DE102016012463B4

DE102016012463B4 - Maschinelle Lernvorrichtung und Verfahren zum Lernen der voraussichtlichen Lebensdauer eines Leistungsgeräts sowie Lebensdauer-Vorhersagevorrichtung und Motorantriebsvorrichtung umfassend die maschinelle Lernvorrichtung

Info

Publication number: DE102016012463B4
Application number: DE102016012463.6A
Authority: DE
Inventors: Masato Watanabe; Yasuyuki Matsumoto
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2015-10-26
Filing date: 2016-10-19
Publication date: 2018-05-17
Anticipated expiration: 2036-10-20
Also published as: US20170117841A1; CN106612094A; CN106612094B; JP6010204B1; JP2017083237A; DE102016012463A1; US10090798B2

Abstract

Maschinelle Lernvorrichtung (1), welche die voraussichtliche Lebensdauer eines Leistungsgeräts einer Motorantriebsvorrichtung (1000) zum Umwandeln von Gleichstrom in Wechselstrom durch einen Schaltvorgang des Leistungsgeräts zum Versorgen des Wechselstrommotors mit Wechselstrom lernt, wobei die maschinelle Lernvorrichtung Folgendes umfasst:eine Zustandsbeobachtungseinheit (11), die eine aus Daten in Bezug auf die Zahl der Schaltvorgänge des Leistungsgeräts, Daten in Bezug auf die Sperrschichttemperatur des Leistungsgeräts und Daten in Bezug auf das Vorhandensein oder Fehlen eines Fehlers des Leistungsgeräts bestehende Zustandsvariable beobachtet; undeine Lerneinheit (12, 15), welche die voraussichtliche Lebensdauer des Leistungsgeräts entsprechend einer von der Zustandsvariable definierten Trainingsdatenmenge lernt.

Description

HINTERGRUND DER ERFINDUNG
Gebiet der Erfindung
Die vorliegende Erfindung betrifft eine maschinelle Lernvorrichtung und ein Verfahren zum Lernen der voraussichtlichen Lebensdauer eines Leistungsgeräts sowie eine Lebensdauer-Vorhersagevorrichtung und eine Motorantriebsvorrichtung umfassend die maschinelle Lernvorrichtung.
Beschreibung des Stands der Technik
In einer Motorantriebsvorrichtung, die Wechselstrommotoren in einer Werkzeugmaschine, einer Schmiedemaschine, einer Spritzgießmaschine, einer Industriemaschine oder verschiedenen Robotern antreibt, wandelt ein Wechselrichter Gleichstrom in Wechselstrom um, um Antriebsstrom zum Antreiben eines Wechselstrommotors zu liefern. Der Wechselrichter ist in einer Brückenschaltung einer Schalteinheit umfassend ein Leistungsgerät (elektronisches Schaltgerät) und eine umgekehrt parallel an diesem angeschlossenen Diode wie ein PWM-Wechselrichter ausgeführt und wandelt Gleichstrom in Wechselstrom durch Ein/AusSteuerung im Leistungsgerät um sowie gibt den Wechselstrom an der Wechselstrommotorseite aus.
In einem Gebiet zur Verwendung solch einer Motorantriebsvorrichtung wird zum Vermeiden einer Abnahme des Betriebswirkungsgrads und eines schweren Unfalls die Lebensdauer eines Leistungsgeräts vorhergesagt, und ein Leistungsgerät wird auf Basis des Vorhersageergebnisses ausgetauscht, bevor das Leistungsgerät aufgrund des Erreichens des Lebensdauerendes nicht mehr betriebsbereit ist.
Wie beispielsweise in der japanischen offengelegten Patentschrift Nr. 2011-196703 beschrieben gehört ein Verfahren zum Stand der Technik, bei dem der gesamte Betriebstemperaturbereich einer Halbleitervorrichtung, die aus einer Leistungshalbleitervorrichtung besteht, in eine Vielzahl von Temperaturabschnitten unterteilt wird, eine Zykluszahl durch Verwenden eines Werts berechnet wird, der auf eine Leistungszykluszahl in einem vorgegebenen Basistemperaturunterschied in jedem Temperaturabschnitt gewichtet wird, und ein Gesamtschaden durch Verwenden einer Minor-Regel auf Basis der jeweils berechneten Zykluszahlen zwischen den unterteilten Temperaturabschnitten zum Vorhersagen der Lebensdauer berechnet wird.
Die Lebensdauer eines Leistungsgeräts in einem Wechselrichter in einer Motorantriebsvorrichtung ändert sich je nach den Umweltbedingungen wie den Betriebsbedingungen einer Motorantriebsvorrichtung und der Umgebungslufttemperatur und daher kann die Lebensdauer nicht genau vorhergesagt werden. Wenn die Lebensdauer eines Leistungsgeräts nicht genau vorhergesagt werden kann, verpasst der Bediener gegebenenfalls den Zeitpunkt für den Austausch eines Leistungsgeräts, was zu einer Abnahme des Betriebswirkungsgrads und einen schweren Unfall führen kann. Zusätzlich kann es dazu führen, dass ein Leistungsgerät unnötigerweise ausgetauscht wird. Daher muss das Lebensdauerende eines Leistungsgeräts vorhergesagt werden können.
Das Dokument US 2013 0 328 596 A1 offenbart eine Vorrichtung und ein Verfahren zur Überwachung eines Funktionszustands einer Schaltvorrichtung. Hierbei werden gemessene physikalische IST-Größen mit vorbestimmten SOLL-Größen verglichen.
Das Dokument DE 10 2013 012 133 A1 offenbart eine Vorrichtung und ein Verfahren zur Überwachung einer Alterung eines Bipolartransistors in einer Arbeitsmaschine. Hierbei wird während eines Maschinenbetriebs über eine geeignete Messschaltung die Sättigungsspannung des Bipolartransistors gemessen und auf eine Spannungsänderung hin überprüft.
Weiter offenbart das Dokument DE 10 2013 219 243 A1 eine Vorrichtung und ein Verfahren zur Bestimmung einer Alterung eines elektronischen Unterbrechungselements. Hierbei wird mit Hilfe gemessener Ströme ein Alterungswert des Unterbrechungselements ermittelt.
ZUSAMMENFASSUNG DER ERFINDUNG
Aufgrund der zuvor beschriebenen Probleme besteht die Aufgabe der Erfindung im Bereitstellen einer maschinellen Lernvorrichtung und eines maschinellen Lernverfahrens, die genau und problemlos die voraussichtliche Lebensdauer eines Leistungsgeräts vorhersagen können, sowie einer Lebensdauer-Vorhersagevorrichtung und einer Motorantriebsvorrichtung umfassend die maschinelle Lernvorrichtung.
Zum Erfüllen der zuvor beschriebenen Aufgabe umfasst eine maschinelle Lernvorrichtung, welche die voraussichtliche Lebensdauer eines Leistungsgeräts einer Motorantriebsvorrichtung zum Umwandeln von Gleichstrom in Wechselstrom durch einen Schaltvorgang des Leistungsgeräts zum Versorgen eines Wechselstrommotors mit Wechselstrom: eine Zustandsbeobachtungseinheit, die eine aus Daten in Bezug auf die Zahl der Schaltvorgänge des Leistungsgeräts, Daten in Bezug auf die Sperrschichttemperatur des Leistungsgeräts und Daten in Bezug auf das Vorhandensein oder Fehlen eines Fehlers des Leistungsgeräts bestehende Zustandsvariable beobachtet; und eine Lerneinheit, welche die voraussichtliche Lebensdauer des Leistungsgeräts entsprechend einer von der Zustandsvariablen definierten Trainingsdatenmenge lernt.
Die Sperrschichttemperatur des Leistungsgeräts kann auf der Basis der Temperatur einer Rippe zum Kühlen des Leistungsgeräts, der Umgebungslufttemperatur der Motorantriebsvorrichtung, eines Werts des dem Wechselstrommotor von der Motorantriebsvorrichtung gelieferten Stroms und eines Werts der dem Wechselstrommotor von der Motorantriebsvorrichtung gelieferten Spannung berechnet werden.
Die Lerneinheit kann umfassen: eine Belohnungsberechnungseinheit, die eine Belohnung auf Basis der Zahl der Schaltvorgänge des Leistungsgeräts und des Vorhandenseins oder Fehlens des Fehlers des Leistungsgeräts berechnet; und eine Funktionsaktualisierungseinheit, die auf der Basis der Zustandsvariable und der Belohnung Funktionen zum Berechnen der voraussichtlichen Lebensdauer des Leistungsgeräts aktualisiert.
Die Belohnungsberechnungseinheit kann die Belohnung verringern, wenn die Zahl von Schaltvorgängen des Leistungsgeräts eine vorgegebene Zahl überschreitet.
Die Belohnungsberechnungseinheit kann die Belohnung verringern, wenn ein Fehler des Leistungsgeräts in einem Zustand auftritt, in dem die Zahl von Schaltvorgängen des Leistungsgeräts die vorgegebene Zahl nicht überschreitet.
Die Funktionsaktualisierungseinheit kann die Funktionen zum Berechnen der voraussichtlichen Lebensdauer des Leistungsgeräts auf der Basis der Zustandsvariablen und der Belohnung entsprechend einem neuronalen Netzmodell aktualisieren.
Die Lerneinheit umfasst: eine Fehlerberechnungseinheit, die einen Fehler auf der Basis der Zustandsvariablen berechnet; und eine Lernmodell-Aktualisierungseinheit, die ein Lernmodell zum Berechnen der voraussichtlichen Lebensdauer des Leistungsgeräts auf der Basis der Zustandsvariablen und des Fehlers aktualisiert.
Die Lerneinheit kann zum Lernen der voraussichtlichen Lebensdauer des Leistungsgeräts entsprechend der für eine Vielzahl von Motorantriebsvorrichtungen ermittelten Trainingsdatenmenge ausgebildet sein.
Lebensdauer-Vorhersagevorrichtung für ein Leistungsgerät in einer Motorantriebsvorrichtung, wobei die Lebensdauer-Vorhersagevorrichtung die zuvor beschriebene maschinelle Lernvorrichtung umfasst, und wobei die Lebensdauer-Vorhersagevorrichtung ferner eine Entscheidungsfindungseinheit umfasst, welche die voraussichtliche Lebensdauer des Leistungsgeräts auf der Basis eines Egebnisses des Lernens durch die Lerneinheit entsprechend der Trainingsdatenmenge als Reaktion auf eine Eingabe der aktuellen Zustandsvariable berechnet.
Die Lebensdauer-Vorhersagevorrichtung umfasst ferner eine Benachrichtigungseinheit, die einen Bediener über die von der Entscheidungsfindungseinheit berechnete voraussichtliche Lebensdauer benachrichtigt.
Die Lebensdauer-Vorhersagevorrichtung umfasst ferner einen Benachrichtigungsteil, der einen Bediener über das Austauschen des Leistungsgeräts oder den Austausch der Motorantriebsvorrichtung auf der Basis der von der Entscheidungsfindungseinheit berechneten voraussichtlichen Lebensdauer benachrichtigt.
Die Lerneinheit kann zum Neulernen und Aktualisieren der voraussichtlichen Lebensdauer des Leistungsgeräts entsprechend einer von der aktuellen Zustandsvariable definierten zusätzlichen Trainingsdatenmenge ausgebildet sein.
Eine Motorantriebsvorrichtung umfasst: die zuvor beschriebene Lebensdauer-Vorhersagevorrichtung; eine Stromversorgungseinheit, die durch einen Schaltvorgang des Leistungsgeräts Gleichstrom in Wechselstrom zum Versorgen eines Wechselstrommotors mit Wechselstrom umwandelt; eine Schaltvorgangszahl-Erfassungseinheit, die Daten in Bezug auf die Zahl von Schaltvorgängen auf der Basis eines Schaltbefehls für das Leistungsgerät erfasst; und eine Fehlerbestimmungseinheit, die Daten in Bezug auf das Vorhandensein oder Fehlen des Fehlers des Leistungsgeräts auf der Basis des Schaltbefehls für das Leistungsgerät und des Wechselstroms, der von der Stromversorgungseinheit geliefert wird, erfasst.
