JP2000086103A - エレベータかごのバランスポイント調整方法 - Google Patents

Abstract

(57)【要約】 【課題】 バランスポイント調整時毎に負荷荷重を要せ
ずに、かごバランスポイント値を正確に算出できるエレ
ベータかごのバランスポイント調整方法の提供。 【解決手段】 かごの積載負荷荷重とモータの電流との
相関関係の実測データをあらかじめ求めて、この実測デ
ータを教師パターンとして学習させたニューラルネット
ワーク１０を用い、かごの無負荷における上昇時および
下降時に測定したモータ電流値に基づいてかごのバラン
スポイント値を算出し、さらに、所定のバランスポイン
ト値に調整するのに必要なつり合いおもりの重量を計算
するようにした。これにより、ニューラルネットワーク
１０で各種エレベータの状況に対応して、最適な積載負
荷荷重とモータ電流の相関関係を示す特性曲線を推定
し、自動的にバランスポイント値を判断できる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、荷重を実際に使用
することなくエレベータかごのバランスポイント調整を
行なうエレベータかごのバランスポイント調整方法に関
する。

【０００２】

【従来の技術】図４は一般的なロープ式エレベータを示
す説明図、図５は従来のバランスポイント調整方法によ
り求めたかご積載負荷荷重およびモータ電流値の特性曲
線を示す図である。

【０００３】一般にエレベータは、図４に示すように、
つるべ式に懸垂されるかご１およびつり合いおもり２
と、これらのかご１およびつり合いおもり２を吊上げる
ロープ３と、このロープ３が巻掛けられるトラクション
マシン４とを有しており、このトラクションマシン４は
図示しない駆動用モータに連結されている。

【０００４】そして従来、かご１のバランスポイント調
整を行なう際、例えば財団法人、日本建築設備・昇降機
センタ発行の昇降機の検査基準によれば、かご１内に０
％（負荷なし）、１００％、および１１０％（交流モー
タに関しては２５％、５０％および７５％においても）
の荷重５を積んだ状態で、かご１を上下に１往復させ
る。その際、かご１の上昇時および下降時にモータ電流
を電流計６により測定し、その測定結果に基づいて積載
負荷荷重およびモータ電流の相関関係を求め、図５に示
すように、かご１の上昇時および下降時のそれぞれの特
性曲線７、８を描く。次いで、これらの特性曲線７、８
の交点９より例えばバランスポイント値４７．４％を算
出し、このバランスポイント値４７．４％より所定のバ
ランスポイント値となるように、つり合いおもり２の積
降しを行なうようになっている。なお、例えば乗用エレ
ベータでは、かご１のバランスポイント値が４５％〜５
５％に設定されている。

【０００５】しかしながら、上記のバランスポイント調
整方法では、かご１内に定格荷重の１１０％もの荷重５
を積む必要があるとともに、所定のバランスポイント値
となるように荷重５を数回にわたり積降しを行なうの
で、かなり多くの労力と作業時間とを要するという問題
がある。

【０００６】このような従来の問題を解決する一手段と
して、例えば、特開平３−１２０１８０号公報に記載さ
れているように、荷重５を用いることなくバランスポイ
ント値を算出するかご１のバランスポイント調整方法が
提案されている。

【０００７】この従来の方法では、かご１の定格速度、
定格積載荷重、モータの種類、およびバランスポイント
値で定まるかご１の積載負荷荷重とモータ電流との相関
関係の実測データをあらかじめ求めて、次いで、かご１
を無負荷状態で走行させ、上昇時および下降時の電流値
を電流計６により測定し、これらの電流値を起点として
図５の特性曲線７、８をそれぞれ平行移動させて、これ
らの特性曲線７、８の交点よりバランスポイント値を算
出し、このバランスポイント値に応じてさらに積降しす
べきつり合いおもり２の重量を求めるようになってい
る。

【０００８】なお、この従来のバランスポイント調整方
法は、かご１の定格速度、定格積載荷重、モータの種類
によりモータ容量が定まると、かご１の上昇時および下
降時の積載負荷荷重とモータ電流との相関関係を示す特
性曲線は必然的に定まるという前提のもとに考えられて
いる。

