JP2021139461A

JP2021139461A - 状態推定装置、制御弁、状態推定プログラム、および状態推定方法

Info

Publication number: JP2021139461A
Application number: JP2020038871A
Authority: JP
Inventors: 豊久保山; Yutaka Kuboyama; 貴章川瀬; Takaaki Kawase; 武司岡本; Takeshi Okamoto
Original assignee: Nabtesco Corp
Current assignee: Nabtesco Corp
Priority date: 2020-03-06
Filing date: 2020-03-06
Publication date: 2021-09-16
Also published as: CN113359433A; KR20210113068A; KR102557763B1

Abstract

【課題】制御弁の状態を的確に推定するための技術を提供する。【解決手段】状態推定装置４００は、第１可動部の位置に応じて作動流体の流量を制御する制御弁における第１可動部の目標位置および実位置と第１可動部を駆動する駆動部に供給された電流の値とを含むデータセットの検知情報を取得する取得部４０１と、取得部により取得された検知情報に基づいて作動流体の清浄度を推定する推定部４０２とを備える。【選択図】図６

Description

本発明は、制御弁の状態を推定するための状態推定装置、制御弁、状態推定プログラム、および状態推定方法に関する。

船舶などの移動体に搭載されたエンジンを制御するために、油圧サーボバルブなどの制御弁が使用される。電気的に制御可能な制御弁を使用してエンジンへの燃料の供給やエンジンからの排気などをきめ細かく制御することにより、エンジンの熱効率を向上させることができ、燃料の消費量を抑えることができる。

特許第５４６５３６５号

船舶は、洋上を航行するため、搭載された制御弁に故障や不具合などが発生したとしても即座に対処できるとは限らない。従来は、船舶が港湾に停泊しているときなどに、故障や不具合などが発生した制御弁を取り外し、工場などに持ち込んで点検して、必要な修理や交換などを実施していた。しかし、船舶が航行不能な状態に陥って多大な損害を生じる事態を抑えるためには、制御弁の状態を的確に把握し、故障や不具合により動作不能となる前に適切な処置を講じておくことが非常に重要である。

本発明は、こうした課題に鑑みてなされたものであり、その目的は、制御弁の状態をより精確に推定するための技術を提供することにある。

上記課題を解決するために、本発明のある態様の状態推定装置は、第１可動部の位置に応じて作動流体の流量を制御する制御弁における第１可動部の目標位置および実位置と第１可動部を駆動する駆動部に供給された電流の値とを含むデータセットの検知情報を取得する取得部と、取得部により取得された検知情報に基づいて作動流体の清浄度を推定する推定部とを備える。

本発明のさらに別の態様は、制御弁である。この制御弁は、位置を指定するための制御信号に応じて位置が変化し、位置に応じて作動流体の流量が制御される第１可動部と、第１可動部の目標位置および実位置と第１可動部を駆動する駆動部に供給された電流の値とを含むデータセットの検知情報を取得する取得部と、取得部により取得された検知情報に基づいて作動流体の清浄度を推定する推定部とを備える。

本発明のさらに別の態様は、状態推定プログラムである。この状態推定プログラムは、コンピュータを、第１可動部の位置に応じて作動流体の流量を制御する制御弁における第１可動部の目標位置および実位置と第１可動部を駆動する駆動部に供給された電流の値とを含むデータセットの検知情報を取得する取得部、取得部により取得された検知情報に基づいて作動流体の清浄度を推定する推定部として機能させる。

本発明のさらに別の態様は、状態推定方法である。この状態推定方法は、コンピュータに、第１可動部の位置に応じて作動流体の流量を制御する制御弁における第１可動部の目標位置および実位置と第１可動部を駆動する駆動部に供給された電流の値とを含むデータセットの検知情報を取得するステップと、取得するステップにおいて取得された検知情報に基づいて作動流体の清浄度を推定するステップとを実行させる。

本発明のさらに別の態様は、状態推定装置である。この状態推定装置は、第１可動部の位置に応じて作動流体の流量を制御する制御弁における第１可動部の目標位置または実位置と作動流体の流量に応じて位置を変化させる第２可動部の実位置とを含むデータセットの検知情報を取得する取得部と、取得部により取得された検知情報に基づいて第２可動部の位置を検知するための検知部の異常を推定する推定部とを備える。

本発明のさらに別の態様は、制御弁である。この制御弁は、位置を指定するための制御信号に応じて位置が変化し、位置に応じて作動流体の流量が制御される第１可動部と、第１可動部の目標位置または実位置と作動流体の流量に応じて位置を変化させる第２可動部の実位置とを含むデータセットの検知情報を取得する取得部と、取得部により取得された検知情報に基づいて第２可動部の位置を検知するための検知部の異常を推定する推定部とを備える。

本発明のさらに別の態様は、状態推定プログラムである。この状態推定プログラムは、コンピュータを、第１可動部の位置に応じて作動流体の流量を制御する制御弁における第１可動部の目標位置または実位置と作動流体の流量に応じて位置を変化させる第２可動部の実位置とを含むデータセットの検知情報を取得する取得部、取得部により取得された検知情報に基づいて第２可動部の位置を検知するための検知部の異常を推定する推定部として機能させる。

本発明のさらに別の態様は、状態推定方法である。この状態推定方法は、コンピュータに、第１可動部の位置に応じて作動流体の流量を制御する制御弁における第１可動部の目標位置または実位置と作動流体の流量に応じて位置を変化させる第２可動部の実位置とを含むデータセットの検知情報を取得するステップと、取得するステップにおいて取得された検知情報に基づいて第２可動部の位置を検知するための検知部の異常を推定するステップとを実行させる。

なお、以上の構成要素の任意の組み合わせや、本発明の構成要素や表現を方法、装置、プログラム、プログラムを記録した一時的なまたは一時的でない記憶媒体、システムなどの間で相互に置換したものもまた、本発明の態様として有効である。

本発明によれば、制御弁の状態をより精確に推定することができる。

本発明の実施形態に係る管理システムの構成を示す図である。船舶に搭載された油圧サーボバルブの周辺の構成を概略的に示す図である。油圧サーボバルブの構成を概略的に示す図である。パイロットバルブの弁体の第１方向の位置とポートの開閉状態を模式的に示す模式図である。サーボバルブ制御装置の構成を示す図である。学習装置および状態推定装置の構成を示す図である。本実施形態の状態推定方法の手順を示すフローチャートである。実施例１−１に係る学習装置と状態推定装置の構成を示す図である。実施例１−２に係る学習装置と状態推定装置の構成を示す図である。実施例１−３に係る学習装置と状態推定装置の構成を示す図である。実施例１−４に係る学習装置と状態推定装置の構成を示す図である。実施例１−５に係る学習装置と状態推定装置の構成を示す図である。実施例２に係る学習装置と状態推定装置の構成を示す図である。パイロットバルブのスプールとメインバルブのスプールの動作を模式的に示す図である。実施例３に係る学習装置と状態推定装置の構成を示す図である。実施例４に係る学習装置と状態推定装置の構成を示す図である。パイロットバルブのスプールとメインバルブのスプールの動作を模式的に示す図である。実施例５に係る学習装置と状態推定装置の構成を示す図である。メインバルブのスプールの位置センサの状態を示す図である。実施例６に係る学習装置と状態推定装置の構成を示す図である。実施例７に係る学習装置と状態推定装置の構成を示す図である。

以下、本発明を好適な実施形態をもとに各図面を参照しながら説明する。実施形態および変形例では、同一または同等の構成要素、部材には、同一の符号を付するものとし、適宜重複した説明は省略する。また、各図面における部材の寸法は、理解を容易にするために適宜拡大、縮小して示される。また、各図面において実施形態を説明する上で重要ではない部材の一部は省略して表示する。

また、第１、第２などの序数を含む用語は多様な構成要素を説明するために用いられるが、この用語は一つの構成要素を他の構成要素から区別する目的でのみ用いられ、この用語によって構成要素が限定されるものではない。

図１は、本発明の実施形態に係る管理システムの構成を示す。管理システム１は、制御弁の動作に関連する情報に基づいて制御弁を管理する。管理システム１は、任意の制御弁を管理するために利用可能であるが、本実施形態では、船舶２に搭載されたエンジンを制御するための油圧サーボバルブを管理する例について主に説明する。管理システム１は、学習装置３００および状態推定装置４００を備える。学習装置３００は、油圧サーボバルブに関連する情報に基づいて油圧サーボバルブの状態を推定するための推定モデルを学習する。状態推定装置４００は、学習装置３００により学習された推定モデルを使用して油圧サーボバルブの状態を推定する。

学習装置３００は、推定モデルを学習するための学習データを使用して推定モデルを学習する。学習データは、船舶２において実際に油圧サーボバルブまたは油圧サーボバルブと同種の別の油圧サーボバルブが使用されたときに記録されたログデータであってもよいし、油圧サーボバルブまたは油圧サーボバルブと同種の別の油圧サーボバルブが船舶２以外の試験環境などにおいて使用されたときに記録された試験データであってもよいし、油圧サーボバルブの動作をシミュレートするためのシミュレータにより生成されたシミュレーションデータであってもよいし、それらのうちの２以上の組合せであってもよい。以降、とくに明記しない限り、ログデータまたは試験データは、状態を推定する対象となる油圧サーボバルブ自体が使用または試験されたときに記録されたログデータまたは試験データであってもよいし、当該油圧サーボバルブと同種の別の油圧サーボバルブが使用または試験されたときに記録されたログデータまたは試験データであってもよいし、それらの組合せであってもよい。

学習データとしてログデータを使用する場合、状態を推定する対象となる油圧サーボバルブと同様の環境で実際に油圧サーボバルブが使用されたときに収集されたログデータに基づいて推定モデルを学習することができるので、推定モデルの精度を向上させることができる。この場合、船舶２にログデータを記憶するためのログデータ記憶装置を搭載し、船舶２が着岸したときなどにログデータ記憶装置からログデータを読み出して学習装置３００に供給してもよい。また、船舶２に船陸間通信のための通信装置を搭載し、通信網３を介して船舶２から学習装置３００にログデータを送信してもよい。

学習データとして試験データまたはシミュレーションデータを使用する場合、様々な状態または環境において油圧サーボバルブが使用されたときのデータを大量に生成することができるので、推定モデルの精度および汎用性を向上させることができる。例えば、発生頻度が非常に低い故障が実際に発生したときのログデータを入手することが困難であったとしても、その故障を試験的に発生させたときの試験データや、その故障をシミュレーションしたときのシミュレーションデータを使用して推定モデルを学習することにより、そのような故障も的確に推定することが可能な推定モデルを生成することができる。

学習装置３００は、状態推定装置４００において使用されている学習済みの推定モデルをさらに学習して更新してもよい。

状態推定装置４００は、船舶２に搭載された油圧サーボバルブに関連する情報を取得し、推定モデルを使用して油圧サーボバルブの状態を推定する。状態推定装置４００は、船舶２に搭載されたログデータ記憶装置からログデータを読み出し、読み出したログデータに基づいて船舶２の過去の航行における油圧サーボバルブの状態を推定してもよい。また、状態推定装置４００は、船舶２に搭載された船陸間通信のための通信装置から通信網３を介して油圧サーボバルブに関連する情報を受信し、受信した情報に基づいて航行中の船舶２における油圧サーボバルブの状態を推定してもよい。また、状態推定装置４００は、船舶２に搭載され、油圧サーボバルブに関連する情報をリアルタイムに取得して油圧サーボバルブの状態を推定してもよい。この場合、状態推定装置４００による推定結果は、船陸間通信により船舶２の所有者、管理主体、保守主体などに送信されてもよい。

本実施形態の技術によれば、過去または現在の油圧サーボバルブの状態を的確に推定することができるので、油圧サーボバルブに故障や不具合などが生じていたとしても、迅速かつ適切に処置を講じることができる。また、油圧サーボバルブに故障や不具合などが生じていなかった場合も、将来の航行において油圧サーボバルブに故障や不具合が生じる可能性や油圧サーボバルブの寿命などを、現在または過去の油圧サーボバルブの状態から的確に予測することができる。このように、本実施形態の技術は、とくに船舶２などの移動体の安全性および効率を向上させるために、非常に重要な意義を有している。

図２は、船舶２に搭載された油圧サーボバルブ１００の周辺の構成を概略的に示す。船舶２に搭載されたエンジン８０は、複数の気筒８１およびセンサ８２を備える。センサ８２は、エンジン８０の回転数、負荷、圧力、排気温度などを検知する。油圧サーボバルブ１００は、複数の気筒８１のそれぞれに対応して設けられ、それぞれの気筒８１における燃料の噴射や排気などを制御する。本実施形態では、油圧サーボバルブ１００は、スプールの位置を電気的に制御することによりアクチュエータに供給される作動油の流量を制御するパイロットバルブと、パイロットバルブにより制御されるアクチュエータの一例であるメインバルブとを備える。油圧サーボバルブ１００は、メインバルブのスプールの位置に応じて、噴射弁や排気弁などを駆動するために設けられた別のアクチュエータへ供給する作動油の流量を制御する。別の例では、油圧サーボバルブ１００は、メインバルブのスプールの移動により噴射弁や排気弁などを直接駆動してもよい。

エンジン制御装置９１は、船舶２の航行を制御するための図示しないコントロールパネルから入力される指示に応じて、エンジン８０の回転数などを決定し、サーボバルブ制御装置１１０に指示を入力する。サーボバルブ制御装置１１０は、エンジン制御装置９１からの指示に応じて、複数の油圧サーボバルブ１００のメインバルブのスプールの目標位置を算出し、それぞれのメインバルブのスプールの位置が算出された目標位置となるように、それぞれのパイロットバルブのスプールの位置を制御する。サーボバルブ制御装置１１０は、ジャンクションボックス９２を介して複数の油圧サーボバルブ１００のそれぞれからメインバルブのスプールの実位置を示す情報を取得し、メインバルブのスプールの目標位置および実位置に基づいて、パイロットバルブのスプールの目標位置を算出して油圧サーボバルブ１００へ出力することにより、メインバルブのスプールの位置をフィードバック制御する。サーボバルブ制御装置１１０は、Ｐ制御、ＰＩ制御、ＰＩＤ制御など、任意の方式でメインバルブのスプールの位置をフィードバック制御してもよい。

サーボバルブ制御装置１１０は、エンジン制御装置９１からの入力データ、油圧サーボバルブ１００への出力データ、ジャンクションボックス９２を介して取得される油圧サーボバルブ１００およびエンジン８０の状態を示す各種の検知データなどをログデータ記憶装置９０に記録する。

本図では、ログデータ記憶装置９０がサーボバルブ制御装置１１０に接続された例を示すが、ログデータ記憶装置９０は、ジャンクションボックス９２に接続されてもよいし、ジャンクションボックス９２と油圧サーボバルブ１００の間に接続されてもよいし、油圧サーボバルブ１００内に搭載されてもよい。ログデータ記憶装置９０をサーボバルブ制御装置１１０に接続する場合は、ログデータ記憶装置９０をエンジン８０から比較的離れた位置に設置することができるので、エンジン８０において発生する振動や熱などの影響を抑えることができる。また、既存の船舶２にログデータ記憶装置９０を設置する際に必要な配線などの変更を少なくすることができる。ログデータ記憶装置９０をジャンクションボックス９２に接続する場合は、油圧サーボバルブ１００のパイロットバルブのスプールの実位置を示すデータがサーボバルブ制御装置１１０に送信されないように構成されている場合であってもパイロットバルブのスプールの実位置を示すデータを取得して記録することができるので、より精確に油圧サーボバルブ１００の状態を推定することができる。ログデータ記憶装置９０を油圧サーボバルブ１００とジャンクションボックス９２の間に接続する場合は、油圧サーボバルブ１００のパイロットバルブのスプールの実位置を示すデータに加えて、油圧サーボバルブ１００に供給される電圧または電流の値を取得することができるので、より精確に油圧サーボバルブ１００の状態を推定することができる。ログデータ記憶装置９０を油圧サーボバルブ１００内に搭載する場合も同様である。

状態推定装置４００が船舶２に搭載される場合、状態推定装置４００は、ログデータ記憶装置９０からデータを取得してもよいし、ログデータ記憶装置９０に代えて設置されてもよい。この場合も、上記のように、状態推定装置４００は、サーボバルブ制御装置１１０に接続されてもよいし、ジャンクションボックス９２に接続されてもよいし、ジャンクションボックス９２と油圧サーボバルブ１００の間に接続されてもよいし、油圧サーボバルブ１００内に搭載されてもよい。

図３は、油圧サーボバルブ１００の構成を概略的に示す。油圧サーボバルブ１００は、パイロットバルブ１０と、メインバルブ２０を備える。パイロットバルブ１０は、サーボバルブ制御装置１１０からの指令に基づいて被制御機器であるメインバルブ２０への作動油４８の送出状態を変化させることにより、メインバルブ２０のスプール２８の位置を制御する。

パイロットバルブ１０は、複数のボルトＢ１によりメインバルブ２０に連結されている。パイロットバルブ１０にはボルトＢ１を貫通させるための複数の貫通孔１０ｈが設けられる。メインバルブ２０にはボルトＢ１が螺合するための複数の雌ねじ２０ｈが設けられる。複数の貫通孔１０ｈは、複数の雌ねじ２０ｈの位置に対応する位置に配置される。ボルトＢ１を貫通孔１０ｈを通じて雌ねじ２０ｈに螺合することにより、パイロットバルブ１０はメインバルブ２０に連結される。ボルトＢ１を外すことにより、パイロットバルブ１０はメインバルブ２０から分離される。

図３のメインバルブ２０の油圧系統は、作動油４８を貯留するドレインタンク４４と、ドレインタンク４４の作動油４８を加圧して送出する油圧ポンプ４２とを含む。油圧ポンプ４２から送出された作動油４８は、メインバルブ２０内のポンプ側配管部２２ｐを通じて、メインバルブ２０の内部とパイロットバルブ１０とに供給される。パイロットバルブ１０とメインバルブ２０の内部から排出される作動油４８は、メインバルブ２０内のタンク側配管部２２ｔを通じて、ドレインタンク４４に戻される。ポンプ側配管部２２ｐとタンク側配管部２２ｔを総称するときはメインバルブ配管部という。

