JP6323157B2 - Diagnostic data extraction device, vehicle diagnostic device - Google Patents
Diagnostic data extraction device, vehicle diagnostic device Download PDFInfo
- Publication number
- JP6323157B2 JP6323157B2 JP2014100431A JP2014100431A JP6323157B2 JP 6323157 B2 JP6323157 B2 JP 6323157B2 JP 2014100431 A JP2014100431 A JP 2014100431A JP 2014100431 A JP2014100431 A JP 2014100431A JP 6323157 B2 JP6323157 B2 JP 6323157B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- vehicle
- diagnostic
- diagnostic data
- failure diagnosis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013075 data extraction Methods 0.000 title claims description 17
- 238000003745 diagnosis Methods 0.000 claims description 137
- 230000005856 abnormality Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 54
- 238000012545 processing Methods 0.000 description 8
- 238000009825 accumulation Methods 0.000 description 7
- 230000003139 buffering effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 244000145845 chattering Species 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/10—Historical data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
- Traffic Control Systems (AREA)
Description
本発明は、車両の異常の診断を行うための診断データを抽出する診断データ抽出装置、および車両が異常であるか否かを診断する車両診断装置に関する。 The present invention relates to a diagnostic data extraction device that extracts diagnostic data for diagnosing a vehicle abnormality, and a vehicle diagnostic device that diagnoses whether or not the vehicle is abnormal.
上記の車両診断装置として、車両位置が予め設定された位置となったときに得られる診断データや、自車両の挙動が予め準備された標準運転状態から乖離したときにおける診断データを用いて車両の故障を判定するものが知られている（例えば、特許文献１参照）。 As the vehicle diagnostic device, the diagnostic data obtained when the vehicle position becomes a preset position or the diagnostic data when the behavior of the host vehicle deviates from the standard driving state prepared in advance is used. What determines a failure is known (for example, refer to Patent Document 1).
しかしながら、上記車両診断装置では、利用される診断データが記録される際に、どのような運転が行われているかについては運転者に依存するため、診断に適したドライビングパターンのデータが得られるとは限らない。よって適切な故障診断ができるとは限らない。 However, in the above-described vehicle diagnostic device, when the diagnostic data to be used is recorded, since what kind of driving is performed depends on the driver, driving pattern data suitable for diagnosis can be obtained. Is not limited. Therefore, appropriate failure diagnosis cannot always be performed.
そこで、このような問題点を鑑み、車両の異常の診断を行うための診断データを抽出する診断データ抽出装置において、適切に故障診断が可能な診断データを抽出できるようにすることを本発明の目的とする。 Accordingly, in view of such problems, the diagnostic data extracting device for extracting diagnostic data for diagnosing a vehicle abnormality can extract diagnostic data that can be properly diagnosed for failure. Objective.
本発明の診断データ抽出装置において、車両データ取得手段は診断対象となる車両にて生成された車両データを取得し、時区間特定手段は車両データに基づいて、車両の走行状態が故障診断に適するものとして予め設定された適合パターンである時区間（開始時刻と終了時刻との間の時間、時期）を特定する。そして、抽出手段は適合パターンである時区間に生成された車両データの少なくとも一部を、診断データとして抽出する。 In the diagnostic data extracting apparatus of the present invention, the vehicle data acquisition means acquires vehicle data generated by the vehicle to be diagnosed, and the time interval specifying means is suitable for failure diagnosis based on the vehicle data. The time interval (the time and the time between the start time and the end time) that is a preset adaptation pattern is specified. And an extraction means extracts at least one part of the vehicle data produced | generated in the time interval which is a suitable pattern as diagnostic data.
このような診断データ抽出装置によれば、走行状態が適合パターンである時区間の車両データを診断データとして抽出するので、走行状態が概ね同様の条件のデータを抽出することができる。 According to such a diagnostic data extraction device, since vehicle data in a time interval in which the traveling state is the conforming pattern is extracted as diagnostic data, data having conditions similar to the traveling state can be extracted.
また、本発明の車両診断装置において、診断データ取得手段は、車両の走行状態を取得し、車両の走行状態が予め設定されたドライビングパターン（ＤＰ）であるときに記録された、車両の故障を判定するための診断データを取得する。そして、故障判定手段は、ドライビングパターン毎に予め準備された故障診断モデルと診断データとに基づいて、車両が故障しているか否かを判定する。ただし、診断データ取得手段は、診断データ抽出装置にて抽出された診断データを取得する。 In the vehicle diagnostic apparatus of the present invention, the diagnostic data acquisition means acquires a vehicle running state, and records a vehicle failure recorded when the vehicle running state is a preset driving pattern (DP). Obtain diagnostic data for determination. The failure determination means determines whether or not the vehicle has failed based on a failure diagnosis model and diagnosis data prepared in advance for each driving pattern. However, the diagnostic data acquisition means acquires diagnostic data extracted by the diagnostic data extraction device.
このような車両診断装置によれば、走行状態が概ね同様の条件のデータを用いて診断を行うことができる。よって、診断の精度を向上させることができる。
なお、上記目的を達成するためには、コンピュータを、診断データ抽出装置や車両診断装置を構成する各手段として実現するためのプログラムとしてもよい。また、各請求項の記載は、可能な限りにおいて任意に組み合わせることができる。この際、発明の目的を達成できる範囲内において一部構成を除外してもよい。
According to such a vehicle diagnostic apparatus, it is possible to make a diagnosis using data under conditions in which the traveling state is substantially the same. Therefore, the accuracy of diagnosis can be improved.
