CN113715838B - 异常噪声的产生部位确定方法、系统、装置、异常噪声的产生部位通知装置及车载装置 - Google Patents

Abstract

本发明涉及异常噪声的产生部位确定方法、系统、装置、异常噪声的产生部位通知装置及车载装置。映射数据和与个体差异变量有关的数据存储在存储装置中。所述映射数据是规定如下这样的映射的数据，在输入变量中包括所述个体差异变量和与由车辆产生的声音相关的变量即声音变量，在输出变量中包括表示多个候补部件中的哪个是声音的原因的判定结果的变量即判定结果变量。获取所述输入变量的值，将所述获取到的所述输入变量的值设为向所述映射的输入，计算所述输出变量的值，操作通知装置，通知计算结果。

Description

异常噪声的产生部位确定方法、系统、装置、异常噪声的产生 部位通知装置及车载装置

技术领域

本发明涉及异常噪声的产生部位确定方法、异常噪声的产生部位确定系统、异常噪声的产生部位确定装置、异常噪声的产生部位通知装置以及车载装置。

背景技术

例如，在下述日本特开2016-222090中记载了如下装置：在将电动发电机和内燃机机械连接于具备齿轮系的动力分割装置的混合动力车中，抑制由齿轮系的松动引起的异常噪声。在该装置中，在满足预先确定的异常噪声产生条件的情况下，为了向齿轮系施加推压扭矩，对电动发电机的扭矩进行控制。

发明内容

另外，异常噪声不一定在假定的状况下发生。因而，在用户感知异常噪声并诉诸该意思时，确定该主要原因未必容易。

本发明的第1方式的异常噪声的产生部位确定方法在映射数据和与个体差异变量有关的数据存储在存储装置中的状态下使执行装置执行获取处理、计算处理以及通知处理，该映射数据规定如下这样的映射，在输入变量中包括声音变量和所述个体差异变量，在输出变量中包括判定结果变量，该声音变量是与由车辆产生的声音有关的变量，该个体差异变量是关于与多个候补部件的各候补部件有关的该候补部件的个体固有的声音的变量，该多个候补部件是搭载于所述车辆的部件，并且成为所述声音的产生原因的候补，该判定结果变量是表示所述多个候补部件中的哪个是声音的原因的判定结果的变量，在所述获取处理中，获取所述输入变量的值，在所述计算处理中，将由所述获取处理获取到的所述输入变量的值作为向所述映射的输入，计算所述输出变量的值，在所述通知处理中，操作通知装置，通知基于所述计算处理的计算结果。

在量产的部件中，由于产生个体差异，因此由作为正常品发货的各个部件产生的声音在个体彼此间可能不同。因此，在多个部件被搭载到车辆之后，在产生异常噪声的情况下，在确定哪个部件是异常噪声的原因的方面，各部件的个体差异会成为1条线索。因此，根据上述第1方式的异常噪声的产生部位确定方法，基于个体差异变量的值计算判定结果变量的值，从而与不使用个体差异变量的值的情况相比，能够提高判定结果变量的值的计算精度。

在上述第1方式的异常噪声的产生部位确定方法中，与所述输入变量所包含的所述多个候补部件中的预定的候补部件有关的所述个体差异变量也可以是表示搭载于多个车辆的各个车辆的个体固有的声音的分布中的定位的变量。

在预定的候补部件的声音大大偏离搭载于多个车辆的各个车辆的候补部件的声音的平均值的情况下，当与位于平均值的候补部件相比时，易于产生被感知的异常噪声。然而，例如声压级、频率相对于平均值的偏移量和分布上的位置的关系存在具有非线性的倾向。因此，根据上述构成的异常噪声的产生部位确定方法，通过使用表示分布的定位的变量，即使不通过映射学习声压级、频率的分布上的位置是否较大程度地偏移，也能够计算出反映了声压级、频率的分布上的位置是否较大程度地偏移的信息的输出变量。

在上述第1方式的异常噪声的产生部位确定方法中，所述存储装置也可以构成为存储与多个车辆的所述个体差异变量有关的数据、并且所述存储装置未设于所述车辆。另外，所述获取处理也可以包括搜索处理，在该搜索处理中，对存储在所述存储装置中的与所述多个车辆的所述个体差异变量有关的数据中的、成为所述输出变量的值的计算对象的所述车辆的个体差异变量进行搜索。

在车辆被使用直至其被假定的能够使用期间的上限的期间，不一定产生确定异常噪声的产生部位的要求。因此，存储与各个车辆相应的个体差异变量的值有可能不必要地消耗存储器。因此，根据上述构成的方法，通过在车辆中不具备构成为存储个体差异变量的值的存储装置，能够抑制这样的存储器的消耗。

在上述第1方式的异常噪声的产生部位确定方法中，所述输入变量所包含的所述声音变量也可以包括与预定的频带的声压的大小有关的变量。根据上述构成的方法，通过根据预定的频带的声压的大小对声音进行量化，能够捕捉声音的特征，并且抑制输入变量的维数变大。

在上述构成的异常噪声的产生部位确定方法中，所述预定的频带也可以是声压比分别与低频侧和高频侧相邻的频带大的频带。另外，所述输入变量所包含的所述声音变量可以包括：突出频率，是所述预定的频带的频率；以及突出量，是该突出频率的所述声压相对于所述相邻的频带突出的量。

在具有突出频率的情况下，容易产生被用户所感知的异常噪声。因此，根据上述构成的方法，通过将突出频率和突出量设为声音变量，尽管映射的输入变量的维数较小，但能够将确定异常噪声的方面恰当的信息设为用于映射的输入，因此尽管映射的输入变量的维数较小，但能够精度良好地确定异常噪声的产生部位。

在上述第1方式的方法中，所述输入变量也可以包括行驶距离变量，该行驶距离变量是表示与所述车辆的总行驶距离相关的变量。车辆的部件的声音具有根据使用年数而变化的倾向，另一方面，部件的使用年数与行驶距离具有较强的正相关。因此，根据上述构成的方法，通过在输入变量中加入行驶距离变量，能够增加与声音有关的信息，进而与不加入行驶距离变量的情况相比，能够更高精度地计算输出变量的值。

在上述第1方式的方法中，所述多个候补部件也可以包括具备旋转体的部件。另外，所述输入变量也可以包括速度变量，该速度变量是表示所述旋转体的转速的变量。

来自具备旋转体的候补部件的异常噪声在旋转体的转速为预定的转速的情况下有时显著。因此，旋转体的转速在确定异常噪声的方面能够成为有益的信息。因此，根据上述构成的方法，通过在输入变量中包含速度变量，与不包含速度变量的情况相比，能够更高精度地计算输出变量的值。