Die Motorantriebsvorrichtung kann ferner eine Temperaturberechnungseinheit zum Berechnen der Sperrschichttemperatur des Leistungsgeräts auf der Basis der Temperatur der Rippe zum Kühlen des Leistungsgeräts, der Umgebungslufttemperatur der Motorantriebsvorrichtung, des Werts des dem Wechselstrommotor von der Motorantriebsvorrichtung gelieferten Stroms und des Werts der dem Wechselstrommotor von der Motorantriebsvorrichtung gelieferten Spannung umfassen.
Die Motorantriebsvorrichtung kann ferner einen Temperatursensor zum Messen der Sperrschichttemperatur des Leistungsgeräts umfassen.
Ein maschinelles Lernverfahren, das die voraussichtliche Lebensdauer eines Leistungsgeräts einer Motorantriebsvorrichtung zum Umwandeln von Gleichstrom in Wechselstrom durch einen Schaltvorgang des Leistungsgeräts zum Versorgen eines Wechselstrommotors mit Wechselstrom umfasst: einen Zustandsbeobachtungsschritt zum Beobachten einer aus Daten in Bezug auf die Zahl der Schaltvorgänge des Leistungsgeräts, Daten in Bezug auf die Sperrschichttemperatur des Leistungsgeräts und Daten in Bezug auf das Vorhandensein oder Fehlen eines Fehlers des Leistungsgeräts bestehenden Zustandsvariable; und einen Lernschritt zum Lernen der voraussichtlichen Lebensdauer des Leistungsgeräts entsprechend einer von der Zustandsvariablen definierten Trainingsdatenmenge.
Figurenliste
Die Erfindung ist durch Bezug auf die folgenden beigefügten Zeichnungen besser nachzuvollziehen.

1 zeigt ein Prinzipblockdiagramm einer maschinellen Lernvorrichtung gemäß einer Ausführungsform.
2 zeigt ein Fließbild zur Darstellung eines Betriebsablaufs eines maschinellen Lernverfahrens gemäß der Ausführungsform.
3 zeigt ein Prinzipblockdiagramm zur Darstellung einer maschinellen Lernvorrichtung, auf die verstärkendes Lernen gemäß der Ausführungsform angewendet wird.
4 zeigt ein Fließbild zur Darstellung eines Betriebsablaufs eines maschinellen Lernverfahrens, auf das verstärkendes Lernen gemäß der Ausführungsform angewendet wird.
5 zeigt ein Prinzipblockdiagramm zur Darstellung einer Lebensdauer-Vorhersagevorrichtung umfassend die maschinelle Lernvorrichtung, auf die verstärkendes Lernen angewendet wird, und einer Motorantriebsvorrichtung umfassend die Lebensdauer-Vorhersagevorrichtung gemäß der Ausführungsform.
6 zeigt ein Blockdiagramm zur Darstellung einer Temperaturberechnungseinheit zum Berechnen der Sperrschichttemperatur eines Leistungsgeräts zum Zeitpunkt des Beaufschlagens eines Motors mit Spannung.
7 zeigt ein Fließbild zur Darstellung eines Betriebsablaufs der Lebensdauer-Vorhersagevorrichtung umfassend die maschinelle Lernvorrichtung, auf die verstärkendes Lernen angewendet wird, gemäß der Ausführungsform.
8 zeigt ein beispielhaftes Diagramm zur Darstellung eines Modells eines Neurons.
9 zeigt ein beispielhaftes Diagramm zur Darstellung eines neuronalen Netzes umfassend Gewichte von drei Schichten D1 bis D3.
10 zeigt ein Prinzipblockdiagramm zur Darstellung einer Lebensdauer-Vorhersagevorrichtung umfassend die maschinelle Lernvorrichtung, auf die überwachtes Lernen angewendet wird, und einer Motorantriebsvorrichtung umfassend die Lebensdauer-Vorhersagevorrichtung gemäß der Ausführungsform.

AUSFÜHRLICHE BESCHREIBUNG
Nachfolgend sind in Bezug auf die Zeichnungen eine maschinelle Lernvorrichtung und ein Verfahren zum Lernen der voraussichtlichen Lebensdauer eines Leistungsgeräts sowie eine Lebensdauer-Vorhersagevorrichtung und eine Motorantriebsvorrichtung umfassend die maschinelle Lernvorrichtung beschrieben. Die vorliegende Erfindung ist nicht auf die nachfolgend beschriebenen Zeichnungen oder Ausführungsformen beschränkt.
1 zeigt ein Prinzipblockdiagramm einer maschinellen Lernvorrichtung gemäß einer Ausführungsform. Die gleichen Bezugszeichen in verschiedenen Zeichnungen bezeichnen nachfolgend Komponenten mit den gleichen Funktionen.
Eine Motorantriebsvorrichtung zum Antreiben eines Wechselstrommotors wandelt mit einem Wechselrichter Gleichstrom in Wechselstrom um, um Antriebsstrom zum Antreiben des Wechselstrommotors zu liefern. Der Wechselrichter ist in einer Brückenschaltung einer Schalteinheit umfassend ein Leistungsgerät (elektronisches Schaltgerät) und eine umgekehrt parallel an diesem angeschlossenen Diode wie ein PWM-Wechselrichter ausgeführt und wandelt Gleichstrom in Wechselstrom durch Ein/Aus-Steuerung im Leistungsgerät um sowie gibt den Wechselstrom an der Wechselstrommotorseite aus. Die maschinelle Lernvorrichtung 1 gemäß der Ausführungsform ist zum Lernen der voraussichtlichen Lebensdauer eines Leistungsgeräts der Motorantriebsvorrichtung, das Gleichstrom in Wechselstrom durch einen Schaltvorgang des Leistungsgeräts umwandelt und den Wechselstrommotor mit Wechselstrom versorgt, ausgebildet. Die Lebensdauer des Leistungsgeräts (Zahl von Schaltvorgängen) hängt von einem Unterschied (Leistungszyklus) zwischen der Sperrschichttemperatur zum Zeitpunkt des Betriebs des Leistungsgeräts und der Basistemperatur ab. Die Sperrschichttemperatur des Leistungsgeräts ist die Temperatur an einem Verbindungsabschnitt zwischen einem Leistungshalbleiterchip im Leistungsgerät und einem Bondingteil. Die Basistemperatur ist die Temperatur auf einem Teil, das thermisch mit der Außenseite zum Kühlen des Leistungsgeräts verbunden ist, und wird auch als Rippentemperatur bezeichnet. Der Unterschied zwischen der Sperrschichttemperatur und der Basistemperatur ändert sich entsprechend den Betriebsbedingungen der Motorantriebsvorrichtung und der Umgebungslufttemperatur. Bei der vorliegenden Erfindung beobachtet die maschinelle Lernvorrichtung 1 die Zahl von Schaltvorgängen des Leistungsgeräts, die Sperrschichttemperatur des Leistungsgeräts und das Vorhandensein oder Fehlen des Fehlers des Leistungsgeräts und überträgt diese Daten in eine Datenbank als eine Aktionswerttabelle, wodurch die Lebensdauer des Leistungsgeräts aus Daten in Bezug auf einen Unterschied zwischen der vorhergehenden Sperrschichttemperatur und der Basistemperatur sowie Fehlerdaten vorhergesagt wird.
Die maschinelle Lernvorrichtung 1 umfasst eine Zustandsbeobachtungseinheit 11 und eine Lerneinheit 12. Die maschinelle Lernvorrichtung 1 kann in die Motorantriebsvorrichtung zum Durchführen der Antriebssteuerung des Wechselstrommotors integriert sein, und in diesem Fall führt die maschinelle Lernvorrichtung 1 ein maschinelles Lernen mit einem Prozessor der Motorantriebsvorrichtung durch. Alternativ kann die maschinelle Lernvorrichtung 1 als ein mit der Motorantriebsvorrichtung über ein Netzwerk verbundener Digitalcomputer ausgebildet sein. Alternativ kann die maschinelle Lernvorrichtung 1 auf einem Cloud-Server bereitgestellt werden, und in diesem Fall ist die maschinelle Lernvorrichtung 1 mit der Motorantriebsvorrichtung über ein Netzwerk verbunden.
Die Zustandsbeobachtungseinheit 11 beobachtet eine aus Daten in Bezug auf die Zahl der Schaltvorgänge des Leistungsgeräts, Daten in Bezug auf die Sperrschichttemperatur des Leistungsgeräts und Daten in Bezug auf das Vorhandensein oder Fehlen eines Fehlers des Leistungsgeräts bestehende Zustandsvariable.
Die Daten in Bezug auf die Zahl von Schaltvorgängen des Leistungsgeräts werden auf der Basis eines von der Motorantriebsvorrichtung erzeugten Schaltbefehls (beispielsweise eines PWM-Schaltsignals) zur Ein/Aus-Steuerung des Leistungsgeräts erzeugt.
Die Daten in Bezug auf die Sperrschichttemperatur des Leistungsgeräts werden durch eine Berechnung auf der Basis der Temperatur einer Rippe zum Kühlen des Leistungsgeräts, der Umgebungslufttemperatur der Motorantriebsvorrichtung, eines Werts des dem Wechselstrommotor von der Motorantriebsvorrichtung gelieferten Stroms und eines Wert der dem Wechselstrommotor von der Motorantriebsvorrichtung gelieferten Spannung ermittelt. Das Verfahren zum Berechnen der Sperrschichttemperatur des Leistungsgeräts ist nachfolgend beschrieben. Alternativ können die Daten in Bezug auf die Sperrschichttemperatur des Leistungsgeräts durch einen in der Nähe des Leistungsgeräts installierten Temperatursensor erfasst werden.
Die Daten in Bezug auf das Vorhandensein oder Fehlen des Fehlers des Leistungsgeräts können beispielsweise durch Überwachen, ob Wechselstrom entsprechend dem Schaltbefehl von der Stromversorgungseinheit in der Motorantriebsvorrichtung in einer Situation geliefert wird, in welcher der von der Motorantriebsvorrichtung erzeugte Schaltbefehl an das Leistungsgerät geliefert wurde, ermittelt werden. Beispielsweise erfasst eine Stromerfassungseinheit den von der Stromversorgungseinheit in der Motorantriebsvorrichtung zum Wechselstrommotor fließenden Strom; es kann bestimmt werden, dass kein Fehler des Leistungsgeräts vorliegt, wenn der erfasste Stromwert dem von der Motorantriebsvorrichtung ausgegebenen Schaltbefehl entspricht, und dass ein Fehler des Leistungsgeräts vorliegt, wenn der erfasste Wert nahe Null ist, während der Schaltbefehl geliefert wurde, oder wenn der erfasste Strom ein ungewöhnlich hoher Wert ist, der aufgrund des Schaltbefehls nicht zu erwarten ist. Alternativ bedient der Bediener, der den Fehler des Leistungsgeräts feststellt oder über diesen benachrichtigt wird, ein Eingabegerät selbst, um Daten zur Angabe eines Auftretens eines Fehlers des Leistungsgeräts in der Zustandsbeobachtungseinheit 11 einzugeben.
