特開 2024-126581 ノイズ変動特性取得方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024126581

(43)【公開日】2024-09-20

(54)【発明の名称】ノイズ変動特性取得方法

(51)【国際特許分類】

   G01R 29/26 20060101AFI20240912BHJP

【ＦＩ】

G01R29/26 D

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2023035027

(22)【出願日】2023-03-07

(71)【出願人】

【識別番号】000004695

【氏名又は名称】株式会社ＳＯＫＥＮ

(71)【出願人】

【識別番号】000003207

【氏名又は名称】トヨタ自動車株式会社

(74)【代理人】

【識別番号】110001519

【氏名又は名称】弁理士法人太陽国際特許事務所

(72)【発明者】

【氏名】前田 登

(72)【発明者】

【氏名】福永 賢吾

(72)【発明者】

【氏名】▲高▼須賀 直一

(72)【発明者】

【氏名】三輪 圭史

(57)【要約】

【課題】標準正規分布とは異なる分布のノイズが発生する場合、また、負荷が変化した場合でもノイズの模擬精度を向上させることができるノイズ変動特性取得方法を得る。
【解決手段】ノイズ変動特性取得方法は、ノイズ源から当該ノイズ源に接続される電線を見たインピーダンスを変更するたびごとにノイズ源から発生する電磁ノイズの周波数成分を複数回記録する記録ステップと、複数回記録した周波数成分の大きさの系列または周波数成分の対数の系列に基づき周波数成分に当てはまる一般化極値分布のパラメータを推定する推定ステップと、パラメータを変動特性として取得する取得ステップと、を含む。
【選択図】図４

【特許請求の範囲】

【請求項1】

ノイズ源から発生する電磁ノイズの周波数成分を複数回記録する記録ステップと、
複数回記録した前記周波数成分の大きさの系列または前記周波数成分の対数の系列に基づき前記周波数成分に当てはまる一般化極値分布のパラメータを推定する推定ステップと、
前記パラメータを変動特性として取得する取得ステップと、
を含むノイズ変動特性取得方法。

【請求項2】

前記記録ステップは、
前記ノイズ源から当該ノイズ源に接続される電線を見たインピーダンスを変更しつつ、インピーダンス変更のたびごとにノイズ源から発生する電磁ノイズの周波数成分を複数回記録するステップよりなり、
前記取得ステップは、
前記インピーダンスと前記一般化極値分布の位置パラメータとが対応付けられたテーブルに、線形回帰を適用することにより、前記周波数成分における前記ノイズ源の等価回路モデルの素子値を推定するステップを含む、請求項１に記載のノイズ変動特性取得方法。

【請求項3】

前記取得ステップは、
前記電磁ノイズの周波数成分と前記インピーダンスの逆数と前記一般化極値分布の位置パラメータとが対応付けられたテーブルに、サポートベクターマシンを適用することにより非線形回帰モデルを生成するステップを含む、請求項２に記載のノイズ変動特性取得方法。

【請求項4】

前記電磁ノイズは、前記電線に流れる電流を検出する電流検出部で検出される、請求項２に記載のノイズ変動特性取得方法。

【請求項5】

前記電磁ノイズは、前記電線に発生する電磁界を受信するアンテナで検出される、請求項２に記載のノイズ変動特性取得方法。

【請求項6】

前記記録ステップは、前記電線に設けられているフェライトコアの位置及び数の何れか変えることで前記インピーダンスを変更させるステップを含む、請求項２に記載のノイズ変動特性取得方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、ノイズ変動特性取得方法に関する。

【背景技術】

【0002】

特許文献１には、シミュレータを利用した実機の模擬試験方法が開示されている。実機は、センサで検出された状態量（ロール角、ピッチ角、ヨー角など）に応じて動作を制御する制御機器である。特許文献１の従来の模擬試験方法は、実機のセンサに現れるノイズを計測し、ノイズ発生傾向を示す統計値を求め、統計値に応じた模擬ノイズを生成し、当該模擬ノイズに模擬状態量を付加する。模擬ノイズは、標準正規分布を示す乱数を統計値で加工することで生成されている。これにより、制御系モジュールが生成する制御指令が実機に近いものとなるため厳密な模擬試験を行うことができる。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開平１１－３５３００７号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、従来の模擬試験方法では、標準正規分布を示す乱数を統計値で加工することで模擬ノイズが生成される。このため、標準正規分布とは異なる分布のノイズが発生した場合には当該ノイズの模擬精度が低下し得る。従って、厳密な模擬試験を行う上で改善の余地がある。

【0005】

本発明は上記事実を考慮し、標準正規分布とは異なる分布のノイズが発生する場合でもノイズの模擬精度を向上させることができるノイズ変動特性取得方法を得ることを目的とする。

