JP2021032247A

JP2021032247A - 車両用学習システム、車両用制御装置、および車両用学習装置

Info

Publication number: JP2021032247A
Application number: JP2020055798A
Authority: JP
Inventors: 洋介橋本; Yosuke Hashimoto; 章弘片山; Akihiro Katayama; 裕太大城; Yuta Oshiro; 和紀杉江; Kazuki Sugie; 尚哉岡; Naoya Oka
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2020-03-26
Filing date: 2020-03-26
Publication date: 2021-03-01

Abstract

【課題】様々な状況で写像の出力が正しい値となるかを検証することができるようにした車両用習システムを提供する。【解決手段】車両内の記憶装置７６には、実用写像データ７６ａと評価写像データ７６ｂとが搭載されており、ＣＰＵ７２は、それら各写像データによって規定される写像に基づき失火の有無を判定する。ＣＰＵ７２は、２つの判定結果が不一致となる場合、不一致となったときの評価写像データ７６ｂによって規定される写像への入力データや、その時の位置データＰｇｐｓ等をデータ解析センター１２０に送信する。データ解析センター１２０では、評価写像データ７６ｂによる判定結果の妥当性を判定し、位置データＰｇｐｓに応じた誤出力率の分布を作成し、同分布に基づき評価写像データ７６ｂの再学習を実行する。【選択図】図１

Description

本発明は、車両用学習システム、車両用制御装置、および車両用学習装置に関する。

たとえば下記特許文献１には、回転速度の変化量である回転変動量を入力とし、内燃機関の複数の気筒のそれぞれで失火が生じたか否かを示す値を出力するニューラルネットワークを備えた装置が提案されている。

特開平４−９１３４８号公報

ところで、一般に機械学習によって学習された学習済みモデルの信頼性を高めるうえでは、様々な状況における訓練データを用いて学習させておく必要がある。しかし、車両に搭載する以前においては、実際に車両に搭載された場合に生じうる様々な状況について必ずしも十分な訓練データを得られるとは限らない。そして、十分な訓練データが得られない場合には、上記ニューラルネットワークが車両に搭載された場合に様々な状況で正しい値を出力するか否かを、検証することが困難である。

以下、上記課題を解決するための手段およびその作用効果について記載する。
１．車両に搭載される第１実行装置と、車載装置とは別の第２実行装置と、記憶装置と、を備え、前記記憶装置には、車載センサの検出値に基づく入力データを入力とし車両の既定の状態に関する情報を有した出力値を出力する写像を規定するデータであって機械学習によって学習されたデータを含む写像データが記憶されており、前記入力データを取得する取得処理と、前記取得処理によって取得された前記入力データを前記写像の入力として前記出力値を算出する算出処理と、前記出力値に対応する変数とは別の所定の変数と前記出力値の精度との関係を評価する関係評価処理と、を前記第１実行装置および前記第２実行装置の協働により実行し、少なくとも前記取得処理は、前記第１実行装置によって実行され、少なくとも前記関係評価処理は、前記第２実行装置によって実行される車両用学習システムである。

上記構成では、車両の走行に伴って第１実行装置によって取得される入力データに基づく写像の出力値の精度と、出力値に対応する変数とは別の所定の変数との関係が、第２実行装置によって評価される。そのため、車両の運転に伴って生じる様々な状況において、所定の変数が出力値の精度に与える影響を検証できる。

なお、第２実行装置が車載装置とは別の装置であることは、第２実行装置が車両に搭載される装置ではないことを意味する。
２．前記所定の変数は、前記入力データに対応する変数とは別の変数を含む上記１記載の車両用学習システムである。

上記構成では、入力データに対応する変数とは別の変数と、写像の出力値の精度との関係を評価することから、上記別の変数を写像への入力変数に含めるべきか、上記別の変数の値によって利用する写像を分割すべきか、上記別の変数の値に応じて利用する写像を分割する場合のその分割の仕方が妥当か等について、検証できる。

３．前記写像は、前記入力データが入力されて前記出力値を出力する関数近似器によって構成され、前記第２実行装置は、前記関係評価処理の評価結果に基づき、前記写像データを更新する更新処理を実行し、前記更新処理は、前記所定の変数の値に応じて利用する前記写像データを各別のデータに分割する分割処理を含む上記１または２記載の車両用学習システムである。

所定の変数が出力値の精度に影響を与える場合、精度を向上させる上では、仮に所定の変数が関数近似器への入力変数に含まれていなかったのであれば、これを新たに入力変数に追加することが考えられる。また仮に所定の変数が関数近似器への入力変数に含まれていた場合であれば、たとえば関数近似器がニューラルネットワークである場合には中間層の層数を増加させるなど、入力次元数以外で関数近似器の構造を複雑化することにより、所定の変数が出力値に与える影響をより高精度に把握できるようにすることが考えられる。しかし、それらは、いずれも、写像の構造を複雑化させることとなり、出力値の算出に必要な演算の負荷が大きくなるおそれがある。

そこで上記構成では、利用する写像を所定の変数の値に応じて各別の写像に分割する分割処理を実行することにより、所定の変数の値と出力値との関係に対する感度についての利用する各写像に対する要求を軽減することができ、ひいては写像の構造が複雑化することを抑制しつつも出力値の精度を高めることができる。

４．前記写像は、前記入力データが入力されて前記出力値を出力する関数近似器によって構成され、前記記憶装置は、前記写像データとして複数のデータを記憶しており、前記算出処理は、前記所定の変数の値に応じて前記出力値の算出に利用する前記写像データを選択する選択処理を含み、前記第２実行装置は、前記関係評価処理の評価結果に基づき、前記写像データを更新する更新処理を実行し、前記更新処理は、前記所定の変数の値と前記写像データとの関係を変更する変更処理を含む上記１または２記載の車両用学習システムである。

所定の変数が出力値の精度に影響を与える場合、精度を向上させる上では、所定の変数を関数近似器の入力変数したり、入力変数に含めるか否かにかかわらずたとえば関数近似器がニューラルネットワークである場合には中間層の層数を増加させるなどが考えられる。しかし、それらは、いずれも、写像の構造を複雑化させることとなり、出力値の算出に必要な演算の負荷が大きくなるおそれがある。

これに対し上記構成では、利用する写像を所定の変数の値に応じて選択することにより、所定の変数の値にかかわらず単一の写像を用いる場合と比較して、出力値の算出のための演算負荷を軽減しつつも出力値の精度を向上させることができる。しかも、上記構成では、車両の走行に伴って算出される出力値の精度と所定の変数の値との関係の検証に基づき、所定の変数の値と出力値の算出に利用される写像データとの関係を変更することにより、利用する写像と所定の変数の値との関係をより適切なものに更新することができる。

５．前記第２実行装置は、前記関係評価処理の評価結果に基づき、前記写像データを更新する更新処理を実行し、前記更新処理は、前記所定の変数を、前記写像への入力変数に追加する追加処理を含む上記１または２記載の車両用学習システムである。

所定の変数の値によって出力値の精度が影響を受ける場合には、所定の変数の値と出力値との相関が大きいと考えられる。そこで上記構成では、追加処理を実行することにより、関係評価処理による評価結果に基づき相関が大きいと判定される場合には、入力変数に所定の変数を追加することができる。そして、これにより、写像の出力値を所定の変数の値に基づき算出することができ、ひいては、所定の変数を入力変数としない場合と比較して、出力値を高精度に算出できる。

６．前記所定の変数は、前記車両の位置情報を示す変数である位置情報変数を含む上記３〜５のいずれか１つに記載の車両用学習システムである。
地域によって車両のおかれた状況が異なり、様々な要因により出力値の精度に影響を与えることが懸念される。そこで上記構成では、位置情報変数と、出力値の精度との関係を評価することにより、地域に特有の様々な要因によって出力値の精度が変化するか否かを検証でき、ひいてはその検証結果に応じて写像データを更新できる。

７．前記車両は、内燃機関を備え、前記車載センサの検出値は、前記内燃機関の状態を検出するものであり、前記既定の状態は、前記内燃機関の状態である上記３〜６のいずれか１つに記載の車両用学習システムである。

８．前記所定の変数は、前記内燃機関の吸入空気の温度を示す吸気温度変数を含む上記７記載の車両用学習システムである。
吸気温によって内燃機関の燃焼室における混合気の燃焼状態等が変化する。そこで上記構成では、出力値の精度との関係の評価対象に吸気温を含めることにより、吸気温によって出力値の精度が変化するか否かを検証でき、ひいてはその検証結果に応じて写像データを更新できる。

９．前記所定の変数は、前記車両が位置する地点における大気圧を示す変数である大気圧変数を含む上記７または８記載の車両用学習システムである。
大気圧に応じて排気通路内の圧力が異なることなどから、大気圧は、燃焼室内の混合気の燃焼状態に影響を与えうる。そこで上記構成では、出力値の精度との関係の評価対象に大気圧を含めることにより、大気圧によって出力値の精度が変化するか否かを検証でき、ひいてはその検証結果に応じて写像データを更新できる。

１０．前記所定の変数は、前記車両に搭載される内燃機関のクランク軸の回転速度を示す変数である回転速度変数を含む上記７記載の車両用学習システムである。
内燃機関の制御は、通常、回転速度と負荷とによって規定される動作点に応じてなされることなどから、回転速度に応じて内燃機関の燃焼制御は異なったものとなる傾向がある。そこで上記構成では、出力値の精度との関係の評価対象に回転速度を含めることにより、回転速度によって出力値の精度が変化するか否かを検証でき、ひいてはその検証結果に応じて写像データを更新できる。

１１．前記写像は、第２写像であり、前記写像データは、第２写像データであり、前記入力データは、第２入力データであり、前記出力値は、第２出力値であり、前記取得処理は、第２取得処理であり、前記算出処理は、第２算出処理であり、前記記憶装置は、前記車載センサの検出値に基づく第１入力データを入力とし前記既定の状態に関する情報を有した出力値である第１出力値を出力する第１写像を規定するデータである第１写像データを記憶しており、前記第１実行装置および前記第２実行装置の協働により、前記車載センサの検出値に基づく前記第１入力データを取得する第１取得処理と、前記第１取得処理によって取得された前記第１入力データを前記第１写像の入力として前記第１出力値を算出する第１算出処理と、前記第１出力値と前記第２出力値とが整合するか否かを判定する整合性判定処理と、前記整合性判定処理による判定結果に基づき、前記第２出力値の妥当性を判定する妥当性判定処理と、が実行され、前記関係評価処理は、前記所定の変数の値に対する前記妥当性判定処理によって妥当性に欠けると判定される頻度分布を求める処理を含む上記１〜１０のいずれか１つに記載の車両用学習システムである。

上記構成では、第１出力値と第２出力値とが整合するか否かの判定処理を通じて、第２出力値の妥当性を判定することができる。そして上記構成では、妥当性に欠けると判定されるものの頻度分布を求めることにより、所定の変数と出力値の精度との関係を適切に評価できる。

１２．前記第１実行装置は、前記第１取得処理、前記第１算出処理、前記第２取得処理、前記第２算出処理、前記整合性判定処理、および前記整合性判定処理によって整合しないと判定されるときの前記第２入力データを送信する車両側送信処理を実行し、前記第２実行装置は、前記車両側送信処理によって送信されたデータを受信する車両外受信処理、前記関係評価処理、および前記更新処理を実行する上記１１記載の車両用学習システムである。

１３．前記第２実行装置は、前記関係評価処理の評価結果に基づき、前記写像データを更新する更新処理と、前記更新処理によって更新した前記第１写像データを送信する更新データ送信処理と、を実行し、前記第１実行装置は、前記更新データ送信処理によって送信されたデータを受信する更新データ受信処理を実行する上記１２記載の車両用学習システムである。

上記構成では、更新データ受信処理により、車両側で第２写像データを更新することが可能となる。
１４．上記１２または１３記載の前記第１実行装置および前記記憶装置を備える車両用制御装置である。

１５．上記１２または１３記載の前記第２実行装置を備える車両用学習装置である。

第１の実施形態にかかる車両用学習システムの構成を示す図。同実施形態にかかる制御装置が実行する処理の手順を示す流れ図。同実施形態にかかる制御装置が実行する処理の手順を示す流れ図。（ａ）および（ｂ）は、同実施形態にかかるシステムが実行する処理の手順を示す流れ図。同実施形態にかかる送信データを示す図。（ａ）および（ｂ）は、同実施形態にかかるシステムが実行する処理の手順を示す流れ図。同実施形態にかかる写像データの分割処理を例示する図。同実施形態にかかる写像データの分割処理を例示する図。同実施形態にかかる写像データの分割処理を例示する図。第２の実施形態にかかる選択処理の手順を示す流れ図。（ａ）および（ｂ）は、同実施形態にかかるシステムが実行する処理の手順を示す流れ図。（ａ）および（ｂ）は、それぞれ更新前後の評価写像データの領域分割を示す図。（ａ）および（ｂ）は、第３の実施形態にかかるシステムが実行する処理の手順を示す流れ図。第４の実施形態にかかる車両用学習システムが実行する処理を示すブロック図。第５の実施形態にかかる車両用学習システムが実行する処理を示すブロック図。第６の実施形態にかかる車両用学習システムが実行する処理を示すブロック図。第７の実施形態にかかる車両用学習システムが実行する処理を示すブロック図。

＜第１の実施形態＞
以下、車両用学習システムにかかる第１の実施形態について図面を参照しつつ説明する。

図１に示す車両ＶＣ１に搭載された内燃機関１０において、吸気通路１２には、スロットルバルブ１４が設けられている。吸気通路１２から吸入された空気は、吸気バルブ１６が開弁することによって各気筒＃１〜＃４の燃焼室１８に流入する。燃焼室１８には、燃料噴射弁２０によって燃料が噴射される。燃焼室１８において、空気と燃料との混合気は、点火装置２２の火花放電によって燃焼に供され、燃焼によって生じたエネルギは、クランク軸２４の回転エネルギとして取り出される。燃焼に供された混合気は、排気バルブ２６の開弁に伴って、排気として、排気通路２８に排出される。排気通路２８には、酸素吸蔵能力を有した触媒３０が設けられている。なお、吸気通路１２と排気通路２８とは、ＥＧＲ通路３２によって接続されており、ＥＧＲ通路３２の流路断面積は、ＥＧＲバルブ３４によって調整される。

内燃機関１０のクランク軸２４には、トルクコンバータ５０を介して変速装置５４の入力軸５６が連結可能となっている。トルクコンバータ５０は、ロックアップクラッチ５２を備えており、ロックアップクラッチ５２が締結状態となることにより、クランク軸２４と入力軸５６とが連結される。変速装置５４の出力軸５８には、駆動輪６０が機械的に連結されている。

クランク軸２４には、クランク軸２４の複数個の回転角度のそれぞれを示す歯部４２が設けられたクランクロータ４０が結合されている。なお、本実施形態では、３４個の歯部４２を例示している。クランクロータ４０には、基本的には、１０°ＣＡ間隔で歯部４２が設けられているものの、隣接する歯部４２間の間隔が３０°ＣＡとなる箇所である欠け歯部４４が１箇所設けられている。これは、クランク軸２４の基準となる回転角度を示すためのものである。

制御装置７０は、内燃機関１０を制御対象とし、その制御量であるトルクや排気成分比率等を制御するために、スロットルバルブ１４や、燃料噴射弁２０、点火装置２２、ＥＧＲバルブ３４等の内燃機関１０の操作部を操作する。また、制御装置７０は、トルクコンバータ５０を制御対象とし、その制御量であるロックアップクラッチ５２の係合状態を制御するためにロックアップクラッチ５２を操作する。また、制御装置７０は、変速装置５４を制御対象とし、その制御量であるギア比を制御するために変速装置５４を操作する。なお、図１には、スロットルバルブ１４、燃料噴射弁２０、点火装置２２、ＥＧＲバルブ３４、ロックアップクラッチ５２、および変速装置５４のそれぞれの操作信号ＭＳ１〜ＭＳ６を記載している。

