JP7380475B2 - 異常判定装置 - Google Patents

Description

本発明は、歯車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、歯車を備える駆動機構の異常を検知する診断装置が開示されている。特許文献１における駆動機構は、シートベルトのウェビングを巻き取る機構として採用されている。特許文献１における診断装置は、ウェビングの引き出し量を検出して、当該引き出し量が所定量を超えた場合に駆動機構を異常と判定する。

特開２０１１－７９４８９号公報

特許文献１に開示されている診断装置のように異常を判定する場合には、ある時点での検出値が所定のしきい値を超えたことをもって判別できる異常については検知できる。しかし、検出値がしきい値よりも小さい範囲で推移しつつ異常が生じていないときと比較して検出値の変動幅が大きかったり小さかったりする場合も、異常が生じているおそれがある。このような特徴が検出値に表れる異常については、特許文献１に開示されている診断装置のように判定を行うのでは異常を検知することができない。

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．歯車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、前記歯車の回転数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、前記歯車の状態を示す変数である状態変数を出力変数として出力するものであり、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出力する出力変数の値を基に、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。

歯車が故障して変速装置に異常が発生している場合には、歯車の回転数の時系列データは、変速装置に異常が発生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予測できる。

上記構成によれば、歯車の回転数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、歯車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、歯車の回転数の時系列データを示す変数に基づいて、歯車の状態を判定することができる。すなわち、回転数の時系列データに基づいて、歯車の回転数の大きさのみからは捉えられない特徴を抽出して、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。

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数の値を該回転数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上記１に記載の異常判定装置である。

上記構成では、回転数の時系列データが度数分布を示す特徴量に加工される。これによって、歯車に異常が発生している場合に回転数の時系列データが示す特徴と、歯車に異常が発生していない場合に回転数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、変速装置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。

３．前記特徴量算出処理は、前記回転数の最大値が「１」となり前記回転数の最小値が「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上記２に記載の異常判定装置である。

上記構成によれば、時系列データが正規化されることで、回転数の絶対値の大きさに影響を受けることなく、回転数の変動を時系列データが示す特徴として捉えて歯車の状態を判定することができる。

４．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特徴量として算出する上記１に記載の異常判定装置である。

上記構成によれば、周波数領域に表れる時系列データの特徴に基づいて歯車の状態を判定することができる。
５．前記特徴量算出処理は、前記時系列データにおける前記回転数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上記４に記載の異常判定装置である。

上記構成によれば、周波数成分が正規化されることで、周波数成分の強度に影響を受けることなく、回転数の時系列データが示す特徴に基づいて歯車の状態を判定することができる。

６．前記特徴量算出処理は、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前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する処理を含む上記４または５に記載の異常判定装置である。

上記構成によれば、入力変数の要素を削減することができる。これによって、判定処理における演算負荷を軽減することができる。
７．前記時系列データは、前記歯車の回転数を検出する回転数センサの検出信号に基づいて算出される上記１～６のいずれか一項に記載の異常判定装置である。

８．前記時系列データは、前記車両の車速に基づいて算出される上記１～６のいずれか一項に記載の異常判定装置である。
９．前記入力変数には、前記歯車によって伝達されるトルクの大きさを示す変数が含まれる上記１～８のいずれか一項に記載の異常判定装置である。

上記構成によれば、時系列データを示す変数に加えて、トルクの大きさを示す変数が入力変数として写像に入力される。異なる種類の変数を入力することによって、変速装置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。

１０．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上記１～９のいずれか一項に記載の異常判定装置である。
上記構成によれば、変速装置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。

１１．前記入力変数には、前記歯車の諸元に基づいた当該歯車の寸法を示す変数が含まれる上記１～１０のいずれか一項に記載の異常判定装置である。
上記構成によれば、変速装置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。

１２．前記入力変数には、前記歯車のかみあい誤差を示す変数が含まれる上記１～１１のいずれか一項に記載の異常判定装置である。
上記構成によれば、歯形の誤差等が回転数の時系列データに与える影響を考慮して判定処理を行うことができる。これによって、変速装置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。

