JP2023095552A - 駆動システムの状態推定装置および方法 - Google Patents

Abstract

【課題】駆動システムの状態推定装置および方法において、高精度な状態推定を可能とする。【解決手段】モータが連結部材を介して負荷に連結されて構成される機械系における状態を推定する駆動システムの状態推定装置であって、機械系の状態を表すデータを取得する状態取得部と、状態取得部が過去から現在までに時系列で取得した複数の時系列のデータに基づいて現在から未来までに位相面が変化する位相面図を生成する位相面図生成部と、位相面図生成部が生成した現在から未来までの位相面図に基づいて機械系の余寿命を推定する余寿命推定部と、を備える。【選択図】図１

Description

本開示は、駆動システムの状態推定装置および方法に関するものである。

駆動システムにおける現在の状態に基づいて状来の状態を推定することで、駆動システムの寿命を推定する技術がある。このような技術として、例えば、下記特許文献１に記載されたものがある。

特開２０２０－７１６２４号公報

特許文献１に記載された異常診断装置は、異常診断対象を時系列によって観測した複数の時系列観測結果の差分に基づいて異常診断対象に生じる異常の種類を診断するものである。しかし、異常診断対象の長期的な不具合や劣化などを対策するものではない。

本開示は、上述した課題を解決するものであり、高精度な状態推定を可能とする駆動システムの状態推定装置および方法を提供することを目的とする。

上記の目的を達成するための本開示の駆動システムの状態推定装置は、モータが連結部材を介して負荷に連結されて構成される機械系における状態を推定する駆動システムの状態推定装置であって、前記機械系の状態を表すデータを取得する状態取得部と、前記状態取得部が過去から現在までに時系列で取得した複数の時系列のデータに基づいて現在から未来までに位相面が変化する位相面図を生成する位相面図生成部と、前記位相面図生成部が生成した現在から未来までの位相面図に基づいて前記機械系の余寿命を推定する余寿命推定部と、を備える。

また、本開示の駆動システムの状態推定方法は、モータが連結部材を介して負荷に連結されて構成される機械系における状態を推定する駆動システムの状態推定方法であって、前記機械系の状態を表すデータを取得するステップと、過去から現在までに時系列で取得した複数の時系列のデータに基づいて現在から未来までに位相面が変化する位相面図を生成するステップと、現在から未来までの位相面図に基づいて前記機械系の余寿命を推定するステップと、を有する。

本開示の駆動システムの状態推定装置および方法によれば、高精度な状態推定を可能とすることができる。

図１は、駆動システムの全体構成を表す概略図である。 図２は、機械系の伝達特性を表すブロック線図である。 図３は、第１実施形態の駆動システムの状態推定装置を表すブロック図である。 図４は、第１実施形態の駆動システムの状態推定装置を表すフローチャートである。 図５は、位相面を表す概略図である。 図６は、移動軌跡を表す概略図である。 図７は、第２実施形態の駆動システムの状態推定装置を表すブロック図である。 図８は、第２実施形態の駆動システムの状態推定装置を表すフローチャートである。

以下に図面を参照して、本開示の好適な実施形態を詳細に説明する。なお、この実施形態により本開示が限定されるものではなく、また、実施形態が複数ある場合には、各実施形態を組み合わせて構成するものも含むものである。また、実施形態における構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。

［第１実施形態］
＜駆動システム＞
図１は、第１実施形態の駆動システムの全体構成を表す概略図である。

図１に示すように、駆動システム１０は、制御装置１１と、機械系１２とを備える。制御装置１１は、機械系１２を制御する。

機械系１２は、モータ２１と、連結部材２２と、負荷２３とを有する。モータ２１と負荷２３は、連結部材２２により機械的に連結される。機械系１２は、モータ２１が駆動することで、連結部材２２を介して負荷２３が所望の位置（角度）に移動する駆動機構である。モータ２１および負荷２３は、内部に回転角度や回転速度を検出可能な回転検出器（エンコーダ）を有する。モータ２１は、例えば、精密な位置決めを実現可能なサーボモータである。連結部材２２は、例えば、ギア、ボールねじ、ボールベアリングなどの部材である。

制御装置１１は、負荷２３の目標角度である負荷角度指令θ_ＲＥＦを入力する。制御装置１１は、入力した負荷角度指令θ_ＲＥＦに応じてモータ２１に発生すべきトルクτを演算し、演算したトルクτであるトルク指令τをモータ２１に出力する。モータ２１は、入力したトルク指令τであるトルクτにより駆動し、トルクτが連結部材２２を介してトルクτ_ａとして負荷２３に伝達される。その結果、負荷２３に伝達されたトルクτ_ａに応じて負荷２３が回転する。制御装置１１は、負荷２３の回転角度が所望の目標角度θ_ＲＥＦ（負荷角度指令θ_ＲＥＦ）に一致するようにモータ２１を制御する。

なお、以下の説明では、モータ２１は、制御装置１１からトルク指令τが入力すると、トルク指令τ通りのトルクτを出力することができるものとして説明する。

制御装置１１は、所謂、フルクローズドシステムであって、モータ２１の角速度ω_Ｍと、負荷２３の角度θ_Ｌとの実測値（検出値）に基づいてフィードバック制御を行う。

すなわち、制御装置１１は、モータ２１および負荷２３回転検出器を介して、モータ２１の角度θ_Ｍと、負荷２３の角度θ_Ｌを検出する。制御装置１は、検出したモータ２１の角度θ_Ｍの検出値を時間微分することで、モータ２１の角速度ω_Ｍを算出する。制御装置１１は、検出した負荷２３の角度θ_Ｌの検出値を時間微分することで、負荷２３の角速度ω_Ｌを算出する。

なお、以下の説明にて、モータ２１の角速度の検出値を「モータ角速度ω_Ｍ」とも記載し、モータ２１の角度の検出値を「モータ角度θ_Ｍ」とも記載する。また、負荷２３の角速度の検出値を「負荷角速度ω_Ｌ」とも記載し、負荷２３の角度の検出値を「負荷角度θ_Ｌ」とも記載する。

