中心坐標(biāo)的平均、用于表現(xiàn)橢圓形狀的載荷矩陣和方差、表示2個橢圓中的傳感器數(shù)據(jù)的比例的混合比。在混合正態(tài)分布近似的情況下，作為特征計算作為特征量604的橢圓的中心坐標(biāo)的平均、用于表現(xiàn)橢圓的形狀的協(xié)方差矩陣、表示2個橢圓的傳感器數(shù)據(jù)的比例的混合比。根據(jù)該方法，能夠只根據(jù)異常(故障)時的數(shù)據(jù)對故障進(jìn)行分類。此外，上述特征是示例，也可以是其他特征。另外，上述方法是示例，也可以使用其他機(jī)械學(xué)習(xí)的方法。
[0049]在步驟504中，將學(xué)習(xí)部202學(xué)習(xí)的特征信息與車種、故障種類、故障原因關(guān)聯(lián)地存儲在學(xué)習(xí)結(jié)果存儲部203中。
[0050]在步驟505中，判定學(xué)習(xí)部202是否針對與追加的樣本相應(yīng)的全部故障原因結(jié)束了學(xué)習(xí)。如果對全部的故障原因結(jié)束了學(xué)習(xí)，則前進(jìn)到步驟506。如果沒有對全部的故障原因結(jié)束學(xué)習(xí)，則返回到步驟502，讀入沒有結(jié)束學(xué)習(xí)的故障原因的傳感器數(shù)據(jù)。
[0051]在步驟506中，結(jié)束學(xué)習(xí)流程。
[0052]學(xué)習(xí)結(jié)果存儲部203是存儲與故障的信息關(guān)聯(lián)的學(xué)習(xí)結(jié)果的部分，存儲有車輛的車種、故障種類、故障原因、每個故障原因的學(xué)習(xí)結(jié)果。由學(xué)習(xí)部202對每個故障原因在特征的學(xué)習(xí)結(jié)束的定時寫入這些信息。在圖7中表示學(xué)習(xí)結(jié)果存儲部203的層級構(gòu)造。
[0053]圖7表示實施例的學(xué)習(xí)結(jié)果存儲部203的層級構(gòu)造。車種層級700存儲有車種α、……。故障種類層級701存儲有故障種類a、b、……。在故障原因?qū)蛹?02中存儲有與故障種類層級701的故障種類關(guān)聯(lián)的故障原因A、B……X。例如，在故障種類層級701中存儲有引擎停止的情況下，在故障原因?qū)蛹?02中作為故障原因A、B、……X存儲龜裂、堵塞、傳感器故障。在學(xué)習(xí)結(jié)果層級703中存儲有與車種、故障種類、故障原因關(guān)聯(lián)的學(xué)習(xí)結(jié)果O
[0054]影響度計算部204使用學(xué)習(xí)結(jié)果存儲部203的信息，計算對每個故障種類存在的故障原因?qū)Ψ诸惖挠绊懙某潭葋碜鳛橛绊懚?，將其結(jié)果寫入影響度存儲部205中。由學(xué)習(xí)部202進(jìn)行特征的學(xué)習(xí)，在結(jié)束了學(xué)習(xí)流程的定時執(zhí)行該處理。
[0055]在本實施例中，作為影響度的例子記載有效度、可靠度、傳感器值的特征、分類性能。有效度是各傳感器對故障原因之間的特征的差的貢獻(xiàn)的程度，可靠度、傳感器值的特征、分類性能成為用于檢查是否能夠信任上述有效度的指標(biāo)。有效度也可以表現(xiàn)為輸出了傳感器數(shù)據(jù)的傳感器對故障原因之間的特征的差的貢獻(xiàn)的程度。
[0056]在圖8中表示影響度計算部204的處理的概要。在圖9的流程圖中表示影響度計算部204的處理的詳細(xì)。
