CN113580914A - 油状态推定装置、车辆用控制装置及系统、及数据分析装置 - Google Patents

Abstract

本发明涉及一种应用于利用旋转体对油进行搅拌的车辆的油状态推定装置，所述油状态推定装置配备有存储装置和执行装置。所述存储装置存储有规定映射的映射数据，所述映射包含有速度变量和压力变量来作为输入变量，并且，包含有气泡变量来作为输出变量，所述速度变量是表示所述旋转体的转速的变量，所述压力变量是表示所述油的压力的变量，所述气泡变量是与包含在所述油中的气泡相关的变量。并且，所述执行装置执行取得处理和计算处理，所述取得处理取得所述输入变量的值，所述计算处理通过将由所述取得处理取得的所述输入变量的值输入所述映射来计算输出变量的值。

Description

油状态推定装置、车辆用控制装置及系统、及数据分析装置

技术领域

本发明涉及油状态推定装置、车辆用控制装置、车辆用控制系统、以及数据分析装置。

背景技术

例如，在下面所述的日本特开2011-179627中，记载了基于与动力分配装置连接的车载旋转机的旋转轴的转速，逐次计算出润滑油中的空气混入量的更新量，利用计算出的更新量来计算空气的混入量的装置。

发明内容

但是，由于空气的混入不仅仅是由旋转机的转速决定的，因此，如上所述只根据旋转机的转速并不一定能够高精度地计算出空气的混入量。

本发明涉及不是只根据搭载于车辆的旋转机的旋转轴的转速来计算气泡变量的值，且能够高精度地计算出气泡变量的值的油状态推定装置、车辆用控制装置、车辆用控制系统和数据分析装置。本发明的第一种方式的油状态推定装置应用于利用旋转体对油进行搅拌的车辆，配备有执行装置和存储装置。所述存储装置存储有规定映射的映射数据，所述映射包括速度变量和压力变量来作为输入变量，并且，包括气泡变量来作为输出变量，所述速度变量为表示所述旋转体的转速的变量，所述压力变量为表示所述油的压力的变量，所述气泡变量为与包含在所述油中的气泡相关的变量。并且，所述执行装置执行取得处理和计算处理，所述取得处理取得所述输入变量的值，所述计算处理通过将由所述取得处理取得的所述输入变量的值输入所述映射来计算输出变量的值。

包含在油中的气泡的量依赖于油的压力。根据所述第一种方式的油状态推定装置，不仅基于对油进行搅拌的旋转体的转速，还基于油的压力来计算作为与包含在油中的气泡相关的变量的气泡变量的值。因此，与只根据旋转体的转速来计算气泡变量的值的情况相比，能够以更高的精度计算气泡变量的值。

在上述第一种方式的油状态推定装置中，在所述输入变量中也可以包括温度变量，所述温度变量为表示所述油的温度的变量。即使旋转体的转速以及油的压力相同，包含在油中的气泡的量也会根据油的温度的不同而变成不同的量。根据上述结构的油状态推定装置，通过基于温度变量来计算气泡变量的值，与不参照温度变量的情况相比，能够以更高的精度计算气泡变量的值。

在上述第一种方式的油状态推定装置中，为了切换变速装置的变速比，所述油也可以对所述变速装置进行液压驱动，所述变速装置能够改变作为车载原动机的旋转轴的转速与驱动轮的转速之比的变速比。所述速度变量也可以包括车速。所述压力变量也可以包括加速器操作量。

对变速装置进行液压驱动的油被变速装置内的旋转体搅拌。并且，该旋转体的转速与车速成正比。另外，因旋转体对油进行搅拌而产生的气泡的量依赖于油的压力。并且，油的压力在车辆的驱动力大的情况下与车辆的驱动力小的情况下相比有变大的倾向。换句话说，油的压力在加速器操作量大的情况下与加速器操作量小的情况下相比有变大的倾向。根据上述结构的油状态推定装置，通过使用车速及加速器操作量，能够高精度地把握对油进行搅拌的旋转体的转速以及油的压力而计算出气泡变量的值。

在上述第一种方式的油状态推定装置中，在所述输入变量中也可以包括停止时间变量和旋转时间变量中的至少一个变量，所述停止时间变量为表示所述旋转体停止的时间的变量，所述旋转时间变量为表示所述旋转体旋转的时间的变量。

尽管当油被搅拌时油中的气泡的量会增加，但是，通过持续地处于不被搅拌的状态，气泡的量逐渐减少。根据上述第一种方式的油状态推定装置，通过基于停止时间变量以及旋转时间变量中的至少一项来计算气泡变量的值，能够将在被搅拌的状态下气泡的增加以及不被搅拌的状态下气泡的减少反映在气泡变量的值中。

在上述第一种方式的油状态推定装置中，在对于所述映射的输入变量中也可以包括所述速度变量的时间序列数据以及所述压力变量的时间序列数据。所述取得处理也可以包括取得所述速度变量的时间序列数据以及所述压力变量的时间序列数据的处理。所述计算处理也可以是通过将由所述取得处理取得的所述速度变量的时间序列数据以及所述压力变量的时间序列数据输入所述映射来计算所述输出变量的值的处理。

当油被搅拌时，油中的气泡的量增加，在对油进行搅拌的旋转体的转速大的情况下与该转速小的情况下相比，这种增加变大。另外，在油的压力大的情况下与油的压力小的情况下相比，因油被搅拌而引起的油中的气泡的量的增加变大。进而，尽管当油被搅拌时油中的气泡的量增加，但是，通过持续地处于不被搅拌的状态，气泡的量会逐渐减少。根据上述结构的油状态推定装置，由于能够利用时间序列数据取得关于油被搅拌以及油不被搅拌的期间的信息，因此，能够以更高的精度计算气泡变量的值。

在上述第一种方式的油状态推定装置中，所述气泡变量也可以包括所述油中的气泡量的更新量。所述映射也可以包括将所述输入变量的值作为输入而输出所述气泡量的更新量的函数逼近器。并且，所述计算处理也可以包括如下处理：将由所述取得处理反复取得的所述输入变量的值作为对于所述映射的输入，反复计算所述输出变量的值，并且，利用每次计算出的所述输出变量的值来更新所述气泡量。

利用在规定期间中的旋转体的转速、油的压力，可以掌握规定期间中的油中的气泡的变化量。根据上述结构的油状态推定装置，通过向映射中输入旋转变量的值、压力变量的值等，计算出在规定期间中的油中的气泡量的变化量。并且，通过将该变化量作为更新量来更新油中的气泡量，能够计算出油中的气泡量。

在上述第一种方式的油状态推定装置中，所述气泡变量也可以包括所述油中的气泡量。所述映射也可以包括将所述输入变量的值作为输入而输出所述气泡量的递归结合型神经网络。

利用规定期间中的旋转体的转速、油的压力，可以掌握规定期间中的油中的气泡的变化量。另一方面，递归结合型神经网络能够不仅基于一次的输入变量的值，而且基于过去的输入变量的值来计算输出变量的值。根据上述结构的油状态推定装置，通过利用递归结合型神经网络，能够基于过去的速度变量的值及压力变量的值的履历来计算气泡变量的值。从而，在上述结构中，通过将足够远的过去的履历反映到递归结合型神经网络的输出变量的值中，能够使气泡变量不是预定的规定期间中的气泡量的变化量，而是气泡量本身。