パイロットバルブ１０は、本体部１０ｂと、スプール１２と、ポート１６と、スプール駆動部１８とを主に含む。スプール１２は、第１可動部として機能し、シャフト１２ｓと、シャフト１２ｓと一体に移動する複数の弁体１４とを有する。スプール１２は、スプール駆動部１８によって駆動され、第１方向に進退する。以下、便宜上、スプール１２がスプール駆動部１８から第１方向に沿って延出する方向（図１で下向き）を「延出方向」、「延出側」といい、その延出方向と反対の方向を「反延出方向」、「反延出側」という。

スプール１２の延出側には、スプール１２を反延出方向に付勢する付勢部材１２ｈが設けられる。付勢部材１２ｈは、例えば、第１方向に伸縮するコイルスプリングであってもよい。スプール駆動部１８は、シャフト１２ｓを第１方向に進退させるコイルなどの電磁的なアクチュエータ（不図示）を含む。スプール駆動部１８は、サーボバルブ制御装置１１０からの指令に基づきシャフト１２ｓを進退させ、付勢部材１２ｈの付勢力とのバランスにより弁体１４の位置を制御する。

弁体１４は、第１方向に離隔して配置される第１弁体１４ａと、第２弁体１４ｂと、第３弁体１４ｃとを含む。第２弁体１４ｂは、第１弁体１４ａの反延出側に配置され、第３弁体１４ｃは、第１弁体１４ａの延出側に配置される。第１弁体１４ａは、その第１方向の位置に応じて、後述するＡポート１６ａの連通状態を変化させる。本体部１０ｂは、第１方向に延びてスプール１２を収容する円筒空間１０ｓを有する。円筒空間１０ｓは弁体１４を狭い隙間を介して囲うシリンダとして機能する。

本体部１０ｂにはポート１６が設けられる。本実施形態のポート１６は、Ｐポート１６ｐと、Ａポート１６ａと、Ｔポート１６ｔとを含む。Ｐポート１６ｐは、ポンプ側配管部２２ｐに接続され、油圧ポンプ４２から加圧された作動油４８が供給される。Ａポート１６ａは、メインバルブ２０の作動油受入部２２ａに接続される。メインバルブ２０のスプール２８は、作動油受入部２２ａに供給された作動油４８の圧力により移動される。Ｔポート１６ｔは、タンク側配管部２２ｔに接続され、本体部１０ｂを流れた作動油４８をタンク側配管部２２ｔを通じてドレインタンク４４に排出する。

メインバルブ２０は、第２可動部として機能するスプール２８を含む。本図ではメインバルブ２０の詳細を省略しているが、メインバルブ２０はパイロットバルブ１０と同様の構造を有していてもよい。

パイロットバルブ１０のスプール１２の先端部には、スプール１２の位置を検出するための位置センサ１９が設けられる。メインバルブ２０のスプール２８の先端部には、スプール２８の位置を検出するための位置センサ２９が設けられる。位置センサ１９により検出されたパイロットバルブ１０のスプール１２の実位置を示すデータと、位置センサ２９により検出されたメインバルブ２０のスプール２８の実位置を示すデータは、配線を介してジャンクションボックス９２へ送られる。

図４は、パイロットバルブ１０の弁体１４の第１方向の位置とポートの開閉状態を模式的に示す模式図である。この図では説明に重要でない要素の記載を省いている。図４（ａ）は、弁体１４がＡポート１６ａとＰポート１６ｐとを連通させる第１領域内に位置する状態を示す。この状態では、Ａポート１６ａは、Ｐポート１６ｐからの作動油４８を作動油受入部２２ａに供給する（以下、「供給モード」という）。供給モードでは、メインバルブ２０の作動油受入部２２ａにはＰポート１６ｐからの作動油４８が供給される。この動作により、例えば、メインバルブ２０のスプール２８が、エンジン８０への燃料供給量を増やす方向に移動する。

図４（ｂ）は、弁体１４がＡポート１６ａを遮断してＰポート１６ｐおよびＴポート１６ｔと連通させない中立領域内に位置する状態を示す（以下、中立領域内の位置を「中立位置」ともいう）。この状態では、Ａポート１６ａは遮断され、作動油受入部２２ａに対して供給も回収もしない（以下、「中立モード」という）。中立モードでは、メインバルブ２０の作動油受入部２２ａの油圧は、弁体１４が中立領域に位置する直前の状態で維持される。この動作により、例えば、メインバルブ２０のスプール２８が直前の位置で停止し、エンジン８０への燃料供給量が直前の状態に保たれる。

図４（ｃ）は、弁体１４がＡポート１６ａとＴポート１６ｔとを連通させる第２領域内に位置する状態を示す。この状態では、Ａポート１６ａは、作動油受入部２２ａから作動油４８を回収してポンプ側配管部２２ｐに戻す（以下、「回収モード」という）。回収モードでは、メインバルブ２０の作動油受入部２２ａの作動油４８がＡポート１６ａ、Ｔポート１６ｔおよびタンク側配管部２２ｔを通じてドレインタンク４４に回収される。この動作により、例えば、メインバルブ２０のスプール２８が、エンジン８０への燃料供給量を減らす方向に移動する。

図５は、サーボバルブ制御装置１１０の構成を示す。サーボバルブ制御装置１１０は、電源回路１２０、サーボバルブ制御回路１３０、サーボバルブ駆動回路１４０、電圧検出部１５０、およびデータ収集回路１６０を含む。

電源回路１２０は、外部電源から供給される電力をサーボバルブ制御回路１３０およびサーボバルブ駆動回路１４０に供給する。電圧検出部１５０は、電源回路１２０に入力される電圧または電源回路１２０から出力される電圧を検出する。電圧検出部１５０に代えて、または加えて、電源回路１２０に入力される電流または電源回路１２０から出力される電流を検出する電流検出部が設けられてもよい。

サーボバルブ制御回路１３０は、エンジン制御装置９１からの指令に基づいて、メインバルブ２０のスプール２８の目標位置を算出する。サーボバルブ制御回路１３０は、算出された目標位置にメインバルブ２０のスプール２８を移動させるためのパイロットバルブ１０のスプール１２の目標位置を算出する。サーボバルブ制御回路１３０は、算出されたパイロットバルブ１０のスプール１２の目標位置をサーボバルブ駆動回路１４０に入力する。

サーボバルブ駆動回路１４０は、サーボバルブ制御回路１３０から入力されたパイロットバルブ１０のスプール１２の目標位置に応じて、パイロットバルブ１０のスプール駆動部１８のコイルに電力を供給してスプール１２を移動させる。サーボバルブ駆動回路１４０は、油圧サーボバルブ１００内に設けられてもよい。

パイロットバルブ１０のスプール１２が移動してポート１６の開閉状態が変更されると、作動油４８の供給または回収によってメインバルブ２０のスプール２８が目標位置に向けて移動する。メインバルブ２０のスプール２８の実位置が目標位置と一致すると、サーボバルブ制御回路１３０は、パイロットバルブ１０のスプール１２を中立位置に戻す。これにより、メインバルブ２０のスプール２８は目標位置で静止する。エンジン８０の動作中、このような一連の制御が繰り返される。

データ収集回路１６０は、電圧検出部１５０により検出された電圧値や、サーボバルブ制御回路１３０からサーボバルブ駆動回路１４０に入力されたパイロットバルブ１０のスプール１２の目標位置などのデータをログデータ記憶装置９０に記録する。データ収集回路１６０は、センサ８２により検知されたエンジン８０の状態を示すデータや、位置センサ１９により検知されたパイロットバルブ１０のスプール１２の実位置や、位置センサ２９により検知されたメインバルブ２０のスプール２８の実位置などをジャンクションボックス９２を介して取得し、ログデータ記憶装置９０に記録する。

図６は、学習装置３００および状態推定装置４００の構成を示す。学習装置３００は、学習データ取得部３０１、推定モデル生成部３０２、および推定モデル提供部３０３を備える。状態推定装置４００は、検知情報取得部４０１、状態推定部４０２、および推定結果出力部４０３を備える。

学習データ取得部３０１は、油圧サーボバルブ１００の状態を推定するための推定モデルを学習するのに使用される学習データを取得する。学習データは、油圧サーボバルブ１００の動作に関連して取得可能なデータと、その油圧サーボバルブ１００の状態を示すデータとの組を含む。学習データ取得部３０１は、ログデータ記憶装置９０に記憶されたログデータを取得してもよいし、油圧サーボバルブ１００が船舶２以外の試験環境などにおいて使用されたときに記録された試験データを取得してもよいし、油圧サーボバルブ１００の動作をシミュレートするためのシミュレータにより生成されたシミュレーションデータを取得してもよい。

学習データ取得部３０１は、特定の状況下で記録または生成されたデータを学習データとして取得してもよい。学習データ取得部３０１は、取得したデータの中から、特定の状況下で記録または生成されたデータを学習データとして選択してもよい。例えば、学習データ取得部３０１は、推定モデルにより推定すべき特定の状態が発生したときのログデータや、試験環境において特定の状態を発生させたときの試験データや、シミュレータにより特定の状態をシミュレートしたときのシミュレーションデータを取得または選択してもよい。学習データ取得部３０１は、特定の環境下で油圧サーボバルブ１００を動作させたときに記録または生成されたデータを学習データとして取得してもよい。例えば、学習データ取得部３０１は、船舶２の種類、航路、航行時期、エンジン８０の種類、気筒数、累積稼働時間などに応じてデータを分類し、それらの環境ごとに別個の推定モデルを学習してもよい。

学習データ取得部３０１は、取得したデータを前処理して学習データを生成してもよい。例えば、学習データ取得部３０１は、推定モデルにより推定すべき状態と相関のある特徴量を、取得したデータから算出して学習データとしてもよい。また、パイロットバルブ１０のスプール１２の目標位置または実位置、メインバルブ２０のスプール２８の目標位置または実位置と、別のデータとを対応づけるために、目標位置を入力してからスプール１２またはスプール２８の実位置が目標位置に到達するまでのオフセット時間を調整してもよい。

推定モデル生成部３０２は、学習データ取得部３０１により取得された学習データを使用して、状態推定装置４００において油圧サーボバルブ１００の状態を推定するために使用される推定基準を生成する。推定基準は、油圧サーボバルブ１００の動作に関連して取得可能なデータと油圧サーボバルブ１００の状態を示すデータとを対応付けたテーブルまたはプログラムなどであってもよい。推定基準は、油圧サーボバルブ１００の動作に関連して取得可能なデータと油圧サーボバルブ１００の状態を示すデータとの対応関係をモデル化した推定モデルであってもよい。推定モデルは、油圧サーボバルブ１００の動作に関連して取得可能なデータを入力変数とし、油圧サーボバルブ１００の状態を示すデータを算出するための数式であってもよい。この場合、推定モデル生成部３０２は、多変量解析、重回帰分析、主成分分析などの統計学的手法により推定モデルを生成してもよい。推定モデルは、油圧サーボバルブ１００の状態を示すデータを入力層に入力し、油圧サーボバルブ１００の状態を示すデータを出力層から出力するニューラルネットワークなどであってもよい。この場合、推定モデル生成部３０２は、学習データに含まれる、油圧サーボバルブ１００の動作に関連して取得されるデータを入力層に入力したときに、そのデータに対応する油圧サーボバルブ１００の状態を示すデータに近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、推定モデルを学習する。推定モデルは、ルールベースの推定アルゴリズムであってもよいし、任意の形式の人工知能などであってもよい。

推定モデル提供部３０３は、推定モデル生成部３０２により生成された推定モデルを状態推定装置４００に提供する。推定モデル提供部３０３は、状態推定装置４００が製造されるときに状態推定装置４００に提供されてもよい。また、状態推定装置４００が製造された後も学習装置３００が推定モデルを学習して推定モデルを更新する場合は、所定のタイミングで更新された推定モデルを状態推定装置４００に提供してもよい。

検知情報取得部４０１は、油圧サーボバルブ１００の動作に関連して検知された情報を取得する。検知情報取得部４０１は、ログデータ記憶装置９０に記憶されたデータを取得してもよいし、データ収集回路１６０から直接データを取得してもよいし、船陸間通信により船舶２からデータを取得してもよい。検知情報取得部４０１は、取得したデータに、推定モデルが生成されたときに使用された学習データと同様の前処理を実行してもよい。

状態推定部４０２は、学習装置３００により生成された推定モデルを使用して、油圧サーボバルブ１００の状態を推定する。状態推定部４０２は、検知情報取得部４０１により取得されたデータを推定モデルに入力し、推定モデルから出力される油圧サーボバルブ１００の状態を推定結果として取得する。

推定結果出力部４０３は、状態推定部４０２による推定結果を出力する。推定結果出力部４０３は、状態推定部４０２により油圧サーボバルブ１００が異常な状態にあると推定された場合に、その旨を報知してもよい。異常な状態であるか否かは、状態推定部４０２により出力された油圧サーボバルブ１００の状態を示す状態推定データが、所定の閾値以上または所定の閾値未満になったか否か、または所定の範囲内にあるか否かによって判定されてもよいし、状態推定データの初期値からの変化量が所定の閾値以上になったか否かによって判定されてもよい。また、推定結果出力部４０３は、同一のエンジン８０の複数の気筒８１に対応して設けられている複数の油圧サーボバルブ１００の状態推定結果を比較することにより、油圧サーボバルブ１００が異常な状態であるか否かを判定してもよい。例えば、特定の油圧サーボバルブ１００の状態推定結果の値が、複数の油圧サーボバルブ１００の状態推定結果の平均値から大きく外れている場合に、その油圧サーボバルブ１００が異常な状態にあると判定してもよい。複数の油圧サーボバルブ１００のそれぞれの状態推定結果の偏差値を算出し、偏差値が所定の閾値、例えば８０以上または３０未満である油圧サーボバルブ１００が異常な状態にあると判定してもよい。

図７は、本実施形態の状態推定方法の手順を示すフローチャートである。まず、推定モデルを生成する段階の手順を説明する。油圧サーボバルブ１００を搭載した船舶２が航行するときに、油圧サーボバルブ１００の動作に関連するデータがログデータ記憶装置９０に記録される（ステップＳ１０）。学習装置３００の学習データ取得部３０１は、ログデータ記憶装置９０に記録されたログデータを学習データとして取得する（ステップＳ１２）。学習データ取得部３０１は、試験データやシミュレーションデータも学習データとして取得する。推定モデル生成部３０２は、取得された学習データに基づいて推定モデルを生成する（ステップＳ１４）。推定モデル提供部３０３は、生成された推定モデルを状態推定装置４００に提供する（ステップＳ１６）。

つづいて、推定モデルを使用して油圧サーボバルブ１００の状態を推定する段階の手順を説明する。油圧サーボバルブ１００を搭載した船舶２が航行するときに、油圧サーボバルブ１００の動作に関連するデータがログデータ記憶装置９０に記録される（ステップＳ２０）。状態推定装置４００の検知情報取得部４０１は、ログデータ記憶装置９０に記録された検知情報を取得する（ステップＳ２２）。状態推定部４０２は、取得された検知情報に基づいて、推定モデルを使用して油圧サーボバルブ１００の状態を推定する（ステップＳ２４）。推定結果出力部４０３は、推定結果を出力する（ステップＳ２６）。

本実施形態の管理システムの具体的な実施例について説明する。

［実施例１：内部油漏れ量の推定］
パイロットバルブ１０が長時間使用されると、弁体１４が摩耗してバルブとしての節度が低下し、中立モードでも、Ａポート１６ａ、Ｐポート１６ｐおよびＴポート１６ｔが互いに僅かに連通するようになる。中立モードにおいて作動油４８がＰポート１６ｐからＡポート１６ａに漏出すると、作動油受入部２２ａの油圧が徐々に上昇してエンジン８０への燃料供給量が増加し、エンジン８０の燃費の悪化を引き起こす。また、中立モードにおいて作動油４８がＡポート１６ａからＴポート１６ｔに漏出すると、作動油受入部２２ａの油圧が徐々に低下してエンジン８０への燃料供給量が減少し、エンジン８０の出力低下を引き起こす。作動油４８の漏れ量が許容量を超えると、油圧サーボバルブ１００は正常に機能しなくなり故障に至る。漏れ量を高精度で推定できれば、漏れ量が許容量を超える前に油圧サーボバルブ１００を交換または修理して、予期せぬ故障を回避できる。

前述したように、油圧サーボバルブ１００が正常に動作している場合、パイロットバルブ１０のスプール１２が中立位置にあるときにメインバルブ２０のスプール２８は静止するが、作動油４８の漏れ量が増大すると、パイロットバルブ１０のスプール１２が中立位置にあるときにもメインバルブ２０のスプール２８が移動する。本発明者らの実験により、パイロットバルブ１０のスプール１２が中立位置にあるときのメインバルブ２０のスプール２８の移動速度と作動油４８の漏れ量との間に強い相関関係があることが分かっている。したがって、パイロットバルブ１０のスプール１２が中立位置にあるときのメインバルブ２０のスプール２８の移動速度から、パイロットバルブ１０における内部油漏れ量を推定することができる。

［実施例１−１］
図８は、実施例１−１に係る学習装置と状態推定装置の構成を示す。本実施例の学習装置３００において、学習データ取得部３０１は、パイロットバルブ実スプール位置３１０、メインバルブ実スプール位置３１１、および内部油漏れ量実測値３１２を学習データとして取得する。

パイロットバルブ実スプール位置３１０と、メインバルブ実スプール位置３１１は、内部油漏れ量が実測された時点の前または後の所定期間内に油圧サーボバルブ１００が使用されたときの時系列データである。この時系列データは、エンジン８０の回転動作の１〜数周期分の時系列データであってもよい。エンジン８０の回転動作の１周期中に少なくとも数回はパイロットバルブ１０のスプール１２の位置が中立位置になるので、１周期分のパイロットバルブ実スプール位置３１０およびメインバルブ実スプール位置３１１の時系列データは、パイロットバルブ１０のスプール１２が中立位置にあるときのメインバルブ２０のスプール２８の移動速度を示す情報を含んでいる。