制御装置１１は、機械系１２を２慣性系と見なして模した２慣性系モデルを予め有しており、２慣性系モデルを用いてフィードフォワード制御を行う。

なお、機械系１２における負荷２３が、回転系ではなくて直動系の場合、負荷２３に対する制御対象パラメータは、厳密には「角度」、「角速度」ではなく、「位置」、「速度」となる。しかし、この場合、制御装置１１は、２慣性系として、モータ２１の「角度」、「角速度」と同じ次元で取り扱うために、負荷２３の「位置」、「速度」を、モータ軸換算値としての「角度」、「角速度」に逐次変換して各種制御を行う。

機械系２を２慣性系と見なした場合において、機械系２固有の特性を表すパラメータ群は、モータ２１側の特性を示すパラメータ、負荷２３側の特性を示すパラメータ、モータ２１と負荷２３とを機械的に連結して動力を伝達する連結部材２２の特性を示すパラメータに大別される。具体的には、モータ２１側の特性を示すパラメータとして、モータ慣性モーメントＪ_Ｍ、モータ粘性係数Ｄ_Ｍ、モータ摩擦トルクτ_ｆＭ（モータの摩擦）がある。また、負荷２３側の特性を示すパラメータとして、負荷慣性モーメントＪ_Ｌ、負荷粘性係数Ｄ_Ｌ、負荷摩擦トルクτ_ｆＬ（負荷の摩擦）がある。更に、連結部材２２の特性を示すパラメータとして、ねじれ剛性係数Ｋ_Ｒ、ねじれ粘性係数Ｄ_Ｒ、不感帯幅Ｂ_Ｌがある。

＜機械系の伝達特性＞
図２は、機械系の伝達特性を表すブロック線図である。

図２に示すように、機械系１２をモータ２１と連結部材２２と、負荷２３とからなる２慣性系の機械と見なすことで、機械系１２における入力と出力との関係を、伝達関数を用いたブロック線図で表すことができる。

モータ２１は、制御装置１１（図１参照）から入力されたトルク指令τに基づいて自身が発生させたトルクτを入力とし、モータ角度θ_Ｍを出力とする。モータ２１が発生させたトルクτは、モータ２１に生じる摩擦であるモータ摩擦トルクτ_ｆＭ、連結部材２２を介して負荷２３に伝達されるトルクτａが差し引かれた後、伝達要素１／（Ｊ_Ｍ ^ｓ＋Ｄ_Ｍ）を介してモータ角速度ω_Ｍに変換され、伝達要素１／ｓ（積分要素）を通じてモータ角度θ_Ｍに変換される。

ここで、モータ摩擦トルクτ_ｆＭは、モータ２１の速度反転時（モータ角速度ω_Ｍの符号反転時）に符号のみが反転するクーロン摩擦成分だけでなく、モータ２１の速度反転後の変位θ（モータ角速度ω_Ｍのゼロからの積分値）に依存して非線形に変化する非線形摩擦成分を含んでいる。モータ摩擦トルクτ_ｆＭ［θ］は、この非線形摩擦成分をモデル化して規定し、モータ角速度ω_Ｍを入力変数とするモータ摩擦特性関数Ｇ_Ｍを介して得られる。

負荷２３は、モータ２１から連結部材２２を介して伝達されたトルクτ_ａ（＝（Ｋ_Ｒ＋Ｄ_Ｒ ^ｓ）（θ_Ｍ－θ_Ｌ－ＢＫＬＳ））を入力とし、負荷角度θ_Ｌを出力とする。負荷２３に入力されたトルクτ_ａは、負荷２３に生じる摩擦である負荷摩擦トルクτ_ｆＬが差し引かれた後、伝達要素１／（Ｊ_Ｌ ^ｓ＋Ｄ_Ｌ）を通じて負荷角速度ω_Ｌに変換され、更に伝達要素１／ｓを通じて負荷角度θ_Ｌに変換される。

ここで、負荷摩擦トルクτ_ｆＬは、負荷２３の速度反転後の変位θ（負荷角速度ω_Ｌのゼロからの積分値）に依存して非線形に変化する非線形摩擦成分を含んでいる。負荷摩擦トルクτ_ｆＬ［θ］は、この非線形摩擦成分をモデル化して規定し、負荷角速度ω_Ｌを入力変数とする負荷摩擦特性関数Ｇ_Ｌを通じて得られる。

連結部材２２は、モータ角度θ_Ｍと負荷角度θ_Ｌとの偏差（以下、「ねじれ角度（θ_Ｍ－θ_Ｌ）」とも記載する。）を入力とし、ねじれ角度（θ_Ｍ－θ_Ｌ）に応じたトルクτ_ａを出力とする伝達系である。入力されたねじれ角度（θ_Ｍ－θ_Ｌ）は、不感帯（以下、「ガタ」とも記載する。）における非線形性を表す不感帯特性関数Ｆと、伝達要素Ｄ_Ｒ ^ｓとを介してモータ２１および負荷２３に印加されるトルクτ_ａに変換される。

ここで、不感帯特性関数Ｆとは、不感帯幅Ｂ_Ｌで規定される非線形関数である。不感帯特性関数Ｆは、連結部材２２のねじれ角度（θ_Ｍ－θＬ）を入力変数とし、ねじれ角度（θ_Ｍ－θ_Ｌ）からガタの変位（以下、「ガタ変位ＢＫＬＳ」とも記載する。）を差し引いた角度を出力する。この不感帯特性関数Ｆは、連結部材２２のねじれ角度（θ_Ｍ－θ_Ｌ）のうちガタ変位ＢＫＬＳ分は、モータ２１から負荷２３へのトルクの伝達に寄与しないことを表している。