１３．前記入力変数には、前記歯車をかみ合わせたときのバックラッシの大きさを示す変数が含まれる上記１～１２のいずれか一項に記載の異常判定装置である。
上記構成によれば、バックラッシが回転数の時系列データに与える影響を考慮して判定処理を行うことができる。これによって、変速装置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。

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上記１～１３のいずれか一項に記載の異常判定装置である。
上記構成によれば、変速装置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。

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上記１～１４のいずれか一項に記載の異常判定装置である。
上記構成によれば、変速装置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。

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上記１～１５のいずれか一項に記載の異常判定装置である。
上記構成によれば、車両の減速に伴う回転数の時系列データの変動を考慮して判定処理を行うことができる。これによって、変速装置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。

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上記１～１６のいずれか一項に記載の異常判定装置である。
上記構成によれば、変速装置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。

１８．前記状態変数には、前記歯車が損傷している状態であることを示す変数が含まれる上記１～１７のいずれか一項に記載の異常判定装置である。
上記構成によれば、歯車が損傷している状態であるか否かを判定することができる。これによって、要因別に分類した異常を検知することができる。

１９．前記状態変数には、前記歯車の回転に伴って歯打ち音が発生する状態であることを示す変数が含まれる上記１～１８のいずれか一項に記載の異常判定装置である。
上記構成によれば、歯打ち音が発生する状態であるか否かを判定できる。これによって、要因別に分類した異常を検知することができる。

２０．前記状態変数には、前記歯車の回転に伴ってうなり音が発生する状態であることを示す変数が含まれる上記１～１９のいずれか一項に記載の異常判定装置である。
上記構成によれば、うなり音が発生する状態であるか否かを判定できる。これによって、要因別に分類した異常を検知することができる。

２１．前記写像は、前記入力変数が入力されると、前記歯車が損傷している状態であるか否かを示す変数である状態変数を出力変数として出力する第１写像であり、前記写像データは、前記第１写像を規定する第１写像データであり、前記判定処理は、第１判定処理であり、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第２写像データおよび第３写像データがさらに記憶されており、前記第２写像データは、前記入力変数が入力されると、前記歯車の回転に伴って歯打ち音が発生する状態であるか否かを示す変数である状態変数を出力変数として出力する第２写像を規定するデータであり、前記第３写像データは、前記入力変数が入力されると、前記歯車の回転に伴ってうなり音が発生する状態であるか否かを示す変数である状態変数を出力変数として出力する第３写像を規定するデータであり、前記実行装置は、前記入力変数の値を前記第２写像に入力することによって該第２写像が出力する出力変数の値を基に、前記変速装置に異常が発生しているか否かを判定する第２判定処理と、前記入力変数の値を前記第３写像に入力することによって該第３写像が出力する出力変数の値を基に、前記変速装置に異常が発生しているか否かを判定する第３判定処理と、を実行する上記１～１７のいずれか一項に記載の異常判定装置である。

たとえば、歯打ち音が発生するときの時系列データは、うなり音が発生するときの時系列データとは異なる。一つの写像によって歯車の複数の状態を判別しようとすると、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おそれがある。

上記構成では、歯車が損傷している状態であるか否かを検出するための第１写像と、歯打ち音が発生する状態であるか否かを検出するための第２写像と、うなり音が発生する状態であるか否かを検出するための第３写像と、が用いられる。これによって、一つの写像によって歯車の状態を判定する場合と比較して、実行装置の演算負荷を軽減することができる。また、一つの写像によって歯車の状態を判定する場合と比較して、変速装置に異常が発生しているか否かを判定する精度の低下を抑制できる。

第１の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歯車の回転数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歯車の回転数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。 第２の実施形態にかかる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。

＜第１の実施形態＞
以下、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、歯車の組み合わせによって動力を駆動輪３０に伝達する装置である。

