JP2021114895A - 電力変換装置、回転機システム、及び診断方法 - Google Patents

Abstract

【課題】回転機の故障の予兆を高精度に検知することにある。【解決手段】電力変換装置は、回転機に流れる電流を計測する電流計測部と、電流計測部において計測された電流から分析対象量を算出する分析対象量算出部と、分析対象量算出部で算出した分析対象量の分布に関する統計量を逐次計算する統計量逐次計算部と、統計量逐次計算部で得た統計量から異常度を算出する異常度算出部とを備える。【選択図】 図１

Description

本発明は、電力変換装置、モータや発電機といった回転機を備えた回転機システム、及び診断方法に関するものである。

モータや発電機といった回転機が突発故障により停止すると、大きな損害が発生する。特に工場設備等に用いられる回転機の突発故障による停止は、生産設備の稼働率低下や生産計画の見直しを余儀なくされるなど、影響が大きい。そのため、実環境で使用している状態のまま高精度に故障予兆診断を実施し、回転機の突発故障を防止するニーズが高まっている。

そのようなニーズを受けて、回転機の稼働時電流を計測し、その波形を周波数解析し、各種異常を診断する技術が知られている。そのような技術としては、稼働時電流の周波数解析により、電源周波数の側帯波のピークを抽出して異常診断する技術がある。

さらに、観測対象に発生した異常を検出する技術として特許文献１が知られている。特許文献１では、観測対象から観測された変数の値の時系列データを取得し、一の時刻における当該変数の確率密度関数を定める統計量を、当該一の時刻における当該変数の値と、当該一の時刻よりも前の時刻における当該統計量とに基づいて算出する。

特開２００６−３３１３００

上記したような稼働時電流の周波数解析により、電源周波数の側帯波のピークを抽出して異常診断をする技術では、特徴周波数を有しない異常、例えば軸受摩擦の間歇的な増減などは検知できない。そのため、軽度な軸受劣化の場合、異常兆候を取り逃すことがあるという問題がある。

また、特許文献１には、観測対象から得られる複数の観測値の中から、その観測対象に発生した異常を示す観測値を適切に選択することができると記載されている。しかしながら、回転機の故障予兆を高精度に検知することについては十分に考慮されていない。

本発明の目的は、高精度に回転機の故障の予兆を検知することにある。

本発明の好ましい一例としては、回転機に流れる電流を計測する電流計測部と、前記電流計測部において計測された電流から分析対象量を算出する分析対象量算出部と、前記分析対象量算出部で算出した分析対象量の分布に関する統計量を逐次計算する統計量逐次計算部と、前統計量逐次計算部で得た統計量から異常度を算出する異常度算出部とを備える電力変換装置である。

本発明によれば、回転機の故障の予兆を高精度に検知することができる。

実施例１における電力変換装置、及びそれを用いた回転機システムの基本構成図。 実施例１における電力変換装置が備える、回転機システムの異常を診断するフローチャート。 実施例１において計測される代表的な相電流波形。 実施例１において算出される代表的な電流ベクトルノルム波形。 実施例１において得られる電流ベクトルノルムの代表的な瞬時値ヒストグラムの、正常状態と異常状態の比較図。 実施例１において逐次計算された尖度の代表例。 実施例２における電力変換装置、及びそれを用いた回転機システムの基本構成図。 実施例２の電力変換装置が備える、回転機システムの異常を診断するフローチャート。 実施例３における電力変換装置、及びそれを用いた回転機システムの基本構成図。 実施例３の電力変換装置が備える、回転機システムの異常を診断するフローチャート。 実施例４の電力変換装置が備える、回転機システムの異常を診断するフローチャート。 実施例５の電力変換装置、及びそれを用いた回転機システムの基本構成図。 実施例５の電力変換装置が備える、回転機システムの異常を診断するフローチャート。 実施例６の電力変換装置、及びそれを用いた回転機システムの基本構成図。 実施例６の電力変換装置が備える、回転機システムの異常を診断するフローチャート。 実施例７における電力変換装置、及びそれを用いた回転機システムの基本構成図。 実施例７における電力変換装置が備える、回転機システムの異常を診断するフローチャート。 実施例７において計測される相電流波形の概略図。 実施例７において得られる相電流の基本周期の分布の、正常状態と異常状態の比較図。 実施例７において逐次計算された基本周期の分布の標準偏差の代表例。 実施例８における電力変換装置、及びそれを用いた回転機システムの基本構成図。 実施例８の電力変換装置が備える、回転機システムの異常を診断するフローチャート。 実施例９の電力変換装置が備える、回転機システムの異常を診断するフローチャート。 実施例１０における電力変換装置、及びそれを用いた回転機システムの基本構成図。 実施例１０における電力変換装置が備える、回転機システムの異常を診断するフローチャート。 実施例１１における電力変換装置、及びそれを用いた回転機システムの基本構成図。 実施例１１における電力変換装置が備える、回転機システムの異常を診断するフローチャート。 実施例１２における電力変換装置、及びそれを用いた回転機システムの基本構成図。 実施例１２における電力変換装置が備える、回転機システムの異常を診断するフローチャート。 実施例１３における電力変換装置、及びそれを用いた回転機システムの基本構成図。 実施例１３における電力変換装置が備える、回転機システムの異常を診断するフローチャート。 電力変換装置、及びそれを用いた回転機システムを組み込んだポンプの概略図。 電力変換装置、及びそれを用いた回転機システムを組み込んだ空気圧縮機の概略図。 電力変換装置、及びそれを用いた回転機システムを組み込んだ搬送テーブルの概略図。 電力変換装置、及びそれを用いた回転機システムを組み込んだ工作機械の概略図。