また、ねじれ剛性係数Ｋ_Ｒとは、連結部材２２のねじれ方向についての剛性の度合いを示すパラメータであって、連結部材２２のばね定数に相当する。すなわち、ねじれ剛性係数Ｋ_Ｒは、負荷２３に印加されるトルクτａ_ａのうち、連結部材２２のねじれ角度（θ_Ｍ－θ_Ｌ）に比例する成分を与える。また、ねじれ粘性係数Ｄ_Ｒとは、連結部材２２のねばりの度合いを示すパラメータであって、負荷２３に印加されるトルクτ_ａのうち、連結部材２２におけるモータ角速度ω_Ｍと負荷角速度ω_Ｌとの偏差（以下、「ねじれ角速度（ω_Ｍ－ω_Ｌ）」とも記載する。）に比例する成分を与える。

制御装置１１が制御対象とする機械系１２は、複数のパラメータ群および非線形関数によって、２慣性系モデルとして特徴づけられる。ここで、モデルパラメータ群とは、上述したモータ慣性モーメントＪ_Ｍ、モータ粘性係数Ｄ_Ｍ、負荷慣性モーメントＪ_Ｌ、負荷粘性係数Ｄ_Ｌ、ねじれ剛性係数Ｋ_Ｒ、ねじれ粘性係数Ｄ_Ｒ、不感帯幅Ｂ_Ｌである。また、非線形関数とは、モータ角速度ω_Ｍの積分値（変位θ）に応じたモータ摩擦トルクτ_ｆＭ［θ］を与えるモータ摩擦特性関数Ｇ_Ｍ、負荷角速度ω_Ｌの積分値（変位θ）に応じた負荷摩擦トルクτ_ｆＬ［θ］を与える負荷摩擦特性関数Ｇ_Ｌ、ねじれ角度（θ_Ｍ－θ_Ｌ）を入力とし、ねじれ角度（θ_Ｍ－θ_Ｌ）からガタ変位ＢＫＬＳ［θ_Ｍ－θ_Ｌ］を差し引いた角度を出力する不感帯特性関数Ｆである。また、機械系１２への入力であるトルクτは、トルク指令τから制御装置１１自身が観測可能なパラメータである。機械系１２からの出力（検出値）であるモータ角度θ_Ｍおよび負荷角度θ_Ｌは、回転検出器を介して制御装置１１が観測可能なパラメータである。

なお、図示しないが、制御装置１１は、フィードバック制御部とフィードフォワード制御部を備える。フィードバック制御部は、回転検出器を通じて検出されるモータ角速度ω_Ｍと、負荷角度指令θ_ＲＥＦにより指定される負荷２３の目標角度θ_ＲＥＦおよび検出される現在の負荷角度θ_Ｌの偏差（θ_ＲＥＦ－θ_Ｌ）とに基づいて、モータ２１の制御を行う。具体的に、フィードバック制御部は、偏差（θ_ＲＥＦ－θ_Ｌ）をゼロとするためのトルクを算出し、トルク指令を出力する。フィードフォワード制御部は、機械系１２を模した２慣性系モデルＭＯＤを内部に有する。２慣性系モデルＭＯＤは、複数のモデルパラメータ群からなり、図２に表す機械系１２の逆モデルとなるように構成されている。

また、図示しないが、第１実施形態の駆動システム１０は、複数のモデルパラメータ群を精度良く同定可能なパラメータ同定装置を備えていてもよい。パラメータ同定装置は、機械系１２におけるモータ角度θ_Ｍ、モータ角速度ω_Ｍ、負荷角度θ_Ｌ、負荷角速度ω_Ｌの実測値と、制御装置１１から機械系１２に向けて出力されるトルク指令τが入力する。パラメータ同定装置は、この実測値とトルク指令τに基づいて、モデルパラメータ群を同定する。

＜状態推定装置＞
第１実施形態の駆動システムの状態推定装置について説明する。図３は、第１実施形態の駆動システムの状態推定装置を表すブロック図である。

図３に示すように、駆動システム１０の状態推定装置３０は、モータ２１が連結部材２２を介して負荷２３に連結されて構成される機械系１２における状態を推定するものである。状態推定装置３０は、データ取得部（状態取得部）３１と、位相面図生成部３２と、パラメータ推定部３３と、しきい値設定部３４と、余寿命推定部３５と、データ出力部３６とを備える。また、状態推定装置３０は、予測モデル作成部３７を備える。

データ取得部３１は、機械系１２の状態を表すデータを取得する。データ取得部３１は、具体的に、データとして、機械系１２におけるモータ角度θ_Ｍ、モータ角速度ω_Ｍ、負荷角度θ_Ｌ、負荷角速度ω_Ｌの実測値と、制御装置１１から機械系１２に向けて出力されるトルク指令τを取得する。

位相面図生成部３２は、データ取得部３１が取得した複数のデータに基づいて位相面図を生成する。位相面図生成部３２は、具体的に、データ取得部３１が取得したモータ角度θ_Ｍ、モータ角速度ω_Ｍ、負荷角度θ_Ｌ、負荷角速度ω_Ｌ、トルク指令τに基づいて位相面図を生成する。位相面図生成部３２は、例えば、モータ角度θ_Ｍとトルク指令τとの関係を表す「モータ角度－モータトルク」位相面図を生成する。なお、位相面図生成部３２は、２つのパラメータの関係を表す位相面部を生成するものであり、モータ角度θ_Ｍとトルク指令τとの関係を表す「モータ角度－モータトルク」位相面図を生成することに限定されるものではない。

