JP2019067575A - 放電灯駆動装置、光源装置、プロジェクター、および放電灯駆動方法 - Google Patents

Abstract

【課題】放電灯の個体差によらず、放電灯の寿命を向上できる放電灯駆動装置を提供する。【解決手段】本発明の放電灯駆動装置の一つの態様は、第１電極および第２電極を有する放電灯に駆動電流を供給する放電灯駆動部と、放電灯駆動部を制御する制御部と、駆動電流の複数の駆動パターンを格納する記憶部と、を備え、制御部は、機械学習に基づいて、複数の駆動パターンのうちいずれか１つの駆動パターンを選択し、選択された駆動パターンを実行し、制御部は、所定の条件が満たされた場合、機械学習に基づく駆動パターンを選択および実行せずに、複数の駆動パターンのうち所定の駆動パターンを実行することを特徴とする。【選択図】図１５

Description

本発明は、放電灯駆動装置、光源装置、プロジェクター、および放電灯駆動方法に関する。

例えば、特許文献１に示すように、放電ランプに印加される印加電圧の値に応じて放電ランプに供給される交流電流のパルスを変化させる放電ランプ点灯装置が知られている。

特開２０１６−０１８７４６号公報

しかし、放電ランプ（放電灯）には個体差があり、放電ランプに印加される印加電圧（電極間電圧）の変化は放電ランプの個体ごとに異なる。そのため、放電ランプの個体差を考慮できない駆動方法によっては、放電ランプの寿命を十分に向上できない場合があった。

本発明の一つの態様は、上記事情に鑑みて、放電灯の個体差によらず、放電灯の寿命を向上できる放電灯駆動装置、そのような放電灯駆動装置を備えた光源装置、およびそのような光源装置を備えたプロジェクターを提供することを目的の一つとする。また、本発明の一つの態様は、放電灯の個体差によらず、放電灯の寿命を向上できる放電灯駆動方法を提供することを目的の一つとする。

本発明の放電灯駆動装置の一つの態様は、第１電極および第２電極を有する放電灯に駆動電流を供給する放電灯駆動部と、前記放電灯駆動部を制御する制御部と、前記駆動電流の複数の駆動パターンを格納する記憶部と、を備え、前記制御部は、機械学習に基づいて、前記複数の駆動パターンのうちいずれか１つの駆動パターンを選択し、選択された前記駆動パターンを実行し、前記制御部は、所定の条件が満たされた場合、前記機械学習に基づく前記駆動パターンを選択および実行せずに、前記複数の駆動パターンのうち所定の駆動パターンを実行することを特徴とする。

本発明の放電灯駆動装置の一つの態様によれば、制御部は、機械学習に基づいて、複数の駆動パターンのうちからいずれか１つの駆動パターンを選択して、選択された駆動パターンを実行する。そのため、放電灯に個体差がある場合であっても、機械学習を行うことで、放電灯の個体差に応じて、好適な駆動パターンを選択することができる。したがって、本発明の放電灯駆動装置の一つの態様によれば、放電灯の個体差によらず、放電灯の寿命を向上させることができる。

一方、機械学習のみを用いているだけでは、放電灯の寿命以外の観点で不具合が生じる場合も考えられる。そのため、機械学習のみを用いる場合には、放電灯の寿命は向上できるものの、放電灯が搭載されたプロジェクター等の機器を使用する使用者の利便性および快適性が低下する場合があった。

これに対して、本発明の放電灯駆動装置の一つの態様によれば、所定の条件が満たされた場合、機械学習に基づく駆動パターンを選択および実行せずに、所定の駆動パターンを実行する。そのため、機械学習に基づいた制御とは別に、機械学習によらず、個別の問題ごとに好適な駆動パターンを選択・実行することができる。これにより、本発明の放電灯駆動装置の一つの態様によれば、機械学習に基づいて放電灯の寿命を向上させつつ、使用者の利便性および快適性を向上させることができる。

前記放電灯の電極間電圧を検出する電圧検出部をさらに備え、前記制御部は、前記所定の条件が満たされない場合に、交流電流が前記放電灯に供給される第１期間と、直流電流が前記放電灯に供給される第２期間と、が交互に繰り返される混合期間が設けられるように前記放電灯駆動部を制御し、前記所定の条件は、前記電極間電圧が第１所定電圧値よりも小さいことを含み、前記制御部は、前記電極間電圧が第１所定電圧値よりも小さい場合、前記所定の駆動パターンとして低周波期間を含む駆動パターンを実行し、前記低周波期間においては、前記第１期間において前記放電灯に供給される交流電流の周波数よりも低い周波数を有する交流電流が前記放電灯に供給される構成としてもよい。

この構成によれば、電極間電圧が比較的小さくなった場合、すなわち第１電極および第２電極の突起が成長し過ぎて電極間距離が比較的小さくなった場合に、機械学習によらず、低周波期間を含む駆動パターンを実行できる。これにより、水銀ブリッジが生じることを抑制できる。

前記所定の条件は、前記電極間電圧が前記第１所定電圧値よりも小さく、かつ、前記放電灯に供給される駆動電力が所定電力値よりも大きいことを含み、前記制御部は、前記電極間電圧が前記第１所定電圧値よりも小さく、かつ、前記駆動電力が前記所定電力値よりも大きい場合、前記所定の駆動パターンとして前記低周波期間と第３期間とを含む駆動パターンを実行し、前記第３期間は、前記放電灯に直流電流が供給される第１直流期間、および前記第１直流期間において前記放電灯に供給される前記直流電流の極性と反対の極性を有する直流電流が前記放電灯に供給される第２直流期間を交互に含み、前記第２直流期間の長さは、０．５ｍｓよりも小さく、前記第３期間における前記第１直流期間の長さの合計は、前記第２期間の長さよりも大きい構成としてもよい。

この構成によれば、駆動電力が所定電力値以上の場合、すなわち駆動電力が比較的大きい場合に、第３期間を含む駆動パターンを実行できる。これにより、第１電極および第２電極に加えられる熱負荷を過剰に大きくでき、突起を潰すことができる。したがって、成長し過ぎた突起を好適に短くでき、水銀ブリッジを抑制できる。

前記低周波期間は、第１交流期間と第２交流期間とを有し、前記第１交流期間において供給される交流電流の周波数と前記第２交流期間において供給される交流電流の周波数とは、互いに異なる構成としてもよい。

この構成によれば、第１電極および第２電極の突起を短くして水銀ブリッジを抑制しつつ、機械学習に基づく制御に戻った際に突起を成長させやすくできる。

前記所定の条件は、前記放電灯に供給される駆動電力の変化の割合が所定割合以上であることを含む構成としてもよい。

この構成によれば、駆動電力が急激に変化した場合に、ちらつきを好適に抑制できる所定の駆動パターンを実行できる。したがって、放電灯にちらつきが生じることを抑制でき、例えば放電灯がプロジェクターに搭載される場合、プロジェクターから投射される画像がちらつくことを抑制できる。その結果、使用者の快適性を向上できる。

前記制御部は、前記所定の条件が満たされない場合に、前記放電灯に周波数を有する交流電流が供給される第１期間と、前記放電灯に直流電流が供給される第２期間とが交互に繰り返される混合期間を含む第１駆動パターンが設けられるように前記放電灯駆動部を制御し、前記制御部は、前記駆動電力の変化の割合が前記所定割合以上である場合に、前記所定の駆動パターンとして前記第１駆動パターンと異なる第２駆動パターンを実行し、前記第２駆動パターンは、前記混合期間を含み、前記第２駆動パターンにおける前記第１期間の長さは、前記第１駆動パターンにおける前記第１期間の長さよりも大きく、前記第２駆動パターンにおける前記第１期間の周波数は、前記第１駆動パターンにおける前記第１期間の周波数よりも高い構成としてもよい。

この構成によれば、極性が一定に維持される時間を短くすることができアーク放電の輝点の位置を安定させつつ、第１電極および第２電極の一部のみを溶融・凝固させて成長させることができる。これにより、細長の小突起を迅速に形成することができる。小突起が形成されることで、アーク放電の輝点は小突起の先端位置に安定するため、アーク放電の輝点が移動することが抑制される。したがって、この構成によれば、駆動電力が急激に変化した場合に、ちらつきが生じることを抑制できる。

前記第２駆動パターンにおける前記第２期間の長さは、前記第１駆動パターンにおける前記第２期間の長さよりも小さい構成としてもよい。

この構成によれば、第１電極および第２電極に加えられる熱負荷を適度に小さくして、第１電極および第２電極における溶融する範囲を狭くできる。これにより、より迅速に小突起を形成しやすい。したがって、放電灯のちらつきをより好適に抑制できる。

前記第１駆動パターンおよび前記第２駆動パターンは、前記放電灯に直流電流が供給される第１直流期間、および前記第１直流期間において前記放電灯に供給される前記直流電流の極性と反対の極性を有する直流電流が前記放電灯に供給される第２直流期間を交互に含む第３期間を含み、前記第１直流期間の長さは、前記第２直流期間の長さよりも大きく、前記第２直流期間の長さは、０．５ｍｓよりも小さく、前記第３期間における前記第１直流期間の長さの合計は、前記第２期間の長さよりも大きく、前記第２駆動パターンにおける前記第３期間の長さは、前記第１駆動パターンにおける前記第３期間の長さよりも小さい構成としてもよい。

この構成によれば、第１電極および第２電極に加えられる熱負荷をより適度に小さくして、第１電極および第２電極における溶融する範囲を狭くできる。これにより、より迅速に小突起を形成しやすい。したがって、放電灯のちらつきをより好適に抑制できる。

前記放電灯の電極間電圧を検出する電圧検出部をさらに備え、前記制御部は、前記第２駆動パターンの実行時間の長さまたは前記電極間電圧に基づいて、前記第２駆動パターンから前記機械学習に基づく駆動パターンに切り換える構成としてもよい。

この構成によれば、第２駆動パターンを実行する時間が長くなることを抑制できる。これにより、機械学習が実行される時間の割合を大きくでき、放電灯の寿命をより向上できる。

前記制御部は、前記第２駆動パターンの実行を開始した後に前記電極間電圧が所定値以上低下した場合、前記第２駆動パターンから前記機械学習に基づく駆動パターンに切り換える構成としてもよい。

この構成によれば、電極間電圧が所定値以上低下した場合に、第２駆動パターンを終了しても、小突起が形成されているため、ちらつきを抑制できる。したがって、第２駆動パターンを実行する時間を短くして放電灯の寿命をより向上させつつ、ちらつきをより抑制しやすい。

前記所定の条件は、前記第２駆動パターンの実行入力を受け付ける入力部が前記第２駆動パターンの実行入力を受け付けたことを含み、前記制御部は、前記入力部が前記第２駆動パターンの実行入力を受け付けた場合に、実行中の前記駆動パターンから前記第２駆動パターンに切り換える構成としてもよい。

この構成によれば、例えば、放電灯がプロジェクターに搭載される場合において、プロジェクターを使用する使用者が投射される画像にちらつきを感じた場合に、入力部に所定の入力操作を行うことで、第２駆動パターンを実行することが可能である。これにより、使用者は、ちらつきが生じた場合に、入力部への入力を行うことで、ちらつきを解消あるいは低減することができる。したがって、使用者の利便性および快適性を向上できる。

前記所定の条件は、前記駆動パターンの切り換え入力を受け付ける入力部が前記駆動パターンの切り換え入力を受け付けたことを含み、前記制御部は、前記入力部が前記駆動パターンの切り換え入力を受け付けた場合に、実行中の前記駆動パターンから他の駆動パターンに切り換える構成としてもよい。

この構成によれば、例えば、放電灯がプロジェクターに搭載される場合において、プロジェクターを使用する使用者が投射される画像にちらつきを感じた場合に、入力部に所定の入力操作を行うことで、他の駆動パターンを実行することができる。これにより、使用者は、ちらつきが生じた場合に、入力部への入力を行うことで、ちらつきを生じる駆動パターンを強制的に切り換えることができ、ちらつきを解消あるいは低減しやすい。したがって、使用者の利便性および快適性を向上できる。

前記制御部は、前記入力部が受け付けた入力に基づく前記駆動パターンの切り換えから一定期間、切り換え直前に実行されていた駆動パターンを実行しない構成としてもよい。

切り換え直前に実行されていた駆動パターンは、ちらつきを生じていた駆動パターンである可能性が高い。そのため、この構成によれば、この駆動パターンを一定期間実行しないことで、ちらつきが生じることをより抑制できる。

前記所定の条件は、前記放電灯の１回の点灯時間が第１所定時間以下となる短点灯が所定回数連続して実行されたこと、および前記短点灯が所定の割合以上で実行されたことを含み、前記制御部は、前記所定の条件が満たされない場合、第１駆動パターンを実行し、前記制御部は、前記短点灯が所定回数連続して実行された場合、または前記短点灯が所定の割合以上で実行された場合、前記第１駆動パターンよりも前記第１電極および前記第２電極に加える熱負荷が大きい駆動パターンを第２所定時間実行する構成としてもよい。

この構成によれば、連続した短点灯によって変形した第１電極および第２電極の突起を比較的大きい熱負荷によって溶融させ、再成形することができる。これにより、突起の変形を解消しやすく、ちらつきが生じることを抑制できる。

本発明の光源装置の一つの態様は、光を射出する放電灯と、上記の放電灯駆動装置と、を備えることを特徴とする。

本発明の光源装置の一つの態様によれば、上記の放電灯駆動装置を備えるため、放電灯の寿命を向上でき、かつ、使用者の利便性および快適性を向上できる。

本発明のプロジェクターの一つの態様は、上記の光源装置と、前記光源装置から射出される光を画像信号に応じて変調する光変調装置と、前記光変調装置により変調された光を投射する投射光学系と、を備えることを特徴とする。

本発明のプロジェクターの一つの態様によれば、上記の光源装置を備えるため、放電灯の寿命を向上でき、かつ、使用者の利便性および快適性を向上できる。

本発明の放電灯駆動方法の一つの態様は、第１電極および第２電極を有する放電灯に駆動電流を供給して、前記放電灯を駆動する放電灯駆動方法であって、機械学習に基づいて、前記駆動電流の複数の駆動パターンのうちいずれかの駆動パターンを選択し、選択された前記駆動パターンを実行し、所定の条件が満たされた場合、前記機械学習に基づく前記駆動パターンを選択および実行せずに、前記複数の駆動パターンのうち所定の駆動パターンを実行することを特徴とする。

本発明の放電灯駆動方法の一つの態様によれば、上述したのと同様にして、放電灯の寿命を向上でき、かつ、使用者の利便性および快適性を向上できる。

本実施形態のプロジェクターを示す概略構成図である。 本実施形態における放電灯を示す図である。 本実施形態のプロジェクターの各種構成要素を示すブロック図である。 本実施形態の放電灯点灯装置の回路図である。 本実施形態の制御部の一構成例を示すブロック図である。 放電灯の電極先端の突起の様子を示す図である。 放電灯の電極先端の突起の様子を示す図である。 本実施形態の交流駆動において放電灯に供給される駆動電流波形の一例を示す図である。 本実施形態の直流駆動において放電灯に供給される駆動電流波形の一例を示す図である。 本実施形態の直流駆動において放電灯に供給される駆動電流波形の一例を示す図である。 本実施形態において放電灯に供給される駆動電流の機械学習駆動パターンの一例を示す図である。 本実施形態の初期学習期間における制御部の制御手順の一例を示すフローチャートである。 本実施形態の定常学習期間における制御部の制御手順の一例を示すフローチャートである。 本実施形態の片寄駆動において放電灯に供給される駆動電流波形の一例を示す図である。 本実施形態の片寄駆動において放電灯に供給される駆動電流波形の一例を示す図である。 本実施形態の跳上駆動において放電灯に供給される駆動電流波形の一例を示す図である。 本実施形態において放電灯に供給される駆動電流の第２電圧増加パターンの一例を示す模式図である。 本実施形態の機械学習制御と第１電圧増加制御および第２電圧増加制御との切り換えにおける制御部の制御手順の一例を示すフローチャートである。 本実施形態の機械学習制御とちらつき抑制制御との切り換えにおける制御部の制御手順の一例を示すフローチャートである。 本実施形態における駆動電力の変化と制御の切り換わりの一例を示すグラフである。 本実施形態の機械学習制御と高負荷駆動制御との切り換えにおける制御部の制御手順の一例を示すフローチャートである。 本実施形態の放電灯の点灯と消灯との実行および制御の切り換わりの一例を示すグラフである。

以下、図面を参照しながら、本発明の実施形態に係るプロジェクターについて説明する。
なお、本発明の範囲は、以下の実施の形態に限定されず、本発明の技術的思想の範囲内で任意に変更可能である。また、以下の図面においては、各構成をわかりやすくするために、実際の構造と各構造における縮尺や数等を異ならせる場合がある。

図１は、本実施形態のプロジェクター５００を示す概略構成図である。図１に示すように、本実施形態のプロジェクター５００は、光源装置２００と、平行化レンズ３０５と、照明光学系３１０と、色分離光学系３２０と、３つの液晶ライトバルブ（光変調装置）３３０Ｒ，３３０Ｇ，３３０Ｂと、クロスダイクロイックプリズム３４０と、投射光学系３５０と、を備えている。

光源装置２００から射出された光は、平行化レンズ３０５を通過して照明光学系３１０に入射する。平行化レンズ３０５は、光源装置２００からの光を平行化する。

照明光学系３１０は、光源装置２００から射出される光の照度を、液晶ライトバルブ３３０Ｒ，３３０Ｇ，３３０Ｂ上において均一化するように調整する。さらに、照明光学系３１０は、光源装置２００から射出される光の偏光方向を一方向に揃える。その理由は、光源装置２００から射出される光を液晶ライトバルブ３３０Ｒ，３３０Ｇ，３３０Ｂで有効に利用するためである。

照度分布と偏光方向とが調整された光は、色分離光学系３２０に入射する。色分離光学系３２０は、入射光を赤色光（Ｒ）、緑色光（Ｇ）、青色光（Ｂ）の３つの色光に分離する。３つの色光は、各色光に対応付けられた液晶ライトバルブ３３０Ｒ，３３０Ｇ，３３０Ｂにより、画像信号に応じてそれぞれ変調される。液晶ライトバルブ３３０Ｒ，３３０Ｇ，３３０Ｂは、後述する液晶パネル５６０Ｒ，５６０Ｇ，５６０Ｂと、偏光板（図示せず）と、を備えている。偏光板は、液晶パネル５６０Ｒ，５６０Ｇ，５６０Ｂのそれぞれの光入射側および光射出側に配置される。

変調された３つの色光は、クロスダイクロイックプリズム３４０により合成される。合成光は投射光学系３５０に入射する。投射光学系３５０は、入射光をスクリーン７００（図３参照）に投射する。これにより、スクリーン７００上に画像が表示される。なお、平行化レンズ３０５、照明光学系３１０、色分離光学系３２０、クロスダイクロイックプリズム３４０、投射光学系３５０の各々の構成としては、周知の構成を採用することができる。

図２は、光源装置２００の構成を示す断面図である。光源装置２００は、光源ユニット２１０と、放電灯点灯装置（放電灯駆動装置）１０と、を備えている。図２には、光源ユニット２１０の断面図が示されている。光源ユニット２１０は、主反射鏡１１２と、放電灯９０と、副反射鏡１１３と、を備えている。

放電灯点灯装置１０は、放電灯９０に駆動電流Ｉを供給して放電灯９０を点灯させる。主反射鏡１１２は、放電灯９０から放出された光を照射方向Ｄに向けて反射する。照射方向Ｄは、放電灯９０の光軸ＡＸと平行である。

