JP2023179143A - 異音の発生要因特定方法、及び異音の発生要因特定装置 - Google Patents

異音の発生要因特定方法、及び異音の発生要因特定装置 Download PDF

Info

Publication number
JP2023179143A
JP2023179143A JP2022092253A JP2022092253A JP2023179143A JP 2023179143 A JP2023179143 A JP 2023179143A JP 2022092253 A JP2022092253 A JP 2022092253A JP 2022092253 A JP2022092253 A JP 2022092253A JP 2023179143 A JP2023179143 A JP 2023179143A
Authority
JP
Japan
Prior art keywords
sound signal
mapping
sound
microphone
variable
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2022092253A
Other languages
English (en)
Inventor
伸一 竹内
Shinichi Takeuchi
淳 田端
Atsushi Tabata
光夫 大窪
Mitsuo Okubo
真吾 則竹
Shingo Noritake
亮 村上
Ryo Murakami
涼 柳川
Ryo Yanagawa
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Priority to JP2022092253A priority Critical patent/JP2023179143A/ja
Priority to EP23169753.3A priority patent/EP4290517A1/en
Priority to US18/307,842 priority patent/US20240096145A1/en
Priority to CN202310656448.8A priority patent/CN117194888A/zh
Publication of JP2023179143A publication Critical patent/JP2023179143A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H04R3/04—Circuits for transducers, loudspeakers or microphones for correcting frequency response
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2499/00—Aspects covered by H04R or H04S not otherwise provided for in their subgroups
    • H04R2499/10—General applications
    • H04R2499/13—Acoustic transducers and sound field adaptation in vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

Figure 2023179143000001
【課題】マイクの機種に応じた音の発生要因の特定精度のばらつきを小さくできるようにすること。
【解決手段】異音の発生要因特定方法は、マイクが感知した音に関する音信号を取得する音信号取得処理と、マイクの機種情報を取得する機種情報取得処理（ステップＳ６３）と、機種情報取得処理で取得した機種情報に応じた補正によって、音信号の周波数特性を学習用音信号の周波数特性に接近させる特性補正処理（ステップＳ８３）と、特性補正処理で補正した音信号を写像に入力することによって写像から出力された出力変数ｙを取得する変数取得処理（ステップＳ８７）と、変数取得処理で取得した出力変数ｙを基に、マイクが感知した音の発生要因を特定する要因特定処理（ステップＳ８９）と、を含む。
【選択図】図５

