具体实施方式

以下，参照附图，说明与异常声音的产生部位确定方法相关的本发明的第一实施方式。

如图1所示，车辆的动力分割装置10具备包括太阳齿轮S、行星轮架C以及齿圈R的行星齿轮机构。内燃机12的曲柄轴12a机械性地连结于动力分割装置10的行星轮架C，第一电动发电机14的旋转轴14a机械性地连结于太阳齿轮S，第二电动发电机16的旋转轴16a机械性地连结于齿圈R。另外，驱动轮30经由具备离合器C1、C2、制动器B1、B2、单向离合器F1的变速装置20机械性地连结于齿圈R。

对变速装置20供给从动轴与动力分割装置10的行星轮架C机械性地连结的油泵40排出的工作油。控制装置50将车辆作为控制对象，控制内燃机12的转矩、排气成分比率、第一电动发电机14的转矩、第二电动发电机16的转矩等控制量。控制装置50为了对控制量进行控制，参照曲柄角传感器90的输出信号Scr、感知第一电动发电机14的旋转轴14a的旋转角度的第一旋转角度传感器92的输出信号Sm1、感知第二电动发电机16的旋转轴16a的旋转角度的第二旋转角度传感器94的输出信号Sm2。另外，控制装置50参照由车速传感器96检测的车速SPD。

控制装置50具备CPU52、ROM54、周边电路56以及通信机58，它们能够经由本地网络59进行通信。在此，周边电路56包括生成规定内部的动作的时钟信号的电路、电源电路、复位电路等。控制装置50通过由CPU52执行存储于ROM54的程序，从而对控制量进行控制。

控制装置50能够经由通信机58与车辆的用户的便携终端60进行通信。便携终端60具备CPU62、作为能够电性地改写的非易失性存储器的存储装置63、ROM64、麦克风65、周边电路66、例如LCD等显示部67、重叠地配置于显示部67的触摸面板61、扬声器SP以及通信机68，它们能够经由本地网络69进行通信。

便携终端60除了能够经由通信机68与控制装置50进行通信之外，还能够经由全球网络70与其它便携终端60、数据解析中心80进行通信。此外，在图1中，作为其它便携终端60，例示出未图示CPU62等的内部构造的一个便携终端60。

数据解析中心80具备CPU82、作为能够电性地改写的非易失性存储器的存储装置83、ROM84、周边电路86以及通信机88，它们能够经由本地网络89进行通信。

图1所示的系统构成确定在车辆中产生的异常声音的产生部位的系统。以下，详述与异常声音的产生部位的确定方法有关的处理。图2A和图2B示出车辆的控制装置50以及该车辆的用户的便携终端60执行的处理的次序。详细而言，图2A所示的处理通过由控制装置50的CPU52例如以预定周期反复执行存储于ROM54的程序而实现。另外，图2B所示的处理通过由便携终端60的CPU62例如以预定周期反复执行存储于存储装置63的应用程序63a而实现。此外，以下，利用在前头赋予有“S”的数字表达各处理的步骤编号。另外，以下，依照由控制装置50和便携终端60执行的处理的时间序列，说明图2A和图2B的处理。

在图2A所示的一连串的处理中，CPU52首先判定与便携终端60的同步是否确立(S10)。然后，CPU52在判定为同步确立的情况下(S10：是)，获取车辆的驱动系统装置的状态变量(S12)。在本第一实施方式中，状态变量中包括车速SPD、内燃机12的曲柄轴12a的转速NE、第一电动发电机14的旋转轴14a的转速Nm1、第二电动发电机16的旋转轴16a的转速Nm2。在此，将曲柄角传感器90的输出信号Scr作为输入，由CPU52计算转速NE。另外，将第一旋转角度传感器92的输出信号Sm1作为输入，由CPU52计算转速Nm1。另外，将第二旋转角度传感器94的输出信号Sm2作为输入，由CPU52计算转速Nm2。

另外，状态变量中包括作为表示基于变速装置20的变速比的变量的变速比变量Vsft、作为为了生成车辆所需的动力而内燃机12所需的转矩的所需转矩Trqed、以及其每单位时间的变化量ΔTrqed。另外，状态变量中包括作为为了生成该动力而第一电动发电机14所需的转矩的所需转矩Trqmg1、以及其每单位时间的变化量ΔTrqmg1、作为为了生成该动力而第二电动发电机16所需的转矩的所需转矩Trqmg2、以及其每单位时间的变化量ΔTrqmg2。此外，所需转矩Trqmg1、Trqmg2未必限于正的值。即，例如，有时还为了由动力分割装置10适当地分割内燃机12的动力，所需转矩Trqmg1成为与发电对应的符号。另外，在需要车辆减速时等对车辆需要负的动力时，所需转矩Trqmg2成为与发电对应的符号。

