CN113715754B - 车载部件的异常部位确定方法、系统及装置、异常部位通知控制装置及车辆用控制装置 - Google Patents

Abstract

本发明公开车载部件的异常部位确定方法、系统及装置、异常部位通知控制装置及车辆用控制装置。车载部件的异常部位确定方法包含执行装置执行取得处理、执行计算处理、执行所述通知处理。所述取得处理是用于所述执行装置取得所述输入变量的值的处理。所述映射包含异物变量来作为输入变量，包含异常部位变量来作为输出变量。所述计算处理是用于所述执行装置将通过所述取得处理而取得的所述输入变量的值输入到所述映射从而计算所述异常部位变量的值的处理。所述通知处理是用于所述执行装置通过操作通知装置来通知基于所述计算处理得到的计算结果的处理。

Description

车载部件的异常部位确定方法、系统及装置、异常部位通知控 制装置及车辆用控制装置

技术领域

本发明涉及车载部件的异常部位确定方法、车载部件的异常部位确定系统、车载部件的异常部位确定装置、车载部件的异常部位通知控制装置以及车辆用控制装置。

背景技术

例如在下述日本特开2000-240784中提出了一种装置，该装置基于变速时的内燃机的转速的变化，检测变速装置的电磁阀的故障。

发明内容

然而，作为变速装置中可能发生异常的部位，不限于电磁阀。因而，在上述装置中，当在变速装置发生了异常时，确定该异常部位是困难的。

本发明的第1方式的车载部件的异常部位确定方法包含执行装置执行取得处理、执行计算处理、执行通知处理。所述取得处理是用于在规定映射的映射数据被存储于存储装置的状态下所述执行装置取得所述输入变量的值的处理。在所述映射中，作为所述输入变量包含异物变量，作为输出变量包含异常部位变量，所述异物变量是与车载部件发生了异常时的在该车载部件内流动的油中含有的异物有关的变量，所述异常部位变量是表示所述车载部件的异常部位的变量。所述计算处理是用于所述执行装置将通过所述取得处理而取得的所述输入变量的值输入到所述映射从而计算所述异常部位变量的值的处理。所述通知处理是用于所述执行装置通过操作通知装置来通知基于所述计算处理的计算结果的处理。

可能成为油流动的车载部件的异常的多个要因的一部分是油中含有的异物。采用本发明的第1方式的车载部件的异常部位确定方法，通过基于与油中含有的异物有关的变量的值计算异常部位变量的值，能够基于可能成为油的异常的信息确定异常部位，因此相比不使用该变量的值的情况，易于确定异常部位。

在本发明的第1方式的车载部件的异常部位确定方法中，也可以是，所述异物变量包含表示所述流动的油中含有的异物的每个种类的浓度的变量。即使油中含有的异物的浓度相同，根据异物的种类，在油流动的车载部件发生的异常的种类、异常的发生容易度也不同。采用本发明的第1方式的车载部件的异常部位确定方法，通过使用表示异物的每个种类的浓度的变量，相比不使用表示异物的每个种类的浓度的变量的情况，能够提高异常部位的确定精度。

在本发明的第1方式的车载部件的异常部位确定方法中，也可以是，所述异物变量包含表示所述流动的油中含有的异物的每个大小的浓度的变量。即使油中含有的异物的浓度相同，根据异物的大小，在油流动的车载部件发生的异常的种类、异常的发生容易度也不同。采用本发明的第1方式的车载部件的异常部位确定方法，通过使用表示异物的每个大小的浓度的变量，相比不使用表示异物的每个大小的浓度的变量的情况，能够提高异常部位的确定精度。

在本发明的第1方式的车载部件的异常部位确定方法中，也可以是，所述异物变量是表示所述流动的油的颜色的变量。当油中含有异物时，根据该异物的浓度、种类，油的颜色可能不同。采用本发明的第1方式的车载部件的异常部位确定方法，通过使用表示油的颜色的变量，能在映射的输入变量中包含与异物有关的变量。

在本发明的第1方式的车载部件的异常部位确定方法中，也可以是，在所述输入变量中包含与搭载有所述车载部件的车辆的总行驶距离有关的变量即行驶距离变量。在车载部件流动的油的颜色随着车载部件的使用期间变长而变化。并且，若正常，则根据使用期间而成为哪种颜色在某种程度上已定。因此，当油的颜色在使用期间更长时是典型的颜色的情况下，油的异常的可能性增高。采用本发明的第1方式的车载部件的异常部位确定方法，通过使用与颜色有关的变量和行驶距离变量，相比不使用这些变量的情况，能够更高精度地确定异常部位。

在本发明的第1方式的车载部件的异常部位确定方法中，也可以是，所述取得处理包含：用于取得在运转负荷大的情况下向比运转负荷小的情况更浓的一侧对表示所述流动的油的颜色的变量进行校正而得到的变量来作为所述异物变量的处理。也可以是，所述运转负荷是具备所述车载部件的车辆的运转的历史中的运转负荷。

当油中含有异物时，油的颜色可能根据该异物的浓度、种类而不同。因此，通过使用表示油的颜色的变量，能在映射的输入变量中包含与异物有关的变量。另外，在车载部件流动的油的颜色随着车载部件的使用期间变长而变化。并且，若正常，则根据使用期间而成为哪种颜色在某种程度上已定。因此，当油的颜色在使用期间更长时是典型的颜色的情况下，油的异常的可能性增高。并且，油的颜色在使用期间更长时成为典型的颜色的要因之一是行驶负荷过大。采用本发明的第1方式的车载部件的异常部位确定方法，在输入变量中包含在车辆的行驶历程中的负荷大的情况下向比负荷小的情况更浓的一侧进行了校正的变量，从而例如在油的颜色在使用期间更长时是典型的颜色的情况下，即使油的异常的可能性高的意思的见解未反映于映射，也能将映射的输出变量的值设为基于该见解的值。

在本发明的第1方式的车载部件的异常部位确定方法中，也可以是，所述车载部件具备旋转机械以及有级变速装置。也可以是，在所述输入变量中包含偏差量变量，所述偏差量变量是表示由所述有级变速装置进行的变速比的切换时的成为所述旋转机械的旋转轴的基准的转速与实际的转速的偏差量的变量。

当有级变速装置发生异常时，在变速比的切换时成为旋转机械的旋转轴的基准的转速与实际的转速的偏差有增大的倾向。采用本发明的第1方式的车载部件的异常部位确定方法，通过将偏差量变量作为输入变量而计算异常部位变量的值，能够更高精度地计算异常部位变量的值。

在本发明的第1方式的车载部件的异常部位确定方法中，也可以是，所述取得处理包含：用于取得表示所述变速比的切换时的多个定时的各个定时下的所述偏差量的变量的时间序列数据来作为所述偏差量变量的处理。

采用本发明的第1方式的车载部件的异常部位确定方法，基于表示偏差量的变量的时间序列数据，计算异常部位变量的值。因此，相比仅基于表示单一的偏差量的变量计算异常部位变量的值的情况，能够基于更详细的信息计算异常部位变量的值。因而，相比仅基于表示单一的偏差量的变量计算异常部位变量的值的情况，能够计算更高精度的异常部位变量的值。

在本发明的第1方式的车载部件的异常部位确定方法中，也可以是，在所述异常部位变量所表示的异常部位的候补中包含所述有级变速装置的电磁阀和所述有级变速装置的摩擦卡合元件。

在变速比的切换时成为旋转机械的旋转轴的基准的转速与实际的转速的偏差增大的情况下，难以仅根据转速的动态而确定其要因是在于电磁阀还是在于摩擦卡合元件。另一方面，电磁阀的异常主要由油中含有的异物引起。采用本发明的第1方式的车载部件的异常部位确定方法，通过一并使用与油中含有的异物有关的变量来计算异常部位变量的值，从而相比不使用与异物有关的变量而计算异常部位变量的值的情况，能够更高精度地计算异常部位变量的值。

在本发明的第1方式的车载部件的异常部位确定方法中，也可以是，在所述映射中，作为所述输出变量，除了包含所述异常部位变量以外，还包含剩余寿命变量，所述剩余寿命变量是表示与能否继续利用与所述异常部位相应的部件有关的信息的变量。也可以是，所述计算处理包含用于计算除了计算所述异常部位变量以外还计算所述剩余寿命变量的值的处理。

在确定异常部位的情况下，有时得到与能否继续利用与该异常部位相应的部件有关的信息。采用本发明的第1方式的车载部件的异常部位确定方法，能够基于上述输入变量的值计算剩余寿命变量的值。

