JP7338584B2 - 異常判定装置 - Google Patents

Description

本発明は、シャフトの回転によって動力を伝達する変速装置に異常が発生しているか否かを判定する異常判定装置に関する。

特許文献１には、検出値が正常域および異常域のいずれにあるかに基づいて異常を検知する検知装置が開示されている。

特開２００９－６３４５５号公報

異常判定装置としては、異常が発生しているか否かだけではなく、その異常を引き起こしている現象を把握したいという要望がある。たとえば、検査の対象物が異常によって振動する場合には、振動モードが異なれば検査の対象物の状態も異なることが推測される。すなわち、振動モードを特定することができれば検査の対象物の状態を判定することができ、現象の実態を把握する一助になる。特許文献１に開示されている検知装置のように判定を行う場合には異常が発生しているか否かを検知することはできるが、検査の対象物の状態を判定することはできない。

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．シャフトの回転によって動力を伝達する変速装置を備えた車両に適用され、実行装置と、記憶装置と、を備え、前記記憶装置には、機械学習によって学習済みの写像を規定するデータである写像データが記憶されており、前記写像は、前記シャフトの回転速度の時系列データを示す変数が入力変数として入力されると、前記シャフトの状態を示す変数である複数の状態変数を出力変数として出力するものであり、複数の前記状態変数には、前記シャフトが正常な状態であることを示す変数、前記シャフトが発散振動している状態であることを示す変数、前記シャフトがねじり振動している状態であることを示す変数、及び前記シャフトが曲げ振動している状態であることを示す変数、の４つの状態変数が含まれ、前記実行装置は、前記時系列データを示す変数を取得して前記入力変数の値とする取得処理と、前記入力変数の値を前記写像に入力することによって該写像が前記出力変数として出力する前記４つの状態変数の値を基に、前記変速装置に異常が発生しているか否かを判定する判定処理と、を実行する異常判定装置である。

変速装置において異常が発生して、動力を伝達するシャフトが振動することがある。シャフトが振動している場合には、シャフトの回転速度の時系列データは、シャフトが振動していない場合の時系列データとは異なる特徴を示すと推測できる。また、時系列データが示す特徴は、シャフトの振動モードに応じて異なると推測できる。

上記構成によれば、シャフトの回転速度の時系列データを示す変数が写像に入力されることによって、シャフトの状態を示す変数である状態変数が出力される。これによって、シャフトの回転速度の時系列データを示す変数に基づいて、シャフトの状態を判定することができる。すなわち、シャフトの回転速度の時系列データに基づいて、シャフトの回転速度の大きさのみからは捉えられない特徴を抽出して、シャフトの状態を判定することができ、変速装置に異常が発生しているか否かを判定することができる。

一実施形態にかかる車両および制御装置の構成を示す図。 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。 （ａ）および（ｂ）は、同実施形態にかかるシャフトの回転速度の時系列データを示す図。 （ａ）および（ｂ）は、同実施形態にかかるシャフトの回転速度の時系列データを加工した特徴量を示す図。 同実施形態にかかる出力変数を定義する図。 ねじり振動している状態のシャフトの回転速度の時系列データを示す図。 変更例の制御装置が実行する処理によって、ねじり振動している状態のシャフトの回転速度の時系列データを加工した特徴量を示す図。 他の変更例にかかるシステムの構成を示す図。

以下、異常判定装置の一実施形態について図面を参照しつつ説明する。
図１に示すように、車両ＶＣは、内燃機関１０、第１モータジェネレータ２２および第２モータジェネレータ２４を備えている。内燃機関１０のクランク軸１２には、動力分割装置２０が機械的に連結されている。動力分割装置２０は、内燃機関１０、第１モータジェネレータ２２、および第２モータジェネレータ２４の動力を分割する。動力分割装置２０は、遊星歯車機構を備えている。遊星歯車機構のキャリアＣは、クランク軸１２と機械的に連結されている。遊星歯車機構のサンギアＳは、第１モータジェネレータ２２の回転軸２２ａと機械的に連結されている。遊星歯車機構のリングギアＲは、第２モータジェネレータ２４の回転軸２４ａと機械的に連結されている。なお、第１モータジェネレータ２２の端子には、第１インバータ２３の出力電圧が印加される。また、第２モータジェネレータ２４の端子には、第２インバータ２５の出力電圧が印加される。

動力分割装置２０のリングギアＲには、第２モータジェネレータ２４の回転軸２４ａに加えて、変速装置２６を介して駆動輪３０が機械的に連結されている。変速装置２６は、動力を伝達する回転軸であるシャフトを備えている。シャフトは、回転可能な状態で軸受によって支えられている。

動力分割装置２０のキャリアＣには、オイルポンプ３２の従動軸３２ａが機械的に連結されている。オイルポンプ３２は、オイルパン３４内のオイルを潤滑油として動力分割装置２０に循環させたり、同オイルを作動油として変速装置２６に吐出したりするポンプである。なお、オイルポンプ３２から吐出された作動油は、変速装置２６内の油圧制御回路２６ａによってその圧力が調整されて作動油として利用される。

制御装置４０は、内燃機関１０を制御対象とする。制御装置４０は、内燃機関１０の制御量であるトルクや排気成分比率等を制御すべく、内燃機関１０の各種操作部を操作する。また、制御装置４０は、第１モータジェネレータ２２を制御対象とする。制御装置４０は、第１モータジェネレータ２２の制御量であるトルクや回転速度等を制御すべく、第１インバータ２３を操作する。また、制御装置４０は、第２モータジェネレータ２４を制御対象とする。制御装置４０は、第２モータジェネレータ２４の制御量であるトルクや回転速度等を制御すべく、第２インバータ２５を操作する。なお、図１には、制御装置４０が内燃機関１０や変速装置２６を操作するために送信する信号を操作信号ＭＳと表示している。

制御装置４０は、上記制御量を制御する際、クランク角センサ５０の出力信号Ｓｃｒや、第１モータジェネレータ２２の回転軸２２ａの回転角を検知する第１回転角センサ５２の出力信号Ｓｍ１、第２モータジェネレータ２４の回転軸２４ａの回転角を検知する第２回転角センサ５４の出力信号Ｓｍ２を参照する。また、制御装置４０は、油温センサ５６によって検出されるオイルの温度である油温Ｔｏｉｌを参照する。