变化量ΔTrqed、ΔTrqmg1、ΔTrqmg2为与异常声音具有强的正相关性的变量。即，如在图3中关于变化量ΔTrqed例示那样，当变化量ΔTrqed变大时，容易产生异常声音。特别是，在转矩从正以及负这一对符号的一方切换到另一方时，容易产生异常声音，所以切换时的转矩的变化量可以成为在确定异常声音方面有力的信息。因而，除了使用所需转矩Trqed、Trqmg1、Trqmg2之外，还使用它们的变化量ΔTrqed、ΔTrqmg1、ΔTrqmg2，从而能够得到所需转矩Trqed、Trqmg1、Trqmg2的符号被切换时的变化量的信息这样的、在确定异常声音方面特别有力的信息。

返回到图2A和图2B，状态变量中包括抵消转矩(cancle torque)Trqcan以及推进转矩(push torque)Trqpush。抵消转矩Trqcan是为了在动力分割装置10中将以内燃机12的燃烧行程的出现间隔为周期的内燃机12的转矩的周期性的变动抵消而由第一电动发电机14以及第二电动发电机16赋予给动力分割装置10的转矩。抵消转矩Trqcan为适当地分配给针对第一电动发电机14的所需转矩Trqmg1以及针对第二电动发电机16的所需转矩Trqmg2而重叠的转矩。

在图4中，用虚线表示内燃机12的转矩，用实线表示内燃机12的转矩与抵消转矩Trqcan的合计的转矩。抵消转矩Trqcan如图4中的点划线所示与内燃机12的转矩同样地周期性地变动，但在本第一实施方式中，作为当作上述状态变量的抵消转矩Trqcan，使用其振幅值。这是对抵消转矩Trqcan的大小进行定量化的一个手法。

另一方面，推进转矩Trqpush为用于抑制动力分割装置10的齿轮系的松动所引起的异常声音的转矩，是由第一电动发电机14赋予给动力分割装置10的转矩。例如在满足仅通过第二电动发电机16的动力对驱动轮30赋予驱动力的意思的条件等预先决定的条件的情况下，由CPU52计算推进转矩Trqpush。

返回到图2A和图2B，CPU52当获取到状态变量时，对通信机58进行操作来发送状态变量(S14)。

相对于此，如图2B所示，CPU62判定与控制装置50的同步是否确立(S20)。然后，CPU62在判定为同步确立的情况下(S20：是)，对显示部67进行操作，从而将应该将便携终端60配置于车辆的哪个部位的指示信息显示于显示部67(S22)。

在图5中，例示显示于显示部67的指示信息。在本第一实施方式中，设想为了利用便携终端60对到达用户的头部的异常声音进行录音，将便携终端60配置于驾驶座的头部。因此，CPU62将其意思的信息即“请将便携终端配置于驾驶座的头部。”这样的指示信息作为视觉信息而显示于显示部67。

返回到图2B，CPU62开始接收从控制装置50发送的上述状态变量(S24)。接下来，CPU62开始麦克风65的输出信号的录音(S26)。然后，CPU62根据麦克风65的输出信号，监视是否有从用户感知到异常声音的意思的讯号(S28：否)。在此，例如预先制定“现在”、“开始”、“噪声”等讯号，监视有无该讯号。然后，CPU62在判定为有讯号的情况下(S28：是)，将麦克风65在由有讯号的时间点的前后预定时间构成的预定期间捕捉到的声音信号的时间序列数据与接收到的状态变量的时间序列数据关联起来存储于存储装置63(S30)。即，CPU62将在有讯号的定时的预定时间前以后接收到的状态变量和该预定时间前以后的声音信号存储于存储装置63。此外，CPU62除去脱离预定期间的数据。

CPU62执行S30的处理，直至判定为从讯号起经过预定时间为止，换言之直至判定为预定期间结束为止(S32：否)。然后，CPU62在判定为经过了预定时间的情况下(S32：是)，对通信机68进行操作，将状态变量的发送停止指令发送到控制装置50(S34)。

相对于此，如图2A所示，CPU52当接收到发送停止指令时(S16：是)，使状态变量的发送处理停止(S18)。此外，CPU52在S18的处理完成的情况、在S10的处理中做出否定判定的情况下，暂且结束图2A所示的一连串的处理。

另一方面，如图2B所示，CPU62使状态变量的接收处理以及录音处理停止(S36)。接下来，CPU62获取车辆的车窗的开闭状态、以及识别车辆所处的位置是市区、还是高速公路、还是在停车场停止等预先规定的几个状况的车辆的状况识别信息(S38)。该处理是由CPU62对显示部67进行操作来使催促用户输入车辆的车窗的开闭状态以及车辆的状况识别信息的视觉信息显示于显示部67而实现的。即，用户根据显示于显示部67的视觉信息，经由触摸面板61输入车窗的开闭状态以及车辆的状况识别信息。

接下来，CPU62对通信机68进行操作，将声音信号、状态变量以及附加变量发送到数据解析中心80(S40)。在本第一实施方式中，附加变量为作为表示车窗的开闭状态的变量的车窗变量Vw和作为表示车辆的状况识别信息的变量的识别变量Vst。此外，CPU62在S40的处理完成的情况、在S20的处理中做出否定判定的情况下，暂且结束图2B所示的一连串的处理。