在本发明的第1方式的车载部件的异常部位确定方法中，也可以是，所述执行装置是构成为判定所述车载部件是否发生了异常并构成为在判定为所述车载部件发生了异常的情况下执行所述计算处理的装置。也可以是，在所述映射中，作为输入变量包含诊断变量，所述诊断变量是表示通过所述判定而被认为发生了异常的范围的变量。也可以是，所述取得处理包含用于取得作为所述输入变量的所述诊断变量的值的处理。

采用本发明的第1方式的车载部件的异常部位确定方法，通过在输入变量中包含诊断变量的值，能够基于与在能够通过判定处理而确定的范围内发生了异常的部位有关的信息，计算输出变量的值。由此，相比在输入变量中不包含诊断变量的情况，能够减少映射数据的学习所用的训练数据的数量，并且虽然中间层的层数小也能高精度地计算输出变量的值，并且虽然输入变量的维度小也能高精度地计算输出变量的值。

在本发明的第1方式的车载部件的异常部位确定方法中，也可以是，所述车载部件具备旋转机械以及有级变速装置。也可以是，在所述输入变量中包含偏差量变量，所述偏差量变量是表示由所述有级变速装置进行的变速比的切换时的成为所述旋转机械的旋转轴的基准的转速与实际的转速的偏差量的变量。也可以是，搭载有所述车载部件的车辆执行速度发送处理、判定处理和结果发送处理，所述速度发送处理是用于将表示所述转速的变量即速度变量发送到所述车辆的外部的处理，所述判定处理是用于判定所述有级变速装置是否发生了异常的处理，所述结果发送处理是用于在所述判定处理中判定为发生所述异常的情况下发送判定结果的处理。也可以是，所述执行装置构成为执行用于接收所述判定结果的接收处理。也可以是，所述取得处理包含：基于通过所述速度发送处理而发送的所述速度变量中的与所述判定结果相对应的速度变量的选择，取得所述偏差量变量的值的处理。

采用本发明的第1方式的车载部件的异常部位确定方法，能够选择性地使用从车辆发送的速度变量中的与发生了异常的时间点相对应的速度变量而取得偏差量变量。本发明的第2方式的车载部件的异常部位确定系统具备本发明的第1方式的车载部件的异常部位确定方法中的所述执行装置、所述存储装置、所述通知装置和所述车辆。

在本发明的第3方式的车载部件的异常部位确定装置中，本发明的第2方式的车载部件的异常部位确定系统中的所述执行装置包含1个或多个执行装置，所述1个或多个执行装置中的至少1个具备执行所述计算处理的执行装置。

在本发明的第4方式的车载部件的异常部位通知控制装置中，本发明的第2方式的车载部件的异常部位确定系统中的所述执行装置包含1个或多个执行装置，所述1个或多个执行装置中的至少1个具备执行所述通知处理的执行装置。

采用本发明的第4方式的车载部件的异常部位通知控制装置，能够通知异常部位。本发明的第5方式的车辆用控制装置包含处理器，所述处理器构成为执行本发明的第2方式的车载部件的异常部位确定系统中的所述速度发送处理、所述判定处理以及所述结果发送处理。

采用本发明的第5方式的车辆用控制装置，在将速度变量的值作为大数据进行提供的车辆中发生异常的情况下，能在该异常部位的确定中利用所提供的数据。

附图说明

以下，参考附图说明本发明的示例性实施例的特征、优点以及工业上的意义，图中相似的附图标记表示相似的元件，其中，

图1是表示第1实施方式的车载部件的异常部位确定系统的结构的图。

图2是表示上述实施方式的控制装置所执行的处理的框图。

图3是表示上述系统所执行的处理的次序的流程图。

图4是表示上述实施方式的激增量的时间图。

图5是表示上述实施方式的制造商装置所执行的处理的详情的流程图。

图6A是表示上述实施方式的变速时的转速的动态与异常要因的关系的时间图。

图6B是表示上述实施方式的变速时的转速的动态与异常要因的关系的时间图。

图6C是表示上述实施方式的变速时的转速的动态与异常要因的关系的时间图。

图6D是表示上述实施方式的变速时的转速的动态与异常要因的关系的时间图。

图7A是例示上述实施方式的异物变量的图。

图7B是例示上述实施方式的异物变量的图。

图7C是例示上述实施方式的异物变量的图。

图7D是例示上述实施方式的异物变量的图。

图8是表示上述实施方式的映射的输出变量的图。

图9是表示上述实施方式的油中的异物浓度的推移例的时间图。

图10是表示第2实施方式的制造商装置所执行的处理的详情的流程图。

图11是表示上述实施方式的映射的颜色变量的定量化手法的图。

图12是表示第3实施方式的制造商装置所执行的处理的详情的流程图。

图13是表示上述实施方式的颜色变量的定量化手法的图。

图14是表示上述实施方式的颜色变量的校正值的图。

具体实施方式

<第1实施方式>

以下，参照附图说明车载部件的异常部位确定方法的第1实施方式。

图1所示的车辆VC(1)是串并联混合动力车。车辆VC(1)的动力分割装置10具备行星齿轮机构，该行星齿轮机构包括太阳齿轮S、行星轮架C以及齿圈R。内燃机12的曲轴12a与动力分割装置10的行星轮架C机械性地相连结，第1电动发电机14的旋转轴14a与太阳齿轮S机械性地相连结，第2电动发电机16的旋转轴16a与齿圈R机械性地相连结。另外，驱动轮30经由包括离合器C1、C2、制动器B1、B2和单向离合器F1的有级的变速装置20与齿圈R机械性地相连结。

从动轴与动力分割装置10的行星轮架C机械性地相连结的油泵40排出的工作油被供给到变速装置20。油泵40经由过滤器43吸引油盘42内的油而排出到变速装置20。

控制装置50将车辆设为控制对象，控制内燃机12的转矩、排气成分比率、第1电动发电机14的转矩和第2电动发电机16的转矩等控制量。另外，控制装置50通过操作变速装置20而操作作为控制量的变速比。此时，控制装置50为了控制变速装置20的工作油的压力即管路压力，操作变速装置20所具备的电磁阀22。能将控制装置50视为车辆用控制装置。

控制装置50为了对控制量进行控制，参照曲轴转角传感器60的输出信号Scr、感知第1电动发电机14的旋转轴14a的旋转角度的第1旋转角度传感器62的输出信号Sm1、感知第2电动发电机16的旋转轴16a的旋转角度的第2旋转角度传感器64的输出信号Sm2。另外，控制装置50参照由车速传感器66检测出的车速SPD、由加速器传感器68检测出的加速器踏板67的踏下量即加速器操作量ACCP。

控制装置50包括CPU52、ROM54、周边电路56以及通信机58，这些被设为能够经由本地网络59通信。这里，周边电路56包含生成对内部的动作进行规定的时钟信号的电路、电源电路和复位电路等。控制装置50通过由作为处理器的CPU52执行被存储于ROM54的程序来对控制量进行控制。

在图2中表示控制装置50所执行的处理的一部分。通过由CPU52以例如规定周期反复执行被存储于ROM54的程序而实现图2所示的处理。

驱动转矩设定处理M10是将加速器操作量ACCP设为输入，在加速器操作量ACCP大的情况下将要施加于驱动轮30的转矩的指令值即驱动转矩指令值Trq*计算为比加速器操作量ACCP小的情况大的值的处理。

驱动力分配处理M12是基于驱动转矩指令值Trq*设定对内燃机12的转矩指令值Trqe*、对第1电动发电机14的转矩指令值Trqm1*以及对第2电动发电机16的转矩指令值Trqm2*的处理。上述转矩指令值Trqe*、Trqm1*、Trqm2*是通过由内燃机12、第1电动发电机14以及第2电动发电机16分别生成而被设为使施加于驱动轮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*设定变速装置20的变速比的指令值即变速比指令值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*设定变速装置20内的油的压力的指令值即管路压力指令值Pr*的处理。详细而言，在驱动转矩指令值Trq*大的情况下将管路压力指令值Pr*设定为比驱动转矩指令值Trq*小的情况大的值的处理。

变速操作处理M18是为了基于管路压力指令值Pr*，将在变速装置20中用于对离合器、制动器等摩擦卡合元件进行液压驱动的油的压力控制为管路压力指令值Pr*或者将变速比控制为变速比指令值Vsft*，而向变速装置20输出操作信号MS的处理。

回到图1，控制装置50通过操作通信机58，能够经由全球网络80与数据中心70进行通信。数据中心70包括CPU72、存储装置73、ROM74、周边电路76以及通信机78，这些能够经由本地网络79进行通信。这里，存储装置73是能够电改写的非易失性的装置。在存储装置73中存储有从多个车辆VC(1)、VC(2)、……分别发送来的数据作为大数据73a。另外，在大数据73a中包含从规格互不相同的多个车辆发送来的数据。但以下为了方便，将车辆VC(1)、VC(2)、……设为同一规格的车辆。