内部油漏れ量実測値３１２は、油圧サーボバルブ１００における内部油漏れ量の値である。学習データとしてログデータまたは試験データを使用する場合、内部油漏れ量実測値３１２は、流量計などにより実測された内部油漏れ量の値である。内部油漏れ量は油圧サーボバルブ１００の使用中に急激には変化しないと考えられるので、内部油漏れ量が実測された時点の前または後の所定期間には、実測された量の作動油４８が内部で漏れている状態で油圧サーボバルブ１００が使用されたとみなし、その所定期間に記録されたパイロットバルブ実スプール位置３１０およびメインバルブ実スプール位置３１１と内部油漏れ量実測値３１２とを対応づけて学習データとする。所定期間は、油圧サーボバルブ１００の使用中に内部油漏れ量が同程度のまま変わらない期間であればよく、油圧サーボバルブ１００の使用時間、エンジン８０の動作時間、エンジン８０の回転数などにより規定されてもよい。学習データとしてシミュレーションデータを使用する場合、内部油漏れ量実測値３１２は、シミュレーション条件としてシミュレータに入力された内部油漏れ量の値である。

内部油漏れ量推定モデル生成部３１３は、学習データ取得部３０１により取得された学習データを使用して、状態推定装置４００において油圧サーボバルブ１００の内部油漏れ量を推定するために使用される内部油漏れ量推定モデルを生成する。内部油漏れ量推定モデルは、パイロットバルブ実スプール位置３１０およびメインバルブ実スプール位置３１１の所定期間の時系列データを入力層に入力し、油圧サーボバルブ１００の内部油漏れ量を出力層から出力するニューラルネットワークなどであってもよい。この場合、内部油漏れ量推定モデル生成部３１３は、パイロットバルブ実スプール位置３１０およびメインバルブ実スプール位置３１１の所定期間の時系列データを入力層に入力したときに、内部油漏れ量実測値３１２に近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、内部油漏れ量推定モデルを学習する。

内部油漏れ量推定モデル提供部３１４は、内部油漏れ量推定モデル生成部３１３により生成された内部油漏れ量推定モデルを状態推定装置４００に提供する。

検知情報取得部４０１は、パイロットバルブ実スプール位置４１０およびメインバルブ実スプール位置４１１を検知情報として取得する。この検知情報は、内部油漏れ量推定モデルを生成するために使用した学習データと同じ所定期間の時系列データである。

内部油漏れ量推定部４１２は、学習装置３００により生成された内部油漏れ量推定モデルを使用して、油圧サーボバルブ１００の内部油漏れ量を推定する。内部油漏れ量推定部４１２は、検知情報取得部４０１により取得されたパイロットバルブ実スプール位置４１０およびメインバルブ実スプール位置４１１の時系列データを内部油漏れ量推定モデルに入力し、内部油漏れ量推定モデルから出力される内部油漏れ量を推定結果として取得する。

内部油漏れ量推定値出力部４１３は、内部油漏れ量推定部４１２により推定された内部油漏れ量の推定値を出力する。内部油漏れ量推定値出力部４１３は、油圧サーボバルブ１００が異常な状態にあると推定された場合に、その旨を報知してもよい。異常な状態であるか否かは、内部油漏れ量推定部４１２により出力された内部油漏れ量の値が、所定の閾値以上であるか否かによって判定されてもよいし、内部油漏れ量の初期値からの変化量が所定の閾値以上になったか否かによって判定されてもよい。また、内部油漏れ量推定値出力部４１３は、同一のエンジン８０の複数の気筒８１に対応して設けられている複数の油圧サーボバルブ１００の内部油漏れ量の値を比較することにより、油圧サーボバルブ１００が異常な状態であるか否かを判定してもよい。例えば、特定の油圧サーボバルブ１００の内部油漏れ量の値が、複数の油圧サーボバルブ１００の内部油漏れ量の平均値から大きく外れている場合に、その油圧サーボバルブ１００が異常な状態にあると判定してもよい。複数の油圧サーボバルブ１００のそれぞれの内部油漏れ量の偏差値を算出し、偏差値が所定の閾値、例えば８０以上または３０未満である油圧サーボバルブ１００が異常な状態にあると判定してもよい。

［実施例１−２］
図９は、実施例１−２に係る学習装置と状態推定装置の構成を示す。実施例１−２の学習装置３００は、図８に示した実施例１−１の学習装置３００の構成に加えて、特徴量算出部３１５を備える。また、実施例１−２の状態推定装置４００は、図８に示した実施例１−１の状態推定装置４００の構成に加えて、特徴量算出部４１４を備える。実施例１−１と異なる点について主に説明する。それ以外の点は実施例１−１と同様である。

学習装置３００の特徴量算出部３１５は、学習データ取得部３０１により取得されたパイロットバルブ実スプール位置３１０またはメインバルブ実スプール位置３１１から、内部油漏れ量と相関のある特徴量を算出する。上述したように、内部油漏れ量は、パイロットバルブ１０のスプール１２が中立位置にあるときのメインバルブ２０のスプール２８の移動速度と相関があることが本発明者らの実験によって明らかになっているので、特徴量算出部３１５は、パイロットバルブ実スプール位置３１０が中立位置にある期間のメインバルブ実スプール位置３１１から、メインバルブ２０のスプール２８の移動速度を算出する。パイロットバルブ１０のスプール１２が中立位置に移動してから、メインバルブ２０への作動油の供給が止まってメインバルブ２０のスプール２８の位置が静止するまでにタイムラグがある場合は、特徴量算出部３１５はタイムラグを調整してからメインバルブ２０のスプール２８の移動速度を算出してもよい。タイムラグの調整量は、油圧サーボバルブ１００の種類や、温度、作動油４８の圧力、エンジン８０の回転数、負荷、排気温度などの油圧サーボバルブ１００が使用される環境などに応じて、実験などによって予め定められていてもよい。

内部油漏れ量推定モデル生成部３１３は、学習データ取得部３０１により取得された学習データと特徴量算出部３１５により算出された特徴量を使用して、内部油漏れ量推定モデルを生成する。内部油漏れ量推定モデル生成部３１３は、内部油漏れ量実測値３１２と特徴量算出部３１５により算出された特徴量を使用して内部油漏れ量推定モデルを生成してもよい。例えば、内部油漏れ量推定モデルは、特徴量を入力変数として内部油漏れ量を算出する数式であってもよい。この場合、内部油漏れ量推定モデル生成部３１３は、回帰分析などの統計的手法により数式を生成してもよい。内部油漏れ量推定モデル生成部３１３は、パイロットバルブ実スプール位置３１０、メインバルブ実スプール位置３１１、および特徴量を使用して内部油漏れ量推定モデルを生成してもよい。例えば、内部油漏れ量推定モデルは、パイロットバルブ実スプール位置３１０およびメインバルブ実スプール位置３１１の所定期間の時系列データと、その所定期間における特徴量を入力層に入力し、内部油漏れ量を出力層から出力するニューラルネットワークなどであってもよい。この場合、内部油漏れ量推定モデル生成部３１３は、パイロットバルブ実スプール位置３１０およびメインバルブ実スプール位置３１１の所定期間の時系列データと、その所定期間における特徴量を入力層に入力したときに、内部油漏れ量実測値３１２に近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、内部油漏れ量推定モデルを学習する。

状態推定装置４００の特徴量算出部４１４は、内部油漏れ量推定部４１２が使用する内部油漏れ量推定モデルが生成されたときに特徴量算出部３１５が特徴量を算出した方法と同じ方法で、検知情報取得部４０１により取得されたパイロットバルブ実スプール位置４１０またはメインバルブ実スプール位置４１１から特徴量を算出する。内部油漏れ量推定モデルが生成されたときに使用された学習データとは異なる環境において使用された油圧サーボバルブ１００のパイロットバルブ実スプール位置４１０およびメインバルブ実スプール位置４１１が検知情報取得部４０１により取得された場合は、特徴量算出部４１４は環境の差異を調整してから特徴量を算出してもよい。例えば、環境に応じてタイムラグの調整量を変更してもよい。これにより、内部油漏れ量の推定のロバスト性を向上させることができる。

［実施例１−３］
図１０は、実施例１−３に係る学習装置と状態推定装置の構成を示す。図９に示した実施例１−２の学習装置３００では、学習データ取得部３０１がパイロットバルブ実スプール位置３１０を取得したが、実施例１−３の学習装置３００では、学習データ取得部３０１がパイロットバルブ実スプール位置３１０に代えてパイロットバルブ目標スプール位置３１６を取得する。また、図９に示した実施例１−２の状態推定装置４００では、検知情報取得部４０１がパイロットバルブ実スプール位置４１０を取得したが、実施例１−３の状態推定装置４００では、検知情報取得部４０１がパイロットバルブ実スプール位置４１０に代えてパイロットバルブ目標スプール位置４１５を取得する。実施例１−２と異なる点について主に説明する。それ以外の点は実施例１−１または１−２と同様である。

前述したように、ログデータ記憶装置９０の接続位置によっては、油圧サーボバルブ１００が使用されているときのパイロットバルブ実スプール位置を記録できない場合がある。この場合、学習データおよび検知情報として、パイロットバルブ目標スプール位置をパイロットバルブ実スプール位置に代えて使用する。これにより、ログデータ記憶装置９０の接続位置によらずに取得可能なデータを使用して、内部油漏れ量推定モデルを生成することができるとともに、その内部油漏れ量推定モデルを使用して内部油漏れ量を推定することができる。図１０の例では、実施例１−２と同様に特徴量算出部３１５および特徴量算出部４１４が設けられているが、実施例１−１と同様に特徴量算出部が設けられなくてもよい。

［実施例１−４］
図１１は、実施例１−４に係る学習装置と状態推定装置の構成を示す。実施例１−４の学習装置３００は、図１０に示した実施例１−３の学習装置３００の構成に加えて、オフセット時間算出部３１９を備える。また、実施例１−４の学習装置３００では、学習データ取得部３０１がコイル駆動電圧３１７およびパイロットバルブ物理パラメータ３１８をさらに取得する。また、実施例１−４の状態推定装置４００では、検知情報取得部４０１がコイル駆動電圧４１６をさらに取得する。実施例１−３と異なる点について主に説明する。それ以外の点は実施例１−１〜１−３と同様である。

サーボバルブ制御装置１１０からパイロットバルブ１０にスプール１２の目標位置の指令信号が入力されてから、スプール駆動部１８のコイルに電流が供給され、スプール１２が実際に目標位置に到達するまでにはタイムラグがある。したがって、パイロットバルブ目標スプール位置３１６をパイロットバルブ実スプール位置３１０に代えて学習データとして使用する場合、パイロットバルブ１０のスプール１２の実位置がパイロットバルブ目標スプール位置３１６に追従するまでに要するオフセット時間を調整することにより、パイロットバルブ１０のスプール１２が実際に中立位置に追従したときのメインバルブ２０のスプール２８の位置に基づいて内部油漏れ量推定モデルを生成することができるので、内部油漏れ量推定モデルの精度を向上させることができる。

オフセット時間算出部３１９は、コイル駆動電圧３１７とパイロットバルブ物理パラメータ３１８に基づいて、オフセット時間を算出する。パイロットバルブ物理パラメータ３１８は、例えば、スプール駆動部１８の駆動回路を構成する素子の抵抗値、コイルのインダクタンス、スプール１２の質量、本体部１０ｂとスプール１２との間の摩擦係数などの物理量を含む。オフセット時間算出部３１９は、これらの物理パラメータとコイル駆動電圧３１７とを含む運動方程式からオフセット時間を算出する。パイロットバルブ１０のスプール１２の位置、移動方向、移動速度などに応じてオフセット時間が異なりうる場合は、これらのデータをさらに使用してオフセット時間を算出してもよい。

学習装置３００が、特定の種類の油圧サーボバルブ１００の内部油漏れ量を推定するための内部油漏れ量推定モデルを生成する場合は、パイロットバルブ物理パラメータ３１８は定数として扱われてもよい。これにより、パイロットバルブ物理パラメータ３１８が記録されていないログデータも学習データとして使用することができる。パイロットバルブ物理パラメータ３１８として、油圧サーボバルブ１００の種類に応じて予め定められた定数が使用されてもよい。パイロットバルブ物理パラメータ３１８として、油圧サーボバルブ１００の出荷時に測定された物理パラメータが使用されてもよい。これにより、油圧サーボバルブ１００の個体差によるパイロットバルブの物理パラメータのばらつきの影響を抑え、より精確にオフセット時間を算出することができる。パイロットバルブ物理パラメータ３１８として、油圧サーボバルブ１００のオーバーホールなどの保守時に測定された物理パラメータが使用されてもよい。これにより、パイロットバルブ１０の経年変化の影響を抑え、より精確にオフセット時間を算出することができる。

内部油漏れ量推定モデル生成部３１３は、実施例１−１または１−２と同様に、パイロットバルブ実スプール位置４１０およびメインバルブ実スプール位置４１１を入力して内部油漏れ量を出力する内部油漏れ量推定モデルを生成してもよいし、実施例１−３と同様に、パイロットバルブ目標スプール位置４１５およびメインバルブ実スプール位置４１１を入力して内部油漏れ量を出力する内部油漏れ量推定モデルを生成してもよいし、パイロットバルブ目標スプール位置４１５、メインバルブ実スプール位置４１１、およびコイル駆動電圧４１６を入力して内部油漏れ量を出力する内部油漏れ量推定モデルを生成してもよいし、それらに加えてパイロットバルブ物理パラメータまたはオフセット時間をさらに入力して内部油漏れ量を出力する内部油漏れ量推定モデルを生成してもよい。本図の例では、内部油漏れ量推定モデルは、パイロットバルブ目標スプール位置４１５、メインバルブ実スプール位置４１１、およびコイル駆動電圧４１６を入力して内部油漏れ量を出力する。サーボバルブ制御装置１１０の電源回路１２０からコイルに供給されるコイル駆動電圧４１６は、エンジン８０の回転数などによって変動しうるので、パイロットバルブ目標スプール位置４１５およびメインバルブ実スプール位置４１１に加えてコイル駆動電圧４１６を入力して内部油漏れ量を出力する内部油漏れ量推定モデルを生成することにより、オフセット時間の変動の影響を抑え、推定精度を向上させることができる。

状態推定装置４００の検知情報取得部４０１は、内部油漏れ量推定部４１２が使用する内部油漏れ量推定モデルに入力を要する検知情報を取得する。本図の例では、検知情報取得部４０１は、パイロットバルブ目標スプール位置４１５、メインバルブ実スプール位置４１１、およびコイル駆動電圧４１６を取得する。内部油漏れ量推定モデルにパイロットバルブ物理パラメータを入力する必要がある場合は、検知情報取得部４０１は、パイロットバルブ物理パラメータをさらに取得してもよい。または、内部油漏れ量推定部４１２は、内部油漏れ量を推定する対象となる油圧サーボバルブ１００の種類に応じた物理パラメータを予め保持しておいてもよい。また、内部油漏れ量推定モデルにオフセット時間を入力する必要がある場合は、検知情報取得部４０１は、オフセット時間をさらに取得してもよい。または、状態推定装置４００は、コイル駆動電圧４１６やパイロットバルブ物理パラメータなどに基づいてオフセット時間を算出するオフセット時間算出部をさらに備えてもよい。

［実施例１−５］
図１２は、実施例１−５に係る学習装置と状態推定装置の構成を示す。実施例１−５の学習装置３００は、図８に示した実施例１−１の学習装置３００の構成に加えて、データ選択部３２０を備える。また、実施例１−５の学習装置３００は、図８に示した実施例１−１の状態推定装置４００の構成に加えて、データ選択部４１７を備える。実施例１−１と異なる点について主に説明する。それ以外の点は実施例１−１〜１−４と同様である。

本実施例では、内部油漏れ量推定モデルによる推定精度を向上させるために、状態推定装置４００が内部油漏れ量を推定する対象となる油圧サーボバルブ１００が使用される環境と同様の環境で油圧サーボバルブ１００が使用されたときのログデータを使用して内部油漏れ量推定モデルを生成する。これにより、環境の影響を抑え、内部油漏れ量の推定のロバスト性を向上させることができる。

データ選択部３２０は、学習データ取得部３０１により取得された学習データの中から、特定の環境において油圧サーボバルブ１００が使用されたときに記録された学習データを選択する。データ選択部３２０は、ログデータ、試験データ、シミュレーションデータなどに含まれる油圧サーボバルブ１００の使用環境を示すデータ、例えば、エンジン８０の気筒８１の排気温度や圧力などを参照して、特定の環境において油圧サーボバルブ１００が使用されたときに記録された学習データを選択してもよい。データ選択部３２０は、環境ごとに学習データを分類してもよい。この場合、環境ごとに内部油漏れ量推定モデルが生成されてもよい。ログデータ、試験データ、シミュレーションデータなどの学習データは、特定の環境において記録または生成されてもよいし、記録または生成されるときに使用環境ごとに分類されてもよい。この場合、学習データ取得部３０１が、特定の環境において記録、生成、または分類された学習データを取得すればよいので、データ選択部３２０は設けられなくてもよい。

データ選択部４１７は、検知情報取得部４０１により取得された検知情報の中から、特定の環境において油圧サーボバルブ１００が使用されたときに記録された検知情報を選択する。データ選択部４１７は、内部油漏れ量推定部４１２により使用される内部油漏れ量推定モデルが生成されたときに使用された学習データが記録された環境と同様の環境において記録された検知情報を選択してもよい。使用環境ごとに生成された複数の内部油漏れ量推定モデルが状態推定装置４００に保持されている場合は、内部油漏れ量推定部４１２は、検知情報に含まれる油圧サーボバルブ１００の使用環境を示すデータを参照して、使用する内部油漏れ量推定モデルを選択してもよい。この場合、データ選択部４１７は設けられなくてもよい。

特定のパターンでパイロットバルブ１０のスプール１２を動作させる試験モードにおいて油圧サーボバルブ１００が動作されたときに記録された学習データを使用して内部油漏れ量推定モデルが生成されてもよい。この場合、状態推定装置４００は、試験モードにおいて油圧サーボバルブ１００が動作されたときに記録された検知情報を使用して内部油漏れ量を推定する。これにより、内部油漏れ量の推定のロバスト性を向上させることができる。