以下、本発明の実施例を、図面を用いて説明する。

図１は、実施例１における電力変換装置、及びそれを用いた回転機システムの基本構成図である。本回転機システムは、主回路１１と電流センサ１２ａ、１２ｂを備える電力変換装置１０と、電力変換装置１０と接続されて電力の授受を行う電源２０及び回転機３０を備える。回転機３０には軸受３１が備えられ、回転軸の先には負荷機械４０が接続されている。

電力変換装置１０は、さらに、電流センサ１２ａ、１２ｂで検出した相電流を計測する電流計測部１３と、計測された相電流に対して三相二相変換を実施し電流ベクトルを算出する電流ベクトル算出部１４と、算出された電流ベクトルに基づいて分析対象量を算出する分析対象直流量算出部１５と、分析対象直流量算出部１５にて算出した直流量の分布に関する統計量を逐次計算する統計量逐次計算部１６と、統計量逐次計算部１６にて得られた統計量から異常度を算出する異常度算出部１７と、異常度算出部１７で得られた異常度から診断結果を出力する出力部１８といった処理部を備える。

電流計測部１３、電流ベクトル算出部１４、分析対象直流量算出部１５、統計量逐次計算部１６、および異常度算出部１７は、ＲＯＭなどの記録部にプログラムとして格納され、電力変換装置１０のマイコンなどの制御部（図示省略）が、プログラムを読み出して、各処理部の処理を実行する。

図１では、回転機３０に流れる電流のうち２相の相電流を取得するように電流センサ１２ａ、１２ｂを、回転機３０と電力変換装置１０の主回路１１の出力との間に設置しているが、３相の相電流それぞれに電流センサを設置してもよい。あるいは、シャント抵抗を利用してもよい。また、電力変換装置１０内に設置した制御用の電流センサとは別に、診断用の性能を備えた電流センサを、回転機３０などの電力変換装置１０の外部に設置する構成としてもよい。

また、回転機３０に流れる電流を取得するように、主回路１１の直流母線（図示は省略）の正側もしくは負側に電流センサを配置してもよい。または、主回路１１内のスイッチング素子のエミッタあるいはソースと直流母線（負側もしくは正側）との間に電流センサを配置するようにしてもよい。

回転機３０の軸受において何らかの潤滑不具合が発生し、間歇的に摩擦が変動すると、モータ電流の振幅が瞬間的に増減する。その頻度が高まると、相電流の基本波周波数周辺（例えば±２０Ｈｚ）の平均的なスペクトルレベルが上昇するので、従来は、ＦＦＴ（高速フーリエ変換）などの周波数解析を実施して、その周波数成分を検出していた。しかし発生頻度が低く周波数成分にまでは変化が現れないような軽度な軸受異常の場合、従来の周波数成分に注目する手法では異常兆候を取り逃すという問題があった。

そこで本実施例では、モータ電流の振幅の瞬間的な増減を発生頻度の低い時点で捉えるために、電流計測部１３でモータ電流を計測した後、分析対象直流量算出部１５でそれをいったん直流量に変換する。例えばそれは相電流を三相二相変換して得られた電流ベクトルのノルムであってもよいし、トルク電流(ｑ軸電流)であってもよいし、零相電流であってもよい。そしてその直流量の瞬時値ヒストグラムを作成すると、平均値から大きく外れる事象が増えてくるという形で異常兆候が現れる。統計学の世界では、確率密度分布における外れ値の多さの指標として尖度がよく用いられる。尖度は、平均値周りの４次モーメントと分散の２乗の比と定義される無次元量なので、モータ負荷の大きさに直接左右されない利点がある。

ただし、統計処理するデータをいったん全て蓄積するだけのメモリは、電力変換装置には通常搭載されない。そこで統計量逐次計算部において、１つのデータが入力される毎に逐次的に統計量計算値を更新する。

図２は、本実施例の電力変換装置が備える、回転機システムの異常を診断するフローチャートである。最初に、ステップＳ１００にて、診断モードを起動する。電力変換装置の設定項目から選択する方法のほか、診断モードを起動する機械式ボタンを押す形でもよいし、ディスプレイに表示された「診断モード」ボタンをタッチする形でもよい。あるいは特定の日時に自動的に起動するように設定してもよいし、相電流の基本波周波数の振幅が、ある特定の時間継続して、ある特定の範囲に入ったときに自動的に起動するように設定してもよい。あるいは、特定の回転機制御動作の前、乃至後に自動的に起動するように設定してもよい。

次に、電流計測部１３は、電流センサ１２ａ、１２ｂで検出した電流を入力して、少なくとも２相の相電流を計測する（ステップＳ１０１）。あるいは、全ての相の相電流を計測してもよい。あるいは、直流部の電流を計測して、時刻に応じて各相の相電流とみなしてもよい。電流計測は、電力変換装置１０が回転機３０を駆動するために生成する電圧パルスと同期して実施される。すなわち、電流センサ１２ａ、１２ｂからの信号を、電圧パルスと同期してサンプリングする。

サンプリングは電圧パルス１回につき１回でもよいし、２回でもよい。複数回の電圧パルスにつき１回でもよい。例えば電圧パルス１回につき２回サンプリングすることで得た２相の相電流波形の例を図３に示す。電力変換装置１０で、制御用に電圧パルスに同期した電流計測を行う場合には、その電流計測を、本実施例の故障の予兆検知にも利用できる。

次に、電流ベクトル算出部１４は、計測された相電流に対して下記の式（１）に従って三相二相変換を実施し、電流ベクトルを算出する（ステップＳ１０２）。ただし２相の相電流しか計測していない場合は、残る１相の相電流としては、式（２）が満たされると仮定して導出した値を用いる。