Description

本発明は、異音の発生要因特定方法、及び異音の発生要因特定装置に関する。
特許文献１は、車両で発生した音の要因となる箇所を推定するための機械学習が施された写像を用いることにより、マイクが感知した音の要因となる箇所を特定する技術を開示している。当該方法において、実行装置は、マイクが感知した音に関する信号である音信号と、車両の駆動系装置の状態変数とを写像に入力することによって当該写像から出力された変数を取得する。そして、実行装置は、写像から出力された変数を基に、マイクが感知した音の要因となる箇所を特定する。
特開２０２１－１５４８１６号公報
写像に機械学習を施す際に当該写像に入力する音信号である学習用音信号を取得するために使用したマイクを学習用マイクとしたとき、車両で発生した音を感知するマイクの機種が学習用マイクの機種と相違していることがある。音信号には、マイクの機種の周波数特性が反映される。そのため、車両で発生した音を感知するマイクの機種が学習用マイクの機種と相違している場合には、マイクが感知した音に関する音信号の周波数特性が学習用音信号の周波数特性と乖離するため、上記写像から出力された変数に基づいた音の発生箇所の特定精度が高いとは言いがたい。
上記課題を解決するための異音の発生要因特定方法の第１態様は、マイクが感知した音に関する信号である音信号を入力とし、車両での音の発生要因に関する変数を出力する写像を規定する写像データが解析装置の記憶装置に記憶されており、前記写像は機械学習が施されたものであり、前記写像に機械学習を施す際に当該写像に入力される前記音信号を学習用音信号とし、前記学習用音信号が示す音を感知した前記マイクを学習用マイクとしたとき、前記解析装置の実行装置に、前記マイクが感知した音に関する前記音信号を取得する音信号取得処理と、前記マイクの機種に関する情報である機種情報を取得する機種情報取得処理と、前記機種情報取得処理で取得した前記機種情報に応じた補正によって、前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させる特性補正処理と、前記特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を取得する変数取得処理と、前記変数取得処理で取得した前記変数を基に、前記マイクが感知した音の発生要因を特定する要因特定処理と、を実行させる。
上記の発生要因特定方法では、マイクが感知した音に関する音信号の周波数特性が、当該マイクの機種に応じて補正される。これにより、音を感知したマイクの機種の相違に起因する音信号の周波数特性のばらつきを小さくできる。すなわち、写像に入力する音信号の周波数特性を学習用音信号の周波数特性に接近させることができる。そして、このように補正された音信号を写像に入力することによって当該写像から出力された変数を基に、マイクが感知した音の発生要因が特定される。したがって、マイクの機種に応じた音の発生要因の特定精度のばらつきを小さくできるようになる。
上記課題を解決するための異音の発生要因特定方法の第２態様は、マイクが感知した音に関する信号である音信号を入力とし、車両での音の発生要因に関する変数を出力する写像を規定する写像データが解析装置の記憶装置に記憶されており、前記写像は機械学習が施されたものであり、前記写像に機械学習を施す際に当該写像に入力される前記音信号を学習用音信号とし、前記学習用音信号が示す音を感知した前記マイクを学習用マイクとしたとき、前記解析装置の実行装置に、前記マイクが感知した音に関する前記音信号を取得する音信号取得処理と、前記マイクの機種に関する情報である機種情報を取得する機種情報取得処理と、前記音信号取得処理で取得した前記音信号の周波数特性を補正する処理であって、前記マイクの前記機種情報が第１機種情報である場合には前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させることのできる処理である第１特性補正処理と、前記音信号取得処理で取得した前記音信号の周波数特性を補正する処理であって、前記マイクの前記機種情報が第２機種情報である場合には前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させることのできる処理である第２特性補正処理と、前記第１特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第１出力変数として取得し、前記第２特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第２出力変数として取得し、前記音信号取得処理で取得した前記音信号を前記写像に入力することによって当該写像から出力された変数を第３出力変数として取得する変数取得処理と、前記第１出力変数に基づいた前記音の発生要因、前記第２出力変数に基づいた前記音の発生要因、及び前記第３出力変数に基づいた前記音の発生要因の中から、前記音の発生要因を選択する要因選択処理と、を実行させる。
上記の発生要因特定方法では、第１特性補正処理及び第２特性補正処理が実行される。続いて、変数取得処理が実行されることにより、第１出力変数、第２出力変数及び第３出力変数が取得される。そして、第１出力変数から特定される発生要因と、第２出力変数から特定される発生要因と、第３出力変数から特定される発生要因との中から、音の発生要因が選択される。第１出力変数から特定される発生要因、第２出力変数から特定される発生要因、及び第３出力変数から特定される発生要因のうち１つのみを取得し、これを発生要因として特定する場合と比較し、マイクが取得した音の発生要因の特定精度が低くなりにくい。したがって、マイクの機種に応じた音の発生要因の特定精度のばらつきを小さくできるようになる。
上記課題を解決するための異音の発生要因特定装置の第１態様は、マイクが感知した音の発生要因を特定する異音の発生要因特定装置であって、前記発生要因特定装置は、実行装置と記憶装置とを備え、前記記憶装置には、前記マイクが感知した音に関する信号である音信号を入力とし、車両での音の発生要因に関する変数を出力する写像を規定する写像データが記憶されており、前記写像は機械学習が施されたものであり、前記写像に機械学習を施す際に当該写像に入力される前記音信号を学習用音信号とし、前記学習用音信号が示す音を感知した前記マイクを学習用マイクとしたとき、前記実行装置は、前記マイクの機種に関する情報である機種情報に応じた補正によって、前記マイクが感知した音に関する前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させる特性補正処理と、前記特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を取得する変数取得処理と、前記変数取得処理で取得した前記変数を基に、前記マイクが感知した音の発生要因を特定する要因特定処理と、を実行する。
上記の発生要因特定装置は、上記の発生要因特定方法の第１態様と同等の作用及び効果を得ることができる。
上記課題を解決するための異音の発生要因特定装置の第２態様は、マイクが感知した音の発生要因を特定する異音の発生要因特定装置であって、前記発生要因特定装置は、実行装置と記憶装置とを備え、前記記憶装置には、前記マイクが感知した音に関する信号である音信号を入力とし、車両での音の発生要因に関する変数を出力する写像を規定する写像データが記憶されており、前記写像は機械学習が施されたものであり、前記写像に機械学習を施す際に当該写像に入力される前記音信号を学習用音信号とし、前記学習用音信号が示す音を感知した前記マイクを学習用マイクとしたとき、前記実行装置は、前記マイクが感知した音に関する前記音信号の周波数特性を補正する処理であって、前記マイクの機種情報が第１機種情報である場合には前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させることのできる処理である第１特性補正処理と、前記音信号の周波数特性を補正する処理であって、前記マイクの前記機種情報が第２機種情報である場合には前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させることのできる処理である第２特性補正処理と、前記第１特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第１出力変数として取得し、前記第２特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第２出力変数として取得し、補正されていない前記音信号を前記写像に入力することによって当該写像から出力された変数を第３出力変数として取得する変数取得処理と、前記第１出力変数に基づいた前記音の発生要因、前記第２出力変数に基づいた前記音の発生要因、及び前記第３出力変数に基づいた前記音の発生要因の中から、前記音の発生要因を選択する要因選択処理と、を実行する。
上記の発生要因特定装置は、上記の発生要因特定方法の第２態様と同等の作用及び効果を得ることができる。
図１は、第１実施形態にかかるシステムの構成を示すブロック図である。 図２は、機種データを示すテーブルである。 図３において、（Ａ）は車両制御装置で実行される一連の処理の流れを示すフローチャートであり、（Ｂ）は携帯端末で実行される一連の処理の流れを示すフローチャートである。 図４は、携帯端末のマイクが感知した音に関する音信号の一例を示す図である。 図５は、センター制御装置で実行される一連の処理の流れの一部を示すフローチャートである。 図６は、センター制御装置で実行される一連の処理の流れの残りの部分を示すフローチャートである。 図７は、写像に機械学習を施す学習装置の構成を示すブロック図である。 図８は、第２実施形態にかかるシステムの構成を示すブロック図である。
（第１実施形態）
以下、異音の発生要因特定方法及び発生要因特定装置の第１実施形態を図１～図７に従って説明する。
図１は、車両１０と、車両１０の乗員が所有する携帯端末３０と、車両１０の外部に設置されているデータ解析センター６０とを図示している。
＜車両＞
車両１０は、検出系１１と、通信機１３と、車両制御装置１５とを備えている。
検出系１１は、Ｎ個のセンサ１１１，１１２，１１３，…，１１Ｎを有している。「Ｎ」は４以上の整数である。複数のセンサ１１１～１１Ｎは、検出結果に応じた信号を車両制御装置１５に出力する。複数のセンサ１１１～１１Ｎは、車速や加速度などの車両状態量を検出するセンサ、及びアクセル操作量やブレーキ操作量などの乗員の操作量を検出するセンサを含んでいる。また、複数のセンサ１１１～１１Ｎは、エンジンや電気モータなどの車両１０の駆動装置の動作状態を検出するセンサ、及び冷却水の温度や油温を検出するセンサを含んでいてもよい。
通信機１３は、車両１０の車室内に持ち込まれた携帯端末３０と通信を行う。通信機１３は、携帯端末３０から受信した情報を車両制御装置１５に出力したり、車両制御装置１５から出力された情報を携帯端末３０に送信したりする。
車両制御装置１５は、複数のセンサ１１１～１１Ｎの出力信号を基に車両１０を制御する。すなわち、車両制御装置１５は、車両１０の駆動装置、制動装置及び転舵装置などを作動させることにより、車両１０の走行速度、加速度及びヨーレートなどを制御する。
車両制御装置１５は、ＣＰＵ１６と第１記憶装置１７と第２記憶装置１８とを有している。第１記憶装置１７は、ＣＰＵ１６によって実行される各種の制御プログラムを記憶している。また、第１記憶装置１７は、車両１０の車種及びグレードなどに関する情報である車種情報も記憶している。第２記憶装置１８には、ＣＰＵ１６の演算結果などが記憶される。
＜携帯端末＞
携帯端末３０は、例えば、スマートフォン及びタブレット端末である。携帯端末３０は、タッチパネル３１と、表示画面３３と、マイク３５と、通信機３７と、端末制御装置３９とを備えている。タッチパネル３１は、表示画面３３と重ねて配置されたユーザーインターフェースである。携帯端末３０が車室に持ち込まれた場合、マイク３５は車室に伝わった音を感知できる。