制御装置４０は、ＣＰＵ４２、ＲＯＭ４４、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４６、および周辺回路４８を備えている。ＣＰＵ４２、ＲＯＭ４４、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４６、および周辺回路４８は、ローカルネットワーク４９を介して通信可能とされている。ここで、周辺回路４８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。制御装置４０は、ＲＯＭ４４に記憶されたプログラムをＣＰＵ４２が実行することによって、上記制御量を制御する。

制御装置４０が実行する処理の一部を説明する。
制御装置４０は、駆動トルク設定処理を実行する。駆動トルク設定処理は、駆動輪３０に付与すべきトルクの指令値である駆動トルク指令値Ｔｒｑ＊を算出する処理である。駆動トルク指令値Ｔｒｑ＊は、車両ＶＣが備えるアクセル操作部材の操作量を入力として、当該操作量が大きいほど大きい値に算出される。

制御装置４０は、駆動力分配処理を実行する。駆動力分配処理は、駆動トルク指令値Ｔｒｑ＊に基づき、内燃機関１０に対するトルク指令値Ｔｒｑｅ＊、第１モータジェネレータ２２に対するトルク指令値Ｔｒｑｍ１＊、および第２モータジェネレータ２４に対するトルク指令値Ｔｒｑｍ２＊を設定する処理である。これらトルク指令値Ｔｒｑｅ＊，Ｔｒｑｍ１＊，Ｔｒｑｍ２＊は、内燃機関１０、第１モータジェネレータ２２および第２モータジェネレータ２４によってそれぞれ生成されることによって、駆動輪３０に付与されるトルクが駆動トルク指令値Ｔｒｑ＊となる値にされる。

制御装置４０は、回転速度算出処理を実行する。回転速度算出処理は、変速装置２６に搭載されているシャフトの回転速度としてシャフト回転速度Ｎｓｈａｆｔを算出する処理である。シャフト回転速度Ｎｓｈａｆｔは、出力信号Ｓｍ１に基づいて算出される。シャフト回転速度Ｎｓｈａｆｔは、所定期間毎に算出される。シャフト回転速度Ｎｓｈａｆｔの推移がシャフト回転速度Ｎｓｈａｆｔの時系列データとして記憶装置４６に記憶される。

制御装置４０は、変速装置２６のシャフトの異常を判定するための処理を実行する。以下、この処理について説明する。
図２に、制御装置４０が実行する処理の手順を示す。図２に示す処理は、ＲＯＭ４４に記憶されたプログラムをＣＰＵ４２がたとえば所定周期で繰り返し実行することによって実現される。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、ＣＰＵ４２は、まず、シャフト回転速度Ｎｓｈａｆｔの時系列データおよび油温Ｔｏｉｌを取得する（Ｓ１０１）。次にＣＰＵ４２は、規定期間におけるシャフト回転速度Ｎｓｈａｆｔの時系列データを正規化する正規化処理を実行する（Ｓ１０２）。ＣＰＵ４２は、さらに、正規化した時系列データを加工した正規化特徴量ＮＦｖを算出する（Ｓ１０３）。正規化特徴量ＮＦｖは、規定期間におけるシャフト回転速度Ｎｓｈａｆｔの度数分布を表すデータとして算出される。

図３および図４を用いて、Ｓ１０２およびＳ１０３の処理を説明する。図３（ａ）は、シャフトに異常な振動が生じていない場合、すなわちシャフトが正常である場合におけるシャフト回転速度Ｎｓｈａｆｔの時系列データの一部を例示したものである。図３（ｂ）は、シャフトが発散振動している場合、すなわちシャフトに異常が生じている場合におけるシャフト回転速度Ｎｓｈａｆｔの時系列データの一部を例示したものである。なお、図３（ａ）と図３（ｂ）とでは、例示している期間における駆動トルク指令値Ｔｒｑ＊の大きさが等しいものとする。

図３（ａ）に示すように、シャフトに異常が生じていない場合には、シャフト回転速度Ｎｓｈａｆｔは、規則的な周期および振幅で推移している。一方、図３（ｂ）に示すように、シャフトに異常が生じている場合には、シャフト回転速度Ｎｓｈａｆｔは、図３（ａ）に示す波形とは異なる波形を示すように推移している。特に図３（ｂ）はシャフトが発散振動している場合の例であるため、時間が経過するほどシャフト回転速度Ｎｓｈａｆｔの振幅が大きくなっている。このように、シャフトに異常な振動が生じている場合には、シャフト回転速度Ｎｓｈａｆｔの値が極端に大きくなったり極端に小さくなったりすることがある。さらに、シャフトに異常な振動が生じている場合には、シャフトの振動モードによってシャフト回転速度Ｎｓｈａｆｔの推移が異なる。

本実施形態では、規定期間におけるシャフト回転速度Ｎｓｈａｆｔが一定のサンプリング周期でサンプリングされる場合の、時系列的に連続した複数のサンプリング値によってシャフト回転速度Ｎｓｈａｆｔの時系列データを構成する。図３における図中の丸は、一定のサンプリング周期でサンプリングされるサンプリング値を例示したものである。シャフト回転速度Ｎｓｈａｆｔをサンプリングする期間が規定期間である。

ＣＰＵ４２は、Ｓ１０２の処理では、規定期間におけるシャフト回転速度Ｎｓｈａｆｔの最大値が「１」となり規定期間におけるシャフト回転速度Ｎｓｈａｆｔの最小値が「０」となるようにシャフト回転速度Ｎｓｈａｆｔの時系列データを正規化する。たとえば、以下の数式（式１）に基づいて正規化を行うことができる。

Ｎ＝（ｎ－ｎｍｉｎ）／（ｎｍａｘ－ｎｍｉｎ） …（式１）
上記数式（式１）において、「Ｎ」は、正規化後のシャフト回転速度Ｎｓｈａｆｔである。「ｎ」は、正規化の対象とするシャフト回転速度Ｎｓｈａｆｔである。「ｎｍａｘ」は、正規化前のシャフト回転速度Ｎｓｈａｆｔの最大値である。「ｎｍｉｎ」は、正規化前のシャフト回転速度Ｎｓｈａｆｔの最小値である。