[0057]圖8是說明影響度計算部204的概要的圖。圖8由傳感器軸801、802、群803、804、805、806、差分向量807構(gòu)成。
[0058]傳感器軸801、802表現(xiàn)進(jìn)行多變量分析時的各傳感器的軸。群803、804、805、806分別表示故障原因A的群編號1、故障原因A的群編號2、故障原因B的群編號1、故障原因B的群編號2。群803、804、805、806是由學(xué)習(xí)部202對每個故障原因抽出的多個特征量604。差分向量807相當(dāng)于用于計算影響度的特征的差分。
[0059]影響度計算部204從2個故障原因的特征中抽出類似的特征。通過對抽出的類似的特征進(jìn)行比較，來計算各傳感器的優(yōu)先度作為對故障原因分類的影響的程度。
[0060]在圖8中，在分類作為故障原因A的群1、2的群803、804和作為故障原因B的群1、2的群805、806時應(yīng)該關(guān)注的傳感器是傳感器軸802的傳感器。這是因為在傳感器軸801的傳感器上存在故障原因A和故障原因B的可取值的范圍重疊的區(qū)域。即，在群804、805，在傳感器軸801中存在的區(qū)域大致相同。在這樣的傳感器軸，難以進(jìn)行故障原因分類。另一方面，在傳感器軸802，不存在故障原因A和故障原因B的群的可取的范圍重疊的區(qū)域。因此，根據(jù)傳感器軸802，容易進(jìn)行故障原因分類。因此，通過對傳感器軸802那樣的傳感器賦予高的影響度，來支援用戶的選擇。為了計算這樣的影響度，對類似的特征進(jìn)行比較是有效的。
[0061]在圖8中在故障原因之間類似的特征是作為故障原因A的群2的群804、作為故障原因B的群I的群805。作為這些特征的差分的差分向量807朝向與被認(rèn)為對故障原因分類有效的傳感器軸802相同的方向，容易賦予高的影響度。
[0062]在車輛等機(jī)械中，發(fā)現(xiàn)故障的動作狀況對于每個故障的原因有各種各樣。另外，根據(jù)動作狀況，有時各傳感器的特性有很大變化。因此，只比較2個故障原因的特征，不僅抽出故障原因造成的影響的差，還會抽出發(fā)現(xiàn)了故障的動作狀況的差、傳感器的特性的變化這樣的許多差異。因此，難以抽出對于故障原因的分類真正有效果的傳感器。
[0063]在本實施例中，為了消除這樣的困難，通過將2個故障原因之間特別類似的特征彼此進(jìn)行比較，來明確類似的動作狀況下的傳感器的特性的差，計算影響度來作為用于選擇對故障原因分類有效的傳感器的指標(biāo)。后述的影響度可以表現(xiàn)為指標(biāo)的一個例子。
[0064]假設(shè)通過類似的特征以外的組合計算特征的差分，計算影響度的情況如下。考慮通過作為故障原因A的群I的群803與作為故障原因B的群2的群806的比較來計算影響度的情況。在該情況下，特征的差分向量成為從群806朝向群803的方向的差分向量808。這樣的差分向量808不僅包含被認(rèn)為對故障原因分類有效的傳感器軸808，還包含被認(rèn)為對故障原因分類無效的傳感器軸801的成分。因此，通過類似的特征以外的組合得到的差分向量808還包含對故障原因分類無效的傳感器軸的信息，因此難以向?qū)收显蚍诸愑行У膫鞲衅鬏S賦予高的影響度。因此，為了向?qū)收显蚍诸愑行У膫鞲衅髻x予高的影響度，對類似的特征進(jìn)行比較是重要的。另外，通過這樣向?qū)收显蚍诸愑行У膫鞲衅髻x予高的影響度，可以不使用正常時的數(shù)據(jù)，僅根據(jù)異常(故障)時的數(shù)據(jù)就能夠高精度地分類故障。
