JP2019028765A - 電力変換装置、サーバ、及びデータ生成方法 - Google Patents

Abstract

【課題】付加価値の高い電力変換装置を提供する【解決手段】電力変換装置１００は、制御対象１０を動作させるための交流電力を生成してモータ１２に出力する電力変換部１１０と、モータ１２の動作状態に関する指標値に基づいて、制御対象１０の異常を検知する異常検知部１２０と、を備える。【選択図】図１

Description

本開示は、電力変換装置、サーバ、及びデータ生成方法。

特許文献１には、インバータ装置が開示されている。

特開平１１−２２５４９８号公報

本開示は、付加価値の高い電力変換装置を提供することを目的とする。

本開示の一側面に係る電力変換装置は、可動部及び可動部の動力源であるモータを含む制御対象を動作させるための交流電力を生成してモータに出力する電力変換部と、モータへの動作状態に関する指標値に基づいて、制御対象の異常を検知する異常検知部と、を備える。

本開示の他の側面に係るサーバは、可動部及び可動部の動力源であるモータを含む制御対象を動作させるための交流電力を生成してモータに出力する電力変換部と、制御対象の異常を検知する異常検知部と、を備え、異常検知部は、モータの動作状態に関する第一指標値及び第二指標値の関係に基づいて、制御対象の異常を検知する第一異常検知部を有する電力変換装置から、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせのログデータを取得して蓄積するデータ蓄積部と、データ蓄積部に蓄積されたログデータを用いた機械学習により、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせを含む入力に応じて制御対象の異常を検知するニューラルネットを構築するモデル構築部と、を備える。

本開示の他の側面に係るデータ生成方法は、可動部及び可動部の動力源であるモータを含む制御対象を動作させるための交流電力を生成してモータに出力する電力変換部と、制御対象の異常を検知する異常検知部と、を備え、異常検知部は、モータの動作状態に関する第一指標値及び第二指標値の関係に基づいて、制御対象の異常を検知する第一異常検知部を有する電力変換装置から、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせのログデータを取得して蓄積することと、蓄積されたログデータを用いた機械学習により、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせを含む入力に応じて制御対象の異常を検知するためのデータを生成することと、を含む。

本開示によれば、付加価値の高い電力変換装置を提供することができる。

制御システムの全体構成を示す模式図である。 第一異常検知部の構成を示す模式図である。 第二異常検知部の構成を示す模式図である。 電力変換装置及びサーバのハードウェア構成図である。 第一異常検知部によるマニュアルモードの異常検知手順を示すフローチャートである。 相関プロファイルのベースライン、上限及び下限の設定例を示すグラフである。 オートモードの異常検知手順を示すフローチャートである。 ハイブリッドモードの異常検知手順を示すフローチャートである。 学習モードの異常検知手順を示すフローチャートである。 サーバにおける機械学習手順を示すフローチャートである。 第二異常検知部における異常検知手順を示すフローチャートである。

以下、実施形態について、図面を参照しつつ詳細に説明する。説明において、同一要素又は同一機能を有する要素には同一の符号を付し、重複する説明を省略する。

１．制御システム
図１に示す制御システム１は、制御対象１０に所望の動作を行わせるためのシステムであり、電力変換装置１００と、サーバ２００と、上位コントローラ３００とを備える。電力変換装置１００は、制御対象１０の動作速度を制御指令（例えば周波数指令）に追従させるための交流電力を生成するインバータである。

制御対象１０は、可動部１１と、モータ１２と、速度センサ１３とを有する。可動部１１は、機械的に可動である限り如何なるものであってもよい。可動部１１の具体例としては、送風用のファン又は液体圧送用のポンプ等が挙げられる。モータ１２は、可動部１１の動力源である。モータ１２の具体例としては、回転型の同期電動機又は誘導電動機等が挙げられる。なお、モータ１２は直動型の電動機であってもよい。速度センサ１３は、モータ１２の動作速度（例えば回転速度又は直動速度）に比例する電気信号を生成する。速度センサ１３の具体例としては、モータ１２の動作速度に比例する周期のパルス信号を生成するパルスジェネレータが挙げられる。

サーバ２００は、制御対象１０の異常を検知するためのモデルを機械学習により構築する。上位コントローラ３００は、制御対象１０に対する制御指令を設定し、電力変換装置１００に出力する。以下、電力変換装置１００及びサーバ２００の構成を具体的に例示する。

（１）電力変換装置
電力変換装置１００は、電力変換部１１０と、異常検知部１２０と、異常報知部１３０とを有する。

電力変換部１１０は、制御対象１０を動作させるための交流電力を生成してモータ１２に出力する。例えば電力変換部１１０は、上位コントローラ３００から受信した周波数指令（速度指令）にモータ１２の回転速度を追従させるための交流電力を生成する。

電力変換部１１０は、速度制御部１１１と、電流制御部１１２と、駆動信号生成部１１３と、駆動電力生成部１１４と、電流検出部１１５とを含む。

速度制御部１１１は、上位コントローラ３００から受信した周波数指令と、速度センサ１３から出力されるパルス信号の周波数との偏差を縮小するための電流指令（トルク指令）を算出する。

電流制御部１１２は、速度制御部１１１により算出された電流指令と、モータ１２に出力中の電流（以下、「出力電流」という。）との偏差を縮小するための電圧指令を算出し、駆動信号生成部１１３に出力する。

駆動信号生成部１１３及び駆動電力生成部１１４は、例えばＰＷＭ（Ｐｕｌｓｅ Ｗｉｄｔｈ Ｍｏｄｕｌａｔｉｏｎ）方式により、電流制御部１１２からの電圧指令に応じた電圧振幅にて、モータ１２の磁極に追従可能な周波数の交流電圧をモータ１２に印加する。駆動電力生成部１１４は、例えば、複数のスイッチング素子により、直流母線と出力線との間のオン・オフを切り替えて、上記交流電圧を生成する。駆動信号生成部１１３は、駆動電力生成部１１４の各スイッチング素子にオン・オフの指令信号を出力する。

電流検出部１１５は、駆動電力生成部１１４からモータ１２への出力電流を検出する。

以上の構成によれば、モータ１２の動作速度が速度制御部１１１によりフィードバック制御され、モータ１２への出力電流が電流制御部１１２によりフィードバック制御される。

電力変換部１１０は、センサレスにてモータ１２の動作速度を推定する機能を有してもよい。この場合、制御対象１０の速度センサ１３を用いることなく、モータ１２の動作速度に関する情報を速度制御部１１１にフィードバックすることが可能である。

例えば電力変換部１１０は、電流制御部１１２からの電圧指令に高周波信号を重畳し、当該高周波信号に応じた電流応答を電流検出部１１５の検出結果から抽出し、当該電流応答に基づいてモータ１２の磁極位置を推定し、当該磁極位置の変化に基づいてモータ１２の動作速度を推定するように構成されていてもよい。

電力変換部１１０は、動作速度及び出力電流のフィードバックを行わずに、上位コントローラ３００からの周波数指令に応じた電圧指令を駆動信号生成部１１３に入力するように構成されていてもよい。

また、電力変換部１１０は、上位コントローラ３００から受信した電流指令（トルク指令）にモータ１２の発生トルクを追従させるための交流電力を生成してもよい。この場合、速度制御部１１１の機能はマスクされ、上位コントローラ３００からの電流指令が電流制御部１１２に入力される。

異常検知部１２０は、モータ１２の動作状態に関する指標値に基づいて、制御対象１０の異常を検知する。制御対象１０の異常としては、可動部１１の異常と、モータ１２の異常の両方が挙げられる。すなわち異常検知部１２０は、モータ１２への電力の出力状態に基づいて、可動部１１の異常を検知し得る。例えば可動部１１がファンである場合に、異常検知部１２０は、モータ１２への電力の出力状態に基づいて、埃の堆積等によるファンの回転抵抗の上昇を検知し得る。

第一異常検知部１４０は、モータ１２の動作状態に関する第一指標値及び第二指標値の関係に基づいて、制御対象１０の異常を検知する。電力の出力状態とは、例えば出力電力の大きさ、及び当該電力の出力態様の両方を含む。

第二異常検知部１６０は、モータ１２の動作状態に関する第三指標値と、当該第三指標値の取得時よりも所定期間前までの過去の第三指標値を用いて導出されるトレンド値との関係に基づいて制御対象１０の異常を検知する。

異常報知部１３０は、異常検知部１２０により異常が検知された場合に、これを上位コントローラ３００に報知する。例えば異常報知部１３０は、異常検知部１２０により異常が検知されたことを示す電気信号を上位コントローラ３００に送信する。

