DE102016010049A1

DE102016010049A1 - Vorrichtung für maschinelles Lernen und Verfahren zum Lernen einer vorhergesagten Lebensdauer eines Motors, Lebensdauer-Vorhersagevorrichtung und Motorsystem mit einer Vorrichtung für maschinelles Lernen

Info

Publication number: DE102016010049A1
Application number: DE102016010049.4A
Authority: DE
Inventors: Zhi Chao
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2015-08-28
Filing date: 2016-08-19
Publication date: 2017-03-02
Anticipated expiration: 2036-08-20
Also published as: DE102016010049B4; JP2017046540A; US20170063276A1; CN106485343A; JP6140229B2; US9811057B2; CN106485343B

Abstract

Eine Vorrichtung für maschinelles Lernen 1, die eine Bedingung im Zusammenhang mit einer vorhergesagten Lebensdauer eines Motors lernt, umfasst: eine Zustandsbeobachtungseinheit 11, die eine Zustandsvariable beobachtet, die sich aus mindestens einem von Ausgangsdaten eines Sensors, der einen Betriebszustand des Motors erkennt, und Daten in Bezug auf das Vorhandensein oder Nichtvorhandensein eines Fehlers in dem Motor zusammensetzt; eine Ist-Lebensdauer-Datenerfassungseinheit 12, die Daten in Bezug auf eine Ist-Lebensdauer des Motors erfasst; und eine Lerneinheit 13, die die Bedingung im Zusammenhang mit der vorhergesagten Lebensdauer des Motors entsprechend einem Trainingsdatensatz lernt, der basierend auf einer Kombination der Zustandsvariablen und der Ist-Lebensdauer erstellt wird.

Description

Allgemeiner Stand der Technik
1. Gebiet der Erfindung
Die vorliegende Erfindung betrifft eine Vorrichtung für maschinelles Lernen und ein maschinelles Lernverfahren zum Lernen einer Bedingung im Zusammenhang mit der vorhergesagten Lebensdauer eines Motors, eine Lebensdauer-Vorhersagevorrichtung und ein die Lebensdauer-Vorhersagevorrichtung umfassendes Motorsystem.
2. Beschreibung des Standes der Technik
In einem Bereich, in dem ein Motor verwendet wird, wird die Lebensdauer des Motors vorhergesagt, um eine Reduzierung der Arbeitseffizienz und eines ernsten Unfalls zu verhindern, und basierend auf dem Vorhersageergebnis wird ein Austausch oder eine Wartung, wie z. B. das Reparieren oder Ausbessern des Motors oder eines seiner Bauteile, ausgeführt, bevor der Motor aufgrund des Lebensdauerendes unbrauchbar wird. Üblicherweise sagt der Konstrukteur und Benutzer eines Motors die Lebensdauer des Motors vorher, indem ein Experiment oder dergleichen durchgeführt wird. In einigen Fällen sagt der Konstrukteur und der Benutzer die Lebensdauer des Motors basierend auf ihren Erfahrungswerten vorher.
Wie beispielsweise in der Japanischen Patent-Auslegeschrift Nr. S60-144127 offenbart wird, ist ein Verfahren zum Vorhersagen der Lebensdauer eines Motors bekannt, indem ein Fehlermodell angestrebt wird, das eine Beziehung zwischen der Wicklungstemperatur und der Wicklungsausfallrate darstellt.
Wie des Weiteren zum Beispiel in der Japanischen Patent-Auslegeschrift Nr. 2006-98349 offenbart wird, ist ein Verfahren zum Vorhersagen der Isolierlebensdauer eines für eine Rotorspule in einer Hochspannungs-Rotationsmaschine bereitgestellten Isolators bekannt.
Wie weiterhin beispielsweise in der Japanischen Patent-Auslegeschrift Nr. 2003-130048 offenbart wird, ist ein Verfahren zum Vorhersagen der Lebensdauer eines Wälzlagers, das ein Bauteil eines Motors ist, bekannt.
Die Lebensdauer variiert jedoch abhängig von der Einsatzumgebung des Motors. Somit mangelt es der Lebensdauervorhersage für den Motor durch ein Experiment manchmal an Genauigkeit. Des Weiteren erfordert es viel Zeit und Arbeit, um ein Experiment abhängig von einer individuellen Einsatzumgebung nachzuvollziehen, um Genauigkeit anzustreben, und dies ist sehr mühsam. Außerdem ist es aufgrund der Abhängigkeit von einem persönlichen Erfahrungswert ineffizient und es bestehen zudem große personenbezogene Unterschiede.
KURZDARSTELLUNG DER ERFINDUNG
Angesichts des obengenannten Problems ist es eine Aufgabe der vorliegenden Erfindung, eine Vorrichtung und ein Verfahren für maschinelles Lernen, mit denen die Lebensdauer eines Motors entsprechend einer Einsatzumgebung genau und leicht vorhergesagt werden kann, und eine Lebensdauer-Vorhersagevorrichtung und ein die Vorrichtung für maschinelles Lernen umfassendes Motorsystem bereitzustellen.
Um die obengenannte Aufgabe zu lösen, umfasst die Vorrichtung für maschinelles Lernen, die eine Bedingung im Zusammenhang mit der vorhergesagten Lebensdauer des Motors lernt: eine Zustandsbeobachtungseinheit, die eine Zustandsvariable beobachtet, die sich aus mindestens einem von Ausgangsdaten eines Sensors, der einen Betriebszustand des Motors erkennt, und Daten in Bezug auf das Vorhandensein oder Nichtvorhandensein eines Fehlers in dem Motor zusammensetzt; eine Ist-Lebensdauer-Datenerfassungseinheit, die Daten in Bezug auf die Ist-Lebensdauer des Motors erfasst; und eine Lerneinheit, die die Bedingung im Zusammenhang mit der vorhergesagten Lebensdauer des Motors entsprechend einem Trainingsdatensatz lernt, der basierend auf einer Kombination der Zustandsvariablen und der Ist-Lebensdauer definiert wird.
Der obengenannte Betriebszustand kann mindestens eines von einem Strombefehl, der einen durch den Motor fließenden Strom anordnet, einem Spannungsbefehl, der eine an den Motor angelegte Spannung anordnet, einem Frequenzbefehl, der eine Frequenz des Stroms oder der Spannung, der/die durch den Motor fließt, anordnet, einem von dem Motor ausgegebenen Drehmoment, einer Anzahl von Umdrehungen des Motors, einer Betriebszeit des Motors, einer Temperatur in einer Nähe des Motors, einer Feuchtigkeit in einer Nähe des Motors und einet in dem Motor erzeugten Schwingung umfassen.
Die Lerneinheit kann eine Belohnungsberechnungseinheit, die eine Belohnung basierend auf der vorhergesagten Lebensdauer und der Ist-Lebensdauer berechnet, und eine Funktionsaktualisierungseinheit, die eine Funktion zum Berechnen der vorhergesagten Lebensdauer des Motors basierend auf der Zustandsvariablen und der Belohnung aktualisiert, umfassen.
Die Belohnungsberechnungseinheit kann dazu eingerichtet sein, die Belohnung zu erhöhen, wenn ein Verhältnis der Differenz zwischen der vorhergesagten Lebensdauer und der Ist-Lebensdauer zur Ist-Lebensdauer innerhalb eines festgelegten Bereichs fällt, und die Belohnung zu reduzieren, wenn das Verhältnis außerhalb des festgelegten Bereichs fällt.
Die Lerneinheit kann dazu eingerichtet sein, die Bedingung entsprechend einem in Bezug auf mehrere Motoren erfassten Trainingsdatensatz zu lernen.