【課題を解決するための手段】

【0006】

請求項１に記載の本発明に係るノイズ変動特性取得方法は、前記ノイズ源から発生する電磁ノイズの周波数成分を複数回記録する記録ステップと、複数回記録した前記周波数成分の大きさの系列または前記周波数成分の対数の系列に基づき前記周波数成分に当てはまる一般化極値分布のパラメータを推定する推定ステップと、前記パラメータを変動特性として取得する取得ステップと、を含む。

【0007】

請求項１に記載の本発明に係るノイズ変動特性取得方法によれば、一般化極値分布のパラメータを変動特性として取得でき、一般化極値分布はノイズ変動特性においてよく表れる統計分布であり、かつ３つのパラメータを持っており分布形状に柔軟性があるため、ノイズの模擬精度が向上し、ノイズの変動特性を精度良く推定することができる。

【0008】

請求項２に記載の本発明に係るノイズ変動特性取得方法の前記記録ステップは、前記ノイズ源から当該ノイズ源に接続される電線を見たインピーダンスを変更するたびごとに前記ノイズ源から発生する電磁ノイズの周波数成分を複数回記録し、前記取得ステップは、前記インピーダンスと前記一般化極値分布の位置パラメータとが対応付けられたテーブルに、線形回帰を適用することにより、前記周波数成分における前記ノイズ源の等価回路モデルの素子値を推定するステップを含む。

【0009】

請求項２に記載の本発明に係るノイズ変動特性取得方法によれば、ノイズ源を負荷の変化に対して線形と仮定した等価回路モデルを利用できるため、線形計算によりノイズの変動特性を容易に推定することができる。

【0010】

請求項３に記載の本発明に係るノイズ変動特性取得方法の前記取得ステップは、前記電磁ノイズの周波数成分と前記インピーダンスの逆数と前記一般化極値分布の位置パラメータとが対応付けられたテーブルに、サポートベクターマシンを適用することにより非線形回帰モデルを生成するステップを含む。

【0011】

請求項３に記載の本発明に係るノイズ変動特性取得方法によれば、ノイズ源が負荷の変化に対して非線形特性を有する場合でもノイズの変動特性を容易に推定することができる。

【0012】

請求項４に記載の本発明に係るノイズ変動特性取得方法では、前記電磁ノイズは、前記電線に流れる電流を検出する電流検出部で検出される。

【0013】

請求項４に記載の本発明に係るノイズ変動特性取得方法によれば、車両に搭載される既存の電流検出部を利用して電流に含まれるノイズを検出することができる。

【0014】

請求項５に記載の本発明に係るノイズ変動特性取得方法では、前記ノイズは、前記電線に発生する電磁界を受信するアンテナで検出される。

【0015】

請求項５に記載の本発明に係るノイズ変動特性取得方法によれば、車両近傍電磁界に含まれるノイズを検出することができる。

【0016】

請求項６に記載の本発明に係るノイズ変動特性取得方法の前記記録ステップは、前記電線に設けられているフェライトコアの位置及び数の何れか変えることで前記インピーダンスを変更させるステップを含む。

【0017】

請求項６に記載の本発明に係るノイズ変動特性取得方法によれば、電線に接続される負荷を複数準備することなくインピーダンス（負荷インピーダンス）を容易に変更することができる。

【発明の効果】

【0018】

以上説明したように、本発明に係るノイズ変動特性取得方法では、標準正規分布とは異なる分布のノイズが発生する場合、および負荷が変化した場合でもノイズの模擬精度を向上させることができる。

【図面の簡単な説明】

【0019】

【図1】図１は、本開示の第１実施形態にかかるノイズ変動特性取得システムの構成例を示す図である。

【図2】図２は、測定器のハードウェア構成を示す図である。

【図3】図３は、測定器の機能構成を示す図である。

【図4】図４は、第１実施形態にかかるノイズ変動特性取得方法を説明するためのフローチャートである。

【図5A】図５Ａは、第１実施形態にかかるノイズ変動特性取得方法を説明するための図である。

【図5B】図５Ｂは、第１実施形態にかかるノイズ変動特性取得方法を説明するための図である。

【図5C】図５Ｃは、第１実施形態にかかるノイズ変動特性取得方法を説明するための図である。

【図6】図６は、統合偏差データ集合を示す図である。

【図7】図７は、テブナン等価回路モデルを示す図である。

【図8】図８は、ノイズ電流のデータの例を示す図である。

【図9】図９は、第２実施形態にかかるノイズ変動特性取得方法を説明するためのフローチャートである。

【図10】図１０は、データテーブルの一例を示す図である。

【図11】図１１は、ノイズ電流のデータの例を示す図である。

【図12】図１２は、本開示の第３実施形態にかかるノイズ変動特性取得システムの構成例を示す図である。

【図13】図１３は、校正用負荷インピーダンスＺ（ｉ）を測定するときの構成を示す図である。

【図14】図１４は、本開示の第４実施形態にかかるノイズ変動特性取得システムの構成例を示す図である。

【発明を実施するための形態】

【0020】

［第１実施形態］
以下、図１を参照して、ノイズ変動特性取得システム１００について説明する。図１は、本開示の第１実施形態にかかるノイズ変動特性取得システムの構成例を示す図である。