使用環境の影響をさらに抑えるために、エンジン８０が停止されているときに記録されたログデータ、試験データ、シミュレーションデータなどを学習データとして使用してもよい。エンジン８０が停止されている間、エンジン制御装置９１からサーボバルブ制御装置１１０には停止命令が出されているが、油圧ポンプ４２により作動油４８が加圧されている場合は、サーボバルブ制御装置１１０は、パイロットバルブ１０のスプール１２およびメインバルブ２０のスプール２８の固着を防止するために、エンジン８０に燃料が供給されない程度の小振幅のパターンでパイロットバルブ１０のスプール１２を繰り返し移動させる。この固着防止動作の間に記録された学習データを使用して内部油漏れ量推定モデルを生成するとともに、状態推定装置４００が油圧サーボバルブ１００の内部油漏れ量を推定する際にも、固着防止動作の間に記録されたログデータを使用することにより、エンジン８０の動作に伴う振動などの外乱の影響を抑え、推定精度を向上させることができる。固着防止動作のパターンは、正弦波パターン、鋸状波パターン、ディザパターンなどであってもよい。異なる複数のパターンにより固着防止動作が行われる場合は、特定のパターンでの固着防止動作が行われているときに記録された学習データおよび検知情報を使用してもよい。

［実施例１の変形例］
実施例１−１〜１−５において学習データおよび検知情報として使用されたデータに加えて、エンジン回転数、エンジン負荷、作動油圧力、作動油温度などの他のデータのいずれか、またはそれらの任意の組合せが学習データおよび検知情報として使用されてもよい。これらのデータのうち、パイロットバルブ実スプール位置、パイロットバルブ目標スプール位置、メインバルブ実スプール位置などのデータに環境因子として影響を与えうるデータが選択されて使用されてもよい。これらのデータの影響が反映された内部油漏れ量推定モデルを生成することにより、内部油漏れ量の推定のロバスト性をさらに向上させることができる。

以上の実施例１−１〜１−５において説明した特徴は、任意に組み合わせて適用されてもよい。

［実施例２：電源の故障判定］
実施例２では、電源回路１２０および電源回路１２０に電力を供給する電源の故障を判定する技術について説明する。電源または電源回路１２０が故障すると、油圧サーボバルブ１００が正常に動作しなくなるので、エンジン８０の出力低下などの異常を引き起こす。電源または電源回路１２０の故障を高精度で予測できれば、電源または電源回路１２０が故障する前に電源または電源回路１２０を交換または修理して、予期せぬ異常を回避できる。

エンジン８０への燃料供給および排気を制御するための油圧サーボバルブ１００は、エンジン８０の駆動中に一定の動作を繰り返すので、パイロットバルブ１０のスプール１２またはメインバルブ２０のスプール２８の動作波形と電源電圧波形との間には一定のパターンがみられる。したがって、正常時における動作波形と電源電圧波形のパターンと、故障の兆候が現れている時の動作波形と電源電圧波形のパターンとの相違をモデル化することによって、電源又は電源回路１２０の故障を判定することができる。

図１３は、実施例２に係る学習装置と状態推定装置の構成を示す。本実施例の学習装置３００において、学習データ取得部３０１は、電源電圧３２１、パイロットバルブ実スプール位置３１０、および電源故障兆候指標値３２２を学習データとして取得する。

パイロットバルブ実スプール位置３１０は、電源故障兆候指標値３２２が実測された時点の前または後の所定期間内に油圧サーボバルブ１００が使用されたときの時系列データである。電源電圧３２１は、パイロットバルブ実スプール位置３１０が記録されたときに電圧検出部１５０により検出された電源電圧の時系列データである。電源電圧３２１は、電源回路１２０への入力電圧であってもよいし、電源回路１２０からの出力電圧であってもよいし、それら双方であってもよい。これらの時系列データは、エンジン８０の回転動作の１〜数周期分の時系列データであってもよい。

電源故障兆候指標値３２２は、電源回路１２０の累積動作時間、電源回路１２０を構成するコンデンサなどの素子の劣化状態、電源回路１２０から放出されるエミッションノイズの実測値などに基づいて算出される。電源故障兆候指標値３２２の算出方法は、実験やフィールドテストなどによって定められてもよい。

学習データとしてログデータまたは試験データを使用する場合、電源故障兆候指標値３２２は、上記の変数の実測値に基づいて算出される。電源故障兆候指標値３２２は、油圧サーボバルブ１００の使用中に急激には変化しないと考えられるので、電源故障兆候指標値３２２を算出するための変数が実測された時点の前または後の所定期間には、電源故障兆候指標値３２２は変化しないとみなし、その所定期間に記録された電源電圧３２１およびパイロットバルブ実スプール位置３１０と電源故障兆候指標値３２２とを対応づけて学習データとする。所定期間は、油圧サーボバルブ１００の使用中に電源故障兆候指標値３２２が同程度のまま変わらない期間であればよく、油圧サーボバルブ１００の使用時間、エンジン８０の動作時間、エンジン８０の回転数などにより規定されてもよい。学習データとしてシミュレーションデータを使用する場合、電源故障兆候指標値３２２は、シミュレーション条件としてシミュレータに入力された変数の値に基づいて算出される。

電源故障判定モデル生成部３２３は、学習データ取得部３０１により取得された学習データを使用して、状態推定装置４００において電源または電源回路１２０の故障を判定するために使用される電源故障判定モデルを生成する。電源故障判定モデルは、電源電圧３２１およびパイロットバルブ実スプール位置３１０の所定期間の時系列データを入力層に入力し、電源故障兆候指標値を出力層から出力するニューラルネットワークなどであってもよい。この場合、電源故障判定モデル生成部３２３は、電源電圧３２１およびパイロットバルブ実スプール位置３１０の所定期間の時系列データを入力層に入力したときに、電源故障兆候指標値３２２に近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、電源故障判定モデルを学習する。

電源故障判定モデル提供部３２４は、電源故障判定モデル生成部３２３により生成された電源故障判定モデルを状態推定装置４００に提供する。

検知情報取得部４０１は、電源電圧４２０およびパイロットバルブ実スプール位置４１０を検知情報として取得する。この検知情報は、電源故障判定モデルを生成するために使用した学習データと同じ所定期間の時系列データである。

電源故障判定部４２１は、学習装置３００により生成された電源故障判定モデルを使用して、油圧サーボバルブ１００の電源または電源回路１２０の故障を判定する。電源故障判定部４２１は、検知情報取得部４０１により取得された電源電圧４２０およびパイロットバルブ実スプール位置４１０の時系列データを電源故障判定モデルに入力し、電源故障判定モデルから出力される電源故障兆候指標値を判定結果として取得する。電源故障判定部４２１は、出力された電源故障兆候指標値に基づいて、電源または電源回路１２０の故障の有無を判定してもよい。例えば、電源故障判定部４２１は、出力された電源故障兆候指標値が所定の閾値以上である場合に、電源または電源回路１２０が故障していると判定してもよいし、電源故障兆候指標値の初期値からの変化量が所定の閾値以上になった場合に、電源または電源回路１２０が故障していると判定してもよい。電源故障判定部４２１は、出力された電源故障兆候指標値に基づいて、電源または電源回路１２０が故障するまでの期間、すなわち寿命を推定してもよい。例えば、電源故障判定部４２１は、出力された電源故障兆候指標値を変数とする数式などを使用して寿命を推定してもよい。電源故障判定モデルは、電源故障兆候指標値に代えて、または加えて、電源または電源回路１２０の故障の有無、または、電源または電源回路１２０の寿命を出力するように構成されてもよい。

同一のエンジン８０の複数の気筒８１に対応して設けられている複数の油圧サーボバルブ１００のそれぞれに電源回路１２０が設けられる場合、電源故障判定部４２１は、それぞれの油圧サーボバルブ１００の電源故障兆候指標値を比較することにより、電源回路１２０が故障しているか否かを判定してもよい。例えば、特定の油圧サーボバルブ１００の電源故障兆候指標値が、複数の油圧サーボバルブ１００の電源故障兆候指標値の平均値から大きく外れている場合に、その油圧サーボバルブ１００の電源回路１２０が故障していると判定してもよい。複数の油圧サーボバルブ１００のそれぞれの電源故障兆候指標値の偏差値を算出し、偏差値が所定の閾値、例えば８０以上または３０未満である油圧サーボバルブ１００の電源回路１２０が故障していると判定してもよい。

電源故障判定結果出力部４２２は、電源故障判定部４２１により判定された結果を出力する。電源故障判定結果出力部４２２は、電源故障判定部４２１により油圧サーボバルブ１００の電源または電源回路１２０が故障していると判定された場合に、その旨を報知してもよい。電源故障判定結果出力部４２２は、電源故障判定部４２１により判定された電源または電源回路１２０の寿命を出力してもよい。

本発明者らの実験により、負荷電流のピーク値に対する電源電圧の降下量が、電源または電源回路１２０の故障と相関関係があることが分かっている。したがって、油圧サーボバルブ１００に供給される電流の値を検出するための電流計が設けられる場合は、学習データおよび検知情報として、パイロットバルブ実スプール位置３１０に代えて、または加えて、電流計により測定された電流値が使用されてもよい。これにより、故障の判定精度を向上させることができる。

負荷電流のピーク値に対する電源電圧の降下量は、電源電圧およびパイロットバルブ実スプール位置などから算出されてもよい。この場合、実施例１−２と同様に、学習装置３００が特徴量算出部３１５をさらに備え、状態推定装置４００が特徴量算出部４１４をさらに備えてもよい。

学習装置３００の特徴量算出部３１５は、学習データ取得部３０１により取得された電源電圧３２１およびパイロットバルブ実スプール位置３１０から、電源または電源回路１２０の故障と相関のある特徴量として、負荷電流のピーク値に対する電源電圧の降下量を算出する。特徴量算出部３１５は、パイロットバルブ実スプール位置３１０の変動から算出したパイロットバルブ１０のスプール１２の加速度または速度に基づいて、油圧サーボバルブ１００に供給された電流の値を算出してもよい。特徴量算出部３１５は、算出された電流の値がピークとなるときの電源電圧３２１の値に基づいて、電源電圧の降下量を算出してもよい。電源回路１２０からパイロットバルブ１０のスプール駆動部１８のコイルに電力が供給されてから、パイロットバルブ１０のスプール１２が移動するまでにタイムラグがある場合は、特徴量算出部３１５はタイムラグを調整してからパイロットバルブ１０のスプール１２の加速度または速度を算出してもよい。タイムラグの調整量は、油圧サーボバルブ１００の種類や、温度、作動油４８の圧力、エンジン８０の回転数、負荷、排気温度などの油圧サーボバルブ１００が使用される環境などに応じて、実験などによって予め定められていてもよい。

電源故障判定モデル生成部３２３は、学習データ取得部３０１により取得された学習データと特徴量算出部３１５により算出された特徴量を使用して、電源故障判定推定モデルを生成する。電源故障判定モデル生成部３２３は、電源故障兆候指標値３２２と特徴量算出部３１５により算出された特徴量を使用して電源故障判定モデルを生成してもよい。例えば、電源故障判定モデルは、特徴量を入力変数として電源故障兆候指標値を算出する数式であってもよい。この場合、電源故障判定モデル生成部３２３は、回帰分析などの統計的手法により数式を生成してもよい。電源故障判定モデル生成部３２３は、電源電圧３２１、パイロットバルブ実スプール位置３１０、および特徴量を使用して電源故障判定モデルを生成してもよい。例えば、電源故障判定モデルは、電源電圧３２１およびパイロットバルブ実スプール位置３１０の所定期間の時系列データと、その所定期間における特徴量を入力層に入力し、電源故障兆候指標値を出力層から出力するニューラルネットワークなどであってもよい。この場合、電源故障判定モデル生成部３２３は、電源電圧３２１およびパイロットバルブ実スプール位置３１０の所定期間の時系列データと、その所定期間における特徴量を入力層に入力したときに、電源故障兆候指標値３２２に近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、電源故障判定モデルを学習する。

状態推定装置４００の特徴量算出部４１４は、電源故障判定部４２１が使用する電源故障判定モデルが生成されたときに特徴量算出部３１５が特徴量を算出した方法と同じ方法で、検知情報取得部４０１により取得された電源電圧４２０およびパイロットバルブ実スプール位置４１０から特徴量を算出する。電源故障判定モデルが生成されたときに使用された学習データとは異なる環境において使用された油圧サーボバルブ１００の電源電圧４２０およびパイロットバルブ実スプール位置４１０が検知情報取得部４０１により取得された場合は、特徴量算出部４１４は環境の差異を調整してから特徴量を算出してもよい。例えば、環境に応じてタイムラグの調整量を変更してもよい。これにより、電源故障判定のロバスト性を向上させることができる。また、電流計を実装しなくても負荷電流のピーク値に対する電源電圧の降下量を特徴量として算出することができるので、回路の効率の向上およびコストの低減を実現することができる。

特徴量として、パイロットバルブ１０のスプール１２の動作の特徴を表す物理量などが算出されてもよい。例えば、パイロットバルブ１０のスプール１２の加速度、速度、オーバーシュート量、遅延量などが特徴量として算出されてもよい。

学習データおよび検知情報として、パイロットバルブ実スプール位置に代えて、または加えて、パイロットバルブ目標スプール位置またはメインバルブ実スプール位置が使用されてもよい。この場合、実施例１−４と同様に、パイロットバルブ１０の実スプール位置がパイロットバルブの目標スプール位置に追従するまでに要するオフセット時間を調整するために、学習装置３００がオフセット時間算出部３１９を備えてもよい。オフセット時間算出部３１９は、油圧サーボバルブ１００に供給される電流の値がピークとなるときの電源電圧の降下量を算出するために、油圧サーボバルブ１００に供給される電流の変動と電源電圧の変動との間のオフセット時間を算出してもよい。オフセット時間を算出する方法は、実施例１−２と同様であってもよい。

学習データおよび検知情報として、特定の環境において油圧サーボバルブ１００が使用されたときに記録されたデータが使用されてもよい。この場合、実施例１−５と同様に、学習装置３００がデータ選択部３２０をさらに備え、状態推定装置４００がデータ選択部４１７をさらに備えてもよい。データ選択部３２０およびデータ選択部４１７は、特定のパターンでパイロットバルブ１０のスプール１２を動作させる試験モードにおいて油圧サーボバルブ１００が動作されたときに記録されたデータを選択してもよい。これにより、故障判定のロバスト性を向上させることができる。データ選択部３２０およびデータ選択部４１７は、エンジン８０が停止され、スプールの固着防止動作が実行されているときに記録されたデータを選択してもよい。これにより、外乱の影響を抑え、故障判定精度を向上させることができる。

［実施例３：異物の噛み込み検知］
実施例３では、パイロットバルブ１０の本体部１０ｂとスプール１２との間に異物が噛み込んだことを検知する技術について説明する。本体部１０ｂとスプール１２との間に異物が噛み込むと、パイロットバルブ１０のスプール１２が正常に動作しなくなるので、メインバルブ２０の実スプール位置が目標スプール位置からずれてアラームが発報される。従来は、このアラームの原因を特定することはできなかったが、異物が噛み込んだことを高精度で検知できれば、アラームが発報されたときにアラームの原因を特定して適切な措置を迅速に講じることができる。

図１４は、パイロットバルブ１０のスプール１２とメインバルブ２０のスプール２８の動作を模式的に示す。図１４（ａ）は、油圧サーボバルブ１００が正常に制御されている場合の動作例を示す。時刻ｔ１においてメインバルブ２０の目標スプール位置が入力されると、メインバルブ２０のスプール２８を正方向に移動させるために、時刻ｔ２においてパイロットバルブ１０の目標スプール位置として正の値が入力される。パイロットバルブ１０のスプール１２が目標スプール位置に追従すると、作動油がメインバルブ２０に供給されて、時刻ｔ３にメインバルブ２０のスプール２８が正方向に移動し始める。時刻ｔ４においてメインバルブ２０の目標スプール位置が一定値に固定され、メインバルブ２０の実スプール位置が目標スプール位置に追従すると、パイロットバルブ１０の目標スプール位置として中立位置が入力され、時刻ｔ５にメインバルブ２０のスプール２８が目標スプール位置で静止する。

図１４（ｂ）は、パイロットバルブ１０に異物が噛み込んだ場合の動作例を示す。時刻ｔ４までの動作は図１４（ａ）と同様であるが、時刻ｔ４においてパイロットバルブ１０に異物が噛み込んだとする。パイロットバルブ１０の目標スプール位置として中立位置が入力されているが、異物が噛み込んでいてスプール１２が移動できないので、作動油がメインバルブ２０に供給され続け、メインバルブ２０のスプール２８は正方向に移動し続ける。メインバルブ実スプール位置のフィードバック信号が目標位置から外れていくので、メインバルブ２０のスプール２８を目標位置に戻すために、パイロットバルブ１０の目標スプール位置として負の値が入力され続ける。メインバルブ２０のスプール２８は、正方向の限界位置に達すると、それ以上は移動せずに限界位置で静止する。

このように、パイロットバルブ１０のスプール１２とメインバルブ２０のスプール２８の動作パターンは、正常時と異物が噛み込んだ時とで大きく相違する。したがって、正常時の動作パターンと異物が噛み込んだ時の動作パターンとの相違をモデル化することによって、異物の噛み込みを検知することができる。動作パターンは、異物の種類、大きさ、量などによっても異なりうるので、異物の噛み込みの有無だけでなく、噛み込んだ異物の種類、大きさ、量なども検知しうる。いったん異物を噛み込んだ後に異物が自然に除去された場合であっても、異物を噛み込んだ履歴をログデータから検出することができるので、動作不良が生じた原因の証拠として使用することができる。船舶２などにおいては、作動油は、エンジン８０を制御するための油圧サーボバルブ１００だけでなく、別の装置などを制御するための油圧サーボバルブにも循環されるので、油圧サーボバルブ１００においていったん噛み込んだ異物が自然に除去されたとしても、その異物が別の油圧サーボバルブなどに噛み込むことがありうる。本実施例の技術によれば、油圧サーボバルブ１００における異物の噛み込みを検知し、作動油の交換などの適切な保守を実施することができるので、別の装置における異物の噛み込みを抑えることができる。

図１５は、実施例３に係る学習装置と状態推定装置の構成を示す。本実施例の学習装置３００において、学習データ取得部３０１は、メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、パイロットバルブ目標スプール位置３１６、および異物データ３３１を学習データとして取得する。

メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、およびパイロットバルブ目標スプール位置３１６は、異物データ３３１が実測された時点の前または後の所定期間内に油圧サーボバルブ１００が使用されたときの時系列データである。これらの時系列データは、エンジン８０の回転動作の１〜数周期分の時系列データであってもよい。