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、回転数算出処理を実行する。回転数算出処理は、変速装置２６に搭載されている歯車の回転数として歯車回転数Ｎｇｅａｒを算出する処理である。歯車回転数Ｎｇｅａｒは、出力信号Ｓｍ１に基づいて算出される。歯車回転数Ｎｇｅａｒは、所定期間毎に算出される。歯車回転数Ｎｇｅａｒの推移が歯車回転数Ｎｇｅａｒの時系列データとして記憶装置４６に記憶される。たとえば、動力が駆動輪３０に伝達される経路上で駆動輪３０に最も近い位置に配置されている被動歯車の回転数が歯車回転数Ｎｇｅａｒとして算出される。当該被動歯車と組み合わせられる駆動歯車の回転数を歯車回転数Ｎｇｅａｒとして算出することもできる。また、駆動輪３０に最も近い位置の歯車の回転数に限らず、変速装置２６に搭載されている歯車であれば、その歯車の回転数を歯車回転数Ｎｇｅａｒとして算出してもよい。

制御装置４０は、変速装置２６の歯車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、歯車回転数Ｎｇｅａｒの時系列データおよび油温Ｔｏｉｌを取得する（Ｓ１０１）。次にＣＰＵ４２は、規定期間における歯車回転数Ｎｇｅａｒ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、規定期間における歯車回転数Ｎｇｅａｒ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、歯車に異常が生じていない場合、すなわち歯車が正常である場合における歯車回転数Ｎｇｅａｒの時系列データの一部を例示したものである。図３（ｂ）は、歯車に異常が生じている場合における歯車回転数Ｎｇｅａｒ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、歯車に異常が生じていない場合には、歯車回転数Ｎｇｅａｒ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、歯車に異常が生じている場合には、歯車回転数Ｎｇｅａｒ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。たとえば、歯車回転数Ｎｇｅａｒの値が不規則に変動する。歯車回転数Ｎｇｅａｒ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もある。

本実施形態では、規定期間における歯車回転数Ｎｇｅａｒ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歯車回転数Ｎｇｅａｒ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。歯車回転数Ｎｇｅａｒ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、規定期間における歯車回転数Ｎｇｅａｒの最大値が「１」となり規定期間における歯車回転数Ｎｇｅａｒの最小値が「０」となるように歯車回転数Ｎｇｅａｒ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、正規化後の歯車回転数Ｎｇｅａｒである。「ｎ」は、正規化の対象とする歯車回転数Ｎｇｅａｒである。「ｎｍａｘ」は、正規化前の歯車回転数Ｎｇｅａｒの最大値である。「ｎｍｉｎ」は、正規化前の歯車回転数Ｎｇｅａｒの最小値である。

ＣＰＵ４２は、Ｓ１０３の処理では、まず、規定期間における歯車回転数Ｎｇｅａｒ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、各階級における歯車回転数Ｎｇｅａｒ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、歯車に異常が発生していない場合の歯車回転数Ｎｇｅａｒ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、歯車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、歯車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歯車回転数Ｎｇｅａｒ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、歯車に異常が発生している場合の歯車回転数Ｎｇｅａｒ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、歯車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、歯車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、歯車回転数Ｎｇｅａｒ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歯車回転数Ｎｇｅａｒの最小値から最大値までの範囲を、規則的に推移する歯車回転数Ｎｇｅａｒ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、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、歯車回転数Ｎｇｅａｒの時系列データを加工した正規化特徴量ＮＦｖは、歯車に異常が発生していない場合と歯車に異常が発生している場合とで異なる特徴を示す。

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、歯車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、歯車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、歯車に異常がない状態、すなわち歯車が正常な状態である確率を示す。出力変数ｙ（１）は、歯車が損傷した状態である確率を示す。出力変数ｙ（２）は、歯打ち音が発生する状態である確率を示す。出力変数ｙ（３）は、うなり音が発生する状態である確率を示す。周知のように、歯打ち音とは、かみあう歯車の歯面同士が衝突することによって生じる音である。うなり音は、歯打ち音と比較して音の周波数が高いという特徴がある。