【0021】

ノイズ変動特性取得システム１００は、車両１０及び測定器２０を備えている。車両１０は、ノイズ源１、電流プローブ２、電線束３、及び負荷回路４を備える。ノイズ源１は、車載用ＤＣ－ＤＣ（直流－直流）コンバータなどの電力変換装置である。電力変換装置では、特定の出力電圧を得るため複数のスイッチング素子をオンオフ制御するため、スイッチング素子のスイッチング周波数に起因する交流成分、いわゆるリプル電流が出力電流に重畳し得る。このためノイズ源１及びノイズ源１に接続される電線束３からは電磁ノイズが放射され得る。なおノイズ源１は、車載用ＤＣ－ＤＣコンバータに限定されず、他の車載機器を含み得る。

【0022】

電流プローブ２は、ノイズ源１に接続される電線束３に流れるノイズ電流をノイズ源側端末において検出する電流検出部である。電線束３は、車両１０内に配線されるハーネスなどの電線である。負荷回路４は、例えば、車載用ＤＣ－ＤＣコンバータから供給される電流で駆動する回転電機である。

【0023】

測定器２０は、ノイズ源１から電線束３を見たインピーダンス（コモンモードインピーダンス）を、ノイズ源１の代わりに既知のコモンモードインピーダンスを接続して測定することで、校正用負荷インピーダンスＺ^（ｉ）として予め測定する。具体的には、測定器２０は、負荷回路４のインピーダンス値、電線束３の長さ、電線束３の位置、電線束３の高さなどを変えることで得られる、ｎ種類の校正用負荷インピーダンスＺ（ｉ）を測定する。ｎは１以上の自然数である。第１実施形態の測定器２０では、図１に示す構成（系）を実測モデルとして、後述する処理フロー（図４参照）が実行される。なお、以下では、校正用負荷インピーダンスＺ^（ｉ）を、単に校正用負荷、または校正用インピーダンスと称する場合がある。

【0024】

（測定器の構成例１）
測定器２０は、ノイズ源１から電線を見たインピーダンスを校正用インピーダンスとして複数回変更したとき、各校正用インピーダンスについてのノイズ源１からのノイズ電流の変動特性を取得して、変動特性と校正用インピーダンスとを対応させた基準データとして予め記録する。測定器２０は、新たな負荷が接続されたとき、予め記録された基準データに含まれる変動特性の一般化極値分布の３つのパラメータと、校正用インピーダンスとを対応づけたテーブルに基づき、新たな負荷に対する変動特性となる一般化極値分布の３つのパラメータを推定する。このように測定器２０は、基準となる校正用インピーダンスについての変動特性を予め求めてテーブル化しておき、新たに接続された負荷に対するノイズ電流の変動特性を推定してよい。

【0025】

（測定器の構成例２）
測定器２０は、前述した基準データを記録すると共に、さらに校正用インピーダンスに対して受信したノイズの各周波数成分から一般化極値分布の位置パラメータを減じたデータを、その校正用インピーダンスに対するノイズの偏差データとして蓄積する。測定器２０は、全ての校正用インピーダンスの偏差データを統合して、全偏差データとして設定する。

【0026】

また測定器２０は、全偏差データに対して周波数成分ごとの大きさの系列を元にして、周波数成分ごとに、一般化極値分布パラメータを算出することで、ノイズ源１の偏差変動特性を設定する。測定器２０は、新たに接続される負荷のインピーダンスに対する変動特性となる一般化極値分布の３つのパラメータを推定する際、予め記録された基準データ中の変動特性の一般化極値分布の位置パラメータと、校正用インピーダンスとを対応付けたテーブルに基づき、新たな負荷のインピーダンスに対する変動特性となる一般化極値分布の位置パラメータを推定する。

【0027】

また測定器２０は、推定した位置パラメータに対して、偏差変動特性の一般化極値分布の位置パラメータを加算することで、最終的な位置パラメータを設定する。測定器２０は、偏差変動特性の一般化極値分布の形状及び尺度のパラメータを、最終的な形状及び尺度のパラメータとして設定する。