ここで、i_Ｕ、i_Ｖ、ｉ_Ｗは、Ｕ相、Ｖ相、Ｗ相の各相の計測電流を示し、i_α、i_βは、三相二相変換後の二相の固定軸α軸とβ軸での電流成分を示す。

次に分析対象直流量算出部１５は、得られた電流ベクトルに対して、式（３）で表現される電流ベクトルノルムを算出する（ステップＳ１０３）。図４に、算出した電流ベクトルノルムの例を示す。

あるいは、さらに式（４）を用いて電流ベクトルを回転座標系に変換して、ｑ軸電流（トルク電流）を算出し、それを電流ベクトルノルムの代わりに以後の分析に用いてもよい。なお式（４）に現れる回転子位置θは、回転機３０に設置されたレゾルバやエンコーダといった回転位置センサの信号から得てもよいし、回転機３０の速度起電力や電流に含まれる情報から推定してもよい。

ここで、i_ｄ、i_ｑは、それぞれd軸電流、q軸電流を示し、θは回転子位置を示す。

軸受が劣化して間歇的に摩擦が増加する現象が発生すると、電流ベクトルノルムないしｑ軸電流の瞬時値が、平均値から大きく外れる事象が増えてくる。例えば電流ベクトルノルムの瞬時値ヒストグラムは、軸受劣化が進展すると、図５に示すように変化すると考えられる。

なおこのような変化は、電流ベクトルノルムやｑ軸電流に限らず、零相電流に対しても生じうる。このような統計処理を高精度に実行するには、サンプル数は最低でも１００００は必要になる。通常はそれを一括で格納・展開するメモリが必要になるほか、計算実行するマイコンの計算能力も必要になる。

特に尖度のように次数が大きい量を計算する場合、平均値や分散を先に求める必要があり、計算量が非常に多くなる。電力変換装置に搭載されるマイコンの性能は年々向上しているものの、モータ制御にリソースの多くを割いており、異常検知に回せる余剰メモリや余剰計算能力には限界がある。

そこで、本実施例では、統計量逐次計算部１６が、ｎ個のデータで求めた各種統計量を保持した状態からｎ＋１番目のデータが入ってきたときに各種統計量を更新する式を導出し、逐次的に計算を進める（ステップＳ１０４）。
分析対象となる直流量をx_ｉ(ｉ＝１，２，…，ｎ)としたとき、平均値μ_ｎ、分散σ_ｎ ^２、歪度Ｓ_ｎ、尖度Ｋ_ｎは式（５）のように計算される。

ここで式（５）のそれぞれの式の右辺に現れている、ｎ個の総和の中身を展開して整理すれば、ｎ個のデータで求めた各種統計量を保持した状態からｎ＋１番目のデータが入ってきたときに各種統計量を更新する式が導出できる。それを用いれば、平均値、分散、歪度、尖度を順次、逐次計算することができる。逐次計算された尖度の代表例を図６に示す。正常状態と比較して、異常状態では尖度が大きくなっていることが分かる。

分析対象直流量算出部１５で算出した直流量に対して尖度という統計量を計算することで、軸受摩擦などの間歇的な異常を、正常と区別して精度高く検知することができる。

次に、異常度算出部１７は、統計量逐次計算部１６にて得られた各種統計量から異常度を算出する（ステップＳ１０５）。例えば、得られた尖度をそのまま異常度とする。あるいは、尖度の移動平均を算出して異常度とする。

そして、異常度算出部１７は、算出した異常度があらかじめ設定した閾値を超えているか否かを判定する（ステップＳ１０６）。閾値を超えていた場合は故障予兆ありと診断して警告を発するように出力部１８に指示する。閾値は、試験機等で別途検討した結果で決定してもよい。また、実環境での学習をすることで異常度算出部１７が閾値を決めてもよい。例えば、学習期間中に複数回異常度を算出し、その平均値及び変動幅を求め、誤報を生じないレベルに閾値を設定する。

あとで機械学習等において、精密診断できるように、算出した異常度を、回転機３０の運転状態を規定するその他のパラメータと共に出力するようにしてもよい。そのような多変数データをロガー等で記録し、ベクトル量子化クラスタリングなどの機械学習のアルゴリズムで分析すれば、閾値判定では検知できなかったような微弱な異常も検知できる可能性がある。

最後に、出力部１８は、異常度算出部１７にて得られた異常度や故障予兆判定結果などの診断結果を出力（ステップＳ１０７）して診断を完了する。表示方法はディスプレイ、ランプ、ブザーなど人間の五感に訴えるものでもよいし、紙や電子ファイルに記録されるものでもよい。あるいは通信ネットワークを経由して送信してもよい。

このように本実施例の電力変換装置、及びそれを用いた回転機システムによれば、統計量に基づいて診断するため、周波数解析では検知できないような間歇的な軸受摩擦変動を感度よく検出できる。

実施例１によれば、回転機システムの故障の予兆を、高精度、もしくは早期に検知する電力変換装置、及びそれを用いた回転機システムを実現できる。

図７は、実施例２における電力変換装置、及びそれを用いた回転機システムの基本構成図である。実施例１と同じ部分の説明は省略する。実施例１との相違点は、統計量逐次計算部１６にて各種統計量を逐次計算する際に発生する加算残差を保存する加算残差保存部１９を備える点である。

電力変換装置１０に通常搭載されるような低性能マイコンでは、倍精度浮動小数点数を実用的な速度では扱えない。そのため、各種統計量の逐次計算時に用いる変数の有効桁を減らさざるを得ず、サンプル数を増やした際に丸め誤差が問題となる。

具体的には、式（６）で示すような４種類の総和を逐次計算で求めようとすると、ｎが大きくなればなるほど、非常に大きな部分和に対して微小量を足すことになるため、丸め誤差を生む恐れがある。