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、歯車の状態を判定する（Ｓ１０７）。次に、ＣＰＵ４２は、歯車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、歯車が損傷した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に記憶させた歯車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、実際の歯車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歯車回転数Ｎｇｅａｒ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、歯車が正常である状態のデータ、歯車が損傷している状態のデータ、歯打ち音が発生する状態のデータ、および、うなり音が発生す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、歯車回転数Ｎｇｅａｒの時系列データに基づき歯車の状態を判定する。このように歯車回転数Ｎｇｅａｒ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、歯車回転数Ｎｇｅａｒ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、歯車に異常が発生している場合に歯車回転数Ｎｇｅａｒの時系列データが示す特徴と、歯車に異常が発生していない場合に歯車回転数Ｎｇｅａｒ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、変速装置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）歯車回転数Ｎｇｅａｒの時系列データを正規化特徴量ＮＦｖに加工する際には、歯車回転数Ｎｇｅａｒ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、歯車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）歯車回転数Ｎｇｅａｒ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、歯車回転数Ｎｇｅａｒの絶対値の大きさに影響を受けることなく、歯車回転数Ｎｇｅａｒの変動を時系列データが示す特徴として捉えて歯車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。

（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歯車の状態を判定して記憶装置４６に記憶した。歯車に異常が生じているか否かだけではなく、歯車に異常が生じている場合にはその異常の要因を特定することができる。すなわち、歯車の損傷、歯打ち音が発生する状態、または、うなり音が発生する状態を検知できる。

（６）歯車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。

＜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。

図６に、本実施形態にかかる制御装置４０の構成を示す。なお、図６において図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。
図６に示すように、車両ＶＣの記憶装置４６には、複数の写像データが記憶されている。たとえば、第１写像データＤＭ（Ａ１）は、歯車が正常であるときの正規化特徴量ＮＦｖに基づく教師データと、歯車が損傷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、歯車が正常であるときの正規化特徴量ＮＦｖに基づく教師データと、歯打ち音が発生す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３写像データＤＭ（Ａ３）は、歯車が正常であるときの正規化特徴量ＮＦｖに基づく教師データと、うなり音が発生す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の実施形態では、第１写像データＤＭ（Ａ１）と、第２写像データＤＭ（Ａ２）と、第３写像データＤＭ（Ａ３）と、を用いて歯車の状態を判定する。
図７は、図６に示した制御装置４０が実行する処理の手順を示す。図７に示す処理は、歯車の状態を判定する処理である。図７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。

図７に示す一連の処理において、ＣＰＵ４２は、まず、歯車の状態を判定するために用いる写像データとして第１写像データＤＭ（Ａ１）を選択する（Ｓ２０１）。次にＣＰＵ４２は、第１判定処理を実行する（Ｓ２０２）。

第１判定処理は、図２に示す一連の処理の流れに従って実行される。第１判定処理に関して図２に示す一連の処理とは異なる点について説明する。ＣＰＵ４２は、Ｓ１０５の処理では、入力変数ｘ（１）～ｘ（６）を代入する写像として、第１写像データＤＭ（Ａ１）に規定される第１写像を用いる。ＣＰＵ４２は、第１写像に入力変数ｘ（１）～ｘ（６）の値を代入することによって、歯車の状態を示す変数である出力変数として、歯車が正常である確率、および歯車が損傷している状態である確率を算出する。ＣＰＵ４２は、算出した出力変数の最大値に基づいて歯車の状態を判定する。

第１判定処理において出力変数に基づいて歯車の状態を判定する流れの一例を説明する。たとえばＣＰＵ４２は、歯車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、歯車が正常であると判定する。一方で、ＣＰＵ４２は、歯車が損傷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、歯車に異常が発生していると判定して、異常の要因が歯車の損傷であると分類する。また、ＣＰＵ４２は、歯車が正常である確率および歯車が損傷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、歯車の損傷とは異なる異常が発生する状態であると判定する。

図７に戻り、ＣＰＵ４２は、第１判定処理によって歯車に異常が発生していると判定されたか否かを判定する（Ｓ２０３）。そしてＣＰＵ４２は、異常が発生していると判定する場合（Ｓ２０３：ＹＥＳ）、歯車の異常が歯車の損傷として分類されたか否かを判定する（Ｓ２０４）。

ＣＰＵ４２は、歯車の異常が歯車の損傷ではないと判定する場合（Ｓ２０４：ＮＯ）、歯車の状態を判定するために用いる写像データとして第２写像データＤＭ（Ａ２）を選択して（Ｓ２０５）、第２判定処理を実行する（Ｓ２０６）。