通信機３７は、車両１０の車室内に携帯端末３０が位置する場合に車両１０と通信する機能を有している。通信機３７は、車両制御装置１５から受信した情報を端末制御装置３９に出力したり、端末制御装置３９が出力した情報を車両制御装置１５に送信したりする。
また、通信機３７は、グローバルネットワーク１００を介して他の携帯端末３０及びデータ解析センター６０と通信する機能を有している。通信機３７は、他の携帯端末３０又はデータ解析センター６０から受信した情報を端末制御装置３９に出力したり、端末制御装置３９が出力した情報を他の携帯端末３０又はデータ解析センター６０に送信したりする。
端末制御装置３９は、ＣＰＵ４１と第１記憶装置４２と第２記憶装置４３とを有している。本実施形態では、端末制御装置３９が「解析装置」の一例を構成する。また、ＣＰＵ４１が「解析装置の実行装置」の一例を構成するとともに、ＣＰＵ４１が「第１実行装置」に対応する。第１記憶装置４２は、ＣＰＵ４１によって実行される各種の制御プログラムを記憶している。また、第１記憶装置４２は、携帯端末３０に設けられているマイク３５の機種に関する情報である機種情報もまた記憶している。第２記憶装置４３には、ＣＰＵ４１の演算結果などが記憶される。
＜データ解析センター＞
データ解析センター６０は、マイク３５が感知した音の発生要因を特定する「発生要因特定装置」に対応する。車両１０で異音が発生する要因がＭ個あるとする。「Ｍ」は２以上の整数である。このとき、データ解析センター６０は、Ｍ個の要因の候補の中から１つの要因を選択する。
データ解析センター６０は、通信機６１とセンター制御装置６３とを備えている。
通信機６１は、グローバルネットワーク１００を介して複数の携帯端末３０と通信する機能を有している。通信機６１は、携帯端末３０から受信した情報をセンター制御装置６３に出力したり、センター制御装置６３が出力した情報を携帯端末３０に送信したりする。
センター制御装置６３は、ＣＰＵ６４と第１記憶装置６５と第２記憶装置６６とを有している。本実施形態では、センター制御装置６３が「解析装置」の一例を構成する。また、ＣＰＵ６４が「解析装置の実行装置」の一例を構成するとともに、ＣＰＵ６４が「第２実行装置」に対応し、第２記憶装置６６が「解析装置の記憶装置」に対応する。さらに、ＣＰＵ６４が「発生要因特定装置の実行装置」に対応し、第２記憶装置６６が「発生要因特定装置の記憶装置」に対応する。
第１記憶装置６５は、ＣＰＵ６４によって実行される各種の制御プログラムを記憶している。
第２記憶装置６６は、機械学習が施された写像を規定する写像データ７１を記憶している。写像は、入力変数が入力されると、車両１０での音の発生要因を特定する変数を出力する学習済モデルである。写像の一例は、関数近似器である。例えば、写像は、中間層が１層である全結合順伝搬型のニューラルネットワークである。
写像の出力変数ｙについて説明する。上述したように車両１０には、Ｍ個の異音の発生要因の候補が存在する。そのため、入力変数が写像に入力されると、Ｍ個の出力変数ｙ（１），ｙ（２），…，ｙ（Ｍ）が写像から出力される。実際の発生要因を実要因としたとき、出力変数ｙ（１）は、Ｍ個の発生要因の候補のうちの第１発生要因の候補が実要因である確率を示す値である。出力変数ｙ（２）は、Ｍ個の発生要因の候補のうちの第２発生要因の候補が実要因である確率を示す値である。出力変数ｙ（Ｍ）は、Ｍ個の発生要因の候補のうちの第Ｍ発生要因の候補が実要因である確率を示す値である。
第２記憶装置６６は、要因特定データ７２を記憶している。要因特定データ７２は、写像の出力変数ｙを基に、車両１０での音の発生要因を特定するためのデータである。要因特定データ７２にはＭ個の発生要因の候補が記憶されている。Ｍ個の発生要因の候補のうち、第１発生要因の候補は出力変数ｙ（１）に対応している。Ｍ個の候補のうち、第２発生要因の候補は出力変数ｙ（２）に対応している。Ｍ個の候補のうち、第Ｍ発生要因の候補は出力変数ｙ（Ｍ）に対応している。
第２記憶装置６６は、機種データ７３を記憶している。機種データ７３は、複数種類のマイクの機種情報を含んでいる。
図２は、機種データ７３の一例を図示している。図２に示す機種データ７３は、以下のマイクの機種情報を含んでいる。
・ＡＡ通信の携帯端末の機種「Ｔ７７８」のマイクの周波数特性が「Ａ特性」であることを示す機種情報。
・ＡＡ通信の携帯端末の機種「Ｔ５４８」のマイクの周波数特性が「Ｂ特性」であることを示す機種情報。
・ＢＢモバイルサービルの携帯端末の機種「Ｍ４５８」のマイクの周波数特性が「Ａ特性改」であることを示す機種情報。
・ＢＢモバイルサービルの携帯端末の機種「Ｍ２４１」のマイクの周波数特性が「Ａ特性」であることを示す機種情報。
・ＣＣ通信の携帯端末の機種「Ｄ１１１」のマイクの周波数特性が「Ｂ特性改」であることを示す機種情報。
・ＣＣ通信の携帯端末の機種「Ｄ２１１」のマイクの周波数特性が「Ａ特性」であることを示す機種情報。
・その他のマイクの機種「２３型」の周波数特性が「Ｆ特性」であることを示す機種情報。
ここで、感知しやすい音の周波数域、及び感知しにくい音の周波数域は、マイクの機種によって異なる。こうしたマイクの特性が「マイクの周波数特性」に相当する。
詳しくは後述するが、写像の機械学習時には、機種「２３型」のマイクを使用したものとする。この場合、機種「２３型」のマイクが「学習用マイク３５Ａ」に対応する（図７参照）。
＜異音の発生要因特定方法＞
図３～図６を参照し、発生要因特定方法を説明する。図３（Ａ）は、車両制御装置１５のＣＰＵ１６が実行する処理の流れを図示している。第１記憶装置１７に記憶されている制御プログラムをＣＰＵ１６が実行することにより、図３（Ａ）に示した一連の処理が繰り返し実行される。
図３（Ａ）に示す一連の処理においてステップＳ１１では、ＣＰＵ１６は、携帯端末３０との同期が確立しているか否かを判定する。ＣＰＵ１６は、同期が確立していると判定した場合（Ｓ１１：ＹＥＳ）、処理をステップＳ１３に移行する。一方、ＣＰＵ１６は、同期が確立していないと判定した場合（Ｓ１１：ＮＯ）、一連の処理を一旦終了する。
ステップＳ１３において、ＣＰＵ１６は、車両１０の車種情報を携帯端末３０に送信済みであるか否かを判定する。ＣＰＵ１６は、車種情報を携帯端末３０に送信済みである場合（Ｓ１３：ＹＥＳ）、処理をステップＳ１７に移行する。一方、ＣＰＵ１６は、車種情報を未だ携帯端末３０に送信していない場合（Ｓ１３：ＮＯ）、処理をステップＳ１５に移行する。ステップＳ１５において、ＣＰＵ１６は、車種情報を通信機１３から携帯端末３０に送信させる。その後、ＣＰＵ１６は処理をステップＳ１７に移行する。
ステップＳ１７において、ＣＰＵ１６は、車両１０の状態変数を取得する。具体的には、ＣＰＵ１６は、各種のセンサ１１１～１１Ｎの検出値、及び、当該検出値を加工した値である加工値を、状態変数として取得する。例えば、ＣＰＵ１６は、車両１０の走行速度ＳＰＤ、車両１０の加速度Ｇ、エンジン回転数ＮＥ及びエンジントルクＴｒｑなどを取得する。
ステップＳ１９において、ＣＰＵ１６は、取得した車両１０の状態変数を通信機１３から携帯端末３０に送信させる。その後、ＣＰＵ１６は一連の処理を一旦終了する。
図３（Ｂ）は、端末制御装置３９のＣＰＵ４１が実行する処理の流れを図示している。第１記憶装置４２に記憶されている制御プログラムをＣＰＵ４１が実行することにより、図３（Ｂ）に示した一連の処理が繰り返し実行される。
図３（Ｂ）に示す一連の処理においてステップＳ３１では、ＣＰＵ４１は、車両制御装置１５との同期が確立しているか否かを判定する。ＣＰＵ４１は、同期が確立していると判定した場合（Ｓ３１：ＹＥＳ）、処理をステップＳ３３に移行する。一方、ＣＰＵ４１は、同期が確立していないと判定した場合（Ｓ３１：ＮＯ）、一連の処理を一旦終了する。
ステップＳ３３において、ＣＰＵ４１は、車両制御装置１５から送信された車種情報を取得する。ステップＳ３５において、ＣＰＵ４１はマイク３５による録音を開始させる。ステップＳ３７において、ＣＰＵ４１は、車両制御装置１５から送信された車両１０の状態変数の取得を開始する。
ステップＳ３９において、ＣＰＵ４１は、車両１０で発生した異音を車両１０の乗員が感知したことを示す合図があるか否かを判定する。例えば、乗員が、予め定めた所定操作を携帯端末３０で行った場合は、当該合図があると見なす。反対に、乗員が当該所定操作を携帯端末３０で行っていない場合は、当該合図がないと見なす。ＣＰＵ４１は、当該合図があると判定した場合（Ｓ３９：ＹＥＳ）、処理をステップＳ４１に移行する。一方、ＣＰＵ４１は、当該合図がないと判定した場合（Ｓ３９：ＮＯ）、合図があると判定するまでステップＳ３９の判定を繰り返し実行する。
ここで、図４は、車両１０で発生した異音の一例を図示している。図４に示すような異音が発生した場合、車両１０の乗員が、当該異音に対して不快に感じることがある。このよう場合、乗員が、携帯端末３０で所定操作を行うことがある。
図３（Ｂ）に戻り、ステップＳ４１において、ＣＰＵ４１は、マイク３５が感知した音に関する信号である音信号、及び車両制御装置１５から取得した車両１０の状態変数の記憶を開始する。この際、ＣＰＵ４１は、音信号と状態変数とを紐付けて第２記憶装置４３に記憶させる。すなわち、ステップＳ４１が「音信号取得処理」に対応する。ステップＳ４３において、ＣＰＵ４１は、上記合図があると判定した時点からの経過時間が所定時間を経過したか否かを判定する。ＣＰＵ４１は、当該経過時間が所定時間を経過していない場合（Ｓ４３：ＮＯ）、処理をステップＳ４１に戻す。すなわち、ＣＰＵ４１は、音信号と状態変数とを第２記憶装置４３に記憶させる処理を継続する。一方、ＣＰＵ４１は、当該経過時間が所定時間を経過した場合（Ｓ４３：ＹＥＳ）、処理をステップＳ４５に移行する。
ステップＳ４５において、ＣＰＵ４１は送信処理を実行する。すなわち、ＣＰＵ４１は、送信処理において、第２記憶装置４３に記憶した音信号の時系列データ及び車両１０の状態変数の時系列データを、通信機３７からデータ解析センター６０に送信させる。また、ＣＰＵ４１は、送信処理において、ステップＳ３３で取得した車種情報、及び携帯端末３０が備えるマイク３５の機種情報を、通信機３７からデータ解析センター６０に送信させる。そして、ＣＰＵ４１は、送信を完了すると、一連の処理を一旦終了する。
図５及び図６は、センター制御装置６３のＣＰＵ６４が実行する処理の流れを図示している。第１記憶装置６５に記憶されている制御プログラムをＣＰＵ６４が実行することにより、図５及び図６に示した一連の処理が繰り返し実行される。
一連の処理においてステップＳ６１では、ＣＰＵ６４は、上記ステップＳ４５で携帯端末３０がデータ解析センター６０に送信したデータを通信機６１が受信したか否かを判定する。ＣＰＵ６４は、データを通信機６１が受信した場合（Ｓ６１：ＹＥＳ）、処理をステップＳ６３に移動する。一方、ＣＰＵ６４は、データを通信機６１が受信していない場合（Ｓ６１：ＮＯ）、一連の処理を一旦終了する。
ステップＳ６３において、ＣＰＵ６４は、通信機６１が受信したマイク３５の機種情報を取得する。すなわち、ステップＳ６３が「機種情報取得処理」に対応する。
ステップＳ６５において、ＣＰＵ６４は、通信機６１が受信した車両１０の車種情報を取得する。ステップＳ６７において、ＣＰＵ６４は、通信機６１が受信した音信号の時系列データ及び車両１０の状態変数の時系列データを取得する。