在上述第1方式的方法中，所述车辆也可以包括有级变速装置，该有级变速装置被构成为使车载旋转机的转速与驱动轮的转速的变速比可变。所述候补部件也可以包括所述有级变速装置的齿轮。另外，所述输入变量也可以包括扭矩变量，该扭矩变量是表示施加于所述齿轮的扭矩的大小的变量。

有级变速装置的齿轮为主要原因的异常噪声存在在施加于齿轮的扭矩较大的情况下变得显著的倾向。因此，施加于齿轮的扭矩在确定异常噪声的方面能够成为有益的信息。因此，根据上述构成的方法，通过在输入变量中包含扭矩变量，与不包含扭矩变量的情况相比，能够更高精度地计算输出变量的值。

在上述第1方式的方法中，所述车辆也可以包括所述有级变速装置，该所述有级变速装置被构成为使车载旋转机的转速与驱动轮的转速的变速比可变。所述候补部件也可以包括所述有级变速装置的齿轮。另外，所述输入变量也可以包括变速比变量，该变速比变量是表示所述有级变速装置的变速比的变量。

有级变速装置根据变速比，内部的动力传递路径不同，因此成为内部的异常噪声的主要原因的候补也可能发生变化。因此，变速比在确定异常噪声的方面能够成为有益的信息。因此，根据上述构成的方法，通过在输入变量中包含变速比变量，与不包含变速比变量的情况相比，能够更高精度地计算输出变量的值。

在上述第1方式的方法中，所述输出变量也可以包括表示所述声音是在搭载于所述车辆的部件正常的情况下产生的意思的变量。

即使在由候补部件产生的声音为假定的范围内的情况下，对于听觉敏锐的用户而言也有可能被认为是异常噪声。因此，根据上述构成的方法，通过在输出变量中包含表示是在正常的情况下产生的声音的意思的变量，易于起到对用户的说明责任。

在上述第1方式的方法中，所述存储装置也可以被构成为存储针对所述候补部件的各候补部件的异常噪声的样品数据。另外，所述通知处理也可以包括使与所述计算结果相对应的候补部件的样品数据再生的处理。

根据上述构成的方法，通过再生样品数据，能够对再生的样品数据的声音与实际感知到的异常噪声进行对照，因此人易于判断输出变量的值的计算结果的妥当性。

本发明的第2方式的异常噪声的产生部位确定系统包括上述第1方式的异常噪声的产生部位确定方法的所述执行装置、所述存储装置、所述通知装置以及所述车辆。

上述第2方式的异常噪声的产生部位确定系统的所述执行装置包含1个或者多个执行装置，本发明的第3方式的异常噪声的产生部位确定装置具备所述1个或者多个执行装置中的被构成为至少执行所述计算处理的执行装置。

上述第2方式的异常噪声的产生部位确定系统的所述执行装置包含1个或者多个执行装置，本发明的第4方式的异常噪声的产生部位通知装置包括所述1个或者多个执行装置中的被构成为至少执行所述通知处理的执行装置；以及所述通知装置。

本发明的第5方式的车载装置被构成为执行从上述第2方式的异常噪声的产生部位确定系统的所述车辆向所述执行装置发送所述输入变量的发送处理。所述车辆包括被构成为使车载旋转机的转速与驱动轮的转速的变速比可变的有级变速装置，所述输入变量包括速度变量、扭矩变量、变速比变量以及行驶距离变量这4个变量中的至少1个变量，所述速度变量是表示所述有级变速装置的旋转体的转速的变量，所述扭矩变量是表示施加于所述旋转体的扭矩的大小的变量，所述变速比变量是表示所述有级变速装置的变速比的变量，所述行驶距离变量是表示与所述车辆的总行驶距离相关的变量。

附图说明

下面将参考附图描述本发明的示例性实施例的特征、优点以及技术和工业意义，在附图中，相同的标记表示相同的元件，并且其中：

图1是表示本发明的第1实施方式的异常噪声的产生部位确定系统的结构的图。

图2是表示第1实施方式的控制装置所执行的处理的框图。

图3A是表示上述系统所执行的处理的步骤的流程图。

图3B是表示上述系统所执行的处理的步骤的流程图。

图4A是例示第1实施方式的个体差异变量的图。

图4B是例示第1实施方式的个体差异变量的图。

图4C是例示第1实施方式的个体差异变量的图。

图5是表示第1实施方式的突出频率和突出量的图。

图6是表示第1实施方式的异常噪声的产生部位确定数据的内容的图。

图7是表示第1实施方式的异常噪声的产生部位的确定结果的显示例的图。

图8是表示第1实施方式的行驶距离与声压级的关系的图。

图9是表示本发明的第2实施方式的异常噪声的产生部位确定系统的结构的图。

图10A是表示第2实施方式的控制装置所执行的处理的步骤的流程图。

图10B是表示第2实施方式的数据中心所执行的处理的步骤的流程图。

图11A是表示第2实施方式的便携终端所执行的处理的步骤的流程图。

图11B是表示第2实施方式的制造商装置所执行的处理的步骤的流程图。

具体实施方式

以下，参照附图说明异常噪声的产生部位确定方法的第1实施方式。

图1所示的车辆VC是串并联式混合动力车。即，车辆VC的动力分割装置10具备包括太阳轮S、行星架C以及齿圈R的行星齿轮机构。内燃机12的曲轴12a与动力分割装置10的行星架C机械连接，第1电动发电机14的旋转轴14a与太阳轮S机械连接，第2电动发电机16的旋转轴16a与齿圈R机械连接。另外，驱动轮30经由具备离合器C1、C2、制动器B1、B2、单向离合器F1的变速装置20与齿圈R机械连接。

油泵40喷出的工作油向变速装置20供给，该油泵40的从动轴与动力分割装置10的行星架C机械连接。另外，油泵41喷出的润滑油向内燃机12供给，该油泵41的从动轴与行星架C机械连接。

控制装置50以车辆为控制对象，控制内燃机12的扭矩、排气成分比例、第1电动发电机14的扭矩、第2电动发电机16的扭矩等控制量。控制装置50为了控制控制量，参照曲柄角传感器60的输出信号Scr、用于感知第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、用于感知第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检测到的车速SPD、由加速传感器68检测到的加速踏板67的踩下量即加速踏板操作量ACCP。