ＣＰＵ４２は、Ｓ１０３の処理では、まず、規定期間におけるシャフト回転速度Ｎｓｈａｆｔの最小値から最大値までの範囲を五等分して五つの階級に分ける。換言すれば、各階級の幅が「０．２」となるように階級分けを行う。そして、ＣＰＵ４２は、各階級におけるシャフト回転速度Ｎｓｈａｆｔのサンプリング値の数、すなわち度数を正規化特徴量ＮＦｖとして算出する。以下、五つの階級は、小さい方から順に、第１階級Ｂｉｎ１、第２階級Ｂｉｎ２、第３階級Ｂｉｎ３、第４階級Ｂｉｎ４、第５階級Ｂｉｎ５という。

図４（ａ）は、シャフトに異常が発生していない場合のシャフト回転速度Ｎｓｈａｆｔの時系列データにＳ１０２およびＳ１０３の処理が施された場合の一例である。すなわち、図４（ａ）は、シャフトに異常が生じていない場合における正規化特徴量ＮＦｖの一例を示す。図４（ａ）に示すように、シャフトに異常が発生していない場合には、第１階級Ｂｉｎ１における度数、第２階級Ｂｉｎ２における度数、第３階級Ｂｉｎ３における度数の順に度数が多くなっている。五つの階級における度数のうちシャフト回転速度Ｎｓｈａｆｔの中央値を含む第３階級Ｂｉｎ３における度数が最も多く、第４階級Ｂｉｎ４における度数、第５階級Ｂｉｎ５における度数の順に度数が少なくなっている。また、第２階級Ｂｉｎ２における度数と第４階級Ｂｉｎ４における度数とが等しく、第１階級Ｂｉｎ１における度数と第５階級Ｂｉｎ５における度数とが等しい。すなわち、第３階級Ｂｉｎ３を中心に左右対称の分布を示している。

図４（ｂ）は、シャフトに異常が発生している場合のシャフト回転速度Ｎｓｈａｆｔの時系列データにＳ１０２およびＳ１０３の処理が施された場合の一例である。すなわち、図４（ｂ）は、シャフトに異常が生じている場合における正規化特徴量ＮＦｖの一例を示す。図４（ａ）と同様に、第３階級Ｂｉｎ３における度数が最も多く、第１階級Ｂｉｎ１における度数および第５階級Ｂｉｎ５における度数が最も少なくなっている。しかし、シャフトに異常が発生していない場合の図４（ａ）とは異なり、第３階級Ｂｉｎ３における度数が他の階級の度数に比して極端に多くなっている。これは、シャフト回転速度Ｎｓｈａｆｔの不規則な変動によって中央値から大きく離れた少数の値がサンプリングされているためである。より詳しく説明するため、中央値から大きく離れた少数の値がサンプリングされているデータの度数分布を考える。当該データにおけるシャフト回転速度Ｎｓｈａｆｔの最小値から最大値までの範囲を、規則的に推移するシャフト回転速度Ｎｓｈａｆｔの時系列データが加工された図４（ａ）に示す例と同じ数の階級に分ける。この結果として、最頻値を含む階級には図４（ａ）に示す例と比較して多くのサンプルが含まれることになる。このように、中央値から大きく離れた少数の値がサンプリングされていると、最頻値を含む階級の度数がより多くなる一方で他の階級の度数が少なくなる。

図４（ａ）および図４（ｂ）に示すように、シャフト回転速度Ｎｓｈａｆｔの時系列データを加工した正規化特徴量ＮＦｖは、シャフトに異常が発生していない場合とシャフトが振動している場合とで異なる特徴を示す。また、シャフトが振動している場合には、振動モードに応じて正規化特徴量ＮＦｖが示す特徴が異なる。

図２に戻り、ＣＰＵ４２は、正規化特徴量ＮＦｖを算出すると、次に、図１に示した記憶装置４６に記憶されている写像データＤＭによって規定される写像への入力変数ｘ（１）～ｘ（６）に、Ｓ１０３の処理によって算出した正規化特徴量ＮＦｖおよび油温Ｔｏｉｌを代入する（Ｓ１０４）。より詳しくは、入力変数ｘ（１）～ｘ（５）には、第１階級Ｂｉｎ１の度数～第５階級Ｂｉｎ５の度数をそれぞれ代入する。入力変数ｘ（６）には、油温Ｔｏｉｌを代入する。ここでは、規定期間における油温Ｔｏｉｌの平均値を入力変数ｘ（６）に代入することができる。

次にＣＰＵ４２は、上記写像に入力変数ｘ（１）～ｘ（６）の値を代入することによって、シャフトの状態を示す変数である出力変数ｙ（０）～ｙ（４）の値を算出する（Ｓ１０５）。

本実施形態では、写像として関数近似器を例示し、詳しくは、中間層が１層の全結合順伝搬型のニューラルネットワークを例示する。具体的には、Ｓ１０５の処理によって値が代入された入力変数ｘ（１）～ｘ（６）とバイアスパラメータであるｘ（０）とが、係数ｗＦｊｋ（ｊ＝１～ｍ，ｋ＝０～６）によって規定される線形写像にて変換された「ｍ」個の値のそれぞれが活性化関数ｆに代入されることによって、中間層のノードの値が定まる。また、係数ｗＳｉｊ（ｉ＝０～３）によって規定される線形写像によって中間層のノードの値のそれぞれが変換された値のそれぞれが活性化関数ｇに代入されることによって、出力変数ｙ（０），ｙ（１），ｙ（２），ｙ（３）の値が定まる。なお、活性化関数ｆとしては、ハイパボリックタンジェント等を採用することができる。活性化関数ｇとしては、ソフトマックス関数を採用することができる。

図５に示すように、出力変数ｙ（０），ｙ（１），ｙ（２），ｙ（３）は、シャフトの状態を特定する状態変数となっている。出力変数ｙ（０）は、シャフトに異常な振動が発生していない状態、すなわちシャフトが正常な状態である確率を示す。出力変数ｙ（１）は、シャフトが発散振動している状態である確率を示す。出力変数ｙ（２）は、シャフトがねじり振動している状態である確率を示す。出力変数ｙ（３）は、シャフトが曲げ振動している状態である確率を示す。