そこで実施例２では、統計量逐次計算部１６が逐次計算する時に、加算残差保存部１９に、発生する加算残差(足し残り)を保存し、それを毎回更新するようにすることで、丸め誤差を回避する。すなわち、非常に大きな部分和に微小値を加算する際には、統計量逐次計算部１６が、加算残差保存部１９に保存していた加算残差に微小値をまず加算し、それを部分和に加える。そして、統計量逐次計算部１６が、部分和の増加分(実際に足し込めた分)を求め、加算残差を更新する（ステップＳ２０４）。

このようにすることで、加算残差が雪だるま式に増加するのを防ぎ、丸め誤差を一定量以下に抑えることができる。異常度算出部１７は、統計量逐次計算部１６で得られた統計量から異常度を算出する。

図８は、実施例２の電力変換装置が備える、回転機システムの異常を診断するフローチャートである。実施例１のフローチャートとの相違点は、ステップＳ２０４において、加算残差を保存・更新しながら各種統計量を逐次計算する点である。

特許文献１では、サンプル数と同じオーダーの非常に大きな値に、各時刻の変数の値を足していく処理が発生するため、サンプル数が変数の有効数字の桁数に近づくと丸め誤差の影響が無視できなくなり、計算が破綻する。そのため、電力変換装置１０で通常採用される低性能マイコンでは、十分なサンプル数を扱えないという問題があった。

実施例２では、丸め誤差を回避しながら統計量を逐次計算するため、電力変換装置１０に制御用に搭載された低性能マイコンと小容量メモリでも診断を実行できる。したがって、低性能マイコンでも実用的な速度で高精度に診断ができる。

実施例２によれば、低コストで高精度の回転機システムの故障の予兆を検知できる。

図９は、実施例３における電力変換装置、及びそれを用いた回転機システムの基本構成図である。実施例１もしくは実施例２と同じ部分は説明を省略する。

実施例３では、電流ベクトル算出部１４は無く、電流計測部１３で計測した電流から零相電流算出部が分析対象直流量算出部１５として、零相電流を算出する。算出した零相電流から統計量逐次計算部１６が統計量を計算する。また、実施例３では、３相の電流をセンシングするように、電流センサ１２ａ、１２ｂ、１２cを配置している。

図１０は、実施例３における電力変換装置が備える、回転機システムの異常を診断するフローチャートである。実施例１もしくは実施例２との相違点は、分析対象直流量算出部（零相電流算出部）１５が、３相の相電流を同時に計測して零相電流を算出する、もしくは零相電流を直接計測し、それを分析対象の直流量とする（ステップＳ３０１）点である。

実施例３によれば、分析対象直流量算出部１５における計算が簡素となり、より性能の低いマイコンでも診断が可能になる。

図１１は、実施例４における電力変換装置が備える、回転機システムの異常を診断するフローチャートである。実施例４における電力変換装置、及びそれを用いた回転機システムの基本構成図は、実施例２における図７と同じである。実施例１から実施例３と同じ部分の説明は省略する。

実施例１から実施例３との相違点は、統計量逐次計算部１６は、計算して取得した第１の統計量の分布に関して、さらに第２の統計量を導出すること（ステップＳ４０５）、さらに、第２の統計量から異常度算出部１７が異常度を算出する（ステップＳ４０６）点である。例えば、直流量の瞬時値ヒストグラムの尖度や平均値を1秒間逐次計算し、その最終値のヒストグラムを作る。そして、そのヒストグラムの統計量(平均値や分散)をさらに逐次計算する。

実施例４によれば、統計量の分布に関して、導出した統計量を用いて診断することで、より軽微な異常兆候を捉えることができる。

図１２は、実施例５における電力変換装置、及びそれを用いた回転機システムの基本構成図である。また図１３は、実施例５の電力変換装置が備える、回転機システムの異常を診断するフローチャートである。実施例１から実施例４と同じ部分は説明を省略する。

実施例１から実施例４との相違点は、回転機３０の回転周波数を推定する回転周波数推定部２１と、零と回転周波数とに挟まれた任意の周波数範囲の波形を抽出する特徴量波形抽出部２２を備え、統計量逐次計算部１６で得た統計量から求めた異常度と、特徴量波形抽出部２２で抽出した波形から求めた異常度の双方を用いて、異常度算出部１７が異常度を算出し、診断する点である。
次に、実施例２と相違する回転周波数推定部２１、特徴量波形抽出部２２、異常度算出部１７の処理について説明する。

分析対象直流量算出部１５と並行して回転周波数推定部２１は、回転機３０の回転周波数を推定する（ステップＳ５０４）。分析対象直流量算出部１５がステップＳ５０３にて回転子位置推定を実施する場合は、それと同時に回転周波数も推定可能である。回転位置センサが回転機３０に設置されていない場合には、電力変換装置１０の出力周波数、及び回転機３０の極数から、回転周波数を推定してもよい。電力変換装置１０の出力周波数は、相電流の情報から推定するか制御指令の情報から抽出する。

誘導モータで最大で数％程度発生するすべりを無視すれば、電力変換装置１０の出力周波数、及び回転機３０の極数から、回転周波数を推定するには、次のようにする。回転周波数＝電力変換装置の出力周波数／極対数、であるから、例えば出力周波数が５０Ｈｚ、４極（極対数２）であれば回転周波数は２５Ｈｚと推定する。もし出力周波数が３０Ｈｚ、６極（極対数３）であれば回転周波数は１０Ｈｚと推定する。出力周波数が１００Ｈｚ、２極（極対数１）であれば回転周波数は１００Ｈｚと推定する。