[0065]圖9是表不影響度計算部204的處理流程的圖，是表不得到作為影響度的一個例子的有效度的流程的圖。在步驟901中，影響度計算部204開始影響度計算流程。在學(xué)習(xí)部202針對在故障DB201中追加的全部樣本進(jìn)行特征的學(xué)習(xí)，結(jié)束了學(xué)習(xí)流程的定時，執(zhí)行該處理。
[0066]在步驟902中，影響度計算部204選擇一個故障種類。關(guān)于選擇的故障種類，從學(xué)習(xí)部202新學(xué)習(xí)的故障種類中選擇。因此，影響度計算部204在每次向故障DB201追加樣本時，關(guān)于追加的樣本內(nèi)的傳感器數(shù)據(jù)的故障種類計算有效度。
[0067]在步驟903中，影響度計算部204從學(xué)習(xí)結(jié)果存儲部203讀入實質(zhì)上同一故障種類中的至少2個故障原因的學(xué)習(xí)結(jié)果(作為一個表現(xiàn)是特征)。例如，在故障種類是引擎停止時的情況下，存在發(fā)生龜裂時的學(xué)習(xí)結(jié)果、發(fā)生堵塞時的學(xué)習(xí)結(jié)果、發(fā)生傳感器故障時的學(xué)習(xí)結(jié)果這3個學(xué)習(xí)結(jié)果。因此，存在發(fā)生龜裂時的學(xué)習(xí)結(jié)果和發(fā)生堵塞時的學(xué)習(xí)結(jié)果、發(fā)生龜裂時的學(xué)習(xí)結(jié)果和發(fā)生傳感器故障時的學(xué)習(xí)結(jié)果、發(fā)生堵塞時的學(xué)習(xí)結(jié)果和發(fā)生傳感器故障時的學(xué)習(xí)結(jié)果這3種組合，分別對其進(jìn)行學(xué)習(xí)結(jié)果的比較。
[0068]在步驟904中，影響度計算部204對2個故障原因的學(xué)習(xí)結(jié)果(作為一個表現(xiàn)是特征)進(jìn)行比較，抽出類似的特征。
[0069]首先，記述作為學(xué)習(xí)算法采用了混合概率主成分分析的情況。這時，即使是一個故障原因也存在群數(shù)的個數(shù)的特征。例如在群數(shù)是3的情況下，存在群編號I的平均、載荷矩陣、方差、混合比這樣的特征、群編號2的平均、載荷矩陣、方差、混合比這樣的特征、以及群編號3的平均、載荷矩陣、方差、混合比這樣的特征。因此，對發(fā)生龜裂時的群編號I?3的特征和發(fā)生堵塞時的群編號I?3的特征進(jìn)行比較，從發(fā)生龜裂時特征和發(fā)生堵塞時的特征中抽出類似的特征的組合。例如，在通過學(xué)習(xí)結(jié)果的平均進(jìn)行的比較中，使用公式I那樣的指標(biāo)。群可以有各種表現(xiàn)，但作為一個表現(xiàn)，可以表現(xiàn)為規(guī)定的樣本數(shù)據(jù)的集合。
[0070]在此，(Ii,」表示2個特征的差，符號1701表示向量的模。μ表示平均，下標(biāo)i，crack表示是龜裂的群編號i的平均，下標(biāo)j，choke表示是堵塞的群編號j的平均。類似的特征是指2個特征的差d小于規(guī)定的值的(i，j)的組合。因此，抽出du減小那樣的與故障原因是龜裂的第i個群、故障原因是堵塞的第j個群相關(guān)的平均、載荷矩陣、方差、混合比這樣的特征?？梢詫⑻卣鞅憩F(xiàn)為包含與群有關(guān)的信息。
[0071]此外，也根據(jù)平均以外的特征進(jìn)行類似的組合的抽出。公式2表示基于載荷矩陣進(jìn)行的比較。
[0072]在此，