In addition, in order to achieve the said objective, it is good also as a program for implement | achieving a computer as each means which comprises a diagnostic data extraction apparatus and a vehicle diagnostic apparatus. Further, the descriptions in the claims can be arbitrarily combined as much as possible. At this time, a part of the configuration may be excluded within a range where the object of the invention can be achieved.
以下に本発明にかかる実施の形態を図面と共に説明する。
［本実施形態の構成］
本発明が適用された故障診断システム１は、例えば乗用車等の車両（自車両）に搭載されている。そして、故障診断システム１は、車両の走行状態が故障診断に適するものとして予め設定されたドライビングパターンである時区間を特定し、このパターンである時区間に生成されたセンサデータ（車両データ）の少なくとも一部を、診断データとして抽出できるよう構成されている。
Embodiments according to the present invention will be described below with reference to the drawings.
[Configuration of this embodiment]
The
詳細には、図１に示すように、故障診断システム１は、故障診断装置１０と、各種ＥＣＵ（電子制御装置）２１〜２４と、各種センサ２５と、を備えている。故障診断装置１０、各種ＥＣＵ２１〜２４、各種センサ２５は、それぞれ通信線５に接続されており、互いに通信可能に構成されている。
Specifically, as shown in FIG. 1, the
各種ＥＣＵ２１〜２４としては、自車両のエンジンを制御するエンジンＥＣＵ２１、車両のブレーキを制御するブレーキＥＣＵ２２、自車両の舵角を制御するステアリングＥＣＵ２３、および自車両の車高や自車両の傾きを制御するサスペンションＥＣＵ２４等を備えている。また、各種センサ２５としては、自車両の走行速度を検出する車速センサ、自車両に加わる加速度を検出する加速度センサ、自車両の回転角速度を検出するヨーレートセンサ等を備えている。
The
これらのＥＣＵ２１〜２４は、自身による演算結果や自身に接続されたセンサからの値を通信線５に出力する。また、各種センサ２５は、自身により検出された値を通信線５に出力する。これらのデータは後述するセンサデータに相当する。
These
故障診断装置１０は、ＣＰＵ１１とＲＯＭ，ＲＡＭ等のメモリ１２と、を備えたコンピュータとして構成されている。また、故障診断装置１０は、データベース１３を備えている。
The
ＣＰＵ１１は、メモリ１２に記録されたプログラムに基づいて後述する各種処理を実行する。故障診断装置１０は、このような処理を実行しつつ、通信線５を介して受信したデータをデータベース１３に記録させて保持する。
The
データベース１３は、ドライビングパターン識別モデル１４、故障診断（ＦＤ：Failure Diagnosis）情報マップ１５、故障診断モデル３１、および各ドライビングパターン用データベース１６〜１８を備えている。なお、ドライビングパターン用データベース１６〜１８としては本実施形態では３つだけ図示しているが、これよりも少なくても多くてもよい。
The
ドライビングパターン識別モデル１４には、例えば複数のセンサデータの組み合わせによってドライビングパターンを特定するためのモデルがドライビングパターン用データベース１６〜１８の数だけ記録されている。つまり、ドライビングパターン用データベース１６〜１８の数と、故障診断装置１０が認識するドライビングパターンの数とが１対１の関係となるよう設定されている。
In the driving
ＣＰＵ１１は、センサデータが示す値に応じてドライビングパターンを認識し、そのドライビングパターンが対応するドライビングパターン用データベース１６〜１８にセンサデータを記録することになる。
The
また、故障診断モデル３１は、故障診断を行う際に利用されるものであり、故障診断の種別やドライビングパターン毎に準備されている（図４（ｃ）参照）。故障診断モデル３１は、故障の判断を行うための複数のパラメータを備えているが、これらのパラメータは、予め学習等によって準備されている。
The
［本実施形態の処理］
このように構成された故障診断システム１において、故障診断装置１０のＣＰＵ１１は、図２に示すデータ蓄積処理を実施する。データ蓄積処理は、ドライビングパターンを認識しつつ、ドライビングパターン毎にデータベース１３にデータを記録させる処理である。また、データ蓄積処理は、例えば車両の電源が投入されると開始される処理であり、その後、一定周期毎に繰り返し実施される処理である。
[Process of this embodiment]
In the
データ蓄積処理では、図２（ａ）に示すように、まず、各ＥＣＵによる演算結果やセンサデータのうちの予め設定された種別のデータである、１または複数のドライビングパターン識別用データを入力する（Ｓ１１０）。そして、ドライビングパターン識別用データと、ドライビングパターン識別モデル１４とを用いることによって、現在のドライビングパターンがモデルの何れかに該当することを識別する（Ｓ１１５）。
In the data accumulation process, as shown in FIG. 2A, first, one or a plurality of driving pattern identification data, which are data of a preset type among the calculation results and sensor data by each ECU, are input. (S110). Then, by using the driving pattern identification data and the driving
例えば、図２（ｂ）に示すように、本実施形態のデータ蓄積処理では、時間（時刻ｔ）の経過とともに、順次センサデータを取得し、その都度、ドライビングパターンの識別を行うことになる。この際、何れかのドライビングパターン（ＤＰ１〜ＤＰ３）として識別される場合もあれば、何れのドライビングパターンにも識別されないこともある。また、図２（ｃ）に示すように、あるタイミングにおいて複数のドライビングパターンに該当してもよい。 For example, as shown in FIG. 2B, in the data accumulation process of the present embodiment, sensor data is sequentially acquired as time (time t) elapses, and the driving pattern is identified each time. At this time, it may be identified as any driving pattern (DP1 to DP3) or may not be identified as any driving pattern. Further, as shown in FIG. 2 (c), it may correspond to a plurality of driving patterns at a certain timing.