制御装置７０は、制御量の制御に際し、欠け歯部４４を除き１０°ＣＡ毎に設けられた歯部４２間の角度間隔毎のパルスを出力するクランク角センサ８０の出力信号Ｓｃｒや、エアフローメータ８２によって検出される吸入空気量Ｇａ、吸気温センサ８４によって検出される吸気通路１２に吸入される吸気の温度（吸気温Ｔａ）を参照する。また、制御装置７０は、排気温センサ８６によって検出される触媒３０に流入する排気の温度（排気温Ｔｅｘ）や、触媒３０の上流側に設けられた上流側空燃比センサ８８によって検出される上流側空燃比Ａｆｕ、触媒３０の下流側に設けられた下流側空燃比センサ９０によって検出される下流側空燃比Ａｆｄを参照する。また、制御装置７０は、水温センサ９２によって検出される内燃機関１０の冷却水の温度（水温ＴＨＷ）や、シフト位置センサ９４によって検出される変速装置５４のシフト位置Ｖｓｆｔ、大気圧センサ９６によって検出される大気圧Ｐａを参照する。また、制御装置７０は、車速センサ９８によって検出される車両ＶＣ１の走行速度（車速Ｖ）や、加速度センサ１００によって検出される車両ＶＣ１の上下方向の加速度Ｇｙ、全地球測位システム（ＧＰＳ１０２）による位置データＰｇｐｓを参照する。

制御装置７０は、ＣＰＵ７２、ＲＯＭ７４、電気的に書き換え可能な不揮発性メモリである記憶装置７６、通信機７７および周辺回路７８を備え、それらがローカルネットワーク７９によって通信可能とされたものである。なお、周辺回路７８は、内部の動作を規定するクロック信号を生成する回路や、電源回路、リセット回路等を含む。また、記憶装置７６には、実用写像データ７６ａおよび評価写像データ７６ｂが記憶されている。ここで、実用写像データ７６ａは、内燃機関１０の失火を監視するために実際に利用しているデータである。これに対し、評価写像データ７６ｂは、その信頼性の評価の対象となるデータであり、内燃機関１０の失火を監視するために利用されているものではない。なお、評価写像データ７６ｂは、機械学習による学習がある程度なされた状態で制御装置７０に実装される。

制御装置７０は、ＲＯＭ７４に記憶されたプログラムをＣＰＵ７２が実行することによって、上記制御量の制御を実行する。たとえば、ＣＰＵ７２は、上流側空燃比Ａｆｕが目標値となるように、燃料噴射弁２０を操作する。またたとえば、ＣＰＵ７２は、内燃機関１０の運転状態に応じて、ＥＧＲ通路３２を介して排気通路２８から吸気通路１２に流入する排気の流量（ＥＧＲ量）を開ループ制御すべく、ＥＧＲバルブ３４を操作する。また、ＲＯＭ７４には、失火検出プログラム７４ａや、再学習サブプログラム７４ｂが記憶されている。ここで、再学習サブプログラム７４ｂは、評価写像データ７６ｂの再学習を実行するためのプログラムである。

上記通信機７７は、車両ＶＣ１の外部のネットワーク１１０を介してデータ解析センター１２０と通信するための機器である。
データ解析センター１２０は、複数の車両ＶＣ１，ＶＣ２，…から送信されるデータを解析する。データ解析センター１２０は、ＣＰＵ１２２、ＲＯＭ１２４、記憶装置１２６、通信機１２７、および周辺回路１２８を備えており、それらがローカルネットワーク１２９によって通信可能とされるものである。ＲＯＭ１２４には、複数の車両ＶＣ１，ＶＣ２，…から送信されたデータに基づき、評価写像データ７６ｂを再学習させる処理を規定する再学習メインプログラム１２４ａが記憶されている。また、記憶装置１２６には、複数の車両ＶＣ１，ＶＣ２，…から送信された、評価写像データ７６ｂによって規定される写像を再学習させるためのデータである再学習用データ１２６ａが記憶されている。

図２に、ＲＯＭ７４に記憶された失火検出プログラム７４ａをＣＰＵ７２が実行することによって実現される処理の一部を示す。図２に示す処理は、実用写像データ７６ａを利用した処理である。図２に示す処理は、たとえば所定周期で繰り返し実行される。なお、以下では、先頭に「Ｓ」が付与された数字によって、各処理のステップ番号を表現する。

図２に示す一連の処理において、ＣＰＵ７２は、まず、微小回転時間Ｔ３０を取得する（Ｓ１０）。微小回転時間Ｔ３０は、クランク軸２４が３０°ＣＡ回転するのに要する時間であり、クランク角センサ８０の出力信号Ｓｃｒに基づき、ＣＰＵ７２によって算出される。次にＣＰＵ７２は、Ｓ１０の処理において取得した最新の微小回転時間Ｔ３０を、微小回転時間Ｔ３０［０］とし、より過去の値ほど、微小回転時間Ｔ３０［ｍ］の変数「ｍ」を大きい値とする（Ｓ１２）。すなわち、「ｍ＝１，２，３，…」として、Ｓ１２の処理がなされる直前における微小回転時間Ｔ３０［ｍ−１］を微小回転時間Ｔ３０［ｍ］とする。これにより、たとえば、図２の処理が前回実行されたときにＳ１０の処理により取得された微小回転時間Ｔ３０は、微小回転時間Ｔ３０［１］となる。なお、微小回転時間Ｔ３０［０］，Ｔ３０［１］，Ｔ３０［２］，…のうち、時系列的に隣り合う微小回転時間Ｔ３０同士は、互いに隣接する３０°ＣＡの角度間隔の回転に要する時間を示しており、それら角度間隔は重複した部分を持たない。

次に、ＣＰＵ７２は、Ｓ１０の処理において取得された微小回転時間Ｔ３０が、気筒＃１〜＃４のいずれかの圧縮上死点前３０°ＣＡから圧縮上死点までの角度間隔の回転に要する時間であるか否かを判定する（Ｓ１４）。そしてＣＰＵ７２は、圧縮上死点までの角度間隔の回転に要する時間であると判定する場合（Ｓ１４：ＹＥＳ）、圧縮上死点となった気筒の失火の有無を判定すべく、判定対象となる気筒＃ｉの回転変動量Δω（ｉ）に、「Ｔ３０［０］−Ｔ３０［６］」を代入する（Ｓ１６）。すなわち、失火の判定対象となる気筒の圧縮上死点前３０°ＣＡから圧縮上死点までの角度間隔の回転に要する時間から、失火の判定対象となる気筒の１つ前に圧縮上死点となる気筒の圧縮上死点前３０°ＣＡから圧縮上死点までの角度間隔の回転に要する時間を減算することによって、回転変動量Δωを定量化する。

次に、ＣＰＵ７２は、回転変動量Δω（ｉ）が、規定量Δωｔｈ以上であるか否かを判定する（Ｓ１８）。この処理は、失火の判定対象となる気筒において失火が生じたか否かを判定する処理である。ここで、ＣＰＵ７２は、規定量Δωｔｈを、内燃機関１０の動作点を規定する回転速度ＮＥおよび充填効率ηに基づき可変設定する。

詳しくは、回転速度ＮＥおよび充填効率ηを入力変数とし規定量Δωｔｈを出力変数とするマップデータが記憶装置７６に予め記憶された状態でＣＰＵ７２により規定量Δωｔｈがマップ演算される。なお、マップデータとは、入力変数の離散的な値と、入力変数の値のそれぞれに対応する出力変数の値と、の組データである。またマップ演算は、たとえば、入力変数の値がマップデータの入力変数の値のいずれかに一致する場合、対応するマップデータの出力変数の値を演算結果とするのに対し、一致しない場合、マップデータに含まれる複数の出力変数の値の補間によって得られる値を演算結果とする処理とすればよい。

ちなみに、回転速度ＮＥは、ＣＰＵ７２によりクランク角センサ８０の出力信号Ｓｃｒに基づき算出される。ここで、回転速度ＮＥは、圧縮上死点の出現間隔（本実施形態では１８０°ＣＡ）よりも大きい角度間隔だけクランク軸２４が回転する際の回転速度の平均値である。回転速度ＮＥは、クランク軸２４の１回転以上の回転角度だけクランク軸２４が回転する際の回転速度の平均値とすることが望ましい。なお、ここでの平均値は、単純平均に限らず、たとえば、指数移動平均処理でもよく、要は、圧縮上死点の出現間隔程度で変動する高次成分が除去された低周波成分が算出されるものとすればよい。また、充填効率ηは、ＣＰＵ７２により、回転速度ＮＥおよび吸入空気量Ｇａに基づき算出される。

Ｓ１６，Ｓ１８の処理は、実用写像データ７６ａを用いた処理である。すなわち、実用写像データ７６ａは、微小回転時間Ｔ３０［０］と微小回転時間Ｔ３０［６］とを入力とし、判定対象となる気筒において失火が生じたか否かに応じた論理値を出力値として出力する写像を規定している。なお、ここでの論理値は、回転変動量Δω（ｉ）が規定量Δωｔｈ以上である旨の命題が真であるか偽であるかに関する値である。

ＣＰＵ７２は、規定量Δωｔｈ以上であると判定する場合（Ｓ１８：ＹＥＳ）、気筒＃ｉにおいて失火が生じたと判定する（Ｓ２０）。次に、ＣＰＵ７２は、気筒＃ｉの失火カウンタＣＮ（ｉ）をインクリメントする（Ｓ２２）。そしてＣＰＵ７２は、失火カウンタＣＮ（ｉ）が初期化されている状態でＳ１８の処理が最初に実行されてから所定期間が経過することと、後述のＳ２８の処理がなされてから所定期間が経過することとの論理和が真であるか否かを判定する（Ｓ２４）。そしてＣＰＵ７２は、論理和が真であると判定する場合（Ｓ２４：ＹＥＳ）、失火カウンタＣＮ（ｉ）が閾値ＣＮｔｈ以上であるか否かを判定する（Ｓ２６）。ＣＰＵ７２は、閾値ＣＮｔｈ未満であると判定する場合（Ｓ２６：ＮＯ）、失火カウンタＣＮ（ｉ）を初期化する（Ｓ２８）。

これに対し、ＣＰＵ７２は、閾値ＣＮｔｈ以上であると判定する場合（Ｓ２６：ＹＥＳ）、図１に示す警告灯１０４を操作して、異常が生じた旨をユーザに報知する（Ｓ３０）。

なお、ＣＰＵ７２は、Ｓ２８，Ｓ３０の処理が完了する場合や、Ｓ１４，Ｓ２４の処理において否定判定する場合には、図２に示す一連の処理を一旦終了する。
図３に、ＲＯＭ７４に記憶された失火検出プログラム７４ａをＣＰＵ７２が実行することにより実現される処理の一部の手順を示す。図３に示す処理は、評価写像データ７６ｂを用いた処理である。

図３に示す一連の処理において、ＣＰＵ７２は、まず、微小回転時間Ｔ３０（１），Ｔ３０（２），…Ｔ３０（２４）、回転速度ＮＥおよび充填効率ηを取得する（Ｓ４０）。ここで、微小回転時間Ｔ３０（１），Ｔ３０（２），…は、図２の微小回転時間Ｔ３０［１］，Ｔ３０［２］…とは異なるものであり、特に、微小回転時間Ｔ３０（１），Ｔ３０（２），…は、カッコの中の数字が大きいほど、より後の値であることを示す。なお、微小回転時間Ｔ３０（１）〜Ｔ３０（２４）のそれぞれは、７２０°ＣＡの回転角度領域を３０°ＣＡで等分割した２４個の角度間隔のそれぞれにおける回転時間である。

次にＣＰＵ７２は、評価写像データ７６ｂによって規定される写像の入力変数ｘ（１）〜ｘ（２６）に、Ｓ４０の処理によって取得した値を代入する（Ｓ４２）。詳しくは、ＣＰＵ７２は、「ｓ＝１〜２４」として、入力変数ｘ（ｓ）に微小回転時間Ｔ３０（ｓ）を代入する。すなわち、入力変数ｘ（１）〜ｘ（２４）は、微小回転時間Ｔ３０の時系列データとなる。また、ＣＰＵ７２は、入力変数ｘ（２５）に回転速度ＮＥを代入し、入力変数ｘ（２６）に充填効率ηを代入する。

次にＣＰＵ７２は、評価写像データ７６ｂによって規定される写像に、入力変数ｘ（１）〜ｘ（２６）を入力することによって、失火変数Ｐ（１）〜Ｐ（５）の値を算出する（Ｓ４４）。ここで、「ｉ＝１〜４」とすると、失火変数Ｐ（ｉ）は、気筒＃ｉにおいて失火が生じた確率が高い場合に低い場合よりも大きい値となる変数である。また、失火変数Ｐ（５）は、気筒＃１〜＃４のいずれにおいても失火が生じていない確率が高い場合に低い場合よりも大きい値となる変数である。

詳しくは、評価写像データ７６ｂによって規定される写像は、中間層が１層のニューラルネットワークである。上記ニューラルネットワークは、係数ｗ（１）ｊｉ（ｊ＝０〜ｎ，ｉ＝０〜２６）と、係数ｗ（１）ｊｉによって規定される線形写像の出力のそれぞれを非線形変換する非線形写像としての活性化関数ｈ１（ｘ）と、を含む。本実施形態では、活性化関数ｈ１（ｘ）として、ハイパボリックタンジェントを例示する。ちなみに、ｗ（１）ｊ０等は、バイアスパラメータであり、入力変数ｘ（０）は、「１」と定義されている。

また、上記ニューラルネットワークは、係数ｗ（２）ｋｊ（ｋ＝１〜５，ｊ＝０〜ｎ）と、係数ｗ（２）ｋｊによって規定される線形写像の出力である原型変数ｙ（１）〜ｙ（５）のそれぞれを入力として、失火変数Ｐ（１）〜Ｐ（５）を出力するソフトマックス関数と、を含む。

次にＣＰＵ７２は、失火変数Ｐ（１）〜Ｐ（５）のうちの最大となるものを特定する（Ｓ４６）。そしてＣＰＵ７２は、最大となる失火変数Ｐ（ｑ）が失火変数Ｐ（１）〜Ｐ（４）のいずれかであるか、それとも失火変数Ｐ（５）であるかを判定する（Ｓ４８）。そしてＣＰＵ７２は、失火変数Ｐ（１）〜Ｐ（４）のいずれかであると判定する場合（Ｓ４８：ＹＥＳ）、気筒＃ｑにおいて失火が生じたと判定する（Ｓ５０）。

なお、ＣＰＵ７２は、Ｓ５０の処理が完了する場合や、Ｓ４８の処理において否定判定する場合には、図３に示した一連の処理を一旦終了する。
図４に、本実施形態にかかる評価写像データ７６ｂの再学習に関する処理の一部の手順を示す。図４（ａ）に示す処理は、図１に示すＲＯＭ７４に記憶されている再学習サブプログラム７４ｂをＣＰＵ７２が実行することにより実現される。また、図４（ｂ）に示す処理は、ＲＯＭ１２４に記憶されている再学習メインプログラム１２４ａをＣＰＵ１２２が実行することにより実現される。

図４（ａ）に示す一連の処理において、ＣＰＵ７２は、まず、評価写像データ７６ｂの信頼性の検証期間であるか否かを判定する（Ｓ６０）。具体的には、本実施形態では、以下の期間を検証期間としている。

（ア）水温ＴＨＷが所定温度以下の期間：水温ＴＨＷが低い場合には、燃焼が不安定となりやすく、失火の検出精度を高めることが水温ＴＨＷが高い場合と比較して困難であることから、この期間を検証期間に含める。