ステップＳ６９において、ＣＰＵ６４は、ステップＳ６３で取得した機種情報によって示されるマイク３５の機種が学習用マイク３５Ａの機種と同じであるか否かを判定する。本実施形態では、学習用マイク３５Ａの周波数特性は図２に示した「Ｆ特性」である。そのため、機種情報によって示されるマイク３５の周波数特性が「Ｆ特性」である場合は、マイク３５の機種が学習用マイク３５Ａの機種と同じであると見なす。一方、機種情報によって示されるマイク３５の周波数特性が「Ｆ特性」ではない場合は、マイク３５の機種が学習用マイク３５Ａの機種とは異なると見なす。そして、ＣＰＵ６４は、マイク３５の機種が学習用マイク３５Ａの機種と同じであると判定した場合（Ｓ６９：ＹＥＳ）、処理をステップＳ７１に移行する。一方、ＣＰＵ６４は、マイク３５の機種が学習用マイク３５Ａの機種と同じではないと判定した場合（Ｓ６９：ＮＯ）、処理をステップＳ８１に移行する。
ステップＳ７１において、ＣＰＵ６４は、ステップＳ６７で取得した音信号の時系列データ及び車両１０の状態変数の時系列データを入力変数ｘとして写像に入力する。そしてステップＳ７３において、ＣＰＵ６４は、写像から出力された出力変数ｙを取得する。すなわち、ステップＳ７３は、マイク３５の機種が学習用マイク３５Ａの機種と同じである場合に、補正していない音信号を写像に入力することによって当該写像から出力された出力変数ｙを取得する処理である。したがって、ステップＳ７３が「基準変数取得処理」に対応する。
ステップＳ７３で出力変数ｙの取得が完了すると、ＣＰＵ６４は処理をステップＳ７５に移行する。ステップＳ７５において、ＣＰＵ６４は、ステップＳ７３で取得した出力変数ｙを基に、マイク３５が感知した音の発生要因を特定する。具体的には、ＣＰＵ６４は、Ｍ個の出力変数ｙ（１），ｙ（２），…，ｙ（Ｍ）の中から、最も大きい値の出力変数を選択する。そして、ＣＰＵ６４は、要因特定データ７２を用いることにより、選択した出力変数に応じた発生要因の候補を実候補として特定する。したがって、ステップＳ７３が「第２要因特定処理」に対応する。そして、ＣＰＵ６４は処理をステップＳ１１３に移行する。
ステップＳ８１において、ＣＰＵ６４は、マイク３５の周波数特性を特定可能であるか否かを判定する。例えば、マイクの機種情報で示される機種が図２に示した機種データ７３の中にある場合は、マイク３５の周波数特性を特定可能である。一方、マイクの機種情報で示される機種が機種データ７３の中にない場合は、マイク３５の周波数特性を特定できない。そして、ＣＰＵ６４は、マイク３５の周波数特性を特定可能であると判定した場合（Ｓ８１：ＹＥＳ）、処理をステップＳ８３に移行する。一方、ＣＰＵ６４は、マイク３５の周波数特性を特定できないと判定した場合（Ｓ８１：ＮＯ）、処理をステップＳ９１に移行する。つまり、ＣＰＵ６４は、マイク３５の機種情報が図２に示した機種データ７３の中にある場合、すなわちマイク３５の機種情報が第２記憶装置６６に記憶されている場合、処理をステップＳ８３に移行する。一方、ＣＰＵ６４は、マイク３５の機種情報が機種データ７３の中にない場合、すなわちマイク３５の機種情報が第２記憶装置６６に記憶されていない場合、処理をステップＳ９１に移行する。
ステップＳ８３において、ＣＰＵ６４は、マイク３５の機種情報に応じた補正によって、音信号の周波数特性を学習用音信号の周波数特性に接近させる特性補正処理を実行する。詳しくは後述するが、学習用音信号とは、写像の機械学習時に写像に入力する音信号である。学習用音信号によって示される音は、学習用マイク３５Ａが感知した音である。ＣＰＵ６４は、マイク３５の機種情報に応じた特性補正処理を実行する。すなわち、ＣＰＵ６４は、マイク３５の機種情報が第１機種情報である場合には、第１機種情報によって示されるマイク３５の周波数特性に応じた特性補正処理を実行する。またＣＰＵ６４は、マイク３５の機種情報が第２機種情報である場合には、第２機種情報によって示されるマイク３５の周波数特性に応じた特性補正処理を実行する。
ここで、特性補正処理の一例を説明する。学習用マイク３５Ａの周波数特性が、低周波数域の音の感度が高い一方、高周波数域の音の感度が低いという特性であるとする。また、マイク３５の周波数特性が、低周波数域の音の感度が低い一方、高周波数域の音の感度が高いという特性であるとする。この場合、学習用音信号の周波数特性は、学習用マイク３５Ａの周波数特性と同様に、低周波数域の音の感度が高い一方、高周波数域の音の感度が低いという特性となる。また、マイク３５が感知した音に関する音信号の周波数特性は、マイク３５の周波数特性と同様に、低周波数域の音の感度が低い一方、高周波数域の音の感度が高いという特性となる。そこで、ＣＰＵ６４は、特性補正処理において、音信号のうち、低周波数域の音圧レベルが大きくなる一方で、高周波数域の音圧レベルが小さくなるように、音信号を補正する。これにより、ＣＰＵ６４は、音信号の周波数特性を学習用音信号の周波数特性に接近させることができる。
本実施形態では、特性補正処理として、複数の特性補正処理が予め用意されている。そのため、ＣＰＵ６４は、マイク３５の機種情報が第１機種情報である場合には、第１機種情報用の特性補正処理として第１特性補正処理を実行する。また、ＣＰＵ６４は、マイク３５の機種情報が第２機種情報である場合には、第２機種情報用の特性補正処理として第２特性補正処理を実行する。第１特性補正処理は、マイク３５の機種情報が第１機種情報である場合には音信号の周波数特性を学習用音信号の周波数特性に接近させることのできる処理である。第２特性補正処理は、マイク３５の機種情報が第２機種情報である場合には音信号の周波数特性を学習用音信号の周波数特性に接近させることのできる処理である。
特性補正処理によって音信号を補正すると、ＣＰＵ６４は処理をステップＳ８５に移行する。ステップＳ８５において、ＣＰＵ６４は、ステップＳ８３で補正した音信号である補正後音信号の時系列データと、ステップＳ６７で取得した車両１０の状態変数の時系列データを入力変数ｘａとして写像に入力する。ステップＳ８７において、ＣＰＵ６４は、写像の出力変数ｙを取得する。すなわち、ステップＳ８７が、特性補正処理で補正した音信号を写像に入力することによって写像から出力された変数を取得する「変数取得処理」に対応する。
ステップＳ８９において、ＣＰＵ６４は、ステップＳ８７で取得した出力変数ｙを基に、マイク３５が感知した音の発生要因を特定する要因特定処理を実行する。ステップＳ８９の処理内容はステップＳ７５の処理内容と略同等であるため、その詳細な説明は割愛する。本実施形態では、ステップＳ８９が「第１要因特定処理」に対応する。ＣＰＵ６４は、音の発生要因を特定すると、処理をステップＳ１１３に移行する。
ステップＳ９１において、ＣＰＵ６４は、ステップＳ６７で取得した音信号の時系列データ及び車両１０の状態変数の時系列データを入力変数ｘとして写像に入力する。すなわち、ＣＰＵ６４は、特性補正処理による補正を行っていない音信号を入力変数ｘとして写像に入力する。ステップＳ９３において、ＣＰＵ６４は、写像から出力された出力変数ｙを取得する。ステップＳ９３が、補正していない音信号を写像に入力することによって写像から出力された変数を取得する「変数取得処理」に対応する。そして、ステップＳ９３で取得した出力変数ｙが「第３出力変数」に対応する。
ステップＳ９３で出力変数ｙの取得が完了すると、ＣＰＵ６４は処理をステップＳ９５に移行する。ステップＳ９５において、ＣＰＵ６４は、ステップＳ９３で取得した出力変数ｙを基に、マイク３５が感知した音の発生要因を特定する。ステップＳ９５の処理内容はステップＳ７５の処理内容と略同等であるため、その詳細な説明は割愛する。
ステップＳ９７において、ＣＰＵ６４は、カウンタＦに１をセットする。そして、ＣＰＵ６４は処理をステップＳ９９に移行する。
ステップＳ９９において、ＣＰＵ６４は、カウンタＦに応じた特性補正処理を実行する。例えば、カウンタＦが１である場合、ＣＰＵ６４は、マイク３５の周波数特性がＡ特性であることを前提とした特性補正処理Ｚ（１）を実行する。また例えば、カウンタＦが２である場合、ＣＰＵ６４は、マイク３５の周波数特性がＢ特性であることを前提とした特性補正処理Ｚ（２）を実行する。また例えば、カウンタＦが３である場合、ＣＰＵ６４は、マイク３５の周波数特性がＡ特性改であることを前提とした特性補正処理Ｚ（３）を実行する。なお、特性補正処理Ｚ（１）は、マイク３５の周波数特性がＡ特性であった場合には音信号の周波数特性を学習用音信号の周波数特性に接近させることのできる特性補正処理である。特性補正処理Ｚ（２）は、マイク３５の周波数特性がＢ特性であった場合には音信号の周波数特性を学習用音信号の周波数特性に接近させることのできる特性補正処理である。特性補正処理Ｚ（３）は、マイク３５の周波数特性がＡ特性改であった場合には音信号の周波数特性を学習用音信号の周波数特性に接近させることのできる特性補正処理である。
ステップＳ１０１において、ＣＰＵ６４は、ステップＳ９９で補正した音信号である補正後音信号の時系列データと、ステップＳ６７で取得した車両１０の状態変数の時系列データを入力変数ｘ（Ｆ）として写像に入力する。ステップＳ１０３において、ＣＰＵ６４は、写像の出力変数ｙを取得する。例えば、特性補正処理Ｚ（１）を「第１特性補正処理」としたとき、カウンタＦが１である場合の写像の出力変数ｙが「第１出力変数」に対応する。また例えば、特性補正処理Ｚ（２）を「第２特性補正処理」としたとき、カウンタＦが２である場合の写像の出力変数ｙが「第２出力変数」に対応する。
ステップＳ１０５において、ＣＰＵ６４は、ステップＳ１０３で取得した出力変数ｙを基に、マイク３５が感知した音の発生要因を特定する。ステップＳ１０５の処理内容はステップＳ７５の処理内容と略同等であるため、その詳細な説明は割愛する。
ステップＳ１０７において、ＣＰＵ６４はカウンタＦを１だけインクリメントする。ステップＳ１０９において、ＣＰＵ６４は、カウンタＦが判定値Ｆｔｈ以上であるか否かを判定する。判定値Ｆｔｈとして、図２に示した機種データ７３に記憶されているマイクの周波数特性の種類数が設定されている。図２に示す例ではマイクの周波数特性の種類数が５つであるため、判定値Ｆｔｈとして５を設定するとよい。ＣＰＵ６４は、カウンタＦが判定値Ｆｔｈ以上である場合（Ｓ１０９：ＹＥＳ）、処理をステップＳ１１１に移行する。一方、ＣＰＵ６４は、カウンタＦが判定値Ｆｔｈ未満である場合（Ｓ１０９：ＮＯ）、処理をステップＳ９９に移行する。
ステップＳ１１１において、ＣＰＵ６４は、異音の発生要因を選択する要因選択処理を実行する。すなわち、ＣＰＵ６４は、ステップＳ９５で特定した発生要因と、ステップＳ１０５で特定した発生要因の中から何れか１つを選択する。例えば、ＣＰＵ６４は、多数決を取ることによって音の発生要因を選択する。異音の発生要因の選択が完了すると、ＣＰＵ６４は処理をステップＳ１１３に移行する。
ステップＳ１１３において、ＣＰＵ６４は、特定した音の発生要因に関する情報を通信機６１から携帯端末３０に送信させる。その後、ＣＰＵ６４は一連の処理を一旦終了する。
なお、端末制御装置３９のＣＰＵ４１は、データ解析センター６０が送信した音の発生要因に関する情報を取得すると、当該情報が示す音の発生要因を乗員に通知する。例えば、ＣＰＵ４１は発生要因を表示画面３３に表示する。
＜写像の学習方法＞
図７を参照し、写像に機械学習を施す学習装置８０について説明する。
学習装置８０には、学習用マイク３５Ａが感知した音に関する信号である学習用音信号が入力される。また、学習装置８０には、学習用検出系１１Ａから検出信号が入力される。学習用検出系１１Ａを構成するセンサは、車両１０の検出系１１を構成するセンサと同じである。
学習装置８０は、ＣＰＵ８１と第１記憶装置８２と第２記憶装置８３とを備えている。第１記憶装置８２は、ＣＰＵ８１によって実行される制御プログラムを記憶している。第２記憶装置８３には、機械学習が完了していない写像を規定する写像データ７１ａと、要因特定データ７２とが記憶されている。
学習装置８０は、写像の機械学習に先立って、複数の訓練データを取得する。訓練データは、写像の入力変数となる学習用音信号の時系列データ及び車両１０の状態変数の時系列データと、学習用マイク３５Ａが感知した音の発生要因である学習用発生要因とを含んでいる。