制造商装置90是车辆VC(1)、VC(2)、……的车辆制造商所持有的装置。制造商装置90包括CPU92、存储装置93、ROM94、周边电路96、显示部97以及通信机98，这些能够经由本地网络99进行通信。这里，存储装置93是能够电改写的非易失性的装置。能将CPU92以及ROM94视为执行装置，能将存储装置93视为存储装置。能将显示部97视为通知装置。

修理工厂100是在车辆VC(1)发生了异常的情况下位于对把车辆VC(1)带进来的用户来说最近的场所的工厂。图1所示的系统构成在变速装置20发生了异常的情况下确定该异常的要因的系统。以下进行详细说明。

在图3中表示与上述异常有关的处理的次序。详细而言，CPU52以例如规定周期反复执行被存储于控制装置50的ROM54的程序，从而实现图3的(a)所示的处理。另外，CPU72以例如规定周期反复执行被存储于数据中心70的ROM74的程序，从而实现图3的(b)所示的处理。CPU92以例如规定周期反复执行被存储于制造商装置90的ROM94的程序，从而实现图3的(c)所示的处理。以下，利用在前头标注有“S”的数字表示各处理的步骤编号。另外，以下，按照与异常有关的处理的时间序列说明图3所示的处理。

在图3的(a)所示的一连串的处理中，CPU52首先取得第2电动发电机16的旋转轴16a的转速Nm2、变速比Vsft、车速SPD以及加速器操作量ACCP(S10)。这里，由CPU52基于输出信号Sm2计算转速Nm2。接着，CPU52判定在执行了后述的S14的处理后是否经过了规定期间(S12)。并且，在CPU52判定为经过规定期间的情况下(S12：是)，操作通信机58，从而与车辆VC(1)的识别记号ID以及行驶距离TD一起发送在规定期间内每次通过S10的处理而取得的变量的值(S14)。在图3的(a)中，将规定期间中的转速Nm2等的采样数记为“n”。能将行驶距离TD视为行驶距离变量，能将转速Nm2视为速度变量。另外，能将S14的处理视为速度发送处理。

相对于此，如图3的(b)所示，数据中心70的CPU72接收通过S14的处理而发送的数据(S30)。并且，CPU72将接收到的数据作为大数据73a存储于存储装置73(S32)。

另一方面，如图3的(a)所示，CPU52在完成S14的处理的情况、或者在S12的处理中进行否定判定的情况下，判定是否是由变速装置20进行变速比的切换的变速时(S16)。并且，CPU52在判定为是变速时的情况下(S16：是)，判定通过S10的处理而取得的转速Nm2与成为基准的转速Nm2*的差的绝对值为阈值ΔNm2th以上的状态是否持续了规定时间以上(S18)。该处理是判定是否在变速控制中发生了异常的处理。能将S18的处理视为判定处理。

即，当在变速控制中发生异常的情况下，发生变速装置20的输入侧的转速大幅地激增的情形等，因此如图4中单点划线所示，产生曲轴12a的转速NE、第2电动发电机16的旋转轴16a的转速Nm2激增的现象。另外，在图4中，与转速NE、Nm1、Nm2、转矩指令值Trqm1*、Trqm2*的推移一起表示图4所示的变速中设想的摩擦卡合元件中的接合侧的元件的工作油压Pc2以及释放侧的元件的工作油压Pc1与它们的指令值Pc2*、Pc1*的推移。顺便说一下，上述管路压力指令值Pr*是接合侧的工作油压Pc2在接合时的值的目标值。

指令值Pc2*、Pc1*被设定为抑制发生变速装置20的输入侧的转速激增等的现象。并且，通过该设定而决定成为变速时的基准的转速Nm2*。CPU52将当前的变速比Vsft、变量ΔVsft以及车速SPD作为输入而设定成为基准的转速Nm2*，上述变量ΔVsft表示是来自高速侧以及低速侧中的哪一侧的变速。在将变速比Vsft、变量ΔVsft以及车速SPD作为输入变量并将转速Nm2*作为输出变量的映像数据被预先存储于ROM54的状态下，由CPU52对转速Nm2*进行映像运算，从而能够实现该处理。另外，映像数据是输入变量的离散性的值和与输入变量的各个值对应的输出变量的值的组数据。另外，映像运算为以下处理即可，即，例如在输入变量的值与映像数据的输入变量的值的任一个一致的情况下，将对应的映像数据的输出变量的值作为运算结果，相对于此，在不一致的情况下，将通过映像数据中包含的多个输出变量的值的插补而获得的值作为运算结果。

回到图3，CPU52在判定为持续了规定时间的情况下(S18：是)，判定为在变速装置20中有异常的意思(S20)。接着，CPU52操作通信机58，发送车辆VC(1)的识别记号ID、表示异常判定结果的变量即诊断变量Vdg以及确定异常发生的时刻的时间戳(S24)。诊断变量Vdg是表示异常的种类的变量。即，在例如从2挡向3挡的变速时在S18的处理中进行肯定判定的情况下，是表示异常的种类是从2挡向3挡的切换时的异常的意思的变量。诊断变量Vdg是具有在能通过S18的处理而确定的范围内锁定异常的部位的信息的变量。即，在诊断变量Vdg是表示从2挡向3挡的切换时的异常的意思的值的情况下，表示在从2挡向3挡变速时从释放状态和接合状态这两种状态的任一方向另一方切换的摩擦卡合元件以及驱动该摩擦卡合元件的电磁阀等可能成为异常部位。能将S24的处理视为结果发送处理。

进而，CPU52执行以下的告知处理，即，操作图1所示的显示器69而显示有异常的意思的视觉信息，从而对用户告知有异常的意思(S26)。另外，CPU52在完成S26的处理的情况、或者在S16、S18的处理中进行否定判定的情况下，暂且结束图3的(a)所示的一连串的处理。

相对于此，如图3的(c)所示，制造商装置90的CPU92判定是否有异常判定的发送(S40)。并且，CPU92在判定为有发送的情况下(S40：是)，接收车辆VC(1)的识别记号ID，并且接收诊断变量Vdg和时间戳(S42)。接着，CPU92操作通信机98，从而向数据中心70请求关于由接收到的识别记号ID确定的车辆的与异常发生的时刻对应的转速Nm2的时间序列数据、行驶距离TD、变速比Vsft、变量ΔVsft以及车速SPD(S44)。能将S42的处理视为接收处理。

相对于此，如图3的(b)所示，数据中心70的CPU72判定是否有数据发送的请求(S34)，在判定为有请求的情况下(S34：是)，从存储于存储装置73的大数据73a中提取符合的数据，操作通信机78，从而发送该数据(S36)。另外，CPU72在S36的处理完成的情况、或者在S34的处理中进行否定判定的情况下，暂且结束图3的(b)所示的一连串的处理。

另一方面，如图3的(c)所示，CPU92接收通过S36的处理而发送的时间序列数据(S46)。并且，CPU92执行对异常部位进行确定并通知确定结果的处理(S48)。另外，CPU92在S48的处理完成的情况、或者在S40的处理中进行否定判定的情况下，暂且结束图3的(c)所示的一连串的处理。

在图5中表示S48的处理的详情。在图5所示的一连串的处理中，CPU92首先基于通过S46的处理而接收到的转速Nm2的时间序列数据，计算在进行变速的期间内从转速Nm2减掉成为基准的转速Nm2*后得到的值即激增量ΔNm2(1)、ΔNm2(2)、……(S50)。在本实施方式中，将进行变速的期间设为以发出了变速指令的定时为基准而决定的规定期间。另外，括号中的数字表示激增量ΔNm2的采样编号，编号越大，表示越是靠后的时刻。另外，在图5中将激增量ΔNm2的采样数设为“p”。激增量ΔNm2是在异常时和正常时可能成为不同的值的变量。能将S50的处理中的激增量ΔNm2的时间序列数据视为偏差量变量。

在图6A～图6D中表示变速时的工作油压Pc2以及转速Nm2的推移。另外，在图6A～图6D中分别表示转速Nm2的6个采样值。这里，图6A是正常时的推移例，图6B～图6D是异常时的推移例。