続いて、バッファリング処理を実施する（Ｓ１２０）。バッファリング処理は、実際にデータベース１３にデータを記録させる処理である。
バッファリング処理では、図３に示すように、まず、センサデータを取得する（Ｓ１５０）。そして、ドライビングパターンのうちの１つ（ｉ＝１のもの）を選択する（Ｓ１５５）。なお、変数ｉの値は、ドライビングパターンの種別を特定するための値であり、変数ｉとドライビングパターンの種別とが１対１の関係で対応付けられている。そして、変数ｉが変更されると、この値に対応するドライビングパターンが選択されることになる。
Subsequently, buffering processing is performed (S120). The buffering process is a process for actually recording data in the
In the buffering process, as shown in FIG. 3, first, sensor data is acquired (S150). Then, one of the driving patterns (i = 1) is selected (S155). The value of the variable i is a value for specifying the type of the driving pattern, and the variable i and the type of the driving pattern are associated with each other in a one-to-one relationship. When the variable i is changed, the driving pattern corresponding to this value is selected.
続いて、マップに基づいてドライビングパターンに対応するデータベースを選択する（Ｓ１６０）。ここでいうマップとしては、図４（ａ）および図４（ｂ）に示すように、故障診断の種別（ＦＤ）に対して、必要となるドライビングパターン（ＤＰ１〜ＤＰ３）と、センサデータの種別（ＳＤ１〜ＳＤ３）とが対応付けられたマップと、データベースの種別（ＤＢ１〜ＤＢ３）とこれらのデータベースに記録されるべきデータの種別とが対応付けられたマップとを備えている。 Subsequently, a database corresponding to the driving pattern is selected based on the map (S160). As the map here, as shown in FIGS. 4A and 4B, the required driving pattern (DP1 to DP3) and the type of sensor data for the type of fault diagnosis (FD) are shown. A map in which (SD1 to SD3) are associated with each other, and a map in which the types of databases (DB1 to DB3) and the types of data to be recorded in these databases are associated with each other.
図４（ａ）に示すマップにおいては、センサデータの必要数の一例を数値で記載しており、図４（ｂ）に示すマップにおいては、各データベースにおけるデータの記録可能数の一例を数値で記載している。なお、記録可能数が０のものは、データベース（記録領域）が準備されていないことを意味する。また、図４（ａ）に示すマップと図４（ｂ）に示すマップとにおいては、各マップ間の対応関係を考慮することなく例示している。 In the map shown in FIG. 4A, an example of the required number of sensor data is described numerically. In the map shown in FIG. 4B, an example of the recordable number of data in each database is shown numerically. It is described. A recordable number of 0 means that a database (recording area) is not prepared. In addition, the map shown in FIG. 4A and the map shown in FIG. 4B are illustrated without considering the correspondence between the maps.
続いて、このデータベースに記録させるべきセンサデータが存在するか否かを判定する（Ｓ１６５）。この処理では、図４に示すマップに基づいて判定を行う。
記録させるべきセンサデータが存在しなければ（Ｓ１６５：ＮＯ）、後述するＳ１７５の処理に移行する。また、記録させるべきセンサデータが存在すれば（Ｓ１６５：ＹＥＳ）、選択したデータベースへセンサデータを記録させる（Ｓ１７０）。
Subsequently, it is determined whether there is sensor data to be recorded in this database (S165). In this process, determination is performed based on the map shown in FIG.
If there is no sensor data to be recorded (S165: NO), the process proceeds to S175 described later. If there is sensor data to be recorded (S165: YES), the sensor data is recorded in the selected database (S170).
続いて、変数ｉと最大値Ｎとを比較する（Ｓ１７５）。最大値Ｎは、準備されたドライビングパターンの種別の数と一致する。変数ｉが最大値Ｎ未満であれば（Ｓ１７５：ＮＯ）、変数ｉをインクリメントし（Ｓ１８０）、Ｓ１６０の処理に戻る。 Subsequently, the variable i is compared with the maximum value N (S175). The maximum value N matches the number of types of prepared driving patterns. If the variable i is less than the maximum value N (S175: NO), the variable i is incremented (S180), and the process returns to S160.
また、変数ｉが最大値Ｎと一致していれば（またはそれ以上であれば）（Ｓ１７５：ＹＥＳ）、バッファリング処理を終了する。
次に、故障診断処理について説明する。故障診断処理は、バッファリングされたセンサデータを用いて自車両に異常が発生しているか否かを判定する処理である。故障診断処理は、故障診断装置１０のＣＰＵ１１がデータ蓄積処理とは独立して任意のタイミングで実施する処理である。
If the variable i matches the maximum value N (or more than that) (S175: YES), the buffering process is terminated.
Next, failure diagnosis processing will be described. The failure diagnosis process is a process for determining whether an abnormality has occurred in the host vehicle using the buffered sensor data. The failure diagnosis process is a process executed by the
故障診断処理では、図５に示すように、まず、変数ｋを１に設定する（Ｓ２１０）。変数ｋは、故障診断の種別（検知しようとする異常の種別）を指定するための値であり、後の処理において予め準備された故障診断の種別の数Ｋまで増加する。 In the failure diagnosis process, as shown in FIG. 5, first, a variable k is set to 1 (S210). The variable k is a value for designating the type of failure diagnosis (the type of abnormality to be detected), and increases to the number K of failure diagnosis types prepared in advance in subsequent processing.