（第一異常検知部）
図２を参照し、異常検知部１２０の第一異常検知部１４０の構成をより詳細に例示する。第一異常検知部１４０は、マニュアルモードと、オートモードと、ハイブリッドモードと、学習モードと、の４種類のいずれかにより制御対象１０の異常を検知するように構成されている。

マニュアルモードは、ユーザ入力に従って設定した判定基準に基づいて制御対象１０の異常を検知するモードである。オートモードは、蓄積したログデータを用いて自動設定した判定基準に基づいて制御対象１０の異常を検知するモードである。ハイブリッドモードは、ユーザ入力、及び蓄積したログデータの両方を用いて設定した判定基準に基づいて制御対象１０の異常を検知するモードである。

マニュアルモード、オートモード及びハイブリッドモードにおける判定基準は、第一指標値の変化に応じた第二指標値の変化を示す相関プロファイルの上限及び下限を含む。第一異常検知部１４０は、マニュアルモード、オートモード及びハイブリッドモードにおいて、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせが相関プロファイルの上限及び下限の間にある場合に、制御対象１０に異常はないと判定し、当該組み合わせが相関プロファイルの上限及び下限の間の外にある場合に、制御対象１０に異常があると判定する。第一指標値と、当該第一指標値に対応する第二指標値との組み合わせが相関プロファイルの上限又は下限に一致している場合、第一異常検知部１４０は、制御対象１０に異常はないと判定してもよいし、制御対象１０に異常があると判定してもよい。

学習モードは、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせを含む入力に応じて、ニューラルネットにより制御対象１０の異常を検知するモードである。

図２に示すように、第一異常検知部１４０は、第一指標取得部１４１と、第二指標取得部１４２と、上限データ取得部１４３と、下限データ取得部１４４と、データ蓄積部１４５と、ベースデータ取得部１４６と、幅データ取得部１４７と、スキャン制御部１４８と、ベース設定部１４９と、上限設定部１５１と、下限設定部１５２と、判定基準保持部１５３と、第一判定部１５４と、データ送受信部１５５と、第二判定部１５６とを含む。

第一指標取得部１４１は、モータ１２の動作状態に関する第一指標値を取得する。動作状態の具体例としては、モータ１２の動作速度（例えば回転速度又は直動速度）、モータ１２の動作力（例えば回転トルク又は直動推進力）又はモータ１２の動作エネルギー等が挙げられる。第一指標値は、例えばモータ１２の動作速度に関する指令値又は検出値であってもよく、モータ１２の動作力に関する指令値又は検出値であってもよい。

例えば第一指標取得部１４１は、速度制御部１１１に入力される周波数指令をモータ１２の動作速度に関する指令値として取得し、速度センサ１３から速度制御部１１１にフィードバックされる電気信号をモータ１２の動作速度に関する検出値として取得する。電力変換部１１０がセンサレスにてモータ１２の動作速度を推定する機能を有している場合、第一指標取得部１４１は、動作速度の推定値を動作速度に関する検出値として取得してもよい。また、第一指標取得部１４１は、電流制御部１１２に入力される電流指令をモータ１２の動作力に関する指令値として取得し、電流検出部１１５から電流制御部１１２にフィードバックされる電流値をモータ１２の動作力に関する検出値として取得する。

第一指標取得部１４１は、外部入力端子を介し、電力変換装置１００外から第一指標値を取得してもよい。例えば第一指標取得部１４１は、モータ１２の動作速度又は動作力の指令値を、上位コントローラ３００から取得してもよいし、モータ１２の動作速度又は動作力の検出値を電力変換装置１００外のセンサから直接取得してもよい。第一指標値としていずれの値を用いるかは、ユーザにより設定される。

第二指標取得部１４２は、モータ１２の動作状態に関する第二指標値を取得する。第二指標値は、例えばモータ１２の動作力に関する検出値であってもよく、モータ１２の動作速度に関する検出値であってもよい。

例えば第二指標取得部１４２は、電流検出部１１５から電流制御部１１２にフィードバックされる電流値をモータ１２の動作力に関する検出値として取得し、速度センサ１３から速度制御部１１１にフィードバックされる電気信号をモータ１２の動作速度に関する検出値として取得する。

第二指標取得部１４２は、外部入力端子を介し、電力変換装置１００外から第二指標値を取得してもよい。例えば第二指標取得部１４２は、モータ１２の動作速度又は動作力の検出値を、電力変換装置１００外のセンサから直接取得してもよい。第二指標値としていずれの値を用いるかは、ユーザにより設定される。

第二指標値は、第一指標値との間に、制御対象１０のコンディション（異常があるか否か）を介した相関関係がある限り、どのように設定されてもよい。制御対象１０のコンディションを介した相関関係がある組み合わせとしては、動作速度の指令値と動作力の検出値との組み合わせ、動作速度の検出値と動作力の検出値との組み合わせ、動作力の指令値と動作速度の検出値との組み合わせ、動作力の検出値と動作速度の検出値との組み合わせ等が挙げられる。

また、モータ１２の動作状態と、可動部１１の動作がもたらす物理的状態との間にも、制御対象１０のコンディションを介した相関関係がある。例えば、可動部１１がファンである場合に、モータ１２の動作速度と、可動部１１の送風量との間にも、制御対象１０のコンディションを介した相関関係がある。そこで、第二指標取得部１４２は、可動部１１の動作がもたらす物理的状態に関する第二指標値を電力変換装置１００外のセンサから取得してもよい。

例えば第二指標取得部１４２は、可動部１１であるファンの送風量、可動部１１であるポンプの送液流量、又は可動部１１であるポンプの圧力等を電力変換装置１００外のセンサから取得してもよいし、ファン又はポンプによる冷却対象物の温度を電力変換装置１００外のセンサから取得してもよい。

上限データ取得部１４３、下限データ取得部１４４、ベースデータ取得部１４６、及び幅データ取得部１４７は、上述したマニュアルモード又はハイブリッドモードで用いられる。

上限データ取得部１４３は、一つの第一指標値と、当該第一指標値に対応する第二指標値の上限値とを指定する上限入力データを取得する。上限入力データは、ユーザにより入力される。

下限データ取得部１４４は、一つの第一指標値と、当該第一指標値に対応する第二指標値の下限値とを指定する下限入力データを取得する。下限入力データは、ユーザにより入力される。

ベースデータ取得部１４６は、一つの第一指標値と、当該第一指標値に対応する第二指標値のベース値との組み合わせであるベース入力データを取得する。ベース入力データは、ユーザにより入力される。

幅データ取得部１４７は、第一指標値と、当該第一指標値に対応する上記相関プロファイルの幅（第二指標値の変動方向における幅）を指定する幅入力データを取得する。幅入力データは、ユーザにより入力される。幅データ取得部１４７は、幅入力データとして、第二指標値の上限値と下限値との差を指定するデータを取得してもよいし、第二指標値の上限値とベース値との差を指定するデータ、及び第二指標値のベース値と下限値との差を指定するデータを分けて取得してもよい。

スキャン制御部１４８及びデータ蓄積部１４５は、上述したハイブリッドモード又はオートモードで用いられる。

スキャン制御部１４８は、第一指標値を変化させるための交流電力を生成してモータ１２に出力するように電力変換部１１０を制御する（以下、これを「スキャン制御」という。）。

データ蓄積部１４５は、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせのログデータを蓄積する。データ蓄積部１４５は、上記スキャン制御中には、当該スキャン制御中のログデータ（以下、「スキャンデータ」という。）の集合を一セットにして蓄積する。以下、一セットのスキャンデータを「スキャンデータセット」という。

ベース設定部１４９は、マニュアルモード又はハイブリッドモードで用いられる。ベース設定部１４９は、第一指標値の変化に応じた第二指標値のベース値の変化を示すベースラインを設定する。

マニュアルモードにおいて、ベース設定部１４９は、ベースデータ取得部１４６により取得された複数のベース入力データ同士の間を点列又は関数により補って（補間して）ベースラインを設定する。例えばベース設定部１４９は、複数のベース入力データ同士の間を、線形関数、多項式関数、又はスプライン関数等により関数化してもよいし、これらの関数を用いてベース入力データ同士の間に点列を補ってもよい。

また、ベース設定部１４９は、複数のベース入力データの範囲外を、線形関数、多項式関数、又はスプライン関数等により外挿してもよい。外挿とは、複数のベース入力データの範囲内の関数を拡張して関数化するか、拡張した関数を用いて点列を補うことを意味する。また、ベース設定部１４９は、複数のベース入力データの範囲外については、上記ベース値を一定値としてもよい（以下、これを「固定値化」という。）。更に、ベース設定部１４９は、複数のベース入力データの範囲外を異常判定の対象外としてもよい（以下、これを「マスク」という。）。