详细而言，图6B表示空气混入电磁阀22，因反馈控制而在工作油压Pc2的控制中发生异常，从而转速Nm2不同于正常时的动态的例子。另外，图6C表示异物混入电磁阀22而阀暂时性地不动作的情况。在该情况下，起因于工作油压Pc2的上升暂时性地变慢，激增量ΔNm2暂且超过阈值ΔNm2th。图6D表示异物混入电磁阀22而阀不稳定地动作的情况。在该情况下，工作油压Pc2低，因此无法将摩擦卡合元件设为接合状态，激增量ΔNm2超过阈值ΔNm2th的状态持续。

回到图5，CPU92取得在发生了异常的车辆VC(1)的变速装置20中填充的油中的杂质浓度(S52)。在本实施方式中，从图1所示的修理工厂100将填充在车辆VC(1)的变速装置20中的油102的一部分提供给车辆制造商，从而在车辆制造商利用颗粒传感器检测出油中的杂质浓度。即，通过图3的(a)的S26的处理，用户接受有异常的意思的告知，将车辆VC(1)带进修理工厂100。在修理工厂100中，从车辆VC(1)选取油102的一部分并将其配送给车辆制造商。

在本实施方式中，将图7A所示的铁类的异物浓度Dfe1～Dfe3、图7B所示的铝类的异物浓度Da1～Da3、图7C所示的矿物类的异物浓度Dm1～Dm3以及图7D所示的纤维类的异物浓度Dfi1～Dfi3定量化。即，在本实施方式中，不仅关于铁类、铝类、矿物类以及纤维类这4种异物的各种异物各自将异物浓度定量化，而且关于根据杂质的大小将它们分类成3类后的各类异物，将异物浓度定量化。能将铁类的异物浓度Dfe1～Dfe3、铝类的异物浓度Da1～Da3、矿物类的异物浓度Dm1～Dm3以及纤维类的异物浓度Dfi1～Dfi3视为异物的种类。另外，将铁类异物的浓度分类成异物浓度Dfe1～Dfe3这3类等能被视为是针对异物的每个大小的浓度。

这是用于高精度地确定异常原因、异常部位的剩余寿命的设定。即，根据发明人的长年的见解，异常原因、异常部位的剩余寿命依赖于油中的异物的种类。进而，剩余寿命等也根据异物的大小而变化，例如在纤维类的异物中粒度小的异物过多的情况下部件的剩余寿命有变短的倾向等。另外，推测在纤维类的异物中粒度小的异物过多的情况下剩余寿命变短是因为，粒度大的异物被过滤器43过滤。

回到图5，CPU92取得与通过S52的处理而取得的当前的油中的异物浓度的各个所对应的、车辆VC(1)的出厂时的油中的异物的浓度即初始异物浓度(S54)。在图1所示的存储装置93中存储有由铁类的初始异物浓度Dfe01～Dfe03、铝类的初始异物浓度Da01～Da03、矿物类的初始异物浓度Dm01～Dm03以及纤维类的初始异物浓度Dfi01～Dfi03构成的初始异物数据93a。CPU92通过访问存储装置93而取得上述各初始异物的浓度。能将S46、S50～S54的处理视为取得处理。

在本实施方式中，初始异物数据93a是在与车辆VC(1)同时期被生产的若干车辆的产品出厂前选取油而检测异物的浓度从而生成的数据。

并且，CPU92除通过S42的处理而取得的诊断变量Vdg、通过S46的处理而取得的车速SPD、加速器操作量ACCP以及行驶距离TD以外，还将通过S50～S54的处理而取得的变量的值代入到向确定异常部位的映射的输入变量x(1)～x(28+p)(S56)。在图5中记载了CPU92将车速SPD代入到输入变量x(1)，将加速器操作量ACCP代入到输入变量x(2)，将行驶距离TD代入到输入变量x(3)，将诊断变量Vdg代入到输入变量x(4)。同样，例如将通过S52、S54的处理而取得的24个变量的值代入到输入变量x(5)～x(28)，将激增量ΔNm2(1)、ΔNm2(2)、……ΔNm2(p)代入到输入变量x(29)～x(28+p)。

并且，CPU92将通过S56的处理而生成的输入变量x(1)～x(28+p)以及作为偏离参数的输入变量x(0)代入到由存储于图1所示的存储装置93的映射数据93b规定的映射，从而计算输出变量y(i)的值(S58)。能将S58的处理视为计算处理。

在本实施方式中，作为映射而例示函数逼近器，详细而言，例示中间层为1层的全耦合顺向传播型的神经网络。具体而言，将以下的“m”个值的各个值代入到激活函数f从而决定中间层的节点的值，其中，“m”个值是将通过S56的处理而代入了值的输入变量x(1)～x(28+p)和作为偏离参数的x(0)利用由系数wFjk(j＝1～m，k＝0～28+p)规定的线形映射进行变换后得到的“m”个值。另外，利用由系数wSij规定的线形映射将中间层的节点的值的各个值变换后得到的值的各个值被代入到激活函数g，从而决定输出变量y(1)、y(2)、y(3)、……的值。另外，在本实施方式中，作为激活函数f，例示双曲正切(hyperbolictangent)。另外，关于激活函数g中与输出变量y(1)～y(q)相对应的部分，例示归一化指数函数(softmax function)，关于与输出变量y(q+1)、y(q+2)、……相对应的部分，例示逻辑S型函数(logistic sigmoid function)。

输出变量y(1)、y(2)、y(3)、……是表示异常原因等的变量，由存储于图1所示的存储装置93的变量规定数据93c规定。在图8中表示变量规定数据93c。

如图8所示，输出变量y(1)、y(2)、(3)、……中输出变量y(1)～y(q)成为表示异常部位的变量。图8表示输出变量y(1)是离合器C1的异常的意思的变量，输出变量y(2)是离合器C2的异常的意思的变量。另外，图8表示输出变量y(r+1)是表示电磁阀22中的第1电磁阀的异常的意思的变量，输出变量y(r+2)是表示第2电磁阀的异常的意思的变量，输出变量y(q)是表示需要更换油的意思的变量。

相对于此，输出变量y(q+1)、y(q+2)、……成为关于异常发生部位的候补部件中的摩擦卡合元件表示剩余寿命的有无的变量。即，成为表示能否继续使用该部件的变量。图8表示输出变量y(q+1)是表示离合器C1的剩余寿命的有无的变量，输出变量y(q+2)是表示离合器C2的剩余寿命的有无的变量。能将输出变量y(q+1)、y(q+2)、……视为剩余寿命变量。

回到图5，CPU92在完成S58的处理时，计算输出变量y(1)～y(q)中的最大值ymax(S60)。该处理是用于确定成为异常原因的部位的处理。即，成为确定异常部位是变速装置20内的哪一个部件或是由于驱动变速装置20的工作油的寿命已尽的处理。

接下来，CPU92判定最大值ymax是否与输出变量y(1)～y(r)的任一个值相等(S62)。该处理是判定所确定的成为异常原因的部位是否是摩擦卡合元件的处理。并且，CPU92在判定与输出变量y(1)～y(r)的任一个值相等的情况下(S62：是)，基于与成为输出变量y(q+1)、y(q+2)、……中的最大值ymax的输出变量对应的摩擦卡合元件有关的变量的值与阈值的大小比较，判定剩余寿命的有无(S64)。

CPU92在S64的处理完成的情况、或者在S62的处理中进行否定判定的情况下，判定最大值ymax是否与输出变量y(q)的值相等(S66)。该处理是判定异常的原因是否由油的寿命导致的处理。CPU92在判定为最大值ymax与输出变量y(q)的值相等的情况下(S66：是)，进行需要更换油的意思的判定(S68)。

CPU92在S68的处理完成的情况、或者在S66的处理中进行否定判定的情况下，操作显示部97而显示S60～S68的处理的结果(S70)。即，CPU92在输出变量y(1)～y(r)的任一个与最大值ymax相等的情况下，显示对应的摩擦卡合元件异常的意思以及能否继续使用该部件的视觉信息。相对于此，CPU92在输出变量y(r+1)～y(q-1)的任一个与最大值ymax相等的情况下，显示对应的部件异常的意思的视觉信息。另外，CPU92在输出变量y(q)与最大值ymax相等的情况下，显示油寿命已尽而应该更换油的意思的视觉信息。能将S70的处理视为通知处理。

另外，CPU92在S70的处理完成的情况下，完成图3所示的S48的处理。顺便说一下，映射数据93b是在车辆VC(1)的制品出厂前在极端的使用状态下使用试制品等而促进劣化并且生成训练数据而进行了学习的学习完毕模型。这里，通过在试制品中利用的油设为多种，从而还学习初始异物浓度与输出变量的值的相关性。另外，试着分析油的成分并根据例如消泡剂等添加剂的有无等，生成训练数据中的与油的更换的必要性的有无有关的变量值。另外，通过测量摩擦卡合元件的磨损量是否达到了上限值，生成训练数据中的与剩余寿命的有无有关的变量值。另外，映射数据93b虽然是在车辆VC(1)、VC(2)、……的制品出厂前生成的，但最好在车辆VC(1)、VC(2)、……的制品出厂后，在进行了图5所示的处理后，在进行部件更换等时评价映射的输出，在误判定的情况下，将当时的数据作为训练数据进行再学习来进行更新。