第２判定処理は、図２に示す一連の処理の流れに従って実行される。図２に示す一連の処理とは異なり第２判定処理では、ＣＰＵ４２は、第２写像データＤＭ（Ａ２）に規定される第２写像に入力変数ｘ（１）～ｘ（６）を代入する。ＣＰＵ４２は、歯車の状態を示す変数である出力変数として、歯車が正常である確率、および歯打ち音が発生する状態である確率を算出する。ＣＰＵ４２は、算出した出力変数の最大値に基づいて歯車の状態を判定する。ＣＰＵ４２は、第１判定処理と同様の流れで、歯車に異常が発生しているか否かを判定して、異常が発生していると判定する場合にはその要因を分類する。

図７に戻り、ＣＰＵ４２は、第２判定処理によって歯打ち音が発生していると判定されたか否かを判定する（Ｓ２０７）。歯車の異常が歯打ち音の発生ではないと判定する場合（Ｓ２０７：ＮＯ）、ＣＰＵ４２は、歯車の状態を判定するために用いる写像データとして第３写像データＤＭ（Ａ３）を選択して（Ｓ２０８）、第３判定処理を実行する（Ｓ２０９）。

第３判定処理は、図２に示す一連の処理の流れに従って実行される。図２に示す一連の処理とは異なり第３判定処理では、ＣＰＵ４２は、第３写像データＤＭ（Ａ３）に規定される第３写像に入力変数ｘ（１）～ｘ（６）を代入する。ＣＰＵ４２は、歯車の状態を示す変数である出力変数として、歯車が正常である確率、および、うなり音が発生する状態である確率を算出する。ＣＰＵ４２は、算出した出力変数の最大値に基づいて歯車の状態を判定する。ＣＰＵ４２は、第１判定処理と同様の流れで、歯車に異常が発生しているか否かを判定して、異常が発生していると判定する場合にはその要因を分類する。

なお、ＣＰＵ４２は、Ｓ２０９の処理を完了する場合、Ｓ２０４，Ｓ２０７の処理において肯定判定する場合、または、Ｓ２０３の処理において否定判定する場合には、図７に示す一連の処理を一旦終了する。

また、制御装置４０は、図６に示すように、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。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。

記憶装置４６には、図６に示すように、歯車データＤＧがさらに記憶されていてもよい。歯車データＤＧには、変速装置２６に搭載されている歯車の諸元に基づいた諸元データが含まれている。諸元データには、たとえば歯面の寸法の設計値等、歯車の各部の寸法を示す設計値が含まれている。また、歯車のかみあい誤差が予め測定され、当該かみあい誤差の値が歯車データＤＧに含まれている。さらに、歯車データＤＧには、歯車を組み合わせたときのバックラッシの大きさが含まれている。

本実施形態の作用および効果について説明する。
第２の実施形態では、歯車が損傷している状態を検出するための第１写像が規定された第１写像データＤＭ（Ａ１）と、歯打ち音が発生する状態を検出するための第２写像が規定された第２写像データＤＭ（Ａ２）と、うなり音が発生する状態を検出するための第３写像が規定された第３写像データＤＭ（Ａ３）と、が用いられる。このため、第１判定処理、第２判定処理および第３判定処理の各判定処理を実行するときには、一つの写像によって歯車の異常の要因を判別しようとする場合と比較して、実行装置の演算負荷が軽減される。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。

＜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および図６の制御装置４０に対応する。実行装置は、図１および図６のＣＰＵ４２およびＲＯＭ４４に対応する。記憶装置は、図１および図６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。［２１］第１写像データは、第１写像データＤＭ（Ａ１）に対応する。第２写像データは、第２写像データＤＭ（Ａ２）に対応する。第３写像データは、第３写像データＤＭ（Ａ３）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。