Die Lebensdauer-Vorhersagevorrichtung des Motors, die die obengenannte Vorrichtung für maschinelles Lernen umfasst, kann ferner eine Entscheidungsfindungseinheit umfassen, die die vorausgesagte Lebensdauer des Motors basierend auf einem Ergebnis des Lernens durch die Lerneinheit entsprechend dem Trainingsdatensatz und als Reaktion auf die Eingabe der Ist-Zustandsvariablen berechnet.
Die Lebensdauer-Vorhersagevorrichtung kann ferner eine Benachrichtigungseinheit umfassen, die einen Bediener über die durch die Entscheidungsfindungseinheit berechnete vorhergesagte Lebensdauer benachrichtigt.
Die Lebensdauer-Vorhersagevorrichtung kann ferner eine Benachrichtigungseinheit umfassen, die den Bediener über eine Information benachrichtigt, die einen Austausch des Motors basierend auf der durch die Entscheidungsfindungseinheit berechneten vorhergesagten Lebensdauer veranlasst.
Die Lebensdauer-Vorhersagevorrichtung kann ferner eine Änderungsbefehls-Ausgabeeinheit umfassen, die basierend auf der durch die Entscheidungsfindungseinheit berechneten vorhergesagten Lebensdauer an die Steuervorrichtung, die den Motor steuert, einen Änderungsbefehl ausgibt, der mindestens einen von dem Strombefehl, der den durch den Motor fließenden Stroms anordnet, dem Spannungsbefehl, der die an den Motor angelegte Spannung anordnet, und dem Frequenzbefehl, der die Frequenz des Stroms oder der Spannung, der/die durch den Motor fließt, anordnet, ändert.
Des Weiteren kann die Lerneinheit dazu eingerichtet sein, die obengenannte Bedingung entsprechend einem durch eine Ist-Zustandsvariable definierten zusätzlichen Trainingsdatensatz erneut zu lernen und zu aktualisieren.
Des Weiteren umfasst das Motorsystem die oben beschriebene Lebensdauer-Vorhersagevorrichtung, einen Motor, eine Steuervorrichtung, die den Motor steuert, und einen Sensor, der einen Betriebszustand des Motors erkennt.
Des Weiteren umfasst das maschinelle Lernverfahren, das eine Bedingung im Zusammenhang mit einer vorhergesagten Lebensdauer eines Motors lernt: einen Zustandsbeobachtungsschritt, der eine Zustandsvariable beobachtet, die sich aus mindestens einem von Ausgangsdaten eines Sensors, der einen Betriebszustand des Motors erkennt, und Daten in Bezug auf das Vorhandensein oder Nichtvorhandensein eines Fehlers in dem Motor zusammensetzt; einen Ist-Lebensdauer-Erfassungsschritt, der Daten in Bezug auf eine Ist-Lebensdauer des Motors erfasst; und einen Lernschritt, der die Bedingung im Zusammenhang mit der vorhergesagten Lebensdauer des Motors entsprechend einem Trainingsdatensatz lernt, der basierend auf einer Kombination der Zustandsvariablen und der Ist-Lebensdauer definiert wird.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
Die vorliegende Erfindung wird durch Bezugnahme auf die folgenden beigefügten Zeichnungen deutlicher verstanden werden:
1 ist ein Prinzipblockschaltbild einer Vorrichtung für maschinelles Lernen gemäß einer Ausführungsform;
2 ist ein Ablaufdiagramm, das einen Arbeitsablauf eines maschinellen Lernverfahrens gemäß einer Ausführungsform darstellt.
3 ist ein Prinzipblockschaltbild einer Vorrichtung für maschinelles Lernen, die bestärkendes Lernen verwendet, gemäß einer Ausführungsform;
4 ist ein Ablaufdiagramm das einen Arbeitsablauf eines maschinellen Lernverfahrens, das bestärkendes Lernen verwendet, gemäß einer Ausführungsform darstellt.
5 ist ein Prinzipblockschaltbild, das eine die Vorrichtung für maschinelles Lernen gemäß der Ausführungsform umfassende Lebensdauer-Vorhersagevorrichtung und ein die Lebensdauer-Vorhersagevorrichtung umfassendes Motorsystem darstellt; und
6 ist ein Ablaufdiagramm, das einen Arbeitsablauf der Lebensdauer-Vorhersagevorrichtung, die die das bestärkende Lernen verwendende Vorrichtung für maschinelles Lernen umfasst, darstellt.
AUSFÜHRLICHE BESCHREIBUNG
Eine Vorrichtung für maschinelles Lernen und ein Verfahren zum Lernen einer vorhergesagten Lebensdauer eines Motors, eine Lebensdauer-Vorhersagevorrichtung und ein die Vorrichtung für maschinelles Lernen umfassendes Motorsystem werden nachfolgend mit Bezug auf die Zeichnungen beschrieben. Es sollte jedoch verstanden werden, dass die vorliegende Erfindung nicht auf die Zeichnungen oder nachfolgend beschriebene Ausführungsformen beschränkt ist.
Die 1 ist ein Prinzipblockschaltbild der Vorrichtung für maschinelles Lernen gemäß einer Ausführungsform. Nachfolgend sollen Bauteile, denen identische Bezugsziffern in unterschiedlichen Zeichnungen zugeordnet sind, solche sein, die identische Funktionen haben.
Die Vorrichtung für maschinelles Lernen 1 gemäß der Ausführungsform ist dazu eingerichtet, eine Bedingung im Zusammenhang mit einer vorhergesagten Lebensdauer eines Motors zu lernen.
Die Vorrichtung für maschinelles Lernen 1 umfasst eine Zustandsbeobachtungseinheit 11, eine Ist-Lebensdauer-Datenerfassungseinheit 12 und eine Lerneinheit 13. Die Vorrichtung für maschinelles Lernen 1 kann als ein Digitalrechner eingerichtet sein, der über ein Netzwerk mit dem Motor verbunden ist. Alternativ kann die Vorrichtung für maschinelles Lernen auf einem Cloud-Server bereitgestellt werden, wobei er über ein Netzwerk mit einem Motor verbunden ist. Alternativ kann die Vorrichtung für maschinelles Lernen 1 in einer Steuervorrichtung enthalten sein, die den Motor steuert, wobei sie maschinelles Lernen mittels eines Prozessors der Steuervorrichtung durchführt.
Die Zustandsbeobachtungseinheit 11 beobachtet eine Zustandsvariable, die mindestens eines von Ausgangsdaten eines Sensors, der einen Betriebszustand (Betriebsbedingung) des Motors und Daten in Bezug auf das Vorhandensein oder Nichtvorhandenseins eines Fehlers des Motors erkennt.
Der durch den Sensor erkannte Betriebszustand umfasst mindestens eines von einem Strombefehl, der einen durch den Motor fließenden Strom anordnet, einem Spannungsbefehl, der eine an den Motor angelegte Spannung anordnet, einem Frequenzbefehl, der eine Frequenz des Stroms oder der Spannung, der/die durch den Motor fließt, anordnet, einem von dem Motor ausgegebenen Drehmoment, einer Anzahl von Umdrehungen des Motors, einer Betriebszeit des Motors, einer Temperatur in der Nähe des Motors, einer Feuchtigkeit in der Nähe des Motors und einer in dem Motor erzeugte Schwingung. Des Weiteren können andere Parameter in Bezug auf den Motor im Betriebszustand des Motors enthalten sein.