图6示出数据解析中心80执行的处理的次序。图6所示的处理是由CPU82例如以预定周期反复执行存储于ROM84的程序而实现的。

在图6所示的一连串的处理中，CPU62首先接收从便携终端60发送的、声音信号、状态变量以及附加变量(S50)。接下来，CPU82执行根据声音信号生成特征量并将该特征量作为声音变量的处理(S52)。在本第一实施方式中，声音变量中包括声音信号的强度(dB)为预定值以上的持续时间T1。

图7例示持续时间T1。在图7所示的例子中，声音信号的强度经过时刻ta～tb的期间而成为预定值A1以上，将成为预定值A1以上的持续时间T1作为声音变量。

返回到图6，声音变量中包括突出频率fpr以及突出量Ipr，该突出频率fpr为声音信号的强度比在低频侧以及高频侧邻接的频带突出的频带的频率。

图8例示突出频率fpr以及突出量Ipr。如图8所例示那样，当具有声音信号的强度突出的部分时容易成为异常声音，鉴于此，在本第一实施方式中，将突出频率fpr以及突出量Ipr作为声音变量。此外，设为CPU82在作为对象的频带的声音信号的强度比低频侧以及高频侧的声音信号的强度大预定量以上的情况下，定义突出频率fpr以及突出量Ipr。

返回到图6，声音变量中包括与动力分割装置10、变速装置20的齿轮系的啮合有关的频率分量的声压Ima1、Imb1、Imc1、Imd1、以及各个频率分量的第“n－1:n＝2～5”次高次谐波分量的声压Iman、Imbn、Imcn、Imdn。在此，与齿轮系的啮合有关的频率是指例如动力分割装置10的太阳齿轮S以及行星轮架C的齿轮的啮合发生变化所需的时间的倒数等。CPU62能够将转速NE、Nm1、Nm2作为输入，根据太阳齿轮S的齿数和行星轮架C的齿数，计算作为太阳齿轮S以及行星轮架C的齿轮的啮合发生变化所需的时间的倒数的与太阳齿轮S以及行星轮架C的啮合有关的频率。

在本第一实施方式中，CPU82将转速NE、Nm1、Nm2作为输入，计算与a、b、c、d分别对应的四个频率作为与啮合有关的频率。在本第一实施方式中，作为该四个频率，除了上述频率之外，例如例示与齿圈R以及行星轮架C的啮合有关的频率、与变速装置20的反转齿轮的啮合有关的频率等。

具体而言，CPU82通过傅里叶变换计算声音信号的时间序列数据的各频率分量的强度，从而计算上述声压Iman～Imdn(n＝1～5)。然后，CPU82将通过S50的处理接收到的状态变量以及附加变量和通过S52的处理生成的声音变量输入到特征量F，该特征量F成为根据存储于图1所示的存储装置83的映射数据83a规定的、输出异常声音的产生部位的映射的输入(S54)。接下来，CPU82对映射的输入变量x(1)～x(38)分别分配特征量F(S56)。

然后，CPU82计算映射的输出(S58)。本第一实施方式的映射为将输入变量x(0)～x(38)作为输入的、中间层为一层的神经网络。详细而言，CPU82当使用中间层的节点数n1时，将输入变量x(0)～x(38)输入到根据系数wFjk(k＝0～38，j＝0～n1)规定的线性映射，计算“n1+1”维的输出值。然后，CPU82将这些输出值分别输入到激活函数f，从而求出输出值，将所求出的输出值输入到根据系数wSij(j＝0～n1)规定的线性映射，求出针对评分原型变量yi的输出值，从而计算评分原型变量yi。在此，作为激活函数f，例如使用ReLU(RectifiedLinear Unit，修正线性单元)、双曲正切即可。此外，输入变量x(0)为偏置参数，对输入变量x(0)始终代入“1”。

然后，CPU62通过Softmax函数对评分原型变量y1、y2、y3、…进行标准化，计算评分Sc(1)、Sc(2)、Sc(3)、…。在此，评分Sc(2)、Sc(3)、Sc(4)…分别表示异常声音的产生部位的概率，评分Sc(1)表示无法确定为评分Sc(2)、Sc(3)、Sc(4)…分别表示概率的异常产生部位处的异常的概率。

接下来，CPU82抽取评分Sc(1)、Sc(2)、Sc(3)、…中的最大的评分Sc(m)(S60)。然后，CPU62使用存储于图1所示的存储装置83的主要原因确定数据83b，根据抽取出的评分Sc(m)的变量m，确定产生异常声音的主要原因(S62)。