ハイブリッドモードにおいて、ベース設定部１４９は、データ蓄積部１４５に蓄積された上記スキャンデータセットに基づいてベースラインを設定する。ベース設定部１４９は、一つのスキャンデータセット自体をベースラインのデータとしてもよいし、線形関数、多項式関数、又はスプライン関数等により一つのスキャンデータセットを関数化し、当該関数をベースラインのデータとしてもよい。また、ベース設定部１４９は、複数のスキャンデータセットを平均化して一つのベースラインを設定してもよい。

上限設定部１５１及び下限設定部１５２は、マニュアルモード、オートモード又はハイブリッドモードにおいて用いられる。上限設定部１５１は、上記相関プロファイルの上限を設定する。下限設定部１５２は、上記相関プロファイルの下限を設定する。

上限設定部１５１及び下限設定部１５２は、第二指標値の変動方向における相関プロファイルの幅が第一指標値によって変わるように上限及び下限を設定するように構成されていてもよい。換言すると、上限設定部１５１及び下限設定部１５２は、所定の第一指標値に対応する相関プロファイルの幅と、当該第一指標値とは異なる第一指標値に対応する相関プロファイルの幅とが異なるように、上限及び下限を設定してもよい。

マニュアルモードにおいて、上限設定部１５１は、上限データ取得部１４３により取得された複数の上限入力データの間を点列又は関数により補って相関プロファイルの上限を設定する。例えば上限設定部１５１は、複数の上限入力データ同士の間を、線形関数、多項式関数、又はスプライン関数等により関数化してもよいし、これらの関数を用いて上限入力データ同士の間に点列を補ってもよい。また、上限設定部１５１は、ベース設定部１４９と同様に、複数の上限入力データの範囲外を外挿、固定値化、又はマスクしてもよい。

下限設定部１５２は、下限データ取得部１４４により取得された複数の下限入力データの間を点列又は関数により補って相関プロファイルの下限を設定する。例えば下限設定部１５２は、複数の下限入力データ同士の間を、線形関数、多項式関数、又はスプライン関数等により関数化してもよいし、これらの関数を用いて下限入力データ同士の間に点列を補ってもよい。また、下限設定部１５２は、ベース設定部１４９と同様に、複数の下限入力データの範囲外を外挿、固定値化、又はマスクしてもよい。

オートモードにおいて、上限設定部１５１は、データ蓄積部１４５に蓄積されたログデータに基づいて相関プロファイルの上限を設定する。下限設定部１５２は、データ蓄積部１４５に蓄積されたログデータに基づいて相関プロファイルの下限を設定する。

例えば、上限設定部１５１及び下限設定部１５２は、複数のスキャンデータセット間の変動状態に基づいて相関プロファイルの上限及び下限をそれぞれ設定してもよい。より具体的に、上限設定部１５１及び下限設定部１５２は、複数のスキャンデータセットに基づいて、第一指標値ごとに第二指標値のばらつき（例えば標準偏差）を求め、当該ばらつきを含むように相関プロファイルの上限及び下限を設定する。

ハイブリッドモードにおいて、上限設定部１５１は、ベース設定部１４９により設定されたベースラインよりも上側に相関プロファイルの上限を設定する。例えば上限設定部１５１は、ベースラインと、幅データ取得部１４７により取得された複数の幅入力データとに基づいて複数の第二指標値の上限値を算出し、当該複数の第二指標値の上限値の間を点列又は関数により補って相関プロファイルの上限を設定する。上限値の間を補う手法については、マニュアルモードと同様である。

幅入力データが、第二指標値の上限値と下限値との差である場合、上限設定部１５１は、当該幅入力データの半分をベース値に加算して第二指標値の上限値を算出する。幅入力データが、第二指標値の上限値とベース値との差を指定するデータ（以下、「上限側データ」という。）、及び第二指標値のベース値と下限値との差を指定するデータ（以下、「下限側データ」という。）に分かれている場合、上限設定部１５１は、上限側データをベース値に加算して第二指標値の上限値を算出する。

下限設定部１５２は、ベース設定部１４９により設定されたベースラインよりも下側に相関プロファイルの下限を設定する。例えば下限設定部１５２は、ベースラインと、幅データ取得部１４７により取得された複数の幅入力データとに基づいて複数の第二指標値の下限値を算出し、当該複数の第二指標値の下限値を点列又は関数により補って相関プロファイルの下限を設定する、下限値の間を補う手法については、マニュアルモードと同様である。

幅入力データが、第二指標値の上限値と下限値との差である場合、下限設定部１５２は、当該差の半分をベース値から減算して第二指標値の下限値を算出する。幅入力データが、上述の上限側データ及び下限側データに分かれている場合、下限設定部１５２は、下限側データをベース値から減算して第二指標値の下限値を算出する。

判定基準保持部１５３は、制御対象１０が異常であるか否かを判定するための基準を記憶する。例えば判定基準保持部１５３は、上限設定部１５１により設定された相関プロファイルの上限と、下限設定部１５２により設定された相関プロファイルの下限とを記憶する。

第一判定部１５４は、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせを第一指標取得部１４１及び第二指標取得部１４２から取得し、当該組み合わせが、判定基準保持部１５３に記憶された相関プロファイルの上限及び下限の間の外にある場合に制御対象１０が異常であると判定する。

データ送受信部１５５及び第二判定部１５６は、上述した学習モードで用いられる。

データ送受信部１５５は、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせを第一指標取得部１４１及び第二指標取得部１４２から取得し、当該組み合わせをログデータとして機械学習用のサーバ２００（後述）に送信する。また、データ送受信部１５５は、ログデータを用いた機械学習によりサーバ２００が構築したニューラルネットを特定するためのパラメータデータをサーバ２００から受信し、これを機械学習に基づく判定基準として判定基準保持部１５３に書き込む。

第二判定部１５６は、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせを第一指標取得部１４１及び第二指標取得部１４２から取得し、ログデータを用いた機械学習によりサーバ２００が構築したニューラルネットを用い、第一指標取得部１４１及び第二指標取得部１４２から取得した当該組み合わせを含む入力に応じて、制御対象１０に異常があるか否かを判定する。例えば第二判定部１５６は、判定基準保持部１５３に記憶されたパラメータデータにより特定されるニューラルネットを用い、上記組み合わせを含む入力に応じて、制御対象１０に異常があるか否かを判定してもよい。

なお、ニューラルネットを用いた制御対象１０の異常判定までをサーバ２００が実行し、第二判定部１５６は、サーバ２００による判定結果に基づいて制御対象１０に異常があるか否かを判定してもよい。

（第二異常検知部）
図３を参照し、異常検知部１２０の第二異常検知部１６０の構成をより詳細に例示する。図３に示すように、第二異常検知部１６０は、第三指標取得部１６１と、バッファ１６２と、トレンド算出部１６３と、外れ値算出部１６４と、フィルタ処理部１６５と、第三判定部１６６とを含む。

第三指標取得部１６１は、モータ１２の動作状態に関する第三指標値を取得する。第二指標値と同様に、第三指標値は、例えばモータ１２の動作力の検出値であってもよく、モータ１２の動作速度の検出値であってもよい。

例えば第三指標取得部１６１は、電流検出部１１５から電流制御部１１２にフィードバックされる電流値をモータ１２の動作力に関する検出値として取得し、速度センサ１３から速度制御部１１１にフィードバックされる電気信号をモータ１２の動作速度に関する検出値として取得する。

第三指標取得部１６１は、外部入力端子を介し、電力変換装置１００外から第三指標値を取得してもよい。例えば第三指標取得部１６１は、モータ１２の動作速度又は動作力に関する検出値を、電力変換装置１００外のセンサから直接取得してもよい。第三指標値としていずれの値を用いるかは、ユーザにより設定される。

第三指標値は、制御対象１０のコンディションに応じて変動し得る値である限り、どのような値であってもよい。

バッファ１６２は、最新の第三指標値と、当該第三指標値の取得時よりも所定期間前までの過去の第三指標値とを一時的に記憶する。

トレンド算出部１６３は、過去の第三指標値を用いて、第三指標値のトレンド値を算出する。トレンド値は、第三指標値の傾向を示す値である。例えばトレンド算出部１６３は、バッファ１６２内の最新の第三指標値に対して、過去の第三指標値を用いたローパス型のフィルタリングを施してトレンド値を算出する。