図２に戻り、ＣＰＵ４２は、出力変数ｙ（０）～ｙ（３）のうちの最大値ｙｍａｘを選択する（Ｓ１０６）。そしてＣＰＵ４２は、出力変数ｙ（０）～ｙ（３）のうちの最大値ｙｍａｘと等しい出力変数に基づき、シャフトの状態を判定する（Ｓ１０７）。次に、ＣＰＵ４２は、シャフトの状態を判定した結果を記憶装置４６に記憶する記憶処理を実行する（Ｓ１０８）。たとえばＣＰＵ４２は、出力変数ｙ（１）の値が最大値ｙｍａｘに等しい場合には、シャフトが発散振動している状態であることを記憶装置４６に記憶する。Ｓ１０８の処理において、ＣＰＵ４２は、図１に示す表示器７０を操作して、記憶装置４６に記憶させたシャフトの状態に基づいて変速装置２６の状態を報知する報知処理を実行することもできる。表示器７０は、変速装置２６の状態を報知する報知装置の一例である。たとえば、報知装置をスピーカとして、スピーカを操作して音声信号を出力することによって報知処理を実行してもよい。ＣＰＵ４２は、Ｓ１０８の処理が完了すると、図２に示す一連の処理を一旦終了する。

なお、写像データＤＭは、予め学習された学習済みモデルである。写像データＤＭの学習には、正規化特徴量ＮＦｖおよび油温Ｔｏｉｌに対して、実際のシャフトの状態を示すデータが正解としてラベル付けされた教師データを用いる。教師データにおける正規化特徴量ＮＦｖは、試作車等を運転することによって得られるシャフト回転速度Ｎｓｈａｆｔの時系列データに基づいてＳ１０２およびＳ１０３の処理と同様の処理にて算出した値である。写像データＤＭは、シャフトが正常である状態のデータ、シャフトが発散振動している状態のデータ、シャフトがねじり振動している状態のデータ、および、シャフトが曲げ振動している状態のデータが含まれている教師データを用いて学習される。

ここで、本実施形態の作用および効果について説明する。
ＣＰＵ４２は、シャフト回転速度Ｎｓｈａｆｔの時系列データに基づきシャフトの状態を判定する。このようにシャフト回転速度Ｎｓｈａｆｔの時系列データを参照することによって、変速装置２６に異常が生じたか否かを判定することができる。

以上説明した本実施形態によれば、さらに以下に記載する作用および効果が得られる。
（１）写像への入力変数を、シャフト回転速度Ｎｓｈａｆｔの時系列データを加工して算出する正規化特徴量ＮＦｖとした。時系列データが、図４に示すような度数分布を表すデータに加工されることによって、シャフトに異常が発生している場合にシャフト回転速度Ｎｓｈａｆｔの時系列データが示す特徴と、シャフトに異常が発生していない場合にシャフト回転速度Ｎｓｈａｆｔの時系列データが示す特徴とを判別しやすくなる。すなわち、シャフトの状態を判別する精度を向上させることができ、変速装置２６に異常が発生しているか否かを判定する精度を向上させることができる。

（２）シャフト回転速度Ｎｓｈａｆｔの時系列データを正規化特徴量ＮＦｖに加工する際には、シャフト回転速度Ｎｓｈａｆｔが階級分けされる。このため、入力変数の次数を削減することができる。これによって、シャフトの異常を判定するための処理の演算負荷を軽減することができる。

（３）シャフト回転速度Ｎｓｈａｆｔの時系列データが正規化特徴量ＮＦｖのように正規化されることで、シャフト回転速度Ｎｓｈａｆｔの絶対値の大きさに影響を受けることなく、シャフト回転速度Ｎｓｈａｆｔの変動を時系列データが示す特徴として捉えてシャフトの状態を判定することができる。

（４）写像に一度に入力される入力変数に、正規化特徴量ＮＦｖに加えて、規定期間における油温Ｔｏｉｌの平均値を含めた。これによって、オイルの温度を踏まえて状態変数の値を算出できる。異なる種類の変数を入力することによって、シャフトの状態を判定する精度を向上させることができる。

（５）ＣＰＵ４２は、出力変数ｙ（０）～ｙ（３）の値を算出すると、そのうちの最大値に基づきシャフトの状態を判定して記憶装置４６に記憶した。シャフトに異常が生じているか否かだけではなく、シャフトに異常が生じている場合にはシャフトの状態を特定することができる。すなわち、シャフトが発散振動している状態、シャフトがねじり振動している状態、または、シャフトが曲げ振動している状態を検知できる。

（６）シャフトの状態を判定した結果が記憶装置４６に記憶されるため、車両ＶＣが修理工場に持ち込まれた場合に、記憶装置４６に記憶されている異常の要因に応じた対処を行うことができる。

（７）変速装置２６に異常が生じてシャフトが振動し始めた初期の時点では、変速装置２６は、性能が低下する段階には至っていない可能性がある。シャフト回転速度Ｎｓｈａｆｔの時系列データに表れる変化を捉えてシャフトの状態を判定することによって、シャフトが異常な振動を始めたことを検知できる。すなわち、変速装置２６の性能が低下する前に異常を検知することができる。

＜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］異常判定装置は、図１の制御装置４０に対応する。実行装置は、図１のＣＰＵ４２およびＲＯＭ４４に対応する。記憶装置は、図１の記憶装置４６に対応する。写像データは、写像データＤＭに対応する。取得処理は、図２のＳ１０４の処理に対応する。判定処理は、図２のＳ１０５～Ｓ１０７の処理に対応する。［２，３］特徴量算出処理は、図２のＳ１０２，Ｓ１０３の処理に対応する。

＜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。

「制御装置が参照する値について」
・図８に示すように、制御装置４０は、油温センサ５６によって検出される油温Ｔｏｉｌに限らず車両ＶＣが備える各種センサによって検出される検出値を参照することもできる。なお、図８に示す部材のうち図１に示した部材に対応する部材については、便宜上同一の符号を付してその説明を省略する。