图9例示根据主要原因确定数据83b规定的、评分Sc(1)、Sc(2)、Sc(3)、…中的最大的评分与此时的异常声音的产生部位的关系的一部分。在图9中，例示出在评分Sc(1)最大的情况下，判定结果是无法确定是主要原因确定数据83b所规定的产生部位的候补中的哪个候补的意思。另外，在图9中，例示在评分Sc(2)最大的情况下，判定结果是油泵40为异常声音产生部位的意思。另外，在图9中，示出在评分Sc(3)最大的情况下判定结果是第一电动发电机14为异常声音产生部位的意思，在评分Sc(4)最大的情况下判定结果是第二电动发电机16为异常声音产生部位的意思。另外，在图9中，示出在评分Sc(5)最大的情况下判定结果是动力分割装置10的齿圈R以及行星轮架C的啮合为异常声音产生部位的意思，在评分Sc(6)最大的情况下判定结果是动力分割装置10的太阳齿轮S以及行星轮架C的啮合为异常声音产生部位的意思。另外，在图9中，示出在评分Sc(7)最大的情况下判定结果是变速装置20的反转齿轮的啮合为异常产生部位的意思。

返回到图6，CPU82当确定主要原因时，对通信机88进行操作来将确定结果通知给便携终端60(S64)。在此，在确定了异常声音的产生部位的情况下，通知产生部位的确定结果和想要让用户进行的行为。另外，在无法确定异常声音的产生部位的情况下，通知其意思和想要让用户进行的行为。在此，与想要让用户进行的行为有关的信息可以是与应该何时前往哪个修理工场有关的信息。这例如能够通过在主要原因确定数据83b中与异常产生部位关联地包含与应对方法有关的信息而实现。顺便说一下，在S64的处理中，也可以除了通知给用户的便携终端60之外，还向最近的修理工场通知用户的ID和确定结果。

此外，CPU82在S64的处理完成的情况下，暂且结束图6所示的一连串的处理。

而且，之后，当用户将车辆带入到修理工场时，在产生部位被确定的情况下，调查所确定的产生部位。然后，在基于S62的处理的确定结果正确的情况下，进行更换该产生部位的部件等的处置。相对于此，当在通过S62的处理而确定的产生部位处未发现异常的情况下，调查其它主要原因。然后，在调查的结果，异常声音的产生部位被确定的情况下，CPU82通过公知的手法来更新系数wFj、wSij，以使得对于通过S56的处理而设定的输入变量x(1)～x(38)，与将新确定的异常声音的产生部位的评分Sc设为“1”并将除此以外的评分Sc设为“0”的教示数据的误差变小。

另一方面，在通过S62的处理无法确定的情况下，也调查异常声音的主要原因。然后，调查的结果确定了异常声音的产生部位的情况下，CPU82更新系数wFj、wSij，以使得对于通过S56的处理而设定的输入变量x(1)～x(38)，与将新确定的异常声音的产生部位的评分Sc设为“1”并将除此以外的评分Sc设为“0”的教示数据的误差变小。

附带说一下，某一规格的车辆的出货时的映射数据83a为通过在该车辆的试验品的阶段故意制造加深经年劣化的状况来产生异常声音从而生成训练数据并通过使用了该训练数据的教示和学习来学习的已学习模型。

在此，说明本第一实施方式的作用以及效果。

用户当在车辆中感知异常声音的情况下，启动便携终端60的应用程序63a，在产生异常声音时发送其意思的讯号。相对于此，便携终端60通过由CPU62执行应用程序63a，从而从控制装置50抽出状态变量，另外利用麦克风65对车辆的周围的声音进行录音，从而将发送讯号的定时的前后预定时间期间中的状态变量与该期间中的声音信号关联起来存储于存储装置63。然后，CPU62将上述预定期间中的状态变量、声音信号发送到数据解析中心80。在数据解析中心80，根据接收到的声音信号生成声音变量，将声音变量和状态变量输入到根据映射数据83a规定的映射，从而计算与异常声音的主要原因有关的评分Sc。然后，通过将评分Sc最大的主要原因确定为异常声音的产生主要原因，从而能够确定异常声音的产生部位。

根据以上说明的本第一实施方式，还能够得到以下记载的作用以及效果。

(1)以麦克风65配置于车辆的驾驶座的头部这一情况为条件，获取了声音信号。由此，能够在与驾驶者感知的异常声音相同的条件下获取声音信号。

(2)声音变量中包括与啮合有关的频率的声压Ima1、Imb1、Imc1、Imd1和其高次谐波的声压Iman、Imbn、Imcn、Imdn(n＝2～5)。由此，即使向映射的输入变量的维度小，在起因于啮合而产生异常声音的情况下，也能够高精度地确定异常声音是因啮合而产生的。

(3)鉴于在存在比低频侧以及高频侧这双方突出的频带的情况下容易产生异常声音，声音变量中包括突出频率fpr以及突出量Ipr。由此，能够将与异常声音有关的特征量高效地包含于声音变量，所以能够减轻向映射的输入变量的维度。

(4)声音变量中包括声音信号的强度为预定值以上的持续时间T1。由此，能够将与产生异常声音的时间具有相关性的变量作为声音变量。然后，产生异常声音的持续时间存在与异常声音的产生部位相应地变动的趋势，所以通过将持续时间T1作为声音变量，能够在精度良好地确定异常声音的产生部位的基础上抑制映射的输入变量的维度变大。

(5)状态变量中包括所需转矩Trqed、Trqmg1、Trqmg2。由此，能够使用作为产生异常声音时的驱动系统装置的状态而有益的信息执行确定处理，所以能够在精度良好地确定异常声音的产生部位的基础上抑制映射的输入变量的维度变大。