ローパス型のフィルタリングの具体例としては、有限インパルス応答方式のフィルタリングが挙げられる。有限インパルス応答方式の一次フィルタリングを用いる場合、トレンド値は次式により導出される。
Ｙ＝Ａ・Ｘ［ｋ］＋（１−Ａ）・Ｘ［ｋ−１］・・・（１）
Ｙ：トレンド値
Ｘ［ｋ］：最新の第三指標値
Ｘ［ｋ−１］：一つ前に取得された第三指標値
Ａ：フィルタ係数

有限インパルス応答方式の二次フィルタリングを用いる場合、トレンド値は次式により導出される。
Ｙ＝Ａ・Ｘ［ｋ］＋Ｂ・Ｘ［ｋ−１］＋（１−Ａ−Ｃ）・Ｘ［ｋ−２］・・・（２）
Ｙ：トレンド値
Ｘ［ｋ］：最新の第三指標値
Ｘ［ｋ−１］：一つ前に取得された第三指標値
Ｘ［ｋ−２］：二つ前に取得された第三指標値
Ａ，Ｂ：フィルタ係数

外れ値算出部１６４は、バッファ１６２内の最新の第三指標値とトレンド値との差分である外れ値を算出する。

フィルタ処理部１６５は、バッファ１６２内の最新の外れ値に対して、バッファ１６２内の過去の外れ値を用いたローパス型のフィルタリングを施す。ローパス型のフィルタリングの具体例としては、上記式（１）及び（２）で例示した有限インパルス応答方式のフィルタリングが挙げられる。

第三判定部１６６は、外れ値の大きさに基づいて制御対象１０に異常があるか否かを判定する。例えば第三判定部１６６は、フィルタ処理部１６５によるフィルタリング後の外れ値に基づいて制御対象に異常があるか否かを判定する、より具体的に、第三判定部１６６は、フィルタ処理部１６５によるフィルタリング後の外れ値が、予め設定された閾値よりも大きい場合に、制御対象１０に異常があると判定する。

（２）サーバ
上述したように、サーバ２００は、第一異常検知部１４０による学習モードの異常検知にて用いられる。図２に示すように、サーバ２００は、データ蓄積部２１０と、モデル構築部２２０と、データ送信部２３０とを有する。

データ蓄積部２１０は、電力変換装置１００のデータ送受信部１５５から、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせのログデータを取得して蓄積する。

モデル構築部２２０は、データ蓄積部２１０に蓄積されたログデータを用いた機械学習により、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせを含む入力に応じて制御対象１０の異常を検知するニューラルネットを構築する。例えばモデル構築部２２０は、所謂ディープラーニングにより上記ニューラルネットを構築する。

モデル構築部２２０は、構築したニューラルネットを用い、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせを含む入力に応じて、制御対象１０が異常であるか否かを判定することを更に実行するように構成されていてもよい。

データ送信部２３０は、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせを含む入力に応じて、制御対象１０が異常であるか否かを判定するためのデータを電力変換装置１００のデータ送受信部１５５に送信する。例えばデータ送信部２３０は、モデル構築部２２０が構築したニューラルネットを特定するためのパラメータデータをデータ送受信部１５５に送信する。

制御対象１０が異常であるか否かの判定をもモデル構築部２２０が行う場合、データ送信部２３０は、モデル構築部２２０による判定結果をデータ送受信部１５５に送信してもよい。

（３）電力変換装置及びサーバのハードウェア構成
図４を参照し、電力変換装置１００及びサーバ２００のハードウェア構成を例示する。図４に示すように、電力変換装置１００は、制御回路１８０と、表示デバイス１９１と、入力デバイス１９２と、スイッチング回路１９３と、電流センサ１９４とを有する。

制御回路１８０は、一つ又は複数のプロセッサ１８１と、メモリ１８２と、ストレージ１８３と、入出力ポート１８４と、通信ポート１８５とを含む。

ストレージ１８３は、例えば不揮発性の半導体メモリ等、コンピュータによって読み取り可能な記憶媒体を有する。記憶媒体は、電力変換装置１００の各種機能を構成するためのプログラムを記憶している。メモリ１８２は、ストレージ１８３の記憶媒体からロードしたプログラム及びプロセッサ１８１による演算結果を一時的に記憶する。プロセッサ１８１は、メモリ１８２と協働して上記プログラムを実行することで、電力変換装置１００の各機能を構成する。入出力ポート１８４は、プロセッサ１８１からの指令に従って、表示デバイス１９１、入力デバイス１９２、スイッチング回路１９３及び電流センサ１９４との間で電気信号の入出力を行う。通信ポート１８５は、プロセッサ１８１からの指令に従って、サーバ２００との間で情報通信を行う。

なお、制御回路１８０は、必ずしもプログラムにより各機能を構成するものに限られない。例えば制御回路１８０は、専用の論理回路又はこれを集積したＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）により少なくとも一部の機能を構成してもよい。

表示デバイス１９１及び入力デバイス１９２は、電力変換装置１００のユーザインタフェースとして機能する。表示デバイス１９１は、例えば液晶モニタ等を含み、ユーザに対する情報表示に用いられる。入力デバイス１９２は、例えばキーパッド等であり、ユーザによる入力情報を取得する。表示デバイス１９１及び入力デバイス１９２は、所謂タッチパネルのように一体化されていてもよい。

スイッチング回路１９３は、制御回路１８０からの指令に従って動作し、上述した駆動電力生成部１１４として機能する。スイッチング回路１９３は、複数のスイッチング素子により、直流母線と出力線との間のオン・オフを切り替えて、モータ１２への出力用の交流電圧を生成する。

電流センサ１９４は、制御回路１８０からの指令に従って動作し、上述した電流検出部１１５として機能する。電流センサ１９４は、スイッチング回路１９３からモータ１２への出力電流を検出する。

サーバ２００は、回路２４０を有する。回路２４０は、一つ又は複数のプロセッサ２４１と、メモリ２４２と、ストレージ２４３と、通信ポート２４５とを含む。

ストレージ２４３は、例えばハードディスク等、コンピュータによって読み取り可能な記憶媒体を有する。記憶媒体は、サーバ２００の各種機能を構成するためのプログラムを記憶している。メモリ２４２は、ストレージ２４３の記憶媒体からロードしたプログラム及びプロセッサ２４１による演算結果を一時的に記憶する。プロセッサ２４１は、メモリ２４２と協働して上記プログラムを実行することで、サーバ２００の各機能を構成する。通信ポート２４５は、プロセッサ２４１からの指令に従って、電力変換装置１００との間で情報通信を行う。

なお、回路２４０は、必ずしもプログラムにより各機能を構成するものに限られない。例えば回路２４０は、専用の論理回路又はこれを集積したＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）により少なくとも一部の機能を構成してもよい。

２．異常検知手順
続いて、電力変換装置１００が実行する制御対象１０の異常検知手順を具体的に例示する。

（１）第一異常検知部による異常検知手順
上述したように、第一異常検知部１４０は、マニュアルモードと、オートモードと、ハイブリッドモードと、学習モードと、の４種類のいずれかにより制御対象１０の異常を検知するように構成されている。以下、モードごとに、異常検知手順を例示する。

（マニュアルモード）
図５に示すように、第一異常検知部１４０は、まずステップＳ０１を実行する。ステップＳ０１では、ベースデータ取得部１４６が複数のベース入力データを取得し、上限データ取得部１４３が複数の上限入力データを取得し、下限データ取得部１４４が複数の下限入力データを取得する。例えば、ベースデータ取得部１４６、上限データ取得部１４３及び下限データ取得部１４４は、複数の第一指標値ごとに、一組のベース入力データ、上限入力データ及び下限入力データを取得する。

ステップＳ０２では、ベース設定部１４９が上記ベースラインを設定し、上限設定部１５１が上記相関プロファイルの上限を設定し、下限設定部１５２が上記相関プロファイルの下限を設定する。

ベース設定部１４９は、ステップＳ０１において取得された複数のベース入力データ同士の間を点列又は関数により補ってベースラインを設定する。

上限設定部１５１は、ステップＳ０１において取得された複数の上限入力データの間を点列又は関数により補って相関プロファイルの上限を設定して判定基準保持部１５３に書き込む。

下限設定部１５２は、ステップＳ０１において取得された複数の下限入力データの間を点列又は関数により補って相関プロファイルの下限を設定して判定基準保持部１５３に書き込む。