続いて、指定された故障診断の種別について、故障診断を実施してもよいか否かを判定する（Ｓ２２０）。この処理では、故障診断の種別毎に予め設定された最適なドライビングパターンについてのデータベース１３へのデータ蓄積量を評価し、このデータ蓄積量が閾値を超えた場合に故障診断を実施してもよいと判定する。
Subsequently, it is determined whether or not failure diagnosis may be performed for the specified failure diagnosis type (S220). In this process, the amount of data stored in the
この際の判定式としては、例えば次式を用いることができる。 As a determination formula at this time, for example, the following formula can be used.
実行処理では図６（ａ）に示すように、まず、現在選択されている故障診断の種別において、必要なセンサデータについての必要なデータ量を取得する（Ｓ３１０）。この処理では、図４（ａ）に示すマップにて示すデータを読み出す。 In the execution process, as shown in FIG. 6A, first, a necessary data amount for necessary sensor data is acquired in the currently selected type of failure diagnosis (S310). In this process, the data indicated by the map shown in FIG.
続いて、必要なデータを取得する（Ｓ３２０）。本実施形態のこの処理では、図６（ｂ）に示すように、ドライビングパターン用データベース１６〜１８に記録されたデータのうちの、故障診断に必要なセンサデータの全てを取得する。 Subsequently, necessary data is acquired (S320). In this process of the present embodiment, as shown in FIG. 6B, all of the sensor data necessary for failure diagnosis is acquired from the data recorded in the driving pattern databases 16-18.
続いて、重み付け演算を行う（Ｓ３３０）。本実施形態のこの処理では、全てのデータを均等な割合で利用するよう設定する。
続いて、故障診断を実施し（Ｓ３４０）、故障診断が終了すると実行処理を終了する。ここで、故障診断を実施する処理では、取得したセンサデータの分布と、故障診断モデルとを用いて、その乖離度が予め設定された許容値以内であるか否かに応じて、車両に異常が発生しているか否かを判定する。
Subsequently, a weighting operation is performed (S330). In this processing of the present embodiment, settings are made so that all data is used at an equal rate.
Subsequently, failure diagnosis is performed (S340), and when the failure diagnosis ends, the execution process ends. Here, in the process of performing the failure diagnosis, an abnormality is detected in the vehicle depending on whether the degree of deviation is within a preset allowable value using the distribution of the acquired sensor data and the failure diagnosis model. Whether or not has occurred is determined.
より具体的に述べると、例えば、図４（ｃ）に示すように、故障診断の種別とドライビングパターンとの組み合わせによって利用する故障診断モデル３１が特定されるよう設定されている。また、この故障診断モデル３１では、選択された故障診断の種別やドライビングパターンに対応するセンサデータの分布の平均値、共分散行列、閾値等のパラメータが対応付けられている。
More specifically, for example, as shown in FIG. 4C, the
そして、故障診断を実施する処理では、センサデータの入力値ｘとセンサデータの分布とのマハラノビス距離ｄを、下記式を用いて求める。 In the process of performing the failure diagnosis, the Mahalanobis distance d between the sensor data input value x and the sensor data distribution is obtained using the following equation.
このような実行処理が終了すると、図５に戻り、変数ｋと故障診断の種別の数Ｋとを比較する（Ｓ２４０）。変数ｋが故障診断の種別の数Ｋ未満であれば（Ｓ２４０：ＹＥＳ）、変数ｋをインクリメントし（Ｓ２５０）、Ｓ２２０の処理に戻る。 When such execution processing is completed, the process returns to FIG. 5 and the variable k is compared with the number K of types of failure diagnosis (S240). If the variable k is less than the number K of types of failure diagnosis (S240: YES), the variable k is incremented (S250), and the process returns to S220.
また、変数ｋが故障診断の種別の数Ｋ以上であれば（Ｓ２４０：ＮＯ）、故障診断処理を終了する。
［本実施形態による効果］
以上のように詳述した故障診断システム１において故障診断装置１０は、診断対象となる車両にて生成された車両データを取得し、車両データに基づいて、車両の走行状態が故障診断に適するものとして予め設定された適合パターンである時区間を特定する。そして、適合パターンである時区間に生成された車両データの少なくとも一部を、診断データとして抽出する。
If the variable k is equal to or greater than the number K of types of failure diagnosis (S240: NO), the failure diagnosis process is terminated.
[Effects of this embodiment]
In the
このような故障診断システム１によれば、走行状態が適合パターンである時区間の車両データを診断データとして抽出するので、走行状態が概ね同様の条件のデータを抽出することができる。
According to such a
また、上記の故障診断システム１において故障診断装置１０は、診断データをデータベース１３に蓄積する。
このような診断データ抽出装置によれば、直ちに診断を行わない場合に診断データを蓄積しておくことができる。
Further, in the above-described
According to such a diagnostic data extraction device, diagnostic data can be accumulated when diagnosis is not performed immediately.