控制装置50具备CPU52、ROM54、外围电路56以及通信机58，它们能够经由局域网59进行通信。在此，外围电路56包括用于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CPU52执行存储在ROM54中的程序，从而控制装置50控制控制量。

在图2中表示控制装置50所执行的处理的一部分。通过CPU52例如以预定周期反复执行存储在ROM54中的程序，来实现图2所示的处理。

驱动扭矩设定处理M10是如下这样的处理：将加速踏板操作量ACCP作为输入，在加速踏板操作量ACCP较大的情况下，与加速踏板操作量ACCP较小的情况相比，将应向驱动轮30赋予的扭矩的指令值即驱动扭矩指令值Trq*计算为较大的值。

驱动力分配处理M12是如下这样的处理：基于驱动扭矩指令值Trq*，设定针对内燃机12的扭矩指令值Trqe*、针对第1电动发电机14的扭矩指令值Trqm1*以及针对第2电动发电机16的扭矩指令值Trqm2*。这些扭矩指令值Trqe*、Trqm1*、Trqm2*被设为这样的值：通过分别由内燃机12、第1电动发电机14以及第2电动发电机16生成，从而被赋予给驱动轮30的扭矩成为驱动扭矩指令值Trq*。

变速比设定处理M14是如下这样的处理：基于车速SPD和驱动扭矩指令值Trq*，来设定变速装置20的变速比的指令值即变速比指令值Vsft*。管路压力指令值设定处理M16是如下这样的处理：基于驱动扭矩指令值Trq*，来设定变速装置20内的油的压力的指令值即管路压力指令值Pr*。详细而言，是如下这样的处理：在驱动扭矩指令值Trq*较大的情况下，与驱动扭矩指令值Trq*较小的情况相比，将管路压力指令值Pr*设定为较大的值。

变速操作处理M18是如下这样的处理：基于管路压力指令值Pr*，为了将用于在变速装置20中液压驱动离合器、制动器等摩擦卡合要素的油的压力控制为管路压力指令值Pr*、或将变速比控制为变速比指令值Vsft*，而向变速装置20的电磁阀22输出操作信号MS。

返回图1，控制装置50能够经由通信机58与销售店兼修理厂中的经销商装置70通信。经销商装置70具备CPU72、能够电改写的非易失性存储器即存储装置73、ROM74、麦克风75、外围电路76、例如LCD等显示部77、通信机78以及扬声器SP，它们能够经由局域网79进行通信。需要说明的是，经销商装置70实际上可以是便携式的诊断工具和销售店兼修理厂所持有的桌上终端等的组合等。

经销商装置70除了能够经由通信机78与控制装置50进行通信之外，还能够经由全球网络80与车辆VC的车辆制造商所持有的制造商装置90通信。

制造商装置90具备CPU92、能够电改写的非易失性存储器即存储装置93、ROM94、外围电路96以及通信机98，它们能够经由局域网99通信。

在由于存在不良情况而将车辆VC带到销售店兼修理厂时，制造商装置90与经销商装置70协同动作，执行确定异常噪声的部位等处理。特别地，制造商装置90在从用户接收到在车辆VC中产生异常噪声的意思的指示时，执行确定异常噪声的产生部位的处理。以下，对此进行详细说明。

在图3A、图3B中表示与异常噪声的产生部位的确定有关的处理的步骤。通过CPU72例如以预定周期反复执行存储在ROM74中的程序，来实现图3A所示的处理。另外，通过CPU92例如以预定周期反复执行存储在ROM94中的程序，来实现图3B所示的处理。需要说明的是，在以下，利用在开头赋予了“S”的数字表示各处理的步骤编号。在以下，按照确定异常噪声的产生部位的处理的时间序列，说明图3A、图3B所示的处理。

在为了诊断而使由于发出异常噪声而被带到销售店兼修理厂的车辆VC行驶的同时，执行图3A所示的一系列处理。在图3A所示的一系列处理中，CPU72首先监视是否有人感知到异常噪声的意思的信号(S10)。在此，预先确定例如“now”或“开始”、“噪声”等信号，基于麦克风75的输出信号监视有无该信号。然后，CPU72在判定为存在信号的情况(S10：YES)下，开始对由麦克风75感知到的声音信号进行录音(S12)。然后，CPU72从控制装置50获取加速踏板操作量ACCP、曲轴12a的转速NE以及车速SPD(S14)。在此，转速NE基于输出信号Scr，由CPU52计算出来。接下来，CPU72将麦克风75所输出的声音信号与每次在S14的处理中获取的加速踏板操作量ACCP、转速NE以及车速SPD建立起关联地存储到存储装置73中(S16)。CPU72从通过S12的处理开始录音起到经过预定期间为止执行S14、S16的处理(S18：NO)。然后，CPU72在判定为经过了预定期间的情况(S18：YES)下，获取行驶距离TD(S20)。然后，CPU72通过操作通信机78，向制造商装置90请求确定所录音的声音信号的主要原因的处理(S22)。接下来，CPU72通过操作通信机78，而将车辆VC的识别记号ID、行驶距离TD以及通过S16的处理存储的数据向制造商装置90发送(S24)。

相对于此，如图3B所示，车辆制造商的CPU92判定是否存在确定所录音的声音信号的主要原因的处理的请求(S30)。然后，CPU92在判定存在请求的情况(S30：YES)下，接收通过S24的处理发送的数据(S32)。接下来，CPU72基于接收的识别记号ID，从存储在图1所示的存储装置93中的个体差异变量数据组93a中搜索并提取与相应的车辆有关的个体差异变量Vid1、Vid2、…、Vidp(S34)。在此，个体差异变量Vid1、Vid2、…、Vidp是针对构成车辆VC的部件中的成为产生异常噪声的候补的部件即候补部件的每一个，表示产品发货时的声音的变量。需要说明的是，候补部件有多个，对它们分别逐个分配个体差异变量Vid1、Vid2、…、Vidp。在此，作为候补部件，例如有油泵40、41、变速装置20的变速比为1档时的作为动力传递部件的齿轮，变速比为2档时的作为动力传递部件的齿轮等。

在图4A、图4B、图4C中例示个体差异变量Vid1、Vid2、Vid3。图4A、图4B、图4C所示的横轴表示候补部件的产品发货时的声压级。另外，图4A、图4B、图4C所示的纵轴表示针对1个候补部件量产的多个中声压级为横轴的值的比例。在图4A所示的例子中，个体差异变量Vid1对应于点A，表示相应的候补部件是发出比量产品的声压级的平均值更大的声音的部件。另外，个体差异变量Vid2对应于点B，表示相应的候补部件是发出比量产品的声压级的平均值更小的声音的部件。另外，个体差异变量Vid3对应于点C，表示相应的候补部件是发出量产品的声压级的平均值程度的声音的部件。