(6)状态变量中包括变化量ΔTrqed、ΔTrqmg1、ΔTrqmg2。异常声音具有在转矩的变化量变大时产生的趋势，所以通过将变化量ΔTrqed、ΔTrqmg1、ΔTrqmg2包含于状态变量，能够将在确定产生异常声音的状况方面有益的变量作为特征量，进而能够提高异常声音的产生部位的确定精度。特别是，根据所需转矩Trqed、Trqmg1、Trqmg2和变化量ΔTrqed、ΔTrqmg1、ΔTrqmg2，能够得到所需转矩Trqed、Trqmg1、Trqmg2的符号被切换时的变化量ΔTrqed、ΔTrqmg1、ΔTrqmg2这样的、在捕捉异常声音方面特别有益的信息。

(7)状态变量中包括表示作为在确定异常声音的种类方面有效的变量的变速比的变速比变量Vsft。在此，在从车辆的驱动系统产生异常声音的情况下，该异常声音有时在变速装置20的变速比为预定的比率时产生。因此，包括变速比变量Vsft，从而能够将在确定产生异常声音的状况方面有益的特征量作为状态变量，所以能够减轻向映射的输入变量的维度，并且精度良好地确定异常声音的产生部位。

(8)状态变量中包括车速SPD。在此，在车辆中产生的异常声音有时在特定的车速SPD下产生。因此，通过将车速SPD包含于状态变量，能够将在确定产生异常声音的状况方面有益的特征量作为状态变量，所以能够减轻向映射的输入变量的维度，并且精度良好地确定异常声音的产生部位。

(9)状态变量中包括转速NE、Nm1、Nm2。转速NE、Nm1、Nm2为在确定驱动系统装置的状态方面有效的变量，所以通过将它们作为状态变量，能够减轻向映射的输入变量的维度，并且精度良好地确定异常声音的产生部位。

(10)状态变量中包括抵消转矩Trqcan。在此，在进行了赋予抵消转矩Trqcan的控制的情况和未进行赋予抵消转矩Trqcan的控制的情况下，内燃机12的曲柄轴12a的转矩变动所引起的振动产生大的差异。因而，在产生异常声音的情况下，根据其是否为进行了赋予抵消转矩Trqcan的控制的情况，异常产生的主要原因可能不同。因此，通过将抵消转矩Trqcan包含于状态变量，能够将在掌握转矩变动所引起的振动的大小方面适当的特征量作为状态变量，所以能够提高确定异常声音的产生部位的精度。

(11)状态变量中包括推进转矩Trqpush。在此，在进行了赋予推进转矩Trqpush的控制的情况和未进行赋予推进转矩Trqpush的控制的情况下，动力分割装置10的齿轮系的松动所引起的噪音产生大的差异。因而，在产生异常声音的情况下，根据其是否为进行了赋予推进转矩Trqpush的控制的情况，异常产生的主要原因可能不同。因此，通过将推进转矩Trqpush包含于状态变量，能够将在掌握转矩变动所引起的振动的大小方面适当的特征量作为状态变量，所以能够提高确定异常声音的产生部位的精度。

(12)根据熟练者的见解选择作为向映射的输入变量的特征量。因此，与随机地将确定驱动系统的状态的变量、根据声音信号生成的声音变量作为特征量的情况相比，能够降低神经网络的中间层的层数等，能够简化映射的构造。

(13)CPU62从控制装置50接收状态变量，将与声音信号关联起来的状态变量发送到数据解析中心80。由此，在数据解析中心80，能够收集在多个车辆中发生的现象，所以能够提高以能够提高异常产生部位的确定精度的方式重新学习映射数据83a的频度。

(14)CPU62除了状态变量以及声音信号之外，还将车窗变量Vw、识别变量Vst发送到数据解析中心80。由此，与不使用车窗变量Vw、识别变量Vst的情况相比，能够将关于异常声音的产生状况的更详细的信息提供给映射，进而能够更高精度地确定异常声音的产生部位。

(15)便携终端60的CPU62执行应用程序63a，从而从控制装置50接收状态变量，将与声音信号关联起来的状态变量发送到数据解析中心80。由此，例如在产生异常声音等的情况下，用户将应用程序63a安装于自己的便携终端60即可。因此，与为了应对产生异常声音这样的罕见情况而例如将把与声音信号关联起来的状态变量发送到数据解析中心80的功能预先搭载于控制装置50的情况相比，能够抑制冗余性。

以下，与第一实施方式的不同点为中心，参照附图说明本发明的第二实施方式。

在上述第一实施方式中，根据评分Sc(1)、Sc(2)、Sc(3)、…中的最大值确定异常的主要原因。相对于此，在本第二实施方式中，在评分Sc(1)、Sc(2)、Sc(3)、…中的两个评分具有比其它评分大的值的情况下，为了确定是它们中的哪个，在特定的驾驶状态下获取声音信号、状态变量。