这里，说明本实施方式的作用以及效果。车辆VC(1)内的CPU52将转速Nm2、加速器操作量ACCP等表示车辆的状态的数据依次发送到数据中心70。另外，在每次进行变速时，CPU52基于转速Nm2与成为基准的转速Nm2*的差的绝对值的大小，监视变速装置20等的异常的有无。并且，CPU52在判定为发生了异常的情况下，将其意思告知用户并且通知制造商装置90。

当用户接受异常的告知而将车辆VC(1)带进修理工厂100时，在修理工厂100中，选取油盘42内的油102的一部分而配送到车辆制造商。

在车辆制造商中，分析被配送过来的油而测量异物浓度。车辆制造商的CPU92在接收到发生了异常的意思的通知时，向数据中心70请求而取得大数据73a中的发生了异常时的数据。然后，CPU92除了基于通过请求而取得的数据的车辆的状态以外，还将异物浓度Dfe1～Dfe3、Da1～Da3、Dm1～Dm3、Dfi1～Dfi3输入到映射，从而计算输出变量y(1)、y(2)、……的值，确定异常部位。

这样，在本实施方式中，为了确定异常部位而使用的输入变量中不仅包含与上述车辆的状态有关的变量，还包含发生了异常时的异物浓度，从而相比不包含的情况，能更高精度地确定异常的发生部位。即，例如在作为与车辆的状态有关的变量的激增量ΔNm2大的情况下，难以只根据激增量ΔNm2来确定其要因是由电磁阀22的动作不良导致还是由离合器C1等摩擦卡合元件的劣化导致。相对于此，若是使用异物浓度的信息，则能够使用是否是易于使电磁阀22的动作不良发生的状况的信息，因此能够高精度地确定异常部位。

采用以上说明的本实施方式，进一步获得以下所述的作用以及效果。

(1)将油中的异物浓度设为铁类、铝类、矿物类以及纤维类的每个种类的浓度。即使油中含有的异物的浓度相同，在变速装置20发生的异常的种类、异常的发生容易度也因异物的种类而不同，因此根据本实施方式，能够提高异常部位的确定精度。

(2)将油中的异物的浓度设为异物的每个大小的浓度。在油流动的变速装置20发生的异常的种类、异常的发生容易度因油中的异物的大小而不同，因此根据本实施方式，能够提高异常部位的确定精度。

(3)除了发生了异常时的异物的浓度以外，还将车辆VC(1)的出厂时的异物的浓度包含于向映射的输入变量x。油中的异物的浓度有时根据车辆VC的生产线、制造时期而变动。因此，在本实施方式中，通过使用作为对象的车辆VC(1)在制品出厂时使用了哪种油的信息，能够基于关于变速装置20等中所使用的油的状况的更详细的信息，计算输出变量的值。

(4)在输入变量中包含诊断变量Vdg。由此，能在控制装置50内使用与能确定的异常部位的候补有关的信息通过映射来锁定异常部位。由此，相比在输入变量中不使用诊断变量Vdg的情况，能够减少映射数据93b的学习中所使用的训练数据的数量，并且虽然中间层的层数小也能高精度地计算输出变量的值，并且虽然输入变量的维度小也能高精度地计算输出变量的值。

(5)在输入变量中包含行驶距离TD。油中的异物浓度如图9中例示的用实线、虚线以及单点划线表示互不相同的成分的浓度的推移例所示，是根据行驶距离TD而变动的。图9的实线以及虚线表示异物浓度虽然因接触油的部件的初始损耗而暂且上升，但当初始损耗稳定时，被过滤器43过滤的异物量变得比在油中新溶解出的异物量多，从而异物浓度减少。在行驶距离TD中包含异物浓度的经年变化的通常的信息。因此，通过使用行驶距离TD，能在向映射的输入中包含实际的异物浓度的信息，并且包含与在作为对象的车辆VC(1)中发生的固有的现象有关的信息。因此，相比不包含行驶距离TD的情况，能够提高异常部位的确定精度。

(6)作为表示成为向映射的输入的车辆的状态的变量，使用了激增量ΔNm2。当在变速装置20中发生异常时，在变速比的切换时变速装置20的输入轴的转速有大幅背离成为基准的转速的倾向。因此，激增量ΔNm2具有与异常有关的信息，所以通过在输入变量中包含激增量ΔNm2，相比不包含激增量ΔNm2的情况，能更高精度地计算输出变量的值。

(7)在向映射的输入中包含激增量ΔNm2的时间序列数据。由此，相比仅基于单一的激增量ΔNm2计算输出变量的值的情况，能基于更详细的信息计算输出变量的值。因而，相比仅基于单一的激增量ΔNm2计算输出变量的值的情况，能更高精度地计算输出变量的值。

(8)在向映射的输入变量中包含车速SPD。车速SPD是与变速装置20内的旋转体的转速成比例的变量。转速是与油中的气泡量具有正相关的参数。因此，通过包含车速SPD，能够反映与变速装置20内的油中的气泡的产生容易度有关的信息而计算输出变量的值。

(9)在向映射的输入变量中包含加速器操作量ACCP。加速器操作量ACCP是决定驱动转矩指令值Trq*的参数。并且，施加于变速装置20内的旋转体的转矩的大小依据驱动转矩指令值Trq*而定。施加于旋转体的转矩的大小是与油中的气泡量具有正相关的参数。因此，通过包含加速器操作量ACCP，能够反映与变速装置20内的油中的气泡的产生容易度有关的信息而计算输出变量的值。

(10)在向映射的输入变量中包含车速SPD以及加速器操作量ACCP两者。由此，由于变速比Vsft确定，所以能够基于摩擦卡合元件的哪一个是接合状态的信息来计算输出变量的值。

(11)在映射的输出中包含作为剩余寿命变量的输出变量y(q+1)、y(q+2)、……，剩余寿命变量是表示与能否继续利用与异常部位相应的摩擦卡合元件有关的信息的变量。由此，能够得到是否能继续使用发生了异常的部件或是应该进行更换的信息。

(12)车辆制造商的CPU92接受来自车辆VC(1)的异常判定的通知，向数据中心70请求而取得发生了异常时的车辆VC(1)的数据。由此，能不在车辆制造商中预先存储与多个车辆VC(1)、VC(2)、……有关的所有时刻的数据而根据需要取得所需的数据。

<第2实施方式>

以下，以与第1实施方式的不同点为中心，参照附图说明第2实施方式。

在上述实施方式中，检测油中的异物的浓度而添加到向映射的输入变量。另外，油的颜色依据油中的异物的浓度而变化。因此，在本实施方式中利用油的颜色代替油中的异物的信息。

在图10中表示本实施方式的S48的处理的详情。CPU92执行被存储于ROM94的程序，从而实现图10所示的处理。另外，在图10中，关于与图5所示的处理对应的处理，为了方便而标注相同的步骤编号，省略对其说明。

在图10所示的一连串的处理中，CPU92首先将通过S46的处理而接收到的数据作为输入，计算激增量最大值ΔNm2max以及激增时间TΔ(S50a)。激增量最大值ΔNm2max是发生了异常时的变速期间中的激增量ΔNm2的最大值。另外，激增时间TΔ是转速Nm2与成为基准的转速Nm2*的差的绝对值成为了规定量以上的时间。能将S50a的处理中的激增量最大值ΔNm2max以及激增时间TΔ视为偏差量变量。

接着，CPU92取得油的颜色变量Voc(S52a)。在本实施方式中，设为从修理工厂100通知颜色变量Voc。即，在通过图3的(a)的S26的告知处理而认识到有异常的意思的用户将车辆VC(1)带进了修理工厂100时，在修理工厂100中从油盘42选取油的一部分，修理工厂100内的操作人员辨别所选取的油的颜色而数值化为颜色变量Voc。然后，从修理工厂100向车辆制造商的制造商装置90通知颜色变量Voc。能将S46、S50a、S52a的处理视为取得处理。

