WO2010116610A1 - 故障再現を支援する診断装置および故障再現データの出力方法 - Google Patents

Abstract

　車両の電子制御装置から提供される該故障を表す故障コードに応じて故障を再現することを支援する故障診断装置であり、多数の故障車両の電子制御装置のそれぞれから提供される複数の運転パラメータに関する運転データから、少なくとも一つの故障コードについて複数の運転パラメータのそれぞれに関し前記運転データの故障コード固有の特徴を抽出する手段を備える。この装置は、さらに複数の前記故障コードに係る前記運転データから前記運転パラメータごとに複数の故障コードに係る大局的な特徴を抽出する手段、および前記少なくとも一つの故障コードについて前記故障コード固有の特徴のうち前記大局的な特徴との類似度が低い部分を、該故障コードに対応する故障を再現させるための運転データとして設定する手段を備える。

Description

故障再現を支援する診断装置および故障再現データの出力方法

　この発明は、故障を生じた車両についてその故障を再現することを支援する故障診断技術に関する。

　車両において発生した故障を診断するツールとしての診断装置は従来から知られているが、故障を修理するためには、故障を再現させて故障原因を特定することが有用である。修理工場に持ち込まれたものの故障を再現することができないときは、故障の診断が困難になる。そこで、車速、エンジン水温などの運転条件を変化させて故障が再現するよう試行錯誤を行うことになるが、これには多大な労力を要する。

　特許文献１には、車両の電子制御装置に記憶されている故障発生時の運転データを利用して、故障再現モードで車両を運転し、そのとき得られる運転データを故障発生時の運転データと比較して、運転状態が一致したことを試験者に知らせるようにした装置が記載されている。

　しかしながら、運転データは多数のパラメータにわたっており、すべてのパラメータを故障発生時のものに近づけるのは困難であり、ごく限られたパラメータだけで故障を診断するのは実効性が疑わしい。また、電子制御装置にはその車両固有の数値が瞬時値の配列として記憶されているから、故障診断に適した値の範囲を特定することができない。したがって、故障再現に適した数値範囲を設定することができない。

　また、多数の運転パラメータのうち、どのパラメータが故障再現にとって重要なのかを装置によっては特定することができず、故障診断を行う技術者のスキルに依存せざるをえない。

　一方、修理マニュアルなどで故障コードに応じた診断実行条件が提供されている場合があるが、一般的な設計基準から条件が定められているので、数値範囲の幅が大きすぎて絞り込みが難しく、故障再現は容易でない。

特許第２８０５９５８号

　このように、車両の故障再現を支援することができる診断装置および故障再現データの出力方法が必要とされている。

　この発明の故障診断装置は、車両の電子制御装置から提供される該故障を表す故障コードに応じて故障を再現することを支援する故障診断装置であり、多数の故障車両の電子制御装置のそれぞれから提供される複数の運転パラメータに関する運転データから、少なくとも一つの故障コードについて複数の運転パラメータのそれぞれに関し前記運転データの故障コード固有の特徴を抽出する手段を備える。この装置は、さらに複数の前記故障コードに係る前記運転データから前記運転パラメータごとに複数の故障コードに係る大局的な特徴を抽出する手段、および前記少なくとも一つの故障コードについて前記故障コード固有の特徴のうち前記大局的な特徴との類似度が低い部分を、該故障コードに対応する故障を再現させるための運転データとして設定する手段を備える。

　この発明の一実施形態では、故障コード固有の特徴は、運転パラメータごとの運転データのヒストグラムから抽出され、大局的な特徴は、複数の故障コードにわたる運転データから生成される運転パラメータごとのヒストグラムから抽出される。

　この発明のもう一つの実施形態では、故障コード固有の特徴および大局的な特徴は、階段関数で表される。

　また、この発明の他の実施形態では、運転データは、故障発生時の所定の期間にわたるデータであり、診断装置は、所定のパラメータについては、該運転データの最後から予め定めた時間さかのぼった区間のデータに基づいて該運転データの変化を検出し、該変化を故障再現用の情報として提供する手段を備える。