【0028】

このように測定器２０は、各負荷に対するノイズについて、一般化極値分布の位置パラメータμを代表の特性として、尺度パラメータσ及び形状パラメータｋについては、全ての負荷について同一と仮定する。これにより、各負荷に対するノイズから位置パラメータμを減じたものを偏差分布とすれば、全ての負荷の偏差は１つの母集団からのサンプルと見なせる。このため、全ての負荷の偏差データを統合して、サンプル数が大きいサンプル集合として扱うことができる。これにより、少ないサンプル数でも尺度パラメータσ及び形状パラメータｋを、安定して推定することができる。

【0029】

（測定器のハードウェア構成）
図２は、測定器のハードウェア構成を示す図である。図２に示されるように、測定器２０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：プロセッサ）２１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２３、ストレージ２４、通信Ｉ／Ｆ（通信インタフェース）２５及び入出力Ｉ／Ｆ（入出力インタフェース）２６を備える。各構成は、バス２７を介して相互に通信可能に接続されている。

【0030】

ＣＰＵ２１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ２１は、ＲＯＭ２２又はストレージ２４からプログラムを読み出し、ＲＡＭ２３を作業領域としてプログラムを実行する。ＣＰＵ２１は、ＲＯＭ２２又はストレージ２４に記録されているプログラムに従って、各種の演算処理を行う。

【0031】

ＲＯＭ２２は、各種プログラムおよび各種データを格納する。ＲＡＭ２３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ２４は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）又はＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。

【0032】

通信Ｉ／Ｆ２５は、測定器２０が他の機器と通信するためのインタフェースである。通信Ｉ／Ｆ２５には、ＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ Ａｒｅａ Ｎｅｔｗｏｒｋ）、イーサネット（登録商標）、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）、ＦＤＤＩ（Ｆｉｂｅｒ Ｄｉｓｔｒｉｂｕｔｅｄ Ｄａｔａ Ｉｎｔｅｒｆａｃｅ）、Ｗｉ－Ｆｉ（登録商標）などの規格が用いられる。入出力Ｉ／Ｆ２６は、電流プローブ２から伸びるケーブルを介して、電流プローブ２と電気的に接続されている。

【0033】

図３は、測定器の機能構成を示す図である。測定器２０は、周波数記録部２０ａ、パラメータ推定部２０ｂ、及び変動特性取得部２０ｃを備える。

【0034】

周波数記録部２０ａは、ノイズ源１から当該ノイズ源１に接続される電線（電線束３）を見たインピーダンスを変更するたびごとに、ノイズ源１から発生する電磁ノイズの周波数成分を複数回記録する。パラメータ推定部２０ｂは、複数回記録した周波数成分（周波数スペクトル）の大きさの系列または周波数成分の対数の系列に基づき、周波数成分に当てはまる一般化極値分布のパラメータを推定する。変動特性取得部２０ｃは、当該パラメータを変動特性として取得する。

【0035】

次に、本開示の第１実施形態にかかるノイズ変動特性取得方法について説明する。図４は、第１実施形態にかかるノイズ変動特性取得方法を説明するためのフローチャートである。

【0036】

まず、ｉ＝１（ｉは１以上の自然数）として、１番目の校正用負荷Ｚ^（１）を電線束３に接続する（ステップＳ１）。

【0037】

次に、電流プローブ２及び測定器２０を利用して、校正用負荷Ｚ^（１）に対して、ノイズ電流の周波数スペクトルの測定をｍ（ｍは１以上の自然数）回行う、つまりノイズ電流を反復測定することにより、周波数スペクトルのデータ集合を得る（ステップＳ２）。

【0038】

次に、周波数ごとに、校正用負荷Ｚ^（ｉ）に対する位置パラメータμ^（ｉ）を得る（ステップＳ３）。具体的には、測定した周波数スペクトル［ｄＢＡ］に基づき、周波数のそれぞれのデータ集合をｍ点取り出し、ｍ点のデータ集合のそれぞれに最尤法を適用することで、一般化極値分布パラメータを推定する。これにより周波数ごとに、校正用負荷Ｚ^（ｉ）に対する位置パラメータμ^（ｉ）を得る。

【0039】

ここで、図５Ａから図５Ｃを参照して実際のデータの一例を説明する。図５Ａから図５Ｃは、第１実施形態にかかるノイズ変動特性取得方法を説明するための図である。

【0040】

図５Ａには、特定の負荷に接続した車載用ＤＣ－ＤＣコンバータ（ノイズ源１）からのノイズ電流のスペクトルを３０回（ｍ＝３０）繰り返し測定した電流データが示されている。図５Ａの縦軸は電流、図５Ａの横軸は周波数を表す。

【0041】

図５Ｂには、図５Ａの電流データのＸ部を拡大したデータが示されている。図５Ｃの左側には、図５Ｂの電流データのＹ部、つまり３０５．７ＭＨｚ付近の電流データの３０点の分布が示されている。図５Ｃの右側には、電流データの３０点の分布をバーグラフで表したヒストグラムが示されている。図５Ｃの縦軸は電流、図５Ｃの横軸は確率密度を表す。