在上述第一种方式的油状态推定装置中，所述气泡变量也可以包括必要停止时间，所述必要停止时间是为了使所述油中的气泡量为规定量以下而需要的所述旋转体的停止时间。

尽管在油被搅拌时油中的气泡的量增加，但是，通过持续地处于不被搅拌的状态，气泡的量逐渐减少。并且，为了使油中的气泡量为规定量以下而需要的旋转体的停止时间，依赖于当前时刻的油中的气泡。因此，必要停止时间依赖于速度变量的值、压力变量的值。因此，根据上述结构的油状态推定装置，能够基于这些变量的值来计算必要停止时间。

在上述第一种方式的油状态推定装置中，所述输出变量也可以包括可否判定变量，所述可否判定变量表示是否有必要更换所述油。在油中含有消泡剂等，消泡剂等因旋转体的旋转而被剪断。因此，当消泡剂等的劣化进行时，油中的气泡容易增加。并且，在该情况下，希望更换油。

但是，即使气泡的量过度增加而产生问题，但在持续处于不被搅拌的状态的情况下，气泡也会逐渐减少。因此，即使油中存在问题而将车辆送进修理厂等中，在没有进行油的搅拌的期间变长的情况下，也会变成在油中并不过度地存在气泡。

因此，根据上述结构的油状态推定装置，基于速度变量等来掌握消泡剂等油中的成分的剪断等的履历，通过基于该履历来计算表示油的更换是否必要的可否判定变量的值，无论在检查油时的油中的气泡量的多寡，都能够判定是否应当更换油。

本发明的第二种方式的车辆用控制装置配备有所述油状态推定装置中的所述执行装置以及所述存储装置。油是工作油，所述工作油的压力由液压调整装置来调整。所述执行装置构成为，在由所述计算处理计算出的所述气泡量成为阈值以上的情况下，执行通过操作所述液压调整装置而使所述压力降低的应对处理。

通过旋转体对油进行搅拌而产生的气泡的量，在油的压力高的情况下与油的压力低的情况下相比变多。因此，根据上述第二种方式的车辆用控制装置，通过在气泡量变多的情况下使压力降低，能够抑制气泡量进一步变多。

本发明的第三种方式的车辆用控制装置包括：所述油状态推定装置中的所述执行装置以及所述存储装置。为了切换变速装置的变速比，所述油对所述变速装置进行液压驱动，所述变速装置能够改变作为车载原动机的旋转轴的转速与驱动轮的转速之比的变速比。所述执行装置构成为，在由所述计算处理计算出的所述气泡量成为阈值以上的情况下，执行将所述车载原动机的转矩限制在小的一侧的应对处理。

通过旋转体对油进行搅拌而产生的气泡的量，在油的压力高的情况下与油的压力低的情况下相比变多。另一方面，对变速装置进行液压驱动的油的压力，在车载原动机的转矩大的情况下与该转矩小的情况下相比有变大的倾向。因此，根据上述第三种方式的车辆用控制装置，在气泡量多的情况下，通过将车载原动机的转矩限制在小的一侧，能够将油的压力限制在小的一侧，进而，能够抑制气泡量进一步变多。

本发明的第四种方式的车辆用控制装置包括：所述油状态推定装置中的所述执行装置、以及所述油状态推定装置中的所述存储装置。所述执行装置构成为，在由所述计算处理计算出的所述可否判定变量的值是表示有必要更换所述油的值的情况下，执行操作报知装置而向使用者报知该情况的应对处理。

根据上述第四种方式的车辆用控制装置，在有必要更换油的情况下，通过报知使用者上述内容，能够告知使用者应当换油。

本发明的第五种方式的车辆用控制系统包括：所述车辆用控制装置中的所述执行装置、以及所述车辆用控制装置中的所述存储装置。所述执行装置包括配备在所述车辆中的第一执行装置和不配备在所述车辆中的第二执行装置。所述第二执行装置构成为至少执行所述计算处理和发送所述计算处理的计算结果的外部侧发送处理。所述第一执行装置构成为至少执行接收所述计算处理的计算结果的车辆侧接收处理和所述应对处理。

根据上述第五种方式的车辆用控制系统，通过第二执行装置执行计算处理，与由第一执行装置执行计算处理的情况相比，能够减轻第一执行装置的运算负荷。

本发明的第六种方式的车辆用控制装置包括：所述车辆用控制系统中的所述第一执行装置。另外，本发明的第七种方式的数据分析装置包括：所述车辆用控制系统中的所述第二执行装置、以及所述车辆用控制系统中的所述存储装置。

附图说明

下面，将参照附图描述本发明的示范性的实施方式的特征、优点和技术及工业上的意义，在附图中，类似的附图标记表示类似的部件，其中：

图1是表示根据本发明的第一种实施方式的控制装置以及动力传递装置的图。

图2是表示根据第一种实施方式的控制装置执行的处理的框图。

图3是表示根据第一种实施方式的控制装置执行的处理的步骤的流程图。

图4是表示根据第一种实施方式的搅拌量与气泡量的关系的图。

图5是表示根据第一种实施方式的连续行驶时间与气泡量的关系的图。

图6是表示根据第一种实施方式的连续停止时间与气泡量的关系的图。

图7是表示根据第一种实施方式的加速器操作量与气泡量的关系的图。

图8是表示根据第一种实施方式的车速与气泡量的关系的图。

图9是表示根据第一种实施方式的油温与气泡量的关系的图。

图10是表示根据第一种实施方式的应对处理的详细情况的流程图。

图11是表示根据本发明的第二种实施方式的控制装置执行的处理的步骤的流程图。

图12是表示根据本发明的第三种实施方式的控制装置执行的处理的步骤的流程图。

图13是表示根据本发明的第四种实施方式的车辆用控制系统的结构的图。

图14A是表示第四种实施方式的车辆用控制系统执行的处理的步骤的流程图。

图14B是表示第四种实施方式的车辆用控制系统执行的处理的步骤的流程图。

具体实施方式

下面，参照附图对于第一种实施方式进行说明。如图1所示，动力分配装置20被机械地连接于曲轴12，所述曲轴12是作为车载原动机的内燃机10的旋转轴。动力分配装置20对内燃机10、第一电动发电机22以及第二电动发电机24的动力进行分配。动力分配装置20配备有行星齿轮机构，曲轴12被机械地连接于行星齿轮机构的行星齿轮架C，第一电动发电机22的旋转轴22a被机械地连接于太阳齿轮S，第二电动发电机24的旋转轴24a被机械地连接于齿圈R。另外，第一逆变器23的输出电压被施加于第一电动发电机22的端子。另外，第二逆变器25的输出电压被施加于第二电动发电机24的端子。

除了第二电动发电机24的旋转轴24a之外，还将驱动轮30经由变速装置26机械地连接于动力分配装置20的齿圈R。另外，油泵32的从动轴32a被机械地连接于行星齿轮架C。油泵32是将集油盘34内的油作为润滑油使其在动力分配装置20中循环或者将该油作为工作油向变速装置26排出的泵。另外，从油泵32排出的工作油，由变速装置26内的液压控制回路26a对其压力进行调整，以作为工作油来使用。

控制装置40将内燃机10作为控制对象，为了控制作为其控制量的转矩或排气成分比例等，而对内燃机10的各种操作部进行操作。另外，控制装置40将第一电动发电机22作为控制对象，为了控制作为其控制量的转矩或转速等，而对第一逆变器23进行操作。另外，控制装置40将第二电动发电机24作为控制对象，为了控制作为其控制量的转矩或转速等，而对第二逆变器25进行操作。