　また、この発明の一実施形態では、運転パラメータは、ユーザの操作により変化する運転環境パラメータ、車両の自動制御によって変化するデバイス環境パラメータ、および車両が置かれた環境によって変化する車両環境パラメータを含む。

　この発明の一実施形態では、故障診断装置は、故障コードが入力されることに応じて、前記設定する手段が設定した運転データを該故障コードに対応する故障を再現するための運転データとして提示する手段をさらに備える。

　この発明は、一面において故障再現データを提示し出力する方法を提供する。この方法は、車両の故障診断において、車両の電子制御装置から提供される該故障を表す故障コードに応じて故障を再現することを支援するための故障診断データを出力するためにコンピュータにより実行される。この方法は、多数の故障車両の電子制御装置のそれぞれから提供される複数の運転パラメータに関する運転データから、少なくとも一つの故障コードについて複数の運転パラメータのそれぞれに関し前記運転データの故障コード固有の特徴を抽出した特徴データ、および複数の前記故障コードに係る前記運転データから前記運転パラメータごとに複数の故障コードに係る大局的な特徴を抽出した大局的データに基づいて、前記少なくとも一つの故障コードについて前記故障コード固有の特徴と前記大局的な特徴との類似度を算出するステップを含む。

　さらに、この発明の方法は、前記少なくとも一つの故障コードについて前記故障コード固有の特徴のうち前記類似度が低い部分を、該故障コードに対応する故障を再現させるための運転データとして出力するステップを含む。

　この発明によると、車両のサービスショップのテクニシャンは、車両の故障コードをコンピュータに入力することにより、この故障コードに対応する故障を再現するに適した運転データを得ることができる。

この発明の診断機と車両との関係を表す全体的な構成図。 この発明の一実施例のプロセスを示すフローチャートであり、併せて基準データ発生装置の機能ブロック図でもある。 ヒストグラムと階段関数との関係を示す図。 ヒストグラムの変形過程を示す図。 二つの階段関数の関係を例示する図。

　次に図面を参照して、この発明の実施形態を説明する。図１は、この発明の前提となる自動車の電子制御装置に含まれるデータ収集装置14を示す。車載ネットワーク11は、車両に搭載された複数の電子制御ユニット（ＥＣＵ）間の通信を行うためのネットワークである。この実施例では、ネットワークはＦ系統とＢ系統の２つの系統に分かれているが、一つの系統のネットワークであってもよい。Ｆ系統のネットワークは、エンジンの燃料噴射制御、点火時期制御などを行うＥＣＵ、トランスミッションの制御を行うＥＣＵ，ブレーキの制御を行うＥＣＵなどいわゆる制御系の複数のＥＣＵの間で通信を行うためのネットワークである。Ｂ系統のネットワークは、パワーウィンドウやドアロックを制御するＥＣＵ、ライトを制御するＥＣＵ、エアコンなど電装品を制御するＥＣＵなどいわゆるボディ電装系の複数のＥＣＵの間で通信を行うためのネットワークである。ＥＣＵは、基本的にはコンピュータであり、マイクロプロセッサと通信モジュールで構成される。

　Ｆ系統のネットワークは、車速データ11A、エンジン水温データ11B、エンジン回転数データ11Cなどの制御系のデータ、およびECUが検出した不具合を示す不具合コード11Eをデータ収集装置（ECU）14に送る。B系統のネットワークは、エアコンなどのアクセサリ（ACC）の状態を示すデータ11Fなどのボディ電装系のECUからのデータ、およびECUが検出した不具合を示す不具合コード11Gをデータ収集装置14に送る。

　データ収集装置14は、それ自体が電子制御装置（ECU）であり、マイクロプロセッサを主要素とするコントローラ14Hによって制御される。受信部14Aは車載ネットワーク11から車両の状態を示す最新のデータを逐次受け取り、コントローラ14Hは、このデータを車両状態データメモリ14Bに逐次一時記憶させる。車両状態データメモリ14Bは、ランダムアクセスメモリ（RAM）であり、たとえば20秒間のような所定の時間幅の最新データを記憶しており、順次ファースト・イン・ファースト・アウト（ＦＩＦＯ）のシフトレジスター式に、たとえば0.2秒ごとに新しいデータで書き替えられる。