分析対象直流量算出部１５で算出された電流ベクトルノルムもしくはトルク電流と回転周波数推定部２１で推定した回転周波数の結果を受けて、特徴量波形抽出部２２は、電流ベクトルノルムもしくはトルク電流に対して、特定された周波数範囲である零と回転周波数とに挟まれた周波数範囲の波形を抽出する（ステップＳ５０６）。

特徴量波形抽出部２２としては、電流ベクトルノルムもしくはトルク電流を、フィルタに通過させることで、特定周波数範囲を抽出するようにできる。

次に、異常度算出部１７は、特徴量波形抽出部２２で得られた波形から第２の異常度を算出する（ステップＳ５０７）。例えば、得られた波形の絶対値もしくは二乗値を一定時間合算したものを異常度とする。あるいは、算出した異常度を、相電流の基本波周波数成分の振幅、あるいは電流ベクトルノルムもしくはトルク電流から抽出した直流成分で規格化してもよい。

そうすることで、負荷変動で直流成分が時間変化する場合でも診断可能となる。また、異常度を外部に通信する場合に、通信負荷を軽減できる。実施例２に記載したように、統計量逐次計算部１６で得られた統計量から算出する第１の異常度と、第２の異常度から、本実施例の異常度算出部１７は、異常診断をする。

異常度を個別に求める代わりに、最初からクラスタリングにより統合された１つの異常度を算出してもよい。本実施例のようにすることで、回転機システムのより幅広い異常現象を検出することができる。

図１４は、実施例６における電力変換装置、及びそれを用いた回転機システムの基本構成図である。また図１５は、実施例６の電力変換装置が備える、回転機システムの異常を診断するフローチャートである。

実施例１から実施例５と同じ部分の説明は省略する。実施例１から実施例５との相違点は、回転周波数及びその倍数の周波数成分の大きさを抽出する特徴周波数成分抽出部２３を備えることにある。

特徴周波数成分抽出部２３は、回転周波数推定部２１から回転周波数を取得し、分析対象直流量算出部１５から電流ベクトルノルムもしくはトルク電流を取得する。特徴周波数成分抽出部２３は、電流ベクトルノルムもしくはトルク電流に対して、回転周波数及びその倍数の周波数成分の大きさを抽出する（ステップＳ６０６）
本実施例では、統計量逐次計算部１６で得た統計量から求めた第１の異常度と、特徴周波数成分抽出部２３で抽出した特定の周波数成分値から求めた第２の異常度の双方を用いて、異常度算出部１７は異常度を算出（ステップＳ６０７）し、診断する。

特徴周波数成分抽出部２３は、電流ベクトルノルムもしくはトルク電流に、高速フーリエ変換（ＦＦＴ（Fast Fourier Transform））の処理をして、取得したい特徴周波数成分を選択してもよいし、ＦＦＴをせずにフィルタを用いて、取得したい特徴周波数成分を抽出してもよい。

実施例６では電流ベクトルノルムもしくはトルク電流に対して特徴周波数成分抽出部２３が回転周波数及びその倍数の周波数成分の大きさを抽出する場合を示したが、実施例３のように零相電流に対して、特徴周波数成分抽出部２３が回転周波数及びその倍数の周波数成分の大きさを抽出するようにしてもよい。

なお異常度を個別に求める代わりに、最初からクラスタリングにより統合された１つの異常度を算出してもよい。本実施例のようにすることで、回転機システムのより幅広い異常現象を検出することができる。

実施例６によれば、統計量から求めた異常度と、特徴周波数成分抽出部２３で抽出した特定の周波数成分値から求めた異常度の双方を用いて診断することで、検知できる異常現象を増やすことができる。

図１６は、実施例７における電力変換装置、及びそれを用いた回転機システムの基本構成図である。実施例１と同じ部分の説明は省略する。実施例１との相違点は、計測する相電流が少なくとも１相あればよい点と、電流ベクトル算出部１４及び分析対象直流量算出部１５の代わりに、計測した相電流の基本周期を周期毎に算出する相電流基本周期算出部２４を分析対象量算出部として備える点である。なお図１６では１相の相電流を計測するように電流センサが設置されているが、２相以上の相に設置してもよい。あるいは、シャント抵抗を利用してもよい。

本実施例においては、モータ電流の基本周期の瞬間的な増減を発生頻度の低い時点で捉えるために、電流計測部でモータ電流を計測した後、振動の基本周期毎にその値を記録する。分析対象量としての相電流の基本周期の値は、相電流の値が零になる時刻の間隔から導出してもよい。零になるタイミングは１周期につき２回現れるが、相電流の値が負から正になるタイミングのみを用いてもよいし、正から負になるタイミングのみを用いてもよい。基本周期を算出する他の例としては、特定の振幅の値を満たす時刻の間隔から算出してもよい。例えば、相電流が極大のピークとなる時刻の間隔から基本周期を算出してもよい。

そしてその基本周期の分布を求めると、平均値から外れる事象が増えてくるという形で異常兆候が現れる。確率密度分布におけるばらつきの多さの指標として、実施例１と同様に尖度を用いてもよいし、標準偏差を用いてもよい。標準偏差は、平均値周りの２次モーメントである分散の平方根であり、基本周期と同じ次元を有する。

図１７は、実施例７における電力変換装置が備える、回転機システムの異常を診断するフローチャートである。最初に、ステップＳ７００にて、診断モードを起動する。前記電力変換装置の設定項目から選択する方法のほか、診断モードを起動する機械式ボタンを押す形でもよいし、ディスプレイに表示された「診断モード」ボタンをタッチする形でもよい。あるいは特定の日時に自動的に起動するように設定してもよいし、相電流の基本波周波数の振幅が、ある特定の時間継続して、ある特定の範囲に入ったときに自動的に起動するように設定してもよい。あるいは、特定の回転機制御動作の前、乃至後に自動的に起動するように設定してもよい。