Die Zustandsbeobachtungseinheit 11 beobachtet somit die aus den Daten in Bezug auf die Zahl der Schaltvorgänge des Leistungsgeräts, den Daten in Bezug auf die Sperrschichttemperatur des Leistungsgeräts und den Daten in Bezug auf das Vorhandensein oder Fehlen eines Fehlers des Leistungsgeräts bestehende Zustandsvariable. Wenn die maschinelle Lernvorrichtung 1 mit der Motorantriebsvorrichtung über ein Netzwerk verbunden ist oder auf einem Cloud-Server bereitgestellt wird, beobachtet die Zustandsbeobachtungseinheit 11 die Zustandsvariable über ein Netzwerk. Alternativ wird, wenn die maschinelle Lernvorrichtung 1 in die Motorantriebsvorrichtung integriert ist, die Zustandsvariable auf der Basis von in der Motorantriebsvorrichtung gespeicherten internen Daten der Steuersoftware und/oder den von den verschiedenen mit der Motorantriebsvorrichtung verbundenen Sensoren ausgegebenen Daten beobachtet.
Die Lerneinheit 12 lernt die voraussichtliche Lebensdauer des Leistungsgeräts entsprechend einer auf der Basis der von der Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariable erzeugten Trainingsdatenmenge. Die Trainingsdatenmenge kann von einer Vielzahl von Motorantriebsvorrichtungen erfasst werden, und in diesem Fall lernt die Lerneinheit 12 die voraussichtliche Lebensdauer des Leistungsgeräts entsprechend der für die Vielzahl von Motorantriebsvorrichtungen erfassten Trainingsdatenmenge.
2 zeigt ein Fließbild zur Darstellung eines Betriebsablaufs eines maschinellen Lernverfahrens gemäß der Ausführungsform. Ein maschinelles Lernverfahren, welche die voraussichtliche Lebensdauer eines Leistungsgeräts einer Motorantriebsvorrichtung zum Umwandeln von Gleichstrom in Wechselstrom durch einen Schaltvorgang des Leistungsgeräts zum Versorgen des Wechselstrommotors mit Wechselstrom lernt, umfasst einen Zustandsbeobachtungsschritt S101 und einen Lernschritt S102.
Der Zustandsbeobachtungsschritt S101 wird von der Zustandsbeobachtungseinheit 11 ausgeführt, das heißt die Zustandsbeobachtungseinheit 11 beobachtet eine aus Daten in Bezug auf die Zahl der Schaltvorgänge des Leistungsgeräts, Daten in Bezug auf die Sperrschichttemperatur des Leistungsgeräts und Daten in Bezug auf das Vorhandensein oder Fehlen eines Fehlers des Leistungsgeräts bestehende Zustandsvariable.
Der Lernschritt S102 wird von der Lerneinheit 12 ausgeführt, das heißt die Lerneinheit 12 lernt die voraussichtliche Lebensdauer des Leistungsgeräts entsprechend der auf der Basis der von der Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariable erzeugten Trainingsdatenmenge.
Die Lerneinheit 12 kann jede Art von Lernalgorithmus verwenden. Die maschinelle Lernvorrichtung 1 weist Funktionen zum Extrahieren aus einer Menge von der Vorrichtung zugeführten Datenelemten durch eine Analyse, eine nützliche Regel, eine Wissensdarstellung, ein in der Menge von Datenelementen enthaltenes Bestimmungskriterium, Ausgeben des Bestimmungsergebnisses und Lernen von Wissen auf. Obgleich es verschiedene Verfahren gibt, werden die Verfahren allgemein in „überwachtes Lernen“, „nicht überwachtes Lernen“ und „verstärkendes Lernen“ unterteilt. Zusätzlich gibt es zum Umsetzen dieser Verfahren ein Verfahren, welches das Extrahieren der Merkmalsmenge selbst lernt und als „Deep Learning“ bezeichnet wird. Solch ein maschinelles Lernen (die maschinelle Lernvorrichtung 1) wird durch Anwenden von beispielsweise GPGPU (General-Purpose computing on Graphics Processing Units), einem PC-Cluster mit großem Umfang o. Ä. umgesetzt.
Die Anwendung des verstärkenden Lernens ist nachfolgend in Bezug auf 3 und 4 beispielhaft erläutert. „Überwachtes Lernen“, „nicht überwachtes Lernen“ o. Ä. sind anschließend beschrieben.
3 zeigt ein Prinzipblockdiagramm zur Darstellung der maschinellen Lernvorrichtung, auf die verstärkendes Lernen gemäß der Ausführungsform angewendet wird. Die Lerneinheit 12 umfasst eine Belohnungsberechnungseinheit 21 und eine Funktionsaktualisierungseinheit 22.
Da die Komponenten mit Ausnahme der Belohnungsberechnungseinheit 21 und der Funktionsaktualisierungseinheit 22 im Wesentlichen die gleichen sind wie die in 1 dargestellten, sind die gleichen Komponenten mit den gleichen Bezugszeichen bezeichnet und es wird auf eine ausführliche Beschreibung der Komponenten verzichtet.
Die Belohnungsberechnungseinheit 21 berechnet eine Belohnung auf der Basis der Zahl von Schaltvorgängen des Leistungsgeräts und des Vorhandenseins oder Fehlens des Fehlers des Leistungsgeräts, die von der Zustandsbeobachtungseinheit 11 beobachtet werden. Die Belohnungsberechnungseinheit 21 kann beispielsweise ausgebildet sein, die Belohnung zu verringern, wenn die von der Zustandsbeobachtungseinheit 11 beobachtete Zahl von Schaltvorgängen des Leistungsgeräts eine vorgegebene Zahl überschreitet. Die Belohnungsberechnungseinheit 21 kann beispielsweise ausgebildet sein, die Belohnung zu verringern, wenn ein Fehler des Leistungsgeräts in einem Zustand auftritt, in dem die Zahl von Schaltvorgängen des Leistungsgeräts die vorgegebene Zahl nicht überschreitet. Die zuvor beschriebene festgelegte Zahl ist eine feste Zahl von Schaltvorgängen entsprechend der Lebensdauer eines Leistungsgeräts und wird für jedes Leistungsgerät definiert.
Die Funktionsaktualisierungseinheit 22 aktualisiert Funktionen (eine Aktionswerttabelle) zum Berechnen der voraussichtlichen Lebensdauer des Leistungsgeräts auf der Basis der von der Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariable und der von der Belohnungsberechnungseinheit 21 berechneten Belohnung. Das Aktualisierungsverfahren von Funktionen (Aktionswerttabelle) ist nachfolgend beschrieben.
Die Lerneinheit 12 kann die von der Zustandsbeobachtungseinheit 11 beobachtete Zustandsvariable mit einer Mehrschichtstruktur berechnen und Funktionen (Aktionswerttabelle) in Echtzeit aktualisieren. Die Funktionsaktualisierungseinheit 22 kann beispielsweise die Funktionen (Aktionswerttabelle) zum Berechnen der voraussichtlichen Lebensdauer des Leistungsgeräts auf der Basis der von der Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariable und der von der Belohnungsberechnungseinheit 21 berechneten Belohnung gemäß einem neuronalen Netzwerkmodell aktualisieren. Beispielsweise kann ein mehrschichtiges neuronales Netz wie in 9 dargestellt und nachfolgend beschrieben für ein Verfahren zum Berechnen einer Zustandsvariable mit der Mehrschichtstruktur verwendet werden.
4 zeigt ein Fließbild zur Darstellung eines Betriebsablaufs eines maschinellen Lernverfahrens, auf das verstärkendes Lernen gemäß der Ausführungsform angewendet wird.
Zunächst beobachtet die Zustandsbeobachtungseinheit 11 im Zustandsbeobachtungsschritt S101 eine aus Daten in Bezug auf die Zahl der Schaltvorgänge des Leistungsgeräts, Daten in Bezug auf die Sperrschichttemperatur des Leistungsgeräts und Daten in Bezug auf das Vorhandensein oder Fehlen eines Fehlers des Leistungsgeräts bestehende Zustandsvariable.
Anschließend berechnet die Belohnungsberechnungseinheit 21 in einem Belohnungsberechnungsschritt S102-1 eine Belohnung auf der Basis der Zahl von Schaltvorgängen des Leistungsgeräts und des Vorhandenseins oder Fehlens des Fehlers des Leistungsgeräts, die von der Zustandsbeobachtungseinheit 11 beobachtet werden.
Anschließend aktualisiert die Funktionsaktualisierungseinheit 22 in einem Funktionsaktualisierungsschritt S102-2 Funktionen (Aktivwerttabelle) zum Berechnen der voraussichtlichen Lebensdauer des Leistungsgeräts auf der Basis der von der Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariable und der von der Belohnungsberechnungseinheit 21 berechneten Belohnung.
Nachfolgend sind eine Lebensdauer-Vorhersagevorrichtung umfassend die zuvor beschriebene maschinelle Lernvorrichtung und eine Motorantriebsvorrichtung umfassend die Lebensdauer-Vorhersagevorrichtung beschrieben.
5 zeigt ein Prinzipblockdiagramm zur Darstellung der Lebensdauer-Vorhersagevorrichtung umfassend die maschinelle Lernvorrichtung, auf die verstärkendes Lernen angewendet wird, und der Motorantriebsvorrichtung umfassend die Lebensdauer-Vorhersagevorrichtung gemäß der Ausführungsform. Nachfolgend ist die Steuerung des Wechselstrommotors 2 mit der Motorantriebsvorrichtung 1000 beschrieben. Der Typ des Wechselstrommotors 2 ist gegebenenfalls nicht auf die vorliegende Erfindung beschränkt und der Wechselstrommotor 2 kann ein Induktionsmotor oder ein Synchronmotor sein.
Die Lebensdauer-Vorhersagevorrichtung 100 des Leistungsgeräts in der Motorantriebsvorrichtung 1000 umfasst die maschinelle Lernvorrichtung 1, eine Entscheidungsfindungseinheit 13 und eine Benachrichtigungseinheit 14. Die Motorantriebsvorrichtung 1000 umfasst die Lebensdauer-Vorhersagevorrichtung 100, eine Stromversorgungseinheit 31, eine Schaltvorgangszahl-Erfassungseinheit 32, eine Fehlerbestimmungseinheit 33, eine Temperaturberechnungseinheit 34 und eine Motorsteuereinheit 50. Obwohl in der Zeichnung nicht dargestellt kann ein Datenausgabeteil zum Ausgeben von Daten in Bezug auf die voraussichtliche Lebensdauer wie von der Entscheidungsfindungseinheit 13 entschieden zusätzlich bereitgestellt sein.
Die Motorsteuereinheit 50 erzeugt auf der Basis der darin gespeicherten Steuersoftware den Schaltbefehl zum Steuern von Drehzahl, Drehmoment oder einer Rotorstellung des Wechselstrommotors 2 durch Verwenden von Informationen wie einem vorgegebenen Drehzahlbefehl, einem Betriebsprogramm für den Wechselstrommotor 2, von der Stromversorgungseinheit 31 geliefertem Wechselstrom und/oder gelieferter Wechselspannung und Rotordrehzahl und/oder einer Rotorstellung des Wechselstrommotors 2. Ein von der Motorsteuereinheit 50 ausgeführtes Verfahren zum Erzeugen des Schaltbefehls schränkt die vorliegende Erfindung nicht im Besonderen ein und es kann ein Erzeugungsverfahren nach dem Stand der Technik wie etwa ein Dreieckwellen-Vergleichs-PWM-Verfahren verwendet werden.