　不揮発性メモリ14Dは、電源オフ時にもバッテリから維持電流の供給を受けて記憶を維持するバックアップメモリ、またはEEPROMなどの書き替え可能のROMなどで構成される。コントローラ14Hは、不具合コード(DTC, Diagnosis Trouble Code)を受け取ると、不具合コード発生前15秒間のデータを車両状態データメモリ14Bから読み出して不揮発性メモリ14Dに保存する。このデータは、オンボード・スナップ・ショット（ＯＢＳ）と呼ばれる。この処理は、不具合コードが発生されるたびに実行され、不揮発性メモリ14Dは、複数の不具合コードに対応して複数のＯＢＳを保存する。

　この車が点検、修理のためサービス店に持ち込まれると、サービススタッフが故障診断機16の接続端子をECU14の出力端子に接続し、不揮発性メモリ14Dに保存されたデータを診断機に読み取り、診断機を利用した故障診断を行う。

　一方で、読み取った不揮発性メモリ14Dに保存されたデータを、本発明の故障再現用の基準データ設定に使用する収集データとしてデータ蓄積装置20に蓄積する。データ蓄積装置20に関連して基準データ生成装置30が設けられている。

　なお、不揮発性メモリ14Dに保存されたデータは、車が故障診断などでサービス店に持ち込まれるのを待つことなく、車載の通信装置からデータ蓄積装置へ送信されるようにして、収集データとして利用することもできる。

　表１は、一つの不具合コード発生に応じて不揮発性メモリ14Dに保存されたＯＢＳデータの一例を示す。この例では、運転パラメータとして温度センサの出力電圧(V)、空燃比（AF）センサの出力電流(mA)、燃料噴射時間（インジェクタのノズルを開く時間、msec)を示してある。この他に車速、エンジン回転数などの多数（車種によって異なるが、例えば50～60）のパラメータについてのデータがＯＢＳに含まれる。これらのパラメータを・・・で示してある。この明細書では、表１の各データフィールドに入れられたデータをエントリと呼び、その値をデータ値と呼ぶ。たとえば、同じデータ値Aを持つデータフィールドの数がN個であるときは、データ値Aのエントリ数はN個である、と表現する。

　時間は、不具合コードの発生時を基準の０秒とし、0.2秒ずつさかのぼった時間をマイナス符号で示している。

　図１および図２を参照しながら、故障再現用のデータを設定するプロセスを説明する。車両がサービスショップに持ち込まれると、スタッフが診断機16の端末装置を車両のデータ収集装置14に接続し、不揮発性メモリ14Dに記憶されたデータを読みとる。読みとられたデータは、ネットワークを介してサポートセンターに送られて車種毎に不具合コード（DTC）と該DTCに対応するOBSデータを組にしてデータ蓄積装置20に蓄積される。データ蓄積装置20には、数千から数万のオーダーの組のDTC/OBSデータが蓄積される。

　基準データ生成装置30は、汎用のコンピュータであり、データ蓄積装置20に蓄積されたデータについて図２に示すプロセスを実行して基準データを生成する。図２は、プロセスの流れの一例を示しているが、同時に基準データ生成装置30の構成を示す機能ブロック図でもある。図２のプロセスは、車種ごとに実行され、車種ごとに基準データが生成される。

　データ読み出し部31は、所与の車種についてデータ蓄積装置20に格納されているすべてのDTCについてのすべてのOBSデータを読み出す。全DTCについてパラメータごとの特徴を抽出する特徴抽出部33は、OBSデータの最後の行、すなわち表１の時間０におけるデータを運転パラメータごとに集め、データ値に対するエントリ数のヒストグラムから特徴的なデータ値の範囲を抽出する。