次に、第一異常検知部１４０はステップＳ０３を実行する。ステップＳ０３では、第一指標取得部１４１が第一指標値を取得し、当該第一指標値に対応する第二指標値を第二指標取得部１４２が取得する。

次に、第一異常検知部１４０はステップＳ０４を実行する。ステップＳ０４では、ステップＳ０３において取得された第一指標値及び第二指標値の組み合わせが、相関プロファイルの上限及び下限の間の外にあるか否かを第一判定部１５４が判定する。

ステップＳ０４において、第一指標値及び第二指標値の組み合わせが相関プロファイルの上限及び下限の間にあると判定した場合、第一異常検知部１４０は処理をステップＳ０３に戻す。以後、第一指標値及び第二指標値の組み合わせが相関プロファイルの上限及び下限の間の外にあると判定されるまでは、第一指標値及び第二指標値の組み合わせの取得と、当該組み合わせの評価とが繰り返される。

ステップＳ０４において、第一指標値及び第二指標値の組み合わせが相関プロファイルの上限及び下限の間の外にあると判定した場合、第一異常検知部１４０はステップＳ０５を実行する。ステップＳ０５では、第一判定部１５４が、制御対象１０に異常があると判定し、その旨を異常報知部１３０が上位コントローラ３００に報知する。以上で制御対象１０の異常検知が完了する。

図６は、マニュアルモードにおける異常判定基準の設定例を示すグラフであり、横軸は第一指標値の大きさを示し、縦軸は第二指標値の大きさを示している。この図の例においては、第一指標値Ｖ１に対してベース値Ｐ１、上限値Ｐ１１及び下限値Ｐ２１が取得され、第一指標値Ｖ２に対してベース値Ｐ２、上限値Ｐ１２及び下限値Ｐ２２が取得され、第一指標値Ｖ３に対してベース値Ｐ３、上限値Ｐ１３及び下限値Ｐ２３が取得され、第一指標値Ｖ４に対してベース値Ｐ４、上限値Ｐ１４及び下限値Ｐ２４が取得され、第一指標値Ｖ５に対してベース値Ｐ５、上限値Ｐ１５及び下限値Ｐ２５が取得されている。

ベースラインＢＬ１は、ベース値Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｐ５の範囲内を線形関数により関数化し、当該範囲内の線形関数を当該範囲外まで拡張したものである。上限ＵＬ１は、上限値Ｐ１１，Ｐ１２，Ｐ１３，Ｐ１４，Ｐ１５の範囲内を線形関数により関数化し、当該範囲内の線形関数を当該範囲外まで拡張したものである。下限ＬＬ１は、下限値Ｐ２１，Ｐ２２，Ｐ２３，Ｐ２４，Ｐ２５の範囲内を線形関数により関数化し、当該範囲内の線形関数を当該範囲外まで拡張したものである。

図６に示されるように、ベース値，上限値及び下限値を第一指標値ごとに設定可能とすることで、第二指標値の変動方向における相関プロファイルの幅が第一指標値によって変わるように上限及び下限を設定することが可能である。

なお、図６においては、第一指標値及び第二指標値の両方が正の値となる第一象限のみについて、相関プロファイルの上限及び下限を設定する場合を例示したが、他の象限についても相関プロファイルの上限及び下限を設定可能である。第一象限の他の象限について、相関プロファイルの上限及び下限を設定することにより、力行運転中及び回生運転中の両方において制御対象１０の異常を検知することが可能となる。

（オートモード）
図７に示すように、第一異常検知部１４０は、まずステップＳ１１を実行する。ステップＳ１１では、スキャン制御部１４８が上記スキャン制御（第一指標値を変化させるための交流電力を生成してモータ１２に出力するように電力変換部１１０を制御すること）を開始する。一度のスキャン制御において、第一指標値を変化させる範囲（以下、「スキャン範囲」という。）は、実際の使用環境を考慮して予め設定されている。

次に、第一異常検知部１４０はステップＳ１２を実行する。ステップＳ１２では、第一指標取得部１４１が第一指標値を取得し、当該第一指標値に対応する第二指標値を第二指標取得部１４２が取得する。

次に、第一異常検知部１４０はステップＳ１３を実行する。ステップＳ１３では、第一指標取得部１４１及び第二指標取得部１４２が、ステップＳ１２において取得した第一指標値及び第二指標値の組み合わせデータを、現在実行中のスキャン制御に対応付けてデータ蓄積部１４５に書き込む。

次に、第一異常検知部１４０はステップＳ１４を実行する。ステップＳ１４では、第一指標値が、スキャン制御の終了値（例えば上記スキャン範囲の端）に到達しているか否かをスキャン制御部１４８が確認する。

ステップＳ１４において、第一指標値がスキャン制御の終了値に到達していないと判定した場合、第一異常検知部１４０は処理をステップＳ１２に戻す。以後、第一指標値がスキャン制御の終了値に到達するまでは、当該スキャン制御に対応付けた上記組み合わせデータの蓄積が繰り返される。これにより、一組の上記スキャンデータセットがデータ蓄積部１４５に蓄積される。

ステップＳ１４において、第一指標値がスキャン制御の終了値に到達したと判定した場合、第一異常検知部１４０はステップＳ１５を実行する。ステップＳ１５では、スキャン制御部１４８がスキャン制御を終了させる。

次に、第一異常検知部１４０はステップＳ１６を実行する。ステップＳ１６では、スキャン制御部１４８が、所定数のスキャンデータセットの取得が完了したか否かを確認する。所定数は、相関プロファイルの上限及び下限の設定を可能にするように予め設定されている。

ステップＳ１６において、所定数のスキャンデータセットの取得は完了していないと判定した場合、第一異常検知部１４０は処理をステップＳ１１に戻す。以後、所定数のスキャンデータセットの取得が完了するまでは、スキャンデータセットの蓄積が繰り返される。

ステップＳ１６において、所定数のスキャンデータセットの取得が完了したと判定した場合、第一異常検知部１４０はステップＳ１７を実行する。ステップＳ１７では、上限設定部１５１が上記相関プロファイルの上限を設定し、下限設定部１５２が上記相関プロファイルの下限を設定する。

上限設定部１５１及び下限設定部１５２は、データ蓄積部１４５に蓄積されたログデータに基づいて相関プロファイルの上限及び下限をそれぞれ設定する。例えば、上限設定部１５１及び下限設定部１５２は、複数のスキャンデータセット間の変動状態に基づいて相関プロファイルの上限及び下限をそれぞれ設定し、判定基準保持部１５３に書き込む。

以上で、オートモードにおける相関プロファイルの上下限の設定が完了する。この後に続くステップＳ１８，Ｓ１９，Ｓ２０は、上述したステップＳ０３，Ｓ０４，Ｓ０５と同様である。

（ハイブリッドモード）
図８に示すように、第一異常検知部１４０は、まず上述したステップＳ１１，Ｓ１２，Ｓ１３，Ｓ１４，Ｓ１５と同様のステップＳ３１，Ｓ３２，Ｓ３３，Ｓ３４，Ｓ３５を実行し、一組のスキャンデータセットをデータ蓄積部１４５に蓄積する。なお、第一異常検知部１４０は、ステップＳ３１，Ｓ３２，Ｓ３３，Ｓ３４，Ｓ３５を繰り返して複数のスキャンデータセットをデータ蓄積部１４５に蓄積してもよい。

次に、第一異常検知部１４０はステップＳ３６を実行する。ステップＳ３６では、ベース設定部１４９が上記ベースラインを設定する。ベース設定部１４９は、ステップＳ３１，Ｓ３２，Ｓ３３，Ｓ３４，Ｓ３５において蓄積されたスキャンデータセットに基づいてベースラインを設定する。

次に、第一異常検知部１４０はステップＳ３７を実行する。ステップＳ３７では、幅データ取得部１４７が、第一指標値と、当該第一指標値に対応する相関プロファイルの幅を指定する幅入力データを取得する。

次に、第一異常検知部１４０はステップＳ３８を実行する。ステップＳ３８では、上限設定部１５１がベースラインよりも上側に相関プロファイルの上限を設定し、下限設定部１５２がベースラインよりも下側に相関プロファイルの下限を設定する。

上限設定部１５１は、ベースラインと、複数の幅入力データとに基づいて複数の第二指標値の上限値を算出し、当該複数の第二指標値の上限値の間を点列又は関数により補って相関プロファイルの上限を設定し、判定基準保持部１５３に書き込む。

下限設定部１５２は、ベースラインと、複数の幅入力データとに基づいて複数の第二指標値の下限値を算出し、当該複数の第二指標値の下限値を点列又は関数により補って相関プロファイルの下限を設定し、判定基準保持部１５３に書き込む。