位相面図生成部３２は、例えば、連結部材２２のねじれ角度（θ_Ｍ－θ_Ｌ）とトルク指令τとの関係を示す「ねじれ角度－トルク指令」位相面図、モータ２１および負荷２３の角度θとトルク指令τとの関係を示す「角度－トルク指令」位相面図、モータ２１および負荷２３の角速度ωとトルク指令τとの関係を示す「角速度－トルク指令」位相面、モータ２１および負荷２３の角度θと連結部材２２のねじれ角度（θ_Ｍ－θ_Ｌ）との関係を示す「角度－ねじれ角度」位相面図、モータ２１および負荷２３の角速度ωと連結部材２２のねじれ角度（θ_Ｍ－θ_Ｌ）との関係を示す「角速度－ねじれ角度」位相面なども生成することができる。

この場合、位相面図生成部３２は、データ取得部３１が取得した過去から現在まで時系列で取得したモータ角度θ_Ｍ、モータ角速度ω_Ｍ、負荷角度θ_Ｌ、負荷角速度ω_Ｌ、トルク指令τに基づいて過去から現在までに位相面が変化した位相面図を生成する。また、位相面図生成部３２は、データ取得部３１が取得した過去から現在まで時系列で取得したモータ角度θ_Ｍ、モータ角速度ω_Ｍ、負荷角度θ_Ｌ、負荷角速度ω_Ｌ、トルク指令τに基づいて現在から未来までに位相面が変化する位相面図を生成する。この場合、位相面図生成部３２は、過去から現在までに位相面が変化した位相面図に基づいて、現在から未来までに位相面が変化する位相面図を推定する。

パラメータ推定部３３は、位相面図生成部３２が生成した過去から未来までに位相面が変化する位相面図から特定のパラメータを推定する。パラメータは、例えば、モータ２１側の特性を示すパラメータとしてのモータ慣性モーメントＪ_Ｍ、モータ粘性係数Ｄ_Ｍ、モータ摩擦トルクτ_ｆＭ（モータの摩擦）である。負荷２３側の特性を示すパラメータとしての、負荷慣性モーメントＪ_Ｌ、負荷粘性係数Ｄ_Ｌ、負荷摩擦トルクτ_ｆＬ（負荷の摩擦）がある。更に、連結部材２２の特性を示すパラメータとして、ねじれ剛性係数Ｋ_Ｒ、ねじれ粘性係数Ｄ_Ｒ、不感帯幅Ｂ_Ｌである。

しきい値設定部３４は、位相面図生成部３２が生成した現在から未来までの位相面図に基づいてしきい値を設定する。しきい値設定部３４は、機械系１２の摩耗量に応じてしきい値を設定する。また、しきい値設定部３４は、機械系１２のガタ量に応じてしきい値を設定する。位相面図生成部３２がモータ角度θ_Ｍとトルク指令τとの関係を表す「モータ角度－モータトルク」位相面図を生成したとき、しきい値設定部３４は、機械系１２の摩耗量に応じたしきい値τ_ａ，τ_ｂを設定すると共に、機械系１２のガタ量に応じたしきい値θ_Ｍａ，θ_Ｍｂを設定する。

余寿命推定部３５は、位相面図生成部３２が生成した現在から未来までの位相面図に基づいて機械系１２の余寿命Ｔを推定する。余寿命推定部３５は、しきい値設定部３４が設定した摩耗量に応じたしきい値τ_ａ，τ_ｂおよびガタ量に応じたしきい値θ_Ｍａ，θ_Ｍｂに応じて機械系１２の余寿命Ｔを推定する。

データ出力部３６は、余寿命推定部３５が推定した機械系１２の余寿命Ｔを外部に出力し、例えば、図示しない表示装置に表示させる。

予測モデル作成部３７は、物理量パラメータ予測モデルを作成する。この場合、予測モデル作成部３７は、機械系１２の設計データまたは計測データに基づいて物理量パラメータ予測モデルを作成する。予測モデル作成部３７は、例えば、設計データまたは計測データから各パラメータへの関係を数式化した予測モデル、または、これらを利用しデータベース化した情報を使用した統計的手法または機械学習的手法によりパラメータを推定する。また、予測モデル作成部３７は、物理量パラメータ予測モデルとデータ取得部３１が取得した複数のデータを用いて将来パラメータ予測モデルを作成する。予測モデル作成部３７は、例えば、時系列物理量パラメータの変化傾向を関数化もしくは統計的手法もしくは機械学習等による推定を行うモデル、または、位相面特徴量の変化傾向を関数化もしくは統計的手法もしくは機械学習等による推定を行うモデル、または位相面図のプロット形状自体の変化傾向を関数化もしくは統計的手法もしくは機械学習等による推定を行うモデルとする。

＜状態推定方法＞
第１実施形態の駆動システムの状態推定装置について説明する。図４は、第１実施形態の駆動システムの状態推定装置を表すフローチャートである。

図３および図４に示すように、ステップＳ１１にて、予測モデル作成部３７は、機械系１２の設計データに基づいて物理量パラメータ予測モデルを作成する。機械系１２は、モータ２１が連結部材２２を介して負荷２３に連結されて構成される２慣性系モデルであり、予測モデル作成部３７は、連結部材２２にガタ（不感帯）があり、モータ２１側と負荷２３側とに分けてなる２慣性系モデルにおける物理量パラメータ予測モデルを作成する。

ステップＳ１２にて、データ取得部３１は、機械系１２の状態を表すデータとして、機械系１２における現在のモータ角度θ_Ｍ、モータ角速度ω_Ｍ、負荷角度θ_Ｌ、負荷角速度ω_Ｌの実測値と、制御装置１１から機械系１２に向けて出力されるトルク指令τを取得する。

ステップＳ１３にて、位相面図生成部３２は、データ取得部３１が取得した現在のモータ角度θ_Ｍとトルク指令τとの関係を表す「モータ角度－モータトルク」位相面図を生成する。この場合、位相面図生成部３２が生成した「モータ角度－モータトルク」位相面図は、例えば、設計データに含まれる初期のモータ角度θ_Ｍとトルク指令τに基づいて生成された過去の「モータ角度－モータトルク」位相面図と、データ取得部３１が取得した現在のモータ角度θ_Ｍとトルク指令τに基づいて生成された現在の「モータ角度－モータトルク」位相面図である。