　図３は、所与の一つの運転パラメータについてすべてのDTCに係るOBSデータを集めたヒストグラムである。この実施例では、エントリ数Kを超えるデータ値の範囲を、当該運転パラメータの特徴範囲とする。図３（A）の例では、データ値０からｈの範囲が特徴範囲として抽出される。データ値aからbの範囲のエントリ数はしきい値Kに達しておらず、正確には特徴範囲が分断されるが、演算の効率を高めるため、この実施例では、分断された範囲を連結して一塊りの特徴範囲を抽出する。

　階段関数化部35は、こうして抽出された特徴範囲を図３(B)に示すような階段関数に変換する。この例では階段関数は、データ値0からhの範囲で１であり、それ以外のデータ値では0である。すべてのDTCに係るOBSデータから運転パラメータごとに階段関数が定義される。運転パラメータがm個(mは整数)あるとすると、階段関数f1、f2、f3、・・・・fmが生成される。任意の運転パラメータについての全DTCに基づく階段関数をf(x)で表す。階段関数f(x)は、数値１および０の配列である。

　DTCごと、パラメータごとの特徴抽出を行う特徴抽出部37は、所与の車種についてデータ蓄積装置20に格納されているOBSデータに関し、DTCごと、かつ運転パラメータごとに、表１の最後の行、すなわち時間０におけるデータを集め、データ値に対するエントリ数のヒストグラムから図３(A)に関連して説明したのと同じ手法を用いて特徴的なデータ値の範囲を抽出する。階段関数化部39は、こうして抽出されたデータ値の範囲を階段関数に変換する。DTCごと、運転パラメータごとの階段関数をg(x)で表す。階段関数g(x)は、数値１および０の配列である。

　類似度算出部41は、同じパラメータについて、DTCごとの階段関数g(x)と、全DTCに基づく特徴関数f(x)との類似度を、次の式により算出する。

　ここで使用した類似度すなわち「特徴的範囲の類似度」の定義は、内積の概念に基づいている。離散的なパラメータの場合は、類似度はベクトルの内積によって求まるベクトル間角度のコサインの値で示すことができる。上記の式はそれを連続的なパラメータの場合に拡張している。

　まず、離散的なパラメータの場合で説明すると、類似度はV と W　をベクトルとして、次の式で表される。

　ベクトルがより同じ方向を向いていれば 1 に近い値が、より直交状態に近ければ 0 に近い値となる。

　V を全体におけるその離散値パラメータの値の出現比とし、W をある DT C における出現比とすると、数２の式をそのまま適用することができる。たとえば、あるパラメータが 1、2、3、4 の値をとり、全体における出現比が 1 : 1 : 1: 3 であり、DTCにおける出現比が 0 : 0 : 0 : 1 だったとすると、V = (1 1 1 3)、W = (0 0 0 1)であり、数２から得られるコサインの値（類似度）は約 0.86となる。

　数１の式は「_連続値_パラメータの場合」であり、特徴的範囲が連続的なので、数２の式のような通常のベクトル空間の内積を用いることができない。ここで特徴的範囲を、「その特徴的範囲内で 1 、それ以外では 0 をとる関数」と定義し直すと、それらの関数には次の式のように内積を定義することができる。

　数１は、この内積と、内積によって決まる大きさ（ノルム）を用いて、通常のベクトル空間のときと同じようにコサインの値を求める式である。

　ｆ、ｇが上述のような矩形な関数であるとすると、数１の式の分子の値はｆとｇの共通範囲の大きさであり、分母はｆとｇの範囲の大きさに対し平方根をとって掛け合わせたものである。この値はｆとｇの範囲が重なっているほど1 に近づき、まったく重なっていなければ0 となり、特徴的範囲の類似度を表す。

　なお、類似度式は正確には次の式で表される。大きさ（ノルム）は内積で定義される。

　所与のDTCについてのあるパラメータの階段関数と全DTCについてのそのパラメータの階段関数との類似度が大きいことは、そのパラメータは、当該DTCを特徴づけないことを意味する。逆に、所与のDTCについてのあるパラメータの階段関数と全DTCについてのそのパラメータの階段関数との類似度が小さいことは、そのパラメータが当該DTCに固有の挙動を示し、当該TDCを特徴づけることを意味する。