在图11中示意地表示颜色变量Voc所示的颜色。在图11中表示越向右侧过渡，颜色越浓，油的劣化发展而使油本身的剩余寿命变短。

回到图10，CPU92将通过S42、S46、S50a、S52a的处理而取得的数据代入到向映射的输入变量x(1)～x(7)(S56a)。即，将车速SPD代入到输入变量x(1)，将加速器操作量ACCP代入到输入变量x(2)，将行驶距离TD代入到输入变量x(3)，将诊断变量Vdg代入到输入变量x(4)，将激增量最大值ΔNm2max代入到输入变量x(5)，将激增时间TΔ代入到输入变量x(6)，将颜色变量Voc代入到输入变量x(7)。

并且，CPU92将通过S56a生成的输入变量x(1)～x(7)代入到由映射数据93b规定的映射(S58a)。本实施方式的映射数据93b所规定的映射虽然输入变量与通过S58的处理而使用的输入变量不同，但输出变量是相同的。能将S58a的处理视为计算处理。

另外，CPU92在完成S58a的处理的情况下，转移到S60的处理。这样，在本实施方式中，通过用颜色变量Voc代替异物浓度，能够减少向映射的输入的维度。

另外，本实施方式进一步获得以下所示的作用以及效果。

(13)在向映射的输入变量中除了包含颜色变量Voc以外还包含行驶距离TD。油的颜色有车辆的行驶距离TD越长而越浓的倾向，并且有大概的颜色根据行驶距离TD而决定的倾向。因此意味着，在与行驶距离TD相对地油的颜色过浓的情况下，使用方法脱离了通常设想的使用方法而使劣化发展等。因而，在本实施方式中，通过在向映射的输入变量中除了包含颜色变量Voc以外还包含行驶距离TD，从而关于油、变速装置20的状态，能将更详细的信息作为向映射的输入。能将颜色变量Voc视为表示颜色的变量。

<第3实施方式>

以下，以与第2实施方式的不同点为中心，参照附图说明第3实施方式。

图12是本实施方式的S48的处理的详情。CPU92执行被存储于ROM94的程序，从而实现图12所示的处理。另外，在图12中，关于与图10所示的处理对应的处理，为了方便标注相同的步骤编号，省略对其说明。

在图12所示的一连串的处理中，CPU92在S50a的处理完成的情况下，取得校正后的颜色变量Vocc(S52b)。在本实施方式中，也从修理工厂100通知颜色变量Vocc。其中，颜色变量Vocc是针对辨别所选取的油的颜色而得到的结果依据在修理工厂得到的信息进行数值化后的变量。即，颜色变量Vocc是与由人针对在图10的S52a的处理中取得的颜色变量Voc依据在修理工厂获得的信息进行校正后的变量相等。能将颜色变量Vocc视为被进行了校正的变量。另外，能将S46、S50a、S52b的处理视为取得处理。

在图13中表示颜色变量Vocc。即，在本实施方式中，使用针对表示实际的颜色的颜色变量Voc利用校正值校正为更浓的一侧的值的颜色变量Vocc。在图14中表示校正值的设定手法。如图14所示，校正值在行驶距离TD长的情况下被设为更大的值。进而，在本实施方式中，在修理工厂100向用户听取车辆VC的实际的使用方法，还考虑该结果来计算校正值。即，例如在居住于山顶附近的住宅从而在每天通勤后的回家路途中一定要在上坡路行驶长距离的情况下，由于负荷大，所以施加比通常大的校正值。

回到图12，CPU92在完成S52b的处理时，将取得的值代入到向映射的输入变量x(1)～x(6)(S56b)。即，CPU92将车速SPD代入到向映射的输入变量x(1)，将加速器操作量ACCP代入到输入变量x(2)，将激增量最大值ΔNm2max代入到输入变量x(3)，将诊断变量Vdg代入到输入变量x(4)，将激增时间TΔ代入到输入变量x(5)，将颜色变量Vocc代入到输入变量x(6)。并且，CPU92将通过S56b的处理而生成的输入变量x(1)～x(6)输入到映射而计算输出变量y(1)、y(2)、……的值(S58b)。本实施方式的映射数据93b所规定的映射虽然输入变量与通过S58a的处理而使用的输入变量不同，但输出变量相同。能将S58b的处理视为计算处理。

另外，CPU92在S58b的处理完成的情况下，转移到S60的处理。这样，在本实施方式中，通过校正颜色变量Vocc，即使不将行驶距离TD等添加到输入变量x，也能像添加了行驶距离TD等的情况那样计算反映了更详细的信息的输出变量y(1)、y(2)、……的值。

<其他实施方式>

另外，能如以下那样地变更来实施本实施方式。能在技术上不矛盾的范围内相互组合来实施本实施方式以及以下的变更例。

“关于异物变量”

作为表示异物的每个种类的浓度的变量，不限定于分类成铁类的异物浓度、铝类的异物浓度、矿物类的异物浓度和纤维类的异物浓度的变量。例如，也可以是以树脂类、清漆的种类进一步分类的变量。另外，例如也可以是分类成纤维类的异物浓度及其以外的异物浓度这两种的变量。

作为表示异物的每个种类的浓度的变量，不限定于将它们根据大小进一步分类的变量。

作为表示异物的每个大小的浓度的变量，不限定于根据大小分类成3个组的变量。例如也可以是分类成2个或4个的变量，另外例如也可以是分类成5个以上的变量。

作为表示异物的每个大小的浓度的变量，不限定于异物的每个种类的变量。

“关于行驶距离变量”

作为行驶距离变量，不限定于行驶距离TD，也可以是总行驶时间。

“关于偏差量变量”

在上述实施方式中，根据第2电动发电机16的旋转轴16a的转速Nm2与成为基准的转速Nm2*的差将激增量ΔNm2定量化，但不限定于此。例如，也可以根据内燃机12的曲轴12a的转速与成为基准的转速的差将激增量定量化。这样定量化后的激增量与变速装置20的输入轴的转速与成为基准的转速的偏差具有强的相关性，因此作为掌握变速装置20的异常的变量是有效的。

“关于诊断变量”

在上述实施方式中，在向映射的输入变量中包含诊断变量Vdg的值，但不限定于此。例如也可以不在输入变量中包含诊断变量Vdg，取而代之针对每个诊断变量Vdg的值预先准备互不相同的多个映射数据93b，依据诊断变量Vdg的值选择为了计算输出变量的值而使用的映射数据。这里，由所选择的映射数据93b规定的映射只要根据诊断变量Vdg的值输出与可能发生异常的各部位对应的输出变量的值即可，因此输出变量的维度可以比在上述实施方式中例示的映射小。

不过，针对每个诊断变量Vdg的值具有互不相同的多个映射数据93b不是在输入变量中不包含诊断变量Vdg的情况下所必须的条件。

“关于向映射的输入变量”

作为表示变速装置20内的旋转体的转速的变量，不限定于车速SPD。例如也可以是第2电动发电机16的旋转轴16a的转速Nm2。不过，将表示变速装置20内的旋转体的转速的变量作为输入变量的做法本身不是必须的。

作为表示施加于变速装置20内的旋转体的转矩的变量，不限定于加速器操作量ACCP。例如也可以是驱动转矩指令值Trq*。不过，将表示施加于变速装置20内的旋转体的转矩的变量包含于输入变量的做法本身不是必须的。

作为表示变速装置20内的油的压力的变量，不限定于加速器操作量ACCP。例如也可以是管路压力指令值Pr*。不过，在输入变量中包含表示变速装置20内的油的压力的变量的做法本身不是必须的。

例如在图5的处理中，也可以不将初始异物浓度添加到输入变量。

在图5的处理中，作为成为向映射的输入变量的激增量ΔNm2的时间序列数据，使用了以发出变速指令的定时为基准而决定的规定期间内的激增量ΔNm2的时间序列数据，但不限定于此。例如也可以是激增量ΔNm2成为规定量以上的期间中的每个规定时间的时间序列数据。在该情况下，构成时间序列数据的激增量ΔNm2的采样数发生变动，因此作为向映射的输入变量中的时间序列数据用的输入变量，确保与设想的采样数的最大值相等的个数的输入变量即可。另外，在实际的时间序列数据的数量比该最大值少的情况下，对没有相应的值的输入变量输入例如“0”等预先决定的数值即可。

作为成为向映射的输入变量的激增量变量，不限定于激增量ΔNm2的规定期间中的时间序列数据、激增时间TΔ与激增量最大值ΔNm2max的组变量。例如也可以是激增量ΔNm2成为规定量以上的时间内的激增量ΔNm2的每个规定时间的值的累计值。另外，例如也可以是激增量ΔNm2成为规定量以上的期间内的激增量ΔNm2的中位数。此外，例如也可以是相对于发出变速指令的定时以预先决定的时间延迟后的定时下的激增量ΔNm2。

“关于映射的输出变量”