【０００９】

【発明が解決しようとする課題】ところで、前述した従
来のバランスポイント調整方法では、例えば直流モータ
のようにモータ電流の特性曲線が１次的、すなわち直線
であれば適応可能であるが、実機実測データを基にモー
タ特性を検証したところ、交流モータのように２次以上
の関数としてモータ電流の特性曲線が表される場合、そ
の曲線の開き具合（すなわち、例えば直線の場合はその
傾き、ｎ次曲線の場合はｎ次の係数）がかご１の定格速
度、定格積載荷重、モータの種類によりモータ容量とい
ったものだけでは必然的に定まるということがなく、し
たがって、基準とする特性曲線をいくら平行移動しても
実測して描いた特性曲線と重ならないという問題があ
る。

【００１０】また、仮りにｎ次係数一定の特性曲線であ
っても、図６に示すように特性曲線７、８の位置関係を
固定して同時に縦軸横軸方向に平行移動した場合や、図
７に示すように特性曲線７、８を個々に縦軸方向に平行
移動した場合、あるいは、図８に示すように特性曲線
７、８を個々に横軸方向に平行移動した場合のように交
点９が一義的に定まらないため、積降しすべきつり合い
おもり２の重量を決定できないという問題がある。

【００１１】本発明はこのような従来技術における実情
に鑑みてなされたもので、その目的は、かごバランスポ
イント調整の作業時にその都度、かご内に負荷荷重を積
むことを要せずに済むとともに、かごのバランスポイン
ト値を正確に算出することのできるエレベータかごのバ
ランスポイント調整方法を提供することにある。

【００１２】

【課題を解決するための手段】上記目的を達成するた
め、本発明の請求項１に係る発明は、エレベータのロー
プを介してつり合いおもりとつるべ式にトラクションマ
シンより懸垂され、モータの駆動により昇降路内を上下
動するエレベータかごのバランスポイント調整方法にお
いて、前記かごの積載負荷荷重と前記モータの電流との
相関関係の実測データをあらかじめ求めて、この実測デ
ータを教師パターンとして学習させたニューラルネット
ワークを用い、前記かごの無負荷における上昇時および
下降時に測定したモータ電流値に基づいて前記かごのバ
ランスポイント値を算出するとともに、所定のバランス
ポイント値に調整するのに必要な前記つり合いおもりの
重量を計算する構成にしてある。

【００１３】また、上記目的を達成するため、本発明の
請求項２に係る発明は、エレベータのロープを介してつ
り合いおもりとつるべ式にトラクションマシンより懸垂
され、モータの駆動により昇降路内を上下動するエレベ
ータかごのバランスポイント調整方法において、前記か
ごの積載負荷荷重と前記モータの電流との相関関係の実
測データをあらかじめ求めて、この実測データを教師パ
ターンとして学習させたニューラルネットワークを用
い、前記かごの無負荷における上昇時および下降時に測
定したモータ電流値に基づいて、前記かごの積載負荷荷
重と前記モータの電流との相関関係を示す特性曲線をそ
れぞれ描き、これらの特性曲線の交点よりバランスポイ
ント値を算出するとともに、所定のバランスポイント値
に調整するのに必要な前記つり合いおもりの重量を計算
する構成にしてある。

【００１４】上記のように構成した本発明の請求項１お
よび２に係る発明では、かごの積載負荷荷重とモータ電
流との相関関係の実測データを教師パターンとして学習
させたニューラルネットワークを用いるので、このニュ
ーラルネットワークにより結果的に最適な積載負荷荷重
とモータ電流の相関関係を示す特性曲線を推定して自動
的にバランスポイント値を判断できる。これにより、か
ごバランスポイント調整の作業時にその都度、かご内に
負荷荷重を積むことを要せずに済むとともに、かごのバ
ランスポイント値を正確に算出できる。

【００１５】

【発明の実施の形態】以下、本発明のエレベータかごの
バランスポイント調整方法の実施の形態を図に基づいて
説明する。図１は本発明の一実施形態に係るエレベータ
かごのバランスポイント調整方法に用いられるニューラ
ルネットワークの構成を示す説明図、図２は本実施形態
で用いられるかご積載負荷荷重およびモータ電流値の特
性曲線を示す図である。

【００１６】図１に示すニューラルネットワーク１０
は、入力パターン１５に対応する入力層１２と、出力パ
ターン１６に対応する出力層１４と、これらの入力層１
２および出力層１４の中間に配置される中間層１３とか
らなり、各層１２〜１４に複数個のニューロン（神経細
胞モデル）１１ａ〜１１ｃがそれぞれ設けられ、各ニュ
ーロン１１ａ〜１１ｃが複雑に接続されている。

