JP6465236B1 - 制御装置、制御方法、制御システム、学習装置、及びモデルデータの生成方法 - Google Patents

Abstract

【課題】界磁磁石の減磁をより高い信頼性で検出できる制御装置を提供する。【解決手段】制御装置１００は、界磁磁石２３及びステータ３０を有する電動機１０に駆動電力を供給する電力供給回路２００と、電動機１０の電機子鎖交磁束に関する磁束関連データを取得する磁束推定器３２４と、磁束関連データから高調波成分を抽出する高調波抽出部３５０と、高調波成分の増加に基づいて、界磁磁石２３の減磁を検出する減磁検出部３６０と、を備える。【選択図】図１

Description

本開示は、制御装置、制御方法、制御システム、学習装置、及びモデルデータの生成方法に関する。

特許文献１には、電力変換器が印加する交流電圧と電流センサが検出したモータ電流とに基づいて適応磁束オブザーバが無負荷運転時に推定する永久磁石同期電動機の磁束と、予め設定された磁束参照値とを比較して減磁の有無を診断する減磁診断装置が開示されている。

国際公開第２０１４／１１８９５８号

本開示は、界磁磁石の減磁をより高い信頼性で検出できる制御装置を提供することを目的とする。

本開示の一側面に係る制御装置は、界磁磁石及び電機子を有する電動機に駆動電力を供給する電力供給回路と、電動機の電機子鎖交磁束に関するデータである磁束関連データを取得するデータ取得部と、磁束関連データから高調波成分を抽出する高調波抽出部と、高調波成分の増加に基づいて、界磁磁石の減磁を検出する減磁検出部と、を備える。

本開示の他の側面に係る制御方法は、界磁磁石及び電機子を有する電動機に駆動電力を供給するように電力供給回路を制御することと、電動機の電機子鎖交磁束に関するデータである磁束関連データを取得することと、磁束関連データから高調波成分を抽出することと、高調波成分の増加に基づいて、界磁磁石の減磁を検出することと、を含む。

本開示の更に他の側面に係る制御システムは、制御装置と、学習装置とを備え、制御装置は、界磁磁石及び電機子を有する電動機に駆動電力を供給する電力供給回路と、電動機の電機子鎖交磁束に関するデータである磁束関連データを取得するデータ取得部と、磁束関連データから高調波成分を抽出する高調波抽出部と、複数の次数における高調波成分の大きさと、界磁磁石の減磁状態との関係を示すように機械学習により構築されたモデルに基づいて界磁磁石の減磁を検出する減磁検出部と、を有し、学習装置は、複数の次数における高調波成分の大きさに関するデータと、界磁磁石の減磁状態に関するデータとの組み合わせデータを蓄積するデータ蓄積部と、データ蓄積部に蓄積された組み合わせデータに基づく機械学習によりモデルを構築するモデル構築部と、を有する。

本開示の更に他の側面に係る学習装置は、界磁磁石及び電機子を有する電動機の電機子鎖交磁束のうち、複数の次数における高調波成分の大きさに関するデータと、界磁磁石の減磁状態を示すデータと、の組み合わせデータを蓄積するデータ蓄積部と、複数の次数における高調波成分の大きさと、界磁磁石の減磁状態との関係を示すモデルを、蓄積した組み合わせデータに基づく機械学習により構築するモデル構築部と、を備える。

本開示の更に他の側面に係るモデルデータの生成方法は、界磁磁石及び電機子を有する電動機の電機子鎖交磁束のうち、複数の次数における高調波成分の大きさに関するデータと、界磁磁石の減磁状態を示すデータと、の組み合わせデータを蓄積することと、複数の次数における高調波成分の大きさと、界磁磁石の減磁状態との関係を示すモデルを特定するデータを、蓄積した組み合わせデータに基づく機械学習により導出することと、を含むモデルデータの生成方法。

本開示によれば、界磁磁石の減磁をより高い信頼性で検出できる制御装置を提供することができる。

制御装置の概略構成を示す模式図である。 電動機の構造を単純化して示す模式図である。 制御回路の機能的な構成を示すブロック図である。 減磁診断器の機能的な構成を示すブロック図である。 学習装置の機能的な構成を示すブロック図である。 制御システムのハードウェア構成図である。 減磁診断手順を示すフローチャートである。 モデル構築手順を示すフローチャートである。

以下、実施形態について、図面を参照しつつ詳細に説明する。説明において、同一要素又は同一機能を有する要素には同一の符号を付し、重複する説明を省略する。

〔駆動システム〕
図１に示す駆動システム１は、電力により駆動対象を駆動するためのシステムである。駆動システム１は、電動機１０と、位置センサ５０と、制御装置１００とを備える。

（電動機）
電動機１０は、界磁磁石及び電機子を有する。電動機１０は、例えば回転型のモータである。図２は、電動機１０の一例として、回転界磁型モータの構造の一例を単純化して示す模式図である。図２に示すように、電動機１０は、ロータ２０とステータ３０とを有する。ロータ２０は、シャフト２１と、シャフト２１の外周に設けられたロータコア２２と、ロータコア２２に取り付けられた界磁磁石２３とを有する。界磁磁石２３は、例えば永久磁石である。ステータ３０（電機子）は、ステータコア４１と、複数のコイル４２とを有する。ステータコア４１は、ロータ２０を包囲するヨーク４１ａと、ヨーク４１ａからロータ２０側に突出した複数のティース４１ｂとを含む。複数のティース４１ｂは、ヨーク４１ａの内周に沿って実質的に等間隔に配置されている。複数のコイル４２は、複数のティース４１ｂにそれぞれ装着されており、電力の供給に応じて回転磁界を発生させる。図においては、単純化のために、３相３スロットのステータ３０を示しているが、ステータ３０のスロット数はこれに限られない。

なお、電動機１０は、界磁磁石及び電機子を有する限りいかに構成されていてもよい。例えば、図においては界磁磁石２３がロータコア２２の表面に設けられたＳＰＭ（Ｓｕｒｆａｃｅ Ｐｅｒｍａｎｅｎｔ Ｍａｇｎｅｔ）モータを例示しているが、これに限られない。電動機１０は、界磁磁石２３がロータコア２２内に埋め込まれたＩＰＭ（Ｉｎｔｅｒｉｏｒ Ｐｅｒｍａｎｅｎｔ Ｍａｇｎｅｔ）モータであってもよい。また、単純化のために界磁を２極とし、電機子を３相３スロットにして図示しているが、界磁の極数及び電機子のスロット数はこれに限られない。電動機１０は、回転電機型モータであってもよいし、リニアモータであってもよい。

（位置センサ）
位置センサ５０は、少なくとも電動機１０の動作速度に関する情報を検出するセンサである。例えば位置センサ５０は、ロータリーエンコーダであり、ロータ２０の回転速度に比例した周波数のパルス信号を発生させる。

（制御装置）
図１に戻り、制御装置１００は、電力供給回路２００と、電流センサ１１１，１１２，１１３と、制御回路３００とを備える。電力供給回路２００は、電動機１０に駆動電力を供給する。整流回路２１０は、例えばダイオードブリッジ回路であり、交流電源ＰＳの電力を直流化して直流母線２０１，２０２に出力する。平滑コンデンサ２２０は直流母線２０１，２０２間に接続されており、直流母線２０１，２０２間の直流電圧を平滑化する。

インバータ回路２３０は、直流母線２０１，２０２の直流電力を交流電力（例えば三相交流電力）に変換して電動機１０に出力する回路である。インバータ回路２３０は、スイッチング回路２４０とゲート駆動回路２５０とを含む。

スイッチング回路２４０は、複数のスイッチング素子２４１を有するブリッジ回路であり、当該複数のスイッチング素子２４１のオン・オフを切り替えることにより、直流電力を交流電力に変換する。スイッチング素子２４１は、例えばパワーＭＯＳＦＥＴ（Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ Ｆｉｅｌｄ Ｅｆｆｅｃｔ Ｔｒａｎｓｉｓｔｏｒ）又はＩＧＢＴ（Ｉｎｓｕｌａｔｅｄ Ｇａｔｅ Ｂｉｐｏｌａｒ Ｔｒａｎｓｉｓｔｏｒ）等であり、ゲート駆動信号に応じてオン・オフを切り替える。

ゲート駆動回路２５０は、制御回路３００からの指令（例えば電圧指令）に応じたゲート駆動信号を生成し、スイッチング回路２４０のスイッチング素子２４１に出力する。ゲート駆動回路２５０は、上アーム（正極の直流母線２０１側のスイッチング素子２４１）及び下アーム（負極の直流母線２０２側のスイッチング素子２４１）が同時にオンとなることを防止するデッドタイム回路（不図示）を含んでいてもよい。

電力供給回路２００は、電動機１０に駆動電力を供給するように構成される限り、いかに構成されてもよい。例えば電力供給回路２００は、整流回路２１０と、平滑コンデンサ２２０と、インバータ回路２３０とを有し、電動機１０に電圧を供給する電圧形インバータや、平滑コンデンサ２２０に代えて直流リアクトルを備え、電動機１０に電流を供給する電流形インバータであってもよく、さらには、交流電源ＰＳ側の交流電力と電動機１０側の交流電力との間で双方向の電力変換を行うマトリクスコンバータ回路であってもよい。

電流センサ１１１，１１２，１１３は、インバータ回路２３０から電動機１０への電流を検出する。電流センサ１１１はｕ相電流（三相交流のＵ相の電流）を検出し、電流センサ１１２はｖ相電流（三相交流のＶ相の電流）を検出し、電流センサ１１３はｗ相電流（三相交流のＷ相の電流）を検出する。

制御回路３００は、電動機１０に駆動電力を供給するように電力供給回路２００を制御することと、駆動電力に基づいて、コイル４２の鎖交磁束（電機子鎖交磁束）に関する磁束関連データを導出することと、磁束関連データから高調波成分を抽出することと、高調波成分の増加に基づいて、界磁磁石２３の減磁を検出することと、を実行するように構成されている。以下、制御回路３００の構成をより詳細に説明する。その説明において、「αβ座標系」は電動機１０のステータ３０に固定された固定座標系を意味する。αβ座標系は互いに直交する「α軸」及び「β軸」を有する。α軸及びβ軸は、いずれもシャフト２１の中心線に直交している。「ｄｑ座標系」は電動機１０のロータ２０と共に回転する回転座標系を意味する。ｄｑ座標系は互いに直交する「ｄ軸」及び「ｑ軸」を有する。ｄ軸及びｑ軸はいずれもシャフト２１の中心線に直交している。

図３に例示するように、制御回路３００は、機能上の構成（以下、「機能モジュール」という。）として、指令生成部３１０と、情報検出部３２０とを有する。

指令生成部３１０は、電動機１０の速度を目標速度に追従させるように電力供給回路２００への指令値を生成する。指令値は、電圧指令値であってもよく、電流指令値であってもよい。例えば指令生成部３１０は、より細分化されたモジュールとして、速度制御器３１１と、電流制御器３１２と、座標変換器３１３とを有する。

速度制御器３１１は、目標速度ω＿ｒｅｆと、電動機１０の速度ω（例えばステータ３０に対するロータ２０の回転角速度）との偏差を縮小させるためのｑ軸電流指令ｉｑ＿ｒｅｆを生成する。ｑ軸電流とは、ｑ軸方向の電流（ｑ軸方向の磁束をステータ３０に発生させるための電流）を意味する。例えば速度制御器３１１は、目標速度ω＿ｒｅｆと速度ωとの偏差に比例演算、比例・積分演算、又は比例・積分・微分演算を行ってｑ軸電流指令ｉｑ＿ｒｅｆを生成する。

電流制御器３１２は、ｑ軸電流指令ｉｑ＿ｒｅｆとｑ軸電流ｉｑとの偏差を縮小させるためのｑ軸電圧指令Ｖｑ＿ｒｅｆを生成する。ｑ軸電圧とは、ｑ軸電流と同方向の電圧を意味する。例えば電流制御器３１２は、ｑ軸電流指令ｉｑ＿ｒｅｆとｑ軸電流ｉｑとの偏差に比例演算、比例・積分演算、又は比例・積分・微分演算を行ってｑ軸電圧指令Ｖｑ＿ｒｅｆを生成する。

これと同様に、電流制御器３１２は、ｄ軸電流指令ｉｄ＿ｒｅｆとｄ軸電流ｉｄとの偏差を縮小させるためのｄ軸電圧指令Ｖｄ＿ｒｅｆを生成する。ｄ軸電流とは、ｄ軸方向の電流（ｄ軸方向の磁束をステータ３０に発生させるための電流）を意味する。ｄ軸電流指令ｉｄ＿ｒｅｆは、例えば操作者の入力により設定される。ｄ軸電圧とは、ｄ軸電流と同方向の電圧を意味する。

座標変換器３１３は、ｑ軸電圧指令Ｖｑ＿ｒｅｆ及びｄ軸電圧指令Ｖｄ＿ｒｅｆに座標変換を施してｕ相電圧指令Ｖｕ＿ｒｅｆ、ｖ相電圧指令Ｖｖ＿ｒｅｆ、及びｗ相電圧指令Ｖｗ＿ｒｅｆを生成し、これらをインバータ回路２３０のゲート駆動回路２５０に出力する。ｕ相電圧はＵ相の電圧であり、ｖ相電圧はＶ相の電圧であり、ｗ相電圧はＷ相の電圧である。

情報検出部３２０は、指令生成部３１０による制御処理等に必要な各種情報を検出する。例えば情報検出部３２０は、より細分化されたモジュールとして、座標変換器３２１と、位置導出器３２２と、速度導出器３２３と、磁束推定器３２４と、減磁診断器３３０と、減磁報知器３２６とを有する。

座標変換器３２１は、電流センサ１１１，１１２，１１３によりそれぞれ検出されたｕ相電流ｉｕ、ｖ相電流ｉｖ及びｗ相電流ｉｗに座標変換を施してｄ軸電流ｉｄ及びｑ軸電流ｉｑを導出する。

位置導出器３２２は、位置センサ５０により検出される情報に基づいて、ロータ２０の位置情報（例えばαβ座標系に対するｄｑ座標系の回転角度θ）を導出する。例えば位置導出器３２２は、位置センサ５０からのパルス信号をカウントして回転角度θを導出する。位置導出器３２２により導出された回転角度θは、上記座標変換器３１３，３２１における座標変換に用いられる。

速度導出器３２３は、位置センサ５０により検出される情報に基づいてロータ２０の速度情報（例えば上記速度ω）を導出する。例えば速度導出器３２３は、位置センサ５０からのパルス信号の周波数に基づいて速度ωを導出する。速度導出器３２３により導出された速度ωは上記速度制御器３１１にフィードバックされる。

なお、位置導出器３２２及び速度導出器３２３は、ロータ２０の位置情報及び速度情報をそれぞれ導出する限りいかに構成されていてもよい。例えば速度導出器３２３は、位置センサ５０により検出される情報に代えて、ｄ軸電流ｉｄ及びｑ軸電流ｉｑに基づくトルク推定値の積分により速度ωを導出するように構成されていてもよい。位置導出器３２２は、速度導出器３２３により導出された速度ωの積分により回転角度θを導出するように構成されていてもよい。

磁束推定器３２４（データ取得部）は、コイル４２の鎖交磁束に関するデータである磁束関連データを取得する。例えば磁束推定器３２４は、電力供給回路２００が電動機１０に供給する駆動電力に基づいて、コイル４２の鎖交磁束に関する推定データを磁束関連データとして導出する。例えば磁束推定器３２４は、ｄ軸電流ｉｄ、ｑ軸電流ｉｑ、ｄ軸電圧指令Ｖｄ＿ｒｅｆ及びｑ軸電圧指令Ｖｑ＿ｒｅｆに基づいて、α軸磁束推定値Φα及びβ軸磁束推定値Φβを算出する。α軸磁束推定値Φαはα軸方向の磁束推定値であり、β軸磁束推定値Φβはβ軸方向の磁束推定値である。より具体的に、磁束推定器３２４は、次式に基づいてα軸磁束推定値Φα及びβ軸磁束推定値Φβを導出する。

Φｄ ： ｄ軸磁束推定値
Φｑ ： ｑ軸磁束推定値
Ｖｄ＿ｒｅｆ ： ｄ軸電圧指令
Ｖｑ＿ｒｅｆ ： ｑ軸電圧指令
ｉｄ ： ｄ軸電流
ｉｑ ： ｑ軸電流
Ｒ ： 電動機の巻線抵抗
Ｌｄ ： ｄ軸インダクタンス
Ｌｑ ： ｑ軸インダクタンス
ω ： 速度

θ ： 回転角度

なお、上記式（１）は、次の電圧・電流方程式（３）に基づいている。ロータ２０が一定速度で回転している定常状態においては、式（３）の微分項を無視することが可能である。微分項を無視した式（３）を変形し、更に電圧値を電圧指令値に置き換えると式（１）が得られる。

Ｖｄ ： ｄ軸電圧
Ｖｑ ： ｑ軸電圧

なお、磁束関連データの導出手法はここに例示するものに限られない。例えば、ｕ相電圧指令Ｖｕ＿ｒｅｆ、ｖ相電圧指令Ｖｖ＿ｒｅｆ及びｗ相電圧指令Ｖｗ＿ｒｅｆに代えて、電圧センサ等による実測値を用いてもよい。また、磁束関連データは、少なくともコイル４２の鎖交磁束に相関するデータであればよく、必ずしもコイル４２の鎖交磁束自体を示すデータでなくてもよい。また、磁束関連データは、必ずしも駆動電力に基づいて導出される推定データでなくてもよく、磁束センサ等による実測値であってもよい。

減磁診断器３３０は、磁束推定器３２４により導出された磁束関連データに基づいて、界磁磁石２３の減磁の有無を診断する。減磁報知器３２６は、減磁診断器３３０が界磁磁石２３の減磁を検出した場合に、操作者に界磁磁石２３の減磁を報知する。例えば減磁報知器３２６は、操作画面上の表示又は表示灯の点灯等により界磁磁石２３の減磁を報知する。図４に例示するように、減磁診断器３３０は、より細分化されたモジュールとして、基本波抽出部３４０と、複数の高調波抽出部３５０と、減磁検出部３６０とを含む。

基本波抽出部３４０は、磁束推定器３２４により導出された磁束関連データから基本波成分を抽出する。基本波成分とは、ロータ２０の回転に同期した周波数の振動成分である。例えば基本波抽出部３４０は、振幅導出器３４１を含む。振幅導出器３４１は、α軸磁束推定値Φα及びβ軸磁束推定値Φβの振幅（以下、「基本波振幅｜Φ｜」という。）を導出する。例えば振幅導出器３４１は、α軸磁束推定値Φα及びβ軸磁束推定値Φβの二乗和の平方根を基本波振幅｜Φ｜として導出する。

高調波抽出部３５０は、磁束推定器３２４により導出された磁束関連データから高調波成分を抽出する。高調波成分とは、基本波成分の周波数を整数倍した周波数の振動成分である。例えば高調波抽出部３５０は、座標変換器３５１と、ローパスフィルタ３５２，３５３と、振幅導出器３５４とを含む。

座標変換器３５１は、α軸磁束推定値Φα及びβ軸磁束推定値Φβに座標変換を施して、ｄｈｑｈ座標系の磁束推定値Φｄｈ及び磁束推定値Φｑｈを導出する。ｄｈｑｈ座標系は、ｄｑ座標系に比較して整数ｈ倍の角速度で回転する座標系であり、ｄ軸に対応するｄｈ軸及びｑ軸に対応するｄｑ軸を有する。磁束推定値Φｄｈは、ｄｈ軸方向の磁束推定値であり、磁束推定値Φｑｈはｑｈ軸方向の磁束推定値である。ローパスフィルタ３５２，３５３は磁束推定値Φｄｈ，Φｑｈから低周波成分をそれぞれ抽出するフィルタである。振幅導出器３５４は、ローパスフィルタ３５２，３５３により抽出された低周波成分の振幅（以下、「ｈ次高調波振幅｜Φｈ｜」という。）を導出する。例えば振幅導出器３５４は、ローパスフィルタ３５２，３５３により抽出された低周波成分の二乗和の平方根をｈ次高調波振幅｜Φｈ｜として導出する。

なお、高調波成分の導出手法はここに例示するものに限られない。例えば高調波抽出部３５０は、座標変換器３５１の出力である磁束推定値Φｄｈ，Φｑｈをローパスフィルタ３５２，３５３に先立って振幅導出器３５４に入力し、振幅導出器３５４の出力をローパスフィルタに通してｈ次高調波振幅｜Φｈ｜を導出してもよい。また、高調波抽出部３５０は、α軸磁束推定値Φα及びβ軸磁束推定値Φβをバンドパスフィルタに通してｈ次高調波振幅｜Φｈ｜を導出してもよい。更に高調波抽出部３５０は、α軸磁束推定値Φα及びβ軸磁束推定値Φβに高速フーリエ変換を施してｈ次高調波振幅｜Φｈ｜を導出してもよい。

複数の高調波抽出部３５０は、複数種類の高調波成分をそれぞれ抽出する。図は、複数の高調波抽出部３５０が、２次の高調波成分を抽出する高調波抽出部３５０Ａと、６次の高調波成分を抽出する高調波抽出部３５０Ｂと、１２次の高調波成分を抽出する高調波抽出部３５０Ｃとを含んでいる場合を例示している。

減磁検出部３６０は、高調波抽出部３５０により抽出される高調波成分の増加に基づいて、界磁磁石２３の減磁を検出する。減磁検出部３６０は、少なくとも偶数次の高調波成分の増加に基づいて界磁磁石２３の減磁を検出してもよく、少なくとも２次の高調波成分（高調波抽出部３５０Ａにより抽出される高調波成分）の増加に基づいて界磁磁石２３の減磁を検出してもよく、少なくとも６次の高調波成分（高調波抽出部３５０Ｂにより抽出される高調波成分）の増加に基づいて界磁磁石２３の減磁を検出してもよく、複数の次数における高調波成分の合計値の増加に基づいて界磁磁石２３の減磁を検出してもよい。また、減磁検出部３６０は、基本波成分に対する高調波成分の相対的な増加に基づいて界磁磁石２３の減磁を検出してもよい。例えば減磁検出部３６０は、指標導出器３６１と、積算器３６２と、比較器３６３とを含む。

指標導出器３６１は、高調波抽出部３５０により抽出される高調波成分及び基本波抽出部３４０による検出される基本波成分に基づいて、界磁磁石２３の減磁に関する指標値を導出する。例えば指標導出器３６１は、高調波抽出部３５０Ａ，３５０Ｂ，３５０Ｃにより抽出される高調波成分の合計値を導出し、基本波成分に対する当該合計値の相対値を導出する。より具体的に、指標導出器３６１は、２次高調波振幅｜Φ２｜、６次高調波振幅｜Φ６｜及び１２次高調波振幅｜Φ１２｜の合計値を導出し、当該合計値を基本波振幅｜Φ｜により除算して指標値を導出する。なお、指標値は、基本波成分の大きさに対する高調波成分の大きさの相対値を示す限りいかなる値であってもよい。例えば指標値は、基本波振幅｜Φ｜を上記合計値により除算した値であってもよい。積算器３６２は、指標導出器３６１により順次導出された所定数の指標値の積算値を導出する。

比較器３６３は、積算器３６２により導出された積算値と、予め設定された閾値とを比較し、これらの関係に基づいて界磁磁石２３の減磁の有無を判定する。例えば、上記合計値を基本波振幅｜Φ｜により除算して上記指標値が導出されている場合、比較器３６３は、上記積算値が閾値を超えている場合に界磁磁石２３の減磁があると判定する（界磁磁石２３の減磁を検出する）。基本波振幅｜Φ｜を上記合計値により除算して上記指標値が導出されている場合、比較器３６３は、上記積算値が閾値未満である場合に界磁磁石２３の減磁があると判定する。

比較器３６３は、上記積算値の変化レートに基づいて界磁磁石２３の減磁の有無を判定してもよい。例えば、上記合計値を基本波振幅｜Φ｜により除算して上記指標値が導出されている場合、比較器３６３は、上記積算値の増加レートが閾値を超えている場合に界磁磁石２３の減磁があると判定してもよい。基本波振幅｜Φ｜を上記合計値により除算して上記指標値が導出されている場合、比較器３６３は、上記積算値の減少レートが閾値を超えている場合に界磁磁石２３の減磁があると判定してもよい。

（学習装置）
図１に戻り、駆動システム１は、学習装置４００を更に備えてもよい。すなわち駆動システム１は、制御装置１００と学習装置４００とを有する制御システムＣＳ１を備えていてもよい。学習装置４００は、複数の次数における高調波成分の大きさと、界磁磁石２３の減磁状態との関係を示すモデルを機械学習により構築する。

図５に例示するように、学習装置４００は、機能モジュールとして、磁束データ取得部４１１と、減磁データ取得部４１２と、データ蓄積部４１３と、モデル構築部４１４と、モデル保持部４１５とを有する。

磁束データ取得部４１１は、複数の次数における高調波成分の大きさに関するデータを複数の高調波抽出部３５０から取得する。以下、磁束データ取得部４１１が取得するデータを「高調波プロファイル」という。

減磁データ取得部４１２は、界磁磁石２３の減磁状態に関するデータを取得する。例えば減磁データ取得部４１２は、減磁状態を実測により確認した操作者による入力を取得する。以下、減磁データ取得部４１２が取得するデータを「減磁実績データ」という。

データ蓄積部４１３は、磁束データ取得部４１１により取得された高調波プロファイルと、減磁データ取得部４１２により取得された減磁実績データとの組み合わせデータを蓄積する。例えばデータ蓄積部４１３は、磁束データ取得部４１１及び減磁データ取得部４１２により、実質的に同じタイミングで同じ電動機１０について取得された高調波プロファイル及び減磁実績データを組み合わせて蓄積する。実質的に同じタイミングとは、高調波プロファイル及び減磁実績データの間に相関が認められる程度にこれらの取得タイミングが近いことを意味する。

モデル構築部４１４は、データ蓄積部４１３に蓄積された組み合わせデータに基づく機械学習により上記モデルを構築する。例えばモデル構築部４１４は、データ蓄積部４１３に蓄積された組み合わせデータに基づくディープラーニングによって、上記モデルに相当するニューラルネットのパラメータデータを導出する。モデル保持部４１５は、モデル構築部４１４により構築されたモデルを特定するデータ（例えば上記パラメータデータ）を記憶する。

駆動システム１が学習装置４００を備える場合、減磁検出部３６０は、学習装置４００により構築されたモデルに基づいて界磁磁石２３の減磁を検出するように構成されていてもよい。例えば減磁検出部３６０は、複数の次数における高調波成分の大きさに関するデータを上記モデルに入力し、これにより得られる出力データに基づいて界磁磁石２３の減磁を検出するように構成されていてもよい。

（ハードウェア構成の例示）
続いて、制御回路３００及び学習装置４００のハードウェア構成を例示する。図６に示すように、制御回路３００は、一つ又は複数のプロセッサ３９１と、メモリ３９２と、ストレージ３９３と、入出力ポート３９４と、通信ポート３９５と、表示デバイス３９６とを有する。ストレージ３９３は、例えばハードディスク等、コンピュータによって読み取り可能な記憶媒体を有する。記憶媒体は、後述の制御手順を制御装置１００に実行させるためのプログラムを記憶している。記憶媒体は、不揮発性の半導体メモリ、磁気ディスク及び光ディスク等の取り出し可能な媒体であってもよい。メモリ３９２は、ストレージ３９３の記憶媒体からロードしたプログラム及びプロセッサ３９１による演算結果を一時的に記憶する。プロセッサ３９１は、メモリ３９２と協働して上記プログラムを実行することで、上述した各機能モジュールを構成する。

入出力ポート３９４は、プロセッサ３９１からの指令に従って、電流センサ１１１，１１２，１１３、位置センサ５０及びゲート駆動回路２５０との間で電気信号の入出力を行う。通信ポート３９５は、プロセッサ３９１からの指令に従って、学習装置４００等との間で情報通信を行う。表示デバイス３９６は、例えば液晶パネル等であり、プロセッサ３９１からの指令に従って各種情報を表示する。例えば表示デバイス３９６は、界磁磁石２３の減磁を報知する上記減磁報知器３２６としても利用可能である。

学習装置４００は、一つ又は複数のコンピュータにより構成される。例えば学習装置４００は、一つ又は複数のプロセッサ４９１と、メモリ４９２と、ストレージ４９３と、通信ポート４９４と、表示デバイス４９５と、入力デバイス４９６とを有する。ストレージ４９３は、例えばハードディスク等、コンピュータによって読み取り可能な記憶媒体を有する。記憶媒体は、後述のモデル構築手順を学習装置４００に実行させるためのプログラムの記憶領域と、上記データ蓄積部４１３に割り当てられる記憶領域とを含む。記憶媒体は、不揮発性の半導体メモリ、磁気ディスク及び光ディスク等の取り出し可能な媒体であってもよい。メモリ４９２は、ストレージ４９３の記憶媒体からロードしたプログラム及びプロセッサ４９１による演算結果を一時的に記憶する。プロセッサ４９１は、メモリ４９２と協働して上記プログラムを実行することで、上述した各機能モジュールを構成する。

通信ポート４９４は、プロセッサ４９１からの指令に従って、制御回路３００の通信ポート３９５との間で情報通信を行う。表示デバイス４９５は、例えば液晶パネル等、プロセッサ４９１からの指令に従って各種情報を表示するデバイスである。入力デバイス４９６は、例えばキーボード及びマウス等、操作者による入力データを取得するデバイスである。例えば入力デバイス４９６は、界磁磁石２３の減磁状態に関するデータを取得する上記磁束データ取得部４１１としても利用可能である。

なお、学習装置４００は制御回路３００から離れた位置に設けられていてもよい。この場合、通信ポート３９５，４９４の間にローカルエリアネットワークが介在してもよいし、インターネット等のワイドエリアネットワークが更に介在してもよい。制御回路３００及び学習装置４００のハードウェア構成は、必ずしもプログラムにより各機能モジュールを構成するものに限られない。例えば上述の各機能モジュールは、専用の論理回路又はこれを集積したＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）により構成されていてもよい。

〔制御手順〕
続いて、電動機１０の制御方法の一例として、制御回路３００により実行される制御手順を説明する。この制御手順は、電動機１０に駆動電力を供給するように電力供給回路２００を制御することと、駆動電力に基づいて、コイル４２の鎖交磁束に関する磁束関連データを導出することと、磁束関連データから高調波成分を抽出することと、高調波成分の増加に基づいて、界磁磁石２３の減磁を検出することと、を含む。制御回路３００は、所定の制御手順を一定の周期で繰り返す。以下では一周期分の制御手順を説明する。

図７に示すように、制御回路３００は、まずステップＳ０１，Ｓ０２を順に実行する。ステップＳ０１では、電流センサ１１１，１１２，１１３により検出されたｕ相電流ｉｕ、ｖ相電流ｉｖ及びｗ相電流ｉｗを座標変換器３２１が取得してｄ軸電流ｉｄ及びｑ軸電流ｉｑに変換し、位置センサ５０が発生する信号に基づいて位置導出器３２２及び速度導出器３２３が回転角度θ及び速度ωをそれぞれ導出する。ステップＳ０２では、各種指令値と、ステップＳ０１において取得されたデータとに基づいて、指令生成部３１０が上記指令値を生成して電力供給回路２００に出力する。

次に、制御回路３００はステップＳ０３，Ｓ０４，Ｓ０５を順に実行する。ステップＳ０３では、電力供給回路２００が電動機１０に供給する駆動電力に基づいて、磁束推定器３２４がコイル４２の鎖交磁束に関する上記磁束関連データを導出する。ステップＳ０４では、基本波抽出部３４０が磁束関連データから基本波成分を抽出し、高調波抽出部３５０が磁束関連データから高調波成分を抽出し、抽出された基本波成分及び高調波成分に基づいて指標導出器３６１が上記指標値を導出する。ステップＳ０５では、積算器３６２が上記指標値を積算する。例えば積算器３６２は、ｈ次高調波振幅｜Φｈ｜の上記合計値を基本波振幅｜Φ｜により除算して上記指標値を算出する。

次に、制御回路３００はステップＳ０６を実行する。ステップＳ０６では、積算器３６２が、所定数の指標値の積算が完了したか否かを確認する。ステップＳ０６において、指標値の積算数が上記所定数に満たないと判定した場合、制御回路３００は以後の処理を実行することなく当該周期の制御手順を完了する。

ステップＳ０６において、指標値の積算数が上記所定数に達したと判定した場合、制御回路３００はステップＳ０７を実行する。ステップＳ０７では、上記指標値の積算値が上記閾値を超えているか否かを比較器３６３が確認する。ステップＳ０７において、上記積算値は上記閾値を超えていないと判定した場合、制御回路３００は以後の処理を実行することなく当該周期の制御手順を完了する。

ステップＳ０７において、上記積算値は上記閾値を超えていると判定した場合、制御回路３００はステップＳ０８を実行する。ステップＳ０８では、減磁報知器３２６が、界磁磁石２３の減磁を操作者に報知する。以上で当該周期の制御手順が完了する。

〔モデルの構築手順〕
続いて、モデルデータの生成方法の一例として、学習装置４００が実行する上記モデルの構築手順を説明する。この手順は、コイル４２の鎖交磁束のうち、複数の次数における高調波成分の大きさに関するデータと、界磁磁石２３の減磁状態を示すデータと、の組み合わせデータを蓄積することと、複数の次数における前記高調波成分の大きさと、界磁磁石２３の減磁状態との関係を示すモデルを特定するデータを、蓄積した組み合わせデータに基づく機械学習により導出することと、を含む。

図８に示すように、学習装置４００は、まずステップＳ１１，Ｓ１２を順に実行する。ステップＳ１１では、磁束データ取得部４１１が、複数の高調波抽出部３５０からの上記高調波プロファイルの受信を待機する。ステップＳ１２では、磁束データ取得部４１１が、複数の高調波抽出部３５０から受信した高調波プロファイルを取得してデータ蓄積部４１３に蓄積する。

次に、学習装置４００はステップＳ１３を実行する。ステップＳ１３では、減磁データ取得部４１２が減磁実績データの入力の有無を確認する。ステップＳ１３において、減磁実績データの入力はないと判定した場合、学習装置４００は処理をステップＳ１１に戻す。以後、減磁実績データの入力があるまで、学習装置４００は高調波プロファイルの取得と蓄積を繰り返す。

ステップＳ１３において、減磁実績データの入力があると判定した場合、学習装置４００はステップＳ１４を実行する。ステップＳ１４では、減磁データ取得部４１２が、入力された減磁実績データを取得し、当該減磁実績データをデータ蓄積部４１３に蓄積する。この際に、減磁データ取得部４１２は、当該減磁実績データと同じ電動機１０を対象とする高調波プロファイルの最新のデータに対応付けて当該減磁実績データをデータ蓄積部４１３に蓄積する。これにより、上記組み合わせデータがデータ蓄積部４１３に蓄積される。

次に、学習装置４００はステップＳ１５を実行する。ステップＳ１５では、データ蓄積部４１３に所定数の上記組み合わせデータが蓄積されたか否かをモデル構築部４１４が確認する。ステップＳ１５において、組み合わせデータの蓄積数が所定数に満たないと判定した場合、学習装置４００は処理をステップＳ１１に戻す。以後、組み合わせデータの蓄積数が所定数に達するまで、組み合わせデータの蓄積が繰り返される。

ステップＳ１５において、組み合わせデータの蓄積数が所定数に達したと判定した場合、学習装置４００はステップＳ１６を実行する。ステップＳ１６では、モデル構築部４１４が、データ蓄積部４１３に蓄積された組み合わせデータに基づく機械学習により上記モデルを構築し、これをモデル保持部４１５に保存する。例えばモデル構築部４１４は、上記モデルを特定するデータ（例えばニューラルネットのパラメータデータ）を生成し、これをモデル保持部４１５に保存する。以上でモデルの構築手順が完了する。

〔本実施形態の効果〕
以上に説明したように、制御装置１００は、界磁磁石２３及びステータ３０を有する電動機１０に駆動電力を供給する電力供給回路２００と、コイル４２の鎖交磁束に関するデータである磁束関連データを取得する磁束推定器３２４と、磁束関連データから高調波成分を抽出する高調波抽出部３５０と、高調波成分の増加に基づいて、界磁磁石２３の減磁を検出する減磁検出部３６０と、を備える。

減磁が生じると、コイル４２の鎖交磁束の基本波成分は減少する一方で、コイル４２の鎖交磁束の高調波成分は増加する。基本波成分の減少は、減磁以外の要因（例えば脱調現象や弱め磁束制御）でも生じ得るのに対し、高調波成分の増加は、減磁以外の要因では生じ難い。このため、高調波成分の増加に基づくことで、界磁磁石２３の減磁をより高い信頼性で検出することができる。

減磁検出部３６０は、少なくとも偶数次の高調波成分の増加に基づいて界磁磁石２３の減磁を検出してもよい。ロータ２０に回転トルクを発生させるためにステータ３０が発生させる磁束Φｅ（回転磁界の磁束）は、界磁磁石２３の磁極方向であるｄ軸からずれた位置に作用する（図２参照）。これにより、界磁磁石２３の減磁は、ｄ軸から回転方向側にずれた位置に生じる傾向がある。このような減磁が生じると、コイル４２の鎖交磁束の波形において対称性（例えば電機子鎖交磁束が最大となる時刻を基準とする対称性）が低下する。このため、減磁に起因する高調波成分の増加は、奇数次に比較して偶数次に生じ易い傾向がある。したがって、少なくとも偶数次の高調波成分の増加に基づいて界磁磁石２３の減磁を検出することで、界磁磁石２３の減磁をより高い信頼性で検出することができる。

減磁検出部３６０は、少なくとも２次の高調波成分の増加に基づいて界磁磁石２３の減磁を検出してもよい。減磁に起因する高調波成分の増加は、３次以上の次数に比較して２次において大きくなる傾向がある。このため、少なくとも２次の高調波成分の増加に基づいて界磁磁石２３の減磁を検出することで、界磁磁石２３の減磁をより高い信頼性で検出することができる。

減磁検出部３６０は、少なくとも６次の高調波成分の増加に基づいて界磁磁石２３の減磁を検出してもよい。界磁磁石２３の減磁が生じた場合、デッドタイム補償のタイミングのずれに起因して、６次の高調波成分の増加が大きくなる場合がある。このような場合、少なくとも６次の高調波成分の増加に基づいて界磁磁石２３の減磁を検出することで、界磁磁石２３の減磁をより高い信頼性で検出することができる。

減磁検出部３６０は、複数の次数における高調波成分の合計値の増加に基づいて界磁磁石２３の減磁を検出してもよい。この場合、界磁磁石２３の減磁をより高い信頼性で検出することができる。

減磁検出部３６０は、複数の次数における高調波成分の大きさと、界磁磁石２３の減磁状態との関係を示すように機械学習により構築されたモデルに基づいて界磁磁石２３の減磁を検出してもよい。この場合、界磁磁石２３の減磁をより高い信頼性で検出することができる。

制御装置１００は、磁束関連データから基本波成分を抽出する基本波抽出部３４０を更に備え、減磁検出部３６０は、基本波成分に対する高調波成分の相対的な増加に基づいて界磁磁石２３の減磁を検出してもよい。減磁とは別の要因にてコイル４２の鎖交磁束の高調波成分が増加する場合、例えば強め磁束制御では、基本波成分も共に増加する可能性が高い。このような場合であっても、基本波成分に対する高調波成分の相対的な増加は生じ難い。したがって、基本波成分に対する高調波成分の相対的な増加に基づくことで、界磁磁石２３の減磁をより高い信頼性で検出することができる。

制御装置１００は、電動機１０の速度を目標速度ω＿ｒｅｆに追従させるように電力供給回路２００への指令値（電圧指令値あるいは電流指令値等）を生成する指令生成部３１０を更に備えてもよく、減磁検出部３６０は、目標速度に対する指令値の相対的な増加と、高調波成分の増加との両方に基づいて界磁磁石２３の減磁を検出してもよい。減磁が生じていない場合、指令値は目標速度に比例する傾向がある。例えば指令値は、電動機１０の誘起電圧定数を目標速度ω＿ｒｅｆに乗算した値に概ね一致する傾向がある。これに対し、減磁が生じると、目標速度ω＿ｒｅｆへの追従および所望されるトルクの発生のために、より多くの電力が求められるので、目標速度に対する指令値の相対的な増加が生じる。したがって、目標速度ω＿ｒｅｆに対する指令値の相対的な増加と、高調波成分の増加との両方に基づいて界磁磁石２３の減磁を検出することで、界磁磁石２３の減磁をより高い信頼性で検出することができる。

目標速度ω＿ｒｅｆに対する指令値の相対的な増加を示すデータの具体例としては、目標速度ω＿ｒｅｆに比例する基準指令値（例えば電動機１０の誘起電圧定数を目標速度に乗算した値）によって指令値を除算した値が挙げられる。以下、これを「指令倍率」という。例えば上記指標導出器３６１は、高調波抽出部３５０により抽出されるｈ次高調波振幅｜Φｈ｜の合計値を基本波振幅｜Φ｜によって除算して得られる値に、上記指令倍率を乗算して上記指標値を算出するように構成されていてもよい。

以上、実施形態について説明したが、本発明は必ずしも上述した実施形態に限定されるものではなく、その要旨を逸脱しない範囲で様々な変更が可能である。

１０…電動機、２３…界磁磁石、３０…ステータ（電機子）、１００…制御装置、２００…電力供給回路、３２４…磁束推定器（データ取得部）、３５０…高調波抽出部、３６０…減磁検出部、４００…学習装置、４１３…データ蓄積部、４１４…モデル構築部、ω＿ｒｅｆ…目標速度。

Claims (12)

1. 界磁磁石及び電機子を有する電動機に駆動電力を供給する電力供給回路と、
   前記電動機の速度に同期した基本波成分を含む、前記電動機の電機子鎖交磁束に関するデータである磁束関連データを前記駆動電力に基づき取得するデータ取得部と、
   前記磁束関連データから前記基本波成分に対する高調波成分を抽出する高調波抽出部と、
   前記高調波成分の増加に基づいて、前記界磁磁石の減磁を検出する減磁検出部と、を備える制御装置。
2. 前記減磁検出部は、少なくとも偶数次の前記高調波成分の増加に基づいて前記界磁磁石の減磁を検出する、請求項１記載の制御装置。
3. 前記減磁検出部は、少なくとも２次の前記高調波成分の増加に基づいて前記界磁磁石の減磁を検出する、請求項２記載の制御装置。
4. 前記減磁検出部は、少なくとも６次の前記高調波成分の増加に基づいて前記界磁磁石の減磁を検出する、請求項２又は３記載の制御装置。
5. 前記減磁検出部は、複数の次数における前記高調波成分の合計値の増加に基づいて前記界磁磁石の減磁を検出する、請求項１〜４のいずれか一項記載の制御装置。
6. 前記減磁検出部は、複数の次数における前記高調波成分の大きさと、前記界磁磁石の減磁状態との関係を示すように機械学習により構築されたモデルに基づいて前記界磁磁石の減磁を検出する、請求項１〜４のいずれか一項記載の制御装置。
7. 前記磁束関連データから基本波成分を抽出する基本波抽出部を更に備え、
   前記減磁検出部は、前記基本波成分に対する前記高調波成分の相対的な増加に基づいて前記界磁磁石の減磁を検出する、請求項１〜６のいずれか一項記載の制御装置。
8. 前記電動機の速度を目標速度に追従させるように前記電力供給回路への指令値を生成する指令生成部を更に備え、
   前記減磁検出部は、前記目標速度に対する前記指令値の相対的な増加と、前記高調波成分の増加との両方に基づいて前記界磁磁石の減磁を検出する、請求項１〜７のいずれか一項記載の制御装置。
9. 界磁磁石及び電機子を有する電動機に駆動電力を供給するように電力供給回路を制御することと、
   前記電動機の速度に同期した基本波成分を含む、前記電動機の電機子鎖交磁束に関するデータである磁束関連データを前記駆動電力に基づき取得することと、
   前記磁束関連データから前記基本波成分に対する高調波成分を抽出することと、
   前記高調波成分の増加に基づいて、前記界磁磁石の減磁を検出することと、を含む制御方法。
10. 制御装置と、学習装置とを備え、
    前記制御装置は、
    界磁磁石及び電機子を有する電動機に駆動電力を供給する電力供給回路と、
    前記電動機の電機子鎖交磁束に関するデータである磁束関連データを取得するデータ取得部と、
    前記磁束関連データから高調波成分を抽出する高調波抽出部と、
    複数の次数における前記高調波成分の大きさと、前記界磁磁石の減磁状態との関係を示すように機械学習により構築されたモデルに基づいて前記界磁磁石の減磁を検出する減磁検出部と、を有し、
    前記学習装置は、
    前記複数の次数における前記高調波成分の大きさに関するデータと、前記界磁磁石の減磁状態に関するデータとの組み合わせデータを蓄積するデータ蓄積部と、
    前記データ蓄積部に蓄積された前記組み合わせデータに基づく機械学習により前記モデルを構築するモデル構築部と、を有する制御システム。
11. 界磁磁石及び電機子を有する電動機の電機子鎖交磁束のうち、複数の次数における高調波成分の大きさに関するデータと、前記界磁磁石の減磁状態を示すデータと、の組み合わせデータを蓄積するデータ蓄積部と、
    前記複数の次数における前記高調波成分の大きさと、前記界磁磁石の減磁状態との関係を示すモデルを、蓄積した前記組み合わせデータに基づく機械学習により構築するモデル構築部と、を備える学習装置。
12. 界磁磁石及び電機子を有する電動機の電機子鎖交磁束のうち、複数の次数における高調波成分の大きさに関するデータと、前記界磁磁石の減磁状態を示すデータと、の組み合わせデータを蓄積することと、
    前記複数の次数における前記高調波成分の大きさと、前記界磁磁石の減磁状態との関係を示すモデルを特定するデータを、蓄積した前記組み合わせデータに基づく機械学習により導出することと、を含むモデルデータの生成方法。

Images