JP2015219029A - 診断データ抽出装置、車両診断装置 - Google Patents

Abstract

【課題】車両の異常の診断を行うための診断データを抽出する診断データ抽出装置において、適切に故障診断が可能な診断データを抽出できるようにする。【解決手段】故障診断システムにおいては、診断対象となる車両にて生成された車両データを取得し（Ｓ１１０）、車両データに基づいて、車両の走行状態が故障診断に適するものとして予め設定された適合パターンである時区間を特定する（Ｓ１１５）。そして、適合パターンである時区間に生成された車両データの少なくとも一部を、診断データとして抽出する（Ｓ１２０）。このような故障診断システムによれば、走行状態が適合パターンである時区間の車両データを診断データとして抽出するので、走行状態が概ね同様の条件のデータを抽出することができる。【選択図】図２

Description

本発明は、車両の異常の診断を行うための診断データを抽出する診断データ抽出装置、および車両が異常であるか否かを診断する車両診断装置に関する。

上記の車両診断装置として、車両位置が予め設定された位置となったときに得られる診断データや、自車両の挙動が予め準備された標準運転状態から乖離したときにおける診断データを用いて車両の故障を判定するものが知られている（例えば、特許文献１参照）。

特開２０１２−０１８５２７号公報

しかしながら、上記車両診断装置では、利用される診断データが記録される際に、どのような運転が行われているかについては運転者に依存するため、診断に適したドライビングパターンのデータが得られるとは限らない。よって適切な故障診断ができるとは限らない。

そこで、このような問題点を鑑み、車両の異常の診断を行うための診断データを抽出する診断データ抽出装置において、適切に故障診断が可能な診断データを抽出できるようにすることを本発明の目的とする。

本発明の診断データ抽出装置において、車両データ取得手段は診断対象となる車両にて生成された車両データを取得し、時区間特定手段は車両データに基づいて、車両の走行状態が故障診断に適するものとして予め設定された適合パターンである時区間（開始時刻と終了時刻との間の時間、時期）を特定する。そして、抽出手段は適合パターンである時区間に生成された車両データの少なくとも一部を、診断データとして抽出する。

このような診断データ抽出装置によれば、走行状態が適合パターンである時区間の車両データを診断データとして抽出するので、走行状態が概ね同様の条件のデータを抽出することができる。

また、本発明の車両診断装置において、診断データ取得手段は、車両の走行状態を取得し、車両の走行状態が予め設定されたドライビングパターン（ＤＰ）であるときに記録された、車両の故障を判定するための診断データを取得する。そして、故障判定手段は、ドライビングパターン毎に予め準備された故障診断モデルと診断データとに基づいて、車両が故障しているか否かを判定する。ただし、診断データ取得手段は、診断データ抽出装置にて抽出された診断データを取得する。

このような車両診断装置によれば、走行状態が概ね同様の条件のデータを用いて診断を行うことができる。よって、診断の精度を向上させることができる。
なお、上記目的を達成するためには、コンピュータを、診断データ抽出装置や車両診断装置を構成する各手段として実現するためのプログラムとしてもよい。また、各請求項の記載は、可能な限りにおいて任意に組み合わせることができる。この際、発明の目的を達成できる範囲内において一部構成を除外してもよい。

本発明が適用された故障診断システム１の概略構成を示すブロック図である。 故障診断装置１０のＣＰＵ１１が実行するデータ記録処理を示すフローチャート（ａ）、および実施形態におけるドライビングパターンの識別手法を示す説明図（ｂ）（ｃ）である。 データ記録処理のうちのバッファリング処理を示すフローチャートである。 実施形態において利用されるマップを示す表である。 故障診断装置１０のＣＰＵ１１が実行する故障診断処理を示すフローチャートである。 故障診断処理のうちの実行処理を示すフローチャート（ａ）、および実施形態におけるセンサデータの利用例を示す説明図である。 変形例において利用されるマップを示す表である。 変形例において実施形態におけるドライビングパターンの識別手法を示す説明図である。 変形例におけるセンサデータの利用例を示す説明図である。