放電灯９０の形状は、照射方向Ｄに沿って延びる棒状である。放電灯９０の一方の端部を第１端部９０ｅ１とし、放電灯９０の他方の端部を第２端部９０ｅ２とする。放電灯９０の材料は、例えば、石英ガラス等の透光性材料である。放電灯９０の中央部は球状に膨らんでおり、その内部は放電空間９１である。放電空間９１には、希ガス、金属ハロゲン化合物等を含む放電媒体であるガスが封入されている。

放電空間９１には、第１電極９２および第２電極９３の先端が突出している。第１電極９２は、放電空間９１の第１端部９０ｅ１側に配置されている。第２電極９３は、放電空間９１の第２端部９０ｅ２側に配置されている。第１電極９２および第２電極９３の形状は、光軸ＡＸに沿って延びる棒状である。放電空間９１には、第１電極９２および第２電極９３の電極先端部が、所定距離だけ離れて対向するように配置されている。第１電極９２および第２電極９３の材料は、例えば、タングステン等の金属である。

放電灯９０の第１端部９０ｅ１に、第１端子５３６が設けられている。第１端子５３６と第１電極９２とは、放電灯９０の内部を貫通する導電性部材５３４により電気的に接続されている。同様に、放電灯９０の第２端部９０ｅ２に、第２端子５４６が設けられている。第２端子５４６と第２電極９３とは、放電灯９０の内部を貫通する導電性部材５４４により電気的に接続されている。第１端子５３６および第２端子５４６の材料は、例えば、タングステン等の金属である。導電性部材５３４，５４４の材料としては、例えば、モリブデン箔が利用される。

第１端子５３６および第２端子５４６は、放電灯点灯装置１０に接続されている。放電灯点灯装置１０は、第１端子５３６および第２端子５４６に、放電灯９０を駆動するための駆動電流Ｉを供給する。その結果、第１電極９２および第２電極９３の間でアーク放電が起きる。アーク放電により発生した光（放電光）は、破線の矢印で示すように、放電位置から全方向に向かって放射される。

主反射鏡１１２は、固定部材１１４により、放電灯９０の第１端部９０ｅ１に固定されている。主反射鏡１１２は、放電光のうち、照射方向Ｄと反対側に向かって進む光を照射方向Ｄに向かって反射する。主反射鏡１１２の反射面（放電灯９０側の面）の形状は、放電光を照射方向Ｄに向かって反射できる範囲内において、特に限定されず、例えば、回転楕円形状であっても、回転放物線形状であってもよい。例えば、主反射鏡１１２の反射面の形状を回転放物線形状とした場合、主反射鏡１１２は、放電光を光軸ＡＸに略平行な光に変換することができる。これにより、平行化レンズ３０５を省略することができる。

副反射鏡１１３は、固定部材５２２により、放電灯９０の第２端部９０ｅ２側に固定されている。副反射鏡１１３の反射面（放電灯９０側の面）の形状は、放電空間９１の第２端部９０ｅ２側の部分を囲む球面形状である。副反射鏡１１３は、放電光のうち、主反射鏡１１２が配置された側と反対側に向かって進む光を主反射鏡１１２に向かって反射する。これにより、放電空間９１から放射される光の利用効率を高めることができる。

固定部材１１４，５２２の材料は、放電灯９０からの発熱に耐え得る耐熱材料である範囲内において、特に限定されず、例えば、無機接着剤である。主反射鏡１１２および副反射鏡１１３と放電灯９０との配置を固定する方法としては、主反射鏡１１２および副反射鏡１１３を放電灯９０に固定する方法に限らず、任意の方法を採用できる。例えば、放電灯９０と主反射鏡１１２とを、独立にプロジェクター５００の筐体（図示せず）に固定してもよい。副反射鏡１１３についても同様である。

以下、プロジェクター５００の回路構成について説明する。
図３は、本実施形態のプロジェクター５００の回路構成の一例を示す図である。プロジェクター５００は、図１に示した光学系の他、画像信号変換部５１０と、直流電源装置８０と、液晶パネル５６０Ｒ，５６０Ｇ，５６０Ｂと、画像処理装置５７０と、ＣＰＵ（Central Processing Unit）５８０と、を備えている。

画像信号変換部５１０は、外部から入力された画像信号５０２（輝度−色差信号やアナログＲＧＢ信号など）を所定のワード長のデジタルＲＧＢ信号に変換して画像信号５１２Ｒ，５１２Ｇ，５１２Ｂを生成し、画像処理装置５７０に供給する。

画像処理装置５７０は、３つの画像信号５１２Ｒ，５１２Ｇ，５１２Ｂに対してそれぞれ画像処理を行う。画像処理装置５７０は、液晶パネル５６０Ｒ，５６０Ｇ，５６０Ｂをそれぞれ駆動するための駆動信号５７２Ｒ，５７２Ｇ，５７２Ｂを液晶パネル５６０Ｒ，５６０Ｇ，５６０Ｂに供給する。

直流電源装置８０は、外部の交流電源６００から供給される交流電圧を一定の直流電圧に変換する。直流電源装置８０は、トランス（図示しないが、直流電源装置８０に含まれる）の２次側にある画像信号変換部５１０、画像処理装置５７０およびトランスの１次側にある放電灯点灯装置１０に直流電圧を供給する。

放電灯点灯装置１０は、起動時に放電灯９０の電極間に高電圧を発生し、絶縁破壊を生じさせて放電路を形成する。以後、放電灯点灯装置１０は、放電灯９０が放電を維持するための駆動電流Ｉを供給する。

液晶パネル５６０Ｒ，５６０Ｇ，５６０Ｂは、前述した液晶ライトバルブ３３０Ｒ，３３０Ｇ，３３０Ｂにそれぞれ備えられている。液晶パネル５６０Ｒ，５６０Ｇ，５６０Ｂは、それぞれ駆動信号５７２Ｒ，５７２Ｇ，５７２Ｂに基づいて、前述した光学系を介して各液晶パネル５６０Ｒ，５６０Ｇ，５６０Ｂに入射される色光の透過率（輝度）を変調する。

ＣＰＵ５８０は、プロジェクター５００の点灯開始から消灯に至るまでの各種の動作を制御する。例えば、図３の例では、通信信号５８２を介して点灯命令や消灯命令を放電灯点灯装置１０に出力する。ＣＰＵ５８０は、放電灯点灯装置１０から通信信号５８４を介して放電灯９０の点灯情報を受け取る。

以下、放電灯点灯装置１０の構成について説明する。
図４は、放電灯点灯装置１０の回路構成の一例を示す図である。
放電灯点灯装置１０は、図４に示すように、電力制御回路２０と、極性反転回路３０と、制御部４０と、動作検出部６０と、イグナイター回路７０と、を備えている。

電力制御回路２０は、放電灯９０に供給する駆動電力Ｗｄを生成する。本実施形態においては、電力制御回路２０は、直流電源装置８０からの電圧を入力とし、入力電圧を降圧して直流電流Ｉｄを出力するダウンチョッパー回路で構成されている。

電力制御回路２０は、スイッチ素子２１、ダイオード２２、コイル２３およびコンデンサー２４を含んで構成される。スイッチ素子２１は、例えば、トランジスターで構成される。本実施形態においては、スイッチ素子２１の一端は直流電源装置８０の正電圧側に接続され、他端はダイオード２２のカソード端子およびコイル２３の一端に接続されている。

コイル２３の他端にコンデンサー２４の一端が接続され、コンデンサー２４の他端はダイオード２２のアノード端子および直流電源装置８０の負電圧側に接続されている。スイッチ素子２１の制御端子には、後述する制御部４０から電流制御信号が入力されてスイッチ素子２１のＯＮ／ＯＦＦが制御される。電流制御信号には、例えば、ＰＷＭ（Pulse Width Modulation）制御信号が用いられてもよい。

スイッチ素子２１がＯＮすると、コイル２３に電流が流れ、コイル２３にエネルギーが蓄えられる。その後、スイッチ素子２１がＯＦＦすると、コイル２３に蓄えられたエネルギーがコンデンサー２４とダイオード２２とを通る経路で放出される。その結果、スイッチ素子２１がＯＮする時間の割合に応じた直流電流Ｉｄが発生する。

極性反転回路３０は、電力制御回路２０から入力される直流電流Ｉｄを所定のタイミングで極性反転させる。これにより、極性反転回路３０は、制御された時間だけ継続する直流である駆動電流Ｉ、もしくは、任意の周波数を持つ交流である駆動電流Ｉを生成し、出力する。本実施形態において、極性反転回路３０は、インバーターブリッジ回路（フルブリッジ回路）で構成されている。

極性反転回路３０は、例えば、トランジスターなどで構成される第１のスイッチ素子３１、第２のスイッチ素子３２、第３のスイッチ素子３３、および第４のスイッチ素子３４を含んでいる。極性反転回路３０は、直列接続された第１のスイッチ素子３１および第２のスイッチ素子３２と、直列接続された第３のスイッチ素子３３および第４のスイッチ素子３４と、が互いに並列接続された構成を有する。第１のスイッチ素子３１、第２のスイッチ素子３２、第３のスイッチ素子３３、および第４のスイッチ素子３４の制御端子には、それぞれ制御部４０から極性反転制御信号が入力される。この極性反転制御信号に基づいて、第１のスイッチ素子３１、第２のスイッチ素子３２、第３のスイッチ素子３３および第４のスイッチ素子３４のＯＮ／ＯＦＦ動作が制御される。

極性反転回路３０においては、第１のスイッチ素子３１および第４のスイッチ素子３４と、第２のスイッチ素子３２および第３のスイッチ素子３３と、を交互にＯＮ／ＯＦＦさせる動作が繰り返される。これにより、電力制御回路２０から出力される直流電流Ｉｄの極性が交互に反転する。極性反転回路３０は、第１のスイッチ素子３１と第２のスイッチ素子３２との共通接続点、および第３のスイッチ素子３３と第４のスイッチ素子３４との共通接続点から、制御された時間だけ同一極性状態を継続する直流である駆動電流Ｉ、もしくは制御された周波数をもつ交流である駆動電流Ｉを生成し、出力する。

すなわち、極性反転回路３０は、第１のスイッチ素子３１および第４のスイッチ素子３４がＯＮのときには第２のスイッチ素子３２および第３のスイッチ素子３３がＯＦＦであり、第１のスイッチ素子３１および第４のスイッチ素子３４がＯＦＦのときには第２のスイッチ素子３２および第３のスイッチ素子３３がＯＮであるように制御される。したがって、第１のスイッチ素子３１および第４のスイッチ素子３４がＯＮのときには、コンデンサー２４の一端から第１のスイッチ素子３１、放電灯９０、第４のスイッチ素子３４の順に流れる駆動電流Ｉが発生する。第２のスイッチ素子３２および第３のスイッチ素子３３がＯＮのときには、コンデンサー２４の一端から第３のスイッチ素子３３、放電灯９０、第２のスイッチ素子３２の順に流れる駆動電流Ｉが発生する。

本実施形態において、電力制御回路２０と極性反転回路３０とを合わせた部分が放電灯駆動部２３０に対応する。すなわち、放電灯駆動部２３０は、放電灯９０を駆動する駆動電流Ｉを放電灯９０に供給する。

制御部４０は、放電灯駆動部２３０を制御する。図４の例では、制御部４０は、電力制御回路２０および極性反転回路３０を制御することにより、駆動電流Ｉが同一極性を継続する保持時間、駆動電流Ｉの電流値（駆動電力Ｗｄの電力値）、周波数等のパラメーターを制御する。制御部４０は、極性反転回路３０に対して、駆動電流Ｉの極性反転タイミングにより、駆動電流Ｉが同一極性で継続する保持時間、駆動電流Ｉの周波数等を制御する極性反転制御を行う。制御部４０は、電力制御回路２０に対して、出力される直流電流Ｉｄの電流値を制御する電流制御を行う。

本実施形態において制御部４０は、例えば、交流駆動と、直流駆動と、を実行可能である。交流駆動は、放電灯９０に交流電流が供給される駆動である。直流駆動は、放電灯９０に直流電流が供給される駆動である。各放電灯駆動によって放電灯９０に供給される駆動電流Ｉの駆動電流波形については、後段において詳述する。

制御部４０の構成は、特に限定されない。本実施形態においては、制御部４０は、システムコントローラー４１、電力制御回路コントローラー４２、および極性反転回路コントローラー４３を含んで構成されている。なお、制御部４０は、その一部または全てを半導体集積回路で構成してもよい。

システムコントローラー４１は、電力制御回路コントローラー４２および極性反転回路コントローラー４３を制御することにより、電力制御回路２０および極性反転回路３０を制御する。システムコントローラー４１は、動作検出部６０が検出したランプ電圧（電極間電圧）Ｖｌａおよび駆動電流Ｉに基づき、電力制御回路コントローラー４２および極性反転回路コントローラー４３を制御してもよい。

本実施形態においては、システムコントローラー４１には、記憶部４４が接続されている。
システムコントローラー４１は、記憶部４４に格納された情報に基づき、電力制御回路２０および極性反転回路３０を制御してもよい。記憶部４４には、駆動電流Ｉの複数の駆動パターンＤＷが格納されている。より具体的には、記憶部４４には、例えば、各駆動パターンＤＷを構成する各駆動に関する、駆動が実行される時間の長さ、駆動電流Ｉの電流値、周波数、周期数、極性、波形、変調パターン等の駆動パラメーターに関する情報が格納されている。駆動電流Ｉの各駆動パターンＤＷは、上述した交流駆動と直流駆動とのうち少なくとも一方を含んでいる。駆動パターンＤＷの詳細については、後段において詳述する。

電力制御回路コントローラー４２は、システムコントローラー４１からの制御信号に基づき、電力制御回路２０へ電流制御信号を出力することにより、電力制御回路２０を制御する。

極性反転回路コントローラー４３は、システムコントローラー４１からの制御信号に基づき、極性反転回路３０へ極性反転制御信号を出力することにより、極性反転回路３０を制御する。

制御部４０は、機械学習に基づいて放電灯駆動部２３０を制御する機械学習制御ＭＬＣと、機械学習によらず、定められた所定の駆動パターンＤＷに基づいて放電灯駆動部２３０を制御する非機械学習制御ＮＭＬＣと、を実行可能である。すなわち、制御部４０は、機械学習を行う。制御部４０は、機械学習に基づいて、記憶部４４に格納された複数の駆動パターンＤＷのうちいずれか１つの駆動パターンＤＷを選択し、選択された駆動パターンＤＷを実行する。機械学習の詳細については、後段において詳述する。本実施形態において非機械学習制御ＮＭＬＣは、第１電圧増加制御ＶＩＣ１および第２電圧増加制御ＶＩＣ２と、ちらつき抑制制御ＦＲＣと、高負荷駆動制御ＨＬＣと、強制入力制御ＣＩＣと、を含む。各制御についての詳細は、後段において詳述する。

制御部４０は、専用回路を用いて実現され、上述した制御や後述する処理の各種制御を行うようにすることができる。これに対して、制御部４０は、例えば、ＣＰＵが記憶部４４に記憶された制御プログラムを実行することによりコンピューターとして機能し、これらの処理の各種制御を行うようにすることもできる。

図５は、制御部４０の他の構成例について説明するための図である。図５に示すように、制御部４０は、制御プログラムにより、電力制御回路２０を制御する電流制御手段４０−１、極性反転回路３０を制御する極性反転制御手段４０−２として機能するように構成されてもよい。

図４に示した例では、制御部４０は、放電灯点灯装置１０の一部として構成されている。これに対して、制御部４０の機能の一部をＣＰＵ５８０が担うように構成されていてもよい。

動作検出部６０は、本実施形態においては、放電灯９０のランプ電圧Ｖｌａを検出して制御部４０にランプ電圧情報を出力する電圧検出部を含む。また、動作検出部６０は、駆動電流Ｉを検出して制御部４０に駆動電流情報を出力する電流検出部などを含んでいてもよい。本実施形態においては、動作検出部６０は、第１の抵抗６１、第２の抵抗６２および第３の抵抗６３を含んで構成されている。

本実施形態において、動作検出部６０の電圧検出部は、放電灯９０と並列に、互いに直列接続された第１の抵抗６１および第２の抵抗６２で分圧した電圧によりランプ電圧Ｖｌａを検出する。また、本実施形態において、電流検出部は、放電灯９０に直列に接続された第３の抵抗６３に発生する電圧により駆動電流Ｉを検出する。

イグナイター回路７０は、放電灯９０の点灯開始時にのみ動作する。イグナイター回路７０は、放電灯９０の点灯開始時に放電灯９０の電極間（第１電極９２と第２電極９３との間）を絶縁破壊して放電路を形成するために必要な高電圧（放電灯９０の通常点灯時よりも高い電圧）を、放電灯９０の電極間（第１電極９２と第２電極９３との間）に供給する。本実施形態においては、イグナイター回路７０は、放電灯９０と並列に接続されている。

図６Ａおよび図６Ｂには、第１電極９２および第２電極９３の先端部分が示されている。第１電極９２および第２電極９３の先端にはそれぞれ突起５５２ｐ，５６２ｐが形成されている。図６Ａは、第１電極９２が陽極として動作し、第２電極９３が陰極として動作する第１極性状態を示している。第１極性状態では、放電により、第２電極９３（陰極）から第１電極９２（陽極）へ電子が移動する。陰極（第２電極９３）からは電子が放出される。陰極（第２電極９３）から放出された電子は陽極（第１電極９２）の先端に衝突する。この衝突によって熱が生じ、陽極（第１電極９２）の先端（突起５５２ｐ）の温度が上昇する。

図６Ｂは、第１電極９２が陰極として動作し、第２電極９３が陽極として動作する第２極性状態を示している。第２極性状態では、第１極性状態とは逆に、第１電極９２から第２電極９３へ電子が移動する。その結果、第２電極９３の先端（突起５６２ｐ）の温度が上昇する。

このように、放電灯９０に駆動電流Ｉが供給されることで、電子が衝突する陽極の温度は上昇する。一方、電子を放出する陰極は、陽極に向けて電子を放出している間、温度は低下する。

第１電極９２と第２電極９３との電極間距離は、突起５５２ｐ，５６２ｐの劣化とともに大きくなる。突起５５２ｐ，５６２ｐが損耗するためである。電極間距離が大きくなると、第１電極９２と第２電極９３との間の抵抗が大きくなるため、ランプ電圧Ｖｌａが大きくなる。したがって、ランプ電圧Ｖｌａを参照することによって、電極間距離の変化、すなわち、放電灯９０の劣化度合いを検出することができる。

なお、第１電極９２と第２電極９３とは、同様の構成であるため、以下の説明においては、代表して第１電極９２についてのみ説明する場合がある。また、第１電極９２の先端の突起５５２ｐと第２電極９３の先端の突起５６２ｐとは、同様の構成であるため、以下の説明においては、代表して突起５５２ｐについてのみ説明する場合がある。

図１に示す入力部４５は、使用者による所定の入力を受け付ける部分である。入力部４５は、例えば、プロジェクター５００の電源のＯＮ／ＯＦＦ、点灯モードの変更等の使用者による入力を受け付ける。本実施形態において入力部４５は、放電灯点灯装置１０の制御部４０に接続されている。使用者から入力を受け付けた場合、入力部４５は、制御部４０に、入力に応じた信号を出力する。入力部４５が受け付ける入力については、後段において詳述する。

入力部４５が入力を受け付ける方法は、特に限定されない。入力部４５は、例えば、プロジェクター５００の筐体に取り付けられた各種ボタンが押されること、または、プロジェクター５００の筐体に取り付けられたディスプレイ上に表示されるメニューが操作されることによって入力を受け付けてもよいし、プロジェクター５００のリモートコントローラーから送られる信号によって入力を受け付けてもよい。さらには、入力部４５は、例えば、プロジェクター５００に有線または無線で接続されるＰＣ（Personal Computer）、携帯電話、タブレット等の図示しない電子端末における操作によって入力を受け付けてもよい。