たとえば制御装置４０は、車輪速センサ５７によって検出される車輪速度を参照することができる。制御装置４０は、車輪速度に基づいて車速ＳＰＤを算出することができる。制御装置４０は、車両ＶＣに搭載された振動センサ５８によって検出される振動ＶＢを参照することができる。制御装置４０は、変速装置２６に搭載された音センサ５９によって検出される音ＮＺを参照することができる。

また、制御装置４０は、車両ＶＣが備える計器による測定値または他の制御装置から取得できる状態量を参照することもできる。たとえば制御装置４０は、車両ＶＣに搭載された走行距離計６０によって計測される車両ＶＣの積算走行距離ＯＤを参照することができる。制御装置４０は、制動制御装置８０から取得できるブレーキ圧ＰＢを参照することもできる。制動制御装置８０は、車両ＶＣの制動装置を対象とする制御装置である。たとえば、制動操作部材が操作される踏圧をブレーキ圧ＰＢとして参照することができる。制動装置が液圧制動装置である場合には、マスタシリンダ圧をブレーキ圧ＰＢとして参照することもできる。

「時系列データについて」
・図３にシャフト回転速度Ｎｓｈａｆｔの時系列データを例示したが、図３は、規定期間におけるシャフト回転速度Ｎｓｈａｆｔのサンプリング数を限定するものではない。

・上記実施形態の回転速度算出処理では、出力信号Ｓｍ１に基づいてシャフト回転速度Ｎｓｈａｆｔを算出する例を示した。シャフトの回転速度であるシャフト回転速度Ｎｓｈａｆｔを算出する手段は、これに限らない。たとえば、変速装置２６が備えるシャフトの回転速度は、車速ＳＰＤと相関がある。このため、シャフト回転速度Ｎｓｈａｆｔは、車速ＳＰＤに基づいて算出することもできる。また、シャフトの回転速度を検出するためのセンサを採用して、当該センサによって検出される値に基づいてシャフト回転速度Ｎｓｈａｆｔを算出することもできる。

「入力変数としての特徴量について」
・上記実施形態におけるＳ１０２の処理では、規定期間におけるシャフト回転速度Ｎｓｈａｆｔの最大値が「１」となり規定期間におけるシャフト回転速度Ｎｓｈａｆｔの最小値が「０」となるようにシャフト回転速度Ｎｓｈａｆｔの時系列データを正規化した。シャフト回転速度Ｎｓｈａｆｔの時系列データを正規化する手法は、この限りではない。たとえば、シャフト回転速度Ｎｓｈａｆｔの平均値が「０」となり分散が「１」となるようにシャフト回転速度Ｎｓｈａｆｔの時系列データを正規化することも考えられる。

・上記実施形態におけるＳ１０３の処理では、規定期間におけるシャフト回転速度Ｎｓｈａｆｔの最小値から最大値までの範囲を五等分して五つの階級に分けた。入力変数としての特徴量において階級の数が揃っているのであれば、Ｓ１０３の処理において設定する階級の数は適宜変更することができる。換言すれば、各階級の幅は、変更することができる。

・上記実施形態におけるＳ１０２およびＳ１０３の処理では、シャフト回転速度Ｎｓｈａｆｔの時系列データを正規化してから、正規化したデータを加工して度数分布を表す正規化特徴量ＮＦｖを算出した。これに限らず、シャフト回転速度Ｎｓｈａｆｔの時系列データを加工して度数分布を表す特徴量として特徴量Ｆｖを算出してから、特徴量Ｆｖに基づいて正規化特徴量ＮＦｖを算出することもできる。

・上記実施形態では、写像データＤＭによって規定される写像への入力変数として正規化特徴量ＮＦｖを例示したが、これに限らない。たとえば、シャフト回転速度Ｎｓｈａｆｔの時系列データから度数分布を表すデータである特徴量Ｆｖを算出して、特徴量Ｆｖを入力変数としてもよい。すなわち、正規化処理は必須ではない。階級の幅が調整されていない特徴量Ｆｖであっても、特徴量Ｆｖは、シャフト回転速度Ｎｓｈａｆｔの時系列データから特徴が抽出されたデータである。特徴量Ｆｖを入力変数とすることで、シャフトの状態を判定することができる。

・上記実施形態では、シャフト回転速度Ｎｓｈａｆｔの時系列データを加工した特徴量として度数分布を表すデータを例示したが、これに限らない。たとえば、シャフト回転速度Ｎｓｈａｆｔの時系列データを高速フーリエ変換して得られる周波数成分の分布を特徴量として算出することもできる。このように算出した特徴量を写像への入力変数とすることによって、周波数領域に表れる時系列データの特徴に基づいてシャフトの状態を判定することができる。すなわち、シャフト回転速度Ｎｓｈａｆｔの時系列データを周波数分析して得られる特徴に基づいてシャフトの状態を判定することができる。以下では、時系列データを高速フーリエ変換によって周波数領域に変換して特徴量を算出する処理のことを周波数分析処理と云うこともある。周波数分析処理によって算出した特徴量のことを周波数特徴量と云うこともある。

・シャフト回転速度Ｎｓｈａｆｔの時系列データを高速フーリエ変換して得られる周波数成分の分布を正規化して、正規化後の特徴量を写像への入力変数とすることもできる。すなわち、周波数分析処理では正規化した周波数特徴量を算出してもよい。たとえば、規定期間におけるシャフト回転速度Ｎｓｈａｆｔの平均値から１次周波数を算出し、１次周波数を基準として上記周波数成分を正規化する処理を行ってもよい。周波数成分を正規化することによって、周波数成分の強度に影響を受けることなく、シャフト回転速度Ｎｓｈａｆｔの時系列データを周波数分析して得られる特徴に基づいてシャフトの状態を判定することができる。

・シャフト回転速度Ｎｓｈａｆｔの時系列データを周波数分析して得られる特徴量を入力変数とする場合には、周波数領域を複数の周波数帯に区切り、各周波数帯における上記周波数成分の強度の平均値を当該周波数帯での強度としてもよい。以下、この処理を削減処理という。削減処理を行うことによって、シャフト回転速度Ｎｓｈａｆｔの時系列データを周波数分析して得られる特徴量を入力変数とする場合に、入力変数の要素を削減することができる。すなわち、シャフトが振動しているか否かを判定する処理における演算負荷を軽減することができる。