Hinsichtlich der obengenannten Betriebszustände, die als die Zustandsvariable durch die Beobachtungseinheit 11 beobachtet werden, sind der Strombefehl, der den durch den Motor fließenden Strom anordnet, der Spannungsbefehl, der die an den Motor angelegte Spannung anordnet, der Frequenzbefehl, der die Frequenz des Stroms oder der Spannung, der/die durch den Motor fließt, anordnet, diejenigen Befehle, die die Steuervorrichtung, die, den Motor steuert, in den Motor eingibt (genauer gesagt, einen Leistungswandler, der Antriebsleistung an den Motor liefert), und sie werden im Allgemeinen als interne Daten einer in der Steuervorrichtung gespeicherten Steuerungssoftware verwendet. Diese Betriebszustände werden nachfolgend manchmal einfach als „Eingangsbedingungen des Motors” bezeichnet.
Des Weiteren sind hinsichtlich der obengenannten Betriebszustände, die als Zustandsvariable durch die Zustandsbeobachtungseinheit 11 beobachtet werden, das von dem Motor ausgegebene Drehmoment, die Anzahl der Umdrehungen des Motors und die Betriebszeit des Motors Informationen, die als ein Ergebnis des Betriebs des Motors ausgegeben werden und werden üblicherweise durch verschiedene Sensoren erkannt. Beispielsweise wird das von dem Motor ausgegebene Drehmoment durch einen Drehmomentsensor erkannt, die Anzahl von Umdrehungen des Motors wird durch einen Rotationssensor erkannt und die Betriebszeit des Motors wird durch eine Betriebszeit-Messvorrichtung (Zeitmesssensor) erkannt. Diese Betriebszustände werden nachfolgend manchmal einfach als „Ausgangsbedingungen des Motors” bezeichnet. Derweil können hinsichtlich der oben erwähnten Eingangsbedingungen des Motors der durch den Motor fließende Strom, die an dem Motor angelegte Spannung und die Frequenz des Stroms oder der Spannung, der/die durch den Motor fließt, aus dem Strombefehl, Spannungsbefehl und Frequenzbefehl durch die Steuervorrichtung des Motors resultieren, entsprechend durch einen Stromsensor, einen Spannungssensor und einen Frequenzsensor erkannt werden, und in diesem Fall können diese Parameter in den Betriebszuständen als die „Ausgangsbedingungen des Motors” enthalten sein.
Des Weiteren sind hinsichtlich der als die Zustandsvariable durch die Zustandsbeobachtungseinheit 11 beobachteten Betriebszustände eine Temperatur in der Nähe des Motors, eine Feuchtigkeit in der Nähe des Motors und eine in dem Motor erzeugte Schwingung Informationen, die Zustände der Umgebung, in der der Motor eingebaut ist, darstellen. Die Informationen haben auch äußerlich einen Einfluss auf den Betrieb und die Lebensdauer des Motors. Beispielsweise wird die Temperatur in der Nähe des Motors durch einen Temperatursensor (Thermometer) gemessen, die Feuchtigkeit in der Nähe des Motors wird durch einen Feuchtigkeitssensor (Hygrometer) gemessen und die in dem Motor erzeugte Schwingung wird durch einen Schwingungsmesser (Vibrometer) gemessen. Diese Betriebszustände werden nachfolgend manchmal einfach als „äußere Bedingungen des Motors” bezeichnet.
Des Weiteren können Daten in Bezug auf das durch die Zustandsbeobachtungseinheit 11 beobachtete Vorhandensein oder Nichtvorhandensein eines Fehlers des Motors beispielsweise durch eine am Motor montierte Fehlererkennungsvorrichtung erzeugt werden. In diesem Fall gibt die Fehlererkennungsvorrichtung Daten aus, die das Auftreten eines Fehlers in dem Motor darstellen, wenn ein durch den Drehmomentsensor erkanntes Stördrehmoment oder eine durch den Schwingungssensor erkannte Amplitude einer Schwingung einen vorbestimmten Schwellenwert überschreitet. Alternativ können Daten in Bezug auf das durch die Zustandsbeobachtungseinheit 11 beobachtete Vorhandensein oder Nichtvorhandensein eines Fehlers des Motors basierend auf internen Daten von in der Steuervorrichtung des Motors gespeicherter Steuerungssoftware erzeugt werden. Alternativ kann sie so eingerichtet sein, dass der Konstrukteur oder Benutzer, der einen Fehler des Motors gefunden oder bestimmt hat, Daten, die das Auftreten des Fehlers im Motor darstellen, in die Zustandsbeobachtungseinheit 11 eingibt.
Wie oben beschrieben beobachtet die Zustandsbeobachtungseinheit 11 eine Zustandsvariable, die mindestens eines von Ausgangsdaten eines Sensors, der die Betriebszustände des Motors (Eingangsbedingung, Ausgangsbedingung und äußere Bedingung des Motors) und Daten in Bezug auf das Vorhandensein oder Nichtvorhandensein eines Fehlers in dem Motor erkennt. In dem Fall, dass die Vorrichtung für maschinelles Lernen 1 mit dem Motor über ein Netzwerk verbunden ist oder auf einem Cloud-Server bereitgestellt wird, beobachtet die Zustandsbeobachtungseinheit 11 die Zustandsvariable über ein Netzwerk. In dem Fall, dass die Vorrichtung für maschinelles Lernen 1 in der Steuervorrichtung, die den Motor steuert, enthalten ist, beobachtet die Zustandsbeobachtungseinheit 11 die Zustandsvariable alternativ basierend auf internen Daten einer in der Steuervorrichtung gespeicherten Software oder auf Sensordaten, die von verschiedenen mit der Steuervorrichtung verbundenen Sensoren ausgegebenen werden.
Die Ist-Lebensdauer-Datenerfassungseinheit 12 erfasst Daten in Bezug auf eine Ist-Lebensdauer des Motors. Beispielsweise wird die Ist-Lebensdauer des Motors erhalten, indem eine Zeit, ab der begonnen wird, den Motor zu benutzen, bis zu der Zeit, wenn die Lebensdauer tatsächlich endet (oder wenn ein Fehler auftritt), gemessen wird und beispielsweise der Konstrukteur oder Benutzer Daten in Bezug auf die gemessene Ist-Lebensdauer in die Ist-Lebensdauer-Datenerfassungseinheit 12 eingibt. Alternativ kann in einem System, in dem ein Timer in einer Vorrichtung eingebaut ist, die eine Steuerung und Aktivierung des Motors ausführt, die Betriebszeit des Motors integriert werden, um in die Ist-Lebensdauer-Datenerfassungseinheit 12 eingegeben zu werden.
Die Lerneinheit 13 lernt die vorausgesagte Lebensdauer des Motors entsprechend einem Trainingsdatensatz, der basierend auf einer Kombination der durch die Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariablen und der durch die Ist-Lebensdauer-Datenerfassungseinheit 12 erfassten Ist-Lebensdauer definiert wird. Indessen kann ein Trainingsdatensatz in Bezug auf mehrere Motoren erfasst werden, und in diesem Fall lernt die Lerneinheit 13 die vorhergesagte Lebensdauer des Motors entsprechend dem in Bezug auf die mehreren Motoren erfassten Trainingsdatensatz.
2 ist ein Ablaufdiagramm, das einen Arbeitsablauf des maschinellen Lernverfahrens gemäß der Ausführungsform darstellt. Das maschinelle Lernverfahren, das eine Bedingung im Zusammenhang mit einer vorhergesagten Lebensdauer eines Motors lernt, umfasst einen Zustandsbeobachtungsschritt S101, einen Ist-Lebensdauer-Datenerfassungsschritt S102 und einem Lernschritt S103.