Auf der Basis des in der Motorsteuereinheit 50 erzeugten Schaltbefehls steuert die Stromversorgungseinheit 31 den Schaltvorgang des Leistungsgeräts zum Umwandeln von Gleichstrom in Wechselstrom und versorgt den Wechselstrommotor mit Wechselstrom. Es kann beispielsweise ein PWM-Wechselrichter als Stromversorgungseinheit 31 verwendet werden. Der PWM-Wechselrichter ist in einer Brückenschaltung eines Leistungsgeräts und einer umgekehrt parallel mit diesem angeschlossenen Diode ausgeführt und führt eine PWM-Steuerung des Schaltvorgangs des Leistungsgeräts auf der Basis des in der Motorsteuereinheit 50 erzeugten Schaltbefehls durch. Obwohl in der Zeichnung nicht dargestellt, ist ein Gleichrichter, der von der Wechselstrom-Versorgungsseite gelieferten Wechselstrom in Gleichstrom umwandelt und den Gleichstrom an den Gleichstrom-Zwischenkreis liefert, im Gleichstrom-Zwischenkreis angeordnet, der eine Gleichstromseite der vom PWM-Wechselrichter ausgebildete Stromversorgungseinheit 31 darstellt. Der Wechselrichter in der Stromversorgungseinheit 31 wandelt von der Zwischenkreisseite gelieferten Gleichstrom in Dreiphasen-Wechselstrom mit den gewünschten Spannungen und Frequenzen zum Antrieb des Wechselstrommotors 2 um, um die interne Schaltvorrichtung zu veranlassen, einen Schaltvorgang auf der Basis des von der Motorsteuereinheit 50 empfangenen Schaltbefehls durchzuführen. Der Wechselstrommotor 102 wird somit auf der Basis des gelieferten Dreiphasen-Wechselstroms mit variabler Spannung und Frequenz betrieben.
Die Schaltvorgangszahl-Erfassungseinheit 32 erfasst die Daten in Bezug auf die Zahl von Schaltvorgängen auf der Basis des von der Motorsteuereinheit 50 erzeugten Schaltbefehls für das Ein/Aus-Steuern des Leistungsgeräts.
Die Fehlerbestimmungseinheit 33 erfasst die Daten in Bezug auf das Vorhandensein oder Fehlen des Fehlers des Leistungsgeräts auf der Basis des von der Motorsteuereinheit 50 erzeugten Schaltbefehls und des von der Stromversorgungseinheit 31 gelieferten Wechselstroms. Insbesondere kann die Fehlerbestimmungseinheit 33 das Vorhandensein oder Fehlen des Fehlers des Leistungsgeräts durch Überwachen, ob Wechselstrom entsprechend dem Schaltbefehl von der Stromversorgungseinheit 31 geliefert wurde, bestimmen. Beispielsweise erfasst eine Stromerfassungseinheit (nicht dargestellt) den von der Stromversorgungseinheit 31 zum Wechselstrommotor 2 fließenden Strom; kann bestimmen, dass kein Fehler des Leistungsgeräts vorliegt, wenn der erfasste Stromwert dem von der Motorsteuereinheit 50 ausgegebenen Schaltbefehl entspricht, und dass ein Fehler des Leistungsgeräts vorliegt, wenn der erfasste Wert nahe Null ist, während der Schaltbefehl geliefert wurde, oder wenn der erfasste Strom ein ungewöhnlich hoher Wert ist, der aufgrund des Schaltbefehls nicht zu erwarten ist. Alternativ bedient der Bediener, der den Fehler des Leistungsgeräts feststellt oder über diesen benachrichtigt wird, ein Eingabegerät selbst, um direkt Daten zur Angabe eines Auftretens eines Fehlers des Leistungsgeräts in der Zustandsbeobachtungseinheit 11 ohne Eingriff der Fehlerbestimmungseinheit 33 einzugeben.
Die Temperaturberechnungseinheit 34 berechnet die Sperrschichttemperatur des Leistungsgeräts auf der Basis der Temperatur der Rippe zum Kühlen des Leistungsgeräts, der Umgebungslufttemperatur der Motorantriebsvorrichtung 1000, des Werts des dem Wechselstrommotor 2 von der Motorantriebsvorrichtung 1000 gelieferten Stroms und des Werts der dem Wechselstrommotor 2 von der Motorantriebsvorrichtung 1000 gelieferten Spannung, was nachfolgend in Bezug auf 6 beschrieben ist.
6 zeigt ein Blockdiagramm zur Darstellung der Temperaturberechnungseinheit zum Berechnen der Sperrschichttemperatur des Leistungsgeräts zum Zeitpunkt des Beaufschlagens eines Motors mit Spannung. Wenn sich die Spannung (Ausgangsspannung von der Stromversorgungseinheit 31), mit welcher der Wechselstrommotor 2 von der Motorantriebsvorrichtung 1000 beaufschlagt wird, ändert, ändert sich die Wärmeerzeugung (Verlust) des Leistungsgeräts, das heißt es ändert sich ein Erwärmungskoeffizient. Hier ist ein Verfahren zum Berechnen der Sperrschichttemperatur mit einem Beispiel beschrieben, bei dem der Wechselstrommotor 2 mit einer Spannung Vx [V] beaufschlagt wird.
Die Temperaturberechnungseinheit 34 umfasst eine Chiptemperatur-Berechnungseinheit 34-1 und eine Kühlertemperatur-Berechnungseinheit 34-2. Der Wert des von der Motorantriebsvorrichtung an den Wechselstrommotor gelieferten Stroms wird von der Stromerfassungseinheit (nicht dargestellt) erfasst und wird durch einen Strom-Rückkopplungswert Ir [Arms] dargestellt. „rms“ bezeichnet einen Effektivwert. Die Umgebungslufttemperatur T_a der Motorantriebsvorrichtung 1000 wird von einem Temperatursensor (nicht dargestellt) erfasst, der in der Nähe der Motorantriebsvorrichtung 1000 installiert ist.
In der Chiptemperaturberechnungseinheit 34-1 in der Temperaturberechnungseinheit 34 wird der Temperaturanstieg T_UPC [°C] des Chips gegen eine Rippe (Kühler) durch Integrieren eines durch Multiplizieren des Strom-Rückkopplungswerts Ir [Arms] mit einem Stromversorgungsfrequenzkoeffizienten K_ω und einem Erwärmungskoeffizienten K₁ [°C/Arms] ermittelten Werts mit einer Spitzenseitenzeitkonstante T₁ ermittelt. Der Stromversorgungsfrequenzkoeffizient K_ω ist ein fester Wert entsprechend der Stromversorgungsfrequenz und kann beispielsweise ein Wert von 1,55 bis 2,00 sein. Der Erwärmungskoeffizient K₁ [°C/Arms] ist ein von Ausgangsstrom und Ausgangsspannung abhängiger Wert und kann beispielsweise ein zunehmender Wert von 40 bis 60 [°C] pro Höchststromwert I_max sein. Die Spitzenseitenzeitkonstante T₁ ist ein vom Leistungsgerät abhängiger Wert und kann beispielsweise 100 bis 300 [ms] betragen.
In der Kühlertemperaturberechnungseinheit 34-2 in der Temperaturberechnungseinheit 34 wird der Temperaturanstieg T_UPF [°C] der Rippe (Kühler) gegen die Außenluft durch Integrieren eines durch Multiplizieren des Strom-Rückkopplungswerts Ir [Arms] mit einem Erwärmungskoeffizienten K₂ [°C/Arms] ermittelten Werts mit einer Rippenseiten-Zeitkonstante T₂ ermittelt. Die Rippentemperatur (Temperatur eines Kühlers) [°C] T_FIN wird durch Addieren der Umgebungslufttemperatur T_a der Motorantriebsvorrichtung 1000 zum Temperaturanstieg T_UPF [°C] der Rippe (Kühler) gegen die Außenluft ermittelt. Der Erwärmungskoeffizient K₂ [°C/Arms] ist ein von einem Typ eines Wechselrichters (Verstärkers), aus dem die Stromversorgungseinheit 31 besteht, und einer PWM-Frequenz abhängiger Wert und kann beispielsweise ein zunehmender Wert von 65 bis 100 [°C] pro 30-Minuten-Stromwert I₃₀ sein. Die Rippenseitenzeitkonstante T₂ ist ein von einer Verstärkerkonfiguration des Wechselrichters in der Stromversorgungseinheit 31 abhängiger Wert und kann beispielsweise 70 bis 150 [s] betragen.
Die Sperrschichttemperatur T_CHIP [°C] des Leistungsgeräts wird durch Addieren des durch Addieren der Chiptemperaturberechnungseinheit 34-1 berechneten Temperaturanstiegs T_UPC [°C] des Chips gegen die Rippe (Kühler) und der von der Kühlertemperaturberechnungseinheit 34-2 berechneten Rippentemperatur (Temperatur eines Kühlers) T_FIN [°C] ermittelt.
Somit wird die Sperrschichttemperatur des Leistungsgeräts von der Temperaturberechnungseinheit 34 in der vorliegenden Ausführungsform berechnet. Alternativ kann beispielsweise die Sperrschichttemperatur des Leistungsgeräts direkt von einem in der Nähe des Leistungsgeräts installierten Temperatursensor gemessen werden. Obwohl ein Verfahren zum Berechnen der Sperrschichttemperatur des Leistungsgeräts durch die Temperaturberechnungseinheit 34 gegebenenfalls nicht die Änderung der charakteristischen Daten der jeweiligen Leistungsgeräte wie Erwärmungskoeffizient des Leistungsgeräts und Wärme/ZeitKonstante des Chips berücksichtigt, erhöht das direkte Messen der Sperrschichttemperatur des Leistungsgeräts durch Verwenden eines Temperatursensors die Genauigkeit der gemessenen Temperatur.
Die Zustandsbeobachtungseinheit 11 in der maschinellen Lernvorrichtung 1 beobachtet die aus den Daten in Bezug auf die von der Schaltungsvorgangszahl-Erfassungseinheit 32 erfassten Zahl von Schaltvorgängen des Leistungsgeräts, den Daten in Bezug auf die von der Temperaturberechnungseinheit 34 erfassten Sperrschichttemperatur des Leistungsgeräts und den Daten in Bezug auf das von der Fehlerbestimmungseinheit 33 erfassten Vorhandensein oder Fehlen eines Fehlers des Leistungsgeräts bestehende Zustandsvariable.
Die Lerneinheit 12 in der maschinellen Lernvorrichtung 1 umfasst die Belohnungsberechnungseinheit 21 und die Funktionsaktualisierungseinheit 22 und lernt die voraussichtliche Lebensdauer des Leistungsgeräts entsprechend der auf der Basis der von der Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariable erzeugten Trainingsdatenmenge.
Die Belohnungsberechnungseinheit 21 in der Lerneinheit 12 berechnet die Belohnung auf der Basis der Zahl von Schaltvorgängen des Leistungsgeräts und des Vorhandenseins oder Fehlens des Fehlers des Leistungsgeräts, die von der Zustandsbeobachtungseinheit 11 beobachtet werden. Beispielsweise verringert die Belohnungsberechnungseinheit 21 die Belohnung, wenn die von der Zustandsbeobachtungseinheit 11 beobachtete Zahl von Schaltvorgängen des Leistungsgeräts eine vorgegebene Zahl überschreitet, da dies bedeutet, dass die Zahl von Schaltvorgängen eine feste Zahl von Schaltvorgängen entsprechend der Lebensdauer des Leistungsgeräts überschreitet. Die Belohnungsberechnungseinheit 21 verringert ebenfalls die Belohnung, wenn ein Fehler des Leistungsgeräts in einem Zustand auftritt, in dem die Zahl von Schaltvorgängen des Leistungsgeräts die vorgegebene Zahl nicht überschreitet.
Die Funktionsaktualisierungseinheit 22 in der Lerneinheit 12 aktualisiert die Funktionen (Aktionswerttabelle) zum Berechnen der voraussichtlichen Lebensdauer des Leistungsgeräts auf der Basis der von der Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariable und der von der Belohnungsberechnungseinheit 21 berechneten Belohnung.