　類似度が算出されると、ブロック42で類似度がしきい値より小さいかどうか判定される。特徴パラメータおよび数値範囲設定部43は、類似度がしきい値よい小さいとき、そのパラメータおよびそのデータ値の特徴範囲を、当該DTCを特徴づけるパラメータおよびそのデータ値の特徴範囲として設定する。類似度がしきい値以上であるときは、このDTCに関するプロセスを終了して次のDTCについてプロセスを進める。

　ブロック42で類似度がしきい値より小さいと判定されたパラメータについては、２次的特徴抽出部45がそのパラメータについての２次的な特徴を抽出する。表１を参照すると、２次的特徴抽出部は、DTC発生時、すなわち表１における時間０から３秒間さかのぼった期間（この期間を表１の右端にかっこで示す。）のデータ値の変化の傾きを算出し、そのデータを当該DTCにおける当該パラメータの属性として基準データに含める。たとえば、このパラメータがエンジン回転数または車速であれば、３秒間のデータ値の傾きが正ならば加速を表し、負ならが減速を表す。

　データ値の傾きは、データ値の変化量を微分して求める。たとえば、次の式で傾きを算出することができる。

　こうして、DTCごとに特徴パラメータおよび数値範囲設定部43で設定された特徴パラメータおよびその数値範囲、ならびにこの特徴パラメータについて２次的特徴抽出部45で抽出された２次的特徴が、基準データ設定部47によって設定され、サポートセンターのコンピュータの記憶装置に格納される。

　個々のサービスショップは、ネットワークを介してサポートセンターのシステムにアクセスし、この基準データを用いた故障診断を実行することができる。サービスショップは、自己のパソコンをネットワークでサポートセンターのシステムに接続してオンラインでこの基準データを使用することができる。または、サービスショップは、サポートセンターから基準データをサービスショップの診断機16にダウンロードして使用することができる。

　次に特徴パラメータおよび数値範囲設定部43が実行するプロセスの一例を説明する。データ蓄積装置20に蓄積されたデータから、あるDTCに係る多数のOBSデータに関し、あるパラメータの最後値、すなわち表１における時間０におけるデータ値を集めて、エントリ数のヒストグラムを作成する。表２は、その一例を示す。この例では、エントリ総数は100である。

　エントリ総数のa%以下のデータ値の棒を削除する。いま、a%を1%とすると、１以下のエントリ数の棒は削除されるので、表３の棒が残る。図４の例では、図４(A)のヒストグラムから図４（B）のヒストグラムに移行する。

　残った棒のうち、隣接する棒を結合してグループ化する。この例では、表４のようにグループ化される。

　こうしてできたグループのうち、カウント数がカウント総数のb%以下のものを削除する。たとえば、20%以下のグループを削除すると、グループIDが３のグループが削除され、表５のグループが残る。図４の例では、図４（B）のヒストグラムから図４（C）のヒストグラムに移行する。

　こうして得られたデータ値の範囲、0.0 - 0.1および0.3 - 0.7がこのパラメータの特徴的な数値範囲である。この二つの数値範囲を結合した数値範囲0.0 - 0.7をこのパラメータに関する基準データとなる特徴的な数値範囲とする。

　次に全DTCについてのパラメータごとに特徴抽出する特徴抽出部33およびDTCごとパラメータごとに特徴抽出する特徴抽出部37が実行するプロセスの具体例および類似度算出までのプロセスの具体例を説明する。

　表６は、全DTCについてのOBSデータからバッテリ電圧の最後値を集めた表である。ヒストグラムを作成する際の横軸のデータ値の幅、すなわち棒グラフの棒の幅の中心値に対してエントリ数を示してある。この例ではエントリ総数は901であり、仮に１台の車から一つのOBSデータが提供されたとすると、901台の車からのデータを集計したことになる。実際には、１台の車が数個のOBSデータを出すことがあるので、エントリ総数は必ずしも車の台数に対応しない。