以下、本実施形態の制御部４０による放電灯駆動部２３０の制御について説明する。本実施形態において制御部４０は、交流駆動および直流駆動うち少なくとも１つの駆動によって放電灯駆動部２３０を制御する。

まず、本実施形態の制御部４０による機械学習制御ＭＬＣについて説明する。機械学習制御ＭＬＣは、後述する所定の条件がいずれも満たされない場合に実行される。機械学習制御ＭＬＣにおいては、複数の駆動パターンＤＷのうち機械学習駆動パターン（第１駆動パターン）ＤＷ１が実行される。すなわち、制御部４０は、所定の条件が満たされない場合、機械学習駆動パターンＤＷ１を実行する。機械学習駆動パターンＤＷ１は、複数設けられている。各機械学習駆動パターンＤＷ１は、駆動パターンＤＷを構成する各駆動における駆動パラメーターのうち少なくとも１つが互いに異なる同様の駆動電流波形を有する。

以下、各駆動について説明する。図７は、交流駆動において放電灯９０に供給される駆動電流波形の一例を示す図である。図８Ａおよび図８Ｂは、直流駆動において放電灯９０に供給される駆動電流波形の一例を示す図である。図７、図８Ａおよび図８Ｂにおいて、縦軸は駆動電流Ｉを示しており、横軸は時間Ｔを示している。駆動電流Ｉは、第１極性状態である場合を正とし、第２極性状態となる場合を負として示している。

図７に示す交流駆動において放電灯９０に供給される駆動電流Ｉは、例えば、電流値Ｉｍと電流値−Ｉｍとの間で極性が複数回反転される矩形波交流電流である。図７に示す交流電流において、周期Ｃ１の長さは、一定である。図７に示す交流電流のデューティー比は、０．５（５０％）である。

図８Ａに示す直流駆動において放電灯９０に供給される駆動電流Ｉは、一定の電流値Ｉｍを有する第１極性の直流電流である。図８Ｂに示す直流駆動において放電灯９０に供給される駆動電流Ｉは、一定の電流値−Ｉｍを有する第２極性の直流電流である。

図９は、本実施形態において、放電灯９０に供給される駆動電流Ｉの機械学習駆動パターンＤＷ１の一例を示す図である。図９において縦軸は駆動電流Ｉを示しており、横軸は時間Ｔを示している。

図９に示される機械学習駆動パターンＤＷ１は、交流駆動および直流駆動から構成される。より具体的には、図９の機械学習駆動パターンＤＷ１は、第１交流駆動ＡＣ１、第１直流駆動ＤＣ１、第２交流駆動ＡＣ２、および第２直流駆動ＤＣ２から構成される。第１交流駆動ＡＣ１が実行される期間、および第２交流駆動ＡＣ２が実行される期間は、交流電流が放電灯９０に供給される第１期間である。第１直流駆動ＤＣ１が実行される期間、および第２直流駆動ＤＣ２が実行される期間は、直流電流が放電灯９０に供給される第２期間である。すなわち、図９の機械学習駆動パターンＤＷ１は、第１期間と第２期間とが交互に繰り返される混合期間を有する。

このように、制御部４０は、後述する所定の条件が満たされない場合に、混合期間が設けられるように放電灯駆動部２３０を制御する。換言すると、制御部４０は、後述する所定の条件が満たされない場合に、混合期間を含む機械学習駆動パターン（第１駆動パターン）ＤＷ１が設けられるように放電灯駆動部２３０を制御する。混合期間における第１期間の数と第２期間の数とは、特に限定されない。

そして、この機械学習駆動パターンＤＷ１は、各交流駆動および各直流駆動に関して複数の駆動パラメーターを有する。例えば、第１交流駆動ＡＣ１は、駆動パラメーターとして、交流駆動の実行時間の長さｔａ１および交流電流の第１周波数ｆ１を有する。第１直流駆動ＤＣ１は、駆動パラメーターとして、直流駆動の実行時間の長さｔｄ１および第１極性を有する。第２交流駆動ＡＣ２は、駆動パラメーターとして、交流駆動の実行時間の長さｔａ２および交流電流の第２周波数ｆ２を有する。第２直流駆動ＤＣ２は、駆動パラメーターとして、直流駆動の実行時間の長さｔｄ２および第２極性を有する。

なお、図９の機械学習駆動パターンＤＷ１の場合、第１交流駆動ＡＣ１の実行時間の長さｔａ１および第２交流駆動ＡＣ２の実行時間の長さｔａ２は、同じとしており、また、第１交流駆動ＡＣ１の実行時間の長さｔａ１および第２交流駆動ＡＣ２の実行時間の長さｔａ２も、同じとしている。さらに、図９の機械学習駆動パターンＤＷ１の場合、第１交流駆動ＡＣ１における交流電流の第１周波数ｆ１および第２交流駆動ＡＣ２における交流電流の第２周波数ｆ２は、同じとしている。

第１周波数ｆ１および第２周波数ｆ２は、例えば、１００Ｈｚ以上、１ｋＨｚ以下である。第１交流駆動ＡＣ１の実行時間の長さｔａ１および第２交流駆動ＡＣ２の実行時間の長さｔａ２は、例えば、１０ｍｓ（ミリ秒）以上、１０ｓ（秒）以下である。第１直流駆動ＤＣ１の実行時間の長さｔｄ１および第２直流駆動ＤＣ２の実行時間の長さｔｄ２は、例えば、１０ｍｓ（ミリ秒）以上、４０ｍｓ（ミリ秒）以下である。

複数の機械学習駆動パターンＤＷ１は、例えば、上記各駆動における各駆動パラメーターの数値範囲のうちから選択された複数の数値が適宜組み合わされて構成される。例えば、組み合わせとして用いる各駆動における駆動パラメーターの種類の合計は、２種類以上、６種類以下が好ましく、駆動パラメーターの種類ごとに用意する数値は、２つ以上、６つ以下が好ましい。これらを組み合わせて複数の機械学習駆動パターンＤＷ１を構成することで、好ましい数の機械学習駆動パターンＤＷ１が得られる。

例えば、前述の図９に示される機械学習駆動パターンＤＷ１で説明された駆動パラメーターは、交流駆動の実行時間の長さ、交流駆動における交流電流の周波数、直流駆動の実行時間の長さ、および直流駆動の極性であり、この場合、各駆動における駆動パラメーターの種類の合計は、４種類である。

複数の機械学習駆動パターンＤＷ１は、上述した複数の駆動パラメーターのうちの少なくとも１つの駆動パラメーターの値が互いに異なる。機械学習駆動パターンＤＷ１の数は、例えば、３パターン以上、１５０パターン以下である。好ましくは、機械学習駆動パターンＤＷ１の数は、１０パターン以上、１００パターン以下である。より好ましくは、機械学習駆動パターンＤＷ１数は、２０パターン以上、３０パターン以下である。このように機械学習駆動パターンＤＷ１の数を設定することで、放電灯９０の寿命をより向上できる。

次に、本実施形態の制御部４０による各駆動パターンＤＷの切り換えについて説明する。制御部４０は、機械学習に基づいて、機械学習駆動パターンＤＷ１を切り換える。本実施形態において制御部４０は、ランプ電圧Ｖｌａの変化に基づいて機械学習駆動パターンＤＷ１の評価を行い、この機械学習駆動パターンＤＷ１の評価に基づいて、機械学習駆動パターンＤＷ１の選択を行う。

本実施形態においては、複数の機械学習駆動パターンＤＷ１の初期評価が行われる初期学習期間と、初期学習期間の後に設けられる定常学習期間と、が設けられる。図１０は、初期学習期間における制御部４０の制御手順の一例を示すフローチャートである。なお、以下の説明においては、機械学習駆動パターンＤＷ１は、Ｎ個設けられ、各機械学習駆動パターンＤＷ１には、それぞれ１番〜Ｎ番までの番号が振られているとする。

図１０に示すように、制御部４０は、初期学習期間を開始した（ステップＳ１１）後、１番〜Ｎ番までの機械学習駆動パターンＤＷ１のうちから、初期学習期間において選択していない機械学習駆動パターンＤＷ１を選択する（ステップＳ１２）。制御部４０は、例えば、選択していない機械学習駆動パターンＤＷ１をランダムで選択する。初期学習期間を開始した直後においては、いずれの機械学習駆動パターンＤＷ１も選択していないため、制御部４０は、１番〜Ｎ番までの機械学習駆動パターンＤＷ１のうちから１つの機械学習駆動パターンＤＷ１を選択する。次に、動作検出部６０の電圧検出部は、放電灯９０のランプ電圧Ｖｌａ１を検出し（ステップＳ１３）、制御部４０は、検出されたランプ電圧Ｖｌａ１を記憶部４４に記憶する。そして、制御部４０は、選択された機械学習駆動パターンＤＷ１を実行する（ステップＳ１４）。

機械学習駆動パターンＤＷ１の実行を開始した後、制御部４０は、現在選択されている機械学習駆動パターンＤＷ１の実行が開始されてから初期学習時間が経過したか否かを判断する（ステップＳ１５）。初期学習時間の長さは、例えば、１０ｍｉｎ（分）以上、１２０ｍｉｎ（分）以下である。現在選択されている機械学習駆動パターンＤＷ１の実行が開始されてから初期学習時間が経過していない場合（ステップＳ１５：ＮＯ）、制御部４０は、現在選択されている機械学習駆動パターンＤＷ１を実行し続ける。

一方、現在選択されている機械学習駆動パターンＤＷ１の実行が開始されてから初期学習時間が経過した場合（ステップＳ１５：ＹＥＳ）、動作検出部６０の電圧検出部は、放電灯９０のランプ電圧Ｖｌａ２を検出し（ステップＳ１６）、制御部４０は、検出されたランプ電圧Ｖｌａ２を記憶部４４に記憶する。そして、制御部４０は、現在選択されている機械学習駆動パターンＤＷ１を評価する（ステップＳ１７）。

本実施形態において機械学習駆動パターンＤＷ１の評価は、ランプ電圧Ｖｌａの変化に基づいて行われる。具体的には、制御部４０は、選択された機械学習駆動パターンＤＷ１を初期学習時間実行した後のランプ電圧Ｖｌａ２の値と、選択された機械学習駆動パターンＤＷ１を実行する前のランプ電圧Ｖｌａ１に対する、機械学習駆動パターンＤＷ１を初期学習時間実行した後のランプ電圧Ｖｌａ２の差と、に基づいて、機械学習駆動パターンＤＷ１を評価する。以下の説明においては、機械学習駆動パターンＤＷ１を実行する前のランプ電圧Ｖｌａ１に対する、機械学習駆動パターンＤＷ１を初期学習時間実行した後のランプ電圧Ｖｌａ２の差を、第１変動電圧値と呼ぶ。

ここで、ランプ電圧Ｖｌａには、目標数値範囲が設定されている。制御部４０は、可能な限りランプ電圧Ｖｌａを目標数値範囲に維持できるように、各機械学習駆動パターンＤＷ１の選択・実行を行う。目標数値範囲は、例えば、放電灯９０に供給される駆動電力Ｗｄの値に応じて決められる。目標数値範囲の数値は、駆動電力Ｗｄが定格電力よりも低い場合、駆動電力Ｗｄが定格電力である場合に比べて、小さい。駆動電力Ｗｄが定格電力（例えば、２１５Ｗ）の場合、目標数値範囲は、例えば、６０Ｖ以上、６５Ｖ未満である。駆動電力Ｗｄが定格電力よりも低い（例えば、１４０Ｗ）場合、目標数値範囲は、例えば、５３Ｖ以上、５９Ｖ未満である。このように目標数値範囲を設定することで、駆動電力Ｗｄに応じて好適にランプ電圧Ｖｌａを維持しやすく、放電灯９０の寿命を向上できる。

機械学習駆動パターンＤＷ１の評価が比較的高くなる場合は、例えば、１つの機械学習駆動パターンＤＷ１を実行したことでランプ電圧Ｖｌａ（１つの機械学習駆動パターンＤＷ１が初期学習時間実行された後のランプ電圧Ｖｌａ２）が目標数値範囲内となった場合、１つの機械学習駆動パターンＤＷ１を実行したことでランプ電圧Ｖｌａが目標数値範囲に近づいた場合、および１つの機械学習駆動パターンＤＷ１を実行する前後でランプ電圧Ｖｌａを目標数値範囲内に維持できた場合等である。また、機械学習駆動パターンＤＷ１の評価が比較的低い場合は、例えば、１つの機械学習駆動パターンＤＷ１を実行したことでランプ電圧Ｖｌａが目標数値範囲から外れた場合、および１つの機械学習駆動パターンＤＷ１を実行したことでランプ電圧Ｖｌａが目標数値範囲から遠ざかった場合等である。

一例として、１つの機械学習駆動パターンＤＷ１を初期学習時間実行した後のランプ電圧Ｖｌａ２が目標数値範囲よりも大きい場合、かつ、第１変動電圧値が負の値である場合、選択された１つの機械学習駆動パターンＤＷ１の評価は比較的高い。また、１つの機械学習駆動パターンＤＷ１を初期学習時間実行した後のランプ電圧Ｖｌａ２が目標数値範囲よりも大きい場合、かつ、第１変動電圧値が正の値である場合、選択された１つの機械学習駆動パターンＤＷ１の評価は比較的低い。一方、１つの機械学習駆動パターンＤＷ１を初期学習時間実行した後のランプ電圧Ｖｌａ２が目標数値範囲よりも小さい場合、かつ、第１変動電圧値が負の値である場合、選択された１つの機械学習駆動パターンＤＷ１の評価は比較的低い。また、１つの機械学習駆動パターンＤＷ１を初期学習時間実行した後のランプ電圧Ｖｌａ２が目標数値範囲よりも小さい場合、かつ、第１変動電圧値が正の値である場合、選択された１つの機械学習駆動パターンＤＷ１の評価は比較的高い。さらに、１つの機械学習駆動パターンＤＷ１を初期学習時間実行した後のランプ電圧Ｖｌａ２が目標数値範囲内である場合には、第１変動電圧値の絶対値が小さいほど、選択された１つの機械学習駆動パターンＤＷ１の評価は比較的高く、一方で、第１変動電圧値の絶対値が大きいほど、選択された１つの機械学習駆動パターンＤＷ１の評価は比較的低い。

なお、第１変動電圧値が負の値であるとは、１つの機械学習駆動パターンＤＷ１を初期学習時間実行したことでランプ電圧Ｖｌａが低下したことを意味する。第１変動電圧値が正の値であるとは、１つの機械学習駆動パターンＤＷ１を初期学習時間実行したことでランプ電圧Ｖｌａが上昇したことを意味する。

選択されている機械学習駆動パターンＤＷ１を評価した後、制御部４０は、初期学習期間において１番〜Ｎ番までの機械学習駆動パターンＤＷ１を全て実行したか否かを判断する（ステップＳ１８）。１番〜Ｎ番までの機械学習駆動パターンＤＷ１のうちで初期学習期間において実行していない機械学習駆動パターンＤＷ１がある場合（ステップＳ１８：ＮＯ）、制御部４０は、別の機械学習駆動パターンＤＷ１を選択して実行し、評価する（ステップＳ１２〜Ｓ１７）。一方で、初期学習期間において１番〜Ｎ番までのＮパターンの機械学習駆動パターンＤＷ１を全て実行した場合（ステップＳ１８：ＹＥＳ）、制御部４０は、初期学習期間を終了して、定常学習期間に移行する（ステップＳ１９）。初期学習期間の長さは、例えば、１０ｈ（時間）未満である。

本実施形態において、選択された機械学習駆動パターンＤＷ１を実行する前のランプ電圧Ｖｌａ１として、ステップＳ１２において複数の機械学習駆動パターンＤＷ１のうちから選択していない機械学習駆動パターンＤＷ１を選択した後に、動作検出部６０の電圧検出部によって放電灯９０のランプ電圧Ｖｌａを検出することとしたが、これに限られない。選択されたＸ番目の機械学習駆動パターンＤＷ１を実行する前のランプ電圧Ｖｌａ１は、例えば、選択されたＸ番目の機械学習駆動パターンＤＷ１の１つ前に選択された（Ｘ−１）番目の機械学習駆動パターンＤＷ１が初期学習時間実行された後に検出されたランプ電圧Ｖｌａ２としてもよい。このように制御することで、ステップＳ１３におけるランプ電圧Ｖｌａ１の検出が不要となり、初期評価の処理をより簡略化できる。

図１１は、定常学習期間における制御部４０の制御手順の一例を示すフローチャートである。図１１では、定常学習期間における１サイクルを示している。定常学習期間において制御部４０は、図１１に示すような１サイクルを繰り返し実行する。図１１に示すように、制御部４０は、定常学習期間を開始した（ステップＳ２１）後、１番〜Ｎ番までの機械学習駆動パターンＤＷ１の中から、定常学習期間において選択されていない機械学習駆動パターンＤＷ１と比較的評価の高い機械学習駆動パターンＤＷ１とのうち一方の機械学習駆動パターンＤＷ１を選択する（ステップＳ２２〜Ｓ２４）。なお、制御部４０は、例えば、１番〜Ｎ番までの機械学習駆動パターンＤＷ１の中から機械学習駆動パターンＤＷ１をランダムで選択する。

より具体的には、例えば、制御部４０は、１番〜Ｎ番までの機械学習駆動パターンＤＷ１の中から、定常学習期間において選択されていない機械学習駆動パターンＤＷ１と比較的評価の高い機械学習駆動パターンＤＷ１とのうち前者（定常学習期間において選択されていない機械学習駆動パターンＤＷ１）を選択するか否かを判断し（ステップＳ２２）、比較的評価の高い機械学習駆動パターンＤＷ１を選択する場合（ステップＳ２２：ＮＯ）、１番〜Ｎ番までの機械学習駆動パターンＤＷ１の中から比較的評価の高い機械学習駆動パターンＤＷ１を選択する（ステップＳ２３）。制御部４０は、例えば、１番〜Ｎ番までの機械学習駆動パターンＤＷ１のうち、評価が最も高い機械学習駆動パターンＤＷ１、すなわち、ランプ電圧Ｖｌａをランプ電圧Ｖｌａの目標数値範囲に最も近付ける機械学習駆動パターンＤＷ１を選択する。そして、制御部４０は、ステップＳ２３において選択された機械学習駆動パターンＤＷ１を実行する（ステップＳ２６）。

一方で、制御部４０は、定常学習期間において選択されていない機械学習駆動パターンＤＷ１である前者を選択する場合（ステップＳ２２：ＹＥＳ）、１番〜Ｎ番までの機械学習駆動パターンＤＷ１の中から定常学習期間において選択されていない機械学習駆動パターンＤＷ１を選択する（ステップＳ２４）。そして、定常学習期間において選択されていない機械学習駆動パターンＤＷ１が選択された場合、制御部４０は、選択された機械学習駆動パターンＤＷ１が実行条件を満たすか否かを判断する（ステップＳ２５）。実行条件は、例えば、選択された機械学習駆動パターンＤＷ１が前回選択され実行された際に、後述するステップＳ２８において他の機械学習駆動パターンＤＷ１へ切り換えられていないことを含む。

ステップＳ２４において選択された機械学習駆動パターンＤＷ１が実行条件を満たす場合（ステップＳ２５：ＹＥＳ）、ステップＳ２６に移行し、制御部４０は、選択された機械学習駆動パターンＤＷ１を実行する。一方、選択された機械学習駆動パターンＤＷ１が実行条件を満たさない場合（ステップＳ２５：ＮＯ）、ステップＳ２２に移行し、制御部４０は、１番〜Ｎ番までの機械学習駆動パターンＤＷ１の中から他の機械学習駆動パターンＤＷ１を選択し、上述したのと同様の判断を行う。