Die Entscheidungsfindungseinheit 13 berechnet die voraussichtliche Lebensdauer des Leistungsgeräts auf der Basis des Ergebnisses des Lernens durch die Lerneinheit 12 entsprechend der Trainingsdatenmenge als Reaktion auf eine Eingabe der aktuellen Zustandsvariable. Wie zuvor beschrieben hängt die Lebensdauer (Zahl der Schaltvorgänge) des Leistungsgeräts vom Unterschied (Leistungszyklus) zwischen der Sperrschichttemperatur zum Zeitpunkt des Betriebs des Leistungsgeräts und der Basistemperatur ab, und der Unterschied zwischen der Sperrschichttemperatur und der Basistemperatur ändert sich je nach den Betriebsbedingungen und der Umgebungslufttemperatur der Motorantriebsvorrichtung. Die Entscheidungsfindungseinheit 13 bestimmt anschließend die voraussichtliche Lebensdauer des Leistungsgeräts in Bezug auf vorhergehende Daten bezüglich des Unterschieds zwischen Sperrschichttemperatur und Basistemperatur sowie Fehlerdaten aus den in der Funktionsaktualisierungseinheit 22 auf der Basis der Zahl von Schaltvorgänge des Leistungsgeräts, der Sperrschichttemperatur des Leistungsgeräts und des Vorhandenseins oder Fehlers des Fehlers des Leistungsgerät, die von der Zustandsbeobachtungseinheit 11 beobachtet werden. Da verstärkendes Lernen für einen Lernalgorithmus als ein Beispiel in der vorliegenden Ausführungsform verwendet wird, aktualisiert die Funktionsaktualisierungseinheit 22 in der Lerneinheit 12 die Funktionen zum Berechnen der voraussichtlichen Lebensdauer auf der Basis der von der Belohnungsberechnungseinheit 21 in der Lerneinheit 12 berechneten Belohnung, und die Entscheidungsfindungseinheit 13 wählt und gibt die voraussichtliche Lebensdauer aus, welche die größte Belohnung auf der Basis der aktualisierten Funktionen erzielt. Die voraussichtliche Lebensdauer, für die sich die Entscheidungsfindungseinheit 13 entschieden hat, wird an die Benachrichtigungseinheit 14 ausgegeben.
Die Benachrichtigungseinheit 14 benachrichtigt den Bediener über die von der Entscheidungsfindungseinheit 13 berechnete voraussichtliche Lebensdauer. Zusätzlich kann die Benachrichtigungseinheit 14 ausgebildet sein, den Bediener über eine Information zur Aufforderung zum Austauschen eines Leistungsgeräts auf der Basis der von der Entscheidungsfindungseinheit 13 berechneten voraussichtlichen Lebensdauer zu benachrichtigen. Der Bediener kann die voraussichtliche Lebensdauer des Leistungsgeräts von der Benachrichtigungseinheit 14 erfahren und somit kann der Bediener das Leistungsgerät austauschen, bevor das Leistungsgerät nicht mehr betriebsbereit ist. Das Austauschen des Leistungsgeräts zu einem geeigneten Zeitpunkt wird ermöglicht, wodurch unnötige konstruktive Toleranzen und der Lagerbestand von Leistungsgeräten verringert werden können. Alternativ kann ebenfalls über einen beim Berechnen der voraussichtlichen Lebensdauer ermittelter Betriebszustand, der großen Einfluss auf die Lebensdauer des Leistungsgeräts hat, als ein Benachrichtigungsinhalt der Benachrichtigungseinheit 14 benachrichtigt werden. Dies ermöglicht dem Bediener das Ergreifen einer Maßnahme, bei welcher der Betriebszustand, der den Einfluss auf die Lebensdauer des Leistungsgeräts hat, geändert wird. Beispielsweise kann ein Konstrukteur eine Maßnahme, bei der die Peripherieumgebung der Motorantriebsvorrichtung 1000 verbessert wird, so dass die Temperatur eine geeignete Temperatur zum Verlängern der Lebensdauer eines Leistungsgeräts ist, oder eine Maßnahme, bei der Betriebsbedingungen wie Ausgangsspannung, Ausgangsstrom oder eine Schaltfrequenz geändert werden, ergreifen.
Die Benachrichtigungseinheit 14 kann beispielsweise ein Bildschirm eines Personalcomputers, ein tragbarer Terminal, ein Touchscreen o. Ä. oder ein Bildschirm, der einen Anbauteil der Motorantriebsvorrichtung 1000 o. Ä. darstellt, sein, und die Benachrichtigungseinheit 14 kann beispielsweise die voraussichtliche Lebensdauer auf dem Bildschirm durch Zeichen oder Graphiken darstellen. Die Benachrichtigungseinheit 14 kann beispielsweise als Audioausrüstung ausgeführt sein, die Töne erzeugt, etwa als Lautsprecher, Summer und Signalgeber. Alternativ kann die Benachrichtigungseinheit 14 zum Anzeigen von Daten auf einem Blatt Papier o. Ä. durch Ausdrucken mit einem Drucker ausgebildet sein. Alternativ kann die Benachrichtigungseinheit 14 durch Kombinieren dieser Konfigurationen ausgeführt sein.
7 zeigt ein Fließbild zur Darstellung eines Betriebsablaufs der Lebensdauer-Vorhersagevorrichtung umfassend die maschinelle Lernvorrichtung, auf die verstärkendes Lernen angewendet wird, gemäß der Ausführungsform.
Im Allgemeinen wird beim verstärkenden Lernen ein Ausgangswert für die Aktion zufällig ausgewählt. In dieser Ausführungsform wird in Schritt S201 die als eine Aktion definierte voraussichtliche Lebensdauer zufällig ausgewählt.
In Schritt S202 erzeugt die Motorsteuereinheit 50 einen Schaltbefehl zum Steuern von Geschwindigkeit, Drehmoment oder Rotorstellung des Wechselstrommotors 2 auf der Basis der in der Motorsteuereinheit 50 gespeicherten Steuersoftware durch Verwenden von Informationen wie einem vorgegebenen Drehzahlbefehl, einem Betriebsprogramm für den Wechselstrommotor 2, von der Stromversorgungseinheit 31 geliefertem Wechselstrom und/oder gelieferter Wechselspannung und Drehzahl und/oder einer Rotorstellung des Wechselstrommotors 2. Auf der Basis des in der Motorsteuereinheit 50 erzeugten Schaltbefehls steuert die Stromversorgungseinheit 31 den Schaltvorgang des Leistungsgeräts und wandelt Gleichstrom in Wechselstrom um, um den Wechselstrommotor mit Wechselstrom zu versorgen. Der Wechselstrommotor 102 wird somit auf der Basis des gelieferten Dreiphasen-Wechselstroms mit variabler Spannung und Frequenz betrieben. Während dieses Vorgangs erfasst die Schaltvorgangszahl-Erfassungseinheit 32 die Daten in Bezug auf die Zahl von Schaltvorgängen auf der Basis des von der Motorsteuereinheit 50 erzeugten Schaltbefehls für das Ein/Aus-Steuern des Leistungsgeräts, und die Fehlerbestimmungseinheit 33 erfasst die Daten in Bezug auf das Vorhandensein oder Fehlen des Fehlers des Leistungsgeräts auf der Basis des von der Motorsteuereinheit 50 erzeugten Schaltbefehls und des von der Stromversorgungseinheit 31 gelieferten Wechselstroms. Die Temperaturberechnungseinheit 34 berechnet die Sperrschichttemperatur T_CHIP des Leistungsgeräts auf der Basis der Temperatur der Rippe zum Kühlen des Leistungsgeräts, der Umgebungslufttemperatur der Motorantriebsvorrichtung 1000, des Werts des dem Wechselstrommotor 2 von der Motorantriebsvorrichtung 1000 gelieferten Stroms und des Werts der dem Wechselstrommotor 2 von der Motorantriebsvorrichtung 1000 gelieferten Spannung, aber alternativ kann beispielsweise ein Temperatursensor die Sperrschichttemperatur des Leistungsgeräts messen.
In Schritt S203 beobachtet die Zustandsbeobachtungseinheit 11 die aus den Daten in Bezug auf die von der Schaltungsvorgangszahl-Erfassungseinheit 32 erfassten Zahl von Schaltvorgängen des Leistungsgeräts, den Daten in Bezug auf die von der Temperaturberechnungseinheit 34 erfassten Sperrschichttemperatur des Leistungsgeräts und den Daten in Bezug auf das von der Fehlerbestimmungseinheit 33 erfassten Vorhandensein oder Fehlen eines Fehlers des Leistungsgeräts bestehende Zustandsvariable.
Anschließend unterscheidet die Zustandsbeobachtungseinheit 11 in Schritt S204, ob die beobachtete Zahl von Schaltvorgängen des Leistungsgeräts eine festgelegte Zahl von Schaltvorgängen a überschreitet. Wenn bestimmt wird, dass die Zahl von Schaltvorgängen des Leistungsgeräts die festgelegte Zahl von Schaltvorgängen a überschreitet, verringert die Belohnungsberechnungseinheit 21 in Schritt S207 eine Belohnung. Wenn hingegen bestimmt wird, dass die Zahl von Schaltvorgängen des Leistungsgeräts die festgelegte Zahl von Schaltvorgängen a nicht überschreitet, wird mit Schritt S205 fortgefahren.
In Schritt S205 bestimmt die Zustandsbeobachtungseinheit 11 auf der Basis von Daten in Bezug auf das Vorhandensein oder Fehlen des Fehlers des Leistungsgeräts, ob das Leistungsgerät einen Fehler aufweist. Wenn bestimmt wird, dass das Leistungsgerät keinen Fehler aufweist, erhöht die Belohnungsberechnungseinheit 21 in Schritt S206 eine Belohnung. Wenn hingegen bestimmt wird, dass das Leistungsgerät einen Fehler aufweist, verringert die Belohnungsberechnungseinheit 21 in Schritt S207 die Belohnung.
In Schritt S208 aktualisiert die Funktionsaktualisierungseinheit 22 Funktionen (Aktionswerttabelle) zum Berechnen der voraussichtlichen Lebensdauer des Leistungsgeräts auf der Basis der von der Zustandsbeobachtungseinheit 11 beobachteten Zustandsvariable und der von der Belohnungsberechnungseinheit 21 berechneten Belohnung.
Im folgenden Schritt S209 wählt und gibt die Entscheidungsfindungseinheit 13 die voraussichtliche Lebensdauer des Leistungsgeräts aus, welche die größte Belohnung auf der Basis der in Schritt S208 aktualisierten Funktionen erzielt. Die voraussichtliche Lebensdauer, für die sich Entscheidungsfindungseinheit 13 entschieden hat, wird an die Benachrichtigungseinheit 14 ausgegeben.
In Schritt S210 benachrichtigt die Benachrichtigungseinheit 14 den Bediener über die von der Entscheidungsfindungseinheit 13 berechnete voraussichtliche Lebensdauer. Alternativ meldet die Benachrichtigungseinheit 14 den Bediener eine Information zur Aufforderung zum Austauschen eines Leistungsgeräts auf der Basis der von der Entscheidungsfindungseinheit 13 berechneten voraussichtlichen Lebensdauer.
Anschließend kehrt der Prozess zum Schritt S202 zurück. Die Prozesse in Schritt S202 bis S209 werden anschließend wiederholt, bis ein Leistungsgerät von einem Bediener ausgetauscht wird. Mit diesem Vorgang lernt die maschinelle Lernvorrichtung 1 die voraussichtliche Lebensdauer des Leistungsgeräts. Die Trainingsdatenmengen können von einer Vielzahl von Motorantriebsvorrichtungen 1000 erfasst werden, und in diesem Fall wiederholt die Lerneinheit 12 die Prozesse in Schritt S201 bis S208 entsprechend der für die Vielzahl von Motorantriebsvorrichtungen erfassten Trainingsdatenmengen zum Lernen der voraussichtlichen Lebensdauer. Erfasste Trainingsdatenmengen für die Vielzahl von Motorantriebsvorrichtungen verbessern die Lerngenauigkeit der maschinellen Lernvorrichtung 1.