【００１７】このニューラルネットワーク１０は、人間
の頭脳をまねたネットワークで、複雑に接続される各ニ
ューロン１１ａ〜１１ｃの動作および接続形態を適切な
ものに決めることにより、パターン認識機能や知識処理
機能を埋め込むことができるというものである。特にニ
ューロン１１ａ〜１１ｃを階層構造に配置したのは、い
わゆる「バックプロパゲーション」と呼ばれる自立的学
習アルゴリズムを利用できることに特徴がある。

【００１８】また、図示を省略したが、各ニューロン１
１ａ〜１１ｃ間にはニューロン１１ａ〜１１ｃの結び付
きの強さを表す結合重み（シナプスウェート）が設定さ
れている。この結合重みは最初、適当な値に設定されて
いるが、その後、前記のバックプロパゲーション（自立
的学習アルゴリズム）を用いてより確度の高いバランス
ポイント値に修正可能である。

【００１９】このバックプロパゲーションについては周
知であるので詳細は省略するが、あらかじめ作成された
学習用教師パターン（入力パターンと、その入力パター
ンに対する望ましい出力パターンとを対にしたもの）を
用い、同一の入力パターンに対する出力パターンと、前
記の教師パターンを比較し、その誤差を最小化するよう
に結合重みを修正していくアルゴリズムで、まず最初は
全ての重みを例えばランダムな値に設定することにより
初期化しておき、入力層１２の各ニューロン１１ａに学
習用パターンの入力パターン１５を与える。このときの
出力パターンと学習用パターンの出力パターン１６を比
較し、その誤差が小さくなるように各結合重みの値を出
力層１４から順に修正するようになっている。

【００２０】このようにして多数の学習用パターンを用
いて誤差が収束するまでこれを繰り返すと、ニューラル
ネットワーク１０に教師パターンと同レベルの値が自動
的に埋め込まれたことになり、学習用の入力パターン１
５だけではなく未知の入力パターンに対しても、教師パ
ターンと同レベルの推定値を出力できるようになる。

【００２１】入力パターン１５は、図４のかご１の定格
速度、定格積載荷重、モータの種類、および図４のトラ
クションマシン４の種類を含む種々の仕様データ（スペ
ックデータ）と、無負荷時のモータ電流値とをバランス
ポイント値の推定に必要なパラメータとしてニューラル
ネットワーク１０に入力できるように変換したものであ
り、入力層１２のニューロン１１ａの個数は前記のパラ
メータの総数に対応する。

【００２２】この入力層１２のニューロン１１ａに入力
データ、例えば無負荷状態のかご１を最下階から最上階
へ上昇、または下降させたときのモータ電流値を与える
と、出力層１４に向かって順に信号が伝わり、その結
果、出力層１４の各ニューロン１１ｃからそれぞれなん
らかの値が出力される。この出力層１４では、様々な入
力パターンに対応するかご１のバランスポイント値を例
えば４７．４％のように出力するようあらかじめ学習さ
れている。すなわち、このニューラルネットワーク１０
では、かご１の定格速度、定格積載荷重、モータの種
類、およびトラクションマシン４の種類を含む種々の仕
様データに対応するかご積載負荷荷重とモータ電流との
相関関係の実測データをあらかじめ求めて、この実測デ
ータを教師パターンとして学習させてある。

【００２３】本実施形態のバランスポイント調整方法に
あっては、あらかじめ実現場でかご１内に図４の荷重５
を積み、かご１の定格速度が例えば６０ｍ／ｍｉｎ、定
格積載荷重が例えば６００ｋｇ、例えばモータ容量４．
５ｋｗ、定格電流２４Ａという条件でかご１を上下に１
往復させ、かご１の上昇時および下降時にモータ電流を
測定し、その測定結果に基づいて積載負荷荷重およびモ
ータ電流の相関関係を求める。次いで、図２に示すよう
に、かご１の上昇時の特性曲線１７とかご１の下降時の
特性曲線１８とをそれぞれ描き、これらの特性曲線１
７、１８を教師パターンとしてニューラルネットワーク
１０で学習させて、無負荷のかご１を最下階から最上階
まで上昇、下降させたときのモータ電流値２０、２１を
入力すると、かご１のバランスポイント値を出力するよ
うに設定しておく。なお、前記の実測時の特性曲線１
７、１８の交点１９より、例えばバランスポイント値４
０．７％が算出される。