・周波数特徴量を算出する周波数分析処理の処理内容は、上記変更例の構成に限らない。
図６および図７を用いて、他の周波数分析処理の一例を説明する。図６は、シャフトがねじり振動している状態におけるシャフト回転速度Ｎｓｈａｆｔの時系列データを例示している。図６に示すように、シャフトがねじり振動している場合には、時系列データは、図３（ｂ）に示した発散振動の例とは異なる推移を示す。図７は、シャフトがねじり振動している状態におけるシャフト回転速度Ｎｓｈａｆｔの時系列データが周波数分析処理によって加工された正規化特徴量を例示している。

この周波数分析処理では、ＣＰＵ４２は、まずシャフト回転速度Ｎｓｈａｆｔの時系列データを高速フーリエ変換して得られる周波数成分の分布を特徴量として算出する。
次に、ＣＰＵ４２は、上記削減処理と同様に、周波数領域を複数の周波数帯に区切る処理を実行する。この削減処理は、実行を省略することもできる。

さらに、ＣＰＵ４２は、シャフトの振動モードがねじり振動である場合の１次共振周波数における周波数成分の強度が「１」となるように、周波数成分を正規化する処理を実行する。シャフトの共振周波数は、実験等によって予め算出された値が記憶されている。

この結果として、図７に示す例では、１次共振周波数において強度が最大値を示しており、周波数成分の強度が「０」～「１」の範囲に正規化されている。振動モードがねじり振動であり共振が発生している状態のデータでは、振動モードがねじり振動である場合の共振周波数における周波数成分の強度が他の周波数における強度と比較して相対的に高くなる。このため、ねじり振動が発生している状態のデータが入力されて、上記構成のように周波数分析処理が実行されると、図７に示すように、１次、２次、…ｎ次共振周波数における周波数成分の強度の高さが強調された周波数特徴量が算出される。

一方で、ねじり振動が発生していない状態の時系列データが周波数領域に変換されると、振動モードがねじり振動である場合の共振周波数における強度と、他の周波数における強度と、の差が大きくならないと推測できる。このため、ねじり振動が発生していない状態のデータが上記周波数分析処理によって加工されると、周波数領域の全体で度数が大きい分布になることが推測される。

このように、共振周波数における周波数成分の強度を基準にして正規化した周波数特徴量を算出することによって、シャフトの振動モードがねじり振動である場合とねじり振動ではない場合とで、シャフト回転速度Ｎｓｈａｆｔの時系列データから抽出できる特徴の違いが顕著になる。これによって、シャフトの状態を判別しやすくなる。

・上記変更例では、１次共振周波数における周波数成分の強度が「１」となるように、周波数成分を正規化する処理を例示した。これに替えて、２次共振周波数における周波数成分の強度や３次共振周波数における周波数成分の強度を基準にして周波数成分を正規化してもよい。１次共振周波数における周波数成分の強度に限らず、ｎ次共振周波数における周波数成分の強度が「１」となるように周波数成分を正規化することで、上記変更例と同様に、共振周波数における周波数成分の強度の高さが強調された正規化特徴量を算出することができる。なお、たとえば２次共振周波数における周波数成分の強度が「１」となるように正規化を行う場合、１次共振周波数における周波数成分の強度が「１」よりも大きくなることが予想される。このように「１」よりも大きい値が算出された場合には、算出された値を用いてもよいし、「１」よりも大きい値を「１」として扱ってもよい。

・上記変更例では、１次共振周波数における周波数成分の強度が「１」となるように、周波数成分を正規化する処理を例示した。周波数成分の強度の最大値を「１」とすることは必須の要件ではない。共振周波数における周波数成分の強度を基準にして、正規化した周波数特徴量を算出すればよい。

・上記変更例では、シャフトの振動モードがねじり振動である場合の共振周波数における周波数成分の強度が「１」となるように周波数成分を正規化する処理を例示した。これに替えて、シャフトの振動モードが曲げ振動である場合の共振周波数における周波数成分の強度が「１」となるように周波数成分を正規化する処理を実行してもよい。この処理によれば、上記変更例とは異なり、シャフトの振動モードが曲げ振動である場合の時系列データが入力された場合に、曲げ振動の１次、２次、…ｎ次共振周波数における周波数成分の強度の高さが強調された周波数特徴量を算出することができる。このため、シャフトの振動モードが曲げ振動である場合と曲げ振動ではない場合とで、シャフト回転速度Ｎｓｈａｆｔの時系列データから抽出できる特徴の違いが顕著になる。これによって、シャフトの状態を判別しやすくなる。

・上記実施形態における正規化特徴量ＮＦｖのように度数分布を表す特徴量と、上記変更例のような周波数分析処理によって得られる周波数特徴量と、の両者を入力変数としてもよい。異なる加工が行われたデータの組み合わせが写像に入力されることによって、時系列データが示す特徴をより判別しやすくなり、判定の精度がさらに向上することを期待できる。

・上記変更例では、シャフト回転速度Ｎｓｈａｆｔの時系列データを周波数分析して得られる特徴量を入力変数とする例を示した。これに限らず、シャフト回転速度Ｎｓｈａｆｔの時系列データを回転次数比分析して得られる特徴量を入力変数とすることもできる。

「写像への入力変数について」
・上記実施形態では、シャフト回転速度Ｎｓｈａｆｔの時系列データを加工した特徴量を写像への入力変数としているが、シャフト回転速度Ｎｓｈａｆｔの時系列データを入力変数としてもよい。たとえば、サンプリング値を入力変数とすることができる。

・上記実施形態では、油温Ｔｏｉｌの平均値を写像への入力変数としているが、これに限らない。たとえば、油温Ｔｏｉｌの時系列データを入力変数としてもよい。
・写像データＤＭによって規定される写像への入力変数に、油温Ｔｏｉｌを含めることは必須ではない。入力変数には、シャフト回転速度Ｎｓｈａｆｔの時系列データが含まれていればよい。

