析装置、车辆数据分析方法及故障诊断装置对从作为诊断对象的汽车等车辆收集的车辆数据进行分析，并诊断有无异常。本实施方式的车辆数据分析装置、车辆数据分析方法及故障诊断装置通过对从车辆取得的车辆数据实施统计性的处理来进行分析。

如图1所示，在作为诊断对象的车辆C上搭载有检测上述车辆C的状态的传感器组100。

传感器组100例如由检测车辆C的驾驶员对加速踏板的踏下量的加速器传感器、检测制动踏板的踏下量的制动传感器、检测车辆C的加速度的加速度传感器及检测车辆C的行进方向的陀螺仪传感器构成。传感器组100例如由检测转向的转向角的变化量的转向角传感器、检测车轮的旋转速度的车速传感器及检测车辆C向转弯方向的旋转角变化的速度即横摆率的横摆率传感器等构成。表示这样的传感器组100的检测值的时序性变化的数据成为传感器组100的传感器数据。

在车辆C上搭载有基于传感器组100的各检测结果而对搭载于车辆C的各种车载设备、各种车载系统进行控制的车辆控制装置组110。车辆控制装置组110例如由基于加速器传感器的检测值而对车辆C的发动机的运转状态进行控制的发动机控制装置及基于制动传感器的检测值而对车辆C的制动器进行控制的制动控制装置构成。车辆控制装置组110由基于转向角传感器的检测值而对车辆C的转向进行控制的转向控制装置及基于转向角传感器、横摆率传感器的检测值而执行车辆稳定性控制（VSC）的VSC控制装置等构成。这样一来，向车辆控制装置组110适当地输入通过各车辆控制装置对控制对象进行控制所需的各种传感器的检测结果（传感器数据）。

车辆控制装置组110将表示用于对控制对象进行控制的控制量的时序性变化的控制数据向搭载于车辆C的车辆存储装置120依次输出。由此，反映成为传感器组100的检测结果的传感器数据的车辆控制装置组110的控制数据依次存储于车辆存储装置120。这样一来，表示伴随车辆C的驾驶员的车辆操作而依次变化的车辆状态的变化的控制数据存储于车辆存储装置120。

在车辆C的故障诊断之际，存储于车辆存储装置120的控制数据例如通过有线通信等而被取入到诊断车辆C有无异常的故障诊断装置200。

故障诊断装置200具备从应作为诊断对象的车辆C取入控制数据的数据输入部210。故障诊断装置200具备分析数据存储装置220，该分析数据存储装置220将由数据输入部210取入的控制数据存储为应由上述故障诊断装置200分析的分析数据。

而且，故障诊断装置200具备对存储于分析数据存储装置220的控制数据进行分析的数据分析部230。本实施方式的数据分析部230对存储于分析数据存储装置220的控制数据进行分析。车辆控制系统的机械性或控制性异常例如对应于将构成车辆C的车辆控制装置组110之间连接的CAN（控制局域网）等的通信不良、各车辆控制装置组110的反馈异常、怠速不稳定等。在发生了这样的异常时，例如控制数据的时序性变化暂时以规定的频率成分为基础进行变动。通过发明者等确认：这样的由于车辆控制系统的机械性或控制性异常而引起的数据变动以约“几ms”为单位地发生。

本实施方式的数据分析部230具备运算部231，运算部231使伴随车辆控制系统的机械性异常或控制性异常而引起的数据变动显著化。数据分析部230具备识别部232，该识别部232基于该运算部231的运算结果来识别故障诊断装置200应诊断的数据。

其中，运算部231具备变化量计算部231a，该变化量计算部231a算出存储在分析数据存储装置220中的控制数据在单位时间内的变化量。变化量计算部231a适当读取存储在分析数据存储装置220中的各种控制数据，并分别算出所读取的控制数据的单位时间内的变化量。变化量计算部231a将与对应每个控制数据所算出的变化量相关的信息向识别部232输出。识别部232中，当从变化量计算部231a输入与变化量相关的信息时，基于与该变化量相关的信息来识别包括异常的数据变动的控制数据。

在由汽车等构成的车辆C中，传感器组100的检测值即传感器数据由于车辆C的驾驶员进行的车辆操作而发生变动。例如上述加速器传感器的传感器数据的变化根据驾驶员进行的加速踏板的踏下量而发生变动。同样地，转向角传感器、横摆率传感器的检测值即传感器数据根据驾驶员进行的转向的操作量而发生变动。基于这样的传感器数据的变化确定控制量的车辆控制装置组110的控制数据也由于传感器数据的变动即驾驶员的车辆操作而发生变动。另一方面，这样的由人为因素引起的数据变动与传感器组100、车辆控制装置组110有无异常无关地发生。因此，即使由于急加速、急减速等进行了异常的车辆操作而使传感器数据、控制数据暂时呈现出特异的变化，该特异的变化也并不是表示传感器组100、车辆控制装置组110其本身的异常。并且，通常这样的由人为因素引起的数据变动的频率成分较大、最小也以约“几百ms”为单位地发生。相对于此，伴随车辆控制装置组110的机械性或控制性异常的发生而引起的数据变动由于以“几ms”为单位地发生，因此频率成分微小。由此，伴随车辆控制装置组110的机械性或控制性异常的发生而引起的数据变动的单位时间内的变化量与由人为因素起的数据变动的单位时间内的变化量相比，相对地变大。

因此，本实施方式的识别部232鉴于这样的数据变动在单位时间内的变化量的不同，利用与从变化量计算部231a输入的变化量相关的信息来确定包含伴随车辆控制装置组110的机械性异常或控制性异常的发生而引起的数据变动在内的控制数据。识别部232从分析数据存储装置220提取该确定的控制数据。之后，识别部232将该提取的控制数据作为相对于车辆C的异常的诊断而应为诊断对象的车辆数据，将上述提取的控制数据向以上述控制数据为基础来确定车辆C的异常原因的异常诊断部240输出。

在本实施方式中，通过这样的具备运算部231及识别部232的数据分析部230，构成上述车辆数据分析装置。

异常诊断部240基于从识别部232输入的控制数据来确定发生了数据变动的因素。即，异常诊断部240确定数据变动的发生因素与CAN等的通信不良、各车辆控制装置组110的反馈异常、怠速不稳定等中的哪一个对应等。

图2～图5说明本实施方式的车辆数据分析装置、车辆数据分析方法及故障诊断装置的作用。

如图2所示，数据分析部230首先通过步骤S101，从上述分析数据存储装置220读出作为诊断对象的车辆C的控制数据。其结果是，如图3所示，例如读出表示点火钥匙接通以后的发动机控制装置的控制量的时序性变化的多个图案的控制数据。如上述图3所示，发动机控制装置的控制量的频率成分按照车辆C的驾驶员对加速器的踏下量而较大程度地变动。