在本实施方式中，并不是用声音的大小本身对个体差异变量Vid1、Vid2、Vid3、…、Vidp进行量化，而使用标准偏差σ进行量化。例如像“1.5σ”那样，根据是标准偏差的几倍来对个体差异变量Vid1、Vid2、Vid3、…、Vidp进行量化。其中，在音量比平均值小的情况下，附加负号。

回到图3B，CPU92通过接收到的声音信号的傅里叶变换等，生成突出频率fpr和突出量Ipr(S36)。在图5中例示突出频率fpr和突出量Ipr。如图5所例示的那样，突出频率fpr声压级是相比于与低频侧和高频侧相邻的频带突出的频带的频率。另外，突出量Ipr表示声压级相比于与低频侧和高频侧相邻的频带突出的量。若具有声压级突出的部分，则易于成为异常噪声，鉴于此，在本实施方式中，提取突出频率fpr和突出量Ipr。需要说明的是，CPU92在作为对象的频带的声压级比低频侧和高频侧的声压级大预定量以上的情况下，定义突出频率fpr和突出量Ipr。其中，在无法定义突出频率fpr和突出量Ipr的情况下，作为S36的处理，对突出频率fpr和突出量Ipr赋予“0”等默认值。

返回图3B，CPU92除在S32的处理中获取的车速SPD、加速踏板操作量ACCP、转速NE以及行驶距离TD之外，将通过S34、S36的处理获取的变量的值代入到向确定异常噪声的产生部位的映射的输入变量x(1)～x(p+6)(S38)。即，作为“i＝1～p”，CPU92将个体差异变量Vidi代入到输入变量x(i)，将突出量Ipr代入到输入变量x(p+1)，将突出频率fpr代入到输入变量x(p+2)。另外，CPU92将行驶距离TD代入到输入变量x(p+3)，将加速踏板操作量ACCP代入到输入变量x(p+4)，将车速SPD代入到输入变量x(p+5)，将转速NE代入到输入变量x(p+6)。

然后，CPU92通过将通过S38的处理生成的输入变量x(1)～x(p+6)和作为偏置参数的输入变量x(0)代入到由存储在图1所示的存储装置93中的映射数据93b规定的映射，来计算输出变量y(i)的值(S40)。

在本实施方式中，作为映射，例示出函数逼近器，详细而言，例示出中间层为1层的全连接前馈型神经网络。具体而言，通过S38的处理代入了值的输入变量x(1)～x(p+6)和作为偏置参数的x(0)通过由系数wFjk(j＝1～m、k＝0～p+6)规定的线性映射变换得到“m”个值，并将该“m”个值分别代入到激活函数f，从而确定中间层的节点的值。另外，将通过由系数wSij规定的线性映射分别变换中间层的节点的值而得到的值中的每一个代入到激活函数g，从而确定输出变量y(1)、y(2)、y(3)、…、y(q)。需要说明的是，在本实施方式中，作为激活函数f，例示出双曲正切。另外，作为激活函数g，例示出softmax函数。

输出变量y(1)、y(2)、y(3)、…、y(q)是表示异常噪声的产生部位的候补部件实际上是异常噪声的产生部位的概率的变量，由存储在图1所示的存储装置93中的产生部位确定数据93c规定。在图6中表示产生部位确定数据93c。

如图6所示，输出变量y(1)表示异常噪声在正常范围内。即，例如即使是图4A、图4B、图4C所示的声压级为平均值的产品且是由于长年劣化而声压级不变大的产品，对于听觉敏锐的用户来说，由该产品产生的微小的声音有时也会被作为异常噪声感知。然而，在该情况下，由于作为原本容许的声音而设计了部件，因此在该情况下，向用户说明是在正常的产品中产生的声音。

另外，在图6中，输出变量y(2)表示向内燃机12供给润滑油的油泵41是异常噪声的产生部位，输出变量y(3)表示向变速装置20供给工作油的油泵40是异常噪声的产生部位。另外，输出变量y(4)表示变速比为1档时的齿轮即1st齿轮是异常噪声的产生部位，输出变量y(5)表示变速比为2档时的齿轮即2nd齿轮为异常噪声的产生部位。另外，输出变量y(q-2)表示第1电动发电机14为异常噪声的产生部位，输出变量y(q-1)表示第2电动发电机16为异常噪声的产生部位，输出变量y(q)表示内燃机12为异常噪声的产生部位。

返回图3B，CPU92在计算输出变量y(1)～y(q)的值时，将其中的最大值带入到最大值ymax(S42)。该处理是用于确定异常噪声的产生部位的处理。即，在输出变量y(1)为最大值ymax的情况下，判定为正常范围的意思，在输出变量y(2)～y(q)中的某一个为最大值ymax的情况下，判定为对应的候补部件是异常噪声的产生部位。

然后，CPU72操作通信机98，将确定结果向经销商装置70发送(S44)。需要说明的是，在完成S44的处理的情况下、在S30的处理中做出否定判定的情况下，CPU92暂且结束图3B所示的一系列处理。

需要说明的是，映射数据93b是如下这样的学习模型，在车辆VC(1)的产品发货前，以促进劣化的苛刻的条件驾驶试制车使其产生异常噪声，将此时生成的各种数据作为训练数据完成学习。需要说明的是，此时，期望的是，输出变量y(1)的教学数据在录音的声音超过由个体差异变量数据组93a确定的平均值的量为规定值以下的情况下成为“1”。即，即使是当初假定的容许水平的声压级，在对于很多用户感觉到异常噪声的情况下，也期望重新调整容许水平本身。因此，优选以在比量产时的容许水平小的预定水平以下的声压级的情况下判定为正常的意思的方式对学习模型进行学习。

相对于此，如图3A所示，CPU72接收确定结果(S26)。然后，CPU72通过操作显示部77，将表示所接收到的确定结果的视觉信息显示于显示部77(S28)。

在图7中示出向显示部77的显示例。在图7所示的例子中，显示向变速装置20供给工作油的油泵40为异常噪声的产生部位的概率是“82％”，向内燃机12供给润滑油的油泵41为异常噪声的产生源的概率是“10％”的意思。这对应于，输出变量y(1)～y(q)中最大的变量是输出变量y(3)、第二大的变量是输出变量y(2)的情况。