图10A和图10B示出数据解析中心80以及便携终端60执行的处理中的、本第二实施方式特有的处理的次序。图10A所示的处理是通过由CPU82例如以预定周期反复执行存储于ROM84的程序而实现的。此外，在图10A中，记载有来自图6的处理的变更部分。另一方面，图10B所示的处理是通过由CPU62例如以预定周期反复执行存储于ROM64的程序而实现的。此外，在图10B所示的处理中，关于与图2B所示的处理对应的处理，为了方便，赋予有相同的步骤编号。

在图10A所示的一连串的处理中，CPU82首先判定通过S60的处理而选择的评分Sc(1)、Sc(2)、Sc(3)、…中的成为最大值的评分Sc(m)是否为阈值Sth以上(S70)。该处理是判定根据与评分Sc(m)对应的变量m和主要原因确定数据83b确定的主要原因的可靠性是否为预定水平以上的处理。CPU82在判定为阈值Sth以上的情况下，转移到S62。

另一方面，CPU82在判定为小于阈值Sth的情况下(S70：否)，判定作为最大值的评分Sc(m)和除此以外的特定的评分Sc(n)是否为比阈值Sth小的预定值SthL以上(S72)。在此，预定值SthL被设定成使评分Sc(m)、Sc(n)与除此以外的评分之差成为预定水平以上。这意味着根据变量m、n确定的主要原因中的哪个主要原因是实际的主要原因的可靠性为预定水平以上。

CPU82在判定为预定值SthL以上的情况下(S72：是)，根据主要原因确定数据83b搜索用于识别根据变量m、n确定的主要原因中的实际的主要原因为哪个主要原因的车辆的驾驶操作命令，对通信机88进行操作，从而将搜索出的驾驶操作命令发送到便携终端60(S76)。

相对于此，如图10B所示，CPU62判定是否接收到驾驶操作命令(S80)。然后，CPU62在判定为接收到的情况下(S80：是)，再次开始与控制装置50的同步处理(S82)。然后，CPU62通过对扬声器SP进行操作，从而执行用于对用户指示进行与接收到的驾驶操作命令对应的驾驶的声音引导(S84)。然后，CPU62开始接收用户依照驾驶指示而驾驶操作时的状态变量(S24)。接下来，CPU62执行S28～S36的处理。但是，设为在此的S32的处理是从录音开始起是否经过具有预定的长度的时间的处理。

然后，CPU62在S36的处理完成的情况下，对通信机68进行操作，将通过S30的处理而存储的声音信号和状态变量发送到数据解析中心80(S86)。此外，CPU62在S86的处理完成的情况、在S80的处理中做出否定判定的情况下，暂且结束图10B所示的一连串的处理。

相对于此，如图10A所示，CPU82接收通过S86的处理而发送的状态变量以及声音信号(S78)，执行图6的S52的处理至S64的处理。另一方面，CPU62当在S72的处理中做出否定判定的情况下，将“1”代入到评分Sc(1)(S74)，转移到S62的处理。

这样，根据本第二实施方式，在无法高精度地识别是与变量m、n对应的主要原因中的哪个主要原因的状况下，催促用户进行预定的驾驶操作，根据进行预定的驾驶操作时的声音信号以及状态变量，再次计算出评分Sc(1)、Sc(2)、Sc(3)、…。由此，能够高精度地识别是与变量m、n对应的主要原因中的哪个主要原因。

以下，以与第一实施方式的不同点为中心，参照附图说明本发明的第三实施方式。

在上述第一实施方式中，当用户感知到异常声音时，使用便携终端60将状态变量、声音信号发送到数据解析中心80，从而由数据解析中心80确定异常声音的主要原因。相对于此，在本第三实施方式中，例示用户将车辆带入到修理工场时的修理工场中的应对。

图11示出本第三实施方式的异常声音的产生部位确定系统的结构。此外，在图11中，关于与图1所示的构件对应的构件，为了方便，附加有相同的符号。

如图11所示，修理工场RF的扫描工具100具备CPU102、ROM104、周边电路106以及通信机108，它们能够经由本地网络109进行通信。通信机108具有与通信机58进行通信的功能。此外，关于与控制装置50的通信，例如也可以为利用了控制装置50的专用的端子的有线连接。

另外，修理工场RF配备有用于应对异常的手册112。在该手册中，还记载有关于麦克风114的配置部位、车辆的配置部位的规定。

特别是，在手册112中，还记载有作为进行录音时的车辆的配置之一，如图12所例示那样配置车辆VC的状态下配置麦克风114而进行录音。在图12中，记载有车辆VC的右侧与侧壁120对置，左侧与侧壁122对置，上方与顶棚124对置，前方与正面壁126对置的例子。即，在图12所示的例子中，车辆VC的上下、左右以及前方被包围。