以下に本発明にかかる実施の形態を図面と共に説明する。
［本実施形態の構成］
本発明が適用された故障診断システム１は、例えば乗用車等の車両（自車両）に搭載されている。そして、故障診断システム１は、車両の走行状態が故障診断に適するものとして予め設定されたドライビングパターンである時区間を特定し、このパターンである時区間に生成されたセンサデータ（車両データ）の少なくとも一部を、診断データとして抽出できるよう構成されている。

詳細には、図１に示すように、故障診断システム１は、故障診断装置１０と、各種ＥＣＵ（電子制御装置）２１〜２４と、各種センサ２５と、を備えている。故障診断装置１０、各種ＥＣＵ２１〜２４、各種センサ２５は、それぞれ通信線５に接続されており、互いに通信可能に構成されている。

各種ＥＣＵ２１〜２４としては、自車両のエンジンを制御するエンジンＥＣＵ２１、車両のブレーキを制御するブレーキＥＣＵ２２、自車両の舵角を制御するステアリングＥＣＵ２３、および自車両の車高や自車両の傾きを制御するサスペンションＥＣＵ２４等を備えている。また、各種センサ２５としては、自車両の走行速度を検出する車速センサ、自車両に加わる加速度を検出する加速度センサ、自車両の回転角速度を検出するヨーレートセンサ等を備えている。

これらのＥＣＵ２１〜２４は、自身による演算結果や自身に接続されたセンサからの値を通信線５に出力する。また、各種センサ２５は、自身により検出された値を通信線５に出力する。これらのデータは後述するセンサデータに相当する。

故障診断装置１０は、ＣＰＵ１１とＲＯＭ，ＲＡＭ等のメモリ１２と、を備えたコンピュータとして構成されている。また、故障診断装置１０は、データベース１３を備えている。

ＣＰＵ１１は、メモリ１２に記録されたプログラムに基づいて後述する各種処理を実行する。故障診断装置１０は、このような処理を実行しつつ、通信線５を介して受信したデータをデータベース１３に記録させて保持する。

データベース１３は、ドライビングパターン識別モデル１４、故障診断（ＦＤ：Failure Diagnosis）情報マップ１５、故障診断モデル３１、および各ドライビングパターン用データベース１６〜１８を備えている。なお、ドライビングパターン用データベース１６〜１８としては本実施形態では３つだけ図示しているが、これよりも少なくても多くてもよい。

ドライビングパターン識別モデル１４には、例えば複数のセンサデータの組み合わせによってドライビングパターンを特定するためのモデルがドライビングパターン用データベース１６〜１８の数だけ記録されている。つまり、ドライビングパターン用データベース１６〜１８の数と、故障診断装置１０が認識するドライビングパターンの数とが１対１の関係となるよう設定されている。

ＣＰＵ１１は、センサデータが示す値に応じてドライビングパターンを認識し、そのドライビングパターンが対応するドライビングパターン用データベース１６〜１８にセンサデータを記録することになる。

また、故障診断モデル３１は、故障診断を行う際に利用されるものであり、故障診断の種別やドライビングパターン毎に準備されている（図４（ｃ）参照）。故障診断モデル３１は、故障の判断を行うための複数のパラメータを備えているが、これらのパラメータは、予め学習等によって準備されている。

［本実施形態の処理］
このように構成された故障診断システム１において、故障診断装置１０のＣＰＵ１１は、図２に示すデータ蓄積処理を実施する。データ蓄積処理は、ドライビングパターンを認識しつつ、ドライビングパターン毎にデータベース１３にデータを記録させる処理である。また、データ蓄積処理は、例えば車両の電源が投入されると開始される処理であり、その後、一定周期毎に繰り返し実施される処理である。