（イ）吸気温Ｔａが規定温度以下の期間：吸気温Ｔａが低い場合には、燃焼が不安定となりやすく、失火の検出精度を高めることが吸気温Ｔａが高い場合と比較して困難であることから、この期間を検証期間に含める。

（ウ）触媒３０の暖機処理の実行期間：触媒３０の暖機処理の実行期間においては、燃焼効率を低下させた燃焼をすることから、燃焼が不安定化しやすく、失火の検出精度を高めることが触媒３０の暖機後と比較して困難であることから、この期間を検証期間に含める。

（エ）充填効率ηが所定値以下である期間：軽負荷においては負荷が高い場合と比較して、燃焼が不安定化し易く、失火の検出精度を高めることが中、高負荷と比較して困難であることから、この期間を検証期間に含める。

（オ）回転速度ＮＥの所定時間当たりの変化量ΔＮＥが所定値以上となる期間：過渡運転時には、定常運転時と比較して、失火の検出精度が低下しやすいことから、この期間を検証期間に含める。

ＣＰＵ７２は、検証期間であると判定する場合（Ｓ６０：ＹＥＳ）、フラグＦが「１」であるか否かを判定する（Ｓ６２）。ここで、フラグＦは、図２に示す処理による失火の判定結果と、図３に示す処理による失火の判定結果とが不一致となる場合に「１」となり、一致する場合に「０」となる。ＣＰＵ７２は、フラグＦが「０」であると判定する場合（Ｓ６２：ＮＯ）、図２に示す処理による失火の判定結果と、図３に示す処理による失火の判定結果とが不一致であるか否かを判定する（Ｓ６４）。ＣＰＵ７２は、同一の燃焼サイクルにおける図２のＳ１８の処理による４回の判定結果と、図３のＳ４６の処理による判定結果とが不整合の場合に、不一致と判定する。すなわち、ＣＰＵ７２は、たとえばＳ１８の処理において、気筒＃１の回転変動量Δω（１）が規定量Δωｔｈ以上であると判定されたにもかかわらず、Ｓ４６の処理において、Ｐ（５）が選択された場合に不一致と判定する。

ＣＰＵ７２は、不一致と判定する場合（Ｓ６４：ＹＥＳ）、フラグＦに「１」を代入する（Ｓ６６）。次にＣＰＵ７２は、カウンタＣをインクリメントする（Ｓ６８）。
これに対し、ＣＰＵ７２は、フラグＦが「１」であると判定する場合（Ｓ６２：ＹＥＳ）、図２に示す処理による失火の判定結果と、図３に示す処理による失火の判定結果とが一致するか否かを判定する（Ｓ７０）。そして、ＣＰＵ７２は、不一致と判定する場合（Ｓ７０：ＮＯ）、Ｓ６８の処理に移行する一方、一致すると判定する場合（Ｓ７０：ＹＥＳ）、フラグＦに「０」を代入する（Ｓ７２）。そして、ＣＰＵ７２は、カウンタＣが、最大値Ｃ０よりも大きいか否かを判定する（Ｓ７４）。そしてＣＰＵ７２は、最大値Ｃ０よりも大きいと判定する場合（Ｓ７４：ＹＥＳ）、最大値Ｃ０を、現在のカウンタＣの値に更新するとともに、回転時間集合ＧｒＴ３０およびエクストラ情報集合ＧｒＥを更新する（Ｓ７６）。

詳しくは、回転時間集合ＧｒＴ３０は、図５に示すように、３燃焼サイクル分の微小回転時間Ｔ３０（１）〜Ｔ３０（７２）の集合である。ただし、微小回転時間Ｔ３０（４９）〜Ｔ３０（７２）が、直近のＳ７０の処理によって、図２の示す処理による失火の判定結果と図３に示す処理による失火の判定結果とが一致したと判定された燃焼サイクルに対応するように更新される。ここで、最大値Ｃ０が「２」以上の場合、微小回転時間Ｔ３０（１）〜Ｔ３０（２４）と、微小回転時間Ｔ３０（２５）〜Ｔ３０（４８）とは、いずれも、図２の処理による失火の判定結果と図３に示す処理による失火の判定結果とが不一致となった燃焼サイクルに対応する。なお、最大値Ｃ０の初期値は、ゼロである。

また、エクストラ情報集合ＧｒＥは、回転速度ＮＥ、充填効率η、燃焼制御モード値ＭＣ、吸気温Ｔａ、大気圧Ｐａ、変速装置５４のシフト位置Ｖｓｆｔ、係合状態値Ｖｒｃ、車両ＶＣ１の走行する路面の状態を示す変数の値（路面状態値ＳＲ）、および車両ＶＣ１の位置を示す変数である位置変数の値（位置データＰｇｐｓ）からなる。ここで、係合状態値Ｖｒｃは、ロックアップクラッチ５２の係合状態を示す変数の論理値であり、締結状態である場合に「１」となり、そうではない場合に「０」となる。また、路面状態値ＳＲは、車両ＶＣ１が走行する路面の凹凸が顕著である場合に「１」となり、そうではない場合に「０」となる。なお、路面状態値ＳＲは、加速度Ｇｙの絶対値の所定期間における平均値が所定以上である場合に「１」とすればよい。エクストラ情報集合ＧｒＥを構成する各データは、Ｓ７０の処理において肯定判定された燃焼サイクルの前の燃焼サイクルにおける値であることが望ましい。

図４に戻り、ＣＰＵ７２は、Ｓ７６の処理が完了する場合や、Ｓ７４の処理において否定判定する場合には、カウンタＣを初期化する（Ｓ７８）。そして、ＣＰＵ７２は、Ｓ６８，Ｓ７８の処理が完了する場合や、Ｓ６０，Ｓ６４の処理において否定判定する場合には、トリップの終了時であるか否かを判定する（Ｓ８０）。ここで、トリップとは、車両の走行許可信号がオン状態である１回の期間のことである。本実施形態において、走行許可信号は、イグニッション信号に相当する。ＣＰＵ７２は、トリップの終了時であると判定する場合（Ｓ８０：ＹＥＳ）、通信機７７を操作して、失火変数Ｐ（１）〜Ｐ（５）のうちの最大となるものに関する情報「ｑ」、最大値Ｃ０、回転時間集合ＧｒＴ３０、およびエクストラ情報集合ＧｒＥをデータ解析センター１２０に送信する（Ｓ８２）。そして、ＣＰＵ７２は、最大値Ｃ０を初期化し（Ｓ８４）、図４（ａ）に示す一連の処理を一旦終了する。なお、ＣＰＵ７２は、Ｓ８０の処理において否定判定する場合にも、図４（ａ）に示す一連の処理を一旦終了する。

これに対し、図４（ｂ）に示すように、ＣＰＵ１２２は、失火変数Ｐ（１）〜Ｐ（５）のうちの最大となるものに関する情報「ｑ」や、最大値Ｃ０、回転時間集合ＧｒＴ３０、およびエクストラ情報集合ＧｒＥを受信する（Ｓ９０）。そしてＣＰＵ１２２は、図１に示す表示装置１１２に、回転時間集合ＧｒＴ３０によって表現されるクランク軸２４の回転挙動に関する波形データを表示するとともに、最大値Ｃ０や、エクストラ情報集合ＧｒＥを表示する（Ｓ９２）。これは、熟練者が失火が生じているか否かを判断可能な情報を熟練者に提供する処理である。すなわち、熟練者であれば、波形データを視認することによって、失火が生じていたのか否かを高精度に判断することができる。そしてその際、エクストラ情報集合ＧｒＥの情報を参照することにより、失火が生じていたのか否かの判断がより確実なものとなる。これにより、熟練者は、失火が生じていたのか否かの判断に基づき、評価写像データ７６ｂを用いた失火判定が誤判定であったか否かを判断できる。

ＣＰＵ１２２は、図１に示すインターフェース１１４を熟練者が操作することによって判断結果が入力されると、これを取得する（Ｓ９４）。そして、ＣＰＵ１２２は、インターフェース１１４の操作によって入力された判断結果が、評価写像データ７６ｂを用いた失火判定の方が誤判定である旨の判断であるか否かを判定する（Ｓ９６）。そしてＣＰＵ１２２は、誤判定である旨の判断である場合（Ｓ９６：ＹＥＳ）、Ｓ９０の処理によって受信したデータのうち、微小回転時間Ｔ３０（２５）〜Ｔ３０（４８）と、エクストラ情報集合ＧｒＥと、熟練者による失火であるか否かの判断結果とを、再学習用データ１２６ａとして記憶する（Ｓ９８）。再学習用データ１２６ａは、車両ＶＣ１のみならず、内燃機関１０と同一仕様の内燃機関を搭載した他の車両ＶＣ２，…から受信したデータに基づくデータを含む。

なお、ＣＰＵ１２２は、Ｓ９６の処理において否定判定する場合や、Ｓ９８の処理を完了する場合、図４（ｂ）に示す一連の処理を一旦終了する。
上記処理により、評価写像データ７６ｂが誤判定する場合の入力データと、それに関連するデータとが再学習用データ１２６ａとして、記憶装置１２６に蓄積される。そして、ＣＰＵ１２２は、再学習用データ１２６ａが所定量以上となることにより、図６に示す処理を実行する。

図６は、本実施形態にかかる評価写像データ７６ｂの再学習に関する処理の一部の手順を示す。図６（ａ）に示す処理は、図１に示すＲＯＭ７４に記憶されている再学習サブプログラム７４ｂをＣＰＵ７２が実行することにより実現される。また、図６（ｂ）に示す処理は、ＲＯＭ１２４に記憶されている再学習メインプログラム１２４ａをＣＰＵ１２２が実行することにより実現される。なお、以下では、評価写像データ７６ｂの再学習に関する処理の時系列に従って、図６に示す処理を説明する。

図６（ｂ）に示す一連の処理において、ＣＰＵ１２２は、まず、再学習用データ１２６ａを、対応する車両の送信時に位置する地域別に分類し、それら分類した地域毎に、評価写像データ７６ｂによって規定される写像の出力が誤出力であったデータ数を計測することによって、地域別の誤出力分布データを作成する（Ｓ１００）。なお、誤出力であったデータは、Ｓ９６の処理において誤判定と判定されたデータである。本実施形態では、地域を、国や国よりも小さい区切りによって定義する。たとえば、国土面積が所定以下である場合、韓国、台湾等、国を、一つの区切りとする。これに対し、国土面積が大きい中国等の場合、たとえばチベット自治区、四川省等、国を分割する省等を、１つの区切りとする。

この処理は、地域毎の車両ＶＣのおかれた状況の相違によって、失火の判定精度に相違が生じることがあるか否かを検証するためのものである。すなわち、たとえば内燃機関１０に供給される燃料の性状の地域性や、何らかの想定できていない地域性によって、特定の地域における評価写像データ７６ｂを用いた判定処理の精度が他の地域と比較して低くなることがあるか否かを検証する。

そして、ＣＰＵ１２２は、Ｓ１００の処理によって分割された地域のうち、誤出力率が閾値Ｒｔｈ１以上となる地域があるか否かを判定する（Ｓ１０２）。そしてＣＰＵ１２２は、閾値Ｒｔｈ１以上となる地域があると判定する場合（Ｓ１０２：ＹＥＳ）、評価写像データ７６ｂを利用する地域を、閾値Ｒｔｈ１以上となる地域とそれ以外の地域とに分割する（Ｓ１０４）。すなわち、閾値Ｒｔｈ１以上となる地域において利用される評価写像データ７６ｂと、それ以外の地域において利用される評価写像データ７６ｂとを、各別に更新することを決定する。

図７に、領域Ａ１において誤出力率が閾値Ｒｔｈ１以上となることを例示する。その場合、ＣＰＵ１２２は、領域Ａ１において利用して且つ領域Ａ１以外では利用しない、領域Ａ１専用の評価写像データ７６ｂを生成することを決定する。

図６に戻り、ＣＰＵ１２２は、Ｓ１０４の処理が完了する場合や、Ｓ１０２の処理において否定判定する場合、再学習用データ１２６ａを構成するデータを、吸気温Ｔａおよび大気圧Ｐａによって区画された領域に分類し、分類された領域毎に、誤出力したデータ数を計測することによって、誤出力分布データを作成する（Ｓ１０６）。なお、ここで、すでにＳ１０４の処理を実行している場合には、Ｓ１０２の処理において閾値Ｒｔｈ１以上と判定される地域と、それ以外の地域とで、各別に、吸気温Ｔａおよび大気圧Ｐａによって区画された領域における誤出力分布データを作成する。

この処理は、吸気温Ｔａや大気圧Ｐａの相違によって、失火の判定精度に相違が生じるか否かを検証するためのものである。すなわち、吸気温Ｔａが低い場合には高い場合と比較して、内燃機関１０の燃焼が不安定になりやすいことから、失火の検出精度が低下するか否かを検証する。また、大気圧Ｐａが異なると排気通路２８内の圧力が異なることとなり、ＥＧＲバルブ３４の開口度が同一であっても、ＥＧＲ通路３２を介して排気通路２８から吸気通路１２に流入する排気の流量が異なることとなる。そのため、本実施形態のように、ＥＧＲ通路３２を介して排気通路２８から吸気通路１２に流入する排気の流量を開ループ制御すべくＥＧＲバルブ３４を操作する場合には、大気圧Ｐａに応じてＥＧＲ通路３２を介して排気通路２８から吸気通路１２に流入する排気の流量が変化し、燃焼状態が異なることとなる。そして、燃焼状態によって失火の検出精度が低下するか否かを検証する。

そして、ＣＰＵ１２２は、吸気温Ｔａおよび大気圧Ｐａによって分割された領域のうち、誤出力率が閾値Ｒｔｈ２以上となる領域があるか否かを判定する（Ｓ１０８）。そして、ＣＰＵ１２２は、閾値Ｒｔｈ２以上となる領域があると判定する場合（Ｓ１０８：ＹＥＳ）、評価写像データ７６ｂを利用する領域を、閾値Ｒｔｈ２以上となる領域と、それ以外の領域とに分割する（Ｓ１１０）。すなわち、閾値Ｒｔｈ２以上となる領域において利用される評価写像データ７６ｂと、それ以外の領域において利用される評価写像データ７６ｂとを、各別に更新することを決定する。

たとえば、図８に示すように、吸気温Ｔａおよび大気圧Ｐａによって分割された領域のうち、領域Ａ２について、それ以外の領域とは別に評価写像データ７６ｂを更新することを決定する。なお、Ｓ１０２の処理で肯定判定された地域において、Ｓ１０８の処理で肯定判定される領域がある場合、Ｓ１０２の処理で肯定判定された地域においてＳ１０８の処理で肯定判定される領域とそれ以外の領域とのそれぞれと、Ｓ１０２の処理において肯定判定された地域以外とにおいて、評価写像データ７６ｂを各別に更新することを決定すればよい。これにより、たとえば、図７に例示する領域Ａ１専用の評価写像データ７６ｂは、図８に例示する領域Ａ２専用のデータと、領域Ａ２以外の領域専用のデータとに分割される。

図６に戻り、ＣＰＵ１２２は、Ｓ１１０の処理が完了する場合や、Ｓ１０８の処理において否定判定する場合には、再学習用データ１２６ａを構成するデータを、回転速度ＮＥおよび燃焼制御モードによって分割された領域に分類し、分類された領域毎に、誤出力したデータ数を計測することによって、誤出力分布データを作成する（Ｓ１１２）。そして、ＣＰＵ１２２は、回転速度ＮＥおよび燃焼制御モードによって分割された領域のうち、誤出力率が閾値Ｒｔｈ３以上となる領域があるか否かを判定する（Ｓ１１４）。