指定这样的配置的理由在于在车辆VC配置于车库的情况下，在车辆VC内产生的噪声在车库的墙壁处反射，所以与车辆VC的周围被敞开的情况相比，容易成为被用户感知的异常声音。即，设为在车辆VC处于车库时用户感知异常声音，用户将车辆带入到修理工场RF，即使想要在修理工场RF中再现在车辆VC中产生的异常声音，当在周围被敞开的地方配置有车辆VC的情况下，有可能无法再现。因而，在手册112中规定了在至少上下这两个方向和前后以及左右这四个方向中的至少三个方向被包围的状态下进行录音。此外，在手册112中还有更优选地车辆在前后、左右及上下这六个方向全部被包围的状态下进行录音的意思的规定。

扫描工具100执行与在上述第一实施方式中便携终端60执行的处理相当的处理。由此，能够在修理工场中获取声音信号以及状态变量、附加变量，并发送到数据解析中心80。

上述第一实施方式中的事项与上述“发明内容”这栏所记载的事项的对应关系如下面那样。存储装置对应于存储装置83。执行装置对应于图1中的CPU52、62、82以及ROM54、64、84、图11中的CPU52、82、102以及ROM54、84、104。声音信号获取处理对应于S26～S30的处理。状态变量获取处理对应于S12的处理。确定处理对应于S54～S62的处理。指示处理对应于S76、S84的处理。旋转机对应于内燃机12、第一电动发电机14以及第二电动发电机16。预定频率分量的强度对应于声压Ima1、Imb1、Imc1、Imd1。预定频率的整数倍的频率分量的强度对应于声压Ima2～Ima5、Imb2～Imb5、Imc2～Imc5、Imd2～Imd5。持续时间对应于持续时间T1。转矩对应于所需转矩Trqed、Trqmg1、Trqmg2。变化量对应于变化量ΔTrqed、ΔTrqmg1、ΔTrqmg2。在S12的处理中，对应于发送变速比变量Vsft的处理。旋转机的转速对应于转速NE、Nm1、Nm2。控制装置对应于控制装置50。抵消转矩的大小对应于抵消转矩Trqcan。控制装置对应于控制装置50。推进转矩的大小对应于推进转矩Trqpush。第一执行装置对应于CPU52以及ROM54。第二执行装置对应于CPU62以及ROM64。第三执行装置对应于CPU82以及ROM84。状态变量获取处理对应于S12的处理。状态变量发送处理对应于S14的处理。状态变量接收处理对应于S24的处理。终端侧发送处理对应于S40的处理。解析侧接收处理对应于S50的处理。通知获取处理对应于S28的处理。附加变量获取处理对应于S38的处理，附加变量对应于车窗变量Vw以及识别变量Vst。应用程序对应于应用程序63a。15对应于控制装置50。

此外，本实施方式能够以如下方式进行变更而实施。本实施方式以及以下的变更例能够在技术上不矛盾的范围相互组合地实施。

以下，说明声音变量。

作为与啮合有关的频率分量的强度，不限于a～d这四个与啮合有关的频率分量的强度。例如也可以为5个以上的互不相同的与啮合有关的频率分量的强度。另外，作为与啮合有关的频率分量的强度中的高次频率分量的强度，不限于一次至四次的高次分量的强度。例如，既可以为一次至三次的高次分量的强度，另外例如也可以为一次至五次的高次分量的强度。另外，在将多个种类的与啮合有关的频率分量的强度用作特征量的情况下，例如，也可以关于a的与啮合有关的频率分量，设为一次至五次，且关于与b有关的频率分量，设为一次至三次等，在种类互不相同的与啮合有关的频率分量彼此之间作为高次分量而采用不同的频率分量。

作为与啮合有关的频率分量的强度，不限于基波频率分量的强度和高次分量的强度。例如，也可以包括1/2次的分量的强度。另外，也可以仅使用基波频率分量的强度等，仅使用预定的次数分量。

作为声音变量，不限于使用在上述实施方式中例示出的类别的变量的全部。例如，也可以去掉持续时间T1，或者去掉突出频率fpr以及突出量Ipr。

此外，如“关于映射数据”这栏所记载那样，在进行深度学习的情况等下，也可以将声音信号的时间序列数据自身作为声音变量。

接下来，说明声音变量的生成处理。

在上述实施方式中，在数据解析中心80生成声音变量，但不限于此。例如也可以在便携终端60中生成，将声音变量从便携终端60发送到数据解析中心80。

接下来，说明状态变量。

作为状态变量，不限于使用在上述实施方式中例示出的变量的全部。例如将变速比变量Vsft以及转速NE、Nm1、Nm2包含于状态变量，但也可以不包括车速SPD。

无需将从控制装置50获取到的状态变量全部作为向映射的输入。例如，也可以将变速比变量Vsft以及转速NE、Nm1、Nm2用于计算与啮合有关的频率，但不作为向映射的输入。

无需由控制装置50生成状态变量的全部。例如，如果以短的周期从控制装置50发送所需转矩Trqed、Trqmg1、Trqmg2，则也可以在便携终端60或者数据解析中心80，根据所需转矩Trqed、Trqmg1、Trqmg2的时间序列数据生成变化量ΔTrqed、ΔTrqmg1、ΔTrqmg2。