Nachfolgend ist die maschinelle Lernvorrichtung 1 ausführlicher beschrieben. Die maschinelle Lernvorrichtung 1 weist Funktionen zum Extrahieren einer nützlichen Regel, einer Wissensdarstellung, eines Entscheidungskriteriums u. Ä. durch Analyse aus einer Menge von der Vorrichtung zugeführten Datenelementen, zum Ausgeben des Entscheidungsergebnisses und zum Lernen von Wissen auf. Wie zuvor beschrieben wird der Lernalgorithmus in der maschinellen Lernvorrichtung 1 allgemein in „überwachtes Lernen“, „nicht überwachtes Lernen“ und „verstärkendes Lernen“ unterteilt. Zusätzlich gibt es zum Umsetzen dieser Verfahren ein Verfahren, welches das Extrahieren der Merkmalsmenge selbst lernt und als „Deep Learning“ bezeichnet wird. Solch ein maschinelles Lernen (die maschinelle Lernvorrichtung 1) wird durch Anwenden von beispielsweise GPGPU (General-Purpose Computing on Graphics Processing Units), einem PC-Cluster mit großem Umfang o. Ä. umgesetzt.
„Überwachtes Lernen“ liefert ein Paar von sicheren Eingabedaten und Ergebnisdaten (Kennsatz) an die maschinelle Lernvorrichtung 1 in großen Mengen zum Lernen des Merkmals in den Datenmengen und erzeugt induktiv ein Modell zum Schätzen eines Ergebnisses von einer Eingabe, das heißt der Beziehung. Bei Anwenden von überwachtem Lernen auf die vorliegende Ausführungsform kann das überwachte Lernen für eine Komponente zum Berechnen der voraussichtlichen Lebensdauer eines Leistungsgeräts verwendet werden. Dies ist unter Verwendung eines Algorithmus wie einem neuronalen Netz wie nachfolgend beschrieben umsetzbar.
„Nicht überwachtes Lernen“ liefert ausschließlich Eingabedaten für die maschinelle Lernvorrichtung 1 in großen Mengen, wodurch Verteilungsaspekte der Eingabedaten gelernt werden und eine Vorrichtung unter Ausführung von Komprimierung, Klassifizierung, Form o. Ä. an den Eingabedaten gelernt wird, ohne entsprechende überwachte Ausgabedaten zu liefern. Beispielsweise kann nicht überwachtes Lernen ein Clustern von Merkmalen in den Datenmengen in Mengen mit jeweils einem ähnlichen Merkmal durchführen. Das Bereitstellen eines bestimmten Kriteriums und das Zuweisen einer Ausgabe, die das Kriterium unter Verwendung des Cluster-Ergebnisses optimiert, ermöglichen eine Vorhersage einer Ausgabe.
Es gibt eine Ausführung zwischen „nicht überwachtem Lernen“ und „überwachtem Lernen“, das sogenannte „halb-überwachte Lernen“, bei dem ausschließlich bestimmte Paare von Eingabedaten und Ausgabedaten vorhanden sind und ausschließlich Eingabedaten (beispielsweise Simulationsdaten) in Bezug auf andere Teile vorhanden sind. In der vorliegenden Ausführungsform werden ohne tatsächliches Betreiben der Motorantriebsvorrichtung erfassbare Daten im nicht überwachten Lernen verwendet, um dadurch ein effizientes Lernen zu erzielen.
Zunächst ist ein Beispiel der Anwendung von verstärkendem Lernen als Lernalgorithmus in der maschinellen Lernvorrichtung 1 beschrieben.
Ausführungen von verstärkendem Lernen sind wie folgt berücksichtigt.

- Die Motorantriebsvorrichtung beobachtet einen Umweltzustand und bestimmt eine Aktion.
- Die Umwelt kann sich entsprechend einer bestimmten Regel ändern, und ebenfalls eigene Aktionen können bewirken, dass sich die Umwelt ändert.
- Für jede Aktion wird ein Belohnungssignal geliefert.
- Es ist beabsichtigt, dass sich die Summe der Belohnungen (Abzüge) über die Zukunft maximiert.
- Das Lernen beginnt in einem Zustand, in dem ein von der Aktion verursachtes Ergebnis überhaupt nicht oder nur unzureichend bekannt ist. Das heißt die Motorantriebsvorrichtung kann ein Ergebnis als Daten erst nach dem eigentlichen Beginn des Vorgangs erzeugen. Es muss daher per Trial and Error nach der optimalen Aktion gesucht werden.
- Ein Ausgangszustand kann in einen Zustand versetzt werden, in dem vorhergehendes Lernen (Verfahren des zuvor beschriebenen überwachten Lernens und umgekehrten verstärkenden Lernens) erfolgt ist, so dass ein Vorgang eines Menschen imitiert werden kann und das Lernen mit einem besseren Ausgangspunkt begonnen werden kann.

„Verstärkendes Lernen“ ist ein Verfahren, das nicht nur Entscheidungen und Klassifizierungen, sondern auch Aktionen lernt, um dadurch eine entsprechende Aktionsergreifungs-Interaktion zwischen Umwelt und Aktion zu berücksichtigen, das heißt um zum Maximieren der in der Zukunft zu erzielenden Belohnung zu lernen. Dies bedeutet, dass die vorliegende Ausführungsform Aktionen erzielen kann, die Einfluss auf die Zukunft haben können, so dass die voraussichtliche Lebensdauer eines Leistungsgeräts genau berechnet wird. Beispielsweise wird die Beschreibung mit dem Anwenden des Q-Lernens fortgesetzt, ist aber nicht hierauf beschränkt.
Q-Lernen ist ein Verfahren zum Lernen eines Werts Q (s, a) zum Auswählen der Aktion a in einem bestimmten Umweltzustand s. Das heißt es kann eine Aktion a mit dem höchsten Wert Q (s, a) als optimale Aktion in einem bestimmten Zustand s ausgewählt werden. In Bezug auf die Kombination eines Zustands s und einer Aktion a ist jedoch der tatsächliche Wert des Werts Q (s, a) zunächst überhaupt nicht bekannt. Anschließend wählt ein Agent (Aktionssubjekt) verschiedene Aktionen a in einem bestimmten Zustand s aus und erhält Belohnungen für Aktionen a zum Zeitpunkt. Auf diese Weise lernt der Agent die Auswahl von besseren Aktionen, das heißt den tatsächlichen Wert Q (s, a).
Ferner ist vorgesehen, die Summe der über die Zukunft zu erzielenden Belohnungen als ein Ergebnis der Aktion zu maximieren, und daher ist das Endziel, dass Q (s, a) = E[∑γ^tr_t] ermittelt wird. Es wird angenommen, dass ein erwarteter Wert verwendet wird, wenn sich ein Zustand entsprechend der optimalen Aktion ändert; aber er wird beim Suchen gelernt, weil er noch nicht bekannt ist. Eine Aktualisierungsgleichung von solch einem Wert Q (s, a) kann beispielsweise durch die Gleichung 1 dargestellt sein. $Q (s_{t} {,a}_{t}) \leftarrow Q (s_{t} {,a}_{t}) + α (r_{t + 1} + γ max_{a} Q (s_{t+1},a) - Q (s_{t} {,a}_{t}))$
In der zuvor beschriebenen Gleichung 1 bezeichnet s_t einen Umweltzustand zum Zeitpunkt t, and a_t eine Aktion zum Zeitpunkt t. Ein Zustand ändert sich zu s_t+1 durch die Aktion a_t. r_t+1 bezeichnet eine Belohnung, die durch die Änderung des Zustands erteilt werden kann. Der Term mit „max“ entspricht einem Wert, der durch Multiplizieren des Q-Werts mit y erzielt wird, wobei der Q-Wert der höchste Q-Wert von den bekannten Q-Werten zum Zeitpunkt des Auswählens einer Aktion a mit dem höchsten Q-Wert im Zustand s_t+1 ist. ү ist ein Parameter, der 0<ү<1 erfüllt und als Abschlagsrate bezeichnet wird. α ist ein Lernkoeffizient und ein Wert in einem Bereich 0<α<1.
Die Gleichung 1 stellt ein Verfahren zum Aktualisieren eines Bewertungswerts Q (s_t, a_t) der Aktion a_t in einem Zustand s_t auf Basis einer als ein Ergebnis eines Versuchs a_tgelieferten Belohnung r_t+1 dar. Die Gleichung stellt dar, dass, wenn der Bewertungswert Q (s_t+1, max a_t+1) der Belohnung r_t+1 + die beste Aktion max a im folgenden Zustand entsprechend der Aktion a größer ist als der Bewertungswert Q (s_t, a_t) der Aktion a im Zustand s, Q (s_t, a_t) vergrößert wird, und wenn er kleiner ist, Q (s_t, a_t) verkleinert wird. Das heißt ein Wert einer bestimmten Aktion in einem bestimmten Zustand wird einer unmittelbar als ein Ergebnis ausgegebenen Belohnung und einem Wert der besten Aktion im folgenden Zustand entsprechend der Aktion angenähert.
Die Ausdrucksmodi von Q (s, a) auf einem Computer umfassen ein Verfahren zum Aufnehmen des Werts Q für alle Zustandsaktionspaare (s, a) in einer Tabelle (Aktionswerttabelle) und ein Verfahren zum Erzeugen einer Funktion, die Q (s, a) nähert. Im letzteren Verfahren ist die zuvor beschriebene Aktualisierungsgleichung durch Anpassen von Parametern einer Näherungsfunktion mit Verfahren wie das Gefälle eines Wahrscheinlichkeitsgradienten ausführbar. Ein nachfolgend beschriebenes neuronales Netz kann als Näherungsfunktion verwendet werden.
Ein neuronales Netz kann als Näherungsalgorithmus einer Wertfunktion im überwachten Lernen, nicht überwachten Lernen und verstärkenden Lernen verwendet werden. Das neuronale Netz umfasst eine arithmetische Einheit, einen Speicher u. Ä., die beispielsweise das neuronale Netz entsprechend einem Modell eines Neurons wie in 8 dargestellt ausführen. 8 zeigt ein beispielhaftes Diagramm zur Darstellung eines Modells eines Neurons.
Wie in 8 dargestellt gibt ein Neuron eine Ausgabe y für eine Vielzahl von Eingaben x (beispielsweise Eingabe x1 bis Eingabe x3 in 8) aus. Die Eingaben x1 bis x3 werden durch Gewichte w (w1 bis w3) entsprechend jeweils den Eingaben x gewichtet. Auf diese Weise gibt das Neuron die durch die Gleichung 2 ausgedrückte Ausgabe y aus. Die Eingaben x, die Ausgabe y und die Gewichte w sind sämtlich Vektoren. In der folgenden Gleichung 2 bezeichnet θ eine Verzerrung und f_k bezeichnet eine Aktivierungsfunktion. $y = f_{k} (\sum_{i = 1}^{n} x_{i} w_{i} - θ)$
Nachfolgend ist ein neuronales Netzwerk umfassend Gewichte von drei Schichten, welches das zuvor beschriebene Neuron kombiniert, in Bezug auf 9 beschrieben. 9 ist ein beispielhaftes Diagramm zur Darstellung eines neuronalen Netzes umfassend Gewichte von drei Schichten D1 bis D3.
Wie in 9 dargestellt wird eine Vielzahl von Eingaben x (beispielsweise Eingabe x1 bis Eingabe x3) an der linken Seite des neuronalen Netzes eingegeben und Ergebnisse y (beispielsweise Ergebnis y1 bis Ergebnis y3 werden an der rechten Seite ausgegeben.
Insbesondere werden Eingabe x1 bis Eingabe x3 durch die entsprechenden Gewichte jeweils gewichtet und jedem der drei Neuronen N11 bis N13 zugeführt. Diese auf die Eingaben angewendeten Gewichte werden gemeinsam als w1 bezeichnet.