次に、選択された機械学習駆動パターンＤＷ１の実行を開始した後、制御部４０は、現在選択されている機械学習駆動パターンＤＷ１の実行を開始してから定常学習時間が経過したか否かを判断する（ステップＳ２７）。ステップＳ２７において判断する定常学習時間は、例えば、初期学習期間におけるステップＳ１５で判断する初期学習時間と同じである。すなわち、定常学習時間の長さは、例えば、１０ｍｉｎ（分）以上、１２０ｍｉｎ（分）以下である。現在選択されている機械学習駆動パターンＤＷ１の実行が開始されてから定常学習時間が経過していない場合（ステップＳ２７：ＮＯ）、制御部４０は、現在の機械学習駆動パターンＤＷ１が切換条件を満たすか否かを判断する（ステップＳ２８）。

切換条件は、例えば、第１切換条件と、第２切換条件とのいずれか１つを満たすことを含む。第１切換条件は、現在の機械学習駆動パターンＤＷ１の実行中に、定常学習時間内で検出されたランプ電圧Ｖｌａの変化（変動電圧値）の絶対値が第１所定値以上となり、かつ、検出されたランプ電圧Ｖｌａが目標数値範囲から外れることである。第２切換条件は、現在の機械学習駆動パターンＤＷ１の実行が開始してから経過した時間が第１時間以下の場合に、ランプ電圧Ｖｌａの変化の絶対値が第２所定値以上となることを含む。第１時間は、定常学習時間よりも小さく、例えば、５ｍｉｎ（分）である。第２所定値は、第１所定値よりも小さい。第１所定値は、例えば、５Ｖである。第２所定値は、例えば、３Ｖである。

すなわち、第１時間以下においてはランプ電圧Ｖｌａの変化の絶対値が第１所定値よりも小さい第２所定値以上となった場合でも切換条件（第２切換条件）を満たすこととし、第１時間を超えた場合においてはランプ電圧Ｖｌａの変化が第２所定値よりも大きい第１所定値以上とならなければ切換条件（第１切換条件）を満たさないこととする。このような関係とすることで、制御部４０は、現在選択されている機械学習駆動パターンＤＷ１の実行時間とランプ電圧Ｖｌａとに基づいて、現在選択されている機械学習駆動パターンＤＷ１の切換を段階的に判断する。

現在選択されている機械学習駆動パターンＤＷ１が切換条件を満たす場合（ステップＳ２８：ＹＥＳ）、制御部４０は、現在の放電灯９０の状態においては、現在選択されている機械学習駆動パターンＤＷ１が放電灯９０の寿命を向上させるために好ましくない機械学習駆動パターンＤＷ１であると判断する。そして、制御部４０は、現在選択されている機械学習駆動パターンＤＷ１の評価を下げる。

その後、制御部４０は、上述したのと同様にして、ステップＳ２２〜ステップＳ２６を実行し、次の機械学習駆動パターンＤＷ１の選択・実行を行う。このように、制御部４０は、機械学習駆動パターンＤＷ１実行時において、ランプ電圧Ｖｌａの変化が切換条件を満たす場合、現在選択されている機械学習駆動パターンＤＷ１から他の機械学習駆動パターンＤＷ１に切り換える。

一方で、現在の機械学習駆動パターンＤＷ１が切換条件を満たさない場合（ステップＳ２８：ＮＯ）、制御部４０は、定常学習時間が経過するまで現在選択されている機械学習駆動パターンＤＷ１を実行する。そして、現在の機械学習駆動パターンＤＷ１の実行を開始してから定常学習時間が経過した場合（ステップＳ２７：ＹＥＳ）、動作検出部６０の電圧検出部は、放電灯９０のランプ電圧Ｖｌａを検出し（ステップＳ２９）、制御部４０は、検出されたランプ電圧Ｖｌａを記憶部４４に記憶する。その後、制御部４０は、現在選択されている機械学習駆動パターンＤＷ１を評価する（ステップＳ３０）。

ステップＳ３０における機械学習駆動パターンＤＷ１の評価は、例えば、初期学習期間のステップＳ１７における機械学習駆動パターンＤＷ１の評価と同様である。すなわち、制御部４０は、選択された機械学習駆動パターンＤＷ１を定常学習時間実行した後のランプ電圧Ｖｌａの値と、選択された機械学習駆動パターンＤＷ１を実行する前のランプ電圧Ｖｌａに対する機械学習駆動パターンＤＷ１を定常学習時間実行した後のランプ電圧Ｖｌａの差と、に基づいて、機械学習駆動パターンＤＷ１を評価する。以下の説明においては、機械学習駆動パターンＤＷ１を実行する前のランプ電圧Ｖｌａに対する機械学習駆動パターンＤＷ１を定常学習時間実行した後のランプ電圧Ｖｌａの差を、第２変動電圧値と呼ぶ。

ステップＳ３０において制御部４０は、定常学習期間において選択された機械学習駆動パターンＤＷ１の再評価を行う。すなわち、制御部４０は、各機械学習駆動パターンＤＷ１に対し、初期学習期間において行われた評価、および現時点よりも前の定常学習期間において行われた評価を更新する。

続いて、制御部４０は、現在選択されている機械学習駆動パターンＤＷ１が連続実行条件を満たすか否か判断する（ステップＳ３１）。連続実行条件は、第１連続実行条件と、第２連続実行条件と、第３連続実行条件とのいずれか１つを満たすことを含む。第１連続実行条件、第２連続実行条件、および第３連続実行条件の各々は、連続実行回数が所定回数以下であることを含む。連続実行回数に関する所定回数は、例えば、２回以上、１５回以下である。

そして、第１連続実行条件は、選択された機械学習駆動パターンＤＷ１を定常学習時間実行した後のランプ電圧Ｖｌａが目標数値範囲よりも大きく、かつ、第２変動電圧値が負の値であることである。第２連続実行条件は、選択された機械学習駆動パターンＤＷ１の実行前後でランプ電圧Ｖｌａが目標数値範囲内に含まれていることである。第３連続実行条件は、選択された機械学習駆動パターンＤＷ１を定常学習時間実行した後のランプ電圧Ｖｌａが目標数値範囲よりも小さく、かつ、第２変動電圧値が正の値であることである。

現在の機械学習駆動パターンＤＷ１が連続実行条件を満たす場合（ステップＳ３１：ＹＥＳ）、制御部４０は、現在の放電灯９０の状態においては、現在選択されている機械学習駆動パターンＤＷ１が放電灯９０の寿命を向上させるために好ましい機械学習駆動パターンＤＷ１であると判断する。そして、制御部４０は、現在選択されている機械学習駆動パターンＤＷ１を、次に実行する機械学習駆動パターンＤＷ１として再び選択する（ステップＳ３２）。そして、ステップＳ２６へ移行し、制御部４０は、今回実行する機械学習駆動パターンＤＷ１として選択された前回の機械学習駆動パターンＤＷ１を連続して実行する。

以上に説明したように、本実施形態において制御部４０は、選択された１つの機械学習駆動パターンＤＷ１を定常学習時間実行した前後のランプ電圧Ｖｌａの変化が連続実行条件を満たす場合、同じ機械学習駆動パターンＤＷ１を複数回連続して実行する。

一方で、現在の機械学習駆動パターンＤＷ１が連続実行条件を満たさない場合（ステップＳ３１：ＮＯ）、制御部４０は、ステップＳ２２〜Ｓ２６において機械学習駆動パターンＤＷ１の選択および実行を所定回数実行したか否かを判断する（ステップＳ３３）。

機械学習駆動パターンＤＷ１の選択および実行を所定回数実行していない場合（ステップＳ３３：ＮＯ）、ステップＳ２２へ移行して、再び機械学習駆動パターンＤＷ１の選択を行う。１サイクルの定常学習期間における機械学習駆動パターンＤＷ１の選択および実行に関する所定回数は、例えば、機械学習駆動パターンＤＷ１の個数Ｎよりも大きい。

機械学習駆動パターンＤＷ１の選択および実行を所定回数実行した場合（ステップＳ３３：ＹＥＳ）、制御部４０は、定常学習期間の１サイクルを終了する（ステップＳ３４）。制御部４０は、以上のような１サイクルを繰り返して、定常学習期間を実行し続ける。次の１サイクルは、機械学習駆動パターンＤＷ１の選択および実行の回数がリセットされること以外は、定常学習期間の前回のサイクルから各パラメーターを引き継いだ状態で実行される。

以上のようにして、制御部４０は、初期学習期間と定常学習期間とによって機械学習を行い、実行する機械学習駆動パターンＤＷ１を選択する。初期学習期間は、例えば、プロジェクター５００が初めて点灯された後に１回のみ行われる。定常学習期間は、例えば、初期学習期間が終了した後、プロジェクター５００が点灯している間、常時設けられる。例えば、プロジェクター５００の電源がＯＦＦにされた後、再びＯＮにされた際には、制御部４０は、前回電源がＯＦＦにされた際に実行していた期間を、中断されたところから再開する。

機械学習駆動パターンＤＷ１の駆動電流波形は、特に限定されず、図９に示す駆動電流波形と異なる駆動電流波形であってもよい。例えば、機械学習駆動パターンＤＷ１の駆動電流波形は、図１２Ａ、図１２Ｂおよび図１３に示す駆動電流波形を含んでもよい。図１２Ａ、図１２Ｂおよび図１３は、交流駆動において放電灯９０に供給される駆動電流波形の他の一例を示す図である。図１２Ａ、図１２Ｂおよび図１３において、縦軸は駆動電流Ｉを示しており、横軸は時間Ｔを示している。駆動電流Ｉは、第１極性状態である場合を正とし、第２極性状態となる場合を負として示している。

図１２Ａおよび図１２Ｂに示す交流駆動は、デューティー比が０．５（５０％）よりも小さい片寄駆動である。図１２Ａおよび図１２Ｂに示す片寄駆動において放電灯９０に供給される駆動電流Ｉは、例えば、電流値Ｉｍと電流値−Ｉｍとの間で極性が複数回反転される矩形波交流電流である。

図１２Ａに示す片寄駆動において、周期Ｃ２の長さは、一定である。周期Ｃ２においては、第１極性状態となる第１極性期間Ｃ２１と、第２極性状態となる第２極性期間Ｃ２２と、が設けられる。第１極性期間Ｃ２１の長さは、第２極性期間Ｃ２２の長さよりも小さい。すなわち、図１２Ａに示す片寄駆動は、駆動パラメーターとして、周期数、周期Ｃ２の長さ、デューティー比、第１極性期間Ｃ２１の長さ、および第２極性期間Ｃ２２の長さを有する。

図１２Ｂに示す片寄駆動において、周期の長さは、変化する。図１２Ｂの例では、第１周期Ｃ３と、第２周期Ｃ４と、第３周期Ｃ５と、が設けられる。第１周期Ｃ３の長さは、第２周期Ｃ４の長さよりも大きい。第３周期Ｃ５の長さは、第１周期Ｃ３の長さよりも大きい。

第１周期Ｃ３においては、第１極性状態となる第１極性期間Ｃ３１と、第２極性状態となる第２極性期間Ｃ３２と、が設けられる。第２極性期間Ｃ３２の長さは、第１極性期間Ｃ３１の長さよりも小さい。第２周期Ｃ４においては、第１極性状態となる第１極性期間Ｃ４１と、第２極性状態となる第２極性期間Ｃ４２と、が設けられる。第２極性期間Ｃ４２の長さは、第１極性期間Ｃ４１の長さよりも小さい。第３周期Ｃ５においては、第１極性状態となる第１極性期間Ｃ５１と、第２極性状態となる第２極性期間Ｃ５２と、が設けられる。第２極性期間Ｃ５２の長さは、第１極性期間Ｃ５１の長さよりも小さい。

第１極性期間Ｃ３１の長さは、第１極性期間Ｃ５１の長さよりも大きい。第１極性期間Ｃ４１の長さは、第１極性期間Ｃ３１の長さよりも大きい。第２極性期間Ｃ３２の長さと第２極性期間Ｃ４２の長さと第２極性期間Ｃ５２の長さとは、互いに同じである。第１極性期間Ｃ３１，Ｃ４１，Ｃ５１の長さは、例えば、５．０ｍｓ（ミリ秒）以上、２０ｍｓ（ミリ秒）以下である。第２極性期間Ｃ３２，Ｃ４２，Ｃ５２の長さは、０．５ｍｓ（ミリ秒）よりも小さい。

すなわち、図１２Ｂに示す片寄駆動は、駆動パラメーターとして、図１２Ａの片寄駆動と同様に、周期数、各周期の長さ、各デューティー比、各第１極性期間の長さ、および各第２極性期間の長さを有する。

図１３に示す交流駆動は、各極性状態において駆動電流Ｉの絶対値が大きくなる跳上駆動である。図１３に示す跳上駆動において放電灯９０に供給される駆動電流Ｉは、例えば、電流値がＩｍ１，Ｉｍ２，−Ｉｍ１，−Ｉｍ２の間で変化する矩形波交流電流である。Ｉｍ２および−Ｉｍ２の絶対値は、Ｉｍ１および−Ｉｍ１の絶対値よりも大きい。図１３に示す跳上駆動において、周期Ｃ６の長さは、一定である。図１３に示す交流電流のデューティー比は、０．５（５０％）である。

周期Ｃ６においては、第１極性状態となる第１極性期間Ｃ６１と、第２極性状態となる第２極性期間Ｃ６２と、が設けられる。第１極性期間Ｃ６１の長さと第２極性期間Ｃ６２の長さとは、互いに同じである。第１極性期間Ｃ６１は、低電流期間Ｃ６１ａと、高電流期間Ｃ６１ｂと、を含む。低電流期間Ｃ６１ａは、駆動電流Ｉが電流値Ｉｍ１となる期間である。高電流期間Ｃ６１ｂは、駆動電流Ｉが電流値Ｉｍ２となる期間である。高電流期間Ｃ６１ｂの長さは、低電流期間Ｃ６１ａの長さよりも小さい。

第２極性期間Ｃ６２は、低電流期間Ｃ６２ａと、高電流期間Ｃ６２ｂと、を含む。低電流期間Ｃ６２ａは、駆動電流Ｉが電流値−Ｉｍ１となる期間である。高電流期間Ｃ６２ｂは、駆動電流Ｉが電流値−Ｉｍ２となる期間である。高電流期間Ｃ６２ｂの長さは、低電流期間Ｃ６２ａの長さよりも小さい。低電流期間Ｃ６１ａの長さと低電流期間Ｃ６２ａの長さとは、互いに同じである。高電流期間Ｃ６１ｂの長さと高電流期間Ｃ６２ｂの長さとは、互いに同じである。

すなわち、図１３に示す跳上駆動は、駆動パラメーターとして、周期数、周期Ｃ６の長さ、電流値Ｉｍ１および−Ｉｍ１の絶対値、電流値Ｉｍ２および−Ｉｍ２の絶対値、第１極性期間Ｃ６１の長さ、第２極性期間Ｃ６２の長さ、第１極性期間Ｃ６１における低電流期間Ｃ６１ａの長さおよび高電流期間Ｃ６１ｂの長さ、第２極性期間Ｃ６２における低電流期間Ｃ６２ａの長さおよび高電流期間Ｃ６２ｂの長さ、第１極性期間Ｃ６１における低電流期間Ｃ６１ａまたは高電流期間Ｃ６１ｂの割合、第２極性期間Ｃ６２における低電流期間Ｃ６２ａまたは高電流期間Ｃ６２ｂの割合、電流値Ｉｍ１および−Ｉｍ１の絶対値に対する電流値Ｉｍ２および−Ｉｍ２の絶対値の割合等を有する。

なお、上記の説明においては、図１２Ａ、図１２Ｂおよび図１３に示す駆動を交流駆動の一例として説明したが、これに限られない。例えば、図１２Ａ、図１２Ｂおよび図１３に示す駆動を、直流駆動の一例としてみなしてもよい。この場合、直流駆動の極性、および直流駆動の実行時間の長さが適宜変化することで、各図に示す駆動電流波形が作られる。

次に、制御部４０による非機械学習制御ＮＭＬＣについて説明する。非機械学習制御ＮＭＬＣにおいて、制御部４０は、複数の駆動パターンＤＷのうち所定の駆動パターンＤＷとして非機械学習駆動パターンＤＷ２を実行する。制御部４０は、所定の条件に基づいて、機械学習制御ＭＬＣと非機械学習制御ＮＭＬＣとを切り換える。制御部４０は、所定の条件が満たされた場合、機械学習に基づく機械学習駆動パターンＤＷ１を選択および実行せずに、非機械学習駆動パターンＤＷ２を実行する。本実施形態において、非機械学習駆動パターンＤＷ２は、複数設けられている。

まず、非機械学習制御ＮＭＬＣのうち、第１電圧増加制御ＶＩＣ１および第２電圧増加制御ＶＩＣ２について説明する。第１電圧増加制御ＶＩＣ１においては、非機械学習駆動パターンＤＷ２のうち第１電圧増加パターンＤＷＶ１が実行される。第１電圧増加パターンＤＷＶ１は、第３交流駆動ＡＣ３を含んで構成される。第３交流駆動ＡＣ３が実行される期間は、交流電流が放電灯９０に供給される低周波期間である。本実施形態において第１電圧増加パターンＤＷＶ１は、例えば、第３交流駆動ＡＣ３のみから構成される。

第３交流駆動ＡＣ３において放電灯９０に供給される駆動電流波形は、第１交流駆動ＡＣ１および第２交流駆動ＡＣ２において放電灯９０に供給される駆動電流波形と同様である。第３交流駆動ＡＣ３においては、第１交流駆動ＡＣ１および第２交流駆動ＡＣ２において放電灯９０に供給される交流電流の第１周波数ｆ１および第２周波数ｆ２よりも低い周波数である第３周波数ｆ３を有する交流電流が放電灯９０に供給される。第３周波数ｆ３の値は、例えば、３０Ｈｚ以上、２００Ｈｚ以下である。第３交流駆動ＡＣ３において、第３周波数ｆ３の値は、複数の値に変化する。すなわち、低周波期間は、放電灯９０に供給される交流電流の第３周波数ｆ３が互いに異なる複数の交流期間を有する。低周波期間は、例えば、第１交流期間Ｐ１と第２交流期間Ｐ２との２つの交流期間を有する。すなわち、この場合、低周波期間は、第１交流期間Ｐ１と第２交流期間Ｐ２とを有し、第１交流期間Ｐ１において放電灯９０に供給される交流電流の第３周波数ｆ３と、第２交流期間Ｐ２において放電灯９０に供給される交流電流の第３周波数ｆ３とは、互いに異なる。

第２電圧増加制御ＶＩＣ２においては、非機械学習駆動パターンＤＷ２のうち第２電圧増加パターンＤＷＶ２が実行される。図１４は、本実施形態において、放電灯９０に供給される駆動電流Ｉの第２電圧増加パターンＤＷＶ２の一例を示す図である。図１４において縦軸は駆動電流Ｉを示しており、横軸は時間Ｔを示している。図１４に示すように、第２電圧増加パターンＤＷＶ２は、第３交流駆動ＡＣ３と片寄駆動ＢＤとから構成される。片寄駆動ＢＤが実行される期間は、第３期間である。本実施形態の第２電圧増加パターンＤＷＶ２において、例えば、第３交流駆動ＡＣ３と片寄駆動ＢＤとは、交互に実行される。また、本実施形態の第２電圧増加パターンＤＷＶ２において、例えば、第１極性期間の第１極性および第２極性期間の第２極性は、第３期間が設けられるごとに反転する。すなわち、図１４に示される第３期間の次に設けられる第３期間において、各第２極性期間の長さは、各第１極性期間の長さよりも大きくなる。このように、本実施形態において、制御部４０は、後述する所定の条件が満たされた場合に、低周波期間と第３期間とを含む第２電圧増加パターンＤＷＶ２を実行する。