作为剩余寿命变量，不限定于是还能使用或是由于寿命已尽所以推荐更换的2值的变量。例如也可以是表示之后能使用几年的变量。例如关于实际劣化后的摩擦卡合元件，从“1”减去实际磨损的量除以磨损量的允许上限值而得到的值，将该减法值与设想的耐用年数相乘，从而生成该情况下的教师数据即可。

另外，例如也可以将剩余寿命变量作为表示之后能行驶多久的变量。例如通过将上述减法值与设想的最大行驶距离相乘，从而能够生成该情况下的教师数据。另外，例如也可以将实际磨损的量除以磨损的量的允许上限值而得到的值作为剩余寿命变量。

另外，在映射的输出变量中包含剩余寿命变量不是必须的。

作为成为利用剩余寿命变量表示与剩余寿命有关的信息的对象的、具备相对旋转的一对构件的部件，不限定于离合器、制动器等摩擦卡合元件。例如也可以是轴承。在该情况下，根据损伤的量、磨损的量将剩余寿命定量化即可。不过，利用剩余寿命变量表示与剩余寿命有关的信息的对象不限定于具备相对旋转的一对构件的部件。

在映射的输出变量中包含表示是否需要更换油的变量不是必须的。

也可以在映射的输出变量中包含无法确定异常部位的意思的变量。

“关于映射”

在上述实施方式中，作为激活函数f例示了双曲正切，作为激活函数g例示了归一化指数函数以及逻辑S型函数，但不限定于此。例如也可以将激活函数f设为ReLU(Rectified Linear Unit，整流线性单元)。另外，例如如“关于映射的输出变量”一栏中所记载那样，在剩余寿命变量是表示之后能使用几年的变量等的情况下，也可以将对应的激活函数设为ReLU。

在上述实施方式中，作为神经网络例示了中间层为1层的神经网络，但不限定于此，中间层的数量也可以是两层以上。

在上述实施方式中，作为神经网络例示了全耦合顺向传播型的神经网络，但不限定于此，例如也可以是递归耦合型神经网络(RNN：Recurrent Neural Network)。根据RNN，能够不仅将1次的输入反映于输出变量的值，而且将在过去的计算中利用的输入变量的值反映于输出变量的值，因此在输出变量中包含表示是否需要更换油的变量的情况等下，RNN特别有效。

作为映射的函数逼近器不限定于神经网络。例如也可以是不具备中间层的递归式。另外，例如关于异常部位的各个候补，也可以具备表示是否是异常部位的识别模型而构成函数逼近器。换言之，也可以代替使用对异常部位进行确定的1个函数逼近器，而具备与异常部位的候补的数量相等的数量的函数逼近器。

“关于车载部件”

作为车载部件，不限定于利用油作为工作油的部件。例如也可以是只利用于润滑的部件。在该情况下，通过使用与油中的异物有关的信息，相比不使用与油中的异物有关的信息的情况，能以更高的精度确定异常部位。

“关于车载部件的异常部位确定系统”

在上述实施方式中，在修理工厂100收集油而向车辆制造商配送，但不限定于此。例如也可以由车辆制造商进行收集。

在上述实施方式中，设为从车辆VC向车辆制造商发送在变速装置20有异常的意思的判定结果，但不限定于此。例如也可以向登记了车辆VC的销售店兼修理工厂发送。在该情况下，例如也可以从销售店兼修理工厂向制造商装置90发送异常发生的定时和发生了异常的意思的判定结果。不过，不限定于此。例如也可以在销售店兼修理工厂向数据中心70请求异常发生的定时的周边的与车辆VC有关的数据。在该情况下，也可以从销售店兼修理工厂向制造商装置90发送异常发生的定时、发生了异常的意思的判定结果和与上述车辆VC有关的数据，但也可以利用销售店兼修理工厂的计算机执行S48的处理。

在上述实施方式中，将从车辆VC接收在作为向映射的输入变量的一部分的S44、S46的处理中收集到的数据的主体和利用映射计算输出变量的值的主体设为不同的主体，但不限定于此。例如也可以在一个部位进行上述数据中心70以及制造商装置90的处理。其中，这里的“一个部位”除了收纳在同一壳体内的装置以外，还包含例如同一建筑物内、同一用地内。即，包含制造商装置90以及数据中心70能在同一建筑物内通过本地网络进行通信或能在同一用地内通过本地网络进行通信的情况。

从数据中心70收集在S44、S46的处理中收集的数据不是必须的。例如也可以在车辆VC中，在发生了异常时，将该数据发送到制造商装置90。

基于S14的处理的数据的发送目的地是收集来自多个车辆VC(1)、VC(2)、……的数据的数据中心70也不是必须的。例如也可以将从车辆VC(1)发送的数据的发送目的地设为车辆VC(1)的用户的便携终端。

在上述实施方式中，当能确定异常部位时，在配置于车辆制造商的用地内的显示部97显示其确定结果，但不限定于此。例如也可以代替S70的处理，向修理工厂100发送与确定结果有关的信号。在该情况下，修理工厂100内的计算机在修理工厂100的显示器显示与确定结果有关的视觉信息即可。在该情况下，对于制造商装置90来说，通知处理成为发送与确定结果有关的信号的处理，对于修理工厂100来说，通知处理成为接收该信号而在显示器显示与确定结果有关的视觉信息的处理。另外，上述两个处理的任一个也构成通知处理。

“关于执行装置”

作为执行装置，不限定于具备CPU92和ROM94来执行软件处理的装置。例如，也可以具备对在上述实施方式中被进行了软件处理的部分的至少一部分进行硬件处理的例如ASIC等专用的硬件电路。即，执行装置是以下的(a)～(c)的任一结构即可。

(a)具备按照程序执行上述处理的全部处理的处理装置和存储程序的ROM等程序存储装置。

(b)具备按照程序执行上述处理的一部分处理的处理装置以及程序存储装置和执行其余的处理的专用的硬件电路。

(c)具备执行上述处理的全部处理的专用的硬件电路。这里，具备处理装置以及程序存储装置的软件执行装置、专用的硬件电路可以是多个。

“关于通知装置”

在上述实施方式中，作为通知与映射的输出变量的值有关的信息且是能被用户感知的信息的通知装置，例示了将该信息作为视觉信息进行通知的装置，但不限定于此，例如也可以是作为声音信息进行通知的装置。

“关于车辆”

作为车辆，不限定于串并联混合动力车。例如也可以是串联式混合动力车、并联式混合动力车。另外，作为车载旋转机械，也不限定于具备内燃机和电动发电机。例如也可以是虽然具备内燃机但不具备电动发电机的车辆，另外，例如也可以是虽然具备电动发电机但不具备内燃机的车辆。

Claims (24)

1.一种车载部件的异常部位确定方法，其特征在于，包括：

执行取得处理，所述取得处理是用于在规定映射的映射数据被存储于存储装置的状态下执行装置取得输入变量的值的处理，在所述映射中，作为所述输入变量包含异物变量，作为输出变量包含异常部位变量，所述异物变量是与车载部件发生了异常时的在该车载部件内流动的油中含有的异物有关的变量，所述异常部位变量是表示所述车载部件的异常部位的变量；

执行计算处理，所述计算处理是用于所述执行装置将通过所述取得处理而取得的所述输入变量的值输入到所述映射从而计算所述异常部位变量的值的处理；以及

执行通知处理，所述通知处理是用于所述执行装置通过操作通知装置来通知基于所述计算处理得到的计算结果的处理，

所述异物变量是表示所述流动的油的颜色的变量，

在所述输入变量中包含与搭载有所述车载部件的车辆的总行驶距离有关的变量即行驶距离变量。

2.根据权利要求1所述的车载部件的异常部位确定方法，其特征在于，

在所述映射中，作为所述输出变量除了包含所述异常部位变量以外还包含剩余寿命变量，所述剩余寿命变量是表示与能否继续利用与所述异常部位相应的部件有关的信息的变量，

所述计算处理包含用于除了计算所述异常部位变量以外还计算所述剩余寿命变量的值的处理。

3.根据权利要求1所述的车载部件的异常部位确定方法，其特征在于，

所述执行装置是构成为执行所述车载部件是否发生了异常的判定并构成为在判定为所述车载部件发生了异常的情况下执行所述计算处理的装置，

在所述映射中，作为输入变量包含诊断变量，所述诊断变量是表示通过所述判定而被认为发生了异常的范围的变量，并且

所述取得处理包含用于取得作为所述输入变量的所述诊断变量的值的处理。

4.一种车载部件的异常部位确定方法，其特征在于，包括：

执行取得处理，所述取得处理是用于在规定映射的映射数据被存储于存储装置的状态下执行装置取得输入变量的值的处理，在所述映射中，作为所述输入变量包含异物变量，作为输出变量包含异常部位变量，所述异物变量是与车载部件发生了异常时的在该车载部件内流动的油中含有的异物有关的变量，所述异常部位变量是表示所述车载部件的异常部位的变量；