Die Neuronen N11 bis N13 geben jeweils z11 bis z13 aus. In 9 sind z11 bis z13 gemeinsam als ein Merkmalsvektor z1 bezeichnet, der als ein Vektor umfassend die extrahierte Merkmalsmenge des Eingabevektors betrachtet werden kann. Dieser Merkmalsvektor z1 ist ein Merkmalsvektor zwischen dem Gewicht w1 und dem Gewicht w2. z11 bis z13 werden jeweils durch die entsprechenden Gewichte gewichtet und jedem der zwei Neuronen N21 und N22 zugeführt. Diese auf den Merkmalsvektor angewendeten Gewichte werden gemeinsam als w2 bezeichnet.
Die Neuronen N11 und N22 geben jeweils z21 und z22 aus. In 9 werden z21 und z22 gemeinsam als ein Merkmalsvektor z2 bezeichnet. Dieser Merkmalsvektor z2 ist ein Merkmalsvektor zwischen dem Gewicht w2 und dem Gewicht w3. Die Merkmalsvektoren z21 und z22 werden durch entsprechende Gewichte jeweils gewichtet und jedem der drei Neuronen N31 bis N33 zugeführt. Diese auf den Merkmalsvektor angewendeten Gewichte werden gemeinsam als w3 bezeichnet.
Die Neuronen N31 bis N33 geben schließlich jeweils die Ergebnisse y1 bis y3 aus.
Der Betrieb des neuronalen Netzes umfasst einen Lernmodus und einen Werkvorhersagemodus. Beispielsweise werden Gewichte w unter Verwendung von Lerndatenmengen im Lernmodus gelernt und es erfolgt eine Aktionsentscheidung in Motorantriebsantriebsvorrichtung unter Verwendung eines gelernten Parameters im Vorhersagemodus. Zwar wird zur Vereinfachung der Begriff „Vorhersage“ verwendet; es sind aber verschiedene Aufgaben wie Erfassung, Klassifizierung und Schlussfolgerung möglich.
Es können unmittelbar die durch tatsächlichen Betrieb der Motorantriebsvorrichtung im Vorhersagemodus erzielten Daten zum Spiegeln der Daten zur folgenden Aktion (Online-Lernen) gelernt werden, oder es kann ein kollektives Lernen unter Verwendung einer zuvor gesammelten Datengruppe und anschließend ein Erfassungsmodus (Batch-Lernen) mit den Parametern erfolgen. Alternativ kann als Zwischenaspekt ebenfalls ein Lernmodus eingesetzt werden, wenn sich Daten in einem bestimmten Umfang ansammeln.
Die Gewichte w1 bis w3 können durch Backpropagation gelernt werden. Informationen zu Fehlern werden von der rechten Seite eingegeben und fließen zur linken Seite. Die Backpropagation ist ein Verfahren zum Anpassen (Lernen) von jedem Gewicht zum Verringern des Unterschieds zwischen einer Ausgabe y, wenn eine Eingabe x eingegeben wird, und einer tatsächlichen Ausgabe y (Lehrer) für jedes Neuron.
Solch ein neuronales Netz kann die Zahl von Schichten beispielsweise auf drei oder mehr Schichten erhöhen (sogenanntes „Deep Learning“). Es kann automatisch eine arithmetische Einheit erzielt werden, die eine Merkmalsextrahierung an einer Eingabe Schritt für Schritt durchführt und ein Ergebnis ausschließlich von überwachten Daten liefert.
Die maschinelle Lernvorrichtung 1 der vorliegenden Ausführungsform umfasst zum Ausführen des zuvor beschriebenen Q-Lernens eine Zustandsbeobachtungseinheit 11, eine Lerneinheit 12 und eine Entscheidungsfindungseinheit 13 wie beispielsweise in 5 dargestellt. Ein auf die vorliegende Erfindung angewendetes maschinelles Lernverfahren ist jedoch nicht auf Q-Lernen wie zuvor beschrieben beschränkt. Das heißt verschiedene Verfahren wie „überwachtes Lernen“, „nicht überwachtes Lernen“, „halb-überwachtes Lernen“ und „verstärkendes Lernen“, die von der maschinellen Lernvorrichtung verwendet werden können, sind anwendbar. Solch ein maschinelles Lernen (maschinelle Lernvorrichtung 1) ist durch Anwenden von beispielsweise GPGPU, einem PC-Cluster mit großem Umfang o. Ä. umsetzbar. Beispielsweise entspricht beim Anwenden von überwachtem Lernen eine Wertfunktion einem Lernmodell und eine Belohnung entspricht einem Fehler. Es kann ebenfalls eine durch Verwenden des neuronalen Netzes genäherte Funktion als Aktionswerttabelle verwendet werden, was besonders wirksam ist, wenn s und a eine große Informationsmenge aufweisen.
Nachfolgend ist ein Beispiel der Anwendung von überwachtem Lernen als Lernalgorithmus in der maschinellen Lernvorrichtung 1 beschrieben.
10 zeigt ein Prinzipblockdiagramm zur Darstellung einer Lebensdauer-Vorhersagevorrichtung umfassend die maschinelle Lernvorrichtung, auf die überwachtes Lernen angewendet wird, und einer Motorantriebsvorrichtung umfassend die Lebensdauer-Vorhersagevorrichtung gemäß der Ausführungsform. Aus einem Vergleich von 10 und 5 wie zuvor beschrieben geht hervor, dass die Motorantriebsvorrichtung umfassend eine Motorsteuervorrichtung umfassend die in 10 dargestellte maschinelle Lernvorrichtung, auf die überwachtes Lernen angewendet wird, ferner eine Ergebnis-(Kennsatz-)Bereitstellungs-einheit 40 zusätzlich zur Motorsteuervorrichtung umfassend die in 5 darstellte maschinelle Lernvorrichtung, auf die Q-Lernen (verstärkendes Lernen) angewendet wird, umfasst. Die maschinelle Lernvorrichtung 1 in 10 umfasst eine Zustandsbeobachtungseinheit 11, eine mit einer Fehlerberechnungseinheit 23 und einer Lernmodell-Aktualisierungseinheit 24 ausgestattete Lerneinheit 15 und eine Entscheidungsfindungseinheit 16.
In der Motorsteuervorrichtung umfassend die in 10 dargestellte maschinelle Lernvorrichtung, auf die überwachtes Lernen angewendet wird, entsprechen die Fehlerberechnungseinheit 23 und die Lernmodell-Aktualisierungseinheit 24 jeweils der Belohnungsberechnungseinheit 21 und der Funktionsaktualisierungseinheit 22 in der in 5 dargestellten Motorsteuervorrichtung, auf die Q-Lernen angewendet wird. Die Fehlerberechnungseinheit 23 ist jedoch zum Eingeben eines Ergebnisses (Kennsatz) von der Ergebnisbereitstellungseinheit 40 ausgebildet. Andere Komponenten sind identisch mit denen in 5 wie zuvor beschrieben und auf eine Beschreibung dieser wird verzichtet.
Die Ergebnisbereitstellungseinheit 40 stellt Daten mit einem Kennsatz (Ergebnis) für die Fehlerberechnungseinheit 23 der Lerneinheit 15 bereit (gibt diese ein); die Fehlerberechnungseinheit 23 empfängt die Daten mit dem Kennsatz von der Ergebnisbereitstellungseinheit 40 und ein Signal von der Zustandsbeobachtungseinheit 11 zum Durchführen der Fehlerberechnung; und die Lernmodell-Aktualisierungseinheit 24 aktualisiert das Lernmodell. Wenn beispielsweise die Prozesse durch die Motorantriebsvorrichtung 1000 die gleichen sind, kann die Ergebnisbereitstellungseinheit 40 beispielsweise die Daten mit einem am Tag vor dem vorgegebenen Tag, an dem die Motorantriebsvorrichtung 1000 betrieben wird, erhaltenen Kennsatz speichern, und kann die in der Ergebnisbereitstellungseinheit 40 gespeicherten Daten mit dem Kennsatz für die Fehlerberechnungseinheit 23 am vorgegebenen Tag bereitstellen.
Alternativ können durch Simulation o. Ä. außerhalb der Motorantriebsvorrichtung 1000 erzielte Daten oder Daten mit einem Kennsatz von einer anderen Motorantriebsvorrichtung für die Fehlerberechnungseinheit 23 der Motorantriebsvorrichtung 1000 durch eine Speicherkarte oder eine Kommunikationsleitung bereitgestellt werden. Ferner kann die Ergebnisbereitstellungseinheit 40 aus einem nichtflüchtigen Speicher wie einen Flash-Speicher bestehen, die Ergebnisbereitstellungseinheit (nichtflüchtiger Speicher) 40 kann in die Lerneinheit 15 integriert sein und die in der Ergebnisbereitstellungseinheit 40 gespeicherten Daten mit dem Kennsatz können von der Lerneinheit 15 unverändert verwendet werden.
Wie beim Vorgang der in der in 10 dargestellten Motorantriebsvorrichtung 1000 enthaltenen maschinellen Lernvorrichtung 1 zum Erfassen der vorraussichtlichen Lebensdauer des Leistungsgeräts berechnet die Fehlerberechnungseinheit 23 beispielsweise den Fehler auf der Basis der Zustandsvariable aus dem Ergebnis, das von der Ergebnisbereitstellungseinheit 40 eingegeben wird, und aktualisiert das Lernmodell in der Lernmodell-Aktualisierungseinheit 24.
Die maschinelle Lernvorrichtung 1 ist nicht auf eine Vorrichtung beschränkt, auf die das zuvor beschriebene verstärkende Lernen (beispielsweise Q-Lernen) angewendet wird, und es sind verschiedene Arten von Algorithmen für maschinelles Lernen anwendbar.
Die Zustandsbeobachtungseinheit 11, die Lerneinheiten 12 und 15 und die Entscheidungsfindungseinheiten 13 und 16 wie zuvor beschrieben können beispielsweise in der Form eines Softwareprogramms vorliegen oder können aus einer Kombination von verschiedenen elektronischen Schaltungen und Softwareprogrammen bestehen. Wenn diese Einheiten beispielsweise in der Form eines Softwareprogramms vorliegen, wird die Funktion von jeder der zuvor beschriebenen Einheiten durch Betrieb der arithmetischen Verarbeitungseinheit in der Motorantriebsvorrichtung 1000 entsprechend dem Softwareprogramm oder durch Ausführen des Softwareprogramms auf einem Cloud-Server ausgeführt. Alternativ kann die maschinelle Lernvorrichtung 1 umfassend die Zustandsbeobachtungseinheit 11 und Lerneinheiten 12 und 15 als eine integrierte Halbleiterschaltung ausgeführt sein, in die ein Softwareprogramm zum Ausführen der Funktion von jeder Einheit geschrieben wird. Ferner kann eine integrierte Halbleiterschaltung, in die ein Softwareprogramm zum Ausführen der Funktion von jeder Einheit geschrieben wird, so ausgeführt sein, dass sie die Entscheidungsfindungseinheiten 13 und 16 sowie die maschinelle Lernvorrichtung 1 umfassend die Zustandsbeobachtungseinheit 11 und die Lerneinheiten 12 und 15 umfasst.