ステップＳ１４にて、パラメータ推定部３３は、位相面図生成部３２が生成した現在の「モータ角度－モータトルク」位相面図に基づいて現在の物理量パラメータを推定する。現在の物理量パラメータは、例えば、連結部材２２の特性を示すパラメータとしての不感帯幅（ガタ量）Ｂ_Ｌである。

ステップＳ１５にて、機械系１２に対して、単点検証計測したデータがあるか否かを判定する。単点検証計測したデータとは、過去から現在までの間に、機械系１２をモニタリングすることで得たデータである。ここで、単点検証計測したデータがあると判定（Ｙｅｓ）されると、ステップＳ１６にて、データ取得部３１により単点検証計測した定常データを取得する。そして、ステップＳ１７にて、位相面図生成部３２が作成した「モータ角度－モータトルク」位相面図のデータと定常データとの間に乖離があるか否かを判定する。この判定は、「モータ角度－モータトルク」位相面図のデータと定常データとの偏差が予め設定された判定値を超えたときに乖離があると判定する。

ここで、「モータ角度－モータトルク」位相面図のデータと定常データとの間に乖離があると判定（Ｙｅｓ）されると、ステップＳ１８にて、乖離が発生する誤差影響因子の分析を行う。誤差影響因子の分析は、例えば、人工知能（ＡＩ）によるディープラーニング（深層学習）などによる機械学習を用いればよいが、他の機械学習やその他の分析方法を用いてもよい。そして、ステップＳ１１に戻り、予測モデル作成部３７は、「モータ角度－モータトルク」位相面図のデータと定常データとの間の乖離に応じて物理量パラメータ予測モデルを作成し直す。その後、ステップＳ１２からステップＳ１５の処理を繰り返し実行する。

ステップＳ１５にて、単点検証計測したデータがないと判定（Ｎｏ）されたり、ステップＳ１７にて、「モータ角度－モータトルク」位相面図のデータと定常データとの間に乖離がないと判定（Ｎｏ）されたりすると、ステップＳ１９に移行する。ステップＳ１９にて、予測モデル作成部３７は、過去と現在の「モータ角度－モータトルク」位相面図に基づいて将来パラメータ予測モデルを作成する。すなわち、過去（初期）と現在のデータにより作成された「モータ角度－モータトルク」位相面図を用いて、将来（未来）の「モータ角度－モータトルク」位相面図を生成する。この場合、過去（初期）と現在のデータの変化量に基づいて将来のデータを推定し、将来の「モータ角度－モータトルク」位相面図を生成する。

ステップＳ２０にて、パラメータ推定部３３は、位相面図生成部３２が生成した将来の「モータ角度－モータトルク」位相面図に基づいて将来の物理量パラメータを推定する。将来の物理量パラメータは、例えば、連結部材２２の特性を示すパラメータとしての不感帯幅（ガタ量）Ｂ_Ｌである。

ステップＳ２１にて、機械系１２に対して、時系列検証計測したデータがあるか否かを判定する。時系列検証計測したデータとは、過去と現在との間で、機械系１２をモニタリングすることで得た時系列データである。ここで、時系列検証計測したデータがあると判定（Ｙｅｓ）されると、ステップＳ２２にて、データ取得部３１により時系列検証計測した時系列データを取得する。そして、ステップＳ２３にて、位相面図生成部３２が作成した「モータ角度－モータトルク」位相面図のデータと時系列データとの間に乖離があるか否かを判定する。この判定は、「モータ角度－モータトルク」位相面図のデータと時系列データとの偏差が予め設定された判定値を超えたときに乖離があると判定する。

ここで、「モータ角度－モータトルク」位相面図のデータと時系列データとの間に乖離があると判定（Ｙｅｓ）されると、ステップＳ２４にて、乖離が発生する誤差影響因子の分析を行う。誤差影響因子の分析は、例えば、人工知能（ＡＩ）によるディープラーニング（深層学習）などによる機械学習を用いればよいが、他の機械学習やその他の分析方法を用いてもよい。そして、ステップＳ１９に戻り、予測モデル作成部３７は、「モータ角度－モータトルク」位相面図のデータと時系列データとの間の乖離に応じて将来パラメータ予測モデルを作成し直す。その後、ステップＳ１９からステップＳ２１の処理を繰り返し実行する。

ステップＳ２１にて、時系列検証計測したデータがないと判定（Ｎｏ）されたり、ステップＳ２３にて、「モータ角度－モータトルク」位相面図のデータと時系列データとの間に乖離がないと判定（Ｎｏ）されたりすると、ステップＳ２５に移行する。ステップＳ２５にて、予測モデル作成部３７は、過去と現在の「モータ角度－モータトルク」位相面図に基づいて故障予測モデルを作成する。すなわち、過去（初期）と現在のデータにより作成された「モータ角度－モータトルク」位相面図を用いて、将来に機械系１２が故障して停止するときの「モータ角度－モータトルク」位相面図を生成する。この場合、過去（初期）と現在のデータの変化量、必要に応じて時系列データを用いて故障するまでの「モータ角度－モータトルク」位相面図を生成する。

ステップＳ２６にて、しきい値設定部３４は、位相面図生成部３２が生成した現在から故障時（未来）までの位相面図に基づいてしきい値を設定する。しきい値設定部３４は、機械系１２の摩耗量やガタ量に応じてしきい値を設定する。そして、ステップＳ２７にて、余寿命推定部３５は、位相面図と摩耗量に応じたしきい値τ_ａ，τ_ｂおよびガタ量に応じたしきい値θ_Ｍａ，θ_Ｍｂに応じて機械系１２の余寿命Ｔを推定する。