需要说明的是，在本实施方式中，还根据存储在图1所示的存储装置73中的声音样品数据73a，一并显示表示再生相应的声音的指令的标签即“再现”。由此，能够再现由车辆制造商确定的部件实际产生的典型的声音，进而能够确认确定结果的妥当性。

返回图3A，CPU72在完成S28的处理的情况下、在S10的处理中进行否定判定的情况下，暂时结束图3A所示的一系列处理。在此，对本实施方式的作用和效果进行说明。

当在车辆VC中产生异常噪声，用户将车辆VC带到销售店兼修理厂时，在销售店兼修理厂中，使用经销商装置70与车辆VC的控制装置50建立通信。然后，经销商装置70在使车辆VC行驶的同时，再现异常噪声，并对再现的异常噪声进行录音。然后，经销商装置70将录音的声音信号等向车辆制造商的制造商装置90发送。

制造商装置90从发送来的声音信号提取声音的特征量，并且针对车辆VC所具备的部件中的成为异常噪声的候补的候补部件的各个候补部件搜索表示该部件固有的声音的个体差异的个体差异变量Vid1、Vid2、…、Vidp。然后，将这些声音的特征量和个体差异变量Vid1、Vid2、…、Vidp的值输入到由映射数据93b规定的映射，计算表示异常噪声的产生部位的概率的输出变量y(1)～y(q)。然后，CPU92基于输出变量y(1)～y(q)中的最大值来确定异常噪声的产生部位。像这样，不仅使用声音的特征量，还使用个体差异变量Vid1、Vid2、…、Vidp的值来确定异常噪声的产生部位，从而与不使用个体差异变量Vid1、Vid2、…、Vidp的值的情况相比，能够增加成为异常噪声的产生部位的线索的信息。因此，能够提高输出变量y(1)～y(q)的值的计算精度。

根据以上说明的本实施方式，还得到以下记载的效果。(1)代替将个体差异变量Vid1、Vid2、…、Vidp作为该个体特有的声压级进行量化，而作为表示相对于量产品各自的声压级的该个体特有的声压级的分布的定位的变量进行量化。在此，在预定的候补部件的声音相对于搭载于多个车辆的各个车辆的候补部件的声压级的平均值过大的情况下，与位于平均值的候补部件相比，易于产生所感知的异常噪声。然而，例如相对于声压级的平均值的偏移量与分布上的位置的关系存在具有非线性的倾向。因此，在本实施方式中，通过使用表示声压级的分布的定位的变量，能够将分布上的位置是否较大地偏移的信息本身添加到输入变量中。因此，根据本实施方式，即使不学习映射以便能够识别分布上的位置是否较大程度地偏移，也能够计算反映了分布上的位置是否较大程度地偏移的信息的输出变量的值。

(2)将多个车辆的个体差异变量Vid1、Vid2、…、Vidp存储到制造商装置90的存储装置93。由此，不需要存储与各个车辆VC相应的个体差异变量Vid1、Vid2、…、Vidp的值。相对于此，在各个车辆VC存储个体差异变量Vid1、Vid2、…、Vidp的情况下，车辆VC产生异常噪声而被带到销售店兼修理厂的可能性不高，因此有可能不必要地消耗存储器。

(3)向映射的输入变量包括突出频率fpr和突出量Ipr。由于这些是在产生异常噪声的情况下的特征性的量，因此尽管映射的输入变量的维数小，但是也能够在确定异常噪声的基础上将恰当的信息作为向映射的输入。

(4)向映射的输入变量包括行驶距离TD。如图8所例示的那样，车辆VC的部件的声音存在根据行驶距离TD而变化的倾向。因此，通过将行驶距离TD添加到输入变量，能够增加关于声音的信息，进而与不添加行驶距离TD的情况相比，能够更高精度地计算输出变量的值。

(5)向映射的输入变量包括车速SPD。车速SPD与变速装置20内的旋转体的转速成比例。并且，变速装置20所产生的声音在旋转体的转速成为预定的转速的情况下有时变得显著。因此，车速SPD在确定异常噪声的方面能够成为有益的信息。因此，在本实施方式中，通过在输入变量中包含车速SPD，与不包含车速SPD的情况先比，能够更高精度地计算输出变量的值。

(6)向映射的输入变量包括加速踏板操作量ACCP。变速装置20的齿轮为主要原因的异常噪声存在在施加于齿轮的扭矩较大的情况下变得显著的倾向。因此，施加于齿轮的扭矩在确定异常噪声的方面能够成为有益的信息。另一方面，加速踏板操作量ACCP与施加于齿轮的扭矩具有较强的正相关性。因此，加速踏板操作量ACCP在确定异常噪声的方面能够成为有益的信息。因此，在本实施方式中，通过在输入变量中包含加速踏板操作量ACCP，与不包含加速踏板操作量ACCP的情况相比，能够更高精度地计算输出变量的值。

(7)向映射的输入变量包括加速踏板操作量ACCP和车速SPD。对于变速装置20而言，由于内部的动力传递路径根据变速比而不同，因此成为内部的异常噪声的主要原因的候补也会发生变化。因此，变速比在确定异常噪声的方面能够成为有益的信息。另一方面，根据车速SPD和加速踏板操作量ACCP来确定变速比。因此，在本实施方式中，通过在输入变量中包含加速踏板操作量ACCP和车速SPD，与不包含加速踏板操作量ACCP和车速SPD的情况相比，能够更高精度地计算输出变量的值。

(8)向映射的输入变量包括转速NE。在从油泵40、41产生异常噪声的情况下，其存在为预定的转速的倾向。另一方面，油泵40、41的转速与曲轴12a的转速成比例。因此，通过在向映射的输入变量中包含转速NE，与不包含的情况相比，能够基于与来自油泵40、41的异常噪声密切相关的信息计算输出变量的值，进而能够更高精度地计算输出变量的值。

(9)输出变量包括表示是在搭载于车辆VC的部件正常的情况下产生的声音的意思的变量。即使在从候补部件产生的声音为假定的范围内的情况下，对于听觉敏锐的用户而言，也有可能被认为是异常噪声。关于这一点，根据本实施方式，通过在输出变量中包含表示是在正常的情况下产生的声音的意思的变量，易于起到对用户的说明责任。

(10)在存储装置73中存储有针对产生异常噪声的各个候补部件的异常噪声的样品数据，能够再生作为异常噪声的产生部位确定的候补部件的声音的样品数据。由此，能够将再生的样品数据的声音与实际感知到的异常噪声进行对照，因此人易于判断输出变量的值的计算结果的妥当性。