以上で、ハイブリッドモードにおける相関プロファイルの上下限の設定が完了する。この後に続くステップＳ３９，４０，４１は、上述したステップＳ０３，Ｓ０４，Ｓ０５と同様である。

（学習モード）
図９に示すように、第一異常検知部１４０は、まずステップＳ５１を実行する。ステップＳ５１では、第一指標取得部１４１が第一指標値を取得し、当該第一指標値に対応する第二指標値を第二指標取得部１４２が取得する。

次に、第一異常検知部１４０はステップＳ５２を実行する。ステップＳ５２では、データ送受信部１５５が、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせのログデータをサーバ２００のデータ蓄積部２１０に送信する。

次に、第一異常検知部１４０はステップＳ５３を実行する。ステップＳ５３では、サーバ２００が構築した最新のニューラルネットを特定するためのパラメータデータを、データ送受信部１５５がサーバ２００のデータ送信部２３０から受信し、当該パラメータデータを判定基準保持部１５３に書き込む。

次に、第一異常検知部１４０はステップＳ５５を実行する。ステップＳ５５では、第二判定部１５６が、判定基準保持部１５３に記憶されたパラメータデータにより特定されるニューラルネットを用い、ステップＳ５１において取得された第一指標値及び第二指標値の組み合わせを含む入力に応じて、制御対象１０に異常があるか否かを判定する。

ステップＳ５５における判定結果が「異常なし」である場合、第一異常検知部１４０は処理をステップＳ５１に戻す。以後、ステップＳ５５における判定結果が「異常あり」となるまでは、サーバ２００が構築したニューラルネットを用いた制御対象１０の異常判定が繰り返される。

ステップＳ５５における判定結果が「異常あり」である場合、第一異常検知部１４０はステップＳ５６を実行する。ステップＳ５６では、制御対象１０に異常があると判定された旨を、異常報知部１３０が上位コントローラ３００に報知する。以上で制御対象１０の異常検知が完了する。

図１０は、サーバ２００における学習処理を例示するフローチャートである。図１０に示すように、サーバ２００は、まずステップＳ６１を実行する。ステップＳ６１では、上述した第一指標値及び第二指標値のログデータが電力変換装置１００のデータ送受信部１５５から送信されているか否かをデータ蓄積部２１０が確認する。

ステップＳ６１において、第一指標値及び第二指標値のログデータがデータ送受信部１５５から送信されていると判定した場合、サーバ２００はステップＳ６２を実行する。ステップＳ６２では、データ送受信部１５５から送信されたログデータをデータ蓄積部２１０が蓄積する。

次に、サーバ２００はステップＳ６３を実行する。ステップＳ６１において、ログデータがデータ送受信部１５５から送信されていないと判定した場合は、サーバ２００はステップＳ６２を実行することなくステップＳ６３を実行する。ステップＳ６３では、モデル構築部２２０が、データ蓄積部２１０に蓄積されたログデータを用いた機械学習（例えばディープラーニング）により、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせを含む入力に応じて制御対象１０の異常を検知するニューラルネットを構築する。例えばモデル構築部２２０は、所謂ディープラーニングにより上記ニューラルネットを構築又は更新する。

次に、サーバ２００はステップＳ６５を実行する。ステップＳ６５では、電力変換装置１００のデータ送受信部１５５が、ニューラルネットのパラメータデータの送信を要求しているか否かをデータ送信部２３０が確認する。

ステップＳ６５において、データ送受信部１５５がパラメータデータの送信を要求していると判定した場合、サーバ２００はステップＳ６６を実行する。ステップＳ６６では、データ送信部２３０が、最新のニューラルネットを特定するためのパラメータデータを電力変換装置１００のデータ送受信部１５５に送信する。

その後、サーバ２００は処理をステップＳ６１に戻す。ステップＳ６５において、データ送受信部１５５がパラメータデータの送信を要求していないと判定した場合、サーバ２００はステップＳ６６を実行することなく処理をステップＳ６１に戻す。以後、電力変換装置１００との間でデータの送受信を行いつつ、機械学習によるニューラルネットの更新が繰り返される。

このように、サーバ２００は、電力変換装置１００から、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせのログデータを取得して蓄積することと、蓄積されたログデータを用いた機械学習により、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせを含む入力に応じて制御対象１０の異常を検知するためのデータを生成することと、を繰り返す。

制御対象１０の異常を検知するためのデータは、例えば上記ニューラルネットを特定するためのパラメータデータである。制御対象１０が異常であるか否かの判定をもモデル構築部２２０が行う場合、制御対象１０の異常を検知するためのデータは、モデル構築部２２０による判定結果を示すデータであってもよい。

（２）第二異常検知部による異常検知手順
図１１に示すように、第二異常検知部１６０は、まずステップＳ７１を実行する。ステップＳ７１では、第三指標取得部１６１が第三指標値を取得してバッファ１６２に書き込む。

次に、第二異常検知部１６０はステップＳ７２を実行する。ステップＳ７２では、トレンド算出部１６３が、過去の第三指標値を用いて、第三指標値のトレンド値を算出する。例えばトレンド算出部１６３は、バッファ１６２内の最新の第三指標値に対して、バッファ１６２内の過去の第三指標値を用いたローパス型のフィルタリングを施してトレンド値を算出する。

次に、第二異常検知部１６０はステップＳ７３を実行する。ステップＳ７３では、外れ値算出部１６４が、バッファ１６２内の最新の第三指標値とトレンド値との差分である外れ値を算出し、バッファ１６２に書き込む。

次に、第二異常検知部１６０はステップＳ７４を実行する。ステップＳ７４では、フィルタ処理部１６５が、バッファ１６２内の最新の外れ値に対して、バッファ１６２内の過去の外れ値を用いたローパス型のフィルタリングを施す。

次に、第二異常検知部１６０はステップＳ７６を実行する。ステップＳ７６では、第三判定部１６６が、フィルタ処理部１６５によるフィルタリング後の外れ値に基づいて制御対象に異常があるか否かを判定する。

ステップＳ７６における判定結果が「異常なし」である場合、第二異常検知部１６０は処理をステップＳ７１に戻す。以後、ステップＳ７６における判定結果が「異常あり」となるまでは、第三指標値の取得と異常判定とが繰り返される。

ステップＳ７６における判定結果が「異常あり」である場合、第二異常検知部１６０はステップＳ７７を実行する。ステップＳ７７では、制御対象１０に異常があると判定された旨を、異常報知部１３０が上位コントローラ３００に報知する。以上で制御対象１０の異常検知が完了する。

３．本実施形態の効果
以上に説明したように、電力変換装置１００は、制御対象１０を動作させるための交流電力を生成してモータ１２に出力する電力変換部１１０と、モータ１２の動作状態に関する指標値に基づいて、制御対象１０の異常を検知する異常検知部１２０と、を備える。

電力変換装置１００によれば、モータ１２の動作状態に関する情報を有効に活用し、制御対象１０の異常を検知することができる。従って、電力変換装置の付加価値を向上させることができる。

異常検知部１２０は、モータ１２の動作状態に関する第一指標値及び第二指標値の関係に基づいて、制御対象１０の異常を検知する第一異常検知部１４０を有してもよい。

モータ１２の動作状態は、制御対象１０が正常であっても、制御指令の変化に応じて随時変化する。このため、一つの指標値の変化のみをとらえたとしても、これが制御指令の変化に応じたものであるのか、制御対象１０の異常によるものであるのかを切り分けるのは困難である。これに対し、第一指標値及び第二指標値の間の相関関係に着目すると、制御指令の変化による第二指標値の変化と、制御対象１０の異常による第二指標値の変化とを切り分けて、より高い信頼性で制御対象１０の異常を検知することができる。

第一異常検知部１４０は、第一指標値の変化に応じた第二指標値の変化を示す相関プロファイルの上限を設定する上限設定部１５１と、相関プロファイルの下限を設定する下限設定部１５２と、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせが相関プロファイルの上限及び下限の間の外にある場合に制御対象１０が異常であると判定する第一判定部１５４と、を含んでもよい。この場合、相関プロファイルの上限及び下限を設定し、制御対象１０の異常判定基準に幅を持たせることにより、異常の誤検知を減らすことができる。

上限設定部１５１及び下限設定部１５２は、第二指標値の変動方向における相関プロファイルの幅が第一指標値によって変わるように上限及び下限を設定するように構成されていてもよい。この場合、制御対象１０の特性に合わせて相関プロファイルの上限及び下限を細やかに設定し、より高い信頼性で制御対象１０の異常を検知することができる。