ステップＳ２８にて、機械系１２に対して、異常値の計測や故障実績値などのデータがあるか否かを判定する。異常値の計測や故障実績値などのデータとは、過去と現在との間で、機械系１２をモニタリングすることで得た異常値のデータや故障が発生したときのデータである。ここで、異常値の計測や故障実績値などのデータがあると判定（Ｙｅｓ）されると、ステップＳ２９にて、データ取得部３１により異常値の計測や故障実績値などのデータを取得する。そして、ステップＳ３０にて、位相面図生成部３２が作成した「モータ角度－モータトルク」位相面図のデータと異常値の計測や故障実績値などのデータとの間に乖離があるか否かを判定する。この判定は、「モータ角度－モータトルク」位相面図のデータと異常値の計測や故障実績値などのデータとの偏差が予め設定された判定値を超えたときに乖離があると判定する。

ここで、「モータ角度－モータトルク」位相面図のデータと異常値の計測や故障実績値などのデータとの間に乖離があると判定（Ｙｅｓ）されると、ステップＳ３１にて、乖離が発生する誤差影響因子の分析を行う。誤差影響因子の分析は、例えば、人工知能（ＡＩ）によるディープラーニング（深層学習）などによる機械学習を用いればよいが、他の機械学習やその他の分析方法を用いてもよい。そして、ステップＳ２５に戻り、予測モデル作成部３７は、「モータ角度－モータトルク」位相面図のデータと異常値の計測や故障実績値などのデータとの間の乖離に応じて故障予測モデルを作成し直す。そして、ステップＳ２６にて、しきい値設定部３４は、「モータ角度－モータトルク」位相面図のデータと異常値の計測や故障実績値などのデータとの間の乖離に応じてしきい値を設定し直す。また、ステップＳ２７にて、余寿命推定部３５は、機械系１２の余寿命Ｔを推定し直す。

一方、ステップＳ２８にて、異常値の計測や故障実績値などのデータがないと判定（Ｎｏ）されたり、ステップＳ３０にて、「モータ角度－モータトルク」位相面図のデータと異常値の計測や故障実績値などのデータとの間に乖離がないと判定（Ｎｏ）されたりすると、処理を終了する。

＜位相面＞
ここで、位相面について説明する。図５は、位相面を表す概略図、図６は、移動軌跡を表す概略図である。

図５は、「モータ角度－モータトルク」位相面図である。図５に表す一点鎖線は、機械系１２の過去（初期）の位相面Ｐ_０を表し、図５に表す実線は、機械系１２の現在の位相面Ｐ_１を表し、図５に表す点線は、機械系１２の将来の位相面Ｐ_３を表し、図５に表す点線は、機械系１２のしきい値τ_ａ，τ_ｂ，θ_Ｍａ，θ_Ｍｂを表す。

図１および図５に示すように、図５に実線で表す現在の位相面Ｐ_１にて、領域Ａ１は、モータ角度θ_Ｍ１／モータトルクτ_１からモータ角度θ_Ｍ２／モータトルクτ_１になる領域であり、例えば、モータ２１の出力軸に固定された駆動ギアが連結部材２２の従動ギアに接触して正転回転中の領域である。領域Ａ１では、モータトルクτが一定である。領域Ａ２１は、モータ角度θ_Ｍ２／モータトルクτ_１からモータ角度θ_Ｍ２／モータトルクτ_２になる領域であり、モータ２１の回転方向が逆になろうとする。領域Ａ２１では、モータ角度θ_Ｍが一定で、モータトルクτが減少していく。領域Ａ２２は、モータ角度θ_Ｍ２／モータトルクτ_２からモータ角度θ_Ｍ３／モータトルクτ_３になる領域であり、モータ２１の駆動ギアが連結部材２２の従動ギアとのガタ量だけバックラッシュする。領域Ａ２３は、モータ角度θ_Ｍ３／モータトルクτ_３からモータ角度θ_Ｍ３／モータトルクτ_４になる領域であり、モータ２１の駆動ギアが連結部材２２の従動ギアに接触し、反発トルクが発生している域である。領域Ａ２３では、モータ角度θ_Ｍが一定で、モータトルクτが増加していく。

領域Ａ３は、モータ角度θ_Ｍ３／モータトルクτ_４からモータ角度θ_Ｍ４／モータトルクτ_４になる領域であり、モータ２１の駆動ギアが連結部材２２の従動ギアに接触して逆転回転中の領域である。領域Ａ３では、モータトルクτが一定である。領域Ａ４１は、モータ角度θ_Ｍ４／モータトルクτ_４からモータ角度θ_Ｍ４／モータトルクτ_５になる領域であり、モータ２１の回転方向が逆になろうとする。領域Ａ４１では、モータ角度θ_Ｍが一定で、モータトルクτが減少していく。領域Ａ４２は、モータ角度θ_Ｍ４／モータトルクτ_５からモータ角度θ_Ｍ１／モータトルクτ_６になる領域であり、モータ２１の駆動ギアが連結部材２２の従動ギアとのガタ量だけバックラッシュする。領域Ａ４３は、モータ角度θ_Ｍ１／モータトルクτ_６からモータ角度θ_Ｍ１／モータトルクτ_１になる領域であり、モータ２１の駆動ギアが連結部材２２の従動ギアに接触し、反発トルクが発生している域である。領域Ａ２３では、モータ角度θ_Ｍが一定で、モータトルクτが増加していく。

上述した状態推定装置３０による機械系１２の状態推定方法により、図５に実線で表す機械系１２の現在の位相面Ｐ_１に対して、図５に点線で表す機械系１２の将来の位相面Ｐ_２を推定することができる。そして、現在の位相面Ｐ_１と将来の位相面Ｐ_２との間にしきい値τ_ａ，τ_ｂ，θ_Ｍａ，θ_Ｍｂを設定することで、機械系１２の余寿命Ｔを推定することができる。