異物データ３３１は、パイロットバルブ１０に噛み込んだ異物の有無、種類、大きさ、量などを表すデータである。学習データとしてログデータを使用する場合、異物データ３３１は、パイロットバルブ１０に噛み込んだ異物の実測値である。学習データとして試験データを使用する場合、異物データ３３１は、パイロットバルブ１０に噛み込ませた異物の実測値である。学習データとしてシミュレーションデータを使用する場合、異物データ３３１は、シミュレーション条件としてシミュレータに入力された異物のデータである。

異物検知モデル生成部３３３は、学習データ取得部３０１により取得された学習データを使用して、状態推定装置４００において異物の噛み込みを検知するために使用される異物検知モデルを生成する。異物検知モデルは、メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、およびパイロットバルブ目標スプール位置３１６の所定期間の時系列データを入力層に入力し、異物データを出力層から出力するニューラルネットワークなどであってもよい。この場合、異物検知モデル生成部３３３は、メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、およびパイロットバルブ目標スプール位置３１６の所定期間の時系列データを入力層に入力したときに、異物データ３３１に近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、異物検知モデルを学習する。

異物検知モデル提供部３３４は、異物検知モデル生成部３３３により生成された異物検知モデルを状態推定装置４００に提供する。

検知情報取得部４０１は、メインバルブ実スプール位置４１１、メインバルブ目標スプール位置４３０、およびパイロットバルブ目標スプール位置４１５を検知情報として取得する。この検知情報は、異物検知モデルを生成するために使用した学習データと同じ所定期間の時系列データである。

異物検知部４３１は、学習装置３００により生成された異物検知モデルを使用して、パイロットバルブ１０における異物の噛み込みを検知する。異物検知部４３１は、検知情報取得部４０１により取得されたメインバルブ実スプール位置４１１、メインバルブ目標スプール位置４３０、およびパイロットバルブ目標スプール位置４１５の時系列データを異物検知モデルに入力し、異物検知モデルから出力される異物データを判定結果として取得する。異物検知部４３１は、出力された異物データに基づいて、パイロットバルブ１０に異物が噛み込むまでの期間を推定してもよい。この場合、同一のエンジン８０の複数の気筒８１に対応して設けられている複数の油圧サーボバルブ１００の異物データを比較することにより、異物が噛み込むまでの期間を推定してもよい。

異物検知結果出力部４３２は、異物検知部４３１により判定された結果を出力する。異物検知結果出力部４３２は、異物検知部４３１によりパイロットバルブ１０に異物が噛み込んでいることが検知された場合に、その旨を報知してもよい。異物検知結果出力部４３２は、異物検知部４３１により推定された異物が噛み込むまでの期間を出力してもよい。

異物の噛み込みの有無、または噛み込んだ異物の種類、大きさ、または量と相関のある特徴量が、メインバルブ実スプール位置、メインバルブ目標スプール位置、またはパイロットバルブ目標スプール位置などから算出されてもよい。この場合、実施例１−２と同様に、学習装置３００が特徴量算出部３１５をさらに備え、状態推定装置４００が特徴量算出部４１４をさらに備えてもよい。電源回路１２０からパイロットバルブ１０のスプール駆動部１８のコイルに電力が供給されてから、パイロットバルブ１０のスプール１２が移動し、メインバルブ実スプール位置がメインバルブ目標スプール位置に追従するまでにタイムラグがある場合は、特徴量算出部３１５はタイムラグを調整してから特徴量を算出してもよい。タイムラグの調整量は、油圧サーボバルブ１００の種類や、温度、作動油４８の圧力、エンジン８０の回転数、負荷、排気温度などの油圧サーボバルブ１００が使用される環境などに応じて、実験などによって予め定められていてもよい。

学習データおよび検知情報として、パイロットバルブ目標スプール位置に代えて、または加えて、パイロットバルブ実スプール位置が使用されてもよい。学習データおよび検知情報として、パイロットバルブ目標スプール位置、パイロットバルブ実スプール位置、メインバルブ目標スプール位置、およびメインバルブ実スプール位置のうちいずれか２以上の組合せが使用されてもよい。

学習データおよび検知情報として、特定の環境において油圧サーボバルブ１００が使用されたときに記録されたデータが使用されてもよい。この場合、実施例１−５と同様に、学習装置３００がデータ選択部３２０をさらに備え、状態推定装置４００がデータ選択部４１７をさらに備えてもよい。データ選択部３２０およびデータ選択部４１７は、特定のパターンでパイロットバルブ１０のスプール１２を動作させる試験モードにおいて油圧サーボバルブ１００が動作されたときに記録されたデータを選択してもよい。これにより、異物噛み込みの検知のロバスト性を向上させることができる。データ選択部３２０およびデータ選択部４１７は、エンジン８０が停止され、スプールの固着防止動作が実行されているときに記録されたデータを選択してもよい。これにより、外乱の影響を抑え、異物噛み込みの検知精度を向上させることができる。

［実施例４：作動油清浄度の推定］
実施例４では、作動油の清浄度を推定する技術について説明する。油圧サーボバルブ１００の動作中に、作動油に異物が混入して清浄度が低下すると、混入した異物の影響によって、パイロットバルブ１０のスプール１２の動作が阻害されたり、メインバルブ２０に供給される作動油の圧力が低下したりして、エンジン８０などの制御対象が動作不良を起こす場合がある。また、パイロットバルブ１０のスプール１２に異物が噛み込む可能性が増大する。作動油の清浄度を的確に推定し、作動油の清浄度が低下したときに適切な措置を迅速に講じることにより、油圧サーボバルブ１００や制御対象の動作を良好に維持することができるとともに、異物の噛み込みを防止することができる。

微少な異物の混入（コンタミネーション）によって作動油の清浄度が低下すると、パイロットバルブ１０のスプール１２が摺動するときに、スプール１２と本体部１０ｂとの間に生じる摩擦力が増大し、スプール１２の挙動が変化する。したがって、パイロットバルブ１０のスプール駆動部１８のコイルに供給される電流の波形と、パイロットバルブ１０の目標スプール位置および実スプール位置の動作波形のパターンの、作動油の清浄度による相違をモデル化することによって、作動油の清浄度を推定することができる。

図１６は、実施例４に係る学習装置と状態推定装置の構成を示す。本実施例の学習装置３００において、学習データ取得部３０１は、コイル印加電流３４１、パイロットバルブ目標スプール位置３１６、パイロットバルブ実スプール位置３１０、および作動油清浄度実測値３４２を学習データとして取得する。

コイル印加電流３４１、パイロットバルブ目標スプール位置３１６、およびパイロットバルブ実スプール位置３１０は、作動油清浄度実測値３４２が実測された時点の前または後の所定期間内に油圧サーボバルブ１００が使用されたときの時系列データである。これらの時系列データは、エンジン８０の回転動作の１〜数周期分の時系列データであってもよい。

作動油清浄度実測値３４２は、作動油に混入した異物の数、量、大きさなどを表すデータである。学習データとしてログデータまたは試験データを使用する場合、作動油清浄度実測値３４２は、油圧サーボバルブ１００において使用された作動油の清浄度を一般的な液中微粒子計測装置などによって測定した実測値である。作動油清浄度は、例えば、重量法、顕微鏡法、光散乱法、光遮断法、電気抵抗法、音響法、ダイナミック光散乱法などによって測定されてもよい。作動油の清浄度は油圧サーボバルブ１００の使用中に急激には変化しないと考えられるので、作動油の清浄度が実測された時点の前または後の所定期間には、実測された清浄度の作動油が使用されたとみなし、その所定期間に記録されたコイル印加電流３４１、パイロットバルブ目標スプール位置３１６、およびパイロットバルブ実スプール位置３１０と作動油清浄度実測値３４２とを対応づけて学習データとする。所定期間は、油圧サーボバルブ１００の使用中に作動油の清浄度が同程度のまま変わらない期間であればよく、油圧サーボバルブ１００の使用時間、エンジン８０の動作時間、エンジン８０の回転数などにより規定されてもよい。学習データとしてシミュレーションデータを使用する場合、作動油清浄度実測値３４２は、シミュレーション条件としてシミュレータに入力された作動油の清浄度の値である。

作動油清浄度推定モデル生成部３４３は、学習データ取得部３０１により取得された学習データを使用して、状態推定装置４００において使用される作動油の清浄度を推定するために使用される作動油清浄度推定モデルを生成する。作動油清浄度推定モデルは、コイル印加電流３４１、パイロットバルブ目標スプール位置３１６、およびパイロットバルブ実スプール位置３１０の所定期間の時系列データを入力層に入力し、作動油清浄度を出力層から出力するニューラルネットワークなどであってもよい。この場合、作動油清浄度推定モデル生成部３４３は、コイル印加電流３４１、パイロットバルブ目標スプール位置３１６、およびパイロットバルブ実スプール位置３１０の所定期間の時系列データを入力層に入力したときに、作動油清浄度実測値３４２に近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、作動油清浄度推定モデルを学習する。

作動油清浄度推定モデル提供部３４４は、作動油清浄度推定モデル生成部３４３により生成された作動油清浄度推定モデルを状態推定装置４００に提供する。

検知情報取得部４０１は、コイル印加電流４４１、パイロットバルブ目標スプール位置４１５、およびパイロットバルブ実スプール位置４１０を検知情報として取得する。この検知情報は、作動油清浄度推定モデルを生成するために使用した学習データと同じ所定期間の時系列データである。

作動油清浄度推定部４４２は、学習装置３００により生成された作動油清浄度推定モデルを使用して、作動油の清浄度を推定する。作動油清浄度推定部４４２は、検知情報取得部４０１により取得されたコイル印加電流４４１、パイロットバルブ目標スプール位置４１５、およびパイロットバルブ実スプール位置４１０の時系列データを作動油清浄度推定モデルに入力し、作動油清浄度推定モデルから出力される作動油清浄度を推定結果として取得する。

作動油清浄度推定結果出力部４４３は、作動油清浄度推定部４４２により推定された結果を出力する。作動油清浄度推定結果出力部４４３は、出力された作動油清浄度に基づいて作動油の清浄化や交換などの保守の要否を判定し、作動油の保守が必要であると判定された場合にその旨を報知してもよい。例えば、作動油清浄度推定結果出力部４４３は、出力された作動油の清浄度が所定の閾値未満であった場合に、作動油の保守が必要であると判定してもよいし、作動油清浄度の初期値からの変化量が所定の閾値以上になった場合に、作動油の保守が必要であると判定してもよい。作動油清浄度推定結果出力部４４３は、作動油の保守が必要となるまでの期間を推定して出力してもよい。例えば、作動油清浄度推定結果出力部４４３は、出力された作動油清浄度を変数とする数式などを使用して作動油の保守が必要となるまでの期間を推定してもよい。作動油清浄度推定モデルは、作動油清浄度に代えて、または加えて、作動油の保守の要否、または、作動油の保守が必要となるまでの期間を出力するように構成されてもよい。

同一のエンジン８０の複数の気筒８１に対応して複数の油圧サーボバルブ１００が設けられる場合、作動油清浄度推定部４４２は、それぞれの油圧サーボバルブ１００において推定された作動油清浄度に基づいて作動油の保守の要否を判定してもよい。複数の油圧サーボバルブ１００において共通の作動油が循環して使用される場合に、いずれかの油圧サーボバルブ１００において推定された作動油の清浄度が所定の閾値未満であった場合、別の油圧サーボバルブ１００において推定された作動油の清浄度が閾値以上であったとしても、清浄度の低い作動油が循環されて別の油圧サーボバルブ１００の動作に影響を与えうる。したがって、作動油清浄度推定結果出力部４４３は、少なくとも１つの油圧サーボバルブ１００において推定された作動油の清浄度が所定の閾値未満であった場合、作動油の保守が必要であると判定してもよい。作動油清浄度推定結果出力部４４３は、作動油が循環する順序にさらに基づいて作動油の保守の要否を判定してもよい。例えば、上流側の油圧サーボバルブ１００において作動油の保守の要否を判定するための閾値を、下流側の油圧サーボバルブ１００において作動油の保守の要否を判定するための閾値よりも高くしてもよい。作動油清浄度推定結果出力部４４３は、複数の油圧サーボバルブ１００において推定された作動油の清浄度の平均値などの統計値を算出し、算出された統計値に基づいて作動油の保守の要否を判定してもよい。

作動油の清浄度と相関のある特徴量が、コイル印加電流、パイロットバルブ目標スプール位置、パイロットバルブ実スプール位置などから算出されてもよい。この場合、実施例１−２と同様に、学習装置３００が特徴量算出部３１５をさらに備え、状態推定装置４００が特徴量算出部４１４をさらに備えてもよい。作動油の清浄度が低下してパイロットバルブ１０のスプール１２と本体部１０ｂとの間の摩擦力が増大すると、スプール１２の速度または加速度が低下すると考えられるので、特徴量算出部は、パイロットバルブ実スプール位置の変化率または変化率の変化率を算出することにより、パイロットバルブ１０のスプール１２の速度または加速度を算出してもよい。

作動油清浄度推定モデル生成部３４３は、学習データ取得部３０１により取得された学習データと特徴量算出部３１５により算出された特徴量を使用して、作動油清浄度推定モデルを生成する。作動油清浄度推定モデル生成部３４３は、作動油清浄度実測値３４２と特徴量算出部３１５により算出された特徴量を使用して作動油清浄度推定モデルを生成してもよい。例えば、作動油清浄度推定モデルは、特徴量を入力変数として作動油清浄度を算出する数式であってもよい。この場合、作動油清浄度推定モデル生成部３４３は、回帰分析などの統計的手法により数式を生成してもよい。作動油清浄度推定モデルは、コイル印加電流またはパイロットバルブ目標スプール位置が所定の条件を満たすときのスプール１２の速度または加速度を入力変数として作動油清浄度を算出する数式であってもよい。例えば、コイル印加電流のピーク値におけるスプール１２の速度または加速度を入力変数としてもよいし、スプール１２が中立位置から移動されるときのスプール１２の速度または加速度を入力変数としてもよい。作動油清浄度推定モデル生成部３４３は、コイル印加電流３４１、パイロットバルブ目標スプール位置３１６、パイロットバルブ実スプール位置３１０、および特徴量を使用して作動油清浄度推定モデルを生成してもよい。例えば、作動油清浄度推定モデルは、コイル印加電流３４１、パイロットバルブ目標スプール位置３１６、およびパイロットバルブ実スプール位置３１０の所定期間の時系列データと、その所定期間における特徴量を入力層に入力し、作動油清浄度を出力層から出力するニューラルネットワークなどであってもよい。この場合、作動油清浄度推定モデル生成部３４３は、コイル印加電流３４１、パイロットバルブ目標スプール位置３１６、およびパイロットバルブ実スプール位置３１０の所定期間の時系列データと、その所定期間における特徴量を入力層に入力したときに、作動油清浄度実測値３４２に近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、作動油清浄度推定モデルを学習する。

状態推定装置４００の特徴量算出部４１４は、作動油清浄度推定部４４２が使用する作動油清浄度推定モデルが生成されたときに特徴量算出部３１５が特徴量を算出した方法と同じ方法で、検知情報取得部４０１により取得されたコイル印加電流４４１、パイロットバルブ目標スプール位置４１５、またはパイロットバルブ実スプール位置４１０から特徴量を算出する。作動油清浄度推定モデルが生成されたときに使用された学習データとは異なる環境において使用された油圧サーボバルブ１００のコイル印加電流４４１、パイロットバルブ目標スプール位置４１５、パイロットバルブ実スプール位置４１０が検知情報取得部４０１により取得された場合は、特徴量算出部４１４は環境の差異を調整してから特徴量を算出してもよい。これにより、作動油清浄度推定のロバスト性を向上させることができる。

特徴量として、パイロットバルブ１０のスプール１２の動作の特徴を表す別の物理量などが算出されてもよい。例えば、パイロットバルブ１０のスプール１２のオーバーシュート量、遅延量などが特徴量として算出されてもよい。

学習データおよび検知情報として、特定の環境において油圧サーボバルブ１００が使用されたときに記録されたデータが使用されてもよい。この場合、実施例１−５と同様に、学習装置３００がデータ選択部３２０をさらに備え、状態推定装置４００がデータ選択部４１７をさらに備えてもよい。データ選択部３２０およびデータ選択部４１７は、特定のパターンでパイロットバルブ１０のスプール１２を動作させる試験モードにおいて油圧サーボバルブ１００が動作されたときに記録されたデータを選択してもよい。これにより、作動油清浄度の推定のロバスト性を向上させることができる。データ選択部３２０およびデータ選択部４１７は、エンジン８０が停止され、スプールの固着防止動作が実行されているときに記録されたデータを選択してもよい。これにより、外乱の影響を抑え、作動油清浄度の推定精度を向上させることができる。

学習データおよび検知情報として使用されるデータに加えて、エンジン回転数、エンジン負荷、油圧ポンプ４２により加圧された作動油の圧力、作動油に混入した異物を除去するためのフィルターの前後における作動油の圧力または流量、作動油の温度、電源電圧、電源電流などの他のデータのいずれか、またはそれらの任意の組合せが学習データおよび検知情報として使用されてもよい。これらのデータのうち、コイル印加電流、パイロットバルブ目標スプール位置、パイロットバルブ実スプール位置などのデータに環境因子として影響を与えうるデータが選択されて使用されてもよい。作動油の清浄度だけでなく、パイロットバルブ１０のスプール１２や本体部１０ｂの内壁の摩耗によっても、パイロットバルブ１０のスプール１２が摺動するときの摩擦力が変化しうるので、パイロットバルブ１０のスプール１２や本体部１０ｂの内壁の摩耗に影響を与えうる因子、例えば、パイロットバルブ１０の累積使用時間、スプール１２の累積移動距離などが学習データおよび検知情報として使用されてもよい。これらのデータの影響が反映された作動油清浄度推定モデルを生成することにより、作動油清浄度の推定のロバスト性をさらに向上させることができる。

［実施例５：位置センサ断線検知］
実施例５では、メインバルブ２０のスプール２８の実位置を検知するための位置センサ２９が断線したことを検知する技術について説明する。位置センサ２９が断線すると、スプール２８の正しい実位置を示す信号を位置センサ２９から受信することができなくなるので、メインバルブ２０の実スプール位置が目標スプール位置からずれる。実施例３において説明したように、従来、メインバルブ２０の実スプール位置が目標スプール位置からずれた場合にアラームが発報されていたが、アラームの原因を特定することはできなかった。位置センサ２９が断線したことを高精度で検知できれば、アラームが発報されたときにアラームの原因を特定して適切な措置を迅速に講じることができる。