第一異常検知部１４０は、一つの第一指標値と、当該第一指標値に対応する第二指標値の上限値とを指定する上限入力データを取得する上限データ取得部１４３と、一つの第一指標値と、当該第一指標値に対応する第二指標値の下限値とを指定する下限入力データを取得する下限データ取得部１４４と、を更に含んでもよく、上限設定部１５１は、上限データ取得部１４３により取得された複数の上限入力データの間を点列又は関数により補って相関プロファイルの上限を設定し、下限設定部１５２は、下限データ取得部１４４により取得された複数の下限入力データの間を点列又は関数により補って相関プロファイルの下限を設定してもよい。この場合、複数の上限入力データの間が上限設定部１５１により補われ、複数の下限入力データの間が下限設定部１５２により補われるので、ユーザの利便性が向上する。

第一異常検知部１４０は、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせのログデータを蓄積するデータ蓄積部１４５を更に備えてもよく、上限設定部１５１は、データ蓄積部１４５に蓄積されたログデータに基づいて相関プロファイルの上限を設定し、下限設定部１５２は、データ蓄積部１４５に蓄積されたログデータに基づいて相関プロファイルの下限を設定してもよい。この場合、データ蓄積部１４５に蓄積されたログデータに基づいて相関プロファイルの上限及び下限が自動設定されるので、ユーザの利便性が更に向上する。

第一異常検知部１４０は、第一指標値を変化させるための交流電力を生成してモータ１２に出力するように電力変換部１１０を制御するスキャン制御部１４８を更に含んでもよく、データ蓄積部１４５は、スキャン制御部１４８による制御中のログデータの集合であるスキャンデータセットを蓄積し、上限設定部１５１及び下限設定部１５２は、複数のスキャンデータセット間の変動状態に基づいて相関プロファイルの上限及び下限を設定してもよい。この場合、スキャン制御により、スキャンデータセットを集中的に蓄積することで、相関プロファイルの上限及び下限を早期に設定することができる。

第一異常検知部１４０は、第一指標値の変化に応じた第二指標値のベース値の変化を示すベースラインを設定するベース設定部１４９を更に含んでもよく、上限設定部１５１は、ベースラインよりも上側に相関プロファイルの上限を設定し、下限設定部１５２は、ベースラインよりも下側に相関プロファイルの下限を設定してもよい。第一指標値と第二指標値との標準的な相関関係は、幅を持った相関プロファイルに比較して早期に把握可能である。そこで、当該標準的な相関関係をベースラインとして設定した上で、これを基準にして相関プロファイルの上限及び下限を設定することにより、相関プロファイルの上限及び下限をより高い信頼性で早期に設定することができる。

第一異常検知部１４０は、一つの第一指標値と、当該第一指標値に対応する第二指標値のベース値との組み合わせであるベース入力データを取得するベースデータ取得部１４６を更に含んでもよく、ベース設定部１４９は、ベースデータ取得部１４６により取得された複数のベース入力データ同士の間を点列又は関数により補ってベースラインを設定してもよい。この場合、複数のベース入力データの間がベース設定部１４９により補われるので、ユーザの利便性が向上する。

第一異常検知部１４０は、第一指標値を変化させるための交流電力を生成してモータ１２に出力するように電力変換部１１０を制御するスキャン制御部１４８と、スキャン制御部１４８による制御中に、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせのログデータの集合であるスキャンデータセットを蓄積するデータ蓄積部１４５と、第一指標値の変化に応じた第二指標値のベース値の変化を示すベースラインをスキャンデータセットに基づいて設定するベース設定部１４９と、第一指標値と、当該第一指標値に対応する相関プロファイルの幅を指定する幅入力データを取得する幅データ取得部１４７と、を更に含んでもよく、上限設定部１５１は、ベースラインと、複数の幅入力データとに基づいて複数の第二指標値の上限値を算出し、当該複数の第二指標値の上限値の間を点列又は関数により補って相関プロファイルの上限を設定し、下限設定部１５２は、ベースラインと、複数の幅入力データとに基づいて複数の第二指標値の下限値を算出し、当該複数の第二指標値の下限値を点列又は関数により補って相関プロファイルの下限を設定してもよい。この場合、ベースラインの設定と、ユーザ指定の幅に応じた上限及び下限の設定とが自動で実行されるので、ユーザの利便性が向上する。

第一異常検知部１４０は、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせを含む入力に応じて、ニューラルネットにより制御対象１０の異常を検知してもよい。この場合、異常検知の信頼性を更に向上させることができる。

第一異常検知部１４０は、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせのログデータを機械学習用のサーバ２００に送信するデータ送受信部１５５と、ログデータを用いた機械学習により、サーバ２００が構築したニューラルネットを用い、第一指標値と、当該第一指標値に対応する第二指標値との組み合わせを含む入力に応じて制御対象１０の異常を検知する第二判定部１５６と、を含んでもよい。この場合、機械学習用のリソースとして、電力変換装置１００外のサーバ２００を活用することにより、機械学習を利用した異常検知の信頼性向上を容易に実現させることができる。

第一指標値は、モータ１２の動作速度に関する指令値又は検出値であり、第二指標値は、モータ１２の動作力に関する検出値であってもよい。第一指標値は、モータ１２の動作力に関する指令値又は検出値であり、第二指標値は、モータ１２の動作速度に関する検出値であってもよい。いずれにおいても、モータ１２の制御に使われる情報を異常検知にも活用することにより、装置構成の簡素化を図ることができる。

異常検知部１２０は、モータ１２の動作状態に関する第三指標値と、当該第三指標値の取得時よりも所定期間前までの過去の第三指標値を用いて導出されるトレンド値との関係に基づいて制御対象１０の異常を検知する第二異常検知部１６０を有してもよい。第二異常検知部１６０は、過去の第三指標値を用いてトレンド値を算出するトレンド算出部１６３と、第三指標値とトレンド値との差分である外れ値を算出する外れ値算出部１６４と、外れ値の大きさに基づいて制御対象１０に異常があるか否かを判定する第三判定部１６６と、を含んでもよい。この場合、動力伝達系の破損など、突発的な異常を高感度に検知できる。

異常検知部１２０が第一異常検知部１４０及び第二異常検知部１６０の両方を有する場合、埃の堆積等により徐々に進行する異常が第一異常検知部１４０により検知され、部品故障等による突発的な異常が第二異常検知部１６０により検知されるので、制御対象１０の異常をより高感度に検知することができる。

第二異常検知部１６０は、外れ値に対して、過去の外れ値を用いたローパス型のフィルタリングを施すフィルタ処理部１６５を更に含んでもよく、第三判定部１６６は、フィルタ処理部１６５によるフィルタリング後の外れ値に基づいて制御対象１０に異常があるか否かを判定してもよい。この場合、ローパス型のフィルタリングにより、外れ値のノイズ成分が除去されるので、上記突発的な異常をより高い信頼性で検知できる。

トレンド算出部１６３は、第三指標値に対して、過去の第三指標値を用いたローパス型のフィルタリングを施してトレンド値を算出してもよい。この場合、平均値算出等の統計処理に比較して、少ないデータ数でトレンド値を算出することができる。

以上、実施形態を示したが、本発明は必ずしも上述した実施形態に限定されるものではなく、その要旨を逸脱しない範囲で様々な変更が可能である。

１０…制御対象、１１…可動部、１２…モータ、１００…電力変換装置、２００…サーバ、１１０…電力変換部、１２０…異常検知部、１４０…第一異常検知部、１６０…第二異常検知部、１４３…上限データ取得部、１４４…下限データ取得部、１４５…データ蓄積部、１４６…ベースデータ取得部、１４７…幅データ取得部、１４８…スキャン制御部、１４９…ベース設定部、１５１…上限設定部、１５２…下限設定部、１５４…第一判定部、１５５…データ送受信部、１５６…第二判定部、１６３…トレンド算出部、１６４…外れ値算出部、１６５…フィルタ処理部、１６６…第三判定部、２１０…データ蓄積部、２２０…モデル構築部。

本開示は、制御対象の異常検知に利用可能な電力変換装置を提供することを目的とする。

Claims (20)