この処理は、回転速度ＮＥや燃焼制御モードによって、失火の判定精度に相違が生じることがあるか否かを検証するためのものである。すなわち、たとえば触媒３０の暖機制御モードにおいては、燃焼効率を落として排気温度を高める制御がなされることなどから、そうした制御を行わない場合と比較して燃焼が不安定化し易いことに起因して失火の判定精度が低下するか否かを検証する。また、たとえば回転速度ＮＥが低い場合には、クランク軸２４の慣性エネルギが小さいことから回転が不安定化し易く、また、回転速度ＮＥおよび充填効率ηに基づき各種操作部が操作されることなどから、回転速度ＮＥに応じて失火の判定精度が低下するか否かを検証する。

図９に、本実施形態における、回転速度ＮＥおよび燃焼制御モードによって分割された領域を例示する。本実施形態では、燃焼制御モード値ＭＣにより、アイドル運転のモード、触媒３０の暖機制御モード、およびそれ以外のモードに分割されており、且つ、それ以外のモードは、低回転領域とそれ以外の領域とに分割されている。

なお、すでにＳ１０４の処理を実行している場合、ＣＰＵ１２２は、Ｓ１０２の処理において閾値Ｒｔｈ１以上と判定される地域とそれ以外の地域とで、各別に、誤出力分布データを作成する。また、すでにＳ１１０の処理を実行している場合には、ＣＰＵ１２２は、Ｓ１０８の処理において閾値Ｒｔｈ２以上と判定される領域とそれ以外の領域とで、各別に、誤出力分布データを作成する。

図６に戻り、ＣＰＵ１２２は、図９に示した領域のうちの閾値Ｒｔｈ３以上となる領域があると判定する場合（Ｓ１１４：ＹＥＳ）、閾値Ｒｔｈ３以上となる領域について、シフト位置Ｖｓｆｔ、係合状態値Ｖｒｃ、充填効率η、および路面状態値ＳＲ毎に、誤出力分布を検討する（Ｓ１１６）。

この処理は、変速装置５４の変速比や、ロックアップクラッチ５２の係合状態、充填効率η、車両ＶＣ１が走行する路面の凹凸の有無に応じて、失火の判定精度に相違が生じることがあるか否かを検証するためのものである。すなわち、変速装置５４の変速比やロックアップクラッチ５２の係合状態に応じて、クランク軸２４から変速装置５４の出力軸５８までの慣性モーメントが異なることから、クランク軸２４の回転挙動が異なるものとなり、所定の慣性モーメントにおいて失火の判定精度が低下することがあるか否かを検証する。また、路面の凹凸によってクランク軸２４の回転挙動が変化することから、凹凸が顕著な場合には、フラットな路面を走行する場合と比較して、失火の判定精度が大きく低下するか否かを検証する。また、充填効率ηが小さい場合には大きい場合と比較して、燃焼室１８における燃焼エネルギが小さいことに起因してクランク軸２４の回転挙動が不安定となりやすいことから、失火の判定精度が大きく低下するか否かを検証する。

そして、ＣＰＵ１２２は、評価写像データ７６ｂを利用する領域を、誤出力率が閾値Ｒｔｈ３以上となった領域と、それ以外の領域とに分割する（Ｓ１１８）。具体的には、閾値Ｒｔｈ３以上となる領域において用いられる評価写像データ７６ｂと、それ以外の領域で用いられる評価写像データ７６ｂとを各別に更新することを決定する。

図９には、アイドル運転モードでも触媒暖機制御モードでもない領域であって、低回転の領域において、充填効率ηが所定値η１以下であって、シフト位置Ｖｓｆｔが所定の位置であって、係合状態値Ｖｒｃが所定値であって、路面状態値ＳＲが「１」である領域Ａ３の場合、誤出力率が閾値Ｒｔｈ３を超えることを例示した。なお、領域Ａ３が図７に例示した領域Ａ１において存在する場合、たとえば、領域Ａ１専用の評価写像データ７６ｂを、領域Ａ３専用のデータと、それ以外のデータとに分割するものとすればよい。また、たとえば、領域Ａ３が図８において例示した領域Ａ２に存在する場合、たとえば領域Ａ２専用の評価写像データ７６ｂを、領域Ａ３専用のデータと、それ以外のデータとに分割するものとすればよい。さらにたとえば、領域Ａ３が、図７に例示した領域Ａ１のうち図８に例示した領域Ａ２に存在する場合、たとえば、領域Ａ１および領域Ａ２の双方に属する専用の評価写像データ７６ｂを、領域Ａ３専用のデータと、それ以外のデータとに分割するものとすればよい。

図６に戻り、ＣＰＵ１２２は、Ｓ１１８の処理が完了する場合や、Ｓ１１４の処理において否定判定する場合には、Ｓ１０４，Ｓ１１０，Ｓ１１８の処理によって分割された領域毎の評価写像データ７６ｂを再学習する（Ｓ１２０）。すなわち、たとえば領域Ａ１において用いる評価写像データ７６ｂを更新する場合、ＣＰＵ１２２は、再学習用データ１２６ａのうち、領域Ａ１において送信されたデータのみを用いて評価写像データ７６ｂを更新する。またたとえば、領域Ａ１に属して且つ領域Ａ２に属する場合に利用する評価写像データ７６ｂを更新する場合、再学習用データ１２６ａのうち、領域Ａ１に位置する車両の運転環境が領域Ａ２に属する場合に送信されたデータのみを用いて評価写像データ７６ｂを更新する。なお、ＣＰＵ１２２は、Ｓ１０２，Ｓ１０８，Ｓ１１４のそれぞれの処理において否定判定する場合には、再学習用データ１２６ａの全てを用いて評価写像データ７６ｂを更新する。

具体的には、ＣＰＵ７２は、該当する再学習用データ１２６ａを訓練データとして選択的に用いて、評価写像データ７６ｂの学習済みパラメータである係数ｗ（１）ｊｉ，ｗ（２）ｋｊを更新する。すなわち、ＣＰＵ７２は、訓練データのうちの微小回転時間Ｔ３０や回転速度ＮＥ、充填効率ηを入力変数ｘ（１）〜ｘ（２６）として失火変数Ｐ（１）〜Ｐ（５）を算出する一方、熟練者による失火であるか否かの判断結果に関するデータに基づき教師データを生成する。たとえば、熟練者の判断が気筒＃１が失火である旨の判断であれば、Ｐ（１）＝１且つ、Ｐ（２）〜Ｐ（５）＝０とする。またたとえば、熟練者の判断が正常である旨の判断であれば、Ｐ（１）〜Ｐ（４）＝０且つＰ（５）＝１とする。そして、教師データと、ニューラルネットワークが出力した失火変数Ｐ（１）〜Ｐ（５）との差の絶対値が小さくなるように、周知の手法にて係数ｗ（１）ｊｉ，ｗ（２）ｋｊを更新する。

なお、データ解析センター１２０における失火変数Ｐ（１）〜Ｐ（５）の算出処理には、係数ｗ（１）ｊｉ，ｗ（２）ｋｊの情報や活性化関数ｈ１、およびニューラルネットワークの出力層にソフトマックス関数が用いられる旨の情報が必要である。これについては、たとえば、図６（ｂ）の処理に先立ってＣＰＵ１２２から制御装置７０に、これらに関するデータを送信する指示を出してもよいし、またたとえば、記憶装置１２６に予め記憶しておいてもよい。

そして、ＣＰＵ１２２は、通信機１２７を操作して、更新した係数ｗ（１）ｊｉ，ｗ（２）ｋｊを再学習済みのパラメータとして、車両ＶＣ１，ＶＣ２，…のうちの対象となるものに送信する（Ｓ１２２）。すなわち、たとえば更新された評価写像データ７６ｂのうち、図７に例示する領域Ａ１専用の係数ｗ（１）ｊｉ，ｗ（２）ｋｊについては、車両ＶＣ１，ＶＣ２，…のうちの領域Ａ１に位置するものに選択的に送信する。なお、ＣＰＵ１２２は、Ｓ１２２の処理が完了する場合、図６（ｂ）に示す一連の処理を一旦終了する。

一方、図６（ａ）に示すように、ＣＰＵ７２は、データ解析センター１２０から再学習済みパラメータの送信があるか否かを判定する（Ｓ１３０）。そしてＣＰＵ７２は、再学習済みのパラメータがあると判定する場合（Ｓ１３０：ＹＥＳ）、係数ｗ（１）ｊｉ，ｗ（２）ｋｊを受信し（Ｓ１３２）、記憶装置７６に記憶されている評価写像データ７６ｂを更新する（Ｓ１３４）。

なお、ＣＰＵ７２は、Ｓ１３４の処理が完了する場合や、Ｓ１３０の処理において否定判定する場合には、図６（ａ）に示す一連の処理を一旦終了する。
ここで、本実施形態の作用および効果について説明する。

ＣＰＵ７２は、実用写像データ７６ａに基づき、図２に示した処理を実行して内燃機関１０の失火の有無を監視し、失火が頻繁に生じる場合、これに対処すべく報知処理を実行する。また、ＣＰＵ７２は、評価写像データ７６ｂに基づき、図３に示した処理を実行して評価写像データ７６ｂによる失火判定を実行する。そしてＣＰＵ７２は、評価写像データ７６ｂを用いた失火判定結果と、実用写像データ７６ａを用いた失火判定結果とが整合するか否かを判定し、整合しないと判定する場合、評価写像データ７６ｂによる失火判定のための入力データに加えて、位置データＰｇｐｓや吸気温Ｔａ、大気圧Ｐａ等をデータ解析センター１２０に送信する。これは、評価写像データ７６ｂの学習が十分ではないおそれがあるための処理である。

これに対しＣＰＵ１２２は、ＣＰＵ７２から送信されてきた入力データ等を表示装置１１２に表示する。これにより、熟練者は、クランク軸２４の回転挙動を示す波形データ等に基づき、失火が生じていたのか否かを判断し、それに基づき、評価写像データ７６ｂを用いた失火の有無の判定が誤判定であったか否かを判断する。ＣＰＵ１２２は、熟練者の判断結果が、評価写像データ７６ｂを用いた失火の有無の判定が誤判定である旨の判断である場合、車両側から送信されてきたデータの少なくとも一部を、再学習用データ１２６ａとして、記憶装置１２６に記憶する。

そしてＣＰＵ１２２は、再学習用データ１２６ａが所定量以上となると、位置データＰｇｐｓや、吸気温Ｔａ、大気圧Ｐａ等によって区画される領域のうち、特定の領域において、評価写像データ７６ｂを用いた判定処理の精度が特に低いか否かを判定する。そして、特に低い領域がある場合、ＣＰＵ１２２は、同領域に関する訓練データのみを用いて評価写像データ７６ｂを更新することによって、その領域に入る場合に利用する専用の評価写像データ７６ｂを生成する。これにより、評価写像データ７６ｂによって規定される写像の構造を複雑化することなく、失火の判定精度を向上させることができる。

すなわち、たとえば図７に例示した領域Ａ１において失火の判定精度が特に低い場合、判定精度を低下させる事情として、領域Ａ１に特有の事情があると考えられる。これに対し、単に、再学習用データ１２６ａを多量に蓄積し、それらすべてを用いて再学習をしたとしても、評価写像データ７６ｂの構造を複雑化することなく失火の判定精度を向上させることは必ずしも容易ではない。これは、領域Ａ１に失火の判定精度を低下させる特有の事情があるのであれば、領域Ａ１とそれ以外の領域とで係数ｗ（１）ｊｉ，ｗ（２）ｋｊの最適値が異なりうるからである。もっとも、たとえば中間層の層数を増加させたり、さらには評価写像データ７６ｂによって規定される写像への入力に位置データＰｇｐｓを加える等の入力の次元数の増加を図ったりすれば、領域Ａ１とそれ以外の領域との双方において失火の判定精度を高めることができる可能性はある。しかし、その場合、評価写像データ７６ｂによって規定される写像の構造が複雑化し、同写像を用いた失火の判定処理にかかる演算負荷が大きくなる。これに対し、本実施形態では、失火の判定精度が低い領域がある場合、その領域において用いられる専用の評価写像データ７６ｂを生成することにより、評価写像データ７６ｂによって規定される写像の構造を複雑化することなく、失火の判定精度を高めることができる。

そして、ＣＰＵ１２２は、更新した係数ｗ（１）ｊｉ，ｗ（２）ｋｊを、再学習済みデータとして車両ＶＣ１，ＶＣ２，…のうちの該当するものに送信する。たとえば、ＣＰＵ１２２は、領域Ａ１専用の係数ｗ（１）ｊｉ，ｗ（２）ｋｊについては、領域Ａ１に位置する車両に送信する。これにより、領域Ａ１に位置する車両においては、領域Ａ１において評価精度を高めた評価写像データ７６ｂへと評価写像データ７６ｂが更新される。

その後、図４の処理によって不一致が生じたときの熟練者の判断で、評価写像データ７６ｂの方が実用写像データ７６ａよりも信頼性が高いことが判明する場合には、更新された係数ｗ（１）ｊｉ，ｗ（２）ｋｊが送信された車両において、更新後の評価写像データ７６ｂを実用写像データ７６ａとして失火の監視に利用することが可能となる。さらに、複数の車両ＶＣ１，ＶＣ２，…に搭載された生のデータによる学習済みモデル（写像データ）を、新たに開発した同一気筒数の内燃機関を備えた車両に搭載される制御装置に始めから実用写像データとして搭載することも可能となる。

＜第２の実施形態＞
以下、第２の実施形態について、第１の実施形態との相違点を中心に図面を参照しつつ説明する。

本実施形態では、評価写像データ７６ｂが、低回転用写像データと、高回転用写像データとからなり、それらを用いた失火判定の精度を評価する。
図１０に、評価写像データ７６ｂの選択処理の手順を示す。図１０に示す処理は、ＲＯＭ７４に記憶された失火検出プログラム７４ａをＣＰＵ７２がたとえば所定周期で繰り返し実行することにより実現される。

図１０に示す一連の処理において、ＣＰＵ７２は、回転速度ＮＥが所定速度ＮＥｔｈ以上であるか否かを判定する（Ｓ１２４）。そしてＣＰＵ７２は、所定速度ＮＥｔｈ以上であると判定する場合（Ｓ１２４：ＹＥＳ）、評価写像データ７６ｂのうちの、高回転用写像データを選択する（Ｓ１２６）。高回転用写像データは、回転速度ＮＥが所定速度ＮＥｔｈ以上であるときの入力変数ｘ（１）〜ｘ（２６）を訓練データとして学習されたデータである。これに対し、ＣＰＵ７２は、所定速度ＮＥｔｈ未満であると判定する場合（Ｓ１２４：ＮＯ）、評価写像データ７６ｂのうちの、低回転用写像データを選択する（Ｓ１２８）。低回転用写像データは、回転速度ＮＥが所定速度ＮＥｔｈ未満であるときの入力変数ｘ（１）〜ｘ（２６）を訓練データとして学習されたデータである。

なお、ＣＰＵ７２は、Ｓ１２６，Ｓ１２８の処理が完了する場合、図１０に示す一連の処理を一旦終了する。
図１１に、本実施形態にかかる評価写像データ７６ｂの再学習に関する処理の一部の手順を示す。図１１（ａ）に示す処理は、図１に示すＲＯＭ７４に記憶されている再学習サブプログラム７４ｂをＣＰＵ７２が実行することにより実現される。また、図１１（ｂ）に示す処理は、ＲＯＭ１２４に記憶されている再学習メインプログラム１２４ａをＣＰＵ１２２が実行することにより実現される。なお、図１１に示す処理において、図６に示した処理に対応する処理については、便宜上、同一のステップ番号を付与している。

図１１（ｂ）に示す一連の処理において、ＣＰＵ１２２は、まず、再学習用データ１２６ａを、回転速度ＮＥ別に分類し、それら分類した回転速度ＮＥ毎に、誤判定したデータ数を計測することによって、回転速度ＮＥに対する誤出力分布データを作成する（Ｓ１４０）。なお、ここで誤出力分布を定義するための回転速度ＮＥは、所定速度ＮＥｔｈ以上であるか否かの２値的なものよりも粒度が小さいものとする。次に、ＣＰＵ７２は、回転速度ＮＥで分割された複数の領域のうち誤出力率が閾値Ｒｔｈ４以上となる領域があるか否かを判定する（Ｓ１４２）。