次にステップＳ７０１にて、少なくとも１相の相電流を計測する。あるいは、２相以上の相の相電流を計測してもよい。あるいは、直流部の電流を計測して、時刻に応じて各相の相電流とみなしてもよい。相電流波形の概略図を図１８に示す。電流計測は、前記電力変換装置が前記回転機を駆動するために生成する電圧パルスと同期して実施される。すなわち、前記電流センサからの信号を、電圧パルスと同期してサンプリングする。サンプリングは電圧パルス１回につき１回でもよいし、２回でもよい。電圧パルス複数回につき１回でもよい。

次にステップＳ７０２にて、計測された相電流に対して、基本周期の値を周期毎に算出する。軸受が劣化して間歇的に摩擦が増加する現象が発生すると、相電流の基本周期の値が、平均値から外れる事象が増えてくる。例えば基本周期の分布は、軸受劣化が進展すると、図１９に示すように変化すると考えられる。

次にステップＳ７０３にて、実施例１と同様の数式を用いて、分析対象となる直流量(ここでは相電流の基本周期)の平均値、分散、歪度、尖度を逐次的に計算する。逐次計算をある一定時間継続したところで平均値、分散、歪度、尖度を記録し、各値を零に戻してから逐次計算を再開する。標準偏差の値は、記録した分散の値の平方根を取ることで得られる。こうして得られる基本周期の分布の標準偏差の概略図を図２０に示す。正常状態と比較して、異常状態では標準偏差が大きくなっていることが分かる。

次にステップＳ７０４にて、得られた各種統計量から異常度を算出する。例えば、得られた標準偏差、乃至尖度をそのまま異常度とする。あるいは、標準偏差、乃至尖度の移動平均を算出して異常度とする。

そしてステップＳ７０５にて、算出した異常度があらかじめ設定した閾値を超えているか否かを判定し、超えていた場合は故障予兆ありと診断して警告を発する。閾値は、試験機等で別途検討した結果で決定してもよいし、実環境での学習で決めてもよい。例えば、学習期間中に複数回異常度を算出し、その平均値及び変動幅を求め、誤報を生じないレベルに閾値を設定する。

また、あとで機械学習等で精密診断できるように、算出した異常度を、前記回転機の運転状態を規定するその他のパラメータと共に出力するようにしてもよい。そのような多変数データをロガー等で記録し、ベクトル量子化クラスタリングなどの機械学習のアルゴリズムで分析すれば、閾値判定では検知できなかったような微弱な異常も検知できる可能性がある。

最後にステップＳ７０６にて、診断結果を表示して診断を完了する。表示方法はディスプレイ、ランプ、ブザーなど人間の五感に訴えるものでもよいし、紙や電子ファイルに記録されるものでもよい。あるいは通信ネットワークを経由して送信してもよい。

以上により、実施例７によれば、モータ電流の振幅方向ではなく時間軸方向に異常兆候が現れる場合においても、回転機システムの故障の予兆を、高精度、もしくは早期に検知する電力変換装置、及びそれを用いた回転機システムを実現できる。

図２１は、実施例８における電力変換装置、及びそれを用いた回転機システムの基本構成図である。実施例７と同じ部分の説明は省略する。実施例７との相違点は、統計量逐次計算部１６にて各種統計量を逐次計算する際に発生する加算残差を保存する加算残差保存部１９を備える点である。また加算残差の更新方法については、実施例２と同様である。それにより、加算残差が雪だるま式に増加するのを防ぎ、丸め誤差を一定量以下に抑えることができる。

図２２は、実施例８における電力変換装置が備える、回転機システムの異常を診断するフローチャートである。実施例７との相違点は、ステップＳ８０３において、加算残差を保存・更新しながら各種統計量を逐次計算する点である。そうすることで、低性能マイコンでも実用的な速度で高精度に診断ができるようになる。

実施例８によれば、低コストで高精度の回転機システムの故障の予兆を検知できる。

図２３は、実施例９における電力変換装置が備える、回転機システムの異常を診断するフローチャートである。実施例９における電力変換装置、及びそれを用いた回転機システムの基本構成図は、実施例８における図２１と同じである。実施例７乃至８と同じ部分の説明は省略する。

実施例７乃至８との相違点は、統計量逐次計算部１６は、計算して取得した第１の統計量の分布に関して、さらに第２の統計量を導出すること（ステップＳ９０４）、さらに、第２の統計量から異常度算出部１７が異常度を算出する（ステップＳ９０５）点である。例えば、基本周期の分布の標準偏差や尖度や平均値を１秒間逐次計算し、その最終値のヒストグラムを作る。そして、そのヒストグラムの統計量(平均値や分散)をさらに逐次計算する。

実施例９によれば、統計量の分布に関して導出した統計量を用いて診断することで、より軽微な異常兆候を捉えることができる。

図２４は、実施例１０における電力変換装置、及びそれを用いた回転機システムの基本構成図である。実施例１乃至２と同様の電流ベクトル算出部１４と分析対象直流量算出部１５、及び実施例７乃至８と同様の相電流基本周期算出部２４を共に備える。

図２５は、実施例１０における電力変換装置が備える、回転機システムの異常を診断するフローチャートである。実施例２のフローチャート(図８)と実施例８のフローチャート(図２２)とを組み合わせた形となっている。図８もしくは図２２と同じ部分の説明は省略する。

ステップＳ１００５においては、ステップＳ１００２で計算された相電流の基本周期とステップＳ１００４で計算された電流ベクトルノルム乃至トルク電流のそれぞれのヒストグラムに対して、統計量が逐次計算される。