1. 可動部及び前記可動部の動力源であるモータを含む制御対象を動作させるための交流電力を生成して前記モータに出力する電力変換部と、
   前記モータの動作状態に関する指標値に基づいて、前記制御対象の異常を検知する異常検知部と、を備える電力変換装置。
2. 前記異常検知部は、前記モータの動作状態に関する第一指標値及び第二指標値の関係に基づいて、前記制御対象の異常を検知する第一異常検知部を有する、請求項１記載の電力変換装置。
3. 前記第一異常検知部は、
   前記第一指標値の変化に応じた前記第二指標値の変化を示す相関プロファイルの上限を設定する上限設定部と、
   前記相関プロファイルの下限を設定する下限設定部と、
   前記第一指標値と、当該第一指標値に対応する前記第二指標値との組み合わせが前記相関プロファイルの上限及び下限の間の外にある場合に前記制御対象が異常であると判定する第一判定部と、を含む、請求項２記載の電力変換装置。
4. 前記上限設定部及び前記下限設定部は、前記第二指標値の変動方向における前記相関プロファイルの幅が前記第一指標値によって変わるように前記上限及び前記下限を設定するように構成されている、請求項３記載の電力変換装置。
5. 前記第一異常検知部は、
   一つの前記第一指標値と、当該第一指標値に対応する前記第二指標値の上限値とを指定する上限入力データを取得する上限データ取得部と、
   一つの前記第一指標値と、当該第一指標値に対応する前記第二指標値の下限値とを指定する下限入力データを取得する下限データ取得部と、を更に含み、
   前記上限設定部は、前記上限データ取得部により取得された複数の前記上限入力データの間を点列又は関数により補って前記相関プロファイルの上限を設定し、
   前記下限設定部は、前記下限データ取得部により取得された複数の前記下限入力データの間を点列又は関数により補って前記相関プロファイルの下限を設定する、請求項４記載の電力変換装置。
6. 前記第一異常検知部は、
   前記第一指標値と、当該第一指標値に対応する前記第二指標値との組み合わせのログデータを蓄積するデータ蓄積部を更に備え、
   前記上限設定部は、前記データ蓄積部に蓄積された前記ログデータに基づいて前記相関プロファイルの上限を設定し、
   前記下限設定部は、前記データ蓄積部に蓄積された前記ログデータに基づいて前記相関プロファイルの下限を設定する、請求項４記載の電力変換装置。
7. 前記第一異常検知部は、
   前記第一指標値を変化させるための交流電力を生成して前記モータに出力するように前記電力変換部を制御するスキャン制御部を更に含み、
   前記データ蓄積部は、前記スキャン制御部による制御中の前記ログデータの集合であるスキャンデータセットを蓄積し、
   前記上限設定部及び前記下限設定部は、複数の前記スキャンデータセット間の変動状態に基づいて前記相関プロファイルの上限及び下限を設定する、請求項６記載の電力変換装置。
8. 前記第一異常検知部は、
   前記第一指標値の変化に応じた前記第二指標値のベース値の変化を示すベースラインを設定するベース設定部を更に含み、
   前記上限設定部は、前記ベースラインよりも上側に前記相関プロファイルの上限を設定し、
   前記下限設定部は、前記ベースラインよりも下側に前記相関プロファイルの下限を設定する、請求項３〜７のいずれか一項記載の電力変換装置。
9. 前記第一異常検知部は、
   一つの前記第一指標値と、当該第一指標値に対応する前記第二指標値のベース値との組み合わせであるベース入力データを取得するベースデータ取得部を更に含み、
   前記ベース設定部は、前記ベースデータ取得部により取得された複数の前記ベース入力データ同士の間を点列又は関数により補って前記ベースラインを設定する、請求項８記載の電力変換装置。
10. 前記第一異常検知部は、
    前記第一指標値を変化させるための交流電力を生成して前記モータに出力するように前記電力変換部を制御するスキャン制御部と、
    前記スキャン制御部による制御中に、前記第一指標値と、当該第一指標値に対応する前記第二指標値との組み合わせのログデータの集合であるスキャンデータセットを蓄積するデータ蓄積部と、
    前記第一指標値の変化に応じた前記第二指標値のベース値の変化を示すベースラインを前記スキャンデータセットに基づいて設定するベース設定部と、
    前記第一指標値と、当該第一指標値に対応する前記相関プロファイルの前記幅を指定する幅入力データを取得する幅データ取得部と、を更に含み、
    前記上限設定部は、前記ベースラインと、複数の前記幅入力データとに基づいて複数の前記第二指標値の上限値を算出し、当該複数の第二指標値の上限値の間を点列又は関数により補って前記相関プロファイルの上限を設定し、
    前記下限設定部は、前記ベースラインと、複数の前記幅入力データとに基づいて複数の前記第二指標値の下限値を算出し、当該複数の第二指標値の下限値を点列又は関数により補って前記相関プロファイルの下限を設定する、請求項４記載の電力変換装置。
11. 前記第一異常検知部は、前記第一指標値と、当該第一指標値に対応する前記第二指標値との組み合わせを含む入力に応じて、ニューラルネットにより前記制御対象の異常を検知する、請求項２記載の電力変換装置。
12. 前記第一異常検知部は、
    前記第一指標値と、当該第一指標値に対応する前記第二指標値との組み合わせのログデータを機械学習用のサーバに送信するデータ送信部と、
    前記ログデータを用いた機械学習により、前記サーバが構築したニューラルネットを用い、前記第一指標値と、当該第一指標値に対応する前記第二指標値との組み合わせを含む入力に応じて前記制御対象の異常を検知する第二判定部と、を含む、請求項２記載の電力変換装置。
13. 前記第一指標値は、前記モータの動作速度に関する指令値又は検出値であり、
    前記第二指標値は、前記モータの動作力に関する検出値である、請求項２〜１２のいずれか一項記載の電力変換装置。
14. 前記第一指標値は、前記モータの動作力に関する指令値又は検出値であり、
    前記第二指標値は、前記モータの動作速度に関する検出値である、請求項２〜１２のいずれか一項記載の電力変換装置。
15. 前記異常検知部は、前記モータの動作状態に関する第三指標値と、当該第三指標値の取得時よりも所定期間前までの過去の前記第三指標値を用いて導出されるトレンド値との関係に基づいて前記制御対象の異常を検知する第二異常検知部を有する、請求項１〜１４のいずれか一項記載の電力変換装置。
16. 前記第二異常検知部は、
    前記過去の前記第三指標値を用いて前記トレンド値を算出するトレンド算出部と、
    前記第三指標値と前記トレンド値との差分である外れ値を算出する外れ値算出部と、
    前記外れ値の大きさに基づいて前記制御対象に異常があるか否かを判定する第三判定部と、を含む、請求項１５記載の電力変換装置。
17. 前記第二異常検知部は、
    前記外れ値に対して、過去の前記外れ値を用いたローパス型のフィルタリングを施すフィルタ処理部を更に含み、
    前記第三判定部は、前記フィルタ処理部によるフィルタリング後の前記外れ値に基づいて前記制御対象に異常があるか否かを判定する、請求項１６記載の電力変換装置。
18. 前記トレンド算出部は、前記第三指標値に対して、前記過去の前記第三指標値を用いたローパス型のフィルタリングを施して前記トレンド値を算出する、請求項１６又は１７記載の電力変換装置。
19. 可動部及び前記可動部の動力源であるモータを含む制御対象を動作させるための交流電力を生成して前記モータに出力する電力変換部と、前記制御対象の異常を検知する異常検知部と、を備え、前記異常検知部は、前記モータの動作状態に関する第一指標値及び第二指標値の関係に基づいて、前記制御対象の異常を検知する第一異常検知部を有する電力変換装置から、前記第一指標値と、当該第一指標値に対応する前記第二指標値との組み合わせのログデータを取得して蓄積するデータ蓄積部と、
    前記データ蓄積部に蓄積された前記ログデータを用いた機械学習により、前記第一指標値と、当該第一指標値に対応する前記第二指標値との組み合わせを含む入力に応じて前記制御対象の異常を検知するニューラルネットを構築するモデル構築部と、を備えるサーバ。
20. 可動部及び前記可動部の動力源であるモータを含む制御対象を動作させるための交流電力を生成して前記モータに出力する電力変換部と、前記制御対象の異常を検知する異常検知部と、を備え、前記異常検知部は、前記モータの動作状態に関する第一指標値及び第二指標値の関係に基づいて、前記制御対象の異常を検知する第一異常検知部を有する電力変換装置から、前記第一指標値と、当該第一指標値に対応する前記第二指標値との組み合わせのログデータを取得して蓄積することと、
    蓄積された前記ログデータを用いた機械学習により、前記第一指標値と、当該第一指標値に対応する前記第二指標値との組み合わせを含む入力に応じて前記制御対象の異常を検知するためのデータを生成することと、を含むデータ生成方法。

Images