また、上記の故障診断システム１において故障診断装置１０は、予め設定された複数の適合パターンのそれぞれについて、適合パターンである時区間を特定し、適合パターン毎に診断データを抽出し、診断データを、適合パターン毎に準備された異なるデータベースに蓄積する。
Further, in the
このような故障診断システム１によれば、診断データを、適合パターン毎に準備された異なるデータベースに蓄積するので、診断を行う際のデータの抽出を容易に行うことができる。
According to such a
また、上記の故障診断システム１において故障診断装置１０は、車両データが生成されている際に、車両データを取得する。
このような故障診断システム１によれば、車両の走行中等、リアルタイムで診断データを抽出することができる。
In the above-described
According to such a
また、上記の故障診断システム１において故障診断装置１０は、適合パターンと抽出するデータの種別との関係を示す故障診断情報マップに基づいて、車両データから診断データとして抽出するデータの種別を選択する。
Further, in the above-described
このような故障診断システム１によれば、適合パターンに応じて抽出するデータの種別を選択することができる。
また、上記の故障診断システム１において故障診断装置１０は、車両の走行状態を取得し、車両の走行状態が予め設定されたドライビングパターンであるときに記録された、車両の故障を判定するための診断データを取得する。そして、ドライビングパターン毎に予め準備された故障診断モデルと診断データとに基づいて、車両が故障しているか否かを判定する。
According to such a
Further, in the
このような故障診断システム１によれば、走行状態が概ね同様の条件のデータを用いて診断を行うことができる。よって、診断の精度を向上させることができる。
また、上記の故障診断装置１０においては、診断データのデータ量が診断開始基準量に到達しているか否かを判定し、診断データのデータ量が診断開始基準量に到達していない場合に故障判定を禁止する。
According to such a
In the
このような故障診断システム１によれば、データ量が不足する場合に故障判定を禁止するので、不十分なデータを用いた判定が実施されることを抑制することができる。
［その他の実施形態］
本発明は、上記の実施形態によって何ら限定して解釈されない。また、上記の実施形態の構成の一部を、課題を解決できる限りにおいて省略した態様も本発明の実施形態である。また、上記の複数の実施形態を適宜組み合わせて構成される態様も本発明の実施形態である。また、特許請求の範囲に記載した文言のみによって特定される発明の本質を逸脱しない限度において考え得るあらゆる態様も本発明の実施形態である。また、上記の実施形態の説明で用いる符号を特許請求の範囲にも適宜使用しているが、各請求項に係る発明の理解を容易にする目的で使用しており、各請求項に係る発明の技術的範囲を限定する意図ではない。
According to such a
[Other Embodiments]
The present invention is not construed as being limited by the above embodiment. Moreover, the aspect which abbreviate | omitted a part of structure of said embodiment as long as the subject could be solved is also embodiment of this invention. An aspect configured by appropriately combining the above-described plurality of embodiments is also an embodiment of the present invention. Moreover, all the aspects which can be considered in the limit which does not deviate from the essence of the invention specified only by the wording described in the claims are embodiments of the present invention. Further, the reference numerals used in the description of the above embodiments are also used in the claims as appropriate, but they are used for the purpose of facilitating the understanding of the invention according to each claim, and the invention according to each claim. It is not intended to limit the technical scope of
例えば、上記実施形態において、故障診断装置１０がデータ蓄積処理と故障診断処理とを実施したが、これらの処理は別々の装置において実施されてもよい。例えば、車両においてデータ蓄積処理のみを実施しておき、診断の際に車両に接続される外部装置が故障診断処理を実施してもよい。
For example, in the above embodiment, the
また、上記実施形態のＳ３３０の処理においては、故障判定の種別に拘わらずドライビングパターンの重み付けを均等に設定したが、故障判定の種別と利用する適合パターンの比率とが対応付けられた故障適合マップに基づいて、複数の診断データに対して重み付けを行い、該重み付けを行った診断データとモデル値とに基づいて、車両が故障しているか否かを判定してもよい。すなわち、図７に示すように、故障判定の種別毎にドライビングパターンの重みを設定しておき、センサデータを利用する際にこの設定に従って重み付けを行い、重み付けを行ったデータを利用して故障診断を行うようにしてもよい。 In the processing of S330 in the above embodiment, the weight of the driving pattern is set evenly regardless of the type of failure determination. However, the failure matching map in which the failure determination type and the ratio of the matching pattern to be used are associated with each other. Based on the above, a plurality of diagnostic data may be weighted, and it may be determined whether or not the vehicle is out of order based on the weighted diagnostic data and model value. That is, as shown in FIG. 7, the weight of the driving pattern is set for each type of failure determination, and weighting is performed according to this setting when using sensor data, and failure diagnosis is performed using the weighted data. May be performed.
このような故障診断システム１によれば、診断データに重み付けを行った上で診断を行うことができるので、診断の精度を向上させることができる。
また、上記実施形態では、図２（ｂ）に示すように、データを蓄積しながら故障診断を行う例を示したが、図８（ａ）に示すように、故障診断装置１０は、車両において時系列に沿って多数蓄積された車両データからセンサデータの抽出を行ってもよい。つまり、過去において蓄積されたデータを利用して、ドライビングパターンの判定および故障診断を行うようにしてもよい。
According to such a
Moreover, in the said embodiment, as shown in FIG.2 (b), although the example which performs a failure diagnosis while accumulating data was shown, as shown to Fig.8 (a), the
このようにする場合、センサデータが得られた時点でメモリ１２にデータを蓄積し、故障診断を行う際に、ドライビングパターン毎にデータベース１３へデータを移動させるようにすればよい。このようにすれば、より多くのデータを利用して故障診断を行うことができる。
In this case, the data may be stored in the
また、上記実施形態のように、センサデータを取得しつつドライビングパターンを識別する場合には、図８（ｂ）に示すように、ドライビングパターンが変更になった時点でドライビングパターンを再評価してもよい。つまり、その時点で過去におけるドライビングパターンの評価値をある割合だけ利用して平均化するなどのフィルタリング処理を行い、短時間でドライビングパターンの判定結果を変化しにくくなるようにすればよい。このようにすれば、短時間でドライビングパターンの判定結果が変化するチャタリングを抑制することができる。よって、診断データを抽出しやすくすることができる。 In addition, when the driving pattern is identified while acquiring the sensor data as in the above embodiment, the driving pattern is re-evaluated when the driving pattern is changed as shown in FIG. 8B. Also good. That is, it is only necessary to perform a filtering process such as averaging the past evaluation values of the driving pattern at a certain ratio so that the driving pattern determination result is less likely to change in a short time. In this way, chattering in which the determination result of the driving pattern changes in a short time can be suppressed. Therefore, it is possible to easily extract diagnostic data.