片寄駆動ＢＤにおいて放電灯９０に供給される電流の駆動電流波形は、図１２Ｂにおいて示す片寄駆動において放電灯９０に供給される電流の駆動電流波形と同様である。片寄駆動ＢＤにおいては、例えば、各第１極性期間の長さは同じである。片寄駆動ＢＤが実行される間隔（第３期間が設けられる間隔）、すなわち１回の第３交流駆動ＡＣ３の実行時間（１つの低周波期間の長さｔａ３）は、例えば、１０ｓ（秒）以上、９０ｓ（秒）以下程度である。また、第２電圧増加パターンＤＷＶ２において、１回の片寄駆動ＢＤの実行時間（第３期間の長さｔｂ）は、例えば、１０ｍｓ（ミリ秒）以上、１０００ｍｓ（ミリ秒）以下程度である。

本実施形態において制御部４０は、ランプ電圧Ｖｌａと駆動電力Ｗｄとに基づいて、機械学習制御ＭＬＣと、第１電圧増加制御ＶＩＣ１および第２電圧増加制御ＶＩＣ２と、を切り換える。図１５は、機械学習制御ＭＬＣと第１電圧増加制御ＶＩＣ１および第２電圧増加制御ＶＩＣ２との切り換えにおける制御部４０の制御手順の一例を示すフローチャートである。

図１５に示すように、制御部４０は、機械学習制御ＭＬＣを実行する（ステップＳ５１）。次に、動作検出部６０の電圧検出部は、放電灯９０のランプ電圧Ｖｌａを検出する。そして、制御部４０は、機械学習制御ＭＬＣの実行中に、検出されたランプ電圧Ｖｌａが第１所定電圧値よりも小さいか否かを判断する（ステップＳ５２）。第１所定電圧値は、例えば、上述した目標数値範囲の中央値である。すなわち、目標数値範囲が６０Ｖ以上、６５Ｖ未満の場合、第１所定電圧値は、例えば、６３Ｖである。また、目標数値範囲が５３Ｖ以上、５９Ｖ未満の場合、第１所定電圧値は、例えば、５６Ｖである。

ランプ電圧Ｖｌａが第１所定電圧値以上である場合（ステップＳ５２：ＮＯ）、制御部４０は、機械学習制御ＭＬＣを継続して実行する。一方、ランプ電圧Ｖｌａが第１所定電圧値よりも小さい場合（ステップＳ５２：ＹＥＳ）、制御部４０は、駆動電力Ｗｄが所定電力値よりも大きいか否かを判断する（ステップＳ５３）。所定電力値は、例えば、定格電力よりも小さい。所定電力値は、例えば、定格電力の８割程度の値である。

駆動電力Ｗｄが所定電力値以下の場合（ステップＳ５３：ＮＯ）、制御部４０は、機械学習制御ＭＬＣを中止して、第１電圧増加制御ＶＩＣ１を実行する（ステップＳ５４）。すなわち、制御部４０は、機械学習制御ＭＬＣから第１電圧増加制御ＶＩＣ１に切り換える。一方、駆動電力Ｗｄが所定電力値よりも大きい場合（ステップＳ５３：ＹＥＳ）、制御部４０は、機械学習制御ＭＬＣを中止して、第２電圧増加制御ＶＩＣ２を実行する（ステップＳ５５）。すなわち、制御部４０は、機械学習制御ＭＬＣから第２電圧増加制御ＶＩＣ２に切り換える。これにより、制御部４０は、第１電圧増加パターンＤＷＶ１または第２電圧増加パターンＤＷＶ２を実行する。この場合、上述した機械学習制御ＭＬＣのフローチャートに関わらず、制御部４０は、機械学習駆動パターンＤＷ１の実行を強制的に終了して、第１電圧増加パターンＤＷＶ１または第２電圧増加パターンＤＷＶ２を実行する。

以上のように、制御部４０は、ランプ電圧Ｖｌａが第１所定電圧値よりも小さい場合、第１電圧増加制御ＶＩＣ１または第２電圧増加制御ＶＩＣ２を実行する。すなわち、制御部４０は、ランプ電圧Ｖｌａが第１所定電圧値よりも小さい場合、所定の駆動パターンＤＷとして低周波期間を含む駆動パターンＤＷを実行する。このように、本実施形態において非機械学習制御ＮＭＬＣが実行される所定の条件は、ランプ電圧Ｖｌａが第１所定電圧値よりも小さいことを含む。

また、制御部４０は、ランプ電圧Ｖｌａが第１所定電圧値よりも小さく、かつ、駆動電力Ｗｄが所定電力値よりも大きい場合、第２電圧増加制御ＶＩＣ２を実行する。すなわち、制御部４０は、ランプ電圧Ｖｌａが第１所定電圧値よりも小さく、かつ、駆動電力Ｗｄが所定電力値よりも大きい場合、所定の駆動パターンＤＷとして低周波期間と第３期間とを含む駆動パターンＤＷを実行する。このように、本実施形態において非機械学習制御ＮＭＬＣが実行される所定の条件は、ランプ電圧Ｖｌａが第１所定電圧値よりも小さく、かつ、駆動電力Ｗｄが所定電力値よりも大きいことを含む。

第１電圧増加制御ＶＩＣ１または第２電圧増加制御ＶＩＣ２の実行を開始した後、動作検出部６０の電圧検出部は、放電灯９０のランプ電圧Ｖｌａを検出する。そして、制御部４０は、第１電圧増加制御ＶＩＣ１または第２電圧増加制御ＶＩＣ２の実行中に、検出されたランプ電圧Ｖｌａが第２所定電圧値よりも小さいか否かを判断する（ステップＳ５６）。第２所定電圧値は、第１所定電圧値よりも小さい。第２所定電圧値は、例えば、目標数値範囲のうちで最も小さい値である。この場合、ステップＳ５６において制御部４０は、ランプ電圧Ｖｌａが目標数値範囲よりも小さいか否かを判断する。目標数値範囲が６０Ｖ以上、６５Ｖ未満の場合、第２所定電圧値は、例えば、６０Ｖである。また、目標数値範囲が５３Ｖ以上、５９Ｖ未満の場合、第２所定電圧値は、例えば、５３Ｖである。

ランプ電圧Ｖｌａが第２所定電圧値以上の場合（ステップＳ５６：ＮＯ）、制御部４０は、第１電圧増加制御ＶＩＣ１または第２電圧増加制御ＶＩＣ２を実行しつつ、上述した機械学習制御ＭＬＣにおいて選択および実行された機械学習駆動パターンＤＷ１を評価する（ステップＳ５７）。具体的には、制御部４０は、機械学習制御ＭＬＣから第１電圧増加制御ＶＩＣ１または第２電圧増加制御ＶＩＣ２に切り換わる直前に実行していた機械学習駆動パターンＤＷ１を評価する。一方、ランプ電圧Ｖｌａが第２所定電圧値よりも小さい場合（ステップＳ５６：ＹＥＳ）、制御部４０は、機械学習制御ＭＬＣにおいて選択および実行された機械学習駆動パターンＤＷ１を評価しない（ステップＳ５８）。

その後、動作検出部６０の電圧検出部は、放電灯９０のランプ電圧Ｖｌａを検出する。そして、制御部４０は、第１電圧増加制御ＶＩＣ１または第２電圧増加制御ＶＩＣ２の実行中に、検出されたランプ電圧Ｖｌａが第１所定電圧値よりも小さいか否かを再び判断する（ステップＳ５９）。ランプ電圧Ｖｌａが第１所定電圧値よりも小さい場合（ステップＳ５９：ＹＥＳ）には、ステップＳ５３に移行して、制御部４０は、駆動電力Ｗｄが所定電力値よりも大きいか否かを判断し、この結果に応じて第１電圧増加制御ＶＩＣ１または第２電圧増加制御ＶＩＣ２を実行する。すなわち、制御部４０は、第１電圧増加制御ＶＩＣ１または第２電圧増加制御ＶＩＣ２の実行を継続し、駆動電力Ｗｄが所定電力値を跨いで変化した場合には、第１電圧増加制御ＶＩＣ１と第２電圧増加制御ＶＩＣ２とを切り換える。一方、ランプ電圧Ｖｌａが第１所定電圧以上の場合（ステップＳ５９：ＮＯ）には、制御部４０は、再び機械学習制御ＭＬＣを実行する（ステップＳ６０）。

以上に説明したランプ電圧Ｖｌａの変化における各制御の切り換えと、機械学習駆動パターンＤＷ１の評価の有無の一例を表１に示す。表１においては、所定電力値は１４０Ｗである。第１所定電圧値は、５６Ｖである。第２所定電圧値は、５３Ｖである。

なお、例えば、第１所定電圧値は駆動電力Ｗｄの値によって変化するため、制御部４０は、ステップＳ５２およびステップＳ５９において判断する第１所定電圧値の値に応じて駆動電力Ｗｄの値を判断し、第１電圧増加制御ＶＩＣ１と第２電圧増加制御ＶＩＣ２とのうちいずれを実行するかを決めてもよい。

次に、非機械学習制御ＮＭＬＣのうち、ちらつき抑制制御ＦＲＣについて説明する。ちらつき抑制制御ＦＲＣにおいては、非機械学習駆動パターンＤＷ２のうち、ちらつき抑制パターン（第２駆動パターン）ＤＷＦが実行される。ちらつき抑制パターンＤＷＦは、機械学習駆動パターンＤＷ１と同様の駆動電流波形を有する。すなわち、ちらつき抑制パターンＤＷＦは、混合期間を含む。

ちらつき抑制パターンＤＷＦにおける第１期間の長さは、機械学習制御ＭＬＣで実行される機械学習駆動パターンＤＷ１における第１期間の長さよりも大きい。ちらつき抑制パターンＤＷＦにおける第１期間の長さは、例えば、０．１ｓ（秒）以上である。

ちらつき抑制パターンＤＷＦにおける第１期間の第１周波数ｆ１および第２周波数ｆ２は、機械学習駆動パターンＤＷ１における第１期間の第１周波数ｆ１および第２周波数よりも高い。ちらつき抑制パターンＤＷＦにおける第１期間の第１周波数ｆ１および第２周波数は、例えば、４００Ｈｚ以上である。

ちらつき抑制パターンＤＷＦにおける第２期間の長さは、機械学習駆動パターンＤＷ１における第２期間の長さよりも小さい。ちらつき抑制パターンＤＷＦにおける第２期間の長さは、例えば、５０ｍｓ（ミリ秒）以下である。

また、機械学習駆動パターンＤＷ１およびちらつき抑制パターンＤＷＦは、混合期間に加えて第３期間を含んでいてもよい。この場合、ちらつき抑制パターンＤＷＦにおける第３期間の長さは、機械学習駆動パターンＤＷ１における第３期間の長さよりも小さい。ちらつき抑制パターンＤＷＦにおける第３期間の長さは、例えば、０ｓ（秒）である。すなわち、ちらつき抑制パターンＤＷＦにおける第３期間の長さが機械学習駆動パターンＤＷ１における第３期間の長さよりも小さいとは、ちらつき抑制パターンＤＷＦが第３期間を有しないことも含む。

本実施形態においてちらつき抑制パターンＤＷＦは、機械学習制御ＭＬＣにおいて実行される複数の機械学習駆動パターンＤＷ１のいずれとも異なる駆動パターンＤＷである。なお、ちらつき抑制パターンＤＷＦの一部の駆動パラメーターは、複数の機械学習駆動パターンＤＷ１のうちのいずれかの機械学習駆動パターンＤＷ１の駆動パラメーターと同じであってもよい。

本実施形態において制御部４０は、駆動電力Ｗｄの変化に基づいて、機械学習制御ＭＬＣとちらつき抑制制御ＦＲＣとを切り換える。図１６は、機械学習制御ＭＬＣとちらつき抑制制御ＦＲＣとの切り換えにおける制御部４０の制御手順の一例を示すフローチャートである。図１７は、駆動電力Ｗｄの変化と制御の切り換わりの一例を示すグラフである。図１７において、縦軸は駆動電力Ｗｄを示しており、横軸は時間Ｔを示している。

図１６に示すように、制御部４０は、機械学習制御ＭＬＣを実行し（ステップＳ６１）、機械学習制御ＭＬＣの実行中に、駆動電力Ｗｄの変化の割合が所定割合以上か否かを判断する（ステップＳ６２）。駆動電力Ｗｄの変化の割合が所定割合以上であるとは、駆動電力Ｗｄが変化した場合において、変化する前の駆動電力Ｗｄに対する駆動電力Ｗｄの変化量の割合が所定の値以上となることである。所定割合は、例えば、１０％である。この場合、変化する前の駆動電力Ｗｄが２３０Ｗであれば、駆動電力Ｗｄの変化量が±２３Ｗ以上である場合に、駆動電力Ｗｄの変化の割合が所定割合以上となる。

本実施形態において駆動電力Ｗｄの変化量は、一定時間内における駆動電力Ｗｄの最大値からの変化量として、判断される。一定時間は、例えば、２ｈ（時間）である。具体的には、例えば、図１７に示す時刻Ｔ１において、駆動電力Ｗｄが一定時間における最大値Ｗｄｍａｘとなる場合、駆動電力Ｗｄが最大値Ｗｄｍａｘから所定割合だけ変化した値Ｗｄ１となる時刻Ｔ２が、駆動電力Ｗｄの変化の割合が所定割合以上となる時刻である。図１７の例では、駆動電力Ｗｄが最大値Ｗｄｍａｘから所定割合だけ低下して値Ｗｄ１となる場合を示している。

図１６に示すように、駆動電力Ｗｄの変化の割合が所定割合よりも小さい場合（ステップＳ６２：ＮＯ）、制御部４０は、機械学習制御ＭＬＣを継続して実行する。一方、駆動電力Ｗｄの変化の割合が所定割合以上である場合（ステップＳ６２：ＹＥＳ）、制御部４０は、機械学習制御ＭＬＣを中止して、ちらつき抑制制御ＦＲＣを実行する（ステップＳ６３）。すなわち、制御部４０は、機械学習制御ＭＬＣからちらつき抑制制御ＦＲＣに切り換える。これにより、制御部４０は、ちらつき抑制パターンＤＷＦを実行する。この場合、上述した機械学習制御ＭＬＣのフローチャートに関わらず、制御部４０は、機械学習駆動パターンＤＷ１の実行を強制的に終了して、ちらつき抑制パターンＤＷＦを実行する。

ちらつき抑制制御ＦＲＣを開始した後、制御部４０は、ちらつき抑制制御ＦＲＣを開始してから、上限時間が経過したか否かを判断する（ステップＳ６４）。上限時間は、例えば、５ｍｉｎ（分）以上、２ｈ（時間）以下である。なお、上限時間は、５ｍｉｎ（分）より短くてもよい。上限時間が経過した場合（ステップＳ６４：ＹＥＳ）、制御部４０は、ちらつき抑制制御ＦＲＣを終了して、機械学習制御ＭＬＣを実行する（ステップＳ６６）。すなわち、制御部４０は、ちらつき抑制制御ＦＲＣから機械学習制御ＭＬＣに切り換える。この場合、ちらつき抑制制御ＦＲＣの実行時間ｔｃの長さは、上限時間の長さと同じである。

以上のように、制御部４０は、駆動電力Ｗｄの変化の割合が所定割合以上である場合に、機械学習駆動パターンＤＷ１（第１駆動パターン）と異なるちらつき抑制パターン（第２駆動パターン）ＤＷＦを上限時間実行する。このように、本実施形態において非機械学習制御ＮＭＬＣが実行される所定の条件は、駆動電力Ｗｄの変化の割合が所定割合以上であることを含む。

上限時間が経過していない場合（ステップＳ６４：ＮＯ）、動作検出部６０の電圧検出部は、放電灯９０のランプ電圧Ｖｌａを検出する。そして、制御部４０は、ちらつき抑制制御ＦＲＣを開始してから、検出されたランプ電圧Ｖｌａが第３所定値（所定値）以上低下したか否かを判断する（ステップＳ６５）。第３所定値は、例えば、３Ｖである。ちらつき抑制制御ＦＲＣを開始してからランプ電圧Ｖｌａが第３所定値以上低下していない場合（ステップＳ６５：ＮＯ）、制御部４０は、ちらつき抑制制御ＦＲＣを継続して実行する。

一方、ちらつき抑制制御ＦＲＣを開始してからランプ電圧Ｖｌａが第３所定値以上低下した場合（ステップＳ６５：ＹＥＳ）、制御部４０は、ちらつき抑制制御ＦＲＣを終了して、機械学習制御ＭＬＣを実行する（ステップＳ６６）。すなわち、ちらつき抑制制御ＦＲＣを開始してから上限時間が経過していない場合であっても、ランプ電圧Ｖｌａが第３所定値以上低下した場合には、ちらつき抑制パターンＤＷＦが終了される。このように、本実施形態においては、制御部４０は、ちらつき抑制パターンＤＷＦの実行を開始した後にランプ電圧Ｖｌａが第３所定値以上低下した場合、ちらつき抑制パターンＤＷＦを終了し、機械学習に基づく機械学習駆動パターンＤＷ１の選択および実行を行う。この場合、ちらつき抑制制御ＦＲＣの実行時間ｔｃの長さは、上限時間の長さよりも短い。

以上に説明したように、本実施形態において制御部４０は、ちらつき抑制パターンＤＷＦの実行時間の長さまたはランプ電圧Ｖｌａに基づいて、ちらつき抑制パターンＤＷＦから機械学習に基づく機械学習駆動パターンＤＷ１に切り換える。

次に、非機械学習制御ＮＭＬＣのうち、高負荷駆動制御ＨＬＣについて説明する。高負荷駆動制御ＨＬＣにおいては、非機械学習駆動パターンＤＷ２のうち、高負荷駆動パターンＤＷＨが実行される。高負荷駆動パターンＤＷＨは、機械学習駆動パターンＤＷ１よりも第１電極９２および第２電極９３に加える熱負荷が大きい駆動パターンＤＷである。高負荷駆動パターンＤＷＨは、機械学習駆動パターンＤＷ１よりも第１電極９２および第２電極９３に加える熱負荷が大きければ、特に限定されない。高負荷駆動パターンＤＷＨは、例えば、機械学習駆動パターンＤＷ１の駆動電流波形に対してデューティー比が大きく変調された駆動パターンＤＷであってもよいし、機械学習制御ＭＬＣが実行される際の駆動電力Ｗｄよりも駆動電力Ｗｄが大きい駆動パターンＤＷであってもよい。

本実施形態において制御部４０は、放電灯９０の点灯と消灯とが実行された履歴に基づいて、機械学習制御ＭＬＣと高負荷駆動制御ＨＬＣとを切り換える。図１８は、機械学習制御ＭＬＣと高負荷駆動制御ＨＬＣとの切り換えにおける制御部４０の制御手順の一例を示すフローチャートである。図１９は、放電灯９０の点灯と消灯との実行および制御の切り換わりの一例を示すグラフである。図１９において、縦軸は放電灯９０の点灯と消灯とを示しており、横軸は時間Ｔを示している。

図１８に示すように、制御部４０は、放電灯９０が点灯された（ステップＳ７１）後、短点灯ＳＬが所定回数連続して実行されたか否かを判断する（ステップＳ７２）。すなわち、制御部４０は、短点灯ＳＬの連続実行回数が所定回数以上であるか否かを判断する。短点灯ＳＬは、放電灯９０の１回の点灯時間ｔｅが第１所定時間以下となる点灯である。第１所定時間は、例えば、１０ｍｉｎ（分）である。所定回数は、例えば、６回である。