ＣＰＵ７２は、閾値Ｒｔｈ４以上の領域があると判定する場合（Ｓ１４２：ＹＥＳ）、評価写像データ７６ｂを分割する領域を変更する（Ｓ１４４）。すなわち、たとえば閾値Ｒｔｈ４以上となる領域が所定速度ＮＥｔｈ未満の領域の一部である場合、所定速度ＮＥｔｈ未満の領域を、閾値Ｒｔｈ４以上となる領域とそれ以外とに分割する。

ＣＰＵ７２は、Ｓ１４４の処理が完了する場合、Ｓ１２０，Ｓ１２２の処理を実行する一方、Ｓ１４２の処理において否定判定する場合、図１１（ｂ）に示す一連の処理を一旦終了する。

図１２に、本実施形態にかかる評価写像データ７６ｂの更新例を示す。
図１２（ａ）は、更新前の評価写像データ７６ｂの利用領域の分割を示しており、所定速度ＮＥｔｈ以上であるか否かに応じて、高回転用写像データおよび低回転用写像データのいずれか１つを失火の判定に利用する。これに対し、図１２（ｂ）は、更新後の評価写像データ７６ｂの利用領域の分割を示しており、回転速度ＮＥに応じて３つの写像データのいずれか１つを失火の判定に利用する。この例は、所定速度ＮＥｔｈ付近において、高回転用写像データを用いた失火判定と、低回転用写像データを用いた失火判定との双方において、誤出力率が閾値Ｒｔｈ４以上となったために、中回転用写像データを新たに追加したものである。

このように、本実施形態によれば、回転速度ＮＥに応じて複数の写像のいずれか１つを利用する設定において、回転速度ＮＥに応じていずれを用いるかの設定自体が、失火の判定精度を高く維持するうえで不満足である場合、回転速度ＮＥと失火判定に利用する写像との対応関係自体を変更する。これにより、失火判定に利用する写像を回転速度ＮＥによって分割する際、より適切な分割を見出すことができる。

＜第３の実施形態＞
以下、第３の実施形態について、第１の実施形態との相違点を中心に図面を参照しつつ説明する。

本実施形態では、評価写像データ７６ｂによって規定される写像への入力変数ｘ（１）〜ｘ（２６）となっていない変数について、その変数によって分割された領域の一部で誤出力率が顕著となる場合、その変数を入力変数に追加する。

図１３に、本実施形態にかかる評価写像データ７６ｂの再学習に関する処理の一部の手順を示す。図１３（ａ）に示す処理は、図１に示すＲＯＭ７４に記憶されている再学習サブプログラム７４ｂをＣＰＵ７２が実行することにより実現される。また、図１３（ｂ）に示す処理は、ＲＯＭ１２４に記憶されている再学習メインプログラム１２４ａをＣＰＵ１２２が実行することにより実現される。なお、図１３に示す処理において、図６に示した処理に対応する処理については、便宜上、同一のステップ番号を付与している。

図１３（ｂ）に示す一連の処理において、ＣＰＵ１２２は、まず、再学習用データ１２６ａを、吸気温Ｔａ毎に分類し、それら分類した吸気温Ｔａ毎に、誤判定したデータ数を計測することによって、吸気温Ｔａに対する誤出力分布データを作成する（Ｓ１５０）。次に、ＣＰＵ７２は、吸気温Ｔａで分割された複数の領域のうち誤出力率が閾値Ｒｔｈ５以上となる領域があるか否かを判定する（Ｓ１５２）。ＣＰＵ７２は、閾値Ｒｔｈ５以上の領域があると判定する場合（Ｓ１５２：ＹＥＳ）、評価写像データ７６ｂによって規定される写像への入力変数に吸気温に関する変数を追加する（Ｓ１５４）。すなわち、入力変数を２６次元から２７次元に変更する。

ＣＰＵ７２は、Ｓ１５４の処理が完了する場合、Ｓ１２０，Ｓ１２２の処理を実行する。なお、本実施形態におけるＳ１２０の処理においては、再学習用データ１２６ａの全てを訓練データとして用いる。さらに、たとえば内燃機関１０と同一仕様の内燃機関のクランク軸２４にダイナモメータ等を接続し、所定の条件で燃料噴射弁２０からの燃料噴射を停止しつつ内燃機関１０を稼働することにより失火を生じさせつつテストベンチ上で訓練データを生成し、同訓練データを追加的に用いてもよい。

＜第４の実施形態＞
以下、第４の実施形態について、第１の実施形態との相違点を中心に図面を参照しつつ説明する。

本実施形態にかかる実用写像データ７６ａおよび評価写像データ７６ｂは、複数の気筒＃１〜＃４のそれぞれにおける混合気の空燃比を互いに等しい空燃比に制御すべく燃料噴射弁２０を操作した際の実際の空燃比同士のばらつきであるインバランスを示す変数であるインバランス変数Ｉｎｂの値を出力する写像を規定するデータである。

図１４に、本実施形態にかかる車両用学習システムが実行する処理を示す。図１４に示す処理は、ＲＯＭ７４に記憶されたプログラムをＣＰＵ７２が実行することにより実現される処理と、ＲＯＭ１２４に記憶されたプログラムをＣＰＵ１２２が実行することにより実現される処理とである。

インバランス検出処理Ｍ１０（１）は、実用写像データ７６ａを用いてインバランス変数Ｉｎｂ（１）の値を算出する処理である。インバランス検出処理Ｍ１０（１）は、上流側空燃比Ａｆｕの所定時間当たりの変化量に基づき、インバランス変数Ｉｎｂ（１）がリッチ側の値を示すときのその値を算出する処理を含む。また、インバランス検出処理Ｍ１０（１）は、微小回転時間Ｔ３０の変動に基づき、インバランス変数Ｉｎｂ（１）がリーン側の値を示すときのその値を算出する処理を含む。

インバランス検出処理Ｍ１０（２）は、評価写像データ７６ｂを用いてインバランス変数Ｉｎｂ（２）の値を算出する処理である。インバランス検出処理Ｍ１０（２）は、微小回転時間Ｔ３０（１）〜Ｔ３０（２４）からなる時系列データと、その期間における上流側空燃比Ａｆｕの時系列データとを入力とし、インバランス変数Ｉｎｂ（２）の値を出力するニューラルネットワークを用いてインバランス変数Ｉｎｂ（２）の値を算出する処理である。

再学習用サブ処理Ｍ１２は、インバランス変数Ｉｎｂ（１）とインバランス変数Ｉｎｂ（２）との差の絶対値が所定値以上となる場合、実用写像データ７６ａを用いた判定結果と評価写像データ７６ｂを用いた判定結果とが整合していないと判定する処理を含む。また、再学習用サブ処理Ｍ１２は、所定のデータをデータ解析センター１２０に送信する処理を含む。ここで、送信対象とするデータは、不整合が生じたときのインバランス変数Ｉｎｂ（２）の算出に用いた微小回転時間Ｔ３０および上流側空燃比Ａｆｕに加えて、それらと時系列的に隣り合う微小回転時間Ｔ３０の時系列データと上流側空燃比Ａｆｕの時系列データとを含む。これは、クランク軸２４の回転挙動や上流側空燃比Ａｆｕの挙動に基づき、熟練者がインバランス変数Ｉｎｂ（２）が正しい値であるか否かをより正確に判断できるようにするためのものである。

また、送信対象とするデータは、不整合が生じたときの内燃機関１０の動作点を示す変数である動作点変数の値としての回転速度ＮＥおよび充填効率ηを含む。動作点変数の値は、熟練者がインバランス変数Ｉｎｂ（２）が正しい値であるか否かをより正確に判断できるようにするためのデータであるとともに、動作点に応じてインバランス変数Ｉｎｂ（２）の精度に相違が生じるか否かを検証するためのデータである。

また、送信対象とするデータは、燃焼制御モード値ＭＣを含む。本実施形態では、燃焼制御モード値ＭＣとして、目標空燃比の値に応じたモードや、触媒３０の再生処理のために排気温度を上昇させる制御をするモードと、それ以外のモードとを識別するものを例示する。これは、それら燃焼制御モードの相違によって、気筒間の実際の空燃比のばらつきがクランク軸２４の回転挙動や上流側空燃比Ａｆｕに与える影響が異なることに鑑みたものである。そのため、燃焼制御モード値ＭＣは、熟練者がインバランス変数Ｉｎｂ（２）が正しい値であるか否かをより正確に判断できるようにするためのデータであるとともに、その値によってインバランス変数Ｉｎｂ（２）の精度に相違が生じるか否かを検証するためのデータである。

また、送信対象となるデータは、吸気温Ｔａ、大気圧Ｐａ、シフト位置Ｖｓｆｔ、係合状態値Ｖｒｃ、路面状態値ＳＲおよび位置データＰｇｐｓを含む。これらのデータの意義については、上記第１の実施形態と同様である。

ＣＰＵ１２２は、再学習処理Ｍ１４として、図４（ｂ）および図６（ｂ）に準じた処理を実行する。なお、図４の処理に準じた処理としては、データ解析センター１２０においてインバランス変数Ｉｎｂの値として適切であるとする値と評価写像データ７６ｂによって規定される写像の出力値との差の絶対値が所定値以上である場合に誤出力とする処理を含む。また、本実施形態では、地域別の誤出力率の評価に続いて、動作点変数によって区画される領域毎の誤出力率の評価を行う例を示す。図１４には、位置データＰｇｐｓに基づく誤出力率の相違から、領域Ａ４に位置する車両における誤出力率が閾値以上となり、領域Ａ４の中でも、動作点変数によって区画される領域が領域Ａ５に入る場合に、誤出力率が特に大きくなる場合を例示した。詳しくは、領域Ａ５においては、燃焼制御モード値ＭＣ、吸気温Ｔａ、大気圧Ｐａ、シフト位置Ｖｓｆｔ、係合状態値Ｖｒｃおよび路面状態値ＳＲによって区画される所定の領域において、誤出力率が特に大きくなる例を示した。そのため、ＣＰＵ１２２は、領域Ａ４専用の評価写像データ７６ｂを、領域Ａ５であって且つ所定の領域に入る場合と、それ以外とで各別のデータに更新する。

＜第５の実施形態＞
以下、第５の実施形態について、第１の実施形態との相違点を中心に図面を参照しつつ説明する。

本実施形態にかかる実用写像データ７６ａおよび評価写像データ７６ｂは、触媒３０の劣化度合いを示す劣化変数ＲＤの値を出力する写像を規定するデータである。
図１５に、本実施形態にかかる車両用学習システムが実行する処理を示す。図１５に示す処理は、ＲＯＭ７４に記憶されたプログラムをＣＰＵ７２が実行することにより実現される処理と、ＲＯＭ１２４に記憶されたプログラムをＣＰＵ１２２が実行することにより実現される処理とである。

触媒劣化検出処理Ｍ２０（１）は、実用写像データ７６ａを用いて劣化変数ＲＤ（１）の値を算出する処理である。触媒劣化検出処理Ｍ２０（１）は、下流側空燃比Ａｆｄがリーンからリッチに反転したタイミングにおいて、触媒３０に流入する排気中に酸素が過剰に存在するようにアクティブ制御を実行し、下流側空燃比Ａｆｄがリッチからリーンに反転するまでにおける触媒３０への酸素の流入量に基づき劣化変数ＲＤ（１）の値を算出する処理である。

触媒劣化検出処理Ｍ２０（２）は、評価写像データ７６ｂを用いて劣化変数ＲＤ（２）の値を算出する処理である。触媒劣化検出処理Ｍ２０（２）は、触媒３０の上流側空燃比Ａｆｕの時系列データ、下流側空燃比Ａｆｄの時系列データ、回転速度ＮＥ、充填効率ηおよび触媒３０の温度（触媒温度Ｔｃａｔ）を入力とし、劣化変数ＲＤ（２）を出力するニューラルネットワークによって、劣化変数ＲＤ（２）の値を算出する処理である。なお、触媒温度Ｔｃａｔは、たとえば、排気温Ｔｅｘの１次遅れ処理値とすればよい。

再学習用サブ処理Ｍ２２は、同一トリップにおいて算出された劣化変数ＲＤ（１）の値と劣化変数ＲＤ（２）の値との差の絶対値が所定値以上となる場合、実用写像データ７６ａを用いた判定結果と評価写像データ７６ｂを用いた判定結果とが整合していないと判定する処理を含む。また、再学習用サブ処理Ｍ２２は、所定のデータをデータ解析センター１２０に送信する処理を含む。ここで、送信対象とするデータは、不整合が生じたときの劣化変数ＲＤの算出に用いた入力変数の値を含む。また、送信対象とするデータは、不整合が生じたときの劣化変数ＲＤの算出に用いた上流側空燃比Ａｆｕおよび下流側空燃比Ａｆｄに時系列的に隣り合う上流側空燃比Ａｆｕの時系列データおよび下流側空燃比Ａｆｄの時系列データを含む。これは、データ解析センター１２０において、上流側空燃比Ａｆｕや下流側空燃比Ａｆｄの挙動に基づき、劣化変数ＲＤ（２）が正しい値であるか否かをより正確に判断できるようにするためのものである。

また、送信対象には、吸入空気量Ｇａが含まれる。これは、下流側空燃比Ａｆｄの挙動が、吸入空気量Ｇａの影響を受けやすいため、吸入空気量Ｇａの値によって劣化変数ＲＤ（２）の精度が大きく低下するか否かを検証するためである。

また、送信対象には、充填効率ηの所定時間における極大値と極大値との差である変化量Δηが含まれる。これは、充填効率ηの変動によって燃焼室１８において燃焼対象となる混合気の空燃比が変化することから、変化量Δηによって劣化変数ＲＤ（２）の精度が大きく低下するか否かを検証するためである。

また、送信対象には、位置データＰｇｐｓが含まれる。これは、地域によって、燃料中のアルコール濃度等、燃料性状が異なることから、地域によって劣化変数ＲＤ（２）の値の精度が大きく低下するか否かを検証するためである。

ＣＰＵ１２２は、再学習処理Ｍ２４として、図４（ｂ）および図６（ｂ）に準じた処理を実行する。なお、図４の処理に準じた処理としては、データ解析センター１２０において劣化変数ＲＤの値として適切であるとする値と評価写像データ７６ｂによって規定される写像の出力値との差の絶対値が所定値以上である場合に誤出力とする処理を含む。また、本実施形態では、地域別の誤出力率の評価に続いて、吸入空気量Ｇａによって区画される領域毎の誤出力率の評価を行う例を示す。図１５には、位置データＰｇｐｓに基づく誤出力率の相違から、領域Ａ６に位置する車両における誤出力率が閾値以上となり、領域Ａ６において、吸入空気量Ｇａによって区画された３つの領域のうちの１つの領域Ａ７において、誤出力率が特に大きくなる場合を例示した。詳しくは、領域Ａ７においては、変化量Δηが所定量以上の領域において、誤出力率が特に大きくなる例を示した。そのため、ＣＰＵ１２２は、領域Ａ６専用の評価写像データ７６ｂを、吸入空気量Ｇａによって区画された３つの領域のうちの領域Ａ７において変化量Δηが所定量以上である場合と、それ以外とで各別に更新する。

＜第６の実施形態＞
以下、第６の実施形態について、第１の実施形態との相違点を中心に図面を参照しつつ説明する。

本実施形態では、触媒３０として、粒子状物質（ＰＭ）を捕集するフィルタを搭載したものを例示し、実用写像データ７６ａおよび評価写像データ７６ｂを、フィルタに堆積されたＰＭ量であるＰＭ堆積量ＤＰＭを出力する写像を規定するデータとする。