図１７は、パイロットバルブ１０のスプール１２とメインバルブ２０のスプール２８の動作を模式的に示す。図１７（ａ）は、油圧サーボバルブ１００が正常に制御されている場合の動作例を示す。図１７（ａ）に示す動作例は、図１４（ａ）に示した動作例と同じである。

図１７（ｂ）は、メインバルブ２０のスプール２８の位置センサ２９が断線した場合の動作例を示す。時刻ｔ３までの動作は図１７（ａ）と同様であるが、時刻ｔ６においてメインバルブ２０のスプール２８の位置センサ２９が断線したとする。メインバルブ２０の実スプール位置のフィードバック信号は、断線した直後に急激に異常値（例えば、ゼロ）に変動し、以降は異常値のまま固定される。本図の例では、メインバルブ２０の実スプール位置が目標スプール位置から正方向に外れたまま固定されるので、メインバルブ２０のスプール２８を目標スプール位置に戻すために、パイロットバルブ１０の目標スプール位置として負の最大値が入力され続ける。そのため、現実には、破線で示すように、メインバルブ２０のスプール２８は負方向に移動し続け、負方向の限界位置に達すると、それ以上は移動せずに限界位置で静止する。

このように、パイロットバルブ１０のスプール１２とメインバルブ２０のスプール２８の動作パターンは、正常時と位置センサ２９が断線した時とで大きく相違する。したがって、正常時の動作パターンと位置センサ２９が断線した時の動作パターンとの相違をモデル化することによって、位置センサ２９の断線を検知することができる。メインバルブ２０の実スプール位置が目標スプール位置からずれたことを報知するアラームが発報されてから時間が経過している場合であっても、位置センサ２９が断線した履歴をログデータから検出することができるので、動作不良が生じた原因の証拠として使用することができる。本実施例の技術によれば、メインバルブ２０の実スプール位置が目標スプール位置からずれたことを報知するアラームが発報された場合に、実施例３で説明した異物の噛み込みが原因なのか、本実施例で説明する位置センサ２９の断線が原因なのかを的確に判別して適切な保守を実施することができる。また、位置センサ２９の接触不良などによるチャタリングの発生についても、メインバルブ２０の実スプール位置とパイロットバルブ１０の目標スプール位置の動作パターンをモデル化することによって的確に検知することができる。これにより、位置センサ２９が断線する前に異常を検知して適切な保守を実施することができるので、位置センサ２９の断線に起因する動作不良の発生を防ぐことができる。

図１８は、実施例５に係る学習装置と状態推定装置の構成を示す。本実施例の学習装置３００において、学習データ取得部３０１は、メインバルブ実スプール位置３１１、パイロットバルブ目標スプール位置３１６、および位置センサ断線データ３５１を学習データとして取得する。

メインバルブ実スプール位置３１１およびパイロットバルブ目標スプール位置３１６は、位置センサ断線データ３５１が実測された時点の前または後の所定期間内に油圧サーボバルブ１００が使用されたときの時系列データである。これらの時系列データは、エンジン８０の回転動作の１〜数周期分の時系列データであってもよい。

位置センサ断線データ３５１は、メインバルブ２０のスプール２８の位置センサ２９の断線の有無、タイミング、態様、原因などを表すデータである。学習データとしてログデータを使用する場合、位置センサ断線データ３５１は、位置センサ２９が実際に断線した時の実測値である。学習データとして試験データを使用する場合、位置センサ断線データ３５１は、位置センサ２９を断線させた時の実測値である。学習データとしてシミュレーションデータを使用する場合、位置センサ断線データ３５１は、シミュレーション条件としてシミュレータに入力されたデータである。

位置センサ断線検知モデル生成部３５３は、学習データ取得部３０１により取得された学習データを使用して、状態推定装置４００において位置センサ２９の断線を検知するために使用される位置センサ断線検知モデルを生成する。位置センサ断線検知モデルは、メインバルブ実スプール位置３１１およびパイロットバルブ目標スプール位置３１６の所定期間の時系列データを入力層に入力し、位置センサ断線データを出力層から出力するニューラルネットワークなどであってもよい。この場合、位置センサ断線検知モデル生成部３５３は、メインバルブ実スプール位置３１１およびパイロットバルブ目標スプール位置３１６の所定期間の時系列データを入力層に入力したときに、位置センサ断線データ３５１に近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、位置センサ断線検知モデルを学習する。

位置センサ断線検知モデル提供部３５４は、位置センサ断線検知モデル生成部３５３により生成された位置センサ断線検知モデルを状態推定装置４００に提供する。

検知情報取得部４０１は、メインバルブ実スプール位置４１１およびパイロットバルブ目標スプール位置４１５を検知情報として取得する。この検知情報は、位置センサ断線検知モデルを生成するために使用した学習データと同じ所定期間の時系列データである。

位置センサ断線検知部４５１は、学習装置３００により生成された位置センサ断線検知モデルを使用して、メインバルブ２０のスプール２８の位置センサ２９の断線を検知する。位置センサ断線検知部４５１は、検知情報取得部４０１により取得されたメインバルブ実スプール位置４１１およびパイロットバルブ目標スプール位置４１５の時系列データを位置センサ断線検知モデルに入力し、位置センサ断線検知モデルから出力される位置センサ断線データを判定結果として取得する。位置センサ断線検知部４５１は、出力された位置センサ断線データに基づいて、位置センサ２９が断線するまでの期間を推定してもよい。この場合、同一のエンジン８０の複数の気筒８１に対応して設けられている複数の油圧サーボバルブ１００の位置センサ断線データを比較することにより、位置センサ２９が断線するまでの期間を推定してもよい。

位置センサ断線検知結果出力部４５２は、位置センサ断線検知部４５１により判定された結果を出力する。位置センサ断線検知結果出力部４５２は、位置センサ断線検知部４５１により位置センサ２９が断線していることが検知された場合に、その旨を報知してもよい。位置センサ断線検知結果出力部４５２は、位置センサ断線検知部４５１により推定された位置センサ２９が断線するまでの期間を出力してもよい。

位置センサ２９の断線と相関のある特徴量が、メインバルブ実スプール位置またはパイロットバルブ目標スプール位置などから算出されてもよい。この場合、実施例１−２と同様に、学習装置３００が特徴量算出部３１５をさらに備え、状態推定装置４００が特徴量算出部４１４をさらに備えてもよい。メインバルブ２０のスプール２８の位置センサ２９が断線すると、メインバルブ実スプール位置が急激に異常値に変動するので、特徴量算出部は、メインバルブ実スプール位置の変化率または変化率の変化率を算出することにより、メインバルブ２０のスプール２８の速度または加速度を算出してもよい。

位置センサ断線検知モデル生成部３５３は、学習データ取得部３０１により取得された学習データと特徴量算出部３１５により算出された特徴量を使用して、位置センサ断線検知モデルを生成する。位置センサ断線検知モデル生成部３５３は、位置センサ断線データ３５１と特徴量算出部３１５により算出された特徴量を使用して位置センサ断線検知モデルを生成してもよい。位置センサ断線検知モデル生成部３５３は、メインバルブ実スプール位置３１１、パイロットバルブ目標スプール位置３１６、および特徴量を使用して位置センサ断線検知モデルを生成してもよい。例えば、位置センサ断線検知モデルは、メインバルブ実スプール位置３１１およびパイロットバルブ目標スプール位置３１６の所定期間の時系列データと、その所定期間における特徴量を入力層に入力し、位置センサ断線データを出力層から出力するニューラルネットワークなどであってもよい。この場合、位置センサ断線検知モデル生成部３５３は、メインバルブ実スプール位置３１１およびパイロットバルブ目標スプール位置３１６の所定期間の時系列データと、その所定期間における特徴量を入力層に入力したときに、位置センサ断線データ３５１に近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、位置センサ断線検知モデルを学習する。

状態推定装置４００の特徴量算出部４１４は、位置センサ断線検知部４５１が使用する位置センサ断線検知モデルが生成されたときに特徴量算出部３１５が特徴量を算出した方法と同じ方法で、検知情報取得部４０１により取得されたメインバルブ実スプール位置４１１またはパイロットバルブ目標スプール位置４１５から特徴量を算出する。位置センサ断線検知モデルが生成されたときに使用された学習データとは異なる環境において使用された油圧サーボバルブ１００のメインバルブ実スプール位置４１１およびパイロットバルブ目標スプール位置４１５が検知情報取得部４０１により取得された場合は、特徴量算出部４１４は環境の差異を調整してから特徴量を算出してもよい。これにより、位置センサ断線検知のロバスト性を向上させることができる。

特徴量として、メインバルブ２０のスプール２８の動作の特徴を表す別の物理量などが算出されてもよい。例えば、メインバルブ２０のスプール２８のオーバーシュート量、遅延量などが特徴量として算出されてもよい。

学習データおよび検知情報として、パイロットバルブ目標スプール位置に代えて、または加えて、パイロットバルブ実スプール位置が使用されてもよい。この場合、実施例１−４と同様に、パイロットバルブ１０の実スプール位置がパイロットバルブの目標スプール位置に追従するまでに要するオフセット時間を調整するために、学習装置３００がオフセット時間算出部３１９を備えてもよい。オフセット時間を算出する方法は、実施例１−２と同様であってもよい。学習データおよび検知情報として、パイロットバルブ目標スプール位置、パイロットバルブ実スプール位置、メインバルブ目標スプール位置、およびメインバルブ実スプール位置のうちいずれか２以上の組合せが使用されてもよい。

学習データおよび検知情報として、特定の環境において油圧サーボバルブ１００が使用されたときに記録されたデータが使用されてもよい。この場合、実施例１−５と同様に、学習装置３００がデータ選択部３２０をさらに備え、状態推定装置４００がデータ選択部４１７をさらに備えてもよい。データ選択部３２０およびデータ選択部４１７は、特定のパターンでパイロットバルブ１０のスプール１２を動作させる試験モードにおいて油圧サーボバルブ１００が動作されたときに記録されたデータを選択してもよい。これにより、位置センサ２９の断線検知のロバスト性を向上させることができる。データ選択部３２０およびデータ選択部４１７は、エンジン８０が停止され、スプールの固着防止動作が実行されているときに記録されたデータを選択してもよい。これにより、外乱の影響を抑え、位置センサ２９の断線の検知精度を向上させることができる。

［実施例６：位置センサ緩み検知］
実施例６では、メインバルブ２０のスプール２８の実位置を検知するための位置センサ２９を固定するためのねじが緩むなどして位置センサ２９の位置がずれたことを検知する技術について説明する。位置センサ２９の位置がずれると、メインバルブ実スプール位置のフィードバック信号とメインバルブ２０のスプール２８の実際の位置との間にずれが生じるので、メインバルブ２０のスプール２８を正常に制御することができなくなり、エンジン８０などの制御対象が動作不良を起こす場合がある。位置センサ２９の位置がずれたことを高精度で検知できれば、ねじを締めたり位置センサ２９を交換したりするなどの適切な措置を迅速に講じることができる。

図１９は、メインバルブ２０のスプール２８の位置センサ２９の状態を示す。図１９（ａ）は、位置センサ２９が正常に取り付けられた状態を示す。位置センサ２９は、スプール２８の上端に切られた雌ねじ３０にねじ込まれている。このねじが緩むと、図１９（ｂ）に示すように、位置センサ２９とスプール２８の間に隙間が生じるので、この隙間ｄの分だけスプール２８の位置が下方にオフセットする。しかし、スプール２８の位置は位置センサ２９によって検知されるので、図１９（ａ）の場合も図１９（ｂ）の場合も同じ位置が検知されることになり、下方にオフセットした実際のスプール２８の位置を検知することはできない。図１９（ｂ）の状態においては、メインバルブ実スプール位置がメインバルブ目標スプール位置に正しく追従しているように見えても、スプール２８の実際の位置はメインバルブ目標スプール位置よりも下方にずれているため、制御対象の動作に不具合が生じる。本実施例では、エンジン８０の気筒８１に燃料を供給するための燃料噴射アクチュエータに供給される制御油の量が減少し、気筒８１に供給される燃料の量が減少するので、気筒８１内の圧力や気筒８１からの排気の温度が低下してアラームが発報される。

このように、位置センサ２９の緩みにより位置がずれた場合には、メインバルブ実スプール位置はメインバルブ目標スプール位置に追従するが、気筒８１の圧力および排気温度が低下する。したがって、気筒８１の圧力や排気温度などに異常が発生してアラームが発報された場合に、メインバルブ実スプール位置がメインバルブ目標スプール位置に追従していたか否かを確認することにより、位置センサ２９の異常が原因であるか否かを特定することができる。エンジン８０の異常を報知するアラームが発報されてから時間が経過している場合であっても、位置センサ２９が緩んだことをログデータから検出することができるので、動作不良が生じた原因の証拠として使用することができる。これにより、位置センサ２９の緩みを的確に検知して適切な保守を実施することができるので、エンジン８０の動作不良を改善するために要する保守の費用や工数を低減させることができる。

図２０は、実施例６に係る学習装置と状態推定装置の構成を示す。本実施例の学習装置３００において、学習データ取得部３０１は、メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、気筒排気温度３６１、および位置センサ緩みデータ３６２を学習データとして取得する。

メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、および気筒排気温度３６１は、位置センサ緩みデータ３６２が実測された時点の前または後の所定期間内に油圧サーボバルブ１００が使用されたときの時系列データである。これらの時系列データは、エンジン８０の回転動作の１〜数周期分の時系列データであってもよい。

位置センサ緩みデータ３６２は、メインバルブ２０のスプール２８の位置センサ２９の位置ずれの有無、程度、態様、原因などを表すデータである。学習データとしてログデータを使用する場合、位置センサ緩みデータ３６２は、位置センサ２９が実際にずれた時の実測値である。学習データとして試験データを使用する場合、位置センサ緩みデータ３６２は、位置センサ２９をずれさせた時の実測値である。学習データとしてシミュレーションデータを使用する場合、位置センサ緩みデータ３６２は、シミュレーション条件としてシミュレータに入力されたデータである。

位置センサ緩み検知モデル生成部３６３は、学習データ取得部３０１により取得された学習データを使用して、状態推定装置４００において位置センサ２９の緩みを検知するために使用される位置センサ緩み検知モデルを生成する。位置センサ緩み検知モデルは、メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、および気筒排気温度３６１の所定期間の時系列データを入力層に入力し、位置センサ緩みデータを出力層から出力するニューラルネットワークなどであってもよい。この場合、位置センサ緩み検知モデル生成部３６３は、メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、および気筒排気温度３６１の所定期間の時系列データを入力層に入力したときに、位置センサ緩みデータ３６２に近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、位置センサ緩み検知モデルを学習する。

位置センサ緩み検知モデル提供部３６４は、位置センサ緩み検知モデル生成部３６３により生成された位置センサ緩み検知モデルを状態推定装置４００に提供する。

検知情報取得部４０１は、メインバルブ実スプール位置４１１、メインバルブ目標スプール位置４３０、および気筒排気温度４６１を検知情報として取得する。この検知情報は、位置センサ緩み検知モデルを生成するために使用した学習データと同じ所定期間の時系列データである。

位置センサ緩み検知部４６２は、学習装置３００により生成された位置センサ緩み検知モデルを使用して、メインバルブ２０のスプール２８の位置センサ２９の緩みを検知する。位置センサ緩み検知部４６２は、検知情報取得部４０１により取得されたメインバルブ実スプール位置４１１、メインバルブ目標スプール位置４３０、および気筒排気温度４６１の時系列データを位置センサ緩み検知モデルに入力し、位置センサ緩み検知モデルから出力される位置センサ緩みデータを判定結果として取得する。位置センサ緩み検知部４６２は、出力された位置センサ緩みデータに基づいて、位置センサ２９が所定値以上ずれるまでの期間を推定してもよい。この場合、同一のエンジン８０の複数の気筒８１に対応して設けられている複数の油圧サーボバルブ１００の位置センサ緩みデータを比較することにより、位置センサ２９が所定値以上ずれるまでの期間を推定してもよい。

同一のエンジン８０の複数の気筒８１に対応して複数の油圧サーボバルブ１００が設けられる場合、位置センサ緩み検知部４６２は、それぞれの油圧サーボバルブ１００において推定された位置センサ緩みデータに基づいて位置センサ２９の緩みを検知してもよい。例えば、位置センサ緩み検知部４６２は、それぞれの気筒８１の排気温度を比較することにより、位置センサ２９の緩みを検知してもよい。位置センサ緩み検知部４６２は、ある気筒８１の排気温度が他の気筒８１の排気温度の平均値よりも所定値以上低い場合に、その気筒８１に設けられた油圧サーボバルブ１００の位置センサ２９が緩んでいると判定してもよい。

位置センサ緩み検知結果出力部４６３は、位置センサ緩み検知部４６２により判定された結果を出力する。位置センサ緩み検知結果出力部４６３は、位置センサ緩み検知部４６２により位置センサ２９が緩んでいることが検知された場合に、その旨を報知してもよい。位置センサ緩み検知結果出力部４６３は、位置センサ緩み検知部４６２により推定された位置センサ２９が所定値以上ずれるまでの期間を出力してもよい。

位置センサ２９の緩みと相関のある特徴量が、メインバルブ実スプール位置、メインバルブ目標スプール位置、または気筒排気温度などから算出されてもよい。この場合、実施例１−２と同様に、学習装置３００が特徴量算出部３１５をさらに備え、状態推定装置４００が特徴量算出部４１４をさらに備えてもよい。メインバルブ２０のスプール２８の位置センサ２９の緩みの程度が大きいほど、メインバルブ実スプール位置と実際のスプール２８の位置とのずれが大きくなるので、気筒の排気温度や圧力の正常値からの低下量が大きくなると考えられる。したがって、特徴量算出部は、気筒の排気温度または圧力の正常値からの低下量、変化率、変化率の変化率などを特徴量として算出してもよい。