短点灯ＳＬが所定回数連続して実行されていない場合（ステップＳ７２：ＮＯ）、制御部４０は、機械学習制御ＭＬＣを実行する（ステップＳ７５）。一方、短点灯ＳＬが所定回数連続して実行されていた場合（ステップＳ７２：ＹＥＳ）、制御部４０は、高負荷駆動制御ＨＬＣを実行する（ステップＳ７３）。これにより、高負荷駆動パターンＤＷＨが実行される。

高負荷駆動制御ＨＬＣを開始した後、制御部４０は、高負荷駆動制御ＨＬＣが開始されてから第２所定時間Ｐｔが経過したか否かを判断する（ステップＳ７４）。第２所定時間Ｐｔは、例えば、１０ｍｉｎ（分）以上である。第２所定時間Ｐｔが経過していない場合（ステップＳ７４：ＮＯ）、制御部４０は、高負荷駆動制御ＨＬＣを継続して実行する。一方、第２所定時間Ｐｔが経過した場合（ステップＳ７４：ＹＥＳ）、制御部４０は、高負荷駆動制御ＨＬＣを終了して、機械学習制御ＭＬＣを実行する（ステップＳ７５）。すなわち、制御部４０は、高負荷駆動制御ＨＬＣから機械学習制御ＭＬＣに切り換える。

以上のように、本実施形態において制御部４０は、短点灯ＳＬが所定回数連続して実行された場合、機械学習駆動パターンＤＷ１よりも第１電極９２および第２電極９３に加える熱負荷が大きい高負荷駆動パターンＤＷＨを第２所定時間Ｐｔ実行する。このように、本実施形態において非機械学習制御ＮＭＬＣが実行される所定の条件は、短点灯ＳＬが所定回数連続して実行されたことを含む。

次に、非機械学習制御ＮＭＬＣのうち、強制入力制御ＣＩＣについて説明する。強制入力制御ＣＩＣは、入力部４５が操作を受け付けることによって行われる制御である。本実施形態において入力部４５は、ちらつき抑制パターンＤＷＦの実行入力と、駆動パターンＤＷの切り換え入力と、を受け付ける。すなわち、本実施形態において非機械学習制御ＮＭＬＣが実行される所定の条件は、入力部４５がちらつき抑制パターンＤＷＦの実行入力を受け付けたことと、入力部４５が駆動パターンＤＷの切り換え入力を受け付けたことと、を含む。

制御部４０は、入力部４５がちらつき抑制パターンＤＷＦの実行入力を受け付けた場合に、実行中の駆動パターンＤＷからちらつき抑制パターンＤＷＦに切り換える。ちらつき抑制パターンＤＷＦに切り換えた後、制御部４０は、上述したちらつき抑制制御ＦＲＣと同様の制御を実行する。入力部４５がちらつき抑制パターンＤＷＦの実行入力を受け付けた場合の駆動パターンＤＷの切り換えは、例えば、制御部４０が上述したいずれの制御を実行している最中であっても実行される。

制御部４０は、入力部４５が駆動パターンＤＷの切り換え入力を受け付けた場合に、実行中の駆動パターンＤＷから他の駆動パターンＤＷに切り換える。本実施形態において、入力部４５が駆動パターンＤＷの切り換え入力を受け付けた場合の他の駆動パターンＤＷへの切り換えは、例えば、機械学習制御ＭＬＣを実行している最中に実行される。機械学習制御ＭＬＣの実行中に入力部４５が駆動パターンＤＷの切り換え入力を受け付けた場合、制御部４０は、機械学習制御ＭＬＣを行う場合と同様にして次の機械学習駆動パターンＤＷ１を選択し、その機械学習駆動パターンＤＷ１に強制的に切り換える。すなわち、強制入力制御ＣＩＣにおいて実行される非機械学習駆動パターンＤＷ２は、機械学習駆動パターンＤＷ１と同様の駆動パターンＤＷを含む。

制御部４０は、上述したようにして入力部４５が受け付けた入力に基づく駆動パターンＤＷの切り換えから一定期間、切り換えの直前に実行されていた駆動パターンＤＷを実行しない。例えば、機械学習制御ＭＬＣにおいて入力部４５が受け付けた入力に基づいて駆動パターンＤＷが切り換えられた場合には、使用者が入力部４５に対して入力操作を行った際に実行されていた機械学習駆動パターンＤＷ１を一定期間実行しない。具体的には、例えば、制御部４０は、使用者が入力部４５に対して入力操作を行った際に実行されていた機械学習駆動パターンＤＷ１の評価を、上述したステップＳ２８において現在選択されている駆動パターンＤＷが切換条件を満たす場合の処理と同程度に下げることで、機械学習制御ＭＬＣにおいて、切り換え前の機械学習駆動パターンＤＷ１が一定期間、選択・実行されないようにする。

上述した制御を行う制御部４０を備える放電灯点灯装置１０は、放電灯駆動方法としても表現できる。すなわち、本実施形態の放電灯駆動方法の一つの態様は、第１電極９２および第２電極９３を有する放電灯９０に駆動電流Ｉを供給して、放電灯９０を駆動する放電灯駆動方法であって、機械学習に基づいて、複数の駆動パターンＤＷのうちいずれか１つの駆動パターンＤＷを選択し、選択された駆動パターンＤＷを実行し、所定の条件が満たされた場合、機械学習に基づく駆動パターンＤＷを選択および実行せずに、複数の駆動パターンＤＷのうち所定の駆動パターンＤＷを実行することを特徴とする。

例えば、従来においては、ランプ電圧Ｖｌａの値と駆動電力Ｗｄの値とに対応した駆動パターンＤＷが予め設定されていたため、ランプ電圧Ｖｌａおよび駆動電力Ｗｄが同じ値である場合には、実行される駆動パターンＤＷは、予め設定された１つの駆動パターンＤＷであった。

これに対して、本実施形態では、機械学習によって機械学習駆動パターンＤＷ１が選択されるため、例えば、ランプ電圧Ｖｌａが所定の電圧値であり駆動電力Ｗｄが所定の電力値である場合、少なくとも１つの駆動パラメーターが互いに異なる複数の機械学習駆動パターンＤＷ１が実行される。すなわち、例えば、制御部４０、放電灯９０に供給される駆動電力Ｗｄが所定の電力帯であり、かつ、放電灯９０のランプ電圧Ｖｌａが所定の電圧値である場合に、少なくとも３つの機械学習駆動パターンＤＷ１を実行する。この少なくとも３つの機械学習駆動パターンＤＷ１は、１つの機械学習駆動パターンＤＷ１を構成する駆動における複数の駆動パラメーターのうちの少なくとも１つの駆動パラメーターの値が互いに異なる機械学習駆動パターンＤＷ１である。すなわち、ランプ電圧Ｖｌａを一定とし、かつ、駆動電力Ｗｄの電力帯を一定として放電灯９０に供給される駆動電流Ｉの機械学習駆動パターンＤＷ１を検出する場合、少なくとも３つ以上の異なる機械学習駆動パターンＤＷ１を検出可能である。なお、所定の電力帯とは、例えば、幅が１０Ｗ以内程度の駆動電力Ｗｄの数値範囲である。

また、上述したように機械学習によって機械学習駆動パターンＤＷ１の選択・実行を行うと、放電灯９０のランプ電圧Ｖｌａが所定の電圧値である場合、放電灯９０の累積点灯時間あるいは放電灯９０の個体が異なることで、選択・実行される機械学習駆動パターンＤＷ１が異なる。すなわち、制御部４０は、放電灯９０のランプ電圧Ｖｌａが所定の電圧値である場合、放電灯９０の累積点灯時間および放電灯９０の個体のうちの少なくとも一方に応じて、少なくとも２つの機械学習駆動パターンＤＷ１、例えば第３駆動パターンおよび第４駆動パターンを実行する。

第３駆動パターンと第４駆動パターンとは、複数の機械学習駆動パターンＤＷ１のうちの任意の２つの機械学習駆動パターンＤＷ１である。第３駆動パターンと第４駆動パターンとは、各駆動パターンを構成する駆動における複数の駆動パラメーターのうち少なくとも１つの駆動パラメーターの値が互いに異なる。なお、累積点灯時間は、放電灯９０が点灯された時間の総計である。すなわち、累積点灯時間は、放電灯９０が初めて点灯したときから積算された放電灯９０の点灯時間である。

具体的には、例えば、制御部４０は、ランプ電圧Ｖｌａが所定の電圧値であり、かつ、累積点灯時間が第１累積点灯時間である場合、第３駆動パターンを実行し、ランプ電圧Ｖｌａが所定の電圧値であり、かつ、累積点灯時間が第１累積点灯時間とは異なる第２累積点灯時間である場合、第４駆動パターンを実行する。すなわち、ランプ電圧Ｖｌａを一定として放電灯９０に供給される駆動電流Ｉの機械学習駆動パターンＤＷ１を検出する場合、放電灯９０の累積点灯時間が変わると、異なる機械学習駆動パターンＤＷ１を少なくとも２つ以上検出可能である。

また、例えば、制御部４０は、ランプ電圧Ｖｌａが所定の電圧値であり、かつ、放電灯９０が第１個体である場合、第３駆動パターンを実行し、ランプ電圧Ｖｌａが所定の電圧値であり、かつ、放電灯９０が第１個体とは異なる第２個体である場合、第４駆動パターンを実行する。すなわち、ランプ電圧Ｖｌａを一定として放電灯９０に供給される駆動電流Ｉの機械学習駆動パターンＤＷ１を検出する場合、放電灯９０の個体が変わると、異なる機械学習駆動パターンＤＷ１を少なくとも２つ以上検出することが可能である。

なお、複数の駆動パラメーターのうち少なくとも１つの駆動パラメーターの値が互いに異なるとは、例えば２つの機械学習駆動パターンＤＷ１の間で、各機械学習駆動パターンＤＷ１を構成する駆動が異なる場合を含む。より具体的には、例えば、第３駆動パターンが直流駆動で構成され、第４駆動パターンが直流駆動および交流駆動で構成され、かつ、第３駆動パターンにおける交流駆動に関する各駆動パラメーターと第４駆動パターンにおける交流駆動に関する各パラメーターとが同じである場合も、第３駆動パターンと第４駆動パターンとは、少なくとも１つの駆動パラメーターの値が互いに異なる機械学習駆動パターンＤＷ１とする。この場合、第４駆動パターンには直流駆動が含まれないため、第４駆動パターンにおける直流駆動に関する駆動パラメーターをゼロとみなす。これにより、この場合において第３駆動パターンと第４駆動パターンとは、直流駆動に関する駆動パラメーターが互いに異なる。

本実施形態によれば、上述したようにして、制御部４０は、機械学習に基づいて、複数の機械学習駆動パターンＤＷ１のうちからいずれか１つの機械学習駆動パターンＤＷ１を選択して、選択した機械学習駆動パターンＤＷ１を実行する。そのため、放電灯９０に個体差がある場合であっても、機械学習を行うことで、放電灯９０の個体差に応じて、好適な機械学習駆動パターンＤＷ１を選択することができる。したがって、本実施形態によれば、放電灯９０の個体差によらず、放電灯９０の寿命を向上させることができる。

また、放電灯９０に供給される駆動電力Ｗｄが変化すると、第１電極９２の突起５５２ｐの溶融度合い、および成長度合いが変化する。そのため、従来では、放電灯９０に供給される駆動電力Ｗｄごとに、ランプ電圧Ｖｌａに応じて、放電灯９０に供給される駆動電流Ｉの好適な駆動パターンＤＷを決め、記憶部４４に格納しておく必要があった。したがって、全ての駆動電力Ｗｄごとにランプ電圧Ｖｌａに応じた駆動パターンＤＷを設定しておくことは困難であり、予め決められた複数種類の駆動電力Ｗｄにしか、放電灯９０に供給される駆動電力Ｗｄを変更できない仕様となっていた。

これに対して、本実施形態によれば、機械学習に基づいて機械学習駆動パターンＤＷ１が選択されるため、駆動電力Ｗｄを変化させた場合であっても、駆動電力Ｗｄの変化に応じて、好適な機械学習駆動パターンＤＷ１を選択することができる。これにより、放電灯９０に供給される駆動電力Ｗｄを容易に多段階で変化させることが可能となる。したがって、例えば、使用者が、駆動電力Ｗｄを任意に変化させて、プロジェクター５００から投射される映像の輝度を自由に変更することが可能となる。そのため、例えば、駆動電力Ｗｄを比較的小さくして、プロジェクター５００の消費電力を好適に抑えつつ、放電灯９０の寿命を向上させることも可能となる。

また、駆動電力Ｗｄを任意に変更することが可能となるため、放電灯９０の寿命を向上させる際に変化させる機械学習駆動パターンＤＷ１の駆動パラメーターの一つとして、駆動電力Ｗｄを用いることも可能となる。これにより、放電灯９０の寿命をより向上させることができる。例えば、プロジェクター５００の筐体には、駆動電力Ｗｄを変化させるための操作部を設けてもよい。

また、本実施形態によれば、制御部４０は、ランプ電圧Ｖｌａの変化に基づいて機械学習駆動パターンＤＷ１の選択を行う。そのため、ランプ電圧Ｖｌａを検出することで、機械学習駆動パターンＤＷ１の選択を行うことができ、機械学習を好適かつ容易に行うことができる。

また、本実施形態によれば、制御部４０は、選択された機械学習駆動パターンＤＷ１の実行時において、検出されたランプ電圧Ｖｌａの変化が切換条件を満たす場合、選択された機械学習駆動パターンＤＷ１から他の機械学習駆動パターンＤＷ１に切り換える。そのため、選択された機械学習駆動パターンＤＷ１が、そのときの放電灯９０の状態に対して寿命を向上させるのに好ましくない機械学習駆動パターンＤＷ１である場合に、機械学習駆動パターンＤＷ１を他の好適な機械学習駆動パターンＤＷ１へ切り換えられる。したがって、放電灯９０の寿命が低下することを抑制できる。

また、上述したように、切換条件を満たした機械学習駆動パターンＤＷ１は、評価を下げられ、かつ、ステップＳ２４において次に当該切換条件を満たした機械学習駆動パターンＤＷ１が選択され、ステップＳ２５において当該切換条件を満たした機械学習駆動パターンＤＷ１が実行条件を満たすか判断される際に、実行条件を満たさないと判断される。すなわち、制御部４０は、所定期間の間、当該切換条件を満たした機械学習駆動パターンＤＷ１を実行しない。そのため、本実施形態によれば、放電灯９０の寿命を低下させる可能性が高い機械学習駆動パターンＤＷ１が実行されることを抑制でき、放電灯９０の寿命をより向上させることができる。

上述したように制御部４０は、選択された機械学習駆動パターンＤＷ１の実行を開始してから定常学習時間が経過した場合に、次の機械学習駆動パターンＤＷ１を選択するため、機械学習駆動パターンＤＷ１の実行時間（所定時間）の長さは基本的には、定常学習時間の長さと同じになる。しかし、定常学習期間において選択された機械学習駆動パターンＤＷ１は、放電灯９０の状態によって、定常学習時間が経過する前に途中で他の機械学習駆動パターンＤＷ１へ切り換えられることがあるため、同じ機械学習駆動パターンＤＷ１であっても、１つの機械学習駆動パターンＤＷ１の実行を開始してから次の機械学習駆動パターンＤＷ１に切り換えられるまでの、選択された１つの機械学習駆動パターンＤＷ１の実行時間（所定時間）が変化する場合がある。

すなわち、制御部４０は、ランプ電圧Ｖｌａに基づいて、複数の機械学習駆動パターンＤＷ１のうちの所定の機械学習駆動パターンＤＷ１が実行される実行時間（所定時間）の長さを変化させる。そのため、ランプ電圧Ｖｌａの変化に応じて、適宜機械学習駆動パターンＤＷ１を切り換えることができ、放電灯９０の寿命をより向上できる。

また、複数の機械学習駆動パターンＤＷ１のうちの所定の機械学習駆動パターンＤＷ１が実行される実行時間の長さは、上述したようにして変化するため、放電灯９０の累積点灯時間に応じて変化する。また、複数の機械学習駆動パターンＤＷ１のうちの所定の駆動パターンが実行される実行時間の長さは、上述したようにして変化するため、放電灯９０の個体に応じて変化する。選択された機械学習駆動パターンＤＷ１が途中で他の機械学習駆動パターンＤＷ１へ切り換えられた場合、当該選択された機械学習駆動パターンＤＷ１の実行時間（所定時間）は、定常学習時間よりも短い。

また、例えば、評価が最も高い機械学習駆動パターンＤＷ１、すなわち、放電灯９０のランプ電圧Ｖｌａを目標数値範囲に最も近付ける機械学習駆動パターンＤＷ１であっても、常に同じ機械学習駆動パターンＤＷ１を実行する場合には、第１電極９２の突起５５２ｐが成長しにくくなる場合があり、放電灯９０の寿命を十分に向上させにくくなる場合がある。また、例えば、放電灯９０の第１電極９２の突起５５２ｐの溶融度合いおよび成長度合いは、放電灯９０の劣化、すなわち累積点灯時間の増加に伴って変化する。そのため、ある時点において放電灯９０の寿命を向上させるために好適な機械学習駆動パターンＤＷ１であっても、別の時点において放電灯９０の寿命を向上させるために不適な機械学習駆動パターンＤＷ１となることがある。

これに対して、本実施形態によれば、制御部４０は、定常学習期間の１サイクルにおいて、Ｎ個の機械学習駆動パターンＤＷ１の中から選択されていない機械学習駆動パターンＤＷ１および比較的評価の高い機械学習駆動パターンＤＷ１のうち一方を選択・実行する。そのため、１サイクル内において、評価の最も高い機械学習駆動パターンＤＷ１を含む比較的評価の高い機械学習駆動パターンＤＷ１と、それ以外の機械学習駆動パターンＤＷ１と、の両方が実行される。すなわち、本実施形態の制御部４０は、一定の期間内において、複数の機械学習駆動パターンＤＷ１のうち評価の最も高い機械学習駆動パターンＤＷ１を含む比較的評価の高い機械学習駆動パターンＤＷ１（以下、高評価駆動パターンＤＷｍと呼ぶ）と、複数の機械学習駆動パターンＤＷ１のうち高評価駆動パターンＤＷｍよりも評価の低い機械学習駆動パターンＤＷ１（以下、他の駆動パターンＤＷｅと呼ぶ）と、の両方を実行する。これにより、評価の高い高評価駆動パターンＤＷｍの間に、高評価駆動パターンＤＷｍよりも評価が低い他の駆動パターンＤＷｅを実行することができ、第１電極９２に対して加えられる熱負荷の刺激を大きく変動させやすい。したがって、突起５５２ｐを成長させやすく、放電灯９０の寿命をより向上させやすい。

また、本実施形態によれば、制御部４０は、選択された機械学習駆動パターンＤＷ１が実行された前後のランプ電圧Ｖｌａの変化が連続実行条件を満たす場合、当該選択された機械学習駆動パターンＤＷ１を複数回、連続して実行する。ここで、本実施形態は、ランプ電圧Ｖｌａが所定の電圧値であり駆動電力Ｗｄが所定の電力値である場合、少なくとも１つの駆動パラメーターが互いに異なる複数の機械学習駆動パターンＤＷ１が実行される構成である。すなわち、本実施形態は、１つの条件下で２つ以上の機械学習駆動パターンＤＷ１のうち１つが選択され実行されるというランダム性を有する一方で、選択された機械学習駆動パターンＤＷ１が連続実行条件を満たした場合には、１つの同じ駆動パターンが連続して実行されることになる特性も有する。そのため、放電灯９０の寿命を向上させるのに好適な機械学習駆動パターンＤＷ１を複数回、連続して実行することができ、放電灯９０の寿命をより向上させやすい。また、本実施形態において連続実行条件は、連続実行回数が所定回数以下であることを含む。そのため、放電灯９０の状態が大きく変化しない程度の実行時間で、好適な機械学習駆動パターンＤＷ１を複数回、連続して実行することができる。したがって、放電灯９０の寿命をより向上させやすい。