控制装置40在控制上述控制量时，参照曲柄角传感器50的输出信号Scr、检测第一电动发电机22的旋转轴22a的旋转角的第一旋转角传感器52的输出信号Sm1、检测第二电动发电机24的旋转轴24a的旋转角的第二旋转角传感器54的输出信号Sm2。另外，控制装置40参照作为由油温传感器56检测出的油的温度的油温Toil、由车速传感器58检测出的车速SPD、作为由加速传感器62检测出的加速踏板60的操作量的加速器操作量ACCP。

控制装置40配备有CPU42、ROM44、作为能够进行电子改写的非易失性存储器的存储装置46、以及外围电路48，这些部分能够通过局域网络49进行通信。这里，外围电路48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。通过由CPU42执行被存储在ROM44中的程序，控制装置40对控制量进行控制。

在图2中表示控制装置40执行的处理的一部分。通过由CPU42例如以规定周期反复执行存储在ROM44中的程序，实现图2中所示的处理。

驱动转矩设定处理M10是这样的处理：以加速器操作量ACCP作为输入，在加速器操作量ACCP大的情况下，与加速器操作量ACCP小的情况相比，将作为应当给予驱动轮30的转矩的指令值的驱动转矩指令值Trq*计算成大的值。

驱动力分配处理M12是基于驱动转矩指令值Trq*设定对于内燃机10的转矩指令值Trqe*、对于第一电动发电机22的转矩指令值Trqm1*、以及对于第二电动发电机24的转矩指令值Trqm2*的处理。这些转矩指令值Trqe*、Trqm1*、Trqm2*分别由内燃机10、第一电动发电机22以及第二电动发电机24生成，由此，被设定成使给予驱动轮30的转矩成为驱动转矩指令值Trq*的值。

变速比设定处理M14是基于车速SPD以及驱动转矩指令值Trq*来设定作为变速装置26的变速比的指令值的变速比指令值Vsft*的处理。管路压力指令值设定处理M16是基于驱动转矩指令值Trq*来设定作为变速装置26内的油的压力的指令值的管路压力指令值Pr*的处理。详细地说，是在驱动转矩指令值Trq*大的情况下与驱动转矩指令值Trq*小的情况下相比，将管路压力指令值Pr*设定成大的值的处理。

变速操作处理M18是这样的处理：为了基于管路压力指令值Pr*将在变速装置26中用于对离合器或制动器等摩擦卡合部件进行液压驱动的油的压力控制成管路压力指令值Pr*，或者将变速比控制成变速比指令值Vsft*，而向变速装置26输出操作信号MS。

进而，控制装置40掌握油中的气泡量等，在有问题的情况下，执行应对问题的处理。下面，对此进行说明。在图3中，表示根据本实施方式的控制装置40执行的处理的步骤。图3中所示的处理，通过由CPU42例如以规定周期反复执行存储在ROM44中的程序来实现。另外，下面，利用字头带有“S”的数字表示各处理的步骤编号。

在图3所示的一系列处理中，CPU42首先取得加速器操作量ACCP、车速SPD、以及油温Toil(S10)。其次，CPU42判定与油中的气泡量等相关的计算执行条件是否成立(S12)。在本实施方式中，在从前一次计算处理的执行时刻起经过了预定的规定期间的情况下，计算执行条件成立。

CPU42在判定为计算执行条件成立的情况下(S12：是)，通过S14、S16的处理，取得用于计算处理的输入变量的值。即，CPU42取得连续停止时间Ts和连续旋转时间Tr的时间序列数据(S14)，所述连续停止时间Ts为内燃机10、第一电动发电机22以及第二电动发电机24这三个旋转机全部持续停止的时间，所述连续旋转时间Tr为内燃机10、第一电动发电机22以及第二电动发电机24这三个旋转机中的至少一个连续旋转的时间。例如，在前一次计算处理的执行时刻之后，三个旋转机中的至少一个进行工作的状态持续规定时间T1，接着，三个旋转机全部变成停止状态的状态持续了规定时间T2的时刻，在S12的处理中作出肯定判定的情况下，成为如下所述的情况。即，CPU42将规定时间T1代入到连续旋转时间Tr(1)中，将规定时间T2代入到连续停止时间Ts(1)中，将“0”代入到连续旋转时间Tr(2)、Tr(3)、…以及连续停止时间Ts(2)、Ts(3)…中。另外，在前一次计算处理的执行时刻之后，三个旋转机之中的至少一个工作的状态、全部停止的状态、至少一个工作的状态、以及全部停止的状态出现，在S12的处理中作出肯定判定的情况下，成为如下所述的情况。即，CPU42将比零大的值代入到连续旋转时间Tr(1)、Tr(2)以及连续停止时间Ts(1)、Ts(2)中，将“0”代入到连续旋转时间Tr(3)、Tr(4)、…以及连续停止时间Ts(3)、Ts(4)、…中。

这里，连续旋转时间Tr(1)、Tr(2)、…是与油中的气泡的量具有正相关性的参数，连续停止时间Ts(1)、Ts(2)、…是与油中的气泡的量具有负相关性的参数。即，由于气泡是因油被动力分配装置20或变速装置26的旋转体搅拌而产生的，因此，如图4所示，随着油的搅拌量变大，气泡量也变多。另外，在图4中，“搅拌量”是在对油进行搅拌的旋转体的转速大的情况下与该转速小的情况相比变得更大的量，另外，该“搅拌量”是即使在相同的转速下，在被搅拌的时间长的情况下与被搅拌的时间短的情况相比变得更大的量。

在图5中，表示作为车辆连续行驶的时间的连续行驶时间与气泡量的关系。这里，在车辆正在行驶时，由于动力分配装置20、变速装置20的旋转体旋转，因此，这被看作是动力分配装置20、变速装置26的旋转体的旋转状态持续的时间，即，连续旋转时间Tr。

另外，在图6中表示连续停止时间Ts与气泡量的关系。如图6所示，随着连续停止时间Ts变大，气泡量逐渐减少。其次，CPU42计算出在从前一次计算处理的执行时刻起到本次S12的处理中作出肯定判定为止的上述规定期间内的加速器操作量ACCP的最大值ACCPmax、车速SPD的最大值SPDmax、以及油温Toil的平均值Toilave、和累计车速定量值InSPD(S16)。

这里，加速器操作量ACCP是与气泡量具有正相关性的参数。即，加速器操作量ACCP越大，则驱动转矩指令值Trq*变成越大的值，进而，管路压力指令值Pr*被设定成大的值。并且，在管路压力指令值Pr*高的情况下与该指令值Pr*低的情况相比，变得更容易产生气泡。

在图7中表示加速器操作量ACCP与气泡量的关系。如图7所示，加速器操作量ACCP越大，则气泡量变得越多。另外，实际上，当管路压力变大到一定程度时，气泡量具有非线性地变多的倾向，但是，在图7中没有记载这一点。

在本实施方式中，特别地，鉴于加速器操作量ACCP越大则气泡量变得越多，并且，为了削减在计算后面将要描述的输出变量时所使用的输入变量的维数，对于输入变量采用了加速器操作量ACCP的最大值ACCPmax。

另外，车速SPD是与气泡量具有正相关性的参数。即，总体而言，由于车速SPD越大，则动力分配装置20、变速装置26的旋转体的转速变得越大，因此，油的搅拌量变大。因此，车速SPD越大，则油中的气泡量变得越多。

在图8中表示车速SPD与气泡量的关系。另外，实际上，当旋转体的转速变大到一定程度时，气泡量存在非线性地变多的倾向，但是，在图8中，没有记载这一点。

在本实施方式中，特别地，鉴于车速SPD越大则气泡量变得越多，并且，为了削减在计算输出变量时所使用的输入变量的维数，对于输入变量，采用车速SPD的最大值SPDmax。