Der Zustandsbeobachtungsschritt S101 wird durch die Zustandsbeobachtungseinheit 11 ausgeführt, d. h. um eine Zustandsvariable zu beobachten, die mindestens eines von Ausgangsdaten eines Sensors, der einen Betriebszustand des Motors erkennt, und Daten in Bezug auf das Vorhandensein oder Nichtvorhandensein eines Fehlers in dem Motor umfasst.
Der Ist-Lebensdauer-Datenerfassungsschritt S102 wird durch die Ist-Lebensdauer-Datenerfassungseinheit 12 ausgeführt, d. h. um Daten in Bezug auf eine Ist-Lebensdauer des Motors zu erfassen.
Indessen können der Prozess von Schritt S101 und der Prozess von Schritt S102, wie oben beschrieben, beliebig miteinander austauschbar durchgeführt werden.
Der Lernschritt S103 wird durch die Lerneinheit 13 ausgeführt, um eine vorhergesagte Lebensdauer des Motors entsprechend einem Trainingsdatensatz zu lernen, der basierend auf einer Kombination einer durch die Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariablen und einer durch die Ist-Lebensdauer-Datenerfassungseinheit 12 erfassten Ist-Lebensdauer definiert wird.
Die Lerneinheit 13 kann einen beliebigen Typ von Lernalgorithmus verwenden. Lediglich als Beispiel wird ein Fall beschrieben, in dem bestärkendes Lernen angewendet wird. Bestärkendes Lernen ist derart, dass ein Agent (handelndes Subjekt) in einer bestimmten Umwelt einen Ist-Zustand beobachtet und eine zu ergreifende Aktion bestimmt. Der Agent erhält eine Belohnung von der Umwelt durch Auswählen einer Aktion und lernt einen Weg, dass die höchste Belohnung durch eine Reihe von Aktionen erlangt werden können. Q-Lernen und TD-Lernen sind als typische Techniken von bestärkendem Lernen bekannt. Beispielsweise wird im Falle des Q-Lernens eine allgemeine Aktualisierungsformel (Aktionswerttabelle) für eine Aktionswertfunktion Q(s, a) durch die folgende Formel (1) dargestellt:
In der Formel (1) stellt s_t eine Umwelt zum Zeitpunkt t dar, und a_t stellt eine Aktion zum Zeitpunkt t dar. Die Aktion a_t führt zu einer zu s_t+1 geänderten Umwelt. r_t+1 stellt eine Belohnung dar, die durch die Änderung der Umwelt erhalten werden kann, γ stellt einen Diskontierungsfaktor dar und α stellt einen Lernfaktor dar. Wenn Q-Lernen angewendet wird, ist abhängig von der vorhergesagten Lebensdauer die Aktion a_t relevant für die vorhergesagte Lebensdauer, die zu einem Austausch und/oder einer Wartung des Motors oder eines Bauteils (von Bauteilen) davon führt.
Die 3 ist ein Prinzipblockschaltbild der Vorrichtung für maschinelles Lernen, die bestärkendes Lernen gemäß der Ausführungsform verwendet. Die Lerneinheit 13 umfasst eine Belohnungsberechnungseinheit 21 und eine Funktionsaktualisierungseinheit 22. Die Belohnungsberechnungseinheit 21 berechnet eine Belohnung basierend auf einer vorhergesagten Lebensdauer, die durch eine Entscheidungsfindungseinheit und eine durch die Ist-Lebensdauer-Datenerfassungseinheit 12 erfassten Ist-Lebensdauer bestimmt wird. Die Funktionsaktualisierungseinheit 22 aktualisiert eine Funktion zum Berechnen einer vorhergesagten Lebensdauer des Motors basierend auf der durch die Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariablen und der durch die Belohnungsberechnungseinheit 21 berechneten Belohnung. Beispielsweise wird im Falle des Q-Lernens die durch die Formel (1) dargestellte Aktionswertfunktion Q(s, a) als eine Funktion zum Ändern der vorhergesagten Lebensdauer, die die Aktion a_t ist, verwendet. Indessen sind andere Komponenten als diese den in 1 dargestellten Komponenten ähnlich, und daher werden identischen Komponenten identische Bezugsziffern zugewiesen, und auf deren ausführliche Beschreibung wird verzichtet.
Die 4 ist ein Ablaufdiagramm, das einen Arbeitsablauf der Vorrichtung für maschinelles Lernen, die bestärkendes Lernen gemäß der Ausführungsform verwendet, dargestellt.
Zunächst beobachtet im Beobachtungsschritt S101 die Zustandsbeobachtungsvorrichtung 11 eine Zustandsvariable, die mindestens eines von Ausgangsdaten des Sensors, der einen Betriebszustand des Motors erkennt, und Daten in Bezug auf das Vorhandensein oder Nichtvorhandensein eines Fehlers in dem Motor umfasst.
Anschließend erfasst im Ist-Lebensdauer-Erfassungsschritt S102 die Ist-Lebensdauer-Erfassungseinheit 12 Daten in Bezug auf eine Ist-Lebensdauer des Motors.
Indessen können der Prozess von Schritt S101 und der Prozess von Schritt S102 beliebig miteinander austauschbar durchgeführt werden.
Anschließend berechnet im Belohnungsberechnungsschritt S103-1 die Belohnungsberechnungseinheit 21 eine Belohnung basierend auf einer vorhergesagten Lebensdauer, die durch eine Entscheidungsfindungseinheit und eine durch die Ist-Lebensdauer-Erfassungseinheit 12 erfasste Ist-Lebensdauer bestimmt wird.
Anschließend aktualisiert im Funktionsaktualisierungsschritt S102-2 die Funktionsaktualisierungseinheit 22 eine Funktion zum Berechnen der vorhergesagten Lebensdauer basierend auf der durch die Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariablen und der durch die Belohnungsberechnungseinheit 21 berechneten Belohnung.
Als Nächstes wird eine Beschreibung einer Lebensdauer-Vorhersagevorrichtung für den Motor, die die oben beschriebene Vorrichtung für maschinelles Lernen umfasst, erstellt. Lediglich beispielhaft wird ein Fall beschrieben, in dem bestärkendes Lernen als ein Lernalgorithmus der Lerneinheit verwendet wird.
Die 5 ist ein Prinzipblockschaltbild, das eine Lebensdauer-Vorhersagevorrichtung, die die Vorrichtung für maschinelles Lernen gemäß der Ausführungsform umfasst, und ein Motorsystem, das die Lebensdauer-Vorhersagevorrichtung umfasst, darstellt. Hierin wird ein Fall beschrieben, in dem ein Motor 31 durch eine Steuervorrichtung 32 gesteuert wird.
Die Lebensdauer-Vorhersagevorrichtung 100 für den Motor 31 umfasst eine Vorrichtung für maschinelles Lernen 1, eine Entscheidungsfindungseinheit 14, eine erste Benachrichtigungseinheit 15-1, eine zweite Benachrichtigungseinheit 15-2 und eine Änderungsbefehls-Ausgabeeinheit 16. Indessen können die erste Benachrichtigungseinheit 15-1 und die zweite Benachrichtigungseinheit 15-2 als eine einzelne Benachrichtigungseinheit verwirklicht werden, wie nachfolgend beschrieben. Obwohl dies hierin nicht dargestellt wird, kann eine Datenausgabeeinheit, die Daten in Bezug auf eine durch die Entscheidungsfindungseinheit 14 bestimmte vorhergesagte Lebensdauer ausgibt, separat bereitgestellt werden.
Des Weiteren umfasst das Motorsystem 1000 die Lebensdauer-Vorhersagevorrichtung 100, den Motor 31, die Steuervorrichtung 32 und einen Sensor 33.