　表７は、DTC“P3608”に係るOBSデータからバッテリ電圧の最後値を集めた表である。中心値は、表６と同じくデータ値の幅の中心値を示す。この例ではエントリ総数は12であり、１台の車が一つのDTC“P3608”を出したとすると、12台の車からだされたDTC“P3608”に係るOBSデータを集計したことになる。

　表３から表５に関連して説明した特徴範囲の抽出法におけるaを1%、bを20%とすると、表６は表８に変化し、表７は表９に変化する。表８および表９を階段関数に変形すると、表７はデータ値の範囲が11.1から14.6の階段関数f(x)になり、表９はデータ値の幅が5.8から6.5の階段関数g(x)になる。

　図５は、この二つの階段関数の関係を示す。この二つの関数の類似度は、前述の数１により算出される。図５の例の場合、二つの関数が重なる範囲がないので、数１の分子が０となり、類似度は０である。類似度が低いことは、このパラメータがDTC“P3608”を特徴づけることを意味する。この例では、判定のしきい値を０．５とし、類似度0.5以下のパラメータは当該DTCを特徴づけるものと判定する。

　したがって、サービスショップで診断作業を行なうテクニシャンからのDTC“P3608”についての問い合わせに対しては、このパラメータ名と抽出された特徴範囲に対応するデータ値範囲を故障再現のための範囲値として提示する。いまの例では、バッテリ電圧というパラメータはDTC“P3608”を特徴づけるパラメータであり、特徴的データ範囲値は、5.8～6.5Ｖである。

　次にパラメータのとるデータ値が０と１の２値である整数値パラメータの判定法を説明する。整数値パラメータには、エアコン・スイッチのオン、オフ信号、ブレーキ・スイッチのオン、オフ信号などがある。

　まず、全DTCについて対象とする整数値パラメータについて、全OBSデータの最後値を集め、０および１の出現比率を求める。いま、この比率が９対１であると、これをベクトルf(0.9, 0.1)で表す。

　次に所与のDTCのOBSデータを対象として、この整数値パラメータの最後値を集め、０および１の出現比率を求める。いま、この比率が１対９であると、これをベクトルg(0.1, 0.9)で表す。

　この二つのベクトルの類似度は、二つのベクトルの相関係数rで表すことができる。相関係数rは、次の数３で算出することができる。

　具体例として、パラメータ、PNPスイッチについて全DTCのOBSデータを集計すると表１０になり、DTC”P8630”についてOBSデータを集計すると表１１になったとする。この表から出現比率ｆおよびｇを求め、数３で演算すると、相関係数すなわち類似度は、0.675となる。類似度の判定しきい値を0.7とすると、パラメター、PNPスイッチは、DTC”P8630”の発生に深い関係がある特徴的なパラメータであると判定される。したがって、サービスショップで診断作業を行なうテクニシャンからのＤＴＣ“P8630”についての問い合わせに対しては、このパラメータ名の「PNPスイッチ」と抽出された特徴範囲に対応する０および１の出現比率「１対９」を故障再現のための設定値として提示する。

　このパラメータおよびデータ値の出現比率は、DTCごとの基準データとして基準データ設定部47が設定し、サポートセンターのコンピュータの記憶装置に格納される。

　そして、上記２つの具体例と同様にしてすべてのＤＴＣに対して、特徴的パラメータとそのデータ値範囲を提示できるように設定する。

　なお、１つのＤＴＣに対しての特徴的パラメータが１つであるとは限らず、複数の特徴的パラメータがある場合も多数存在する。

　上記２例では、わかりやすく説明するために「１つのＤＴＣに対して１つのパラメータを提示」しているが、１つのＤＴＣについて複数のパラメータが影響していて、複数のパラメータ名が提示される場合も多い。そのような場合には、個別のパラメータ設定だけでなく、提示された各パラメータごとに対応する各範囲値／出現率を故障再現用に設定して、複合した設定条件下での運転で故障再現を試みることも効果的な再現方法となる。

　以上に、この発明を具体例について説明したが、この発明はこのような具体例に限定されるものではない。

Claims (12)