位置センサ緩み検知モデル生成部３６３は、学習データ取得部３０１により取得された学習データと特徴量算出部３１５により算出された特徴量を使用して、位置センサ緩み検知モデルを生成する。例えば、位置センサ緩み検知モデルは、特徴量を入力変数として位置センサ緩みデータを算出する数式であってもよい。この場合、位置センサ緩み検知モデル生成部３６３は、回帰分析などの統計的手法により数式を生成してもよい。位置センサ緩み検知モデル生成部３６３は、位置センサ緩みデータ３６２と特徴量算出部３１５により算出された特徴量を使用して位置センサ緩み検知モデルを生成してもよい。位置センサ緩み検知モデル生成部３６３は、メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、および特徴量を使用して位置センサ緩み検知モデルを生成してもよい。例えば、位置センサ緩み検知モデルは、メインバルブ実スプール位置３１１およびメインバルブ目標スプール位置３３０の所定期間の時系列データと、その所定期間における特徴量を入力層に入力し、位置センサ緩みデータを出力層から出力するニューラルネットワークなどであってもよい。この場合、位置センサ緩み検知モデル生成部３６３は、メインバルブ実スプール位置３１１およびメインバルブ目標スプール位置３３０の所定期間の時系列データと、その所定期間における特徴量を入力層に入力したときに、位置センサ緩みデータ３６２に近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、位置センサ緩み検知モデルを学習する。

状態推定装置４００の特徴量算出部４１４は、位置センサ緩み検知部４６２が使用する位置センサ緩み検知モデルが生成されたときに特徴量算出部３１５が特徴量を算出した方法と同じ方法で、検知情報取得部４０１により取得されたメインバルブ実スプール位置４１１、メインバルブ目標スプール位置４３０、または気筒排気温度４６１から特徴量を算出する。位置センサ緩み検知モデルが生成されたときに使用された学習データとは異なる環境において使用された油圧サーボバルブ１００のメインバルブ実スプール位置４１１、メインバルブ目標スプール位置４３０、または気筒排気温度４６１が検知情報取得部４０１により取得された場合は、特徴量算出部４１４は環境の差異を調整してから特徴量を算出してもよい。これにより、位置センサ緩み検知のロバスト性を向上させることができる。

学習データおよび検知情報として、気筒排気温度に代えて、または加えて、気筒８１の圧力または圧力の最大値が使用されてもよい。また、学習データおよび検知情報として、油圧サーボバルブ１００により制御される制御対象の状態や動作の良否などを示す各種のデータが使用されてもよい。

学習データおよび検知情報として、特定の環境において油圧サーボバルブ１００が使用されたときに記録されたデータが使用されてもよい。この場合、実施例１−５と同様に、学習装置３００がデータ選択部３２０をさらに備え、状態推定装置４００がデータ選択部４１７をさらに備えてもよい。データ選択部３２０およびデータ選択部４１７は、特定のパターンでパイロットバルブ１０のスプール１２を動作させる試験モードにおいて油圧サーボバルブ１００が動作されたときに記録されたデータを選択してもよい。これにより、位置センサ緩み検知のロバスト性を向上させることができる。データ選択部３２０およびデータ選択部４１７は、エンジン８０が停止され、スプールの固着防止動作が実行されているときに記録されたデータを選択してもよい。これにより、外乱の影響を抑え、位置センサ緩みの検知精度を向上させることができる。

［実施例７：パイロットバルブの中立位置ずれ検知］
実施例７では、パイロットバルブ１０のスプール１２の中立位置がずれたことを検知する技術について説明する。パイロットバルブ目標スプール位置として中立位置が指令されたとき、パイロットバルブ１０が正常に動作している場合は、スプール１２が中立位置に移動され、メインバルブ２０への作動油の供給および回収が停止されて、メインバルブ２０のスプール２８がメインバルブ目標スプール位置で静止する。しかし、何らかの原因によってスプール１２の中立位置がずれていると、メインバルブ２０への作動油の供給および回収を正常に制御することができなくなり、エンジン８０などの制御対象が動作不良を起こす場合がある。パイロットバルブ１０のスプール１２の中立位置がずれたことを高精度で検知できれば、パイロットバルブ１０の制御系統を保守したりパイロットバルブ１０を交換したりするなどの適切な措置を迅速に講じることができる。

パイロットバルブ１０のスプール１２の中立位置がずれる原因として、主に２つの場合がある。１つは、パイロットバルブ１０のスプール１２の位置を検知するための位置センサ１９の異常やスプール１２を駆動するための電気系統の異常などによって、スプール１２を精確に中立位置に移動させることができないという電気的な原因である。もう１つは、スプール１２または本体部１０ｂが偏摩耗することによって、スプール１２が中立位置にあっても弁体１４がＡポート１６ａを遮断してＰポート１６ｐおよびＴポート１６ｔの双方と連通させないようにすることができないという機械的な原因である。いずれの場合であっても、パイロットバルブ目標スプール位置として中立位置が指定されたときに、メインバルブ２０のスプール２８が静止せずに移動するので、メインバルブ実スプール位置のフィードバック信号がメインバルブ目標スプール位置からずれ、そのずれを補正するようにパイロットバルブ１０が制御される。このように、パイロットバルブ１０のスプール１２とメインバルブ２０のスプール２８の動作パターンは、正常時とパイロットバルブ１０のスプール１２の中立位置がずれた時とで大きく相違する。したがって、正常時の動作パターンとスプール１２の中立位置がずれた時の動作パターンとの相違をモデル化することによって、スプール１２の中立位置ずれを検知することができる。動作パターンは、スプール１２の中立位置からのずれの程度や原因などによっても異なりうるので、スプール１２の中立位置ずれの有無だけでなく、中立位置ずれの原因、ずれの大きさなども検知しうる。

スプール１２が偏摩耗した場合には、スプール１２が正しい中立位置にあっても弁体１４でＡポート１６ａを遮断することができないので、作動油がＡポート１６ａから漏れ出す。この内部油漏れ量を実測することにより、スプール１２の中立位置ずれが偏摩耗によるものなのか電気的な原因によるものなのかを特定することができる。内部油漏れ量は、パイロットバルブ１０に流量計を設けることにより測定してもよいし、パイロットバルブ１０を保守する際に外部の流量計により測定してもよいし、実施例１の技術によって推定してもよい。

パイロットバルブ１０のスプール１２の中立位置ずれが生じると、制御対象のエンジン８０において、気筒８１の圧力や排気温度などに異常が発生してアラームが発報される。アラームが発報された場合に、パイロットバルブ１０のスプール１２およびメインバルブ２０のスプール２８の動作パターンを確認することにより、実施例６で説明した位置センサ２９の異常が原因であるのか、パイロットバルブ１０のスプール１２の中立位置ずれが原因であるのかを特定することができる。また、パイロットバルブ１０のスプール１２の中立位置ずれが原因である場合、内部油漏れ量を確認することにより、電気的な原因で中立位置がずれているのか機械的な原因で中立位置がずれているのかを特定することができる。これにより、エンジン８０の動作不良の原因を的確に判定し、原因に応じて適切な保守を実施することができるので、エンジン８０の動作不良を改善するために要する保守の費用や工数を低減させることができる。なお、油圧サーボバルブ１００におけるフィードバック制御においてＰＩＤ制御が実行される場合は、積分成分（Ｉ成分）によってある程度のずれ量が補正されるが、本実施例の技術によれば、ＰＩＤ制御によって中立位置ずれが補正されている場合であっても、パイロットバルブ１０のスプール１２の中立位置ずれを的確に検知することができる。また、Ｐ制御またはＰＤ制御が実行される場合には、ずれ量が補正されないので、本実施例の技術がとくに有効である。

図２１は、実施例７に係る学習装置と状態推定装置の構成を示す。本実施例の学習装置３００において、学習データ取得部３０１は、メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、パイロットバルブ実スプール位置３１０、気筒排気温度３６１、および中立位置ずれデータ３７１を学習データとして取得する。

メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、パイロットバルブ実スプール位置３１０、および気筒排気温度３６１は、中立位置ずれデータ３７１が実測された時点の前または後の所定期間内に油圧サーボバルブ１００が使用されたときの時系列データである。これらの時系列データは、エンジン８０の回転動作の１〜数周期分の時系列データであってもよい。

中立位置ずれデータ３７１は、パイロットバルブ１０のスプール１２の中立位置ずれの有無、程度、原因などを表すデータである。学習データとしてログデータを使用する場合、中立位置ずれデータ３７１は、スプール１２の中立位置ずれが実際に生じた時の実測値である。学習データとして試験データを使用する場合、中立位置ずれデータ３７１は、スプール１２の中立位置ずれを生じさせた時の実測値である。学習データとしてシミュレーションデータを使用する場合、中立位置ずれデータ３７１は、シミュレーション条件としてシミュレータに入力されたデータである。

中立位置ずれ検知モデル生成部３７３は、学習データ取得部３０１により取得された学習データを使用して、状態推定装置４００においてパイロットバルブ１０のスプール１２の中立位置ずれを検知するために使用される中立位置ずれ検知モデルを生成する。中立位置ずれ検知モデルは、メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、パイロットバルブ実スプール位置３１０、および気筒排気温度３６１の所定期間の時系列データを入力層に入力し、中立位置ずれデータを出力層から出力するニューラルネットワークなどであってもよい。この場合、中立位置ずれ検知モデル生成部３７３は、メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、パイロットバルブ実スプール位置３１０、および気筒排気温度３６１の所定期間の時系列データを入力層に入力したときに、中立位置ずれデータ３７１に近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、中立位置ずれ検知モデルを学習する。

中立位置ずれ検知モデル提供部３７４は、中立位置ずれ検知モデル生成部３７３により生成された中立位置ずれ検知モデルを状態推定装置４００に提供する。

検知情報取得部４０１は、メインバルブ実スプール位置４１１、メインバルブ目標スプール位置４３０、パイロットバルブ実スプール位置４１０、および気筒排気温度４６１を検知情報として取得する。この検知情報は、中立位置ずれ検知モデルを生成するために使用した学習データと同じ所定期間の時系列データである。

中立位置ずれ検知部４７２は、学習装置３００により生成された中立位置ずれ検知モデルを使用して、パイロットバルブ１０のスプール１２の中立位置ずれを検知する。中立位置ずれ検知部４７２は、検知情報取得部４０１により取得されたメインバルブ実スプール位置４１１、メインバルブ目標スプール位置４３０、パイロットバルブ実スプール位置４１０、および気筒排気温度４６１の時系列データを中立位置ずれ検知モデルに入力し、中立位置ずれ検知モデルから出力される中立位置ずれデータを判定結果として取得する。中立位置ずれ検知部４７２は、出力された中立位置ずれデータに基づいて、パイロットバルブ１０のスプール１２の中立位置が実際の中立位置から所定値以上ずれるまでの期間を推定してもよい。この場合、同一のエンジン８０の複数の気筒８１に対応して設けられている複数の油圧サーボバルブ１００の中立位置ずれデータを比較することにより、パイロットバルブ１０のスプール１２の中立位置が実際の中立位置から所定値以上ずれるまでの期間を推定してもよい。

同一のエンジン８０の複数の気筒８１に対応して複数の油圧サーボバルブ１００が設けられる場合、中立位置ずれ検知部４７２は、それぞれの油圧サーボバルブ１００において推定された中立位置ずれデータに基づいてパイロットバルブ１０のスプール１２の中立位置ずれを検知してもよい。例えば、中立位置ずれ検知部４７２は、それぞれの気筒８１の排気温度を比較することにより、パイロットバルブ１０のスプール１２の中立位置ずれを検知してもよい。中立位置ずれ検知部４７２は、ある気筒８１の排気温度が他の気筒８１の排気温度の平均値よりも所定値以上低い場合に、その気筒８１に設けられた油圧サーボバルブ１００のパイロットバルブ１０のスプール１２の中立位置がずれていると判定してもよい。

中立位置ずれ検知結果出力部４７３は、中立位置ずれ検知部４７２により判定された結果を出力する。中立位置ずれ検知結果出力部４７３は、中立位置ずれ検知部４７２によりパイロットバルブ１０のスプール１２の中立位置がずれていることが検知された場合に、その旨を報知してもよい。中立位置ずれ検知結果出力部４７３は、中立位置ずれ検知部４７２により推定されたパイロットバルブ１０のスプール１２の中立位置が所定値以上ずれるまでの期間を出力してもよい。

パイロットバルブ１０のスプール１２の中立位置ずれと相関のある特徴量が、メインバルブ実スプール位置、メインバルブ目標スプール位置、パイロットバルブ実スプール位置、または気筒排気温度などから算出されてもよい。この場合、実施例１−２と同様に、学習装置３００が特徴量算出部３１５をさらに備え、状態推定装置４００が特徴量算出部４１４をさらに備えてもよい。パイロットバルブ１０のスプール１２の中立位置ずれの程度が大きいほど、メインバルブ実スプール位置がメインバルブ目標スプール位置からずれる程度が大きくなるので、気筒の排気温度や圧力の正常値からの変動量が大きくなると考えられる。したがって、特徴量算出部は、気筒の排気温度または圧力の正常値からの変動量、変化率、変化率の変化率などを特徴量として算出してもよい。

中立位置ずれ検知モデル生成部３７３は、学習データ取得部３０１により取得された学習データと特徴量算出部３１５により算出された特徴量を使用して、中立位置ずれ検知モデルを生成する。例えば、中立位置ずれ検知モデルは、特徴量を入力変数として中立位置ずれデータを算出する数式であってもよい。この場合、中立位置ずれ検知モデル生成部３７３は、回帰分析などの統計的手法により数式を生成してもよい。中立位置ずれ検知モデル生成部３７３は、中立位置ずれデータ３７１と特徴量算出部３１５により算出された特徴量を使用して中立位置ずれ検知モデルを生成してもよい。中立位置ずれ検知モデル生成部３７３は、メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、パイロットバルブ実スプール位置３１０、および特徴量を使用して中立位置ずれ検知モデルを生成してもよい。例えば、中立位置ずれ検知モデルは、メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、およびパイロットバルブ実スプール位置３１０の所定期間の時系列データと、その所定期間における特徴量を入力層に入力し、中立位置ずれデータを出力層から出力するニューラルネットワークなどであってもよい。この場合、中立位置ずれ検知モデル生成部３７３は、メインバルブ実スプール位置３１１、メインバルブ目標スプール位置３３０、およびパイロットバルブ実スプール位置３１０の所定期間の時系列データと、その所定期間における特徴量を入力層に入力したときに、中立位置ずれデータ３７１に近似する値が出力層から出力されるようにニューラルネットワークの中間層を調整することにより、中立位置ずれ検知モデルを学習する。

状態推定装置４００の特徴量算出部４１４は、中立位置ずれ検知部４７２が使用する中立位置ずれ検知モデルが生成されたときに特徴量算出部３１５が特徴量を算出した方法と同じ方法で、検知情報取得部４０１により取得されたメインバルブ実スプール位置４１１、メインバルブ目標スプール位置４３０、パイロットバルブ実スプール位置４１０、または気筒排気温度４６１から特徴量を算出する。中立位置ずれ検知モデルが生成されたときに使用された学習データとは異なる環境において使用された油圧サーボバルブ１００のメインバルブ実スプール位置４１１、メインバルブ目標スプール位置４３０、パイロットバルブ実スプール位置４１０、または気筒排気温度４６１が検知情報取得部４０１により取得された場合は、特徴量算出部４１４は環境の差異を調整してから特徴量を算出してもよい。これにより、中立位置ずれ検知のロバスト性を向上させることができる。

特徴量として、パイロットバルブ１０のスプール１２またはメインバルブ２０のスプール２８の動作の特徴を表す別の物理量などが算出されてもよい。例えば、パイロットバルブ１０のスプール１２またはメインバルブ２０のスプール２８の加速度、速度、オーバーシュート量、遅延量などが特徴量として算出されてもよい。

学習データおよび検知情報として、パイロットバルブ実スプール位置に代えて、または加えて、パイロットバルブ目標スプール位置が使用されてもよい。この場合、実施例１−４と同様に、パイロットバルブ１０の実スプール位置がパイロットバルブの目標スプール位置に追従するまでに要するオフセット時間を調整するために、学習装置３００がオフセット時間算出部３１９を備えてもよい。オフセット時間を算出する方法は、実施例１−２と同様であってもよい。学習データおよび検知情報として、パイロットバルブ目標スプール位置、パイロットバルブ実スプール位置、メインバルブ目標スプール位置、およびメインバルブ実スプール位置のうちいずれか２以上の組合せが使用されてもよい。

学習データおよび検知情報として、特定の環境において油圧サーボバルブ１００が使用されたときに記録されたデータが使用されてもよい。この場合、実施例１−５と同様に、学習装置３００がデータ選択部３２０をさらに備え、状態推定装置４００がデータ選択部４１７をさらに備えてもよい。データ選択部３２０およびデータ選択部４１７は、特定のパターンでパイロットバルブ１０のスプール１２を動作させる試験モードにおいて油圧サーボバルブ１００が動作されたときに記録されたデータを選択してもよい。これにより、中立位置ずれの検知のロバスト性を向上させることができる。データ選択部３２０およびデータ選択部４１７は、エンジン８０が停止され、スプールの固着防止動作が実行されているときに記録されたデータを選択してもよい。これにより、外乱の影響を抑え、中立位置ずれの検知精度を向上させることができる。

以上の実施例１〜７において説明した特徴は、任意に組み合わせて適用されてもよい。

以上、本発明の実施形態の例について詳細に説明した。前述した実施形態は、いずれも本発明を実施するにあたっての具体例を示したものにすぎない。実施形態の内容は、本発明の技術的範囲を限定するものではなく、請求の範囲に規定された発明の思想を逸脱しない範囲において、構成要素の変更、追加、削除などの多くの設計変更が可能である。前述の実施形態では、このような設計変更が可能な内容に関して、「実施形態の」「実施形態では」等との表記を付して説明しているが、そのような表記のない内容に設計変更が許容されないわけではない。

［変形例］
以下、変形例について説明する。変形例の図面および説明では、実施形態と同一または同等の構成要素、部材には、同一の符号を付する。実施形態と重複する説明を適宜省略し、実施形態と相違する構成について重点的に説明する。

実施形態の説明では、油圧サーボバルブ１００のパイロットバルブ１０が３ポートのバルブである例を示したが、本発明はこれに限定されない。油圧サーボバルブ１００は、その他の形式のバルブであってもよい。

実施形態の説明では、油圧サーボバルブ１００のパイロットバルブ１０がメインバルブ２０を制御する例を示したが、本発明はこれに限定されない。パイロットバルブ１０の制御対象は、その他の任意のアクチュエータであってもよい。