「時系列データについて」
・図３に歯車回転数Ｎｇｅａｒの時系列データを例示したが、図３は、規定期間における歯車回転数Ｎｇｅａｒ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数算出処理では、出力信号Ｓｍ１に基づいて歯車回転数Ｎｇｅａｒを算出する例を示した。歯車の回転数である歯車回転数Ｎｇｅａｒを算出する手段は、これに限らない。たとえば、変速装置２６が備える歯車の回転数は、車速ＳＰＤと相関がある。このため、歯車回転数Ｎｇｅａｒは、車速ＳＰＤに基づいて算出することもできる。また、歯車の回転数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歯車回転数Ｎｇｅａｒ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、規定期間における歯車回転数Ｎｇｅａｒの最大値が「１」となり規定期間における歯車回転数Ｎｇｅａｒの最小値が「０」となるように歯車回転数Ｎｇｅａｒの時系列データを正規化した。歯車回転数Ｎｇｅａｒ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、歯車回転数Ｎｇｅａｒの平均値が「０」となり分散が「１」となるように歯車回転数Ｎｇｅａｒ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、規定期間における歯車回転数Ｎｇｅａｒ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、歯車回転数Ｎｇｅａｒ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、歯車回転数Ｎｇｅａｒ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、歯車回転数Ｎｇｅａｒ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、歯車回転数Ｎｇｅａｒ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、歯車の状態を判定することができる。

・上記実施形態では、歯車回転数Ｎｇｅａｒ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、歯車回転数Ｎｇｅａｒ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歯車の状態を判定することができる。すなわち、歯車回転数Ｎｇｅａｒ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歯車の状態を判定することができる。

・歯車回転数Ｎｇｅａｒ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。たとえば、規定期間における歯車回転数Ｎｇｅａｒ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、歯車回転数Ｎｇｅａｒ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歯車の状態を判定することができる。

・歯車回転数Ｎｇｅａｒ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。これによって、歯車回転数Ｎｇｅａｒ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、変速装置２６に異常が発生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。

・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、上記変更例における時系列データを周波数分析して得られる特徴量と、の両者を入力変数としてもよい。異なる加工を行ったデータを組み合わせて用いることによって、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、歯車回転数Ｎｇｅａｒ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、歯車回転数Ｎｇｅａｒ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、歯車回転数Ｎｇｅａｒ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、歯車回転数Ｎｇｅａｒ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、歯車回転数Ｎｇｅａｒ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、歯車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の減速に伴う歯車回転数Ｎｇｅａｒ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、バックラッシを含めてもよい。
・写像データＤＭによって規定される写像への入力変数に、かみあい誤差を含めてもよい。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、歯形の誤差等が歯車回転数Ｎｇｅａｒに与える影響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、歯車データＤＧに含まれる歯面の寸法の設計値等、歯車の各部の寸法を示す設計値を含めてもよい。
・写像データＤＭによって規定される写像への入力変数に、歯車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歯車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歯車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。

「写像データの選択について」
・上記第２の実施形態における図７の処理では、第１写像データＤＭ（Ａ１）～第３写像データＤＭ（Ａ３）を順に選択して、選択した写像データを用いて判定処理を実施した。複数の写像データのうち一つの写像データを選択する際には、第１写像データＤＭ（Ａ１）～第３写像データＤＭ（Ａ３）の順に写像データを選択することは必須ではない。たとえば、音センサ５９によって検出される音ＮＺの周波数が、うなり音の周波数のように高い場合には、最初に第３写像データＤＭ（Ａ３）を選択するようにしてもよい。これによって、少ない試行回数で歯車の異常を特定できる場合がある。

このように、各種センサによって検出することができる検出値や、車両ＶＣの状態量に応じて写像データを選択することもできる。以下、写像データを選択する構成を例示する。

歯車が伝達するトルクが「０」に近い場合には第２写像データＤＭ（Ａ２）を最初に選択するようにしてもよい。トルクは、直流成分と交流成分とによって構成される。このため、トルクが「０」に近いときには、交流成分の影響によってトルクが「０」を跨いで脈動することがある。歯車が伝達するトルクが「０」を跨いで脈動すると、駆動歯車が時計回りに回転したり反時計回りに回転したりすることで、駆動歯車が被動歯車に打ち付けられやすくなる。すなわち、歯打ち音が発生しやすくなることがある。このような場合に第２写像データＤＭ（Ａ２）を最初に選択することで、少ない試行回数で歯車の異常を特定できる場合がある。歯車が伝達するトルクが「０」に近いか否かは、たとえば、駆動トルク指令値Ｔｒｑ＊を参照することによって判定することができる。