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。

在图9中示出本实施方式的确定异常噪声的产生部位的系统的结构。需要说明的是，在图9所示的构件中，为了方便起见，对与图1所示的构件对应的构件标注相同的附图标记并省略其说明。

图9所示的便携终端100是车辆VC的用户所持有的便携终端。便携终端100具备CPU102、能够电改写的非易失性存储装置103、触摸板104、麦克风105、外围电路106、与触摸板104重叠的LCD等显示部107、扬声器SP以及通信机108，它们能够经由局域网109进行通信。车辆VC的控制装置50能够经由其通信机58与便携终端100通信。

数据中心110具备CPU112、存储装置113、ROM114、外围电路116以及通信机118，它们能够经由局域网119进行通信。在此，存储装置113是能够电改写的非易失性的装置。在存储装置113中，将分别从多个车辆VC(1)、VC(2)、…、VC(n)发送来的数据作为大数据113a存储。需要说明的是，在大数据113a中包括从规格互不相同的多个车辆发送的数据。但是，在以下，为了方便起见，设为车辆VC(1)、VC(2)、…、VC(n)是同一规格的车辆。

在图10A、图10B中示出与数据中心110的数据交换有关的处理的步骤。详细而言，图10A所示的处理通过CPU52例如以预定周期反复执行存储在ROM54中的程序来实现。另外，图10B所示的处理通过CPU112例如以预定周期反复执行存储在ROM114中的程序来实现。

在图10A所示的一系列处理中，控制装置50的CPU52首先检测加速踏板操作量ACCP、转速NE以及车速SPD(S50)。然后，CPU52判定是否从后述的S54的处理的执行定时经过了预定期间(S52)。然后，CPU52在判定为经过了预定期间的情况(S52：YES)下，通过操作通信机58，发送加速踏板操作量ACCP、转速NE以及车速SPD的时间序列数据、行驶距离TD、车辆VC的识别记号ID(S54)。需要说明的是，CPU52在完成S54的处理的情况下、在S52的处理中进行否定判定的情况下，暂时结束图10A所示的一系列处理。

相对于此，如图10B所示，数据中心110的CPU112接收通过S54的处理发送来的数据(S60)。然后，CPU112基于接收到的数据的识别记号ID，利用上述时间序列数据和行驶距离TD更新存储在存储装置113中的大数据113a中的由识别记号ID确定的车辆用的数据(S62)。需要说明的是，在此的更新处理既可以是简单地添加接收到的数据的处理，或者也可以是删除预定以上过去的数据并替换地添加接收到的数据的处理。

接下来，CPU112判定是否存在大数据113a中的确定的一部分数据的请求，在判定为有的情况(S64：YES)下，通过操作通信机118，发送被请求的数据(S66)。

需要说明的是，CPU112在S66的处理完成的情况下、在S64的处理中进行否定判定的情况下，暂时结束图10B所示的一系列处理。在图11A、图11B中表示确定异常噪声的产生部位的处理的步骤。详细而言，图11A所示的处理通过CPU102每当预定的条件成立时反复执行存储在图9所示的存储装置103中的应用程序103a来实现。另外，图11B所示的处理通过CPU92例如以预定周期反复执行存储在ROM94中的程序来实现。需要说明的是，在图11A、图11B中，为了方便起见，对与图3A、图3B所示的处理相对应的处理赋予相同的步骤编号。在以下，按照确定异常噪声的产生部位的处理的时间序列，说明图11A、图11B所示的处理。

在图11A所示的一系列处理中，便携终端100的CPU102执行S10、S12的处理。然后，CPU102在判定为在预定期间内持续进行录音的情况(S18：YES)下，执行S22的处理，进而通过操作通信机108，发送车辆VC的识别记号ID和录音了的声音信号(S24a)。

相对于此，如图11B所示，CPU92在判定是否存在对在S30的处理中录音的声音信号的主要原因进行确定的处理的请求的情况(S30：YES)下，接收通过S24a的处理发送的数据(S32a)。然后，CPU92执行S34的处理，并且基于通过S32a的处理接收到的数据执行S36的处理。

接下来，CPU92通过操作通信机98，向数据中心110请求与通过S32a的处理接收到的声音信号的录音定时同步的转速NE、加速踏板操作量ACCP以及车速SPD(S70)。若接受该处理而CPU112通过图10B的处理进行S66的处理，则CPU92接收所请求的数据(S72)。然后，CPU92执行图3B所示的S38～S44的处理。其中，本实施方式的S44的处理是将异常噪声的产生部位的确定结果向便携终端100发送的处理。

需要说明的是，CPU92在完成S44的处理的情况下、在S30的处理中进行否定判定的情况下，暂时结束图11B所示的一系列处理。相对于此，在图11A所示的一系列处理中，便携终端100的CPU102在图3A的处理中执行经销商装置70所执行的S26、S28的处理。即，CPU102在接收到确定结果时，通过操作显示部107，将表示接收到的确定结果的视觉信息显示于显示部77。

上述实施方式的事项与在上述“发明内容”部分记载的事项的对应关系如下。“存储装置”的一例是存储装置93。“执行装置”的一例是CPU92和ROM94。“声音变量”的一例是突出量Ipr和突出频率fpr。“个体差异变量”的一例是个体差异变量Vid1、Vid2、…、Vidp。“获取处理”的一例是图3B的S32、S34、S36的处理、图11B的S32a、S34、S36的处理。“计算处理”的一例是S40的处理。在“通知装置”的一例是显示部77或者显示部107的情况下，“通知处理”的一例是S28的处理，在“通知装置”的一例是通信机98的情况下，“通知处理”的一例是S44的处理。“与预定的频带的声压的大小有关的变量”的一例是突出量Ipr。“行驶距离变量”的一例是行驶距离TD。“速度变量”的一例是转速NE和车速SPD。“变速装置”的一例是有级变速装置20。“扭矩变量”的一例是加速踏板操作量ACCP。“变速比变量”的一例是车速SPD和加速踏板操作量ACCP的组。“输出变量”的一例是输出变量y(1)、y(2)、…、y(q)。在“通知装置”的一例是显示部77的情况下，“异常噪声产生部位确定系统”的一例是车辆VC(1)、经销商装置70以及制造商装置90，在“通知装置”的一例是显示部107的情况下，“异常噪声产生部位确定系统”的一例是车辆VC(1)、便携终端100以及制造商装置90。另外，在“通知装置”的一例是通信机98的情况下，“异常噪声产生部位确定系统”的一例是车辆VC(1)和制造商装置90。在“通知装置”的一例是显示部77的情况下，“执行装置”的一例是CPU72和ROM74，在“通知装置”的一例是显示部107的情况下，“执行装置”的一例是CPU102和存储装置103，在“通知装置”的一例是通信机98的情况下，“执行装置”的一例是CPU92和ROM94。“车载装置”的一例是控制装置50。