【0042】

電流データに最尤法を適用して、一般化極値分布（Ｇｅｎｅｒａｌｉｚｅｄ Ｅｘｔｒｅｍｅ Ｖａｌｕｅ ｄｉｓｔｒｉｂｕｔｉｏｎ：ＧＥＶ分布)の３つのパラメータを推定すると、３つのパラメータの内、形状パラメータｋは－０．６２５、尺度パラメータσは１．１０、位置パラメータｕは－１１１．１となる。

【0043】

図５Ｃには、これらのパラメータによる理論曲線が、ヒストグラムに重ねて示されている。図５Ｃに示すように当該理論曲線は、ヒストグラムと整合していることが分かる。また形状パラメータｋの値が負であるため、これらはタイプ３の一般化極値分布である。

【0044】

このため、分布の上限は存在するが、当該上限は式「μ＋σ／（－ｋ）」により計算できる。この場合の上限は－１０９．３［ｄＢＡ］となる。この値は、図５Ｃの左側に示す電流データの３０点の分布の内、最大値をやや上回っており、妥当な値となっていることを確認できる。

【0045】

図４に戻り、ステップＳ３の後、周波数スペクトルのμ^（ｉ）に対するスペクトル偏差を得る（ステップＳ４）。具体的には、元の周波数のそれぞれのデータ集合ｍ点から、ステップＳ３で得られたμ^（ｉ）を減じることにより、周波数スペクトルのμ^（ｉ）に対する偏差データ集合（スペクトル偏差）を得る。

【0046】

ステップＳ２からステップＳ４までの処理は、全ての校正用負荷Ｚ^（ｉ）について実行される。具体的には、全ての校正用負荷Ｚ^（ｉ）について、ステップＳ２からステップＳ４までの処理が完了していない場合（ステップＳ５：ＮＯ）、スペクトル偏差を取得していない次の校正用負荷Ｚ^（ｉ）への接続が行われる（ステップＳ６）。そして、次の校正用負荷Ｚ^（ｉ）への接続が完了すると、ステップＳ２以降の処理が実行される。

【0047】

全ての校正用負荷Ｚ^（ｉ）について、ステップＳ２からステップＳ４までの処理が完了した場合（ステップＳ５：ＹＥＳ）、ステップＳ７の処理が実行される。

【0048】

ステップＳ７では、ステップＳ６までの処理で得られた全ての偏差データ集合を統合して、１つの大きな偏差データにまとめる。

【0049】

この統合後の偏差データ集合（スペクトル偏差データ集合）を、以下では「統合偏差データ集合」と称する場合がある。測定器２０は、統合偏差データ集合に対して最尤法を適用して、一般化極値分布パラメータ（μ_Ａ，σ_Ａ、ｋ_Ａ）を推定する（ステップＳ８）。

【0050】

ここで、測定器２０は、統合偏差データを生成してそれを一括して処理する。統合偏差データに最尤法を適用して一般化極値分布パラメータを得るのは、車載用ＤＣ－ＤＣコンバータなどでは、負荷インピーダンスが特定範囲で変化しても、各周波数での尺度パラメータσ及び位置パラメータμは、大きく変化しないという経験的知見があるためである。

【0051】

また、位置パラメータμは、サンプル数が数１０程度など、比較的少ない場含でも、最尤法により安定して計算（推定）することができるのに対して、残りの２つのパラメータ（ｋ、σ）は、１００以上の多くのサンプル数が揃わないと、最尤法による計算時の誤差が大きくなり、安定した結果が得られないためである。

【0052】

このような統合偏差データの一例を図６に示す。図６は、統合偏差データ集合を示す図である。図６の縦軸は確率密度、図６の横軸はＤＵＴ端電流偏差を表す。図６に示す統合偏差データ集合は、ｎ＝１５として、負荷を１５種類変えつつ、ｍ＝６０として車載用ＤＣ－ＤＣコンバータからのノイズ電流のスペクトルを６０回繰り返し測定したものについて作成したデータである。

【0053】

図６には、統合偏差データ集合の分布をバーグラフで表したヒストグラムが示されている。このデータに最尤法を適用して一般化極値分布の３つのパラメータを推定すると、形状パラメータｋは－０．４８１、尺度パラメータσは１．３０、位置パラメータｕは－０．１１５となる。図６には、これらのパラメータによる理論曲線が示されている。当該理論曲線は、ヒストグラムと整合していることが分かる。

【0054】

また形状パラメータｋの値が負であるため、これらはタイプ３の一般化極値分布である。このため、分布の上限は存在するが、当該上限は式「μ＋σ／（－ｋ）」により計算できる。この場合の上限は２．６０［ｄＢＡ］となる。この値は、図６に示すヒストグラムの最大値と略重なっており、妥当な値となっていることが確認できる。