・写像データＤＭによって規定される写像への入力変数に、振動ＶＢを含めてもよい。
・写像データＤＭによって規定される写像への入力変数に、音ＮＺを含めてもよい。
・写像データＤＭによって規定される写像への入力変数に、積算走行距離ＯＤを含めてもよい。積算走行距離ＯＤに替えて、車両ＶＣが始動している間の積算時間を用いることもできる。この構成によれば、変速装置２６に異常が発生しているか否かを判定する際に、シャフトや軸受等の経年変化を考慮することができる。

・写像データＤＭによって規定される写像への入力変数に、ブレーキ圧ＰＢを含めてもよい。この構成によれば、変速装置２６に異常が発生しているか否かを判定する際に、車両ＶＣが減速することによる振動、および車両ＶＣの減速に伴うシャフト回転速度Ｎｓｈａｆｔの変動等を考慮することができる。

・写像データＤＭによって規定される写像への入力変数に、シャフトの諸元に基づいた各部の寸法を示す設計値を含めてもよい。設計値は、シャフトの内径、シャフトの外径およびシャフトの軸方向における長さ等である。

たとえば、シャフトの諸元に基づいた各部の寸法を示す設計値を含むシャフトデータＤＳを、図８に示すように記憶装置４６に記憶させておくことができる。ＣＰＵ４２は、シャフトデータＤＳから値を読み出して、入力変数に代入することができる。

なお、シャフトデータＤＳには、変速装置２６に搭載されているシャフトの諸元に基づいた諸元データに加えて、以下のデータが含まれていてもよい。シャフトデータＤＳに含まれるデータの一例は、シャフトの製造後に測定されたシャフトの各部の寸法を示す実測値である。シャフトデータＤＳに含まれるデータの一例は、シャフトと軸受とのはめあい公差の値である。シャフトデータＤＳに含まれるデータの一例は、シャフトのアンバランス量である。シャフトデータＤＳに含まれるデータの一例は、軸受に支えられているシャフトの同軸度である。アンバランス量および同軸度は、変速装置２６が製造される際に予め測定された値である。

・写像データＤＭによって規定される写像への入力変数に、シャフトの実測値を含めてもよい。
・写像データＤＭによって規定される写像への入力変数に、アンバランス量を含めてもよい。

・写像データＤＭによって規定される写像への入力変数に、はめあい公差の値を含めてもよい。
・写像データＤＭによって規定される写像への入力変数に、同軸度の値を含めてもよい。

・写像データＤＭによって規定される写像への入力変数に、シャフトによって伝達されるトルクの大きさを含めてもよい。
「写像について」
・ニューラルネットワークとしては、全結合順伝播型ネットワークに限らない。たとえば、１次元の畳み込みニューラルネットワークを用いてもよい。もっとも、機械学習による学習済みモデルとしては、ニューラルネットワークに限らない。たとえば、サポートベクターマシンによる分類を用いてシャフトの状態を判別してもよい。

・Ｓ１０５の処理においては、中間層の層数が１層のニューラルネットワークを例示したが、これに限らず、中間層の層数が２層以上であってもよい。
・写像としては、出力変数ｙ（０），ｙ（１），ｙ（２），ｙ（３）の四つを出力変数とするものに限らない。時系列データを加工した特徴量に基づいて特定できるシャフトの状態がさらにあれば、新たに状態変数として採用して写像の出力変数とすることができる。

・写像の出力変数に応じてシャフトに異常が発生しているか否かを判定してもよい。すなわち、写像が出力する出力変数として、シャフトに異常が発生している確率と、シャフトに異常が発生していない確率とが算出されるようにしてもよい。

・車両ＶＣの記憶装置４６には、図８に示すように複数の写像データが記憶されていてもよい。一例として、第１写像データＤＭ（Ａ１）～第３写像データＤＭ（Ａ３）の三つの写像データが記憶装置４６に記憶されていてもよい。第１写像データＤＭ（Ａ１）は、シャフトが正常である状態の正規化特徴量ＮＦｖに基づく教師データと、シャフトが発散振動している状態であるときの正規化特徴量ＮＦｖに基づく教師データとを用いて予め学習された学習済みモデルである。第２写像データＤＭ（Ａ２）は、シャフトが正常である状態の正規化特徴量ＮＦｖに基づく教師データと、シャフトがねじり振動している状態の正規化特徴量ＮＦｖに基づく教師データとを用いて予め学習された学習済みモデルである。第３写像データＤＭ（Ａ３）は、シャフトが正常である状態の正規化特徴量ＮＦｖに基づく教師データと、シャフトが曲げ振動している状態の正規化特徴量ＮＦｖに基づく教師データとを用いて予め学習された学習済みモデルである。

複数の写像データが記憶されている場合には、複数の写像データから一つの写像データを選択して、選択した写像データを用いて上記実施形態の図２に示す一連の処理の流れに従って判定処理を実行するとよい。たとえば、第１写像データＤＭ（Ａ１）を選択した場合には、シャフトの状態を示す変数である出力変数として、シャフトが正常である確率、およびシャフトが発散振動している状態である確率が算出される。ＣＰＵ４２は、算出した出力変数の最大値に基づいてシャフトの状態を判定する。たとえばＣＰＵ４２は、シャフトが正常である確率が８割以上であるという結果が示された場合には、シャフトが正常であると判定する。一方で、ＣＰＵ４２は、シャフトが発散振動している状態である確率が８割以上であるという結果が示された場合には、シャフトが発散振動していると判定する。また、ＣＰＵ４２は、シャフトが正常である確率およびシャフトが発散振動している状態である確率のいずれも８割未満であるという結果が示された場合には、発散振動とは異なる異常が発生していると判定する。

シャフトの状態を判別できるまで写像データの選択と判定処理の実行とを繰り返すことによって、一つの写像データによってシャフトの状態を判別しようとする場合と比較して、判定処理を伴う一連の処理を実行する際の一回当たりの実行装置の演算負荷を軽減することができる。これによって、変速装置２６に異常が発生しているか否かを判定する際に、実行装置の演算負荷が高くなったり判定の精度が低下したりすることを抑制できる。