学習装置８０のＣＰＵ８１は、訓練データに含まれる学習用音信号の時系列データ及び状態変数の時系列データを入力変数として写像に入力することにより、写像の出力変数ｙ（１）～ｙ（Ｍ）を取得する。続いて、ＣＰＵ８１は、上記ステップＳ７５と同様に、出力変数ｙ（１）～ｙ（Ｍ）を基に音の発生要因を特定する。そして、ＣＰＵ８１は、特定した音の発生要因と、訓練データに含まれる学習用発生要因とを比較する。このとき、ＣＰＵ８１は、特定した音の発生要因が学習用発生要因と異なっている場合、出力変数ｙ（１）～ｙ（Ｍ）のうち、学習用発生要因に対応する出力変数が大きくなるように、写像の関数近似器における各種の変数を調整する。例えば学習用発生要因が第１発生要因の候補である場合、ＣＰＵ８１は、出力変数ｙ（１）～ｙ（Ｍ）の中で出力変数ｙ（１）が最も大きくなるように写像の関数近似器における各種の変数を調整する。
こうした写像の機械学習が完了すると、機械学習済みの写像を規定する写像データ７１がデータ解析センター６０の第２記憶装置６６に記憶される。
＜本実施形態の作用＞
車両１０で発生した異音をマイク３５が感知すると、マイク３５が感知した音に関する音信号が、端末制御装置３９のＣＰＵ４１に取得される。そして、音信号は、車両１０の状態変数とともにセンター制御装置６３に送信される。さらに、マイク３５の機種情報もセンター制御装置６３に送信される。
センター制御装置６３のＣＰＵ６４は、取得したマイク３５の機種情報に基づいて、音信号の周波数特性を補正する。マイク３５の機種が学習用マイク３５Ａの機種とは異なるものの、マイク３５の機種情報が機種データ７３の中にあることがある。この場合、ＣＰＵ６４は、マイク３５の機種に対応する特性補正処理を実行することによって、音信号の周波数特性が学習用音信号の周波数特性に接近するように音信号を補正する。続いて、ＣＰＵ６４は、補正した音信号を写像に入力することによって当該写像から出力された出力変数ｙを基に、音の発生要因を特定する。
また、マイク３５の機種が学習用マイク３５Ａの機種と同じである場合、ＣＰＵ６４は、補正していない音信号を写像に入力する。そして、ＣＰＵ６４は、写像から出力された出力変数ｙを基に、音の発生要因を特定する。
一方、マイク３５の機種情報が機種データ７３にない場合、ＣＰＵ６４は、補正していない音信号を写像に入力することによって当該写像から出力された出力変数ｙを基に、音の発生要因の候補を特定する。この発生要因を「要因候補Ｚｒ」という。また、ＣＰＵ６４は、図６に示したステップＳ９９からステップＳ１０９までの処理を繰り返し実行することにより、Ｆｔｈ個の発生要因の候補を特定する。そして、ＣＰＵ６４は、要因候補Ｚｒと、Ｆｔｈ個の候補とを基に、音の発生要因を特定する。
ＣＰＵ６４は、上述のようにマイク３５が感知した音の発生要因を特定すると、その情報を携帯端末３０に送信する。すると、端末制御装置３９のＣＰＵ４１は、携帯端末３０の所有者、すなわち車両１０の乗員に対して音の発生要因を通知する。
＜本実施形態の効果＞
（１－１）マイク３５の機種が学習用マイク３５Ａの機種とは異なっていても、マイク３５の機種情報が機種データ７３にある場合、その機種に応じた特性補正処理によって音信号が補正される。これにより、写像に入力する音信号の周波数特性が学習用音信号の周波数特性に接近する。その結果、音を感知したマイク３５の機種の相違に起因する音信号の周波数特性のばらつきを小さくできる。そして、このように補正された音信号を写像に入力することによって当該写像から出力された出力変数ｙを基に、マイク３５が感知した音の発生要因が特定される。これにより、マイク３５の機種に応じた音の発生要因の特定精度のばらつきを小さくできる。
（１－２）センター制御装置６３では、複数種類のマイクの機種に対応した特性補正処理を実行可能である。そのため、マイク３５の機種を特定することにより、当該機種に対応した特性補正処理によって音信号を補正できる。そして、このように補正した音信号が写像に入力される。したがって、マイク３５の機種に応じた音の発生要因の特定精度のばらつきを小さくする効果をより高くできる。
（１－３）マイク３５の機種が学習用マイク３５Ａの機種と同じである場合には、特性補正処理が実行されない。そのため、特性補正処理の不要な実行を抑制できる分、センター制御装置６３のＣＰＵ６４の処理負荷の増大を抑制できる。
（１－４）マイク３５の機種情報が機種データ７３にない場合は、図６に示したステップＳ９１からステップＳ１０９までの処理を実行することにより、多数の発生要因の候補が特定される。そして、複数の候補の中から音の発生要因が特定される。例えば、多数決で音の発生要因が特定される。これにより、マイク３５の機種情報が機種データ７３にない場合であっても、音の発生要因の特定精度の低下を抑制できる。
（１－５）機種データ７３は、センター制御装置６３の第２記憶装置６６に記憶されている。また、図５及び図６に示した一連の処理は、センター制御装置６３のＣＰＵ６４によって実行される。そのため、新しい機種の携帯端末が発売した場合には、機種データ７３を速やかに更新できる。また、新しいマイクの機種に対応する特性補正処理も容易に用意できる。したがって、こうした最新機種の携帯端末のマイクで異音を感知した場合であっても、音の発生要因の特定精度を高くできる。
（第２実施形態）
異音の発生要因特定方法及び発生要因特定装置の第２実施形態について図８を参照して説明する。なお、第２実施形態では、写像データなどが車両制御装置の記憶装置に記憶されている点などが第１実施形態と異なっている。以下の説明においては、第１実施形態と相違する部分について主に説明するものとし、第１実施形態と同一の部材構成には同一符号を付して重複説明を省略するものとする。
図８に示すシステムは、車両１０と携帯端末３０とを備えている。
車両１０は、検出系１１と通信機１３と車両制御装置１５Ｂとを備えている。車両制御装置１５Ｂは、ＣＰＵ１６と第１記憶装置１７と第２記憶装置１８とを有している。第２記憶装置１８は、写像データ７１と、要因特定データ７２と、機種データ７３とを予め記憶している。
携帯端末３０は、タッチパネル３１と、表示画面３３と、マイク３５と、通信機３７と、端末制御装置３９とを備えている。
＜発生要因特定方法＞
図８に示したシステムでは、写像データ７１、要因特定データ７２及び機種データ７３が車両制御装置１５Ｂの第２記憶装置１８に記憶されている。そのため、端末制御装置３９のＣＰＵ４１は、マイク３５の機種情報を通信機３７から車両制御装置１５Ｂに送信させる。また、ＣＰＵ４１は、マイク３５が感知した音に関する音信号を通信機３７から車両制御装置１５Ｂに送信させる。
車両制御装置１５ＢのＣＰＵ１６は、端末制御装置３９から音信号を取得すると、図５及び図６に示した一連の処理におけるステップＳ６９～Ｓ１１３の処理と同等の処理を実行する。すなわち、車両制御装置１５ＢのＣＰＵ１６が音の発生要因を特定する。
なお、本実施形態では、車両制御装置１５Ｂ及び端末制御装置３９により、「解析装置」の一例が構成される。端末制御装置３９のＣＰＵ４１及び車両制御装置１５ＢのＣＰＵ１６により、「解析装置の実行装置」の一例が構成される。ＣＰＵ４１及びＣＰＵ１６のうち、ＣＰＵ４１が「第１実行装置」に対応し、ＣＰＵ１６が「第２実行装置」に対応する。車両制御装置１５Ｂの第２記憶装置１８が「解析装置の記憶装置」に対応する。さらに、車両制御装置１５Ｂが「発生要因特定装置」の一例であるとしたとき、車両制御装置１５ＢのＣＰＵ１６が「発生要因特定装置の実行装置」に対応し、車両制御装置１５Ｂの第２記憶装置１８が「発生要因特定装置の記憶装置」に対応する。
＜本実施形態の効果＞
本実施形態では、上記第１実施形態の効果（１－１）～（１－４）と同等の効果に加え、以下に示す効果をさらに得ることができる。
（２－１）音信号及び車両１０の状態変数を車外に設置されたデータ解析センター６０に送らなくても、マイク３５が感知した音の発生要因を特定できる。すなわち、携帯端末３０とデータ解析センター６０との通信が不安定な場合であっても、音の発生要因を特定できる。
（変更例）
上記複数の実施形態は、以下のように変更して実施することができる。上記複数の実施形態及び以下の変更例は、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。
・第１実施形態では、特性補正処理をセンター制御装置６３のＣＰＵ６４で実行していたが、これに限らない。例えば、特性補正処理を端末制御装置３９のＣＰＵ４１で実行し、特性補正処理によって補正した音信号をセンター制御装置６３に送信するようにしてもよい。この場合、端末制御装置３９の第２記憶装置４３に、機種データ７３を記憶させておくことが好ましい。
・第２実施形態では、特性補正処理を車両制御装置１５ＢのＣＰＵ１６で実行していたが、これに限らない。例えば、特性補正処理を端末制御装置３９のＣＰＵ４１で実行し、特性補正処理によって補正した音信号を車両制御装置１５Ｂに送信するようにしてもよい。この場合、端末制御装置３９の第２記憶装置４３に、機種データ７３を記憶させておくことが好ましい。
・上記複数の実施形態において、マイク３５の機種が学習用マイク３５Ａの機種と同じである場合でも、図５及び図６に示したステップＳ９１～Ｓ１１１の処理と同等の処理を実行することにより、音の発生要因を特定するようにしてもよい。
・上記複数の実施形態において、マイク３５の機種情報が機種データ７３にある場合でも、図５及び図６に示したステップＳ９１～Ｓ１１１の処理と同等の処理を実行することにより、音の発生要因を特定するようにしてもよい。
・上記複数の実施形態において、マイク３５の機種情報が機種データ７３にない場合、補正していない音信号を写像に入力することによって写像から出力された出力変数ｙを基に音の発生要因を特定するようにしてもよい。また、複数の特性補正処理の何れか１つの処理を規定の特性補正処理と設定する。そして、マイク３５の機種情報が機種データ７３にない場合には、規定の特性補正処理で補正した音信号を写像に入力することによって写像から出力された出力変数ｙを基に音の発生要因を特定するようにしてもよい。
・上記第１実施形態では、端末制御装置３９からセンター制御装置６３に音信号及び車両１０の状態変数を送信していたが、これに限らない。例えば、音信号を端末制御装置３９から車両制御装置１５に送信し、音信号及び状態変数を車両制御装置１５からセンター制御装置６３に送信するようにしてもよい。
・上記複数の実施形態において、図６に示したステップＳ９１～Ｓ１０９の処理の実行順序を変更してもよい。例えば、ステップＳ９７～Ｓ１０９の処理を実行し、ステップＳ１０９の判定がＹＥＳになってからステップＳ９１～ステップＳ９５の処理を実行するようにしてもよい。
・上記複数の実施形態では、マイク３５が感知した音の発生要因を特定した場合には、その特定結果を車両１０の乗員に携帯端末３０を通じて通知していたが、これに限らない。例えば、車載の装置を通じて特定結果を乗員に通知するようにしてもよい。
・上記複数の実施形態において、マイク３５が感知した音の発生要因を特定した場合に、その特定結果を車両１０の乗員に通知することは必須ではない。
・車両１０の車室にマイクが設置されている場合、当該マイクが感知した音の発生要因を特定するようにしてもよい。
具体的には、上記第１実施形態では、車両制御装置１５のＣＰＵ１６が音信号を取得することになる。そのため、ＣＰＵ１６が、音信号をデータ解析センター６０に送信することになる。この場合、車両制御装置１５とセンター制御装置６３とにより、「解析装置」の一例が構成されるため、車両制御装置１５のＣＰＵ１６とセンター制御装置６３のＣＰＵ６４により、「解析装置の実行装置」の一例が構成される。そして、ＣＰＵ１６とＣＰＵ６４のうち、ＣＰＵ１６が「第１実行装置」に対応し、ＣＰＵ６４が「第２実行装置」に対応する。
上記第２実施形態でも、車両制御装置１５ＢのＣＰＵ１６が音信号を取得することになる。この場合、車両制御装置１５Ｂが「解析装置」に対応するため、車両制御装置１５ＢのＣＰＵ１６が「解析装置の実行装置」に対応する。