【0055】

図４に戻り、ステップＳ９では、ステップＳ８で推定した一般化極値分布パラメータ（μ_Ａ，σ_Ａ、ｋ_Ａ）を用いて、Ｚ^（ｉ）と、μ^（ｉ）＋μ_Ａとを対応付けたデータテーブルに線形回帰を適用して、各周波数におけるノイズ源１のテブナン等価回路モデルの素子値を推定する。当該データテーブルは、インピーダンスと、一般化極値分布の位置パラメータとが対応付けられたテーブルと解釈してよい。

【0056】

図７は、テブナン等価回路モデルを示す図である。Ｉｈ^（ｉ）＝μ^（ｉ）＋μ_Ａとした場合、図７に示すテブナン等価回路より、Ｚｈ^（ｉ）Ｉｈ^（ｉ）＝－Ｉｈ^（ｉ）Ｚｓ＋Ｖｓとなる。これにより下記（１）式が成り立つ。これを最小二乗法で解き、Ｚｓ及びＶｓを求めればよい。

【0057】

【数1】

【0058】

このようにしてノイズ源１の変動に一般化極値分布を適用した場合、位置パラメータｕについての線形等価回路モデルを構築できる。

【0059】

なお、図７に示す回路モデルは、図１に示す車両１０の金属製ボディに搭載された回路を例にしたものであるが、当該回路モデルには、車両１０の金属製ボディに代えて、地板（ｂａｓｅ ｐｌａｔｅ）上で動作するように組み立てられたベンチに設けられている回路を用いてもよい。

【0060】

また統合偏差データ集合を作成して解析する理由は、データ数が少ないためであり、データ数が多い場合、統合偏差データ集合を作成して解析することなく、各校正用負荷Ｚ^（ｉ）における電流変動に一般化極値分布を適用したものを直接用いてよい。この場合、Ｉｈ^（ｉ）＝μ^（ｉ）として、上記（１）式の計算を行い、図７の等価回路モデルを導出すればよい。

【0061】

（第１実施形態にかかるノイズ源分布の推定方法）
次に、当該変動モデルを用いて、新たな負荷に対するノイズ源１の分布を推定する方法について説明する。

【0062】

図１に示す電線束３の配策が変化した場合（つまり電線束３の配線位置などが変化した場合）、或いは、負荷回路４のインピーダンスが変化した場合、ノイズ源１から電線束３を見たインピーダンス（負荷インピーダンス）が変化する。この変化後のインピーダンスをＺｈｔとする。

【0063】

図７に示すノイズ源１のテブナン等価回路モデルに、当該インピーダンス（負荷）Ｚｈｔを接続したときの電流値を求める。これを、インピーダンスＺｈｔに対するノイズ電流の一般化極値分布の位置パラメータμ_ｔとして設定する。また、先に求めた形状パラメータｋ_Ａと、尺度パラメータσ_Ａを、形状パラメータ及び尺度パラメータとして用いる。このようにして求めたノイズ電流のデータを図８に示す。

【0064】

図８は、ノイズ電流のデータの例を示す図である。図８に示すデータは以下のようにして得られたものである。

【0065】

まず、ｎ＝１５として、負荷を１５種類変えつつ、ｍ＝６０として車載用ＤＣ－ＤＣコンバータからのノイズ電流のスペクトルを各負荷に対して６０回繰り返し測定したものについて作成した統合偏差データ集合（図６に示す統合偏差データ）に対して、一般化極値分布パラメータを推定する。すなわち、新たな負荷をノイズ源１に接続した場合の各周波数でのノイズ電流の一般化極値分布パラメータを推定する。

【0066】

そして、その位置パラメータμと「μ＋σ／（－ｋ）」とにより計算した上限推定値の曲線をそれぞれプロットしたものに、その負荷に対するノイズ電流を新たに６０回反復測定した値を、重ね書きする。これにより、図８に示すデータが得られる。

【0067】

図８に示すデータによれば、４００ＭＨｚまでの領域では、スパイク状の異常値を除き、６０回反復測定データ（実測データ）に対して、ＧＥＶ位置パラメータμが、実測データの略中央値を示す。またＧＥＶ上限推定値は、実測データの最大値付近の値を示す。このように、ＧＥＶ位置パラメータμ及びＧＥＶ上限推定値について、妥当な推定ができていることが分かる。

【0068】

４００ＭＨｚ以上の領域では、６０回反復測定データ（実測データ）に対して、ＧＥＶ位置パラメータμ及びＧＥＶ上限推定値が、何れも、実測データの最低値よりも低い値を示す帯域が存在するなど、パラメータの誤差が大きくなっている。このため、第１実施形態の推定方法では、４００ＭＨｚまでの帯域をパラメータの推定に好適といえる。