また、本実施形態によれば、制御部４０は、ステップＳ２５で示したように実行条件を満たすか否かの判断を行い、実行条件を満たさない場合には、その機械学習駆動パターンＤＷ１を実行しない。これにより、評価が比較的低い機械学習駆動パターンＤＷ１が実行されにくい。したがって、放電灯９０の寿命をより向上させやすい。

以上のような機械学習に基づいて機械学習駆動パターンＤＷ１が選択・実行されるため、本実施形態においては、ランプ電圧Ｖｌａによらず、各機械学習駆動パターンＤＷ１が実行される確率は互いに異なる。すなわち、放電灯９０のランプ電圧Ｖｌａが所定の電圧値である場合、第３駆動パターンが実行される確率と、第４駆動パターンが実行される確率と、は互いに異なる。

また、少なくとも第３駆動パターンおよび第４駆動パターンがそれぞれ１回以上実行される実行期間において、実行期間の長さに対する第３駆動パターンが実行される実行時間の割合と、実行期間の長さに対する第４駆動パターンが実行される実行時間の割合と、は互いに異なる。実行期間とは、例えば、定常学習期間の１サイクルに相当する。

また、少なくとも第３駆動パターンおよび第４駆動パターンがそれぞれ１回以上実行される実行期間、すなわち例えば定常学習期間の１サイクルにおいて、第３駆動パターンが実行される回数と、第４駆動パターンが実行される回数と、は互いに異なる。第３駆動パターンを、評価の最も高い機械学習駆動パターンＤＷ１を含む高評価駆動パターンＤＷｍとし、第４駆動パターンを、他の駆動パターンＤＷｅのうちの１つの機械学習駆動パターンＤＷ１とする場合、第３駆動パターンが実行される回数は、第４駆動パターンが実行される回数よりも多い。

また、例えば、選択される複数の機械学習駆動パターンＤＷ１の個数（Ｎ）が少なすぎると、放電灯９０の状態に応じた好適な機械学習駆動パターンＤＷ１が含まれていない場合がある。一方、機械学習駆動パターンＤＷ１の個数が多すぎると、初期学習期間に時間が掛かり、好適な機械学習駆動パターンＤＷ１を選択するまでに時間が掛かる。また、定常学習期間において好適な機械学習駆動パターンＤＷ１以外の実行する割合が大きくなる。

これに対して、機械学習駆動パターンＤＷ１の個数を１０パターン以上、１００パターン以下とすれば、放電灯９０の状態に応じた好適な機械学習駆動パターンＤＷ１を選択しやすく、初期学習期間の時間も短くできる。また、定常学習期間において好適な機械学習駆動パターンＤＷ１の割合を大きくできるため、より放電灯９０の寿命を向上できる。また、機械学習駆動パターンＤＷ１の個数を２０パターン以上、３０パターン以下とすれば、これらの効果をより高く得られる。

上述したように、機械学習を用いることによって、実行される機械学習駆動パターンＤＷ１を好適に選択することができ、放電灯９０の寿命を向上できる。しかし、機械学習のみを用いているだけでは、放電灯９０の寿命以外の観点で不具合が生じる場合も考えられる。そのため、機械学習のみを用いる場合には、放電灯９０の寿命は向上できるものの、放電灯９０が搭載されたプロジェクター５００等の機器を使用する使用者の利便性および快適性が低下する場合があった。

これに対して、本実施形態によれば、所定の条件が満たされた場合、機械学習に基づく機械学習駆動パターンＤＷ１の選択および実行をせずに、所定の駆動パターンＤＷとして非機械学習駆動パターンＤＷ２を実行する。そのため、機械学習に基づいた機械学習制御ＭＬＣとは別に、機械学習によらず、個別の問題ごとに好適な駆動パターンＤＷを選択・実行することができる。これにより、本実施形態によれば、機械学習に基づいて放電灯９０の寿命を向上させつつ、使用者の利便性および快適性を向上させることができる。

具体的に、放電灯９０の寿命以外の観点で不具合が生じる場合としては、水銀ブリッジが生じる場合が挙げられる。例えば、比較的初期の状態の放電灯９０においては、第１電極９２および第２電極９３の突起５５２ｐ，５６２ｐが成長し過ぎて、電極間距離が比較的小さくなる場合がある。この場合、放電灯９０を消灯した後に、放電灯９０内で液化した水銀が第１電極９２と第２電極９３とに跨って付着する水銀ブリッジが生じる場合がある。水銀ブリッジが生じると第１電極９２と第２電極９３とが短絡するため、放電灯９０が点灯しなくなる。

このような水銀ブリッジが生じることを抑制するためには、電極間距離を大きくするような駆動パターンＤＷを実行することが考えられる。しかし、通常、このような駆動パターンＤＷは、放電灯９０の寿命を低下させやすい。そのため、機械学習制御ＭＬＣにおいて選択される機械学習駆動パターンＤＷ１のうちには、電極間距離を大きくするような駆動パターンＤＷを含めないことが好ましい。しかし、そうすると、機械学習制御ＭＬＣを実行しても、水銀ブリッジを抑制することが難しい問題があった。

これに対して、本実施形態によれば、制御部４０は、ランプ電圧Ｖｌａが第１所定電圧値よりも小さい場合、所定の駆動パターンＤＷとして、低周波期間を含む第１電圧増加パターンＤＷＶ１あるいは第２電圧増加パターンＤＷＶ２を実行する。そのため、ランプ電圧Ｖｌａが比較的小さくなった場合、すなわち突起５５２ｐ，５６２ｐが成長し過ぎて電極間距離が比較的小さくなった場合に、機械学習によらず、第１電圧増加パターンＤＷＶ１あるいは第２電圧増加パターンＤＷＶ２を実行できる。

低周波期間においては、第１期間において放電灯９０に供給される交流電流の第１周波数ｆ１および第２周波数ｆ２よりも低い第３周波数ｆ３を有する交流電流が放電灯９０に供給される。そのため、低周波期間を含む駆動パターンＤＷを実行すると、第１電極９２および第２電極９３の突起５５２ｐ，５６２ｐを溶融させて短くさせやすく、第１電極９２と第２電極９３との電極間距離を大きくすることができる。したがって、第１電圧増加パターンＤＷＶ１あるいは第２電圧増加パターンＤＷＶ２を実行することにより、水銀ブリッジが生じることを抑制できる。これにより、本実施形態によれば、放電灯９０の寿命を向上させつつ、水銀ブリッジが生じることを抑制でき、使用者の利便性を向上できる。

また、例えば、低周波期間のみで構成される第１電圧増加パターンＤＷＶ１を実行する場合、駆動電力Ｗｄが比較的小さい場合には、第１電極９２および第２電極９３に加えられる熱負荷は比較的大きいものの、極性が切り換わるまでに溶融できる第１電極９２および第２電極９３の部分は比較的小さく、突起５５２ｐ，５６２ｐが成長するまでには至りにくい。したがって、突起５５２ｐ，５６２ｐを短くできる。一方、駆動電力Ｗｄが比較的大きい場合には、第１電極９２および第２電極９３に加えられる熱負荷が好適に大きくなり、極性が切り換わるまでに溶融できる第１電極９２および第２電極９３の部分が比較的大きくなる。これにより、駆動電力Ｗｄが比較的大きい場合に、第１電圧増加パターンＤＷＶ１を実行すると、突起５５２ｐ，５６２ｐが成長する場合がある。したがって、水銀ブリッジが生じることを抑制しにくい場合がある。

これに対して本実施形態によれば、ランプ電圧Ｖｌａが第１所定電圧値よりも小さく、かつ、放電灯９０に供給される駆動電力Ｗｄが所定電力値以上の場合、所定の駆動パターンＤＷとして低周波期間と第３期間とを含む第２電圧増加パターンＤＷＶ２を実行する。第３期間は、第１電極９２および第２電極９３に加える熱負荷が低周波期間よりも大きい。そのため、駆動電力Ｗｄが所定電力値以上の場合、すなわち駆動電力Ｗｄが比較的大きい場合に、第３期間を実行すると、第１電極９２および第２電極９３に加えられる熱負荷を過剰に大きくでき、突起５５２ｐ，５６２ｐを潰すことができる。これにより、成長し過ぎた突起５５２ｐ，５６２ｐを好適に短くでき、水銀ブリッジを抑制できる。

また、例えば、駆動電力Ｗｄが所定電力値よりも小さい場合、すなわち駆動電力Ｗｄが比較的小さい場合に、第２電圧増加パターンＤＷＶ２を実行すると、第１電極９２および第２電極９３に加えられる熱負荷が好適に大きくなる。そのため、突起５５２ｐ，５６２ｐが成長して、水銀ブリッジが生じることを抑制しにくい場合がある。したがって、上述したように、駆動電力Ｗｄに応じて、第１電圧増加パターンＤＷＶ１と第２電圧増加パターンＤＷＶ２とを適宜実行することで、突起５５２ｐ，５６２ｐをより好適に短くでき、水銀ブリッジが生じることをより抑制できる。

また、例えば、第１電圧増加パターンＤＷＶ１あるいは第２電圧増加パターンＤＷＶ２によって突起５５２ｐ，５６２ｐを短くする場合であっても、過剰に突起５５２ｐ，５６２ｐを潰し過ぎると、機械学習制御ＭＬＣを再び実行した際に突起５５２ｐ，５６２ｐを成長させにくい場合がある。

これに対して、本実施形態によれば、低周波期間は、放電灯９０に供給される交流電流の周波数が互いに異なる複数の交流期間を有する。これにより、第１電圧増加パターンＤＷＶ１あるいは第２電圧増加パターンＤＷＶ２を実行した場合に、第１電極９２および第２電極９３に熱負荷の変化による刺激を適度に与えることができ、突起５５２ｐ，５６２ｐが成長しやすい土台を作りつつ、突起５５２ｐ，５６２ｐを短くすることができる。したがって、突起５５２ｐ，５６２ｐを短くして水銀ブリッジを抑制しつつ、機械学習制御ＭＬＣに戻った際に突起５５２ｐ，５６２ｐを成長させやすくできる。

また、放電灯９０の寿命以外の観点で不具合が生じる場合としては、ちらつきが生じる場合が挙げられる。例えば、駆動電力Ｗｄが急激に上昇すると、上昇する前の比較的小さい駆動電力Ｗｄによって形成された突起５５２ｐ，５６２ｐの太さに対して、第１電極９２および第２電極９３に加えられる熱負荷が過剰に大きくなりやすい。そのため、突起５５２ｐ，５６２ｐが溶融して無くなる場合がある。したがって、第１電極９２の表面および第２電極９３の表面においてアーク放電の輝点が移動する場合がある。輝点が移動すると、電極間距離が変化してアーク放電の大きさが変化するため、放電灯９０の照度が変化し、ちらつきが生じる場合がある。

また、例えば、駆動電力Ｗｄが急激に低下すると、低下する前の比較的大きい駆動電力Ｗｄによって形成された突起５５２ｐ，５６２ｐの太さに対して、アーク放電の輝点の大きさが小さくなりやすい。そのため、突起５５２ｐ，５６２ｐ上を輝点が移動しやすい。したがって、ちらつきが生じる場合がある。

これに対して、本実施形態によれば、機械学習に基づく機械学習駆動パターンＤＷ１の選択および実行をせずに、所定の駆動パターンＤＷが実行される所定の条件は、駆動電力Ｗｄの変化の割合が所定割合以上であることを含む。そのため、駆動電力Ｗｄが急激に変化した場合に、ちらつきを好適に抑制できる所定の駆動パターンＤＷ、すなわち上述した実施形態では、ちらつき抑制パターンＤＷＦを実行できる。したがって、放電灯９０にちらつきが生じることを抑制でき、プロジェクター５００から投射される画像がちらつくことを抑制できる。その結果、使用者の快適性を向上できる。

具体的に本実施形態によれば、ちらつき抑制パターンＤＷＦにおける第１期間の長さは、機械学習制御ＭＬＣにおいて実行される機械学習駆動パターンＤＷ１における第１期間の長さよりも大きい。また、ちらつき抑制パターンＤＷＦにおける第１期間の第１周波数ｆ１および第２周波数ｆ２は、機械学習制御ＭＬＣにおいて実行される機械学習駆動パターンＤＷ１における第１期間の第１周波数ｆ１および第２周波数ｆ２よりも高い。そのため、極性が一定に維持される時間を短くすることができアーク放電の輝点の位置を安定させつつ、第１電極９２および第２電極９３の一部のみを溶融・凝固させて成長させることができる。これにより、細長の小突起を迅速に形成することができる。小突起が形成されることで、アーク放電の輝点は小突起の先端位置に安定するため、アーク放電の輝点が移動することが抑制される。したがって、本実施形態によれば、駆動電力Ｗｄが急激に変化した場合に、ちらつきが生じることを抑制できる。

また、本実施形態によれば、ちらつき抑制パターンＤＷＦにおける第２期間の長さは、機械学習制御ＭＬＣにおいて実行される機械学習駆動パターンＤＷ１における第２期間の長さよりも小さい。そのため、第１電極９２および第２電極９３に加えられる熱負荷を適度に小さくして、第１電極９２および第２電極９３における溶融する範囲を狭くできる。これにより、より迅速に小突起を形成しやすい。したがって、放電灯９０のちらつきをより好適に抑制できる。

また、本実施形態によれば、ちらつき抑制パターンＤＷＦにおける第３期間の長さは、機械学習制御ＭＬＣにおいて実行される機械学習駆動パターンＤＷ１における第３期間の長さよりも小さい。そのため、第１電極９２および第２電極９３に加えられる熱負荷をより適度に小さくして、第１電極９２および第２電極９３における溶融する範囲を狭くできる。これにより、より迅速に小突起を形成しやすい。したがって、放電灯９０のちらつきをより好適に抑制できる。

また、ちらつき抑制パターンＤＷＦを実行している間は機械学習が実行されないため、ちらつき抑制パターンＤＷＦの実行時間は短い方が好ましい。これに対して、本実施形態によれば、制御部４０は、ちらつき抑制パターンＤＷＦを実行した時間またはランプ電圧Ｖｌａに基づいて、ちらつき抑制パターンＤＷＦを終了し、機械学習に基づく機械学習駆動パターンＤＷ１の選択および実行を行う。そのため、ちらつき抑制パターンＤＷＦの実行時間が長くなることを抑制できる。これにより、機械学習が実行される時間の割合を大きくでき、放電灯９０の寿命をより向上できる。

また、本実施形態によれば、制御部４０は、ちらつき抑制パターンＤＷＦの実行を開始した後にランプ電圧Ｖｌａが第３所定値以上低下した場合、ちらつき抑制パターンＤＷＦを終了し、機械学習に基づく機械学習駆動パターンＤＷ１の選択および実行を行う。ちらつき抑制パターンＤＷＦを実行したことでランプ電圧Ｖｌａがある程度低下した場合、上述した小突起が形成されたと判断できる。そのため、ランプ電圧Ｖｌａが第３所定値以上低下した場合に、ちらつき抑制パターンＤＷＦを終了しても、小突起が形成されているため、ちらつきを抑制できる。したがって、ちらつき抑制パターンＤＷＦの実行時間を短くして放電灯９０の寿命をより向上させつつ、ちらつきをより抑制しやすい。

また、本実施形態によれば、制御部４０は、入力部４５がちらつき抑制パターンＤＷＦの実行入力を受け付けた場合に、実行中の駆動パターンＤＷをちらつき抑制パターンＤＷＦに切り換える。そのため、例えば、プロジェクター５００を使用する使用者が投射される画像にちらつきを感じた場合に、入力部４５に所定の入力操作を行うことで、ちらつき抑制パターンＤＷＦを実行することが可能である。これにより、使用者は、ちらつきが生じた場合に、入力部４５への入力を行うことで、ちらつきを解消あるいは低減することができる。したがって、使用者の利便性および快適性を向上できる。

また、本実施形態によれば、制御部４０は、入力部４５が駆動パターンＤＷの切り換え入力を受け付けた場合に、実行中の駆動パターンＤＷを他の駆動パターンＤＷに切り換える。そのため、例えば、プロジェクター５００を使用する使用者が投射される画像にちらつきを感じた場合に、入力部４５に所定の入力操作を行うことで、他の駆動パターンＤＷを実行することができる。これにより、使用者は、ちらつきが生じた場合に、入力部４５への入力を行うことで、ちらつきを生じる駆動パターンＤＷから強制的に切り換えることができ、ちらつきを解消あるいは低減しやすい。したがって、使用者の利便性および快適性を向上できる。また、例えば、機械学習制御ＭＬＣにおいて選択・実行された機械学習駆動パターンＤＷ１がちらつきを生じる機械学習駆動パターンＤＷ１であった場合に、強制的に次の機械学習駆動パターンＤＷ１の選択・実行を行うことができる。

また、本実施形態によれば、制御部４０は、入力部４５が受け付けた入力に基づく駆動パターンＤＷの切り換えから一定期間、切り換えの直前に実行されていた駆動パターンＤＷを実行しない。切り換え直前に実行されていた駆動パターンＤＷは、ちらつきを生じていた駆動パターンＤＷである可能性が高いため、この駆動パターンＤＷを一定期間実行しないことで、ちらつきが生じることをより抑制できる。

また、例えば、放電灯９０の点灯時間が短い短点灯ＳＬが連続して実行されると、１つまたは少数の機械学習駆動パターンＤＷ１を実行する間に、放電灯９０の点灯立ち上げ動作が複数回入り、突起５５２ｐ，５６２ｐが変形する場合がある。このような場合、ちらつきが生じやすい。しかし、１つまたは少数の機械学習駆動パターンＤＷ１の実行中においては、短点灯ＳＬが連続して実行されることによって突発的に生じた突起５５２ｐ，５６２ｐの変形に対応しにくい場合があった。そのため、機械学習のみでは、ちらつきを抑制できず、使用者の快適性が低下する場合があった。

これに対して、本実施形態によれば、制御部４０は、短点灯ＳＬが所定回数連続して実行された場合、機械学習制御ＭＬＣで実行される機械学習駆動パターンＤＷ１よりも第１電極９２および第２電極９３に加える熱負荷が大きい高負荷駆動パターンＤＷＨを第２所定時間実行する。そのため、連続した短点灯ＳＬによって変形した突起５５２ｐ，５６２ｐを比較的大きい熱負荷によって溶融させ、再成形することができる。これにより、突起５５２ｐ，５６２ｐの変形を解消しやすく、ちらつきが生じることを抑制できる。

なお、本実施形態においては、下記の構成および方法を採用することもできる。

制御部４０は、機械学習に基づいて機械学習駆動パターンＤＷ１を選択・実行するならば、機械学習の方法は、特に限定されない。上述した機械学習駆動パターンＤＷ１の評価方法は、特に限定されない。初期学習時間と定常学習時間は、互いに異なってもよい。