另外，油温Toil是与气泡量具有正相关性的参数。在图9中表示油温Toil与气泡量的关系。在本实施方式中，为了削减计算输出变量时所使用的输入变量的维数，采用油温Toil的平均值Toilave。

另外，在S16的处理中，还计算累计车速定量值InSPD。累计车速定量值InSPD为：将车速SPD的大小分类成多个区域，车速SPD包含在越大的分类中，则乘以越大的加权系数而得到的车速SPD的加权累计值。另外，累计车速定量值InSPD将从车辆VC出厂时和对油进行更换时之中的晚的一方的时刻起到当前为止的车速SPD定量化。

累积车速定量值InSPD是用于掌握油的劣化等的变量。即，通常，在油中包含有消泡剂等，消泡剂等因旋转体的旋转而被剪断等，产生劣化。并且，当劣化进行时，变得容易产生气泡，在发挥油的本来的功能方面，变成要求进行油的更换的状态。但是，由于即使因旋转体的旋转而劣化的油中的气泡急剧地增加而对变速装置26进行的变速操作等造成麻烦，通过持续处于旋转体的停止状态，气泡量也会减少，因此，根据旋转体停止着时的气泡量难以判定油的劣化。并且，由于上述变量是用于掌握当前时刻的油中的气泡量的参数，因此，难以掌握是否有必要进行油的更换。因此，作为用于判定是否有必要更换油的变量，采用累计车速定量值InSPD。

另外，累计车速定量值InSPD不是车速SPD的简单的累计值的原因在于，在动力传递装置内的旋转体的转速与油的劣化之间存在着非线性关系，在旋转体的转速大的情况下，油的劣化易于变得特别显著。

CPU42当取得上述各个变量的值时，将在S14、S16的处理中计算出的变量的值代入到对于由存储在图1所示的存储装置46中的映射数据DM规定的映射的输入变量中(S18)。即，CPU42将最大值ACCPmax代入到输入变量x(1)中，将最大值SPDmax代入到输入变量x(2)中，将平均值Toilave代入到输入变量x(3)中，将累计车速定量值InSPD代入到输入变量x(4)中，将在S14的处理中计算出的变量的值代入到输入变量x(5)、x(6)…中。

接下来，CPU42通过将输入变量x(1)、x(2)、x(3)、…代入到上述映射中，计算出作为与油中的气泡相关的变量的输出变量y1～y3(S20)。

在本实施方式中，作为映射例示了函数逼近器，详细地说，例示了中间层为1层、输出层的节点数为3个的全连接前馈型的神经网络。具体地，通过S18的处理而被代入了数值的输入变量x(1)～x(m)和作为偏移参数的x(0)被由系数wFjk(j＝1～m，k＝0～n)规定的线性映射转换成“m”个值，将所述“m”个值的每一个代入到激活函数f中，由此，确定中间层的节点的值。另外，将利用由系数wSij(i＝1～3)规定的线性映射对中间层的节点的值的每一个进行转换而得到的三个值的每一个代入到激活函数g中，由此，确定输出变量y1～y3。另外，在本实施方式中，作为激活函数f、g，例示为双曲正切。

这里，输出变量y1是表示油中的气泡量的更新量的变量。另外，输出变量y2是表示设想油中的气泡量减少到规定的量所需要的时间的变量。这里，规定量被设定为即使车辆行驶规定距离也没有问题的程度的气泡量。另外，在输出变量y2的值变成“0”以下的情况下，表示油中的气泡量在规定量以下。

另外，输出变量y3是表示是否有必要更换油的可否判定变量，在本实施方式中，表示在值大的情况下与值小的情况相比，更换油的必要性更高的情况。

上述映射数据DM是学习完毕的模型，所述学习完毕的模型是在被安装到车辆VC(1)中之前，利用与车辆VC(1)同样规格的车辆、或者配备有其内燃机10、第一电动发电机22、第二电动发电机24、动力分配装置20、变速装置26以及油泵32的动力传递装置进行过学习的模型。即，取得将动力传递装置的状态设定成各种状态时的输入变量，并且，对由摄像装置产生的对于这时的集油盘34内的油的图像数据进行分析，计算出油中的气泡量。另外，之后，使动力传递装置处于停止状态，并且，监视该图像数据以监视油中的气泡量的减少，对气泡量下降到规定量所需的时间进行计时。进而，在检测到伴随着动力传递装置的工作而使气泡异常上升等异常现象的情况下，判定为有必要对油进行更换。这样生成训练数据，基于训练数据来学习映射数据DM。并且，通过与输出变量y1～y3的值相关的由映射数据DM输出的值与训练数据的值之差达到规定值的以下，学习完毕，将映射数据DM存储到存储装置46中。

接下来，CPU42通过将输出变量y1的值与气泡量Qb相加，对气泡量Qb进行更新，并且，将输出变量y2的值代入到作为设想油中的气泡量减少到规定量所需的时间的必要停止时间Td中(S22)。

接下来，CPU42判定输出变量y3的值是否在阈值yth以上(S24)。该处理是判定是否有必要对油进行更换的处理。阈值yth被设定为有必要对油进行更换时的输出变量y3的值。

CPU42在判定为是在阈值yth以上的情况下(S24：是)，判定为有必要对油进行更换(S26)。并且，在S26的处理完毕的情况下，或者在S24的处理中作出否定判定的情况下，CPU42执行应对S22～S26的处理结果的应对处理(S28)。

在图10中表示应对处理的详细情况。在图10所示的一系列处理中，CPU42首先判定气泡量Qb是否在阈值Qbth以上(S30)。阈值Qbth是基于气泡量Qb的值而设定的，该气泡量Qb是若气泡量增加到其以上，则油不能发挥预期性能的气泡量。CPU42在判定为是在阈值Qbth以上的情况下(S30：是)，将驱动转矩设定处理M10输出的驱动转矩指令值Trq*和上限保护值Trqeth之中小的一方代入到驱动转矩指令值Trq*中(S32)，该驱动转矩指令值Trq*被分别输入给驱动力分配处理M12、变速比设定处理M14以及管路压力指令值设定处理M16。由此，由于管路压力指令值Pr*被限制在小的一侧，因此，CPU42以将从液压控制回路26a输出的工作油的压力限制在小的一侧的方式对液压控制回路26a进行操作。

CPU42在S32的处理完毕的情况下，或者在S30的处理中作出否定判定的情况下，操作显示器70，将必要停止时间Td的视觉信息显示在显示器70中(S34)。

并且，CPU42判定是否由S26的处理作出了有必要对油进行更换的意思的判定(S36)。CPU42在判定为作出了该判定的情况下(S36：是)，操作显示器70，执行将有必要对油进行更换的意思报告给使用者的报知处理(S38)。

另外，CPU42在S38的处理完毕的情况下，或者在S36的处理中作出否定判定的情况下，结束图3所示的S28的处理。返回图3，CPU42在完成S28的处理的情况下，或者在S12的处理中作出否定判定的情况下，暂时结束图3所示的一系列的处理。

这里，对于本实施方式的作用及效果进行说明。CPU42逐次取得加速器操作量ACCP、车速SPD以及油温Toil，每规定周期计算出最大值ACCPmax、SPDmax、平均值Toilave、连续旋转时间Tr、以及连续停止时间Ts。并且，CPU42通过将它们输入到由映射数据DM规定的映射中，计算出输出变量y1～y3的值，基于这些值来计算气泡量Qb。这样，通过不仅基于表示动力传递装置内的旋转体的转速的车速SPD，还基于表示管路压力的最大值ACCPmax等来计算气泡量Qb，能够高精度地计算出气泡量Qb。