図１６に、本実施形態にかかる車両用学習システムが実行する処理を示す。図１６に示す処理は、ＲＯＭ７４に記憶されたプログラムをＣＰＵ７２が実行することにより実現される処理と、ＲＯＭ１２４に記憶されたプログラムをＣＰＵ１２２が実行することにより実現される処理とである。

堆積量推定処理Ｍ３０（１）は、実用写像データ７６ａを用いてＰＭ堆積量ＤＰＭ（１）を算出する処理である。堆積量推定処理Ｍ３０（１）は、回転速度ＮＥおよび充填効率ηと、ＰＭ堆積量ＤＰＭのベース値との関係を定めるマップデータと、点火時期ａｉｇとＰＭ堆積量ＤＰＭの補正量との関係を定めるマップデータと、水温ＴＨＷとＰＭ堆積量ＤＰＭの補正量との関係を定めるマップデータとによって、ＰＭ堆積量ＤＰＭ（１）を算出する処理である。

堆積量推定処理Ｍ３０（２）は、評価写像データ７６ｂを用いてＰＭ堆積量ＤＰＭ（２）を算出する処理である。堆積量推定処理Ｍ３０（２）は、回転速度ＮＥ、充填効率η、上流側空燃比Ａｆｕ、触媒温度Ｔｃａｔ、点火時期ａｉｇ、および水温ＴＨＷを入力とし、ＰＭ堆積量ＤＰＭ（２）の変化量を出力するニューラルネットワークを用いて、ＰＭ堆積量ＤＰＭ（２）を算出する処理である。

再学習用サブ処理Ｍ３２は、ＰＭ堆積量ＤＰＭ（１）とＰＭ堆積量ＤＰＭ（２）との差の絶対値が所定値以上となる場合、実用写像データ７６ａを用いた判定結果と評価写像データ７６ｂを用いた判定結果とが整合していないと判定する処理を含む。また、再学習用サブ処理Ｍ３２は、内燃機関１０の始動後、不整合が生じた時点までの期間におけるＰＭ堆積量ＤＰＭ（２）の算出に用いた入力データからなる時系列データ等を送信対象として送信する処理を含む。ここで、時系列データを送信するのは、データ解析センター１２０において、時系列データに基づきＰＭ堆積量ＤＰＭを算出し、ＰＭ堆積量ＤＰＭ（２）の妥当性を判定するためである。

上記送信対象とするデータは、燃焼制御モード値ＭＣを含む。本実施形態では、燃焼制御モード値ＭＣとして、目標空燃比の値に応じたモードと、フィルタの再生処理のために排気温度を上昇させる制御をするモードと、それ以外のモードとを識別するものを例示する。これは、それら燃焼制御モードの相違によって、ＰＭ堆積量ＤＰＭ（２）の推定精度が変化するか否かを検証するためである。

また、送信対象とするデータは、内燃機関１０の始動時からの経過時間Ｔｓを含む。これは、始動後間もないときには、燃料がシリンダ壁面等に付着しやすく、ＰＭが発生しやすいことから、始動後間もない期間とそれ以外とでＰＭ堆積量ＤＰＭ（２）の推定精度に相違が生じるか否かを検証するためである。

また、送信対象とするデータは、位置データＰｇｐｓおよび吸気温Ｔａを含む。これらについては、再学習用サブ処理Ｍ１２によってそれらデータを送信する理由と同様である。

ＣＰＵ１２２は、再学習処理Ｍ３４として、図４（ｂ）および図６（ｂ）に準じた処理を実行する。なお、図４の処理に準じた処理としては、データ解析センター１２０においてＰＭ堆積量ＤＰＭの値として適切であるとする値と評価写像データ７６ｂによって規定される写像の出力値との差の絶対値が所定値以上である場合に誤出力とする処理を含む。また、本実施形態では、地域別の誤出力率の評価に続いて、経過時間Ｔｓによって区画される領域毎の誤出力率の評価を行う例を示す。図１６には、位置データＰｇｐｓに基づく誤出力率の相違から、領域Ａ８に位置する車両における誤出力率が閾値以上となり、領域Ａ８において、経過時間Ｔｓが所定時間Ｔｓ１以下の領域Ａ９において、誤出力率が特に大きくなる場合を例示した。また、図１６には、経過時間Ｔｓが所定時間Ｔｓ１よりも大きい領域であっても、燃焼制御モード値ＭＣが所定値となる領域Ａ９については、誤出力率が特に大きくなる例を示した。そのため、ＣＰＵ１２２は、領域Ａ８専用の評価写像データ７６ｂを、経過時間Ｔｓが所定時間Ｔｓ１以下の領域と、所定時間Ｔｓ１よりも大きい領域であって燃焼制御モード値ＭＣが所定値である領域と、それ以外とのそれぞれで各別のデータに更新する。

＜第７の実施形態＞
以下、第７の実施形態について、第１の実施形態との相違点を中心に図面を参照しつつ説明する。

本実施形態にかかる実用写像データ７６ａおよび評価写像データ７６ｂは、触媒３０の温度（触媒温度Ｔｃａｔ）を出力する写像を規定するデータである。
図１７に、本実施形態にかかる車両用学習システムが実行する処理を示す。図１７に示す処理は、ＲＯＭ７４に記憶されたプログラムをＣＰＵ７２が実行することにより実現される処理と、ＲＯＭ１２４に記憶されたプログラムをＣＰＵ１２２が実行することにより実現される処理とである。

触媒温度推定処理Ｍ４０（１）は、実用写像データ７６ａを用いて触媒温度Ｔｃａｔ（１）を算出する処理である。触媒温度推定処理Ｍ４０（１）は、排気温Ｔｅｘを入力とする１次遅れフィルタ処理を実行し、その出力値を触媒温度Ｔｃａｔ（１）とする処理である。

触媒温度推定処理Ｍ４０（２）は、評価写像データ７６ｂを用いて触媒温度Ｔｃａｔ（２）を算出する処理である。触媒温度推定処理Ｍ４０（２）は、排気温Ｔｅｘ、回転速度ＮＥ、充填効率η、および上流側空燃比Ａｆｕのそれぞれの時系列データと、触媒温度Ｔｃａｔ（２）の前回値とを入力とするニューラルネットワークによって、触媒温度Ｔｃａｔ（２）を算出する処理である。

再学習用サブ処理Ｍ４２は、触媒温度Ｔｃａｔ（１）と触媒温度Ｔｃａｔ（２）との差の絶対値が所定値以上となる場合、実用写像データ７６ａを用いた判定結果と評価写像データ７６ｂを用いた判定結果とが整合していないと判定する処理を含む。また、再学習用サブ処理Ｍ４２は、データ解析センター１２０にデータを送信する処理を含む。

送信対象とするデータは、内燃機関１０の始動後、不整合が生じた時点までの期間における触媒温度Ｔｃａｔ（２）の算出に用いた入力データからなる時系列データを含む。ここで、時系列データを送信するのは、データ解析センター１２０において、触媒温度Ｔｃａｔを時系列データによって算出し、触媒温度Ｔｃａｔ（２）の妥当性を判定するためである。

送信対象とするデータは、燃焼制御モード値ＭＣを含む。本実施形態では、燃焼制御モード値ＭＣとして、目標空燃比の値に応じたモードと、触媒３０の再生処理のために排気温度を上昇させる制御をするモードと、それ以外のモードとを識別するものを例示する。これは、それら燃焼制御モードの相違による触媒温度Ｔｃａｔ（２）の推定精度の影響を検証するためである。

また、送信対象とするデータは、吸入空気量Ｇａを含む。これは、吸入空気量Ｇａによって触媒３０と空気との熱交換が異なることから、吸入空気量Ｇａによる触媒温度Ｔｃａｔ（２）の推定精度の影響を検証するためである。

また、送信対象とするデータは、車速Ｖを含む。これは、走行風による触媒温度Ｔｃａｔ（２）の推定精度の影響を検証するためである。また、送信対象とするデータは、吸気温Ｔａを含む。ここで、吸気温Ｔａは、外気の温度の代用である。これは、外気温に応じて触媒３０と外気との熱勾配が変化することから、外気温による触媒温度Ｔｃａｔ（２）の推定精度の影響を検証するためである。

ＣＰＵ１２２は、再学習処理Ｍ４４として、図４（ｂ）および図６（ｂ）に準じた処理を実行する。なお、図４の処理に準じた処理としては、データ解析センター１２０において触媒温度Ｔｃａｔの値として適切であるとする値と評価写像データ７６ｂによって規定される写像の出力値との差の絶対値が所定値以上である場合に誤出力とする処理を含む。また、本実施形態では、吸入空気量Ｇａによって３つの領域に分割した領域毎の誤出力率の評価を最初に行う例を示す。図１３には、吸入空気量Ｇａによって分割された３つの領域のうちの１つの領域Ａ１１において、車速Ｖが所定速度以上であって且つ吸気温Ｔａが所定温度以下の場合に、誤出力率が特に大きくなる場合を例示した。そのため、ＣＰＵ１２２は、領域Ａ１１において車速Ｖが所定速度以上であって且つ吸気温Ｔａが所定温度以下の場合に専用の評価写像データ７６ｂを更新する。

＜対応関係＞
上記実施形態における事項と、上記「課題を解決するための手段」の欄に記載した事項との対応関係は、次の通りである。以下では、「課題を解決するための手段」の欄に記載した解決手段の番号毎に、対応関係を示している。［１，２，６〜１０］第１実行装置は、ＣＰＵ７２およびＲＯＭ７４に対応し、第２実行装置は、ＣＰＵ１２２およびＲＯＭ１２４に対応する。記憶装置は、記憶装置７６に対応する。写像データは、評価写像データ７６ｂに対応する。取得処理は、Ｓ４０の処理に対応する。関係評価処理は、Ｓ１００，Ｓ１０２，Ｓ１０６，Ｓ１０８，Ｓ１１２，Ｓ１１４，Ｓ１１６の処理に対応する。所定の変数の値は、図６における、位置データＰｇｐｓ、吸気温Ｔａ、大気圧Ｐａ、燃焼制御モード値ＭＣ、シフト位置Ｖｓｆｔ、係合状態値Ｖｒｃ、充填効率η、および路面状態値ＳＲや、図１１の回転速度ＮＥ、図１３の吸気温Ｔａ等に対応する。［３］関数近似器は、ニューラルネットワークに対応し、更新処理は、Ｓ１０４，Ｓ１１０，Ｓ１１８，Ｓ１２０の処理に対応し、分割処理は、Ｓ１０４，Ｓ１１０，Ｓ１１８の処理に対応する。［４］関数近似器は、ニューラルネットワークに対応し、更新処理は、Ｓ１２０，Ｓ１４４の処理に対応し、変更処理は、Ｓ１４４の処理に対応する。［５］更新処理は、Ｓ１２０，Ｓ１５４の処理に対応し、追加処理は、Ｓ１５４の処理に対応する。［１１］第１写像データは、実用写像データ７６ａに対応し、第１取得処理は、Ｓ１０の処理に対応し、第１算出処理は、Ｓ１６，Ｓ１８の処理に対応する。整合性判定処理は、Ｓ６４，Ｓ７０の処理に対応する。妥当性判定処理は、Ｓ９２〜Ｓ９６の処理に対応する。［１２］車両側送信処理は、Ｓ８２の処理に対応し、車両外受信処理は、Ｓ９０の処理に対応する。［１３］更新データ送信処理は、Ｓ１２２の処理に対応し、更新データ受信処理は、Ｓ１３２の処理に対応する。［１４］車両用制御装置は、制御装置７０に対応する。［１５］車両用学習装置は、データ解析センター１２０に対応する。

＜その他の実施形態＞
なお、本実施形態は、以下のように変更して実施することができる。本実施形態および以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。

・「車両の既定の状態について」
写像の出力に情報が含まれる車両の既定の状態としては、上記実施形態において例示したものに限らない。たとえば、内燃機関の状態としては、以下のものでもよい。

（ａ）空燃比センサの応答性の劣化に関する状態
この場合、第１写像データとしての実用写像データ７６ａを用いた劣化判定処理には、通常の空燃比フィードバック制御から外れて空燃比をリーンおよびリッチに交互に大きく変化させるアクティブ制御を利用してもよい。そして、実用写像データ７６ａを、アクティブ制御によって上流側空燃比Ａｆｕがリッチからリーンへ、またはリーンからリッチへと反転するまでの所要時間等に基づき、劣化変数の値を算出するデータとすればよい。また、第２写像データとしての評価写像データ７６ｂは、噴射量の時系列データと、上流側空燃比Ａｆｕの時系列データとを入力とし、劣化の有無を示す劣化変数の値を出力するニューラルネットワークを規定するデータとすればよい。その場合、第２写像による劣化変数の値の算出処理を、アクティブ制御を実行していないときに行ってもよい。また、車両からデータ解析センター１２０に送信するデータのうち入力データ以外のデータに、回転速度ＮＥや充填効率ηを含めてもよい。これにより、データ解析センター１２０において、誤出力率の高い動作点変数があるか否かを検証することができる。

（ｂ）触媒の酸素吸蔵量に関する状態
この場合、第１写像データとしての実用写像データ７６ａを、上流側空燃比Ａｆｕの平均値と下流側空燃比Ａｆｄの平均値との差を入力変数とし、酸素吸蔵量を示す変数である吸蔵量変数の値を出力変数とするマップデータとすればよい。また、第２写像データとしての評価写像データ７６ｂは、酸素と過不足なく反応する燃料量に対する実際の燃料量の過不足量および触媒の温度の所定期間における積算値と、吸蔵量変数の前回値とを入力とし、吸蔵量変数の値を出力するニューラルネットワークを規定するデータとすればよい。また、車両からデータ解析センター１２０に送信するデータのうち入力データ以外のデータに、触媒３０内の流体の流量を含めてもよい。これにより、データ解析センター１２０において、誤出力率の高い流量があるか否かを検証することができる。

（ｃ）内燃機関のノッキングの有無に関する状態
この場合、第１写像データとしての実用写像データ７６ａを、ノッキングセンサの検出値の積算値と、判定値との大小比較によって、ノッキングであるか否かを示す論理値を出力する写像を規定するデータとすればよい。また、第２写像データしての評価写像データ７６ｂは、ノッキングセンサの検出値の時系列データを入力とし、燃焼室１８内の圧力のピーク値を出力するニューラルネットワークを規定するデータとしてもよい。その場合、ピーク値が閾値以上である場合に、ノッキングが生じたと判定すればよい。また、車両からデータ解析センター１２０に送信するデータのうち、入力データ以外のデータに、たとえば回転速度ＮＥおよび充填効率ηを含めてもよい。これによれば、ＣＰＵ１２２において、誤出力率が高い動作点領域があるか否かを検証することができる。

（ｄ）燃料噴射弁２０に供給される燃料の温度に関する状態
この場合、第１写像データとしての実用写像データ７６ａを、回転速度ＮＥ、充填効率ηおよび水温ＴＨＷを入力変数とし、燃料の温度を出力変数とするマップデータとすればよい。また、第２写像データとしての評価写像データ７６ｂは、回転速度ＮＥ、充填効率η、燃料噴射弁２０による燃料の噴射量、吸気温Ｔａ、車速Ｖ、燃料の温度の前回値を入力とし、燃料の温度を出力するニューラルネットワークを規定する写像とすればよい。また、車両からデータ解析センター１２０に送信するデータを、内燃機関１０の始動時からの、ニューラルネットワークの出力値および入力データとすればよい。これにより、データ解析センター１２０において燃料の温度の時間推移を推定することが可能となる。さらに送信するデータに、たとえば点火時期や、水温ＴＨＷ等を含めてもよい。これによれば、ＣＰＵ１２２において、点火時期や水温ＴＨＷによって区画される特定の領域において誤出力率が高くなるか否かを検証することができる。もっとも、内燃機関１０の始動時からの、ニューラルネットワークの出力値および入力データを送信するのみであっても、データ解析センター１２０において、動作点変数によって分割された特定の領域において誤出力率が高くなるか否かを検証することはできる。

（ｅ）パージシステムの異常の有無
この場合、燃料タンク内の燃料蒸気を捕集するキャニスタと、キャニスタと吸気通路との間のパージ経路の流路断面積を調整するパージバルブとを備えたパージシステムにおいて、パージ経路に穴がある場合に異常であると判定する写像が考えられる。この場合、第１写像データとしての実用写像データ７６ａは、パージバルブを開弁してキャニスタ内の圧力を低下させた後、パージバルブを閉弁させた際の圧力の上昇速度が閾値以上である場合に異常がある旨の論理値を出力する写像を規定するデータとすればよい。また、第２写像データとしての評価写像データ７６ｂは、キャニスタ内の圧力の時系列データと大気圧Ｐａとを入力とし、穴の有無に応じた出力値を出力するニューラルネットワークを規定するデータとすればよい。また、車両からデータ解析センター１２０に送信するデータを、ニューラルネットワークの出力値および入力データに加えて、燃料タンク内の燃料残量とすればよい。これにより、燃料残量が出力値の精度に与える影響を検証できる。

（ｆ）ＥＧＲ率
ここで、ＥＧＲ率は、吸気通路１２から燃焼室１８に流入する流体の流量に対するＥＧＲ通路３２から吸気通路１２に流入した流体の流量の割合である。この場合、第１写像データとしての実用写像データ７６ａは、回転速度ＮＥおよび充填効率ηを入力変数とし、ＥＧＲ率を出力変数とするマップデータとすればよい。また第２写像データとしての評価写像データ７６ｂは、回転速度ＮＥ、充填効率η、吸気通路１２内の圧力、および吸入空気量Ｇａを入力変数とし、ＥＧＲ率を出力するニューラルネットワークを規定するデータとすればよい。

この場合、車両からデータ解析センター１２０に送信するデータには、たとえば、不整合が生じたときのＥＧＲ率の算出に用いた入力データに加えて、大気圧Ｐａや吸気温Ｔａ、水温ＴＨＷを含めてもよい。これにより、大気圧Ｐａや吸気温Ｔａ、水温ＴＨＷが出力値の精度に与える影響を検証できる。

（ｇ）ブローバイガス送出路の漏れの有無に関する状態
ここでは、内燃機関１０のクランクケースと吸気通路１２とを接続するブローバイガス送出路を備えることが前提となる。この場合、ブローバイガス送出路に圧力センサを設け、第１写像としての実用写像データ７６ａは、圧力センサによって検出される圧力と、回転速度ＮＥおよび充填効率ηに基づく判定値との大小比較に基づき、異常の有無を示す値を出力するデータとすればよい。また、第２写像データとしての評価写像データ７６ｂは、回転速度ＮＥ、充填効率η、および吸入空気量Ｇａとスロットルバルブ１４を通過する吸気量との差を入力変数とし、異常の有無を示す値を出力するニューラルネットワークを規定するデータとすればよい。

この場合、車両からデータ解析センター１２０に、不整合が生じたときの異常の有無を示す値の算出に用いた入力データを送信することにより、たとえば、動作点変数が出力値の精度に与える影響を検証できる。

なお、車両の既定の状態としては、内燃機関の状態に限らない。たとえば下記「車両について」の欄に記載したように、回転電機を備える車両においては、回転電機に供給される電力を蓄えるバッテリの状態であってもよい。

・「車両側送信処理について」
（ａ）失火の場合
図４の処理では、３燃焼サイクル分の微小回転時間Ｔ３０の時系列データを送信したが、これに限らない。たとえば、実用写像データ７６ａを用いた判定結果と評価写像データ７６ｂを用いた判定結果とが整合しないときの微小回転時間Ｔ３０（２５）〜Ｔ３０（４８）と、整合しないと判定される状態から整合していると判定される状態に移行した際の微小回転時間Ｔ３０（４９）〜Ｔ３０（７２）との２燃焼サイクル分の時系列データであってもよい。

図４の処理では、実用写像データ７６ａを用いた判定結果と評価写像データ７６ｂを用いた判定結果とが整合しないときの微小回転時間Ｔ３０（２５）〜Ｔ３０（４８）に加えて、整合しないと判定される状態から整合していると判定される状態に移行した際の微小回転時間Ｔ３０（４９）〜Ｔ３０（７２）を送信したが、これに限らない。たとえば、整合していると判定されている状態における微小回転時間Ｔ３０の時系列データと、整合していると判定される状態から整合していないと判定される状態に移行した際の微小回転時間Ｔ３０の時系列データとを送信してもよい。

送信対象とする時系列データのうちの整合していると判定される状態に移行した際の微小回転時間Ｔ３０の時系列データとしては、１燃焼サイクル分の時系列データに限らない。たとえば、「第２写像データについて」の欄に記載したように、１度の入力による出力値が１つの気筒の失火変数の値のみを出力する場合等であって、入力データ自体、１燃焼サイクルより短い期間における微小回転時間Ｔ３０の時系列データである場合には、それに応じた量の時系列データとしてもよい。もっとも、写像への入力変数を構成する微小回転時間Ｔ３０の時系列データと、整合していると判定される状態に移行した際の微小回転時間Ｔ３０の時系列データとが、同一の長さを有する区間内の微小回転時間Ｔ３０であることも必須ではない。

図４の処理では、１トリップに１度、整合しないと連続して判定された回数が最大となるときに対応する３燃焼サイクル分の微小回転時間Ｔ３０の時系列データを送信したが、これに限らない。たとえば、１トリップに１度、整合しないと連続して判定された回数が最大となるときに対応する、整合しないと連続して判定された期間における微小回転時間Ｔ３０の全てと、整合しないと判定される状態から整合していると判定される状態に移行した際の微小回転時間Ｔ３０の１燃焼サイクル分の時系列データとを送信してもよい。またたとえば、整合しないと判定される期間における微小回転時間Ｔ３０の全てと、それら期間のそれぞれについての整合しないと判定される状態から整合していると判定される状態に移行した際の微小回転時間Ｔ３０の１燃焼サイクル分の時系列データとを１トリップに１度送信してもよい。

送信対象とするデータのうち写像への入力データおよび微小回転時間Ｔ３０以外のデータとしては、エクストラ情報集合ＧｒＥにて例示したものに限らない。また、写像への入力データおよび微小回転時間Ｔ３０以外のデータを送信対象とすること自体必須ではない。

（ｂ）全般
送信対象とされる、整合しないと判定されるときの第２写像データによって規定される第２写像の出力値に関するデータとしては、第２写像の出力値自体に限らない。たとえば、図４の処理において、実用写像データ７６ａによって規定される写像の出力値としてもよい。この場合、たとえばＳ９２〜Ｓ９４の処理において、熟練者が、実用写像データ７６ａによって規定される写像の出力値が正しいと判断する場合、Ｓ９６の処理において肯定判定すればよい。もっとも、こうしたデータを送信しなくても、入力データを送信することにより、データ解析センター１２０側において、評価写像データ７６ｂによって規定される写像の出力値を算出することはできる。

・「第１写像、第１写像データについて」
図１、図１４〜図１７においては、第１写像データとしての実用写像データ７６ａとして、機械学習を用いることなく、判定値等を適合したデータを例示したが、これに限らない。たとえば、第２写像データとしての評価写像データ７６ｂによって規定されるものよりも入力変数の次元が小さいニューラルネットワークを規定するデータとしてもよい。もっとも、第１写像の入力の次元数が、第２写像の入力の次元数よりも小さいことも必須ではない。たとえば入力の次元数は同一であって且つ中間層の層数が第２写像の層数よりも小さいものであってもよい。またたとえば入力の次元数および中間層の層数とも第２写像と同一であって、活性化関数が互いに異なるものであってもよい。

また、機械学習によって学習された学習済みモデルとしての関数近似器としては、ニューラルネットワークに限らない。たとえば、状態に関する情報を３値以上の値によって表現する場合には回帰式等を用いてもよく、また、正常、異常の判定値を出力する場合には、識別関数であってもよい。なお、ここでの回帰式は、上記ニューラルネットワークにおいて中間層を除いたものと同等のもののみならず、たとえばカーネル関数を用いたものであってもよい。また、識別関数は、上記回帰式の出力を独立変数とするロジスティックジグモイド関数の出力値を、出力値とするものとすればよい。

・「第２写像データについて」
（ａ）全般
第２写像データとしての評価写像データ７６ｂとしては、中間層が１層のニューラルネットワークを規定するデータに限らない。たとえば、第２写像データとしては、中間層が２層以上のニューラルネットワークを規定するデータであってもよい。また活性化関数ｈ１としては、ハイパボリックタンジェントに限らず、たとえばロジスティックジグモイド関数やＲｅＬＵであってもよい。なお、ＲｅＬＵは、入力値と「０」とのうちの小さくない方の値を出力する関数である。

（ｂ）失火検出の場合
ニューラルネットワークの出力層のノードの数、すなわち次元を「（気筒数）＋１」とするものに限らない。たとえば、気筒数に等しい個数とし、各出力値のうちの閾値を超えたものがある場合に失火があると判定してもよい。またたとえば、ニューラルネットワークの１度の出力に基づく失火の有無の判定対象となる気筒を１つとし、出力層のノードの数を１個としてもよい。なお、その場合、出力層はロジスティックジグモイド関数等によって出力値の取りうる値の範囲が規格化されることが望ましい。

・「分割処理について」
上記実施形態において、分割によって誤出力率が閾値を下回る領域を１つの共通の領域としてもよい。すなわち、たとえば図７の領域Ａ１内における図８の領域Ａ２以外の領域については、誤出力率が閾値Ｒｔｈ１未満となるのであれば、領域Ａ１内における領域Ａ２専用の評価写像データ７６ｂと、それ以外の全領域における評価写像データ７６ｂとの２つについてのみ、各別に更新してもよい。

またたとえば、誤出力率の分布を作成する順序としては、上記実施形態において例示したものに限らない。さらに、たとえばいくつかの変数の値によって領域を分割した際に誤出力率が閾値以上となるか否かをそれぞれ判定し、最終的に閾値以上となる領域とならない領域との合計数が最小となるものを採用してもよい。

上記構成では、位置データＰｇｐｓに基づく誤出力率の分類を、国または、国を細分化した規定の地域を単位として実行したが、これに限らない。たとえば、全てを国単位としてもよく、またたとえば国よりも大きい地域を単位としてもよい。逆に、全てを国を細分化した地域を単位としてもよい。

さらに、たとえば、統計的な手法を用いて分割をしてもよい。これはたとえば、Ｋ−ｍｅａｎｓ等のクラスタリング手法を用いて実行すればよい。またたとえば、それぞれの平均値が誤出力分布の中央となるガウス分布の線形結合である混合ガウス分布によって誤出力分布を近似し、これを用いて領域を分割してもよい。すなわち、混合ガウス分布における混合係数、平均値、および分散を、誤出力した位置データＰｇｐｓに基づき学習し、１つのガウス分布の値が他よりも大きくなる領域毎に、領域を分割してもよい。なお、統計的な手法の適用対象は、位置データＰｇｐｓに基づく誤出力率の分類に限らず、たとえば、吸気温Ｔａ等の環境変数の値に基づく誤出力率の分類や、燃焼制御モード値ＭＣ等の運転状態変数の値に基づく誤出力率の分類を対象としてもよい。

上記実施形態では、誤出力率が閾値以上となる領域の割合がどうなる場合に分割処理を実行するかについて特に触れなかったが、閾値以上となる領域の割合が大きい場合にはその変数の値が誤出力率の低下にさほど寄与していない可能性があることから、割合が所定値以下の場合に分割処理を実行することが望ましい。また、分割処理に際して参照する誤出力率の分布を、誤出力した絶対数の割合として定量化する代わりに、分割された領域を階級とした、各階級の相対的な誤出力率を示すヒストグラムとしてもよい。

・「変更処理について」
図１２においては、利用する写像データを領域毎に分割する際の領域をより細分化する変更処理を例示したが、これに限らない。たとえば、分割数自体は固定したまま、領域間の境界を変更してもよい。もっとも、これに限らず、たとえば分割数を削減する変更をすることも可能である。

・「追加処理について」
追加処理としては、吸気温Ｔａを追加する処理に限らない。
・「更新処理について」
たとえば、図１２のＳ１５４の処理を実行しつつも、Ｓ１０６の処理を実行する等、分割処理と追加処理との双方を実行してもよい。

・「整合性判定処理について」
Ｓ６０の処理の検証期間としては、上記実施形態において例示したものに限らない。
図４の処理では、検証期間に限って、実用写像データ７６ａに基づく失火判定結果と、評価写像データ７６ｂに基づく失火判定結果との一致、不一致を判定したが、これに限らず、たとえば常時行ってもよい。

・「再学習済みのパラメータについて」
図６、図１１および図１３においては、更新されたパラメータである再学習済みのパラメータを、ネットワーク１１０を介して各車両ＶＣ１，ＶＣ２，…に送信したがこれに限らない。たとえば、車両の販売店に送信し、各車両ＶＣ１，ＶＣ２，…が販売店に入庫した際に記憶装置７６内のデータを更新してもよい。その場合であっても、再学習済みのパラメータによって更新された評価写像データ７６ｂの信頼性をさらに評価し、更新することが可能となる。

もっとも、再学習に用いるデータを提供した車両に再学習済みのパラメータを提供すること自体必須ではない。再学習済みのパラメータを用いて評価写像データ７６ｂを更新し、更新された評価写像データ７６ｂを、新規に開発された車両に実装するのみであってもよい。その場合、内燃機関１０の状態に関する情報を示す出力値を出力する写像の場合、新規に開発された車両に搭載される内燃機関の排気量は、再学習のためのデータを送信した車両に搭載される内燃機関の排気量との差が、所定量以下となるものであることが望ましい。なお、上記実施形態のように、評価写像データが、各気筒において失火が生じた確率に応じた失火変数を出力するものである場合には、新規に開発された車両に搭載される内燃機関の気筒数は、再学習のためのデータを送信した車両に搭載される内燃機関の気筒数と同一とすることが望ましい。

さらに、図６、図１１および図１３において、再学習済みのパラメータを用いて、評価写像データ７６ｂを更新した後、これによって、実用写像データ７６ａを上書きしてもよい。

・「表示装置について」
上記実施形態では、データ解析センター１２０に表示装置１１２を配置したが、これに限らず、記憶装置１２６等が配置されている拠点とは別の拠点に配置してもよい。

・「妥当性判定処理について」
図４においては、評価写像データ７６ｂを用いて算出した失火変数Ｐ（ｊ）の算出に用いた入力データと、関連するデータとを表示装置１１２に表示することによって、誤判定であるか否かを熟練者が評価することとしたが、これに限らない。たとえば、実用写像データ７６ａによって規定される写像よりも失火の判定精度が高い写像データを用いて評価してもよい。これは、たとえば、Ｓ９０の処理において受信した回転時間集合ＴｒＴ３０およびエクストラ情報集合ＧｒＥの全ての要素を入力変数とするか、それ以上の要素を入力変数とし、失火変数を出力変数とするニューラルネットワークとしてもよい。その場合、中間層の層数を、評価写像データ７６ｂによって規定されるニューラルネットワークの中間層の層数よりも大きくすることが望ましい。

もっとも、評価写像データ７６ｂや実用写像データ７６ａによって規定される写像よりも精度が高い主体を用いて、評価写像データ７６ｂによって規定される写像の判定結果の妥当性を判断すること自体、必須ではない。たとえば、評価写像データ７６ｂによって規定される判定結果と、２つ以上の他の写像による判定結果との多数決によって、評価写像データ７６ｂによって規定される写像の判定結果の妥当性を判断してもよい。また、たとえば上記２つ以上の他の写像による判定結果の１つを、写像による判定結果に代えて、熟練者による判断としてもよい。

図４の処理では、説明の便宜上、Ｓ８２の処理が実行される都度、Ｓ９２の処理を実行したが、これに限らない。たとえば不一致と判定されたデータが所定量蓄積された時点でＳ９２の処理を実行してもよい。またたとえば不一致とされたデータを都度蓄積し、熟練者からの要求に応じてＳ９２の処理を実行してもよい。

・「写像の出力値の妥当性の判定処理について」
第１写像データとしての実用写像データ７６ａによって規定される写像の出力値と整合しているか否かの判定処理の後、整合していないとされる場合に、他の手段を用いて妥当性を判定するものに限らない。たとえば、実用写像データ７６ａによって規定される写像の出力値または同写像よりも精度の高い写像の出力値と評価写像データ７６ｂによって規定される写像の出力値との整合性の判定処理によって、整合しないと判定される場合に、評価写像データ７６ｂによって規定される写像の出力値が妥当ではないと判定してもよい。

また、たとえば、車載センサに評価写像データ７６ｂによって規定される写像の出力値に関する変数の値を検出するものを含め、その検出値を教師データとして出力値と整合しているか否かを判定し、整合しないと判定される場合に、同写像の出力値が妥当ではないと判定してもよい。これは、たとえば「車両の既定の状態について」の（ｃ）に記載した燃焼室１８内の圧力のピーク値を出力する写像が評価写像データ７６ｂによって規定される写像である場合、燃焼室１８内の圧力を検出するセンサを車載センサに含めることにより実現できる。

・「更新処理について」
上記実施形態では、ある領域においてのみ使用する評価写像データ７６ｂを学習する際には、その領域の訓練データのみを用いたが、これに限らない。たとえば、図７の領域Ａ１以外の領域で使用する評価写像データ７６ｂの再学習に際して、領域Ａ１の訓練データを所定割合混ぜてもよい。

・「環境変数について」
評価写像データ７６ｂによって規定される写像の出力値の精度との関係が検証される環境変数としては、上記実施形態において例示したものに限らない。たとえば、車両ＶＣ１の周囲の天候や、風速を示す変数であってもよい。特に、触媒温度Ｔｃａｔ等については、触媒３０の放熱条件が天候や風速の影響を受けるため、それらの変数を用いることが有効である。なお、天候を示す変数の値や風速を示す変数の値については、車両ＶＣ１から送信してもよいが、これに代えて、データ解析センター１２０において、車両ＶＣ１の位置データＰｇｐｓに基づき、天候に関する情報等を提供する機関から取得してもよい。

・「運転状態を示す変数について」
評価写像データ７６ｂによって規定される写像の出力値の精度との関係が検証される運転状態を示す変数としては、上記実施形態において例示したものに限らない。特に、燃焼制御モード値ＭＣについては、上述した区分に限らず、たとえば、上記実施形態の１つで用いた区分を別の実施形態において適用してもよい。

・「第１写像データによって規定される写像の出力値に基づく操作処理について」
上記実施形態では、第１写像データによって規定される写像の出力値に基づき所定のハードウェアを操作する操作処理として、車両に搭載されている警告灯１０４を操作する報知処理を例示したが、報知処理としては、これに限らない。たとえばユーザの携帯端末に、異常が生じた旨の情報を表示させるために通信機７７を操作する処理としてもよい。

操作処理としては、報知処理に限らない。たとえば、内燃機関１０の燃焼室１８内の混合気の燃焼を制御するための操作部を、失火が生じた旨の情報に応じて操作する処理であってもよい。また、たとえば図１４に記載したように、評価写像データ７６ｂがインバランス異常の有無の判定結果を出力する写像の場合、インバランス異常を抑制するように燃料噴射弁を操作する処理としてもよい。また、たとえば図１６に記載したように、評価写像データ７６ｂがＰＭ量を出力する写像の場合、フィルタの温度を上昇させるための内燃機関１０の操作部を操作することによって、ＰＭを燃焼除去する処理としてもよい。また、たとえば図１７に記載したように、評価写像データ７６ｂが触媒３０の温度を出力する写像の場合、触媒３０の温度を上昇させるための内燃機関の操作部を操作する処理であってもよい。なお、この場合の操作処理は、たとえば触媒の再生処理とすればよい。

・「第１実行装置および第２実行装置の役割分担について」
たとえば、第１写像データとしての実用写像データ７６ａについては記憶装置７６に記憶するものの、第２写像データとしての評価写像データ７６ｂを記憶装置１２６に記憶しておき、ＣＰＵ１２２によって、図３の処理を実行してもよい。その場合、図４の処理を、たとえば次のように変更すればよい。

１．ＣＰＵ７２側から、ＣＰＵ１２２側に、評価写像データ７６ｂによって規定される写像への入力データを送信する。ＣＰＵ１２２側からＣＰＵ７２側に、同写像の出力値を送信する。ＣＰＵ７２において、実用写像データ７６ａによって規定される写像の出力値と評価写像データ７６ｂによって規定される写像の出力値とが整合しているか否かを判定する。ＣＰＵ７２は、整合していないと判定する場合に、関連するデータを送信する。

２．ＣＰＵ７２側からＣＰＵ１２２側に、評価写像データ７６ｂによって規定される写像への入力データに加えて、実用写像データ７６ａによって規定される写像の出力値を送信する。ＣＰＵ１２２において、実用写像データ７６ａによって規定される写像の出力値と評価写像データ７６ｂによって規定される写像の出力値とが整合しているか否かを判定する。なお、ＣＰＵ１２２は、整合していないと判定する場合、ＣＰＵ７２に対し、入力データ以外の関連するデータを送信するように要求してもよい。

さらに、第２写像データとしての評価写像データ７６ｂのみならず、第１写像データとしての実用写像データ７６ａについても記憶装置１２６に記憶してもよい。その場合、ＣＰＵ７２側からＣＰＵ１２２側に、実用写像データ７６ａによって規定される写像への入力データおよび評価写像データ７６ｂによって規定される写像への入力データを送信すればよい。

また、たとえば、第２実行装置を、ＣＰＵ１２２およびＲＯＭ１２４に加えて、携帯端末が備えるＣＰＵおよびＲＯＭによって構成してもよい。これは、たとえば、上記第１の実施形態において、図３の処理を携帯端末によって実行してその結果を制御装置７０に送信することによって実現できる。

・「車両用学習装置について」
データ解析センター１２０に代えて携帯端末を用いて車両用学習装置を構成してもよい。これは、たとえば携帯端末の記憶装置に、「妥当性判定処理について」の欄に記載した実用写像データよりも精度の高い写像を規定するデータ等を記憶しておき、携帯端末によって図４（ｂ）に準じた処理および図６（ｂ）の処理を実行することなどにより実現できる。なお、その場合、車両ＶＣ１のユーザの携帯端末には、車両ＶＣ１に関するデータのみが送信されるものとしてもよい。

・「第１実行装置や第２実行装置の構成について」
第１実行装置や第２実行装置としては、ＣＰＵ７２（１０２）とＲＯＭ７４（１０４）とを備えて、ソフトウェア処理を実行するものに限らない。たとえば、上記実施形態においてソフトウェア処理されたものの少なくとも一部を、ハードウェア処理する専用のハードウェア回路（たとえばＡＳＩＣ等）を備えてもよい。すなわち、第１実行装置や第２実行装置は、以下の（ａ）〜（ｃ）のいずれかの構成であればよい。（ａ）上記処理の全てを、プログラムに従って実行する処理装置と、プログラムを記憶するＲＯＭ等のプログラム格納装置とを備える。（ｂ）上記処理の一部をプログラムに従って実行する処理装置およびプログラム格納装置と、残りの処理を実行する専用のハードウェア回路とを備える。（ｃ）上記処理の全てを実行する専用のハードウェア回路を備える。ここで、処理装置およびプログラム格納装置を備えたソフトウェア実行装置や、専用のハードウェア回路は複数であってもよい。

・「記憶装置について」
上記実施形態では、評価写像データ７６ｂや実用写像データ７６ａが記憶される記憶装置７６と、再学習サブプログラム７４ｂが記憶される記憶装置であるＲＯＭ７４とを別の記憶装置としたが、これに限らない。またたとえば、再学習用データ１２６ａが記憶される記憶装置１２６と、再学習メインプログラム１２４ａが記憶される記憶装置であるＲＯＭ１２４とを別の記憶装置としたが、これに限らない。

・「内燃機関について」
上記実施形態では、燃料噴射弁として、燃焼室１８内に燃料を噴射する筒内噴射弁を例示したがこれに限らない。たとえば吸気通路１２に燃料を噴射するポート噴射弁であってもよい。またたとえば、ポート噴射弁と筒内噴射弁との双方を備えてもよい。

内燃機関としては、火花点火式内燃機関に限らず、たとえば燃料として軽油などを用いる圧縮着火式内燃機関等であってもよい。
内燃機関が駆動系を構成すること自体必須ではない。たとえば、車載発電機にクランク軸が機械的に連結され、駆動輪６０とは動力伝達が遮断されたいわゆるシリーズハイブリッド車に搭載されるものであってもよい。

・「車両について」
車両としては、車両の推進力を生成する装置が内燃機関のみとなる車両に限らず、たとえば「内燃機関について」の欄に記載したシリーズハイブリッド車以外にも、パラレルハイブリッド車や、シリーズ・パラレルハイブリッド車であってもよい。さらに、内燃機関を搭載しない電気自動車であってもよい。

・「そのほか」
クランク軸と駆動輪との間に介在する駆動系装置としては、有段の変速装置に限らず、たとえば無段変速装置であってもよい。

１０…内燃機関、１２…吸気通路、１４…スロットルバルブ、１６…吸気バルブ、１８…燃焼室、２０…燃料噴射弁、２２…点火装置、２４…クランク軸、２６…排気バルブ、２８…排気通路、３０…触媒、３２…ＥＧＲ通路、３４…ＥＧＲバルブ、４０…クランクロータ、４２…歯部、４４…欠け歯部、５０…トルクコンバータ、５２…ロックアップクラッチ、５４…変速装置、５６…入力軸、５８…出力軸、６０…駆動輪、７０…制御装置、７２…ＣＰＵ、７４…ＲＯＭ、７４ａ…失火検出プログラム、７４ｂ…再学習サブプログラム、７６…記憶装置、７６ｂ…評価写像データ、７７…通信機、７８…周辺回路、７９…ローカルネットワーク、８０…クランク角センサ、８２…エアフローメータ、８４…吸気温センサ、８６…排気温センサ、８８…上流側空燃比センサ、９０…下流側空燃比センサ、９２…水温センサ、９４…シフト位置センサ、９６…大気圧センサ、９８…車速センサ、１００…加速度センサ、１０２…ＧＰＳ、１０４…警告灯、１１０…ネットワーク、１１２…表示装置、１１４…インターフェース、１２０…データ解析センター、１２２…ＣＰＵ、１２４…ＲＯＭ、１２４ａ…再学習メインプログラム、１２６…記憶装置、１２６ａ…再学習用データ、１２７…通信機、１２８…周辺回路、１２９…ローカルネットワーク。

Claims

車両に搭載される第１実行装置と、車載装置とは別の第２実行装置と、記憶装置と、を備え、
前記記憶装置には、車載センサの検出値に基づく入力データを入力とし車両の既定の状態に関する情報を有した出力値を出力する写像を規定するデータであって機械学習によって学習されたデータを含む写像データが記憶されており、
前記入力データを取得する取得処理と、前記取得処理によって取得された前記入力データを前記写像の入力として前記出力値を算出する算出処理と、前記出力値に対応する変数とは別の所定の変数と前記出力値の精度との関係を評価する関係評価処理と、を前記第１実行装置および前記第２実行装置の協働により実行し、
少なくとも前記取得処理は、前記第１実行装置によって実行され、
少なくとも前記関係評価処理は、前記第２実行装置によって実行される車両用学習システム。
前記所定の変数は、前記入力データに対応する変数とは別の変数を含む請求項１記載の車両用学習システム。
前記写像は、前記入力データが入力されて前記出力値を出力する関数近似器によって構成され、
前記第２実行装置は、前記関係評価処理の評価結果に基づき、前記写像データを更新する更新処理を実行し、
前記更新処理は、前記所定の変数の値に応じて利用する前記写像データを各別のデータに分割する分割処理を含む請求項１または２記載の車両用学習システム。
前記写像は、前記入力データが入力されて前記出力値を出力する関数近似器によって構成され、
前記記憶装置は、前記写像データとして複数のデータを記憶しており、
前記算出処理は、前記所定の変数の値に応じて前記出力値の算出に利用する前記写像データを選択する選択処理を含み、
前記第２実行装置は、前記関係評価処理の評価結果に基づき、前記写像データを更新する更新処理を実行し、
前記更新処理は、前記所定の変数の値と前記写像データとの関係を変更する変更処理を含む請求項１または２記載の車両用学習システム。
前記第２実行装置は、前記関係評価処理の評価結果に基づき、前記写像データを更新する更新処理を実行し、
前記更新処理は、前記所定の変数を、前記写像への入力変数に追加する追加処理を含む請求項１または２記載の車両用学習システム。
前記所定の変数は、前記車両の位置情報を示す変数である位置情報変数を含む請求項３〜５のいずれか１項に記載の車両用学習システム。
前記車両は、内燃機関を備え、
前記車載センサの検出値は、前記内燃機関の状態を検出するものであり、
前記既定の状態は、前記内燃機関の状態である請求項３〜６のいずれか１項に記載の車両用学習システム。
前記所定の変数は、前記内燃機関の吸入空気の温度を示す吸気温度変数を含む請求項７記載の車両用学習システム。
前記所定の変数は、前記車両が位置する地点における大気圧を示す変数である大気圧変数を含む請求項７または８記載の車両用学習システム。
前記所定の変数は、前記車両に搭載される内燃機関のクランク軸の回転速度を示す変数である回転速度変数を含む請求項７記載の車両用学習システム。
前記写像は、第２写像であり、
前記写像データは、第２写像データであり、
前記入力データは、第２入力データであり、
前記出力値は、第２出力値であり、
前記取得処理は、第２取得処理であり、
前記算出処理は、第２算出処理であり、
前記記憶装置は、前記車載センサの検出値に基づく第１入力データを入力とし前記既定の状態に関する情報を有した出力値である第１出力値を出力する第１写像を規定するデータである第１写像データを記憶しており、
前記第１実行装置および前記第２実行装置の協働により、前記車載センサの検出値に基づく前記第１入力データを取得する第１取得処理と、前記第１取得処理によって取得された前記第１入力データを前記第１写像の入力として前記第１出力値を算出する第１算出処理と、前記第１出力値と前記第２出力値とが整合するか否かを判定する整合性判定処理と、前記整合性判定処理による判定結果に基づき、前記第２出力値の妥当性を判定する妥当性判定処理と、が実行され、
前記関係評価処理は、前記所定の変数の値に対する前記妥当性判定処理によって妥当性に欠けると判定される頻度分布を求める処理を含む請求項３〜１０のいずれか１項に記載の車両用学習システム。
前記第１実行装置は、前記第１取得処理、前記第１算出処理、前記第２取得処理、前記第２算出処理、前記整合性判定処理、および前記整合性判定処理によって整合しないと判定されるときの前記第２入力データを送信する車両側送信処理を実行し、
前記第２実行装置は、前記車両側送信処理によって送信されたデータを受信する車両外受信処理、前記関係評価処理、および前記更新処理を実行する請求項１１記載の車両用学習システム。
前記第２実行装置は、前記更新処理によって更新した前記第１写像データを送信する更新データ送信処理を実行し、
前記第１実行装置は、前記更新データ送信処理によって送信されたデータを受信する更新データ受信処理を実行する請求項１２記載の車両用学習システム。
請求項１２または１３記載の前記第１実行装置および前記記憶装置を備える車両用制御装置。
請求項１２または１３記載の前記第２実行装置を備える車両用学習装置。