実施形態の説明では、油圧サーボバルブ１００が船舶２のエンジン８０を制御するために使用される例を示したが、本発明はこれに限定されない。油圧サーボバルブ１００は、任意の制御対象を制御するために使用されてもよい。

上述の変形例は、実施形態と同様の作用・効果を奏する。

上述した実施形態と変形例の任意の組み合わせもまた本発明の実施形態として有用である。組み合わせによって生じる新たな実施形態は、組み合わされる実施形態および変形例それぞれの効果をあわせもつ。

［本発明の態様］
本発明のある態様は、状態推定装置である。この状態推定装置は、第１可動部の位置に応じて作動流体の流量を制御する制御弁における第１可動部の目標位置および実位置と第１可動部を駆動する駆動部に供給された電流の値とを含むデータセットの検知情報を取得する取得部と、取得部により取得された検知情報に基づいて作動流体の清浄度を推定する推定部とを備える。この態様によると、制御弁における作動流体の清浄度を推定することができるので、制御弁の状態に応じて適切な対応をすることができる。

推定部はデータセットの検知情報に基づいて作動流体の清浄度を推定するための推定基準を使用して作動流体の清浄度を推定してもよい。この態様によると、作動流体の清浄度の推定精度を向上させることができる。

推定基準は所定期間内に制御弁または制御弁と同種の制御弁が使用されたときのデータセットの値と所定期間において実測された作動流体の清浄度との関係に基づいて生成されたものであってもよい。この態様によると、作動流体の清浄度の推定精度を向上させることができる。

推定基準はデータセットの値から算出される特徴量と作動流体の清浄度の実測値との関係に基づいて生成されたものであり、推定部は取得部により取得された検知情報から特徴量を算出し、算出された特徴量に基づいて作動流体の清浄度を推定してもよい。この態様によると、作動流体の清浄度の推定精度を向上させることができる。

特徴量は第１可動部の速度または加速度であってもよい。この態様によると、作動流体の清浄度との間で高い相関を有する特徴量を使用して作動流体の清浄度を推定することができるので、作動流体の清浄度の推定精度を向上させることができる。

取得部は推定基準を生成するために使用されたデータセットの値が記録されたときの制御弁または制御弁と同種の制御弁の使用環境と同様の使用環境におけるデータセットの検知情報を取得してもよい。この態様によると、作動流体の清浄度の推定のロバスト性を向上させることができる。

使用環境は制御弁または制御弁と同種の制御弁の制御対象が停止され、かつ、第１可動部の固着防止動作が行われている状況であってもよい。この態様によると、作動流体の清浄度の推定のロバスト性を向上させることができる。

状態推定装置は、推定部により推定された作動流体の清浄度が一定以下である場合にその旨を報知する報知部をさらに備えてもよい。この態様によると、制御弁の作動流体の異常を的確に把握することができ、制御弁の状態に応じて適切な対応をすることができる。

報知部は作動流体の清浄度が閾値を下回るまでの時間を推定して報知してもよい。この態様によると、制御弁の作動流体の異常を的確に予測することができ、制御弁の状態に応じて適切な対応をすることができる。

制御弁はエンジンに供給される燃料の量を調整するための制御弁であってもよい。この態様によると、エンジンを制御するための制御弁の異常を的確に把握することができ、制御弁の状態に応じて適切な対応をすることができる。

制御弁は複数の気筒を有するエンジンのそれぞれの気筒に供給される燃料の量を調整するためにそれぞれの気筒に設けられ、推定部は複数の気筒に設けられた複数の制御弁のそれぞれに関する情報を比較することにより作動流体の異常を判定してもよい。この態様によると、エンジンを制御する制御弁の異常を的確に把握することができ、制御弁の状態に応じて適切な対応をすることができる。

本発明の別の態様は、制御弁である。この制御弁は、位置を指定するための制御信号に応じて位置が変化し、位置に応じて作動流体の流量が制御される第１可動部と、第１可動部の目標位置および実位置と第１可動部を駆動する駆動部に供給された電流の値とを含むデータセットの検知情報を取得する取得部と、取得部により取得された検知情報に基づいて作動流体の清浄度を推定する推定部とを備える。この態様によると、制御弁における作動流体の清浄度を推定することができるので、制御弁の状態に応じて適切な対応をすることができる。

本発明のさらに別の態様は、状態推定プログラムである。この状態推定プログラムは、コンピュータを、第１可動部の位置に応じて作動流体の流量を制御する制御弁における第１可動部の目標位置および実位置と第１可動部を駆動する駆動部に供給された電流の値とを含むデータセットの検知情報を取得する取得部、取得部により取得された検知情報に基づいて作動流体の清浄度を推定する推定部として機能させる。この態様によると、制御弁における作動流体の清浄度を推定することができるので、制御弁の状態に応じて適切な対応をすることができる。

本発明のさらに別の態様は、状態推定方法である。この状態推定方法は、コンピュータに、第１可動部の位置に応じて作動流体の流量を制御する制御弁における第１可動部の目標位置および実位置と第１可動部を駆動する駆動部に供給された電流の値とを含むデータセットの検知情報を取得するステップと、取得するステップにおいて取得された検知情報に基づいて作動流体の清浄度を推定するステップとを実行させる。この態様によると、制御弁における作動流体の清浄度を推定することができるので、制御弁の状態に応じて適切な対応をすることができる。

本発明のある態様は、状態推定装置である。この状態推定装置は、第１可動部の位置に応じて作動流体の流量を制御する制御弁における第１可動部の目標位置または実位置と作動流体の流量に応じて位置を変化させる第２可動部の実位置とを含むデータセットの検知情報を取得する取得部と、取得部により取得された検知情報に基づいて第２可動部の位置を検知するための検知部の異常を推定する推定部とを備える。この態様によると、制御弁における第２可動部の位置を検知するための検知部の異常を推定することができるので、制御弁の状態に応じて適切な対応をすることができる。

推定部はデータセットの検知情報に基づいて検知部の異常を推定するための推定基準を使用して検知部の異常を推定してもよい。この態様によると、検知部の異常の推定精度を向上させることができる。

推定基準は所定期間内に制御弁または制御弁と同種の制御弁が使用されたときのデータセットの値と検知部の状態に関する情報との関係に基づいて生成されたものであってもよい。この態様によると、検知部の異常の推定精度を向上させることができる。

検知部の状態に関する情報は検知部の断線の有無、タイミング、態様、または原因であってもよい。この態様によると、検知部の異常の推定精度を向上させることができる。

推定基準はデータセットの値から算出される特徴量と検知部の状態に関する情報との関係に基づいて生成されたものであり、推定部は取得部により取得されたデータセットの検知情報から特徴量を算出し、算出された特徴量に基づいて検知部の異常を推定してもよい。この態様によると、検知部の異常の推定精度を向上させることができる。

特徴量は第２可動部の速度または加速度であってもよい。この態様によると、検知部の異常との間で高い相関を有する特徴量を使用して検知部の異常を推定することができるので、検知部の異常の推定精度を向上させることができる。

取得部は推定基準を生成するために使用されたデータセットの値が記録されたときの制御弁または制御弁と同種の制御弁の使用環境と同様の使用環境におけるデータセットの検知情報を取得してもよい。この態様によると、検知部の異常の推定のロバスト性を向上させることができる。

使用環境は制御弁または制御弁と同種の制御弁の制御対象が停止され、かつ、第１可動部および第２可動部の固着防止動作が行われている状況であってもよい。この態様によると、検知部の異常の推定のロバスト性を向上させることができる。

状態推定装置は、推定部により検知部に異常があると推定された場合にその旨を報知する報知部をさらに備えてもよい。この態様によると、制御弁の検知部の異常を的確に把握することができ、制御弁の状態に応じて適切な対応をすることができる。

報知部は検知部に異常が発生するまでの時間を推定して報知してもよい。この態様によると、制御弁の検知部の異常を的確に予測することができ、制御弁の状態に応じて適切な対応をすることができる。

本発明の別の態様は、制御弁である。この制御弁は、位置を指定するための制御信号に応じて位置が変化し、位置に応じて作動流体の流量が制御される第１可動部と、第１可動部の目標位置または実位置と作動流体の流量に応じて位置を変化させる第２可動部の実位置とを含むデータセットの検知情報を取得する取得部と、取得部により取得された検知情報に基づいて第２可動部の位置を検知するための検知部の異常を推定する推定部とを備える。この態様によると、制御弁における第２可動部の位置を検知するための検知部の異常を推定することができるので、制御弁の状態に応じて適切な対応をすることができる。

本発明のさらに別の態様は、状態推定プログラムである。この状態推定プログラムは、コンピュータを、第１可動部の位置に応じて作動流体の流量を制御する制御弁における第１可動部の目標位置または実位置と作動流体の流量に応じて位置を変化させる第２可動部の実位置とを含むデータセットの検知情報を取得する取得部、取得部により取得された検知情報に基づいて第２可動部の位置を検知するための検知部の異常を推定する推定部として機能させる。この態様によると、制御弁における第２可動部の位置を検知するための検知部の異常を推定することができるので、制御弁の状態に応じて適切な対応をすることができる。

本発明のさらに別の態様は、状態推定方法である。この状態推定方法は、コンピュータに、第１可動部の位置に応じて作動流体の流量を制御する制御弁における第１可動部の目標位置または実位置と作動流体の流量に応じて位置を変化させる第２可動部の実位置とを含むデータセットの検知情報を取得するステップと、取得するステップにおいて取得された検知情報に基づいて第２可動部の位置を検知するための検知部の異常を推定するステップとを実行させる。この態様によると、制御弁における第２可動部の位置を検知するための検知部の異常を推定することができるので、制御弁の状態に応じて適切な対応をすることができる。

１・・管理システム、２・・船舶、１０・・パイロットバルブ、１２・・スプール、１６・・ポート、１８・・スプール駆動部、１９・・位置センサ、２０・・メインバルブ、２８・・スプール、２９・・位置センサ、４８・・作動油、８０・・エンジン、８１・・気筒、８２・・センサ、９０・・ログデータ記憶装置、９１・・エンジン制御装置、９２・・ジャンクションボックス、１００・・油圧サーボバルブ、１１０・・サーボバルブ制御装置、１２０・・電源回路、１３０・・サーボバルブ制御回路、１４０・・サーボバルブ駆動回路、１５０・・電圧検出部、１６０・・データ収集回路、３００・・学習装置、３０１・・学習データ取得部、３０２・・推定モデル生成部、３０３・・推定モデル提供部、３１０・・パイロットバルブ実スプール位置、３１１・・メインバルブ実スプール位置、３１５・・特徴量算出部、３１６・・パイロットバルブ目標スプール位置、３２０・・データ選択部、３４１・・コイル印加電流、３４２・・作動油清浄度実測値、３４３・・作動油清浄度推定モデル生成部、３４４・・作動油清浄度推定モデル提供部、３５１・・位置センサ断線データ、３５３・・位置センサ断線検知モデル生成部、３５４・・位置センサ断線検知モデル提供部、４００・・状態推定装置、４０１・・検知情報取得部、４０２・・状態推定部、４０３・・推定結果出力部、４１０・・パイロットバルブ実スプール位置、４１１・・メインバルブ実スプール位置、４１４・・特徴量算出部、４１５・・パイロットバルブ目標スプール位置、４１７・・データ選択部、４４１・・コイル印加電流、４４２・・作動油清浄度推定部、４４３・・作動油清浄度推定結果出力部、４５１・・位置センサ断線検知部、４５２・・位置センサ断線検知結果出力部。

Claims

第１可動部の位置に応じて作動流体の流量を制御する制御弁における前記第１可動部の目標位置および実位置と前記第１可動部を駆動する駆動部に供給された電流の値とを含むデータセットの検知情報を取得する取得部と、
前記取得部により取得された検知情報に基づいて前記作動流体の清浄度を推定する推定部と
を備える状態推定装置。
前記推定部は前記データセットの検知情報に基づいて前記作動流体の清浄度を推定するための推定基準を使用して前記作動流体の清浄度を推定する請求項１に記載の状態推定装置。
前記推定基準は所定期間内に前記制御弁または前記制御弁と同種の制御弁が使用されたときの前記データセットの値と前記所定期間において実測された前記作動流体の清浄度との関係に基づいて生成されたものである請求項２に記載の状態推定装置。
前記推定基準は前記データセットの値から算出される特徴量と前記作動流体の清浄度の実測値との関係に基づいて生成されたものであり、
前記推定部は前記取得部により取得された検知情報から前記特徴量を算出し、算出された特徴量に基づいて前記作動流体の清浄度を推定する請求項３に記載の状態推定装置。
前記特徴量は前記第１可動部の速度または加速度である請求項４に記載の状態推定装置。
前記取得部は前記推定基準を生成するために使用された前記データセットの値が記録されたときの制御弁または前記制御弁と同種の制御弁の使用環境と同様の使用環境における前記データセットの検知情報を取得する請求項２から５のいずれかに記載の状態推定装置。
前記使用環境は前記制御弁または前記制御弁と同種の制御弁の制御対象が停止され、かつ、前記第１可動部の固着防止動作が行われている状況である請求項６に記載の状態推定装置。
前記推定部により推定された前記作動流体の清浄度が一定以下である場合にその旨を報知する報知部をさらに備える請求項１から７のいずれかに記載の状態推定装置。
前記報知部は前記作動流体の清浄度が閾値を下回るまでの時間を推定して報知する請求項８に記載の状態推定装置。
前記制御弁はエンジンに供給される燃料の量を調整するための制御弁である請求項１から９のいずれかに記載の状態推定装置。
前記制御弁は複数の気筒を有するエンジンのそれぞれの気筒に供給される燃料の量を調整するためにそれぞれの気筒に設けられ、
前記推定部は前記複数の気筒に設けられた複数の制御弁のそれぞれに関する情報を比較することにより前記作動流体の異常を判定する請求項１０に記載の状態推定装置。
位置を指定するための制御信号に応じて位置が変化し、位置に応じて作動流体の流量が制御される第１可動部と、
前記第１可動部の目標位置および実位置と前記第１可動部を駆動する駆動部に供給された電流の値とを含むデータセットの検知情報を取得する取得部と、
前記取得部により取得された検知情報に基づいて前記作動流体の清浄度を推定する推定部と
を備える制御弁。
コンピュータを、
第１可動部の位置に応じて作動流体の流量を制御する制御弁における前記第１可動部の目標位置および実位置と前記第１可動部を駆動する駆動部に供給された電流の値とを含むデータセットの検知情報を取得する取得部、
前記取得部により取得された検知情報に基づいて前記作動流体の清浄度を推定する推定部
として機能させるための状態推定プログラム。
コンピュータに、
第１可動部の位置に応じて作動流体の流量を制御する制御弁における前記第１可動部の目標位置および実位置と前記第１可動部を駆動する駆動部に供給された電流の値とを含むデータセットの検知情報を取得するステップと、
前記取得するステップにおいて取得された検知情報に基づいて前記作動流体の清浄度を推定するステップと
を実行させる状態推定方法。
第１可動部の位置に応じて作動流体の流量を制御する制御弁における前記第１可動部の目標位置または実位置と前記作動流体の流量に応じて位置を変化させる第２可動部の実位置とを含むデータセットの検知情報を取得する取得部と、
前記取得部により取得された検知情報に基づいて前記第２可動部の位置を検知するための検知部の異常を推定する推定部と
を備える状態推定装置。
前記推定部は前記データセットの検知情報に基づいて前記検知部の異常を推定するための推定基準を使用して前記検知部の異常を推定する請求項１５に記載の状態推定装置。
前記推定基準は所定期間内に前記制御弁または前記制御弁と同種の制御弁が使用されたときの前記データセットの値と前記検知部の状態に関する情報との関係に基づいて生成されたものである請求項１６に記載の状態推定装置。
前記検知部の状態に関する情報は前記検知部の断線の有無、タイミング、態様、または原因である請求項１７に記載の状態推定装置。
前記推定基準は前記データセットの値から算出される特徴量と前記検知部の状態に関する情報との関係に基づいて生成されたものであり、
前記推定部は前記取得部により取得された前記データセットの検知情報から前記特徴量を算出し、算出された特徴量に基づいて前記検知部の異常を推定する請求項１６から１８のいずれかに記載の状態推定装置。
前記特徴量は前記第２可動部の速度または加速度である請求項１９に記載の状態推定装置。
前記取得部は前記推定基準を生成するために使用された前記データセットの値が記録されたときの制御弁または前記制御弁と同種の制御弁の使用環境と同様の使用環境における前記データセットの検知情報を取得する請求項１６から２０のいずれかに記載の状態推定装置。
前記使用環境は前記制御弁または前記制御弁と同種の制御弁の制御対象が停止され、かつ、前記第１可動部および前記第２可動部の固着防止動作が行われている状況である請求項２１に記載の状態推定装置。
前記推定部により前記検知部に異常があると推定された場合にその旨を報知する報知部をさらに備える請求項１５から２２のいずれかに記載の状態推定装置。
前記報知部は前記検知部に異常が発生するまでの時間を推定して報知する請求項２３に記載の状態推定装置。
前記制御弁はエンジンに供給される燃料の量を調整するための制御弁である請求項１５から２４のいずれかに記載の状態推定装置。
位置を指定するための制御信号に応じて位置が変化し、位置に応じて作動流体の流量が制御される第１可動部と、
前記第１可動部の目標位置または実位置と前記作動流体の流量に応じて位置を変化させる第２可動部の実位置とを含むデータセットの検知情報を取得する取得部と、
前記取得部により取得された検知情報に基づいて前記第２可動部の位置を検知するための検知部の異常を推定する推定部と
を備える制御弁。
コンピュータを、
第１可動部の位置に応じて作動流体の流量を制御する制御弁における前記第１可動部の目標位置または実位置と前記作動流体の流量に応じて位置を変化させる第２可動部の実位置とを含むデータセットの検知情報を取得する取得部、
前記取得部により取得された検知情報に基づいて前記第２可動部の位置を検知するための検知部の異常を推定する推定部
として機能させるための状態推定プログラム。
コンピュータに、
第１可動部の位置に応じて作動流体の流量を制御する制御弁における前記第１可動部の目標位置または実位置と前記作動流体の流量に応じて位置を変化させる第２可動部の実位置とを含むデータセットの検知情報を取得するステップと、
前記取得するステップにおいて取得された検知情報に基づいて前記第２可動部の位置を検知するための検知部の異常を推定するステップと
を実行させる状態推定方法。