Der Typ des Motors 31 schränkt die vorliegende Erfindung nicht ein und kann entweder ein AC-Motor oder ein DC-Motor sein.
Die Steuervorrichtung 32 steuert den Motor 31 basierend auf einer im Innern der Steuervorrichtung 32 gespeicherten Steuerungssoftware, indem verschiedene durch den Sensor 33 erkannte Daten verwendet werden. Ein Antriebsbefehl zum Steuern des Motors 31 umfasst einen Strombefehl, der einen durch den Motor 31 fließenden Strom anordnet, einen Spannungsbefehl, der eine an den Motor 31 angelegte Spannung anordnet, einen Frequenzbefehl, der die Frequenz des Stroms oder der Spannung, der/die durch den Motor 31 fließt, anordnet, oder dergleichen. Das Verfahren zum Steuern des Motors 31 durch die Steuervorrichtung 32 schränkt die vorliegende Erfindung nicht besonders ein, sondern kann ein bekanntes Verfahren sein.
Der Sensor 33 erkennt einen Betriebszustand des Motors 31. Beispielsweise gibt es einen Drehmomentsensor, der ein von dem Motor 31 ausgegebenes Drehmoment erkennt, einen Rotationssensor, der eine Anzahl von Umdrehung des Motors 31 erkennt, eine Betriebszeit-Messvorrichtung (Zeitmesssensor), die eine Betriebszeit des Motors 31 erkennt, einen Stromsensor, der einen durch den Motor 31 fließenden Strom erkennt, einen Spannungssensor, der eine an dem Motor 31 angelegte Spannung erkennt, einen Frequenzsensor, der eine Frequenz eines Stroms oder einer Spannung, der/die durch den Motor 31 fließt, erkennt, einen Leistungssensor, der eine dem Motor 31 zugeführte Antriebsleistung erkennt, einen Temperatursensor (Thermometer), der eine Temperatur in der Nähe des Motors 31 misst, einen Feuchtigkeitssensor (Hygrometer), der eine Feuchtigkeit in der Nähe des Motors 31 misst, einen Schwingungssensor, der eine im Motor 31 erzeugte Schwingung misst, und so weiter. Der Sensor 33 erkennt das Angesprochene als Ausgangsbedingung und äußere Bedingung der oben beschriebenen Betriebszustände des Motors 31.
Die Vorrichtung für maschinelles Lernen 1 umfasst eine Zustandsbeobachtungseinheit 11, eine Ist-Lebensdauer-Datenerfassungseinheit 12 und eine Lerneinheit 13.
Wie oben beschrieben beobachtet die Zustandsbeobachtungseinheit 11 eine Zustandsvariable, die mindestens eines von Ausgangsdaten des Sensors, der einen Betriebszustand des Motors 31 erkennt, und Daten in Bezug auf das Vorhandensein oder Nichtvorhandensein eines Fehlers in dem Motor 31 umfasst. Hinsichtlich der als eine Zustandsvariable beobachteten Betriebszustände erfasst zum Beispiel die Zustandsbeobachtungseinheit 11 die Betriebszustände als Ausgangsbedingung und äußere Bedingung von dem Sensor 33, und erfasst die Betriebszustände als Eingangsbedingung von der Steuervorrichtung 32. Des Weiteren kann hinsichtlich der Daten des Vorhandenseins oder Nichtvorhandensein eines Fehlers in dem Motor 31, wie oben beschrieben, die Zustandsbeobachtungseinheit 11 solche Daten von einer im Motor 31 vorgesehenen Fehlererkennungsvorrichtung (nicht dargestellt) oder von der Steuervorrichtung 32 erfassen, oder kann alternativ solche Daten über einen Eingabevorgang durch den Konstrukteur und Benutzer, die einen Fehler in dem Motor 31 gefunden oder bestimmt haben, erfassen.
Die Ist-Lebensdauer-Datenerfassungseinheit 12 erfasst Daten in Bezug auf eine Ist-Lebensdauer des Motors 31.
Die Lerneinheit 13 umfasst eine Belohnungsberechnungseinheit 21 und eine Funktionsaktualisierungseinheit 22 und lernt eine vorhergesagte Lebensdauer des Motors 31 entsprechend einem Trainingsdatensatz, der basierend auf einer Kombination der durch die Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariablen und der durch die Ist-Lebensdauer-Datenerfassungseinheit 12 erfassten Ist-Lebensdauer definiert wird.
Die Belohnungsberechnungseinheit 21 in der Lerneinheit 13 berechnet eine Belohnung basierend auf der durch die Entscheidungsfindungseinheit 14 bestimmten vorhergesagten Lebensdauer und der durch die Ist-Lebensdauer-Datenerfassungseinheit 12 erfassten Ist-Lebensdauer. Insbesondere erhöht die Belohnungsberechnungseinheit 21 die Belohnung, wenn |N – M|/M, d. h. ein Verhältnis der Differenz zwischen der vorhergesagten Lebensdauer N und der Ist-Lebensdauer M innerhalb eines festgelegten Bereichs α fällt, während sie die Belohnung reduziert, wenn das Verhältnis außerhalb des Bereichs α fällt. Der Begriff |N – M| stellt den Absolutwert der Differenz zwischen der vorhergesagten Lebensdauer N und der Ist-Lebensdauer M dar. Der Grund, weshalb die Belohnung auf diese Weise berechnet wird, liegt darin, dass es bedeutet, dass je kleiner |N – M|/M ist, was das Verhältnis der Differenz zwischen der vorhergesagten Lebensdauer N und der Ist-Lebensdauer M zur Ist-Lebensdauer M ist, umso genauer die vorhergesagte Lebensdauer über das Lernen durch die Vorrichtung für maschinelles Lernen 1 berechnet werden kann. Der obengenannte festgelegte Bereich α ist ein Belohnungsbeurteilungsfaktor, der basierend auf der Genauigkeit der als ein Ergebnis des Lernens durch die Vorrichtung für maschinelles Lernen 1 oder dergleichen erhaltenen vorhergesagten Lebensdauer beliebig eingestellt werden kann.
Die Funktionsaktualisierungseinheit 22 in der Lerneinheit 13 aktualisiert die Funktion zum Berechnen der vorhergesagten Lebensdauer des Motors 31 basierend auf der durch die Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariablen und der durch die Belohnungsberechnungseinheit 21 berechneten Belohnung. Beispielsweise wird im Falle des Q-Lernens die durch die Formel (1) dargestellte Aktionswertfunktion Q(s, a) als die Funktion zum Ändern der vorhergesagten Lebensdauer, was die Aktion a_t ist, verwendet.
Die Entscheidungsfindungseinheit 14 berechnet die vorhergesagte Lebensdauer des Motors 31 basierend auf dem Ergebnis des Lernens durch die Lerneinheit 13 entsprechend dem Trainingsdatensatz und als Erwiderung auf die Eingabe der Ist-Zustandsvariablen. Da in dieser Ausführungsform, lediglich beispielhaft, bestärkendes Lernen als ein Lernalgorithmus verwendet wird, aktualisiert die Funktionsaktualisierungseinheit 22 in der Lerneinheit 13 die Funktion zum Berechnen der vorhergesagten Lebensdauer basierend auf der durch die Belohnungsberechnungseinheit 21 in der Lerneinheit 13 berechneten Belohnung, und die Entscheidungsfindungseinheit 14 wählt basierend auf der aktualisierten Funktion die vorhergesagte Lebensdauer, die die höchste Belohnung erhält, und gibt sie aus. Die durch die Entscheidungsfindungseinheit 14 bestimmte vorhergesagte Lebensdauer wird an die Belohnungsberechnungseinheit 21, die erste Benachrichtigungseinheit 15-1, die zweite Benachrichtigungseinheit 15-2 und die Änderungsbefehls-Ausgabeeinheit 16 ausgegeben. Die Belohnungsberechnungseinheit 21 berechnet die Belohnung, wie oben beschrieben, basierend auf der durch die Entscheidungsfindungseinheit 14 bestimmten vorhergesagten Lebensdauer und der durch die Ist-Lebensdauer-Datenerfassungseinheit 12 erfassten Ist-Lebensdauer.