写像データを選択するための材料として油温Ｔｏｉｌを採用してもよい。油温Ｔｏｉｌは、オイルの粘度に影響する。オイルの粘度に応じて、オイルによって潤滑される歯車が、うなり音や歯打ち音が発生しやすい状態であるか否かを推定することができる。うなり音や歯打ち音が発生しやすい状態であると推定されるときには、第２写像データＤＭ（Ａ２）または第３写像データＤＭ（Ａ３）を選択することによって、少ない試行回数で歯車の異常を特定できる場合がある。

写像データを選択するための材料として歯車データＤＧを採用してもよい。たとえばバックラッシが大きいと、バックラッシが小さい場合と比較して歯打ち音が発生しやすいと云える。歯車データＤＧを参照して写像データを選択することによって、少ない試行回数で歯車の異常を特定できる場合がある。

写像データを選択するための材料として振動ＶＢを採用してもよい。たとえば歯打ちが起きることに伴って変速装置２６が振動することがある。振動ＶＢを参照して写像データを選択することによって、少ない試行回数で歯車の異常を特定できる場合がある。

・上記第２の実施形態では、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。

「出力変数の用途について」
・上記実施形態では、修理工場に車両ＶＣが持ち込まれた際の対応に、出力変数の算出結果を用いた。たとえば車両ＶＣの製造メーカにおいて、歯打ち音が発生する動作点を特定できると、これを避けるように設計を行うことができる。同様に、うなり音が発生する動作点を特定できると、これを避けるように設計を行うことができる。

「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。歯車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歯車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 (21)

1. 歯車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、前記歯車の回転数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、前記歯車の状態を示す変数である状態変数を出力変数として出力するものであり、
   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出力する出力変数の値を基に、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数の値を該回転数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、前記回転数の最大値が「１」となり前記回転数の最小値が「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特徴量として算出する
   請求項１に記載の異常判定装置。
5. 前記特徴量算出処理は、前記時系列データにおける前記回転数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に記載の異常判定装置。
6. 前記特徴量算出処理は、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前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する処理を含む
   請求項４または５に記載の異常判定装置。
7. 前記時系列データは、前記歯車の回転数を検出する回転数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. 前記時系列データは、前記車両の車速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。
9. 前記入力変数には、前記歯車によって伝達され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１～９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、前記歯車の諸元に基づいた当該歯車の寸法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、前記歯車のかみあい誤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、前記歯車をかみ合わせたときのバックラッシの大きさ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。
18. 前記状態変数には、前記歯車が損傷している状態であることを示す変数が含まれる
    請求項１～１７のいずれか一項に記載の異常判定装置。
19. 前記状態変数には、前記歯車の回転に伴って歯打ち音が発生する状態であることを示す変数が含まれる
    請求項１～１８のいずれか一項に記載の異常判定装置。
20. 前記状態変数には、前記歯車の回転に伴ってうなり音が発生する状態であることを示す変数が含まれる
    請求項１～１９のいずれか一項に記載の異常判定装置。
21. 前記写像は、前記入力変数が入力されると、前記歯車が損傷している状態であるか否かを示す変数である状態変数を出力変数として出力する第１写像であり、
    前記写像データは、前記第１写像を規定する第１写像データであり、
    前記判定処理は、第１判定処理であり、
    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第２写像データおよび第３写像データがさらに記憶されており、
    前記第２写像データは、前記入力変数が入力されると、前記歯車の回転に伴って歯打ち音が発生する状態であるか否かを示す変数である状態変数を出力変数として出力する第２写像を規定するデータであり、
    前記第３写像データは、前記入力変数が入力されると、前記歯車の回転に伴ってうなり音が発生する状態であるか否かを示す変数である状態変数を出力変数として出力する第３写像を規定するデータであり、
    前記実行装置は、前記入力変数の値を前記第２写像に入力することによって該第２写像が出力する出力変数の値を基に、前記変速装置に異常が発生しているか否かを判定する第２判定処理と、前記入力変数の値を前記第３写像に入力することによって該第３写像が出力する出力変数の値を基に、前記変速装置に異常が発生しているか否かを判定する第３判定処理と、を実行する
    請求項１～１７のいずれか一項に記載の異常判定装置。