Da ein maschineller Lernprozess mit von einem in der Motorantriebsvorrichtung 1000 montierten Sensor zum Steuern des Antreibens des Wechselstrommotors 2 erfassten Daten erfolgt, beinhaltet dies keine neue Hardwarevorrichtung gegenüber dem Stand der Technik, und diese Konfiguration ist daher ebenfalls auf eine bestehende Motorantriebsvorrichtung durch Nachrüsten anwendbar. In diesem Fall genügt es, die bestehende Motorantriebsvorrichtung mit einer integrierten Halbleiterschaltung auszustatten, in die ein Softwareprogramm zum Ausführen der Funktion von jeder Einheit umfassend die maschinelle Lernvorrichtung 1 und die Entscheidungsfindungseinheiten 13 und 16 geschrieben wird, oder zusätzlich auf der arithmetischen Verarbeitungseinheit in der bestehenden Motorantriebsvorrichtung ein Softwareprogramm zum Ausführen der Funktion von jeder Einheit der maschinellen Lernvorrichtung 1 und die Entscheidungsfindungseinheiten 13 und 16 zu installieren. Ferner kann eine maschinelle Lernvorrichtung 1, welche die voraussichtliche Lebensdauer in Bezug auf das Leistungsgerät in einer bestimmten Motorantriebsvorrichtung gelernt hat, in einer anderen Motorantriebsvorrichtung montiert werden, um die voraussichtliche Lebensdauer in Bezug auf ein Leistungsgerät in der anderen Motorantriebsvorrichtung erneut zu lernen und zu aktualisieren.
Gemäß der vorliegenden Erfindung kann eine maschinelle Lernvorrichtung und ein maschinelles Lernverfahren, die genau und problemlos die voraussichtliche Lebensdauer eines Leistungsgeräts vorhersagen können, sowie eine Lebensdauer-Vorhersagevorrichtung und eine Motorantriebsvorrichtung umfassend die maschinelle Lernvorrichtung ausgeführt werden.
Entsprechend der maschinellen Lernvorrichtung und dem maschinellen Lernverfahren in der vorliegenden Erfindung wird die voraussichtliche Lebensdauer des Leistungsgeräts in der Stromversorgungseinheit in der Motorantriebsvorrichtung gelernt, während ein Betrieb der Motorantriebsvorrichtung erfolgt; somit wird die genaue voraussichtliche Lebensdauer entsprechend einer aktuellen Nutzungsbedingung gelernt. Entsprechend der Lebensdauer-Vorhersagevorrichtung und der Motorantriebsvorrichtung umfassend die maschinelle Lernvorrichtung in der vorliegenden Erfindung kann eine genaue voraussichtliche Lebensdauer entsprechend einer aktuellen Nutzungsbedingung problemlos berechnet werden. Bei dieser Konfiguration kann ein Bediener die genaue voraussichtliche Lebensdauer des Leistungsgeräts ermitteln; somit kann das Leistungsgerät ausgetauscht werden, bevor das Leistungsgerät nicht mehr betriebsbereit ist, und der Zeitpunkt für das Austauschen des Leistungsgeräts kann nicht verpasst werden, wodurch ein schwerer Unfall aufgrund eines Fehlers eines Leistungsgeräts oder Ablauf der Lebensdauer verhindert werden kann. Wenn das Austauschen des Leistungsgeräts zu einem geeigneten Zeitpunkt ermöglicht wird, können unnötige konstruktive Toleranzen und der Lagerbestand von Leistungsgeräten verringert werden. Da ein beim Berechnen der voraussichtlichen Lebensdauer ermittelter Betriebszustand, der einen großen Einfluss auf die Lebensdauer des Elektromotors hat, erfasst werden kann, kann eine Maßnahme ergriffen werden, bei welcher der Betriebszustand, der den Einfluss auf die Lebensdauer des Leistungsgeräts hat, geändert wird. Beispielsweise kann ein Konstrukteur eine Maßnahme, bei der die Peripherieumgebung der Motorantriebsvorrichtung verbessert wird, so dass die Temperatur eine geeignete Temperatur zum Verlängern der Lebensdauer eines Leistungsgeräts ist, oder eine Maßnahme, bei der Betriebsbedingungen wie Ausgangsspannung, Ausgangsstrom oder eine Schaltfrequenz geändert werden, ergreifen.

Claims

Maschinelle Lernvorrichtung (1), welche die voraussichtliche Lebensdauer eines Leistungsgeräts einer Motorantriebsvorrichtung (1000) zum Umwandeln von Gleichstrom in Wechselstrom durch einen Schaltvorgang des Leistungsgeräts zum Versorgen des Wechselstrommotors mit Wechselstrom lernt, wobei die maschinelle Lernvorrichtung Folgendes umfasst: eine Zustandsbeobachtungseinheit (11), die eine aus Daten in Bezug auf die Zahl der Schaltvorgänge des Leistungsgeräts, Daten in Bezug auf die Sperrschichttemperatur des Leistungsgeräts und Daten in Bezug auf das Vorhandensein oder Fehlen eines Fehlers des Leistungsgeräts bestehende Zustandsvariable beobachtet; und eine Lerneinheit (12, 15), welche die voraussichtliche Lebensdauer des Leistungsgeräts entsprechend einer von der Zustandsvariable definierten Trainingsdatenmenge lernt.
Maschinelle Lernvorrichtung (1) nach Anspruch 1, wobei die Sperrschichttemperatur des Leistungsgeräts auf der Basis der Temperatur einer Rippe zum Kühlen des Leistungsgeräts, der Umgebungslufttemperatur der Motorantriebsvorrichtung (1000), eines Werts des dem Wechselstrommotor von der Motorantriebsvorrichtung (1000) gelieferten Stroms und eines Werts der dem Wechselstrommotor von der Motorantriebsvorrichtung (1000) gelieferten Spannung berechnet wird.
Maschinelle Lernvorrichtung (1) nach Anspruch 1, wobei die Lerneinheit (12) Folgendes umfasst: eine Belohnungsberechnungseinheit (21), die eine Belohnung auf der Basis der Zahl von Schaltvorgängen des Leistungsgeräts und des Vorhandenseins oder Fehlens des Fehlers des Leistungsgeräts berechnet; und eine Funktionsaktualisierungseinheit (22), die auf der Basis der Zustandsvariable und der Belohnung Funktionen zum Berechnen der voraussichtlichen Lebensdauer des Leistungsgeräts aktualisiert.
Maschinelle Lernvorrichtung (1) nach Anspruch 3, wobei die Belohnungsberechnungseinheit (21) die Belohnung verringert, wenn die Zahl von Schaltvorgängen des Leistungsgeräts eine vorgegebene Zahl überschreitet.
Maschinelle Lernvorrichtung (1) nach Anspruch 3, wobei die Belohnungsberechnungseinheit (21) die Belohnung verringert, wenn ein Fehler des Leistungsgeräts in einem Zustand auftritt, in dem die Zahl von Schaltvorgängen des Leistungsgeräts die vorgegebene Zahl nicht überschreitet.
Maschinelle Lernvorrichtung (1) nach einem der Ansprüche 3 bis 5, wobei die Funktionsaktualisierungseinheit (22) die Funktionen zum Berechnen der voraussichtlichen Lebensdauer des Leistungsgeräts auf der Basis der Zustandsvariablen und der Belohnung entsprechend einem neuronalen Netzmodell aktualisiert.
Maschinelle Lernvorrichtung (1) nach Anspruch 1 oder 2, wobei die Lerneinheit (15) Folgendes umfasst: eine Fehlerberechnungseinheit (23), die einen Fehler auf der Basis der Zustandsvariable berechnet; und eine Lernmodell-Aktualisierungseinheit (24), die ein Lernmodell zum Berechnen der voraussichtlichen Lebensdauer des Leistungsgeräts auf der Basis der Zustandsvariable und des Fehlers aktualisiert.
Maschinelle Lernvorrichtung (1) nach einem der Ansprüche 1 bis 7, wobei die Lerneinheit (12, 15) zum Lernen der voraussichtlichen Lebensdauer des Leistungsgeräts entsprechend der für eine Vielzahl von Motorantriebsvorrichtungen (1000) ermittelten Trainingsdatenmenge ausgebildet ist.
Lebensdauer-Vorhersagevorrichtung (100) für ein Leistungsgerät in einer Motorantriebsvorrichtung (1000), wobei die Lebensdauer-Vorhersagevorrichtung die maschinelle Lernvorrichtung (1) nach einem der Ansprüche 1 bis 8 umfasst, wobei die Lebensdauer-Vorhersagevorrichtung ferner Folgendes umfasst: eine Entscheidungsfindungseinheit (13, 16), welche die voraussichtliche Lebensdauer des Leistungsgeräts auf der Basis eines Ergebnisses des Lernens durch die Lerneinheit (12, 15) entsprechend der Trainingsdatenmenge als Reaktion auf eine Eingabe der aktuellen Zustandsvariable berechnet.
Lebensdauer-Vorhersagevorrichtung (100) nach Anspruch 9, ferner umfassend eine Benachrichtigungseinheit (14), die einen Bediener über die von der Entscheidungsfindungseinheit (13, 16) berechnete voraussichtliche Lebensdauer benachrichtigt.
Lebensdauer-Vorhersagevorrichtung (100) nach Anspruch 9 oder 10, ferner umfassend einen Benachrichtigungsteil (14), der einen Bediener über das Austauschen des Leistungsgeräts oder den Austausch der Motorantriebsvorrichtung (1000) auf der Basis der von der Entscheidungsfindungseinheit (13, 16) berechneten voraussichtlichen Lebensdauer benachrichtigt.
Lebensdauer-Vorhersagevorrichtung (100) nach einem der Ansprüche 9 bis 11, wobei die Lerneinheit (12, 15) zum erneuten Lernen und Aktualisieren der voraussichtlichen Lebensdauer des Leistungsgeräts entsprechend einer von der aktuellen Zustandsvariable definierten zusätzlichen Trainingsdatenmenge ausgebildet ist.
Motorantriebsvorrichtung (1000) umfassend: die Lebensdauer-Vorhersagevorrichtung (100) nach einem der Ansprüche 9 bis 12; eine Stromversorgungseinheit (31), die Gleichstrom in Wechselstrom durch einen Schaltvorgang des Leistungsgeräts zum Versorgen eines Wechselstrommotors mit Wechselstrom umwandelt; eine Schaltvorgangszahl-Erfassungseinheit (32), die Daten in Bezug auf die Zahl von Schaltvorgängen auf der Basis eines Schaltbefehls für das Leistungsgerät erfasst; und eine Fehlerbestimmungseinheit (33), die Daten in Bezug auf das Vorhandensein oder Fehlen des Fehlers des Leistungsgeräts auf der Basis des Schaltbefehls für das Leistungsgerät und des von der Stromversorgungseinheit (31) gelieferten Wechselstroms erfasst.
Motorantriebsvorrichtung (1000) nach Anspruch 13, ferner umfassend: eine Temperaturberechnungseinheit (34), welche die Sperrschichttemperatur des Leistungsgeräts auf der Basis der Temperatur der Rippe zum Kühlen des Leistungsgeräts, der Umgebungslufttemperatur der Motorantriebsvorrichtung (1000), des Werts des dem Wechselstrommotor von der Motorantriebsvorrichtung (1000) gelieferten Stroms und des Werts der dem Wechselstrommotor von der Motorantriebsvorrichtung (1000) gelieferten Spannung berechnet.
Motorantriebsvorrichtung (1000) nach Anspruch 13, ferner umfassend einen Temperatursensor zum Messen der Sperrschichttemperatur des Leistungsgeräts.
Maschinelles Lernverfahren, das die voraussichtliche Lebensdauer eines Leistungsgeräts einer Motorantriebsvorrichtung (1000) lernt und Gleichstrom in Wechselstrom durch einen Schaltvorgang des Leistungsgeräts zum Versorgen des Wechselstrommotors mit Wechselstrom umwandelt, wobei das maschinelle Lernverfahren Folgendes umfasst: ein Zustandsbeobachtungsschritt zum Beobachten einer aus Daten in Bezug auf die Zahl der Schaltvorgänge des Leistungsgeräts, Daten in Bezug auf die Sperrschichttemperatur des Leistungsgeräts und Daten in Bezug auf das Vorhandensein oder Fehlen eines Fehlers des Leistungsgeräts bestehenden Zustandsvariable; und ein Lernschritt zum Lernen der voraussichtlichen Lebensdauer des Leistungsgeräts entsprechend einer von der Zustandsvariable definierten Trainingsdatenmenge.