また、上記実施形態においては、図８（ｃ）に示すように、ドライビングパターンを識別する際に、学習によって得られる統計モデルとを用いることによって識別を行ってもよい。このようにすれば、技術者がＤＰ識別モデル１３を厳密に作りこむことなく故障診断を実施することができる。
In the above embodiment, as shown in FIG. 8C, when the driving pattern is identified, the identification may be performed by using a statistical model obtained by learning. In this way, failure diagnosis can be carried out without the engineer creating the
さらに、上記実施形態のＳ３２０の処理においては、データベース１３内のデータの全てを用いて故障診断を実施したが、図９（ａ）に示すように、マップにて指定された必要最低限のデータだけを用いて故障診断を実施してもよい。
Furthermore, in the process of S320 of the above embodiment, the fault diagnosis is performed using all of the data in the
また、図９（ｂ）に示すように、データベース１３内のセンサデータに対して、例えば時系列に応じた重み付けを行い、重み付けを行ったデータを利用して故障診断を実施してもよい。重み付けは、経験的或いは実験的に決定されてもよいし、ＳＶＭ（サポート・ベクター・マシン）等の統計を用いた手法によって決定されてもよい。
Further, as shown in FIG. 9B, the sensor data in the
さらに、上記実施形態においては、故障診断に最適なドライビングパターンについてのデータベース１３内のデータ量が必要最低限の量を超えると故障診断を開始するよう設定したが、故障診断にある程度適するドライビングパターンについてのデータベース１３内のデータ量が必要最低限の量を超えると故障診断を開始するよう設定してもよい。
Further, in the above embodiment, the failure diagnosis is set to start when the data amount in the
この場合の判定条件としては、例えば、下記式を用いることができる。 As a determination condition in this case, for example, the following formula can be used.
上記実施形態の故障診断装置１０は本発明でいう診断データ抽出装置および車両診断装置に相当する。また、上記実施形態のドライビングパターン識別用データは、本発明でいう車両データに相当し、上記実施形態のドライビングパターンは本発明でいう適合パターンに相当する。
The
さらに、上記実施形態において故障診断装置１０が実行する処理のうち、Ｓ１１０の処理は本発明でいう車両データ取得手段に相当し、上記実施形態のＳ１１５の処理は本発明でいう時区間特定手段に相当する。また、上記実施形態のＳ１２０の処理は本発明でいう抽出手段に相当し、上記実施形態のＳ１６０、Ｓ１６５、Ｓ１７０の処理は本発明でいう蓄積手段に相当する。
Further, among the processes executed by the
さらに、上記実施形態のＳ２２０の処理は本発明でいう診断基準量判定手段および診断禁止手段に相当し、上記実施形態のＳ３１０，Ｓ３２０の処理は本発明でいう診断データ取得手段に相当する。また、上記実施形態のＳ３４０の処理は本発明でいう故障判定手段に相当する。 Furthermore, the process of S220 in the above embodiment corresponds to the diagnostic reference amount determination means and the diagnosis prohibition means in the present invention, and the processes in S310 and S320 in the above embodiment correspond to the diagnostic data acquisition means in the present invention. Further, the process of S340 in the above embodiment corresponds to the failure determination means in the present invention.
１…故障診断システム、５…通信線、１０…故障診断装置、１１…ＣＰＵ、１２…メモリ、１３…データベース、１４…ドライビングパターン識別モデル、１５…故障診断情報マップ、１６…ドライビングパターン用データベース、２１…エンジンＥＣＵ、２２…ブレーキＥＣＵ、２３…ステアリングＥＣＵ、２４…サスペンションＥＣＵ、２５…各種センサ。
DESCRIPTION OF
Claims (9)
診断対象となる車両にて生成された車両データを取得する車両データ取得手段（Ｓ１１０）と、
前記車両データに基づいて、車両の走行状態が故障診断に適するものとして予め設定された適合パターンである時区間を特定する時区間特定手段（Ｓ１１５）と、
前記適合パターンである時区間に生成された車両データの少なくとも一部を、前記診断データとして抽出する抽出手段（Ｓ１２０）と、
を備え、
前記車両データ取得手段は、車両データが生成されている際に、前記車両データを取得し、
前記時区間特定手段は、過去において適合パターンである時区間の特定結果を利用したフィルタリングを行うことによって現在において適合パターンである時区間であるか否かを判定すること
を特徴とする診断データ抽出装置。 A diagnostic data extraction device (10) for extracting diagnostic data for diagnosing a vehicle abnormality,
Vehicle data acquisition means (S110) for acquiring vehicle data generated by the vehicle to be diagnosed;
Based on the vehicle data, a time interval specifying means (S115) for specifying a time interval in which the traveling state of the vehicle is a preset adaptation pattern suitable for failure diagnosis;
Extraction means (S120) for extracting at least part of the vehicle data generated in the time interval that is the conforming pattern as the diagnostic data;
Equipped with a,
The vehicle data acquisition means acquires the vehicle data when the vehicle data is generated,
The time interval specifying means determines whether or not it is a time interval that is currently a conforming pattern by performing filtering using a result of specifying a time interval that is a conforming pattern in the past.
Diagnostic data extraction apparatus according to claim.