そしてステップＳ１００６において、相電流の基本周期に関する第１の異常度と、電流ベクトルノルム乃至トルク電流に関する第２の異常度とが計算され、その両者を用いて異常診断が行われる。あるいは、異常度を個別に求める代わりに、最初からクラスタリングにより統合された１つの異常度を算出してもよい。

実施例１０によれば、回転機システムのより幅広い異常現象を検出することができる。

図２６は、実施例１１における電力変換装置、及びそれを用いた回転機システムの基本構成図である。実施例３と同様の分析対象直流量算出部（零相電流算出部）１５、及び実施例７乃至８と同様の相電流基本周期算出部２４を共に備える。

図２７は、実施例１１における電力変換装置が備える、回転機システムの異常を診断するフローチャートである。実施例３のフローチャート(図１０)と実施例８のフローチャート(図２２)とを組み合わせた形となっている。図１０もしくは図２２と同じ部分の説明は省略する。

ステップＳ１１０４においては、ステップＳ１１０２で計算された相電流の基本周期とステップＳ１１０３で計算された零相電流のそれぞれのヒストグラムに対して、統計量が逐次計算される。

そしてステップＳ１１０５において、相電流の基本周期に関する第１の異常度と、零相電流に関する第２の異常度とが計算され、その両者を用いて異常診断が行われる。あるいは、異常度を個別に求める代わりに、最初からクラスタリングにより統合された１つの異常度を算出してもよい。

実施例１１によれば、分析対象直流量算出部１５における計算が簡素となり、より性能の低いマイコンでも診断が可能になる一方、回転機システムのより幅広い異常現象を検出することができる。

図２８は、実施例１２における電力変換装置、及びそれを用いた回転機システムの基本構成図である。実施例１０の基本構成図(図２４)に対して、実施例５と同様に、回転周波数推定部２１と特徴量波形抽出部２２が追加された形となっている。そして統計量逐次計算部１６で得た統計量から求めた異常度と、特徴量波形抽出部２２で抽出した波形から求めた異常度の双方を用いて、異常度算出部１７が異常診断を行う。

図２９は、実施例１２の電力変換装置が備える、回転機システムの異常を診断するフローチャートである。実施例５のフローチャート(図１３)と実施例１０のフローチャート(図２５)と同じ部分は説明を省略する。実施例１０との相違点は、回転機３０の回転周波数を推定する回転周波数推定部２１と、零と回転周波数とに挟まれた任意の周波数範囲の波形を抽出する特徴量波形抽出部２２を備え、統計量逐次計算部１６で得た統計量から求めた異常度と、特徴量波形抽出部２２で抽出した波形から求めた異常度の双方を用いて、異常度算出部１７が異常度を算出し、診断する点である。

回転周波数推定部２１と特徴量波形抽出部２２の処理については、実施例５と共通するので説明を省略する。異常度算出部１７の処理は、相電流の基本周期に関する第１の異常度、電流ベクトルノルム乃至トルク電流に関する第２の異常度、特徴量波形抽出部２２で得られた波形に関する第３の異常度、をそれぞれ算出する（ステップＳ１２０８）。そしてそれぞれの異常度を用いて異常診断が行われる。異常度を個別に求める代わりに、最初からクラスタリングにより統合された１つの異常度を算出してもよい。本実施例のようにすることで、回転機システムのより幅広い異常現象を検出することができる。

図３０は、実施例１３における電力変換装置、及びそれを用いた回転機システムの基本構成図である。実施例１０の基本構成図(図２４)に対して、実施例６と同様に、回転周波数推定部２１と特徴周波数成分抽出部２３が追加された形となっている。そして統計量逐次計算部１６で得た統計量から求めた異常度と、特徴周波数成分抽出部２３で抽出した周波数成分から求めた異常度の双方を用いて、異常度算出部１７が異常診断を行う。

図３１は、実施例１３の電力変換装置が備える、回転機システムの異常を診断するフローチャートである。実施例６のフローチャート(図１５)と実施例１０のフローチャート(図２５)と同じ部分は説明を省略する。実施例１０との相違点は、回転機３０の回転周波数を推定する回転周波数推定部２１と、回転周波数及びその倍数の周波数成分の大きさを抽出する特徴周波数成分抽出部２３を備え、統計量逐次計算部１６で得た統計量から求めた異常度と、特徴周波数成分抽出部２３で抽出した波形から求めた異常度の双方を用いて、異常度算出部１７が異常度を算出し、診断する点である。

回転周波数推定部２１と特徴周波数成分抽出部２３の処理については、実施例６と共通するので説明を省略する。異常度算出部１７の処理は、相電流の基本周期に関する第１の異常度、電流ベクトルノルム乃至トルク電流に関する第２の異常度、特徴周波数成分抽出部２３で得られた周波数成分に関する第３の異常度、をそれぞれ算出する（ステップＳ１３０８）。そしてそれぞれの異常度を用いて異常診断が行われる。異常度を個別に求める代わりに、最初からクラスタリングにより統合された１つの異常度を算出してもよい。本実施例のようにすることで、検知できる異常現象を増やすことができる。

実施例７から実施例１３では、分析対象量としての相電流の基本周期を算出する例を用いて説明をした。それに限らず、相電流基本周期算出部を、基本周期の逆数である基本周波数を算出する相電流基本周波数算出部に置き換える構成としても同様な効果を得ることができる。

図３２は、実施例１から実施例１３における電力変換装置、及びそれを用いた回転機システムを組み込んだポンプの概略図である。電力変換装置と接続されたモータには、羽根車が付いており、水などの液体を吸引・送出する。異常診断を実施するのは一定速・一定負荷で回転している時間帯が望ましいので、例えば１日の中で送水量が比較的安定する夜間などに診断を実行する。