【００２４】次いで、同じかご１の定格速度（例えば６
０ｍ／ｍｉｎ）、定格積載荷重（例えば６００ｋｇ）、
モータの種類（例えばモータ容量４．５ｋｗ、定格電流
２４Ａ）、および同一トラクションマシン４の種類を含
む種々の仕様データに対応するモータ積載負荷荷重とモ
ータ電流との相関関係の実測データとして、かご１を無
負荷状態で最下階から最上階まで上昇、下降させたとき
のモータ電流値２０、２１を測定する。次いで、これら
のモータ電流値２０、２１をニューラルネットワーク１
０の入力層１２へ入力すると、このニューラルネットワ
ーク１０の中間層１３を経由して出力層１４へ進み、こ
こであらかじめ学習させておいた教師パターンと無負荷
時のモータ電流値から比較し、最も誤差の少ないバラン
スポイント値を推定する。その結果、求められたバラン
スポイント値は例えば４０．６％とある場合、実際のバ
ランスポイント値４０．７％とはわずか１％の差異であ
る。このとき、不足するつり合いおもり２は、４５−４
０．６＝４．４％であり、定格積載荷重６００ｋｇであ
るので、２６．４ｋｇをつり合いおもり２に追加すれば
よいことがわかる。

【００２５】このように構成した実施形態では、ニュー
ラルネットワーク１０を用いたので、かご１の積載負荷
荷重とモータ電流との相関関係を人間が一切考える必要
がなく、しかも各種エレベータの状況に対応して、結果
的に最適な積載負荷荷重とモータ電流の相関関係を示す
特性曲線をニューラルネットワーク１０により推定して
バランスポイント値を判断するシステムを自動的に生成
できる。

【００２６】すなわち、かご１の定格速度、定格積載荷
重、モータの種類、およびトラクションマシン４の種類
を含む種々の仕様データに対応するかご１の積載負荷荷
重とモータ電流との相関関係の実測データを教師パター
ンとして学習させたニューラルネットワーク１０を用い
るので、かご１の定格速度、定格積載荷重、モータの種
類およびトラクションマシンの種類が同等のエレベータ
にあってはかご１内に負荷荷重を積むことを要せずに、
かご１のバランスポイント値を正確に算出できる。

【００２７】なお、本実施形態では、ニューラルネット
ワーク１０の中間層１２を１つのみとしたが、必要に応
じて複数個あってもよく、また、中間層１３のニューロ
ン１１ｂの個数は、エレベータやモータの性質、特性な
どによって適宜定めるようになっている。

【００２８】さらに、本実施形態では、無負荷のかご１
を最下階から最上階まで上昇、または下降させたときの
モータ電流値２０、２１を入力すると、かご１のバラン
スポイント値を推定して出力するように設定する場合を
例示したが、この手順の代わりに、無負荷のかご１を最
下階から最上階まで上昇、または下降させたときのモー
タ電流値２０、２１を入力すると、ニューラルネットワ
ーク１０により積載負荷荷重ごとのモータ電流を推定
し、図３に示すようにかご１の上昇時の特性曲線２２と
かご１の下降時の特性曲線２３とをそれぞれ描き、これ
らの特性曲線２２、２３の交点２４より、例えばバラン
スポイント値４０．６％を算出することもできる。

【００２９】さらに、本実施形態では、推定する基とな
るモータ電流値をかご１の無負荷状態で求めるようにし
たが、無負荷および無負荷に近い負荷状態（例えば作業
者の体重分程度）の少なくとも一方において測定すれば
よく、また、モータ電流値を直接測定する方法を例示し
たが、トルク値を用いて同様の手法を適用することもで
きる。

【００３０】さらに、本実施形態では、かご１の定格速
度、定格積載荷重、モータの種類、および図５のトラク
ションマシン４の種類に関する仕様データをニューラル
ネットワーク１０に入力するようにしたが、その他のバ
ランスポイント値の変動要因、例えばかご１の自重、階
床数、昇降行程、ロープ本数などに関するデータをニュ
ーラルネットワーク１０に入力することにより、バラン
スポイント値の推定精度を向上できる。

【００３１】さらに、ニューラルネットワーク１０を格
納する携帯用保守検査作業指示装置を用いて、過去に蓄
積された実測データに基づきエレベータ検査時に測定さ
れたモータ電流値あるいはトルク値を前記の保守検査作
業指示装置に入力することにより、バランスポイント値
を推定することもできる。