Die erste Benachrichtigungseinheit 15-1 benachrichtigt den Bediener über die durch die Entscheidungsfindungseinheit 14 berechnete vorhergesagte Lebensdauer und die zweite Benachrichtigungseinheit 15-2 benachrichtigt den Bediener über die Information, die den Austausch des Motors basierend auf der durch die Entscheidungsfindungseinheit 14 berechneten vorhergesagten Lebensdauer veranlasst. Im Übrigen können die erste Benachrichtigungseinheit 15-1 und die zweite Benachrichtigungseinheit 15-2 als eine einzelne Benachrichtigungseinheit verwirklicht werden. Auf diese Weise können der Konstrukteur und der Bediener über die vorhergesagte Lebensdauer unterrichtet werden und somit einen Austausch oder eine Wartung, wie ein Reparieren und Ausbessern des Motors 31 oder eines Bauteils davon ausführen, bevor der Motor 31 unbrauchbar wird. Durch Ausführen eines Austausches oder einer Wartung des Bauteils oder der Bauteile des Motors 31 ist es möglich, die Lebensdauer des Motors 31 zu verlängern. Alternativ kann sie so ausgestaltet werden, dass die Betriebszustände (Eingangsbedingung, Ausgangsbedingung und äußere Bedingung), die in der Berechnung der vorhergesagten Lebensdauer erfasst werden und die einen großen Einfluss auf die Lebensdauer des Motors 31 haben, zusammen als die Inhalte der Benachrichtigung der ersten Benachrichtigungseinheit 15-1 und/oder der zweiten Benachrichtigungseinheit 15-2 bekanntgegeben werden. Beispielsweise kann berücksichtigt werden, dass wenn „das Drehmoment T_A, eine Anzahl von Umdrehungen S_A, eine Betriebszeit t_A” als eine Ausgangsbedingung A festgelegt und „das Drehmoment T_B, eine Anzahl von Umdrehungen S_B, eine Betriebszeit t_B” als eine Ausgangsbedingung B festgelegt werden, während der Bediener ein Objekt mittels des Motors 31 bearbeitet, die Entscheidungsfindungseinheit 14 eine vorhergesagte Lebensdauer in Bezug auf diese Ausgangsbedingungen A und B berechnet und dem Bediener diejenige der Ausgangsbedingungen angibt, für die die vorhergesagte Lebensdauer länger ist. Auf diese Weise können der Konstrukteur und der Bediener den Betriebszustand, der die Lebensdauer des Motors 31 beeinflusst, ändern. Wenn beispielsweise herausgefunden wird, dass Temperatur und Feuchtigkeit die Lebensdauer des Motors 31 beeinflussen, können der Konstrukteur und der Bediener Maßnahmen ergreifen, um die umgebende Umwelt des Motors 31 so vorzubereiten, dass die Temperatur und die Feuchtigkeit geeignet werden, um die Lebensdauer des Motors 31 zu verlängern.
Die erste Benachrichtigungseinheit 15-1 und die zweite Benachrichtigungseinheit 15-2 können beispielsweise eine Anzeige eines Personal-Computers, ein tragbares Endgerät oder ein Touch Panel oder eine an der Steuervorrichtung 32 angebrachte Anzeige sein, wobei beispielsweise die vorhergesagte Lebensdauer durch ein Zeichen oder eine Grafik angezeigt werden kann. Des Weiteren können beispielsweise die erste Benachrichtigungseinheit 15-1 und die zweite Benachrichtigungseinheit 15-2 durch eine Audiovorrichtung, die einen Ton erzeugt, wie einen Lautsprecher, einen Summer oder ein Glockenspiel verwirklicht werden. Alternativ können die erste Benachrichtigungseinheit 15-1 und die zweite Benachrichtigungseinheit 15-2 eine Form annehmen, die ein Anzeigen durch Drucken auf einer Papieroberfläche oder dergleichen mittels eines Druckers bewirkt. Des Weiteren können die Benachrichtigungseinheiten alternativ durch geeignetes Kombinieren der obengenannten Merkmale verwirklicht werden.
Auf Basis der durch die Entscheidungsfindungseinheit 14 berechneten vorhergesagten Lebensdauer gibt die Änderungsbefehl-Ausgabeeinheit 16 an die Steuervorrichtung 32 zum Steuern des Motors 31 Befehle aus, die mindestens einen von dem Strombefehl, der den durch den Motor 31 fließenden Strom anordnet, dem Spannungsbefehl, der die an dem Motor 31 angelegte Spannung anordnet, und dem Frequenzbefehl, der die Frequenz des Stroms oder der Spannung, der/die durch den Motor 31 fließt, anordnet, ändern. Wie oben beschrieben sind der Strombefehl, der den durch den Motor 31 fließenden Strom anordnet, der Spannungsbefehl, der die an dem Motor 31 angelegte Spannung anordnet, und der Frequenzbefehl, der die Frequenz des Stroms oder der Spannung, der/die durch den Motor 31 fließt, anordnet, diejenigen Bedingungen, die als Eingangsbedingungen des Motors 31 bezeichnet werden. Wenn die vorhergesagte Lebensdauer berechnet wird, kann die Änderungsbefehls-Ausgabeeinheit 16 den Spannungsbefehl, den Strombefehl oder den Frequenzbefehl, die großen Einfluss auf die Lebensdauer des Motors 31 haben, aufgreifen und darauf basierend den Änderungsbefehl an die Steuervorrichtung 32 ausgeben.
Die 6 ist ein Ablaufdiagramm, das einen Arbeitsablauf der Lebensdauer-Vorhersagevorrichtung, die die Vorrichtung für maschinelles Lernen, die bestärkendes Lernen verwendet, gemäß der Ausführungsform umfasst, darstellt.
Im Allgemeinen wird beim bestärkenden Lernen ein Anfangswert für eine Aktion willkürlich gewählt. In der Ausführungsform wird im Schritt S201 die vorhergesagte Lebensdauer, die eine Aktion ist, willkürlich gewählt.
Im Schritt S202 steuert die Steuervorrichtung 32 den Motor 31 basierend auf der im Innern der Steuervorrichtung 32 gespeicherten Steuerungssoftware, indem verschiedene durch den Sensor 33 erkannte Daten verwendet werden. Der Motor 31 wird unter der Steuerung durch die Steuervorrichtung 32 angetrieben. Währenddessen erkennt der Sensor 33 diejenigen Bedingungen, die als Ausgangsbedingung und äußere Bedingung der oben beschriebenen Betriebszustände des Motors 31 bezeichnet werden.
Im Schritt S203 beobachtet die Zustandsbeobachtungseinheit 11 eine Zustandsvariable, die sich aus mindestens einem von Ausgangsdaten eines Sensors, der einen Betriebszustand des Motors 31 erkennt, und Daten in Bezug auf das Vorhandensein oder Nichtvorhandensein eines Fehlers in dem Motor 31 zusammensetzt.
In einem Ist-Lebensdauer-Datenerfassungsschritt S204 erfasst dann die Ist-Lebensdauer-Datenerfassungseinheit 12 Daten in Bezug auf die Ist-Lebensdauer des Motors.