根据上面说明的本实施方式，能够进一步获得下面记载的作用及效果。

(1)在映射的输入变量中，包含有作为表示油的温度的温度变量的平均值Toilave。从而，与不包含温度变量的情况相比，能够以更高的精度计算气泡量Qb。

(2)通过将作为代表在规定期间中的车速SPD及加速器操作量ACCP的值的最大值SPDmax、ACCPmax作为对映射的输入变量，能够利用较少的变量将关于旋转体的旋转状态、管路压力的信息输入到映射中。

(3)通过在对映射的输入变量中包含连续旋转时间Tr及连续停止时间Ts，能够以反映出在动力传递装置内的旋转体全部停止的期间气泡量减少、因旋转体旋转而使得气泡量增加的方式计算出气泡量Qb。

(4)在对映射的输入变量中，代替包含有在规定期间内的动力传递装置的旋转体旋转的总时间和停止的总时间，而包含有连续旋转时间Tr以及连续停止时间Ts的时间序列数据。由此，例如，在旋转体的旋转状态以及停止状态在规定期间内频繁地反复的情况下，以及一次次地产生旋转状态和停止状态的情况下，在油中产生的气泡量不同的情况下，作为气泡量Qb，能够计算出相互不同的精度良好的值。

(5)利用神经网络，每次计算出气泡量Qb的更新量来作为输出变量y1，每次基于该更新量来更新气泡量Qb。由此，不使用输入变量的久远的过去的值，就能够高精度地计算出油中的气泡量Qb。

(6)将必要停止时间Td作为输出变量y2，所述必要停止时间是为了使油中的气泡量为规定量以下所需要的旋转体的停止时间。由此，能够向使用者传达气泡过多的状态需要等待多久才会消除。

(7)将表示是否有必要对油进行更换的可否判定变量作为输出变量y3。由此，能够利用机械学习来判定只根据油中的气泡量难以进行判定的情况。

(8)CPU42在判定为气泡量Qb在阈值Qbth以上的情况下，将驱动转矩指令值Trq*限制在上限保护值Trqeth以下。由此，由于能够将管路压力指令值Pr*限制在小的一侧，因此，能够抑制油中的气泡量进一步变多。

下面，对于本发明的第二种实施方式，以与第一种实施方式的不同点为中心，参照附图进行说明。

在上述实施方式中，在对映射的输入变量中包含有连续旋转时间Tr以及连续停止时间Ts。但是，例如，在车速SPD以及加速器操作量ACCP为零的情况下，总体上认为动力传递装置内的旋转体处于停止状态，另一方面，在车速SPD及加速器操作量ACCP比零大的情况下，认为旋转体处于旋转状态。根据这一点，在本实施方式中，代替将连续旋转时间Tr以及连续停止时间Ts包含在对映射的输入变量中，而将车速SPD以及加速器操作量ACCP的时间序列数据包含在对映射的输入变量中。

在图11中表示根据本实施方式的控制装置执行的处理的步骤。图11所示的处理，通过CPU例如以规定周期反复执行存储在ROM44中的程序来实现。另外，在图11中，为了方便起见，对于与图3所示的处理相对应的处理，采用相同的步骤编号，省略对其的说明。

在图11所示的一系列的处理中，CPU42在S12的处理中作出肯定判定的情况下，计算出累计车速定量值InSPD(S16a)。并且，CPU42将规定期间内的加速器操作量ACCP(1)、ACCP(2)、…，车速SPD(1)、SPD(2)、…，油温Toil(1)、Toil(2)…，以及累计车速定量值InSPD代入到对映射的输入变量x(1)～x(3n+1)中(S18a)。在图11中将加速器操作量ACCP(1)、ACCP(2)、…，车速SPD(1)、SPD(2)、…，油温Toil(1)、Toil(2)、…各自的取样数记为“n”。并且，在图11中，将加速器操作量ACCP(1)～ACCP(n)代入到输入变量x(1)～x(n)中，将车速SPD(1)～SPD(n)代入到输入变量x(n+1)～x(2n)中，将油温Toil(1)～Toil(n)代入到输入变量x(2n+1)～x(3n)中。

接下来，CPU42将由S18a的处理确定的输入变量x(1)～x(3n+1)代入到由映射数据DM规定的对映射的输入中，计算出输出变量y1～y3。这里所用的映射，除了输入变量不同之外，其它与图3中的相同。

CPU42在完成S20a的处理的情况下，转到S22的处理。这样，根据本实施方式，通过在对映射的输入变量中包含车速SPD以及加速器操作量ACCP的时间序列数据，即使在输入变量中不包含连续旋转时间Tr或连续停止时间Ts，也能够计算出反映这些信息的输出变量y1～y3的值。

下面，对于本发明的第三种实施方式，以与第二种实施方式的不同点为中心，参照附图进行说明。

在上述实施方式中，采用全连接前馈型神经网络。与此相对，在本实施方式中，采用所谓的递归结合型神经网络(Recurrent Neural Network)，所述递归结合型神经网络是具有在本次新计算出输出变量的值时将中间层的节点的前一次的值或者输出层的节点的前一次的值反映出来的递归的连接结构的神经网络。这是为了以反映出动力传递装置的旋转体的转速、管路压力的过去的履历的方式对输出变量y1～y3的值进行输出。即，根据递归结合型神经网络，由于因递归连接而使得过去的输入变量的值在本次新计算出输出变量的值时被反映出来，因此，能够将动力传递装置的旋转体的转速、管路压力的过去的履历反映到输出变量y1～y3的值中。特别是，在本实施方式中，作为递归结合型神经网络中的良好地进行反映出过去的长期的时间序列数据的影响的学习的一种算法，采用LSTM(Longshort－termmemory：长短期记忆)。并且，在本实施方式中，将LSTM的输出变量中的输出变量y1作为气泡量Qb。

在图12中表示根据本实施方式的控制装置执行的处理的步骤。图12所示的处理通过CPU42例如以规定周期反复地执行存储在ROM44中的程序来实现。另外，在图12中，为了方便起见，对于与图11所示的处理相对应的处理，采用相同的步骤编号，省略对其的说明。

在图12所示的一系列处理中，CPU42当完成S10的处理时，将在S10的处理中取得的加速器操作量ACCP、车速SPD以及油温Toil代入到对作为由映射数据DM规定的映射的LSTM的输入变量x(1)～x(3)的每一个中(S18b)。并且，CPU42通过将输入变量x(1)～x(3)输入到LSTM中，计算出输出变量y1～y3(S20b)。这里，根据本实施方式的LSTM是基于输入变量x(1)～x(3)来输出输出变量y1～y3的函数逼近器。另外，CPU42在S20b的处理完毕的情况下，转到S22的处理。

这样，在本实施方式中，通过将每次的加速器操作量ACCP、车速SPD、以及油温Toil作为对LSTM的输入，逐次计算输出变量y1～y3的值。并且，由此，基于动力传递装置的旋转体的转速、管路压力的履历，直接计算出气泡量Qb，并且，也计算出作为可否判定变量的输出变量y3的值。

下面，对于本发明的第四种实施方式，以与第三种实施方式的不同点为中心，参照附图进行说明。

在本实施方式中，在车辆VC(1)的外部计算输出变量y1～y3的值。在图13中表示根据本实施方式的系统的结构。另外，为了方便起见，对于在图13中记载的构件之中与图1记载的构件相对应的构件，采用相同的附图标记。