また、制御部４０は、機械学習制御ＭＬＣにおいて、ランプ電圧Ｖｌａが第４所定値以上低下した場合、機械学習駆動パターンＤＷ１を前回実行された機械学習駆動パターンＤＷ１に切り換えてもよい。より具体的には、例えば、選択された１つの機械学習駆動パターンＤＷ１が実行されている際に、制御部４０は、定常学習時間内に検出されたランプ電圧Ｖｌａに基づき、ランプ電圧Ｖｌａが第４所定値以上低下しているか否かを判断し、ランプ電圧Ｖｌａが第４所定値以上低下している場合には、前回実行した機械学習駆動パターンＤＷ１に切り換える。この構成によれば、例えば、突起５５２ｐが移動してランプ電圧Ｖｌａが急激に低下した場合に、突起５５２ｐが移動する前の機械学習駆動パターンＤＷ１に切り換えることができる。これにより、突起５５２ｐの位置を移動する前の位置に修正しやすい。また、制御部４０は、ランプ電圧Ｖｌａが第４所定値以上低下した場合、機械学習駆動パターンＤＷ１を前回実行された機械学習駆動パターンＤＷ１とは異なる機械学習駆動パターンＤＷ１に切り換えてもよい。

また、制御部４０は、機械学習制御ＭＬＣにおいて、ランプ電圧Ｖｌａに基づいて、定常学習時間の長さを変化させてもよい。例えば、放電灯９０が劣化すると、機械学習駆動パターンＤＷ１によるランプ電圧Ｖｌａの変化が発生するまでの時間が長くなる場合がある。この場合、機械学習駆動パターンＤＷ１の実行時間が短いと、機械学習駆動パターンＤＷ１を適正に評価できない場合がある。これに対して、ランプ電圧Ｖｌａに基づいて、定常学習時間の長さを変化させることで、放電灯９０が劣化した場合に定常学習時間を長くして、機械学習駆動パターンＤＷ１の実行時間を長くすることができる。したがって、機械学習駆動パターンＤＷ１を適正に評価しやすく、結果として放電灯９０の寿命を向上できる。

また、制御部４０は、機械学習制御ＭＬＣにおいて、ランプ電圧Ｖｌａに基づいて、機械学習駆動パターンＤＷ１の個数を変化させてもよいし、機械学習駆動パターンＤＷ１の各駆動における駆動パラメーターの種類を変化させてもよい。これらの場合、制御部４０は、ランプ電圧Ｖｌａに基づいて、複数の機械学習駆動パターンＤＷ１において互いに異なる駆動パラメーターの種類の数を変化させてもよい。例えば、制御部４０は、ランプ電圧Ｖｌａが第１電圧よりも大きい場合に、複数の機械学習駆動パターンＤＷ１において互いに異なる駆動パラメーターの種類の数を多くしてもよい。この構成によれば、放電灯９０が劣化した場合に、第１電極９２に加えられる熱負荷の変化による刺激を大きくしやすく、放電灯９０の寿命をより向上させることができる。

また、制御部４０は、機械学習制御ＭＬＣにおいて、直前までのランプ電圧Ｖｌａの変化に基づいて、機械学習駆動パターンＤＷ１を選択してもよい。また、制御部４０は、定常学習期間の１サイクルにおいて必ず１回ずつ以上、全ての機械学習駆動パターンＤＷ１が実行されるようにしてもよい。また、制御部４０は、予め設定された複数の機械学習駆動パターンＤＷ１以外の機械学習駆動パターンＤＷ１を定常学習期間中に作り出してもよい。この場合、制御部４０は、予め設定されている各機械学習駆動パターンＤＷ１の評価値に基づいて、駆動パラメーターを組み合わせて新たな機械学習駆動パターンＤＷ１を作ってもよい。

また、制御部４０は、初期学習期間でのステップＳ１５において、定常学習期間でのステップＳ２８のように、現在選択されている機械学習駆動パターンＤＷ１が切換条件を満たすか否かを判断してもよい。例えば、現在選択されている機械学習駆動パターンＤＷ１が切換条件を満たす場合、制御部４０は、現在選択されている機械学習駆動パターンＤＷ１の評価を下げ、現在選択されている機械学習駆動パターンＤＷ１から他の機械学習駆動パターンＤＷ１へ切り換えてもよい。一方で、現在選択されている機械学習駆動パターンＤＷ１が切換条件を満たさない場合、制御部４０は、初期学習時間が経過するまで現在選択されている機械学習駆動パターンＤＷ１を実行してもよい。なお、この場合の切換条件は、ステップＳ２８における切換条件と同じでもよいし、異なっていてもよい。

また、所定の条件が満たされた場合に実行される所定の駆動パターンＤＷは、機械学習に基づく機械学習駆動パターンＤＷ１の選択・実行でなければ、特に限定されない。すなわち、上述した非機械学習制御ＮＭＬＣの各例以外の非機械学習制御ＮＭＬＣが実行されてもよい。例えば、制御部４０は、ランプ電圧Ｖｌａが第３所定電圧値よりも大きい場合、所定の駆動パターンＤＷを実行してもよい。この場合、第３所定電圧値は、例えば、目標数値範囲のうちで最も大きい値である。

また、非機械学習制御ＮＭＬＣが少なくとも１つ実行されるならば、上述した非機械学習制御ＮＭＬＣの各例は、いずれか１つ以上が実行されなくてもよい。また、入力部４５によって強制的に切り換えられる他の駆動パターンＤＷは、入力部４５への１度の入力によって、連続して複数回切り換えられてもよい。また、入力部４５が駆動パターンＤＷの切り換え入力を受け付けた場合に切り換えられる他の駆動パターンＤＷは、実行中の駆動パターンＤＷと異なるならば、特に限定されない。入力部４５が駆動パターンＤＷの切り換え入力を受け付けた場合の他の駆動パターンＤＷへの切り換えは、上述したいずれの制御を実行している間に行われてもよい。

また、非機械学習制御ＮＭＬＣが実行される所定の条件は、短点灯ＳＬが所定の割合以上で実行されたことを含んでもよい。制御部４０は、短点灯ＳＬが所定の割合以上で実行された場合、高負荷駆動パターンＤＷＨを第２所定時間実行してもよい。短点灯ＳＬが所定の割合以上で実行されるとは、例えば、放電灯９０の点灯が一定回数行われた場合に、一定回数の点灯のうちの短点灯ＳＬの占める割合が所定の割合以上であることを含む。短点灯ＳＬが所定の割合以上で実行されるとは、一例として、放電灯９０の点灯が２０回行われた場合に、２０回のうちの１５回以上が短点灯ＳＬであった場合等である。この場合、連続して短点灯ＳＬが実行された回数が所定回数より少なくてもよい。

例えば、短点灯ＳＬの連続回数が所定回数よりは少ない場合であっても、頻繁に短点灯ＳＬが実行される場合には、突起５５２ｐ，５６２ｐが変形しやすく、ちらつきが生じやすい。これに対して、この構成によれば、短点灯ＳＬの連続回数が所定回数より少ない場合であっても、高負荷駆動パターンＤＷＨを実行できるため、ちらつきをより抑制できる。

また、上記実施形態において、入力部４５は、放電灯点灯装置１０の制御部４０に接続されていたが、これに限られない。入力部４５は、プロジェクター５００のＣＰＵ５８０に接続され、入力に応じた信号をＣＰＵ５８０に出力する構成としてもよい。この場合、ＣＰＵ５８０は、入力部４５からの信号に応じて放電灯点灯装置１０を制御する。

また、上記実施形態において、透過型のプロジェクターに本発明を適用した場合の例について説明したが、本発明は、反射型のプロジェクターにも適用することも可能である。ここで、「透過型」とは、液晶パネル等を含む液晶ライトバルブが光を透過するタイプであることを意味する。「反射型」とは、液晶ライトバルブが光を反射するタイプであることを意味する。なお、光変調装置は、液晶パネル等に限られず、例えばマイクロミラーを用いた光変調装置であってもよい。

また、上記実施形態において、３つの液晶パネル５６０Ｒ，５６０Ｇ，５６０Ｂ（液晶ライトバルブ３３０Ｒ，３３０Ｇ，３３０Ｂ）を用いたプロジェクター５００の例を挙げたが、本発明は、１つの液晶パネルのみを用いたプロジェクター、４つ以上の液晶パネルを用いたプロジェクターにも適用可能である。

また、上記説明した各構成は、相互に矛盾しない範囲内において、適宜組み合わせることができる。

実施例と比較例とを比べて本発明の有用性について確認した。まず、実施例および比較例ともに、上述した実施形態の機械学習を用いて、２０００ｈ（時間）、複数の機械学習駆動パターンＤＷ１を適宜選択・実行させた。すなわち、放電灯の消耗をある程度進行させた。その後、実施例および比較例ともに、放電灯を３ｍｉｎ（分）点灯させて３ｍｉｎ（分）消灯する操作を１００回繰り返した。このとき、実施例においては、７回目以降の点灯時には、機械学習による機械学習駆動パターンＤＷ１の選択・実行を行わずに、高負荷駆動パターンＤＷＨを実行した。比較例においては、７回目以降の点灯時にも、機械学習による機械学習駆動パターンＤＷ１の選択・実行を行った。

機械学習駆動パターンＤＷ１は、図９に示される駆動電流波形を有する駆動パターンＤＷに基づくものとした。また、複数の駆動パターンＤＷにおける交流駆動および直流駆動の各駆動パラメーターは、第１周波数ｆ１および第２周波数ｆ２と、交流駆動の実行時間の長さｔａ１，ｔａ２と、直流駆動の実行時間の長さｔｄ１，ｔｄ２と、の３種類とした。さらに、駆動パラメーターの種類ごとの数値として、第１周波数ｆ１および第２周波数ｆ２を、２００Ｈｚ、３００Ｈｚ、４００Ｈｚのうちから選び、交流駆動の実行時間の長さｔａ１，ｔａ２を、０．１ｍｓ（ミリ秒）、０．２ｍｓ（ミリ秒）、０．５ｍｓ（ミリ秒）のうちから選び、直流駆動の実行時間の長さｔｄ１，ｔｄ２を、１０ｍｓ（ミリ秒）、２０ｍｓ（ミリ秒）、３０ｍｓ（ミリ秒）のうちから選ぶものとした。そして、複数の駆動パターンＤＷの個数は、前述の３種類の駆動パラメーターとその各数値とをそれぞれ組み合わせた全２７パターンを用意した。

実施例において用いた高負荷駆動パターンＤＷＨは、図９に示す機械学習駆動パターンＤＷ１と、片寄駆動ＢＤによる機械学習駆動パターンＤＷ１と、を交互に繰り返す駆動パターンＤＷとした。すなわち、高負荷駆動パターンＤＷＨにおいては、第１期間と、第２期間と、第３期間と、が設けられる。第１期間の第１周波数ｆ１の基本周波数は、２００Ｈｚとし、第１期間の長さは、２００ｍｓ（ミリ秒）とし、第２期間の長さは、１０ｍｓ（ミリ秒）とし、第３期間の長さは、１００ｍｓ（ミリ秒）とした。

放電灯は、定格２００Ｗの高圧水銀ランプとした。放電灯に供給される駆動電力Ｗｄは、２００Ｗとした。実施例および比較例において、上述した１００回の点灯のうちで、ちらつきが視認できた点灯の回数を数えた。その結果、比較例では、２１回の点灯でちらつきが視認されたのに対して、実施例では、１回もちらつきが視認されなかった。したがって、機械学習による機械学習駆動パターンＤＷ１の選択・実行と、機械学習による機械学習駆動パターンＤＷ１の選択・実行をせずに所定の駆動パターンＤＷを実行することと、を組み合わせることで、ちらつきを抑制できることが確かめられた。以上により、本発明の有用性を確認できた。

１０…放電灯点灯装置（放電灯駆動装置）、４０…制御部、４４…記憶部、４５…入力部、９０…放電灯、９２…第１電極、９３…第２電極、２００…光源装置、２３０…放電灯駆動部、３３０Ｒ，３３０Ｇ，３３０Ｂ…液晶ライトバルブ（光変調装置）、３５０…投射光学系、５００…プロジェクター、５０２，５１２Ｒ，５１２Ｇ，５１２Ｂ…画像信号、ＤＷ，ＤＷｅ…駆動パターン、ＤＷ１…機械学習駆動パターン（第１駆動パターン）、ＤＷＦ…ちらつき抑制パターン（第２駆動パターン）、ｆ１，ｆ１１，ｆ１２，ｆ１３，ｆ１４…第１周波数、Ｉ…駆動電流、Ｐ１…第１交流期間、Ｐ２…第２交流期間、Ｐｔ…第２所定時間、ＳＬ…短点灯、Ｖｌａ…ランプ電圧（電極間電圧）、Ｗｄ…駆動電力

Claims (17)

1. 第１電極および第２電極を有する放電灯に駆動電流を供給する放電灯駆動部と、
   前記放電灯駆動部を制御する制御部と、
   前記駆動電流の複数の駆動パターンを格納する記憶部と、
   を備え、
   前記制御部は、機械学習に基づいて、前記複数の駆動パターンのうちいずれか１つの駆動パターンを選択し、選択された前記駆動パターンを実行し、
   前記制御部は、所定の条件が満たされた場合、前記機械学習に基づく前記駆動パターンを選択および実行せずに、前記複数の駆動パターンのうち所定の駆動パターンを実行することを特徴とする放電灯駆動装置。
2. 前記放電灯の電極間電圧を検出する電圧検出部をさらに備え、
   前記制御部は、前記所定の条件が満たされない場合に、交流電流が前記放電灯に供給される第１期間と、直流電流が前記放電灯に供給される第２期間と、が交互に繰り返される混合期間が設けられるように前記放電灯駆動部を制御し、
   前記所定の条件は、前記電極間電圧が第１所定電圧値よりも小さいことを含み、
   前記制御部は、前記電極間電圧が第１所定電圧値よりも小さい場合、前記所定の駆動パターンとして低周波期間を含む駆動パターンを実行し、
   前記低周波期間においては、前記第１期間において前記放電灯に供給される交流電流の周波数よりも低い周波数を有する交流電流が前記放電灯に供給される、請求項１に記載の放電灯駆動装置。
3. 前記所定の条件は、前記電極間電圧が前記第１所定電圧値よりも小さく、かつ、前記放電灯に供給される駆動電力が所定電力値よりも大きいことを含み、
   前記制御部は、前記電極間電圧が前記第１所定電圧値よりも小さく、かつ、前記駆動電力が前記所定電力値よりも大きい場合、前記所定の駆動パターンとして前記低周波期間と第３期間とを含む駆動パターンを実行し、
   前記第３期間は、前記放電灯に直流電流が供給される第１直流期間、および前記第１直流期間において前記放電灯に供給される前記直流電流の極性と反対の極性を有する直流電流が前記放電灯に供給される第２直流期間を交互に含み、
   前記第２直流期間の長さは、０．５ｍｓよりも小さく、
   前記第３期間における前記第１直流期間の長さの合計は、前記第２期間の長さよりも大きい、請求項２に記載の放電灯駆動装置。
4. 前記低周波期間は、第１交流期間と第２交流期間とを有し、
   前記第１交流期間において供給される交流電流の周波数と前記第２交流期間において供給される交流電流の周波数とは、互いに異なる、請求項２または３に記載の放電灯駆動装置。
5. 前記所定の条件は、前記放電灯に供給される駆動電力の変化の割合が所定割合以上であることを含む、請求項１に記載の放電灯駆動装置。
6. 前記制御部は、前記所定の条件が満たされない場合に、
   前記放電灯に周波数を有する交流電流が供給される第１期間と、前記放電灯に直流電流が供給される第２期間とが交互に繰り返される混合期間を含む第１駆動パターンが設けられるように前記放電灯駆動部を制御し、
   前記制御部は、前記駆動電力の変化の割合が前記所定割合以上である場合に、前記所定の駆動パターンとして前記第１駆動パターンと異なる第２駆動パターンを実行し、
   前記第２駆動パターンは、前記混合期間を含み、
   前記第２駆動パターンにおける前記第１期間の長さは、前記第１駆動パターンにおける前記第１期間の長さよりも大きく、
   前記第２駆動パターンにおける前記第１期間の周波数は、前記第１駆動パターンにおける前記第１期間の周波数よりも高い、請求項５に記載の放電灯駆動装置。
7. 前記第２駆動パターンにおける前記第２期間の長さは、前記第１駆動パターンにおける前記第２期間の長さよりも小さい、請求項６に記載の放電灯駆動装置。
8. 前記第１駆動パターンおよび前記第２駆動パターンは、前記放電灯に直流電流が供給される第１直流期間、および前記第１直流期間において前記放電灯に供給される前記直流電流の極性と反対の極性を有する直流電流が前記放電灯に供給される第２直流期間を交互に含む第３期間を含み、
   前記第１直流期間の長さは、前記第２直流期間の長さよりも大きく、
   前記第２直流期間の長さは、０．５ｍｓよりも小さく、
   前記第３期間における前記第１直流期間の長さの合計は、前記第２期間の長さよりも大きく、
   前記第２駆動パターンにおける前記第３期間の長さは、前記第１駆動パターンにおける前記第３期間の長さよりも小さい、請求項６または７に記載の放電灯駆動装置。
9. 前記放電灯の電極間電圧を検出する電圧検出部をさらに備え、
   前記制御部は、前記第２駆動パターンの実行時間の長さまたは前記電極間電圧に基づいて、前記第２駆動パターンから前記機械学習に基づく駆動パターンに切り換える、請求項６から８のいずれか一項に記載の放電灯駆動装置。
10. 前記制御部は、前記第２駆動パターンの実行を開始した後に前記電極間電圧が所定値以上低下した場合、前記第２駆動パターンから前記機械学習に基づく駆動パターンに切り換える、請求項９に記載の放電灯駆動装置。
11. 前記所定の条件は、前記第２駆動パターンの実行入力を受け付ける入力部が前記第２駆動パターンの実行入力を受け付けたことを含み、
    前記制御部は、前記入力部が前記第２駆動パターンの実行入力を受け付けた場合に、実行中の前記駆動パターンから前記第２駆動パターンに切り換える、請求項６から１０のいずれか一項に記載の放電灯駆動装置。
12. 前記所定の条件は、前記駆動パターンの切り換え入力を受け付ける入力部が前記駆動パターンの切り換え入力を受け付けたことを含み、
    前記制御部は、前記入力部が前記駆動パターンの切り換え入力を受け付けた場合に、実行中の前記駆動パターンから他の駆動パターンに切り換える、請求項１から１１のいずれか一項に記載の放電灯駆動装置。
13. 前記制御部は、前記入力部が受け付けた入力に基づく前記駆動パターンの切り換えから一定期間、切り換え直前に実行されていた駆動パターンを実行しない、請求項１１または１２に記載の放電灯駆動装置。
14. 前記所定の条件は、前記放電灯の１回の点灯時間が第１所定時間以下となる短点灯が所定回数連続して実行されたこと、および前記短点灯が所定の割合以上で実行されたことを含み、
    前記制御部は、前記所定の条件が満たされない場合、第１駆動パターンを実行し、
    前記制御部は、前記短点灯が所定回数連続して実行された場合、または前記短点灯が所定の割合以上で実行された場合、前記第１駆動パターンよりも前記第１電極および前記第２電極に加える熱負荷が大きい駆動パターンを第２所定時間実行する、請求項１から１３のいずれか一項に記載の放電灯駆動装置。
15. 光を射出する放電灯と、
    請求項１から１４のいずれか一項に記載の放電灯駆動装置と、
    を備えることを特徴とする光源装置。
16. 請求項１５に記載の光源装置と、
    前記光源装置から射出される光を画像信号に応じて変調する光変調装置と、
    前記光変調装置により変調された光を投射する投射光学系と、
    を備えることを特徴とするプロジェクター。
17. 第１電極および第２電極を有する放電灯に駆動電流を供給して、前記放電灯を駆動する放電灯駆動方法であって、
    機械学習に基づいて、前記駆動電流の複数の駆動パターンのうちいずれかの駆動パターンを選択し、選択された前記駆動パターンを実行し、
    所定の条件が満たされた場合、前記機械学習に基づく前記駆動パターンを選択および実行せずに、前記複数の駆動パターンのうち所定の駆動パターンを実行することを特徴とする放電灯駆動方法。

Images