Im Übrigen können der Prozess von Schritt S203 und der Prozess von Schritt S204, wie oben beschrieben, beliebig miteinander austauschbar ausgeführt werden.
Anschließend bestimmt im Schritt S205 die Zustandsbeobachtungseinheit 11, ob das Verhältnis der Differenz zwischen der vorhergesagten Lebensdauer N und der Ist-Lebensdauer M zur Ist-Lebensdauer M, d. h. |N – M|/M, innerhalb eines festgelegten Bereichs α fällt oder nicht. Wenn bestimmt wird, dass „|N – M|/M”, was das Verhältnis der Differenz zwischen der vorhergesagten Lebensdauer N und der Ist-Lebensdauer M zur Ist-Lebensdauer M ist, innerhalb des festgelegten Bereichs α fällt, dann erhöht die Belohnungsberechnungseinheit 21 die Belohnung im Schritt S206. Wenn indessen bestimmt wird, dass „|N – M|/M”, was das Verhältnis der Differenz zwischen der vorhergesagten Lebensdauer N und der Ist-Lebensdauer M zur Ist-Lebensdauer M ist, nicht innerhalb des festgelegten Bereichs α fällt, dann reduziert die Belohnungsberechnungseinheit 21 die Belohnung im Schritt S207.
Im Schritt S208 aktualisiert die Funktionsaktualisierungseinheit 22 die Funktion zum Berechnen der vorhergesagten Lebensdauer des Motors 31 basierend auf der durch die Beobachtungseinheit 22 beobachteten Zustandsvariablen und der durch die Belohnungsberechnungseinheit 21 berechneten Belohnung.
Im anschließenden Schritt S209 wählt die Entscheidungsfindungseinheit 14 die vorhergesagte Lebensdauer des Motors 31, für die basierend auf der im Schritt S208 aktualisierten Funktion die höchste Belohnung erhalten wird und gibt sie aus. Die durch die Entscheidungsfindungseinheit 14 bestimmte vorhergesagte Lebensdauer wird an die Belohnungsberechnungseinheit 21, die erste Benachrichtigungseinheit 15-1, die zweite Benachrichtigungseinheit 15-2 und die Änderungsbefehls-Ausgabeeinheit 16 ausgegeben. Dann kehrt der Prozess zu Schritt S202 zurück und nachfolgend werden die Prozesse der Schritte S202 bis S209 wiederholt ausgeführt. Auf diese Weise schreitet die Vorrichtung für maschinelles Lernen fort, um die vorhergesagte Lebensdauer zu lernen. Im Übrigen kann der Trainingsdatensatz von mehreren Motoren 31 erfasst werden, und in einem solchen Fall führt die Lerneinheit 13 die Prozesse der Schritte S201 bis S209 wiederholt entsprechend dem mit Bezug auf die mehreren Motoren 31 erfassten Trainingsdatensatz aus und schreitet fort, um die vorhergesagte Lebensdauer zu lernen. Wenn der Trainingsdatensatz in Bezug auf die mehreren Motoren 31 erfasst wird, wird die Lerngenauigkeit der Vorrichtung für maschinelles Lernen 1 erhöht.
Im Übrigen können die oben beschriebene Zustandsbeobachtungseinheit 11, die Ist-Lebensdauer-Datenerfassungseinheit 12, die Lerneinheit 13 und die Entscheidungsfindungseinheit 14 beispielsweise in der Form eines Software-Programms aufgebaut sein oder können alternativ in einer Kombination von verschiedenen elektronischen Schaltkreisen und einem Software-Programm aufgebaut sein. Wenn sie beispielsweise in der Form eines Software-Programms aufgebaut sind, kann die Funktion einer jeden der obengenannten Einheiten verwirklicht werden, indem ein Arithmetik-Prozessor in der Steuervorrichtung 32 des Motors 31 dazu gebracht wird, entsprechend dem Software-Programm zu arbeiten, oder das Software-Programm dazu gebracht wird, auf einem Cloud-Server abzulaufen. Alternativ können die die Zustandsbeobachtungseinheit 11 umfassende Vorrichtung für maschinelles Lernen 1, die Ist-Lebensdauer-Datenerfassungseinheit 12 und die Lerneinheit 13 als eine integrierte Halbleiterschaltung ausgeführt werden, in der ein Software-Programm zum Verwirklichen der Funktion von jeder Einheit geschrieben ist. Alternativ kann eine integrierte Halbleiterschaltung, in der ein Software-Programm zum Verwirklichen der Funktion von jeder Einheit geschrieben ist, in einer Form ausgeführt werden, die nicht nur die die Zustandsbeobachtungseinheit 11 umfassende Vorrichtung für maschinelles Lernen 1, die Ist-Lebensdauer-Datenerfassungseinheit 12 und die Lerneinheit 13 umfasst, sondern auch die Entscheidungsfindungseinheit 14.
Da des Weiteren der maschinelle Lernprozess 1 unter Verwendung von Daten ausgeführt wird, die durch einen Sensor erkannt werden, der ursprünglich in die Steuervorrichtung 32 zur Antriebssteuerung des Motors 31 eingebaut wird, besteht keine Notwendigkeit, separat eine neue Hardware-Vorrichtung bereitzustellen, und somit ist eine Nachrüstanwendung an der existierenden Motorsteuervorrichtung ebenfalls möglich. In diesem Fall kann eine integrierte Halbleiterschaltung, in der ein Software-Programm geschrieben ist, das die Funktion einer jeden Einheit der Vorrichtung für maschinelles Lernen 1 und der Entscheidungsfindungseinheit 14 verwirklicht, in die vorhandene Motorsteuervorrichtung eingebaut werden, oder es kann ein Software-Programm schlechthin, das die Funktion einer jeden Einheit der Vorrichtung für maschinelles Lernen 1 und der Entscheidungsfindungseinheit 14 verwirklicht, zusätzlich in eine Arithmetik-Prozessoreinheit in der vorhandenen Motorsteuervorrichtung eingebaut werden. Des Weiteren kann so ausgestaltet werden, dass die Vorrichtung für maschinelles Lernen 1, die die vorhergesagte Lebensdauer in Bezug auf einen bestimmten Motor 31 gelernt hat, an einer separaten Motorsteuervorrichtung angebracht wird, wodurch die vorhergesagte Lebensdauer in Bezug auf die separate Motorsteuervorrichtung erneut gelernt und aktualisiert wird.
Gemäß der vorliegenden Erfindung ist es möglich, eine Vorrichtung für maschinelles Lernen und ein Verfahren, das genau und mit Leichtigkeit die Lebensdauer des Motors entsprechend der Einsatzumgebung vorhersagen kann, und eine die Vorrichtung für maschinelles Lernen umfassende Lebensdauer-Vorhersagevorrichtung und ein Motorsystem zu erreichen.