如图13所示，控制装置40配备有通信机47。通信机47是经由车辆VC(1)的外部的网络72与数据分析中心80通信用的设备。

数据分析中心80对从多个车辆VC(1)、VC(2)、…发送的数据进行分析。数据分析中心80配备有CPU82、ROM84、存储装置86、外围电路88以及通信机87，它们能够通过局域网络89进行通信。存储装置86是能够进行电子改写的非易失性的装置。映射数据DM被存储在存储装置86中。

在图14A、14B中表示图13所示的系统执行的处理的步骤。图14A所示的处理，通过CPU42执行存储在图13所示ROM44中的程序来实现。另外，图14B所示的处理，通过CPU82执行存储在ROM84中的程序来实现。下面，按照与气泡相关的处理的时间序列，对图14A、14B所示的处理进行说明。

在图14A所示的一系列处理中，CPU42在S10的处理完毕的情况下，判定从发送前一次由S10处理取得的数据起是否经过了规定的期间(S12a)。并且，CPU42在判定为经过了规定期间的情况下(S12a：是)，通过操作通信机47，发送在规定期间中的加速器操作量ACCP、车速SPD、以及油温Toil的时间序列数据(S40)。在图14A中，作为加速器操作量ACCP、车速SPD以及油温Toil的时间序列数据，例示了发送“n”个数据的情况，“n”为彼此相等的取样数。

与此相对，如图14B所示，CPU82接收由S40的处理发送的数据(S50)。并且，CPU82将加速器操作量ACCP、车速SPD以及油温Toil的时间序列数据代入到作为由映射数据DM规定的映射的LSTM的输入变量中(S18c)。该处理与图11的S18a的处理中的与输入变量x(1)～x(3n)相关的处理等同。

并且，CPU82通过将由S18c的处理生成的输入变量x(1)～x(3n)作为对LSTM的输入，计算出输出变量y1～y3的值(S20c)。即，根据本实施方式的LSTM是基于输入变量x(1)～x(3n)来输出输出变量y1～y3的函数逼近器。

CPU82在完成S20c的处理的情况下，通过操作通信机87，发送输出变量y1～y3的值(S52)。另外，CPU82在完成S52的处理的情况下，暂时结束图14B所示的一系列的处理。

与此相对，如图14A所示，CPU42接收输出变量y1～y3的值(S42)，转到S22的处理。这样，根据本实施方式，通过在车辆VC(1)的外部进行输出变量y1～y3的值的计算处理，能够减轻CPU42的运算负荷。进而，例如，如果在使用者为了更换油而造访修理厂时，评价更换油的必要性的判定结果的妥当性，与此相应地更新映射数据DM，则通过将多个车辆VC(1)、VC(2)、…的数据收集起来，易于增加再学习用的训练数据的数量。

上述实施方式中的事项和上述“发明内容”部分中记载的事项的对应关系如下所述。下面，按照“发明内容”部分中记载的顺序，表示对应关系。

执行装置对应于图1的CPU42以及ROM44、或图13的CPU42、82以及ROM44、84。存储装置对应于图1的存储装置46或图13的存储装置86。映射数据对应于映射数据DM。速度变量对应于图3的最大值SPDmax或图11、图12以及图14A、14B的车速SPD、图3、图11中的累计车速定量值InSPD。压力变量对应于图3的最大值ACCPmax或图11、图12以及图14A、14B的加速器操作量ACCP。气泡变量对应于输出变量y1、y2。取得处理对应于图3的S14、S16的处理、或图11的S10、S16a的处理、图12及图14A的S10的处理。计算处理对应于S20、S20a、S20b、S20c的处理。温度变量对应于图3的平均值Toilave、或图11、图12、图14A、14B的油温Toil。停止时间变量对应于连续停止时间Ts，旋转时间变量对应于连续旋转时间Tr。从取得处理和计算处理向映射输入的输入变量对应于图11及图14A、14B的处理。函数逼近器对应于在S20、S20a的处理中使用的神经网络。递归结合型神经网络对应于在S20b、S20c的处理中使用的LTSM。可否判定变量对应于输出变量y3。液压调整装置对应于液压控制回路26a。应对处理对应于S32的处理。报知装置对应于显示器70。第一执行装置对应于CPU42以及ROM44。第二执行装置对应于CPU82以及ROM84。外部侧发送处理对应于S52的处理，车辆侧接收处理对应于S42的处理。

另外，本实施方式，能够以下面所述的方式进行变更来实施。本实施方式以及下面的变更例，在技术上不矛盾的范围内可以相互组合起来实施。

首先，下面对于速度变量进行说明。

在图3的处理中，作为速度变量采用最大值SPDmax，但是，并不局限于此，例如，也可以将车速SPD按照其大小划分成多个组，提取出车速SPD所属的组，将只与该提取出的组相关联的变量的组的车速SPD作为速度变量来使用。这里，各个变量表示车速SPD所属的组的时间。另外，例如，也可以是车速SPD的平均值。

作为速度变量，并不局限于车速SPD或者基于其大小对车速SPD进行了加工的代表规定期间中的车速SPD的量。例如，也可以是变速装置26的各个旋转体的转速、基于输出信号Scr的内燃机10的曲轴12的转速、基于输出信号Sm1的旋转轴22a的转速、基于输出信号Sm2的旋转轴24a的转速、或者基于上述这些转速的大小对这些转速进行了加工的代表规定期间中的上述各转速的量。另外，例如，也可以是车速SPD或者基于其大小对车速SPD进行了加工的代表规定期间中的车速SPD的量以及变速装置26的变速比的数据组。即，通过使用变速比和车速SPD这两者，与只使用车速SPD的情况相比，能够以更高的精度掌握变速装置26的内部的旋转体的转速或动力分配装置20的各旋转体的转速。不过，鉴于即使不使用变速比和车速SPD这两者，利用变速比也能够掌握大致的车速SPD，因此，也可以只由变速比构成速度变量。

其次，对于压力变量进行说明。

在图3的处理中，作为压力变量，使用加速器操作量ACCP的最大值ACCPmax，但是，并不局限于此。例如，也可以将加速器操作量ACCP按其大小划分成多个组，提取出加速器操作量ACCP所属的组，将只与该提取出的组相关联的变量的组的加速器操作量ACCP作为压力变量来使用。这里，各变量表示加速器操作量ACCP所属的组的时间。另外，例如，也可以是加速器操作量ACCP的平均值。

作为压力变量，并不局限于加速器操作量ACCP、或者基于其大小对加速器操作量ACCP进行了加工的代表规定期间中的加速器操作量ACCP的量。例如，也可以是驱动转矩指令值Trq*、或者基于其大小对驱动转矩指令值Trq*进行了加工的代表规定期间中的驱动转矩指令值Trq*的量。另外，例如，也可以是管路压力指令值Pr*等与在变速装置26内被用于进行驱动的工作油的液压相关的变量、或者对该变量的值基于其大小进行了加工的代表规定期间中的该变量的量。

接下来，对于温度变量进行说明。

在图3的处理中，作为温度变量，使用平均值Toilave，但是并不局限于此。例如，也可以将油温Toil按其大小划分成多个组，提取出油温Toil所属的组，将只与该提取出的组相关联的变量的组的油温Toil作为温度变量来使用。这里，各变量表示油温Toil所属的组的时间。

接下来，对于停止时间变量以及旋转时间变量进行说明。

在图3的处理中，作为停止时间变量，使用直到判定执行条件成立为止的规定期间中的连续停止时间Ts，但是，并不局限于此。例如，也可以是直到判定执行条件成立为止的期间中的停止时间的累计值。在直到判定执行条件成立为止的期间中，多个连续停止时间Ts被定义为非零的量的情况下，该累计值对应于这些连续停止时间Ts的合计时间，成为一维的量。另外，在该情况下，如果直到判定执行条件成立为止的期间为具有预定的长度的时间，则通过从上述期间减去停止时间的累计值来确定在直到判定执行条件成立为止的期间中的旋转时间的累计值。从而，尽管在对映射的输入变量中包含停止时间变量，但是，也可以不包含旋转时间变量。