図３３は、実施例１から実施例１３における電力変換装置、及びそれを用いた回転機システムを組み込んだ空気圧縮機の概略図である。空気圧縮機においては、起動直後などにモータがほぼ無負荷運転となる時間帯が通常存在するので、そのタイミングで診断を実行するのが望ましい。

図３４は、実施例１から実施例１３における電力変換装置、及びそれを用いた回転機システムを組み込んだ搬送テーブルの概略図である。搬送テーブルにおいては、ワークの搬送工程と搬送工程の間にモータが一定速・一定負荷となる時間帯が通常存在するので、そのタイミングで診断を実行するのが望ましい。

図３５は、実施例１から実施例１３における電力変換装置、及びそれを用いた回転機システムを組み込んだ工作機械、特にサーボプレス機や射出成型機の概略図である。これらの工作機械では、加工対象物を加圧する前後で、モータがほぼ無負荷運転となる時間帯が通常存在するので、そのタイミングで診断を実行するのが望ましい。

上記の実施例における電力変換装置１０は、汎用インバータ、サーボアンプ、ＤＣＢＬコントローラなどの電力変換装置に適用できる。また、上記したような電力変換装置を組み込んだ回転機システムへ適用できるとともに、風力発電システム、ハイブリッド自動車、電気自動車、燃料電池車、鉄道車両などにも上記の実施例は適用可能である。

１０ 電力変換装置
１１ 主回路
１２ａ、１２ｂ、１２c 電流センサ
１３ 電流計測部
１４ 電流ベクトル算出部
１５ 分析対象直流量算出部
１６ 統計量逐次計算部
１７ 異常度算出部
１８ 出力部
１９ 加算残差保存部
２０ 電源
２１ 回転周波数推定部
２２ 特徴量波形抽出部
２３ 特徴周波数成分抽出部
２４ 相電流基本周期算出部
３０ 回転機
３１ 軸受
４０ 負荷機械

Claims (15)

1. 回転機に流れる電流を計測する電流計測部と、
   前記電流計測部において計測された電流から分析対象量を算出する分析対象量算出部と、
   前記分析対象量算出部で算出した分析対象量の分布に関する統計量を逐次計算する統計量逐次計算部と、
   前記統計量逐次計算部で得た統計量から異常度を算出する異常度算出部とを備える電力変換装置。
2. 請求項１に記載の電力変換装置において、
   前記分析対象量算出部は、
   分析対象量として直流量を算出する電力変換装置。
3. 請求項２に記載の電力変換装置において、
   前記電流計測部において計測された電流から電流ベクトルを算出する電流ベクトル算出部を有し、
   前記分析対象量算出部は、
   前記電流ベクトルから、電流ベクトルノルム、トルク電流を算出する電力変換装置。
4. 請求項２に記載の電力変換装置において、
   前記分析対象量算出部は、
   零相電流を算出する電力変換装置。
5. 請求項１に記載の電力変換装置において、
   前記統計量逐次計算部は、
   計算で発生する加算残差を加算残差保存部に保存する電力変換装置。
6. 請求項１に記載の電力変換装置において、
   前記統計量逐次計算部は、
   前記統計量の分布に関して、さらに第２の統計量を導出し、
   前記異常度算出部は、
   前記第２の統計量から異常度を算出する電力変換装置。
7. 請求項１に記載の電力変換装置において、
   前記回転機の回転周波数を推定する回転周波数推定部と、
   零と回転周波数とに挟まれた任意の周波数範囲の波形を抽出する特徴量波形抽出部を備え、
   前記異常度算出部は、
   前記特徴量波形抽出部で抽出された特徴量波形から第２の異常度を算出し、
   前記統計量逐次計算部で得た統計量から求めた第１の異常度と、前記第２の異常度の双方から診断する電力変換装置。
8. 請求項１に記載の電力変換装置において、
   前記回転機の回転周波数を推定する回転周波数推定部と、
   前記回転周波数及びその倍数の周波数成分の大きさを抽出する特徴周波数成分抽出部を備え、
   前記異常度算出部は、
   前記特徴周波数成分抽出部で抽出された成分から第２の異常度を算出し、
   前記統計量逐次計算部で得た統計量から求めた第１の異常度と、前記第２の異常度の双方から診断する電力変換装置。
9. 請求項１に記載の電力変換装置において、
   前記異常度算出部は、
   前記異常度が、設定した閾値を超えているかを判定する電力変換装置。
10. 請求項９に記載の電力変換装置において、
    前記異常度算出部は、
    学習期間中に算出した前記異常度を用いて前記閾値を決定する電力変換装置。
11. 請求項１に記載の電力変換装置と、
    前記電力変換装置と接続された前記回転機とを備えた回転機システムにおいて、
    前記電力変換装置が、
    前記回転機が回転している時間帯に、前記電流計測部が、電流を計測する回転機システム。
12. 回転機と、前記回転機と接続されて電力を授受する電力変換装置とを備えた回転機システムを診断する方法であって、
    前記回転機に流れる電流を計測し、
    計測された電流から分析対象量を算出し、
    算出した分析対象量の分布に関する統計量を逐次計算し、
    前記統計量から異常度を算出する回転機システムの診断方法。
13. 請求項１に記載の電力変換装置において、
    前記分析対象量算出部は、
    前記分析対象量として相電流の基本周期を算出する電力変換装置。
14. 請求項１３に記載の電力変換装置において、
    前記相電流が零となる時刻の間隔から前記相電流の前記基本周期を算出する電力変換装置。
15. 請求項１に記載の電力変換装置において、
    前記分析対象量算出部は、
    前記分析対象量として、相電流の基本周波数を算出する電力変換装置。

Images