接下来，说明状态变量与声音信号的关联建立。

在上述实施方式中，将与预定期间对应的声音信号与状态变量的组作为在异常声音的产生部位的确定中利用的数据，从而将它们相互关联起来，但不限于此。例如也可以由CPU62将声音信号的时间序列数据中的任意的定时的数据与状态变量的时间序列数据中的对应的定时的数据关联起来存储。这例如通过将括号内的数字作为识别互不相同的时刻的标签变量，将声音信号的时间序列数据Ds(1)、Ds(2)、…与状态变量的时间序列数据VS(1)、VS(2)、…的相互的标签变量相等的数据作为相同定时，或者对相互的数据赋予时间戳而实现即可。

接下来，说明通知处理。

使用根据用户发出讯号的定时规定的预定期间中的声音信号与状态变量的组这本身不是必需的。例如，也可以以预定期间的周期逐次使用声音信号和与声音信号同步的状态变量的组数据，生成向映射的输入数据。在该情况下，在由已学习模型构成映射的情况下，作为未产生异常声音时的教示数据，例如，将评分Sc(1)设为“1”，将剩余评分设为“0”即可。

接下来，说明麦克风的配置部位。

在上述实施方式中，例示出在麦克风65配置于驾驶座的头部的状态下获取声音信号，但不限于此。例如，也可以为仪表板上。另外例如，也可以为后座的中央部。进而例如也可以配置于中央控制台。在图13A～图13C所示的变形例1～变形例3的各个变形例中，示出向便携终端60的显示部67的显示例。

接下来，说明主要原因确定数据。

在图9中，例示出是无法确定异常部位，还是示出异常部位中的哪一个的意思，但不限于此。例如也可以包括是因经年变化等引起的设想内的噪音的意思的判定结果。由此，感知到的声音起因于自然的经年变化，设想为即使修理也会在不久的将来会产生相同程度的声音的情况下，能够对用户说明其意思。

接下来，说明异常部位的候补。

作为异常部位的候补，不限于在图9中例示出的候补。

接下来，说明映射数据。

作为神经网络，不限于中间层为一层的前馈网络。例如也可以为中间层为两层以上的网络。另外，例如，也可以为卷积神经网络、递归神经网络。此外，例如在采用深度学习的情况等下，作为特征量，不限于使用突出量Ipr、突出频率fpr、与啮合有关的频率分量的声压Ima1～Ima5等加工后的声音变量，例如也可以将声音信号的时间序列数据自身作为声音变量，作为向神经网络的输入变量。

此外，在将声音信号的时间序列数据作为向神经网络的输入的情况下，将转速NE、Nm1、Nm2包含于向神经网络的输入，从而能够掌握动力分割装置10的各齿轮的转速。因此，能够通过深度学习，参考与动力分割装置10的啮合有关的频率的信息，确定动力分割装置10的啮合所引起的异常声音。另外，通过将变速比变量Vsft进一步包含于输入，能够掌握变速装置20的各齿轮的转速，所以能够通过深度学习，参考与变速装置20的啮合有关的频率的信息，确定变速装置20的啮合所引起的异常声音。

另外，例如在采用深度学习的情况等下，也可以不使用转矩的变化量ΔTrqed、ΔTrqmg1、ΔTrqmg2、抵消转矩Trqcan等、人加工后的特征量，而将所需转矩Trqed、Trqmg1、Trqmg2的时间序列数据作为向神经网络的输入变量。此外，在将声音信号的时间序列数据和状态变量的时间序列数据作为向神经网络的输入的情况下，优选为如“关于状态变量与声音信号的关联建立”这栏所记载那样，将构成这些时间序列数据的各数据彼此相互关联起来，从而指定将相同定时的数据代入到哪个输入变量。

作为基于机械学习的已学习模型，不限于神经网络。例如，也可以采用支持向量机，不将上述系数wFjk、wSij作为已学习的数据，而将支持向量用作已学习的数据。换言之，也可以将特征量的组中的代表性的组用作已学习的数据。

作为已学习模型，不限于输出异常声音的产生部位的候补实际为异常声音的产生部位的概率的模型。例如，也可以是表示哪个候补为异常声音的产生部位的识别模型。

作为映射数据，不限于基于机械学习的映射数据，例如也可以为具备异常声音的产生部位和对应的声音信号的时间序列数据的数据。在该情况下，通过与实际的声音信号的时间序列数据的模式匹配来确定异常部位即可。

接下来，说明异常声音的产生部位确定系统。

作为异常声音的产生部位确定系统，不限于在图1、图11中例示出的异常声音的产生部位确定系统。例如，在图11的处理中，也可以在修理工场RF的终端中具备映射数据83a等，在修理工场RF中进行异常声音的产生部位的确定处理。

以下，说明上述以外的变形例。

作为成为异常声音的判定对象的车辆，不限于串/并联混合动力车，也可以为串联混合动力车、并联混合动力车。可是，不限于此，作为车辆的推力生成装置，也可以为仅搭载内燃机的车辆、电动汽车、燃料电池车。

作为抵消转矩Trqcan，不限于分配给第一电动发电机14以及第二电动发电机16，也可以由它们中的预先决定的一方生成。