【００３２】

【発明の効果】以上のように構成したので、本発明で
は、かごの積載負荷荷重とモータ電流との相関関係の実
測データをあらかじめ学習させたニューラルネットワー
クを用いるので、作業の都度、かご内に負荷荷重を積む
ことを要せずに、かごのバランスポイント値を正確に算
出でき、さらに所定のバランスポイント値に調整するの
に必要なつり合いおもりの重量も計算できる。したがっ
て、従来のようにかご内に負荷荷重を数回にわたって積
降しする作業が省かれるため、作業者の労力を低減でき
るとともに、作業時間を短縮できるという効果がある。
また、簡単にかつ正確にバランスポイント値を推定して
調整することにより、かごおよびつり合いおもりのバラ
ンスが得られ、いわゆるアンバランス量を低減できるの
で、トラクションマシンのシーブに掛るロープの滑りや
シーブ摩耗が減るとともにかご着床精度も向上し、モー
タに無駄な負担が掛らなくなる。したがって、モータ効
率が向上して省エネを期待できるという効果もある。

【図面の簡単な説明】

【図１】本発明の一実施形態に係るエレベータかごのバ
ランスポイント調整方法に用いられるニューラルネット
ワークの構成を示す説明図である。

【図２】本実施形態で用いられるかご積載負荷荷重およ
びモータ電流値の特性曲線を示す図である。

【図３】本実施形態により求めたかご積載負荷荷重およ
びモータ電流値の特性曲線を示す図である。

【図４】一般的なロープ式エレベータを示す説明図であ
る。

【図５】従来のバランスポイント調整方法により求めた
かご積載負荷荷重およびモータ電流値の特性曲線を示す
図である。

【図６】図５の特性曲線の位置関係を固定して同時に縦
軸横軸方向に平行移動した後の特性曲線を示す図であ
る。

【図７】図５の特性曲線を個々に縦軸方向に平行移動し
た後の特性曲線を示す図である。

【図８】図５の特性曲線を個々に横軸方向に平行移動し
た後の特性曲線を示す図である。

【符号の説明】

１０ ニューラルネットワーク １１ａ〜１１ｃ ニューロン １２ 入力層 １３ 中間層 １４ 出力層 １５ 入力パターン １６ 出力パターン

───────────────────────────────────────────────────── フロントページの続き (72)発明者 藤谷 健一 東京都千代田区神田錦町１丁目６番地 株 式会社日立ビルシステム内 (72)発明者 山本 諭 東京都千代田区神田錦町１丁目６番地 株 式会社日立ビルシステム内 Ｆターム(参考） 3F304 BA07 EA00 3F306 AA02 DA27

Claims (3)

【特許請求の範囲】
1. 【請求項１】 エレベータのロープを介してつり合いお
   もりとつるべ式にトラクションマシンより懸垂され、モ
   ータの駆動により昇降路内を上下動するエレベータかご
   のバランスポイント調整方法において、 前記かごの積載負荷荷重と前記モータの電流との相関関
   係の実測データをあらかじめ求めて、この実測データを
   教師パターンとして学習させたニューラルネットワーク
   を用い、前記かごの無負荷における上昇時および下降時
   に測定したモータ電流値に基づいて前記かごのバランス
   ポイント値を算出するとともに、所定のバランスポイン
   ト値に調整するのに必要な前記つり合いおもりの重量を
   計算するようにしたことを特徴とするエレベータかごの
   バランスポイント調整方法。
2. 【請求項２】 エレベータのロープを介してつり合いお
   もりとつるべ式にトラクションマシンより懸垂され、モ
   ータの駆動により昇降路内を上下動するエレベータかご
   のバランスポイント調整方法において、 前記かごの積載負荷荷重と前記モータの電流との相関関
   係の実測データをあらかじめ求めて、この実測データを
   教師パターンとして学習させたニューラルネットワーク
   を用い、前記かごの無負荷における上昇時および下降時
   に測定したモータ電流値に基づいて、前記かごの積載負
   荷荷重と前記モータの電流との相関関係を示す特性曲線
   をそれぞれ描き、これらの特性曲線の交点よりバランス
   ポイント値を算出するとともに、所定のバランスポイン
   ト値に調整するのに必要な前記つり合いおもりの重量を
   計算するようにしたことを特徴とするエレベータかごの
   バランスポイント調整方法。
3. 【請求項３】 前記かごの積載負荷荷重と前記モータの
   電流との相関関係の実測データを、前記かごの定格速
   度、定格積載荷重、前記モータの種類、および前記トラ
   クションマシンの種類を含む種々の仕様データに対応し
   てあらかじめ求めたことを特徴とする請求項１または２
   記載のエレベータかごのバランスポイント調整方法。