Gemäß der Vorrichtung für maschinelles Lernen und dem Verfahren der vorliegenden Erfindung wird eine vorhergesagte Lebensdauer gelernt, während der Motor aktuell betrieben wird, sodass eine genaue vorhergesagte Lebensdauer entsprechend einer aktuellen Einsatzumgebung gelernt wird. Des Weiteren ist es gemäß der die Vorrichtung für maschinelles Lernen umfassenden Lebensdauer-Vorhersagevorrichtung und dem Motorsystem der vorliegenden Erfindung möglich, eine genaue vorhergesagte Lebensdauer entsprechend einer aktuellen Einsatzumgebung zu berechnen. Auf diese Weise können der Konstrukteur und der Bediener über die genaue vorhergesagte Lebensdauer des Motors unterrichtet werden und können somit einen Austausch oder eine Wartung, wie das Reparieren und Ausbessern des Motors oder eines Bauteils oder von Bauteilen davon ausführen, bevor der Motor aufgrund des Lebenszeitendes des Motors unbrauchbar wird. Durch Ausführen eines Austauschs oder einer Wartung des Bauteils oder von Bauteilen des Motors ist es möglich, die Lebensdauer des Motors zu verlängern. Des Weiteren können der Konstrukteur und der Bediener über den Betriebszustand, der einen großen Einfluss auf die Lebensdauer des Motors hat und der beim Berechnen der vorhergesagten Lebensdauer erfasst wird, unterrichtet werden, und können somit Maßnahmen ergreifen, um den Betriebszustand, der die Lebensdauer des Motors beeinflusst, zu ändern. Des Weiteren ist es ebenfalls möglich, der Steuervorrichtung des Motors direkt anzuordnen, den Betriebszustand, der die Lebensdauer des Motors beeinflusst, zu ändern.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

JP 60-144127 [0003]
JP 2006-98349 [0004]
JP 2003-130048 [0005]

Claims

Vorrichtung für maschinelles Lernen (1), die eine Bedingung im Zusammenhang mit einer vorhergesagten Lebensdauer eines Motors (31) lernt, wobei die Vorrichtung für maschinelles Lernen (1) umfasst: eine Zustandsbeobachtungseinheit (11), die eine Zustandsvariable beobachtet, die sich aus mindestens einem von Ausgangsdaten eines Sensors (33), der einen Betriebszustand des Motors (31) erkennt, und Daten in Bezug auf das Vorhandensein oder Nichtvorhandensein eines Fehlers in dem Motor (31) zusammensetzt; eine Ist-Lebensdauer-Datenerfassungseinheit (12), die Daten in Bezug auf eine Ist-Lebensdauer des Motors (31) erfasst; und eine Lerneinheit (13), die die Bedingung im Zusammenhang mit der vorhergesagten Lebensdauer des Motors (31) entsprechend einem Trainingsdatensatz lernt, der basierend auf einer Kombination der Zustandsvariablen und der Ist-Lebensdauer erstellt wird.
Vorrichtung für maschinelles Lernen (1) nach Anspruch 1, wobei der Betriebszustand mindestens eines von einem Strombefehl, der einen durch den Motor (31) fließenden Strom anordnet, einem Spannungsbefehl, der eine an den Motor (31) angelegte Spannung anordnet, einem Frequenzbefehl, der eine Frequenz des Stroms oder der Spannung, der/die durch den Motor (31) fließt, anordnet, einem von dem Motor (31) ausgegebenen Drehmoment, einer Anzahl von Umdrehungen des Motors (31), einer Betriebszeit des Motors (31), einer Temperatur in einer Nähe des Motors (31), einer Feuchtigkeit in einer Nähe des Motors (31) und einer in dem Motor (31) erzeugten Schwingung umfasst.
Vorrichtung für maschinelles Lernen (1) nach Anspruch 1, wobei die Lerneinheit (13) umfasst: eine Belohnungsberechnungseinheit (21), die eine Belohnung basierend auf der vorhergesagten Lebensdauer und der Ist-Lebensdauer berechnet; und eine Funktionsaktualisierungseinheit (22), die eine Funktion zum Berechnen der vorhergesagten Lebensdauer des Motors (31) basierend auf der Zustandsvariablen und der Belohnung aktualisiert.
Vorrichtung für maschinelles Lernen (1) nach Anspruch 3, wobei die Belohnungsberechnungseinheit (21) die Belohnung erhöht, wenn ein Verhältnis der Differenz zwischen der vorhergesagten Lebensdauer und der Ist-Lebensdauer zur Ist-Lebensdauer innerhalb eines festgelegten Bereichs liegt, und die Belohnung reduziert, wenn das Verhältnis außerhalb des festgelegten Bereichs liegt.
Vorrichtung für maschinelles Lernen (1) nach einem der Ansprüche 1 bis 4, wobei die Lerneinheit (13) dazu eingerichtet ist, die Bedingung entsprechend einem in Bezug auf mehrere der Motoren (31) erfassten Trainingsdatensatz zu lernen.
Lebensdauer-Vorhersagevorrichtung (100) für den Motor (31), die die Vorrichtung für maschinelles Lernen (1) nach einem der Ansprüche 1 bis 5 umfasst, und die ferner umfasst: eine Entscheidungsfindungseinheit (14), die die vorausgesagte Lebensdauer des Motors (31) basierend auf einem Ergebnis des Lernens durch die Lerneinheit (13) entsprechend dem Trainingsdatensatz und als Reaktion auf die Eingabe der Ist-Zustandsvariablen berechnet.
Lebensdauer-Vorhersagevorrichtung (100) nach Anspruch 6, ferner eine Benachrichtigungseinheit (15-1) umfassend, die einen Bediener über die durch die Entscheidungsfindungseinheit (14) berechnete vorhergesagte Lebensdauer benachrichtigt.
Lebensdauer-Vorhersagevorrichtung (100) nach Anspruch 6, ferner eine Benachrichtigungseinheit (15-2) umfassend, die einen Bediener über eine Information benachrichtigt, die einen Austausch des Motors (31) basierend auf der durch die Entscheidungsfindungseinheit (14) berechneten vorhergesagten Lebensdauer veranlasst.
Lebensdauer-Vorhersagevorrichtung (100) nach einem der Ansprüche 6 bis 8, ferner eine Änderungsbefehl-Ausgabeeinheit (16) umfassend, die basierend auf der durch die Entscheidungsfindungseinheit (14) berechneten vorhergesagten Lebensdauer an eine Steuervorrichtung (32), die den Motor (31) steuert, einen Änderungsbefehl ausgibt, der mindestens einen von dem Strombefehl, der den durch den Motor (31) fließenden Strom anordnet, dem Spannungsbefehl, der die an den Motor (31) angelegte Spannung anordnet, und dem Frequenzbefehl, der die Frequenz des Stroms oder der Spannung, der/die durch den Motor (31) fließt, anordnet, ändert.
Lebensdauer-Vorhersagevorrichtung (100) nach einem der Ansprüche 6 bis 9, wobei die Lerneinheit (13) dazu eingerichtet ist, die Bedingung entsprechend dem durch die Ist-Zustandsvariable definierten zusätzlichen Trainingsdatensatz erneut zu lernen und zu aktualisieren.
Motorsystem (1000), Folgendes umfassend: die Lebensdauer-Vorhersagevorrichtung (100) nach einem der Ansprüche 6 bis 10; einen Motor (31); eine Steuervorrichtung (32), die den Motor (31) steuert; und einen Sensor (33), der einen Betriebszustand des Motors (31) erkennt.
Maschinelles Lernverfahren, das eine Bedingung im Zusammenhang mit einer vorhergesagten Lebensdauer eines Motors (31) lernt, Folgendes umfassend: einen Zustandsbeobachtungsschritt, der eine Zustandsvariable beobachtet, die sich aus mindestens einem von Ausgangsdaten eines Sensors (33), der einen Betriebszustand des Motors (31) erkennt, und Daten in Bezug auf das Vorhandensein oder Nichtvorhandensein eines Fehlers in dem Motor (31) zusammensetzt; einen Ist-Lebensdauer-Erfassungsschritt, der Daten in Bezug auf die Ist-Lebensdauer des Motors (31) erfasst; und einen Lernschritt, der die Bedingung im Zusammenhang mit der vorhergesagten Lebensdauer des Motors (31) entsprechend einem Trainingsdatensatz lernt, der basierend auf einer Kombination der Zustandsvariablen und der Ist-Lebensdauer erstellt wird.