前記抽出手段は、適合パターンと抽出するデータの種別との関係を示す故障診断情報マップに基づいて、前記車両データから前記診断データとして抽出するデータの種別を選択すること
を特徴とする診断データ抽出装置。 In the diagnostic data extraction device according to claim 1 ,
The extraction means selects a data type to be extracted as the diagnostic data from the vehicle data based on a failure diagnosis information map indicating a relationship between the conforming pattern and the type of data to be extracted. apparatus.
診断対象となる車両にて生成された車両データを取得する車両データ取得手段（Ｓ１１０）と、 Vehicle data acquisition means (S110) for acquiring vehicle data generated by the vehicle to be diagnosed;
前記車両データに基づいて、車両の走行状態が故障診断に適するものとして予め設定された適合パターンである時区間を特定する時区間特定手段（Ｓ１１５）と、 Based on the vehicle data, a time interval specifying means (S115) for specifying a time interval in which the traveling state of the vehicle is a preset adaptation pattern suitable for failure diagnosis;
前記適合パターンである時区間に生成された車両データの少なくとも一部を、前記診断データとして抽出する抽出手段（Ｓ１２０）と、 Extraction means (S120) for extracting at least part of the vehicle data generated in the time interval that is the conforming pattern as the diagnostic data;
を備え、 With
前記抽出手段は、適合パターンと抽出するデータの種別との関係を示す故障診断情報マップに基づいて、前記車両データから前記診断データとして抽出するデータの種別を選択すること The extraction means selects a type of data to be extracted as the diagnostic data from the vehicle data based on a failure diagnosis information map showing a relationship between the matching pattern and the type of data to be extracted.
を特徴とする診断データ抽出装置。 Diagnostic data extraction device characterized by the above.
前記診断データをデータベース（１６〜１８）に蓄積する蓄積手段（Ｓ１６０、Ｓ１６５、Ｓ１７０）、
を備えたことを特徴とする診断データ抽出装置。 In the diagnostic data extraction device according to any one of claims 1 to 3 ,
Storage means (S160, S165, S170) for storing the diagnostic data in the database (16-18);
A diagnostic data extraction apparatus comprising:
前記時区間特定手段は、予め設定された複数の適合パターンのそれぞれについて、適合パターンである時区間を特定し、
前記抽出手段は、前記適合パターン毎に前記診断データを抽出し、
前記蓄積手段は、前記診断データを、前記適合パターン毎に準備された異なるデータベースに蓄積すること
を特徴とする診断データ抽出装置。 In the diagnostic data extraction device according to claim 4 ,
The time interval specifying means specifies a time interval that is a conforming pattern for each of a plurality of preset conforming patterns,
The extraction means extracts the diagnostic data for each conforming pattern,
The storage means stores the diagnostic data in a different database prepared for each of the matching patterns.
当該診断データ抽出装置は、車両において時系列に沿って多数蓄積された車両データから前記診断データの抽出を行うこと
を特徴とする診断データ抽出装置。 In the diagnostic data extraction device according to any one of claims 3 to 5 ,
The diagnostic data extracting apparatus extracts the diagnostic data from a large number of vehicle data accumulated in time series in the vehicle.
前記車両の走行状態を取得し、前記車両の走行状態が予め設定されたドライビングパターンであるときに記録された、車両の故障を判定するための診断データを取得する診断データ取得手段（Ｓ３１０，Ｓ３２０）と、
前記ドライビングパターン毎に予め準備された故障診断モデルと前記診断データとに基づいて、前記車両が故障しているか否かを判定する故障判定手段（Ｓ３４０）と、
を備え、
前記診断データ取得手段は、請求項１〜請求項６の何れか１項に記載の診断データ抽出装置にて抽出された診断データを取得すること
を特徴とする車両診断装置。 A vehicle diagnostic apparatus (10) for diagnosing whether or not a vehicle is abnormal,
Diagnostic data acquisition means (S310, S320) for acquiring the running state of the vehicle and obtaining diagnostic data for determining a vehicle failure recorded when the running state of the vehicle is a preset driving pattern. )When,
Failure determination means (S340) for determining whether or not the vehicle has failed based on a failure diagnosis model prepared in advance for each driving pattern and the diagnosis data;
With
The said diagnostic data acquisition means acquires the diagnostic data extracted with the diagnostic data extraction apparatus of any one of Claims 1-6 . The vehicle diagnostic apparatus characterized by these.
前記診断データのデータ量が診断開始基準量に到達しているか否かを判定する診断基準量判定手段（Ｓ２２０）と、
前記診断データのデータ量が診断開始基準量に到達していない場合に前記故障判定手段による故障判定を禁止させる診断禁止手段（Ｓ２２０）と、
を備えたことを特徴とする車両診断装置。 The vehicle diagnostic apparatus according to claim 7 ,
Diagnostic reference amount determination means (S220) for determining whether or not the data amount of the diagnostic data has reached a diagnosis start reference amount;
Diagnosis prohibiting means (S220) for prohibiting failure determination by the failure determination means when the data amount of the diagnosis data has not reached the diagnosis start reference amount;
A vehicle diagnostic apparatus comprising:
前記故障判定手段は、故障判定の種別と利用する適合パターンの比率とが対応付けられた故障適合マップに基づいて、複数の診断データに対して重み付けを行い、該重み付けを行った診断データと前記故障診断モデルとに基づいて、前記車両が故障しているか否かを判定すること
を特徴とする車両診断装置。 In the vehicle diagnostic apparatus according to claim 7 or 8,
Said failure determining means, based on the failure adaptation map and the associated percentage of adapted patterns utilized with the type of failure determination, performs weighting to a plurality of diagnostic data, said the diagnostic data subjected to the weighting A vehicle diagnosis apparatus that determines whether or not the vehicle has failed based on a failure diagnosis model .