以下对其他实施方式进行说明。需要说明的是，本实施方式能够如以下这样变更来实施。本实施方式和以下的变更例能够在技术上不矛盾的范围内相互组合来实施。

首先，对声音信号进行说明。

在上述实施方式中，使车辆VC行驶并对与异常噪声对应的声音信号进行录音，但不限于此，例如也可以在使车辆VC停止在销售店兼修理厂内的状态下使内燃机12等运转而对声音信号进行录音。

接下来，对声音变量进行说明。

作为成为输入变量的突出频率fpr和突出量Ipr，不限于1组。例如也可以是多组。在该情况下，例如准备作为突出频率fpr和突出量Ipr的组数而假定的最大数量的输入变量。然后，在实际的突出频率fpr和突出量Ipr的组数比最大数量少的情况下，对剩余的输入变量代入例如“0”等即可。

作为声音变量，不限于由突出频率fpr和突出量Ipr的组构成的变量。作为声音变量，例如也可以是几个预先确定的频率的声压级。在此，预先确定的频率也可以是例如与变速装置20的旋转频率成比例地可变的量。

作为声音变量，不限于预定的频率的声压级。作为声音变量，例如也可以是声压级成为阈值以上的继续时间。

接下来，对个体差异变量进行说明。

作为个体差异变量，不限于与声压级的大小有关的变量，作为个体差异变量，例如既可以设为与声音的频率有关的变量，另外，也可以设为与声压级及其频率这两者有关的变量。

作为个体差异变量，不限于根据标准偏差σ的几倍来对作为对象的部件的分布上的位置进行量化。作为个体差异变量，例如也可以通过在与平均值偏离作为对象的部件的声压级与群体的声压的平均值之差的绝对值的范围内包含群体所包含的部件的多少百分比进行量化。

作为个体差异变量，不限于对作为对象的部件的声压级在群体的分布中的定位进行量化。作为个体差异变量，例如可以设为作为对象的部件固有的声压级本身。

接下来，对与个体差异变量有关的数据的存储装置进行说明。

作为个体差异变量Vid1、Vid2、…、Vidp的存储部件，不限于将多个车辆的个体差异变量作为个体差异变量数据组93a一并存储的存储装置93。例如，各个车辆VC(1)、VC(2)、…、VC(n)的控制装置50所具备的存储装置也可以仅存储该车辆的个体差异变量。

接下来，对行驶距离变量进行说明。

作为行驶距离变量，不限于行驶距离TD，例如也可以简单地是行驶年数。

接下来，对速度变量进行说明。

作为表示变速装置20内的旋转体的转速的变量，不限于车速SPD。作为表示变速装置20内的旋转体的转速的变量，例如也可以是变速装置20的输入轴的转速。在上述实施方式的情况下，其与第2电动发电机16的旋转轴16a的转速相等。另外，作为表示变速装置20内的旋转体的转速的变量，例如也可以是根据车速SPD和变速比计算出的各旋转体的实际的转速。在该情况下，速度变量为多个变量的组。

作为表示油泵40、41的转速的变量，不限于转速NE。例如鉴于通过第1电动发电机14的旋转轴14a的转速和第2电动发电机16的旋转轴16a的转速的组唯一地确定曲轴12a的转速NE，表示油泵40、41的转速的变量可以设为这些转速的组。另外，例如鉴于由车速SPD和加速踏板操作量ACCP组大致确定转速NE，可以将表示油泵40、41的转速的变量设为车速SPD与加速踏板操作量ACCP的组。当然，并不是必须将表示油泵40、41的转速的变量包含在输入变量中。

接下来，对扭矩变量进行说明。

作为扭矩变量，不限于加速踏板操作量ACCP，作为扭矩变量，例如也可以是驱动扭矩指令值Trq*，另外，例如也可以是扭矩指令值Trqe*、Trqm1*、Trqm2*的组。

接下来，对变速比变量进行说明。

在上述实施方式中，由加速踏板操作量ACCP和车速SPD构成变速比变量，但不限于此。例如，也可以将变速比指令值Vsft*作为变速比变量包含在输入变量中。

接下来，对映射的输出变量进行说明。

映射的输出变量不是必须包括表示是正常范围的声音的意思的变量。

由输出变量确定的候补部件并不必须包含图6所例示的全部部件。

接下来，对映射进行说明。

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softmax函数，但不限于此。例如，也可以将激活函数f设为ReLu(Rectified Linear Unit)。

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，但不限于此，中间层的数量也可以为2层以上。

在上述实施方式中，作为神经网络例示了全连接前馈型神经网络，但不限于此，作为神经网络例如也可以是有卷积神经网络、递归连接型神经网络(Recurrent NeuralNetwork)。

作为设为映射的函数逼近器，不限于神经网络。作为函数逼近器，例如也可以是不具备中间层的递归式。另外，作为函数逼近器，例如也可以针对异常噪声的产生部位的候补，分别具备表示是否是产生部位的识别模型，来构成函数逼近器。换言之，也可以代替使用确定产生部位的1个函数逼近器，而具备与产生部位的候补的数量相等数量的函数逼近器。

接下来，对异常噪声的产生部位确定系统进行说明。

在上述实施方式中，在制造商装置90中存储有个体差异变量数据组93a，但不限于此。例如，在图9的系统的情况下，也可以在数据中心110中存储个体差异变量数据组93a。在该情况下，例如若由制造商装置90计算输出变量y(1)、y(2)、…、y(q)，则从制造商装置90向数据中心110请求个体差异变量数据组93a中的相应的变量的值即可。

在上述实施方式中，由制造商装置90计算了输出变量y(1)、y(2)、…、y(q)，但不限于此。例如，也可以由经销商装置70计算输出变量y(1)、y(2)、…、y(q)。在该情况下，例如从经销商装置70向制造商装置90请求个体差异变量数据组93a中的相应的变量的值即可。另外，作为计算输出变量y(1)、y(2)、…、y(q)的主体，不限于经销商装置70，例如也可以是图9所例示的数据中心110。