・ニューラルネットワークは、中間層が１層のフィードフォワードネットワークに限らない。例えば、ニューラルネットワークは、中間層が２層以上のネットワークであってもよいし、畳み込みニューラルネットワークやリカレントニューラルネットワークであってもよい。
・機械学習による学習済みモデルは、ニューラルネットワークでなくてもよい。例えば、学習済みモデルとして、サポートベクトルマシンを採用してもよい。
・センター制御装置６３、端末制御装置３９及び車両制御装置１５，１５Ｂは、ＣＰＵとＲＯＭ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。すなわち、こうした制御装置は、以下（ａ）～（ｃ）の何れかの構成であればよい。
（ａ）制御装置は、コンピュータプログラムに従って各種処理を実行する一つ以上のプロセッサを備えている。プロセッサは、ＣＰＵ並びに、ＲＡＭ及びＲＯＭなどのメモリを含んでいる。メモリは、処理をＣＰＵに実行させるように構成されたプログラムコード又は指令を格納している。メモリ、すなわちコンピュータ可読媒体は、汎用又は専用のコンピュータでアクセスできるあらゆる利用可能な媒体を含んでいる。
（ｂ）制御装置は、各種処理を実行する一つ以上の専用のハードウェア回路を備えている。専用のハードウェア回路としては、例えば、特定用途向け集積回路、すなわちＡＳＩＣ又はＦＰＧＡを挙げることができる。なお、ＡＳＩＣは、「Application Specific Integrated Circuit」の略記であり、ＦＰＧＡは、「Field Programmable Gate Array」の略記である。
（ｃ）制御装置は、各種処理の一部をコンピュータプログラムに従って実行するプロセッサと、各種処理のうちの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ている。
＜技術的思想＞
次に、上記複数の実施形態及び複数の変更例から把握できる技術的思想について記載する。
（技術的思想１）マイクが感知した音に関する信号である音信号を入力とし、車両での音の発生要因に関する変数を出力する写像を規定する写像データが解析装置の記憶装置に記憶されており、
前記写像は機械学習が施されたものであり、
前記写像に機械学習を施す際に当該写像に入力される前記音信号を学習用音信号とし、前記学習用音信号が示す音を感知した前記マイクを学習用マイクとしたとき、
前記解析装置の実行装置に、
前記マイクが感知した音に関する前記音信号を取得する音信号取得処理と、
前記マイクの機種に関する情報である機種情報を取得する機種情報取得処理と、
前記機種情報取得処理で取得した前記機種情報に応じた補正によって、前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させる特性補正処理と、
前記特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を取得する変数取得処理と、
前記変数取得処理で取得した前記変数を基に、前記マイクが感知した音の発生要因を特定する要因特定処理と、を実行させる、異音の発生要因特定方法。
（技術的思想２）前記記憶装置には、複数の前記機種情報が記憶されており、
前記機種情報取得処理で取得した前記機種情報が、前記複数の機種情報の中の第１機種情報である場合には、前記特性補正処理として、前記第１機種情報に応じた補正を実施することによって、前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させる第１特性補正処理を前記実行装置に実行させ、
前記機種情報取得処理で取得した前記機種情報が、前記複数の機種情報の中の第２機種情報である場合には、前記特性補正処理として、前記第２機種情報に応じた補正を実施することによって、前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させる第２特性補正処理を前記実行装置に実行させる、技術的思想１に記載の異音の発生要因特定方法。
（技術的思想３）前記機種情報取得処理で取得した前記機種情報が、前記記憶装置に記憶されていない場合に、
前記第１特性補正処理及び前記第２特性補正処理を前記実行装置に実行させ、
前記変数取得処理では、
前記第１特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第１出力変数として取得し、
前記第２特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第２出力変数として取得し、
前記音信号取得処理で取得した前記音信号を前記写像に入力することによって当該写像から出力された変数を第３出力変数として取得し、
前記第１出力変数に基づいた前記音の発生要因、前記第２出力変数に基づいた前記音の発生要因、及び前記第３出力変数に基づいた前記音の発生要因の中から、前記音の発生要因を選択する要因選択処理と、を前記実行装置に実行させる、技術的思想２に記載の異音の発生要因特定方法。
（技術的思想４）前記要因特定処理を第１要因特定処理としたとき、
前記機種情報取得処理で取得した前記機種情報によって示される前記マイクの機種が、前記学習用マイクの機種と同じである場合に、
前記実行装置に、
前記音信号取得処理で取得した前記音信号を前記写像に入力することによって当該写像から出力された変数を取得する基準変数取得処理と、
前記基準変数取得処理で取得した前記変数を基に、前記マイクが感知した音の発生要因を特定する第２要因特定処理と、を実行させる、技術的思想１～技術的思想３のうち何れか一項に記載の異音の発生要因特定方法。
（技術的思想５）マイクが感知した音に関する信号である音信号を入力とし、車両での音の発生要因に関する変数を出力する写像を規定する写像データが解析装置の記憶装置に記憶されており、
前記写像は機械学習が施されたものであり、
前記写像に機械学習を施す際に当該写像に入力される前記音信号を学習用音信号とし、前記学習用音信号が示す音を感知した前記マイクを学習用マイクとしたとき、
前記解析装置の実行装置に、
前記マイクが感知した音に関する前記音信号を取得する音信号取得処理と、
前記マイクの機種に関する情報である機種情報を取得する機種情報取得処理と、
前記音信号取得処理で取得した前記音信号の周波数特性を補正する処理であって、前記マイクの前記機種情報が第１機種情報である場合には前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させることのできる処理である第１特性補正処理と、
前記音信号取得処理で取得した前記音信号の周波数特性を補正する処理であって、前記マイクの前記機種情報が第２機種情報である場合には前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させることのできる処理である第２特性補正処理と、
前記第１特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第１出力変数として取得し、前記第２特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第２出力変数として取得し、前記音信号取得処理で取得した前記音信号を前記写像に入力することによって当該写像から出力された変数を第３出力変数として取得する変数取得処理と、
前記第１出力変数に基づいた前記音の発生要因、前記第２出力変数に基づいた前記音の発生要因、及び前記第３出力変数に基づいた前記音の発生要因の中から、前記音の発生要因を選択する要因選択処理と、を実行させる、異音の発生要因特定方法。
（技術的思想６）前記実行装置は、前記車両又は当該車両の乗員が所有する携帯端末に設けられている第１実行装置と、前記車両の外部に設けられている第２実行装置と、を備えるものであり、
前記第２実行装置に、前記特性補正処理と、前記変数取得処理と、前記要因特定処理と、を実行させる、技術的思想１～技術的思想４のうち何れか一項に記載の異音の発生要因特定方法。
（技術的思想７）前記実行装置は、前記車両又は当該車両の乗員が所有する携帯端末に設けられている第１実行装置と、前記車両の外部に設けられている第２実行装置と、を備えるものであり、
前記第２実行装置に、前記第１特性補正処理と、前記第２特性補正処理と、前記変数取得処理と、前記要因選択処理と、を実行させる、技術的思想５に記載の異音の発生要因特定方法。
（技術的思想８）マイクが感知した音の発生要因を特定する異音の発生要因特定装置であって、
前記発生要因特定装置は、実行装置と記憶装置とを備え、
前記記憶装置には、前記マイクが感知した音に関する信号である音信号を入力とし、車両での音の発生要因に関する変数を出力する写像を規定する写像データが記憶されており、
前記写像は機械学習が施されたものであり、
前記写像に機械学習を施す際に当該写像に入力される前記音信号を学習用音信号とし、前記学習用音信号が示す音を感知した前記マイクを学習用マイクとしたとき、
前記実行装置は、
前記マイクの機種に関する情報である機種情報に応じた補正によって、前記マイクが感知した音に関する前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させる特性補正処理と、
前記特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を取得する変数取得処理と、
前記変数取得処理で取得した前記変数を基に、前記マイクが感知した音の発生要因を特定する要因特定処理と、を実行する、異音の発生要因特定装置。
（技術的思想９）マイクが感知した音の発生要因を特定する異音の発生要因特定装置であって、
前記発生要因特定装置は、実行装置と記憶装置とを備え、
前記記憶装置には、前記マイクが感知した音に関する信号である音信号を入力とし、車両での音の発生要因に関する変数を出力する写像を規定する写像データが記憶されており、
前記写像は機械学習が施されたものであり、
前記写像に機械学習を施す際に当該写像に入力される前記音信号を学習用音信号とし、前記学習用音信号が示す音を感知した前記マイクを学習用マイクとしたとき、
前記実行装置は、
前記マイクが感知した音に関する前記音信号の周波数特性を補正する処理であって、前記マイクの機種情報が第１機種情報である場合には前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させることのできる処理である第１特性補正処理と、
前記音信号の周波数特性を補正する処理であって、前記マイクの前記機種情報が第２機種情報である場合には前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させることのできる処理である第２特性補正処理と、
前記第１特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第１出力変数として取得し、前記第２特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第２出力変数として取得し、補正されていない前記音信号を前記写像に入力することによって当該写像から出力された変数を第３出力変数として取得する変数取得処理と、
前記第１出力変数に基づいた前記音の発生要因、前記第２出力変数に基づいた前記音の発生要因、及び前記第３出力変数に基づいた前記音の発生要因の中から、前記音の発生要因を選択する要因選択処理と、を実行する、異音の発生要因特定装置。
１０…車両
１５，１５Ｂ…車両制御装置
１６…ＣＰＵ
１８…第２記憶装置
３０…携帯端末
３５…マイク
３５Ａ…学習用マイク
３９…端末制御装置
４１…ＣＰＵ
６０…データ解析センター
６３…センター制御装置
６４…ＣＰＵ
６６…第２記憶装置
７１…写像データ

Claims (9)

  1. マイクが感知した音に関する信号である音信号を入力とし、車両での音の発生要因に関する変数を出力する写像を規定する写像データが解析装置の記憶装置に記憶されており、
    前記写像は機械学習が施されたものであり、
    前記写像に機械学習を施す際に当該写像に入力される前記音信号を学習用音信号とし、前記学習用音信号が示す音を感知した前記マイクを学習用マイクとしたとき、
    前記解析装置の実行装置に、
    前記マイクが感知した音に関する前記音信号を取得する音信号取得処理と、
    前記マイクの機種に関する情報である機種情報を取得する機種情報取得処理と、
    前記機種情報取得処理で取得した前記機種情報に応じた補正によって、前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させる特性補正処理と、
    前記特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を取得する変数取得処理と、
    前記変数取得処理で取得した前記変数を基に、前記マイクが感知した音の発生要因を特定する要因特定処理と、を実行させる
    異音の発生要因特定方法。
  2. 前記記憶装置には、複数の前記機種情報が記憶されており、
    前記機種情報取得処理で取得した前記機種情報が、前記複数の機種情報の中の第１機種情報である場合には、前記特性補正処理として、前記第１機種情報に応じた補正を実施することによって、前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させる第１特性補正処理を前記実行装置に実行させ、
    前記機種情報取得処理で取得した前記機種情報が、前記複数の機種情報の中の第２機種情報である場合には、前記特性補正処理として、前記第２機種情報に応じた補正を実施することによって、前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させる第２特性補正処理を前記実行装置に実行させる
    請求項１に記載の異音の発生要因特定方法。
  3. 前記機種情報取得処理で取得した前記機種情報が、前記記憶装置に記憶されていない場合に、
    前記第１特性補正処理及び前記第２特性補正処理を前記実行装置に実行させ、
    前記変数取得処理では、
    前記第１特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第１出力変数として取得し、
    前記第２特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第２出力変数として取得し、
    前記音信号取得処理で取得した前記音信号を前記写像に入力することによって当該写像から出力された変数を第３出力変数として取得し、
    前記第１出力変数に基づいた前記音の発生要因、前記第２出力変数に基づいた前記音の発生要因、及び前記第３出力変数に基づいた前記音の発生要因の中から、前記音の発生要因を選択する要因選択処理と、を前記実行装置に実行させる
    請求項２に記載の異音の発生要因特定方法。
  4. 前記要因特定処理を第１要因特定処理としたとき、
    前記機種情報取得処理で取得した前記機種情報によって示される前記マイクの機種が、前記学習用マイクの機種と同じである場合に、
    前記実行装置に、
    前記音信号取得処理で取得した前記音信号を前記写像に入力することによって当該写像から出力された変数を取得する基準変数取得処理と、
    前記基準変数取得処理で取得した前記変数を基に、前記マイクが感知した音の発生要因を特定する第２要因特定処理と、を実行させる
    請求項１に記載の異音の発生要因特定方法。
  5. マイクが感知した音に関する信号である音信号を入力とし、車両での音の発生要因に関する変数を出力する写像を規定する写像データが解析装置の記憶装置に記憶されており、
    前記写像は機械学習が施されたものであり、
    前記写像に機械学習を施す際に当該写像に入力される前記音信号を学習用音信号とし、前記学習用音信号が示す音を感知した前記マイクを学習用マイクとしたとき、
    前記解析装置の実行装置に、
    前記マイクが感知した音に関する前記音信号を取得する音信号取得処理と、
    前記マイクの機種に関する情報である機種情報を取得する機種情報取得処理と、
    前記音信号取得処理で取得した前記音信号の周波数特性を補正する処理であって、前記マイクの前記機種情報が第１機種情報である場合には前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させることのできる処理である第１特性補正処理と、
    前記音信号取得処理で取得した前記音信号の周波数特性を補正する処理であって、前記マイクの前記機種情報が第２機種情報である場合には前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させることのできる処理である第２特性補正処理と、
    前記第１特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第１出力変数として取得し、前記第２特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第２出力変数として取得し、前記音信号取得処理で取得した前記音信号を前記写像に入力することによって当該写像から出力された変数を第３出力変数として取得する変数取得処理と、
    前記第１出力変数に基づいた前記音の発生要因、前記第２出力変数に基づいた前記音の発生要因、及び前記第３出力変数に基づいた前記音の発生要因の中から、前記音の発生要因を選択する要因選択処理と、を実行させる
    異音の発生要因特定方法。
  6. 前記実行装置は、前記車両又は当該車両の乗員が所有する携帯端末に設けられている第１実行装置と、前記車両の外部に設けられている第２実行装置と、を備えるものであり、
    前記第２実行装置に、前記特性補正処理と、前記変数取得処理と、前記要因特定処理と、を実行させる
    請求項１に記載の異音の発生要因特定方法。
  7. 前記実行装置は、前記車両又は当該車両の乗員が所有する携帯端末に設けられている第１実行装置と、前記車両の外部に設けられている第２実行装置と、を備えるものであり、
    前記第２実行装置に、前記第１特性補正処理と、前記第２特性補正処理と、前記変数取得処理と、前記要因選択処理と、を実行させる
    請求項５に記載の異音の発生要因特定方法。
  8. マイクが感知した音の発生要因を特定する異音の発生要因特定装置であって、
    前記発生要因特定装置は、実行装置と記憶装置とを備え、
    前記記憶装置には、前記マイクが感知した音に関する信号である音信号を入力とし、車両での音の発生要因に関する変数を出力する写像を規定する写像データが記憶されており、
    前記写像は機械学習が施されたものであり、
    前記写像に機械学習を施す際に当該写像に入力される前記音信号を学習用音信号とし、前記学習用音信号が示す音を感知した前記マイクを学習用マイクとしたとき、
    前記実行装置は、
    前記マイクの機種に関する情報である機種情報に応じた補正によって、前記マイクが感知した音に関する前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させる特性補正処理と、
    前記特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を取得する変数取得処理と、
    前記変数取得処理で取得した前記変数を基に、前記マイクが感知した音の発生要因を特定する要因特定処理と、を実行する
    異音の発生要因特定装置。
  9. マイクが感知した音の発生要因を特定する異音の発生要因特定装置であって、
    前記発生要因特定装置は、実行装置と記憶装置とを備え、
    前記記憶装置には、前記マイクが感知した音に関する信号である音信号を入力とし、車両での音の発生要因に関する変数を出力する写像を規定する写像データが記憶されており、
    前記写像は機械学習が施されたものであり、
    前記写像に機械学習を施す際に当該写像に入力される前記音信号を学習用音信号とし、前記学習用音信号が示す音を感知した前記マイクを学習用マイクとしたとき、
    前記実行装置は、
    前記マイクが感知した音に関する前記音信号の周波数特性を補正する処理であって、前記マイクの機種情報が第１機種情報である場合には前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させることのできる処理である第１特性補正処理と、
    前記音信号の周波数特性を補正する処理であって、前記マイクの前記機種情報が第２機種情報である場合には前記音信号の周波数特性を前記学習用音信号の周波数特性に接近させることのできる処理である第２特性補正処理と、
    前記第１特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第１出力変数として取得し、前記第２特性補正処理で補正した前記音信号を前記写像に入力することによって当該写像から出力された変数を第２出力変数として取得し、補正されていない前記音信号を前記写像に入力することによって当該写像から出力された変数を第３出力変数として取得する変数取得処理と、
    前記第１出力変数に基づいた前記音の発生要因、前記第２出力変数に基づいた前記音の発生要因、及び前記第３出力変数に基づいた前記音の発生要因の中から、前記音の発生要因を選択する要因選択処理と、を実行する
    異音の発生要因特定装置。
JP2022092253A 2022-06-07 2022-06-07 異音の発生要因特定方法、及び異音の発生要因特定装置 Pending JP2023179143A (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2022092253A JP2023179143A (ja) 2022-06-07 2022-06-07 異音の発生要因特定方法、及び異音の発生要因特定装置
EP23169753.3A EP4290517A1 (en) 2022-06-07 2023-04-25 Noise generation cause identifying method and noise generation cause identifying device
US18/307,842 US20240096145A1 (en) 2022-06-07 2023-04-27 Noise generation cause identifying method and noise generation cause identifying device
CN202310656448.8A CN117194888A (zh) 2022-06-07 2023-06-05 异响发生因素确定方法以及异响发生因素确定装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022092253A JP2023179143A (ja) 2022-06-07 2022-06-07 異音の発生要因特定方法、及び異音の発生要因特定装置