・上記変更例では、複数の写像データとして第１写像データＤＭ（Ａ１）～第３写像データＤＭ（Ａ３）の三つの写像データを例示したが、二つの写像データを使い分けてもよいし、複数の写像データとして四つ以上の写像データを採用することもできる。

「記憶処理について」
・上記実施形態では、判定結果を記憶する記憶装置を、写像データＤＭが記憶されている記憶装置と同一としたが、これに限らない。

・出力変数の判定結果を記憶する記憶処理を実行する代わりに、車両ＶＣの製造メーカやデータ解析センタ等に判定結果を送信する送信処理を実行してもよい。記憶処理と送信処理とを実行することもできる。

「実行装置について」
・実行装置としては、ＣＰＵ４２とＲＯＭ４４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たとえばＡＳＩＣ等の専用のハードウェア回路を備えてもよい。すなわち、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）上記処理のすべてを、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）上記処理のすべ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。

「車両について」
・上記実施形態では、内燃機関１０、第１モータジェネレータ２２および第２モータジェネレータ２４を備えている車両ＶＣを例示した。シャフトによって動力を伝達する変速装置を備えている車両であれば、制御装置４０を適用することができ、上記実施形態と同様にシャフトの状態を判定することができる。

１０…内燃機関
２２…第１モータジェネレータ
２４…第２モータジェネレータ
２６…変速装置
３０…駆動輪
３２…オイルポンプ
４０…制御装置
４２…ＣＰＵ
４４…ＲＯＭ
４６…記憶装置
５０…クランク角センサ
５２…第１回転角センサ
５４…第２回転角センサ
５６…油温センサ
５７…車輪速センサ
５８…振動センサ
５９…音センサ
６０…走行距離計
８０…制動制御装置

Claims (17)

1. シャフトの回転によって動力を伝達する変速装置を備えた車両に適用され、
   実行装置と、記憶装置と、を備え、
   前記記憶装置には、機械学習によって学習済みの写像を規定するデータである写像データが記憶されており、
   前記写像は、前記シャフトの回転速度の時系列データを示す変数が入力変数として入力されると、前記シャフトの状態を示す変数である複数の状態変数を出力変数として出力するものであり、
   複数の前記状態変数には、前記シャフトが正常な状態であることを示す変数、前記シャフトが発散振動している状態であることを示す変数、前記シャフトがねじり振動している状態であることを示す変数、及び前記シャフトが曲げ振動している状態であることを示す変数、の４つの状態変数が含まれ、
   前記実行装置は、
   前記時系列データを示す変数を取得して前記入力変数の値とする取得処理と、
   前記入力変数の値を前記写像に入力することによって該写像が前記出力変数として出力する前記４つの状態変数の値を基に、前記変速装置に異常が発生しているか否かを判定する判定処理と、を実行する
   異常判定装置。
2. 前記実行装置は、前記時系列データを加工した特徴量を算出する特徴量算出処理を実行し、
   前記取得処理は、前記特徴量を取得して前記入力変数の値とするものであり、
   前記特徴量算出処理では、前記時系列データを構成する前記回転速度の値を該回転速度の大きさで階級分けして、各階級における度数を前記特徴量として算出する
   請求項１に記載の異常判定装置。
3. 前記特徴量算出処理は、前記回転速度の最大値が「１」となり前記回転速度の最小値が「０」となるように前記時系列データを正規化する処理を含む
   請求項２に記載の異常判定装置。
4. 前記特徴量は、時間特徴量であり、
   前記特徴量算出処理は、前記時間特徴量を算出する度数分析処理であり、
   前記実行装置は、前記時系列データを高速フーリエ変換して得られる周波数成分の分布を周波数特徴量として算出する周波数分析処理を実行し、
   前記取得処理は、前記時系列データを加工した前記時間特徴量および前記周波数特徴量を取得して前記入力変数の値とする
   請求項２または請求項３に記載の異常判定装置。
5. 前記実行装置は、前記時系列データを加工した周波数特徴量を算出する周波数分析処理を実行し、
   前記取得処理は、前記周波数特徴量を取得して前記入力変数の値とするものであり、
   前記周波数分析処理では、前記時系列データを高速フーリエ変換して得られる周波数成分の分布を前記周波数特徴量として算出する
   請求項１に記載の異常判定装置。
6. 前記周波数分析処理は、前記時系列データにおける前記回転速度の平均値に基づいて１次周波数を算出し、該１次周波数を基準として前記周波数成分を正規化する処理を含む
   請求項４または請求項５に記載の異常判定装置。
7. 前記時系列データは、前記シャフトの回転速度を検出する回転速度センサの検出信号に基づいて算出される
   請求項１～６のいずれか一項に記載の異常判定装置。
8. 前記入力変数には、前記変速装置内の作動油の温度を示す変数が含まれる
   請求項１～７のいずれか一項に記載の異常判定装置。
9. 前記入力変数には、前記シャフトが伝達するトルクの大きさを示す変数が含まれる
   請求項１～８のいずれか一項に記載の異常判定装置。
10. 前記入力変数には、前記シャフトの諸元に基づいた当該シャフトの寸法を示す変数が含まれる
    請求項１～９のいずれか一項に記載の異常判定装置。
11. 前記入力変数には、前記シャフトのアンバランス量を示す変数が含まれる
    請求項１～１０のいずれか一項に記載の異常判定装置。
12. 前記入力変数には、前記シャフトと該シャフトの軸受とのはめあい公差を示す変数が含まれる
    請求項１～１１のいずれか一項に記載の異常判定装置。
13. 前記入力変数には、前記シャフトと該シャフトの軸受との同軸度を示す変数が含まれる
    請求項１～１２のいずれか一項に記載の異常判定装置。
14. 前記入力変数には、振動を検出する振動センサによる検出値を示す変数が含まれる
    請求項１～１３のいずれか一項に記載の異常判定装置。
15. 前記入力変数には、音を検出する音センサによる検出値を示す変数が含まれる
    請求項１～１４のいずれか一項に記載の異常判定装置。
16. 前記入力変数には、車両の制動装置における液圧を示す変数が含まれる
    請求項１～１５のいずれか一項に記載の異常判定装置。
17. 前記入力変数には、車両の走行距離を示す変数が含まれる
    請求項１～１６のいずれか一項に記載の異常判定装置。