在图3的处理中，作为旋转时间变量，使用直到判定执行条件成立为止的规定期间中的连续旋转时间Tr，但是，并不局限于此。例如，也可以是直到判定执行条件成立为止的期间中的旋转时间的累计值。在直到判定执行条件成立为止的期间中，多个连续旋转时间Tr被定义为非零的量的情况下，该累计值对应于这些连续旋转时间Tr的合计时间，成为一维的量。另外，在该情况下，如果直到判定执行条件成立为止的期间为具有预定的长度的时间，则通过从上述期间减去旋转时间的累计值来确定直到判定执行条件成立为止的期间中的停止时间的累计值。从而，尽管对映射的输入变量中包含旋转时间变量，但是，也可以不包含停止时间变量。

接下来，对于作为输入变量的时间序列数据进行说明。

在图11或图14A、14B所示的例子中，将作为压力变量的加速器操作量ACCP的时间序列数据和作为速度变量的车速SPD的时间序列数据作为相同的取样数据，作为对神经网络的输入变量，但是，并不局限于此。

接下来，对于在输出变量中包含表示气泡量自身的变量的神经网络进行说明。

作为在输出变量中包含表示气泡量自身的变量的神经网络，并不局限于递归结合型神经网络。例如，也可以在S20、S20a的处理中例示的全连接前馈型神经网络中的输入变量中，包含一个步骤之前的气泡量，由此，将输出变量y1作为气泡量自身。

接下来，对于全连接前馈型神经网络的输入变量进行说明。

作为在输入变量中包含一个步骤之前的气泡量的全连接前馈型神经网络，并不局限于在其输入变量中包含气泡量自身。即，如果包含输出变量y2，则通过在输入变量中包含一个步骤之前的气泡量，与不包含一个步骤之前的气泡量的情况相比，能够以更高的精度计算出输出变量y2的值。

对于递归结合型神经网络的输入变量进行说明。

作为对递归结合型神经网络的输入变量，不限于包含加速器操作量ACCP等压力变量或加速器操作量ACCP的时间序列数据等压力变量的时间序列数据、以及车速SPD等速度变量或车速SPD的时间序列数据等速度变量的时间序列数据。例如，作为压力变量，也可以包括加速器操作量ACCP的最大值ACCPmax或平均值。另外，例如，也可以将加速器操作量ACCP基于其大小划分成多个组，将只与该分类的组相关联的变量的组的加速器操作量ACCP作为压力变量。这里，各变量表示加速器操作量ACCP所属的组的时间。进而，也可以将这些压力变量的时间序列数据作为输入变量。这样，如果利用代表在规定期间中的速度或压力的变量构成速度变量或压力变量，当在递归结合型神经网络的学习时反映比当前靠前的时间步长(time steps)的影响时，能够根据时间步长数的大小，进行反映出离当前久远的过去的履历的学习。

也可以在递归结合型神经网络的输入变量中包含前一次的气泡量Qb自身。由此，与在输入变量中不包含前一次的气泡量Qb自身的情况相比，在计算气泡量Qb方面，能够减小产生将影响反映到输出变量的值中的要求的过去的时刻与当前的时间间隔。

接下来，对于递归结合型神经网络的输出变量进行说明。

在上述实施方式中，例示了递归结合型神经网络的输出变量为表示气泡量Qb自身的变量的情况，但是，并不局限于此，例如，也可以将气泡量Qb的更新量作为输出变量。

接下来，对于递归结合型神经网络进行说明。

作为递归结合型神经网络，并不局限于LSTM。例如，也可以是带门的递归单元(GRU)。不过，并不局限于带门的RNN。

接下来，对于映射进行说明。

作为神经网络，并不局限于全连接前馈型神经网络或递归结合型神经网络。例如，也可以利用一维的卷积神经网络应对时间序列数据的输入。不过，作为通过机械学习而学习完毕的模型，并不局限于神经网络。

作为映射，并不局限于将气泡量的更新量或气泡量自身、必要停止时间Td、以及可否判定变量这三个量作为输出变量。例如，也可以尽管将气泡量的更新量或气泡量和可否判定变量作为输出变量，但是不将必要停止时间Td作为输出变量。另外，例如，也可以尽管将气泡量的更新量或者气泡量作为输出变量，但是不将必要停止时间Td及可否判定变量作为输出变量。

作为映射，并不局限于作为气泡变量而将气泡量的更新量或气泡量自身作为输出变量的映射。例如，也可以是判定气泡量是否在规定量以上的识别模型。这里，作为识别模型，也可以是利用输出变量的符号来表示气泡量是否在规定量以上的判定结果的模型。

在S20、S20a的处理中，例示了中间层的层数为一层的神经网络，但是，并不局限于此，中间层的层数也可以是两层以上。在S20、S20a的处理中，作为激活函数f、g，例示了双曲正切，但是，并不局限于此。例如，对于激活函数g中的输出输出变量y2、y3的激活函数，也可以为ReLU(Rectified Linear Unit：线性整流函数)。不过，在输出变量y1表示气泡量的情况下，也可以使整个激活函数g为ReLU。另外，例如，作为输出变量，代替气泡量的更新量和必要停止时间Td，而采用表示气泡量是否在规定量以上的几率的情况下，也可以使激活函数g为逻辑斯谛函数(Logistic Sigmoid函数)。

接下来，对于报知装置进行说明。

在S38的处理中，将显示器70作为报知装置，执行作为报知处理的视觉信息的显示处理，但是，并不局限于此。例如，也可以使报知装置为扬声器，通过操作扬声器而输出声音信号来执行报知处理。

接下来，对于应对处理进行说明。

作为使工作油的压力下降的处理，并不局限于S32的处理。例如，也可以是使管路压力指令值Pr*自身下降的处理。这例如可以将管路压力指令值设定处理M16输出的管路压力指令值Pr*和上限保护值中的小的一方作为变速操作处理M18的输入，作为使上限保护值减小的处理来实现。另外，例如，可以通过将管路压力指令值设定处理M16输出的管路压力指令值Pr*乘以比“1”小的正系数而得到的值作为变速操作处理M18的输入来实现。进而，例如，也可以是将成为驱动转矩设定处理M10的输入的加速器操作量ACCP的大小限制在小的一侧的处理。

作为应对处理，并不一定必须包括图10所示的处理或与之对应的全部处理。

接下来，对于油进行说明。

作为油，并不局限于作为工作油使用的油。例如，也可以是只用于进行润滑的油。在该情况下，例如，在油泵32的从动轴32a被连接于内燃机10的曲轴12的情况下，由于来自于油泵32的油的排出量根据曲轴12的转速而变化，因此，油的压力会变化。因此，在气泡量Qb变成阈值Qbth以上的情况下，作为应对处理，使压力降低是有效的。

接下来，对于车辆用控制系统进行说明。

在图14A、14B的处理中，从车辆VC侧向数据分析中心80发送作为神经网络的输入的变量，但是，并不局限于此。例如，在将利用神经网络的处理作为S20的处理的情况下，也可以周期性地从车辆VC向数据分析中心80发送车速SPD、加速器操作量ACCP、以及油温Toil各自的时间序列数据。在该情况下，利用数据分析中心80计算出最大值ACCPmax、SPDmax、平均值Toilave、累计车速定量值InSPD。