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014100431A JP6323157B2 (en) | 2014-05-14 | 2014-05-14 | Diagnostic data extraction device, vehicle diagnostic device |
| DE102015208895.2A DE102015208895A1 (en) | 2014-05-14 | 2015-05-13 | Diagnostic data extraction device and vehicle diagnostic device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014100431A JP6323157B2 (en) | 2014-05-14 | 2014-05-14 | Diagnostic data extraction device, vehicle diagnostic device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015219029A JP2015219029A (en) | 2015-12-07 |
| JP6323157B2 true JP6323157B2 (en) | 2018-05-16 |
Family
ID=54361911
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014100431A Active JP6323157B2 (en) | 2014-05-14 | 2014-05-14 | Diagnostic data extraction device, vehicle diagnostic device |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP6323157B2 (en) |
| DE (1) | DE102015208895A1 (en) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6588814B2 (en) * | 2015-12-17 | 2019-10-09 | 株式会社東芝 | Abnormality diagnosis apparatus and method |
| JP6937345B2 (en) * | 2015-12-17 | 2021-09-22 | 株式会社東芝 | Information processing device and information processing method |
| CN105955233B (en) * | 2016-04-28 | 2018-09-25 | 郑州宇通客车股份有限公司 | A kind of car fault diagnosis method and system based on data mining |
| JP6671248B2 (en) | 2016-06-08 | 2020-03-25 | 株式会社日立製作所 | Abnormality candidate information analyzer |
| JP6848546B2 (en) * | 2017-03-09 | 2021-03-24 | 沖電気工業株式会社 | Change point detection device and change point detection method |
| JP7344078B2 (en) * | 2019-10-15 | 2023-09-13 | 株式会社デンソーテン | Abnormality determination device and abnormality determination method |
| JP7234897B2 (en) * | 2019-10-17 | 2023-03-08 | トヨタ自動車株式会社 | Failure cause identification device for vehicle |
| CN111624433B (en) * | 2020-07-08 | 2022-08-16 | 深圳技术大学 | State evaluation method and system for pure electric vehicle and computer readable storage medium |
| CN112172875B (en) * | 2020-09-16 | 2022-10-18 | 通号城市轨道交通技术有限公司 | Method and device for analyzing running fault of automatic train control system |
| CN114235432B (en) * | 2021-11-12 | 2023-06-13 | 东风越野车有限公司 | Multi-source fusion diagnosis method and system for vehicle deviation problem cause |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6141608A (en) * | 1997-10-28 | 2000-10-31 | Snap-On Tools Company | System for dynamic diagnosis of apparatus operating conditions |
| JP2009294004A (en) * | 2008-06-03 | 2009-12-17 | Fujitsu Ten Ltd | Abnormality analysis apparatus and abnormality analysis method |
| JP2011203116A (en) * | 2010-03-25 | 2011-10-13 | Toyota Motor Corp | Abnormality prediction device for vehicle, and method of the same |
| JP2012018527A (en) * | 2010-07-07 | 2012-01-26 | Toyota Motor Corp | Vehicle state recording device |
-
2014
- 2014-05-14 JP JP2014100431A patent/JP6323157B2/en active Active
-
2015
- 2015-05-13 DE DE102015208895.2A patent/DE102015208895A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015219029A (en) | 2015-12-07 |
| DE102015208895A1 (en) | 2015-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6323157B2 (en) | Diagnostic data extraction device, vehicle diagnostic device | |
| JP6252344B2 (en) | Data recording apparatus and data recording program | |
| JP2019083534A5 (en) | ||
| CN104875746B (en) | Vehicle operator monitoring and operation are adjusted | |
| CN206579624U (en) | Vehicle arrangement and Vehicular system | |
| JP5573743B2 (en) | Vehicle data analysis device, vehicle data analysis method, and failure diagnosis device | |
| US8527137B2 (en) | Vehicle behavior data recording control system and recording apparatus | |
| CN111267863A (en) | Driver driving type identification method and device, storage medium and terminal equipment | |
| US20170057517A1 (en) | Behavior trainable adaptive cruise control | |
| JP6458579B2 (en) | Image processing device | |
| DE102012224338A1 (en) | DEVICE AND METHOD FOR ESTIMATING A SPEED OF A VEHICLE | |
| US10423846B2 (en) | Method for identifying a driver change in a motor vehicle | |
| DE102016117140A1 (en) | Active vehicle suspension | |
| CN108806019B (en) | Driving record data processing method and device based on acceleration sensor | |
| KR101519217B1 (en) | Apparatus for judging driver inattention and method thereof | |
| CN107358678B (en) | Driving event detection and identification method | |
| US11524696B2 (en) | Method for determining the values of parameters | |
| US10891503B2 (en) | Method and device for classifying eye opening data of at least one eye of an occupant of a vehicle, and method and device for detecting drowsiness and/or microsleep of an occupant of a vehicle | |
| KR102180800B1 (en) | Apparatus and Method for determining traveling status of vehicle | |
| WO2019207766A1 (en) | Control device and control method | |
| JPWO2022168187A5 (en) | ||
| CN115424440B (en) | Driving behavior early warning method, device, equipment and storage medium | |
| SE1250377A1 (en) | Procedure and system for determining the direction of the head of the person | |
| DE102016204413A1 (en) | Driving force control device | |
| KR102662335B1 (en) | System of detecting software abnormal operation using Comparative Neural Network Learning and method thereof |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160622 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170309 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170314 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170508 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170905 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171012 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180313 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180326 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6323157 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |