JP2023165330A - モータ装置の検査装置およびモータ装置の検査方法 - Google Patents

Abstract

【課題】作業負担を軽減しつつ、モータ装置の検査を高精度に行うことができる検査装置等を提供する。【解決手段】モータ装置の検査を行う検査装置であって、モータ装置の動作時に発生する音および振動にそれぞれ基づく音圧および波形が含まれる時系列データを取得するデータ取得部と、データ取得部により取得された時系列データに対して周波数分析を実行するデータ処理部と、データ処理部により得られた周波数分析の結果に基づいて、モータ装置の評価区分を判定する判定部と、を備え、判定部は、モータ装置の動作音の聴感に基づいて決められた評価区分と、周波数分析の結果に対する機械学習に基づいたアルゴリズムによる判定を行う。【選択図】 図１

Description

本発明は、モータ装置の検査装置およびモータ装置の検査方法に関する。

特許文献１には、人の聴感検査に近い品質検査を実現することを目的として、あらかじめ作成された閾値と心理音響パラメータとを比較して、異音の有無を判定する品質検査装置が開示されている。

特開２０１１－２４２２２３号公報

しかし、モータ装置の異音の有無を高い精度で判定しようとすると、必要な閾値のパラメータ数が膨大となり、閾値の設定や判定のための作業負担が大きくなる。

本発明は、上記問題を解決すべくなされたもので、作業負担を軽減しつつ、モータ装置の検査を高精度に行うことができる検査装置等を提供することを目的とする。

上記問題を解決するために、本発明の一態様は、
モータ装置の検査を行う検査装置であって、
モータ装置の動作時に発生する音および振動にそれぞれ基づく音圧および波形が含まれる時系列データを取得するデータ取得部と、
前記データ取得部により取得された前記時系列データに対して周波数分析を実行するデータ処理部と、
前記データ処理部により得られた周波数分析の結果に基づいて、前記モータ装置の評価区分を判定する判定部と、
を備え、
前記判定部は、前記モータ装置の動作音の聴感に基づいて決められた前記評価区分と、前記周波数分析の結果に対する機械学習に基づいたアルゴリズムによる判定を行う、検査装置を提供する。

この発明によれば、作業負担を軽減しつつ、モータ装置の検査を高精度に行うことができる。

本実施例の検査装置の構成を示す図である。 モータ装置の検査時におけるモータに対する負荷の変動を示す図である。 判定部に対する機械学習時の状態を示す図である。 モータの電流値をモータ装置の評価区分の判定に使用する例を示す図である。

以下、本発明の実施例について図面を参照して説明する。

図１は、本実施例の検査装置の構成を示す図である。本実施例の検査装置１は、モータ装置の動作音を検査員が聴感に基づいて評価区分を判別していた検査を、ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ：人工知能）を用いた検査に置き換えることを可能とする装置である。

図１に示すように、検査装置１は、モータ装置２０の動作時に発生する音および振動に基づく音圧および振動波形が含まれる時系列データを取得するデータ取得部１１と、データ取得部１１により取得された時系列データに対して周波数分析を実行するデータ処理部１２と、データ処理部１２により得られた周波数分析の結果である特徴量に基づいて、モータ装置２０の評価区分をランダムフォレスト等の人工知能（ＡＩ）を用いて判定する判定部１３と、検査装置１およびモータ装置２０の動作を制御する制御部１５と、を備える。

モータ装置２０は、例えば、モータと、モータにより駆動される機構を有する装置であり、モータ装置２０は、モータ自体であってもよい。モータ装置２０の評価区分は、例えば、モータ装置２０の合否（合格、不合格）であるが、３つ以上の評価区分を用意してもよい。

図１に示すように、検査を受けるモータ装置２０は、製造ライン上、あるいは製造ラインの近傍に設置される検査ブース４０内に置かれ、制御部１５により制御される。モータ装置２０には、モータ装置２０の振動を検出する加速度センサ等のセンサ３２ａ、３２ｂが取り付けられる。また、検査ブース４０内には、モータ装置２０の動作音を捉える音圧センサ３１（マイクロフォン）が設けられる。

なお、図１の例では、センサ３２ａ、３２ｂとして、例えば方向が異なる振動のデータ（例えば、方向が異なる加速度）を取得し、あるいは、モータ装置２０内における異なる場所での振動のデータを取得するために２つのセンサを設けてもよい。しかし、振動を検出するためのセンサの数は任意である。方向が異なる複数の振動のデータ、およびモータ装置２０内における異なる場所での振動の複数のデータは、それぞれ個別の時系列データとして取り扱うことができる。この場合、異音の種類に応じて、特徴が現れる振動の方向や振動が発生する場所が異なるため、振動の方向や振動が発生する場所を特徴量に加えることにより、異音を適切に検出することが可能となる。

また、音圧センサ３１に代えて、設置場所や指向性の異なる複数の音圧センサ（マイクロフォン）を設定してもよい。複数の音圧センサにより得られる音圧データは、それぞれ個別の時系列データとして取り扱うことができる。

モータ装置２０は、制御部１５による制御に従って動作し、動作時の振動がセンサ３２ａ、３２ｂにより、動作時の動作音が音圧センサ３１により、それぞれ電気信号に変換されて、データ取得部１１により取得される。センサ３２ａ、３２ｂにより得られる振動波形および音圧センサ３１により得られる音圧は、時間軸を共通にする時系列データとして、取り扱われる。

検査対象となるモータ装置２０の制御方法は任意であるが、例えば、モータ装置２０におけるモータの回転数や負荷、あるいはモータに与える駆動電圧波形を制御部１５により制御してもよい。なお、モータ装置２０は、周期的な動作を行なうため、１回の検査サイクルの期間は、少なくとも、モータ装置２０の１回分の動作周期が含まれるように設定される。１回の検査サイクルの期間を、モータ装置２０の複数の動作周期が含まれるように設定してもよい。いずれにしても、時系列データの時間軸は、モータ装置２０の動作周期との関係で把握される必要がある。

図２は、モータ装置の検査時におけるモータに対する負荷の変動を示す図である。

一般的に、モータ装置２０は、モータの回転状態や駆動機構の噛合い、磁気回路など、異音の要因別に異音の種類ごとに音圧や振動の周波数帯域が異なっている。このため、本実施例では、異音の各種類に対応した周波数帯域をそれぞれ周波数分析の対象範囲として設定している。例えば、発生しうる周波数がスロット数や極数により決まる異音であれば、その時点におけるモータの回転数に対応した周波数帯域を、周波数分析の対象範囲として設定することができる。データ処理部１２は、設定された周波数帯域におけるパーシャル・オーバー・オールの値を特徴量として算出し、判定部１３に出力する。

また、一般に、モータに対する負荷や回転数によって発生しうる異音の種類が異なるため、本実施例では、１回の検査サイクルの中で、負荷や回転数を連続的に変化させている。図２では、検査サイクルの中で負荷を変化させる例を示している。図２の例では、負荷の変動にあわせて、検査サイクルの時間軸を８つの区間ｔ１～ｔ７に区分している。区間ｔ１～ｔ７は、モータの駆動開始時や、負荷の変動、回転方向の反転などのタイミングを考慮して設けることができる。そして、区間ｔ１～ｔ７の中から異音の種類に応じた区間が周波数分析の対象区間として設定される。

例えば、負荷の低い区間（例えば、区間ｔ１など）や負荷の高い区間（例えば、区間ｔ３など）で発生する種類の異音については、それぞれ対応する区間が含まれるように周波数分析の対象区間が設定される。

また、例えば、駆動機構がモータの回転をワイパーの往復運動に変換する減速機構であった場合、ワイパーの運動の方向が切り替わる区間で減速機構の噛合い状態の変化に起因する異音が発生する可能性がある。このような場合には、この種の異音を検出できるよう、モータ装置２０の動作周期における当該区間が含まれるように周波数分析の対象区間が設定されてもよい。

このように、データ処理部１２は、異音の種類に対応した周波数帯域および時間軸における対象区間を設定し、周波数帯域と時間帯とを組み合わせた範囲に限定して周波数分析を行ってパーシャル・オーバー・オールの値を算出している。また、算出されたパーシャル・オーバー・オールの値を時間帯（時間軸における対象区間）と組み合わされた特徴量として、判定部１３における判定を行っている。上記のように、さらに、振動の方向や、振動が発生している場所も、時間帯および特定の周波数帯域における振動波形のパーシャル・オーバー・オールの値と組み合わされ、特徴量として使用され得る。

このため、データ処理部１２における周波数分析および判定部１３における判定に対する負荷を軽減できるとともに、判定部１３における判定精度を向上させることができる。

なお、周波数帯域と時間帯のいずれか一方のみについて、周波数分析の範囲を限定してもよい。例えば、時間帯と無関係に発生しうる異音については、周波数帯域のみを限定し、異音に含まれる可能性がある周波数帯域を特定し難い場合などには、時間帯のみを限定してもよい。また、音圧と振動波形のいずれか一方のみについて、周波数分析の範囲を限定してもよい。

図３は、判定部に対する機械学習時の状態を示す図である。

本実施例では、判定部１３に対し、所定台数のモータ装置２０に対するデータ処理部１２による周波数分析の結果である、時間帯に対応付けられた特定の周波数帯域におけるパーシャル・オーバー・オールと、同一のモータ装置２０に対する聴感に基づく判定結果とが学習データとして与えられる。所定台数の中からランダムに複数台数のデータを、重複を排除せずに抽出し、その中から重要度の高い複数個の特徴量を選択する学習を行う。これにより、複数の異なる決定木を持った多数決でモータ装置２０の評価区分を判定するランダムフォレストを作成している。なお、学習時においても、モータ装置２０の評価区分の判定時と同様、異音の種類に対応した周波数帯域および時間軸における対象区間を設定し、データ処理部１２において、周波数帯域と時間帯とを組み合わせた範囲に限定して周波数分析を行っている。判定部１３には、モータ装置２０の評価区分の判定時と同様、データ処理部１２により算出されたパーシャル・オーバー・オールの値が、時間帯と組み合わされたデータとして与えられる。

また、本実施例において、学習時には、時系列データとして外乱を含むデータが使用されてもよい。具体的には、モータ装置２０の評価区分の判定時と同様の環境下にモータ装置２０を設置し、その時に得られる音圧および振動波形の時系列データを用いて、学習を行わせることができる。図１に示すように、モータ装置２０の評価区分の判定時には、検査ブース４０にモータ装置２０が設置される。しかし、検査ブース４０に高い遮音性能を与えることは困難であり、製造ラインにおいて発生する騒音が外乱として音圧センサ３１によって捉えられる。また、センサ３２ａ、３２ｂにより捉えられる振動にも、外乱の影響が含まれる可能性もある。したがって、学習時においても、このような外乱を含む時系列データの周波数分析結果を用いることにより、外乱に対するロバスト性を高め、判定部１３における判定精度の向上を図ることができる。

本実施例では、判定部１３において、モータ装置２０の動作時に発生する音圧を周波数分析した結果だけでなく、モータ装置２０の動作時に発生する振動波形を周波数分析した結果を用いてモータ装置２０の評価区分を判定している。このように、音圧だけでなく、振動波形を用いてモータ装置２０の評価区分を判定することにより、外乱の影響を抑制することができ、判定精度を大幅に向上させることができる。すなわち、製造現場では、周囲の製造機械や搬送機械などの騒音がモータ装置２０の動作音に混入し、騒音が音圧の時系列データに与える影響を排除することは困難である。一方、モータ装置２０の振動については、外部から伝達される振動の影響を大幅に抑制することは比較的容易である。また、振動は異音の発生との間で比較的、高い相関を有する。このため、本実施例において、音圧だけでなく、振動波形に基づいてモータ装置２０の評価区分を判定することは、音圧における外乱の影響を抑制するために非常に有効な手段となっている。なお、音のみを使用してモータ装置２０の評価区分を判定する場合、外乱音を排除するための複雑なアルゴリズムや、防音のための設備が必要となり、製造コストの上昇や、判定に必要な計算時間の増加を招く。これに対し、本実施例のように、振動を併用することにより、コスト上昇や計算の負担を抑えつつ、外乱に対するロバスト性を向上させることができる。

図４は、モータの電流値をモータ装置の評価区分の判定に使用する例を示す図である。

モータ装置２０の評価区分を判定するにあたり、モータ装置２０に含まれるモータに供給される電流の電流値（モータの電流値）の時系列データを、音圧および振動波形の時系列データに加えて用いることができる。

モータの電流値は、モータ装置２０又は制御部１５から取得することができ、例えば、図４に示すように、データ処理部１２において取得される。データ処理部１２では、取得されたモータの電流値を、音圧および振動波形の時系列データと時間軸を揃えた時系列データとして判定部１３に出力する。判定部１３では、音圧および振動波形の周波数分析の結果と併せて、モータの電流値に係る情報を特徴量として用いてモータ装置の評価区分を判定する。

異音の種類によっては、モータの電流値は、異音の発生との間で高い相関を示す。例えば、異音の発生時に、モータの電流値に増減の変化がある場合や、異音の発生時に、モータの電流値の波形が特有の形状を示す場合がある。また、異音の発生時に、異音と同じ周波数帯域、あるいは相関のある周波数帯域での電流値の振動を示す場合もある。一方、モータの電流値は、基本的に、モータ装置２０の外部からの外乱の影響を受けない。

このため、モータの電流値を加味してモータ装置の評価区分を判定することにより、評価区分の判定精度を高めることができる。すなわち、モータの電流値を特徴量に加えることにより、製造コストの上昇や、判定に必要な計算時間の増加を招くことなく、外乱に対するロバスト性をさらに向上させることができる。

なお、判定に利用されるモータの電流値のパラメータの形態は任意である。例えば、モータの電流値の変動方向（増減）や波形を特徴量として利用してもよく、モータの電流値を周波数分析した結果を特徴量として利用してもよい。

以上のように、上記実施例によれば、判定部１３において、機械学習に基づいたアルゴリズムによる判定を行っている。このため、モータ装置の異音の有無を判定するための膨大な数のパラメータについて閾値を用意する必要がなく、閾値の設定や判定のための作業負担を軽減できる。また、モータ装置の検査を高精度に行うことができる。

また、本実施例では、判定部１３において、音圧だけではなく、モータ装置２０の動作時に発生する振動の波形を周波数分析した結果を特徴量として用いてモータ装置２０の評価区分を判定している。このため、外乱の影響を抑制することができ、モータ装置２０の評価区分の判定精度を向上させることができる。また、図４に示す例では、判定部１３において、音圧および振動の波形だけではなく、モータ装置２０の動作時におけるモータの電流値に係るパラメータを特徴量として用いてモータ装置２０の評価区分を判定している。このため、外乱の影響を抑制することができ、モータ装置２０の評価区分の判定精度を向上させることができる。

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

なお、以上の本発明の実施例に関し、更に以下の付記を開示する。

［付記１］
モータ装置（２０）の検査を行う検査装置（１）であって、
モータ装置の動作時に発生する音および振動にそれぞれ基づく音圧および波形が含まれる時系列データを取得するデータ取得部（１１）と、
前記データ取得部により取得された前記時系列データに対して周波数分析を実行するデータ処理部（１２）と、
前記データ処理部により得られた周波数分析の結果に基づいて、前記モータ装置の評価区分を判定する判定部（１３）と、
を備え、
前記判定部は、前記モータ装置の動作音の聴感に基づいて決められた前記評価区分と、前記周波数分析の結果に対する機械学習に基づいたアルゴリズムによる判定を行う、検査装置。

付記１に記載の構成によれば、判定部は、機械学習に基づいたアルゴリズムによる判定を行うので、作業負担を軽減しつつ、高精度な判定結果を得ることができる。また、時系列データとして、外乱の影響を受けにくい振動に基づく波形が含まれるので、外乱による影響を効果的に抑制できる。

［付記２］
前記判定部には、モータの電流値が与えられ、前記判定部は、前記周波数分析の結果とともに前記電流値に基づいて前記モータ装置の評価区分を判定する、付記１に記載の検査装置。

付記２に記載の構成によれば、判定部は、基本的に外乱の影響を受けないモータの電流値を用いて判定を行うので、外乱による影響を効果的に抑制できる。

［付記３］
前記判定部に対する学習時には、前記時系列データとして外乱を含むデータが使用される、付記１に記載の検査装置。

付記３に記載の構成によれば、判定部に対する学習時には、時系列データとして外乱を含むデータが使用されるので、外乱に対するロバスト性を高め、判定部における判定精度の向上を図ることができる。

［付記４］
前記判定部は、ランダムフォレストによる判定を行う、付記１～付記３のうちいずれか１項に記載の検査装置。

付記４に記載の構成によれば、ランダムフォレストにより、作業負担を軽減しつつ、高精度な判定結果を得ることができる。

［付記５］
モータ装置の検査を行う検査方法であって、
モータ装置の動作時に発生する音および振動に基づく音圧および振動波形が含まれる時系列データを取得するデータ取得ステップと、
前記データ取得ステップにより取得された前記時系列データに対して周波数分析を実行するデータ処理ステップと、
前記データ処理ステップにより得られた周波数分析の結果に基づいて、前記モータ装置の評価区分を判定する判定ステップと、
をコンピュータが実行し、
前記判定ステップでは、前記モータ装置の動作音の聴感に基づいて決められた前記評価区分と、前記周波数分析の結果に対する機械学習に基づいたアルゴリズムによる判定を行う、検査方法。

付記５に記載の構成によれば、判定ステップでは、機械学習に基づいたアルゴリズムによる判定を行うので、作業負担を軽減しつつ、高精度な判定結果を得ることができる。また、時系列データとして、外乱の影響を受けにくい振動に基づく波形が含まれるので、外乱による影響を効果的に抑制できる。

１ 検査装置
１１ データ取得部
１２ データ処理部
１３ 判定部

Claims (5)

1. モータ装置の検査を行う検査装置であって、
   モータ装置の動作時に発生する音および振動にそれぞれ基づく音圧および波形が含まれる時系列データを取得するデータ取得部と、
   前記データ取得部により取得された前記時系列データに対して周波数分析を実行するデータ処理部と、
   前記データ処理部により得られた周波数分析の結果に基づいて、前記モータ装置の評価区分を判定する判定部と、
   を備え、
   前記判定部は、前記モータ装置の動作音の聴感に基づいて決められた前記評価区分と、前記周波数分析の結果に対する機械学習に基づいたアルゴリズムによる判定を行う、検査装置。
2. 前記判定部には、モータの電流値が与えられ、前記判定部は、前記周波数分析の結果とともに前記電流値に基づいて前記モータ装置の評価区分を判定する、請求項１に記載の検査装置。
3. 前記判定部に対する学習時には、前記時系列データとして外乱を含むデータが使用される、請求項１に記載の検査装置。
4. 前記判定部は、ランダムフォレストによる判定を行う、請求項１～請求項３のうちいずれか１項に記載の検査装置。
5. モータ装置の検査を行う検査方法であって、
   モータ装置の動作時に発生する音および振動に基づく音圧および振動波形が含まれる時系列データを取得するデータ取得ステップと、
   前記データ取得ステップにより取得された前記時系列データに対して周波数分析を実行するデータ処理ステップと、
   前記データ処理ステップにより得られた周波数分析の結果に基づいて、前記モータ装置の評価区分を判定する判定ステップと、
   をコンピュータが実行し、
   前記判定ステップでは、前記モータ装置の動作音の聴感に基づいて決められた前記評価区分と、前記周波数分析の結果に対する機械学習に基づいたアルゴリズムによる判定を行う、検査方法。

Images