図６に示すように、機械系１２に対して、例えば、トルク指令τを与えたときの時系列の入力信号Ｕ１～Ｕｎと、時系列の出力信号Ｙ１～Ｙｎにおいて、互いに同期する信号値を１つのデータ集合体として座標軸上にプロットし、プロットした信号値をつなぐことにより位相面の状態軌跡を生成する。機械系１２における過去の位相面Ｐ_０と、現在の位相面Ｐ_１と、将来の位相面Ｐ_２の移動軌跡を表すことができる。

［第２実施形態］
図７は、第２実施形態の駆動システムの状態推定装置を表すブロック図である。なお、上述した実施形態と同様の機能を有する部材には、同一の符号を付して詳細な説明は省略する。

図７に示すように、駆動システム１０の状態推定装置３０は、データ取得部３１と、位相面図生成部３２と、パラメータ推定部３３と、しきい値設定部３４と、余寿命推定部３５と、データ出力部３６と、最適運転パラメータ設定部３８を備える。また、状態推定装置３０は、予測モデル作成部３７を備える。

ここで、データ取得部３１と、位相面図生成部３２と、パラメータ推定部３３と、しきい値設定部３４と、余寿命推定部３５と、データ出力部３６と、予測モデル作成部３７は、第１実施形態と同様であることから、説明は省略する。

最適運転パラメータ設定部３８は、余寿命推定部３５が推定した機械系１２の余寿命Ｔに基づいて余寿命を延長するために機械系１２への指令値としてのパラメータを推定する。

図８は、第２実施形態の駆動システムの状態推定装置を表すフローチャートである。なお、ステップＳ１１からステップＳ３１は、第１実施形態と同様であることから、説明は省略する。

図７および図８に示すように、ステップＳ４１にて、予測モデル作成部３７は、過去から未来の「モータ角度－モータトルク」位相面図に基づいて制御対象パラメータを変更する故障回避運転モデルを作成する。すなわち、過去（初期）から現在までの時系列のデータにより作成された「モータ角度－モータトルク」位相面図を用いて、将来に発生する機械系１２の故障を回避するための制御モデルを「モータ角度－モータトルク」位相面図の予測結果を基に生成する。この場合、過去から現在までのデータの変化量、必要に応じて時系列データを用いて故障を回避するための「モータ角度－モータトルク」位相面図を生成する。

ステップＳ４２にて、パラメータ推定部３３は、位相面図生成部３２が生成した故障を回避するための「モータ角度－モータトルク」位相面図に基づいて最適運転パラメータを推定する。最適運転パラメータは、例えば、モータ角速度ωＭや負荷角速度ωＬである。

ステップＳ４３にて、最適運転パラメータで運転したとき、機械系１２に対して、異常値の計測や故障実績値などのデータがあるか否かを判定する。異常値の計測や故障実績値などのデータとは、過去と現在との間で、機械系１２をモニタリングすることで得た異常値のデータや故障が発生したときのデータである。ここで、異常値の計測や故障実績値などのデータがあると判定（Ｙｅｓ）されると、ステップＳ４４にて、データ取得部３１により異常値の計測や故障実績値などのデータを取得する。そして、ステップＳ４５にて、位相面図生成部３２が作成した「モータ角度－モータトルク」位相面図のデータと異常値の計測や故障実績値などのデータとの間に乖離があるか否かを判定する。この判定は、「モータ角度－モータトルク」位相面図のデータと異常値の計測や故障実績値などのデータとの偏差が予め設定された判定値を超えたときに乖離があると判定する。

ここで、「モータ角度－モータトルク」位相面図のデータと異常値の計測や故障実績値などのデータとの間に乖離があると判定（Ｙｅｓ）されると、ステップＳ４６にて、乖離が発生する誤差影響因子の分析を行う。誤差影響因子の分析は、例えば、人工知能（ＡＩ）によるディープラーニング（深層学習）などによる機械学習を用いればよいが、他の機械学習やその他の分析方法を用いてもよい。そして、ステップＳ４１に戻り、予測モデル作成部３７は、「モータ角度－モータトルク」位相面図のデータと異常値の計測や故障実績値などのデータとの間の乖離に応じて故障回避運転モデルを作成し直す。そして、ステップＳ４１からステップＳ４３の処理を繰り返し行う。

一方、ステップＳ４３にて、異常値の計測や故障実績値などのデータがないと判定（Ｎｏ）されたり、ステップＳ４３にて、「モータ角度－モータトルク」位相面図のデータと異常値の計測や故障実績値などのデータとの間に乖離がないと判定（Ｎｏ）されたりすると、処理を終了する。

図５に表す二点鎖線は、機械系１２の故障を回避するための位相面Ｐ_３を表す。図１および図５に示すように、状態推定装置３０による機械系１２の状態推定方法により、図５に点線で表す機械系１２の将来の位相面Ｐ_２に対して、図５に二点鎖線で表す機械系１２の最適運転時の位相面Ｐ_３を推定することができる。

また、図６に示すように、機械系１２における過去の位相面Ｐ_０と、現在の位相面Ｐ_１と、将来の位相面Ｐ_２の移動軌跡に対して、最適運転時の位相面Ｐ_３の移動軌跡を表すことができる。

機械系１２における最適運転パラメータとは、位相面がしきい値を超える方向になったとき、しきい値に近づかない運転方法、または、しきい値に近づくのを遅延させる運転手法およびメンテナンスを実施するための指令値である。以下に、制御装置１１による機械系１２の制御方法を説明するが、対象機器によっては、様々な運用方法として、回転数、バルブ流量制御、変速ギアの変更、可変ダンパの調整、締付トルクの変更、作動物質物性変更（流体、個体）、管理温度の変更、角度毎の動力(入力)分布の変更などがあり、機器への制御インプットパラメータ（動力、回転数、流量（物量））だけでなく、作動状態（定格から外れた運転状態や、振動が発生する条件）を制御する様々な運転制御条件に展開することができる。