【0069】

（作用・効果）
以上に説明したように第１実施形態によれば、一般化極値分布のパラメータを変動特性として取得できるため、負荷が変化した場合でも、ノイズの模擬精度が向上し、ノイズの変動特性を精度良く推定することができる。

【0070】

［第２実施形態］
図９は、第２実施形態にかかるノイズ変動特性取得方法を説明するためのフローチャートである。第１実施形態との相違点は、ステップＳ９Ａの処理である。

【0071】

第２実施形態のノイズ変動特性取得方法は、負荷の変化に対するノイズ源１の変動モデルの構築の際、第１実施形態と同様にステップＳ１からステップＳ８までの処理が実行される。そして、ステップＳ９Ａの処理では、ステップＳ８までに得られた情報に基づき、[周波数，１／Ｚ⁽ⁱ⁾，（μ^（ｉ）＋μ_Ａ）]から成るデータテーブルを構成する。当該データテーブルは、ノイズの周波数スペクトルと、インピーダンスの逆数と、一般化極値分布の位置パラメータとが対応付けられたテーブルと解釈してよい。

【0072】

さらに、ステップＳ９Ａの処理では、サポートベクターマシン（ＳＶＭ）非線形回帰を適用して、ＳＶＭ非線形回帰モデルを構築する。

【0073】

図１０は、データテーブルの一例を示す図である。図１０に示すデータテーブルは、ｎ＝１５として、負荷（校正用負荷Ｚ^（ｉ））を１５種類変えつつ、ｍ＝６０として車載用ＤＣ－ＤＣコンバータからのノイズ電流の１６０１点の周波数を、各負荷に対して６０回繰り返し測定したものについて作成したものである。

【0074】

データテーブルの１列目には、１５種類の校正用負荷Ｚ^（ｉ）のそれぞれについて、１６０１点の周波数が格納されている。また、各周波数における各校正用負荷Ｚ^（ｉ）の逆数Ｙ^（ｉ）＝１／Ｚ^（ｉ）の内、実部がデータテーブルの２列目に格納され、虚部がデータテーブルの３列目に格納されている。データテーブルの４列目には、各周波数におけるノイズ電流の一般化極値分布の位置パラメータが格納されている。

【0075】

従って、図１０に示すデータテーブルは、１６０１×１５＝２４，０１５行のデータテーブルとなっている。このデータテーブルをＳＶＭに入力して、非線形回帰学習を行うことで、負荷の変化に対するノイズ源１の変動モデル、つまりＳＶＭ非線形回帰モデルを得ることができる。

【0076】

（第２実施形態にかかるノイズ源分布の推定方法）
次に、当該変動モデルを用いて、新たな負荷に対するノイズ源１の分布を推定する方法について説明する。図１に示す電線束３の配策が変化した場合、或いは、負荷回路４のインピーダンスが変化した場合、ノイズ源１から電線束３を見たインピーダンスが変化する。この変化後のインピーダンスをＺｈｔとする。

【0077】

ここでＹｈｔ＝１／Ｚｈｔとし、これに基づき、周波数１６０１点に対して、Ｙｈｔの実部と虚部を並べた３列１６０１行のデータテーブルを生成する。当該データテーブルに上記のＳＶＭの非線形回帰学習結果を適用して、予想応答として、ノイズ電流の一般化極値分布の位置パラメータμ_ｔを推定する。また、第１実施形態と同様に、先に求めた形状パラメータｋ_Ａと尺度パラメータσ_Ａを、形状パラメータ及び尺度パラメータとして用いる。

【0078】

このようにして求めたノイズ電流のデータを図１１に示す。図１１は、ノイズ電流のデータの例を示す図である。図１１には、第１実施形態（図８参照）と同様にして得られたデータが示されている。すなわち、ｎ＝１５として、負荷を１５種類変えつつ、ｍ＝６０として車載用ＤＣ－ＤＣコンバータからのノイズ電流のスペクトルを各負荷に対して６０回繰り返し測定したものについて作成した統合偏差データ集合（図６に示す統合偏差データ）に対して、一般化極値分布パラメータを推定する。すなわち、新たな負荷をノイズ源１に接続した場合の各周波数でのノイズ電流の一般化極値分布パラメータを推定する。そして、その位置パラメータμと「μ＋σ／（－ｋ）」とにより計算した上限推定値の曲線をそれぞれプロットしたものに、その負荷に対するノイズ電流を新たに６０回反復測定した値を、重ね書きする。これにより、図１１に示すデータが得られる。