データ蓄積処理では、図２（ａ）に示すように、まず、各ＥＣＵによる演算結果やセンサデータのうちの予め設定された種別のデータである、１または複数のドライビングパターン識別用データを入力する（Ｓ１１０）。そして、ドライビングパターン識別用データと、ドライビングパターン識別モデル１４とを用いることによって、現在のドライビングパターンがモデルの何れかに該当することを識別する（Ｓ１１５）。

例えば、図２（ｂ）に示すように、本実施形態のデータ蓄積処理では、時間（時刻ｔ）の経過とともに、順次センサデータを取得し、その都度、ドライビングパターンの識別を行うことになる。この際、何れかのドライビングパターン（ＤＰ１〜ＤＰ３）として識別される場合もあれば、何れのドライビングパターンにも識別されないこともある。また、図２（ｃ）に示すように、あるタイミングにおいて複数のドライビングパターンに該当してもよい。

続いて、バッファリング処理を実施する（Ｓ１２０）。バッファリング処理は、実際にデータベース１３にデータを記録させる処理である。
バッファリング処理では、図３に示すように、まず、センサデータを取得する（Ｓ１５０）。そして、ドライビングパターンのうちの１つ（ｉ＝１のもの）を選択する（Ｓ１５５）。なお、変数ｉの値は、ドライビングパターンの種別を特定するための値であり、変数ｉとドライビングパターンの種別とが１対１の関係で対応付けられている。そして、変数ｉが変更されると、この値に対応するドライビングパターンが選択されることになる。

続いて、マップに基づいてドライビングパターンに対応するデータベースを選択する（Ｓ１６０）。ここでいうマップとしては、図４（ａ）および図４（ｂ）に示すように、故障診断の種別（ＦＤ）に対して、必要となるドライビングパターン（ＤＰ１〜ＤＰ３）と、センサデータの種別（ＳＤ１〜ＳＤ３）とが対応付けられたマップと、データベースの種別（ＤＢ１〜ＤＢ３）とこれらのデータベースに記録されるべきデータの種別とが対応付けられたマップとを備えている。

図４（ａ）に示すマップにおいては、センサデータの必要数の一例を数値で記載しており、図４（ｂ）に示すマップにおいては、各データベースにおけるデータの記録可能数の一例を数値で記載している。なお、記録可能数が０のものは、データベース（記録領域）が準備されていないことを意味する。また、図４（ａ）に示すマップと図４（ｂ）に示すマップとにおいては、各マップ間の対応関係を考慮することなく例示している。

続いて、このデータベースに記録させるべきセンサデータが存在するか否かを判定する（Ｓ１６５）。この処理では、図４に示すマップに基づいて判定を行う。
記録させるべきセンサデータが存在しなければ（Ｓ１６５：ＮＯ）、後述するＳ１７５の処理に移行する。また、記録させるべきセンサデータが存在すれば（Ｓ１６５：ＹＥＳ）、選択したデータベースへセンサデータを記録させる（Ｓ１７０）。

続いて、変数ｉと最大値Ｉとを比較する（Ｓ１７５）。最大値Ｉは、準備されたドライビングパターンの種別の数と一致する。変数ｉが最大値Ｉ未満であれば（Ｓ１７５：ＮＯ）、変数ｉをインクリメントし（Ｓ１８０）、Ｓ１６０の処理に戻る。

また、変数ｉが最大値Ｉと一致していれば（またはそれ以上であれば）（Ｓ１７５：ＹＥＳ）、バッファリング処理を終了する。
次に、故障診断処理について説明する。故障診断処理は、バッファリングされたセンサデータを用いて自車両に異常が発生しているか否かを判定する処理である。故障診断処理は、故障診断装置１０のＣＰＵ１１がデータ蓄積処理とは独立して任意のタイミングで実施する処理である。

故障診断処理では、図５に示すように、まず、変数ｋを１に設定する（Ｓ２１０）。変数ｋは、故障診断の種別（検知しようとする異常の種別）を指定するための値であり、後の処理において予め準備された故障診断の種別の数Ｋまで増加する。

続いて、指定された故障診断の種別について、故障診断を実施してもよいか否かを判定する（Ｓ２２０）。この処理では、故障診断の種別毎に予め設定された最適なドライビングパターンについてのデータベース１３へのデータ蓄積量を評価し、このデータ蓄積量が閾値を超えた場合に故障診断を実施してもよいと判定する。

この際の判定式としては、例えば次式を用いることができる。

故障診断を実施することに問題があれば（Ｓ２２０：ＮＯ）、後述するＳ２４０の処理に移行する。また、故障診断を実施してもよければ（Ｓ２２０：ＹＥＳ）、実行処理を実施する（Ｓ２３０）。実行処理は、センサデータを用いて実際に故障診断を行う処理である。

実行処理では図６（ａ）に示すように、まず、現在選択されている故障診断の種別において、必要なセンサデータについての必要なデータ量を取得する（Ｓ３１０）。この処理では、図４（ａ）に示すマップにて示すデータを読み出す。

続いて、必要なデータを取得する（Ｓ３２０）。本実施形態のこの処理では、図６（ｂ）に示すように、ドライビングパターン用データベース１６〜１８に記録されたデータのうちの、故障診断に必要なセンサデータの全てを取得する。

続いて、重み付け演算を行う（Ｓ３３０）。本実施形態のこの処理では、全てのデータを均等な割合で利用するよう設定する。
続いて、故障診断を実施し（Ｓ３４０）、故障診断が終了すると実行処理を終了する。ここで、故障診断を実施する処理では、取得したセンサデータの分布と、故障診断モデルとを用いて、その乖離度が予め設定された許容値以内であるか否かに応じて、車両に異常が発生しているか否かを判定する。

より具体的に述べると、例えば、図４（ｃ）に示すように、故障診断の種別とドライビングパターンとの組み合わせによって利用する故障診断モデル３１が特定されるよう設定されている。また、この故障診断モデル３１では、選択された故障診断の種別やドライビングパターンに対応するセンサデータの分布の平均値、共分散行列、閾値等のパラメータが対応付けられている。

そして、故障診断を実施する処理では、センサデータの入力値ｘとセンサデータの分布とのマハラノビス距離ｄを、下記式を用いて求める。

そして、センサデータの分布からの乖離度（マハラノビス距離ｄ）が閾値ＴＨを超える場合に、故障であると判定する。

なお、ここで述べた故障診断の手法はあくまでも一例であり、ドライビングパターン毎に得られたセンサデータを用いて故障診断を行う手法であれば、任意の手法を採用することができる。

このような実行処理が終了すると、図５に戻り、変数ｋと故障診断の種別の数Ｋとを比較する（Ｓ２４０）。変数ｋが故障診断の種別の数Ｋ未満であれば（Ｓ２４０：ＹＥＳ）、変数ｋをインクリメントし（Ｓ２５０）、Ｓ２２０の処理に戻る。

また、変数ｋが故障診断の種別の数Ｋ以上であれば（Ｓ２４０：ＮＯ）、故障診断処理を終了する。
［本実施形態による効果］
以上のように詳述した故障診断システム１において故障診断装置１０は、診断対象となる車両にて生成された車両データを取得し、車両データに基づいて、車両の走行状態が故障診断に適するものとして予め設定された適合パターンである時区間を特定する。そして、適合パターンである時区間に生成された車両データの少なくとも一部を、診断データとして抽出する。

このような故障診断システム１によれば、走行状態が適合パターンである時区間の車両データを診断データとして抽出するので、走行状態が概ね同様の条件のデータを抽出することができる。

また、上記の故障診断システム１において故障診断装置１０は、診断データをデータベース１３に蓄積する。
このような診断データ抽出装置によれば、直ちに診断を行わない場合に診断データを蓄積しておくことができる。

また、上記の故障診断システム１において故障診断装置１０は、予め設定された複数の適合パターンのそれぞれについて、適合パターンである時区間を特定し、適合パターン毎に診断データを抽出し、診断データを、適合パターン毎に準備された異なるデータベースに蓄積する。

このような故障診断システム１によれば、診断データを、適合パターン毎に準備された異なるデータベースに蓄積するので、診断を行う際のデータの抽出を容易に行うことができる。

また、上記の故障診断システム１において故障診断装置１０は、車両データが生成されている際に、車両データを取得する。
このような故障診断システム１によれば、車両の走行中等、リアルタイムで診断データを抽出することができる。

また、上記の故障診断システム１において故障診断装置１０は、適合パターンと抽出するデータの種別との関係を示す故障診断情報マップに基づいて、車両データから診断データとして抽出するデータの種別を選択する。

このような故障診断システム１によれば、適合パターンに応じて抽出するデータの種別を選択することができる。
また、上記の故障診断システム１において故障診断装置１０は、車両の走行状態を取得し、車両の走行状態が予め設定されたドライビングパターンであるときに記録された、車両の故障を判定するための診断データを取得する。そして、ドライビングパターン毎に予め準備された故障診断モデルと診断データとに基づいて、車両が故障しているか否かを判定する。

このような故障診断システム１によれば、走行状態が概ね同様の条件のデータを用いて診断を行うことができる。よって、診断の精度を向上させることができる。
また、上記の故障診断装置１０においては、診断データのデータ量が診断開始基準量に到達しているか否かを判定し、診断データのデータ量が診断開始基準量に到達していない場合に故障判定を禁止する。

このような故障診断システム１によれば、データ量が不足する場合に故障判定を禁止するので、不十分なデータを用いた判定が実施されることを抑制することができる。
［その他の実施形態］
本発明は、上記の実施形態によって何ら限定して解釈されない。また、上記の実施形態の構成の一部を、課題を解決できる限りにおいて省略した態様も本発明の実施形態である。また、上記の複数の実施形態を適宜組み合わせて構成される態様も本発明の実施形態である。また、特許請求の範囲に記載した文言のみによって特定される発明の本質を逸脱しない限度において考え得るあらゆる態様も本発明の実施形態である。また、上記の実施形態の説明で用いる符号を特許請求の範囲にも適宜使用しているが、各請求項に係る発明の理解を容易にする目的で使用しており、各請求項に係る発明の技術的範囲を限定する意図ではない。

例えば、上記実施形態において、故障診断装置１０がデータ蓄積処理と故障診断処理とを実施したが、これらの処理は別々の装置において実施されてもよい。例えば、車両においてデータ蓄積処理のみを実施しておき、診断の際に車両に接続される外部装置が故障診断処理を実施してもよい。

また、上記実施形態のＳ３３０の処理においては、故障判定の種別に拘わらずドライビングパターンの重み付けを均等に設定したが、故障判定の種別と利用する適合パターンの比率とが対応付けられた故障適合マップに基づいて、複数の診断データに対して重み付けを行い、該重み付けを行った診断データとモデル値とに基づいて、車両が故障しているか否かを判定してもよい。すなわち、図７に示すように、故障判定の種別毎にドライビングパターンの重みを設定しておき、センサデータを利用する際にこの設定に従って重み付けを行い、重み付けを行ったデータを利用して故障診断を行うようにしてもよい。

このような故障診断システム１によれば、診断データに重み付けを行った上で診断を行うことができるので、診断の精度を向上させることができる。
また、上記実施形態では、図２（ｂ）に示すように、データを蓄積しながら故障診断を行う例を示したが、図８（ａ）に示すように、故障診断装置１０は、車両において時系列に沿って多数蓄積された車両データからセンサデータの抽出を行ってもよい。つまり、過去において蓄積されたデータを利用して、ドライビングパターンの判定および故障診断を行うようにしてもよい。

このようにする場合、センサデータが得られた時点でメモリ１２にデータを蓄積し、故障診断を行う際に、ドライビングパターン毎にデータベース１３へデータを移動させるようにすればよい。このようにすれば、より多くのデータを利用して故障診断を行うことができる。

また、上記実施形態のように、センサデータを取得しつつドライビングパターンを識別する場合には、図８（ｂ）に示すように、ドライビングパターンが変更になった時点でドライビングパターンを再評価してもよい。つまり、その時点で過去におけるドライビングパターンの評価値をある割合だけ利用して平均化するなどのフィルタリング処理を行い、短時間でドライビングパターンの判定結果を変化しにくくなるようにすればよい。このようにすれば、短時間でドライビングパターンの判定結果が変化するチャタリングを抑制することができる。よって、診断データを抽出しやすくすることができる。

また、上記実施形態においては、図８（ｃ）に示すように、ドライビングパターンを識別する際に、学習によって得られる統計モデルとを用いることによって識別を行ってもよい。このようにすれば、技術者がＤＰ識別モデル１３を厳密に作りこむことなく故障診断を実施することができる。

さらに、上記実施形態のＳ３２０の処理においては、データベース１３内のデータの全てを用いて故障診断を実施したが、図９（ａ）に示すように、マップにて指定された必要最低限のデータだけを用いて故障診断を実施してもよい。

また、図９（ｂ）に示すように、データベース１３内のセンサデータに対して、例えば時系列に応じた重み付けを行い、重み付けを行ったデータを利用して故障診断を実施してもよい。重み付けは、経験的或いは実験的に決定されてもよいし、ＳＶＭ（サポート・ベクター・マシン）等の統計を用いた手法によって決定されてもよい。

さらに、上記実施形態においては、故障診断に最適なドライビングパターンについてのデータベース１３内のデータ量が必要最低限の量を超えると故障診断を開始するよう設定したが、故障診断にある程度適するドライビングパターンについてのデータベース１３内のデータ量が必要最低限の量を超えると故障診断を開始するよう設定してもよい。

この場合の判定条件としては、例えば、下記式を用いることができる。

また、センサデータの総和を認識し、この総和が閾値を超えると故障診断を開始するようにしてもよい。この場合の判定条件としては、例えば、下記式を用いることができる。

［実施形態の構成と本発明の手段との対応関係］
上記実施形態の故障診断装置１０は本発明でいう診断データ抽出装置および車両診断装置に相当する。また、上記実施形態のドライビングパターン識別用データは、本発明でいう車両データに相当し、上記実施形態のドライビングパターンは本発明でいう適合パターンに相当する。

さらに、上記実施形態において故障診断装置１０が実行する処理のうち、Ｓ１１０の処理は本発明でいう車両データ取得手段に相当し、上記実施形態のＳ１１５の処理は本発明でいう時区間特定手段に相当する。また、上記実施形態のＳ１２０の処理は本発明でいう抽出手段に相当し、上記実施形態のＳ１６０、Ｓ１６５、Ｓ１７０の処理は本発明でいう蓄積手段に相当する。

さらに、上記実施形態のＳ２２０の処理は本発明でいう診断基準量判定手段および診断禁止手段に相当し、上記実施形態のＳ３１０，Ｓ３２０の処理は本発明でいう診断データ取得手段に相当する。また、上記実施形態のＳ３４０の処理は本発明でいう故障判定手段に相当する。

１…故障診断システム、５…通信線、１０…故障診断装置、１１…ＣＰＵ、１２…メモリ、１３…データベース、１４…ドライビングパターン識別モデル、１５…故障診断情報マップ、１６…ドライビングパターン用データベース、２１…エンジンＥＣＵ、２２…ブレーキＥＣＵ、２３…ステアリングＥＣＵ、２４…サスペンションＥＣＵ、２５…各種センサ。

Claims (10)

1. 車両の異常の診断を行うための診断データを抽出する診断データ抽出装置（１０）であって、
   診断対象となる車両にて生成された車両データを取得する車両データ取得手段（Ｓ１１０）と、
   前記車両データに基づいて、車両の走行状態が故障診断に適するものとして予め設定された適合パターンである時区間を特定する時区間特定手段（Ｓ１１５）と、
   前記適合パターンである時区間に生成された車両データの少なくとも一部を、前記診断データとして抽出する抽出手段（Ｓ１２０）と、
   を備えたことを特徴とする診断データ抽出装置。
2. 請求項１に記載の診断データ抽出装置において、
   前記診断データをデータベース（１６〜１８）に蓄積する蓄積手段（Ｓ１６０、Ｓ１６５、Ｓ１７０）、
   を備えたことを特徴とする診断データ抽出装置。
3. 請求項２に記載の診断データ抽出装置において、
   前記時区間特定手段は、予め設定された複数の適合パターンのそれぞれについて、適合パターンである時区間を特定し、
   前記抽出手段は、前記適合パターン毎に前記診断データを抽出し、
   前記蓄積手段は、前記診断データを、前記適合パターン毎に準備された異なるデータベースに蓄積すること
   を特徴とする診断データ抽出装置。
4. 請求項１〜請求項３の何れか１項に記載の診断データ抽出装置において、
   前記車両データ取得手段は、車両データが生成されている際に、前記車両データを取得すること
   を特徴とする診断データ抽出装置。
5. 請求項４に記載の診断データ抽出装置において、
   前記時区間特定手段は、過去において適合パターンである時区間の特定結果を利用したフィルタリングを行うことによって現在において適合パターンである時区間であるか否かを判定すること
   を特徴とする診断データ抽出装置。
6. 請求項１〜請求項３の何れか１項に記載の診断データ抽出装置において、
   当該診断データ抽出装置は、車両において時系列に沿って多数蓄積された車両データから前記診断データの抽出を行うこと
   を特徴とする診断データ抽出装置。
7. 請求項１〜請求項６の何れか１項に記載の診断データ抽出装置において、
   前記抽出手段は、適合パターンと抽出するデータの種別との関係を示す故障診断情報マップに基づいて、前記車両データから前記診断データとして抽出するデータの種別を選択すること
   を特徴とする診断データ抽出装置。
8. 車両が異常であるか否かを診断する車両診断装置（１０）であって、
   前記車両の走行状態を取得し、前記車両の走行状態が予め設定されたドライビングパターンであるときに記録された、車両の故障を判定するための診断データを取得する診断データ取得手段（Ｓ３１０，Ｓ３２０）と、
   前記ドライビングパターン毎に予め準備された故障診断モデルと前記診断データとに基づいて、前記車両が故障しているか否かを判定する故障判定手段（Ｓ３４０）と、
   を備え、
   前記診断データ取得手段は、請求項１〜請求項７の何れか１項に記載の診断データ抽出装置にて抽出された診断データを取得すること
   を特徴とする車両診断装置。
9. 請求項８に記載の車両診断装置において、
   前記診断データのデータ量が診断開始基準量に到達しているか否かを判定する診断基準量判定手段（Ｓ２２０）と、
   前記診断データのデータ量が診断開始基準量に到達していない場合に前記故障判定手段による故障判定を禁止させる診断禁止手段（Ｓ２２０）と、
   を備えたことを特徴とする車両診断装置。
10. 請求項８または請求項９に記載の車両診断装置において、
    前記故障判定手段は、故障判定の種別と利用する適合パターンの比率とが対応付けられた故障適合マップに基づいて、複数の診断データに対して重み付けを行い、該重み付けを行った診断データと前記モデル値とに基づいて、前記車両が故障しているか否かを判定すること
    を特徴とする車両診断装置。

Images