接下来，对执行装置进行说明。

作为执行装置，不限于具备CPU92(72、102)和ROM94(74、104)来执行软件处理。例如，也可以具备对在上述实施方式中进行了软件处理的部件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，执行装置为以下的(a)～(c)中任意结构即可。(a)具备按照程序执行全部上述处理的处理装置和存储程序的ROM等程序储存装置。(b)具备按照程序执行上述处理的一部分的处理装置和程序储存装置以及执行剩下的处理的专用硬件电路。(c)具备执行全部上述处理的专用硬件电路。在此，具备处理装置和程序储存装置的软件执行装置、专用硬件电路也可以为多个。

接下来，对通知装置进行说明。

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且是能够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，但不限于此，例如也可以是作为声音信息进行通知的装置。

接下来，对车辆进行说明。

作为车辆，不限于具备变速装置20的车辆。作为车辆，不限于串并联式混合动力车。作为车辆，例如也可以是串联式混合动力车、并联式混合动力车。需要说明的是，作为车载旋转机，不限于具备内燃机和电动发电机的车载旋转机。例如既可以是虽具备内燃机但不具备电动发电机的车辆，另外，例如也可以是虽具备电动发电机但不具备内燃机的车辆。

Claims (14)

1.一种异常噪声的产生部位确定方法，其特征在于该异常噪声的产生部位确定方法在映射数据和与个体差异变量有关的数据存储在存储装置中的状态下使执行装置执行获取处理、计算处理以及通知处理，该映射数据规定如下这样的映射，在输入变量中包括声音变量和所述个体差异变量，在输出变量中包括判定结果变量，该声音变量是与由车辆产生的声音有关的变量，该个体差异变量是关于与多个候补部件中的预定的候补部件有关的变量，该多个候补部件是搭载于所述车辆的部件，并且成为所述声音的产生原因的候补，该判定结果变量是表示所述多个候补部件中的哪个是声音的原因的判定结果的变量，

在所述获取处理中，获取所述输入变量的值，

在所述计算处理中，将由所述获取处理获取到的所述输入变量的值作为向所述映射的输入，计算所述输出变量的值，

在所述通知处理中，操作通知装置，通知基于所述计算处理的计算结果，

所述输入变量所包含的与所述多个候补部件中的预定的候补部件有关的所述个体差异变量是表示搭载于多个车辆的各个车辆的个体固有的声音在所述多个车辆的个体固有的声音的分布中的定位的变量。

2.根据权利要求1所述的异常噪声的产生部位确定方法，其特征在于，

所述存储装置构成为存储与多个车辆的所述个体差异变量有关的数据、并且所述存储装置未设于所述车辆，并且

所述获取处理包括搜索处理，在该搜索处理中，对存储在所述存储装置中的与所述多个车辆的所述个体差异变量有关的数据中的、成为所述输出变量的值的计算对象的所述车辆的个体差异变量进行搜索。

3.根据权利要求1或2所述的异常噪声的产生部位确定方法，其特征在于，

所述输入变量所包含的所述声音变量包括与预定的频带的声压的大小有关的变量。

4.根据权利要求3所述的异常噪声的产生部位确定方法，其特征在于，

所述预定的频带是声压比分别与低频侧和高频侧相邻的频带大的频带，并且

所述输入变量所包含的所述声音变量包括：突出频率，是所述预定的频带的频率；以及突出量，是该突出频率的所述声压相对于所述相邻的频带突出的量。

5.根据权利要求1或2所述的异常噪声的产生部位确定方法，其特征在于，

所述输入变量包括行驶距离变量，该行驶距离变量是表示与所述车辆的总行驶距离相关的变量。

6.根据权利要求1或2所述的异常噪声的产生部位确定方法，其特征在于，

所述多个候补部件包括具备旋转体的部件，并且

所述输入变量包括速度变量，该速度变量是表示所述旋转体的转速的变量。

7.根据权利要求1或2所述的异常噪声的产生部位确定方法，其特征在于，

所述车辆包括有级变速装置，该有级变速装置被构成为使车载旋转机的转速与驱动轮的转速的变速比可变，

所述候补部件包括所述有级变速装置的齿轮，并且

所述输入变量包括扭矩变量，该扭矩变量是表示施加于所述齿轮的扭矩的大小的变量。

8.根据权利要求1或2所述的异常噪声的产生部位确定方法，其特征在于，

所述车辆包括有级变速装置，该有级变速装置被构成为使车载旋转机的转速与驱动轮的转速的变速比可变，

所述候补部件包括所述有级变速装置的齿轮，并且

所述输入变量包括变速比变量，该变速比变量是表示所述有级变速装置的变速比的变量。

9.根据权利要求1或2所述的异常噪声的产生部位确定方法，其特征在于，

所述输出变量包括表示所述声音是在搭载于所述车辆的部件正常的情况下产生的意思的变量。

10.根据权利要求1或2所述的异常噪声的产生部位确定方法，其特征在于，

所述存储装置被构成为存储针对所述候补部件的各候补部件的异常噪声的样品数据，并且

所述通知处理包括使与所述计算结果相对应的候补部件的样品数据再生的处理。

11.一种异常噪声的产生部位确定系统，其特征在于包括权利要求1～10中任一项所述的异常噪声的产生部位确定方法中的所述执行装置、所述存储装置、所述通知装置以及所述车辆，被用于执行权利要求1～10中任一项所述的异常噪声的产生部位确定方法。

12.根据权利要求11所述的异常噪声的产生部位确定系统，其特征在于包括异常噪声的产生部位确定装置，

所述异常噪声的产生部位确定装置包括所述执行装置所包含的1个或者多个执行装置中的被构成为至少执行所述计算处理的执行装置。

13.根据权利要求11所述的异常噪声的产生部位确定系统，其特征在于包括异常噪声的产生部位通知装置，

所述异常噪声的产生部位通知装置包括所述执行装置所包含的1个或者多个执行装置中的被构成为至少执行所述通知处理的执行装置以及所述通知装置。

14.根据权利要求11所述的异常噪声的产生部位确定系统，其特征在于包括车载装置，所述车载装置被构成为执行从所述车辆向所述执行装置发送所述输入变量的发送处理，

其中，所述执行装置未配备于所述车辆，

所述车辆包括被构成为使车载旋转机的转速与驱动轮的转速的变速比可变的有级变速装置，并且

所述输入变量包括速度变量、扭矩变量、变速比变量以及行驶距离变量这4个变量中的至少1个变量，

所述速度变量是表示所述有级变速装置的旋转体的转速的变量，所述扭矩变量是表示施加于所述旋转体的扭矩的大小的变量，所述变速比变量是表示所述有级变速装置的变速比的变量，所述行驶距离变量是表示与所述车辆的总行驶距离相关的变量。