例えば、モータ２１の起動時の回転数の上昇スピードを下げることで起動時間を確保し、機械系１２の付加を低減する。すなわち、十分に機械系１２を温める時間をとり、機械系１２に係る負荷を低減することで、機械系１２が最も損傷を受けやすい運転状態を緩和することができる。

また、定常運転時におけるモータ２１の回転数を一律低下させて機械系１２に係る負荷を低減させる。また、機械系１２の負荷を低減する運用制御により、機械系１２の負荷トルクを低減することで、定常時における機械系１２への負荷を低減する。また、損傷を与えやすい運転モード(非設計点)、運転状態（温度、作動流体・物体の物性）を回避する制御を行う。また、機械系１２の機器共振点（摩耗やガタと共に経年変化）を回避する、回転数、可変ダンパ調整、締付トルク変更、角度毎の動力(入力)分布変更をおこなう。また、アンバランス付加による偏心や角速度変更を利用した局所負荷低減コントロールを行う。また、グリースの注入インターバル(オイルバルブ開度)の変更による部品にかかる負荷量や摩耗量を低減する。

［本実施形態の作用効果］
第１の態様に係る駆動システムの状態推定装置は、モータ２１が連結部材２２を介して負荷２３に連結されて構成される機械系１２における状態を推定する駆動システム１０の状態推定装置３０であって、機械系１２の状態を表すデータを取得するデータ取得部（状態取得部）３１と、データ取得部３１が過去から現在までに時系列で取得した複数の時系列のデータに基づいて現在から未来までに位相面が変化する位相面図を生成する位相面図生成部３２と、位相面図生成部３２が生成した現在から未来までの位相面図に基づいて機械系１２の余寿命を推定する余寿命推定部３５とを備える。

第１の態様に係る駆動システムの状態推定装置によれば、過去から現在までの時系列のデータに基づいて現在から未来までに位相面が変化する位相面図を生成し、位相面図に基づいて機械系１２の余寿命を推定する。そのため、機械系１２の長期的な状態を推定することができ、高精度な状態推定を可能とすることができる。

第２の態様に係る駆動システムの状態推定装置は、位相面図生成部３２が生成した現在から未来までの位相面図に基づいてしきい値を設定するしきい値設定部３４を有し、余寿命推定部３５は、しきい値設定部３４が設定したしきい値に応じて機械系１２の余寿命を推定する。これにより、しきい値を用いることで、機械系１２の余寿命を高精度に推定することができる。

第３の態様に係る駆動システムの状態推定装置は、しきい値設定部３４は、機械系１２の摩耗量に応じてしきい値を設定する。これにより、しきい値を適正に設定することができる。

第４の態様に係る駆動システムの状態推定装置は、しきい値設定部３４は、機械系１２のガタ量に応じてしきい値を設定する。これにより、しきい値を適正に設定することができる。

第５の態様に係る駆動システムの状態推定装置は、余寿命推定部が推定した前記機械系の余寿命に基づいて余寿命を延長するために前記機械系への指令値としての最適運転パラメータを推定する最適運転パラメータ設定部を有する。これにより、機械系１２の余寿命を延長することができる。

第６の態様に係る駆動システムの状態推定方法は、モータ２１が連結部材２２を介して負荷２３に連結されて構成される機械系１２における状態を推定する駆動システムの状態推定方法であって、機械系１２の状態を表すデータを取得するステップと、過去から現在までに時系列で取得した複数の時系列のデータに基づいて現在から未来までに位相面が変化する位相面図を生成するステップと、現在から未来までの位相面図に基づいて機械系１２の余寿命を推定するステップとを有する。これにより、機械系１２の長期的な状態を推定することができ、高精度な状態推定を可能とすることができる。

１０ 駆動システム
１１ 制御装置
１２ 機械系
２１ モータ
２２ 連結部材
２３ 負荷
３０ 状態推定装置
３１ データ取得部（状態取得部）
３２ 位相面図生成部
３３ パラメータ推定部
３４ しきい値設定部
３５ 余寿命推定部
３６ データ出力部
３７ 予測モデル作成部
３８ 最適運転パラメータ設定部

Claims (6)

1. モータが連結部材を介して負荷に連結されて構成される機械系における状態を推定する駆動システムの状態推定装置であって、
   前記機械系の状態を表すデータを取得する状態取得部と、
   前記状態取得部が過去から現在までに時系列で取得した複数の時系列のデータに基づいて現在から未来までに位相面が変化する位相面図を生成する位相面図生成部と、
   前記位相面図生成部が生成した現在から未来までの位相面図に基づいて前記機械系の余寿命を推定する余寿命推定部と、
   を備える駆動システムの状態推定装置。
2. 前記位相面図生成部が生成した現在から未来までの位相面図に基づいてしきい値を設定するしきい値設定部を有し、前記余寿命推定部は、前記しきい値設定部が設定したしきい値に応じて前記機械系の余寿命を推定する、
   請求項１に記載の駆動システムの状態推定装置。
3. 前記しきい値設定部は、前記機械系の摩耗量に応じてしきい値を設定する、
   請求項２に記載の駆動システムの状態推定装置。
4. 前記しきい値設定部は、前記機械系のガタ量に応じてしきい値を設定する、
   請求項２に記載の駆動システムの状態推定装置。
5. 前記余寿命推定部が推定した前記機械系の余寿命に基づいて余寿命を延長するために前記機械系への指令値としての最適運転パラメータを推定する最適運転パラメータ設定部を有する、
   請求項１から請求項４のいずれか一項に記載の駆動システムの状態推定装置。
6. モータが連結部材を介して負荷に連結されて構成される機械系における状態を推定する駆動システムの状態推定方法であって、
   前記機械系の状態を表すデータを取得するステップと、
   過去から現在までに時系列で取得した複数の時系列のデータに基づいて現在から未来までに位相面が変化する位相面図を生成するステップと、
   現在から未来までの位相面図に基づいて前記機械系の余寿命を推定するステップと、
   を有する駆動システムの状態推定方法。

Images