执行计算处理，所述计算处理是用于所述执行装置将通过所述取得处理而取得的所述输入变量的值输入到所述映射从而计算所述异常部位变量的值的处理；以及

执行通知处理，所述通知处理是用于所述执行装置通过操作通知装置来通知基于所述计算处理得到的计算结果的处理，

所述取得处理包括用于取得在运转负荷大的情况下向比运转负荷小的情况更浓的一侧对表示所述流动的油的颜色的变量进行校正而得到的变量来作为所述异物变量的处理，所述运转负荷是具备所述车载部件的车辆的运转的历史中的运转负荷。

5.根据权利要求4所述的车载部件的异常部位确定方法，其特征在于，

在所述映射中，作为所述输出变量除了包含所述异常部位变量以外还包含剩余寿命变量，所述剩余寿命变量是表示与能否继续利用与所述异常部位相应的部件有关的信息的变量，

所述计算处理包含用于除了计算所述异常部位变量以外还计算所述剩余寿命变量的值的处理。

6.根据权利要求4所述的车载部件的异常部位确定方法，其特征在于，

所述执行装置是构成为执行所述车载部件是否发生了异常的判定并构成为在判定为所述车载部件发生了异常的情况下执行所述计算处理的装置，

在所述映射中，作为输入变量包含诊断变量，所述诊断变量是表示通过所述判定而被认为发生了异常的范围的变量，并且

所述取得处理包含用于取得作为所述输入变量的所述诊断变量的值的处理。

7.一种车载部件的异常部位确定方法，其特征在于，包括：

执行取得处理，所述取得处理是用于在规定映射的映射数据被存储于存储装置的状态下执行装置取得输入变量的值的处理，在所述映射中，作为所述输入变量包含异物变量，作为输出变量包含异常部位变量，所述异物变量是与车载部件发生了异常时的在该车载部件内流动的油中含有的异物有关的变量，所述异常部位变量是表示所述车载部件的异常部位的变量；

执行计算处理，所述计算处理是用于所述执行装置将通过所述取得处理而取得的所述输入变量的值输入到所述映射从而计算所述异常部位变量的值的处理；以及

执行通知处理，所述通知处理是用于所述执行装置通过操作通知装置来通知基于所述计算处理得到的计算结果的处理，

所述车载部件包含旋转机械以及有级变速装置，

在所述输入变量中包含偏差量变量，所述偏差量变量是表示由所述有级变速装置进行的变速比的切换时的成为所述旋转机械的旋转轴的基准的转速与实际的转速的偏差量的变量。

8.根据权利要求7所述的车载部件的异常部位确定方法，其特征在于，

所述取得处理包括用于取得表示所述变速比的切换时的多个定时的各个定时下的所述偏差量的变量的时间序列数据来作为所述偏差量变量的处理。

9.根据权利要求7或8所述的车载部件的异常部位确定方法，其特征在于，

在所述异常部位变量所表示的异常部位的候补中包含所述有级变速装置的电磁阀和所述有级变速装置的摩擦卡合元件。

10.根据权利要求7所述的车载部件的异常部位确定方法，其特征在于，

所述异物变量包含表示所述流动的油中含有的异物的每个种类的浓度的变量。

11.根据权利要求7所述的车载部件的异常部位确定方法，其特征在于，

所述异物变量包含表示所述流动的油中含有的异物的每个大小的浓度的变量。

12.根据权利要求7所述的车载部件的异常部位确定方法，其特征在于，

所述异物变量是表示所述流动的油的颜色的变量。

13.根据权利要求7所述的车载部件的异常部位确定方法，其特征在于，

在所述映射中，作为所述输出变量除了包含所述异常部位变量以外还包含剩余寿命变量，所述剩余寿命变量是表示与能否继续利用与所述异常部位相应的部件有关的信息的变量，

所述计算处理包含用于除了计算所述异常部位变量以外还计算所述剩余寿命变量的值的处理。

14.根据权利要求7所述的车载部件的异常部位确定方法，其特征在于，

所述执行装置是构成为执行所述车载部件是否发生了异常的判定并构成为在判定为所述车载部件发生了异常的情况下执行所述计算处理的装置，

在所述映射中，作为输入变量包含诊断变量，所述诊断变量是表示通过所述判定而被认为发生了异常的范围的变量，并且

所述取得处理包含用于取得作为所述输入变量的所述诊断变量的值的处理。

15.一种车载部件的异常部位确定方法，其特征在于，包括：

执行取得处理，所述取得处理是用于在规定映射的映射数据被存储于存储装置的状态下执行装置取得输入变量的值的处理，在所述映射中，作为所述输入变量包含异物变量，作为输出变量包含异常部位变量，所述异物变量是与车载部件发生了异常时的在该车载部件内流动的油中含有的异物有关的变量，所述异常部位变量是表示所述车载部件的异常部位的变量；

执行计算处理，所述计算处理是用于所述执行装置将通过所述取得处理而取得的所述输入变量的值输入到所述映射从而计算所述异常部位变量的值的处理；以及

执行通知处理，所述通知处理是用于所述执行装置通过操作通知装置来通知基于所述计算处理得到的计算结果的处理，

所述车载部件包含旋转机械以及有级变速装置，

在所述输入变量中包含偏差量变量，所述偏差量变量是表示由所述有级变速装置进行的变速比的切换时的成为所述旋转机械的旋转轴的基准的转速与实际的转速的偏差量的变量，

搭载有所述车载部件的车辆构成为执行速度发送处理、判定处理和结果发送处理，所述速度发送处理是用于将表示所述转速的变量即速度变量发送到所述车辆的外部的处理，所述判定处理是用于判定所述有级变速装置是否发生了异常的处理，所述结果发送处理是用于在所述判定处理中判定为发生所述异常的情况下发送判定结果的处理，

所述执行装置构成为执行用于接收所述判定结果的接收处理，

所述取得处理包含基于通过所述速度发送处理而发送的所述速度变量中的与所述判定结果对应的速度变量的选择来取得所述偏差量变量的值的处理。

16.根据权利要求15所述的车载部件的异常部位确定方法，其特征在于，

所述异物变量包含表示所述流动的油中含有的异物的每个种类的浓度的变量。

17.根据权利要求15所述的车载部件的异常部位确定方法，其特征在于，

所述异物变量包含表示所述流动的油中含有的异物的每个大小的浓度的变量。

18.根据权利要求15所述的车载部件的异常部位确定方法，其特征在于，

所述异物变量是表示所述流动的油的颜色的变量。

19.根据权利要求15所述的车载部件的异常部位确定方法，其特征在于，

在所述映射中，作为所述输出变量除了包含所述异常部位变量以外还包含剩余寿命变量，所述剩余寿命变量是表示与能否继续利用与所述异常部位相应的部件有关的信息的变量，

所述计算处理包含用于除了计算所述异常部位变量以外还计算所述剩余寿命变量的值的处理。

20.根据权利要求15所述的车载部件的异常部位确定方法，其特征在于，

所述执行装置是构成为执行所述车载部件是否发生了异常的判定并构成为在判定为所述车载部件发生了异常的情况下执行所述计算处理的装置，

在所述映射中，作为输入变量包含诊断变量，所述诊断变量是表示通过所述判定而被认为发生了异常的范围的变量，并且

所述取得处理包含用于取得作为所述输入变量的所述诊断变量的值的处理。

21.一种车载部件的异常部位确定系统，其特征在于，包括：

权利要求15所述的车载部件的异常部位确定方法中的所述执行装置、所述存储装置、所述通知装置和所述车辆，被用于执行权利要求15所述的车载部件的异常部位确定方法。

22.根据权利要求21所述的车载部件的异常部位确定系统，其特征在于，

所述执行装置包含1个或多个执行装置，所述1个或多个执行装置中的至少一个构成为执行所述计算处理。

23.根据权利要求21所述的车载部件的异常部位确定系统，其特征在于，

所述执行装置包含1个或多个执行装置，所述1个或多个执行装置中的至少一个构成为执行所述通知处理。

24.根据权利要求21所述的车载部件的异常部位确定系统，其特征在于，包括车辆用控制装置，

所述车辆用控制装置包括处理器，所述处理器构成为执行权利要求21所述的车载部件的异常部位确定系统中的所述速度发送处理、所述判定处理以及所述结果发送处理。