数据分析部230算出该读出的各控制数据的单位时间内的变化量（图2：步骤S102）。此处，如图4（a）例示那样，某控制数据Da的变化包括伴随车辆C的驾驶员的加速操作而产生的频率成分大的数据变动Da1（期间T1）和伴随发动机控制装置的动作不良而产生的频率成分小的数据变动Da2（期间2）。人为因素引起的控制数据的变动期间T1为“几百ms”，而发动机控制装置的动作不良引起的控制数据的变动期间T2为“几ms”。即车辆控制系统的机械性或控制性异常引起的数据变动Da2以比人为因素引起的数据变动Da1小约两位数的时间幅度发生。

因此，例如图4（b）所示，控制数据Da的单位时间内的变化量根据上述变化量是由人为因素引起还是由车辆控制系统的机械性的因素或控制性的因素引起而较大程度地不同。因此识别部232判定控制数据Da的数据变动Da1及Da2的单位时间内的变化量是否在阈值Ds以上，由此来识别数据变动的因素，其中该阈值Ds用于判别作为分析对象的控制数据所包含的数据变动是人为因素或者机械性/控制性的因素中的哪一个（图2：步骤S103）。

从图4（b）可知，控制数据Da在期间T2包含阈值Ds以上的数据变动Da2，因此将上述控制数据Da确定为反映了发动机控制装置等的动作不良等的数据（步骤S103：是，S104）。即该确定后的控制数据Da如先前的图3所示在存储于分析数据存储装置220的多种控制数据中，通过数据分析部230确定为应作为异常诊断部240的诊断对象的数据。

另一方面，在控制数据中未包含阈值Ds以上的数据变动时，与成为上述控制数据的输出源的发动机控制装置、上述发动机控制装置协作地动作的系统等被判断为正常，上述控制数据未被用于车辆C的故障诊断（步骤S103：否）。

这样一来，仅将本来应由上述异常诊断部240诊断的控制数据、即包含由车辆控制系统的控制性的因素或机械性的因素引起的数据变动在内的控制数据取入到异常诊断部240。由此，异常诊断部240能够基于反映了车辆控制系统的机械性异常、控制性异常的控制数据来进行异常诊断。因此，不将仅包含人为因素引起的数据变动在内的控制数据取入到异常诊断部240，进而反映了车辆控制系统的机械性异常、控制性异常的控制数据的确定所涉及的精度提高。在这样的控制数据的确定之际，故障诊断装置200仅求算控制数据的单位时间内的变化量即可，无需使用在车辆控制装置组110等正常时预先取得的数据模型等。

这样一来，适当执行存储在分析数据存储装置220中的控制数据的读出、上述读出的控制数据的单位时间内的变化量的算出、该算出的变化量与异常变化量的对比等（图2：步骤S101～S104）。由此，适当分析存储在分析数据存储装置220中的控制数据，将包含异常要素的控制数据适当取入到异常诊断部240。

接下来，参照图5，以与以往的统计方法进行车辆数据分析的形态对比为基础，来说明本实施方式的车辆数据分析装置、车辆数据分析方法及故障诊断装置对车辆数据的分析形态。

如图5（a）所示，例如加速器传感器的检测值即传感器数据Li1～Li4分别时序性地表示不同图案的变化。如图5（b）所示，成为被输入这样的传感器数据Li1～Li4的加速控制装置的输出数据的控制数据Lo1～Lo4延迟规定的响应时间Ta（延迟时间），且与传感器数据Li1～Li4的各变化的图案类似地进行变化。该响应时间Ta表示以下时间：直至对应的车辆控制装置对由传感器数据Li1～Li4表示的车辆C的驾驶员对加速踏板的踏下操作进行响应而车辆C产生举动为止的时间。

而且，在图5（a）的时刻t0～t1中，传感器数据Li1～Li4中的三个传感器数据Li1～Li3形成与车辆C的驾驶员对加速踏板的通常的踏下操作成比例地且平稳地上升的变化。另一方面，传感器数据Li4的变化伴随车辆C的驾驶员对加速踏板的不稳定的踏下操作而在从时刻t2到时刻t3之间呈急剧地上升的趋势。

因此，如图5（b）所示，与传感器数据Li1～Li3对应的控制数据Lo1～Lo3的变化也延迟响应时间Ta，与传感器数据Li1～Li3同样地平稳地上升。与传感器数据Li4对应的控制数据Lo4的变化也延迟响应时间Ta，与传感器数据Li4同样地从中途开始急剧地上升。

因此，当根据现存的统计方法对包含形成图案彼此类似的平均的变化的控制数据Lo1～Lo3和形成特异的变化的一个控制数据Lo4的控制数据进行分析时，在控制数据Lo1～Lo4中成为特异的变化的控制数据Lo4被确定为包含异常的数据变动的数据。另一方面，例如图5（b）的虚线所示，虽然存在包含由车辆控制系统的机械性或控制性异常而引起的数据变动D2在内的控制数据Lo2’，但由于上述控制数据Lo2’的变化与控制数据Lo1～Lo3的变化的同质性高，因此包含异常要素的控制数据Lo2’也会被视为正常的数据而被忽略。

然而，在本实施方式中，即使伴随加速踏板的不稳定的踏下等而存在相对于控制数据的统计表示特异的变化的控制数据Lo4，结果，由于该人为因素而引起的数据变动的单位时间内的变化量也比阈值Ds小。因此，上述控制数据Lo4不会被误判定为包含异常要素的车辆数据。在本实施方式中，包含异常要素的控制数据Lo2’由于其数据变动D2在单位时间内的变化量成为阈值Ds以上，因此能可靠地确定为包含异常要素的车辆数据，用于车辆C的故障诊断。

如以上说明那样，根据本实施方式的车辆数据分析装置、车辆数据分析方法及故障诊断装置，能得到以下的效果。

（1）执行使车辆数据所包含的伴随车辆控制系统的机械性或控制性异常的发生而引起的数据变动显著化的运算，并基于该运算结果来识别在车辆C的异常的诊断之际应作为诊断对象的车辆数据。因此，从车辆C取得的多种多样的车辆数据中，能够可靠地识别包含伴随车辆控制系统的机械性或控制性异常的发生而引起的数据变动在内的车辆数据。由此，能够高精度地确定应作为诊断对象的车辆数据。由此，在确定包含异常要素的车辆数据这一点上，无需使用数据模型。即，无论反映车辆C的多种多样的行驶状态、行驶环境等的车辆数据表示如何的变化，也不用事先把握该变化的图案就能够确定包含异常要素的车辆数据。

（2）作为反映车辆C的驾驶员的车辆操作方式的数据，处理包含传感器数据和车辆控制装置组110的控制数据在内的车辆数据，其中该传感器数据表示检测车辆C的状态的传感器组100的检测值的变化，该车辆控制装置组110的控制数据反映了该传感器数据的变化。基于上述运算部231的运算结果，将包含基于与车辆C的驾驶员的车辆操作不同的要素的数据变动在内的车辆数据确定为诊断对象。由此，即使由于驾驶员进行的异常的车辆操作而引起的数据变动包含在传感器数据或控制数据中，也不会将包含人为因素引起的数据变动在内的车辆数据错误地确定为应由上述异常诊断部240诊断的诊断对象的车辆数据。由此，能够将较大程度地反映驾驶员的车辆操作的影响的车辆数据作为诊断对象，并同时能够可靠地确定该诊断对象。

（3）作为上述运算部231进行的运算，求算控制数据的单位时间内的变化量，并基于该求出的变化量而确定了包含伴随车辆控制系统的机械性或控制性异常的发生而引起的数据变动在内的控制数据。由此，根据控制数据所包含的数据变动的单位时间内的变化量，能够确定包含伴随车辆控制系统的机械性异常或控制性异常而引起的数据变动在内的车辆数据。

（4）基于通过上述数据分析部230分析的车辆数据，诊断车辆C有无异常。由此能够将应诊断对象的车辆数据限定成作为包含异常要素的可能性高而分析的车辆数据，进而能实现车辆C的异常诊断的顺畅化及高精度化。

图6～图10说明将本公开的车辆数据分析装置、车辆数据分析方法及故障诊断装置具体化的第二实施方式。该第二实施方式中，通过求算车辆数据的统计分布的运算，使车辆数据所包含的伴随车辆控制系统的机械性或控制性异常的发生而引起的数据变动显著化，其基本的结构与前面的第一实施方式通用。

图6作为与前面的图1对应的图，示出了该第二实施方式的车辆数据分析装置、故障诊断装置及适用了本实施方式的车辆数据分析方法的装置的结构。在该图6中，对于与先前的图1所示的各要素相同的要素，分别标注同一附图标记来表示，省略这些要素的重复说明。

如图6所示，本实施方式的车辆控制装置组110将从传感器组100分别输入的表示上述传感器组100的检测值的时序性变化的传感器数据与上述车辆控制装置组110的控制数据一起向车辆存储装置120依次输出。由此，相对于车辆控制装置组110而言成为输入数据的传感器数据和成为上述车辆控制装置组110的输出数据的控制数据存储在本实施方式的车辆存储装置120中。这样一来，在车辆存储装置120中存储表示伴随车辆C的驾驶员进行的车辆操作而依次变化的车辆状态的变化的传感器数据及控制数据。在车辆C的故障诊断之际，存储于车辆存储装置120的传感器数据及控制数据例如通过有线通信等而被取入到诊断车辆C有无异常的故障诊断装置200，适当存储在上述故障诊断装置200的分析数据存储装置220中。

本实施方式的构成数据分析部300的运算部310具备分布计算部311，该分布计算部311执行求算存储在分析数据存储装置220中的各种传感器数据的统计分布的运算。本实施方式的运算部310具备中央值选定部312，该中央值选定部312以由分布计算部311算出的统计分布为基础，从分析数据存储装置220中提取位于该统计分布的中央值附近的传感器数据组。而且，本实施方式的分布计算部311具备将传感器数据和与该传感器数据的相关性高的控制数据预先彼此建立了对应的对应表313。

其中，分布计算部311从分析数据存储装置220提取各种传感器数据，作为相对于车辆控制装置组110的输入数据。分布计算部311求算该提取的各传感器数据的统计分布。本实施方式的分布计算部311求算例如各传感器数据的正态分布作为各传感器数据的统计分布。分布计算部311例如按照成为传感器数据的检测主体的各种传感器来提取传感器数据，并按照各种传感器求算该提取的传感器数据的正态分布。分布计算部311当按照各种传感器求算传感器数据的正态分布时，将与该求出的各种传感器的正态分布相关的信息向中央值选定部312输出。

中央值选定部312基于从分布计算部311输入的与各种传感器的正态分布相关的信息，选定在正态分布中位于中央值附近的传感器数据组。由此，存储在分析数据存储装置220中的各传感器数据的正态分布按照成为检测主体的各种传感器而被算出。而且由此，在该算出的分布中，选定表示概率密度相对高的平均的变化的传感器数据组。这样一来，在本实施方式中，从存储于分析数据存储装置220的传感器数据中预先选定表示平均的变化的传感器数据，由此，将由于车辆C的驾驶员进行的急加速、急减速等异常的车辆操作而引起的偏差大的传感器数据从分析对象排除。

中央值选定部312在取得与该选定的传感器数据组相关的信息时通过参照对应表313的来确定与选定的传感器数据对应的控制数据。

如图7所示，即，在对应表313中，能够由传感器组100进行检测的各种传感器数据与成为被输入各种传感器数据的车辆控制装置组110的输出数据的控制数据分别彼此建立对应。在该实施方式中，在对应表313中，例如表示加速器传感器的检测值的变化的传感器数据与表示被输入上述传感器数据而反映该变化的发动机控制装置的控制量的变化的控制数据预先彼此建立了对应。而且，在对应表313中，例如表示转向传感器的检测值的变化的传感器数据与表示被输入上述传感器数据而反映该变化的VSC控制装置的控制量的变化的控制数据预先彼此建立了对应。

本实施方式的中央值选定部312通过参照这样的对应表313来确定与上述选定的位于正态分布的中央值附近的传感器数据的相关性高的控制数据。中央值选定部312将该确定的控制数据中的、控制数据相对于传感器数据的延迟时间超过例如“500ms左右”的控制数据视为不是相对于上述传感器数据进行响应的控制数据，从上述确定的控制数据中排除。在对应的传感器数据及控制数据未登记于对应表313时，中央值选定部312从分析数据存储装置220检索时序性变化类似于传感器数据且相对于上述传感器数据的延迟时间为例如“500ms左右”以内的控制数据。中央值选定部312将该检索到的控制数据确定为与上述选定的位于正态分布的中央值附近的传感器数据的相关性高的控制数据。这样一来，运算部310被输入由各传感器检测到的传感器数据，并确定执行基于上述输入的传感器数据的各种控制的车辆控制装置的控制数据。中央值选定部312将与该确定的控制数据相关的信息向识别部320输出。

本实施方式的识别部320确定在由中央值选定部312确定的控制数据中偏差大的控制数据。由上述中央值选定部312确定的控制数据是在正态分布中位于中央值附近的概率密度高的传感器数据，因此换言之是将由于驾驶员进行的异常的车辆操作而引起的偏差排除后的数据。因此，在由中央值选定部312确定的控制数据中产生的偏差通过与车辆C的驾驶员的车辆操作不同的要素而产生的可能性高。因此，本实施方式的识别部320将上述确定的控制数据中的偏差大的控制数据确定为包含除人为因素以外的异常即由于车辆控制系统的机械性或控制性异常而引起的偏差的控制数据。识别部320从分析数据存储装置220提取该确定的控制数据，并将该提取的控制数据向异常诊断部240输出。这样一来，异常诊断部240基于从识别部320输入的控制数据来确定在上述控制数据产生了偏差的因素。

在本实施方式中，通过这样的具备运算部310及识别部320的数据分析部300来构成上述车辆数据分析装置。

图8～图10说明本实施方式的车辆数据分析装置、车辆数据分析方法及故障诊断装置的作用。

如图8所示，首先，通过步骤S201，数据分析部300从上述分析数据存储装置220读出作为诊断对象的车辆C的传感器数据。这样的传感器数据的读出例如是对应作为上述传感器数据的检测主体的每个传感器来进行的。其结果是，如图9（a）例示那样，从分析数据存储装置220读出例如表示点火键接通以后的加速器传感器的检测值的时序性变化的多个图案的传感器数据。如上述图9（a）所示，加速器传感器的检测值的频率成分根据车辆C的驾驶员对加速器的踏下量而较大程度地变动。

数据分析部300对应作为检测主体的每个传感器来算出该读出的传感器数据的分布（图8：步骤S202）。由此，如图9（b）例示那样，求出例如由加速器传感器取得的传感器数据组的正态分布。

在该实施方式中，某车辆C的驾驶员对加速踏板的踏下量的变化如图9（a）例示那样，处于大体分为两个组Gi1及Gi2的趋势。即包含于这些组Gi1及Gi2的传感器数据表示车辆C的驾驶员进行的平均的加速踏板踏下量的变化。另一方面，未包含于这些组Gi1及Gi2的传感器数据Lia及Lib的变化表示如下情况：加速踏板的踏下量过度，或相反地表示加速踏板的踏下量不足。如图9（b）所示，包含于组Gi1及Gi2的传感器数据组位于这样的表示变化的传感器数据的正态分布的中央值附近。即位于该正态分布的中央值附近的传感器数据组表示如下情况：即使在通过车辆C取得的传感器数据中，也表示大致相同的变化（图案）的平均的传感器数据。

另一方面，如图9（b）所示，未包含于这些组Gi1及Gi2的传感器数据Lia及Lib的变化即使在正态分布中也成为特异的图案、即成为由于驾驶员的不稳定的车辆操作而引起的偏差增大的传感器数据。这样一来，从存储于分析数据存储装置220的传感器数据中，确定大致的频率成分通用的组Gi1及Gi2。

如图8所示，在本实施方式中，选定位于正态分布的中央值附近的传感器数据组作为不包含由于车辆C的驾驶员的车辆操作而引起的异常值的数据（步骤S203）。接下来，通过参照先前的对应表313来确定与该选定的传感器数据对应的控制数据、即被输入上述传感器数据而以上述传感器数据为基础来确定控制量的车辆控制装置的控制数据（步骤S204）。该确定的控制数据中，对相应传感器数据的延迟时间超过“几百ms”的控制数据不是对上述传感器数据进行了响应的控制数据，并从上述确定的控制数据中排除。同样地，上述确定的控制数据中的、不存在对相应传感器数据的延迟时间的控制数据也从上述确定的控制数据中排除。或者在未将相应的传感器数据及控制数据登记于对应表313时，确定时序性变化彼此类似于传感器数据且相对于上述传感器数据的延迟时间在“几百ms”以内的控制数据。

这样一来，如图10所示，例如确定表示以加速器传感器的检测值为基础而确定控制量的发动机控制装置的控制量的变化的控制数据。该控制数据的变化成为与先前的图9（a）所示的加速器传感器的检测值的变化相关、且在一定的响应时间Ta例如“500ms左右”以内发生了延迟的变化。

与表示加速器传感器的检测值的变化的传感器数据对应的控制数据例如图10实线所示，具有与成为输入源的加速器传感器的组Gi1及Gi2对应的组Go1及Go2。因此，包含于该组Go1及Go2的控制数据组被确定为与先前的图9（b）所示的分布的中央值附近的传感器数据对应的数据（图8：步骤S205）。

接着通过步骤S206，求算包含于上述确定的组Go1及Go2内的各控制数据的偏差。接下来，判定该求出的各控制数据的偏差是否在异常偏差阈值以上，其中该异常偏差阈值表示用于判别包含于组Go1及Go2的控制数据组是否为异常的异常偏差（步骤S207）。即将大致的频率成分彼此通用地确定的控制数据组中，判定是否存在基于与人为因素不同的要素的频率成分、即是否存在为了包含有由于车辆控制系统的机械性异常或控制性异常而引起的数据变动而使偏差增大的控制数据。

其结果是，如图10例示那样，在包含于组Go1及Go2的控制数据组中，作为偏差大的控制数据，确定分别包含由于车辆控制系统的机械性或控制性异常而引起的数据变动De1及De2在内的两个控制数据。如图8所示，包括这些数据变动De1及De2在内的两个控制数据是上述异常诊断部240进行的应成为诊断对象的数据，通过识别部320来确定（步骤S207：是，S208）。

另一方面，在通过步骤S207判定为不存在具有异常偏差阈值以上的偏差的控制数据时，适当执行基于其他种类的传感器的传感器数据的读出、正态分布的算出、位于中央值附近的传感器数据组的确定、对应的控制数据的确定及上述确定的控制数据的偏差的算出等（步骤S207：否，S201～S208）。这样地分析存储于分析数据存储装置220的各种传感器数据及与各种传感器数据对应的各种控制数据，并根据该分析结果来确定应为诊断对象的控制数据。

如以上说明那样，根据本实施方式的车辆数据分析装置、车辆数据分析方法及故障诊断装置，能够得到上述（1）、（2）、（4）的效果，并且能够取代上述（3）而得到以下的效果。

（1A）上述运算部310执行了求算存储于分析数据存储装置220的车辆数据的正态分布的运算。识别部320识别正态分布中的中央值附近的车辆数据，并从分析数据存储装置220提取了该识别的车辆数据中的偏差相对大的车辆数据。因此，在通过车辆数据的统计性的分析而确定应成为诊断对象的车辆数据这一点上，能够将偏差的算出对象限定成将由于驾驶员的特异的车辆操作而引起的特异的车辆数据被排除后的车辆数据组。由此，相对于偏差的算出对象的车辆数据组，车辆控制系统的机械性异常或控制性异常引起的数据变动的支配度升高，进而能够可靠地将这样的数据变动反映到车辆数据的偏差中。由此，通过算出车辆数据的偏差，能够可靠地确定应为诊断对象的车辆数据。

（2A）将上述正态分布的算出对象作为车辆数据中的传感器数据。确定与位于该传感器数据的正态分布的中央值附近的传感器数据组对应的控制数据组，并从该确定的控制数据组中确定了应为诊断对象的控制数据。由此，能够基于直接反映车辆C的驾驶员的车辆操作的传感器数据来限定作为偏差的算出对象的控制数据。

（3A）以控制数据对传感器数据的延迟时间是否在“几百ms”以内为基准来判定传感器数据与控制数据的彼此的相关性。由此，能够利用表示时序性变化的传感器数据与控制数据之间产生的特有的延迟时间来确认这些数据的彼此的相关性，并且能够验证上述相关性。

（4A）在上述数据分析部300设有将传感器数据和与上述传感器数据的相关性高的控制数据彼此建立了关联的对应表313。通过参照该对应表313而确定了彼此的相关性高的传感器数据和控制数据。由此，仅通过参照对应表313，就能够容易地确定彼此的相关性高的传感器数据和控制数据，能减少上述确定所涉及的处理负载。

（5A）作为上述对应表313的登记内容，规定了表示加速器传感器的检测值的变化的传感器数据和表示反映上述传感器数据的变化的发动机控制装置的控制量的变化的控制数据。而且同样地，作为对应表313的登记内容，规定了表示转向传感器的检测值的变化的传感器数据和表示反映上述传感器数据的VSC控制装置的控制量的变化的控制数据。由此，在车辆数据中，也能够顺畅且可靠地进行尤其是彼此的相关性高而作为车辆的故障诊断用的诊断对象也重要的数据的建立对应。

图11～图13说明将本公开所涉及的车辆数据分析装置、车辆数据分析方法及故障诊断装置具体化的第三实施方式。该第三实施方式通过求算传感器数据和与上述传感器数据具有相关性的控制数据之间的差的运算，使车辆数据所包含的伴随车辆控制系统的机械性或控制性异常的发生而引起的数据变动显著化，其基本性的结构与先前的第一实施方式通用。

图11作为与先前的图1对应的图，表示该第三实施方式的车辆数据分析装置及故障诊断装置的结构。在该图11中，对于与先前的图1所示的各要素相同的要素分别标注相同的附图标记来表示，省略这些要素的重复的说明。

如图11所示，本实施方式的车辆控制装置组110将从传感器组100分别输入的表示上述传感器组100的检测值的时序性变化的传感器数据与上述车辆控制装置组110的控制数据一起向车辆存储装置120依次输出。由此，在本实施方式的车辆存储装置120中存储相对于车辆控制装置组110成为输入数据的传感器数据和成为上述车辆控制装置组110的输出数据的控制数据。这样一来，在车辆存储装置120中，存储有表示伴随车辆C的驾驶员进行的车辆操作而依次变化的车辆状态的变化的传感器数据及控制数据。在车辆C的故障诊断之际，存储于车辆存储装置120的传感器数据及控制数据通过例如有线通信等被取入到诊断车辆C有无异常的故障诊断装置200，适当存储于上述故障诊断装置200的分析数据存储装置220。

如图11所示，构成本实施方式的数据分析部400的运算部410具备相关数据建立对应部411，该相关数据建立对应部411将存储于分析数据存储装置220的传感器数据和与上述传感器数据具有相关性的控制数据彼此建立对应。运算部410具备将彼此的相关性高的传感器数据与控制数据预先彼此建立对应而进行了登记的对应表412。而且，运算部410具备：对由相关数据建立对应部411建立了对应的传感器数据进行频率分析（FFT）的传感器数据频率分析部413；和同样地对由相关数据建立对应部411建立了对应的控制数据进行频率分析的控制数据频率分析部414。而且同时，运算部410具备差计算部415，该差计算部415算出通过这些传感器数据频率分析部413及控制数据频率分析部414分别进行了频率分析的传感器数据和与上述传感器数据对应的控制数据之间的差。

其中，相关数据建立对应部411从分析数据存储装置220提取由某传感器取得的一传感器数据作为对车辆控制装置组110的输入数据。相关数据建立对应部411通过参照对应表412来确定与上述提取的一传感器数据的相关性高的一控制数据，并从分析数据存储装置220提取该确定的控制数据。相关数据建立对应部411在对应的传感器数据及控制数据未登记于对应表412时，将时序性变化与一传感器数据彼此类似、且相对于上述传感器数据的延迟时间在例如“500ms左右”以内的控制数据确定为与传感器数据的相关性高的控制数据。

相关数据建立对应部411将从分析数据存储装置220提取的彼此的相关性高的一对的传感器数据和控制数据分别向传感器数据频率分析部413和控制数据频率分析部414输出。对于这样的传感器数据及控制数据的提取，当在存储于分析数据存储装置220的加速器传感器的传感器数据存在例如50个时，以将其一个个与对应的一个控制数据一起依次提取的方式进行。加速器传感器的所有传感器数据被提取以后，例如依次进行制动传感器的传感器数据组和与上述传感器数据组对应的控制数据的提取。这样一来，存储于分析数据存储装置220的传感器数据及控制数据的全部均按照成为检测主体的传感器的种类及按照传感器数据依次提取，依次彼此建立对应而向传感器数据频率分析部413及控制数据频率分析部414依次输出。

传感器数据频率分析部413及控制数据频率分析部414对从相关数据建立对应部411依次输入的传感器数据及控制数据分别依次进行频率分析，并将该频率分析后的传感器数据及控制数据向差计算部415依次输出。

差计算部415在从传感器数据频率分析部413及控制数据频率分析部414取得彼此建立对应而进行频率分析后的传感器数据及控制数据时，求算这些取得的传感器数据与控制数据之间的差。差计算部415将与该求出的差相关的信息向识别部420输出。

本实施方式的识别部420根据与从差计算部415取得的传感器数据和控制数据之间的差相关的信息来识别差成为“0”以上的传感器数据及控制数据、或者差变得大于规定的阈值的传感器数据及控制数据。即通过差计算部415求出的传感器数据及控制数据之间的差成为控制数据中的、将类似于传感器数据的部分排除后的数据，换言之成为将基于车辆C的驾驶员的车辆操作的变化排除后的数据。因此，本实施方式的识别部420在传感器数据与控制数据之间的差为“0”以上时，或者超过规定的阈值时，识别为由于与车辆C的驾驶员的车辆操作不同的要素而引起的数据变动包含于控制数据。即，当传感器数据与控制数据之间存在差时，识别部420识别为上述控制数据中包含伴随车辆控制系统的机械性异常或控制性异常而引起的数据变动、且上述控制数据是在车辆C的故障诊断之际有用的数据。另一方面，当传感器数据与控制数据之间不存在差时，识别部420识别为上述控制数据中不包含伴随车辆控制系统的机械性异常或控制性异常而引起的数据变动。

识别部420从分析数据存储装置220提取识别为包含车辆控制系统的机械性异常或控制性异常的控制数据、并将该提取的控制数据向异常诊断部240输出。这样一来，异常诊断部240基于从识别部420输入的控制数据来确定在传感器数据与控制数据之间产生差的因素。

在本实施方式中，通过这样的具备运算部410及识别部420的数据分析部400，构成上述车辆数据分析装置。

图12及图13说明本实施方式的车辆数据分析装置、车辆数据分析方法及故障诊断装置的作用。

如图12所示，首先，通过步骤S301，数据分析部400从上述分析数据存储装置220读出作为诊断对象的车辆C的传感器数据。数据分析部400适当确定与该读出的传感器数据对应的控制数据，并从分析数据存储装置220读出该确定的控制数据（步骤S302）。这样一来例如从分析数据存储装置220适当读出与加速器传感器的传感器数据对应的控制数据。

其结果是，例如图13（a）所示，例如读出具有表示发动机控制装置的控制量的时序性变化的多个图案的控制数据组，作为与点火钥匙接通以后的加速器传感器的传感器数据对应的控制数据。在该实施方式中由期间T1表示那样，在从分析数据存储装置220读出的控制数据组中的两个控制数据中分别包含由于发动机控制装置的动作不良而引起的数据变动De1及De2。

如图12所示，数据分析部400分别对读出的传感器数据和与上述传感器数据对应的控制数据进行频率分析，求算上述频率分析的传感器数据和与上述传感器数据对应的控制数据之间的差（步骤S303）。这样一来例如图13（b）例示那样，适当求算频率分析的传感器数据和与上述传感器数据对应的控制数据之间的差。

接下来，在接着的步骤S305中，根据频率分析后的传感器数据与控制数据之间的差来确定与传感器数据之间的差值未成为“0”的控制数据、或者与传感器数据之间的差值比规定的阈值大的控制数据。即在先前的图13（b）所示的例子中，虽然大致的传感器数据与控制数据之间的差值成为近似于“0”的值，但由期间T1所示那样，包含上述数据变动De1、De2的各控制数据和与这些控制数据分别对应的各传感器数据之间的差值Df1、Df2分别成为较大程度地超过“0”的值。

因此，如图12所示，数据分析部400将成为该差值Df1、Df2的计算源的两个控制数据、即包含由于发动机控制装置的动作不良等而引起的数据变动De1、De2在内的两个控制数据确定为异常诊断部240的应诊断对象的数据（步骤S305）。在传感器数据与控制数据之间不存在差时，对于下一种类（不同的种类）的传感器数据与控制数据，建立对应，适当进行频率分析、差的算出等（步骤S301～S305）。

这样地适当执行相对于存储在分析数据存储装置220中的传感器数据及控制数据的分析，将包括由于车辆控制系统的机械性异常或控制性异常而引起的数据变动在内的控制数据向异常诊断部240适当输出。

如以上说明那样，根据本实施方式的车辆数据分析装置、车辆数据分析方法及故障诊断装置，能得到上述（1）、（2）、（4）、（3A）～（5A）的效果，并能够够取代上述（3）、（1A）、（2A）而能得到以下的效果。

（1B）作为使由于上述车辆控制系统的机械性异常或控制性异常而引起的数据变动显著化的运算，求出了传感器数据与控制数据之间的差。由此，能够利用传感器数据将控制数据所包含的人为因素引起的数据变动排除，能够容易地确定本来应为诊断对象的车辆数据。

（2B）分别基于频率分析后的传感器数据及控制数据而算出了上述传感器数据和与上述传感器数据对应的控制数据之间的差。由此，车能够更容易且可靠地实现由车辆控制系统的机械性异常或控制性异常而引起的数据变动的显著化。

上述各实施方式可以如下所示地以变更的方式来实施。

·在上述第二及第三实施方式中，以控制数据相对于传感器数据的延迟时间是否在约“几百ms”、作为一例为“500ms左右”以内为基准，判定了传感器数据与控制数据的彼此的相关性。并不局限于此，判断控制数据对传感器数据的相关性的延迟时间只要是基于车辆举动相对于由传感器数据表示的车辆C的驾驶员的车辆操作的响应时间所得的时间即可，可以根据构成车辆控制装置组110的各种车辆控制装置的特性而进行适当变更。

·在上述第二及第三实施方式中，作为上述对应表313、412的登记内容，如先前的图7所示，规定了表示加速器传感器的检测值的变化的传感器数据和表示被输入上述传感器数据而反映其变化的发动机控制装置的控制量的变化的控制数据。而且，作为对应表313、412的登记内容，规定了表示转向传感器的检测值的变化的传感器数据和表示被输入上述传感器数据而反映该变化的VSC控制装置的控制量的变化的控制数据。并不局限于此，对应表的登记内容只要表示彼此的相关性高的传感器数据及控制数据的对应关系即可，例如可以是表示向某车辆控制装置输入的传感器数据与从该车辆控制装置输出的控制数据之间的对应关系的对应表。

·在上述第二及第三实施方式中，在上述数据分析部300、400设有将传感器数据和与上述传感器数据的相关性高的控制数据彼此建立了关联的对应表313、412。并不局限于此，作为省略对应表313、412的结构且彼此的相关性高的传感器数据和控制数据，从分析数据存储装置220中检索时序性变化彼此类似且具有规定的时差的传感器数据与控制数据而建立对应。同样地，作为彼此的相关性高的传感器数据和控制数据，可以从分析数据存储装置220中检索时序性变化彼此类似的传感器数据和控制数据而建立对应。或者上述数据分析部300、400可以执行包含导出彼此的相关性高的传感器数据和控制数据的条件式的运算，并根据该运算而将传感器数据和与上述传感器数据对应的控制数据彼此建立对应。

·在上述第三实施方式中，基于分别进行了频率分析的传感器数据及控制数据而算出了传感器数据和与上述传感器数据对应的控制数据之间的差。并不局限于此，上述差的算出方法只要能算出传感器数据与控制数据之间的差即可，能够适当选择。

·在上述第二实施方式中，作为使由于上述车辆控制系统的机械性或控制性异常而引起的数据变动显著化的运算，求出了传感器数据的正态分布。确定与位于该正态分布的中央值附近的传感器数据组对应的控制数据组，从该确定的控制数据中，将偏差大的控制数据确定为应为诊断对象的车辆数据。并不局限于此，作为使上述数据变动显著化的运算，也可以求算控制数据的正态分布。即这种情况下，作为与先前的图8对应的图，例如图14所示，首先在步骤S401中，从分析数据存储装置220读出从作为诊断对象的车辆控制装置输出的控制数据。求算该读出的控制数据的正态分布，并选定在该求出的正态分布中位于中央值附近的控制数据组（步骤S402）。之后，算出该选定的位于中央值附近的控制数据组的各自的偏差（步骤S403）。接下来，判定该算出的各控制数据的偏差是否在异常偏差阈值以上，其中该异常偏差阈值表示用于判别在上述控制数据中是否包含有伴随车辆控制系统的机械性或控制性异常而引起的数据变动的异常偏差（步骤S404）。其结果是，当存在具有异常偏差阈值以上的偏差的控制数据时，将具有上述偏差的控制数据确定为应为诊断对象的车辆数据（步骤S404：是，S405）。这种情况下，作为偏差的算出对象的控制数据组被预先限定为表示平均的变化的控制数据组。由此，在该限定的控制数据组中，能够使包含伴随车辆控制系统的机械性或控制性异常而引起的数据变动在内的控制数据显著化。这种情况下，只要能取得控制数据作为分析对象即可，可以省略传感器数据和与上述传感器数据对应的控制数据的彼此的建立对应的处理等。由此，通过进一步简化的处理，能够确定应为诊断对象的控制数据。

·在上述第二实施方式中，作为使由于上述车辆控制系统的机械性或控制性异常引起的数据变动显著化的运算，求出了车辆数据的正态分布。并不局限于此，作为车辆数据的统计分布的代表的例子，可以求出车辆数据的卡方分布，只要求出车辆数据的统计分布，就能够适用本公开。

·在上述第一实施方式中，作为使由于上述车辆控制系统的机械性或控制性异常而引起的数据变动显著化的运算，求出了控制数据的单位时间内的变化量。在上述第二实施方式中，作为使上述数据变动显著化的运算，求出了传感器数据的正态分布。另一方面，在上述第三实施方式中，作为使上述数据变动显著化的运算，求出了传感器数据与控制数据之间的差。并不局限于此，例如可以在运算部设置将存储于分析数据存储装置220的控制数据对应车辆C的每个行驶条件进行分类的功能。而且，作为使由于车辆控制系统的机械性或控制性异常而引起的数据变动显著化的运算，可以执行将控制数据对应车辆C的每个行驶条件进行分类的运算。

例如图15所示，该变更例的运算部在首先读出存储于分析数据存储装置220的控制数据时，确定用于对上述控制数据进行分类的车辆C的行驶条件（步骤S501、S502）。在该实施方式中，例如控制数据是表示发动机控制装置的控制量的变化的数据时，将车辆C的点火钥匙接通以后的发动机的怠速的有无、所谓爬行的有无设为行驶条件。运算部以在车辆C的点火钥匙接通之后爬行是否持续了规定期间为基准，对表示发动机控制装置的控制量的变化的控制数据进行分类（步骤S503）。

接下来，如图16所示，控制数据被分类成不包含爬行现象的组Gc1和包含爬行现象的组Gc2。即存储于分析数据存储装置220的控制数据的变化的图案被分类成由于不包含爬行现象因此时序性变化彼此类似的组Gc1和由于包含上述爬行现象因此时序性变化与组Gc1不同且彼此类似的组Gc2这共计两个图案。

之后，如图15所示，运算部对应上述分类所得的每个组Gc1及Gc2来确定偏差大的控制数据（步骤S504）。即爬行现象的有无根据驾驶员对加速踏板的踏下状况来确定，因此以爬行现象的有无为判断基准来进行分类所得到的控制数据是根据驾驶员对加速踏板的踏下状况而进行分类所得到的。因此，在分类所得的组Gc1中和组Gc2中，由驾驶员对加速踏板的踏下状况对控制数据的支配度分别降低。因此，在以爬行现象的有无为判断基准而进行分类所得的组Gc1及Gc2各自之中，偏差变大的控制数据包含与爬行现象的有无不同的要素，即包含由于车辆控制系统的机械性异常或控制性异常而引起的数据变动，因此产生偏差的可能性高。因此这种情况下，分别在分类所得的组Gc1及Gc2中，偏差相对增大的控制数据被确定为反映了车辆控制系统的机械性或控制性异常的控制数据、即应为诊断对象的控制数据（步骤S505）。

并且，这种情况下，在算出控制数据的偏差之前，根据驾驶员对加速踏板的踏下状况而预先对控制数据进行分类。由此，不会发生例如加速踏板的踏下状况的不同成为各控制数据的偏差而被导出的情况。由此，由于车辆控制系统的机械性或控制性异常而引起的数据变动相对于上述分类后的控制数据的支配度增大，进而能够实现上述数据变动的显著化。

另外除此之外车辆C的行驶条件只要能反映驾驶员的车辆操作即可，例如可以以车辆C的行驶环境为城市及郊外中的哪一个、或车辆C的行驶环境为通常的汽车车道及高速汽车车道中的哪一个为基准。而且同样地，车辆C的行驶条件可以是基于汽车导航的驾驶支援的有无、车型、天气等。总之，按照彼此通用的行驶条件对多个控制数据进行分类，由此减少驾驶员的车辆操作对上述分类后的控制数据的影响，由此，只要能够使上述控制数据所包含由于车辆控制系统的机械性或控制性异常而引起的数据变动显著化，就可以设为车辆C的行驶条件。

·在上述各实施方式中，说明了对一个车辆控制装置输入一个传感器数据的例子，但向车辆控制装置输入的传感器数据也可以为两个以上。这种情况下，车辆控制装置分别基于输入的传感器数据来确定控制量，因此表示控制量的变化的控制数据成为将多个传感器数据的变化进行了合成后的数据。此外，这种情况下，上述第二实施方式的上述运算部执行求算向一个车辆控制装置输入的各个传感器数据的统计分布的运算、求算对各传感器数据进行了合成的数据的统计分布的运算。而且，这种情况下，上述第三实施方式的上述运算部执行求算从向一个车辆控制装置输入的多个传感器数据选择的传感器数据与从上述车辆控制装置输出的控制数据之间的差的运算。或者，上述第三实施方式的运算部执行求算对向一个车辆控制装置输入的多个传感器数据进行了复合的数据与从上述车辆控制装置输出的控制数据之间的差的运算。

·在上述各实施方式中，从由一台的车辆C取得的车辆数据中确定应为诊断对象的车辆数据。并不局限于此，故障诊断装置200也可以从多台车辆C取得车辆数据，并存储于分析数据存储装置220，从存储于该分析数据存储装置220的车辆数据中提取包含由于车辆控制系统的机械性异常或控制性异常而引起的数据变动在内的车辆数据。

·在上述各实施方式中，将存储于车辆C的车辆存储装置120的传感器数据、控制数据通过有线通信传送到故障诊断装置200。并不局限于此。也可以在车辆C及故障诊断装置200上分别设置能够彼此通信的无线通信机，通过双方的无线通信机间的无线通信，将存储于车辆C的车辆存储装置120的传感器数据、控制数据从车辆C传送到故障诊断装置200。这种情况下，即使在车辆C上未搭载故障诊断装置200，也能够动态地进行基于由车辆C取得的传感器数据、控制数据的车辆C的故障诊断。由此，能够灵活地进行车辆C的故障诊断，并能实现提前发现车辆C的故障。

·在上述各实施方式中，形成为将故障诊断装置200设于车辆C的外部的结构，但也可以将上述故障诊断装置200搭载于车辆C，并通过搭载于该车辆C的故障诊断装置200始终进行车辆C的故障诊断。这种情况下，也可以形成为省略搭载于车辆C的车辆存储装置120的结构，将从传感器组100、车辆控制装置组110输出的传感器数据、控制数据直接地适当取入到故障诊断装置200。在如上述第一实施方式那样，在通过求算控制数据的单位时间内的变化量而使包含车辆控制系统的机械性异常或控制性异常的数据变动显著化时，可以形成为不具备车辆存储装置120或分析数据存储装置220的结构。这种情况下，运算部依次取入从车辆控制装置组110输出的控制数据，依次算出该取入的控制数据的单位时间内的变化量。同样地，在如上述第三实施方式那样，在通过求算传感器数据和与上述传感器数据对应的控制数据之间的差而使包含车辆控制系统的机械性异常或控制性异常的数据变动显著化时，也可以形成为不具备车辆存储装置120或分析数据存储装置220的结构。这种情况下，运算部依次取入从传感器组100输出的传感器数据和从车辆控制装置组110输出的控制数据，依次算出该取入的传感器数据与控制数据之间的差。

·在上述各实施方式中，作为向车辆控制装置组110输入且反映车辆C的驾驶员进行的车辆操作方式的数据，规定了传感器组100的传感器数据。在上述第二实施方式或第三实施方式中，利用该传感器数据与控制数据的彼此的相关性，而使控制数据所包含的伴随车辆控制系统的机械性异常或控制性异常而引起的数据变动显著化。并不局限于此，例如基于以某传感器的传感器数据为基础而确定控制量的第一车辆控制装置的控制量来确定第二车辆控制装置的控制量时，能够基于成为第二车辆控制装置的输入数据的第一车辆控制装置的控制数据和成为第二车辆控制装置的输出数据的上述第二车辆控制装置的控制数据来执行使上述数据变动显著化的运算。而且这种情况下，能够基于向第一车辆控制装置输入的传感器数据和成为第二车辆控制装置的输出数据的上述第二车辆控制装置的控制数据来执行使上述数据变动显著化的运算。由此，能够基于成为车辆控制装置的控制量的确定基准的输入系列数据和表示以上述数据为基础确定的控制量的变化的输出系列数据来使在多个传感器或多个车辆控制装置协作而控制各种车载设备或系统的车辆控制系统中发送接收的车辆数据所包含的异常的数据变动显著化。这种情况下，这些输入系列数据及输出系列数据成为上述车辆数据。

附图标记说明

100…传感器组，110…车辆控制装置组，120…车辆存储装置，200…故障诊断装置，210…数据输入部，220…分析数据存储装置，230…数据分析部，231…运算部，231a…变化量计算部，232…识别部，240…异常诊断部，300…数据分析部，310…运算部，311…分布计算部，312…中央值选定部，313…对应表，320…识别部，400…数据分析部，410…运算部，411…相关数据建立对应部，412…对应表，413…传感器数据频率分析部，414…控制数据频率分析部，415…差计算部，420…识别部，C…车辆。

Claims (16)

1.一种车辆数据分析装置，对表示车辆状态的时序性变化的车辆数据进行分析，上述车辆数据分析装置具备：

运算部，构成为使上述车辆数据所包含的伴随车辆控制系统的机械性或控制性异常的发生而引起的数据变动显著化；

识别部，构成为基于上述运算部的运算结果来识别在上述车辆的异常诊断时作为诊断对象的车辆数据。

2.根据权利要求1所述的车辆数据分析装置，其中，

上述车辆数据包括传感器数据和控制数据作为反映上述车辆的驾驶员进行的车辆操作方式的数据，其中该传感器数据表示检测上述车辆状态的传感器的检测值的变化，该控制数据反映上述传感器数据的变化，

上述识别部构成为，基于上述运算部的运算结果将包含基于与上述车辆的驾驶员的车辆操作不同的要素而引起的数据变动在内的车辆数据确定为上述诊断对象。

3.根据权利要求1或2所述的车辆数据分析装置，其中，

作为上述运算，上述运算部求算上述车辆数据的单位时间内的变化量，

上述运算部还执行对上述求出的变化量为阈值以上的车辆数据进行确定的运算，其中该阈值表示与伴随上述车辆控制系统的机械性或控制性异常的发生而引起的数据变动相伴的变化量。

4.根据权利要求1或2所述的车辆数据分析装置，其中，

上述车辆数据分析装置还具备存储上述车辆数据的存储装置，

作为上述运算，上述运算部执行以下运算：求算存储于上述存储装置的车辆数据的统计分布，

上述识别部识别构成为，识别上述求出的统计分布中的中央值附近的车辆数据，并执行如下处理：从上述存储装置中提取上述识别出的车辆数据中的偏差相对大的车辆数据作为上述应为诊断对象的车辆数据。

5.根据权利要求2所述的车辆数据分析装置，其中，

上述运算部构成为，作为上述运算，求算上述传感器数据和与上述传感器数据具有相关性的控制数据之间的差，

上述识别部构成为，基于上述求出的差来识别上述应为诊断对象的车辆数据。

6.根据权利要求5所述的车辆数据分析装置，其中，

上述运算部构成为，基于分别进行频率分析后的传感器数据及控制数据来算出上述传感器数据和与上述传感器数据对应的控制数据之间的差。

7.根据权利要求1～6中任一项所述的车辆数据分析装置，其中，

上述车辆数据包括：

传感器数据，表示检测上述车辆状态的传感器的检测值的变化；及

控制数据，作为与上述传感器数据对应的数据而反映对应的传感器数据的变化，

这些传感器数据及控制数据以以下为条件而彼此相关性高地建立对应：

a.时序性变化彼此相关；且

b.上述控制数据相对于上述传感器数据的延迟时间处于车辆举动对由上述传感器数据表示的上述车辆的驾驶员的车辆操作的响应时间以内。

8.根据权利要求1～7中任一项所述的车辆数据分析装置，其中，

上述车辆数据分析装置还具备表示多种车辆数据彼此的对应关系的对应表，

在上述对应表中，表示检测上述车辆状态的传感器的检测值的变化的传感器数据和与上述传感器数据的相关性高的控制数据分别建立关联。

9.根据权利要求8所述的车辆数据分析装置，其中，

在上述对应表中，作为彼此的相关性高的传感器数据及控制数据，

将表示上述车辆的加速踏板的检测值的变化的数据与表示对搭载于上述车辆的发动机进行控制的发动机控制装置的控制量的变化的数据彼此建立对应并登记，并且，

将表示上述车辆的转向的操作量的变化的数据与表示执行上述车辆的稳定性控制的VSC控制装置的控制量的变化的数据彼此建立对应并登记。

10.一种故障诊断装置，具备权利要求1～9中任一项所述的车辆数据分析装置作为对表示车辆状态的时序性变化的车辆数据进行分析的车辆数据分析装置，

上述故障诊断装置基于由上述车辆数据分析装置分析而得到的上述车辆数据来诊断上述车辆有无异常。

11.一种车辆数据分析方法，对表示车辆状态的时序性变化的车辆数据进行分析，

上述车辆数据分析方法包括：

使上述车辆数据所包含的伴随车辆控制系统的机械性或控制性异常的发生而引起的数据变动显著化；

将具有该显著化的数据变动的车辆数据确定为在上述车辆的异常诊断中使用的诊断对象。

12.根据权利要求11所述的车辆数据分析方法，其中，

上述车辆数据包括传感器数据和控制数据作为反映上述车辆的驾驶员的车辆操作方式的数据，其中该传感器数据表示检测上述车辆状态的传感器的检测值的变化，该控制数据反映上述传感器数据的变化，

上述确定，将包含基于与上述车辆的驾驶员的车辆操作不同的要素而引起的数据变动在内的车辆数据确定为上述诊断对象。

13.根据权利要求11或12所述的车辆数据分析方法，其中，

上述显著化，求算上述车辆数据的单位时间内的变化量，

上述确定，选定上述求出的上述车辆数据的单位时间内的变化量为阈值以上的车辆数据，其中该阈值表示与伴随上述车辆控制系统的机械性或控制性异常的发生而引起的数据变动相伴的变化量。

14.根据权利要求11或12所述的车辆数据分析方法，其中，

上述车辆数据分析方法还包括存储上述车辆数据，

上述显著化，求算上述存储的车辆数据的统计分布，

上述确定，识别以上述统计分布所表示的车辆数据中的中央值附近的车辆数据，并从上述存储的车辆数据中将上述识别出的车辆数据中的偏差相对大的车辆数据确定为上述应为诊断对象的车辆数据。

15.根据权利要求12所述的车辆数据分析方法，其中，

上述显著化，根据上述传感器数据和与上述传感器数据具有相关性的控制数据之间的差，使伴随上述车辆控制系统的机械性或控制性异常的发生而引起的数据变动显著化。

16.根据权利要求15所述的车辆数据分析方法，其中，

上述显著化，对传感器数据和与上述传感器数据对应的控制数据进行频率分析，并基于该频率分析后的传感器数据和与上述传感器数据对应的控制数据来算出上述传感器数据与上述控制数据之间的差。

Images