1. 　車両の故障診断において、車両の電子制御装置から提供される該故障を表す故障コードに応じて故障を再現することを支援する故障診断装置であって、
   　多数の故障車両の電子制御装置のそれぞれから提供される複数の運転パラメータに関する運転データから、少なくとも一つの故障コードについて複数の運転パラメータのそれぞれに関し前記運転データの故障コード固有の特徴を抽出する手段と、
   　複数の前記故障コードに係る前記運転データから前記運転パラメータごとに複数の故障コードに係る大局的な特徴を抽出する手段と、
   　前記少なくとも一つの故障コードについて前記故障コード固有の特徴のうち前記大局的な特徴との類似度が低い部分を、該故障コードに対応する故障を再現させるための運転データとして設定する手段と、
   　を備える故障再現を支援する故障診断装置。
2. 　前記故障コード固有の特徴は、前記運転パラメータごとの運転データのヒストグラムから抽出され、前記大局的な特徴は、前記複数の故障コードにわたる運転データから生成される前記運転パラメータごとのヒストグラムから抽出される、請求項１に記載の装置。
3. 　前記故障コード固有の特徴および前記大局的な特徴は、階段関数で表される、請求項２に記載の装置。
4. 　前記運転データは、故障発生時の所定の期間にわたるデータであり、前記故障診断装置は、所定のパラメータについては、該運転データの最後から予め定めた時間さかのぼった区間のデータに基づいて該運転データの変化を検出し、該変化を故障再現用の情報として提供する手段を備える、請求項１に記載の装置。
5. 　前記運転パラメータは、ユーザの操作により変化する運転環境パラメータ、車両の自動制御によって変化するデバイス環境パラメータ、および車両が置かれた環境によって変化する車両環境パラメータを含む、請求項１に記載の装置。
6. 　故障コードが入力されることに応じて、前記設定する手段が設定した運転データを該故障コードに対応する故障を再現するための運転データとして提示する手段をさらに備える請求項１に記載の装置。
7. 　車両の故障診断において、車両の電子制御装置から提供される該故障を表す故障コードに応じて故障を再現することを支援するための故障診断データを出力するためにコンピュータにより実行される方法であって、
   　多数の故障車両の電子制御装置のそれぞれから提供される複数の運転パラメータに関する運転データから、少なくとも一つの故障コードについて複数の運転パラメータのそれぞれに関し前記運転データの故障コード固有の特徴を抽出した特徴データ、および複数の前記故障コードに係る前記運転データから前記運転パラメータごとに複数の故障コードに係る大局的な特徴を抽出した大局的データに基づいて、前記少なくとも一つの故障コードについて前記故障コード固有の特徴と前記大局的な特徴との類似度を算出するステップと、
   　前記少なくとも一つの故障コードについて前記故障コード固有の特徴のうち前記類似度が低い部分を、該故障コードに対応する故障を再現させるための運転データとして出力するステップと、
   　を含む、故障診断データの出力方法。
8. 　前記故障コード固有の特徴は、前記運転パラメータごとの運転データのヒストグラムから抽出され、前記大局的な特徴は、前記複数の故障コードにわたる運転データから生成される前記運転パラメータごとのヒストグラムから抽出される、請求項７に記載の出力方法。
9. 　前記故障コード固有の特徴および前記大局的な特徴は、階段関数で表される、請求項８に記載の出力方法。
10. 　前記運転データは、故障発生時の所定の期間にわたるデータであり、所定のパラメータについては、該運転データの最後から予め定めた時間さかのぼった区間のデータに基づいて該運転データの変化を検出し、該変化を故障再現用の情報とする、請求項７に記載の出力方法。
11. 　前記運転パラメータは、ユーザの操作により変化する運転環境パラメータ、車両の自動制御によって変化するデバイス環境パラメータ、および車両が置かれた環境によって変化する車両環境パラメータを含む、請求項７に記載の出力方法。
12. 　故障コードが入力されることに応じて、該故障コードに対応する故障を再現するための運転データを出力する、請求項７に記載の出力方法。

Images