作为车辆用控制系统，并不局限于由车辆和数据分析中心80构成的系统。例如，也可以将图14B的处理作为车辆的使用者的便携式终端执行的处理。进而，作为车辆用控制系统，并不局限于由车辆和车辆的使用者的便携式终端构成的系统。例如，也可以是由车辆、车辆的使用者的便携式终端和数据分析中心构成的系统。这例如可以通过便携式终端执行图14A的S42、S22～S28的处理来实现。这里，S28的应对处理被表示在图10的S34～S38的处理中。

接下来，对于执行装置进行说明。

作为执行装置，并不局限于配备有CPU42(82)和ROM44(84)执行软件处理的装置。例如，在上述实施方式中，也可以配备进行硬件处理的例如ASIC等专用的硬件电路，以代替软件处理的至少一部分。即，执行装置为下面的(a)～(c)中的任一种结构即可。(a)配备有根据程序执行上述全部处理的处理装置、以及存储程序的ROM等程序存储装置。(b)配备有根据程序执行上述处理的一部分的处理装置及程序存储装置、以及执行剩余的处理的专用的硬件电路。(c)配备有执行上述全部处理的专用的硬件电路。这里，配备有处理装置以及程序存储装置的软件执行装置、或专用的硬件电路也可以为多个。

接下来，对于车辆进行说明。

作为车辆，并不局限于配备有变速装置26的车辆。即使在不配备变速装置26的情况下，例如，在判定动力分配装置20的润滑油中的气泡量或内燃机10的润滑油中的气泡量方面，利用上述映射也是有效的。

作为车辆，并不局限于串并联混合动力车辆。例如，也可以是串联混合动力车辆、或并联混合动力车辆。另外，并不局限于配备有内燃机和电动发电机来作为车载旋转机的车辆。例如，可以是配备内燃机但不配备电动发电机的车辆，或者，例如也可以是配备电动发电机但不配备内燃机的车辆。

在上面说明的实施方式中，将驱动转矩指令值Trq*以及车速SPD作为输入来设定变速比指令值Vsft*，但是，并不局限于此，例如，也可以将加速器操作量ACCP以及车速SPD作为输入来设定变速比指令值Vsft*。

Claims (15)

1.一种应用于利用旋转体对油进行搅拌的车辆的油状态推定装置，其特征在于，包括：

存储装置，所述存储装置存储有规定映射的映射数据，所述映射包括速度变量和压力变量来作为输入变量，并且，包括气泡变量来作为输出变量，所述速度变量为表示所述旋转体的转速的变量，所述压力变量为表示所述油的压力的变量，所述气泡变量为与包含在所述油中的气泡相关的变量；以及

执行装置，所述执行装置执行取得处理和计算处理，所述取得处理取得所述输入变量的值，所述计算处理通过将由所述取得处理取得的所述输入变量的值输入所述映射来计算输出变量的值。

2.如权利要求1所述的油状态推定装置，其特征在于，在所述输入变量中包括温度变量，所述温度变量为表示所述油的温度的变量。

3.如权利要求1或2所述的油状态推定装置，其特征在于，

为了切换变速装置的变速比，所述油对所述变速装置进行液压驱动，所述变速装置能够改变作为车载原动机的旋转轴的转速与驱动轮的转速之比的变速比，

所述速度变量包括车速，并且，

所述压力变量包括加速器操作量。

4.如权利要求1～3中任一项所述的油状态推定装置，其特征在于，在所述输入变量中包括停止时间变量和旋转时间变量中的至少一个变量，所述停止时间变量为表示所述旋转体停止的时间的变量，所述旋转时间变量为表示所述旋转体旋转的时间的变量。

5.如权利要求1～3中任一项所述的油状态推定装置，其特征在于，对于所述映射的输入变量包括所述速度变量的时间序列数据以及所述压力变量的时间序列数据，

所述取得处理包括取得所述速度变量的时间序列数据以及所述压力变量的时间序列数据的处理，并且，

所述计算处理是通过将由所述取得处理取得的所述速度变量的时间序列数据以及所述压力变量的时间序列数据输入所述映射来计算所述输出变量的值的处理。

6.如权利要求1～5中任一项所述的油状态推定装置，其特征在于，

所述气泡变量包括所述油中的气泡量的更新量，

所述映射包括将所述输入变量的值作为输入而输出所述气泡量的更新量的函数逼近器，并且，

所述计算处理包括如下处理：将由所述取得处理反复取得的所述输入变量的值作为对于所述映射的输入，反复计算所述输出变量的值，并且，利用每次计算出的所述输出变量的值来更新所述气泡量。

7.如权利要求1～5中任一项所述的油状态推定装置，其特征在于，

所述气泡变量包括所述油中的气泡量，并且，

所述映射包括将所述输入变量的值作为输入而输出所述气泡量的递归结合型神经网络。

8.如权利要求1～7中任一项所述的油状态推定装置，其特征在于，所述气泡变量包括必要停止时间，所述必要停止时间是为了使所述油中的气泡量为规定量以下而需要的所述旋转体的停止时间。

9.如权利要求1～8中任一项所述的油状态推定装置，其特征在于，所述输出变量包括可否判定变量，所述可否判定变量表示是否有必要更换所述油。

10.一种车辆用控制装置，其特征在于，包括：

如权利要求6或7所述的油状态推定装置中的所述执行装置；以及

如权利要求6或7所述的油状态推定装置中的所述存储装置，

其中，所述油是工作油，所述工作油的压力由液压调整装置来调整，

其中，所述执行装置构成为，在由所述计算处理计算出的所述气泡量成为阈值以上的情况下，执行通过操作所述液压调整装置而使所述压力降低的应对处理。

11.一种车辆用控制装置，其特征在于，包括：

如权利要求6或7所述的油状态推定装置中的所述执行装置；以及

如权利要求6或7所述的油状态推定装置中的所述存储装置，

其中，为了切换变速装置的变速比，油对所述变速装置进行液压驱动，所述变速装置能够改变作为车载原动机的旋转轴的转速与驱动轮的转速之比的变速比，并且，

其中，所述执行装置构成为，在由所述计算处理计算出的所述气泡量成为阈值以上的情况下，执行将所述车载原动机的转矩限制在小的一侧的应对处理。

12.一种车辆用控制装置，其特征在于，包括：

如权利要求9所述的油状态推定装置中的所述执行装置；以及

如权利要求9所述的油状态推定装置中的所述存储装置，

其中，所述执行装置构成为，在由所述计算处理计算出的所述可否判定变量的值是表示有必要更换所述油的值的情况下，执行操作报知装置而向使用者报知该情况的应对处理。

13.一种车辆用控制系统，其特征在于，包括：

如权利要求10～12中任一项所述的车辆用控制装置中的所述执行装置；以及

如权利要求10～12中任一项所述的车辆用控制装置中的所述存储装置，

其中，所述执行装置包括配备在所述车辆中的第一执行装置和不配备在所述车辆中的第二执行装置，

其中，所述第二执行装置构成为至少执行所述计算处理和发送所述计算处理的计算结果的外部侧发送处理，并且，

其中，所述第一执行装置构成为至少执行接收所述计算处理的计算结果的车辆侧接收处理和所述应对处理。

14.一种车辆用控制装置，其特征在于，包括：

如权利要求13所述的车辆用控制系统中的所述第一执行装置。

15.一种数据分析装置，其特征在于，包括：

如权利要求13所述的车辆用控制系统中的所述第二执行装置；以及

如权利要求13所述的车辆用控制系统中的所述存储装置。

Images