【0079】

図１１に示すデータによれば、８００ＭＨｚまでの領域では、ノイズ電流が急峻に落ち込む周波数帯を除き、６０回反復測定データ（実測データ）に対して、ＧＥＶ位置パラメータμは、実測データの略中央値を示す。またＧＥＶ上限推定値は、実測データの最大値付近の値を示す。このように、ＧＥＶ位置パラメータμ及びＧＥＶ上限推定値について、妥当な推定ができていることが分かる。

【0080】

ノイズ電流が急峻に落ち込む周波数帯では、ＧＥＶ位置パラメータμ及びＧＥＶ上限推定値は、６０回反復測定データ（実測データ）に対して大きくなっている。ただし一般に、ノイズの大きさを推定する目的は、ノイズが大きいことが予想される場合に対策をするためであり、当該周波数帯で大きめな実測データが現れることは、大きな影響を与えない。従って、第２実施形態の推定方法では、８００ＭＨｚまでの帯域をパラメータの推定に好適といえる。

【0081】

（作用・効果）
以上に説明したように第２実施形態では、ステップＳ９Ａの取得ステップにおいて、ノイズの周波数スペクトルとインピーダンスの逆数と一般化極値分布の位置パラメータとが対応付けられたデータテーブルに、サポートベクターマシンを適用することにより非線形回帰モデルを生成するステップを含む。このため、ノイズ源１が負荷の変化に対して非線形特性を有する場合でもノイズの変動特性を容易に推定することができる。

【0082】

［第３実施形態］
図１２は、本開示の第３実施形態にかかるノイズ変動特性取得システムの構成例を示す図である。第３実施形態にかかるノイズ変動特性取得システム１００は、第１実施形態１の構成に加え、複数のフェライトコア５を備えている。各フェライトコア５は、電線束３にクランプされている。

【0083】

第３実施形態の測定器２０は、ノイズ源１から電線束３を見たインピーダンス（コモンモードインピーダンス）を、フェライトコア５のクランプ位置、フェライトコア５の数などを変えることにより、ｎ種類の校正用負荷インピーダンスＺ^（ｉ）として、予め測定している。そして、第３実施形態では、当該構成を実測モデルとして、第１実施形態及び第１実施形態２と同様の処理が実行される。

【0084】

なお、校正用負荷インピーダンスＺ（ｉ）を予め測定する場合、図１３に示すように、ノイズ源１を、測定器２０（インピーダンス測定器）に置き換える。その際、電線束３を構成する電線を、ノイズ源１としてのインピーダンス測定器側で全て相互に短絡した上で、インピーダンス測定器に接続される。これによりコモンモードのインピーダンスを測定することができる。測定器２０のグランドは、電線束３が敷設されている車両１０の金属製ボディ、または、前述したベンチの地板に接続されている。

【0085】

（作用・効果）
以上に説明したように第３実施形態では、記録ステップ（ステップＳ２）において、電線束３に設けられているフェライトコア５の位置及び数の何れか変えることで負荷インピーダンスを変更させるステップを含む。これにより、電線束３に接続される負荷を複数準備することなく、フェライトコア５のクランプ位置などを変えることで、インピーダンス（負荷インピーダンス）を容易に変更することができる。従って、負荷が変化した場合のノイズの再現性が向上する。

【0086】

［第４実施形態］
図１４は、本開示の第４実施形態にかかるノイズ変動特性取得システムの構成例を示す図である。第４実施形態にかかるノイズ変動特性取得システム１００は、第１実施形態１の電流プローブ２に代えて、計測アンテナ６を備えている。計測アンテナ６は、電線束３などに発生する電磁界を受信するアンテナである。

【0087】

計測アンテナ６が接続された測定器２０は、受信した電磁界をモデル化対象のノイズとして、第１および第２実施形態のノイズ電流に代えて一般化極値分布を適用してその強度の一般化極値分布パラメータを推定する。なお、第４実施形態では、当該構成を実測モデルとして、第１実施形態及び第１実施形態２と同様の処理が実行される。

【0088】

（作用・効果）
以上に説明したように第４実施形態では、ノイズは、電線束３に発生する電磁界を受信するアンテナで検出され、そのノイズ電磁界強度分布の一般化極値分布パラメータが推定される。

【符号の説明】

【0089】

１ ノイズ源
２ 電流プローブ
３ 電線束
４ 負荷回路
５ フェライトコア
６ 計測アンテナ
１０ 車両
２０ 測定器
２０ａ 周波数記録部
２０ｂ パラメータ推定部
２０ｃ 変動特性取得部
２１ ＣＰＵ
２２ ＲＯＭ
２３ ＲＡＭ
２４ ストレージ
２５ 通信Ｉ／Ｆ
２６ 入出力Ｉ／Ｆ
２７ バス
１００ ノイズ変動特性取得システム

【図1】

【図2】

【図3】

【図4】

【図5A】

【図5B】

【図5C】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】