Publications (1)

Publication Number Publication Date
JP2023179143A true JP2023179143A (ja) 2023-12-19

Family

ID=86226714

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022092253A Pending JP2023179143A (ja) 2022-06-07 2022-06-07 異音の発生要因特定方法、及び異音の発生要因特定装置

Country Status (4)

Country Link
US (1) US20240096145A1 (ja)
EP (1) EP4290517A1 (ja)
JP (1) JP2023179143A (ja)
CN (1) CN117194888A (ja)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10755691B1 (en) * 2019-05-21 2020-08-25 Ford Global Technologies, Llc Systems and methods for acoustic control of a vehicle's interior
KR20190103086A (ko) * 2019-08-15 2019-09-04 엘지전자 주식회사 지능형 진단 디바이스와 이를 구비하는 냉장고
JP7452171B2 (ja) 2020-03-26 2024-03-19 トヨタ自動車株式会社 異音の発生箇所特定方法
KR20210130325A (ko) * 2020-04-21 2021-11-01 현대자동차주식회사 노이즈 제어 장치, 그를 가지는 차량 및 그 제어 방법

Also Published As

Publication number Publication date
US20240096145A1 (en) 2024-03-21
EP4290517A1 (en) 2023-12-13
CN117194888A (zh) 2023-12-08

Similar Documents

Publication Publication Date Title
CN112015489A (zh) 一种车载软件的管理方法、装置、存储介质及系统
CN105691406A (zh) 用于交通工具内建议和自动化动作的系统和方法
CN112149221B (zh) 考虑液体附加质量的油箱流固耦合瞬态分析方法及系统
CN111527389A (zh) 一种车辆诊断方法及一种车辆诊断设备和存储介质
JP2023179143A (ja) 異音の発生要因特定方法、及び異音の発生要因特定装置
WO2022108580A1 (en) Detecting and handling driving event sounds during a navigation session
US20230205624A1 (en) Integrity check device for safety sensitive data and electronic device including the same
CN112256006B (zh) 一种数据的处理方法、装置及电子设备
CN116776595A (zh) 碳排放工艺流程构建方法、装置、设备及存储介质
TW201739645A (zh) 行車資訊顯示方法
US20220369059A1 (en) Active sound design (asd) tuning device of vehicle and method thereof
JP7252862B2 (ja) 制御装置、制御システムおよび制御方法
US20220405546A1 (en) Electronic device for converting artificial intelligence model and operating method thereof
US20230004988A1 (en) Systems and methods for utilizing feedback data
US11645036B2 (en) Electronic device and operating method for providing feedback information in response to user input
JP2024004119A (ja) 写像の学習方法
CN108871356B (zh) 一种行车导航方法、移动终端
JP5341726B2 (ja) 車両診断装置及び車両診断方法
US11893839B2 (en) Performance system for analyzing a vehicle's performance
US20240123923A1 (en) Cockpit domain control device and method for detecting display error by using cockpit domain control device
CN113469159B (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
US11593568B2 (en) Agent system, agent processing method, and non-transitory storage medium that stores an agent processing program
EP4404153A1 (en) Target object positioning method and apparatus, computer device, and storage medium
EP4425975A1 (en) Communicating vehicle signal information using extended identifiers
US20220388529A1 (en) Apparatus for generating vibration for vehicle, and method thereof